习近平总书记在哲学社会科学工作座谈会上强调：“如果不能及时研究、提出、运用新思想、新理念、新办法，理论就会苍白无力，哲学社会科学就会‘肌无力’”。当前，以DeepSeek、ChatGPT、文心一言、豆包等为代表的生成式人工智能不断涌现，改变人们的生产、生活和学习方式的同时，也深刻影响着思想政治教育研究（以下简称“思政教育研究”）的思维、方法和效率，为思政教育研究带来了新的发展机遇。《关于深入实施“人工智能+”行动的意见》提出，“推动哲学社会科学研究方法向人机协同模式转变，探索建立适应人工智能时代的新型哲学社会科学研究组织形式，拓展研究视野和观察视域”。作为人工智能技术的最新成果，生成式人工智能基于算法模型生成文本、图片、影音和代码等内容，助力研究者突破传统研究范式在数据采集、推理逻辑、学科融合等方面的局限，实现思政教育研究的创新性发展。

以数据驱动促进思政教育研究范式精准化转型

　　数据是思政教育研究的重要支撑，是提升研究科学性、增强研究针对性的关键，其全面性与精准度关系到研究者对思政教育现象本质的把握。以机器学习、深度学习为代表的传统人工智能对数据的处理手段主要是提炼总结，形成可用于自动化决策和预测的数学模型。生成式的特点在于人工智能不再局限于分析和理解已有数据信息，在此基础上创造出规模数量远超于原始语料的全新内容。一是数据语料的集成实现了从“整合”到“重构”的演进。生成式人工智能通过庞大的训练参数体系，在处理思政语料时能够更加广泛地搜集相关话语信息，按照自然语言规律重构话语逻辑。这种对数据语料的重构能力，推动数据价值挖掘方式发生了变革。二是数据价值挖掘达成了从“总结优化”向“创造新知”的转变。传统人工智能技术对于数据价值的挖掘重点在于“优化决策”，其目的在于产出一个报告、一个模型或一个预测结果，旨在提升思政教育管理的效率。数据在此过程中是消耗品，其价值被一次性提取，无法创造超出原始数据范围的新内容。而生成式人工智能能够创造出远超原始数据规模和价值的新数据和新内容，将数据从“生产资料”变为“创意原料”，最终实现数据的价值增值。倘若传统人工智能技术是从丰富的矿石中“炼金”，那么生成式人工智能则是将数据作为“种子”进行播种，将原始数据转化为全新更有价值的产物。这种数据价值增值对于新时代思政教育研究的效率提升、质量跃迁和视野扩展具有深远影响。具体而言，借助人工智能强大的数据分析与文本挖掘能力，思政教育研究者能够深度剖析大量非结构化数据，精准捕捉学生的思想动态与价值取向，揭示学生个体深层次的行为动机，有效识别存在心理危机、价值观迷茫等特定学生群体，从而增强思政教育干预措施的预见性与精准靶向性，在学科研究上推动思政教育个案研究的智能化发展。

以内容生成推动思政教育研究范式智能化转型

　　内容的生产与创造是思政教育研究的重要部分，相较于分散未经处理的“原材料”思政数据，内容则作为“成品”更加深刻影响着思政教育研究的过程与目标。传统思政教育研究模型侧重于“简单内容分析”，生成式人工智能突破了以往单向度内容生产的算法逻辑，形成了以“内容创造”为核心的新研究模型。在知识生产方面，传统人工智能技术主要考量内容的理论深度或呈现形式，将“教育内容输入”与“思想转化输出”单向对应，未能充分考虑认知基础、家庭环境、社会思潮等中介或调节变量对研究对象的影响。这种“输入—处理—输出”的既定分析路径，难以处理思政教育领域中多因素相互作用的复杂局面。生成式人工智能的“智能性”在于成功跳出工具主义视角，从主体、对象和结构三个维度系统考察思想政治教育现象，通过将观测指标作为语料“投喂”给人工智能大模型，并通过大模型自我学习迭代生成改进语言表述，提高文本适应性，得出切合思想政治教育本质的内容。生成式人工智能促进了思政教育研究效率的跃升，传统思政研究的文献综述整理、理论框架建构和研究方案设计等环节需要耗费巨大精力，在这一过程中传统人工智能技术仅能在搜集信息方面进行增速，不能替代研究环节本身产出新内容。而生成式人工智能实时生成和更新内容，使得研究内容更加动态化、具有时效性。研究者可以借助生成式人工智能快速获取最新的理论资讯和社会热点，及时调整研究方向，确保研究内容与社会发展同步。

以人机融合促使思政教育研究范式交互化转型

　　人机融合指人类与机械系统、智能技术深度结合形成交互化运作体系，旨在提升人类能力或弥补生理局限。传统人工智能技术下主体与机器的互动关系较为简单，机器作为处理主体指令的工具对研究者提供的数据进行机械式应对。而生成式人工智能技术则能够更加自由地处理信息和解决问题，实现人机关系从简单协作到共生发展的深刻变化，构建起思政教育研究的人机交互化网络。一是生成式人工智能协助研究者完成文献综述、理论框架构建、研究假设生成等工作，同时能够通过多模态实时感知，构建实物演绎和环境交互的思政教育研究环境，辅助研究者根据教育对象的面部表情、肢体动作和话语频次等开展思想动态的可视化分析，并基于多模态数据融合分析，提供动态决策支持，从态势感知到方案生成形成完整认知闭环。这种人机交互化不是简单的研究功能替代，而是形成了人类研究者和人工智能体协同互动的新型研究网络，实现了思政教育研究能力的增长。二是能够突破思政教育研究主体的知识局限，为推动思政教育研究学科融合提供新的发展空间。多学科研究方法的融合是思政教育研究突破自身局限、丰富研究维度的关键路径，能为其引入多元视角与创新动能，进一步提升研究的深度与广度。生成式人工智能作为跨学科的辅助角色，能够充当研究辅助角色，帮助人类研究者补齐知识短板，促进思政学科与计算机科学、心理学、社会学、传播学等多学科研究方法的深度交叉互渗，彰显多向赋能、相互形塑的优势。如，计算机科学的自然语言处理技术，助力解析思政教育文本的价值内核；心理学的认知模型结合人工智能数据追踪，能够精准捕捉受教育者思想转化节点，助力思政教育研究范式向多主体、多维度、高协同的“交互化网络”演进。

　　生成式人工智能深刻改变着思政教育的研究范式，为思政教育研究创新带来了前所未有的发展机遇。这三重转向将推动思政教育研究者的角色定位与研究范式发生深刻转变，广大思政教育研究者应顺应时代趋势，主动拥抱生成式人工智能等新兴技术手段，转变研究范式，不断推动思政教育研究数智化转型发展。

　　【基金项目：2025年度四川警察思想政治研究中心课题“数智时代网上思想道德教育分众化、精准化实施机制研究”（CJS25A01）】

　　（作者单位：电子科技大学马克思主义学院）