2017年7月，国务院发布的《新一代人工智能发展规划》明确提出，利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。

2019年5月，习近平主席向国际人工智能与教育大会致贺信指出，要充分发挥人工智能优势，加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育。如何利用人工智能促进教育变革，探索智能教育的推进路径，是一项重大而紧迫的时代课题。

人工智能时代的教育形势研判

人工智能经历了曲折的发展过程。1956年，在达特茅斯会议上首次提出了人工智能的概念，其核心是用人工的方法在机器上模拟、理解和拓展人的智能，使机器也能完成各种复杂任务。

在20世纪50年代末和80年代初，人工智能先后两次步入发展高峰，但由于技术瓶颈、应用成本等方面的限制，无法支撑起大规模应用，最终都跌入低谷。近年来，人工智能的发展环境发生了深刻变化，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，并第三次站在了科技发展的浪潮之巅。

当前，人工智能正在开启一场比工业革命的发展速度更快、涉及面更广、颠覆性更强的社会变革，推动经济社会从数字化、网络化向智能化加速跃升。

丨人工智能给教育带来的挑战

人工智能对教育的影响广受关注。有学者认为，教育是人工智能冲击最大的行业，它不是一个学科、一个环节的调整，而是全新的、全方位的挑战。

一是人才培养目标的挑战。人工智能正在触发一场剧烈的社会分工调整，传统教育培养出来的“标准化人才”不如机器有竞争力，要“把人的社会性和情感教育置于应对新工业革命的高度”。

二是教育方式的挑战。目前，智能机器人已经可以在高考中取得不错成绩。这从一个侧面折射出，传统以死记硬背、被动接受为主的教学方式正在遭遇一场重大危机。

三是教育内容的挑战。新一代人工智能的兴起得益于多学科多领域的交叉融合。今天的教育过于强调学科本位，很容易就把知识变成了“知识点”，深挖知识的具体细节，割裂学科之间的联系，让学生“只见树木、不见森林”。

四是教师角色的挑战。随着“人机共教”成为一种教育常态，教师角色将会发生巨大改变。知识性教学大多由人工智能承担，教师更多是学习的设计、督促、激励、陪伴以及与学生的情感交流。

未来，人工智能将会以“教书”为主，而教师则以“育人”为重。

丨教育是人工智能时代赢得国际竞争的关键

教育和技术之间存在一场持续不懈的竞赛。当教育发展领先于技术发展时，就能提供充足的高素质劳动力，适应技术变革带来的职业结构调整，推动经济社会快速发展。

反之，则会导致两极分化：一部分人接受着过时的教育，技能适应性不强，毕业后不得不从事高度流程化、低认知度的工作，深陷社会底层；另一部分人受过良好教育，毕业后从事着高创造性、高认知度的工作，稳居社会上层。

回顾历史，重视人力资源开发是美国崛起的重要原因。源源不断的人才供给，帮助美国成为全球科技创新的引领者。与之相似，第一次工业革命的领导者是英国，但第二次工业革命中心的却是德国。

1885 年，德国开始施行免费义务教育，同时大力发展职业教育和高等教育，培养出一大批复合型人才，为德国经济快速发展奠定了坚实基础。

在人工智能时代，我国要想在激烈的国际竞争中胜出，必须高度重视教育，既要积极运用智能技术促进教育教学创新，更要以教育优先转型为大国崛起提供坚实的人才支撑。

“人工智能+教育”的研究动态

2016 年以来，“人工智能＋教育”相关研究明显增多。纵览国内外相关文献，“人工智能＋教育”主要有三种研究范式。

第一，将人工智能视为一种技术手段，相关研究包括智能导师系统、教育机器人、学习分析技术等。其中，智能导师系统通过模拟教学专家，开展复杂问题解决和知识表征应用，利用情绪感知技术为学生提供个性化的情感体验。教育机器人有助于形成人机协同的新型“双师课堂”。学习分析技术通过采集学习过程数据，为学生提供最优化的学习路径。目前，学习分析正在从单一的在线学习数据分析转向多模态数据分析。有学者认为，智能教育是技术使能（enabling）的教育，这种人机协同的教学策略使得教师与机器的各自优势得以放大。

第二，将人工智能视为一种行动策略。有学者认为，教育信息化发展不是技术决定的，要用互联网思维推动教育体系和服务模式的变革。“人工智能＋教育”不仅是教育基础设施的信息化、智能化，而且是教育理念与教育方式的更新升级，运用人工智能技术促进学习环境、教学方式和教育管理的智慧转型，在普及化的学校教育中提供适切学习机会。

第三，将人工智能视为一种哲学追问。有学者提出，“人机一体”将如何改变教育的方式和性质；如果人工智能“失去控制”，如何保证教育的价值选择和方向。也有学者认为，“人工智能＋教育”不会仅从自然的和技术的层面获得实现，要从认识发生及其与自然、历史、文化、语言、社会生活诸方面的终极探究中建构它的基础，进而发展出人工智能与文化教育交互的构成性运动。也有学者提出，教育在人工智能时代将会面临两种前景：走向终结或走向终身教育形态。终身教育形态将从实体性的“学校”转变成“行动者—网络”，教育者就是学习者，时时和网络发生深度互动。

在“人工智能+教育”的研究框架上，有学者认为，人工智能教育应用聚焦于智能导学、自动化测评、拍照搜题、教育机器人、智能批改、个性化学习、分层排课、学情监测等八个方面。

也有学者认为，人工智能的典型应用包括智能导师辅助个性化教与学、教育机器人、居家学习的儿童伙伴、实时跟踪与反馈的智能测评、教育数据挖掘与智能化分析、学习分析与学习者数字肖像等六种类型。

国际人工智能与教育大会发布的《北京共识》，从十个方面规划人工智能时代的教育：政策制定、教育管理、教学与教师、学习与评价、价值观与能力培养、终身学习机会、平等与包容的使用、性别平等、伦理问题、研究与监测。

可以看出，“人工智能+教育”作为一个新话题，尚未形成科学完善的分析框架。但从研究主题看，教学、管理、评价是人工智能教育变革的三个核心议题。

总之，“人工智能+教育”不等于智能技术在教育中的简单应用，要把人工智能作为教育整体变革的内生变量，推动“工业化教育”向“智能型教育”转变，促进教学方式创新、管理流程再造和评价体系重构，构建富有选择、更有个性、更加精准的教育服务体系，努力满足每一个学生发展的需要。

赋能教育：

提高“标准化教育”的运行效率

现代教育集中体现了工业时代的流水线作业和批量生产特征：学生按年龄分班，使用统一的教材，按照规范的流程进行教学，定期开展考试，达到标准的学生升入更高年级，并以此往复、循环不止。

这种标准化教育模式为人工智能进入教育提供了条件。实践表明，不管是制造业、零售业，还是医疗、金融等行业，人工智能往往在高度流程化的应用场景中最先发挥作用。

所以，人工智能进入教育的第一步，就是从替代烦琐机械的教育活动开始，将教师从重复性劳动中解放出来，让他们去从事更有价值的工作，进一步提高教育效率。 

丨赋能教学：减轻教师负担

从早期的知识推理机、程序化教学、专家系统，到今天的教育机器人、智能导师系统，人工智能在教学中的作用主要体现在替代教师的部分重复性劳动。

一是学情分析，利用人工智能对学习行为数据进行深度挖掘，帮助教师准确把握学生个体的认知特征和班级群体的共性问题。目前国内外开发的认知诊断模型有 70 多种，常见的有线性逻辑斯蒂克特质模型、多成分潜在特质模型、规则空间模型等，能够准确了解学生的认知结构和知识掌握情况。

二是重复性教学的替代，尽管教学活动总体上是富有创造性的，但也存在一些流程化、重复性的环节，包括字词拼读、课文复述、试题讲解、口语练习等。这些环节可以交给教育机器人或智能教育助理来承担，让教师有更多精力去从事创造性的教学。

三是学习资源自动推送，通过建设大规模、细粒度的数字资源库，对知识内容进行特征标记，根据学生的目标、能力、个性特征等因素制订个性化的推送方案，实现学习者和学习资源的双向匹配，更好地满足学习需求。

四是自动出题和批改，通过建立学科知识图谱，自动生成适合各类学生的试题和作业，并实现自动化批改，大幅减轻教师的工作负担。比如，智能评卷技术已经应用于普通话水平测试和中高考英语听说考试，并可以对作文、翻译等主观题进行自动评分。

丨赋能管理：优化教育管理流程

人工智能有助于优化教育管理流程，改变大包大揽的管理模式，扩大教育资源和教育服务的有效供给。

一是利用人工智能识别教育领域的冗余管理，减少不必要的中间环节和重复劳动，优化公文流转、档案管理、人事考评、校务管理等活动流程，推动业务处理智能化、自动化，提高管理效能。比如，学校可以使用面部识别技术对嫌疑人员自动预警，借助姿态识别技术及时发现学生在人群密集场所出现的意外情况，减少校园安全事件发生。

二是利用人工智能打破信息壁垒，推进教育管理系统整合共享，做到事项清单标准化、办事流程规范化、业务处理协同化，实现“一张表管理”和“一站式服务”，大幅提升教育公共服务水平。

三是利用大数据技术开展多因素决策模拟，建立教育经费投入、学龄人口变化、学校布局调整、教育舆情预警等方面的系统动力学模型，对教育运行状态进行预演，推动传统以经验判断为主的决策转向大数据支撑下的科学决策。比如，中国教育科学研究院利用教育决策模拟系统，对实施“全面二孩”政策后的学龄人口进行了预测分析，为提前做好学校布局和教育资源配置提供了参考。

丨赋能评价：伴随式的教育诊断

评价不是为了证明，而是为了改进。教育评价的意义往往蕴含在过程之中，学生持续付出的努力、学校不断改进的经历、教育中不同利益主体的关系变化等，才是我们应该关注的评价重点。

遗憾的是，现有教育评价过于注重结果，忽略了学生成长和教育发展的过程。在人工智能支持下，教育评价将从“结果视角”转向“过程视角”，从人才选拔、逐层淘汰为主转向改善学习、促进发展为主，通过伴随式的数据采集和自动化的数据分析，为教育的持续不断改进提供动力。

一是学习分析，通过自适应测验捕获学生解决问题的完整过程，在大数据基础上建立学习分析模型，开展针对性的学习问题诊断和学科能力测评。比如，可汗学院提供可视化的学习分析报告，帮助教师准确把握学生的学习进展和知识掌握程度，并以此为依据调整教学策略。

二是大规模的课堂观察分析，利用智能技术对非结构化的课堂行为数据进行分析，包括教师提问的类型、学生回答方式、师生对话深度等，全方位透视学校的课程实施水平。

三是区域教育质量监测，通过全样本、全过程、多模态的教育数据采集，汇聚形成区域教育大数据，包括学生学习数据、学校运行数据、教育资源配置情况、普职学校规模结构等，帮助管理者获得超越个体与局部的洞察力，助力区域教育质量提升。 

创新教育：

促进“标准化教育”向“个性化教育”转型

随着人工智能不断替代重复性劳动，教育业务流程的智能化和自动化明显加速，一旦达到某个临界点，就会触发教育组织方式的重大调整。

正如有学者所说，“省力的设备不仅可以代替部分工作，还会改变整个任务的特性。”如果把“赋能教育”看作利用智能技术激发教育系统的内在潜力，最大限度地提升标准化教育的运行效率。

那么，“创新教育”就是要打破标准化的教育体系，对教育流程进行重组和再造，打造个性化、定制化的教育形态。人工智能将会在“标准化教育”向“个性化教育”转变中发挥重要作用。

丨创新教学：全流程的因材施教

相对于工业时代的大规模集体教学，未来将会产生一种以学习者为中心、基于学习者的个性化差异、适应其学习偏好的学习方式。

一是人机协同教学。人工智能化身为智能导师和虚拟学伴，为学生提供学习资源、问题诊断和常规性指导。教师将从“教的专家”转向“学的专家”，通过创造性的教学设计，为每个学生提供个性化支持。

二是学习关系的精准匹配。真正的个性化学习不仅是学习路径的定制化，而且是学习关系的精准匹配。过去的智能导师系统更多关注于学生的认知发展，在非认知特征识别、师生交互关系判断等方面存在不足。新一代人工智能正在从数据计算走向感知计算、情感计算，通过分析学生在学习活动中呈现出来的非认知特征，包括学习兴趣、学习动机、学习投入程度、课堂交互情况等，帮助教师真正读懂学生，匹配适合的学伴和导师，更好地满足他们的情感和心理需求。

三是以教室为中心的场景互联。利用可穿戴设备和自然交互技术，把全社会的优质教育资源都引入课堂，让学生在教室里就能和各行各业的专家进行互动，包括与科学家联合开展实验、与工程师共同研发项目、与艺术家合作完成作品、与思想家进行深度对话等，从而实现学校与社会的无缝连接。

丨创新管理：精准化的教育治理

教育在规模扩张阶段，最需要的是建立框架式、结构化的管理秩序，明确政府、学校与社会之间的关系，并制定相应的行为规则和标准要求，确保更好地实现教育普及。

随着教育进入高质量发展阶段，人民群众对教育的需求呈现出多层次、个性化、高质量等特征，利益关系多元化、各种矛盾相互交织，教育管理的复杂性和艰巨性与日俱增。

在这个阶段，教育要从粗放式管理转向精准化治理，人工智能将会在其中发挥重要作用。

一是建立统一高效的智能教育管理平台，推动网上办理业务事项向全方位的教育服务延伸，促进数字资源、优秀师资、教育数据、信息红利的有效共享，构建全功能、全流程、全天候的教育公共服务体系。

二是通过教育数据的全样本收集和深层次挖掘，准确把握教育发展状态和社会需求趋势，用前瞻的宏观调控取代滞后的微观管控，把原先冗长的科层管理链条压缩成精简干练的扁平化组织，最大限度减少教育行政部门对学校办学的直接干预，实现政府放权与学校接权的有序衔接。

三是构建人机协同、交互驱动的群智决策系统，为家长和社会参与学校管理提供有效途径，全力推进教育管办评分离，扩大优质教育资源供给，使政府、学校、社会形成强大的育人合力。

丨创新评价：全景式的教育评测

在人工智能时代，越是可以轻松测量的素养，越是容易被技术进步所代替；越是难以测量的素养，越是未来人才应该具备的核心素养。

所以，教育评价要从“容易测量的能力”扩展到“难以测量的能力”，更加关注复杂的高级认知技能和隐性的非认知学习成果，把促进人的全面发展、适应经济社会发展作为评价教育质量的根本标准，努力呈现学生成长的整体面貌。

一是构建教育质量综合评价指标体系，全面改进各级各类教育评价体系，把学生的品德、学业、身心发展水平和兴趣特长养成作为评价的主要内容，破除单纯以升学率考核学校和教师、单纯以分数评价学生的顽疾。

二是利用区块链技术开展分布式学习记录，认证学生的多样化学习成就，重点考察学生的非认知能力发展情况，防止数据丢失或被恶意篡改，着力解决综合素质评价中的信任问题。

三是利用可穿戴运动设备，包括智能手环、智能手表、智能运动装备等，采集心率、血氧、脉搏等运动与健康数据，及时发现学生在体质健康、运动技能等方面的问题，提出针对性的营养方案、运动方案和生活作息方案，实现伴随成长全过程的形成性评价。四是利用跨媒体智能技术，开展模拟仿真、教育游戏、虚拟任务场景、协作学习环境等新型评价，通过参与完成某一个特定的任务，考查学生解决实际问题的能力。

重塑教育：

推动教育从“去标准化”迈向“去制度化”

随着人工智能的全面深化应用，教育的精准化程度和个性化水平快速提升，教育方式不再是一成不变的，而是根据学生发展状态不断调整。

无论学生处于何种状态，都会定制一个最适合学习方案，让他可以按照自己的进度进行学习。于是，传统教育组织方式正在丧失存在的合理性，按年龄分班、固定教学内容、统一教学流程等都将被重新定义。这将推动教育从“去标准化”阶段迈向“去制度化”阶段，以学校为代表的制度化教育逐渐瓦解，班级、学科、课时的边界开始淡化甚至消解，一个崭新的教育图景跃然而出。 

丨重塑教学：没有照本宣科，只有自主学习

学习是他人操控越少越好的一种活动，大部分的学不是教的产物，而是不受束缚地参与到富有意义的情境之中的结果。

近百年来，学校教育的分工不断细化，效率不断提升，却不可避免地走向了控制的极限。几乎所有的学习都是提前预设的，学校不再相信学生可以在好奇心的驱动下自然地学习，强制他们按照统一的学习计划在固定的学科框架内进行学习。

人工智能打破了这种局面，支持学生随时随地开展高交互性的自主学习。当这种没有严格制度约束的学习成为常态，就会迫使教育发生一场重大转型，今天的学校将会被未来的学习中心取代。

一是“集体的教学法”逐渐式微，“个体的教学法”开始兴起。人工智能在教育中的应用，不仅是促进集体教学活动的有效开展，更加重要的是促进个性化学习的真实发生。在学习科学的支持下建立个人学习模型，为每一个学生提供精准的学习支持，确保他们可以用适合自己的方式进行学习。

二是非制度化的教育形态大量出现，泛在学习、在家上学、学习中心、个别化教育机构等成为学生的重要学习途径。学习场所不再固定，既可以在教室，也可以在社区、科技馆和企业，甚至可以去不同城市游学，任何可以实现高质量学习的地方都是“学校”。实体学校的功能开始发生变化，不再是封闭的教育堡垒，而是各类教育服务的把关人与过滤器，借助社会专业力量提供可选择的教育服务，为学生创设多样化的发展机会。

三是人人为师、相互追随。人工智能不断拓展传统行业边界，促使知识更新不断加速，任何组织或个人都要持续学习才能适应社会发展。学习能力成为一个人、一个组织乃至一个国家的核心竞争力，教育在整个社会系统中的重要性大幅提升。每个人都承担着教育者和学习者的双重责任，“所有人教所有人、所有人学所有人”成为可能。最终，社会将会变成学习型社会，组织将会变成学习型组织，工厂将会变成学习型工厂，等等。

丨重塑管理：没有墨守成规，只有量身服务

在人工智能时代，教育发展越来越呈现出参与主体多元、资源内容丰富、供给方式多样等特征，过去以标准化考试和固定学制为核心建立起来的教育制度体系开始过时，教育管理将从政府机构的行政控制转向多元主体的协商共治。

一是人人约束自我，制度因人而变。随着重复性劳动被机器所取代，教育者和学习者从事的工作都是富有挑战、极具创意的，必须不断激发自我潜能才能胜任。所以，我们要构建以生命个体为中心的教育治理框架，在依法治教的前提下，允许“一地一策”、“一校一策”，甚至“一人一策”，让规则为人服务，而不是让规则成为对人的限制和束缚。

二是教育治理不再追求效率，而是万物互联条件下的智慧汇聚和创造激发。教育的组织形态将从刚性的科层机构变成柔性的液态组织，打通业务壁垒和管理层级，减少专业分工带来的能力僵化，形成依法办学、多元参与、协同创新、社会监督的教育治理体系。教育治理的核心不是控制，而激励所有人参与教育供给和学习创新，更加关注学习者成长的动力和可持续性，引导每个教育机构形成不断适应环境的自我调整能力。

三是以开放的姿态打造“泛教育生态圈”，把全世界最好的教育资源引向学生。通过物理空间和网络空间的全面衔接，形成线上线下连通、实体课堂与虚拟课堂一体化的学习环境，提供人人皆学、处处能学、时时可学的学习服务，构建全社会参与的教育生态。

丨重塑教育评价：没有考试分数，只有能力认证

教育作为一项培养人、成就人的事业，所有的评价指标都应服务于这一根本目的。现在普遍存在的分数、升学率等量化指标，最初都是为了提高教育质量而设计的，对于保障教育质量确实发挥了重要的作用。

但是，考试分数把不同的学生放在同一个标准上进行衡量，忽略了个体差异。近年来，教育评价正在发生一些变化。比如，国际学生评估项目（PISA）将社会情感学习纳入考核内容，芝加哥大学宣布将不再以学生的标准化考试成绩决定录取。随着人工智能时代的到来，社会对人才的需求正在发生结构性变化，未来需要的不再是“知道分子”，而是能够解决复杂问题的“高手”。这对传统以分数为核心的教育评价体系提出了挑战，促使教育评价从一维的考试分数转向多维的能力认证。

一是把每个学生都当作独一无二的个体，建立综合多元的评价指标体系，不用单一狭隘的标准定义人才，对不同学生实行差别化评价，鼓励学生发展特长，把创造力、想象力、自控力、沟通能力、合作能力、信息素养、社会情感素养等作为教育的重要目标，引导学生追求人的内在价值。

二是用数字徽章取代成绩单。数字徽章是一种数字化的学习成果认证，内含元数据可以描述学习过程的客观信息，具有激励学习、记录学习轨迹、认证学习成就三大功能。这种评价既适用于正式学习场景，也适用于非正式学习场景，可以减少传统评价存在的模糊性，避免“分数遮蔽学习”现象的发生。

三是能力认证不是一次性的，而是开放、持续的过程，鼓励学生通过不断的努力获得成功。评价主体除教育者以外，引入家长、社区、行业机构等利益相关方，开展面向真实任务的评价，在实践中检验能力，确保学生所学与社会需求相匹配。

总之，人工智能给教育带来巨大机遇的同时，也带来了一系列重大挑战。一方面，在人工智能时代，我们不得不置身于大数据的环境中，甚至需要用损害隐私的代价，来换取更加精准的教育服务。

更为严重的是，一旦教育活动由数据分析和算法推断来管理，就会助长算法偏见的流行，导致一部人成为量化评估的受害者而非受益者。

另一方面，随着教育机器人、智能导师系统、情感陪伴机器人等智能技术开始承担相应的教育任务，如何正确处理人机关系、如何划分人机协同系统中的权限与责任、如何适应新的师生身份、如何构建新的教育伦理等，这些都是人工智能教育无法回避的问题。