國際教育領(lǐng)域人工智能研究熱點(diǎn)分析與啟示

摘" "要：人工智能是全世界教育研究的熱點(diǎn)話題。國際視野下，多模態(tài)數(shù)據(jù)分析是實(shí)現(xiàn)精準(zhǔn)教育的最新手段，推進(jìn)教學(xué)評(píng)價(jià)改革是人工智能助力教學(xué)改革的重要切入點(diǎn)，強(qiáng)化人工智能教學(xué)系統(tǒng)應(yīng)用效果評(píng)估是人工智能深度應(yīng)用的重要保障，人工智能課程是普及人工智能知識(shí)、培養(yǎng)學(xué)生核心素養(yǎng)的重要載體，學(xué)校領(lǐng)導(dǎo)及相關(guān)機(jī)制、教師智能教育素養(yǎng)是影響學(xué)校引入和應(yīng)用人工智能的關(guān)鍵因素，研制人工智能倫理框架與法律法規(guī)是規(guī)范人工智能教育應(yīng)用的迫切需求，商業(yè)化運(yùn)作模式及基礎(chǔ)理論研究薄弱是人工智能教育應(yīng)用研究面臨的重大挑戰(zhàn)，理論研究、人機(jī)融合、多方協(xié)同、精準(zhǔn)教育是人工智能教育應(yīng)用的未來發(fā)展。以此為鑒，為推動(dòng)我國教育領(lǐng)域人工智能的應(yīng)用和研究，文章提出相關(guān)建議：注重學(xué)生參與，創(chuàng)設(shè)智慧化學(xué)習(xí)空間，支持多模態(tài)數(shù)據(jù)采集；深化專業(yè)認(rèn)證及評(píng)估改革，強(qiáng)化第三方機(jī)構(gòu)對(duì)高校課程的評(píng)估；研制通識(shí)性人工智能視頻公開課，推進(jìn)人工智能知識(shí)普及；強(qiáng)化政府監(jiān)督和指導(dǎo)，提升教師智能教育素養(yǎng)；堅(jiān)持立德樹人，研制人工智能教育倫理框架；強(qiáng)化人工智能教育基礎(chǔ)理論研究。

關(guān)鍵詞：人工智能；精準(zhǔn)教育；人工智能倫理；人工智能課程

中圖分類號(hào)：G434 文獻(xiàn)標(biāo)志碼：A" " " " "文章編號(hào)：1673-8454（2023）02-0027-15

一、引言

以人工智能技術(shù)為核心的第四次工業(yè)革命對(duì)經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生了重大沖擊和影響。2018年，人工智能再度被寫入我國政府工作報(bào)告，側(cè)重點(diǎn)從技術(shù)的研發(fā)轉(zhuǎn)化轉(zhuǎn)向了研發(fā)應(yīng)用，這就意味著發(fā)展人工智能已全面上升為國家戰(zhàn)略。再加之世界人工智能大會(huì)等一系列重要會(huì)議的成功召開，更加激起了人們對(duì)人工智能發(fā)展的高度關(guān)注。教育是經(jīng)濟(jì)社會(huì)發(fā)展人力資本供給的主要方式。面對(duì)人工智能引發(fā)的產(chǎn)業(yè)結(jié)構(gòu)變革，如何發(fā)揮人工智能優(yōu)勢(shì)、賦能教育改革，成為全球普遍關(guān)注的熱點(diǎn)話題?；诖?，本研究以科學(xué)網(wǎng)（Web of Science，簡(jiǎn)稱WOS）核心文集為數(shù)據(jù)源，通過采用信息計(jì)量學(xué)的方法對(duì)相關(guān)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，探索當(dāng)前國際教育領(lǐng)域人工智能研究熱點(diǎn)，以期為國內(nèi)教育領(lǐng)域人工智能研究與應(yīng)用提供參考和借鑒。

二、數(shù)據(jù)來源與樣本特征

本研究以“artificial intelligence”為主題對(duì)WOS核心文集收錄的1978年至2021年相關(guān)文獻(xiàn)進(jìn)行檢索，共檢索出36936篇文獻(xiàn)。之后，篩選出“Education Educational Research”“Education Scientific Disciplines”兩個(gè)領(lǐng)域的532篇文獻(xiàn)，并將其作為文獻(xiàn)分析樣本。

從時(shí)間分布來看，1978年至2017年教育領(lǐng)域關(guān)注人工智能研究的文獻(xiàn)數(shù)量基本處于平穩(wěn)發(fā)展階段，2018年是國際教育領(lǐng)域?qū)θ斯ぶ悄荜P(guān)注的關(guān)鍵拐點(diǎn)，之后有關(guān)人工智能教育應(yīng)用的討論呈井噴式增長，具體年度分布如圖1所示。

從來源出版物來看，《國際新興學(xué)習(xí)技術(shù)雜志》《工程教育中計(jì)算機(jī)應(yīng)用》《計(jì)算機(jī)教育》等10個(gè)期刊是國際教育領(lǐng)域發(fā)表、討論人工智能研究成果的主要陣地，刊發(fā)文獻(xiàn)數(shù)量累計(jì)占比40.23%，具體分布如表1所示。

從國家和地區(qū)分布來看，美國、中國、英國對(duì)推動(dòng)國際教育領(lǐng)域人工智能研究起著重要的引領(lǐng)作用。刊發(fā)文獻(xiàn)頻次大于10的國家（地區(qū)）共計(jì)16個(gè)，文獻(xiàn)累計(jì)占比93.05%，具體統(tǒng)計(jì)結(jié)果如表2所示。

三、研究熱點(diǎn)分析

本研究借助CiteSpace 5.8.R1對(duì)研究樣本進(jìn)行聚類分析。具體操作中，選擇各年度被引次數(shù)前20%的文獻(xiàn)進(jìn)入模型，最終共生教育技術(shù)、醫(yī)學(xué)教育、領(lǐng)導(dǎo)力、貝葉斯網(wǎng)絡(luò)、技術(shù)接受模型、精準(zhǔn)教育、機(jī)器學(xué)習(xí)、人工智能、智能適應(yīng)性學(xué)習(xí)、聊天機(jī)器人等成10個(gè)群組，時(shí)序如圖2所示。

從聚類時(shí)序圖可以看出，國際教育領(lǐng)域人工智能研究主題相對(duì)較為分散。之后，分別抽取各組施引文獻(xiàn)進(jìn)行深度分析，進(jìn)一步了解各組研究熱點(diǎn)。在深度分析各組所包括的施引文獻(xiàn)后，對(duì)國際教育領(lǐng)域人工智能研究熱點(diǎn)重新調(diào)整，最終形成多模態(tài)數(shù)據(jù)分析助力精準(zhǔn)教育、人工智能助力教學(xué)評(píng)價(jià)、人工智能教學(xué)系統(tǒng)應(yīng)用效果或適宜性評(píng)估等八個(gè)研究熱點(diǎn)。

（一）多模態(tài)數(shù)據(jù)分析助力精準(zhǔn)教育研究

采用大數(shù)據(jù)技術(shù)對(duì)學(xué)生學(xué)習(xí)行為進(jìn)行精準(zhǔn)預(yù)測(cè)，并進(jìn)行及時(shí)、個(gè)性化干預(yù)是精準(zhǔn)教育的關(guān)鍵邏輯。隨著人工智能技術(shù)的逐漸成熟，學(xué)生學(xué)習(xí)預(yù)測(cè)數(shù)據(jù)在以往行為表現(xiàn)數(shù)據(jù)的基礎(chǔ)上逐漸拓展至多模態(tài)數(shù)據(jù)，數(shù)據(jù)分析技術(shù)更加注重神經(jīng)網(wǎng)絡(luò)技術(shù)、深度學(xué)習(xí)技術(shù)的應(yīng)用。早期大多數(shù)關(guān)于個(gè)性化或適應(yīng)性學(xué)習(xí)的研究只涉及傳統(tǒng)計(jì)算機(jī)，只有少數(shù)研究基于可穿戴設(shè)備、智能手機(jī)和平板電腦開展探索。[1]時(shí)間相關(guān)變量[2]、學(xué)生學(xué)業(yè)成績(jī)、行為指標(biāo)、社會(huì)經(jīng)濟(jì)和人口統(tǒng)計(jì)特征等縱向記錄數(shù)據(jù)[3]是預(yù)測(cè)學(xué)生輟學(xué)率的主要數(shù)據(jù)源。人工智能、虛擬現(xiàn)實(shí)、云計(jì)算等新興技術(shù)的快速發(fā)展，使學(xué)習(xí)環(huán)境發(fā)生革命性變化。在智能學(xué)習(xí)環(huán)境中，與學(xué)生學(xué)習(xí)表現(xiàn)數(shù)據(jù)相比，增強(qiáng)學(xué)生感知數(shù)據(jù)的采集、分析和反饋，能促進(jìn)學(xué)生學(xué)習(xí)參與度，提升學(xué)習(xí)效果。[4]再加之，智能穿戴設(shè)備的普及應(yīng)用和學(xué)習(xí)分析技術(shù)的不斷成熟，使多模態(tài)數(shù)據(jù)的伴隨式、無感式自動(dòng)采集，以及深度分析成為可能，多模態(tài)學(xué)習(xí)分析成為了解學(xué)生學(xué)習(xí)軌跡的更有效手段。例如，使用點(diǎn)擊流作為建模和預(yù)測(cè)學(xué)生在線學(xué)習(xí)行為主要數(shù)據(jù)源，在預(yù)測(cè)學(xué)習(xí)績(jī)效方面的錯(cuò)誤率為39%，使用來自生理傳感的各種多模態(tài)數(shù)據(jù)能更為有效地預(yù)測(cè)學(xué)生在線學(xué)習(xí)績(jī)效。[5]

多模態(tài)數(shù)據(jù)分析已成為目前在線學(xué)習(xí)支持技術(shù)的研究熱點(diǎn)。通過多模態(tài)數(shù)據(jù)分析可以有效洞察學(xué)生學(xué)習(xí)效果與教師教學(xué)活動(dòng)開展情況。有學(xué)者研究發(fā)現(xiàn)，項(xiàng)目學(xué)習(xí)中，學(xué)習(xí)者的手、臉之間的距離是學(xué)生人工制品質(zhì)量的一個(gè)強(qiáng)有力的預(yù)測(cè)因子，可以表明學(xué)生協(xié)作的價(jià)值。[6]有學(xué)者采用多模態(tài)數(shù)據(jù)分析系統(tǒng)自動(dòng)化分析學(xué)生的手部、頭部的關(guān)鍵數(shù)據(jù)，進(jìn)而準(zhǔn)確判斷學(xué)生協(xié)作學(xué)習(xí)能力的發(fā)展水平。[7]有學(xué)者采用多模態(tài)數(shù)據(jù)預(yù)測(cè)學(xué)生自我調(diào)節(jié)學(xué)習(xí)績(jī)效。[8]有學(xué)者通過眼球跟蹤以及教師佩戴的傳感器等手段采集教師日常課堂實(shí)踐數(shù)據(jù)，對(duì)教師進(jìn)行多模態(tài)教學(xué)分析，深度了解教學(xué)活動(dòng)及其隨時(shí)間變化情況。[9]此外，在數(shù)據(jù)算法方面，逐步采用深度學(xué)習(xí)算法，預(yù)測(cè)效果比基線算法更準(zhǔn)確。如有學(xué)者采用神經(jīng)網(wǎng)絡(luò)技術(shù)提出了能早期預(yù)測(cè)混合學(xué)習(xí)課程中可能學(xué)習(xí)失敗學(xué)生的預(yù)測(cè)方案。[10]有學(xué)者以學(xué)生傳統(tǒng)學(xué)業(yè)表現(xiàn)數(shù)據(jù)和非學(xué)業(yè)表現(xiàn)數(shù)據(jù)為基礎(chǔ)，采用深度學(xué)習(xí)和符號(hào)數(shù)學(xué)系統(tǒng)（TensorFlow）人工智能引擎，構(gòu)建了高精度的學(xué)生未來發(fā)展預(yù)測(cè)模型。[11]

（二）人工智能助力教學(xué)評(píng)價(jià)研究

教學(xué)評(píng)價(jià)是應(yīng)用人工智能技術(shù)推動(dòng)教育教學(xué)改革的重要抓手，主要體現(xiàn)在教學(xué)評(píng)價(jià)手段智能化和教學(xué)效果智能化評(píng)價(jià)兩個(gè)層面。面對(duì)考試在教學(xué)評(píng)價(jià)中的各種弊端，要實(shí)現(xiàn)基于人工智能的教育評(píng)價(jià)，取代現(xiàn)有的考試，就應(yīng)該在社會(huì)、技術(shù)和政治三個(gè)方面共同發(fā)力，且三方面的舉措需要政府和私營企業(yè)共同提供財(cái)政支持。社會(huì)方面，需要讓教師、學(xué)生、家長和其他利益相關(guān)者與科學(xué)家、決策者合作，制定道德框架，使人工智能評(píng)估能夠蓬勃發(fā)展并帶來利益；技術(shù)方面，需要在學(xué)術(shù)界和商業(yè)企業(yè)之間建立國際合作，開發(fā)基于人工智能的評(píng)估系統(tǒng)；政治方面，需要領(lǐng)導(dǎo)人認(rèn)識(shí)到人工智能能夠在緊縮預(yù)算的約束下推動(dòng)急需的教育轉(zhuǎn)型的可能性。[12]

與評(píng)價(jià)手段智能化改革相比，對(duì)教學(xué)效果的智能化評(píng)價(jià)的研究顯得更為集中。如有學(xué)者引入熵權(quán)法和灰色聚類分析法，設(shè)計(jì)了一種基于人工智能的基礎(chǔ)教育在線教學(xué)質(zhì)量評(píng)價(jià)方法，為在線教學(xué)和人工智能在基礎(chǔ)教育中的應(yīng)用提供很好的參考。[13]有學(xué)者分析了人工智能對(duì)改善藝術(shù)專業(yè)課程教學(xué)效果的潛在作用，并建立反映改進(jìn)效果的評(píng)價(jià)模型。[14]有學(xué)者將假設(shè)/文獻(xiàn)驅(qū)動(dòng)（特征提取）的“白盒”方法與計(jì)算/數(shù)據(jù)驅(qū)動(dòng)（特征融合）的“黑盒”方法相聯(lián)系，提出從“黑盒”到“灰盒”的轉(zhuǎn)變方法，有助于在任何學(xué)習(xí)情境中捕獲學(xué)生的適應(yīng)性學(xué)習(xí)行為和推理學(xué)習(xí)績(jī)效，推動(dòng)實(shí)現(xiàn)學(xué)生自適應(yīng)學(xué)習(xí)活動(dòng)中的自我評(píng)估。[15]然而，在成果導(dǎo)向教育理念推動(dòng)的教育深化改革的背景下，人工智能和機(jī)器人技術(shù)在學(xué)習(xí)設(shè)計(jì)中的應(yīng)用研究很少關(guān)注學(xué)生學(xué)習(xí)成果。有學(xué)者設(shè)計(jì)了人工智能和機(jī)器人技術(shù)對(duì)身體、社會(huì)、情感、智力學(xué)習(xí)成果影響的綜合分析框架，該框架的開發(fā)考慮了更廣泛的人類潛力，能夠以更完整、包容和平衡的方式分析學(xué)生的學(xué)習(xí)成果。[16]

（三）人工智能教學(xué)系統(tǒng)應(yīng)用效果或適宜性評(píng)估研究

隨著人工智能教學(xué)系統(tǒng)種類的不斷增多與普遍應(yīng)用，系統(tǒng)應(yīng)用效果怎樣以及如何選擇合適的人工智能教學(xué)系統(tǒng)逐漸引起國際學(xué)者的普遍關(guān)注。人工智能教學(xué)系統(tǒng)應(yīng)用主要集中在語言、數(shù)學(xué)或STEM（Science、Technology、Engineering、Mathematics，簡(jiǎn)稱STEM）學(xué)科，價(jià)值集中體現(xiàn)在促進(jìn)學(xué)生認(rèn)知和情感發(fā)展，其中以智能機(jī)器人或智能代理在語言學(xué)習(xí)中的應(yīng)用效果評(píng)估最為集中。例如，有學(xué)者通過實(shí)驗(yàn)研究表明，與傳統(tǒng)教學(xué)模式相比，基于聊天機(jī)器人的教學(xué)能有效改善大學(xué)生西班牙語標(biāo)點(diǎn)符號(hào)的使用，且聊天機(jī)器人較強(qiáng)的會(huì)話特質(zhì)能創(chuàng)設(shè)更加開放和靈活的學(xué)習(xí)環(huán)境。[17]有學(xué)者發(fā)現(xiàn)小學(xué)四年級(jí)學(xué)生應(yīng)用智能機(jī)器人開展基于游戲的漢語成語學(xué)習(xí)時(shí)，男孩的認(rèn)知負(fù)荷顯著降低，學(xué)習(xí)成績(jī)也相對(duì)較好，學(xué)習(xí)效率顯著提高。[18]此外，從教學(xué)規(guī)模的視角來看，國際學(xué)者普遍認(rèn)為人工智能教學(xué)系統(tǒng)比大班額教師的輔助學(xué)習(xí)效果要好，但比一對(duì)一導(dǎo)師輔導(dǎo)效果要差。[19]從學(xué)段與教學(xué)代理類型層面來看，與大專學(xué)生相比，智能教學(xué)代理更能促進(jìn)K-12學(xué)生學(xué)習(xí)，使用屏幕文本型教學(xué)代理比旁白型教學(xué)代理能更有效地促進(jìn)學(xué)生學(xué)習(xí)。[20]從評(píng)價(jià)主體來看，面對(duì)人工智能技術(shù)的復(fù)雜性，有學(xué)者為教育利益相關(guān)者提出了一種對(duì)人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)生適應(yīng)性進(jìn)行評(píng)估的貝葉斯網(wǎng)絡(luò)模擬模型，突破了以往由計(jì)算機(jī)科學(xué)專家評(píng)估的局限，[21]促進(jìn)了評(píng)價(jià)主體的多元化發(fā)展。

人工智能教學(xué)系統(tǒng)應(yīng)用效果評(píng)估受多種因素的影響。如有學(xué)者對(duì)智能導(dǎo)師系統(tǒng)支持K-12閱讀研究的元分析發(fā)現(xiàn)，已有研究通常采用標(biāo)準(zhǔn)測(cè)量的方法比較人類輔導(dǎo)與智能導(dǎo)師輔導(dǎo)，結(jié)果是與人類輔導(dǎo)相比，智能導(dǎo)師系統(tǒng)產(chǎn)生的影響較小，但是采用混合測(cè)量的方法則顯示，與傳統(tǒng)教學(xué)相比，智能導(dǎo)師系統(tǒng)對(duì)提升學(xué)生閱讀理解能力的效果更明顯。[22]有學(xué)者發(fā)現(xiàn)智能教學(xué)系統(tǒng)的作用發(fā)揮與智能教學(xué)系統(tǒng)類型、學(xué)習(xí)結(jié)果類型、學(xué)習(xí)知識(shí)類型以及其他因素有關(guān)。[23]此外，在人工智能教學(xué)系統(tǒng)適應(yīng)性評(píng)估方面更加側(cè)重?cái)?shù)據(jù)驅(qū)動(dòng)的評(píng)估框架研究。如有學(xué)者從教學(xué)方法的角度分析了數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)活動(dòng)的局限，主要聚焦于數(shù)據(jù)獲取、新數(shù)據(jù)與已有數(shù)據(jù)集的偏差關(guān)聯(lián)，以及在人工智能算法培訓(xùn)和機(jī)器學(xué)習(xí)路徑設(shè)計(jì)中的人工干預(yù)等，為改善數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)活動(dòng)，建議制定數(shù)據(jù)驅(qū)動(dòng)的教育教學(xué)算法框架，確定人工智能系統(tǒng)的教學(xué)適宜性，以及對(duì)基于人工智能系統(tǒng)的教學(xué)過程質(zhì)量開展評(píng)估。[24]有學(xué)者構(gòu)建了人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)（Artificial Intelligence-enabled Adaptive Learning Systems，簡(jiǎn)稱AI-ALS）評(píng)估框架，利用貝葉斯網(wǎng)絡(luò)模擬具有可控參數(shù)的預(yù)測(cè)性假設(shè)情境，為教育利益相關(guān)者對(duì)AI-ALS進(jìn)行獨(dú)立評(píng)估，了解AI-ALS如何提供機(jī)會(huì)來培養(yǎng)學(xué)生的問題解決能力及學(xué)生適應(yīng)性提供有力工具。[25]

在教育應(yīng)用中，人與聊天機(jī)器人的交流持續(xù)時(shí)間比與人的交流持續(xù)時(shí)間更長，但信息更短。人與聊天機(jī)器人之間的交流缺乏豐富的詞匯，表現(xiàn)出更大的褻瀆性。這就表明，雖然人類的語言技能很容易轉(zhuǎn)移到人與聊天機(jī)器人的交流中，但這類對(duì)話的內(nèi)容和質(zhì)量與人際對(duì)話存在顯著差異。[26]從教學(xué)、人性、情感、可訪問性等四個(gè)質(zhì)量屬性來看，聊天機(jī)器人編程仍處于一個(gè)初級(jí)階段，未來研究主要聚焦在兩個(gè)領(lǐng)域：一個(gè)是專注于開發(fā)人員支持，以創(chuàng)建和提供工具，允許教師輕松地將聊天機(jī)器人集成到課堂中，并提供教育性聊天機(jī)器人指南，以成功支持學(xué)生學(xué)習(xí)；另一個(gè)領(lǐng)域是與學(xué)生實(shí)際對(duì)話的內(nèi)容分析。[27]

（四）人工智能課程研究

檢索的文獻(xiàn)中，所涉及的人工智能課程指的是具有通識(shí)意義的課程，而非人工智能專業(yè)人才培養(yǎng)的課程，研究焦點(diǎn)更多地聚焦在人工智能課程在人工智能知識(shí)推廣普及、課程設(shè)計(jì)及其對(duì)學(xué)生發(fā)展的重要作用分析兩個(gè)層面。單從社會(huì)普及層面來說，在解決與機(jī)器學(xué)習(xí)系統(tǒng)支持的人類學(xué)習(xí)相關(guān)的緊張關(guān)系、系統(tǒng)對(duì)不同教育目的的解釋性和問責(zé)制的重要性方面，社會(huì)知識(shí)和對(duì)機(jī)器學(xué)習(xí)的理解至關(guān)重要。解釋性和責(zé)任性應(yīng)該從一開始就被納入機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)中，以滿足社會(huì)、道德和立法的要求。要推動(dòng)學(xué)校教育課程的改革，使學(xué)生從小學(xué)開始增加對(duì)神經(jīng)科學(xué)基本要素的覆蓋，以幫助學(xué)生發(fā)展對(duì)人類學(xué)習(xí)和機(jī)器學(xué)習(xí)的理解，發(fā)展相關(guān)基本能力，包括算法素養(yǎng)；將了解機(jī)器學(xué)習(xí)用于教育，作為職前教師教育和在職教師專業(yè)發(fā)展的一部分。[28]建立基于Scratch（一種圖形化編程工具）由教師指導(dǎo)、易于實(shí)現(xiàn)的工作坊，是一種向高中生介紹人工智能基礎(chǔ)知識(shí)的有效方法。[29]此外，開設(shè)教育機(jī)器人課程是提高學(xué)生學(xué)習(xí)動(dòng)機(jī)、促進(jìn)團(tuán)隊(duì)合作，以及引導(dǎo)解決問題和創(chuàng)造力發(fā)展的重要途徑。[30]有學(xué)者聚焦基礎(chǔ)教育階段，明確了學(xué)生核心勝任力結(jié)構(gòu)，包括知識(shí)勝任力（文化勝任力和技能勝任力）、團(tuán)隊(duì)勝任力（團(tuán)隊(duì)合作能力、人機(jī)協(xié)同能力）、學(xué)習(xí)勝任力（認(rèn)知能力、自我學(xué)習(xí)能力）三大類，并在此基礎(chǔ)上設(shè)計(jì)開發(fā)能有效促進(jìn)學(xué)生核心勝任力發(fā)展的人工智能教育課程。[31]

（五）教育領(lǐng)域引入和應(yīng)用人工智能的影響因素研究

目前，國際教育領(lǐng)域有關(guān)引入和引用人工智能影響因素的討論集中在國際、學(xué)校和教師三個(gè)層面。

1.國際層面

隨著國際間交流和發(fā)展中國家科技的不斷進(jìn)步，智能導(dǎo)師系統(tǒng)的推廣和應(yīng)用由最早的發(fā)達(dá)國家逐漸拓展到發(fā)展中國家。在全球化的背景下，發(fā)展中國家智能導(dǎo)師系統(tǒng)應(yīng)用的主要障礙包括學(xué)生的基本計(jì)算技能、數(shù)據(jù)成本、互聯(lián)網(wǎng)基礎(chǔ)設(shè)施、語言和文化等。[32]

2.學(xué)校層面

學(xué)校采用和實(shí)施人工智能技術(shù)的兩個(gè)關(guān)鍵要素是學(xué)校領(lǐng)導(dǎo)者的領(lǐng)導(dǎo)行為和人際交往能力。學(xué)校領(lǐng)導(dǎo)者現(xiàn)存的社交網(wǎng)絡(luò)對(duì)其人工智能技術(shù)采納決策有著重要影響，同時(shí)，在學(xué)校中采納和應(yīng)用人工智能的領(lǐng)導(dǎo)者具有共同的特征，即他們是學(xué)習(xí)型領(lǐng)導(dǎo)者，終身學(xué)習(xí)理念較為明顯，通過學(xué)習(xí)能夠不斷增強(qiáng)學(xué)校領(lǐng)導(dǎo)者對(duì)人工智能的理解，不僅影響學(xué)校對(duì)人工智能技術(shù)的采納，更對(duì)人工智能技術(shù)的實(shí)際應(yīng)用產(chǎn)生重要影響。人工智能技術(shù)在學(xué)校的應(yīng)用是一個(gè)涉及多方利益相關(guān)者的過程，這就更加凸顯了學(xué)校領(lǐng)導(dǎo)者人際交往能力對(duì)人工智能技術(shù)采納和應(yīng)用的重要影響。學(xué)校在采納和應(yīng)用人工智能技術(shù)時(shí)，要與學(xué)校和所在區(qū)域的教育發(fā)展目標(biāo)保持一致，并且考慮多方利益相關(guān)者。[33]

3.教師層面

21世紀(jì)學(xué)校面臨的巨大挑戰(zhàn)之一不是新技術(shù)本身，而是教育工作者接受教育技術(shù)的能力。[34]現(xiàn)階段，研究者主要以技術(shù)接受模型、計(jì)劃行為理論、理性行為理論等為基礎(chǔ)，對(duì)教師采納和應(yīng)用人工智能技術(shù)的影響因素進(jìn)行了探索分析，主要涉及學(xué)校制度因素、教師對(duì)人工智能系統(tǒng)的有用性與易用性感知，以及教師應(yīng)用人工智能技術(shù)的自我效能感、焦慮等心理因素。

如有學(xué)者認(rèn)為相對(duì)優(yōu)勢(shì)、相容性、感知信任和經(jīng)驗(yàn)是教師使用智能教學(xué)系統(tǒng)意愿的決定因素。同時(shí)，技術(shù)復(fù)雜性受到經(jīng)驗(yàn)和兼容性的顯著負(fù)面影響；相對(duì)優(yōu)勢(shì)這個(gè)因素受到感知信任的顯著正向影響，但不受技術(shù)復(fù)雜性的影響。[35]

有學(xué)者研究表明制度障礙是教師采用人工智能教學(xué)方案的主要阻礙因素，認(rèn)知是影響教師采用人工智能教學(xué)方案的主要?jiǎng)訖C(jī)，[36]并構(gòu)建了高校教師應(yīng)用人工智能技術(shù)的阻礙因素框架和激勵(lì)因素框架，其中阻礙因素分別為：機(jī)構(gòu)壁壘，包括資源匱乏、日常工作負(fù)擔(dān)重導(dǎo)致的時(shí)間匱乏、缺乏培訓(xùn)、缺乏技術(shù)支持等層面；技術(shù)壁壘，包括人工智能過于復(fù)雜、人工智能與現(xiàn)有教學(xué)方法難以融合兩個(gè)層面；個(gè)人壁壘，包括自我效能感低、計(jì)算機(jī)焦慮、人工智能知識(shí)匱乏、創(chuàng)新力不足等層面。激勵(lì)因素分別為：獎(jiǎng)勵(lì)或認(rèn)可因素，包括物質(zhì)獎(jiǎng)勵(lì)、職務(wù)或職稱晉升獎(jiǎng)勵(lì)、職業(yè)聲望和地位改善等層面；教育效益，包括教學(xué)效果改善、學(xué)習(xí)績(jī)效改善兩個(gè)層面；自我動(dòng)機(jī)，包括個(gè)人創(chuàng)新能力、繼續(xù)學(xué)習(xí)的機(jī)會(huì)、專業(yè)發(fā)展等層面。經(jīng)分析，機(jī)構(gòu)壁壘是教師應(yīng)用人工智能的主要阻礙因素，獎(jiǎng)勵(lì)或認(rèn)可是主要激勵(lì)因素。[37]

教師對(duì)人工智能的使用態(tài)度、自我效能感、易用性感知、有用性感知和焦慮可以預(yù)測(cè)教師在教學(xué)中學(xué)習(xí)使用人工智能的行為意向。其中，教師的自我效能感對(duì)教師的易用性感知和使用態(tài)度具有積極影響，并通過易用性感知對(duì)有用性感知產(chǎn)生影響。教師的自我效能感與焦慮之間呈負(fù)相關(guān)，提高教師的自我效能感可以減少他們?cè)诮虒W(xué)中使用人工智能的焦慮。[38]有學(xué)者發(fā)現(xiàn)中小學(xué)教師對(duì)虛擬助理的有用性感知和易用性感知越強(qiáng)，教師的接受度越高，虛擬助理的功能和正式語言會(huì)增強(qiáng)教師的使用意圖。[39]

此外，在醫(yī)學(xué)教育領(lǐng)域，醫(yī)務(wù)人員對(duì)應(yīng)用人工智能技術(shù)的主觀規(guī)范、易用性感知、有用性感知和使用態(tài)度，能預(yù)測(cè)其學(xué)習(xí)使用人工智能應(yīng)用程序支持精確醫(yī)療的行為意圖。其中，同伴之間的相互鼓勵(lì)、溝通和分享，能夠?yàn)獒t(yī)護(hù)人員應(yīng)用人工智能技術(shù)開展精準(zhǔn)醫(yī)療的學(xué)習(xí)態(tài)度和行為提供精準(zhǔn)教育支持。[40]在繼續(xù)教育領(lǐng)域，對(duì)于用戶來說，數(shù)據(jù)主權(quán)缺失、數(shù)據(jù)不確定性，以及對(duì)數(shù)據(jù)內(nèi)涵挖掘不足等因素阻礙了基于人工智能的繼續(xù)教育優(yōu)化方案的開發(fā)和實(shí)施。[41]

（六）人工智能教育倫理研究

人工智能技術(shù)在推動(dòng)教育教學(xué)改革的同時(shí)，所引發(fā)的教育倫理問題也引起了國際學(xué)者的普遍關(guān)注?，F(xiàn)階段，全球在透明度、公正和公平、非惡意、責(zé)任、隱私五個(gè)方面對(duì)人工智能道德原則基本達(dá)成共識(shí)，但是對(duì)原則的解釋、重視緣由、涉及問題或領(lǐng)域、實(shí)施等具體方面存在實(shí)質(zhì)性分歧，強(qiáng)調(diào)了將人工智能道德指南制定與實(shí)質(zhì)性道德分析、實(shí)施戰(zhàn)略相結(jié)合的重要性。[42]在人工智能道德指南或框架研究中，有學(xué)者提出了良好的人工智能社會(huì)道德框架[43]，歐盟委員會(huì)也發(fā)布了《人工智能道德準(zhǔn)則》。此外，在教育中引入人工智能會(huì)對(duì)兒童和年輕人的生活產(chǎn)生深遠(yuǎn)影響，在公平性、個(gè)人教學(xué)權(quán)利、數(shù)據(jù)隱私權(quán)和數(shù)據(jù)有效使用之間實(shí)現(xiàn)平衡是一項(xiàng)艱巨的挑戰(zhàn)，當(dāng)前法規(guī)難以支持這一挑戰(zhàn)。[44]推進(jìn)人工智能教育相關(guān)法規(guī)的建立與完善逐漸成為人工智能教育倫理研究的熱點(diǎn)。

在諸多人工智能倫理問題中，國際學(xué)者對(duì)信任、數(shù)據(jù)決策風(fēng)險(xiǎn)等問題進(jìn)行了重點(diǎn)討論。技術(shù)、環(huán)境和個(gè)人是影響人工智能教育系統(tǒng)信任的主要因素，其中技術(shù)層面因素主要包括功能性、幫助性、可解釋性、可靠性和交互界面，環(huán)境因素主要包括教育組織的仁慈、數(shù)據(jù)管理、教師能力、官方規(guī)范和知識(shí)特征，個(gè)體因素主要包括對(duì)學(xué)習(xí)本質(zhì)的感知、與教師互動(dòng)的傾向、對(duì)人工智能的感知和自主性取向。[45]在基于人工智能的數(shù)據(jù)決策中，不斷增長的計(jì)算能力和實(shí)時(shí)數(shù)據(jù)、高度可擴(kuò)展的人工智能技術(shù)可以提高教育領(lǐng)導(dǎo)者數(shù)據(jù)決策的效率和準(zhǔn)確性，但人們所堅(jiān)持的道德價(jià)值觀可能與使用人工智能做出數(shù)據(jù)知情決策相沖突，在數(shù)據(jù)安全和隱私問題上的失誤可能會(huì)對(duì)利益相關(guān)者產(chǎn)生終身影響。[46]此外，人工智能輔助的數(shù)據(jù)驅(qū)動(dòng)決策可能與基于價(jià)值的道德決策背道而馳，人工智能輔助數(shù)據(jù)驅(qū)動(dòng)決策的缺點(diǎn)可以通過道德價(jià)值觀引導(dǎo)的人類判斷來克服，教育領(lǐng)導(dǎo)實(shí)踐者的決策和未來的學(xué)術(shù)研究應(yīng)警惕偏見、注意道德妥協(xié)的決定。[47]在微觀決策層面，應(yīng)用機(jī)器學(xué)習(xí)的開發(fā)技術(shù)評(píng)估學(xué)生科學(xué)學(xué)習(xí)的算法模型普遍存在不平等結(jié)構(gòu)，新技術(shù)的應(yīng)用導(dǎo)致評(píng)估中存在一定的種族歧視，出現(xiàn)了更多的道德挑戰(zhàn)。[48]

（七）面向未來的醫(yī)學(xué)教育課程改革

醫(yī)學(xué)教育是國際人工智能教育應(yīng)用研究中較為關(guān)注的領(lǐng)域。隨著醫(yī)學(xué)實(shí)踐進(jìn)入人工智能時(shí)代，利用數(shù)據(jù)改進(jìn)臨床決策的需求將越來越普遍，需要醫(yī)療保健專業(yè)人員掌握和使用人工智能技術(shù)，更加注重對(duì)醫(yī)機(jī)交互知識(shí)和技能的掌握，對(duì)未來醫(yī)生的職業(yè)發(fā)展提出了重大挑戰(zhàn)。為了應(yīng)對(duì)這種挑戰(zhàn)，未來醫(yī)生需要參與新的終身教育模式，擁有跨醫(yī)療和護(hù)理的關(guān)聯(lián)性知識(shí)，有效利用數(shù)據(jù)平臺(tái)，能將醫(yī)療數(shù)據(jù)轉(zhuǎn)化為精準(zhǔn)醫(yī)學(xué)、預(yù)防醫(yī)學(xué)和預(yù)測(cè)建模的附加值。如何培養(yǎng)未來醫(yī)生，是當(dāng)今本科醫(yī)學(xué)教育課程改革的焦點(diǎn)。[49]有學(xué)者認(rèn)為醫(yī)學(xué)教育建立在信息獲取和應(yīng)用的基礎(chǔ)之上，醫(yī)學(xué)院課程改革應(yīng)側(cè)重于知識(shí)管理、有效使用人工智能、改善溝通和共情培養(yǎng)。[50]有學(xué)者提出了融入人工智能的醫(yī)學(xué)教育課程框架，并對(duì)醫(yī)學(xué)院入學(xué)考試、醫(yī)學(xué)院學(xué)習(xí)、美國醫(yī)學(xué)執(zhí)照考試、居民、專家等不同發(fā)展階段接受人工智能的教育內(nèi)容進(jìn)行明確闡述，推動(dòng)人工智能與醫(yī)學(xué)教育課程的無縫集成。[51]有學(xué)者認(rèn)為在醫(yī)學(xué)教育中應(yīng)用人工智能的挑戰(zhàn)主要是難以評(píng)估人工智能的有效性，以及開發(fā)人工智能應(yīng)用時(shí)面臨的技術(shù)挑戰(zhàn)。為更好地將人工智能融入醫(yī)學(xué)專業(yè)，應(yīng)將人工智能引入醫(yī)學(xué)院課程，讓醫(yī)學(xué)專業(yè)人員更好地理解人工智能算法并最大限度地利用人工智能。[52]

然而，目前美國醫(yī)師執(zhí)照考試和專業(yè)能力評(píng)估中均未涉及人工智能的相關(guān)內(nèi)容，醫(yī)學(xué)教育中人工智能的教育和應(yīng)用尚未引起認(rèn)證界的高度關(guān)注，加劇了醫(yī)學(xué)人才培養(yǎng)與需求變革之間的矛盾，難以適應(yīng)醫(yī)學(xué)實(shí)踐中數(shù)據(jù)驅(qū)動(dòng)的挑戰(zhàn)。醫(yī)學(xué)教育中的機(jī)器學(xué)習(xí)課程，可以從關(guān)注人口健康及其對(duì)疾病預(yù)測(cè)、風(fēng)險(xiǎn)分層和管理的影響開始，也可以通過開發(fā)選修課程的方式，提升醫(yī)護(hù)人員編碼技能，培養(yǎng)在大數(shù)據(jù)和機(jī)器學(xué)習(xí)方面具有專業(yè)知識(shí)的醫(yī)療保健領(lǐng)導(dǎo)者，這將有助于更快速地將機(jī)器學(xué)習(xí)融入醫(yī)學(xué)教育。[53]現(xiàn)階段，人工智能在醫(yī)學(xué)中應(yīng)用的許多真實(shí)事件已經(jīng)對(duì)醫(yī)學(xué)界提出了道德挑戰(zhàn)，在醫(yī)學(xué)教育中基于現(xiàn)實(shí)生活的案例是教授人工智能倫理的有效方式。[54]此外，還應(yīng)重視評(píng)估對(duì)未來醫(yī)生培養(yǎng)的導(dǎo)向作用，開展醫(yī)學(xué)教育學(xué)生人工智能準(zhǔn)備度測(cè)評(píng)，動(dòng)態(tài)監(jiān)測(cè)和評(píng)估醫(yī)學(xué)生對(duì)人工智能技術(shù)和應(yīng)用的感知準(zhǔn)備水平，[55]科學(xué)引導(dǎo)未來醫(yī)生的培養(yǎng)。

（八）人工智能教育面臨挑戰(zhàn)與未來發(fā)展研究

人工智能在教育領(lǐng)域的應(yīng)用還處于初級(jí)階段，盡管人工智能已成為現(xiàn)實(shí)，但其在高等教育中應(yīng)用的科學(xué)成果尚未得到鞏固。[56]現(xiàn)階段，人工智能教育發(fā)展面臨諸多挑戰(zhàn)。

從運(yùn)作模式來看，商業(yè)化運(yùn)作模式引發(fā)的教育公平爭(zhēng)議、多公司開發(fā)的基礎(chǔ)設(shè)施無縫集成與對(duì)接，以及政府對(duì)數(shù)據(jù)的監(jiān)管三個(gè)方面，忽略了人工智能教育應(yīng)用的民族志研究、與教育哲學(xué)的聯(lián)系，以及與從事人工智能教育的其他學(xué)術(shù)團(tuán)體更有意義的互動(dòng)。[57]從未來學(xué)習(xí)的社會(huì)性、協(xié)作性、探究性、普遍性、可訪問性、安全性目標(biāo)來看，人工智能時(shí)代教育面臨的五大挑戰(zhàn)分別是個(gè)人導(dǎo)師、培養(yǎng)21世紀(jì)技能、基于互動(dòng)數(shù)據(jù)的學(xué)習(xí)支持、泛在學(xué)習(xí)空間、終身學(xué)習(xí)和全方位學(xué)習(xí)。[58]從教育應(yīng)用研究的視角來看，人工智能教育跨學(xué)科性質(zhì)對(duì)具有不同學(xué)科背景的研究人員提出了獨(dú)特的挑戰(zhàn)，[59]研究人員對(duì)人工智能教育的挑戰(zhàn)和風(fēng)險(xiǎn)幾乎缺乏批判性反思、與教育理論觀點(diǎn)的聯(lián)系薄弱、對(duì)人工智能教育倫理和方法的探索不夠深入，[60]以及關(guān)鍵概念內(nèi)涵的不斷演化及多樣化，導(dǎo)致相關(guān)研究成果之間相互孤立，很難系統(tǒng)性梳理和明確哪些技術(shù)是可行的、哪些實(shí)踐是可以改善的，以及技術(shù)應(yīng)用能實(shí)現(xiàn)什么樣的結(jié)果。[61]

在未來研究中應(yīng)重點(diǎn)關(guān)注以下幾方面：一是關(guān)注基礎(chǔ)理論研究?，F(xiàn)有人工智能教育研究中，傳統(tǒng)的人工智能技術(shù)，如自然語言處理技術(shù)、深度神經(jīng)網(wǎng)絡(luò)技術(shù)等，在教育環(huán)境中普遍采用；而更先進(jìn)的技術(shù)很少采用，如深度學(xué)習(xí)技術(shù)；且人工智能教育理論研究相對(duì)滯后，應(yīng)在強(qiáng)化新興技術(shù)教育應(yīng)用的同時(shí)，強(qiáng)化應(yīng)用研究與理論研究相融合，夯實(shí)人工智能教育研究的理論基礎(chǔ)。[62]二是關(guān)注人機(jī)協(xié)同。不同教育背景下人與機(jī)器之間的角色和相互關(guān)系是未來研究的重點(diǎn)。現(xiàn)階段的教育人工智能研究，在教學(xué)方面主要側(cè)重于課程，未來的研究應(yīng)集中在人工智能教室、在線教室、人工智能課程設(shè)計(jì)和人工智能輔助教學(xué)上，以增強(qiáng)學(xué)生的學(xué)習(xí)能力、教師的教學(xué)以及課堂管理能力。[63]人機(jī)交流已成為一種新的教育關(guān)系情境，并應(yīng)成為未來幾年教學(xué)研究的優(yōu)先事項(xiàng)。隨著基于人工智能和機(jī)器人的個(gè)性化教學(xué)的發(fā)展，教師情感，如及時(shí)性或心理親密性、可信性、教學(xué)信息的保真度、幽默等，轉(zhuǎn)移到智能機(jī)器代理上就顯得至關(guān)重要。[64]三是關(guān)注多方協(xié)同。學(xué)習(xí)科學(xué)的跨學(xué)科研究幫助人們更深度地了解了人類的學(xué)習(xí)方式，但商業(yè)人工智能開發(fā)者對(duì)學(xué)習(xí)科學(xué)研究知之甚少，必須在人工智能開發(fā)者、教育者、研究者等利益相關(guān)者之間建立伙伴關(guān)系。[65]此外，人工智能技術(shù)將在未來有望豐富學(xué)生的學(xué)習(xí)、輔助教師的工作，進(jìn)一步打破學(xué)校教育與家庭教育間的傳統(tǒng)界限，促進(jìn)家校協(xié)同育人。[66]四是關(guān)注人工智能支持的精準(zhǔn)教育。精準(zhǔn)教育（Precision Education，簡(jiǎn)稱PE）是利用人工智能、機(jī)器學(xué)習(xí)、學(xué)習(xí)分析技術(shù)提高教學(xué)質(zhì)量和學(xué)習(xí)績(jī)效的新主題，是教育研究與實(shí)踐的近期和長期目標(biāo)。[67]在未來發(fā)展中，智慧學(xué)習(xí)環(huán)境將朝著為學(xué)習(xí)者提供終身畫像、團(tuán)隊(duì)教學(xué)，以及基于能力評(píng)估的方向不斷改進(jìn)，學(xué)校教育將更加注重學(xué)生適應(yīng)個(gè)體差異的自我調(diào)節(jié)學(xué)習(xí)，從而推動(dòng)正式學(xué)習(xí)的深度變革。[68]

四、研究總結(jié)與啟示

（一）研究結(jié)論

通過上述分析，可以發(fā)現(xiàn)我國學(xué)者抓住了人工智能助推教育變革的重要契機(jī)，在引領(lǐng)國際人工智能教育應(yīng)用中起到了重要的推動(dòng)作用。在國際視野下多模態(tài)數(shù)據(jù)分析是實(shí)現(xiàn)精準(zhǔn)教育或個(gè)性化教育的最新手段，推進(jìn)教學(xué)評(píng)價(jià)改革是人工智能助力教學(xué)改革的重要切入點(diǎn)；強(qiáng)化人工智能教學(xué)系統(tǒng)應(yīng)用效果或適宜性評(píng)估是人工智能深度應(yīng)用的重要保障；人工智能課程是普及人工智能知識(shí)、培養(yǎng)學(xué)生核心素養(yǎng)的重要載體；學(xué)校領(lǐng)導(dǎo)及相關(guān)機(jī)制、教師智能教育素養(yǎng)是學(xué)校引入和應(yīng)用人工智能的關(guān)鍵因素；研制人工智能倫理框架與法律法規(guī)是規(guī)范人工智能教育應(yīng)用的迫切需求；商業(yè)化運(yùn)作模式及基礎(chǔ)理論研究薄弱是人工智能教育應(yīng)用研究面臨的重大挑戰(zhàn)；理論研究、人機(jī)融合、多方協(xié)同、精準(zhǔn)教育是人工智能教育應(yīng)用領(lǐng)域未來需關(guān)注的研究主題。

（二）對(duì)推進(jìn)我國教育領(lǐng)域人工智能應(yīng)用及研究的建議

在對(duì)國際教育領(lǐng)域人工智能應(yīng)用研究熱點(diǎn)分析的基礎(chǔ)上，對(duì)推進(jìn)我國教育領(lǐng)域人工智能應(yīng)用及研究提出以下幾點(diǎn)建議。

1.注重學(xué)生參與，創(chuàng)設(shè)智慧學(xué)習(xí)空間，支持多模態(tài)數(shù)據(jù)采集

學(xué)習(xí)空間對(duì)學(xué)生認(rèn)知能力與非認(rèn)知能力全面開發(fā)的重要價(jià)值逐漸引起國內(nèi)外學(xué)者的普遍認(rèn)同。教育基礎(chǔ)設(shè)施是教育系統(tǒng)正常運(yùn)轉(zhuǎn)的底座與基石，為學(xué)習(xí)空間的創(chuàng)設(shè)和功能發(fā)揮提供重要的條件支撐。不同社會(huì)發(fā)展階段，教育基礎(chǔ)設(shè)施的不斷演進(jìn)塑造了不同時(shí)代的教育形態(tài)，[69]也推進(jìn)了學(xué)習(xí)空間的不斷變革。進(jìn)入教育信息化2.0階段以來，在國家政策層面非常重視教育基礎(chǔ)設(shè)施的建設(shè)。2018年，教育部印發(fā)的《教育信息化2.0行動(dòng)計(jì)劃》明確強(qiáng)調(diào)關(guān)注智能化教學(xué)環(huán)境的建設(shè)。2021年教育部等六部門發(fā)布的《關(guān)于推進(jìn)教育新型基礎(chǔ)設(shè)施建設(shè)構(gòu)建高質(zhì)量教育支撐體系的指導(dǎo)意見》明確將智慧校園列入教育新型基礎(chǔ)設(shè)施建設(shè)的重要內(nèi)容。在未來，彈性的學(xué)習(xí)組織和學(xué)生的主動(dòng)學(xué)習(xí)將成為一種教育常態(tài)。[70]面對(duì)多模態(tài)數(shù)據(jù)分析對(duì)推進(jìn)人工智能時(shí)代精準(zhǔn)教育的重要價(jià)值，在推進(jìn)智慧校園或智慧教室建設(shè)、創(chuàng)設(shè)智慧學(xué)習(xí)空間時(shí)，由“技術(shù)/專家驅(qū)動(dòng)式”設(shè)計(jì)范式向“參與者驅(qū)動(dòng)式”的設(shè)計(jì)范式轉(zhuǎn)變，[71]強(qiáng)化用戶參與式優(yōu)化學(xué)習(xí)空間設(shè)計(jì)的現(xiàn)實(shí)訴求，更好地適應(yīng)未來學(xué)習(xí)形態(tài)。例如，為實(shí)現(xiàn)學(xué)生狀態(tài)數(shù)據(jù)的伴隨式采集，在安裝感知設(shè)備以及選擇輕量型穿戴設(shè)備時(shí)，強(qiáng)化學(xué)生參與，應(yīng)最大限度減少學(xué)生的不適應(yīng)、降低數(shù)據(jù)采集的侵入性、平衡數(shù)據(jù)真實(shí)性與準(zhǔn)確性。對(duì)于教育信息化裝備的服務(wù)商而言，更應(yīng)采用同理心的原則推進(jìn)產(chǎn)品設(shè)計(jì)和研發(fā)。此外，還應(yīng)強(qiáng)化教師多模態(tài)數(shù)據(jù)分析素養(yǎng)提升，增強(qiáng)數(shù)據(jù)分析結(jié)果的應(yīng)用價(jià)值。

2.深化專業(yè)認(rèn)證及評(píng)估改革，強(qiáng)化第三方機(jī)構(gòu)對(duì)高校課程評(píng)估

專業(yè)建設(shè)是提升人才培養(yǎng)質(zhì)量的著力點(diǎn)。專業(yè)認(rèn)證及評(píng)估是我國“五位一體”高校本科教學(xué)評(píng)估制度的重要組成部分，旨在增強(qiáng)人才培養(yǎng)和社會(huì)需求的適應(yīng)性。一方面鼓勵(lì)專門機(jī)構(gòu)和行業(yè)用人部門對(duì)高校的專業(yè)進(jìn)行評(píng)估，促進(jìn)人才培養(yǎng)與職業(yè)準(zhǔn)入資格制度相銜接；另一方面，積極推進(jìn)與國際標(biāo)準(zhǔn)實(shí)質(zhì)等效的專業(yè)認(rèn)證，提高我國高校的專業(yè)辦學(xué)水平和國際競(jìng)爭(zhēng)力。專業(yè)認(rèn)證及評(píng)估的實(shí)施對(duì)強(qiáng)化我國專業(yè)建設(shè)起到了重要推動(dòng)作用。但面對(duì)以人工智能為核心技術(shù)的第四次工業(yè)革命的沖擊，專業(yè)認(rèn)證、評(píng)估的標(biāo)準(zhǔn)及方案的動(dòng)態(tài)調(diào)整相對(duì)滯后，對(duì)人工智能時(shí)代高校人才培養(yǎng)的新要求涉及不夠，對(duì)未來人才培養(yǎng)的引導(dǎo)作用亟待進(jìn)一步強(qiáng)化。此外，課程是人才培養(yǎng)的核心要素，是影響學(xué)生發(fā)展最直接的中介和變量，也是專業(yè)認(rèn)證及評(píng)估的核心關(guān)注點(diǎn)。但現(xiàn)有評(píng)估活動(dòng)尚未深刻觸及人才培養(yǎng)的課程要素。因此，評(píng)估重心下移、引導(dǎo)核心利益相關(guān)者參與是各項(xiàng)評(píng)估改革的重要方向，引導(dǎo)第三方評(píng)估機(jī)構(gòu)強(qiáng)化課程評(píng)估，不僅能對(duì)院校評(píng)估、專業(yè)認(rèn)證及評(píng)估形成良好配合，更能以課程評(píng)估為重心，關(guān)照高等教育核心利益相關(guān)者的參與和發(fā)展，進(jìn)一步完善我國現(xiàn)有高等教育評(píng)估體系的內(nèi)涵。以成果導(dǎo)向教育理念為指導(dǎo)，對(duì)各專業(yè)培養(yǎng)人才的人工智能準(zhǔn)備度進(jìn)行監(jiān)測(cè)評(píng)估，動(dòng)態(tài)調(diào)整課程體系。同時(shí)，有利于推動(dòng)評(píng)估實(shí)踐的進(jìn)一步發(fā)展，也有助于鞏固人才培養(yǎng)的中心地位、增強(qiáng)人才培養(yǎng)與社會(huì)需求的適應(yīng)性。

3.研制通識(shí)性人工智能視頻公開課，推進(jìn)人工智能知識(shí)普及

我國較早地推動(dòng)了人工智能在基礎(chǔ)教育的普及。2003年印發(fā)的《高中信息技術(shù)課程標(biāo)準(zhǔn)（實(shí)驗(yàn)）》將“人工智能初步”設(shè)定為選修模塊。現(xiàn)階段，我國中小學(xué)實(shí)行的《基礎(chǔ)教育信息技術(shù)課程標(biāo)準(zhǔn)（2012版）》和《普通高中課程方案和課程標(biāo)準(zhǔn)（2017年版）》也設(shè)置有人工智能相關(guān)模塊。2017年，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》，明確提出要在中小學(xué)階段設(shè)置人工智能相關(guān)課程，完善課程方案和課程標(biāo)準(zhǔn)，充實(shí)適應(yīng)信息時(shí)代、智能時(shí)代發(fā)展需要的人工智能和編程課程內(nèi)容。除此外之，中小學(xué)STEM課程、創(chuàng)客課程中也有人工智能相關(guān)內(nèi)容。但現(xiàn)階段，基礎(chǔ)教育人工智能課程應(yīng)用存在著統(tǒng)一課程標(biāo)準(zhǔn)缺失、師資力量緊缺，以及社會(huì)實(shí)踐氛圍欠缺等問題。[72]除在國家層面研制課程標(biāo)準(zhǔn)、開展人工智能教師專項(xiàng)培訓(xùn)外，更重要的是發(fā)揮高校優(yōu)勢(shì)，面向社會(huì)群體研制、發(fā)布通識(shí)性人工智能視頻公開課程，推進(jìn)人工智能知識(shí)普及。2021年中央網(wǎng)信辦、國家互聯(lián)網(wǎng)信息辦公室發(fā)布的《提升全民數(shù)字素養(yǎng)與技能行動(dòng)綱要》為人工智能的社會(huì)普及提供了行動(dòng)綱領(lǐng)。對(duì)實(shí)踐路徑而言，應(yīng)著重關(guān)注以下兩點(diǎn)：一是對(duì)現(xiàn)有成人教育組織架構(gòu)“高等學(xué)校（開放大學(xué)）——函授站——教學(xué)點(diǎn)”進(jìn)行內(nèi)涵升級(jí)，拓展服務(wù)內(nèi)容；二是發(fā)揮社區(qū)教育在解決全民教育“最后一公里”問題中的關(guān)鍵作用。這樣既能夠發(fā)揮高等學(xué)校學(xué)科建設(shè)優(yōu)勢(shì)，又能夠?qū)崿F(xiàn)人工智能知識(shí)的正式和非正式混合學(xué)習(xí)、規(guī)范化與生活化學(xué)習(xí)相結(jié)合。

4.強(qiáng)化政府監(jiān)督和指導(dǎo)，提升教師智能教育素養(yǎng)

引入和應(yīng)用人工智能是新時(shí)代校長的新任務(wù)和新挑戰(zhàn)?，F(xiàn)階段，校長基本了解人工智能，但主要局限于日常生活領(lǐng)域；能夠肯定人工智能教育應(yīng)用的價(jià)值，但了解較少；對(duì)人工智能具有強(qiáng)烈的系統(tǒng)學(xué)習(xí)的愿望。[73]基礎(chǔ)教育人工智能應(yīng)用尚且處于起步或待起步階段。面對(duì)人工智能技術(shù)的多樣化發(fā)展，如何選擇和引入合適的人工智能技術(shù)是學(xué)校面臨的重大現(xiàn)實(shí)問題。在政府購買服務(wù)、助推學(xué)校信息化發(fā)展的背景下，應(yīng)強(qiáng)化政府對(duì)學(xué)校引入和應(yīng)用人工智能技術(shù)的監(jiān)管，研制人工智能教育應(yīng)用規(guī)范或引入標(biāo)準(zhǔn)，為學(xué)校引入和應(yīng)用人工智能技術(shù)提供規(guī)范指導(dǎo)。此外，除進(jìn)一步強(qiáng)化校長信息化領(lǐng)導(dǎo)力培訓(xùn)外，應(yīng)進(jìn)一步強(qiáng)化教師智能教育素養(yǎng)提升。截至目前，我國先后實(shí)施的中小學(xué)教師教育技術(shù)能力提升計(jì)劃、信息技術(shù)應(yīng)用能力提升工程促進(jìn)了教師信息化教學(xué)能力顯著改善，但其中也存在著明顯的問題與不足，如項(xiàng)目實(shí)施具有典型的“內(nèi)容本位”特征以及教師“職業(yè)人”的角色定位，這在一定程度上影響了項(xiàng)目實(shí)施效果。鑒于此，在提升教師智能教育素養(yǎng)時(shí)，應(yīng)以終身教育理念為指導(dǎo)，教師角色逐步向“社會(huì)人”拓展，實(shí)現(xiàn)教師智能教育素養(yǎng)提升的生活化、常態(tài)化。

5.堅(jiān)持立德樹人，研制人工智能教育倫理框架

人工智能作為智能時(shí)代的重要基礎(chǔ)設(shè)施，對(duì)人們的生產(chǎn)生活具有“全域性賦能”作用，在高等教育領(lǐng)域能夠推動(dòng)形成全員育人合力、有機(jī)銜接全過程育人環(huán)節(jié)、有效增強(qiáng)全方位育人效應(yīng)，起到高校全員、全過程、全方位育人的正向促逼作用。[74]但是，立德樹人也是教育倫理的根本原則。[75]面對(duì)人工智能教育應(yīng)用中普遍存在數(shù)據(jù)安全、技術(shù)異化、隱私保護(hù)等倫理問題，研究制定人工智能教育倫理框架，規(guī)范人工智能教育應(yīng)用，已成為世界各國的共識(shí)。因此，要堅(jiān)持立德樹人的根本原則，謀劃構(gòu)建具有中國特色的人工智能教育倫理框架，推進(jìn)人工智能在教育領(lǐng)域的合理、規(guī)范使用。此外，還應(yīng)進(jìn)一步深入開展與人工智能教育應(yīng)用相關(guān)的法律問題研究，制定促進(jìn)教育領(lǐng)域人工智能發(fā)展的法律法規(guī)，為人工智能教育應(yīng)用倫理框架的有效實(shí)施提供強(qiáng)有力的法律保障。

6.強(qiáng)化人工智能教育基礎(chǔ)理論研究

理論對(duì)實(shí)踐的指導(dǎo)作用主要體現(xiàn)在三個(gè)方面：理論是對(duì)事物本質(zhì)和規(guī)律的認(rèn)識(shí)，理應(yīng)走在實(shí)踐的前頭；科學(xué)理論能預(yù)見未來、端正實(shí)踐方向；科學(xué)理論能夠推動(dòng)實(shí)踐創(chuàng)新。基礎(chǔ)理論研究和關(guān)鍵技術(shù)研發(fā)是人工智能發(fā)展的兩大引擎?，F(xiàn)階段，人工智能的教育應(yīng)用主要聚焦在高等教育階段，且基本處于探索發(fā)展階段，對(duì)人工智能教育應(yīng)用的規(guī)律缺乏深刻認(rèn)知。如果沒有成熟理論的指引，人工智能教育應(yīng)用及研究就會(huì)迷失方向。現(xiàn)階段，我國在各省市普遍開展各類人工智能教育試點(diǎn)，對(duì)推進(jìn)人工智能教育普遍應(yīng)用起到了重要的示范引領(lǐng)作用。人工智能本身就具有明顯跨學(xué)科特征。因此，在試點(diǎn)的基礎(chǔ)上，應(yīng)組建跨學(xué)科團(tuán)隊(duì)，進(jìn)一步強(qiáng)化人工智能教育基礎(chǔ)理論研究，為人工智能在教育領(lǐng)域的廣泛應(yīng)用和深度研究提供可推廣、可復(fù)制的經(jīng)驗(yàn)。

參考文獻(xiàn)：

[1]XIE H， CHU H C， HWANG G J. Trends and development in technology-enhanced adaptive/personalized learning： A systematic review of journal publications from 2007 to 2017[J]. Computers amp; Education， 2019（10）：1-16.

[2] HU Y H， LO C L， SHIH S P. Developing early warning systems to predict students’ online learning performance[J]. Computers in Human Behavior， 2014（36）：469-478.

[3]WANLI XING， DONGPING DU. Dropout prediction in MOOCs： using deep learning for personalized intervention[J].Journal of Educational Computing Research， 2019（57）：547-570.

[4]GRAWEMEYER BEATE， MAVRIKIS MANOLIS，HOLMES WAYNE， et al. Affective learning： improving engagement and enhancing learning with affect-aware feedback[J].User Modeling and User-Adapted Interaction， 2017（1）：119-158.

[5]GIANNAKOS M N， SHARMA K， PAPPAS I O. Multimodal data as a means to understand the learning experience[J]. International Journal of Information Management， 2019（48）：108-119.

[6]SPIKOL DANIEL， RUFFALDI EMANUELE， DABISIAS GIACOMO， et al. Supervised machine learning in multimodal learning analytics for estimating success in project-based learning[J]. Journal of Computer Assisted Learning， 2018（4）：366-377.

[7]CUKUROVA MUTLU， LUCKIN ROSE， MILLAN EVA， et al. The NISPI framework： analysing collaborative problem-solving from students’ physical interactions[J]. Computers amp; Education， 2018（8）93-109.

[8]MITRI D D， SCHEFFEL M， DRACHSLER H， et al. Learning pulse： a machine learning approach for predicting performance in self-regulated learning using multimodal data[C].7th International Learning Analytics and Knowledge Conference （LAK）， 2017（3）：13-17.

[9]PRIETO L P， SHARMA K， KIDZINSKI L， et al. Multimodal teaching analytics： automated extraction of orchestration graphs from wearable sensor data[J]. Journal of Computer Assisted Learning， 2018（2）：193-203.

[10]SUKHBAATAR OTGONTSETSEG， USAGAWA TSUYOSHI， CHOIMAA LODOIRAVSAL. An artificial neural network based early prediction of failure-prone students in blended learning course[J]. International Journal of Emerging Technologies in Learning， 2019（19）：77-92.

[11]FOK WILTON， HE Y S， YEUNG H， et al. Prediction model for students’ future development by deep learning and tensorflow artificial intelligence engine[C]. 2018 4th International Conference On Information Management， 2018：103-106.

[12]ROSE LUCKIN. Towards artificial intelligencebased assessment systems[J]. Nature Human Behaviour， 2017（1）：1-3.

[13]MY LI， YW SU. Evaluation of online teaching quality of basic education based on artificial intelligence[J]. International Journal of Emerging Technologies in Learning， 2020（16）：147-161.

[14]YANG R. Artificial intelligence-based strategies for improving the teaching effect of art major courses in colleges[J]. International Journal of Emerging Technologies in Learning，2020（22）：146-160.

[15]SHARMA K， PAPAMITSIOU Z， GIANNAKOS M. Building pipelines for educational data using AI and multimodal analytics： a “grey-box” approach[J]. British Journal of Educational Technology， 2019（6）： 3004-3031.

[16]SALAS-PILCO. The impact of AI and robotics on physical， social-emotional and intellectual learning outcomes： an integrated analytical framework[J]. British Journal of Educational Technology， 2020（5）：1808-1825.

[17]ESTEBAN V ZQUEZ-CANO， SANTIAGO MENGUAL-ANDR S， ELOY L PEZ-MENESES. Chatbot to improve learning punctuation in Spanish and to enhance open and flexible learning environments[J]. International Journal of Educational Technology in Higher Education， 2021（1）：1-20.

[18]CHEN B Y. Gender differences in cognitive load when applying game-based learning with intelligent robots[J]. Educational Technology amp; Society， 2021（2）：102-115.

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

[20]SCHROEDER N L， ADESOPE O O， GILBERT R B. How effective are pedagogical agents for learning？ a meta-analytic review[J]. Journal of Educational Computing Research， 2013（1）：1-39.

[21]HOW M L， WEI L.Educational stakeholders’ independent evaluation of an artificial intelligence-enabled adaptive learning system using bayesian network predictive simulations[J]. Education Sciences， 2019（2）：110.

[22]XU Z H， WIJEKUMAR K， RAMIREZ G. The effectiveness of intelligent tutoring systems on K-12 students’ reading comprehension： a meta-analysis[J]. Educational Technology， 2019（6）：3119-3137.

[23]MA W T， ADESOPE O O， NESBIT J C.Intelligent tutoring systems and learning outcomes： a meta-analysis[J].Journal of Educational Psychology， 2014（4）：901-918.

[24]DOM NGUEZ FIGAREDO. Data-driven educational algorithms pedagogical framing[J]. Revista Iberoamericana de Educación a Distancia， 2020（2）：65-84.

[25]MENG-LEONG HOW. Educational stakeholders’ independent evaluation of an artificial intelligence-enabled adaptive learning system using bayesian network predictive simulations[J]. Education Sciences， 2019（2）：1-32.

[26]HILL JENNIFE， FORD W， FARRERAS INGRID G. Real conversations with artificial intelligence： a comparison between human-human online conversations and human-chatbot conversations[J]. Computers In Human Behavior， 2015， 49：245-250.

[27]SMUTNY P， SCHREIBEROVA P. Chatbots for learning： a review of educational chatbots for the facebook messenger[J]. Computers amp; Education， 2020，151：1-11.

[28]WEBB M E， FLUCK A， MAGENHEIM J. Machine learning for human learners： opportunities， issues，tensions and threats[J]. Educational Technology Research and Development，2021（4）：2109-2130.

[29]ESTEVEZ J， GARATE G， GRANA M.Gentle introduction to artificial intelligence for high-school students using scratch[J]. Ieee Access， 2019，7：179027-179036.

[30]CASTRO E， CECCHI F， SALVINI P， et al. Design and impact of a teacher training course， and attitude change concerning educational robotics[J]. International Journal of Social Robotics， 2018（5）：669-685.

[31]HUANG X D. Aims for cultivating students’ key competencies based on artificial intelligence education in China[J]. Education and Information Technologies， 2021（5）：5127-5147.

[32]NYE B D. Intelligent tutoring systems by and for the developing world： a review of trends and approaches for educational technology in a global context[J]. International Journal of Artificial Intelligence in Education， 2015（2）：177-203.

[33]TYSON M M， SAUERS N J. School leaders’ adoption and implementation of artificial intelligence[J]. Journal of Educational Administration， 2021（3）：271-285.

[34]WATTY K， MCKAY J， NGO L. Innovators or inhibitors？ Accounting faculty resistance to new educational technologies in higher education[J]. Journal of Accounting Education， 2016：1-15.

[35]WANG S， YU H， HU X， et al. Participant or spectator？ Comprehending the willingness of faculty to use intelligent tutoring systems in the artificial intelligence era[J]. British Journal of Educational Technology， 2020（5）：1657-1673.

[36][37]GUPTA K P， BHASKAR P. Inhibiting and motivating factors influencing teachers’ adoption of AI-based teaching and learning solutions： prioritization using analytic hierarchy process[J]. Journal of Information Technology Education-Research， 2020，19：693-723.

[38]YM WANG， CC LIU， YF TU. Factors affecting the adoption of AI-based applications in higher education： an analysis of teachers’ perspectives using structural equation modeling[J]. Educational Technology amp; Society， 2021（3）：116-129.

[39]CHOCARRO R， CORTINAS M， MARCOS-MATAS G. Teachers’ attitudes towards chatbots in education： a technology acceptance model approach considering the effect of social language， bot proactiveness， and users’ characteristics[J]. Educational Studies， 2021（2）：1-19.

[40]HC LIN， YF TU， G J WANG， et al. From precision education to precision medicine： factors affecting medical staff’s intention to learn to use AI applications in hospitals[J]. Educational Technology amp; Society， 2021（1）：123-137.

[41]RENZ A， HILBIG R. Prerequisites for artificial intelligence in further education： identification of drivers， barriers， and business models of educational technology companies[J]. International Journal of Educational Technology in Higher Education， 2020（1）：1-21.

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

[43]FLORIDI L， COWLS J， BELTRAMETTI M， et al. AI4People—an ethical framework for a good AI society： opportunities， risks， principles， and recommendations[J]. Minds and Machines， 2018（4）：689-707.

[44]GRAY S L. Artificial intelligence in schools： towards a democratic future[J]. London Review of Education， 2020（2）：163-177.

[45]QIN F LI， K YAN J. Understanding user trust in artificial intelligence-based educational systems： evidence from China[J]. British Journal of Educational Technology， 2020（5）：1693-1710.

[46]WANG Y. When artificial intelligence meets educational leaders’ data-informed decision-making： a cautionary tale[J]. Studies in Educational Evaluation， 2021（S1）：1-9.

[47]WANG Y. Artificial intelligence in educational leadership： a symbiotic role of human-artificial intelligence decision-making[J]. Journal of Educational Administration， 2021（2）：256-270.

[48]TINA CHEUK. Can AI be racist？ Color-evasiveness in the application of machine learning to science assessments[J]. Science Education， 2021（105）：825–836.

[49]WARTMAN S A， COMBS C D. Medical education must move from the information age to the age of artificial intelligence[J]. Academic Medicine， 2018（8）：1107-1109.

[50]WARTMAN STEVEN A， COMBS C DONALD.Medical education reimagining medical education in the age of AI[J]. AMA Journal of Ethics， 2019（2）：146-152.

[51]PARANJAPE KETAN， SCHINKEL MICHIEL， NANNAN PANDAY RISHI， et al. Introducing artificial intelligence training in medical education[J]. JMIR Medical Education， 2019（2）：16048.

[52]CHAN KAI SIANG， ZARY NABIL. Applications and challenges of implementing artificial intelligence in medical education： integrative review[J]. JMIR Medical Education， 2019（1）：13930.

[53]KOLACHALAMA V， GARG P. Machine learning and medical education[J]. Npj Digital Medicine， 2018，1：1-3.

[54]KATZNELSON G， GERKE S.The need for health AI ethics in medical school education[J]. Advances in Health Sciences Education， 2021（4）：1447-1458.

[55]KARACA O， CALISKAN S， DEMIR K.Medical artificial intelligence readiness scale for medical students （MAIRS-MS）-development， validity and reliability study[J]. BMC Medical Education， 2021（1）：1-9.

[56]HINOJO-LUCENA F， AZNAR-DIAZ I， CACERES-RECHE M， et al. Artificial intelligence in higher education： a bibliometric study on its impact in the scientific literature[J]. Education Sciences， 2019（1）：1-9.

[57]WILLIAMSON B， EYNON R. Historical threads， missing links， and future directions in AI in education[J]. Learning Media and Technology， 2020（3）：223-235.

[58]WOOLF B P， LANE H C， CHAUDHRI V K， et al. AI grand challenges for education[J]. AI Magazine， 2013（4）：66-84.

[59]GWO-JEN H， HAORAN XIE， BENJAMI W， et al. Vision， challenges， roles and research issues of artificial intelligence in education[J]. Computers and Education： Artificial Intelligence， 2020（1）：1-5.

[60]ZAWACKI-RICHTER O， VI MAR N， BOND M， et al. Systematic review of research on artificial intelligence applications in higher education -where are the educators？[J]. International Journal of Educational Technology in Higher Education， 2019（16）：1-27.

[61]COX A M. Exploring the impact of artificial intelligence and robots on higher education through literature？ based design fictions[J]. International Journal of Educational Technology In Higher Education， 2021（1）：1-19.

[62]CHEN X， XIE H， ZOU D， et al. Application and theory gaps during the rise of artificial intelligence in education[J]. Computers and Education： Artificial Intelligence， 2020（1）：1-20.

[63]SONG P， WANG X. A bibliometric analysis of worldwide educational artificial intelligence research development in recent twenty years[J]. ASIA Pacific Education Review，2020（3）：473-486.

[64]EDWARDS C， EDWARDS A， SPENCE P， et al. I， teacher： using artificial intelligence （AI） and social robots in communication and instruction[J]. Communication Education， 2018（4）：473-780.

[65]LUCKIN R， CUKUROVA M. Designing educational technologies in the age of AI： a learning sciences-driven approach[J]. British Journal Of Educational Technology， 2019（6）： 2824-2838.

[66]REISS M J. The use of AI in education： practicalities and ethical considerations[J]. London Review of Education， 2021（1）：1-14.

[67]HART S. Precision education initiative： moving toward personalized education[J]. Mind Brain and Education， 2016（4）：209-211.

[68]KINSHUK， CHEN N S， CHENG I L， et al. Evolution Is not enough： revolutionizing current learning environments to smart learning environments[J]. International Journal of Artificial Intelligence in Education， 2016（2）：561-581.

[69]鄭旭東，周子荷.教育新基建三問：何為基？新在哪？如何建？[J].電化教育研究，2021（11）：42-47.

[70]關(guān)成華，黃榮懷.面向智能時(shí)代：教育、技術(shù)和社會(huì)發(fā)展[M].北京：教育科學(xué)出版社，2021：143.

[71]BANATHY B H.Comprehensive systenms design in education：who shoud be the designers？[J]. Educational Technology，1991，31（9）：49-51.

[72]張丹，崔光佐.中小學(xué)階段的人工智能教育研究[J].現(xiàn)代教育技術(shù)，2020（1）：39-44.

[73]鐘祖榮，高山艷，邸磊.人工智能進(jìn)校園仍需多方努力[J].中小學(xué)管理，2020（6）：44-47.

[74]任志鋒.以人工智能賦能高等學(xué)校立德樹人[J].社會(huì)科學(xué)戰(zhàn)線，2020（4）：274-280.

[75]王正平，林雅靜.立德樹人：教育倫理的根本原則[J].道德與文明，2018（4）：111-118.

Abstract： Artificial Intelligence is a hot topic in educational research all over the world. At present， from an international perspective， multi-modal data analysis is the latest means to realize precision education or personalized education; promoting the reform of teaching evaluation is an important way for AI to help with the teaching reform; strengthening the application effect or suitability evaluation of the AI teaching system is an important guarantee for the in-depth application of AI; AI course is an important carrier for popularizing AI knowledge and cultivating students’ core literacy; school leaders and related mechanisms， teachers’ intelligent education literacy are the key factors for schools to introduce and apply AI; the development of an AI ethical framework and laws are an urgent need to standardize the application of AI; commercial operation mode and basic theory research are major challenges for the application research of AI in education; theoretical research， man-machine integration， multi-party cooperation and precision education are the future development trends of AI research in education. In view of this， and in order to promote the application and research of AI in the field of education in China， we should attach importance to student participation， create an intelligent learning space and support multi-modal data acquisition; deepen the reform of professional certification and evaluation， and strengthen the evaluation of college courses by third-party institutions; develop general AI video open courses and promote the popularization of AI knowledge; strengthen government supervision and guidance and improve teachers’ literacy of intelligent education; adhere to building morality and cultivating people， develop the ethical framework of AI education; and strengthen the basic theoretical research of AI in education.

Keywords： AI; Precision education; AI ethics; AI course

編輯：王天鵬" "校對(duì)：王曉明

作者簡(jiǎn)介：李運(yùn)福，西安交通大學(xué)中國西部高等教育評(píng)估中心助理研究員，博士（西安 710049）；徐菲，西安交通大學(xué)中國西部高等教育評(píng)估中心副主任，工程師，碩士（西安 710049）；李婷，陜西省教育廳信息處干部，碩士（西安" 710061）

基金項(xiàng)目：陜西省教育廳2021年度科研計(jì)劃——信息化建設(shè)專項(xiàng)科研計(jì)劃項(xiàng)目“政府購買教育信息化服務(wù)質(zhì)量保障機(jī)制研究”（編號(hào)：21JX003）；2021年度國家社會(huì)科學(xué)基金教育學(xué)一般課題“人機(jī)協(xié)同時(shí)代鄉(xiāng)村教師智能素養(yǎng)結(jié)構(gòu)與培養(yǎng)策略研究”（編號(hào)：BCA210091）