人工智能的教育哲学思考
来源:用户上传
作者:张刚要 梁青青
摘要：人工智能对构成现代教育的一些基本概念，如主体、交往、知识等等都有自己的理解与重构。具体而言，人工智能对“谁是主体，谁是客体”的哲学假定进行了“拆卸”，使得教育主体（人）“降格”成了客体，教育客体（物）“升格”成了主体。人工智能所建构的“人与非人的交往”因遭遇到“理解难题”而行走在教育交往的“模糊地帶”，致使学生极有可能丧失自我，变得和机器一样机械，其独立性和自主性终将消磨殆尽。人工智能参与知识生产的逻辑是一种基于知识库和逻辑规则（算法）的“计算与表征”系统，虽然这为个性化、自适应学习提供了支持，但依旧没有摆脱“客观主义”的窠臼，甚至还隐藏着潜在的教育危机。
关键词：人工智能;教育思想;主体;知识;交往
中图分类号：G434
文献标识码：A
文章编号：1006-9860（2020）06-0001-06
一、引言
“人工智能赋能教育变革”日益为教育工作者和研究人员所关注，并大致发展出三种典型应用场景：个性化自适应学习，智能测评，教育治理智能化和现代化。我们已经看到，这些领域的应用正在形成巨大的影响力并且塑造了教育变革的引擎。虽然令人兴奋，但这些影响对教育而言却是外在的，尚不足以对现代教育的生态构成根本性威胁。而“教育思想”的冲突则更具内在性和根本性，因为当代人工智能已经不再仅仅是一种工具，它似乎有自己的“教育哲学”，从而为重塑教育生态提供了新的概念框架。具体而言，人工智能对构成现代教育的一些基本概念，如主体、交往、知识等等都有自己的理解与重构。当前，“人工智能+教育”已成燎原之势。作为教育研究者，我们必须对这两种不同的理解进行比较与评述，以便为人工智能的教育应用提供—个有效的知识平台或理论基础。
二、教育主体观：历史演变钩沉与人工智能的挑战
（一）教育主体观的历史演变与哲学基础
1.主客体哲学与师生主客体关系
主体是与客体相对应的一对范畴。在传统的哲学框架中，通常以“人的活动的发起和指向”作为区分主客体的标准和尺度。在此意义上，主体就是活动的发起者，即在活动中发挥能动作用的人，客体则是人的活动所指向的对象。于是，我们获得了主客体哲学框架内“谁是主体，谁是客体”的哲学假定：一是只有人才能成为主体;二是任何物对于人而言都是客体，即物永远不可能成为主体;三是当一部分人成为特定的人的活动的对象时，这部分人便是该活动主体的客体。
“教育是一种社会活动”。如果说，教育活动的发起者是特定的人（这里狭义地指教师），那么该活动所指向的对象首当其冲就是学生了。按照前文“谁是主体，谁是客体”的哲学假定，不难得出“教师是主体，学生是客体”的结论。然而，在教育实践中，学生作为客体（对象）的身份或地位却屡遭诟病。比如，“受教育者成为‘人’（表现人的自主性）会受到‘非人’的待遇（例如体罚）;反之，受教育者成为‘非人’（丧失自主意识），才能受到‘人’的待遇（鼓励、尊重）”。在这样的背景下，我国教育理论界先后出现了“学生是唯一主体”“师生双主体/互为主客体”等学说，但整体而言，依旧没有摆脱“主客对立”的窠臼。
2.主体间哲学与师生主体间关系
作为对传统哲学“主客对立”的超越，现代哲学提出了“主体间性”的范畴，试图规范一个主体如何与作为主体运作的另一个主体发生作用。从方法论上来看，笛卡尔“我思故我在”所开创的传统哲学，首先需要确立一个“自我”（心灵和意识），然后从这个“自我”出发去看、去构造世界。这样一来，除了“我”之外的“其他人”就不过是客体（对象）而已。事实上，“其他人”和“我”是平等的，也是一个看世界、构造世界的“主体”。于是，哲学家提出了“主体间性”这一概念，用以表明“其他人”和“我”处于同样的“主体”地位。
实际上，主体间哲学向我们昭示了“谁是主体，谁是客体”的全新假定，即人与人的关系永远是“主体间”关系，而非“主客”关系。具体到教育活动中，既然教师和学生都是具有主动性、自主性和创造性的人，那么他们之间的“主客”关系便寿终正寝了，取而代之的则是“主体间”关系。也就是说，任何时候师生之间都没有客体，师生成为完全平等的主体，他们通过双向互动、平等交往而塑造相互间的关系，从而走向共识、理解、融合与更有意义的前景。
（二）教育主体客体化与教育客体主体化：人工智能的挑战
人工智能对“谁是主体，谁是客体”的哲学假定进行了“拆卸”，使教育主体观即将遭受或正在遭受着挑战。这突出地表现在两个方面：一是把教育主体（人）“降格”成了客体，二是把教育客体（物）“升格”成了主体。
1.教育主体客体化
正如前文所昭示的那样，通过主客体哲学向主体间哲学的转变，教育完成了其庄严的价值承诺：师生是平等的主体，而非客体。然而，人工智能通过自身的一套机制正在试图“绕过”教育的这个价值承诺，进而“恢复”学生在主客体哲学框架中的客体身份。近几年来，在教育领域中虽然出现了诸多人工智能的应用创新，但主流媒体和学术界最突出的公共讨论当属“学生面部识别系统与专注度分析系统”，其典型的应用场景包括：事件或活动的出勤签到、学生学习行为分析、课堂专注度偏离分析、课堂互动和教学行为分析等。这些系统之所以能够运行乃至发挥作用的逻辑，一言以蔽之，皆是借助硬件设备（如摄像头、电子手环、智能校服、智能头环等）“监控”并“分析”学生的身体数据或私人空间（如面部表情、举手次数、眼球焦点、脑电波、心率数据、运动轨迹等）。
早在18世纪，为了描述“一种完美的权力技术”，英国功利主义代表人物杰里米·边沁（Jeremy Bentham）提出了“圆形监狱”理论。由于圆形监狱的特殊设计（由一个中央瞭望塔和四周环形的囚室组成），少量狱警甚至不需要狱警便可监控所有的囚徒。狱警处于瞭望塔上很难被看到，相反囚徒则处于公开的位置，而且他们从心理上感觉自己的一举一动都处于被监控状态，因此不敢“越雷池半步”，这就实现了所谓的“自我监禁”。而“学生面部识别系统与专注度分析系统”所涉及的隐私泄露、电子监控等问题，与“圆形监狱”的核心要义如出一辙，甚至比“圆形监狱”更加隐蔽。因为，这些人工智能系统不仅降低了学生的心理防线，而且吸引教育机构、研发企业参与监控网络的构建，它带来的不是学生的“自我管理与规训”，而是把学生“降格”为一个节点、一个类似于“物”的对象、一个需要随时对其加以“监控”和“分析”的客体。 2.教育客体主体化
关于“谁是主体，谁是客体”的哲学假定，主客体哲学和主体间哲学达成了一个默契，即“物永远是客体，不可能是主体”。而人工智能对这个默契产生了影响，甚至催生出了自己所需要的主体。具体到教育领域，人工智能作为一个“技术人造物”，是人类所利用的一个教育工具，它总是被动的，无法自主地行动。然而，人工智能却又被注入所谓了的“智慧”“思想”，甚至“情感”（比如能够为学生规划学习路径、推荐个性化学习内容），似乎有了“主观能动性”，这使得作为客体的“技术人造物”“升格”成了“教育主体”。
“人类是主体”是哲学界的共识，但人类因何而成为主体？马克思认为，“自由的有意识的活动恰恰就是人的类特性”。也就是说，人类通过社会实践生成自己的本质，从而获得主体地位。然而，人工智能却不具备这种自我实践的能力，它本质上依然是属人的，尚不足以成為“教育主体”。那么，它为何能够为学生规划学习路径、智能推送个性化学习内容，从而表现出一定的“能动性”呢？这是因为，人工智能的这些“智能行为”完全“依赖”于学生在线学习时留下的“数字足迹”，包括学习过程的行为数据、学习结果的评价数据，以及通过在线学习形成的社会网络数据等。人工智能通过一套算法对学生的这些数据进行加工和处理，构建通用参考模型（一般包括学员模型、领域知识模型、知识推荐模型和测试模块模型等）来模拟人类解决教育中的某些问题。可以看出，这些数据全部来自于学生的实践（学习）活动，而非人工智能通过自己的实践活动所产生的“认知”。在这个意义上，人工智能“并不是真正的、完全意义上的主体，而是人类‘赋予’它的主体地位”。
三、教育交往观：变革历程述要与人工智能的新思路
（一）教育交往：从“独白”到“对话”
与教育的主体观相联系的是其交往观。现代教育基于不同的主体观，将师生关系分为主客体关系和主体间关系，与此相对应，现代教育的交往也有两种主导范型，即“独白”式交往与“对话”式交往。
1.“独白”式教育交往
主客体哲学采取“主体一客体”的分析框架，强调“我”对“它者”的认识和占有，是马丁·布伯所说的“我一它”关系。这种分析框架成就了师生主客体关系，绘制了“独自”式教育交往的图景。“教育交往以一定的教育目标为指向，受一定的教育目标的规范”，“独白”式教育交往的至高鹄的就是“占有”更多的知识。在“占有”知识的规范下，交往的内容仅限于“标准”知识的交流，而非启发学生思考的“原料”，师生的内心世界和精神世界往往处于孤独的关闭状态;交往的方式是教师“点对面”地通过控制和训练对学生进行知识的灌输，教师的眼中往往没有具体的学生，而是与一个“朦胧的整体”在交往，堪称是一种几乎没有情感成分的“露水式”交往;交往的结果使得师生双方成为“单纯的知识承载体”，失去了彼此之间的人格精神在教育中的“会合”和“相遇”，最终压抑了学生的自主发展和完整人格的形成。
2.“对话”式教育交往
主体间性哲学把分析框架构筑于“主体一主体”的关系之上，主张“我”之外的其他一切存在物都是与“我”一样的另一个主体，而非外在的对象性存在，强调“我”与“对象主体”之间的共生性、平等性和交流关系。受主体间性哲学的启发，教育交往由“独白”走向了“对话”。就教育目标而言，“对话”式教育交往追求的是师生之间、生生之间的精神沟通，即“通过理解而实现精神世界的共享”;在交往内容方面，“对话”式教育交往注重的是“知识结构或称符号世界的不断重构和更新”，而非“标准”知识的复制或再现;在交往方式方面，“对话”式教育交往推崇“我-你”关系基础之上的平等对话、互相理解和真诚合作;交往的结果也与“独白”式教育交往有着天壤之别，即“不是去复述一个标准答案，而是学生富有创造性思想的生成”。
（二）教育中“人与非人的交往”：人工智能的新思路
尽管“独白”式教育交往和“对话”式教育交往有着诸多不同，但两者固守的都是“人与人的交往”。人工智能有自己的交往范式，它所认同、建构的交往不再囿于“人与人的交往”，而是开启了“人与非人的交往”的新尝试。具体到教育领域，最为典型的是学生和教育机器人之间的交往。尽管教育机器人的倡导者和质疑者之间存在着争论，但目前主流媒体的流行言论制造了炒作的泡沫和拥抱教育机器人的愿望。在乐观中保有一份谨慎，对教育中“人与非人的交往”进行冷思考，揭示其中埋藏的隐患，或许是我们必须面对的一项时代课题。
1.教育机器人因遭遇到“理解难题”而行走在教育交往的“模糊地带”
早在20世纪80年代初，为了驳倒“强人工智能论题”（即被“合适程序”控制的机器不仅有自己的认知状态，而且可以像人一样进行理解活动），美国哲学家约翰·塞尔（John Searle）设计了“中文屋”的思想实验。在这个实验中，一间屋内只有铅笔、稿纸和写有中文翻译程序的书，只会说英语的塞尔被关在其中。写有中文的卡片从门缝塞进屋内，塞尔根据屋内的那本书来翻译卡片上的文字并用中文回复，以此诱骗屋外的人相信他也会说流利的中文。塞尔由此指出：既然任何一台处理语言的计算机在结构与处理流程上都是与“中文屋”类似的，那么，任何一台计算机也都不可能真懂人类语言。换句话说，机器虽然能够处理信息，但无法真正理解信息。奥古斯丁深刻地认识到了这一点。他认为，“真正的理解依赖于洞见、‘光照’，不可能通过纯粹操作性的、计算性的方式达到”。
在这个意义上，我们有理由认为，教育机器人因遭遇到“理解难题”而行走在教育交往的“模糊地带”。一方面，“对话”式教育交往是“从对话者各自的前理解结构出发而达成的一种视界融合”，即实现人生意义与价值的确定。这其中“理解”是关键的一环，换句话说，“理解”既是“对话”式教育交往的条件，也是“对话”式教育交往的归宿。教育机器人因不具备“理解”的能力，使得这种教育交往几近成为“海市蜃楼”。另一方面，我们把目光转向教育机器人之所以受到热捧的原因。概而言之，它具备了语言理解（非真正意义上的“理解”）和语音交互的能力，能讲故事、唱歌、播放视频，能提供个性化知识讲解，且讲解过程不厌其烦、不会出错等等。在这种情况下，强调学生和教育机器人的交往，究竟是在培养面向未来的人才，还是在利用所谓的人工智能技术强化已经过时的“独白”式教育？ 2.对机器人的依赖会使学生丧失独立性和自主性
黑格尔曾以著名的“主奴关系”理论来说明“精神活动”的运动发展规律。按照他的描述，在“自我意识”阶段存在着两个截然相反的意识的形态，“其一是独立的意识，它的本质是自为存在，另一为依赖的意识，它的本质是为对方而生活或为对方而存在。前者是主人，后者是奴隶”。通常来说，奴隶要通过自己的“一技之长”来“伺候”主人，任由主人摆布。然而，由于主人缺乏这种“一技之长”，他在某种意义上又必须依赖奴隶来实现自己的意志，奴隶是实际的行动者。长此以往，主人得到的并不是“独立的意识”而是“依赖的意识”。也就是说，本来作为独立的自我意识存在的主人，现在反而要依附于奴隶而存在。
事实上，黑格尔所说的“主奴关系”已经映射到了“学生和教育机器人”的关系之中。在他们交往的过程中，教育机器人一直在源源不断地获取学生的各项数据，“识别”学生的学习能力、学习风格和知识点盲区，从而精准地刻画出千人千面的“个人画像”。在此基础上，教育机器人不仅能为学生提供个性化的学习资源和学习活动，还能为学生提供最优化的学业方案和职业发展规划。长此以往，学生难免会形成“依赖的意识”，心甘情愿地让教育机器人代为“选择”或“规定”自己的未来，成为“取悦机器的寄生者”。换句话说，学生“理想”的实现要依靠教育机器人，并且实现在“奴隶意识”（学生对机器人的肯定或承认）之中。在此过程中，学生极有可能丧失自我，变得和机器一样机械，其独立性和自主性最终会消磨殆尽。
四、知识观：“主观主义-客观主义”的分野与人工智能的重塑之路
（一）知识观的历史演变：从客观主义到主观主义
所谓知识观，简单地说就是对知识的理解和看法。它要回答的基本问题大致包括：知识的起源、获得知识的方法、知识的客观性以及知识的真伪标准。由于立场、视角的不同，历史上形成了不少观点纷呈甚至截然相反的知识观。其中，客观主义与主观主义的分野格外引人注目。
1.客观主义知识观
對于知识的起源与本质，自古以来就存在着两种思维方式：一是由笛卡尔、莱布尼茨发轫的“唯理论”路线，它主张依靠人脑中与生俱来的“天赋观念”进行严密的演绎推理，就可以获得一套与“外部世界”一致的知识。另一种是伯克利、休谟发轫的“经验论”路线，它宣称人的感觉经验是认识的条件和基础，感觉经验既是知识的来源，又是检验知识的标准。整体而言，这两种知识观都强调认知的客体（即知识内容），认为知识是客观的、普遍的、真实的、确定的。因此，这两种主张是纯然客观主义的论点。
在客观主义知识观的支配下，教学变成了一种赤裸裸的“传递-接受”式的灌输知识的活动，师生关系的基本性质就是知识的传递者和接受者之间的关系，教学方法着眼于“传递一接受”的效率，教学评价归结于学生对知识的“占有”。其积极的一面在于，有效提高了知识传播的效率并促进了教育的普及。但是我们也应看到，客观主义知识观压抑了学生的主观能动性，扼杀了学生的创造力，把学生训练成了没有灵魂的考试机器。其结果是，“孔子杏坛的师生质疑问难、苏格拉底的问道中途、亚里士多德的学林漫步，这些教育的本真形式只能成为现代教育的幻想”。
2.主观主义知识观
康德用独特的“综合路线”调和了“唯理论”与“经验论”两条路线之间的冲突。他认为，对于知识的可能性而言，“唯理论”与“经验论”缺一不可。一方面，感觉经验是人类知识的基础，知识是感觉经验的产物。另一方面，认识主体必须具有一套先天的“认识形式”或“先验范畴”。因为，后天的感觉经验必然经过先天的“认识形式”或“先验范畴”的加工和组织，才能成为普遍性的知识。由于承认认识主体在认识过程中的能动作用，康德的“综合路线”被认为是认识论历史上的“哥白尼革命”，它扭转了“认识顺从对象”的惯性思维，认为“在知识的结构以及知识的形成过程中，都不能缺少主体的能动性”。
康德之后，人们对知识的确定性和客观性产生了怀疑，改变了原有的提问方式和思维模式，尝试从认知的主体（人）出发来理解知识，进而形成了颇具影响力的主观主义知识观。比较有代表性的包括：皮亚杰把儿童描述为一个“孤独的探寻者”，认为同化、顺应和平衡等一些生物过程至关重要;维果茨基则强调父母、教师、同伴及文化环境的作用，并将这些因素很好地归纳到“最近发展区”的概念之中;卡茨和斯腾伯格认为个体的主动性在建构知识结构的过程中起着颇为关键的作用;哈贝马斯提出“情境理性”知识观，主张知识的意义是在学习者与学习情境的互动、学习者与学习者的互动过程中生成的。
（二）计算与表征：人工智能的重塑之路
关于知识的来源与构成，人工智能绘制了不同的图景。简而言之，人工智能参与知识生产的逻辑是一种基于知识库和逻辑规则（算法）的“计算与表征”系统，包括知识的搜集、处理、生成、匹配和推荐。虽然这种知识生产的逻辑为个性化自适应学习提供了支持，但依旧没有摆脱“客观主义”的窠臼，甚至还隐藏着潜在的教育危机。
1.计算与表征：人工智能参与知识生产的逻辑
作为人工智能基础的“计算与表征”思想，可以在柏拉图那里找到根源。据说，当年苏格拉底在雅典四处寻找专家（如匠人、诗人、政治家等），以期测试和绘制他们技能背后的规则。然而这些人却无法阐明其成为专家的行事规则，只能告诉苏格拉底一些专家行为的案例。后来，苏格拉底的学生柏拉图对造成上述困难的原因进行了解释。他说，专家们或许已经忘记了这些规则，而哲学家的作用就是要帮助专家回忆他们所遵循的规则。于是，柏拉图“把全部推理都归约成明晰的规则，把世界规约为不须解释地运用这些规则的原子事实”，进而影响了其后两千多年的哲学发展。
计算机的发明是人类历史上最伟大的事件之一，它最主要的特点是“可以按明晰的规则进行计算”，一般不需要人直接干预。因此，在两千多年的传统中，计算机被理解为“逻辑智能的范式”。对此，德雷福斯的见解深刻而独到。他认为：“人工智能恰好是柏拉图哲学传统和计算机技术相互加强的产物”。有鉴于此，在人工智能那里，知识的来源与构成可以用“计算与表征”加以解释。具体来说，人工智能依靠知识库和逻辑规则（算法）而参与知识生产。目前来看，构建知识库的主流方法主要有两种：一是自上而下的符号主义进路，即在机器内部用符号表达式建模世界，形成显性的命题表征;二是自下而上的联结主义进路，即通过训练人工神经网络来赋予机器学习能力，让机器自动获取知识，扩充自己的知识库。除此之外，人工智能还必须有一套逻辑规则（算法），然后根据逻辑规则（算法）对知识库中已有的知识进行重组（包括搜集、处理、生成、匹配和推荐），进而规划机器的行动（即回答问题或解决问题）。 2.对“计算与表征”知识观的审视
毋庸置疑，人工智能“计算与表征”的知识生产逻辑，使得基于“学生画像”的个性化自适应学习成为可能，使得每一个学生都能享受到因材施教的润泽。同时，这种知识生产的逻辑也存在着一定的限度与困境。
（1）知识库的“客观主义”陷阱
符号主义区分了显性/隐形两种表征形式，即符号只能解决显性表征，对隐性表征却无能为力。也就是说，只有显性知识才能被编码成为表征，而隐性知识将不能被编码，从而不能成为表征。这意味着，基于符号主义进路所构建的知识库，其中存储的知识只能是显性知识。按照英国哲学家波兰尼的理解，显性知识是指可以用书面文字、图表和数学公式等符号系统加以完整表述的知识，具有客观性、静态性、情境独立性等特征。可以发现，这种知识库的构建自觉不自觉地重蹈了“客观主义”的覆辙。
联结主义进路深受认知科学和神经心理学的启示，试图通过人工神经网络模型来模拟人类的大脑，进而成为处理隐性知识或打破显性/隐性区分的希望。然而，联结主义实现这一目标依旧遥远。首先，人工神经网络增加和扩展知识库，需要预先的海量训练才能完成，一旦真实情境中的变化超越历史训练的数据集，它就难以做到随机应变，从而落入“情境独立性”的窠臼。其次，人工神经网络的深度学习模型通过对数据的曲线拟合，发现的多是特定领域的相关性知识，而难以获取因果性知识。因此，该模型也就无法进行迁移和类比学习，也无法进行常识性推理。总而言之，联结主义无法打破知识的显性/隐性区分，离现代教育所推崇的主观主义知识观尚存在一定距离。
（2）逻辑规则（算法）与教育危机
人工智能进行知识的搜集、处理、生成、匹配和推荐的过程中，逻辑规则（算法）所带来的教育危机不容小觑。首先，影响学生学习成效的因素通常是很复杂的，其中的非理性因素（如情感、想象、直觉、灵感、信仰、意志、习惯等）是至关重要的。而逻辑规则（算法）却无力表征这些非理性因素，“计算模型对教育对象和教育过程的量化和简化使教育失去了丰富的内涵和诸多有价值的成分”。其结果是，“个人画像”的构建主要基于学生的知识状态和能力水平，而基于“个人画像”的知识匹配本质上是让学生掌握更多显性知识或提高其考试分数。试问：在这种情况下逻辑规则（算法）是在颠覆应试教育，还是在强化更加“精准严密”的应试教育？其次，知识推荐固然能够提高知识获取的有效性和针对性，但同时也带来了“信息茧房”的弊端。具体来说，学生根据算法推荐所获取的高度同质化的知识，就像蚕吐出来的丝一样，密密麻麻地编织成像蚕茧一般的“茧房”，从而将其自身桎梏于其中。其结果是，“信息茧房”隔断了学生接触多样化知识、异质性思想的机会，进而侵蚀学生的思考能力，拘囿学生的知识视野，久而久之学生被困在狭窄的认知结构中成为“井底之蛙”。
五、结语
毋庸置疑，在教育中引入人工智能技术，助力个性化教育向更高层次复归，这为教育开辟了有意義的前景。但是，人工智能专注于从学生行为数据那里获得所谓的“事实”并设计可数学化、可逻辑表达的“规则”，而把“教育应该是什么样”这个问题给排斥了，从而忽视和遮蔽了人的价值和意义。教育具有极强的情境性，特别是涉及具有主体性和能动性的个体，每一个“事实”的背后都存在着极其复杂的原因。有鉴于此，因果关系的寻求与应用似乎更应处于教育研究的核心位置。目前来说，人工智能执着于相关关系的寻求，对于因果关系的处理则是苍白无力的。为此，我们应当做出以下几个方面的努力：一是，从技术架构实现教育中的人文关怀。早在1954年法国技术哲学家埃吕尔就以“适用技术”（Appropriate Technology）这一概念，强调技术的发展和应用应该增加个人对自由和人权的关心。因此，人工智能技术的教育应用首先应当恪守教育的根基与原理，将学生的发展、价值和隐私保护镶嵌在人工智能的算法之中。人工智能的无限滥用会成为“限定”甚至“强求”学生的工具，因此还应当合理控制人工智能在教育中的使用范围，并始终保持学生的主体地位。二是，破除教育中人工智能价值至上的观念。教师应当始终把人工智能当成手中的“工具”而非全能的上帝，进而建构一种“人机协同”“AI教师与真人教师联袂执教”的发展路向，即人工智能的价值在于发现教育中的相关关系，教师则致力于处理教育中的因果关系，两者优势互补，共同开启教育发展的新图景。三是，建立符合教育目的的人本层面的人工智能价值评价规范。教育主管部门要在符合教育目的的价值观指导下，从人本层面对人工智能技术在教育中的应用进行价值评价，构建起相关评价指标体系，包括人工智能对学生认知领域、思维领域和精神领域的作用和影响。
作者简介：
张刚要：教授，博士，研究方向为教育技术基础理论、数字化教育资源建设（zhanggy@njupt.edu.cn）。
梁青青：在读硕士，研究方向为数字媒体技术（1091512229@qq.com）。
收稿日期：2020年2月3日
责任编辑：赵云建
转载注明来源:https://www.xzbu.com/1/view-15288918.htm
