人工智能與教育：本質(zhì)探析和未來挑戰(zhàn)

摘" "要：當(dāng)前，雖然有研究人員認為人工智能將重塑教育，關(guān)于人工智能教育的研究也日益受到關(guān)注和重視，但是人工智能在教育中的應(yīng)用仍存在“炒作”現(xiàn)象，一些樂觀看法還亟待商榷，一些關(guān)鍵問題還需要探析和解決。為此，文章首先探討了人工智能的定義，提出人工智能本質(zhì)上應(yīng)同時考慮其技術(shù)維度和人的維度；然后進一步分析人工智能與教育的關(guān)系，并從人工智能教育與教學(xué)法，倫理，兒童權(quán)益，個性化，節(jié)約教師時間，智能、效能和影響，技術(shù)解方主義，教育商業(yè)化，殖民主義，信任等十個方面，思考人工智能教育表象下存在的問題。據(jù)此提出，雖然人們已經(jīng)意識到教育中人工智能倫理和

人本主義等問題的重要性，但由于人工智能的發(fā)展方向受科技巨頭企業(yè)的控制，這些問題的解決還有很長的路要走。文章希望通過對人工智能教育本質(zhì)的探討，促使更多研究者和實踐者不只關(guān)注人工智能教育的表面價值，更要去發(fā)現(xiàn)、思考和應(yīng)對正在出現(xiàn)和仍然未知的挑戰(zhàn)。

關(guān)鍵詞：人工智能；人工智能教育；人工智能素養(yǎng)；人工智能倫理；未來挑戰(zhàn)

中圖分類號：G434" " " " "文獻標(biāo)志碼：A" " " " "文章編號：1673-8454（2023）02-0016-11

一、引言

人工智能在教育中的應(yīng)用已被認為是一種“在全球傳播優(yōu)質(zhì)教育的全新方式”[1]。著名人工智能專家李開復(fù)等人在《AI 2041：預(yù)見10個未來新世界》（AI 2041： Ten Visions for Our Future）一書中提出：“我們知道今天教育的缺陷，人工智能可以在修復(fù)這些缺陷方面發(fā)揮重要作用。人工智能將使學(xué)習(xí)更有效、更吸引人、更有趣……這種共生的、靈活的新教育模式，可以幫助每個學(xué)生在人工智能時代發(fā)掘自己的潛力”。[2]

當(dāng)前，很多研究人員認為，人工智能可以為學(xué)習(xí)者提供個性化和符合學(xué)習(xí)需求的內(nèi)容[3]；國際組織也紛紛大力宣稱，人工智能將能為學(xué)習(xí)者提供更大的自主權(quán)（如學(xué)習(xí)內(nèi)容、方式、時間、地點等）[4]和幫助教師實現(xiàn)更好的教學(xué)效果[5]。因此，越來越多的人認為人工智能將改變教育[6]，這種熱情也促使人工智能教育（Artificial Intelligence in Education， AIED）成為2020年人工智能三大風(fēng)險投資領(lǐng)域之一[7]。

然而，當(dāng)前對于人工智能教育的一些樂觀看法在很大程度上是夸大，甚至錯誤的。人工智能和人工智能教育的巨大潛力仍有待進一步發(fā)掘。目前人工智能在教育中的應(yīng)用存在“炒作”現(xiàn)象，其發(fā)展受到諸多關(guān)鍵性限制的問題，也尚未得到充分考量。事實上，關(guān)于人工智能教育潛力的種種提法，大多基于理論設(shè)想而非源自實證研究[8]。這些設(shè)想經(jīng)常過于簡單化，忽視了諸如能動性、教學(xué)法、監(jiān)督、效能、倫理等方面的問題[9-12]。其原因是，現(xiàn)有人工智能教育傾向于解決方案導(dǎo)向而非問題導(dǎo)向，目的是取代教師的職能而非賦能教師。此外，在關(guān)于人工智能與教育關(guān)系的研究與討論中，還存在術(shù)語不明確的問題，“運用人工智能教學(xué)（teaching with AI）”與“教授人工智能知識（teaching about AI）”經(jīng)?；煜?，使得當(dāng)前關(guān)注的焦點僅在于人工智能的技術(shù)維度，忽視了教育中必不可少的人的維度?；诖?，本文從人工智能的定義、人工智與教育的關(guān)系，以及未來人工智能教育面臨的挑戰(zhàn)三個方面，對相關(guān)問題作延伸討論。

二、人工智能定義辨析

要厘清人工智能與教育的關(guān)系，首先要明晰什么是人工智能。通過網(wǎng)絡(luò)檢索可以發(fā)現(xiàn)，有關(guān)人工智能的定義在不斷發(fā)生變化。有觀點認為，一些前沿的人工智能應(yīng)用，一旦變得非常實用和相當(dāng)普及，往往就不再被貼上人工智能的標(biāo)簽[13]。

對于非計算機領(lǐng)域的研究者來說，由聯(lián)合國兒童基金會發(fā)布的定義值得參考。該定義認為，人工智能是指能夠根據(jù)人類設(shè)定的一系列目標(biāo)，做出影響現(xiàn)實或虛擬環(huán)境的預(yù)測、建議或決定的機器系統(tǒng)。人工智能系統(tǒng)直接或間接地與我們互動并影響環(huán)境。通常，人工智能系統(tǒng)看起來是自主運行的，并且可以通過對環(huán)境的學(xué)習(xí)來調(diào)整自身行為[14]。

該定義的重要性可以從三個方面來理解[11]。首先，該定義適應(yīng)了基于數(shù)據(jù)驅(qū)動的人工智能技術(shù)的發(fā)展（如人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)），但又不依賴于數(shù)據(jù)；其次，該定義涵蓋了基于規(guī)則或符號的人工智能，以及未來可能出現(xiàn)的任何新的人工智能范式（如“神經(jīng)符號”人工智能）[15]；最后，該定義強調(diào)人工智能系統(tǒng)必然依賴于人類的目標(biāo)，其核心是考慮到人類在人工智能開發(fā)流程所有階段的關(guān)鍵作用，即人工智能系統(tǒng)有時“看起來是自主運行的”，而不是假設(shè)它們“確實是自主運行的”。

實際上，該定義也存在一定的缺陷，“學(xué)習(xí)”這一要素在人工智能系統(tǒng)中的意義并不大。學(xué)習(xí)需要意識或能動性，而在現(xiàn)在和可預(yù)見的未來，機器系統(tǒng)并不具備這一能力[16]。雖然人工智能敘事者經(jīng)常使用擬人化的術(shù)語來描述機器系統(tǒng)，如“智能”“學(xué)習(xí)”“識別”等，但這并不能改變上述事實?？傊谠噲D理解人工智能的真正含義時，我們要認識到它既不神奇，也不具備人類的智慧[17]；跳出思維定勢來看，人工智能甚至不是人工的，也不是智能的，其背后實際是人在執(zhí)行任務(wù)，只不過系統(tǒng)看起來像是自主運行的[18]。

需要承認的是，近年來基于“機器學(xué)習(xí)”的人工智能，尤其是“人工神經(jīng)網(wǎng)絡(luò)”研究，取得了巨大的進展。人工神經(jīng)網(wǎng)絡(luò)的靈感來自于人類大腦的結(jié)構(gòu)和功能，包括神經(jīng)元和突觸，并且以大量數(shù)據(jù)為基礎(chǔ)來確定模式和得出推論[19]。人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在諸如人類語言之間的自動翻譯[20]、蛋白質(zhì)折疊預(yù)測[21]、生成類人文本的大型語言（如“GPT-3”）[22]等方面取得了成功應(yīng)用。

然而，在取得這些進展的同時，人工智能也經(jīng)常受到過度宣傳和夸大其辭的影響[23]。例如，人工智能系統(tǒng)可能會非常脆弱，有時對路標(biāo)的一個小改變就會妨礙人工智能圖像系統(tǒng)對它的識別[24]；人工智能產(chǎn)生的結(jié)果也可能會因為訓(xùn)練數(shù)據(jù)集或驅(qū)動算法的偏差而出現(xiàn)偏差[25]；在人類面臨嚴重的新冠疫情傳播的時候，人工智能也未能如預(yù)期一樣發(fā)揮作用[26-29]；人工智能語言模型也經(jīng)常會生成一些無意義的文本[30][31]等。

需要指出的是，盡管當(dāng)前人工智能有其技術(shù)背景和受技術(shù)主導(dǎo)，但也不應(yīng)該只是純技術(shù)術(shù)語。相反，人工智能是一種復(fù)雜的社會技術(shù)生成物，需要被理解為復(fù)雜的社會過程的產(chǎn)物[32]。也就是說，在研究人工智能時，必須同時考慮共生關(guān)系中人的維度和技術(shù)的維度。

三、人工智能與教育的關(guān)系

人工智能與教育之間的關(guān)系可以歸納為人工智能在教育中的應(yīng)用和面向人工智能素養(yǎng)提升的教育。人工智能在教育中的應(yīng)用涉及在教學(xué)和學(xué)習(xí)中使用人工智能輔助工具，包括利用人工智能支持學(xué)習(xí)者、教師和教育行政管理者（如招聘、課程表和學(xué)習(xí)管理）[33]。面向人工智能素養(yǎng)提升的教育涉及提高所有年齡段公民（從初等教育到終身學(xué)習(xí)者）及其教師的人工智能知識和技能，既包括人工智能的技術(shù)維度，即人工智能的相關(guān)技術(shù)，如機器學(xué)習(xí)、自然語言處理等；也包括人工智能的人的維度，即確保所有公民為人工智能對生活可能產(chǎn)生的影響做好準備，幫助他們了解人工智能倫理、數(shù)據(jù)偏見、監(jiān)控，以及對就業(yè)的潛在影響等問題。可見，只有充分理解人工智能的本質(zhì)，即技術(shù)和人兩個維度，才能具備人工智能素養(yǎng)。

（一）人工智能教育應(yīng)用

在過去的40年里，多數(shù)人工智能教育研究的重點都聚焦于支持學(xué)習(xí)者的人工智能，即自動化教師的職能，從而使學(xué)習(xí)者能夠不依賴于教師進行學(xué)習(xí)。然而，現(xiàn)有的人工智能教育大部分采用了相當(dāng)原始的教學(xué)方法，而且經(jīng)常把重點放在自動化這些陳舊的教學(xué)方法，而不是推動教學(xué)創(chuàng)新。例如，人工智能經(jīng)常被用于輔助傳統(tǒng)考試，卻很少被用于設(shè)計創(chuàng)新的方法來評估和認證學(xué)習(xí)。盡管如此，支持學(xué)習(xí)者的人工智能已經(jīng)在主流教育中流行起來，并發(fā)展出了各種各樣的應(yīng)用。最近有研究依據(jù)可用性（從成熟的商業(yè)應(yīng)用到獲取投資的設(shè)想）對其進行了分類[11]，主要包括：智能輔導(dǎo)系統(tǒng)、人工智能學(xué)習(xí)應(yīng)用（如翻譯軟件、作業(yè)解答）、人工智能模擬仿真（如增強現(xiàn)實、基于游戲的學(xué)習(xí)）、支持特殊學(xué)習(xí)者的人工智能、自動化論文寫作、聊天機器人、自動化形成性評價、學(xué)習(xí)網(wǎng)絡(luò)配置、基于對話的輔導(dǎo)系統(tǒng)、探索性學(xué)習(xí)環(huán)境以及人工智能終身學(xué)習(xí)助手。

隨著人工智能對社會各個領(lǐng)域發(fā)展的沖擊，世界各地獲得數(shù)百萬美元投資的人工智能教育公司數(shù)量不斷上升，由此證明全球?qū)τ谥С謱W(xué)習(xí)者的人工智能的需求在持續(xù)增長[8][33][34]。然而，現(xiàn)有支持人工智能工具有效性的證據(jù)，大多源自基于限定條件下的短期研究[35-37]。排除營銷手段和政策制定者表達的愿景，目前尚未有足夠證據(jù)表明在資源充足的教室中，廣泛使用人工智能的合理性。因此，在缺乏強有力獨立研究證據(jù)的情況下[8]，人工智能將顯著改善學(xué)習(xí)者學(xué)習(xí)方式這一說法[4]，顯得過于理想化或具有一定猜測性[8][33]。

與此同時，很少有研究關(guān)注支持教師的人工智能（除了常見的儀表盤[38]）。近期逐漸有一些研究和個別商業(yè)產(chǎn)品開始關(guān)注這一方面[11]，如抄襲檢測、學(xué)習(xí)資源智能管理、課堂監(jiān)控、自動化總結(jié)性評價、人工智能教學(xué)、評估助手以及課堂編排等。支持教育行政管理的人工智能研究也在起步[11]，包括招生、課程規(guī)劃、日程安排、課程表、學(xué)校安全、識別輟學(xué)和有風(fēng)險的學(xué)生以及電子監(jiān)考等。

（二）人工智能素養(yǎng)

雖然只有少數(shù)學(xué)習(xí)者會因為想成為人工智能設(shè)計者或開發(fā)者而學(xué)習(xí)人工智能，但鼓勵和支持所有公民具備一定水平的人工智能素養(yǎng)，是未來社會的必然要求。無論是從技術(shù)角度還是從人的角度，公民都應(yīng)該擁有以開發(fā)、實施和使用人工智能技術(shù)為核心的知識、技能和價值觀。世界公民需要了解人工智能可能會產(chǎn)生的影響，包括能做什么、不能做什么，何時有用、何時應(yīng)該受到質(zhì)疑，還要引導(dǎo)人工智能為公眾利益服務(wù)。[8]

人工智能素養(yǎng)通常被認為是信息技術(shù)素養(yǎng)或數(shù)字素養(yǎng)的延伸，包括：數(shù)據(jù)素養(yǎng)，即理解人工智能如何收集、清理、處理和分析數(shù)據(jù)的能力；算法素養(yǎng)，即理解人工智能算法如何識別數(shù)據(jù)中的模式（Patterns）和關(guān)聯(lián)（Connections）的能力[39]。然而，人工智能在本質(zhì)上與大多數(shù)數(shù)字技術(shù)不同，人工智能素養(yǎng)也不能僅限于技術(shù)部分。換言之，人工智能素養(yǎng)應(yīng)該包括人工智能的技術(shù)和人的維度，即人工智能的運作方式（技能和技術(shù)）和對人的影響（認知、隱私、能動性等）[33]。

總之，盡管人工智能技術(shù)的教學(xué)很重要，但也不應(yīng)忽視采用自動化決策背后的人、權(quán)力和政治動機。強調(diào)人工智能素養(yǎng)的人的維度，是要讓每個人都能夠了解與人工智能共存意味著什么，以及如何在最大限度地利用人工智能提供優(yōu)勢的同時，保護人的行為或尊嚴不受任何不當(dāng)影響。因此，應(yīng)該幫助年輕人了解人工智能、自動化，尤其是自動化決策將如何影響他們的社會待遇。換句話說，如果年輕人想要像精通數(shù)學(xué)一樣精通人工智能，就需要了解其有意或無意接觸的人工智能是否公平地對待了他們。[40]

通常的觀點是，信息技術(shù)相關(guān)教師負責(zé)教授信息技術(shù)或提高學(xué)生數(shù)字素養(yǎng)。但事實證明，只有通過鼓勵不同學(xué)科（從科學(xué)到人文、藝術(shù)）的所有教師，與學(xué)生一起探索人工智能在其學(xué)科領(lǐng)域的潛在用途、益處、影響、挑戰(zhàn)、風(fēng)險等議題，才能真正實現(xiàn)人工智能素養(yǎng)的培養(yǎng)和提升。例如，基于人工智能已經(jīng)被用于自動生成數(shù)字圖像、詩歌和故事的案例，相關(guān)學(xué)科教師（如藝術(shù)和文學(xué)教師）可以提問學(xué)生——如果機器可以具有創(chuàng)造性行為，那么人的價值又將如何體現(xiàn)？

四、未來人工智能教育面臨的挑戰(zhàn)

值得關(guān)注的是，由于存在用于監(jiān)控、剝奪教師權(quán)利和削弱學(xué)生能動性的傾向，許多人工智能工具在教育中的應(yīng)用已經(jīng)受到廣泛質(zhì)疑[11]。因此，有必要對人工智能教育所面臨的深層次問題進行全面剖析，具體包括：教學(xué)法，倫理，人權(quán)，個性化，節(jié)約教師時間，智能、效能和影響，技術(shù)解方主義（techno-solutionism），殖民主義，信任等。

（一）人工智能教育與教學(xué)法

雖然現(xiàn)有的商業(yè)人工智能輔導(dǎo)工具采用了先進的技術(shù)，并時常以認知科學(xué)為基礎(chǔ)，但它們幾乎都僅僅體現(xiàn)了簡單的教學(xué)和學(xué)習(xí)方法，其本質(zhì)是根據(jù)學(xué)生表現(xiàn)灌輸預(yù)先設(shè)定的學(xué)習(xí)內(nèi)容，從而避免失敗。盡管這些人工智能工具聲稱可以給每個學(xué)生提供不同的建議，但本質(zhì)上還是基于行為主義或講授主義理論，并未體現(xiàn)近60多年來教學(xué)研究的新發(fā)展。長此以往，人工智能將剝奪教育工作者的權(quán)力，使他們成為單純的技術(shù)促進者；并削弱學(xué)生的能動性，使得他們別無選擇，只能做人工智能要求的事情，失去發(fā)展自主技能或自我實現(xiàn)的機會。人工智能教育教學(xué)工具的典型方法忽視了深度學(xué)習(xí)[41]、引導(dǎo)式發(fā)現(xiàn)學(xué)習(xí)[42]、有益的失敗[43]、基于項目的學(xué)習(xí)[44]、主動學(xué)習(xí)[45]等。這種行為主義取向，尤其是填鴨式的方法，將記憶優(yōu)先于思考，將了解事實優(yōu)先于批判性參與，最終會損害真正的學(xué)習(xí)。

（二）人工智能教育與倫理

總體來說，人工智能研究越來越關(guān)注倫理問題，并已提出80多項人工智能倫理原則[46]。人工智能教育中的倫理問題對學(xué)生、教育工作者、家長和其他利益相關(guān)者至關(guān)重要，但相關(guān)的研究還比較缺乏[9][10][47][48]。事實上，到目前為止，大多數(shù)人工智能教育工具的研發(fā)，都沒有認真考慮在教育中使用人工智能可能帶來的倫理后果。雖然歐洲國家開始制定面向教師的指南和規(guī)則，以規(guī)范人工智能教育倫理發(fā)展和技術(shù)開發(fā)，聯(lián)合國教科文組織成員也簽署了《北京共識》[49]，但尚未有國家和地區(qū)真正頒布適當(dāng)?shù)姆ㄒ?guī)[50]。同時，大多數(shù)圍繞人工智能教育倫理和學(xué)習(xí)分析的相關(guān)討論都集中于數(shù)據(jù)（如偏差、隱私和數(shù)據(jù)所有權(quán)），以及如何分析數(shù)據(jù)（如公平、透明和信任）等問題。而人工智能教育的倫理不僅僅包括以上問題。也就是說，了解人工智能教育數(shù)據(jù)和算法的倫理問題是必需的，但不是全部。人工智能教育倫理還需要關(guān)注教育和人類發(fā)展的倫理問題[10]，如教學(xué)法（大多數(shù)人工智能教育采用的教學(xué)方法是否有道德基礎(chǔ)）、知識（什么是知識）、評估（應(yīng)該評估什么以及如何評估），以及學(xué)生和教師的能動性（誰應(yīng)該掌握“控制”權(quán)）[9]等一系列問題。

（三）人工智能教育與兒童權(quán)益

近期，歐洲委員會借鑒了聯(lián)合國《世界人權(quán)宣言》（1948年）、歐洲理事會《歐洲人權(quán)公約》（1953年）和聯(lián)合國《兒童權(quán)利公約》（1989年），從人權(quán)方面探索了人工智能和教育，并發(fā)布了相關(guān)報告[40]。該報告詳細討論了人工智能教育工具面臨的關(guān)鍵問題：①人類尊嚴的權(quán)利：教學(xué)、評估和認證不應(yīng)委托給人工智能系統(tǒng)。②自主權(quán)：兒童應(yīng)享有避免被進行個體描述、被規(guī)定學(xué)習(xí)路徑，并保護他們的發(fā)展和未來生活的權(quán)利。③被傾聽的權(quán)利：兒童應(yīng)享有不接觸人工智能系統(tǒng)的權(quán)利，且不會對他們的教育產(chǎn)生負面影響。④不受歧視的權(quán)利：所有兒童都應(yīng)享有從技術(shù)使用中受益的機會，而不僅僅是那些有負擔(dān)能力的社會經(jīng)濟群體。⑤數(shù)據(jù)隱私和數(shù)據(jù)保護的權(quán)利：兒童應(yīng)享有在沒有直接利益的情況下，其數(shù)據(jù)不被匯總和用于商業(yè)目的的權(quán)利。⑥透明度和可解釋性的權(quán)利：兒童和他們的父母應(yīng)該能夠理解和質(zhì)疑人工智能教育系統(tǒng)做出的任何決定。

（四）人工智能教育與個性化

李開復(fù)等人提出，也許人工智能在教育領(lǐng)域的最大機會是個性化學(xué)習(xí)。個性化的人工智能導(dǎo)師可以被分配給每個學(xué)生，不像真人教師要考慮整個課堂，虛擬教師可以給予每個學(xué)生特別關(guān)注，無論是解決特定的發(fā)音問題、練習(xí)乘法還是寫文章。人工智能教師會注意到哪些知識會讓學(xué)生的瞳孔放大、哪些知識會讓學(xué)生的眼皮下垂。它可以推斷出一種教幾何的方法，使一個學(xué)生學(xué)得更快，即便這種方法可能對其他1000名學(xué)生無效。而對于一個熱愛籃球的學(xué)生來說，數(shù)學(xué)問題可以用自然語言處理技術(shù)改寫為籃球領(lǐng)域問題。人工智能會根據(jù)每個學(xué)生的進度給他們布置不同的家庭作業(yè)，確保學(xué)生在進行下一個主題之前完全掌握前一個主題。[2]

雖然“個性化學(xué)習(xí)”的含義尚未完全明確[51]，但越來越多的教育工作者認為教育應(yīng)努力實現(xiàn)個性化學(xué)習(xí)[52]。事實上，“個性化學(xué)習(xí)”起源于100年前普雷西（Pressey）和斯金納（Skinner）設(shè)計的所謂“教學(xué)機器”，即針對每個學(xué)生的長處和短處進行學(xué)習(xí)[53]。出于各種原因，這些機器在當(dāng)時沒有被廣泛接受，因此關(guān)于個性化學(xué)習(xí)的討論也逐漸消失。然而，幾十年后，互聯(lián)網(wǎng)的發(fā)展使大規(guī)模定制成為可能，也使得個性化學(xué)習(xí)重新被關(guān)注。人們經(jīng)常會問，如果我們可以在網(wǎng)飛或亞馬遜上提供個性化的推薦，為什么不能在教育領(lǐng)域做類似的事情。

關(guān)于個性化學(xué)習(xí)，有研究人員提出這樣的比喻：標(biāo)準的課堂教育就像一輛普通的校車（黃色巴士），所有學(xué)生都坐在一起，以相同的速度、相同的方向，前往相同的目的地（汽車站）；而人工智能教育產(chǎn)品更像是網(wǎng)約車車隊，每個學(xué)生都坐在自己的網(wǎng)約車里，以適合他們個人的速度和方向行駛。然而，這個比喻也未能揭示人工智能教育的本質(zhì)。雖然一些人工智能工具可以通過學(xué)習(xí)材料為每個學(xué)生提供學(xué)習(xí)的路徑，但這仍然會把所有學(xué)生帶到一樣的固定學(xué)習(xí)終點。這也表明，當(dāng)前人工智能教育所提供的個性化學(xué)習(xí)方法是基于對個性化的表面理解[33]。事實上，真正的個性化是幫助每個學(xué)生發(fā)掘自己的潛力，自我實現(xiàn)，并增強能動性，但目前很少有人工智能教育工具能夠?qū)崿F(xiàn)?？傊m然現(xiàn)有人工智能教育工具可以通過學(xué)習(xí)材料提供相應(yīng)的個性化學(xué)習(xí)途徑，但大多數(shù)都有推動學(xué)生同質(zhì)化的趨勢。通過對這類人工智能教育工具的批判性解讀，我們應(yīng)該認識到，這些工具只能確保學(xué)生按照既定的目標(biāo)發(fā)展（如通過考試），并為適應(yīng)既定的社會工作角色作好準備。

（五）人工智能教育與節(jié)約教師時間

教育技術(shù)界另一個老生常談卻又從未真正實現(xiàn)的愿望是，應(yīng)用人工智能教育工具節(jié)省教育工作者的時間[53]。當(dāng)然，業(yè)界可能會辯解說人工智能與其他教育技術(shù)不同，人工智能工具最終將節(jié)省教育工作者的時間。雖然多數(shù)教師都會喜歡能夠代替他們打分的工具，但是任何人工智能系統(tǒng)，都無法提供像人類教育者一樣具有深度的解釋或準確的分析。同時，人工智能還會忽略教師對學(xué)生的了解程度，在閱讀學(xué)生的作品時，教師給出的個人見解是任何儀表盤都無法給出的。需要進一步思考的是，即使人工智能確實可以在一定程度上節(jié)約教師時間，但能否像技術(shù)公司所許諾的“提高教學(xué)質(zhì)量”，仍有待進一步探究和證實。

（六）人工智能教育的智能、效能和影響

首先，許多公司聲稱其人工智能教育工具是智能的，但事實并非如此：至今沒有任何人工智能系統(tǒng)能接近人類的智慧（引人矚目的GPT-3也不能理解它生成的文本[31]），也沒有任何人工智能教育工具能接近人類教育者的智慧。事實上，教育領(lǐng)域人工智能系統(tǒng)所涵蓋的范圍和能夠?qū)崿F(xiàn)的目標(biāo)非常有限，有些系統(tǒng)盡管看起來很智能，但距離真正的智能依然任重道遠[54]。

其次，發(fā)表在《國際人工智能教育雜志》（International Journal of Artificial Intelligence in Education）上的實證研究表明，研究者已經(jīng)對人工智能教育系統(tǒng)的效能開展了廣泛研究，也有許多元分析對此進行了綜述[55-57]。然而，這些研究大多由技術(shù)開發(fā)人員開展，并且大多來自商業(yè)組織本身，其學(xué)習(xí)者數(shù)量十分有限，可推廣性不強。目前，只有少數(shù)研究是獨立進行或大規(guī)模的[58][59]，而這些研究大多在美國開展，其可遷移性也受到社會文化等因素的限制。

再次，現(xiàn)有的人工智能教育研究，多專注于驗證人工智能工具在提升個體學(xué)生學(xué)習(xí)成就方面的作用，很少有研究考慮到人工智能在課堂環(huán)境中可能產(chǎn)生的更廣泛意義，及其對教師和學(xué)生產(chǎn)生的更深遠影響。例如，目前許多循證研究都旨在揭示人工智能的技術(shù)力量，而尚未觸及教育是否需要人工智能的問題[8][60]。

最后，人工智能教育還可能會對人類認知和大腦發(fā)育產(chǎn)生潛在影響。兒童的認知結(jié)構(gòu)和能力仍處于發(fā)展階段，關(guān)于技術(shù)如何影響兒童大腦和認知能力是一個重要且尚待研究的問題，主要包括：技術(shù)使用是否導(dǎo)致諸如注意力問題等各種認知或行為后果？技術(shù)使用是否與兒童大腦部分區(qū)域重構(gòu)有關(guān)？技術(shù)使用是否與健康風(fēng)險有關(guān)？如果是，其因果機制可能是什么[61]。這些問題的解決對人工智能教育發(fā)展至關(guān)重要，值得重點關(guān)注。

（七）人工智能教育和技術(shù)解方主義

“人工智能教育系統(tǒng)比人類教師表現(xiàn)更好”[56]，這一結(jié)論是支撐人工智能教育系統(tǒng)廣泛應(yīng)用的合理性依據(jù)。特別是，由于優(yōu)質(zhì)師資不足，一些發(fā)展中國家農(nóng)村地區(qū)學(xué)生無法獲得應(yīng)有的優(yōu)質(zhì)教育，而人工智能教育被認為可以彌補這一缺失[62]。盡管在這種特定的背景下，學(xué)生可能會從獲得的人工智能教育工具中受益，但也存在很多挑戰(zhàn)。一方面，許多農(nóng)村地區(qū)缺乏必要的基礎(chǔ)設(shè)施（如電力和互聯(lián)網(wǎng)接入）；另一方面，有些地區(qū)有可用的設(shè)備，但能夠部署、管理和支持所需硬件和軟件的人才十分有限。

更重要的是，雖然人工智能教育或許能解決學(xué)習(xí)者無法接受高質(zhì)量教育等表面問題，但無法從根本上改變優(yōu)質(zhì)師資不足等潛在、長期的，社會發(fā)展過程中存在的一些積弊。在實踐中，技術(shù)提供者往往會根據(jù)自身利益來表述“問題”，而由于缺乏利益相關(guān)者的廣泛參與，教育中更深層的社會和文化問題很難得到改變。正如克拉胡爾科娃（Krahulcova）所指出的那樣，“最復(fù)雜的現(xiàn)實世界問題需要復(fù)雜的現(xiàn)實世界解決方案”[63]，而不是技術(shù)解決方案。因此，提升落后地區(qū)教育質(zhì)量的最好辦法，應(yīng)該是專注于教師專業(yè)發(fā)展和向缺乏經(jīng)驗的課堂教師提供支持，如在全國范圍內(nèi)建立人工智能輔助的同行、教學(xué)專家交流平臺。因此，人工智能教育未來發(fā)展的重點應(yīng)該是使用技術(shù)來支持和賦能教師，而不是取代教師。

（八）人工智能教育與教育商業(yè)化

以學(xué)習(xí)者為中心的人工智能研究已有近40年歷史，但近10年間才得以走出實驗室，逐漸商業(yè)化，并被各國政府借助行政手段大力推廣。這一發(fā)展現(xiàn)狀具有重要影響：首先，雖然人工智能研究最初是在學(xué)術(shù)界進行，目的是加強教學(xué)和學(xué)習(xí)，然而，在商業(yè)機構(gòu)以創(chuàng)造利潤為前提的背景下，學(xué)生與人工智能系統(tǒng)的交互，必然會產(chǎn)生關(guān)于產(chǎn)品如何設(shè)計的技術(shù)知識，以及關(guān)于產(chǎn)品如何使用的市場知識。我們需要反思，學(xué)生是否在不知情的情況下，被用來創(chuàng)造和提供旨在支持企業(yè)的商業(yè)智能，這是否已取代幫助學(xué)生學(xué)習(xí)和認知發(fā)展的本意[40]。其次，商業(yè)機構(gòu)很少分享專有系統(tǒng)及其有效性的信息，限制了社會公眾對采購、審查和公共資金問責(zé)的權(quán)利。最后，大型科技公司所提供的人工智能教育系統(tǒng)和工具不僅在塑造個體學(xué)習(xí)者，并且也在影響國家政策和治理，即“它們可以按照自己的標(biāo)準來決定什么是知識。知識就是或?qū)⑹?，那些能夠或可以通過計算方式程序化的東西”[64]。簡而言之，這種以人工智能教育為借口，從而隱匿地將教育商業(yè)化的做法，也反映了復(fù)雜的現(xiàn)實和意識形態(tài)問題。

（九）人工智能教育與殖民主義

人工智能教育科技公司在全球范圍內(nèi)銷售其產(chǎn)品，也助長了所謂的人工智能教育殖民主義：發(fā)達國家的公司將人工智能教育工具出售到發(fā)展中國家，造成了國家之間權(quán)力的不對等。在這種情況下，“數(shù)字技術(shù)成為延續(xù)過去種族和殖民形態(tài)的一種方式”[65]。事實上，來自發(fā)達國家的人工智能教育研究長期以來占據(jù)壓倒性優(yōu)勢，但其很少在解決文化多樣性或地方政策、實踐問題方面作出有意義的貢獻[66]。

人工智能教育殖民主義可以表現(xiàn)為，發(fā)展中國家采用了某個人工智能教育工具，其數(shù)據(jù)和資本被提取，為發(fā)達國家公司帶來市場和經(jīng)濟收益[67]。它可能始于個別學(xué)校的人工智能教育日常教學(xué)實踐，然后逐步擴展到整個國家教育系統(tǒng)，最終所有學(xué)校都采用單一的產(chǎn)品。甚至，人工智能教育殖民主義并非一定要依賴某種特定的工具，在課堂中訓(xùn)練人工智能教育工具的語言（多為美式英語）都可能會產(chǎn)生影響[68]。而在非英語環(huán)境中，使用基于英語訓(xùn)練模型的人工智能教育工具的效果，及其對學(xué)生的影響尚未可知[69]。

（十）人工智能教育和信任

旨在支持學(xué)習(xí)者的人工智能教育的最后一個問題是信任。要想在課堂上更加廣泛地應(yīng)用人工智能工具，必須要讓利益相關(guān)者，如教師、學(xué)生、家長等相信其是有益的，可以促進學(xué)習(xí)且不會造成任何傷害。當(dāng)前，涉及信任的對話才剛剛開始，而相關(guān)責(zé)任往往落在使用者而非開發(fā)者身上。例如，最近一項研究總結(jié)了影響教師信任人工智能教育工具的八個因素，但所有因素都指向教師，而沒有向開發(fā)者提出任何使其所開發(fā)工具值得被信任的要求[70]。為此，我們建議，未來人工智能教育系統(tǒng)設(shè)計應(yīng)遵循歐洲委員會的《可信任的人工智能倫理指南（2019）》（Ethics Guidelines for Trustworthy AI 2019）[71]。

五、結(jié)語

本文提出和討論當(dāng)前人工智能教育所面臨的眾多挑戰(zhàn)，試圖確保教育工作者在教育中使用正確的人工智能類型，以及教授正確的人工智能方法[72]，并非阻止人工智能在教育中的應(yīng)用。經(jīng)過多年發(fā)展，人工智能的倫理和人本主義挑戰(zhàn)開始出現(xiàn)并逐漸受到了重視。然而，由于人工智能的發(fā)展方向受科技巨頭企業(yè)的控制，這些問題的解決還有很長的路要走[73]。與此同時，盡管人工智能教育研究已經(jīng)有40多年的發(fā)展歷史，但直到最近，人工智能教育工具才開始真正大規(guī)模進入課堂，而人工智能素養(yǎng)也仍存在唯技術(shù)維度而忽視人的維度的誤區(qū)。總之，當(dāng)前人工智能在教育中的應(yīng)用和人工智能素養(yǎng)的提高還較為滯后。令人欣慰的是，越來越多的人嘗試采用人本主義方式來研究人工智能教育[9][72][74]，開始逐步關(guān)注和解決信任、人的能動性和透明度等問題。

參考文獻：

[1]SELDON A， ABIDOYE O. The fourth education revolution： will artificial intelligence liberate or infantilise humanity？[J]. Nanotechnology Perceptions： A Review of Ultraprecision Engineering and Nanotechnology， 2018，14（2）：120-125.

[2]LEE K F， CHEN Q. AI 2041： Ten Visions for Our Future[M]. WH Allen： currency， 2021.

[3]WORLD BANK. In ecuador， artificial intelligence makes learning math easier[EB/OL].（2022-02-10）[2022-08-19]. https：//www.worldbank.org/en/news/feature/2022/02/10/en-ecuador-aprender-matematicas-es-mas-facil-con-inteligencia-artificial-nivelacion-remediacion-academica.

[4]OECD. OECD Digital Education Outlook 2021： Pushing the Frontiers with Artificial Intelligence， Blockchain and Robots[R]. Paris： OECD Publishing， 2021.

[5]IBM. IBM Watson Education Classroom helps teachers deliver personalized learning that can improve student outcomes[EB/OL].（2018-02-27）[2022-08-19]. https：//www.ibm.com/common/ssi/cgi-bin/ssialias？htmlfid=897/ENUS218-010amp; infotype=ANamp;subtype=CA.

[6]OECD. Trustworthy AI in education： Promises and challenges[EB/OL].（2020-04-08）[2022-09-26]. https：//www.oecd-ilibrary.org/education/trustworthy-artificial-intelligence-ai-in-education_a6c90fa9-en.

[7]ZHANG D， MASLEJ N， BRYNJOLFSSON E， et al. The AI index 2022 annual report[EB/OL].（2022-05-02）[2022-08-19]. https：//doi.org/10.48550/arXiv.2205.03468.

[8]MIAO F， HOLMES W， HUANG R， et al. AI and education： Guidance for policy-makers[R]. Paris： UNESCO， 2021.

[9]HOLMES W， PORAYSKA-POMSTA K. The Ethics of AI in Education. Practices， Challenges， and Debates[M]. London： Routledge， 2023.

[10]HOLMES W， PORAYSKA-POMSTA K， HOLSTEIN K， et al. Ethics of AI in education： Towards a community-wide framework[J]. International Journal of Artificial Intelligence in Education， 2021：1-23.

[11]HOLMES W， TUOMI I. State of the art and practice in AI in education[J]. European Journal of Education， in press.

[12]PORAYSKA-POMSTA K， HOLMES W， NEMORIN S. The ethics of AI in education. In B. Du Boulay（Ed.）， handbook of artificial intelligence in Education[M]. in press.

[13]CNN. AI set to exceed human brain power[EB/OL].（2006-08-09）[2022-08-18]. http：//edition.cnn.com/2006/TECH/science/07/24/ai.bostrom/.

[14]UNICEF. Policy guidance on AI for children[EB/OL].（2021-11-01）[2022-09-26]. https：//www.unicef.org/globalinsight/media/2356/file/UNICEF-Global-Insight-policy-guidance-AI-children-2.0-2021.pdf.pdf.

[15]SUSSKIND Z， ARDEN B， JOHN L K， et al. Neuro-Symbolic AI： an emerging class of AI workloads and their characterization[EB/OL].（2021-09-13）[2022-09-26]. http：//arxiv.org/abs/2109.06133.

[16]REHAK R. The language labyrinth： constructive critique on the terminology used in the AI discourse. In P. Verdegem（Ed.）， AI for everyone？ critical perspectives[M]. London： University of Westminster Press， 2021：87-102.

[17]PRESS G. Deep learning pioneer Yoshua Bengio says AI is not magic and Intel AI experts explain why and how[EB/OL].（2019-09-20）[2022-09-26]. https：//www.forbes.com/sites/gilpress/2019/09/20/deep-learning-pioneer-yoshua-bengio-says-ai-is-not-magic-and-intel-ai-experts-explain-why-and-how/？sh=4a278a7612a6.

[18]CORBYN Z. Microsoft’s Kate Crawford：“AI is neither artificial nor intelligent”[EB/OL].（2021-06-06）[2022-08-18]. https：//www.theguardian.com/technology/2021/jun/06/microsofts-kate-crawford-ai-is-neither-artificial-nor-intelligent.

[19]HOLMES W， BIALIK M， FADEL C. Artificial Intelligence in education. promises and implications for teaching and learning[M]. Center for Curriculum Redesign， Boston， MA， 2019.

[20]OBTRANSLATE. OBTranslate is a deep learning， artificial intelligence platforms and neural network systems for languages[EB/OL].（2022）[2022-09-26]. https：//obtranslate.org/

[21]GOOGLE DEEPMIND. AlphaFold： A solution to a 50-year-old grand challenge in biology[EB/OL].（2020-11-30）[2022-08-19]. https：//www.deepmind.com/blog/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology.

[22]HEAVEN W D. OpenAI’s new language generator GPT-3 is shockingly good—And completely mindless[EB/OL].（2020-07-20）[2022-08-19]. https：//www.technologyreview.com/2020/07/20/1005454/openai-machine-learning-language-generator-gpt-3-nlp/.

[23]BERRYHILL J， HEANG K K， CLOGHER R， et al. Hello， world： artificial intelligence and its use in the public sector[EB/OL].（2019-11-21）[2022-08-18]. https：//doi.org/10.1787/726fd39d-en.

[24]HEAVEN D. Why deep-learning AIs are so easy to fool[J]. Nature， 2019，574（7777）：163-166.

[25]LEDFORD H. Millions of black people affected by racial bias in health-care algorithms[J]. Nature， 2019，574（7780）：608-609.

[26]BENAICH N. AI has disappointed on covid[EB/OL].（2020-09-20）[2022-08-18]. https：//www.ft.com/content/0aafc2de-f46d-4646-acfd-4ed7a7f6feaa.

[27]HEAVEN W D. Hundreds of AI tools have been built to catch covid. None of them helped[EB/OL].（2021-07-30）[2022-08-20]. https：//www.technologyreview.com/2021/07/30/1030329/machine-learning-ai-failed-covid-hospital-diagnosis-pandemic/.

[28]ROBERTS M. Artificial intelligence has been of little use for diagnosing covid-19[EB/OL].（2021-05-19）[2022-09-26]. https：//www.newscientist.com/article/mg25033350-100-artificial-intelligence-has-been-of-little-use-for-diagnosing-covid-19/.

[29]WALLESER E. When the world needed It most， artificial intelligence failed： how COVID-19 poked holes in AI [EB/OL].（2021-08-05）[2022-09-26]. https：//towardsdatascience.com/when-the-world-needed-it-most-artificial-intelligence-failed-how-covid-19-poked-holes-in-ai-38b742ddc222.

[30]HUTSON M. Robo-writers： The rise and risks of language-generating AI[J]. Nature， 2021，591（7848）：22-25.

[31]MARCUS G， DAVIS E. GPT-3， Bloviator： OpenAI’s language generator has no idea what it’s talking about[EB/OL].（2020-08-22）[2022-08-19]. https：//www.technologyreview.com/2020/08/22/1007539/gpt3-openai-language-generator-artificial-intelligence-ai-opinion/.

[32]EYNON R， YOUNG E. Methodology， legend， and rhetoric： The constructions of AI by academia， industry， and policy groups for lifelong learning[J]. Science， Technology， amp; Human Values， 2021，46（1）：166-191.

[33]HOLMES W. I’m not talking about robot teachers[EB/OL].（2019-12-13）[2022-08-22]. https：//www.youtube.com/watch？v=PpvBbNsNqN4.

[34]SUSSKIND R， SUSSKIND D. The future of the professions： How technology will transform the work of human experts（1st EDITION）[M]. Oxford University Press， 2015.

[35]BEAL C R， WALLES R， ARROYO I， et al. On-line tutoring for math achievement testing： A controlled evaluation[J]. Journal of Interactive Online Learning， 2007，6（1）：43-55.

[36]MA W， ADESOPE O O， NESBIT J C， et al. Intelligent tutoring systems and learning outcomes： A meta-analysis[J]. Journal of Educational Psychology， 2014，106（4）：901-918.

[37]VANLEHN K， LYNCH C， SCHULZE K， et al. The Andes physics tutoring system： Lessons learned[J]. International Journal of Artificial Intelligence in Education， 2005，15（3）：147-204.

[38]JIVET I， SCHEFFEL M， DRACHSLER H， et al. Awareness is not enough： Pitfalls of learning analytics dashboards in the educational practice[A]. In é. Lavoué， H. Drachsler， K. Verbert， J. Broisin， amp; M. Pérez-Sanagustín （Eds.）， Data Driven Approaches in Digital Education[C]. Springer International Publishing， 2017：82-96.

[39]MIAO F， SHIOHIRA K. K-12 AI curricula： A mapping of government-endorsed AI curricula[R]. Paris： UNESCO， 2022.

[40]HOLMES W， PERSSON J， CHOUNTA I A， et al. Artificial intelligence and education： A critical view through the Lens of Human Rights， Democracy， and the rule of law[R]. Strasbourg： Council of Europe， 2022.

[41]ENTWISTLE N. Promoting deep learning through teaching and assessment： Conceptual frameworks and educational contexts[A]. TLRP Conference[C]. Leicester， 2000.

[42]GAGNE R M， BROWN L T. Some factors in the programming of conceptual learning[J]. Journal of Experimental Psychology， 1963，62（4）：313.

[43]KAPUR M. Productive failure[J]. Cognition and Instruction， 2008，26（3）：379-424.

[44]KOKOTSAKI D， MENZIES V， WIGGINS A. Project-based learning： A review of the literature[J]. Improving Schools， 2016，19（3）：267-277.

[45]MATSUSHITA K. An invitation to deep active learning[A]. In K. Matsushita （Ed.）， Deep Active Learning： Toward Greater Depth in University Education[C]. Springer， 2018：15-33.

[46]JOBIN A， IENCA M， VAYENA E. Artificial intelligence： The global landscape of ethics guidelines[J]. Nature Machine Intelligence， 2019，1（9）：389-399.

[47]ADAMS C， PENTE P， LEMERMEYER G， et al. Artificial intelligence ethics guidelines for K-12 education： A review of the global landscape[A]. In I. Roll， D. McNamara， S. Sosnovsky， R. Luckin， and V. Dimitrova （Eds.）. AIED： Artificial Intelligence in Education[C]. Springer International Publishing， 2021：24-28.

[48]AIKEN R M， EPSTEIN R G. Ethical guidelines for AI in education： Starting a conversation[J]. International Journal of Artificial Intelligence in Education， 2020，11：163-176.

[49]UNESCO. Beijing consensus on artificial intelligence and education[EB/OL].（2019-05-18）[2022-09-26]. https：//unesdoc.unesco.org/ark：/48223/pf0000368303.

[50]HOLMES W， BEKTIK D， WHITELOCK D， et al. Ethics in AIED： Who Cares？[A]. In：19th International conference on artificial intelligence in education（AIED’18）[C]. London， 2018.

[51]HOLMES W， ANASTOPOULOU S， SCHAUMBURG H， et al. Technology-enhanced personalised learning： untangling the evidence[M]. Stuttgart： Robert Bosch Stiftung， 2018.

[52]UNICEF. Trends in digital personalized learning in low and middle-income countries[R/OL].（2022-05-01）[2022-09-26]. https：//www.unicef.org/globalinsight/media/2756/file/UNICEF-Global-Insight-Digital-PL-LMIC-executive-summary-2022.pdf.

[53]WATTERS A. Teaching Machines： The History of Personalized Learning[M]. Boston： MIT Press， 2021.

[54]SCHAFFER S. Enlightened Automata. In W. Clark， J. Golinski， amp; S. Schaffer（Eds.）， The Sciences in Enlightened Europe[M]. Chicago： The University of Chicago Press， 1999.

[55]BEAL C R， WALLES R， ARROYO I， et al. On-line tutoring for math achievement testing： A controlled evaluation[J]. Journal of Interactive Online Learning， 2007，6（1）：43-55.

[56]DU BOULAY B. Artificial intelligence as an effective classroom assistant[J]. IEEE Intelligent Systems， 2016，31（6）：76-81.

[57]KULIK J A， FLETCHER J D. Effectiveness of intelligent tutoring systems： A meta-analytic review[J]. Review of Educational Research， 2015，86（1）：42-78.

[58]PANR J F， GRIFFIN B A， MCCAFFREY D F， et al. Effectiveness of cognitive tutor Algebra I at scale[J]. Educational Evaluation and Policy Analysis， 2014，36（2）：127-144.

[59]ROSCHELLE J， MURPHY R， FENG M， et al. How big is that？ Reporting the Effect Size and Cost of ASSISTments in the Maine Homework Efficacy Study[EB/OL].（2017-03-01）[2022-09-26]. https：//files.eric.ed.gov/fulltext/ED575979.pdf.

[60]NEMORIN S. Fair-AI. Project Update #6. Preliminary Findings[DB/OL]. [2022-09-26].https：//www.fair-ai.com/projectupdate-6.

[61]GOTTSCHALK F. Impacts of technology use on children： Exploring literature on the brain， cognition and well-being[EB/OL].（2019-02-04）[2022-08-19]. https：//doi.org/10.1787/8296464e-en.

[62]XPRIZE. Global Learning XPRIZE|XPRIZE Foundation[DB/OL]. [2022-09-26].https：//www.xprize.org/prizes/global-learning.

[63]KRAHULCOVA L. Techno solutionism-Very few things actually need to be an app[EB/OL].（2021-03-24）[2022-08-19]. https：//digitalrightswatch.org.au/2021/03/25/technosolutionism/.

[64]BAKER M J. The roles of models in artificial intelligence and education research： A prospective view[J]. Journal of Artificial Intelligence and Education， 2000，11：122-143.

[65]ZEMBYLAS M. A decolonial approach to AI in higher education teaching and learning： Strategies for undoing the ethics of digital neocolonialism[J]. Learning， Media and Technology， 2021：1-13.

[66]BLANCHARD E G. Socio-cultural imbalances in AIED research： Investigations， implications and opportunities[J]. International Journal of Artificial Intelligence in Education， 2015，25（2）：204-228.

[67]NEMORIN S， VLACHIDIS A， AYERAKWA H M， et al. AI hyped？ A horizon scan of discourse on artificial intelligence in education （AIED） and development[J]. Learning， Media and Technology， 2022：1-14.

[68]COTTERELL R， MIELKE S J， EISNER J， et al. Are All Languages Equally Hard to Language-Model[EB/OL].（2020-02-25）[2022-08-19]. http：//arxiv.org/abs/1806.03743

[69]NAISSMITH B， JUFFS A. Finding the sweet spot： Learners’ productive knowledge of mid-frequency lexical items[J]. Language Teaching Research， 2021（1）：1-37.

[70]NAZARETSKY T， CUKUROVA M， ARELY M， et al. Confirmation bias and trust： Human factors that influence teachers’ adoption of AI-based educational technology[A]. In Companion Proceedings of the Sixteenth European Conference on Technology Enhanced Learning[C]. AI for Blended-Learning： Empowering Teachers in Real Classrooms Workshop， 2021： 3042.

[71]EUROPEAN COMMISSION， et al. Ethics guidelines for trustworthy AI[EB/OL].（2019-11-08）[2022-08-19]. https：//data.europa.eu/doi/10.2759/346720.

[72]HOLMES W. The right kind of AI in education[EB/OL].（2020-02-21）[2022-08-19]. https：//www.nesta.org.uk/blog/right-kind-ai-education/.

[73]BENDER E M， GEBRU T， MCMILLAN-MAJOR A， et al. On the dangers of stochastic parrots： Can language models be too big[A]. Proceedings of the 2021 ACM Conference on Fairness， Accountability， and Transparency[C]. 2021：610-623.

[74]TUMONI I." The impact of artificial intelligence on learning， teaching， and education[R]. European Union： JRC， 2018.

Artificial Intelligence and Education： Digging Beneath the Surface

Abstract： It has been proposed that artificial intelligence will reshape education， and therefore the research and application of artificial intelligence in education have drawn increasing attention. However， the exaggeration of AI’s application in education still exists， and some optimistic conceptions still need reconsideration， and some key issues remain to be discussed and solved. In this case， this paper first discusses the definition of artificial intelligence， and proposes that artificial intelligence should consider both its technical dimension and human dimension. On this basis， the paper further analyzes the relationship between AI and education， and explores the perspectives of AI education and pedagogy， ethics， human rights， personalisation， saving teacher time， intelligence， efficacy and impact， techno-solutionism， commercialisation of education， colonialism， trust， etc.， which are digging beneath the surface of artificial intelligence in education. While people are aware of important issues such as AI ethics and humanism in education， the resolution is still a long way off as the direction of AI development is controlled by the tech giants. By discussing the essence of artificial intelligence in education， this paper hopes to encourage more researchers and practitioners not only to pay attention to the surface value of artificial intelligence in education， but also to discover， think about and respond to emerging and still unknown challenges.

Keywords： Artificial intelligence; Artificial intelligence in education; AI literacy; Artificial intelligence ethics; Future challenges

編輯：王曉明" "校對：李曉萍

作者簡介：韋恩·霍姆斯（Wayne Holmes），英國倫敦大學(xué)學(xué)院教育學(xué)院副教授，聯(lián)合國教科文組織國際人工智能研究中心主任和歐洲委員會研究員（倫敦 SE9 2UG）；孫夢，北京師范大學(xué)未來教育學(xué)院講師，共同第一作者、同等貢獻者（珠海 519087）；袁莉，北京師范大學(xué)未來教育學(xué)院教授，通訊作者（珠海 519087）

基金項目：教育部教育管理信息中心教育管理與決策研究服務(wù)專項2022年度委托課題“國外教育數(shù)字化戰(zhàn)略行動研究及其教育態(tài)勢感知數(shù)據(jù)庫建設(shè)”（編號：EMIC-2022006）；2021 年國家外專項目“人工智能和未來教育前沿問題研究與教學(xué)改革探索”（編號：G2021111027L）；2021 年度廣東省教育科學(xué)規(guī)劃課題“互聯(lián)網(wǎng) + 國際教育：高校學(xué)生自主性學(xué)習(xí)和新型能力培養(yǎng)的研究”（編號：2021GXJK375）