摘要：思政课讲道理本质的有效实现离不开优质教学话语的加持，话语转化是思政课教学话语传播链条的保障圈层，高校思政课教学话语在传播的过程中的最终目的是实现话语意义的旨归和实现，感染力是在思政课教学过程中，教师通过教学话语传递教学内容，能够激发学生情感、引起学生共鸣、促使

思政课讲道理本质的有效实现离不开优质教学话语的加持，话语转化是思政课教学话语传播链条的保障圈层，高校思政课教学话语在传播的过程中的最终目的是实现话语意义的旨归和实现，感染力是在思政课教学过程中，教师通过教学话语传递教学内容，能够激发学生情感、引起学生共鸣、促使学生认同并转化为行动的能力，日益成为影响思政课讲道理本质有效实现的重要因素之一。当前，生成式人工智能不断进行技术迭代更新，已在大模型语言训练、开发数字化思政课教学资源、提升师生即时互动能力等方面展现出独特的优势，对思政课更好把道理讲深讲透讲活起到了积极作用。生成式人工智能可以在输出时提供符合教育客体预设性的答案，并在叙事描绘的过程中寻找特征关联，遴选意义数据生成新的文本，完成数据转化，并反馈修正得到新的答案，使得思政课教学话语的叙事描述在内容方面具有一定的可测量性。在具体的话语内容转化过程中，探索并实现思政课教学话语内容的多维延展与生成式人工智能的智能解译话语转变所带动的传播革新同路并进，不断增强思政课教学话语转化的感染力，对新时代不断促进思政课讲道理本质的高质量有效实现具有重要意义。

一、转变话语叙事，促进转化方式革新

生成式人工智能以其基于大模型训练所获得的强大的数据处理和模式识别能力，打破了传统思政课教学话语传播的时空壁垒，能够通过技术干预使思政课教学话语主体、客体、环体、介体等按照预先设定的参数路径相对独立的进行运转，为思政课教学话语的转化提供了灵活性和高效能。通过技术手段智能捕捉语义关键要素，精准反映教学话语所需要的主题和内容，揭示话语背后的深层含义和逻辑关系，形成话语叙事的数字画像，这种画像使得话语描述的精准性显著提升，这种精准性的话语描述，不仅提升了思政课教学的话语质量，也为学生提供了更加清晰、易懂的学习内容。有助于提高学生的理解和接受程度，对传统思政课的教学话语转化模式产生了深远影响。在此过程中，要着重挖掘技术赋能的话语叙事要素重构，准确判断基于数字画像的思政课话语叙事风格，深入研究数字画像的生成机制，理解其背后的数据逻辑和算法原理，掌控话语叙事转变原则和方向，通过引入生活话语的智能转译系统提升故事化叙事能力，契合话语主体和课题的数据考察，通过更加生动形象化的教学话语展现思政课的魅力，基于故事框架、情节填充、价值升华等进阶式方法手段构建思政课教学话语故事化叙事的动态生成技术，进一步实现传统思政课教学话语描述的规程化到话语叙事数据的精细化转变，在生成式人工智能技术的加持下，教师不再是单纯的知识传授者，而是成为了故事的讲述者、情感的引导者；学生也不再是被动接受知识的容器，而是成为了主动探索、积极思考的参与者，这样的转变不仅提升了话语主体和客体间的话语吸引力，还进一步促进了思政课教学话语转化方式的革新。

二、更新话语表达，带动转化载体革新

生成式人工智能通过有效模拟真实的人类对话方式，极大窄化了与学生进行自然语言交流的鸿沟，这种交流方式不仅消弭了传统思政课教学话语表达过程中教师与学生的物理距离感，还可通过经过智能化梳理的对话逻辑，使得交流过程更加贴近学生的日常生活习惯和思维方式，这种有效的人机对话交流隐化了话语主体和客体之间的虚拟感，减少了传统思政课教学中可能存在的距离感和虚拟感，促使基于特定话语表达模式的语言情境更加贴近自然和真实，思政课教学的话语主体获得了更大的主观能动性发挥空间，教师可以根据学生的学生的兴趣点，结合生成式人工智能的实时反馈，及时精准获取学生的学习状况，根据教学的需要，选择不同的教学话语和表达方式，以更好地引导学生理解和思考。教学话语的特征联结和输出反馈变得更加灵活和多样也使得学生易于产生共鸣，提升教学话语的接受程度，积极参与思政课的学习。在此过程中，话语主体要准确了解客体的价值观理解取向及偏好，研判客体的接受价值趋势，敏锐捕捉客体观念的变化，掌握其变化逻辑及动因，了解客体对新技术的接纳程度，洞察话语客体的观念变迁逻辑。与此同时，客体对话语理解的思维状态受即时情境、情绪状态、信息输入等多种因素的影响，处于动态变化中，话语主体需要关注客体的实时反馈，在思维实时动态开展精细化数据考察的基础上调整话语表达的策略和内容，调整话语的节奏、语气和内容，适应客体实时心理状态，使思政课教学过程更加贴近学生的实际需求，丰富了思政课教学的互动性和沉浸感，从话语层面激发他们的学习兴趣和主观能动性，这种对话语表达方式和内容的持续更新，不仅促进了思政课教学话语本身的转化与升级，还进一步带动了教学话语转化载体的革新。

三、疏导话语输出，引领转化生态革新

定向生产性生成式人工智能的确以为其基本特征之一，这得益于其背后超大体量的语言训练模型。这些模型能够理解并解译海量的语言数据，从而具备了在多元话语输出样态下进行分类整合和立体重塑的能力。这种能力极大提高了话语信息处理的效率。在思政课教学话语的转化过程中，用户提交的反馈是生成式人工智能不断优化其输出样态的重要依据。通过持续收集和分析用户反馈，基于大数据的算法加持可以不断调整其输出策略，促进输出样态优化调整，使得话语输出更加线性化和精准化，符合用户的期待效果和需求成效。然而，生成式人工智能所依托的算法黑箱的技术环境也带来了诸多挑战，其中最为显著的是话语输出可能出现的偏差，以及在输出阶段屏蔽了话语主体的情感功能。此外，“信息茧房”现象也是一个不容忽视的问题。这可能导致用户只接触到与其观点一致的信息，从而限制了其视野和认知的多样性。在这种情况下，话语主体要注重引导话语输出指向思政课教学内容的认知阐释层面，借助主流意识形态话语对客体形成内容化解释，增加主体的话语情感供给，疏导话语输出的基本样态，通过将话语输出与思政课教学内容相结合，引导学生正确理解教学话语的本质样态。同时要不断优化算法设计原则，提升纠偏能力和水平，强化内容的监管，通过增加算法的透明度和可解释性来降低其潜在风险，通过引入多元化的数据源和算法策略鼓励算法在输出话语时保持多样性和包容性，定期审查更新话语输出内容和模式，培养学生正确的价值观，使其在面对多元信息时能够保持清醒的判断力，形成正确价值导向，持续不断引领话语转化生态的革新。

本文系2023年度教育部高校思想政治理论课教师研究专项一般项目“生成式人工智能对高校思政课教学话语的影响与融合创新路径研究”（编号：23JDSZK010）的阶段性成果。

李钰（作者单位：天津城建大学马克思主义学院）

来源：中国网一点号