联合国教科文组织日前发布的《教育中的人工智能：可持续发展的挑战与机遇》报告提出，有研究预测，2021年之前数字教育市场将每年增长5%；2017—2021年，人工智能市场将增长50%。虽然教育领域人工智能公共政策的发展尚处于起步阶段，但这一领域很可能在未来10年呈指数增长。

　　在这种情况下，我们能否适应由私人市场推动的技术变革速度？教育如何利用人工智能技术改善学习成果？如何使用人工智能数据促进教育公平、提高教育质量？

　　该报告表示，解决这些问题的最佳方法是从一个全面的角度来看待这个问题。人工智能在知识、创新、商业和新法规的复杂生态系统中工作，国家政策应能够同时处理多个问题，以产生解决方案和法规，并创建或支持创新生态系统，将人工智能的机会带入教育领域。

　　双教师模式支持个性化学习与协作学习

　　报告指出，人工智能技术能够支持包容和无处不在的学习访问，有助于确保提供公平和包容性的教育机会，促进个性化学习并提升学习成果。

　　人工智能可以为教师创造一个更好的专业环境，让他们为有困难的学生投入更多支持。“双教师模式”包括教师和虚拟教学助理，“助理”可以接管教师的日常任务，使他们有更多时间专注于对学生的指导和一对一的交流。在一些国家，教师已经开始与人工智能助理合作，为学习者提供最佳的学习帮助。此外，计算机辅助学习创造了用数字和人工智能技术支持学生学习策略的替代方案。人工智能可以帮助绘制每个学生的个人学习计划和轨迹、长处和弱点以及学习偏好和活动。

　　计算机支持的协作学习，最具革命性的一个方面是实现了学习者的异地协作，为学生提供了不同的选择，包括他们学习的时间和地点。在计算机支持的协作学习中，在线讨论发挥着核心作用，基于机器学习和浅文本处理等人工智能技术，采用人工智能系统对讨论组进行监控，为教师提供学习者讨论的信息，并为教师指导学习者的参与和学习提供支持。

　　人工智能依靠数据而蓬勃发展，大数据能够使人工智能发挥其潜力。随着数据的增加，人工智能的应用结果变得更加准确。在大数据时代，公众都会留下个人的信息足迹，产生大量数据，从而使人类和社会行为能够被客观量化，因此，很容易跟踪、建模，并在一定程度上进行预测。围绕信息足迹的这种现象被称为“数据化”，深刻影响着教育领域。虽然“数据化”引发了一些伦理问题，需要协调一致的政策响应，但带来了个性化学习和教育治理方面的可能性。数据驱动决策应用于学生成绩测试数据，是很多学校和地区改革的焦点。通过从教育管理信息系统收集大量数据，人工智能算法能够提供数据驱动的决策，进而改善学校教育。

　　此外，教育管理信息系统是一组有组织的信息和文档服务，用于收集、存储、处理、分析和传播教育规划与管理信息，广泛用于地区、地方和学校各级的教育领导者、决策者和管理者，并用于生成国家统计数据。设计良好且功能完备的教育管理信息系统使教育领域各级成员能够获得有用的信息，以更加有效的管理教育系统、制订可行且具有成本效益的计划、制定响应性政策、监测和评估教育成果。在数据完整、可靠、定期收集、可汇总和分解的国家，利用人工智能增强的教育管理信息系统将具有更强的自动分析数据和生成学校与国家级数据统计的能力。未来，教育管理信息系统为开发预测决策算法开辟了潜力。

　　如今，越来越多的国家将其当前的教育管理信息系统从一个基于学校的综合数据管理系统转变为一个集成的、动态的学习管理系统，该系统可以有效地支持每个国家教育部门管理的实时决策。

　　人工智能能力驱动未来工作与技能变革

　　人工智能带来新类型工作，对技能的需求不断增加，因此，报告指出，教育部门必须在课程改革和政策重新制定方面做出回应。目前，各国在做尝试性工作，以确保其教育系统促进学生获得人工智能驱动社会所需的能力。这些努力可以作为制定协调一致的教育领域应对人工智能政策框架的起点。

　　教育在为未来劳动力人工智能做好准备的工作中起着至关重要的作用。消除人工智能技能差距不仅仅是采用越来越强大的技术来促进学习，它还意味着重新思考用于在各级教育中提供教学的内容和方法。报告明确，各国在将21世纪的技能纳入各自的教育计划时，需要定义“人工智能能力”，而不是基本的信息和通信技术能力，从而使学习者能够使用计算方法和技术识别来解决问题。

　　在人工智能驱动的未来社会，培养创造和解码数字技术的新技能非常重要。为此，报告提出了学生和教师技能发展的一系列能力框架。

　　为收集和分析联合国可持续发展目标中的教育目标(SDG4)，即“确保包容和公平的优质教育，让全民享有终身学习机会”相关指标数据，需

　　要制定一个衡量数字能力的全球框架。数字能力的基本定义是：“能够通过数字设备和网络技术，安全、适当地访问、管理、理解、集成、交流、评估和创建信息，以参与经济和社会生活。它包括各种素养，即计算机素养、信息技术素养、信息素养和媒体素养。

　　2018年更新的教师信息和通信技术能力框架，规定教师在数字化时代需要融入其专业实践以培养学生的批判性知识和意识的能力。该框架强调数字技术在支持理解教育中的信息与通信技术、课程与评估、教育学、信息与通信技术、组织与管理、教师专业学习六个关键知识领域中发挥作用。

　　该框架强调，教师仅拥有管理数字技术并将其传授给学生的某些技能是不够的，还必须让学生在使用数字技术时能够协作、解决问题并富有创造性。

　　计算思维，已经成为使学习者在人工智能驱动的社会中蓬勃发展的关键能力之一。报告所研究的国家均已清楚地认识到计算思维的重要性。美国计算机科学教师协会将计算思维定义为具有以下特征的问题解决过程：以一种能够使用计算机和其他工具帮助解决问题的方式制定规划；合理组织和分析数据；通过模型和模拟等展示数据；通过算法思维（一系列有序步骤）实现解决方案自动化；确定、分析和实施可能的解决方案，以实现最有效的过程和资源组合；将问题解决过程概括并转化为各种各样的问题。虽然计算思维明显属于计算机科学领域，但它是一种在其他学科中普遍应用的能力。鉴于人工智能在工作场所的存在日益增多，如果学习者要应对不断变化的劳动力市场需求，计算思维将成为一项关键能力。因此，许多国家已开始将计算思维纳入各自的教育课程。

　　适应人工智能快速发展的迫切需要也同样适用于后义务教育机构。报告指出，通过高等教育和研究建立人工智能专门知识是各国政府解决各自技能差距的主要方法之一。为了提高各自在人工智能领域的能力并成为该领域的领导者，许多国家正在努力寻求使人工智能研究和实践领域的职业更具吸引力的方法。

　　通过高等教育加强人工智能培训和研究被视为建设人工智能专业知识体系的关键。很多政府正在投资人工智能领域的研究和高级培训，主要在高等教育机构进行，通过在人工智能领域建立学术卓越中心、大学和研究机构网络、奖学金制度来吸引更多的人才进入人工智能领域。

　　与此同时，技术和职业教育与培训机构也应能够提供包含人工智能相关能力的课程，特别是培养技能与劳动力市场变化相适应的毕业生。在一些国家，终身学习被理解为基本技能教育和成人扫盲计划。然而，尽管终身学习包括上述举措，但涵盖的范围更广。国际劳工组织（ILO）将终身学习定义为包括“为培养能力和资格终身开展的所有学习活动”。

　　报告中引用的各国实例，强调在填补人工智能能力缺口时与行业合作，以提高技术和职业教育与培训效率的重要性；强调需要与行业不断协调，以确保技术和职业教育与培训课程的教学内容符合劳动力市场的需求。报告指出，由于人工智能技术的发展非常迅速，这种协调必须是有规律的、系统的，可能需要不断地重新考虑和重新审视教学计划。

　　可持续发展教育面临人工智能新挑战

　　人工智能进入教育领域，我们不但要积极地调整教与学的方式，而且要培养学生适应人工智能时代学习和工作的素养与能力。那么，如何从宏观政策方面入手积极应对？报告提出建议：

　　提升制定全面的人工智能公共政策的能力。要对人工智能可持续发展的公共政策形成一个全面的观点。推动人工智能发展所需的技术环境十分复杂，需要多种因素和体制的协调一致。公共政策必须与国际和国家一级的伙伴关系合作，以创建一个为可持续发展服务的人工智能生态系统。

　　在教育中应用人工智能时确保包容性和公平性。随着人工智能的发展，最不发达国家面临着遭受新技术、经济和社会分化的风险。必须面对基础技术、基础设施等主要障碍，为实施利用人工智能提高学习水平的新战略创造基本条件。

　　帮助教师为人工智能驱动的教育做好准备。这是一条双向道路，教师必须学习新的数字技能，以教育学的方式使用人工智能，而人工智能开发者必须学习教师如何工作并创建在现实环境中可持续发展的解决方案。

　　开发高质量和包容的数据系统。世界正朝着教育数据化的方向发展，数据质量应该成为主要关注点。提高国家能力以改进数据收集和系统化至关重要。人工智能的发展应为提高数据在教育系统管理中的重要性提供机会。

　　加强教育领域人工智能应用的研究。可以预期，教育领域对人工智能的研究将在未来几年显著增加，但教育系统为了促进实践和决策而大力推动教育研究评估时仍存在困难。

　　处理数据采集、使用和传播过程中引发的伦理和透明度问题。人工智能在提供教育机会、向学生提供个体化建议、个人数据的集中、责任归属、对工作的影响、数据隐私和数据馈送算法的所有权方面引发了许多伦理问题。实现人工智能监管需要公众围绕伦理、问责、透明度和安全性等方面展开深入讨论。

　　报告指出，公私合作是加强人工智能培训和研究的一个重要方面。报告所引用的国家普遍在行业界和学术界之间建立了伙伴关系，不仅共享物质和财政资源，而且确保教育计划与劳动力市场需求保持良好的一致。然而，伙伴关系不应局限于行业和学术界，行业内伙伴关系与学术界伙伴关系同样重要。大学和研究机构之间的合作促进了协作研究，可以加速人工智能专业知识的发展。

　　（作者单位：北京教育科学研究院教育发展研究中心）