劉曉峰 蘭國帥 魏家財 劉國寧

(1.華東師范大學 教育學部，上海 200062；2.河南大學 教育學部，河南 開封 475004；3.河南省教育信息化發(fā)展研究中心，河南 開封 475004；4.東北師范大學 信息科學與技術學院，吉林 長春 130117)

新冠疫情促使全球高等教育格局和運作方式發(fā)生了深刻轉變。 新冠肺炎疫情對高等教育的沖擊，揭露了傳統(tǒng)高等教育系統(tǒng)的脆弱性，增加了高等教育未來發(fā)展的不確定性，迫使全球大部分高等教育系統(tǒng)建設數字化韌性生態(tài)系統(tǒng)，實現(xiàn)高等教育數字化轉型。[1]高等教育數字化轉型不僅是高等教育系統(tǒng)消解新冠肺炎疫情不良影響的應對舉措，更是構建高質量高等教育發(fā)展體系、實現(xiàn)高等教育高質量發(fā)展的內在價值追求。 在我國高等教育由傳統(tǒng)外延式發(fā)展轉向內涵式高質量發(fā)展過程中，推動高等教育數字化轉型，有助于推動傳統(tǒng)高等教育的教學范式、組織架構、教學過程、評價方式等全方位創(chuàng)革，形成更加開放、優(yōu)質和公平的教育格局，構建更具開放性、適應性、柔韌性、永續(xù)性的良好高等教育生態(tài)。[2]要實現(xiàn)高等教育數字化轉型升級和高質量發(fā)展，就需立足當前高等教育發(fā)展現(xiàn)狀，基于非工具性分析視角，創(chuàng)新思考塑造未來高等教育教學的宏觀趨勢，探索影響未來高等教育教學的關鍵技術和實踐，預測未來高等教育教學將面臨何種可能的發(fā)展場景。 美國高等教育信息化協(xié)會(EDUCAUSE)最近發(fā)布的《2022 年EDUCAUSE地平線報告(教學版)》(以下簡稱“報告”)，已成為各國政府預測未來高等教育教學高質量發(fā)展的重要參考。 報告采用改進的德爾菲法、預測方法、“STEEP 趨勢框架”，以及“設想替代未來”和“4 種場景原型”工具，呈現(xiàn)影響全球高等教育的15 種宏觀發(fā)展趨勢、6 項關鍵技術和實踐、4 種未來發(fā)展場景和7 個典型案例及其專家觀點(圖1)。 分析報告內容及其價值趨向有助于回應上述問題，有助于探知高等教育數字化轉型時期未來高等教育教學的宏觀發(fā)展趨勢、關鍵技術實踐和未來發(fā)展場景，在借鑒經驗的同時省察警示，從而有益于為我國高等教育數字化轉型和高質量發(fā)展制定前瞻性的戰(zhàn)略規(guī)劃。

圖1 《2022 年EDUCAUSE 地平線報告(教學版)》框架

一、塑造未來高等教育教學的宏觀發(fā)展趨勢

預測高等教育機構的未來及其實踐需關注更大的社會趨勢、經濟趨勢，以及全球社會正在發(fā)生的其他變化，這些趨勢和變化可能以多種深刻的方式影響高等教育。 為高等教育教學繪制未來發(fā)展藍圖，必須了解塑造全球高等教育教學的宏觀發(fā)展趨勢有哪些。 為此，報告采用改進的德爾菲法和“STEEP 趨勢框架”，從社會趨勢、技術趨勢、經濟趨勢、環(huán)境趨勢和政治趨勢等五個方面，描述了影響全球高等教育教學的宏觀發(fā)展趨勢(表1)。 與2021 年報告相同，疫情繼續(xù)成為2022 年地平線報告專家組討論影響高等教育教學發(fā)展趨勢的重要內容。 除疫情外，大數據和學習分析、網絡安全、政治意識形態(tài)等都將影響高等教育教學的未來發(fā)展。 值得注意的是:相比往年地平線報告，2022 年報告出現(xiàn)了許多新的宏觀發(fā)展趨勢，尤其是“技術趨勢”，包括學習分析和大數據、重構教學模式和網絡安全。

表1 塑造未來高等教育教學的15 種宏觀發(fā)展趨勢

(一)社會趨勢:混合學習、在線學習、基于技能的學習和遠程工作常態(tài)化發(fā)展

新冠肺炎疫情重塑了人們的生活、工作和學習方式，促使在線學習和遠程工作方式成為常態(tài)。 對許多高校來說，疫情防控期間采用的“應急遠程教學”模式將讓位于更加可持續(xù)和基于證據的混合教學和在線教學模式。 隨著高校領導者計劃加強教學資源和基礎設施建設，以及為新的混合和在線教學項目及課程提供支持，高校將專注于開發(fā)良好的混合和在線教學法，并在教學設計和教師專業(yè)發(fā)展領域投資額外的師資力量和服務。

混合學習和在線學習時代，大學生和終身學習者將更加關注實用、個性化和以技能為基礎的微認證課程。 這向各高校發(fā)出了一個信號，即高校需要調整其教育和業(yè)務模式，以便更好地適應學生需求與行業(yè)發(fā)展趨勢，為教育、培訓、再技能培訓和提高現(xiàn)有的與未來的勞動力技能，開發(fā)更具吸引力和靈活性、以技能為基礎的課程和微認證項目。

疫情防控期間，遠程工作正成為高校校園工作描述和合同的一部分，高校領導者必須重新思考高校文化和運營的重要方面，如員工的人際關系和團隊溝通、設施的使用、校園辦公室和辦公桌空間的使用，以及員工和教職工對設備和連接需求的培訓和支持。 堅持實施遠程工作模式的高校在吸引和留住人才方面將會比那些堅持全面回歸傳統(tǒng)校園運營的高校更有優(yōu)勢。

(二)技術趨勢:大數據和學習分析、多元教學模式和網絡安全的多重挑戰(zhàn)

疫情暴發(fā)以來，利用大數據提高學生成績和學習管理系統(tǒng)等服務的自動化程度的承諾一直吸引著許多高校領導者。 然而，大數據系統(tǒng)的實施并沒有給高校校園帶來太大變化。 高校收集了大量數據，但很少利用這些數據對學習結果甚至學習管理系統(tǒng)產生有意義的改變。 高校要想在學習分析和大數據方面取得進展，需要有成熟的、全校范圍內的數據挖掘戰(zhàn)略。 學習分析和大數據成功的障礙包括對學生隱私和公平的擔憂，缺乏教師支持，以及對員工和數據報告資源的投資。

為了適應不斷變化的形勢，高校正在構建新的教學模式。 高等教育數字化轉型時代，重構高校教學模式面臨的挑戰(zhàn)是教學模式相關概念的多樣性。 如混合彈性學習(HyFlex learning)、混合式學習(blended learning)、混合學習(hybrid learning)、翻轉學習(flipped learning)、同步學習(synchronous learning)、混合在線學習(hybrid online learning)和虛擬學習(virtual learning)等，這些都是高校不同部門和不同高校使用不同術語的例子。 對這些術語的混淆最終會給教師和學生帶來額外的障礙。

高校網絡安全攻擊的持續(xù)和迫在眉睫的校園網絡安全威脅是世界各地高校領導者面臨的主要挑戰(zhàn)之一。 目前很多高校仍在使用的傳統(tǒng)校園系統(tǒng)在設計時常常把安全性放在次要位置，致使新的校園網絡安全威脅不斷出現(xiàn)。 高等教育資金缺乏導致了預防網絡攻擊所需的人員和其他資源的資金不足。 疫情通過滲透校園的邊界，并創(chuàng)建無邊界的網絡，增加了高校的脆弱性。 隨著高校的安全漏洞被媒體曝光，學生和其他利益相關者對高校的信任正在減弱。

(三)經濟趨勢:大學學位成本和價值備受質疑、數字經濟與財政赤字的多重危機

由于世界各地的許多學生和家庭正經歷由疫情引起或加劇的經濟困難，傳統(tǒng)大學學位的投資回報正在并將繼續(xù)受到更加密切的關注。 高校教育及其業(yè)務模式將被迫朝著降低學生及其家庭成本負擔的方向發(fā)展，提供更靈活、模塊化和個性化的學習體驗和微證書。 大學的聲譽和“大學體驗”的承諾將不再足以吸引持續(xù)的入學人數和資金，與更大社會經濟體和勞動力需求的聯(lián)系將成為高校教育及其業(yè)務模式調整的主要影響因素。

全球在線網絡和網絡經濟的出現(xiàn)導致了學生個人和高校數字身份的形成和維護、數字數據和分析的指數增長，以及加密貨幣的出現(xiàn)。 隨著學生、教師和工作人員管理著日益復雜的數字身份和聯(lián)系，各高校將在網絡安全、端點檢測和應對社交媒體與錯誤信息的潛在負面影響方面面臨越來越多的挑戰(zhàn)。 這些數字身份和聯(lián)系，以及高校使用的在線和基于云的系統(tǒng)和解決方案的指數增長，將擴大高等教育的數據足跡，增加對數據分析人員的投資需求。

高校繼續(xù)面臨著學生入學率的波動和下降趨勢、通貨膨脹以及生活和學費成本上漲等威脅其財務穩(wěn)定的長期挑戰(zhàn)。 這些挑戰(zhàn)在可預見的未來也很可能繼續(xù)存在。 隨著疫情為經濟注入了前所未有的公共資金，各高校在關鍵需求領域得到了一些暫時的緩解。 但這些公共資金是專門用于最大限度地減少疫情對高等教育的影響。 利用這些資金招聘新員工或對技術和基礎設施進行長期投資的高校，未來幾年可能會面臨預算危機，因為這些公共資金開始減少，無法被新資金注入取代。

(四)環(huán)境趨勢:優(yōu)化物理校園結構、提高可持續(xù)發(fā)展目標和地球健康

疫情防控期間的“應急遠程教學”，以及隨后各高校在健康和安全條件面臨挑戰(zhàn)的情況下重返校園，要求改變校園的物理結構。 物理環(huán)境的初步改變包括增加遠程教學的新硬件和房間布局，改善空氣質量和社交距離空間，減少紙質講義等有形物品。 隨著高校繼續(xù)關注物理學習環(huán)境，未來的校園將需要設計來滿足比以往任何時候更多的學生需求。 高校領導者需要考慮新的挑戰(zhàn)，比如適應遠程學習者和工作者，整合所有人的基本無障礙需求，以及建設可持續(xù)校園的新的綠色計劃。

聯(lián)合國可持續(xù)發(fā)展目標(SDGs)影響了高校如何對未來校園進行戰(zhàn)略規(guī)劃。 高等教育在兩個領域為可持續(xù)發(fā)展目標的成功做出了貢獻。 首先，將可持續(xù)發(fā)展目標融入教學，讓學生能夠在個人和職業(yè)生活中為可持續(xù)發(fā)展做出貢獻。 其次，高校教師和學生開展的各種研究直接影響了可持續(xù)發(fā)展目標及其實際應用。 可持續(xù)發(fā)展目標呼吁更加開放和協(xié)作的科學，以更快地研究和解決下一代環(huán)境危機和人道主義危機。

氣候變化正成為許多高校和專業(yè)組織關注的中心問題。 近年來，惡劣天氣事件越來越頻繁地擾亂高校的日常運作。 這就需要高校采取新的方法來減輕天氣事件對學生生活和學習的影響，以及開發(fā)能夠更好地承受意外天氣事件的新系統(tǒng)。 高等教育者意識到其利用研究和教學來影響全球氣候的責任。 各高校正在發(fā)起媒體宣傳運動，向當地社區(qū)宣傳氣候變化的科學，包括阻止氣候變化的可行建議。 學位課程開始包括明確的氣候變化指導，讓學生更多地了解氣候變化對生態(tài)、社會和文化的影響。 高等教育專業(yè)組織和資助機構正在發(fā)布建議，甚至要求研究人員和教育者堅持綠色實踐，并將氣候變化納入推廣計劃和課程。

(五)政治趨勢:政治氣候、政治意識形態(tài)和高等教育公共資助減少的深刻影響

民族主義在世界某些地區(qū)的興起，以及擁護反對民主、科學和教育價值觀的民粹主義領導者的出現(xiàn)，促成了以分裂和沖突為特征的全球政治氣候。 在這種不穩(wěn)定的政治基礎上，疫情進一步擾亂了社會和經濟生活，使許多人不僅對高等教育的未來，而且對全球社會的未來感到不安和不確定。 對一些人來說，解決這種混亂和不確定性的辦法是反對高校及其所代表的科學探究、自由思想和教育的價值。 對另一些人來說，解決這種混亂和不確定性的辦法可能是放棄高等教育。

美國保守派和進步派之間的政治分歧差距正在擴大和加劇。 隨著個人和高校的身份越來越多地與政治派別糾纏在一起，高校的使命、資金、課程和教學也將越來越多地與政治派別糾纏在一起。 在那些有明確政治立場的高校，大學課堂充滿自由思想和公開辯論的教育場景，將讓位于討論受限、對合法知識和真理的定義狹窄的課堂。

疫情后，全球范圍內的教育預算可能會大幅削減。 所有高校都會感受到教育預算削減的影響，從教職員工的減少到課程設置的減少，以及財政援助和學生入學人數的下降。 許多受教育預算下滑壓力影響較大的高校將尋求其他資金來源，包括可能對高校政策、決策和學術活動產生影響的私人資金來源。

二、影響未來高等教育教學的關鍵技術與實踐

雖然報告中的關鍵技術和實踐似乎與2021 年報告非常相似，特別是兩年報告均側重于混合學習、微認證和學習分析，但過去的一年時間為地平線專家組成員提供了更多的經驗和見解。 在一些關鍵技術和實踐領域，專家組成員的關注點已經縮小到了2021 年只是籠統(tǒng)討論的技術或實踐的特定方面(如人工智能學習分析和人工智能學習工具)。 在其他關鍵技術和實踐領域，技術或實踐的重要性可能已經轉移，以滿足2021 年報告可能感覺不到的新需求。 例如，在2022 年報告對在線和混合學習的討論和評級中，專家組成員將“教師發(fā)展”和“混合學習空間”作為獨立的關鍵技術和實踐，而不是作為混合學習技術和實踐的子集(表2)。 通過兩年的加速數字化轉型，以及對學生在這些新型學習環(huán)境中需求的不斷理解，高校領導者和決策者現(xiàn)在可能比2021 年更有能力確定需要發(fā)展和投資的具體技術領域，以幫助將混合學習模式納入主流的高等教育實踐，并確保長期可持續(xù)性投資。 此外，在2022 年報告關于微認證重要性的討論中，專家組成員明確強調了高等教育的目標和工作與行業(yè)、勞動力需求之間的緊密聯(lián)系。

表2 影響未來高等教育教學的6 項關鍵技術和實踐

與以往報告一樣，針對高校在推進上述6 項關鍵技術和實踐時可能遇到的挑戰(zhàn)和好處，專家組成員主要從技術和實踐應用是否對學生和教師提出新的素養(yǎng)要求、技術和實踐的使用成本、教師與學生對技術和實踐的接受度、技術和實踐失敗的風險、技術和實踐對學習結果產生積極影響的潛力、技術和實踐解決公平和包容問題的程度等六個維度展開評估和分析(圖2)。 報告還提供了利用這6 項關鍵技術進行高等教育教學創(chuàng)新實踐的全球范例項目(表3)。

表3 影響未來高等教育教學的6 項關鍵技術和實踐及其范例項目

圖2 6 項關鍵技術和實踐與高等教育教學的相關性

(一)人工智能學習分析

人工智能賦能高等教育實踐的出現(xiàn)，是受到了最近幾次人工智能技術和能力重要轉變的推動。 首先，人工智能技術和能力已發(fā)生了重大變化，并將繼續(xù)發(fā)展和改進。 人工智能應用程序現(xiàn)在可以通過“深度學習”等技術，收集數據并生成自己的模型，進而學習和改進這些模型。 這些進步有望幫助高校更容易地洞察和處理他們收集和存儲的大量有關高校、學習和學生的數據。 其次，疫情防控期間高校對在線學習和遠程工作模式的“大轉向”，為許多高校引入了新的在線和基于云的人工智能應用和平臺。 隨著高校數字化轉型的持續(xù)加速，以及更多高校功能和服務轉向在線和基于云的人工智能應用平臺，高校的數字化數據倉庫將擴展。 數字化數據倉庫中數據的擴展將要求高校的人工智能技術和能力并行擴展，以組織和理解收集的數據，并有可能幫助高校推動決策，創(chuàng)造適應性和個性化的教育體驗。

報告突出強調了一些可能會阻礙高校實施有意義的人工智能學習分析的挑戰(zhàn):1)高校制度體系和文化。 “數據孤島”通常會導致高校運營效率低下、數據系統(tǒng)之間無法相互“對話”，錯失了有效利用集體數據以制定最佳決策的機會。 為避免“數據孤島”現(xiàn)象的產生，推動高等教育實際問題的解決，高?？赏ㄟ^提供跨系統(tǒng)集成且容易訪問的數據，重新培訓員工和領導者，提升高校運營效率。 2)道德與公平。 任何收集、分析和使用個人數據的實踐背后都隱藏著重要的倫理考量。 學習管理系統(tǒng)作為高校眾多數據源之一，收集了大量用戶數據。 但有關數據使用目的不明和隱藏的算法偏見等問題仍是影響學生數據公平使用的原因。

(二)人工智能學習工具

人工智能不僅僅是一種分析和理解數據的方式。 它在人們家庭、工作場所和社交空間中無處不在，幫助塑造人們的日常生活體驗，影響人們的行為和思維方式。 在機器學習和自然語言處理等領域進步的推動下，人們生活中許多人工智能驅動的元素正迅速成為人類體驗的自然組成部分。 因此，人工智能在校園和教室里同樣無處不在。 越來越多的學生在課堂上遇到的技術和工具將由高校日益成熟的人工智能能力提供支持，從而提升人工智能在高等教育中的地位，使其不僅僅是一種數據工具，更是學生在學習和成長過程中的伴侶和助手。

人工智能已經開始在學生校園和課堂體驗中發(fā)揮作用，報告強調了高校需要關注的三個挑戰(zhàn):1)提高學生成績。 人工智能可為學生提供自動化和響應性反饋工具，還可為學生提供定制的學習體驗和途徑，根據學生的學習成績、需求和偏好，調整課程、材料和評估內容。 2)改善學生學習體驗。 人工智能可以用來改進和構建現(xiàn)有的學習工具和經驗，還可以幫助創(chuàng)造更逼真的環(huán)境和體驗，并改善學生學習效果。3)為人工智能工具應用做好準備。 許多高等教育領導者、教師和學生可能尚未準備好接受人工智能驅動的學習體驗和工具。 人工智能驅動的學習工具是否以學生為中心? 是否會對學生學習產生不良影響?利益相關者對人工智能技術融入高校是否支持? 人工智能工具應用仍有許多問題亟待解決。

(三)混合學習空間

混合學習空間最依賴技術支持，因此對高校而言成本最高。 在許多情況下，混合學習空間需要大量投資于全新的設施，以及為現(xiàn)有教室配備更先進的音頻和視頻技術，以支持本地和遠程學生學習。 將混合學習納入主流的實踐向高校提出了更多關于高校文化、教育和教學模式方面的挑戰(zhàn)。 高校的混合和在線規(guī)劃與實施可能會受到不起作用的技術或不利于高?；旌辖逃砟畹目臻g阻礙。

報告強調了高校應重點關注的兩個挑戰(zhàn):1)技術。 混合學習技術的任何元素部署或使用不當，都可能會迅速破壞最佳混合學習效果。 此外，提升使用技術的人員能力與正確使用技術同樣重要。 過度依賴信息技術支持人員來幫助教師啟動和使用所需的技術，將導致信息技術支持缺口、信息技術員工過度工作等問題的產生，并降低教師使用技術的信心。 2)學習空間設計。 混合學習空間設計依賴于深刻的理論和教學思維與規(guī)劃。 有效地為混合教育設計學習空間不僅需要購買正確的技術或向教師和學生展示如何使用技術，還需要從業(yè)者投入時間，將其與教學聯(lián)系起來，以更好地滿足特定的教育目標和服務的學生。

(四)主流的混合和遠程學習模式

對高校來說，將混合和遠程學習模式“主流化”的實踐可能是最復雜和最具挑戰(zhàn)性的。 雖然混合學習空間的開發(fā)和提供混合教育方面的專業(yè)培訓都包括相對具體的行動和明確的結果，但將混合/遠程學習模式納入主流需要應對更為模糊的挑戰(zhàn)，即改變思想觀念、改變高校文化，以及重新思考教育實踐本身。 在疫情初期，高等教育和技術領導者轉向了“應急遠程教學”在線教學模式，而不是經過精心設計的在線教育計劃。 但隨著疫情的持續(xù)，教育工作者、學生和管理者需要更加適應在線學習模式，并將其作為一種長期能力。

報告為尋求將在線教育和混合教育長期納入主流教育模式的高校確定了三個挑戰(zhàn)。 1)學生和教師認同。 學生和教師必須相信并致力于在線教學和混合教學模式，以便其有效地成為主流教學模式。 2)更豐富的混合模式。 疫情暴發(fā)前，在線學習模式和面對面學習模式雖然有時在同一門課程中并存，但從理論上講，它們有著不同的教學框架和方法，彼此分離。 疫情防控期間的經驗表明，在線學習模式和面對面學習模式可以以更豐富、理論基礎更扎實的方式融合在一起。 3)公平教育。 在致力于將在線教育和混合教育主流化的高校中，教師和其他領導者必須考慮在線教育和混合教育主流化對學生公平獲得教育機會的影響。

(五)微認證

微認證是針對某一領域特定的技能或知識能力的認證，它并不是一個新的或開創(chuàng)性的概念。 隨著在線學習和混合學習能力的擴展，微認證和其他形式的技能認證可能會取代傳統(tǒng)大學學位，成為最普遍甚至最受歡迎的高等教育和培訓形式。 傳統(tǒng)大學學位的價值多年來一直在下降。 越來越多的學生和成年人質疑大學學位的內在價值及其對獲得好工作的重要性。 隨著上大學的成本不斷上升，學生和行業(yè)越來越重視技能和能力的獲得，而不是學位獲得，許多潛在的學生放棄傳統(tǒng)的高等教育途徑，轉向其他越來越有吸引力的選擇。 在傳統(tǒng)大學學位價值下降的同時，微認證和其他更小規(guī)模的認證以及基于能力的教育和培訓模式的價值和吸引力呈上升趨勢。

為確保未來微認證項目的成功，報告強調了高校應重點關注的兩個挑戰(zhàn)。 1)在線和混合能力。 將在線教學和遠程教學模式與微認證相結合，將產生高校所需的敏捷性和靈活性，為學習者提供模塊化、即時的培訓和再培訓機會。 2)與行業(yè)和勞動力需求的聯(lián)系。 以技能和能力為實踐重點的微認證項目可以幫助教師、學生和顧問在學生的課程目標與未來就業(yè)和成功所需的技能之間建立更清晰的聯(lián)系。

(六)教師混合和遠程教學專業(yè)發(fā)展

疫情早期，教師突然間毫無準備地進入了新的混合和遠程學習環(huán)境，被要求使用新的教學工具進行教學，并放棄在之前教學實踐中熟悉的教學空間和教學習慣。 隨著疫情持續(xù)，以及高校開始對混合/遠程教學項目進行長期規(guī)劃，學生對教師的期望也在不斷變化。 在遠程環(huán)境中學習更舒適的學生，對教師提出了更高期望，希望教師以深思熟慮的方式有效地提供混合式遠程學習體驗。 認證機構和資助機構已采取措施，對遠程教學實踐進行標準化并制定指導方針。

報告討論高校教師混合/遠程教學專業(yè)發(fā)展的實踐領域時，提出了高校需要重點關注的兩個挑戰(zhàn)。1)教師對學習的熱情。 將所有教師定性為抵制變革或技術文盲是不公平的。 2)更好的教學帶來的影響。 當地平線專家小組反思所有技術和實踐對學生學習結果的影響時，教師混合/遠程教學專業(yè)發(fā)展被認為是最有影響力的技術和實踐。 它還被視為風險和成本最低的實踐之一。 推動教師混合/遠程教學教師專業(yè)發(fā)展的動力并非僅僅來自高校內部。 隨著高校為其混合教育項目制訂正式的長期計劃，外部認證和資助機構將要求高校對教師的混合教學能力進行評估和改進。

三、預測未來高等教育教學的發(fā)展場景

地平線報告借助未來研究所的預測方法，從不同視角預測高等教育未來發(fā)展趨向，通過設想幾種不同類型的未來教育發(fā)展場景，以更好地預測高等教育未來發(fā)展的可能走向，并為之提前做好戰(zhàn)略規(guī)劃準備。 報告設想了2022—2032 年未來十年高等教育教學發(fā)展的四種可能場景(表4)。

表4 預測未來高等教育教學的4 種發(fā)展場景

(一)高等教育增長場景:高等教育得到某種程度的蓬勃發(fā)展，但關鍵問題未得到充分解決

疫情將世界帶入一個遠程專業(yè)和社會互動以及網絡經濟繁榮的數字時代。 社會和經濟的轉變促使高等教育領導者將混合學習和在線學習常態(tài)化，并擴大學習分析和大數據的使用，以幫助教育者在設計和實施在線和混合學習體驗時做出基于數據的決定。 各高校與政府和社區(qū)團體合作，在數字基礎設施和學生對設備和互聯(lián)網服務的訪問方面投資，確保學生茁壯成長。

高等教育領導者和利益相關者將受教育機會確立為一項基本權利。 高等教育全面采用數字技術進行教學和學習，并將正式教育和證書與新行業(yè)新工作所需技能相結合，為所有人提供公平的受教育機會。微認證項目已經成為學生從專業(yè)和技術學位到終身學習的標準，大多數高校都具有合適的技術和系統(tǒng)，以實現(xiàn)微認證項目目標和途徑的靈活性與模塊化發(fā)展。 人工智能技術可被用于高校系統(tǒng)和教學工具審查，使高校評估從關注學生缺陷轉向關注系統(tǒng)責任和改革。 學生、教師、員工和管理人員可以訪問關于自己學習和工作的個性化數據，基于個人績效目標產生見解。 這種更公平的利用人工智能的方法得益于開發(fā)人員在識別和糾正人工智能產品中長期存在的人類偏見方面的改進。 公平且高質量的數據訪問是產品開發(fā)的基礎。 但工作、學校和日常生活的混合和在線環(huán)境的主流化并不是對每個人有利，幾乎所有高校的實際人數都大幅減少，學生對宿舍、教室和其他設施的需求正在萎縮；各高校間的激烈競爭，使那些沒有投資在線能力和教學模式的高校迅速落后。

(二)高等教育約束場景:高等教育發(fā)展受到核心指導價值觀支配

隨著惡劣天氣事件和災難性火災的持續(xù)增加，以及重要自然資源持續(xù)短缺，新的社會和政治運動已經出現(xiàn)，以幫助改善地球健康。 高校越來越關注生態(tài)問題，高等教育領導者將高校目標、實踐和文化與改善地球健康的實踐相結合，提供明確服務于全球福祉的教育體驗。 各高校有效地運作，承擔責任，成為自然資源的良好管理者，教育學生成為致力于并有能力應對世界生態(tài)挑戰(zhàn)的全球領導者。

在高校運營層面，重點關注的是混合學習和遠程學習主流化發(fā)展，減少校園的物理足跡。 混合/遠程教學模式的廣泛使用導致用于建立和維護高校結構的物質資源大幅減少，日常旅行所需的自然資源和環(huán)境污染同步減少。 這種改變不再依賴傳統(tǒng)的實體學習空間，重新構想了學習環(huán)境和體驗。 教師專業(yè)發(fā)展和教學設計已經發(fā)展到專注于混合學習空間設計領域。 實踐者們專注于高質量遠程學習和混合學習的日常實施。 但混合教學模式對具有某些殘疾的學生和教師、需要動手實踐的學生提出了新挑戰(zhàn)。 此外，建立在跨學科知識和開源數據共享基礎上的合作研究已成為各高校的常規(guī)做法。 在設備和系統(tǒng)采購方面，高校很少投資于一次性產品、來自不可再生資源的物品，或由不遵守生態(tài)無害協(xié)議的公司提供的商品和服務。

(三)高等教育崩潰場景:高等教育受自身無法控制的變革力量困擾并遭受重創(chuàng)

世界各地日益加劇的政治分歧迫使高校宣布其對國家和全球政治運動的忠誠。 最初反對高等教育機構政治聲明的抗議浪潮已經平息，大多數高校沿著保守派和進步派的政治分界前進。 政治團體經常用負面新聞和社交媒體上的虛假信息攻擊高校，受政治利益驅動的不良行為者對高校的防御系統(tǒng)發(fā)起越來越復雜的網絡攻擊。

來自公共和私營部門的資金已經與政治聯(lián)盟結盟，高校的市場選擇和行為也是如此。 高校采購更加關注與供應商意識形態(tài)的一致性，而非關注產品和服務質量，這導致高校技術和基礎設施出現(xiàn)相當大的質量倒退，并阻礙了高等教育的技術成熟和發(fā)展。 同時，隨著大多數高校的教學充滿了政治意識形態(tài)，課堂內也能感受到這種變化。 政治化的教育模式限制了學生對實體教育機構的選擇，特別是在某種意識形態(tài)主導的地區(qū)。

盡管大多數高校實際上已經變得與世隔絕，人們擁有共同的、不容置疑的價值觀，但高校仍然容易受到地方、國家和全球社會和政治沖突的影響。 實體校園的安全性已大大降低，在更動蕩地區(qū)，實體校園經常成為當地抗議和政治暴力行為的目標，而虛擬校園則經常遭到政治反對派團體的黑客入侵和滲透。

(四)高等教育轉型場景:重構高等教育發(fā)展新范式

隨著世界工業(yè)需求的增長，教育領導者重新構想了高等教育的形式和功能。 現(xiàn)代大學學位課程和繼續(xù)教育之間不再有明確界限，因為項目和課程總體上反映了技術培訓和教育在更高層次、跨領域技能和任務上的更加平衡的融合，更好地適應了新興勞動力的需求。 高校幾乎已經放棄了傳統(tǒng)四年制和研究生院的學位獲得模式，轉而專注于為學生提供實用的、可定制的、持續(xù)的培訓和教育，使學生獲得理想工作所需的知識和技能。

傳統(tǒng)教育的許多學科都在萎縮，包括哲學和古希臘等領域的、與全球勞動力轉移和對專業(yè)人才需求無關的課程。 人工智能能力的顯著進展解放了工人，使他們能夠更專注于高階思維任務，同時也要求他們在機器學習和語言處理等新技術領域掌握技能。 這些轉變?yōu)楦咝Ｌ峁┝私逃团嘤柈斍昂臀磥硭璧墓と撕皖I導者的新機會，以及與行業(yè)合作伙伴直接合作的機會，以加強其未來的勞動力，并填補其領導者和員工當前或預期的知識和技能缺口。

高等教育領導者已經投資于滿足混合教育和在線教育模式所需的機構能力。 遠程學習和工作的普及使得作為用戶的個人能夠追求最適合自己目標的培訓和工作。 這些越來越有價值的學習體驗促進了傳統(tǒng)學位模式的轉變，使學生能夠隨時隨地追求適合其當前需要的微證書。 那些抵制變革、固守傳統(tǒng)教育模式的高校正在迅速喪失通向成功未來的機遇。

四、中國高等教育教學未來發(fā)展創(chuàng)新路徑

報告為高等教育數字化轉型時代中國高等教育教學完善高等教育數字化韌性生態(tài)系統(tǒng)、助推高校教師混合教學和遠程教學專業(yè)發(fā)展、構建高質量的微認證生態(tài)體系、優(yōu)化雙線融合教學模式提供了啟示與參考。

(一)優(yōu)化人工智能驅動的教育數字化轉型服務生態(tài)，完善高等教育數字化韌性生態(tài)系統(tǒng)，助推高等教育拔尖人才培養(yǎng)

學習分析、大數據、云計算等人工智能驅動的教育數字化轉型服務，能夠為高校學生提供智能化學習服務，可以規(guī)?；珳首R別不同學生的個性化教育需求，為其提供個性化學習模式和適切的學習工具支持。[3]但報告明確指出，人工智能學習工具雖然能夠助力個性化和創(chuàng)新型拔尖人才培養(yǎng)，但在具體實踐過程中仍存在制度與文化規(guī)范、道德與公平體系和學生個性化培養(yǎng)途徑方面的問題和挑戰(zhàn)。

要提升高等教育領域的拔尖人才培養(yǎng)質量，就要瞄準人工智能教育應用的定位，優(yōu)化人工智能學習工具驅動的教育服務生態(tài)，完善高等教育數字化韌性生態(tài)系統(tǒng)。 首先，在制定相關政策和文化標準方面，各部門要建立穩(wěn)固的合作關系，力求打破“數據孤島”現(xiàn)象，提高跨系統(tǒng)集成的數據運營效率；完善人工智能教育教學應用的發(fā)展規(guī)劃，研制人工智能技術規(guī)范，樹立人機協(xié)同共生的文化理念，構建最優(yōu)化的人工智能服務體系和數字化韌性生態(tài)系統(tǒng)。 其次，在建立道德與公平體系方面，要建立嚴格的審查機制，遵循科學的道德規(guī)范，鼓勵高校建立智能教育示范基地，借助人工智能設備的高效能問題處理方式，結合傳統(tǒng)培養(yǎng)方式的有效指導，為學生提供更加個性化和即時性的學習反饋，真正聚焦于創(chuàng)新人才培養(yǎng)的關鍵素養(yǎng)與核心能力。[4]同時要注意規(guī)避人工智能技術使用不當可能引發(fā)的倫理問題，警惕算法設計、開發(fā)過程中可能存在的偏見和歧視，完善監(jiān)督管理機制體系，保證人工智能教育應用的公平合理。[5]最后，在學生主體的個性化培養(yǎng)途徑方面，要培養(yǎng)學生對復雜系統(tǒng)的綜合判斷、分析和決策能力，鍛煉其高階思維和自主學習能力，通過體驗、情景呈現(xiàn)等形式培養(yǎng)學生自主、獨立、理解、建構知識的能力[6]；還要積極引導學生科學、高效地利用人工智能技術支持的各類智能應用，改善其學習體驗，提高其綜合素養(yǎng)。

(二)重構智能技術賦能高等教育的價值取向，構建教師專業(yè)發(fā)展與技術動態(tài)演進的共生關系，助推高校教師混合教學專業(yè)發(fā)展

疫情初期，教師在短時間內被迫開展“應急遠程教學”，在線教學能力成為教師必須具備的專業(yè)技能。[7]然而，在疫情常態(tài)化背景下，高校為混合教學項目制訂了長期計劃，教師所面臨的問題是廣泛且多元的，這勢必給教師教學能力帶來新挑戰(zhàn)，教師混合教學專業(yè)發(fā)展的重要性更加凸顯。 因此，需要重構智能技術賦能高等教育的價值取向，構建教師發(fā)展與技術演進的共生關系，將疫情防控期間教師專業(yè)發(fā)展的實踐智慧轉變?yōu)槿蘸罂梢砸姥牟僮鞣铰?，助推高校教師混合教學專業(yè)發(fā)展。[8]

疫情常態(tài)化對高校教師專業(yè)發(fā)展提出了新要求，倒逼高校從思想建設、環(huán)境設備、創(chuàng)新應用三個層面全方位發(fā)力，系統(tǒng)推進高校教師混合教學專業(yè)發(fā)展。 在思想建設層面，要充分利用智能技術幫助教師提升基礎理論知識，不斷深化教師的混合教育理念。 混合教學的根本目的是促進學生學習，要求教師在設計教學過程中突破原有模式，實現(xiàn)教學思維轉變。 以大數據、人工智能為代表的智能技術能夠為深度挖掘和解釋教師專業(yè)發(fā)展的本質規(guī)律和內在機理提供支撐，幫助其快速適應新的混合教學模式。 在環(huán)境設備層面，要融合多種智能技術全方位為教師賦能，保障教師的混合教學質量；充分利用學習分析技術、大數據、互聯(lián)網、人工智能技術等為教師混合教學專業(yè)發(fā)展創(chuàng)設新環(huán)境、提供新工具，如專業(yè)研修環(huán)境、教學實踐環(huán)境、教師發(fā)展評價工具、知識管理工具等。[9]在創(chuàng)新應用層面，要創(chuàng)新培訓模式，推動混合教學常態(tài)化發(fā)展。 在目標上，以學以致用、支持學生發(fā)展為導向開發(fā)教師培訓模式；在應用能力上，更多關注“做中學”“研中學”“例中學”，將新技術與培訓資源全方位融合，幫助教師加強“做中學”體驗；在資源提供上，要針對教師能力水平以及專項學習需求，為其推送適切的和豐富多樣的學習資源；在教學評價上，充分利用大數據與學習分析技術，以實現(xiàn)精準測評。[10]

(三)建立微認證項目準入機制，構建高質量教育微認證生態(tài)體系，實現(xiàn)微認證持續(xù)賦能高等教育教學

隨著高等教育成本不斷上升，以及學生和行業(yè)越來越重視技能而非學位，越來越多學生質疑大學學位的內在價值。[11]區(qū)別于傳統(tǒng)高等教育資格認證體系，微認證憑借其能力導向、面向需求、滿足個性、快速靈活等優(yōu)勢，可能成為高校未來戰(zhàn)略規(guī)劃的基本要素[12]。 繼2021 年之后，2022 年報告再次將微認證納入關鍵技術和實踐，并認為其將在提升學生專業(yè)能力水平、豐富人才資格認證體系及助推高等教育未來創(chuàng)新發(fā)展方面發(fā)揮重要作用。

若要構筑高質量教育微認證生態(tài)體系，實現(xiàn)微認證持續(xù)賦能高等教育教學，需從認證機構、認證內容、認證標準等三個層面進行系統(tǒng)規(guī)劃。 在認證機構方面，建立微認證項目認證和發(fā)布準入機制，確保微認證公信力。 公信力是微認證未來可持續(xù)發(fā)展的關鍵。 因此，需要權威教育組織或機構與知名社會企業(yè)協(xié)同開發(fā)微認證項目的質量評估標準、審查流程和評估工具等[13]，明確項目開發(fā)的準入條件與資質認證流程，從而構建微認證項目的準入機制。 在認證內容方面，針對學習者綜合性軟技能(如批判性思維、社會和情感能力等)，以及實踐性強的技術技能和素養(yǎng)開發(fā)微認證項目。[14]微認證項目開發(fā)要選擇低結構化、模塊化的適性資源，堅持簡單、適用、可遷移和易推送的原則，以滿足學習者個性化需求。 在認證標準方面，設計和制定透明、開放、易于理解的認證標準是微認證的核心。 微認證能力標準的制定既要基于學習者綜合性軟技能、專業(yè)技能和素養(yǎng)進行細化，又要對每個認證項目所必需的證據條件或行為特征進行明確規(guī)定，以確保認證標準設計的透明性與開放性，便于學習者理解與認證。

(四)優(yōu)化混合學習空間和混合教學模式，推動雙線融合教學模式常態(tài)化，實現(xiàn)高等教育教學創(chuàng)新融合發(fā)展

疫情防控期間的“應急遠程教學”并非經過深思熟慮的在線教學計劃，在實踐中暴露出情感交流障礙、臨場感不強、“屏對屏”式監(jiān)控不到位等弊端。[15]在此背景下，面向線上線下教育常態(tài)化融合發(fā)展的線上線下融合教學模式(Online Merge Offline，簡稱OMO)由此而生。 有別于傳統(tǒng)混合學習形式，OMO 教學模式借助智能技術賦能，打破了“線上教學”和“線下教學”的簡單堆砌，打通線上與線下、虛擬與現(xiàn)實物理學習場景中各種結構、層次、類型的數據，形成線上線下融合的場景生態(tài)。[16]因此，OMO 教學模式實施將在一定程度上挑戰(zhàn)現(xiàn)有高等教育系統(tǒng)，帶來諸如教師面臨著課堂教學生態(tài)系統(tǒng)變更、教學勝任力缺乏[17]，線上線下融合不足、學生線上學習參與度不足等問題[18]，從而可能會阻礙OMO 教學模式成為主流化教學模式。

為推動OMO 教學模式主流化，實現(xiàn)高等教育教學創(chuàng)新融合發(fā)展，需要從以下幾個方面入手。 首先，創(chuàng)建一體化無邊界的混合學習空間，打造OMO 教學生態(tài)環(huán)境。 高校要借助云計算、人工智能、網絡切片等技術，構建超高速、低時延、廣連接的5G 虛擬教育專網，創(chuàng)設一體化無邊界的OMO 混合學習空間和教學生態(tài)環(huán)境。 其次，提升教師教學勝任力，為“線上線下融合共生”提供人員保障。 教師在OMO 視域下的勝任力更加凸顯了各項教師核心能力之間的“融合性”，要求教師要充分運用互動生成的教學機制和教育智慧，在掌握各項新興技術的同時，提升資源設計能力、數據分析能力。 再次，高校領導者要充分發(fā)揮教育決策主體的主導作用，持續(xù)堅持線上和線下融合教育理念，形成育人共識的決策共同體，完善推進融合教育發(fā)展的保障制度。[19]最后，創(chuàng)新教學設計，充分利用OMO 教學模式。 教師可將“以教為主”和“以學為主”的教學設計進行有機結合，加強以學生為中心的、興趣驅動的知識建構性學習設計，實現(xiàn)多場景融合、個性化定制的教育與學習。

致謝:黃春雨(河南大學教育學部碩士研究生)、李蒲(河南大學教育學部碩士研究生)、張怡(河南大學教育學部碩士研究生)和郭倩(東北師范大學信息科學與技術學院博士研究生)四位同學為本文第一部分和第二部分提供了資料搜集和整理上的幫助，特致謝忱。