張進寶　李凱一

[摘? ?要] 人工智能教育研究已成為教育技術(shù)界研究的熱點，但中國現(xiàn)有研究成果中存在一些認識上的誤區(qū)。文章采用現(xiàn)象學方法對近些年的文獻進行評論，針對人工智能教育應用對教師角色的影響，對教育目標與教育方法的改變，以及對教育公平與教育質(zhì)量提升等方面的盲目認識進行了分析;揭示了蘊藏其中的認知邏輯與教育理念，包括對學習復雜性的低估、對教師角色的認知錯位和對教改目標的自負;提出了基于歷史與社會的、基于現(xiàn)象學的和基于循證的三個研究視角的建議。

[關(guān)鍵詞] 人工智能教育; 誤區(qū); 認知邏輯

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 張進寶（1976—），男，山東濰坊人。副教授，博士，主要從事計算思維教學、跨界邀請學習研究。E-mail：zhangjb@bnu.edu.cn。

一、引? ?言

近些年，人工智能在基于數(shù)據(jù)的學習、預測與自動化等方面的能力[1]，引起了教育技術(shù)界的廣泛關(guān)注，成為學術(shù)研究的熱點[2-5]。然而，對之采取批判視角的研究并不多。學界對人工智能的熱衷支撐了“人工智能創(chuàng)造的未來是美好的”這一論調(diào)，無形中導致了這樣的一個局面：人工智能雖然促進了經(jīng)濟的發(fā)展和創(chuàng)新，但也為一些新技術(shù)提供了庇護，使其可能創(chuàng)造出關(guān)于世界的實質(zhì)上荒謬的真理宣言（Truth Claims）[6]。

近些年，中國學術(shù)界對人工智能教育的研究出現(xiàn)了井噴式的增長。通過檢索中國知網(wǎng)2021年6月前已發(fā)表的期刊文獻，關(guān)鍵詞選定為“教育+人工智能”，選擇了被引超過10次的文獻，筆者最終遴選了85篇文獻作為研究樣本，采用現(xiàn)象學方法，對這些文獻進行評論研究，聚類出“教師”“教學”“教育”三個主題，運用現(xiàn)象學反思視角（Phenomenological Reflection Perspective）[7]，遵循“回歸到事情本身”的原則，對文獻中蘊含的認識進行思考，歸納并分析其中的誤區(qū)，探討這些誤區(qū)的認知邏輯，最后提出研究建議。

二、人工智能教育認識中的誤區(qū)

文獻評論結(jié)果顯示，“機器取代人類”的論調(diào)已經(jīng)進入教育系統(tǒng)之中。文獻中占比數(shù)量最多的當屬對人工智能在教育教學中應用的探討，構(gòu)想大膽且新奇，不禁讓我們對教育技術(shù)界過分的自信與樂觀感到擔憂。另外，超過1/4的文獻都對人工智能教育新生態(tài)作出描繪，包含了對潛在成效、可能性或美好未來的推斷，雖然這類觀點與主流科技發(fā)展預測基本一致，看似沒有多少“風險”，但明顯缺少合理的論證。

（一）不懂人工智能的教師將被取代

我們發(fā)現(xiàn)，國內(nèi)學者普遍高估人工智能的“神奇”與“力量”，宣稱“人工智能自誕生以來就被認為是一種威脅”，或者是“一種顛覆性的技術(shù)”，在教育中的應用正在改變著教育的生態(tài)[8]，似乎其所發(fā)生的改變是不可逆的，教育系統(tǒng)因此就應該積極擁抱人工智能。不僅現(xiàn)有的實證研究不能證明人工智能在教育中的決定性作用，甚至其實際效果，如能提高學生的學習效果，都缺乏足夠的證據(jù)。

在這類根本性問題尚未被認真討論之際，號召“教師應該學會使用人工智能”的言論就已大行其道。其中，較為極端的言論宣稱“人工智能將替代教師”，或者適度保守地說“代替教師的部分職能，威脅到教師的職業(yè)”[8-10]。也有相對溫和的說法，宣稱“使用人工智能的教師會取代不使用人工智能的教師”[11];或者是缺乏“數(shù)據(jù)化”技能與想象力和創(chuàng)造力的教師，也很可能面臨淘汰[12]。

人工智能教育應用研究尚未找到超越教師能力的方向，指望人工智能能取代教師的工作，甚至是超越人類教師，可行性方面還存在太多的技術(shù)難題和應用障礙。Neil Selwyn認為，人工智能技術(shù)對教學界的影響是不確定的，未來更大的可能性是利用基于人工智能設(shè)計的平臺將會在一定程度上綁架教師，復雜的教育過程所需要的教師與學生的互動，以及一個好教師所需要的人格魅力和表述能力，這些都遠在現(xiàn)有技術(shù)能力范圍之外[13]。相關(guān)產(chǎn)業(yè)報告也認為，目前的技術(shù)只能發(fā)揮教學輔助作用，無法完全取代教師所起的作用[14]。為此，有些學者開始改變以往的觀點，認為教育人工智能的出現(xiàn)并非為了替代教師，而是旨在賦能教師，關(guān)鍵在于要促進教師有效教學[15]。這樣的看法，實際上就是正在將人工智能拉下神壇，將其置于與其他技術(shù)同等的位置。

（二）教育的方法和目標將發(fā)生改變

我們發(fā)現(xiàn)，國內(nèi)期刊往往強調(diào)大數(shù)據(jù)和人工智能在反復訓練和信息處理方面的潛在優(yōu)勢，積極擁抱人工智能的呼聲常與個性化教育聯(lián)系在一起[16]。傳統(tǒng)教育模式下，針對每個學生或少數(shù)學生的個性化教學是不可能的，這不僅是因為教師的時間、教學技能、教學資源等方面的問題，更主要的是無法（也不容易）獲得和處理相關(guān)信息，如確定學生在特定科目或主題中的最佳學習風格等關(guān)鍵問題[17]。與之相對應的，人工智能被認為可以針對不同的學生，實施不同的教學方式，并根據(jù)實時采集的數(shù)據(jù)提出改進個性化教學的建議。例如：在針對中國現(xiàn)有的人工智能科技產(chǎn)品分析的基礎(chǔ)上，有學者指出，以人工智能為核心的教育科技增強了教學智能性與互動性，典型應用如個性化學習、拍照搜題、在線答疑、作業(yè)自動批改、智能測評、對教學體系進行反饋和評測等[18-19]。但國外學者對Essay Helper應試寫作自動評分應用的深度分析表明，這種理念的軟件系統(tǒng)在多大程度上能實現(xiàn)所宣稱的個性化，是非常值得懷疑的[20]。

有人基于智能機器人將代替人類完成大部分標準化、規(guī)范化工作，提出人工智能可以帶來教育目標的改變（宣稱“培養(yǎng)創(chuàng)新人才是教育的主要目標”），構(gòu)建對應的教學體系已成當務之急[21]。還有人支持這樣的觀點：未來的人工智能會讓我們的教育制度培養(yǎng)學生的優(yōu)勢蕩然無存，教育應該創(chuàng)造更加寬松的、有利于學生個性發(fā)展的空間和時間;更好地保護學生的好奇心、激發(fā)學生的想象力[22];人工智能在很大程度上實現(xiàn)了對人的替代，人類引以為豪的本體特性和天然優(yōu)勢即將消解[23]。此類認識和觀點看似“很酷”“令人震驚”，甚至是要顛覆對教育本質(zhì)特征的理解，但實際上是急迫地希望徹底改變當前的教育體系。

發(fā)端于工業(yè)界，并得到越來越多認同的“21世紀能力”，被認為是為了應對知識經(jīng)濟與社會進步而對人才提出的要求。然而，提出人工智能技術(shù)要促進學生“21世紀能力”的獲得[24]，應以何種形式介入？是否有成功的實踐？似乎缺少真正可以實施的方案。更進一步追問，“智能時代”真的要來臨了嗎？約翰·霍普克羅夫特教授指出，當前的人工智能主要是基于一定規(guī)模的大數(shù)據(jù)支持下的模式識別，而真正的智能或許還需要40年的時間才能真正取得突破[25]?？紤]到技術(shù)應用的滯后性，教育中可以廣泛應用有重大突破的人工智能則至少還要再推遲10年，甚至更長的時間。

（三）教育公平和質(zhì)量會得到提升

學者們堅信人工智能有助于提升教育教學質(zhì)量[26-27]，并有著這樣一個認同，即“社會普遍期待技術(shù)能為提高教育質(zhì)量帶來新的機遇，切實推進教育系統(tǒng)變革”[28]。因此，為人工智能在教育中尋求了很多應用形式（如智能校園、立體化綜合教學場、基于大數(shù)據(jù)智能的在線學習教育平臺、智能教育助理），認為這是在滿足時代發(fā)展的需求[29];基于人工智能的自適應學習系統(tǒng)還能解決欠發(fā)達地區(qū)優(yōu)質(zhì)資源覆蓋、緩解優(yōu)質(zhì)師資匱乏，有助于促進教育公平[30];教師與人工智能的合作，將提升教學能力和教學質(zhì)量[8];智能教育為解決規(guī)?；逃c個性化培養(yǎng)的矛盾提供了可能[31]。而今的某些人工智能技術(shù)支撐的教育技術(shù)產(chǎn)品（如Khan Academy平臺）被認定為可以提供針對性、高質(zhì)量的知識學習解決方案的典型代表[32]。

多數(shù)教育技術(shù)研究者都會選擇性地忽視以往的研究結(jié)果。不少研究表明，信息化的發(fā)展并沒有帶來一些學者所預設(shè)的教育公平的提升，相反，族群和社會階層的不平等加速了獲取信息化教育資源和學習機會的不平等[33]。疫情背景下的研究表明，對信息化教育資源的獲取和利用的城鄉(xiāng)差距更加明顯[34]。人工智能作為教育信息化的手段之一，并不天然地能實現(xiàn)這些目標。故此，有很多學者對此也持謹慎態(tài)度[35]。從現(xiàn)在到未來一段時間來看，認定人工智能具有的“代具功能”[36]，能夠有助于實現(xiàn)學習資源的差異化供給和基于大數(shù)據(jù)的即時評價[37]，或者是實現(xiàn)適應性個性化學習、深度支持教師的教學過程，都未免過于樂觀。

新技術(shù)狂熱追隨者在熱衷于積極推進“教育信息化”的同時，卻缺少了基本的批判精神與科學態(tài)度。缺乏基本事實證據(jù)的學術(shù)論文，更多是在暢想、設(shè)想、空想，甚至妄想。將我國學者所秉持的思想簡單地歸結(jié)為“樂觀主義”，其實是高估這種脫離實際所構(gòu)建的“空想主義”的價值。承認技術(shù)可能的潛能，但敢于大膽地觸及尚未廣泛普及的實驗性探索，謹慎地批判其中存在的問題，哪怕只是對普通民眾“冷眼看世界”“漠不關(guān)心”的客觀事實進行分析，都是一種“實事求是”的表現(xiàn)。即使是在以批判的眼光看待他人眼中的“耀眼的明星”，所揭示的問題或許不是主流，但卻都是彌足珍貴的。

三、認知邏輯與教育理念的分析

認識上有誤區(qū)并不可怕，就如同教師在實施教學之前要了解學生原有認知而進行有針對性的教學一樣，對“迷思概念”或“誤區(qū)”的澄清是深度學習的開始。對產(chǎn)生誤區(qū)的邏輯起點進行分析，是形成人工智能教育研究的新視角和新方向的第一步。

（一）對學習復雜性的低估

1. 采取“雙標”對待傳統(tǒng)學習方式與人工智能輔助學習

一直以來，人文社科領(lǐng)域的學者與計算機專家都對盲目推崇人工智能神奇能力的言論持批判態(tài)度，但依然無法阻止此類觀點出現(xiàn)在學術(shù)期刊中。我們會發(fā)現(xiàn)，這些學者在談及學習時往往采用“雙標”的策略：在批評人類教師落后的教育方法時，往往會強調(diào)認知領(lǐng)域之外的知識、技能、價值觀等內(nèi)容，但在吹捧人工智能的作用時則又將學習矮化為“死記硬背的知識”[38-39]。在這樣的邏輯之下，他們就又將學習當成是機械的重復與刷題;所謂的個性化學習也不過是根據(jù)學生的答題情況，推送相應的學習材料[40-41]。從學理角度，人類能否通過學習大數(shù)據(jù)、基于機器學習或邏輯表征等方式實現(xiàn)對知識習得、技能增長、價值觀塑造等過程的完全理解，并將其轉(zhuǎn)化為促進學生發(fā)展的相關(guān)行為呢？以目前的人工智能技術(shù)來看，答案并不樂觀。

2. 對人工智能模擬人類智能能力的過度自信

近些年，人工智能領(lǐng)域基于“學習”的方法在模擬人類智能方面取得較大的進展，但這并不意味著人類已經(jīng)掌握了學習的多數(shù)奧秘。事實上，腦科學與教育神經(jīng)學近些年的發(fā)展也只不過是有了一些初步的發(fā)展，距離全面理解人腦學習規(guī)律尚有很大的距離。例如：構(gòu)建本體是實現(xiàn)人與軟件之間分享對信息結(jié)構(gòu)共同理解的基礎(chǔ)，有助于實現(xiàn)對領(lǐng)域知識的重復使用，以及將領(lǐng)域知識與操作性知識區(qū)分開來，從而成為具有更廣泛應用的基礎(chǔ)。然而，在構(gòu)建本體的過程中，以往被稱之為主動學習模式的“精確學習模型”（Exact Learning Model）[42-44]，雖然有明確可被模仿與學習的對象，但事實已經(jīng)表明這種學習模式效率低，適用范圍窄，不能適應變化的外部環(huán)境或?qū)︻I(lǐng)域知識演變?nèi)狈γ舾行?。而另一類被稱為“概率近似正確”（Probably Approximately Correct）學習等機器學習模式，在最初階段都存在準確性問題，受制于訓練數(shù)據(jù)的精確性，需要后續(xù)持續(xù)的訓練，因而系統(tǒng)開銷大[45]。即使如此，眾多的機器學習算法依然在不斷地被研發(fā)出來，以期逐步逼近學習準確率，但殊不知，這種準確實際上取決于人類如何看待知識。例如：人類教師對一題多解的價值判斷并非機器學習所能理解和習得的。

3. 以單一的個體學習替代多元的學習觀

在人類社會從工業(yè)化經(jīng)由信息化，向著鼓勵知識創(chuàng)新、以培養(yǎng)知識創(chuàng)新人才為己任的知識社會轉(zhuǎn)型過程中，眾多新型知識觀（知識的建構(gòu)性、社會性、情境性、復雜性、默會性等）也成就了知識的生產(chǎn)與應用。相應地，人類學習的建構(gòu)性、社會性和參與性日益受到重視，以往只強調(diào)支持知識獲得的傳統(tǒng)教學過程和輔助系統(tǒng)受到了質(zhì)疑[21]。反觀上文相關(guān)學者提及的知識學習模式，則顯得過于狹隘。特別是當我們承認知識總是與認知者有關(guān)，學習需要發(fā)生在一定社會情境中，知識具有相對性、主觀性、結(jié)構(gòu)不良、不穩(wěn)定、默會性等諸多特點時，會認識到知識的復雜性絕非單純建構(gòu)“本體”或依靠各類機器學習或深度學習所能反映[45]。

4. 妄圖以技術(shù)化的解決方案迎合教育發(fā)展的新方向

需要看到，學習復雜性、知識的習得與技能的訓練并不是學校教育最新的問題。特別是隨著學科核心素養(yǎng)的提出，學校教育面臨著新的問題。目前，人工智能在學習中的應用，充其量也只能從“效率”“興趣”這些技術(shù)層面來解決教學的問題（如上所述，在這一層面應用的有效性仍有待進一步研究），但這種方式并沒有解決學習是為了什么這一更深層次的問題，人工智能并沒有為促進教育發(fā)展提供多少幫助[46]。再以這樣的學習理念來統(tǒng)領(lǐng)人工智能的研究與實踐，本身就是一種倒退。信息化學習環(huán)境只能為學習者獲取知識提供更寬的渠道，卻很難在學習深度方面起作用。所謂的教育目標與手段發(fā)生根本變化的提法也不過是再一次重復著早已經(jīng)被提及無數(shù)次的陳詞濫調(diào)，只不過這次是借用了人工智能。

（二）對教師角色的認知錯位

1. 錯誤地將“協(xié)同”的人機關(guān)系變?yōu)椤皩αⅰ标P(guān)系

讓機器和人做各自最擅長的事情，這是計算機科學界早已形成的共識。人機協(xié)同也已經(jīng)成為人工智能研究的發(fā)展趨勢。但近些年的某些實驗研究（例如：2015年的“深度知識追蹤”研究實現(xiàn)了85%的預測率[47]）得出的結(jié)論，讓學術(shù)界看到了基于教育大數(shù)據(jù)的人工智能似乎擁有令人驚奇的效果[47]。然而，對于此類實驗的深度研究，實際上已經(jīng)揭示了問題的根本，徹底打破了上述幻想：基于人工標記輔助的機器學習，實際上也是人類塑造的結(jié)果;深度學習在相關(guān)系統(tǒng)中的應用并未成為主要部分，人類專家根據(jù)領(lǐng)域知識所進行的預定義和設(shè)計發(fā)揮了更大的作用;使用不透明算法進行反復遞歸，試圖構(gòu)造具有良好預測能力的計算模型的過程中，用來作為重要資源的數(shù)據(jù)，其質(zhì)量成為了最關(guān)鍵的部分[48]。這些發(fā)現(xiàn)更證實了將人工智能與教師進行對立的認識是錯誤的。

2. 將教師隱喻為向?qū)W生提供服務的機器

姑且不說有哪些普通學校真的已經(jīng)在用人工智能教師替代人類教師，即使是校外輔導機構(gòu)在使用人工智能助學系統(tǒng)時，人類教師也是必須的配置。即使是諸如李開復等人所宣稱的“人工智能可以利用算法完成知識與意義的轉(zhuǎn)化，實現(xiàn)教育的目的”，但依然承認教師是“決定選擇該程序的人”[49]。對瑞典一些參與日常教學的教育公司對教師身份和功能塑造的研究就證明了這一點。將教育平臺化之后，的確可以打破學習的時空界限，但并不會因此減少對教師的需求。而且，這些教育公司所塑造的教師暗含了一種身份和角色轉(zhuǎn)變，從知識的傳授者變成訓練者（Coaching），將學生客戶化，把學習變成個人的業(yè)務（Personal Business），即滿足學生個體的需求，同時教師在時空上變得靈活，即無論何時何地都準備好開始工作[50]。很顯然，伴隨著人工智能教育的發(fā)展，商業(yè)邏輯正在侵蝕著傳統(tǒng)意義上關(guān)于教師的定義和教育作為公共產(chǎn)品的性質(zhì)，這種將教師和學生變成商業(yè)化客戶關(guān)系的做法，事實上不利于教育系統(tǒng)的發(fā)展。

3. 誤導公眾，認定教師諸多工作是低效率、低價值的

與學生進行深層互動，是人類教師最擅長的工作。然而，在許多學者的觀念中，這種正常的活動卻成了低價值、低效率的工作。即使是被廣泛提及的“批改作業(yè)”，原本是教師深度了解學生學業(yè)情況的重要途經(jīng)之一，也常常被誤讀為一種負擔。在不正常的應試主導教學和瘋狂作業(yè)重壓下的學校教育中，人工智能輔助批改作業(yè)正在一定程度上“助紂為虐”。事實上，已經(jīng)有學者質(zhì)疑，這些只能給學生評級卻不能提出可行的修改意見的批改作業(yè)工具究竟能對師生起到什么樣的實質(zhì)作用[20]。至于依據(jù)英國牛津大學研究成果所得出“在未來社會中， 教師是最沒有可能被計算機代替的職業(yè)之一”[51]的觀點，也可以理解為進一步驗證了人類對創(chuàng)意性與社會性行為的重視。

4. 單純宣揚教師被替代，而非引導教師探索自身獨特性

可以預見，人工智能進入教育系統(tǒng)還需經(jīng)過漫長的過程，也會有越來越多的工作因其介入而發(fā)生變化，是簡化還是質(zhì)變，尚待探討。我們不應只強調(diào)教師應該掌控人工智能，更應探討教師在數(shù)字時代應如何認識自身獨特性。一直以來，國際教育技術(shù)協(xié)會（ISTE）維護與更新著教育工作者有關(guān)的技術(shù)標準，其最新的標準中提出教育工作者應充當?shù)钠叻N角色（學習者、領(lǐng)導者、公民、協(xié)作者、設(shè)計者、促進者、分析者）[52]，為教師發(fā)展指明了方向。相比而言，我國教育界所做探索則過于狹隘，提出的“教師應掌握人工智能實現(xiàn)的有效應用，回歸教育育人之本，平衡人工智能的工具性和價值性，構(gòu)建智能教育新生態(tài)”[53]等觀點，大都難以指導教師未來的發(fā)展。

5. 商業(yè)驅(qū)動的短視行為替代教育信息化的長效行為

商業(yè)驅(qū)動的教育產(chǎn)業(yè)化正在助長“追求短期效益”“應試模式”“就業(yè)導向”的短視行為。在這樣的大環(huán)境中，宣揚技術(shù)對教育工作者工作的替代性，本質(zhì)上都是對主流教育價值觀的破壞，是對教育核心理念的“挑釁”與“威脅”。如果從個案角度探討人工智能被廣泛應用于教育，教師如何做得更好，是有意義的問題，但聳人聽聞地討論教師會被取代，不過是“杞人憂天”。切莫將短期應試導向的培訓當作教育的主流，要看到教育的核心是如何培養(yǎng)全面發(fā)展的人，是教育工作者及其相應學習環(huán)境給學習者傳遞的、能夠被感受到的“關(guān)愛”“關(guān)懷”與“期待”，教育信息化理應為之服務。一切技術(shù)都是輔助手段，只是為教育提供更完善、更優(yōu)化的渠道和方式[54]。在不充分了解人工智能的情況下，夸大人工智能的威脅，或?qū)θ斯ぶ悄芗挠铇O高期待，都是不可取的[55]。

（三）對教改目標的自負

1. 借助數(shù)字化轉(zhuǎn)型，意圖為人工智能應用提供發(fā)展空間

教育技術(shù)領(lǐng)域的學者常常緊盯“數(shù)字時代”這一特征，而過分強調(diào)所有人都要成為擁有21世紀能力的人，需要具備基本的信息素養(yǎng)、計算思維、人工智能等技術(shù)素養(yǎng)。然而這些技能與“創(chuàng)新人才”又有何種關(guān)系？將未來社會可能產(chǎn)生的新工作、需要的新技能作為教育的內(nèi)容，這樣的作法是否就是“正確的教育”呢？會有多少家長、學生和教育工作者能夠認同，并參與其中？對于此類問題的討論，進一步引發(fā)了原本就已經(jīng)內(nèi)卷的教育系統(tǒng)的混亂，致使教育改革與發(fā)展面臨目標不明確，缺少清晰的發(fā)展方向，模棱兩可的教育理念成為教育科技公司撬動學校業(yè)務增長的依據(jù)，本應相對單純的教育系統(tǒng)也變得市場化，教育科研與實踐受到了輿論的干擾，給當下大火的人工智能等技術(shù)以可乘之機。教育改革的目標被無限抬高，也影響了國內(nèi)教育技術(shù)領(lǐng)域的學者。很多學者鼓吹的“未來大部分標準化的工作將由人工智能接管，標準化工作中包含的知識就不應學習了”[22-23]，此類錯誤言論令人擔憂。

2. 將技術(shù)因素提升為教育信息化決策的主要因素

當前的教育早已被來自各方的力量注入了諸多無法承受的期待。不論是政府、社會還是家庭，都從不同角度在左右著教育的發(fā)展方向。民眾對教育的不滿，成為教育系統(tǒng)面臨挑戰(zhàn)的主要因素，確保教育公平、提升教育質(zhì)量對任何一個國家和地區(qū)都是艱巨而復雜的挑戰(zhàn)，這不僅涉及教育本身的問題，更是一個復雜的社會結(jié)構(gòu)問題。當教育尚且無法有明確的思路來確保能夠解決這些棘手問題之時，就將包括人工智能在內(nèi)的很多“不透明的”技術(shù)作為實現(xiàn)這些目標的手段，并因此宣稱會對教育有“革命性”影響，這本身就是缺乏實事求是精神的體現(xiàn)。單純地強調(diào)“提高人工智能教育的普及、發(fā)展信息素養(yǎng)”就可以實現(xiàn)教改目標，甚至有利于解決更大的社會結(jié)構(gòu)性問題，實際上忽視了引起社會結(jié)構(gòu)不公平的更大的社會因素，另外，將教育中面臨的問題也只是簡單地歸結(jié)為個人而非群體的問題[56]。

3. “產(chǎn)學研用”一體化的深度綁定，構(gòu)建了利益共同體間曖昧的關(guān)系

不可否認，目前還沒有廣泛使用通用數(shù)據(jù)策略或人工智能系統(tǒng)服務的能力，也就是說，教育并沒有系統(tǒng)的思路明確該如何利用人工智能。目前所謂的“人工智能輔助于教育（學）應用、建構(gòu)教育場景、重組教育中的要素或者重構(gòu)教育過程”[57]，或者是“人工智能所展示出來的‘人機一體或‘人機融合，使得學習和教育的方式將可能發(fā)生質(zhì)的改變”[23]，只不過是空泛的構(gòu)想，實施此類設(shè)想既無物質(zhì)基礎(chǔ)，也無系統(tǒng)的理論支撐。如同其他領(lǐng)域一樣，技術(shù)在教育中的應用也更多的是發(fā)揮著“放大”，而不是“改變”的作用。通過一系列操作構(gòu)建起來的“產(chǎn)學研用”體系，實際上更多的是一個利益共同體，并沒有實現(xiàn)協(xié)同破解應用中的核心問題。至今，人類尚未找到破解實現(xiàn)教育更高目標的機制、體制等方面桎梏的方法，就轉(zhuǎn)而寄希望于技術(shù)方案，其結(jié)果也必然是達不到應有的期望。因此，對于人工智能教育來說，關(guān)鍵的問題是要找到最為有效的應用領(lǐng)域，而不是廣撒網(wǎng)模式地探索各種應用的可能性，或者是將人工智能當作是實現(xiàn)創(chuàng)新人才培養(yǎng)的“靈丹妙藥”。

四、研究建議

雖然教育技術(shù)領(lǐng)域?qū)θ斯ぶ悄芙逃龖靡呀?jīng)有數(shù)十年的研究歷史，但到今天我們依然會發(fā)現(xiàn)存在于學者思維之中的混亂邏輯，已發(fā)表的文獻中就存在著諸多誤區(qū)或夸大，在指導實踐時則變成了狹隘的實踐思路。為此，本文提出以下三點研究建議：

（一）基于歷史與社會的研究視角

教育技術(shù)研究正在變成一個“孵化器”（通俗的說法是“大籮筐”），人們?nèi)找婵吹健鞍俣壤蠋煛边@樣的教育現(xiàn)象，搜索引擎、百度百科對教師和學生的影響日益嚴重，我們對“開放教育”“在線學習”的復雜心情讓人很難說“教育技術(shù)迎來了難得的發(fā)展機會”?！叭斯ぶ悄艽娼處煛被蛘摺敖虒W自動化”讓學者在不斷跟進科技公司推動的“新教育技術(shù)議題”，其中充斥的非理性觀點令人擔憂。在對現(xiàn)實問題的探討中，歷史學與社會學的方法將有助于研究者平靜地看待日新月異的教育技術(shù)現(xiàn)象。

雖然人工智能發(fā)展的內(nèi)在驅(qū)動力和范式在過去半個多世紀以來發(fā)生了多次轉(zhuǎn)變，人工智能發(fā)展的歷史并非是線性的。然而，現(xiàn)在關(guān)于人工智能教育作用的夸大其詞與20世紀50年代以來對人工智能的期盼并無不同。同時，人工智能的發(fā)展，也使得技術(shù)哲學有了新的觀點和突破，人工智能并非像原始技術(shù)一樣，只是簡單的外在價值載體，其本身便是社會政治體系中社會技術(shù)的載體和承接。開展基于歷史學與社會學的研究，可以幫助學者更清楚地認識人工智能的本質(zhì)和其發(fā)展依賴的認識論基礎(chǔ)，破除關(guān)于人工智能教育的迷思，并將其視為特定歷史、社會和文化的產(chǎn)物，分析當下大力發(fā)展人工智能技術(shù)的社會政治關(guān)系中的社會技術(shù)系統(tǒng)的總體特征及發(fā)展趨勢，以及當下人工智能教育發(fā)展面臨的機遇與挑戰(zhàn)，將有助于人工智能教育政策的制定與執(zhí)行。

（二）基于現(xiàn)象學的研究視角

教育技術(shù)的多元化發(fā)展，使其成為具有獨特社會文化與意識形態(tài)特征的現(xiàn)象，因此，需要研究者作出更為深入的研究。教育技術(shù)已經(jīng)成為跨部門、跨組織、復雜而無法簡化的類別，其內(nèi)涵范圍在不斷擴大，研究者有必要探尋本質(zhì)的問題?，F(xiàn)象學的方法將有助于探尋人工智能在教育中應用的本質(zhì)問題。

作為“第一哲學”的現(xiàn)象學，具有獨特的認識論與方法論特點，為實證研究提供了更為廣闊的空間，并對理論的理性價值提供了全面的支撐。教育現(xiàn)象學研究具有鮮明的實踐性、人文性和反思性，這對于教育技術(shù)來說具有重要意義，廣義上有助于我們將研究重心從“技術(shù)研發(fā)”“過程與方法”“效果與評估”等轉(zhuǎn)向教育中的生活體驗，特別是通過諸如將可感受性（Sensibility）作為中介，觸及師生內(nèi)心深處，通過解釋行為、反思行為等激活教育參與者的體驗，再現(xiàn)教育生活中各種意義的解釋和重構(gòu)，也為我們在行動研究中揭示諸多意義提供了可能。狹義上，現(xiàn)象學有助于我們構(gòu)建起更為徹底的教育技術(shù)哲學，為人工智能教育研究利益相關(guān)者提供指導框架，制定行動的框架，指導對教師培養(yǎng)、教學實踐創(chuàng)新、教學管理變革、教育技術(shù)產(chǎn)品研制、數(shù)據(jù)集構(gòu)建等方面的理解，從而揭示上述活動對教育主要參與者的本質(zhì)體驗，更好地應對人工智能革命所帶來的挑戰(zhàn)。

（三）基于循證研究的科學論證

各國的教育信息化都是在政府意志推動下，由巨額財政投入驅(qū)動。中國的“智能教育”實質(zhì)上是為實現(xiàn)教育目標而對教育內(nèi)容、流程進行自動化和標準化，當前人工智能技術(shù)被納入解決方案之中。研究者和實踐者可以采取措施彌合理論與實踐之間的鴻溝，但這一過程不會自然發(fā)生，過分樂觀的情緒需要盡快糾正。缺乏長期教育實踐作為證據(jù)的人工智能教育應用，尚未得到系統(tǒng)性檢驗。因此，一味地應用于教育之中，產(chǎn)生的結(jié)果只能是加重而不是緩解有待解決的問題。

利用證據(jù)追求實踐科學化和專業(yè)化，是循證研究的價值觀。當前人工智能教育研究普遍缺少基于證據(jù)的研究。研究者需要基于證據(jù)開展專業(yè)實踐活動，將證據(jù)作為推動人工智能教育實踐的專業(yè)依據(jù)?；谘C研究開展科學的論證，需要關(guān)注教育實踐中的現(xiàn)象和問題，以各類證據(jù)作為依據(jù)，形成結(jié)論或構(gòu)建理論，而后再應用于教育實踐之中?；谘C思想的人工智能教育研究，以理論引領(lǐng)實證，以實證深化推進理論研究，將從根本上糾正只在價值層面探討問題的傾向，也將有助于從“驗證假設(shè)”走向“構(gòu)建行動”“創(chuàng)新實踐”。只有在循證的過程中，才能更為客觀地理解人工智能技術(shù)應用的進展及不足，才能為后續(xù)研究提供堅實的基礎(chǔ)。

[參考文獻]

[1] WILLIAMSON B， EYNON R. Historical threads， missing links， and future directions in AI in education [J]. Learning， media and technology， 2020， 45（3）： 223-235.

[2] 何克抗.21世紀以來的新興信息技術(shù)對教育深化改革的重大影響[J].電化教育研究，2019，40（3）：5-12.

[3] 蔡寶來.人工智能賦能課堂革命：實質(zhì)與理念[J].教育發(fā)展研究，2019，39（2）：8-14.

[4] 張景中，張清華，喬雨琪.我看人工智能[J].重慶郵電大學學報（自然科學版），2020，32（6）：984-990.

[5] 安濤.“算計”與“解蔽”：人工智能教育應用的本質(zhì)與價值批判[J]. 現(xiàn)代遠程教育研究，2020，32（6）： 9-15.

[6] ELISH M C， BOYD D. Situating methods in the magic of big data and AI[J]. Communication monographs， 2018， 85（1）， 57-80.

[7] JACOBS H. Phenomenology as a way of life？ Husserl on phenomenological reflection and self-transformation[J]. Continental philosophy review， 2013， 46（3）：349-369.

[8] 宋靈青，許林.“AI”時代未來教師專業(yè)發(fā)展途徑探究[J].中國電化教育，2018（7）：73-80.

[9] 李棟.人工智能時代的教師發(fā)展：特質(zhì)定位與行動哲學[J].電化教育研究，2020，41（12）：5-11.

[10] 李棟，楊麗.課程理解：人工智能時代教師的存在方式[J].高等教育研究，2020，41（12）：67-75.

[11] 余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，24（1）：16-28.

[12] 傅蝶.人工智能時代學校教育何去何從[J].現(xiàn)代教育管理，2019（5）：52-57.

[13] SELWYN N. Should robots replace teachers？ AI and the future of education[M]. Cambridge， UK： Polity Press， 2019.

[14] 德勤.全球教育智能化發(fā)展報告（2019）[DB/OL].[2022-05-24].https：//www2.deloitte.com/content/dam/Deloitte/cn/Documents/technology-media-telecommunications/deloitte-cn-tmt-global-development-of-ai-based-education-zh-191108.pdf.

[15] 祝智庭，韓中美，黃昌勤.教育人工智能（eAI）：人本人工智能的新范式[J].電化教育研究，2021，42（1）：5-15.

[16] 于澤元，鄒靜華.人工智能視野下的教學重構(gòu)[J].現(xiàn)代遠程教育研究，2019，31（4）：37-46.

[17] 鄭勤華，熊潞穎，胡丹妮.任重道遠：人工智能教育應用的困境與突破[J].開放教育研究，2019（4）：10-17.

[18] 李昭涵，金樺，劉越.人工智能開啟“互聯(lián)網(wǎng)+教育”新模式[J].電信網(wǎng)技術(shù)，2016（12）：6-10.

[19] 張寧.人工智能可以改變教育? 但不等于替代老師[C]//教育部高等學校教育技術(shù)專業(yè)教學指導委員會.走向智慧時代的教育創(chuàng)新發(fā)展研究——第16屆教育技術(shù)國際論壇暨首屆智慧教育國際研討會論文集.北京：電子工業(yè)出版社，2017：101-103.

[20] DIXON-ROM？譧N E， PARISI L. Data capitalism and the counter futures of ethics in artificial intelligence[J]. Communication and the public， 2020， 5（3-4）：116-121.

[21] 王竹立.技術(shù)是如何改變教育的？——兼論人工智能對教育的影響[J].電化教育研究，2018，39（4）：5-11.

[22] 錢穎一.人工智能將使中國教育優(yōu)勢蕩然無存[J].商業(yè)觀察，2017，26（8）：88，90.

[23] 唐漢衛(wèi).人工智能時代教育將如何存在[J].教育研究，2018，39（11）：18-24.

[24] 閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內(nèi)涵、關(guān)鍵技術(shù)與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析[J].遠程教育雜志，2017，35（1）：26-35.

[25] 王佳妮，劉昊.對話圖靈獎獲得者約翰·霍普克羅夫特：高校AI人才培養(yǎng)別進這兩個“誤區(qū)”[EB/OL].（2020-07-09）[2022-05-24]. http：//society.yunnan.cn/system/2020/07/09/030782927.shtml.

[26] 楊現(xiàn)民，張昊，郭利明，等.教育人工智能的發(fā)展難題與突破路徑[J].現(xiàn)代遠程教育研究，2018（3）：30-38.

[27] 周美云. 機遇、挑戰(zhàn)與對策：人工智能時代的教學變革[J].現(xiàn)代教育管理，2020（3）：110-116.

[28] 余亮，魏華燕，弓瀟然.論人工智能時代學習方式及其學習資源特征[J].電化教育研究，2020，41（4）：28-34.

[29] 吳永和，劉博文，馬曉玲.構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J].遠程教育雜志，2017，35（5）：27-39.

[30] 李歡冬，樊磊.“可能”與“不可能”：當前人工智能技術(shù)教育價值的再探討——《高等學校人工智能創(chuàng)新行動計劃》解讀之一[J]. 遠程教育雜志，2018，36（5）： 38-44.

[31] 黃榮懷，周偉，杜靜，孫飛鵬，王歡歡，曾海軍，劉德建.面向智能教育的三個基本計算問題[J].開放教育研究，2019，25（5）：11-22.

[32] 李志河，伊潔.AIED技術(shù)支持下的適應性教育模式的構(gòu)建及應用[J].現(xiàn)代教育技術(shù)，2017，27（11）：12-18.

[33] 楊釙，徐穎.數(shù)字鴻溝與家庭教育投資不平等[J].北京大學教育評論，2017，15（4）： 126-154，188.

[34] 胡藝齡，聶倩，顧小清.從機會公平走向發(fā)展公平——疫情之下我國中小學大規(guī)模在線教育的城鄉(xiāng)對比分析[J].中國遠程教育，2021（5）：13-27.

[35] 任友群，萬昆，馮仰存.促進人工智能教育的可持續(xù)發(fā)展——聯(lián)合國《教育中的人工智能：可持續(xù)發(fā)展的挑戰(zhàn)和機遇》解讀與啟示[J].現(xiàn)代遠程教育研究，2019，31（5）： 3-10.

[36] 楊緒輝，沈書生.教師與人工智能技術(shù)關(guān)系的新釋——基于技術(shù)現(xiàn)象學“人性結(jié)構(gòu)”的視角[J].電化教育研究，2019，40（5）：12-17.

[37] 于海波.人工智能教育的價值困境與突破路徑[J].湖南師范大學教育科學學報，2020，19（4）： 56-62.

[38] 曹培杰.智慧教育：人工智能時代的教育變革[J].教育研究，2018，39（8）：121-128.

[39] 胡偉.人工智能時代教師的角色困境及行動策略[J].現(xiàn)代大學教育，2019（5）：79-84.

[40] 李海峰，王煒.人工智能支持下的智適應學習模式[J].中國電化教育，2018（12）：88-95，112.

[41] 宋靈青，許林.人工智能教育應用的邏輯起點與邊界——以知識學習為例[J].中國電化教育，2019（6）： 14-20.

[42] 方海光，羅金萍，陳俊達，等.基于教育大數(shù)據(jù)的量化自我MOOC自適應學習系統(tǒng)研究[J].電化教育研究，2016，37（11）：38-42，92.

[43] 陳穎博，張文蘭.國外教育人工智能的研究熱點、趨勢和啟示[J].開放教育研究，2019，25（4）：43-58.

[44] 鄭慶華，董博，錢步月，等.智慧教育研究現(xiàn)狀與發(fā)展趨勢[J].計算機研究與發(fā)展，2019，56（1）：209-224.

[45] OZAKI A. On the complexity of learning description logic ontologies[C]//Reasoning web international summer school. Cham： Springer， 2020： 36-52.

[46] GUILHERME A. AI and education： the importance of teacher and student relations[J]. AI & society， 2019， 34（1）：47-54.

[47] PIECH C， SPENCER J， HUANG J， GANGULI S， SAHAMI M， GUIBAS L， SOHL-DICKSTEIN J. Deep knowledge tracing[C]//Proceedings of the 28th International Conference on Neural Information Processing Systems. Cambridge： MIT Press， 2015： 505-513.

[48] PERROTTA C， SELWYN N. Deep learning goes to school： toward a relational understanding of AI in education[J]. Learning， media and technology， 2020，45（3）： 251-269.

[49] 李開復，王永剛.人工智能[M].北京：文化發(fā)展出版社，2017.

[50] IDELAND M. Google and the end of the teacher？ How a figuration of the teacher is produced through an ed-tech discourse[J]. Learning， media and technology， 2021，46（1）： 33-46.

[51] FREY C B， OSBORNE M A. The future of employment： how susceptible are jobs to computerisation？ [J]. Technological forecasting and social change， 2017， 114： 254-280.

[52] CROMPTON H. ISTE standards for educators： a guide for teachers and other professionals[M]. Arlington： International Society for Technology in Education， 2017.

[53] 劉磊，劉瑞.人工智能時代的教師角色轉(zhuǎn)變：困境與突圍——基于海德格爾技術(shù)哲學視角[J].開放教育研究，2020，26（3）：44-50.

[54] 黃蔚.人工智能何以改變教育[N].中國教育報，2018-08-19（03）.

[55] 徐曄.從“人工智能教育”走向“教育人工智能”的路徑探究[J].中國電化教育，2018（12）： 81-87.

[56] SELWYN N， HILLMAN T， EYNON R， FERREIRA G， KNOX J， MACGILCHRIST F， SANCHO-GIL J M. What's next for Ed-Tech？ Critical hopes and concerns for the 2020s[J]. Learning， media and technology， 2020， 45（1）：1-6.

[57] 張坤穎，張家年.人工智能教育應用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)[J].遠程教育雜志，2017，35（5）： 54-63.

Reflection on Research Status of Artificial Intelligence in Education in China

ZHANG Jinbao1，? LI Kaiyi2

（1.Faculty of Education， Beijing Normal University， Beijing 100875;

2.Georg Eckert Institute for International Textbook Research， Brunswick Germany 38446）

[Abstract] The research on artificial intelligence in education is becoming a hotspot of research in the education technology community， but there are some misconceptions in the existing research results in China. Using a phenomenological approach to review the literature in recent years， this paper analyzes the misunderstanding of the impact of artificial intelligence in education on the role of teachers， the changes in educational goals and educational methods， and the improvement of educational equity and education quality. This paper reveals the embedded cognitive logic and educational philosophy， including the underestimation of the complexity of learning， the misplacement of the role of teachers， and the conceit of the goals of teaching reform. Finally， three research perspectives based on history and society， phenomenology， and evidence are proposed.

[Keywords] Artificial Intelligence in Education; Misconceptions; Cognitive Logic

基金項目：2019年北京市社會科學基金項目重點課題“人工智能社會性科學議題及其教育實踐研究”（課題編號：19JYA002）