人工智能在大學教學中的應用：現(xiàn)狀、問題與未來展望

矯怡程，朱曉琳

（青島大學 師范學院，山東 青島 266071）

人工智能是指使用計算機系統(tǒng)來完成傳統(tǒng)上依賴于人類認知的任務和活動。［1］2019年習近平總書記在給國際人工智能與教育大會的賀信中指出：人工智能是引領新一輪科技革命和產(chǎn)業(yè)變革的重要驅動力，正在深刻改變著人們的生產(chǎn)、生活、學習方式。［2］教育人工智能（Educational Artificial Intelligence）即為人工智能在教育領域應用的產(chǎn)物，其實質是通過人工智能技術理解學習是如何發(fā)生的、外界是如何影響學習的，進而為學習者創(chuàng)造更高效的學習條件。［3］人工智能被認為是加速高等教育發(fā)展的重要技術之一：人工智能是未來引發(fā)教育變革的內生動力，對解決教與學中的關鍵問題、改善教育管理的方法與實踐具有重要作用，并將有助于進一步提高教育質量、改善教育公平。為此，世界各國紛紛出臺政策加強人工智能在教育中的應用。教育部關于印發(fā)《高等學校人工智能創(chuàng)新行動計劃》的通知中提出要通過人工智能推動大學教學領域變革，構建智能教學環(huán)境、探索智能教學模式、開展多維度綜合性智能評價。［4］然而伴隨不斷發(fā)展的技術，人工智能正在越來越接近于人類智能，大學教學中應用教育人工智能的諸多問題引發(fā)探討：人工智能將從何種程度上變革大學教學？又將如何重塑大學教學目標、教學環(huán)境和教學內容？甚至有人懷疑人工智能是否會消解學校、取代教師。為解答這些疑惑，本研究將嘗試梳理人工智能在大學教學中的應用現(xiàn)狀，分析人工智能在大學教學中應用的局限性，以探索未來人工智能在大學教學中的發(fā)展趨勢，為高等教育工作者提供借鑒和參考。

一、人工智能在大學教學中的應用現(xiàn)狀

人工智能產(chǎn)生后不久，研究者們就在不斷探索如何將其應用于教育領域特別是教學領域。Pearson報告對教育人工智能進行了整體分析，認為人工智能應用于教學有三個關鍵模型：學習者模型、領域模型和教學模型。［5］而人工智能在教學領域最前沿的應用——智能導學系統(tǒng)（Intelligence Tutoring System，ITS），有四個關鍵組成部分，分別是學習者模塊、學科領域模塊、教學方法模塊和互動接口模塊。［6］深入分析教育人工智能和智能導學系統(tǒng)的模型機制，結合人工智能在大學教學中應用的具體過程，本研究將人工智能在大學教學中的應用總結為四個關鍵環(huán)節(jié)：數(shù)據(jù)化學習者、學習者建模、領域知識建模和開展精準教學。其中，數(shù)據(jù)化學習者是前提，學習者建模主要作用是了解學習者的學習情況，領域知識建模主要目的是構建具體學科的專業(yè)知識體系，開展精準教學則必須結合教學有關的專業(yè)知識、技能和方法。這四個核心環(huán)節(jié)涉及到認知、評估和理解學習者，制定符合學習者實際需求的學習路徑和內容，創(chuàng)設體驗式學習情境并指導學習行為等大學教學的主要方面，反映了人工智能在大學教學領域中的具體應用。

（一）通過智能技術收集學習者數(shù)據(jù)

將人工智能應用于大學教學首先需要建構對于學習者的數(shù)據(jù)化認知?！傲炕晕摇崩砟钫J為，運用可穿戴設備及其他各種帶有傳感器的儀器，可以監(jiān)測、量化和記錄個人的基本信息，從而形成個人的生命數(shù)據(jù)，進而可以基于這些數(shù)據(jù)對個體健康進行評估。［7］基于量化自我的“量化學習”理念認為，可以通過獲取學習者外顯和內隱的學習行為數(shù)據(jù)，可以監(jiān)測、量化和記錄學習者的學習活動和成長過程。［8］不論是量化自我還是量化學習，其前提條件都是“數(shù)據(jù)化”：只有通過數(shù)據(jù)化的信息采集，才能進行精確化分析，進而提供精確化的建議。

學習者數(shù)據(jù)化需要考量兩個基本問題：第一個問題是對學習者進行數(shù)據(jù)化需要哪些數(shù)據(jù)，第二個問題是如何獲得這些數(shù)據(jù)。前者需要理論探討和分析，包括學習理論對于學習的認識，以及不同來源數(shù)據(jù)格式的標準，以便互相轉化。后者則需要技術支持。學習者數(shù)據(jù)化的采集離不開智能技術的發(fā)展和廣泛應用。傳統(tǒng)的學習者數(shù)據(jù)主要是指音頻、視頻、圖片、文本等，隨著技術的發(fā)展以及可穿戴設備的廣泛應用，通過面部表情識別技術識別學習者的情緒、通過眼動跟蹤技術識別學習者的注意力、通過運動傳感技術識別學習者的身體移動軌跡、使用腦機接口識別學習者情感和注意力水平等都被應用到學習者數(shù)據(jù)形成中。［9］智能技術的發(fā)展，實現(xiàn)了對學習者的基礎數(shù)據(jù)采集由線上數(shù)據(jù)到線下數(shù)據(jù)、由外顯數(shù)據(jù)向內隱數(shù)據(jù)、由行為數(shù)據(jù)向心理數(shù)據(jù)的擴充，從而為情境化、多時空、多模態(tài)精確了解學習者提供了可能性。

（二）通過分析技術完成學習者建模

人工智能對大學教學的變革首先是通過理解學習者和學習過程實現(xiàn)的。理解學習者和學習過程又稱學習者建模，［10］是學習科學領域的重要研究課題。學習者建模依靠學習分析實現(xiàn)，目的是通過對學習者全方位、多層次、多模態(tài)的數(shù)據(jù)的分析，對學習者的知識水平、認知發(fā)展、學習狀態(tài)、學習風格、學習動機等進行精準刻畫。事實上，由于數(shù)據(jù)收集技術和數(shù)據(jù)分析能力的限制，初期的學習分析主要關注學習者的行為、活動、互動、結果等外在表現(xiàn)。［11］隨著感知設備的發(fā)展，使得學習者的生理數(shù)據(jù)也可采集；大數(shù)據(jù)計算能力的發(fā)展，使得復雜數(shù)據(jù)分析成為可能。因此，當前多模態(tài)學習分析在學習分析領域中備受關注。多模態(tài)學習分析認為，人類的交流存在多種形態(tài)，比如語言、情緒、肢體動作，這些形態(tài)之間相互作用、形成互補關系，［12］以準確傳達表達者的意圖。因此，要理解學習者，就需要對學習者的多種形態(tài)進行綜合分析，即多模態(tài)學習分析。

從分析層面來看，多模態(tài)學習分析可以大致劃分為九個方面：［13］文本分析、話語分析、筆記分析、草圖分析、動作和手勢分析、情感狀態(tài)分析、神經(jīng)生理標記分析、眼睛凝視分析、多模態(tài)整合和多模態(tài)界面分析。從分析技術來看，多模態(tài)學習分析需要用到機器學習、關聯(lián)數(shù)據(jù)挖掘、自然語言理解、認知網(wǎng)絡分析等一系列數(shù)據(jù)分析技術，以實現(xiàn)對學習者的綜合理解，完成學習者建模。［14］此外，學習者歷史數(shù)據(jù)的分析對學習者建模也具有重要作用，有助于理解學習者變化的歷史軌跡。通過分析數(shù)據(jù)，可以實現(xiàn)對學習者的學習水平、學習目標、學習動機、學習風格、學習狀態(tài)等的理解，從而建立有效的學習者模型，為后續(xù)教學做準備。

（三）通過知識圖譜實現(xiàn)領域知識建模

領域知識建模的本質是將各個領域的知識進行語義化和結構化的表征，從而使學科知識和學習資源有序化。［15］領域知識模型相當于大學教師的專業(yè)知識儲備。在人工智能中，領域知識建模是通過知識圖譜實現(xiàn)的。知識圖譜是一種知識管理的手段，其本質上是一種概念網(wǎng)絡，包含概念和概念之間的關系兩個部分。［16］知識圖譜的建構主要有兩大路徑。一種路徑比如傳統(tǒng)的“科學知識圖譜”，其建構方式是自上而下，即首先建立知識建構的基本模式，然后根據(jù)該模式將已有知識分類。這一路徑在知識有限、數(shù)據(jù)分析功能有限的前提下被廣泛使用。然而隨著信息數(shù)量爆炸式增長以及信息獲取和分析技術不斷發(fā)展，知識圖譜的構建也出現(xiàn)了自下而上的“谷歌數(shù)據(jù)圖譜”模式。［17］該模式的特點是，基于已有的公開數(shù)據(jù)，選擇其中置信度較高的部分形成數(shù)據(jù)建構模式，并在后續(xù)知識圖譜的構建過程中不斷完善建構模式。

知識圖譜以其結構化、語義化、智能化的特點，正在成為人工智能中領域知識建模的關鍵技術。［18］以往，掌握扎實的學科專業(yè)知識、擁有豐富的跨學科知識面被認為是大學教師必備的專業(yè)能力之一。然而教師面對大量的網(wǎng)絡化、碎片化知識也容易產(chǎn)生認知負荷超載，這是人類共有的先天性局限。人工智能以知識圖譜為基礎進行領域知識建模，在應用于大學教學過程中，可以有效拓展大學教師的知識結構、提高大學教師的知識更新速度，無疑對大學教師教學水平的提高具有重要作用。

（四）通過適應性反饋開展精準教學

大學教師開展教學，必須具備一定的教育教學知識，通過一定的教育教學方法，提高學生的學習效果。人工智能應用于大學教學也必須依據(jù)一定的教育教學方法，制定相應的教學策略，促進學習者的學習行動。［19］在教育人工智能中，這一過程通過適應性反饋實現(xiàn)——在恰當?shù)臅r機為學習者提供最適當?shù)姆答?。?0］適應性反饋建立在兩方面的基礎之上：對學習者基本狀態(tài)的理解，如學習者的指示掌握程度、學習者的元認知狀態(tài)、學習者的學習能力和情緒狀態(tài)等；對領域知識的基本理解，如正在學習的內容與其他內容之間的聯(lián)系是什么、該學習內容的前置知識包括哪些等。通過對學習者和領域知識的理解，從而為學習者提供最恰當?shù)姆答?，開展精準教學。

根據(jù)適應性反饋內容和形式的不同，研究者將教育人工智能中在教學中的作用概括為以下幾種：為學習者提供激勵的激勵者，幫助學習者解釋概念和原理的輔導者，評價學習者學習情況并提供建議的建議者，為學生提供有效學習資源的連通者等。［21］隨著人工智能技術的發(fā)展，教育人工智能開展適應性反饋的內容和形式也在不斷擴展。一方面，人工智能識別、收集、分析和反饋的數(shù)據(jù)越來越多樣化，表現(xiàn)為從文本形式、指示形式發(fā)展為自然語音、圖形圖像等，比如教育人工智能可以通過直接與學習者對話對學習者進行指導。另一方面，教育人工智能的教學策略越來越多樣化，體現(xiàn)在其角色從最初的“教師”角色擴展到“同伴”和“學生”。教育人工智能不僅可以直接“教”學習者學習，而且可以通過扮演“同伴”與學習者互動學習、扮演“學生”讓學習者在“教中學”。此外，將計算機科學與神經(jīng)科學、認知科學相結合，例如使用神經(jīng)網(wǎng)絡計算技術開發(fā)人工智能教師，還可以使教育人工智能面對復雜不可知的課堂教學環(huán)境。［22］

總的來說，將人工智能應用于大學教學可以實現(xiàn)大學教師的解放與創(chuàng)新。一方面，將人工智能應用于大學教學，可以替代教師工作，將教師從簡單勞動中解放出來。包括替代教師完成簡單體力勞動工作，如搜集資源、控制課件、簽到、資源共享等；替代教師完成簡單認知工作，如信息采集、批改作業(yè)、常見知識點講解和常見問題解答等；替代教師開展特定的教學工作，如寫作指導、學習指導。［23］另一方面，將人工智能應用于大學教學，還可以進一步賦能教師，幫助教師開展更富創(chuàng)造性的工作。比如教師借助于人工智能收集教學數(shù)據(jù)、監(jiān)測教學過程，從而進行學情分析和診斷、迅速改善教學策略以提高教學效果等。［24］實證研究發(fā)現(xiàn)，將人工智能應用于教學可以有效促進學生的學習。［25］

二、人工智能在大學教學應用中存在的問題

研究者對人工智能在大學教學中的應用前景寄予了較高的期望，但現(xiàn)實中，也同時存在一些理性質疑的聲音，認為人工智能在大學教學中應用存在局限性。這些質疑主要體現(xiàn)在以下四個方面。

（一）如何理解人工智能與人的關系

人工智能在大學教學中的應用需要教育教學理論的支撐。面對人工智能的挑戰(zhàn)，大學教育教學理論不得不在討論教育與人的關系、教育與社會關系的基礎上，進一步研究和回答教育與機器的關系。［26］現(xiàn)有的教育教學理論在回答人工智能與人的關系時，還存在一定的倫理局限性。教育人工智能通過將學習者數(shù)據(jù)化來理解學習者，并進一步?jīng)Q定采取何種教學策略促進學習者的學習。這其中需要注意到，學習者是一個復雜的整體，而通過人工智能獲取的多層面數(shù)據(jù)將學習者進行了解構，形成了一組多維多層次的數(shù)據(jù)。雖然隨著技術的發(fā)展，學習者的數(shù)據(jù)會更加豐富和全面，但這些數(shù)據(jù)是否能夠真正反映學習者還有待研究，而且這些數(shù)據(jù)還可能會標簽化學習者，進一步通過教學過程形塑學習者。因此研究者也擔心學習者會形成淺表化學習，嚴重依賴人工智能，最終喪失自主學習能力。［27］如同正在發(fā)生的后真相時代，互聯(lián)網(wǎng)公司基于用戶的搜索和點擊習慣開發(fā)算法，使得用戶每次的搜索和點擊都會進一步確認自己的偏見，［28］教育者也應當反思未來人工智能應用于教學究竟是促進了學習者的發(fā)展還是形塑了學習者。

（二）如何理解智能時代的教學目標

人工智能作為一種先進的技術，可以提高教育效率和教育質量，比如改進教育教學方式、擴展教育教學資源。更重要的是，人工智能也會以“智能思維”的方式，對教育理念、教育目的、教育內容和方法等進行“智化”，使人們重新定義和理解教育。［29］人工智能和機器人的發(fā)展，進一步加劇了世界的不確定性、模糊性、復雜性和多變性。［30］這要求未來教育教學的首要目標是培養(yǎng)具有復雜心智的個體，能夠面對、理解和處理不確定的世界。然而現(xiàn)有人工智能的教學目標卻是通過幫助學生組織知識、了解學生目前所處的水平、推送相關知識點、重復性“刷題”等行為主義學習理論來實現(xiàn)。［31］人工智能的應用雖然一定程度上提高了教學效率，但卻造成了教育目標理想與現(xiàn)實的背離。一方面，當前的智育目標倡導知識的遷移能力、邏輯思維能力、批判性思維能力、領導力、溝通力、創(chuàng)新能力和復雜決策能力，而人工智能的教學過程只見知識不見能力，最困難的是無法實現(xiàn)創(chuàng)新能力的培養(yǎng)。而創(chuàng)新能力和想象力被認為是人工智能時代人類最重要的品質。［32］另一方面，將教學目標單純的理解為“知識學習”與“能力提升”，也就意味著忽視了傳統(tǒng)教育中的情感和道德層面，將學習者的學習過程從情感體驗和價值觀形成的過程中剝離出來。

（三）如何保障教學過程中的數(shù)據(jù)安全

數(shù)據(jù)與算法是人工智能的兩大技術基礎。［33］將人工智能應用于大學教學，其本質是對大學教學過程中產(chǎn)生的大量數(shù)據(jù)建立算法。［34］人工智能本質上是基于算法進行無數(shù)松散數(shù)據(jù)的分析，因此人工智能在大學教學中的應用離不開大量數(shù)據(jù)的采集、存儲和處理。［35］而教學過程中產(chǎn)生的學校數(shù)據(jù)、教師數(shù)據(jù)和學生數(shù)據(jù)為教育人工智能的發(fā)展提供了可能性。從數(shù)據(jù)角度而言，隨著教育信息化的深入，智慧教室和智慧校園的建設，教師和學生的注冊信息、瀏覽痕跡、使用痕跡最終都形成了教育人工智能的數(shù)據(jù)基礎。這些信息數(shù)量龐大、覆蓋范圍廣泛。這也造成了教育大數(shù)據(jù)具有一些容易產(chǎn)生數(shù)據(jù)安全的特殊隱患。一方面，教育大數(shù)據(jù)數(shù)量巨大，與個體的關聯(lián)性強，在信息時代這些數(shù)據(jù)本身具有重要的價值。在大學教學過程中應用人工智能進行學生學習分析和教師教學，需要收集學生和教師多方面的信息，包括基本個人信息、學習數(shù)據(jù)、教學數(shù)據(jù)等。在信息時代這些數(shù)據(jù)本身具有重要價值。如果采用適當?shù)男畔⑼诰蚣夹g，這些信息可能會組合形成更有價值的數(shù)據(jù)鏈，產(chǎn)生連學習者都意識不到的隱私。［36］另一方面，教育大數(shù)據(jù)越來越依靠互聯(lián)網(wǎng)和云端進行采集、傳輸和處理，增加了其安全隱患。以慕課為例，其網(wǎng)絡教育服務均在云端進行，這種共享、開放、透明的特質使得教育大數(shù)據(jù)容易在獲取、存儲和傳輸過程中被病毒和黑客攻擊，被不法分子獲取甚至惡意傳播，造成數(shù)據(jù)安全隱患。［37］

（四）如何規(guī)避人工智能的算法風險

算法是人工智能的第二大支柱。算法基礎則是指人工智能將具體的教育問題抽象為數(shù)學問題，進而建立解決問題的邏輯模型和算法。由于基礎信息數(shù)量巨大、非結構化以及存在隱形知識，因此研究者們在不斷尋找數(shù)據(jù)的新算法，其中神經(jīng)網(wǎng)絡運算法、決策樹法和遺傳算法被廣泛運用在教育人工智能的算法策略中。［38］算法和數(shù)據(jù)既成就了人工智能在教育領域中的應用，但也因為其本身的一些限制，使得人工智能在大學教學中的應用存在一定的風險。算法模型的高度簡約化容易造成學生常識性知識碎片化、喪失緘默性知識、無法發(fā)展獨立思考的能力等，造成教育的形式化，以及算法更容易量化和計算顯性知識，教育中的情感教育、價值觀教育等無法被納入其中，人工智能在大學教學中的應用效果值得懷疑；［39］算法模型的大規(guī)模應用意味著看似個性化的反饋背后的邏輯基礎是一致的，［40］所以需要質疑人工智能所“教育”的學生到底是個性化還是同質化；算法的輸入與輸出之間存在著研究者無法控制的黑箱，［41］在人工智能自我學習、自我訓練已經(jīng)成為現(xiàn)實的今天，人工智能的學習過程和學習結果尚不能被人類很好地理解，因此需要質疑將人工智能應用于教育是人在控制人工智能還是人工智能在控制人。

三、人工智能應用于大學教學的未來展望

由于人工智能在大學教學應用上既有優(yōu)勢也存在一定的局限性，研究者普遍認為未來人機協(xié)同是教育人工智能的發(fā)展方向。在人機協(xié)同的教育人工智能應用中，需要建立相關制度保障人工智能的技術安全，師生應當更好地理解人工智能與人的關系，提高自身的創(chuàng)造性和能動性，實現(xiàn)個體的主體性成長。

（一）更好地理解人工智能與人的關系

人工智能與人的關系從根本上說是技術與人的關系，對此，不同的學者有不同的理解。最早人們認為技術物體是物質集合，只具有使用價值。然而隨著技術的發(fā)展，這種認識被慢慢超越。AndréLeroi-Gourhan提出了技術架空人類論。［42］他認為人類與技術是一種特殊關系——外在化關系，這就意味著，與動物依靠基因記憶進化不同，人類是依靠語言、文字等技術體系，把記憶寫入工具和文獻等外在物體中實現(xiàn)進化的。人類使用石器、弓箭等使體力外在化，使用紅外線設備、超聲設備等使感知外在化，使用文字、視頻、音頻等使意識外在化。當人類機體外在化完全實現(xiàn)時，就會出現(xiàn)技術架空人類的結果。SpaceX創(chuàng)始人Elon Musk曾多次呼吁阻止人工智能研發(fā)競賽，并認為開發(fā)人工智能是“召喚惡魔”之舉。然而，他的危言聳聽并沒有使人工智能開發(fā)停滯甚至沒有使人工智能的發(fā)展和應用慢下來。為此他專門建立了“腦機接口”公司，試圖使人工智能的發(fā)展走向好的一面。［43］Gilbert Simondon反對機器威脅論，認為是人們沒有正確理解記憶的本性和本質導致了人們對機器的恐慌。［44］他從人的個性化思想出發(fā)提出了技術發(fā)展的極限：即使是高度自動化的技術物體，也只是孤立系統(tǒng)，因此必須依靠人類進行信息交換。Bernard Stiegler進一步發(fā)展了Simondon的思想，認為人類與技術互為主體與客體：人類發(fā)明了技術，技術又塑造了人類，人類與技術是一體兩面，無法獨立存在，和諧共生。［45］王作冰基于人工智能與人的協(xié)作關系提出“人工智能商數(shù)”的概念，［46］認為這一概念具有三重含義：一是借助人工智能擴展自我學習和工作的能力；二是通過信息技術和生物技術實現(xiàn)自我與人工智能的深度融合，從而超越肉體、無限制擴展智能；三是人與人工智能結合最終超越了人工智能，進入位置的更高境界。［47］

人機共生的理念被大多數(shù)智能教學領域的研究者所接納。在這一理念指導下面臨的第一個實踐問題即為“大學教師如何與人工智能共舞”?；谌伺c人工智能擅長的領域不同，趙勇等人提出人工智能可以完成重復性工作、結構性和程序性工作，教師主要完成批判性思考、社會與情感交互等方面的工作。［48］黃新榮提出人類應該將體力、智力工作教給人工智能，而專注于情感、意志等智慧領域。［49］事實上，人工智能不僅重塑了教師和教學，更重塑了學生和學習。人機協(xié)同智能結構的形成將分擔學習者大腦的認知任務，甚至改變信息收集和加工過程；學習者多層次、多模態(tài)數(shù)據(jù)收集、分析并建模，有助于促進學習者自我認知的發(fā)展，更好的理解自己。［50］不論是人工智能與教師協(xié)同還是人工智能與學習者協(xié)同，人工智能收集數(shù)據(jù)、分析數(shù)據(jù)并據(jù)此做出決策的過程使人的存在很容易被異化：一旦教師或者學習者習慣于不再利用數(shù)據(jù)為“我”服務，而是依賴于人工智能做出的決策，人在教學活動中的主體性就會消失。未來機器可能不再僅僅是載體和工具，而是教育者和受教育者本身。［51］因此，正確理解人工智能與人的關系，并在人機協(xié)同中保持自我意識就顯得非常重要。

（二）在自決學習中達成學生的主體性成長

隨著學習者模型研究的成熟，在未來的學習中，人工智能可以迅速地根據(jù)知識圖譜和能力圖譜分析學習者的知識和能力發(fā)展狀況，根據(jù)學習者的知識和能力薄弱點，為學習者提供個性化的資源；根據(jù)學習狀態(tài)和學習體驗數(shù)據(jù)分析學習者的學習風格和學習偏好，為學習者提供個性化的學習內容；還可以根據(jù)學習者的學習動機和學習興趣分析學習者的學習價值觀，為學習者提供針對性的指導和幫助。［52］人工智能的這些“功能”是以幫助學習者的姿態(tài)出現(xiàn)的，然而這些智能化的精準幫助反過來恰恰導致學習者失去自我認識和自我監(jiān)控的能力。面對人工智能的便捷性，學習者只有正確理解學習和成長的內涵，并在將之付諸于具體實踐，才能實現(xiàn)真正意義上的成長與成才。

過去工業(yè)時代的教育帶有明顯的統(tǒng)一規(guī)格的特點，這是由社會需要統(tǒng)一標準的勞動力所決定的。然而在工業(yè)4．0時代，以物聯(lián)網(wǎng)、智聯(lián)網(wǎng)、人工智能等技術應用為標志，社會進入了智能機器時代。智能機器已經(jīng)取代或即將取代很多現(xiàn)有的社會職業(yè)，未來“勞動力的標準”是一個無法預測的目標，因此過去的教育模式在應對未來遇到了很大的挑戰(zhàn)。這就要求教育者和學習者都重新理解教育的目的和價值。研究者認為未來教育要求學生成為自決的學習者。［53］不同于自覺的學習者，要求學生能夠主動學習、完成學習任務，自決的學習者更強調學習者自主確定學習目的、自主選擇學習資源、自由選擇學習方式，開展以實現(xiàn)自我價值為目標的自我學習。未來教育有幾個顯著特點：一是學習內容應當以學生為驅動，目的是實現(xiàn)學生自身的價值和能力。這就要求學習者進行自我管理能力的培養(yǎng)和學習，進而根據(jù)自身的興趣和能力選擇學習內容，達成自我價值的實現(xiàn)；二是學習目的是為了解決現(xiàn)在的問題，學習是及時性的，不再是為了未來進行預備性的學習；三是學習時間和學習場所都不再固定，學生可以隨時隨地向全世界的人學習。［54］基于此，面向未來的自決學習者充分享有自主性和選擇權，采用自我指導的學習方式，通過參加對個人而言有價值、有意義的活動進行學習，最終實現(xiàn)學習者的自我價值。［55］

（三）在反思與行動中實現(xiàn)教師的主體性發(fā)展

未來教育人工智能將走向何處，與人工智能的發(fā)展有密切關系。余勝泉等認為隨著人工智能進入強人工智能或超人工智能時代，人工智能教師最終會具有較高的智能性和自主性，成為與人類教師同樣具有社會性的獨立個體。［56］面對人工智能發(fā)展的不確定性，教師只有在接納中反思、在反思中行動，才能把握不確定中的確定性，實現(xiàn)自我價值。

首先，教師應當充分了解并掌握人工智能技術的發(fā)展，提高自己的技術能力和技術領導力。［57］作為教師而言，只有以開放的態(tài)度，理解人工智能與人的關系，了解人工智能發(fā)展的現(xiàn)狀，嘗試在教育教學中融入人工智能，才能在人工智能時代找到一條個人與專業(yè)發(fā)展的有效路徑。其次，教師應當在應用人工智能的基礎上反思人機關系，提高人機協(xié)作的有效性。Bernard Stiegler認為人類根據(jù)自己的“缺陷”創(chuàng)造形成的“代具”存在于自身之外，人必須借助外在技術而生存。［58］與傳統(tǒng)教師相比，專門的人工智能在一些方面表現(xiàn)出自身的教學優(yōu)勢：例如知識面更廣、知識更新速度更快；能夠及時有效的獲得學生反饋，在教學策略選擇上有較高的靈活性和針對性。因此，在技術發(fā)展足夠成熟的前提下，教師應用人工智能會感受到充分的便利性，重復性工作被替代，還能拓展提升教學能力。然而教師在使用人工智能的同時一定要保持反思，反思人工智能應用于教學的新形態(tài)，反思人工智能對教學目標、教學環(huán)境、教學方法、教學內容的重塑，［59］反思教師在教學工作中的地位和作用。通過教師的審慎反思與實踐，不斷重新確立人工智能時代教師的價值，實現(xiàn)教師的主體性發(fā)展。

（四）建立相關制度保障教育人工智能的技術安全

面對人工智能的技術局限所帶來的安全問題，必須通過建立健全相關制度，以保障人工智能應用于大學教學的技術安全。制度是行動者公認的規(guī)則、價值和信念。［60］在人工智能應用于大學教學的過程中，存在不同的主體，而不同主體的價值訴求是不同的。從教師和學生角度而言，數(shù)據(jù)是他們的隱私，算法是為了更好地提升教學；從學校管理者和行政部門角度而言，對于數(shù)據(jù)的綜合分析有助于建立更加有效的教育政策；從商業(yè)開發(fā)者角度而言，數(shù)據(jù)本身意味著巨大的商業(yè)價值，數(shù)據(jù)分析又會帶來進一步的市場。［61］為了規(guī)范不同主體的行為，只有建立系統(tǒng)的政策制度，才能保障教育人工智能的技術安全。

對于數(shù)據(jù)保護層面的制度，主要應當關注個體隱私與開放共享之間的矛盾問題。［62］教育數(shù)據(jù)本身來自教師和學生，對于數(shù)據(jù)的分析會形成師生的數(shù)據(jù)畫像，導致事實上的監(jiān)控，因此隱私對于師生來說至關重要。但數(shù)據(jù)只有經(jīng)過系統(tǒng)的分析才具有真正的使用價值，因此人工智能深度應用于大學教學又需要充分的數(shù)據(jù)共享。這就意味著在建立教育數(shù)據(jù)政策方面，應當在注重隱私保護的基礎上實現(xiàn)開放共享，建立“對誰開放數(shù)據(jù)、怎樣開放”的具體政策。對于技術保護層面的制度，則需要充分關注教育的模糊性與算法的精確性之間的矛盾。［63］為了建立有效的算法，教育人工智能不得不簡化學生、簡化學習情境、簡化學習目標，使其能夠被計算、被測量。后現(xiàn)代教學觀認為教學是一個生成的過程，教學目標并不是絕對的真理，而是每個人的探究與理解。［64］因此，在具體的教育領域，還存在著大量無法定義的、或即使定義清晰也無法轉換為機器算法的教育規(guī)則。［65］因此在使用人工智能時，應當在充分理解和尊重教育規(guī)律的基礎上，保持算法和計算模型的可理解性和透明性，［66］以降低算法帶來的應用風險。