生成式人工智能(GAI)正重塑教育生态。GAI凭借自然语言生成与交互能力，改变了知识获取、整合与创造的基本方式。对于“数字原住民”中小学生而言，GAI已成为课外知识查询、作文构思、编程辅助、语言陪练等学习场景的重要伙伴。这些学习活动通常发生在课堂之外，其核心动力源于学生的自发探索兴趣，具有自主性、情境性和非结构性特征[1]，具有非正式学习的典型属性。但GAI在为非正式学习赋能的同时，也催生了前所未有的风险。主要包括：生成的内容可能导致学生思维惰性，形成认知偏差;数据交互中存在隐私泄露与信息安全隐患;算法偏见可能影响未成年人价值观塑造;过度依赖技术可能削弱人际交往能力等。这些风险关系到未成年人的认知发展与身心健康，具有动态性、隐蔽性与扩散性。

　　目前的研究大多集中在高等教育领域，或是课堂内GAI的应用场景，针对基础教育阶段非正式学习风险的系统研究仍显不足，尤其缺乏从政策工具视角出发的整体性治理框架。国际上已针对未成年人使用网络的隐患出台了一些法律文件，以此来强化未成年人保护。然而，要想让这些经验在中国语境下实现本土化落地，仍需深入探索。

　　本文聚焦中小学生的GAI非正式学习场景，旨在厘清其风险构成与根源，剖析现行政策工具的结构性失衡，进而构建一个多元协同的综合治理框架。为此，本文融合政策工具理论与风险分析，提出系统化的规制路径。

　　一、理论框架：GAI非正式学习风险与政策工具的分类

　　二、现状分析：政策工具的失衡与不足

　　三、构建路径：GAI非正式学习风险的四维规制框架

　　四、结语

　　本文系统分析了GAI应用在中小学生非正式学习场景中可能引发的多维风险，并基于政策工具理论，构建了GAI非正式学习风险的二维分类模型，并揭示现行治理体系的结构失衡与不足。在此基础上，提出四维综合规制框架：强化顶层设计、提升用户数字素养、引导企业技术向善、建立动态监测与评估机制。但也要防范企业技术向善所面临的现实问题，以及动态监测过程中可能引发的学生数据监控风险。

　　本文的创新点在于将政策工具理论引入GAI教育治理领域，形成“问题—工具—路径”的逻辑链条。未来可通过跨国比较研究与案例验证，进一步完善框架，或基于框架进一步对不同学段学生的风险差异化规制进行深化研究，为未成年人创造安全、有益的数字化学习环境提供理论支持。

　　参考文献

　　[1] 奚亚英,马曙辉.“互联网+”视域下学生非正式学习的指导策略探索[J].中小学管理,2024(7):52-55.

　　[2] 石琬若,韩锡斌.生成式人工智能对学习分析研究的影响:现状与前瞻—2024年学习分析与知识国际会议(LAK24)述评[J].电化教育研究,2024,45(12):113-120.

　　[3] 赵丽,陈颖.从“一键生成作文”到数据泄露隐患,学生用AI边界何在?[N].法治日报,2025-04-09.

　　[4] 郭炯,荣乾.人工智能赋能教育公平:国际共识、现实阻碍及实践路径[J].西南大学学报(社会科学版),2025,51(2):247-258.

　　[5] 霍朝光,霍帆帆,王婉如,等.基于WordBERT和BiLSTM的政策工具自动分类方法研究[J].图书情报知识,2023,40(3):129-138.

　　[6] 李立睿,庞倩,吴珍珍,等.政策工具视角下我国人工智能教育政策的文本分析[J].成都师范学院学报,2024,40(5):42-52.

肖晓强　中国和平出版社有限责任公司