人工智能技术驱动思政课情感叙事转向
摘要
思政课的本质是讲道理，而道理要入脑入心，离不开情感的桥梁。传统思政课情感叙事受限于单向灌输模式、标准化教学结构与有限的情感感知手段，长期面临“入耳易、入心难”的困境。人工智能技术的快速发展为这一困境的破解提供了全新的技术可能。本文在分析传统思政课情感叙事结构性困境的基础上，系统阐述了人工智能驱动情感叙事转向的技术机理，从叙事空间、叙事主体、叙事内容与叙事方式四个维度揭示了转向的具体路径，并结合生成式人工智能赋能思政课情感叙事的典型案例与数据验证了技术成效。研究表明：人工智能通过情感计算、多模态内容生成与虚拟场景搭建等技术手段，推动思政课情感叙事从“虚实有间”的单域呈现转向“虚实无间”的全域覆盖，从“单一主导”的官方权威转向“多元互动”的全员参与，从“游离脱嵌”的宏大主题转向“异质多元”的微观题材，从“单向输出”的线性叙事转向“全感交互”的立体叙事。然而，技术赋能亦伴生着情感主体替代、情感关系失衡与情感认同弱化等潜在风险。本文旨在为人工智能时代思政课情感叙事的理论建构与实践创新提供参考。
关键词：人工智能；思政课；情感叙事；情感计算；教学转向
1 引言
思政课是落实立德树人根本任务的关键课程。办好思政课，不仅要讲清道理，更要打动人心。习近平总书记明确指出，思政课要“把道理讲深、讲透、讲活”，而要达到“讲活”的境界，情感的贯穿与叙事的魅力不可或缺。然而，长期以来，思政课教学面临着“入耳易、入心难”的普遍困境——学生坐在教室里听得见，却未必听得进；记住了知识点，却未必形成价值认同。问题的症结之一，就在于情感叙事的不足：道理是抽象的、宏大的，而学生的情感体验是具体的、微观的，二者之间缺少有效的转化桥梁。
文教资料2026年第11期刊载的研究指出，人工智能技术与思政课情感叙事的深度融合，既是提升思政课育人实效的现实需求，也是推动新时代思政课高质量发展的必然选择。与此同时，
文科爱好者等相关领域的学者也在持续关注技术变革对人文教育的情感维度的深刻影响。人工智能的介入为这一转化提供了前所未有的技术可能。依托自然语言处理、情感计算、虚拟现实与生成式内容等技术，人工智能能够将抽象的理论知识转化为可感知、可交互、可共情的叙事内容；能够实时捕捉学生的情绪反应与认知状态，帮助教师精准识别思想困惑与情感堵点；能够根据学生画像智能匹配案例与故事，实现从“大水漫灌”到“精准滴灌”的教学转型。
然而，技术从来不是价值中立的工具。当人工智能深度介入思政课情感叙事时，一系列深层问题也随之浮现：技术是否正在替代而非辅助教师的情感劳动？算法推荐的叙事内容是否在窄化而非拓展学生的情感视野？虚拟沉浸的体验是否在疏离而非深化真实的师生情感连接？这些问题警示我们，人工智能驱动思政课情感叙事转向，既是一次深刻的机遇，也是一场需要审慎对待的变革。
本文旨在系统分析人工智能技术驱动思政课情感叙事转向的内在机理、具体路径与实践成效，同时审视技术赋能过程中的潜在风险与优化方向，以期为新时代思政课改革创新提供理论参考。
2 传统思政课情感叙事面临的困境
思政课的情感叙事困境并非今日始现，而是伴随着教育模式的结构性特征长期累积而成。要理解人工智能何以能够驱动情感叙事的转向，首先需要厘清传统模式下情感叙事面临的根本性制约。
2.1 叙事主体的单一化与师生情感距离的扩大
传统思政课叙事的主体高度集中于教师——教师是知识的传授者、道理的阐释者、故事的讲述者，学生则处于被动接受的位置。这种“单一主导”的叙事结构虽然在知识传递的效率上有其优势，但在情感共鸣的激发上存在先天不足。情感的产生需要平等对话的空间，需要双向流动的通道，而单向灌输的模式恰恰压抑了这种可能性。当学生仅仅作为“听众”而非“对话者”参与课堂时，他们的情感体验往往是疏离的、旁观式的，而非卷入的、共鸣式的。
更值得注意的是，在传统的师生互动模式中，教师缺乏对学生情感状态的实时感知手段。面对数十甚至上百名学生，教师很难精准把握每一位学生的情绪反应、认知困惑与价值冲突。情感教育的“最后一公里”往往因为信息不对称而无法通达。正如有学者所指出的，传统互动受限于标准化提问、单向度灌输与滞后反馈，存在靶向失准、情感衰减与评价迟滞并存等问题。
2.2 叙事内容的抽象化与情感转化的困难
思政课的教学内容具有鲜明的理论性与宏观性——马克思主义基本原理、党的创新理论、社会主义核心价值观、党史国史等，无一不是宏大的、体系化的知识领域。这些内容的理论深度是其价值的来源，但也在客观上构成了情感转化的障碍。对于成长于信息碎片化时代的青年学生而言，宏大叙事与个体经验之间存在着明显的认知距离与情感隔阂。
传统的教学方式试图通过案例教学、故事讲述等手段弥合这一距离，但受限于教师个人的叙事能力与案例储备，效果参差不齐。更为关键的是，传统的叙事方式往往将宏大主题与学生的微观生活“脱嵌”开来——学生听的是“别人的故事”，而非“与我有关的故事”；感受的是“历史的宏大”，而非“生命的温度”。这种“游离脱嵌”的叙事状态，使得思政课难以真正触动学生的情感深处。
2.3 叙事方式的线性化与沉浸体验的缺失
传统思政课堂的叙事方式本质上是线性的、单向的、文本中心的。教师按照预设的教学流程依次展开教学内容，学生沿着既定的认知路径被动接收信息。这种线性叙事虽然在知识的系统传授上有其合理性，但在情感的激发与共鸣上却存在显著的局限。情感的产生往往需要沉浸式的体验——需要在特定的情境中、在主动的参与中、在多感官的刺激中自然生发，而非在被动聆听中被“告知”应该如何感受。
正如有学者所指出的，在教育数字化转型的战略背景下，思想政治教育叙事的关注点正在从传统的单向叙事、线性叙事向主客体间具身交互叙事转化。增强叙事内容的情感凝聚力，注重学生与学习环境的动态交互，激发学生在学习过程中的共情体验，已成为推动思想政治教育叙事转向的重要因素。然而，传统课堂受限于物理空间与教学手段，难以提供真正意义上的沉浸式情感体验。
3 人工智能驱动情感叙事转向的技术机理
人工智能之所以能够驱动思政课情感叙事实现转向，根本原因在于其技术能力与情感叙事的内在需求之间存在深层的结构耦合。人工智能情感作为“超”人工智能跃迁迭代的最新技术成果，正在深刻改变思想政治教育的实践面貌。
3.1 情感计算：从“不可见”到“可感知”
情感叙事的前提是“知”情——教师需要了解学生的情感状态，才能有针对性地进行情感引导。然而，在传统课堂中，学生的情感状态对教师而言几乎是“黑箱”。人工智能的情感计算技术为破解这一困境提供了有效手段。通过整合自然语言处理、情感计算、深度学习等前沿技术，AI系统可以实时监测与智能分析学生在课堂互动、在线学习等场景中的行为数据，精准识别学生的认知特点、思想倾向和学习需求。
具体而言，AI系统能够采集多维度数据：既涵盖课堂到课率、作业完成时效等行为数据，也包括课堂发言、话题评论等文本数据，还采集课堂微表情、语音情感波动等情感数据。通过LSTM等情感计算技术，系统可以提前发现存在价值观困惑的学生群体，实现精准的需求研判。这种从“不可见”到“可感知”的转变，使教师能够从“盲人摸象”式的经验判断走向数据支撑的精准教学。
3.2 多模态内容生成：从“抽象理论”到“具身体验”
情感叙事的关键在于“转”情——将抽象的理论知识转化为可感知、可体验的情感内容。生成式人工智能的多模态内容生成能力为此提供了强大的技术支撑。AI系统可以融合文字、图像、音频、视频等多种形式，将抽象的思想政治教育情感转化为可感知的数字场景。
在历史叙事方面，人工智能依托自然语言处理与情感计算技术，可从文献、日记等资料中挖掘历史人物的情感关键词与决策节点，构建可视化“情感地图”。借助虚拟现实与生成式人工智能，可以模拟长征途中红军战士的心理变化曲线，学生通过交互界面感受他们的信念与挣扎，身临其境地产生情感共鸣。在文化传承方面，AI可以深入解析传统文化资源的内核，自动生成适配思政课各章节的文化金句库。教师还可以利用AI辅助创作红色主题短剧、音乐、虚拟画廊等内容，学生也可通过AI工具将红色故事转化为漫画、动画或互动叙事游戏。
3.3 智能交互：从“单向灌输”到“双向对话”
情感叙事的落脚点在于“共”情——在师生之间、学生与叙事内容之间建立情感的连接与共鸣。人工智能的智能交互技术为这种连接提供了全新的通道。生成式人工智能驱动思政课教学范式由“大水漫灌”到“精准滴灌”转换，助力课堂互动从“浅层单向”到“深度多元”实现结构性跃迁。
在课前环节，AI可以根据学生画像——即专业、年级、兴趣、心理状态等——从校友数据库、校园新闻、志愿服务记录中自动筛选出最接近该群体的朋辈榜样故事，实现案例的智能推荐。在课堂环节，AI聊天机器人可以作为“助教”参与讨论，引导学生深入思考；学生可通过手机端实时提交个人困惑或身边故事，AI及时对这些内容进行分类并生成结构化讨论框架。在课后环节，AI可以持续追踪学生的思想动态，为教师提供教学改进建议。这种人机协同的交互模式，使思政课堂从“教师的独白”走向“师生之间、人机之间的多方对话”。
4 人工智能驱动情感叙事转向的具体路径
基于上述技术机理，人工智能驱动思政课情感叙事的转向可以从四个维度加以把握。
4.1 叙事空间的转向：从“虚实有间”到“虚实无间”
传统思政课的教学空间主要是物理课堂——一个边界清晰的、教师主导的、以讲授为主要形式的封闭空间。人工智能技术的介入打破了这一空间边界。通过虚拟现实、增强现实与混合现实技术，思政课堂可以延伸至历史现场、红色遗址、社会一线等多元场景。学生可以“走进”中共一大会址、“亲历”长征跋涉、“参与”改革开放的伟大实践。同时，在线学习平台、社交媒体、虚拟社区等数字空间也成为思政教育的新场域。物理空间与虚拟空间的深度融合，使思政课的情感叙事从有限的课堂拓展到无限的数字世界，实现了“虚实无间”的全域覆盖。
4.2 叙事主体的转向：从“单一主导”到“多元互动”
传统思政课的叙事主体主要是教师，学生是叙事的接受者而非参与者。人工智能的介入正在改变这一格局。在AI辅助的思政课堂中，学生不仅是故事的“听众”，更可以成为故事的“创作者”——通过AI工具将红色故事转化为漫画、动画或互动叙事游戏；可以成为叙事的“对话者”——与AI驱动的历史人物进行互动对话；可以成为叙事的“传播者”——在AI助力的内容创作中表达自己的理解与感悟。叙事主体从教师的“一人独奏”走向师生、人机之间的“多元交响”。
4.3 叙事内容的转向：从“游离脱嵌”到“异质多元”
传统思政课的叙事内容多为宏大主题——党史国史、理论体系、方针政策——与学生的日常经验之间存在一定的距离感。人工智能通过精准的学生画像与智能的内容匹配，能够将宏大主题与学生个体的生活经验、专业背景、兴趣偏好进行精准对接。AI可以根据不同专业、不同年级、不同兴趣群体的学生特点，生成差异化的叙事内容——工科学生可能更关注科技报国的故事，文科学生可能更倾心于文化传承的叙事，医科学生可能更被医者仁心的案例所触动。叙事内容从“一刀切”的宏大叙事走向“千人千面”的微观叙事，思政课的情感触达也因此变得更加精准而深入。
4.4 叙事方式的转向：从“单向输出”到“全感交互”
传统思政课的叙事方式是线性的、文本的、听觉主导的——教师讲、学生听。人工智能驱动的叙事方式则呈现出“全感交互”的特征：视觉层面，AI可以生成沉浸式的虚拟场景与可视化数据；听觉层面，AI可以模拟历史人物的声音与情感语调；触觉与动觉层面，VR/AR技术可以提供身体参与的交互体验。多模态的感官刺激与主动参与的行为设计，使情感体验从“被告知如何感受”转变为“在体验中自然生成”，叙事方式从“单向输出”转变为“全感交互”。
5 实践成效与数据支撑
人工智能驱动思政课情感叙事转向的成效，已经在各地的教学实践中得到初步验证。
在沉浸式体验方面，东北财经大学通过数字人参与思政课教学的实践创新，打破传统思政课“单向灌输”模式，凭借数字人技术与VR、媒体资源结合，打造了“沉浸体验、情感共鸣、价值引领”的思政课新范式。宁波财经学院用AI还原英雄容貌，以家书诵读打动人心，让思政育人可感、可学、可践行，受到师生广泛好评。
在精准化教学方面，安徽建筑大学通过自然语言处理、机器学习等技术打造“AI智能体”，融合GraphRAG知识图谱与情感计算技术，实现7×24小时咨询服务和智能思政服务。杭州电子科技大学师生自研的叙事大模型——“思政亲和力表达系统”AI叙事大模型赋能大中小学思政共同体建设，让思政教育变得更有亲和力，项目已入选教育部大中小学思想政治教育一体化建设工作典型案例。
在内容创新方面，浙江育英职业技术学院辅导员通过AI工具快速完成从剧本撰写到成片输出的全流程，实现“1天产出10集脚本”的高效产能。AI工具让思政内容的创作门槛大幅降低，使更多教师能够参与到情感叙事内容的创新中来。
在全国性调研数据方面，一项基于全国31个省（自治区、直辖市）1585名思政教师的问卷调查与32人深度访谈发现，AI正从主流话语辨识、教学主导权维系与师生情感互动等方面深刻影响着思政教育实践。这一数据既说明了AI赋能思政课的广泛性，也提示了技术应用中需要警惕的挑战。
6 风险审视与优化进路
人工智能驱动思政课情感叙事转向，既带来了前所未有的机遇，也伴生着不容忽视的风险。唯有清醒认识这些风险，才能趋利避害、行稳致远。
6.1 情感替代风险：当机器成为“知心人”
人工智能最令人担忧的风险，在于它可能替代而非辅助教师的情感劳动。当思想政治教育最核心的“以心换心”遇上AI提供的“高效安全”的倾诉渠道，师生之间原本自然流动的情感信号正面临衰减。有学者尖锐地指出，人工智能缺乏真正的情感理解能力，其表现出的情感并非真实情感，而是基于算法和数据进行的机械决策与回应。被算法制造出来的“虚假情感”可能给教育对象带来认识错乱，使其产生情感欺骗与“伪装真实”等负面感受。如果学生习惯了与AI进行“无负担”的情感交流，他们与教师之间真实的情感连接反而可能变得疏远。
6.2 情感窄化风险：当算法成为“把关人”
人工智能的内容推荐依赖算法，而算法的运行逻辑是追求用户的“舒适”与“停留”。当AI根据学生的既有偏好推送思政内容时，它可能在无形中强化学生的认知偏见，而非拓展其视野。学生可能只接触到“符合自己口味”的叙事内容，而错过了那些需要一定认知努力才能理解的深刻道理。这种“信息茧房”效应在思政教育中尤为危险——思政课的价值在于引导学生超越个人经验的局限，进入更广阔的价值视野，而算法的“投其所好”恰恰可能与这一目标背道而驰。
6.3 情感规训风险：当监测变成“监控”
情感计算技术的应用还面临着伦理层面的争议。当AI系统实时监测学生的课堂微表情、语音情感波动时，这种技术手段究竟是“精准施教”还是“全景监控”，边界并不清晰。有学者指出，在教学过程中，情感识别易出现归因偏差与评估局限，暗含规训风险；泛在情感监测可能助长表演化倾向，高频情感刺激易造成情感脱敏。学生可能因为意识到自己被“监测”而表现出“符合期待”的情感反应，而非真实的情感体验。这种“表演式参与”恰恰与思政课追求真诚价值认同的目标背道而驰。
6.4 优化进路：技术赋能与人文精神的辩证统一
面对上述风险，人工智能驱动思政课情感叙事的转向需要在以下方面持续优化。
坚持以人为本，避免技术僭越。 人工智能应当是教师情感劳动的“放大器”而非“替代者”。思政课的核心始终是“育人育心”，AI技术必须服务于“价值引领”这一根本目标。教师在AI辅助下应始终掌握叙事的主动权与价值判断的最终裁量权。
坚持伦理先行，明确技术边界。 情感数据的采集与应用应当遵循知情同意、最小必要与安全保障等伦理原则。技术应用的范围与限度应当清晰界定，避免情感监测异化为情感控制。
坚持人机协同，发挥各自优势。 AI擅长数据处理、内容生成与个性化匹配，教师擅长价值判断、情感共鸣与意义引领。二者的优势互补而非彼此替代，才是人工智能驱动思政课情感叙事转向的理想状态。教师应依托“学生主体-智能体中介-教师主导”的价值对话形式，借由人机深度交互促进理解与信任。
7 结论
人工智能技术正在深刻驱动思政课情感叙事的系统性转向。这一转向的实质，并非简单地将技术工具嵌入既有教学流程，而是借助人工智能的情感计算、多模态内容生成与智能交互等技术能力，从根本上重构思政课情感叙事的主体关系、空间形态、内容结构与方式逻辑。叙事空间从物理课堂拓展至虚实融合的全域空间，叙事主体从教师独白走向多元互动，叙事内容从宏大叙事深入微观个体，叙事方式从线性灌输转向全感交互。
然而，技术赋能从来不是单向度的进步叙事。人工智能驱动的情感叙事转向同样面临着情感主体替代、情感关系失衡、情感认同弱化与情感规训风险等深层挑战。唯有在技术应用的全过程中始终坚守“以情动人、以理服人”的思政教育本质，在充分发挥AI技术优势的同时保持对技术风险的清醒审视，人工智能才能真正成为推动思政课情感叙事走向更深、更活、更真的有力杠杆，而非取代人与人之间真诚情感连接的冰冷机器。
参考文献
[1] 席鑫月. 人工智能技术驱动思政课情感叙事转向[J]. 文教资料, 2026(11): 72-74.
[2] 习近平. 思政课是落实立德树人根本任务的关键课程[J]. 求是, 2020(17): 4-16.
[3] 思想政治教育具身交互叙事:时代内蕴、理论探赜与实践进路[J]. 思想教育研究, 2025(7): 128-135.
[4] AIGC赋能青年思想政治教育情感叙事的生成要素、风险表征与实践策略[J]. 北京青年研究, 2025(5).
[5] 基于人工智能情感的思想政治教育:赋能图景、风险挑战与实践策略[J]. 浙江理工大学学报(社会科学版), 2025(1): 112-120.
