“教”與“學”新興技術的發(fā)展狀況與啟示

武小鵬

摘 要：新興技術作為推動教育變革的關鍵因素之一，正在顛覆性地改變“教”與“學”的傳統(tǒng)模式。地平線報告作為全球總結教育成就、展望教育發(fā)展的權威報告之一，為教育的發(fā)展提供了清晰的路線圖。美國高等教育信息化協(xié)會（EDUCAUSE）發(fā)布的《地平線報告：教與學版》中，總結了“教”與“學”的新興技術，分別為自適應學習技術，人工智能與機器學習，學生成功學習分析，教學設計、學習工程和用戶體驗設計，開放的教育資源，擴展現(xiàn)實技術。通過詳細梳理和深入分析不同技術應用情況，并對其實踐狀態(tài)進行了對比分析，得出“接受并認同新型技術對‘教’與‘學’的重要性成為當下之所需;超前規(guī)劃與部分試點成為新興技術引入的合理途徑;‘教’與‘學’的新興技術要特別注意隱私、數(shù)據(jù)安全與倫理道德等問題”的啟示。

關鍵詞：地平線報告;教與學;新興技術;教育技術

隨著大數(shù)據(jù)時代的到來，人類快速進入了第四次工業(yè)革命時期，教育與機器的關系發(fā)生了根本性的變革，機器成為人類社會發(fā)展的重要組成部分，人工智能成為催生教育結構變革最根本的力量[1]。近年來，《地平線報告》為教育技術的發(fā)展提供了一個清晰的框架，該報告成功地將軟件開發(fā)、硬件制造和出版商聯(lián)系在一起，以描繪學習、教學和創(chuàng)新的新興技術藍圖[2-3]。教與學的新興技術包括自適應學習技術、人工智能與機器學習、學生成功學習分析、教學設計、學習工程和用戶體驗設計、開放的教育資源和擴展現(xiàn)實技術。這6種新興技術在未來高等教育教學中將起到引領作用。教育界普遍認為技術不會對學習產(chǎn)生重大影響，只有當它嵌入支持學習者和教師的框架時，才會發(fā)揮重大作用。因此，新興技術在教與學中的應用，是技術促進教育變革的最直接和最根本的立足點。本研究通過梳理以上6種新興技術，提煉出不同技術發(fā)展的特點，并對這6種技術從投入成本、教師接受度、風險、學習影響和支持平等與包容五個方面做了對比分析，對新興技術發(fā)展遇到的挑戰(zhàn)和面臨的問題進行了剖析，試圖為教育技術快速穩(wěn)定的發(fā)展提供

參考。

一、“教”與“學”中的新興技術

1.自適應學習技術

自適應技術在教育中得到了廣泛的應用，它已經(jīng)成為一套重要的教育技術輔助工具，服務于廣泛的個性化學習教育實踐。該技術從學生學習和成功的角度戰(zhàn)略性地重新審視課程，為學校提供更多的學習機會[4]。自適應技術與個性化學習、自適應學習有著密切的關系，自適應技術由可購買或構建的數(shù)字化平臺和應用程序組成。個性化學習作為一種通用的教學實踐，旨在使課程更精細地適應學習者的需求。自適應學習是個性化學習的一種形式，其中自適應技術起到了關鍵作用[5]。

2.人工智能與機器學習

埃拉娜·澤德（Elana Zeide）將人工智能（AI）定義為“試圖創(chuàng)建只能通過人類認知才能完成以前可能做的事情的機器”[6]。希思·耶茨（Heath Yates）和克雷格·張伯倫（Craig Chamberlain）將機器學習（ML）描述為“教機器以學習無須明確編程的知識”[7]。ML通過機器的重復記憶學習，而AI則是指機器可以智能地執(zhí)行任務的廣義概念。AI與ML在學校學習管理系統(tǒng)（LMS）、學生信息系統(tǒng)（SIS）、辦公效率應用程序、圖書館和招生服務、自動字幕系統(tǒng)以及移動產(chǎn)品等方面得到了普遍的應用。盡管AI尚未實現(xiàn)自我意識（即自主操作的能力），但它能夠支持通常由人類處理的低階過程和重復性認知任務[8]。此外，這些系統(tǒng)中的許多程序都可以隨著時間的推移進行“學習”，從而提高其準確性、速度和保

真度。

3.學生成功學習分析

學習分析是在簡單的學習評價基礎上產(chǎn)生的對學生全面預測和定位的過程，目前的學生成功分析技術基于學生學習過程中產(chǎn)生的大數(shù)據(jù)，對學生的分析更加精細，預測更加準確。在過去的十年里，教育研究的使命、愿景和戰(zhàn)略規(guī)劃都集中在促進學生成功的高影響力實踐上。測量、收集、分析和報告學生進步數(shù)據(jù)的工具催生了“學生成功學習分析”（learning analytics for student success）這個領域的迅速發(fā)展。用于學習分析的基礎數(shù)據(jù)包括課程級數(shù)據(jù)，例如從學習管理系統(tǒng)（LMS）收集的評估分數(shù)，以及存儲在學生信息系統(tǒng)、注冊記錄、金融系統(tǒng)和機構研究單位中的機構級數(shù)據(jù)。使用分析來支持招生和一般的學習進步的案例已有很多，但在分析評估學生的學習成果和學生個人的成功方面的實踐還很少，這種情況隨著新技術的發(fā)展正得到改善。

4.教學設計、學習工程和用戶體驗設計

教學設計作為教學論中一個成熟的名詞，隨著技術的發(fā)展正在被賦予新的意義。這種設計不僅在于線下教學，還包括線上網(wǎng)絡教學。教學設計的角色已經(jīng)超越了標準的課程設計和開發(fā)，得到了持續(xù)發(fā)展和專業(yè)認可。項目管理、學習分析、教育研究、教師指導與協(xié)作以及更多的額外職責提高了教學設計師的專業(yè)身份和專業(yè)知識[9]。新的方法、過程和學術工作正在教學、學習和技術社區(qū)中涌現(xiàn)，如學習體驗設計師（LXD）和學習工程師等。這些職業(yè)都成為各自領域中有力的變革推動者，因為它們在與教師、學生和員工的合作中體現(xiàn)并促進了以學生為中心的包容的思維模式。教學設計生態(tài)系統(tǒng)可以包含許多角色，所有這些角色的最終目的都是促進學生在學習上的成功[10]。

5.開放的教育資源

聯(lián)合國教科文組織（UNESCO）對開放教育資源（OER）的定義是為教學而設計的可供教師、學生免費使用的各種材料[11]。它是學生在學習過程中反復使用的免費學習材料，具體可以理解為在開放的學習環(huán)境下允許他人對其共享的學習資源加以應用和探究，使學習者獲取個性化的學習資源成為可能[12]。開放性學習資源使得學習形式發(fā)生了改變。學習不再受時間、空間等的限制，學習隨處、隨時都可以發(fā)生，讓碎片化的學習成為學習的一種主流方式。

6.擴展現(xiàn)實（XR）技術

擴展現(xiàn)實（XR）是一個綜合術語，指的是物理環(huán)境與虛擬環(huán)境的混合，或提供完全沉浸式虛擬體驗的環(huán)境。最常見的兩種技術是增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）。AR用虛擬內(nèi)容覆蓋物理對象和地點，而VR通常是一種更沉浸式的體驗，包括在完全虛擬的環(huán)境中操作和與虛擬對象的交互。最常見的是通過耳機提供身臨其境的體驗，但增強現(xiàn)實通常只需要智能手機。另一種XR是全息技術，通過全息技術將物體成像為三維圖像，例如3D打印就是用各種技術和材料在三維空間中復制實際物體。

二、“教”與“學”的六種新型技術運用分析

1.自適應學習技術

（1）自適應技術與學習資源整合

教育技術研究的共識是技術本身并不能產(chǎn)生更好的學習效果。只有當技術整合到學習資源的使用過程中才能發(fā)揮應有的作用。如在亞利桑那州立大學的自定進度的代數(shù)課程中，整個自適應教學系統(tǒng)與“延展學習”的創(chuàng)新資源相結合，學生的成績合格率從2015年的54%提高到了84%。自適應技術也可以使課程內(nèi)容腳本化，從而為學生提供與他們課程直接相關的教學資源。在佛羅里達大學，學生練習的類型取決于他們的整個學習過程，會為不同專業(yè)的學生匹配不同背景的解決方案。自適應技術與學習資源的整合，使得學習更加具有針對性，極大地提高了學習的效率。

（2）自適應技術與學習計劃融合

自適應技術的使用需要形成一個完整的學習體系，包括資源庫的建設、教職員工的培訓、硬件設備的支持等。如美國亞利桑那州立大學將布魯姆分類法的底部兩層（記憶和理解）確定為學生可以在上課前在自適應系統(tǒng)中進行學習的領域。然后，使用翻轉模型，教師可以專注于其余四個級別（應用、分析、評估和創(chuàng)建），并基于主動學習過程來組織課堂活動。這樣極大地利用了課程資源，有效地將自適應技術融入學生的學習計劃中。

（3）自適應技術與教師角色發(fā)展

傳統(tǒng)的教學注重照顧學生整體，教師成為教學內(nèi)容的主宰者。然而，自適應技術輔助下的學習更加注重學生的個性化發(fā)展，教師角色也從教學內(nèi)容的演講者向主動學習的引領者和服務者轉變。自適應系統(tǒng)通過向學生提供在線教學資源，并向教師提供他們需要的知識數(shù)據(jù)，以使教師成為更明智的教練和顧問，從而使教師角色的改變成為可能[13]。

2.人工智能與機器學習

AI與ML在教與學中的應用正在興起，如LMS可以識別和標記那些存在學術風險的學生。其中AI技術包含了測量學生表現(xiàn)指數(shù)的算法，并生成定期的、自適應的學習路徑，使得每個學生都能獲得適合他們需要的教學體驗，并利用學生數(shù)據(jù)，基于績效指標做出智能干預。猶他州立大學還開發(fā)了人工智能語音輔助技術，幫助殘疾人教師在學習空間內(nèi)控制教學技術。與此同時，賓夕法尼亞州立大學利用ML算法來預測學生的成績。該大學開發(fā)了一個模型，利用SIS的數(shù)據(jù)，包括成績單數(shù)據(jù)和入學申請信息，預測算法可以幫助大學管理部門識別出可能存在高學術風險的學生，從而提前制定干預策略?？梢?，未來AI和ML在教與學中的應用將更加深入，還有很大的潛力可以挖掘。

3.學生成功學習分析

（1）學生的早期預警與主動擴展

教師對學生成績的提升壓力越來越大，使用分析作為早期預警和主動拓展的工具正變得至關重要。例如加州大學伯克利分校（University of California at Berkeley）的伯克利在線咨詢項目（Berkeley Online advisory project）[14]和加州大學歐文分校（University of California， Irvine）的COMPASS項目[15]都是為學術顧問設計的學習分析工具。這些工具為指導老師提供了信息，使他們能夠在個別學生成績沒有達到標準的情況下積極主動地進行拓展和干預。這兩種工具都代表了校園內(nèi)部數(shù)據(jù)創(chuàng)建的解決方案，能夠維護數(shù)據(jù)完整性，并允許機構根據(jù)學生的獨特需求創(chuàng)建解決方案。這些解決方案可以使用獨特的跨功能數(shù)據(jù)，使得分析更加全面真實。

（2）學生自我反饋的學習分析

隨著學生學習成功分析的發(fā)展，為學生提供自我反饋的學習分析應用程序也變得越來越普遍。通過這種分析工具，學生能夠以富有洞察力和易于理解的可視化方式來訪問和跟蹤個人數(shù)據(jù)，從而為學生的成功提供一個模型。例如，愛荷華大學（The University of Iowa）部署的面向學生的分析儀表板“成功的要素”（Elements of Success）。獲取匯總數(shù)據(jù)和策劃可視化的能力，使學生能夠更好地衡量他們的進展，并激勵他們在沒有取得關鍵成果時采取行動[16]。

（3）學習分析的跨機構合作

學習分析的成功依賴于幾個相互關聯(lián)的因素，包括領導力支持、對學生成功的共同愿景、機構內(nèi)的交叉合作、相關政策的提供以及支持跨功能數(shù)據(jù)的技術的協(xié)調(diào)。這就要求跨機構的合作，形成一個學習分析系統(tǒng)，以共享數(shù)據(jù)和資源。例如南非五所大學聯(lián)合開發(fā)的Siyaphumelela項目，他們有相似的共同目標，從而提高機構收集和分析學生數(shù)據(jù)、信息技術系統(tǒng)、學術發(fā)展、規(guī)劃機構內(nèi)部學術部門的能力，以增加學生的成功機會[17]。盡管如此，用于學習分析的數(shù)據(jù)并不能提供影響學生成功的全套信息，數(shù)據(jù)經(jīng)常缺失對學習影響最大的因素，如家庭責任或工作安排等。

4.教學設計、學習工程和用戶體驗設計

（1）教學設計師與學習路徑的多樣化選擇

教學設計師（LD）正在從服務、支持的角色轉變?yōu)閷W習經(jīng)驗設計的重要合作者，其影響超出了在線學習和校園課程。LD擅長如ADDIE和綜合課程設計，他們在學生如何學習方面擁有專業(yè)知識[18]。一個典型的教學設計工具箱充滿了創(chuàng)造性的策略和方法，基于證據(jù)的教學策略，以學生為中心的活動，穩(wěn)健的評估計劃，以及在教學中使用技術的創(chuàng)新方法。與教師合作是教學設計生態(tài)系統(tǒng)的核心，LD評估學生的學習方式、衡量用戶體驗、將設計思維應用到課程開發(fā)中，并向教師提供新的基礎數(shù)字技能，其最終目標是為所有學生創(chuàng)造有意義的學習體驗[19]。

（2）學習工程生態(tài)系統(tǒng)與技術的融合

在設計思維、用戶體驗（UX）方法、系統(tǒng)設計、學習科學的進步和學習分析的影響下，學習工程技術正在迅速發(fā)展[20]。它關注于工程方法如何為學習技術和相關架構提供信息和改進。它帶來了一種新的系統(tǒng)思考方法和更好的工具，來衡量學習在數(shù)字空間中是如何、在何處以及在多大程度上發(fā)生[21]。如卡內(nèi)基-梅隆大學（Carnegie Mellon University）“西蒙計劃（Simon Initiative）”的目標是通過數(shù)據(jù)創(chuàng)建、學習理論的應用和支持學習的技術設計的連續(xù)反饋循環(huán)來提高學生的學習成果。這樣的項目擴展了理解技術如何影響學習以及如何更好地設計工具和課程以達到預期的學習效果的能力。

（3）學習體驗師與虛擬現(xiàn)實

用戶體驗、設計思維和認知心理學與教學系統(tǒng)設計的結合催生了學習體驗設計（LXD）[22]。

學習體驗促進以學生為中心的精神，并更好地理解學生體驗的整體[23]。LXD可將翻轉課程游戲化，創(chuàng)建虛擬學習環(huán)境以及設計和開發(fā)在線課程。例如滑鐵盧大學擴展學習中心（CEL）的學習用戶體驗設計（UXDL）項目。UXDL蜂巢框架用來通知和指導教學設計決策，為學習者創(chuàng)造有價值的在線學習體驗。UXDL將認知心理學領域的理論和證據(jù)編織到設計過程中[24]。

教學設計、學習體驗設計和學習工程的提升將繼續(xù)重塑在教育中教學的方式。隨著教學設計生態(tài)系統(tǒng)和整個學生體驗之間的更深層次的聯(lián)系，教學設計師可以為學習者帶來新的知識、觀點和創(chuàng)新。教學設計師已成為教育中強大的變革力量，使教師和管理人員更接近包容性設計和以學生為中心的實踐。這些新的教學設計實踐（學習體驗設計和學習工程）與教學設計方法的融合，促進了教與學的巨大變革。

5.開放的教育資源

開放的學習資源為學習提供了一個獨特的視角，正在塑造全球運動的各項努力。例如，喬治梅森大學（George Mason University）開發(fā)了一個名為“MOM”的OER元爬蟲（Mason OER Metafinder），它允許教師在各種學科和國際索引中搜索開放資源。明尼蘇達州立大學（Minnesota State University）啟動了Z-Degree項目[25]，旨在將課程材料成本降至零。EdTech Books提供了一個開放的教科書目錄，可以在發(fā)行平臺上輕松地直接編輯，極大地簡化了采用和修訂過程。開放教材網(wǎng)絡包括120個附屬成員校園和組織，促進與OER有關的教育機會、認證和其他利益。

盡管OER提供了明顯的優(yōu)勢，但挑戰(zhàn)依然存在。仍然有73%的學生和56%的教師從未聽說過OER[26]。此外，“OER”經(jīng)常與“電子教科書”和訂閱數(shù)據(jù)庫混為一談。其中一個重要問題就是檢索和定位針對性的資源，同時資源的結構性失調(diào)也是面臨的重要問題，這些資源針對高入學率、低學制的本科通識教育課程資源較多，在高等教育和研究生水平上缺乏OER。資源的針對性也是一個值得思考的問題，教師可能需要額外的時間來重復使用、修改、組合以適應自己的教學方法。

6.擴展現(xiàn)實（XR）技術

目前雖然XR還存在一些設備成本高、創(chuàng)建內(nèi)容復雜等問題，但XR作為一種學習工具，在教與學領域對XR的探索顯露出巨大的潛力和優(yōu)勢，已經(jīng)解決了許多課程面臨的困難和挑戰(zhàn)。例如利茲大學在醫(yī)療保健方面的XR工作不僅為數(shù)百名學習者提供了學習安全實踐技能的機會，還使他們能夠在《歐洲共識聲明》的準則下，使用沉浸式技術解決有關牙科教育中的問題。

XR為殘疾學生提供新的訪問方式。XR作為一種輔助工具，為殘疾學生提供了許多學習便利。例如內(nèi)華達大學雷諾分校（University of Nevada Reno）為一名患有腦癱的學生提供了XR體驗，讓他感覺自己在走路[27]?；F盧大學（University of Waterloo）為那些無法在不平坦的地形上進行1.5公里徒步旅行的學生設計了一個360 VR實地旅行[28]。加洛德大學（Gallaudet University）則主要面向聾人和聽力障礙學生的學生嘗試VR技術，以發(fā)明更有效的方法來校準新的助聽器。

XR增強了傳統(tǒng)教學的有效性。XR的恰當使用可以擴大傳統(tǒng)的教學形式，增強教學的有效性。例如萊頓大學（Leiden University）的兩個項目——增強醫(yī)學（AugMedicine）和急救護理課程（emergency care curriculum）——加強了傳統(tǒng)教學方法，填補了“理論與實踐之間的空白”。學習急救護理的學生經(jīng)常“在第一次遇到危重病人時感到不知所措”，但是使用模擬技術可以增強學習者的自信心，使他們能夠將學到的技術應用到實際的緊急情況中，從而在理論和實踐之間提供一個重要的跳板[29]。同樣，利茲大學的工作并沒有取代實際的臨床經(jīng)驗，而是增加了完成任務的時間，使他們能夠從實習和工作中獲得更多的經(jīng)驗。

XR提供了強大的學習虛擬體驗。在過去三年中，EDUCAUSE研究發(fā)現(xiàn)，XR可以有效地支持基于技能和能力的教學方法。它可以擴大動手學習經(jīng)驗的范圍;同時XR可以為學習者提供豐富的共同創(chuàng)建課程內(nèi)容的學習經(jīng)驗[30]。例如，在加州州立大學圣貝納迪諾分校（California State University， San Bernardino），沉浸式媒體與學習實驗室（Immersive Media & Learning Lab）使學生能夠與教師合作，創(chuàng)建XR內(nèi)容。該實驗室最近創(chuàng)建了一個擴展現(xiàn)實生產(chǎn)證書，其中可以包含一個創(chuàng)業(yè)課程，以幫助學生建立第一個XR初創(chuàng)企業(yè)，為學生的發(fā)展提供了有效的平臺[31]。

三、不同新興技術的實踐狀態(tài)對比分析

新興技術突飛猛進的增長，使得各行各業(yè)都發(fā)生了翻天覆地的變化，教育領域也發(fā)生著技術推動下的教育變革。眾所周知，技術是一把雙刃劍，它帶給人們便利的同時，也帶來了許多問題。教育領域缺乏“數(shù)據(jù)驅動的思維（Data-driven mind-set）”是目前面臨的主要障礙[32]。除此之外，新興技術在教育中的應用還存在著投入成本、教師是否接受、是否存在風險等問題，以下從投入成本、教師接受度、風險、學習影響和支持平等與包容五個方面對以上六種新興技術進行比較分析。

依據(jù)圖1，從整體上分析，這六種新興技術在成本投入、學習影響和支持平等與包容方面體現(xiàn)出較高的水平。目前來看，成本投入高雖然是教育新興技術應用的阻礙因素之一，但由于國家教育經(jīng)費預算的增加，企業(yè)和科研院所的聯(lián)合，這一因素將得到了較大的改善。從長遠來看，教育技術的高投入往往會得到更高的回報。新興技術對學習的影響表現(xiàn)出較高水平，這表明不但學習者對新興技術支持下的教育產(chǎn)生了很大的興趣，同時新興技術進一步拓寬了學習的渠道和空間，給學習者提供了實質性的資源和平臺。支持平等與包容也表現(xiàn)出了較高的水平，這為新興技術的普及提供了基本保障，教育技術在一定程度上有效地分享優(yōu)質教育資源，為解決教育公平問題提供了技術途徑。同時可以看出各種新興技術存在的風險都相對較低，均在中等水平偏下，這也為新興教育技術的廣泛應用提供了可能。當然由于數(shù)據(jù)的保密問題、技術應用過程中的倫理問題等都是亟待解決的問題。圖1中，最令人憂慮的是，教師對新興技術的接受程度普遍較低，這成為新興教育技術實踐的最大障礙。這可能與技術的高速發(fā)展導致大部分教師缺乏信息和技術素養(yǎng)有直接關系，例如，有研究表明仍有56%的教師從未聽過開放教育資源[33]。但總體來看，新興技術的實踐表現(xiàn)出了良好的態(tài)勢。

從各影響因素的統(tǒng)計來看，開放教育資源的成本投入較低，這是由于它的開發(fā)需要大量的投入，但是后期的使用都是免費的，因此降低了用戶的成本投入。成本投入最高的是XR技術，這一技術對設備的要求較高，因此適合對于特殊群體使用。如研究項目將XR技術應用到解剖學中，緩解了對實驗對象的需求，同時也有助于動物倫理的保護[34]。教師對新興技術的接受程度普遍較低，尤其是人工智能與機器學習和XR這種門檻較高的技術。在風險方面，教學設計、學習工程和用戶體驗設計所承受的風險最低，人工智能與機器學習、XR技術所承受的風險最高，主要涉及學習者安全信息的泄漏和大量數(shù)據(jù)帶來的倫理道德問題[35]。在給學習帶來的影響方面，都有較為明顯的影響，教學設計、學習工程和用戶體驗設計由于應用較為廣泛，其影響程度最高。在支持平等與包容方面，人工智能與機器學習、XR技術表現(xiàn)出較低的平等性和包容性，這可能與其技術障礙和資源分配不均有關。開放教育資源由于其廣泛的應用性和免費開發(fā)功能，因此，它在平等性和包容性方面表現(xiàn)最佳。

從教與學新興技術的全局來看，其實踐狀態(tài)既存在無限的潛力，又面臨嚴峻的挑戰(zhàn)。新興技術在教與學的變革中發(fā)揮了助推器的作用。如人工智能技術同采集學生某些特征信息，追蹤學生學習過程數(shù)據(jù)有效輔助了學校的管理和學生的學習;學習分析技術通過基于證據(jù)的數(shù)據(jù)實踐，提升了公平性和準確性，能夠通過復雜的數(shù)據(jù)來解讀不同學生學習的差異;開放性教育資源在共享公共資源，解決教育資源分配不均等問題上發(fā)揮了很大作用。但新興技術在合理、有序、規(guī)范的使用過程中還有許多工作要做。人工智能的使用導致個人信息泄漏的倫理問題;學習分析過程中數(shù)據(jù)共享與合理使用問題;開放教育資源教育資源認可度和包容性低，導致使用率偏低。因此，新興技術廣泛的實踐還需要制定相應的秩序和規(guī)范，以謹慎、有道德的發(fā)展[36]。

四、啟示

1.接受并認同新型技術對“教”與“學”的重要性成為當下之所需

信息技術的高速發(fā)展、大數(shù)據(jù)時代的到來、人工智能與機器學習的深度應用、5G網(wǎng)絡及其量子科學、先進通信技術的發(fā)展，使得新技術引領下的機器與人之間的關系發(fā)生了深刻的變化。以現(xiàn)代科學理論體系與方法論建立的以人為中心的主客二分、人與非人的二元論世界將被打破[1]。隨著新興技術的發(fā)展，智能機器人以及萬物互聯(lián)的構成，人與機器之間的界限變得越來越模糊，甚至被徹底打破。在萬物互聯(lián)的世界里，人只是世界中的一部分，只是創(chuàng)造萬物互聯(lián)的工具，人不再是世界的唯一主宰者，機器也存在思維，以人為中心的世界觀將走向以數(shù)據(jù)為中心的世界觀[37]。當更多高度智能化的機器（技術）參與教育時，我們接受技術對教育帶來便利的同時，也要承認和接受機器在某些教育領域可能超越人類，至少“算法執(zhí)行的任務是人類無法完成的”[38]。新興技術加入教育，尤其是可穿戴設備、虛擬現(xiàn)實與智能機器人等的參與，以及人機結合導致機器的自我學習、自我意識以及自主思維能力越來越強大，因此，還存在如何教育機器人的問題[39]。可見，教育與新興技術的融合是時代發(fā)展的必然趨勢，我們抓住技術帶來的機遇的同時，應該全面審視對教育者帶來的挑戰(zhàn)。在這種狀況下，人們對技術的認知已經(jīng)遠遠落后于技術的發(fā)展。新興技術的變革需要我們鼓勵嘗試將新的技術應用于教學中，首先從思想上接受技術的變革，同時教師、家長應引導學生將現(xiàn)有的技術手段應用于學習，引導學生合理的利用技術。如，高校和研究機構可以組織開發(fā)自適應學習系統(tǒng)、學?？梢試L試使用人工智能和機器學習的技術分析學生學習過程、構建虛擬學習實驗室、學校可以專門開設課程引導學生獲取開放性學習資源等。只有當技術成為學習的一部分，才能夠發(fā)揮其獨特的作用。

2.超前規(guī)劃與部分試點成為新興技術引入的合理途徑

對于新興技術而言，由于存在著高額的研發(fā)成本，因此新興教育技術的前期成本投入較大。通過圖1成本投入的分析也可以發(fā)現(xiàn)，自適應學習技術、學生學習成功分析以及XR技術都存在著較高成本的投入。但這些技術在教育中的應用，會在很大程度上提升教與學的效率，降低大量教育資源帶來的高額成本。教育是一個慢過程，不同于其他產(chǎn)業(yè)的投入和產(chǎn)出那么快，新型技術要能有效地發(fā)揮作用，需超前規(guī)劃。同時由于技術在教與學中的適應性，需要一定的經(jīng)驗積累才能達到好的效果，因而部分試點成為新興技術融入教與學的有效途徑。Educause研究發(fā)現(xiàn)，XR技術可以“使高接觸，高成本的學習體驗得到擴展”，并且XR技術的部署應用實際上幫助降低了總體機構的成

本[11]，就未來的發(fā)展趨勢來看，隨著XR技術的提高，設備成本將降低。開放性電子資源更是能夠節(jié)省學習者巨大的花費，有研究表明，在開放資源的幫助下，高達75%的學生推遲購買課本;65%的學生選擇不購買課本;50%的學生根據(jù)教科書價格選擇專業(yè);13%的人考慮過因為教科書價格而放棄他們的課程[26]。在人工智能領域，雖然開發(fā)一個聊天機器人可能需要投入大量的時間和資源，但這種投資可能會產(chǎn)生回報，比如延長工作時間，以滿足全天候、全年無休的學習者的需求。類似的，機器學習應用程序的開發(fā)可以提供有關學生成功指標的重要數(shù)據(jù)?？梢?，教育在新興技術方面的高投入，是需要有長遠的眼光，不可謀取一時的利益，因為它是一個短期高投入和長久高收益的過程。

3.“教”與“學”的新興技術要特別注意隱私、數(shù)據(jù)安全與倫理道德等問題

新興技術，尤其是人工智能領域的發(fā)展給社會秩序以及倫理道德帶來了巨大的挑戰(zhàn)。由于發(fā)展速度快，相應的體制還不健全，尤其是個人的自我約束、安全意識、隱私倫理等問題還未達成共識，并且沒有引起足夠的重視，因而，在這方面的教育與引導成為一個重要的方面。教師應該通過定期培訓，掌握相應的法規(guī)條款，并將這種思想緊密地融入學生的學習過程中，構建起學生對新興技術引起的新問題的防范意識。2019年4月，歐盟發(fā)布了《人工智能倫理準則》，聯(lián)合國教科文組織也發(fā)布了《教育中的人工智能：可持續(xù)發(fā)展的挑戰(zhàn)與機遇》，詳細闡述了人工智能給教育帶來的巨大挑戰(zhàn)。目前大部分技術所用到的數(shù)據(jù)都是基于云存儲的，這就增加了潛在數(shù)據(jù)濫用的可能性[40]。在學習分析技術方面，由于對學生的早期預警預測和數(shù)據(jù)的過度使用，特別是對學生成功的預測，引發(fā)了關于學生數(shù)據(jù)隱私和學習分析的倫理方面的問題[26]。新興技術的發(fā)展，學生隱私和學生數(shù)據(jù)的應用引起了教育界的高度關注，有時甚至成為技術在教育中應用的最大難題。如何確保新興技術被設計成公平、包容、不存在隱性偏見的產(chǎn)品是教育技術發(fā)展的重要議題[41]。由此引發(fā)了圍繞數(shù)據(jù)隱私、公平和道德考量的哲學和政策相關討論。如何在這些新興技術、隱私、倫理和學生數(shù)據(jù)訪問之間保持微妙平衡仍然是一個具有挑戰(zhàn)性的問題。

參考文獻：

[1] 劉復興.論教育與機器的關系[J].教育研究，2019，40（11）：28-38.

[2] 李艷，姚佳佳.高等教育技術應用的熱點與趨勢——《地平線報告》（2018高教版）及十年回顧[J].開放教育研究，2018，24（06）：12-28.

[3] PELLETIER K， BROEN M， BROOKS D C， et al. 2021 EDUCAUSE Horizon Report， Teaching and Learning Edition[R]. Boulder， CO： EDUCAUSE， 2021.

[4] Tyton Partners and Babson Survey Research Group. Time for Class Toolkit [EB/OL].（2018-07-24） [2020-03-10]. https：//www.everylearnereverywhere.org/time-for-class-toolkit.

[5] FELDSTEIN M， Hill P. Personalized learning： What it really is and why it really matters[J]. Educause review， 2016， 51（2）： 24-35.

[6] ZEIDE E. Artificial intelligence in higher education： Applications， promise and perils， and ethical questions[J]. Educause Review， 2019， 54（3）： 31-39.

[7] YATES H. Machine Learning and Higher Education [EB/OL].（2017-12-18） [2020-03-10]. https：//er.educause. edu/ articles/2017/12/machine-learning-and-higher-education.

[8] YONG J R. As Instructure Changes Ownership， Academics Worry Whether Student Data Will Be Protected [EB/OL].（2017-01-17） [2020-03-10]. https：//www.edsurge. com/news/2020-01-17-as-instructure -changes-ownership-academics-worry-whether-student-data-will-be-protected.

[9] LINDER K， DELLO STRITTO M E. Research Preparation and Engagement of Instructional Designers in U.S. Higher Education[D]. Corvallis， OR： Oregon State University Ecampus Research Unit， 2017.

[10] BEIRNE E， ROMANOSKI M P. Instructional Design in Higher Education： Defining an Evolving Field [EB/OL].（2018-07-18） [2020-03-10].https：//olc-wordpress-assets.s3.amazonaws.com/uploads/2018/07/ Instructional -Design-in-Higher-Education-Defining-an-Evolving-Field.pdf.

[11] BROWN M， MCCORMACK M， REEVES J， et al. 2020 Educause Horizon Report Teaching and Learning Edition[R]. EDUCAUSE， 2020.

[12] 袁磊，黃心寧，付文思，等.影響高等教育教學的技術與實踐[J].現(xiàn)代遠距離教育，2014，190（4）：3-8.

[13] JOHNSON C， ZOON E. Want Adaptive Learning To Work？ Encourage Adaptive Teaching. Here’s How[EB/OL]. （2016-09-23） [2020-03-10].https：//www.edsurge.com/news/2016-09-23-want-adaptive-learning -to-work-encourage-adaptive-teaching-here-s-how.

[14] University of California at Berkeley. Berkeley Online Advising （BOA）： A Cohort-Based Student Success & Learning Analytics Platform [EB/OL].（2018-11-06） [2020-03-10]. https：//rtl.berkeley.edu/sites/default/files/ general/boa_ platform_ overview.pdf.

[15] University of California， Irvine. Comprehensive Analytics for Student Success [EB/OL].（2019-10-16） [2020-03-10]. https：//compass.uci.edu.

[16] University of Iowa. Student Success Using Learning Analytics [EB/OL].（2019-06-27） [2020-03-10]. https：//teach.uiowa.edu/student-success-using-learning-analytics.

[17] The Unizin consortium， while in South Africa [EB/OL].（2020-02-21） [2020-03-10]. https：//siyaphumelela. org.za.

[18] JONES B A. ADDIE Model [EB/OL].（2018-08-17） [2020-03-12]. https：//www.instructionaldesign. org/models/addie/.

[19] STEIN C. Investing in inclusion [EB/OL].（2020-03-11）[2020-03-12]. https：//broad.msu.edu/news/investing- in-inclusion/.

[20] KELLEY D. Design thinking is a process for creative problem solving[EB/OL].（2019-12-09） [2020-03-12]. https：//www.ideou.com/pages/design-thinking#ldt.

[21] WAGNER E， BARR A， BLAKE-PLOCK S， et al. Things You Should Know About Learning Engineering [EB/OL]. （2018-09-10）[2020-03-12]. https：//library.educause.edu/resources/2018/9/7-things-you-should-know -about- learning-engineering.

[22] FLOOR N. The origin of learning experience design [EB/OL]. （2019-10-11） [2020-03-12].https：//learning experiencedesign.com/fundamentals-of-learning-experience-design/the-origin-of- learning-experience-design/.

[23] KILGORE K. UX to LX： The Rise of Learner Experience Design[EB/OL]. （2016-06-20） [2020-03-12]. https：//www.edsurge.com/news/2016-06-20-ux-to-lx-the-rise-of- learner-experience-design.

[24] TROOP M， WHITE D， WILSON K E， et al. The User Experience Design for Learning （UXDL） Framework： The Undergraduate Student Perspective[J]. The Canadian Journal for the Scholarship of Teaching and Learning， 2020， 11（3）：1-19.

[25] Minnesota State University. What are Open Educational Resources （OER）？ [EB/OL]. （2019-10-10） [2020-03-12]. https：//www.minnstate.edu/admissions/oer.html.

[26] Wakefield. VitalSource Survey QuickRead Report [EB/OL].（2018-03-25）[2020-03-10].https：//get. vitalsource.com/hubfs/2018%20Wakefield/Wakefield%20Research%20QuickRead%20Report%20for%20VitalSource.pdf.

[27] STOCKTON J. Opening up a new world for individuals with disabilities through virtual reality [EB/OL]. （2016-08-10） [2020-03-12]. https：//www.unr.edu/nevada-today/stories/walking-with-reality.

[28] The University of Waterloo. The Spongy Bog 360 VR Field Trip Project [EB/OL]. （2020-01-10） [2020-03-12]. https：//uwaterloo.ca/open/find-open-materials/open-environment.

[29] SCHIPPER D. Time To Act-Emergency care： practicing the ABCDE approach in virtual reality [EB/OL]. （2019-11-17） [2020-03-12]. https：//www.centre4innovation.org/stories/time-to-act-emergency-care-practising- the- abcde-approach-in-virtual-reality/.

[30] POMERANTZ J. Learning in Three Dimensions： Report on the EDUCAUSE/HP Campus of the Future Project[EB/OL]. （2018-07-30） [2020-03-12]. https：//library.educause.edu/resources/2018/8/learning-in-three- dimensions-report-on-the-educause-hp-campus-of-the-future-project.

[31] California State University， San Bernardino. Immersive Learning Technologies [EB/OL]. （2019-04-12） [2020-03-12].https：//www.csusb.edu/academic-technology-innovation/innovation/immersive-learning-technologies.

[32] MANYIKA J， CHUI M， BROWN B. Big data： The next frontier for innovation， competition and productivity [EB/OL].（2018-09-12）[2020-03-08]https：//www.mckinsey.com/business-functions/digital-mckinsey/our-insights/ big-data-the-next-frontier-for-innovation.

[33] MCKENZIE L. OER Adoptions on the Rise [EB/OL]. （2017-11-19） [2020-02-28]. https：//www. insidehighered.com/news/2017/12/19/more-faculty-members-are-using-oer-survey-finds.

[34] WISH-BARATZ S， GUBATINA A P， Enterline R， et al. A new supplement to gross anatomy dissection： HoloAnatomy [J]. Medical education，2019， 53（5）， 522-523.

[35] Slade S， Tait A. Global guidelines： Ethics in Learning Analytics [EB/OL].（2019-03-15） [2020-03-02]. https：//static1.squarespace.com/static/5b99664675f9eea7a3ecee82/t/5ca37c2a24a694a94e0e515c/1554218087775/ Global+guidelines+for+Ethics+in+Learning+Analytics+Web+ready+ March+2019.pdf.

[36] 蘭國帥，魏家財，張怡，等.未來高等教育教學：宏觀趨勢、關鍵技術實踐和未來發(fā)展場景[J].開放教育研究，2021，27（3）：15-28.

[37] 尤爾瓦·赫拉利.未來簡史[M].北京：中信出版集團，2017：345-348.

[38] 盧克·多梅爾.算法時代：新經(jīng)濟的新引擎[M].北京：中信出版集團，2016：203-225.

[39] 朱彥明.后人類主義對教育的挑戰(zhàn)與重塑[J]. 南京社會科學，2018（11）：47-62.

[40] YOUNG J R. As Instructure Changes Ownership， Academics Worry Whether Student Data Will Be Protected [EB/OL]. （2020-01-17）[2020-03-10].https：//www. edsurge.com/news/2020-01-17-as-instructure-changes- ownership-academics-worry-whether-student-data-will-be-protected.

[41] JOHNSON D. Opening the Black Box of Adaptivity [EB/OL]. （2017-06-15） [2020-03-10]. https：//er. educause.edu/ blogs/2017/6/opening-the-black-box-of-adaptivity.

[責任編輯：周 楊]