精准化是网上思想道德教育适应时代发展的必需之举。党的二十届三中全会明确指出，要“形成网上思想道德教育分众化、精准化实施机制”[1]（P33）。教育对象的分众化，决定了网上思想道德教育必须走向精准化。当前，网络空间已成为思想道德教育的前沿阵地，教育对象的思想观念、道德认知与价值取向深受网络文化与舆论氛围影响，并呈现出受众构成多样、思想观念多元、利益诉求多维、圈层类型多态等特征。为此，习近平强调，需“提高网络育人能力，扎实做好互联网时代的学校思想政治工作和意识形态工作”[2]（P219）。这进一步凸显了推进网上思想道德教育精准化的现实需求。与此同时，以 DeepSeek、ChatGPT等为代表的生成式人工智能快速发展，为网上思想道德教育精准化提供了全新技术支撑与发展机遇，对推动网上思想道德教育从“大水漫灌”向“精准滴灌”转型具有重要意义。当然，“面对生成式人工智能等新技术的涌现，要统筹好发展和安全”[3]。因此，需从生成式人工智能赋能网上思想道德教育精准化的价值逻辑出发，系统剖析其应用困境，并针对性提出优化方略，为进一步提升网上思想道德教育精准化水平提供理论借鉴与实践参考。

有学者指出：“思想道德教育分众化、精准化一直是教育者追寻的‘理想状态’。囿于技术发展限制，这种教育方式长期停留于学术探讨和实践畅想的层面。”[4]现代信息技术特别是生成式人工智能技术的涌现与发展，为网上思想道德教育精准化提供了前所未有的工具支持，使这一“理想状态”正逐步转化为现实可能。习近平指出：“无论组合拳怎么打，最终要落到把思政课讲得更有亲和力和感染力、更有针对性和实效性上来。”[5]（P23）生成式人工智能通过赋能情感化交互、具身化叙事、随需化滴灌和敏捷化响应，使网上思想道德教育精准化得以充分彰显，在增进亲和力、提升感染力、强化针对性和提高实效性方面展现出独特价值。

1. 赋能情感化交互，增进网上思想道德教育亲和力。亲和力是网上思想道德教育精准化的情感基础。亲和力所营造的信任与共鸣，以及由此形成的情感调适与心理接纳机制，为网上思想道德教育精准化措施的有效实施提供了情感纽带。个人差异理论揭示，“受众成员心理或认识结构上的个人差异是影响他们对媒介的注意力以及对媒介所讨论的问题和事物所采取的行为的关键因素”[6]（P200）。更为重要的是，“情绪可以调节认知的加工过程和人的行为”[7]（P31）。然而，传统网上思想道德教育常陷入“冷交互”窠臼。这种“键对键”的互动模式难以有效激发情感共鸣，教育效果往往只停留在“入眼入耳”，难以真正“入脑入心”。生成式人工智能通过赋能情感化交互为破解这一难题提供了新路径。一方面，可生成共情知己式对话。生成式人工智能通过模拟人类的语气、节奏及情感状态等，动态生成包含共情、鼓励、引导的回复，突破传统人工智能基于关键词检索答复的生硬感和冰冷感，从而增强教育对象的亲近感和被理解感。另一方面，可生成渐进陪伴式对话。生成式人工智能通过精准捕捉教育对象的情绪波动、思想动态、行为轨迹等数据，在多频次教育互动中逐渐生成专属内容，营造贴近教育对象心理的教育氛围。由此，借助生成式人工智能的情感化表达，网上思想道德教育得以从“冷交互”转向精准“暖交互”，促进教育对象由理性知识的被动接受走向情理共鸣的主动趋近。

2. 赋能具身化叙事，提升网上思想道德教育感染力。感染力是网上思想道德教育精准化的内在要求。习近平指出，要“增强吸引力和感染力，让群众爱听爱看、产生共鸣，充分发挥正面宣传鼓舞人、激励人的作用”[8]（P16）。具身化叙事凭借多模态融合特征，能显著提升教育对象的沉浸感和代入感，使网上思想道德教育更加说理透彻、感人至深。梅洛-庞蒂认为，身体并非仅是被动接受外部世界的工具，更“是我们拥有一个世界的一般方式”[9]（P194）。体验学习理论也强调，“学习是一个以体验为基础的持续过程”[10]（P24）。这意味着，如果网上思想道德教育精准化要具有深度感染力，就需通过具身化叙事使教育对象“以身体之在场”感受价值的力量。然而，传统网上思想道德教育大多依靠文本化的叙事方式，教育对象难以产生切身的情感体验。生成式人工智能为破解这一困境提供了多元途径。一方面，生成式人工智能将视觉、听觉、语言、动作反馈等感官信号融合呈现，可形成丰富多元的感知输出渠道，从而激发教育对象的情感共鸣。另一方面，依托虚拟现实、增强现实、语义生成等技术，可将抽象的道德观念变成可视化的、可感知的情境，让教育对象在观看、聆听、互动的过程中得到情感和认知上的双重刺激，进而在虚拟环境里产生情感代入和价值认同。

3. 赋能随需化滴灌，强化网上思想道德教育针对性。针对性是网上思想道德教育精准化的显著表征。习近平强调，要“区别不同情况，做到对症下药、精准滴灌、靶向治疗，不搞大水漫灌、走马观花、大而化之”[11]。因此，需要通过随需滴灌等精准化措施，实现内容与资源的有效触达，从而提升网上思想道德教育的针对性。“每个个体都是一个独特的生命体，其身心发展的状况具有独特性，构成了人与人之间身心发展的差异性。”[12]（P85）教育对象的需求差异是影响其学习动机和效果的主要因素，只有“对症下药”，才能实现教育资源效用的最大化。然而，传统网上思想道德教育存在着同质化、平均化的倾向，缺乏对差异化需求的精准回应，导致教育过程出现信息过载但有效信息供给不足的矛盾。生成式人工智能为网上思想道德教育做到“随需化滴灌”提供了可行路径。一方面，生成式人工智能可即时捕捉并剖析教育对象在互动过程中产生的兴趣点、疑问点，从而精准推送定制化内容。另一方面，生成式人工智能可对教育方式进行动态调节，如针对网络道德、抵制网络暴力等不同教育主题，生成因人制宜的教育方案，让教育对象在“个性化滴灌”模式下真切感受到网上思想道德教育的关怀。这推动网上思想道德教育从“标准化议程”转向“差异化生成”，使教育话语和受众需求达成双向匹配，推动网上思想道德教育由普遍适配向个性契合转变。

4. 赋能敏捷化响应，提高网上思想道德教育实效性。实效性是网上思想道德教育精准化的必然要求。习近平指出，要“提高政策精准性、实效性”[13]，“在务实功、求实效上下功夫”[14]。精准化为实效性提升搭建方法路径的“桥梁”，而实效性则是精准化育人成效的最终检验标准。如果精准化缺少敏捷化响应，就会出现“迟到的精准”；如果实效性脱离精准化支撑，就容易出现浅表化的“即时反应”。在舆论热点快速演变的网络空间里，传统教育内容的周期性输出往往滞后于教育对象的认知变化，导致教育回应乏力。这不但会削弱思想道德教育在网络空间中的话语权和引导力，还会使教育对象受到不良舆论信息的干扰。首因效应理论认为，“第一印象的作用不但很强烈，而且作用的时间也长久”[15]（P621）。谁能第一时间提供权威、可信、有说服力的价值评判，谁就能在舆论中占据主动优势。生成式人工智能以其高效敏捷的信息生成能力，为提高网上思想道德教育实效性提供了技术支撑。一方面，生成式人工智能可实时监测网络热点与舆论走向，使教育主体能够及时发现教育对象在网络空间中的关注热点和舆情态势。另一方面，生成式人工智能可使教育主体在极短时间内快速生成符合主流价值的教育话语和解释框架，进而达到内容的高效分发和快速触达的目的，实现思想道德教育话语的“先声夺人”，强化教育干预的时效效能。

赋能并非万能。马克思指出：“每一种事物好像都包含有自己的反面……我们的一切发明和进步，似乎结果是使物质力量成为有智慧的生命，而人的生命则化为愚钝的物质力量。”[16（] P580）生成式人工智能为驱动网上思想道德教育迈向精准化注入了强大势能，但与此同时仍面临“符合遮蔽”“碎片拼贴”“幻觉生成”“流量异化”等现实挑战，制约着网上思想道德教育精准化的潜能释放。

1. 网上思想道德教育学情精准识别的“符号遮蔽”。海德格尔认为，“现代技术之本质长期还遮蔽着自身……一切本质性的东西，不光是现代技术的 本 质 性 的 东 西 ，到 处 都 最 长 久 地 保 持 着 遮蔽”[17]（P24）。在生成式人工智能深度赋能网上思想道德教育精准化的背景下，学情识别中的“遮蔽性”并未消失，反而以更隐蔽、更具结构性的方式渗透到识别的每一个环节。高度精准的数据分析、语义理解与情感计算，并不必然等于对教育对象真实情况的把握，技术生成的符号体系容易在不经意间制造出认知偏差。一是符号化替代真实情境，易造成对现实学情的认知错位。生成式人工智能的算法运行高度依赖对教育对象行为数据的采集与分析。然而，符号化程度越高，也意味着情境信息的丢失就越严重。教育对象在学习过程中的情感波动、价值权衡、即兴提问等丰富的情境信息，往往无法被完整编码为数据符号，这极易导致教育者对教育对象学情的把握出现认知偏误。二是文本的原子化分割、概率化生成机制削弱了教育对象表达的多义性。生成式人工智能的内容生成，实质上是依靠统计关联进行的自回归预测，即以“预测下一个词元序列”为其重要目标。生成式人工智能在处理网络语言或亚文化语言时，可能会将反讽、隐喻等复杂信息转变成可被计算的词元标签，造成“高级黑”“低级红”这类带有隐含意义的内容无法被准确识别。三是网上思想道德教育的部分训练数据偏颇使得某些教育对象的特征在生成式人工智能的学情识别中被隐匿，其所生成的量化风险等级以及情绪曲线可能营造出一种看似客观、稳定的学情图景。教育者若过分依赖这样的呈现方式，就会忽略教育对象思想动态的流动性和复杂性，使得学情精准识别陷入“技术定义人”的泥潭中，精准识别可能会变成新的“精准误识”。

2. 网上思想道德教育资源精准衔接的“碎片拼贴”。习近平强调：“学习就必须求真学问，求真理、悟道理、明事理，不能满足于碎片化的信息、快餐化的知识。”[18]（P13）在生成式人工智能深度介入网上思想道德教育的背景之下，“精准衔接”并不会自然而然地实现教育资源的系统化供给，反而在结构层面潜藏着“碎片拼贴”的风险。一是网上思想道德教育内容经生成式人工智能的词元拆解之后，理论结构的系统性和整体性被消解，所谓精准衔接就会变成要素拼贴。生成式人工智能在整合推荐教育资源时，大多依靠可计算的标签匹配、热点权重等手段，使得资源之间的联系更多来自算法逻辑。同一主题的内容被分解成案例片段、语句摘抄或者情绪短文，这导致教育对象得到的只是碎片集合，而不是完整的知识体系。二是算法主导的关联推荐加剧了情境剥离，使得教育内容脱离深层的价值脉络。推荐系统重视点击率和互动频率，自然会加强相似的内容而忽略必要的内容，造成教育对象陷入某一种情绪圈、事件链或者话题簇之中。若缺少理论引导和价值辨析，教育对象所接触的信息极易形成“高度同质化的封闭结构，进而形成信息孤岛和价值观的闭环循环”[19]。三是跨平台整合会造成内容匹配错置，不同来源、不同深度、不同风格的资源被等量化技术处理后，呈现出无关联的拼贴状态。政策文本、网络短视频、学术论述、网络段子等在算法面前被置换为离散的二进制数字（即0和1），没有层次、权重和逻辑上的区别。最终，网上思想道德教育资源被技术切割为孤立词元，“精准衔接”也可能变成碎片堆砌，难以保证教育资源的理论深度和价值导向。

3. 网上思想道德教育内容精准供给的“幻觉生成”。从生成实践来看，“生成式人工智能会编造看似合理但实际荒谬的事物，并以具有权威性和说服力的语言来‘骗取’他人的信任”[20]。在网上思想道德教育内容的精准供给方面，生成式人工智能技术的这一固有缺陷尤为明显，而且伴随着一定的认知风险。一是部分语义和事实的真实性相矛盾。生成式人工智能生成的文本语言流畅、逻辑连贯，但其底层逻辑是概率统计，而不是历史和现实。网上思想道德教育中的案例叙事、价值阐释、道德情境必须有严谨的事实依据和规范的价值逻辑。一旦模型生成似是而非的内容，教育对象可能因为文本的“一本正经”而误认为真实可靠，从而造成知识误读、价值偏离。与此同时，生成式人工智能通过生成虚拟情境，可能导致教育对象沉迷其中而脱离现实环境，加剧了片面认知或刻板印象。二是定制化供给容易被视为偏好“投喂”。例如，喜好某一领域内容的教育对象持续接受相似内容推送，久而久之，精准供给就会演变为算法迎合，教育对象可能陷入信息茧房的认知幻象。三是生成式人工智能输出内容逻辑流畅，易使教育对象误判其价值中立、结论客观正确。例如，其动态生成的内容多是模板化素材重组，教育对象可能误以为获得专属内容，而实际上接收的只是标准化文本包装。这会导致教育模式从理解性学习变成了接受性学习，网上思想道德教育应有的深度、系统性和批判性思维培养可能被技术化的“幻觉”所制约。

4. 网上思想道德教育质效精准评价的“流量异化”。马克思指出：“科学和技术使执行职能的资本具有一种不以它的一定量为转移的扩张能力。”[21] （P699）在生成式人工智能赋能网上思想道德教育精准化的过程中，精准评价可能陷入流量异化的困境，教育目标与评价结果被同化为可交换的数据资源，进而造成教育质效的异化。一是评价指标易被流量化所驱动而偏离核心育人目标。教育者可以获取教育对象的学习时长、点击次数、互动频率、评论情绪等各种行为数据，并通过算法对其进行结构化分析。然而，这些可以量化的指标容易造成评价只重视数据，忽略教育对象内在的思想认知提升、价值观念认同，从而把学习参与度或互动次数当作教育效果。长此以往，教育对象的学习目的会从理解价值、内化道德变成完成数据任务、提高指标表现。二是个性化反馈与即时性评价易形成表面化认知。教育对象频繁地完成任务或者参与互动，算法会给出正向的反馈，但这并不代表教育对象真正理解了核心价值观和网络道德规范。教育者如果只依靠数据反馈，就很难洞察教育对象行为背后的内在动机与真实价值诉求。这种认知偏差容易导致教育教学活动流于表面，进而加剧教育对象的形式化学习和浅层化参与。三是评价结果导向容易造成教育功利化、短期化倾向。流量驱动之下，教育者或者平台管理者会将活跃度、阅读量或者互动量当作主要衡量标准，使得教育资源并非依照教育对象的实际价值认识和需求困惑来考量。即时性、动态性评价也可能使教育者更加关注短期行为的变化而忽略长期价值的养成，造成数据驱动下的任务式教育，降低网上思想道德教育在深度认知、情感认同和行为内化方面的持久影响。

三、生成式人工智能赋能网上思想道德教育精准化的优化方略

习近平提出：“正能量是总要求，管得住是硬道理，现在还要加一条，用得好是真本事。”[22]（P356）面对生成式人工智能在赋能网上思想道德教育精准化过程中呈现的现实挑战，关键问题在于如何真正实现“正能量、管得住、用得好”，推动其从技术可用迈向价值向善、从工具理性升华为育人智慧，进一步提升网上思想道德教育的精准化水平。

1. 完善网上思想道德教育精准化的技术应用规范。海德格尔认为，技术是“一种解蔽方式”[23]（P13）。然而技术自身并不必然导向主体显现。因此，破解上述符号遮蔽难题的关键，在于通过规范制度的构建和伦理价值的导向，促使技术真正服务于人的全面发展。一是用教育逻辑引领算法设计。精准识别要围绕教育对象思想动态的发展逻辑，在自然语言处理、多模态识别等环节加入语境变量、情绪复杂度和价值判断维度等，不能简单地把教育对象话语当作可计算的符号。算法建模既不能简单用统计关联代替价值判断，也不能用技术便利性代替教育合理性。因此，应使生成式人工智能真正成为教育对象成长的阶梯，而非规训的工具。二是建立多源数据平衡、人机协同校准机制，提高识别的真实性、可靠性。借助多圈层、跨平台数据联动，重点覆盖低互动、沉默和边缘群体，规范采样与算法权重，让被数据看见的教育对象更加接近真实对象，依靠人工复核、跨团队交叉核验、价值敏感度校准等方式保证教育者对算法解释权的掌握。三是提升教育者的数字素养，增强生成式人工智能技术和算法的可视化、透明度，保证技术辅助的可控性。通过专业培训、案例教学、跨学科合作等方式，提升教育者识别数据偏差、辨别输出文本真伪的能力；并通过标注数据来源、推理路径、模型限制等，保证教育决策始终以人为主、以技术为辅。

2. 构筑网上思想道德教育精准化的资源联动生态。习近平指出：“要建立党委统一领导、党政齐抓共管、有关部门各负其责、全社会协同配合的工作格局。”[24]（P24）这为破解生成式人工智能介入下网上思想道德教育的“碎片拼贴”问题指明了方向。一是建立跨部门、跨平台的资源协同机制。在党委统一领导下，将宣传、教育、共青团、网信、文化等部门的资源整合为统一的内容供给体系，以标准化的接口、内容清单、共享平台实现政策文件、典型案例、网络文化产品、专业知识库的共建共享与协同联动。资源汇聚不仅要实现数量的整合，还要彰显内容的层次、逻辑和权威性，避免算法处理中出现等量化、同质化现象，保证教育供给结构完整。二是从价值链的角度组织内容，把理论结构和技术逻辑结合起来。要以社会主义核心价值观为统领，融合思想政治教育理论体系，创建起内容模块、知识链条和主题矩阵等内在逻辑清晰的教育框架。同时，依靠人机协同，组织思政课教师、辅导员及相关专家对生成的初编内容进行统编、价值校准，实现逻辑延展和思想引领，让教育供给既高效又深刻。三是构建动态、可迭代的传播生态，实现教育资源的精准触达。依托生成式人工智能在用户画像和传播分析的能力创建多平台联动的价值传播网络，推动相关内容在微博、微信、抖音、B站、小红书以及学习平台等场景精准触达教育对象。同时，建立实时更新与人工修正协同的更新机制，通过舆情监测、话语追踪以及人工审核等，确保教学资源在动态变化中保持理论主线、明晰价值逻辑，从而形成既适应网络传播节奏、又具备思想政治教育深度的动态资源体系。

3. 建立网上思想道德教育精准化的内容校准机制。习近平指出，要“加强网络内容建设，做强网上正面宣传，培育积极健康、向上向善的网络文化……为广大网民特别是青少年营造一个风清气正的网络空间”[25]（P9）。在应用生成式人工智能过程中，“AI幻觉”问题愈发突出，俨然成为必须直面的关键问题。因此，构建科学且系统的内容校验机制显得尤为重要。一是利用多源事实校验以保障生成内容的科学性与可信度。校准机制需以权威数据库、政策文件、标准化知识库等作为支撑，对生成的内容实施自动比对和初步筛选，再经由专家审核对高风险或者敏感内容进行二次把关。事实验证应涵盖文本、图像、音频以及视频等多种形式的资料，依靠跨模态核验方式消弭生成式人工智能对教育对象造成的误导。二是通过价值导向多维审查、动态追踪闭环等保证内容的正确性和适应性。校准机制应在内容生成的全过程中嵌入价值引导，对政治性、道德性和社会责任性进行量化评级，使内容同社会主义核心价值观、教育对象的认知特点等相匹配。依靠实时监测技术，对所生成的网上思想道德教育内容传播效果开展动态剖析，并将相关反馈信息精准应用到模型的优化改良中，形成闭环迭代，从而加强内容的精确度并提升系统应对能力。三是通过常态化、制度化工作机制保障实践落地成效与长效运行持续性。教育者应对生成的内容进行二次加工、情境化呈现、互动引导，使技术能力与价值判断相融合。通过统一的技术规范、审查标准、操作流程、伦理准则推动跨平台、跨部门的协同治理，确保内容校准机制具有权威性、可监督性、可持续性，从而保证网上思想道德教育的科学性以及实践成效。

4. 健全网上思想道德教育精准化的质效评估体系。思想政治教育评估“是依据一定的评价标准，采用特定的评价方法，对思想政治教育过程中的各个运行要素、活动效果及其影响进行价值判断的过程”[26]（P316-317）。为破解“流量异化”风险，建立健全质效评价体系是保证网上思想道德教育精准化、科学化的重要途径。一是建立多维评价指标体系。评价不能只看点击量、互动次数、学习时长等量化的指标，还需加入认知理解、情感认同、行为实践等质性指标，从而形成多层次、多维度评价标准体系。在生成式人工智能的支撑下，促进教育评价由流量驱动转变价值导向，既能全方位地体现教育成果，也能给差异化的教育策略赋予科学依据，确保网上思想道德教育的育人目的得以有效达成。二是完善动态反馈和长期追踪的机制，提高评价科学性。评价要结合短期反馈和长期追踪，通过阶段性评估、行为路径追踪和情境模拟观测，把握教育对象思想认知、价值内化、行为实践的演变过程，纠正即时反馈中出现的表象偏差，给教育决策提供系统循证依据，避免评价被流量数据所绑架。三是加强人工干预，实现闭环评估。在智能分析的基础上加入专家评价、教师观察、社会实践反馈等，对评价结果进行综合校准，对于虚假积极行为及表层数据误导等问题需及时开展针对性教育引导。同时，提高评价过程的透明度，明确指标的来源、生成过程和解释说明，鼓励教育对象参与评价反馈过程，使评价既反映教育对象的学习表现，又促进其自我认识和素养提升，从而为实现网上思想道德教育精准化提供有力支撑。