人工智能將帶來怎樣的學(xué)習(xí)未來

劉妍 胡碧皓 顧小清

【摘要】隨著人工智能技術(shù)的發(fā)展與大量教學(xué)理論的提出，研究者對未來學(xué)習(xí)圖景的素描也日趨多樣化和復(fù)雜化，智能技術(shù)正在將想象逐步變成可能。采用科學(xué)、有效的方法進行相關(guān)性研究將有助于我們了解這些圖景要素與目前學(xué)習(xí)現(xiàn)狀之間的相關(guān)性與差距，為研究者和實踐者提供基于數(shù)據(jù)證據(jù)的預(yù)測借鑒，以及為如何推動未來學(xué)習(xí)提供參考?；诖耍疚牟捎梦墨I計量法和質(zhì)性元分析方法對近十年內(nèi)未來學(xué)習(xí)研究相關(guān)的論文、報告、訪談、視頻以及項目資料等進行分析。研究結(jié)果發(fā)現(xiàn)：大多數(shù)未來學(xué)習(xí)主題研究主要采用德爾菲法、專家訪談法等質(zhì)性研究方法，持續(xù)性、規(guī)?；膫€性化未來學(xué)習(xí)發(fā)展調(diào)研相對較少;多數(shù)采用傳統(tǒng)研究方法解決未來研究問題，缺少未來研究方法論在教育領(lǐng)域的遷移;缺少教育相關(guān)領(lǐng)域?qū)＜液鸵痪€教學(xué)群體中的未來學(xué)習(xí)場景構(gòu)建。本研究綜合未來學(xué)習(xí)的質(zhì)性分析框架，結(jié)合目前未來學(xué)習(xí)所研究和預(yù)測的內(nèi)容，提煉和勾勒了從傳統(tǒng)規(guī)模化學(xué)習(xí)到大規(guī)模個性化學(xué)習(xí)的發(fā)展，從單一學(xué)科知識到綜合的跨學(xué)科能力發(fā)展，從傳統(tǒng)教學(xué)決策到數(shù)據(jù)驅(qū)動教學(xué)決策的發(fā)展的未來學(xué)習(xí)圖景，總結(jié)了人工智能技術(shù)如何影響和促進未來個性化學(xué)習(xí)，理清學(xué)習(xí)方法和環(huán)境、知識內(nèi)容和產(chǎn)生、智能技術(shù)和數(shù)據(jù)驅(qū)動的未來發(fā)展走向。

【關(guān)鍵詞】? 未來學(xué)習(xí);大規(guī)?；瘜W(xué)習(xí);個性化學(xué)習(xí);人工智能;未來研究方法論;數(shù)據(jù)驅(qū)動教學(xué)決策;綜合知識觀;質(zhì)性元分析

【中圖分類號】? ?G420? ? ? ? ?【文獻標(biāo)識碼】? A? ? ? ?【文章編號】? 1009-458x（2021）6-0025-11

一、問題提出

未來學(xué)習(xí)與未來學(xué)研究息息相關(guān)。作為一種前瞻性和創(chuàng)造性的研究手段，未來預(yù)測能夠從科技和社會發(fā)展動態(tài)出發(fā)，探討選擇、控制甚至改變和創(chuàng)造未來的途徑，以確定在當(dāng)前做出更好決策的方法（保羅·普林斯路， 等， 2020）。近幾年來，在教育領(lǐng)域運用未來學(xué)研究對學(xué)習(xí)方式、學(xué)習(xí)內(nèi)容以及學(xué)習(xí)場景等開展預(yù)測的研究發(fā)展報告紛紛出現(xiàn)。2009年，芬蘭國家教育委員會推出“2030年學(xué)習(xí)的未來晴雨表”，經(jīng)過多年的德爾菲法調(diào)研后，分別針對三類群體的訪談創(chuàng)建了五種未來學(xué)習(xí)場景，進一步關(guān)注教師和學(xué)生角色的變化，從學(xué)校和社會關(guān)系發(fā)展視角闡述了教與學(xué)發(fā)展的可能性。之后，新加坡政府提出“終身學(xué)習(xí)”“學(xué)習(xí)興趣”“公平教育”“母語學(xué)習(xí)”“未來教師”“跨學(xué)科能力”六個未來教育推進方向（Airaksinen， Halinen， & Linturi， 2017）。2018年，OECD啟動了《未來教育與技能2030》報告（The future of education and skills Education 2030）項目（Schleicher， 2019）。2019年，巴登-符騰堡州立合作大學(xué)發(fā)布了《未來技能：學(xué)習(xí)和高等教育的未來》報告（Ehlers & Kellermann， 2019），借助德爾菲法調(diào)研來自高等教育領(lǐng)域和人力資本領(lǐng)域的近50名專家的意見，從未來能力框架、未來學(xué)習(xí)和高等教育如何應(yīng)對未來人力資源和經(jīng)濟發(fā)展的需求等方面展開了討論，構(gòu)建了四個未來高等教育場景。2020年9月，OECD發(fā)布《回到教育的未來：學(xué)校教育的四種圖景》報告，從目標(biāo)與功能、組織與機構(gòu)、教學(xué)工作、政策與區(qū)域規(guī)劃、機遇與挑戰(zhàn)幾個方面，闡述了學(xué)校外延、教育資源外包、學(xué)校以學(xué)習(xí)為中心、無邊界學(xué)習(xí)的圖景?？梢?，未來學(xué)研究正在教育領(lǐng)域得到應(yīng)用，并且已經(jīng)能夠預(yù)測和提供相應(yīng)預(yù)案。

當(dāng)下，全球科技創(chuàng)新進入空前密集活躍的時期，人工智能技術(shù)呈現(xiàn)高速發(fā)展與高度融合態(tài)勢，以顛覆性技術(shù)創(chuàng)新帶動全面創(chuàng)新，并且積極預(yù)測和支持未來顛覆性技術(shù)發(fā)展，是推動人工智能技術(shù)與相關(guān)領(lǐng)域融合與發(fā)展的重要方面（孫永福， 等， 2019; 蔣鑫， 洪明， 2019）。AI賦能和AI增能的未來學(xué)習(xí)場景不斷被創(chuàng)造出來，沖擊著知識產(chǎn)生、學(xué)習(xí)方式變革和人才能力的訴求等多個方面（顧小清， 2021），學(xué)習(xí)評價、學(xué)習(xí)場景和組織形式都將發(fā)生改變。郭紹青（2019）認為未來社會是機器智能與人類智慧融合的智慧社會階段，未來學(xué)生的培養(yǎng)更加指向高階思維的發(fā)展，致力于培養(yǎng)學(xué)生的問題解決能力、創(chuàng)新能力和情感教育合作能力等。2019年，埃森哲在《人工智能技術(shù)驅(qū)動未來變革：人類和機器能否攜手解決教育危機？》中肯定了數(shù)據(jù)和人工智能的基本價值在于容納和解決未來教學(xué)方式和學(xué)習(xí)方式的多變性和個性化。OECD（2018）在未來學(xué)習(xí)預(yù)測報告中提出，未來學(xué)習(xí)并不是單純發(fā)生在學(xué)校，會延伸到家庭，延伸到社會的培訓(xùn)機構(gòu)，它一定是網(wǎng)絡(luò)空間和學(xué)校實體空間共生的一種學(xué)習(xí)模式。根據(jù)這些關(guān)于未來學(xué)習(xí)的可能性和“模樣”預(yù)測可知，新興技術(shù)在教育中的應(yīng)用將越來越復(fù)雜化、多元化，與目前學(xué)習(xí)現(xiàn)狀相比，未來學(xué)習(xí)將會是更加抽象、復(fù)雜的教育形態(tài)。

教育研究的開放性、未來性和多元化與技術(shù)不斷碰撞和融合，未來教學(xué)環(huán)境層出不窮，傳統(tǒng)意義的校園和教室教育已經(jīng)不再能夠滿足目前的學(xué)習(xí)需求，個性化的隨時隨地的信息獲取也已成為學(xué)習(xí)方式之一，這也使得人們不斷思索：什么是學(xué)習(xí)的未來？然而，目前關(guān)于未來學(xué)習(xí)的預(yù)測內(nèi)容更多偏重主觀推測和實踐經(jīng)驗。因此，了解教育形態(tài)中的要素在未來學(xué)習(xí)中的關(guān)系、規(guī)律，提供科學(xué)的推斷證據(jù)，為教育研究提供解釋現(xiàn)象、改進教學(xué)的依據(jù)，是未來學(xué)習(xí)研究中亟待解決的問題。針對以上疑問，本研究將采用文獻計量法和質(zhì)性元分析的方法，選取未來學(xué)習(xí)領(lǐng)域相關(guān)的文本、音視頻材料，對其未來學(xué)習(xí)預(yù)測的內(nèi)容進行框架概括和材料編碼，嘗試構(gòu)建未來學(xué)習(xí)圖景、闡述影響因素和發(fā)展趨勢，為研究者和實踐者帶來啟示和思考。

二、分析框架構(gòu)建

教育變革總是在不斷推進的，其結(jié)果是動態(tài)變化的，以學(xué)習(xí)者作為系統(tǒng)的中心，圍繞學(xué)習(xí)結(jié)果和課程設(shè)計的知識、技能、態(tài)度和價值觀也不斷發(fā)展，其與微觀系統(tǒng)中的課程內(nèi)容、學(xué)習(xí)材料等相關(guān)，同時也受到中觀和宏觀層面的影響。因此，設(shè)計和建構(gòu)一個合理的教育未來圖景，就必須全面了解影響教育的外部、內(nèi)部因素，并對其進行層次分析，梳理其內(nèi)在邏輯和重點關(guān)系鏈。從影響結(jié)果角度來看，影響因素涉及教育系統(tǒng)、教育的目的和培養(yǎng)目標(biāo)，以及教育機構(gòu)的組織形態(tài)等。從影響因素的屬性來看，分為內(nèi)在因素和外在因素。內(nèi)在因素體現(xiàn)在影響教育系統(tǒng)和組織的變量，如政策、課程和教育相關(guān)工作者。外在因素體現(xiàn)在教育系統(tǒng)之外影響教育發(fā)展的相關(guān)因素，如社會文化、經(jīng)濟和技術(shù)發(fā)展等（Zhao， 2019; 李爽， 等， 2020）。在系統(tǒng)動力學(xué)中，F(xiàn)ullan（2006）基于結(jié)果影響理論提出七大核心要素，包括關(guān)注動機、關(guān)注結(jié)果目標(biāo)的設(shè)計、學(xué)習(xí)內(nèi)容、投入反饋、學(xué)校和學(xué)區(qū)等學(xué)校環(huán)境。將上述要素轉(zhuǎn)換成具體的策略和行動，才有可能變革教育和學(xué)習(xí)成果，構(gòu)成教育生態(tài)系統(tǒng)。OECD提出的《未來教育和技能2030》發(fā)展報告（Schleicher， 2019）綜合以上七類關(guān)鍵因素建立起教育生態(tài)系統(tǒng)，分為三層：①微觀層，如教室場所，主要關(guān)注學(xué)習(xí)者動機、教師的個人知識與能力發(fā)展等;②中觀層，如學(xué)校場所，主要關(guān)注以教育結(jié)果為重點的能力建立、資源組織體系;③宏觀層，如政策、財政和人力資本、社會和文化等方面。生態(tài)系統(tǒng)理論認為：多重嵌套的環(huán)境系統(tǒng)會直接或間接地影響學(xué)習(xí)者;系統(tǒng)內(nèi)部結(jié)構(gòu)聯(lián)系越緊密，學(xué)習(xí)者的認知發(fā)展越順利;外部系統(tǒng)間接影響學(xué)習(xí)者的社交互動，甚至影響政策和群體穩(wěn)定性。同樣，教育生態(tài)系統(tǒng)更廣泛地由多個嵌套系統(tǒng)影響教學(xué)、學(xué)習(xí)過程和學(xué)習(xí)結(jié)果。從個性化學(xué)習(xí)模型視角來看，教育變革主要是為了提倡學(xué)習(xí)者參與設(shè)計與其學(xué)習(xí)過程相關(guān)的內(nèi)容和材料，鼓勵跳出固有的思維模式，影響因素更加偏重體現(xiàn)在學(xué)習(xí)環(huán)境、靈活的課程設(shè)計和自主的學(xué)習(xí)策略（Campbell & Robinson， 2007），以及學(xué)習(xí)者特征、個性化學(xué)習(xí)路徑、能力與知識掌握目標(biāo)和評估方面（Decker， 2014）。

綜合上述已知研究框架，本研究提出質(zhì)性分析框架，包含：①智能技術(shù)和教育數(shù)據(jù);②知識與技能培養(yǎng)，課程內(nèi)容與學(xué)習(xí)材料設(shè)計;③學(xué)習(xí)過程與方法，學(xué)習(xí)環(huán)境與角色變化。如圖1所示。

（一）智能技術(shù)與教育數(shù)據(jù)

探討未來學(xué)習(xí)，離不開技術(shù)與智能技術(shù)應(yīng)用的影響，《第四次教育革命》一書分析了人工智能技術(shù)價值及其對教育系統(tǒng)產(chǎn)生的不可避免的變革性影響（Seldon & Abidoye， 2018）。首先，智能技術(shù)的發(fā)展推動了知識內(nèi)容的更新和人才培養(yǎng)需求，重新定義了知識與能力的價值。教育與技術(shù)是一場博弈（Goldin & Katz， 2008; 顧小清， 2018），教育培養(yǎng)什么樣的人與技術(shù)發(fā)展息息相關(guān)，學(xué)習(xí)結(jié)果及其目的與智能技術(shù)并行。其次，從學(xué)習(xí)過程角度來看，技術(shù)影響著學(xué)習(xí)的方式、過程和實施。尤其是智能技術(shù)的推動，個性化學(xué)習(xí)的方式逐步普及，為變革教育過程提供了巨大的可能性（邁克爾·?；?， 肖俊洪， 2021）。學(xué)習(xí)是一種個性化的體驗，技術(shù)的價值在于能夠根據(jù)學(xué)生個性興趣、個人能力和需求量身而定的學(xué)習(xí)內(nèi)容、資源、策略路徑，既能提升學(xué)習(xí)者的好奇心與能力，降低輟學(xué)率和學(xué)習(xí)挫敗感，更重要的是幫助學(xué)習(xí)者學(xué)會學(xué)習(xí)，并培養(yǎng)自我調(diào)節(jié)能力和學(xué)習(xí)習(xí)慣等。智能技術(shù)能夠獲取學(xué)習(xí)者的個性化特征數(shù)據(jù)，根據(jù)其學(xué)習(xí)風(fēng)格、認知和能力情況制定知識內(nèi)容，開展精準(zhǔn)化的智能輔導(dǎo)，課程設(shè)置和教學(xué)方法都能根據(jù)學(xué)生的需要同步調(diào)整。埃森哲的報告《人工智能技術(shù)驅(qū)動未來變革》指出人工智能技術(shù)變革教育的場景之一，即映證技術(shù)對于教育變革的重要性：在線適應(yīng)性學(xué)習(xí)平臺通過人工智能技術(shù)提升個性化體驗，即人工智能技術(shù)能幫助了解特定學(xué)生是如何與平臺互動的，并為每個學(xué)生推薦正確的內(nèi)容，以確保學(xué)生的學(xué)習(xí)質(zhì)量。人工智能已經(jīng)被用作教育服務(wù)和課程設(shè)計的一部分。人類教師將越來越多地使用它，對學(xué)生的學(xué)習(xí)提供反饋，并支持其他“虛擬教學(xué)助理”應(yīng)用程序。它還可以用于精煉語言翻譯，以及幫助有視覺或聽覺障礙的學(xué)生訪問平臺。

（二）知識與技能

教育必須重新思考培養(yǎng)什么知識、技能和能力（Wagner， 2012），課程與知識的再設(shè)計與重組織更加需要凸顯未來學(xué)習(xí)的新屬性。新技術(shù)創(chuàng)造了新的機會，使傳統(tǒng)上被低估的知識、技能和能力凸顯更大價值。未來學(xué)習(xí)的目的將是培養(yǎng)學(xué)習(xí)者迎接和應(yīng)對新技術(shù)帶來的挑戰(zhàn)和機遇。21世紀(jì)技能框架要求未來學(xué)習(xí)者在掌握英語、數(shù)學(xué)、歷史等基礎(chǔ)知識之外，更加注重學(xué)習(xí)和培養(yǎng)創(chuàng)新能力、問題解決能力、溝通和協(xié)作能力等（Partnership for 21st Century Skills， 2008）。歐盟提出八項具體的未來知識、技能和態(tài)度細則，包括基本科學(xué)能力、信息素養(yǎng)、學(xué)習(xí)能力、表達能力和協(xié)作能力等（The European Parliament & The Council of the European Union， 2006）。這些技能、知識和專業(yè)知識也正是21世紀(jì)在工作和生活中取得成功所必須掌握的。未來知識學(xué)習(xí)體系也將契合培養(yǎng)目標(biāo)，注重基礎(chǔ)課程內(nèi)容和綜合能力知識框架的設(shè)計，構(gòu)建個性化和綜合性的課程內(nèi)容。

（三）學(xué)習(xí)過程與學(xué)習(xí)方法

圍繞未來學(xué)習(xí)過程與方法的構(gòu)想，學(xué)習(xí)策略、學(xué)習(xí)環(huán)境，以及學(xué)習(xí)過程中的參與者角色同樣會隨之發(fā)生變化。首先，在未來，教師的角色是提供足夠的和容易接近的情感、社交和認知以支持學(xué)生個性化學(xué)習(xí)體驗。指導(dǎo)建議是個性化學(xué)習(xí)的一個基本元素，幫助指導(dǎo)、激勵、促進學(xué)生學(xué)習(xí)。人工智能和教師可以并肩工作，使教學(xué)更有效。例如，機器翻譯可以用7，000多種現(xiàn)存語言中的任何一種來呈現(xiàn)世界上任何地方的內(nèi)容，極大地擴展了教師可獲得的材料的范圍。將基于人工智能的內(nèi)容管理系統(tǒng)與學(xué)生數(shù)據(jù)相結(jié)合，教師可以從全球數(shù)據(jù)庫中確定適合在課堂上使用的最佳材料和策略。教師使用AI來提供學(xué)習(xí)內(nèi)容，確保每個學(xué)生都能實現(xiàn)自己的個人學(xué)習(xí)目標(biāo)。人工智能可以幫助教師獲得針對特定學(xué)生的最佳資源和教學(xué)方法，從而最大限度地減少對其他低效的培訓(xùn)活動的需求，提高教師的績效。隨著適應(yīng)性學(xué)習(xí)的推進，個性化學(xué)習(xí)和自主學(xué)習(xí)逐步獲得支持。學(xué)習(xí)者將使用適合自己學(xué)習(xí)能力的定制化課程和項目，自定義學(xué)習(xí)進度和環(huán)境，培養(yǎng)復(fù)雜情境中的問題解決能力和協(xié)作能力等。靈活的學(xué)習(xí)體驗有助于彌補標(biāo)準(zhǔn)化學(xué)習(xí)模式的不足，也為學(xué)習(xí)者和教師提供“跳出框架思考”的機會，重塑學(xué)習(xí)方法和教學(xué)路徑。最后，新一代的學(xué)習(xí)生態(tài)環(huán)境的建構(gòu)正在突破固定場所和標(biāo)準(zhǔn)化知識學(xué)習(xí)的“束縛”，極大地豐富了學(xué)習(xí)內(nèi)容，延展了學(xué)習(xí)深度。事實上，在線學(xué)習(xí)可獲取的內(nèi)容和資源越來越豐富，學(xué)習(xí)者可隨時隨地選擇感興趣和必需的課程內(nèi)容，大大支持了未來自主學(xué)習(xí)和終身學(xué)習(xí)的普及。學(xué)習(xí)環(huán)境的顛覆還體現(xiàn)在人工智能技術(shù)的支持上，增強現(xiàn)實和虛擬現(xiàn)實環(huán)境模擬全新的沉浸式的學(xué)習(xí)環(huán)境，增加了學(xué)習(xí)者的投入度和媒體資源的體驗感。

綜上所述，本研究將從智能技術(shù)與教育數(shù)據(jù)、知識與技能、過程與方法三個層面具體展開，將三個維度的闡述內(nèi)容具體化為二級指標(biāo)，構(gòu)建未來學(xué)習(xí)圖景的編碼框架，為本研究的質(zhì)性分析提供理論依據(jù)。

三、研究過程

本研究綜合運用質(zhì)性分析法，回歸人工智能和學(xué)習(xí)的本質(zhì)，進行人工智能使能的規(guī)?；?、個性化學(xué)習(xí)研究，探究人工智能使能的人的學(xué)習(xí)以及學(xué)習(xí)的變革，表征未來個性化與規(guī)模化學(xué)習(xí)的圖景以及影響其發(fā)展的關(guān)鍵性因素，并為推進大規(guī)模教育中的個性化學(xué)習(xí)提供策略性建議。

我們的研究分為以下幾個步驟：①文獻檢索;②選擇符合條件的研究進行研究和元分析;③制定和應(yīng)用研究綜合的編碼方案;④制定和應(yīng)用元分析的編碼方案;⑤編碼數(shù)據(jù)分析。

（一）研究樣本的選擇

本研究采用判斷抽樣的方法，綜合考慮樣本的權(quán)威性和全面性，本研究將樣本確定為：①國內(nèi)外未來學(xué)習(xí)和教育發(fā)布的預(yù)測報告，如UNESCO、OECD發(fā)布的預(yù)測報告The future of education and skills Education 2030等;②有影響力的中英文期刊，如：Journal of Education for Teaching、European Journal of Education、Research in Science Education、European Journal of Teacher Education、The Internet and Higher Education、Futures等;③關(guān)于預(yù)測未來學(xué)習(xí)的書籍，如Schooling for Tomorrow Futures Thinking等;④領(lǐng)域?qū)＜业姆治鰣蟾婧蛯ｍ楉椖?，如Rethinking Education through Imagining Future Scenarios、The Millennium Project、德爾菲法百人教育家調(diào)研項目。在谷歌學(xué)術(shù)中輸入“future education”“future learning”“AI impacts personalize education”“未來教育”“未來學(xué)習(xí)”“未來個性化教育”“AI支持的未來學(xué)習(xí)”等相關(guān)關(guān)鍵詞，共搜集2010年到2020年刊發(fā)的168篇文獻，經(jīng)過篩選，排除無關(guān)和思辨類文章，最終選擇91篇研究文獻作為本研究的分析對象。

（二）編碼框架與編碼過程

為了進一步細化編碼方案，基于刻畫未來學(xué)習(xí)框架，本研究結(jié)合未來學(xué)習(xí)的理論框架形成對應(yīng)維度的細顆粒度的編碼框架，并將樣本屬性部分分為發(fā)表機構(gòu)與時間（OECD， 2020; Miller， 2018）、研究主題、研究階段、主要研究方法和工具、數(shù)據(jù)支持，如場景構(gòu)建（Ahmad， 2019）、德爾菲法（OECD， 2020）和社會科幻小說（Social science fiction）方法（Selwyn， Pangrazio， Nemorin， & Perrotta， 2020）。

根據(jù)維度的內(nèi)涵解析，將知識與能力維度細化為知識體系（Airaksinen， Halinen， & Linturi， 2017）、能力體系（OECD， 2020; Ahmad， 2019）、培養(yǎng)目標(biāo)（Pellegrino， 2017）、評價策略與標(biāo)準(zhǔn)（OECD， 2020）四類;將過程與方法維度細化為學(xué)習(xí)方法與途徑（Airaksinen， Halinen， & Linturi， 2017; OECD， 2020）、學(xué)習(xí)過程（OECD， 2020）、學(xué)習(xí)環(huán)境和場景（Ahmad， 2019）、學(xué)習(xí)者角色（OECD， 2020）、教師角色（OECD， 2020）、課程設(shè)計與資源（OECD， 2020）;智能技術(shù)解析后的二級維度包括人工智能技術(shù)（Singh， 2019; Goksel & Bozkurt， 2019; Pedro， Subosa， Rivas， & Valverde， 2019; OECD， 2020; Chrisinger， 2019; Kumar， 2019; Cox， et al.， 2019）和教育數(shù)據(jù)（Pedro， Subosa， Rivas， & Valverde， 2019;de la Higuera， 2019）;研究樣本屬性維度細化為發(fā)布機構(gòu)與時間（OECD， 2019; OECD， 2020）、研究主題（Airaksinen， Halinen， & Linturi， 2017; OECD， 2020）、研究階段（COX， et al， 2019; 等等）、研究方法和工具（Ahmad， 2019; 等等）。詳見表1。

（三）編碼框架與一致性

本研究對論文的編碼由兩位編碼員完成。兩位編碼員在充分理解編碼框架及編碼規(guī)則后開展背對背編碼，統(tǒng)計其編碼一致性為0.92，滿足質(zhì)性分析一致性的要求。之后，針對有異議的內(nèi)容，尤其是二級維度的內(nèi)容進行討論，達成一致后形成修訂后的編碼框架。

四、研究發(fā)現(xiàn)

（一）研究資料分布

未來學(xué)研究是一門綜合性學(xué)科研究，未來社會的發(fā)展變化必將影響教育的發(fā)展。未來學(xué)習(xí)和未來教育作為教育領(lǐng)域的未來研究內(nèi)容，近十年來受到國際教育組織和研究者的持續(xù)關(guān)注。未來學(xué)習(xí)研究的文獻發(fā)表數(shù)量見圖2。在2010年之前，關(guān)于未來學(xué)習(xí)的研究處于起步階段，在2014年、2017年和2019年呈現(xiàn)發(fā)文量峰值，出現(xiàn)了英特爾未來教育、信息技術(shù)、人工智能、教師培訓(xùn)、教育大數(shù)據(jù)、未來學(xué)習(xí)機制、未來教室，未來學(xué)習(xí)空間和學(xué)習(xí)科學(xué)等關(guān)鍵研究詞。

（二）研究主題和研究方法

本研究選用社會網(wǎng)絡(luò)分析軟件CiteSpace 進行關(guān)鍵詞共現(xiàn)分析，對一些關(guān)鍵詞經(jīng)常同時出現(xiàn)在同一篇文獻的現(xiàn)象進行分析。在圖3中結(jié)點間的連線反映關(guān)鍵詞間的共現(xiàn)關(guān)系。從關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可以看出與未來學(xué)習(xí)和未來教育相關(guān)的關(guān)鍵詞有學(xué)習(xí)過程、學(xué)習(xí)活動、虛擬學(xué)習(xí)環(huán)境、數(shù)字化學(xué)習(xí)、人工智能和學(xué)習(xí)空間。

進一步講，從文獻互引網(wǎng)絡(luò)分析可以看出與未來學(xué)習(xí)相關(guān)的關(guān)鍵詞有未來課堂、虛擬學(xué)習(xí)環(huán)境、智慧學(xué)習(xí)環(huán)境、人機交互、非正式學(xué)習(xí)和自適應(yīng)計算等（如圖4所示）。未來學(xué)習(xí)和教育的預(yù)測內(nèi)容關(guān)注了未來技術(shù)支持教育變革、未來高等教育預(yù)測、未來個性化學(xué)習(xí)（Airaksinen， Halinen， & Linturi， 2017）、未來學(xué)習(xí)能力培養(yǎng)和未來學(xué)習(xí)場景構(gòu)建內(nèi)容，與上述理論框架知識與能力、過程與環(huán)境、智能技術(shù)變革一致。

從研究方法和工具角度來看，根據(jù)文獻和調(diào)研報告的分析，我們發(fā)現(xiàn)研究方法有未來研究法、情境建構(gòu)、社會科幻小說法、案例研究法、問卷調(diào)查法、訪談法、德爾菲法，數(shù)據(jù)分析主要包括定量分析、定性分析和文獻分析。參見表1。德爾菲法是一種結(jié)構(gòu)化的決策支持研究方法，通過反復(fù)征詢專家觀點獲得見解?！扒ъ辍表椖繉θ蝽敿壗逃龑＜?13人進行長期訪談，統(tǒng)計了教育專家關(guān)于2030年預(yù)測內(nèi)容出現(xiàn)頻率在70%以上的六大維度，如適應(yīng)性的知識和學(xué)習(xí)、終身學(xué)習(xí)系統(tǒng)等。該項目搭建獨立的德爾菲平臺（https：//www.realtimedelphi.com/），能夠?qū)崟r收集和積累專家反饋，并且可以多次修改。社會科幻小說（Social science fiction）法的本質(zhì)是探索未來社會和未來技術(shù)。早在1975年，該方法就已經(jīng)被描述為直接從社會科學(xué)領(lǐng)域提取思想的寫作方式，用以闡明社會生活的多個方面，展示各種復(fù)雜關(guān)聯(lián)，如人與人之間的關(guān)聯(lián)，也包括時間、地點和其他事物之間的關(guān)聯(lián)等。在教育技術(shù)領(lǐng)域中，這并不是一類常見的研究方法，但是也有學(xué)者認為該方法是一種非常符合構(gòu)想未來的研究方法，能夠講述“不存在的故事”（Gerlach & Hamilton， 2003）。社會科幻小說可講述在當(dāng)代社會中與關(guān)鍵主題和思想相關(guān)的故事，能夠體現(xiàn)時代特色和文化屬性（Facer， 2011）。換言之，這樣的方法并不是單純對未來的幻想，而是根據(jù)現(xiàn)階段發(fā)展情況做出推斷，由此呈現(xiàn)矛盾沖突和辯論，為未來如何發(fā)展帶來一定思考或借鑒（Graham， et al.， 2019）。Selwyn等人（2020）曾采用社會科幻小說的方法來探索2030年數(shù)字技術(shù)在澳大利亞一所高中（湖畔中學(xué)）的使用，以及這對人們而言意味著什么。Selwyn等通過五部關(guān)于湖畔中學(xué)生活的社會科幻小說“小片段”的共同建構(gòu)，討論了21世紀(jì)20年代學(xué)校數(shù)字化和數(shù)據(jù)化的發(fā)展趨勢。未來場景規(guī)劃和構(gòu)建是未來學(xué)中常用的方法，《改變未來：預(yù)知21世紀(jì)》報告中第十二個案例“再思考亞太地區(qū)非正式教育的可持續(xù)發(fā)展”召集了40個相關(guān)領(lǐng)域?qū)＜蚁胂笪磥斫逃那榫常ㄟ^多輪迭代和討論重新思考教育（Miller， 2018）。這樣的場景構(gòu)建需要每一位專家對未來某一個階段進行快照式的想象，并描述該場景，這與動態(tài)的電影畫面不同，并不需要參與者擔(dān)心這些場景如何出現(xiàn)，以及為什么出現(xiàn)，從而盡可能地為參與者提供無限想象的空間。

（三）未來預(yù)測內(nèi)容分布

根據(jù)編碼框架，本研究進一步對91篇研究論文和報告進行內(nèi)容編碼，借助ATLAS.ti7軟件和可視化詞云軟件進行三重編碼以萃取最終的未來研究預(yù)測內(nèi)容和要素，建立編碼之間的關(guān)聯(lián)，進而對研究主題進行提煉。在瀏覽原始材料的過程中，初始形成11個開放編碼節(jié)點。開放編碼初始統(tǒng)計結(jié)果如表2所示。

根據(jù)對節(jié)點及文獻的分析，可知關(guān)于未來學(xué)習(xí)預(yù)測的內(nèi)容圍繞技術(shù)與教育數(shù)據(jù)、知識與技能、學(xué)習(xí)過程與方法展開。

1. 未來學(xué)習(xí)

從已編碼文獻和關(guān)鍵詞匯云可以看出，在未來學(xué)習(xí)中與學(xué)生相關(guān)的內(nèi)容主要是未來學(xué)習(xí)方式和學(xué)習(xí)環(huán)境的描繪，學(xué)生在未來學(xué)習(xí)中更加自由，移動學(xué)習(xí)和無縫學(xué)習(xí)將進一步實現(xiàn)，這超越了學(xué)生與物理空間、學(xué)生與家庭、學(xué)生與老師等實體和虛擬的邊界，未來學(xué)生與其他學(xué)生、領(lǐng)域?qū)＜摇⒄鎸嵨锢憝h(huán)境的交互也將更加頻繁。在未來技術(shù)的幫助下，學(xué)生學(xué)習(xí)的方式將會借助思維導(dǎo)圖等多種認知工具和各種通用的媒體捕獲與編輯工具（Burden & Kearney， 2016），學(xué)生也會因此得到更加及時的學(xué)習(xí)反饋。未來也將更加注重過程性評價或是形成性評價。此外，在及時反饋的推動下，學(xué)生學(xué)習(xí)知識和技能的速度也會加快，學(xué)生開始學(xué)習(xí)一些具有難度的學(xué)習(xí)內(nèi)容的年齡階段將發(fā)生前移。與如今的學(xué)生相比，未來學(xué)生將提前掌握更多的知識與技能。

與教師相關(guān)的主要是課程和資源的設(shè)計、學(xué)生能力培養(yǎng)和評價方式等方面的內(nèi)容。教師在未來學(xué)習(xí)中將進一步轉(zhuǎn)變成為監(jiān)督學(xué)習(xí)實踐和提供學(xué)習(xí)理論的指導(dǎo)者（Airaksinen， et al.， 2017; Snoek， et al.， 2003），而不是站在講臺上授課。課程的設(shè)計將更加考慮真實情境與人才目標(biāo)，教師培訓(xùn)將注重培訓(xùn)老師如何基于個性化學(xué)習(xí)指導(dǎo)方法設(shè)計課程材料，以設(shè)計符合個性化學(xué)習(xí)與教學(xué)要求的課程（OECD， 2020; Shaikh & Khoja， 2012）。學(xué)生不僅要學(xué)習(xí)知識與技能，還要注重問題解決、溝通、合作、和平解決沖突等方面能力的培養(yǎng)，以滿足未來市場的需求。在多種技術(shù)和數(shù)據(jù)的支持下，教師和學(xué)生的溝通將不僅僅發(fā)生在課堂，多種云端交流形式也將會出現(xiàn)。對學(xué)生的評價方式也將發(fā)生改變，期末考試將會取消，學(xué)完即測成為新的評價方式。學(xué)生的學(xué)習(xí)進度將依據(jù)每個學(xué)生的學(xué)習(xí)能力而不同，這將進一步實現(xiàn)自定步調(diào)的學(xué)習(xí)形式。

2. 智能技術(shù)與教育數(shù)據(jù)

智能技術(shù)與數(shù)據(jù)驅(qū)動將增能與賦能未來學(xué)習(xí)，使其無限“逼近”個性化的因材施教。從AI打造的學(xué)習(xí)環(huán)境來看，在實體物理學(xué)習(xí)環(huán)境中將利用多種復(fù)雜的技術(shù)設(shè)備來監(jiān)測學(xué)生實時的學(xué)習(xí)狀況，為學(xué)習(xí)提供技術(shù)支持，如攝像頭、可穿戴設(shè)備、學(xué)習(xí)分析技術(shù)等。一方面，適應(yīng)性學(xué)習(xí)為學(xué)習(xí)者帶來了未來因材施教的可能，但同時適應(yīng)性變革所需的學(xué)習(xí)者畫像、學(xué)習(xí)環(huán)境、學(xué)習(xí)內(nèi)容和學(xué)習(xí)方式需要數(shù)據(jù)技術(shù)的突破。數(shù)據(jù)作為學(xué)習(xí)者學(xué)習(xí)過程的“留痕”載體，為個性化的、系統(tǒng)支持的適應(yīng)性學(xué)習(xí)提供支持。打破傳統(tǒng)教學(xué)的單一知識與技能掌握模式，學(xué)習(xí)者基于自身原有知識經(jīng)驗，借助適應(yīng)性的技術(shù)系統(tǒng)和數(shù)據(jù)反饋，自我組織、自我選擇學(xué)習(xí)過程，充分考慮個體的特征，打破傳統(tǒng)學(xué)習(xí)的群體組織方式，將自己置于一個適應(yīng)性的數(shù)字化學(xué)習(xí)環(huán)境中。

3. 未來知識與能力培養(yǎng)

未來的課程設(shè)計與課程資源進一步凸顯綜合能力和需求個性化，將依據(jù)學(xué)習(xí)者的人才需求和培養(yǎng)目標(biāo)給學(xué)習(xí)者提供相應(yīng)的知識和技能，不再統(tǒng)一傳授完全一樣的知識與技能，并且課程的設(shè)計更加注重終身學(xué)習(xí)的理念，更多考慮真實情境與人才目標(biāo)。

未來的學(xué)習(xí)需要培養(yǎng)高階能力來適應(yīng)社會發(fā)展，這也是AI發(fā)展對于未來人才需求的影射（顧小清， 2021）。未來的能力培養(yǎng)和人才培養(yǎng)目標(biāo)與需求更加注重思維、素養(yǎng)和問題解決、創(chuàng)造、溝通、適應(yīng)、合作、危險處置等能力的培養(yǎng)，評價方式也隨之更加多元化。2019年“千禧年”（The Millennium Project）項目對2050年未來教育進行預(yù)測，提取了93條行動計劃和措施，包括未來教育的發(fā)展需要利用新的人工智能工具創(chuàng)建一個自主管理、自定步調(diào)和探究式的混合式學(xué)習(xí)系統(tǒng)，旨在培養(yǎng)創(chuàng)造力、批判性思維和溝通能力。未來，人工智能與人類的認知、社交和情感能力相結(jié)合，在及時反饋的推動下教育的目標(biāo)將逐步從掌握專業(yè)技能和知識向掌握個人技能、社會技能、學(xué)習(xí)技能（OECD， 2019， 2020; Scott， 2015）轉(zhuǎn)變。

4. 未來學(xué)習(xí)過程和方式

2019年，埃森哲在報告《人工智能技術(shù)驅(qū)動未來變革》中肯定了數(shù)據(jù)和人工智能的基本價值，即在于容納和解決未來教學(xué)方式和學(xué)習(xí)方式的多變性和個性化。在未來技術(shù)的支持下，基于位置的學(xué)習(xí)、移動學(xué)習(xí)、基于真實情境的學(xué)習(xí)、無縫學(xué)習(xí)將得到發(fā)展，學(xué)習(xí)方式和學(xué)習(xí)環(huán)境將更加智能和個性化。首先，未來學(xué)校里的分工會更加明確，并行于教學(xué)職能的教師之外，還會有更為專業(yè)的學(xué)習(xí)和教學(xué)數(shù)據(jù)分析師、學(xué)生情感交流輔導(dǎo)者。教師的時間將被釋放，在學(xué)習(xí)網(wǎng)絡(luò)中扮演共同學(xué)習(xí)者的角色，并以團隊的形式一起工作，承擔(dān)監(jiān)督和指導(dǎo)的任務(wù)（Snijders， 2018）。其次，動態(tài)的、無邊界的學(xué)校將會打破傳統(tǒng)知識傳授的圍界，利用網(wǎng)絡(luò)空間隨時隨地傳遞知識，逐步模糊正式學(xué)習(xí)和非正式學(xué)習(xí)間的區(qū)分，利用AI技術(shù)推動學(xué)習(xí)空間、物理環(huán)境和學(xué)習(xí)資源的發(fā)展。未來還將出現(xiàn)人工智能學(xué)伴，陪伴和支持學(xué)習(xí)者在校內(nèi)外開展學(xué)習(xí)（Luckin， 2016）。學(xué)校和教室等學(xué)習(xí)場所將發(fā)生變化，大學(xué)將依然存在，但是作用和地位有所降低，更加去學(xué)?；?，將會出現(xiàn)許多學(xué)習(xí)中心，為學(xué)生提供線下學(xué)習(xí)場地，學(xué)習(xí)的地點將更加開放，向社會化過渡，學(xué)校內(nèi)外將創(chuàng)建專用的空間，如博物館、農(nóng)場或動物園等，讓學(xué)生可以隨時進行學(xué)習(xí)與實驗（Leahy， 2019）。

五、勾勒學(xué)習(xí)的未來圖景

近年來，人工智能、大數(shù)據(jù)分析和深度學(xué)習(xí)、云計算等技術(shù)“井噴”式突破，促使智能技術(shù)在各個領(lǐng)域的運用不斷深化，與之相應(yīng)的面向信息化、網(wǎng)絡(luò)化、數(shù)字化和智能化手段變革未來學(xué)習(xí)的研究也不斷增多。通過對近10年的未來學(xué)習(xí)和教育的研究文獻和報告進行分析，我們發(fā)現(xiàn)未來研究已經(jīng)廣泛用于各個學(xué)習(xí)階段，并且AI技術(shù)和經(jīng)濟發(fā)展很大程度上影響了學(xué)習(xí)過程和環(huán)境，推動了知識內(nèi)容和資源呈現(xiàn)方式的變革。從預(yù)測領(lǐng)域和內(nèi)容來看，從單向媒體技術(shù)到虛擬和增強現(xiàn)實技術(shù)，從“死記硬背”知識到碎片化獲取信息，從工廠化學(xué)習(xí)到差異化和個性化學(xué)習(xí)，從單一學(xué)科能力到綜合素養(yǎng)，再到適應(yīng)性的終身學(xué)習(xí)，未來學(xué)習(xí)在方方面面都將發(fā)生變化。本研究綜合上述分析結(jié)論，從學(xué)習(xí)方式、能力培養(yǎng)和智能技術(shù)支持三個方面勾勒學(xué)習(xí)的未來圖景。

（一）從線下的傳統(tǒng)學(xué)習(xí)到混合式、個性化的大規(guī)模學(xué)習(xí)

一場新冠肺炎（COVID-19）疫情無疑深刻影響了我們傳統(tǒng)學(xué)習(xí)的方式，凸顯利用技術(shù)開展教學(xué)的必要性。正因如此，學(xué)習(xí)方式也“被迫”過渡到混合式的、規(guī)?；膶W(xué)習(xí)，學(xué)生將有更多的機會在不同的時間、不同的地方學(xué)習(xí)。數(shù)字化學(xué)習(xí)工具也為遠程自主學(xué)習(xí)提供了便利。目前視頻電話、在線教科書和預(yù)先錄制的講座作為傳統(tǒng)課堂的補充，彌補了黑板授課的不足。當(dāng)下的變革大多存在于高等教育和非正式學(xué)習(xí)階段，少見于幼兒園、K12階段。未來學(xué)習(xí)將在更大程度上強調(diào)學(xué)習(xí)空間和資源的開放性、適應(yīng)性和差異性。在未來，“免費”的學(xué)習(xí)機會隨處可見，這或許標(biāo)志著現(xiàn)有課程結(jié)構(gòu)的衰落和學(xué)校制度的瓦解，知識成為社會性概念，知識產(chǎn)生于共享的經(jīng)歷。以智能技術(shù)支持的個性化學(xué)習(xí)有可能滿足每一位學(xué)習(xí)者的需求，更是在體量上能夠支持大規(guī)模學(xué)習(xí)者的個性化教與學(xué)過程。

從當(dāng)前的班級制標(biāo)準(zhǔn)化教育到實現(xiàn)隨時隨處隨需的個性化教育，“適應(yīng)性”得以實現(xiàn)的程度取決于標(biāo)準(zhǔn)化課堂中教學(xué)關(guān)系的破壞創(chuàng)新程度。由于人工智能將被用于自動化生產(chǎn)過程，我們可能需要重塑現(xiàn)有的教育機構(gòu)。2020年，Kaltura公司（全球開源視頻公司）對1，400名教育工作者的調(diào)查結(jié)果顯示，他們中大多數(shù)人表示未來的教室將采取以自定步調(diào)和個性化學(xué)習(xí)為中心的學(xué)習(xí)方式。未來學(xué)習(xí)將允許學(xué)生根據(jù)個人興趣選擇他們自己的學(xué)習(xí)節(jié)奏和學(xué)習(xí)目標(biāo)，也可以由人工智能、智能輔學(xué)機器人等引導(dǎo)完成相關(guān)選擇。AI將在教育領(lǐng)域識別學(xué)生知道什么或不知道什么，然后為每個學(xué)生推薦個性化的課程，也就是說，規(guī)?；膫€性化學(xué)習(xí)有可能逐步開展。

（二）從單一學(xué)科知識的培養(yǎng)到綜合能力的提升

隨著人工智能的發(fā)展與融合，社會對人才的需求呈現(xiàn)出多元化趨勢，而人才的綜合素質(zhì)與學(xué)生發(fā)展緊密相關(guān)。教育領(lǐng)域的知識觀呈現(xiàn)由單一向綜合發(fā)展的趨勢，這一視角下的適應(yīng)性學(xué)習(xí)也因此呈現(xiàn)由結(jié)構(gòu)化知識掌握到綜合素養(yǎng)發(fā)展的趨勢。人工智能在教學(xué)和知識開發(fā)中的潛力將是無限的。未來知識的獲取和掌握將是多元的和跨學(xué)科的。把知識和技能分開是不可能的，重要的是要認識到它們的區(qū)別及相互依存性。人工智能系統(tǒng)可以很容易地獲取和處理知識，迅速地建立知識體系的大量表象，這些表象可以被用來幫助我們發(fā)展知識和學(xué)習(xí)事實。傳統(tǒng)課堂中“題海戰(zhàn)術(shù)”優(yōu)化策略，旨在通過做題來評估、診斷學(xué)習(xí)者知識狀態(tài)，以提高學(xué)習(xí)者在結(jié)構(gòu)化知識點上的掌握水平，是適應(yīng)性目標(biāo)的下限，也意味著對單一知識的掌握。綜合能力作為適應(yīng)性學(xué)習(xí)的目標(biāo)，對應(yīng)于未來社會對人才全面發(fā)展的需求，將通過診斷學(xué)習(xí)者在擬真問題解決情境中的多模態(tài)行為數(shù)據(jù)評估其素養(yǎng)發(fā)展水平，并據(jù)此提供適合其認知發(fā)展及情感適應(yīng)性的發(fā)展路徑，是適應(yīng)性目標(biāo)的上限。

未來學(xué)習(xí)需要培養(yǎng)高階技能適應(yīng)未來社會發(fā)展的需求（顧小清， 2021）。在人工智能時代，社會對人才的需求呈現(xiàn)出多元化與精益化的發(fā)展趨勢?，F(xiàn)代社會是流動的、開放的、充滿不確定性的，未來人類需要在更復(fù)雜的情境中完成更多非常規(guī)的認知任務(wù)，這就需要綜合運用各類知識與技能，個體也將在技能、態(tài)度、情感與價值觀等的養(yǎng)成與取向上接受考驗。要建立人才培養(yǎng)與勞動力市場需求之間正向的反饋循環(huán)關(guān)系，逐步化解未來技能需求和能力培養(yǎng)差距的問題。

（三）從傳統(tǒng)教學(xué)決策和場景到AI技術(shù)和數(shù)據(jù)驅(qū)動的適應(yīng)性評價

實現(xiàn)大規(guī)模、公平化和個性化的學(xué)習(xí)是一直追求的目標(biāo)，需要識別和發(fā)現(xiàn)學(xué)習(xí)者的個性特征。過去，由于缺乏獲取和分析信息的手段與方法，數(shù)據(jù)是在周期性、階段性的評估中獲得，凸顯的是群體水平，詮釋的是宏觀教育狀況，缺乏對學(xué)習(xí)者的特點和個性差異的了解，無法為其提供支持性學(xué)習(xí)服務(wù)。而教育大數(shù)據(jù)具備數(shù)據(jù)量大、產(chǎn)生速度快、數(shù)據(jù)多樣的特點，正好適應(yīng)了個性化和人性化的學(xué)習(xí)變化，從而推進傳統(tǒng)教學(xué)評價和決策走向依賴數(shù)據(jù)的精準(zhǔn)評價和診斷。在大數(shù)據(jù)時代，教育過程中的一切行為都可以轉(zhuǎn)化為教育大數(shù)據(jù)，數(shù)據(jù)的產(chǎn)生完全是過程性的，于是有可能去關(guān)注每一個個體學(xué)生的微觀表現(xiàn)。有效、全面、精準(zhǔn)的學(xué)習(xí)評價是構(gòu)建適應(yīng)性學(xué)習(xí)服務(wù)的前提條件。

人工智能技術(shù)和教育數(shù)據(jù)在教育服務(wù)提供和課程設(shè)計中有著不可低估的潛力和價值。隨著數(shù)據(jù)的積累，人工智能在教育中的應(yīng)用很可能會經(jīng)過三個階段直至成熟穩(wěn)定。在第一階段，學(xué)生數(shù)據(jù)收集不足將會限制機器學(xué)習(xí)，人工智能硬件成本仍然很高，學(xué)生將被限制使用原始的自適應(yīng)學(xué)習(xí)工具，教師也只能主要根據(jù)他們的輸入來獲取內(nèi)容，而且學(xué)生的數(shù)據(jù)也非常有限。在第二階段，技術(shù)強化的教室為大規(guī)模人工智能應(yīng)用奠定了基礎(chǔ)。數(shù)據(jù)隱私政策和人工智能的進步將促進更全面地收集學(xué)生數(shù)據(jù)以改善教育，而不斷下降的人工智能硬件成本將推動人工智能的廣泛使用。教室將配備視頻和音頻采集設(shè)備、手寫識別工具，并可能與現(xiàn)有的可穿戴技術(shù)相結(jié)合，以支持對學(xué)生和教師的行為和互動進行分析。因此，學(xué)生將獲得更多由人工智能推薦的復(fù)雜作業(yè)和補充內(nèi)容，以補充課堂學(xué)習(xí)，教師則可以利用更大的數(shù)據(jù)集以及實時分析，為學(xué)生創(chuàng)造更個性化的學(xué)習(xí)體驗。在第三階段，將建立起一個互聯(lián)的教育平臺提供相關(guān)服務(wù)，這將極大地改變學(xué)習(xí)體驗?；趯W(xué)生的數(shù)據(jù)和人工智能的強大基礎(chǔ)，加上支持的技術(shù)進步，將進一步加速人工智能的使用。

綜上所述，本研究通過對未來學(xué)習(xí)和未來教育的文獻和報告進行梳理，對影響未來學(xué)習(xí)發(fā)展的因素進行理論構(gòu)建，勾勒了從線下的傳統(tǒng)學(xué)習(xí)到混合式的大規(guī)模學(xué)習(xí)、從單一學(xué)科知識到綜合跨學(xué)科能力、從傳統(tǒng)教學(xué)決策到數(shù)據(jù)驅(qū)動適應(yīng)性診斷三個方向的學(xué)習(xí)未來圖景，期望能夠為我國研究者和實踐者提供關(guān)于未來學(xué)習(xí)方向的參考和借鑒。也許，我們可能無法精準(zhǔn)預(yù)測未來學(xué)習(xí)究竟會是什么樣子，但是我們已經(jīng)注意到AI正在提供助力。在后續(xù)的研究中，研究團隊將繼續(xù)關(guān)注未來研究方法論的應(yīng)用，一方面從AI專家、教育管理和決策者、企業(yè)和一線教師的視角描繪未來學(xué)習(xí)圖景，另一方面聚焦人工智能增能的學(xué)習(xí)場景，利用社會性研究方法探討學(xué)什么、向誰學(xué)、如何學(xué)等具體問題。

[參考文獻]

保羅·普林斯路，莎倫·斯萊德，默罕默德·哈利勒，肖俊洪. 2020. 生態(tài)系統(tǒng)觀視角下的學(xué)習(xí)分析[J]. 中國遠程教育，41（4）：1-11，76.

顧小清. 2018. 破壞性創(chuàng)新：技術(shù)如何改善教育生態(tài)[J]. 探索與爭鳴：8，34-36.

顧小清. 2021. 當(dāng)現(xiàn)實逼近想象：人工智能時代預(yù)見未來教育研究[J]. 開放教育研究，27（1）：04-12.

郭紹青. 2019. “互聯(lián)網(wǎng)+教育”對教育理論發(fā)展的訴求[J]. 華東師范大學(xué)學(xué)報（教育科學(xué)版），37（4）：25-37.

蔣鑫，洪明. 2019. 從“NSTC規(guī)劃”到“CSIS規(guī)劃”：美國人工智能賦能教育的顛覆與創(chuàng)新[J]. 中國遠程教育（7）：27-37.

李爽，李夢蕾，趙宏. 2020. 在線課程質(zhì)量觀和質(zhì)量要素的質(zhì)性研究——基于專家、實踐者和學(xué)習(xí)者的視角[J]. 中國遠程教育（3）：42-50，81.

邁克爾·桑基，肖俊洪. 2021. 構(gòu)建技術(shù)促進學(xué)習(xí)生態(tài)：如何恰當(dāng)搭配技術(shù)？[J]. 中國遠程教育（3）：24-35，60，76-77.

孫永福，王禮恒，陸春華，等. 2018. 國內(nèi)外顛覆性技術(shù)研究進展跟蹤與研究方法總結(jié)[J]. 中國工程科學(xué)，20（6）：14-23.

Ahmad， T. （2019）. Scenario based approach to re-imagining future of higher education which prepares students for the future of work. Higher Education， Skills and Work-Based Learning， 10（1）， 217-238.

Airaksinen， T.， Halinen， I.， & Linturi， H. （2017）. Futuribles of learning 2030-Delphi supports the reform of the core curricula in Finland. European Journal of Futures Research， 5（1）， 2.

Burden， K.， & Kearney， M. （2016）. Future Scenarios for Mobile Science Learning. Research in Science Education， 46（2）， 287-308. doi：10.1007/s11165-016-9514-1

Campbell， R. J.， & Robinson， W. （2007）. Personalised learning： Ambiguities in theory and practice. British Journal of Educational Studies， （2）， 135.

Chrisinger， D. （2019）. The solution lies in education： Artificial intelligence & the skills gap. On the Horizon， 27（1）， 1-4.

Cox， A.M.， Pinfield， S. and Rutter， S. （2019）， “The intelligent library： Thought leaders views on the likely impact of artificial intelligence on academic libraries”， Library Hi Tech， 37（3）， pp. 418-435. https：//doi.org/10.1108/LHT-08-2018-0105

Decker， S. （2014， October 20）. Personalized learning： A working definition. Education Week. Retrieved November 24， 2020， from https：//www.edweek.org/ew/collections

de la Higuera， C. （2019）. A report about Education， Training Teachers and Learning Artificial Intelligence： Overview of key issues. Retrieved November 24， 2020， from http：//cdlh7.free.fr/UNESCO/Teaching_AI-cdlh.pdf

Ehlers， U. D. & Kellermann， S.A. （2019）. Future Skills： The future of learning and higher education. Karlsruhe. Retrieved November 23， 2020 from https：//www.learntechlib.org/p/208249/

Facer， K. （2011）. Learning futures： Education， technology and social change. Taylor & Francis.

Fullan， M. （2006）. The future of educational change： System thinkers in action. Journal of educational change， 7（3）， 113-122.

Gerlach， N.， & Hamilton， S. N. （2003）. Introduction： A history of social science fiction. Science Fiction Studies， 161-173.

Goksel， N.， & Bozkurt， A. （2019）. Artificial Intelligence in Education： Current Insights and Future Perspectives. In S. Sisman-Ugur， & G. Kurubacak （Eds.）， Handbook of Research on Learning in the Age of Transhumanism （pp. 224-236）. Hershey， PA： IGI Global

Goldin， C.， & Katz， L. F. （2008）. The race between education and technology. Cambridge， MA： Harvard University Press.

Graham， M.， Kitchin， R.， Mattern， S.， & Shaw， J. （Eds.）. （2019）. How to run a city like Amazon， and other fables. Meatspace Press.

Kumar， S. （2019）. Artificial intelligence divulges effective tactics of top management institutes of India. Benchmarking： An International Journal， 26（7）， 2188-2204.

Leahy， S. M.， Holland， C.， & Ward， F. （2019）. The digital frontier： Envisioning future technologies impact on the classroom. Futures， 113， 102422.

Luckin， R.， Holmes， W.， Griffiths， M. & Forcier， L.B. （2016）. Intelligence Unleashed： an argument for AI in Education. London： Pearson

Miller， R. （2018）. Sensing and making-sense of Futures Literacy： towards a Futures Literacy Framework （FLF）. In Transforming the Future （Open Access） （pp. 39-74）. Routledge.

OECD （2018）. The future of education and skills： Education 2030， The future we want. Paris： Author. Retrieved November 24， 2020， from https：//www.oecd.org/education/2030/E2030%20Position%20Paper%20（05.04.2018）.pdf

OECD （2019）. “Play！”， Trends Shaping Education Spotlights， No. 18， OECD Publishing， Paris. Retrieved November 24， 2020， from https：//dx.doi.org/10.1787/a4115284-en

OECD （2020）.Back to the Future of Education： Four OECD Scenarios for Schooling， Educational Research and Innovation， OECD Publishing， Paris， https：//doi.org/10.1787/178ef527-en

Partnership for 21st Century Skills. （2008）. Mission： Twenty First Century Children. Retrieved November 24， 2020， from http：//www.21stcenturyskills.org/index.php？option=com_content&task=view&id=188&It emid=110

Pedro， F.， Subosa， M.， Rivas， A.， & Valverde， P. （2019）. Artificial intelligence in education： Challenges and opportunities for sustainable development. Retrieved November 24， 2020， from http：//repositorio. minedu.gob.pe/bitstream/handle/MINEDU/6533/Artificial%20intelligence%20in%20education%20challenges%20and%20opportunities%20for%20sustainable%20development.pdf？sequence=1&isAllowed=y

Pellegrino， J. W. （2017）. Teaching， learning and assessing 21st century skills. in Pedagogical Knowledge and the Changing Nature of the Teaching Profession， OECD Publishing， Paris， http：//dx.doi.org/10.1787/ 9789264270695-12-en

Schleicher， A. （2019）. The Future of Education and Skills： Education 2030. Retrieved November 24， 2020， from https：//www.oecd.org/education/2030/E2030%20Position%20Paper%20（05.04.2018）.pdf

Scott， C. L.（2015）. The Futures of learning 2： what kind of learning for the 21st century？ Education， research and foresight： working papers. In.

Seldon， A. & Abidoye， O. （2018） The Fourth Education Revolution： Will Artificial Intelligence liberate or infantilize humanity？ The University of Buckingham Press.

Selwyn， N.， Pangrazio， L.， Nemorin， S.， & Perrotta， C. （2020）. What might the school of 2030 be like？ An exercise in social science fiction. Learning， Media and Technology， 45（1）， 90-106.

Shaikh， Z. A.， & Khoja， S. A. （2012）. Identifying measures to foster teachers competence for personal learning environment conceived teaching scenarios： a Delphi study. In Proceedings of the 13th annual conference on Information technology education （pp. 127-132）. ACM.

Singh， A. （2019）. AI： Next Gen Education a Step Ahead. Journal of Industrial Relationship， Corporate Governance & Management Explorer （e ISSN 2456-9461）， 2（3）， 55-57.

Snijders， D.， Duin， P.， Marchau， V.， & Doorn， G.V. （2018）. Scenarios for ICT-related Education： A Qualitative Meta-analysis. Journal of Futures Studies， 23， 13-28.

Snoek， M.， G. Baldwin， P. Cautreels， T. Enemaerke， V. Halstead， G. Hilton， T. Klemp， et al. （2003）. “Scenarios for the Future of Teacher Education in Europe.” European Journal of Teacher Education. 26（1）：21-36. doi：10.1080/0261976032000065616

The European Parliament and the Council of the European Union. （2006）. Recommendations of the European Parliament and of the Council of 18 December 2006 on Key Competences for Lifelong Learning （2006/962/EC） （Official Journal of the European Union. 30.12.2006）.

Wagner， T. （2012）. Creating innovators： The making of young people who will change the world. New York： Scribner.

Zhao. Y. （2019）. The Future of Education： 2030. In： Yu S.， Niemi H.， Mason J. （Eds） Shaping Future Schools with Digital Technology. Perspectives on Rethinking and Reforming Education. Springer， Singapore.

收稿日期：2020-11-30

定稿日期：2021-03-13

作者簡介：劉妍，博士后;胡碧皓，碩士研究生;顧小清，博士生導(dǎo)師，教授。華東師范大學(xué)教育信息技術(shù)學(xué)系（200062）。

責(zé)任編輯 郝 丹