数字技术的迭代升级，推动了生成式人工智能深度融入高校教育体系，为思想政治教育数字化转型筑牢技术支撑。生成式人工智能凭借智能内容的生成、个性化教学的适配、精准学情分析等优势，有效弥补了传统思政教学的短板，也为高校思政教育注入了全新动能。作为铸魂育人的核心课程，思政课堂在积极应用数字技术、享受智能红利的同时，也面临着全新的教学挑战与风险。如何科学辨识、有效应对智能化教学带来的各类问题，成为当前高校思政教育数字化转型过程中亟待解决的重要课题。

　　生成式人工智能赋能高校思政教育的风险审视

　　区别于普通学科的工具性应用，生成式人工智能融入思政教育，其风险不再局限于技术应用层面，而是渗透育人全流程，形成多维度、深层次的育人风险，具体可归纳为五个方面：

　　（一）意识形态弱化风险

　　政治性是高校思政教育的第一属性。当前，主流生成式人工智能虽已植入一定程度的价值观审核机制，在显性政治话题上能给出符合导向的回应，但其本质仍是基于数据和算法的产物，还难以像人一样进行自主的政治判断，由此引发的意识形态弱化深层隐患依然存在。

　　一方面，网络训练数据开源庞杂，即使审核日趋严格，也难以彻底清除其中隐含的偏见与错误信息。加之算法的运算不透明，部分未经充分甄别的观念可能绕过表层审查，以看似中立的话术嵌入生成内容，对学生的价值认知形成潜移默化的误导。另一方面，生成式人工智能在回应时政热点、社会矛盾等议题时，倾向于呈现程序化的中立表达，内容输出多以一般性信息陈述为主。若教育者过度依赖此类内容替代自身的价值引导，思政教育应有的批判性与导向性便可能被掩盖，久而久之会削弱思政课铸魂育人的政治内核。

　　（二）育人主体异化风险

　　生成式人工智能的普及正在推动思政教育主体角色的重构，逐步由传统“教师—学生”的二元结构向“教师—AI—学生”的三元结构转变。

　　对教师而言，AI工具可完成标准化、机械化的重复性劳动，帮助教师专注于创新教学设计、个性价值引领、理论研究与教学改革等核心育人工作。但若教师缺乏足够的数字素养，过度依赖人工智能开展工作，则容易弱化自身教研主体性，造成课堂内容同质化，削弱教学针对性与感染力，自身专业自主权逐步被算法侵蚀。

　　对学生而言，AI可辅助完成资料检索、观点梳理等任务，但长期依靠AI获取即时答案，满足于浅层信息的获取，易滋生学习惰性与算法依赖，其批判性思维与理性辨析能力便面临被弱化的风险，学习主体的能动性逐渐退化。

　　（三）认知圈层固化风险

　　生成式人工智能定制化的内容推送与答疑模式，极易构建封闭的认知圈层。算法基于学生偏好定向推送适配内容，持续强化其固有认知，将不同的视角与观点排斥在外，形成“信息茧房”。极易使其陷入单一思维定式，难以客观、全面地把握理论与现实。同时，AI输出的内容逻辑严谨、话术规整，极易让学生产生“绝对正确”的认知误区，逐渐丧失质疑、求证、反思的学习意识，长此以往会不断弱化青年学生的政治判断力、理论思辨力，难以抵御各类社会错误思潮的侵蚀。

　　（四）教育数据伦理风险

　　思政教育数字化应用过程中，生成式人工智能会持续采集、存储、分析学生的课堂观点、思想动态、价值倾向等数据，这类信息会区别于普通学习数据，直接关联个体政治素养与价值认知。当前，多数AI教学工具存在采集边界模糊、存储管理不规范、防护机制不完善等问题，数据泄露与滥用风险突出。有些平台更以“学情优化”为名过度采集学生数据用于算法建模，忽视隐私权益，触碰育人伦理底线，这不仅会侵犯学生合法权益，还会引发学生对数字化思政教学的信任危机，削弱思政教育的公信力与接受度。

　　（五）教学评价异化风险

　　思政育人成效具有隐性、长期、质性等特征，难以通过量化指标完整呈现。但生成式人工智能使用的评价体系多以答题正确率、互动频次、作业完成度等可计算数据为核心依据，侧重结果性评价，将学生思想蜕变、信仰塑造等核心育人成果排除在外。单一的量化评价模式倒逼教学出现功利化倾向：如教师为适配算法指标简化价值引导，学生为完成量化任务被动参与，彻底背离了思政教育立德树人的根本目标，形成“技术评价绑架育人目标”的新型育人难题，造成教学导向与育人本质的严重错位。

　　生成式人工智能赋能思政教育的风险剖析

　　区别于普通学科的工具性风险，思政育人场景下的风险相互关联、层层递进，呈现出教育风险的新特质：

　　（一）风险链式传导

　　思政场景下的人工智能应用风险具备明显的链式传导和被叠加放大的特征。各类风险形成清晰的传导路径：数据伦理漏洞会引发学生抵触数字化教学、放弃自主思考，造成师生主体异化；主体能力退化进一步加剧学生思维惰性，催生认知圈层固化；长期的认知偏差最终可能导致学生价值认知偏移，引发意识形态安全风险。多重风险层层叠加、传导共生，从技术安全、主体行为延伸至认知价值层面，造成全方位的育人危机，这是普通学科AI应用风险不具备的独有特征。

　　（二）风险隐性渐进

　　不同于其他学科在AI应用中出现的内容错误、数据泄露等显性、可即时察觉的风险，思政教育中的AI风险多表现为隐性、渐进性，多数危害并非即时爆发，而是隐藏在常态化教学过程中。无论是价值导向的偏移、师生关系的弱化，还是学生思辨能力的退化，都没有明显的外部特征，不易被日常教学监管察觉。但这类隐性问题会持续积累、长期发酵，逐步侵蚀思政育人的根基，造成不可逆的严重后果，具备极强的滞后性与隐蔽性。

　　（三）风险场景专属

　　思政教育的风险具有鲜明的场景专属特性。普通学科以知识传授为主，AI风险大都停留在学习工具层面，不触及育人根本。而思政教育核心在于价值引领与思想塑造，具备鲜明的政治属性与育人属性，和生成式人工智能模板化、无立场的技术运行逻辑存在本质不适配，由此衍生出的各类风险，是思政教育数字化转型独有的场景矛盾。

　　生成式人工智能赋能高校思政教育风险的治理路径

　　（一）强化政治把关，筑牢教育内容安全底线

　　明确技术服务于育人目标的核心原则，构建AI内容审核专属机制。建立贴合主流意识形态的数据库，从源头过滤不良信息。同时建立起“技术初审+教师终审”的双重内容审核模式，对AI生成的教学案例、答疑内容、课程素材逐一进行政治把关，杜绝隐性价值渗透，始终坚守思政育人的政治立场。

　　（二）强化师生主导，防止技术越位替代

　　厘清辅助工具与育人主体的边界，破除师生技术依赖的困境。制定思政课AI教学使用细则，常态化开展教师数字素养培训，提升AI内容甄别与育人把控能力，引导教师合理运用技术辅助教学，保留自主教研、学情研判、思想引导的核心主导职能。课堂教学中强化师生思辨研讨、互动交流环节，弱化AI替代性功能，将技术回归辅助工具属性，重塑协同育人格局。

　　（三）强化数据治理，健全信息管理体系

　　明确思政类数据采集与使用边界，建立健全教育教学数据专项管理规范，严格限定数据采集范围，严禁违规抓取、存储学生思想动态、价值倾向等敏感信息。通过权限分级、数据加密、操作留痕等技术手段，实现教学数据全程监管，同时将数字伦理教育纳入教学过程，增强师生共同的数据安全意识。

　　（四）优化评价体系，摆脱唯数据导向

　　摒弃唯数据的单一评价模式，将课堂互动、作业数据仅作为参考指标，建立以教师观察、学生表现、实践成果、素养变化为主的多元评价体系，兼顾过程与结果、量化与质性，从根本上扭转“重数据轻育人”的倾向，让评价真正服务于立德树人的根本目标。

　　人工智能与高校思政教育融合发展是数字化育人进程中的长期课题，无法一蹴而就。技术赋能与风险制衡的辩证关系，还需各方教育主体持续深耕探索。

　　（作者单位：菏泽学院马克思主义学院）