文章作者 | 兰国帅
文章来源 | 《阅江学刊》2023年第1期
摘要
人工智能彰显赋能教育数字化转型的巨大潜能，在教育管理和教学、学习者学习和评估、教师专业发展和教学、终身学习等应用场景中可以发挥重要作用。人工智能教育应用也有诸多风险，包括数据伦理问题与算法偏见、性别歧视、应用有效性证据缺乏、教师角色重塑危机、削弱学习者的主观能动性等。合理规划人工智能教育政策，规避潜在风险，对于促进人工智能赋能教育数字化转型升级尤为重要。政策制定者应明晰人工智能赋能传统教学结构性变革和智能化转型升级的潜力，具备人工智能知识，审视人工智能教育应用的潜在技术伦理风险，掌握国内外人工智能教育政策制定的形式、特征和类别。人工智能深度赋能教育数字化转型，实现教育共同利益，发展可持续的未来教育，应加强跨学科规划和跨部门合作，促进人工智能教育协同治理的数字化转型；构建智能教育管理系统，助力人工智能监测与评估的数字化转型；深化人工智能赋能课堂教学变革，推进课堂教学方式的数字化转型；构建“人工智能＋教师教育”生态系统，实现教师队伍建设的数字化转型。
一、问题提出
工业4.0时代，以人工智能、大数据、区块链等为代表的智能技术正引发新一轮教育变革，牵引着人类教育向智慧教育的阶段转型。为顺应教育变革新趋势，把握人工智能对教育的革命性影响，联合国教科文组织(以下简称UNESCO)出台了一系列人工智能教育政策。2019年，UNESCO发布《北京共识：人工智能与教育》(以下简称《北京共识》)，提出要深度融合人工智能与教育，全面创新教育，推动人工智能促进教育创新的战略规划和实践模式的有效实施。2020年，UNESCO举办“国际人工智能与教育会议”，围绕人工智能挑战和机遇下的未来教育展开讨论，审视人工智能对教育的潜在影响。2021年，UNESCO在《北京共识》实施框架内制定了《人工智能与教育：政策制定者指南》(以下简称《指南》)，旨在审视人工智能教育应用的潜在风险，提升教育政策制定者的人工智能教育素养。在我国，人工智能等新一代智能技术已被视为“推进教育数字化，建设全民终身学习的学习型社会、学习型大国”的战略技术支撑。教育部部长怀进鹏在2021国际人工智能与教育会议上指出：中国将加大人工智能教育政策供给，推动人工智能与教育教学深度融合，利用人工智能促进全民终身学习，致力推动教育数字化转型、智能升级、融合创新，加快建设高质量教育体系。由此可见，合理规划人工智能教育政策，发挥人工智能对教育数字化转型升级的全方位赋能作用，已成为国内外的普遍共识。然而，人工智能赋能教育应用彰显巨大潜能的同时，也带来了尚未发现的问题。因此，审视潜在风险，促进人工智能赋能教育数字化，已成为智能教育时代推动教育数字化全方位转型升级的重要方略。
UNESCO在《北京共识》实施框架下制定的《指南》涵盖四部分内容：人工智能教育政策制定者需具备的人工智能知识，人工智能赋能教育的四大应用场景，人工智能赋能教育实现“可持续发展目标4”面临的挑战，国际人工智能教育政策的形式、特征及类别等。本研究采用文本分析法和内容分析法解读《指南》，旨在科学审视潜在风险，从人工智能教育协同治理、人工智能监测与评估、课堂教学方式、教师队伍建设等视角，思考规划中国本土化的人工智能赋能教育数字化转型的政策和方案，促使人工智能全方位赋能教育数字化转型，最终提升人工智能教育政策制定者的智慧教育素养，实现教育共同利益。
二、人工智能教育政策制定者
需具备的人工智能知识
(一)人工智能的内涵、方法、技术及应用
1．人工智能的内涵
1956年，美国达特茅斯学院在研讨会上首次提出人工智能的概念。此后，人工智能的内涵不断拓展。本研究采用罗斯·勒金等的定义，即人工智能是具备与世界互动的人类能力的计算机系统。近年来，人工智能取得的巨大成就及颠覆性影响缘于机器学习算法的不断改进。人工智能不仅能以“机器智能”的方式延伸人类器官的广度与深度，还能体现出前沿技术对人类社会生产、生活、组织、思维等方面的广泛影响。
2．人工智能的方法
目前，人工智能的方法主要包括经典人工智能、机器学习、人工神经网络与深度学习，四者的关系如图1所示。
图1经典人工智能、机器学习、人工神经网络与深度学习的关系
第一，经典人工智能。经典人工智能被称为“符号人工智能”“基于规则的人工智能”“有效的老式人工智能”(Good－Old－FashionedArtificialIntelligence，GOFAI)等，涉及编写一系列“If…Then…和其他条件逻辑规则”，即计算机完成任务所需的步骤。经典人工智能理论认为，认知的本质是计算，计算机可以表征和模拟人类行为，操控符号运算。
第二，机器学习。机器学习是通过经验或数据来改进算法的研究，旨在通过算法让机器从大量历史数据中学习规律，自动发现数据中潜藏的模式并用于预测。机器学习通过分析大量数据来识别模式并建立模型，从而预测未来价值。因此，机器学习算法是“学习”的，而非预先编好的程序。机器学习实际上是人工智能方法的子集，而非真正意义上的人类学习和独立学习。它完全依赖人类来选择、清理和标记数据，设计和训练人工智能算法，策划、解释并对结果进行价值判断。
第三，人工神经网络。人工神经网络是一种受生物神经网络结构启发的人工智能方法。为了模拟人脑神经系统的结构与功能，人工神经网络运用大量处理单元，使其广泛互连。这些处理单元被称作人工神经元，是并行运行的简单处理器。每个人工神经网络都由输入层、一个或多个隐藏的中间计算层、输出层组成。
第四，深度学习。深度学习是基于人工智能领域类神经网络的发展，模仿人类大脑的层次学习方法自动提取复杂的抽象表征，以便在更高层次建立表征学习的神经网络。深度学习神经网络或人工神经网络试图模仿人脑。这些元素协同工作，以准确识别、归类和描述数据中的对象。
3．人工智能的技术及应用
上述人工智能方法已催生出七种人工智能技术。第一，自然语言处理。该技术使用人工智能自动处理文本和理解自然语言，包括语义分析(如在法律服务和翻译中使用)和生成文本(如自动生成新闻)，具有交互性和创新性。第二，语音识别(自动语音识别)，即使用自然语言处理(NaturalLanguageProcessing，NLP)技术将人类语音翻译成书面文本内容，包括智能手机的对话机器人软件等。第三，图像识别与处理，利用计算机对图像进行处理、分析和理解，以识别不同模式的目标和对象，是机器学习的一种应用场景，如面部识别、图像处理和汽车自动驾驶等。第四，自主代理，可以分析用户的行为，自动学习用户的配置文件行为，并根据具体情境提供建议，如计算机游戏化身、虚拟伙伴、智能机器人等。第五，情感检测，使用人工智能分析文本、行为和面部表情中的情感，如情感型智能学习伙伴(使用生理传感器和日志数据来确定学习者的情感状态)的情感干预可以对学习者的元认知策略产生影响。第六，数据挖掘，旨在使用各种机器学习技术从数据中获取知识。通过数据挖掘，可以在数据间建立联系并对未来做出准确预测，如医疗诊断、天气预报、构建智慧城市等。第七，人工创造力，能识别人类艺术作品中的创造性元素，并将其翻译成人工智能通过算法或其他计算方法掌握的语言，用于创造艺术，如使用人工智能创建新的照片、音乐或故事等。这些技术正越来越多地被用于人工智能领域。
(二)人工智能发展的可能趋势及局限
1．“弱”人工智能和“强”人工智能
目前，可以将人工智能划分为“弱”人工智能和“强”人工智能。“弱”人工智能是指各种模拟人或动物智能解决问题的技术。“强”人工智能由通用人工智能(ArtificialGeneralIntelligence，AGI)和人工智能超级智能(ArtificialSuperIntelligence，ASI)组成。
虽然科学家最初的设想是使人工智能达到人类智能水平，即“强”人工智能，但目前人工智能的发展尚处于弱人工智能阶段，智能机器没有自主意识，在广泛应用的同时受到严格限制。人工智能机器无法通用，如预测天气的人工智能不能直接用于预测股市走势。为了更好地模拟现实和解决问题，驱使人工智能有效运行的模型会越来越复杂，并呈爆炸式发展趋势，计算机运算量越来越大，最终不堪重负。为解决人工智能机器翻译不准确问题，需要构建巨大的数据库以克服“语义障碍”，这将导致数据库不断膨胀，人工智能运行效率下降。“弱”人工智能缺乏情感、相称性和判断力，无法进行精准预测。若要克服此类人工智能的局限性需要人类的长期探索。尽管人工智能不是人类意义上的“智能”，但是在效率、耐力和在海量数据中识别重要模式等方面，人工智能往往超越人类。
2．人机协同智能
人机协同主要以人类为主导，推动人类与机器和谐共存。尽管许多任务可能是人工智能自动完成的，但在判断常识和价值等任务中仍需人类发挥关键作用。人类和人工智能的关系日益复杂，因此人们应重新配置人工智能，并将其命名为增强智能。向增强智能的转变使人们重视开发补充和扩展人类认知的人工智能技术，提出更有效的人机协同方式，并提高通过集成人工智能和集体智能来解决所有问题的可能性。
三、人工智能赋能教育的四大应用场景
(一)人工智能赋能教育管理和教学及其应用场景
面向教育管理系统的人工智能应用基于教育管理信息系统，向教师提供支持服务，如自动化考核、反馈和剽窃检测等，以减少教师工作量，实现学校管理智能化。人工智能赋能教育管理将从技术和社会关系层面促进传统教育管理的变革，从行政效率方面提升教育管理水平和教育治理时效。在技术层面，人工智能赋能教育以大数据、学习分析、区块链等智能技术集为基础，构建学校教育管理的“智能化富生态”。在该智能生态环境中，管理人员可借助人工智能算法和算力的优势，通过智能感知、智能决策和执行系统拓展延伸人的思维和行动，参与教育治理。在社会关系层面，人工智能将重塑社会的结构和样态，凸显多中心力量和跨系统协作在教育治理中的重要性，打破传统教育管理的社会关系基础。在教学方面，人工智能还显示出实现大规模教育个性化的潜力。例如，人工智能支持的学习分析功能被用于处理学习管理系统中的大数据，利用多模态数据采集、挖掘和情感计算等技术，记录并分析学习者的学习行为数据，生成学习画像，为教育管理和教学提供关键决策信息，从而为学习者规划个性化的学习路径。人工智能赋能教育管理和教学的应用场景主要有教育聊天机器人、学习分析应用程序等。教育聊天机器人为学习者的个性化学习提供了新方式，如构建沉浸式学习环境，分析学习者的需求，发起并支持对话，提供即时的问题诊断和干预等。学习分析应用程序分析大学教育管理信息系统的大数据，来预测学习者成绩。借助该程序，教师能够全面了解学习者的学习问题，为其规划个性化学习路径。
(二)人工智能赋能学习者学习和评估及其应用场景
在人工智能技术的强力加持下，传统教学将产生结构性变革和智能化升级，深度赋能学习者的学习和评估。首先，人工智能深度赋能学习者学习，在学习环境创设层面，人工智能融合VR和AR等技术，能够拓宽传统学习环境的空间维度，为学习者创设虚实融合的沉浸式、智能化学习环境。在学习数据分析层面，利用多模态数据采集和挖掘、情感计算和学习分析等技术，对学习者多模态学习数据进行智能化分析，生成个性化的学习画像，提供有针对性的学习路径规划方案。在学习资源匹配层面，借助自适应、机器学习等技术对学习者的学习轨迹和学习数据开展智能化诊断，根据其个性特征与表现的差异智能化匹配学习资源。在学习路径干预层面，教师可以借助人工智能的技术优势，全面了解学习者的学习障碍，通过精准画像分析、群体分层建议、学习诊断报告、个性化学习路径推荐等过程，建构“以学定教—因材施教—以评促教”的智适应教育生态圈。其次，人工智能赋能学习评估能够改进结果评估、强化过程评估、探索增值评估、健全综合评估，最终实现传统学习评估的智能化蜕变和数字化转型升级。例如，人工智能支持的智能化教学诊断可以记录学习者在教学全过程中的学习轨迹和多模态学习数据，基于教育大数据、智能算法和知识图谱等构建个性化的学习者画像，再利用学习分析仪表盘直观地呈现出来。人工智能赋能学习者学习和评估的应用场景主要有四类。第一，智能辅导系统利用特定学科和认知科学方面的专业知识，针对学习者的错误，确定最佳的学习材料和学习路径，为学习者提供个性化的、循序渐进的辅导。第二，智能机器人具备情感识别、语音识别、私人定制、可对接各类云服务等功能，能为智能时代创新人才培养助力赋能，变革传统的学校教学、学习者学习、教学评价及管理等。④第三，教学代理是在线上学习环境中，为学习者提供认知支持的、类似教师的虚拟角色。它经常作为教师或学习激励者，利用语言或表情与学习者交流。⑤第四，教育虚拟现实和增强现实经常与机器学习或其他人工智能技术相结合，重塑在线学习空间、变革人机交互方式、构建在线虚拟认知的具身模式，将其融入教育体验有助于学习者更真实地参与学习，更易于理解和应用知识。
(三)人工智能赋能教师专业发展和教学及其应用场景
人工智能为教师专业发展和教学质量提高提供了综合的实践方略。在环境设备层面，人工智能可以为教师专业发展提供智能化的基础设施，如创设沉浸式的研修环境、智能互联的教学实践环境和专业实践平台、跨区域培训云平台等，使教师专业发展的学习空间逐步实现虚拟空间与物理空间的无缝衔接。在基础规律层面，人工智能拥有规模化数据、深度学习算法和高度计算力，能够通过科学规范的数据聚类、数据认知、决策优化等过程，挖掘数据的复杂关联和潜在价值，教师可通过深度挖掘解释专业发展的本质规律和内在机理。在创新应用层面，人工智能可以创新教师专业发展的应用模式，重塑智能时代教师专业发展的样态，创新教师培训模式、教研模式、专业发展组织模式等。人工智能赋能教师专业发展、提高教学质量的应用场景主要有两方面。一方面，人工智能驱动的论坛监控。人工智能可以支持在线教育，特别是在帮助教师和辅导员监控异步的论坛中，人工智能可以对学习者的发言进行分类，自动响应较简单的发言、汇总重复的发言、识别消极情绪状态的发言。另一方面，在人机协同的“双师课堂”中，智能机器人可分担作业批改、更新知识库、成绩统计与分析等机械烦琐的教学任务，使教师专注于以能力提升、情感交互、教学设计等为代表的创造性教学工作。
(四)人工智能赋能终身学习及其应用场景
人工智能对于构建新型终身化教育体系和终身学习系统具有深度赋能作用。在个性灵活的学习方式层面，人工智能能够打通、衔接各类学习场景，使所有人都能利用各种设备、在全部地方、以各种方式学习。它还能够催生基于兴趣或学习目标的社会化协作学习形式，形成终身学习者的学习共同体。在泛在互联学习空间层面，以人工智能为代表的智能技术可为终身学习搭建智能化基础设施，营造泛在互联的无缝融合式学习空间，学习数据、学习目标、学习内容、学习活动和学习场景将持续流转和共享，进而形成无缝衔接的学习链条，使学习者能够轻松有效地投入并开展正式和非正式学习。在智能匹配学习资源层面，人工智能记录学习者的学习轨迹、全过程收集与智能化分析学习数据，为学习者生成学习画像，并利用自适应和机器学习等技术，智能推送个性化的学习资源，实现学习资源的智能匹配和泛在获取。人工智能赋能终身学习的应用场景主要有两种。第一，人工智能驱动的终身学习伙伴根据学习者的兴趣和目标提供持续支持，引导其沿着个性化的路径学习，帮助制定新目标，激发学习兴趣，取得学习成就。第二，人工智能驱动的终身学习成就记录可模拟银行的组织结构、运作原理和功能特点，设计开发面向终身学习的“学分银行”，借助人工智能分析数据，用“数字徽章”取代传统成绩单，提供数字化的终身学习成果认证。
四、人工智能赋能教育实现“可持续
发展目标4”所面临的挑战
2015年，UNESCO印发了《教育2030行动框架》，将“确保包容和公平的优质教育，让全民终身享有学习机会”的教育目标单列为“可持续发展目标4”。人工智能技术虽然具有重塑教育的变革性潜力，但其赋能教育实现“可持续发展目标4”仍面临着一系列挑战，包括数据伦理与算法偏见、性别歧视、应用有效性证据缺乏、教师角色重塑危机、削弱学习者的主观能动性等。这需要教育者坚守“可持续发展目标4”的目标追求和价值旨归，重新审视人工智能教育应用的潜在风险。
(一)人工智能教育应用的数据伦理问题与算法偏见风险
智能时代，人工智能强大的数据分析能力在变革教育实践的同时，也引发了大量数据伦理问题。教育数据在产生、收集、存储、开放、使用和管理等环节均存在严重的安全隐患，未经授权的访问、披露、破坏、篡改、删除和非法使用等行为，在拷问教育数据安全的同时，也侵犯了个人隐私。然而全世界(不包括欧洲)只有不到30％的国家制定了全面的数据保护法律法规。因此，亟须明晰实然表征，分析现实困境，制定伦理规约框架，最终形成解决教育数据伦理问题的有效路径。算法是人工智能教育发展的基础。人工智能本身没有算法偏见，但是在数据生产时带有偏见或以不恰当的算法分析数据时，原有的以及尚未发现的偏见就会更加明显。算法偏见可能会对学习者的人权产生负面影响。随着人工智能教育向纵深发展，算法的偏见有可能被强化，从而放大风险。因此，亟须制定人工智能伦理规约框架，强调人工智能算法的主体责任，保障数据资源的准确性，提高算法的透明性与可解释性，让人工智能的发展符合道德伦理要求。
(二)人工智能教育应用的性别歧视问题
算法是新型社会权力，积极赋权女性群体的同时引发了“计算不平等”“数字性别鸿沟”等伦理失范现象。人工智能在自动化选择时会放大并凸显原始性别偏见，加重对女性的物化和数字化异化，进一步扩大“数字性别鸿沟”。目前，人工智能的多项应用已被证明存在性别偏见。2018年，亚马逊公司在招聘中放弃机器学习，根源在于以公司历史招聘记录为基础的原始数据对女性存在性别偏见。这表明，社会性别偏见和固有歧视被机器学习的算法以代码的形式重新包装，进一步放大社会偏见，甚至植入新的社会偏见。实现人工智能的性别平等是人工智能教育应用的重要目标，只有当女性在人工智能劳动力中获得足够的代表性，才有可能实现性别平等，而人工智能劳动力本身就是一个令人忧虑的问题。可见，提高女性在人工智能领域的代表性，对于保护女性基本人权、减少人工智能驱动的性别偏见至关重要。如果能避免把偏见强加给机器，人工智能也可以成为促进性别平等的强大助力。因此，亟须在伦理、法律和技术规则方面加强约束，以算法正义推动性别平等。
(三)人工智能教育应用的有效性证据缺乏
对人工智能教育应用的研究已有五十多年的历史，但是，即便在发达国家，人工智能教育应用仍相对较少。现存的许多“基于证据的人工智能教育应用”大都涉及人工智能如何凭借技术在教育中发挥作用，而未详尽回答教育领域是否需要人工智能这一问题。相比传统的课堂教学，虽然一些智能辅导系统已被证明具有广泛的教育有效性，但是关于人工智能教育应用的累积性或可复制的研究案例很少，也缺乏可靠证据证明其大规模有效性。许多人工智能工具的所谓功效可能更多源于其新颖性而非实质内容。虽然人工智能无疑将会对教育机会、教育内容和教育结果的提供及管理产生重大影响，但目前仍不能确定人工智能解决方案将如何改善教育结果。人工智能也许能发挥有益作用，但仍缺乏足够的信息来了解其对管理、学习和教学的助益程度。因此，亟须开发监测和评估机制，衡量人工智能的相关影响，以便为决策提供坚实的证据基础。此外，还要合理评估人工智能教育应用的价值，厘清人工智能教育应用的理想状态与现实情况的差距，未来人工智能教育的可能与局限，未来人机协同共生的必要性和可能性，等等。
(四)人工智能教育应用使教师面临角色重塑危机
人工智能的出现和应用将教育推向“人机共教”的新时代，教师作为教育教学的重要成员，面临着“教师”称谓泛化、知识权威式微、教学经验弱化和道德形象矮化的角色危机。教师迫切需要主动适应时代变革，重新定位自身角色，才能转危为机。当前，许多人工智能开发人员的志向是减轻教师负担，使教师专注于教学的人性化等方面。人工智能功能的改进必然会减轻教师的负担。但是，当人工智能工具接管了知识传输任务，教师的作用也会随之降低。在社会变迁和教育变革的双重压力下，人工智能“激荡”起来的教师角色冲突日趋激烈，如何在智能时代强化角色危机意识，探寻自身发展新路向，已成为教师的重要任务。因此，政策制定者必须从战略高度审视人工智能对教师角色的改变，使教师在人工智能赋能教育的环境中做好工作准备；确保将教师和学习者之间的人际互动和协作作为教育的核心；在人工智能教育政策框架内动态审视教师的角色并界定其所需要的能力，强化教师培训并制定能力建设方案，支持教师为在智能教育环境中有效工作做好准备。
(五)人工智能教育应用削弱学习者的主观能动性
即使避免了利用人工智能取代教师的反乌托邦式场景，学习者的主观能动性仍可能因教育领域过多使用适应性人工智能而被削弱。这意味着学习者的交互时间更少，更多的教育决策由人工智能做出。这可能会剥夺学习者培养自我效能、自我调节、元认知、批判性思维和独立思考等技能的机会，而这些技能正是全人培养的关键。人工智能教育应用应加强而不是削弱全人培养。过度依赖人工智能而忽略学习者的学习能力和创新思维，可能导致学习者失去独立思考能力，沉溺于工具的完备性而不能培养健全的人格和品行，教育甚至有可能变成人工智能的奴隶和附属品。因此，教育必须主动顺应潮流，实时更新目标和内涵，适应人工智能技术带来的迁跃，培养更多的中坚人才，为未来的人工智能技术充实后备力量，实现育人成人的最终目标。
五、国内外人工智能教育政
策的形式、特征及类别
(一)国内外人工智能教育政策的形式和特征
1．国内外人工智能教育政策项目和计划
目前，国内外已经出现了很多人工智能教育政策项目和计划(表1)，其中包括各种人工智能教育平台和工具，旨在支持学习者发展人工智能技能。
表1国内外人工智能教育政策项目和计划
2．国内外人工智能教育政策项目和计划的共同特征
为帮助公民在人工智能的影响下和谐地生活与工作，各国出台了各种人工智能教育政策项目和计划。共同特征主要体现在：主要涉及数据和隐私保护、技术开源、课程创新、经费支持四个领域；强调人类技能(如批判性思维、沟通、协作和创造力)，在生活、学习和工作中与人工智能工具协作的教学方法；提升公民的人工智能素养，了解什么是人工智能、人工智能工作机制、人工智能带来的影响等。
将人类必备技能纳入人工智能教育，需要制定全系统甚至全社会的人工智能教育应用框架。包括：促进终身学习，使每个人全面了解人工智能及其影响；将基础人工智能学习融入K－12学校课程；培养人工智能专业人员，解决日益扩大的技能差距，提供人工智能工作岗位；鼓励高等教育研究机构开发具有突破性和公平性的人工智能；确保不断增长的人工智能劳动力的多样性和包容性；预测雇员和雇主的新需求，提供在职技能培训。
(二)国内外人工智能教育政策的类别
从部分国家和区域的相关政策来看，人工智能和教育发展的政策可分为三类：独立、综合和专题。独立类别指拥有独立的人工智能政策和战略，如美国的《国家人工智能研发战略规划》、韩国的《为智能信息社会做准备的中长期计划》、中国的《新一代人工智能发展规划》、阿联酋的《阿联酋人工智能战略》、欧盟的《人工智能对学习、教学和教育的影响》、马耳他的《走向人工智能战略》等。综合类别指将人工智能元素融入现有的教育或ICT政策和战略，如马来西亚的Mydigitalmaker运动、阿根廷的学习互联项目等。专题类别侧重于与人工智能和教育相关的特定主题，如欧盟的《通用数据保护条例》和《欧洲数字能力框架》、中国的《高等学校人工智能创新行动计划》、新加坡的《TheCode＠SG运动：将计算思维发展为国家能力》等。
六、对我国制定人工智能赋能
教育数字化转型政策的启示
我国要实现教育共同利益、发展包容和可持续的未来教育，需从人工智能教育协同治理、人工智能监测和评估、课堂教学方式、教师队伍建设等人工智能赋能教育数字化转型的视角，思考规划中国本土化的人工智能赋能教育数字化转型的政策和方案。
(一)加强跨学科规划和跨部门合作，促进人工智能教育协同治理的数字化转型
目前，人工智能教育应用面临着公平与偏见、透明和隐私等诸多挑战。原因在于教育组织系统的战略保障和文化保障缺失，行为实践系统缺乏协同效应等。实现人工智能与教育的深度融合发展，亟须构建人工智能教育的文化保障、战略保障和协同机制保障。
首先，坚守以人为本、增进师生共同福祉的价值取向，为人工智能教育治理的数字化转型提供文化保障。人工智能教育应用必须妥善应对人类价值观与技术伦理道德的张力，才能实现人机协同、共轭共生。研究人员和实践者应致力于引领人工智能教育应用朝人本人工智能演变创新，加快完善人工智能治理体系及应用，制定和嵌入道德标准，打造更加强大、安全的人本人工智能体系。其次，加强跨学科规划和跨部门治理，制定跨领域的人工智能教育政策和法规，为人工智能教育提供战略保障和协同机制保障。在战略保障层面，教育决策部门要构建“规划—实施—监控—更新”的开放式迭代循环机制，汇集神经科学、认知科学、社会心理学等不同领域的教育者、科学家和人工智能工程师等专业群体，为人工智能教育政策和法规的制定注入跨学科的专业知识，联合多方利益主体。借助大数据和学习分析等智能技术诊断现存问题、预测发展趋势，为政策规划和制定提供坚实的循证基础。在协同机制保障层面，教育决策部门要采用系统方法，实施全系统的政策治理，协调组织架构，最大限度地开展跨部门合作和资源共享，实现协同增智。
(二)构建智能教育管理系统，助力人工智能监测与评估的数字化转型
随着智能技术融入教学管理，系统规划各类教育管理资源、建立健全数字教育资源共享机制，已成为各高校教育信息化的建设重点。然而，智能技术在教育管理领域的应用、研究，智能化测评在公共管理平台、教育教学过程的监测与评估还处于起步阶段。因此，促进教育管理数据化、透明化，提高管理理性，构建智能教育管理生态系统，是促进人工智能监测与评估数字化转型的关键步骤。
一方面，制定教育数据规范与标准，适当公开数据，为人工智能与教育的融合提供数据基础。应建立校园管理智能监测平台，让管理者依据权限实时掌握学校的教学情况，动态管理过程数据，使学校管理透明化、数据化，及时对学校管理和人工智能应用情况进行监测与评估。创新管理平台的服务，建立教师服务平台、学习者管理平台、智能在线学习平台等智能教育支撑系统，持续关注智能技术驱动的教育服务挖掘模型，运用人工智能和教育大数据改善人工智能教育应用情况，实现教育服务的自动化产出。另一方面，借助人工智能系统的大数据处理分析、可视化图像模拟等功能，构建智能教育管理一体化服务体系，为各级主体制定管理决策提供支撑，促进跨部门、跨功能、跨系统的数据流智能监测，利用大数据为学校教育创新与科学发展提供证据支持，促进动态监测过程科学规范，保证监测结果公平、客观、准确。教育科研资源分析、教育管理系统、学习在线服务平台、课程管理平台等诸多技术可以对教育数据的生成与流动进行智能监测，最大化地释放数据资产的价值。
(三)深化人工智能赋能课堂教学变革，推进课堂教学方式的数字化转型
智能教育的转型促使教育图景呈现指数型发展态势。虽然人工智能可助力实现大规模个性化教学，但目前大多数人工智能教育应用仍处于发展的初级阶段。因此，要推进教学方式的数字化转型，实现数据驱动的教学和个性化学习，就必须深化以学习者为中心的人工智能教育应用，助力人工智能赋能课堂教学变革。
切实将人工智能技术引入教学全过程，促进大规模个性化学习、创新知识生产方式、形成人机协同的教学模式将是推进教学方式数字化转型的关键。首先，人工智能赋能课堂教学变革，在赋能思维引领下重新思考教学设计。教学策略应考虑教与学的现实特征和人工智能物化产物的属性，实现数据驱动的深度学习；教学评价应从聚焦学习结果转向关注学习全程，开展动态智能可视化分析，实现伴随式、多元化的全过程评价。其次，人工智能赋能课堂变革应融合智能技术，提升学习者的学习质量与效率。将人工智能与学习设计相结合，关注数据的同时更要关注数据的应用，为学习者提供多元化的学习情境，让学习者参与实战级场景学习，获得沉浸式学习体验。最后，人工智能赋能课堂教学变革，要打造智能高效的智慧课堂。人工智能等智能信息技术的快速发展与应用，能帮助实现教学环境、资源和工具的智能升级。可依托智能化教学平台诊断学情，分析学习者的基础条件；整合人工智能与教学过程，创设有利于智慧生成的教学情境，实现多样化教学互动；动态分析人工智能收集的学习成果，促进学习者知识建构。
(四)构建“人工智能＋教师教育”生态系统，实现教师队伍建设的数字化转型
以人工智能、大数据、云计算等为代表的新一代科技革命正悄然影响着教育领域。作为新技术的直接使用者和教学实施的主体，教师在人工智能赋能教育教学的形式和效果方面发挥关键性作用。因此，全面提升教师人工智能素养，促进教师专业发展，实现教师队伍建设的数字化转型尤为重要。
首先，构建“人工智能＋教师教育”生态系统，推进人工智能与教师教育体系深度融合。利用人工智能加强数字化课程建设，推动教师教育资源智能化开放共享；立足评价改革，构建基于数据的教师教育质量体系；聚焦数智融合，优化教师教育决策偏差调节机制；关注智能研修，创设分层分类的标准化教师培训体系。其次，提升教师智能教育素养，适应教育生态系统数字化转型。在智能时代，培养教师的育人能力应确立跨界融合的人才培养模式，重视学习者所需，提供精准推送，实现终身教育定制化；坚定教师的人文主义立场，强化智能伦理道德规范，在职前教育与在职培训中鼓励教师加强对社会和情感等知识技能的学习，指导教师在教学实践中做到智能化与人性化协调发展，加强对学习者的价值观教育与人文关怀。最后，推进人工智能与教师教学的有效融合，以数据驱动大规模的因材施教。利用人工智能收集学习者数据，帮助教师精准分析学情、指导学习方法、评价学业，加快从结果导向评价向数据驱动评价的转变；开展“人工智能＋学科教学”实训与实践，将人工智能作为教学的重要辅助手段，推进教育变革；开展“人工智能＋教学案例分析”等活动，为教师的教育智能决策提供依据。
转自：“学术拓荒者”微信公众号
如有侵权，请联系本站删除！
