矯怡程，朱曉琳

（青島大學(xué) 師范學(xué)院，山東 青島 266071）

人工智能是指使用計算機系統(tǒng)來完成傳統(tǒng)上依賴于人類認知的任務(wù)和活動。［1］2019年習(xí)近平總書記在給國際人工智能與教育大會的賀信中指出：人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，正在深刻改變著人們的生產(chǎn)、生活、學(xué)習(xí)方式。［2］教育人工智能（Educational Artificial Intelligence）即為人工智能在教育領(lǐng)域應(yīng)用的產(chǎn)物，其實質(zhì)是通過人工智能技術(shù)理解學(xué)習(xí)是如何發(fā)生的、外界是如何影響學(xué)習(xí)的，進而為學(xué)習(xí)者創(chuàng)造更高效的學(xué)習(xí)條件。［3］人工智能被認為是加速高等教育發(fā)展的重要技術(shù)之一：人工智能是未來引發(fā)教育變革的內(nèi)生動力，對解決教與學(xué)中的關(guān)鍵問題、改善教育管理的方法與實踐具有重要作用，并將有助于進一步提高教育質(zhì)量、改善教育公平。為此，世界各國紛紛出臺政策加強人工智能在教育中的應(yīng)用。教育部關(guān)于印發(fā)《高等學(xué)校人工智能創(chuàng)新行動計劃》的通知中提出要通過人工智能推動大學(xué)教學(xué)領(lǐng)域變革，構(gòu)建智能教學(xué)環(huán)境、探索智能教學(xué)模式、開展多維度綜合性智能評價。［4］然而伴隨不斷發(fā)展的技術(shù)，人工智能正在越來越接近于人類智能，大學(xué)教學(xué)中應(yīng)用教育人工智能的諸多問題引發(fā)探討：人工智能將從何種程度上變革大學(xué)教學(xué)？又將如何重塑大學(xué)教學(xué)目標、教學(xué)環(huán)境和教學(xué)內(nèi)容？甚至有人懷疑人工智能是否會消解學(xué)校、取代教師。為解答這些疑惑，本研究將嘗試梳理人工智能在大學(xué)教學(xué)中的應(yīng)用現(xiàn)狀，分析人工智能在大學(xué)教學(xué)中應(yīng)用的局限性，以探索未來人工智能在大學(xué)教學(xué)中的發(fā)展趨勢，為高等教育工作者提供借鑒和參考。

一、人工智能在大學(xué)教學(xué)中的應(yīng)用現(xiàn)狀

人工智能產(chǎn)生后不久，研究者們就在不斷探索如何將其應(yīng)用于教育領(lǐng)域特別是教學(xué)領(lǐng)域。Pearson報告對教育人工智能進行了整體分析，認為人工智能應(yīng)用于教學(xué)有三個關(guān)鍵模型：學(xué)習(xí)者模型、領(lǐng)域模型和教學(xué)模型。［5］而人工智能在教學(xué)領(lǐng)域最前沿的應(yīng)用——智能導(dǎo)學(xué)系統(tǒng)（Intelligence Tutoring System，ITS），有四個關(guān)鍵組成部分，分別是學(xué)習(xí)者模塊、學(xué)科領(lǐng)域模塊、教學(xué)方法模塊和互動接口模塊。［6］深入分析教育人工智能和智能導(dǎo)學(xué)系統(tǒng)的模型機制，結(jié)合人工智能在大學(xué)教學(xué)中應(yīng)用的具體過程，本研究將人工智能在大學(xué)教學(xué)中的應(yīng)用總結(jié)為四個關(guān)鍵環(huán)節(jié)：數(shù)據(jù)化學(xué)習(xí)者、學(xué)習(xí)者建模、領(lǐng)域知識建模和開展精準教學(xué)。其中，數(shù)據(jù)化學(xué)習(xí)者是前提，學(xué)習(xí)者建模主要作用是了解學(xué)習(xí)者的學(xué)習(xí)情況，領(lǐng)域知識建模主要目的是構(gòu)建具體學(xué)科的專業(yè)知識體系，開展精準教學(xué)則必須結(jié)合教學(xué)有關(guān)的專業(yè)知識、技能和方法。這四個核心環(huán)節(jié)涉及到認知、評估和理解學(xué)習(xí)者，制定符合學(xué)習(xí)者實際需求的學(xué)習(xí)路徑和內(nèi)容，創(chuàng)設(shè)體驗式學(xué)習(xí)情境并指導(dǎo)學(xué)習(xí)行為等大學(xué)教學(xué)的主要方面，反映了人工智能在大學(xué)教學(xué)領(lǐng)域中的具體應(yīng)用。

（一）通過智能技術(shù)收集學(xué)習(xí)者數(shù)據(jù)

將人工智能應(yīng)用于大學(xué)教學(xué)首先需要建構(gòu)對于學(xué)習(xí)者的數(shù)據(jù)化認知?！傲炕晕摇崩砟钫J為，運用可穿戴設(shè)備及其他各種帶有傳感器的儀器，可以監(jiān)測、量化和記錄個人的基本信息，從而形成個人的生命數(shù)據(jù)，進而可以基于這些數(shù)據(jù)對個體健康進行評估。［7］基于量化自我的“量化學(xué)習(xí)”理念認為，可以通過獲取學(xué)習(xí)者外顯和內(nèi)隱的學(xué)習(xí)行為數(shù)據(jù)，可以監(jiān)測、量化和記錄學(xué)習(xí)者的學(xué)習(xí)活動和成長過程。［8］不論是量化自我還是量化學(xué)習(xí)，其前提條件都是“數(shù)據(jù)化”：只有通過數(shù)據(jù)化的信息采集，才能進行精確化分析，進而提供精確化的建議。

學(xué)習(xí)者數(shù)據(jù)化需要考量兩個基本問題：第一個問題是對學(xué)習(xí)者進行數(shù)據(jù)化需要哪些數(shù)據(jù)，第二個問題是如何獲得這些數(shù)據(jù)。前者需要理論探討和分析，包括學(xué)習(xí)理論對于學(xué)習(xí)的認識，以及不同來源數(shù)據(jù)格式的標準，以便互相轉(zhuǎn)化。后者則需要技術(shù)支持。學(xué)習(xí)者數(shù)據(jù)化的采集離不開智能技術(shù)的發(fā)展和廣泛應(yīng)用。傳統(tǒng)的學(xué)習(xí)者數(shù)據(jù)主要是指音頻、視頻、圖片、文本等，隨著技術(shù)的發(fā)展以及可穿戴設(shè)備的廣泛應(yīng)用，通過面部表情識別技術(shù)識別學(xué)習(xí)者的情緒、通過眼動跟蹤技術(shù)識別學(xué)習(xí)者的注意力、通過運動傳感技術(shù)識別學(xué)習(xí)者的身體移動軌跡、使用腦機接口識別學(xué)習(xí)者情感和注意力水平等都被應(yīng)用到學(xué)習(xí)者數(shù)據(jù)形成中。［9］智能技術(shù)的發(fā)展，實現(xiàn)了對學(xué)習(xí)者的基礎(chǔ)數(shù)據(jù)采集由線上數(shù)據(jù)到線下數(shù)據(jù)、由外顯數(shù)據(jù)向內(nèi)隱數(shù)據(jù)、由行為數(shù)據(jù)向心理數(shù)據(jù)的擴充，從而為情境化、多時空、多模態(tài)精確了解學(xué)習(xí)者提供了可能性。

（二）通過分析技術(shù)完成學(xué)習(xí)者建模

人工智能對大學(xué)教學(xué)的變革首先是通過理解學(xué)習(xí)者和學(xué)習(xí)過程實現(xiàn)的。理解學(xué)習(xí)者和學(xué)習(xí)過程又稱學(xué)習(xí)者建模，［10］是學(xué)習(xí)科學(xué)領(lǐng)域的重要研究課題。學(xué)習(xí)者建模依靠學(xué)習(xí)分析實現(xiàn)，目的是通過對學(xué)習(xí)者全方位、多層次、多模態(tài)的數(shù)據(jù)的分析，對學(xué)習(xí)者的知識水平、認知發(fā)展、學(xué)習(xí)狀態(tài)、學(xué)習(xí)風(fēng)格、學(xué)習(xí)動機等進行精準刻畫。事實上，由于數(shù)據(jù)收集技術(shù)和數(shù)據(jù)分析能力的限制，初期的學(xué)習(xí)分析主要關(guān)注學(xué)習(xí)者的行為、活動、互動、結(jié)果等外在表現(xiàn)。［11］隨著感知設(shè)備的發(fā)展，使得學(xué)習(xí)者的生理數(shù)據(jù)也可采集；大數(shù)據(jù)計算能力的發(fā)展，使得復(fù)雜數(shù)據(jù)分析成為可能。因此，當前多模態(tài)學(xué)習(xí)分析在學(xué)習(xí)分析領(lǐng)域中備受關(guān)注。多模態(tài)學(xué)習(xí)分析認為，人類的交流存在多種形態(tài)，比如語言、情緒、肢體動作，這些形態(tài)之間相互作用、形成互補關(guān)系，［12］以準確傳達表達者的意圖。因此，要理解學(xué)習(xí)者，就需要對學(xué)習(xí)者的多種形態(tài)進行綜合分析，即多模態(tài)學(xué)習(xí)分析。

從分析層面來看，多模態(tài)學(xué)習(xí)分析可以大致劃分為九個方面：［13］文本分析、話語分析、筆記分析、草圖分析、動作和手勢分析、情感狀態(tài)分析、神經(jīng)生理標記分析、眼睛凝視分析、多模態(tài)整合和多模態(tài)界面分析。從分析技術(shù)來看，多模態(tài)學(xué)習(xí)分析需要用到機器學(xué)習(xí)、關(guān)聯(lián)數(shù)據(jù)挖掘、自然語言理解、認知網(wǎng)絡(luò)分析等一系列數(shù)據(jù)分析技術(shù)，以實現(xiàn)對學(xué)習(xí)者的綜合理解，完成學(xué)習(xí)者建模。［14］此外，學(xué)習(xí)者歷史數(shù)據(jù)的分析對學(xué)習(xí)者建模也具有重要作用，有助于理解學(xué)習(xí)者變化的歷史軌跡。通過分析數(shù)據(jù)，可以實現(xiàn)對學(xué)習(xí)者的學(xué)習(xí)水平、學(xué)習(xí)目標、學(xué)習(xí)動機、學(xué)習(xí)風(fēng)格、學(xué)習(xí)狀態(tài)等的理解，從而建立有效的學(xué)習(xí)者模型，為后續(xù)教學(xué)做準備。

（三）通過知識圖譜實現(xiàn)領(lǐng)域知識建模

領(lǐng)域知識建模的本質(zhì)是將各個領(lǐng)域的知識進行語義化和結(jié)構(gòu)化的表征，從而使學(xué)科知識和學(xué)習(xí)資源有序化。［15］領(lǐng)域知識模型相當于大學(xué)教師的專業(yè)知識儲備。在人工智能中，領(lǐng)域知識建模是通過知識圖譜實現(xiàn)的。知識圖譜是一種知識管理的手段，其本質(zhì)上是一種概念網(wǎng)絡(luò)，包含概念和概念之間的關(guān)系兩個部分。［16］知識圖譜的建構(gòu)主要有兩大路徑。一種路徑比如傳統(tǒng)的“科學(xué)知識圖譜”，其建構(gòu)方式是自上而下，即首先建立知識建構(gòu)的基本模式，然后根據(jù)該模式將已有知識分類。這一路徑在知識有限、數(shù)據(jù)分析功能有限的前提下被廣泛使用。然而隨著信息數(shù)量爆炸式增長以及信息獲取和分析技術(shù)不斷發(fā)展，知識圖譜的構(gòu)建也出現(xiàn)了自下而上的“谷歌數(shù)據(jù)圖譜”模式。［17］該模式的特點是，基于已有的公開數(shù)據(jù)，選擇其中置信度較高的部分形成數(shù)據(jù)建構(gòu)模式，并在后續(xù)知識圖譜的構(gòu)建過程中不斷完善建構(gòu)模式。

知識圖譜以其結(jié)構(gòu)化、語義化、智能化的特點，正在成為人工智能中領(lǐng)域知識建模的關(guān)鍵技術(shù)。［18］以往，掌握扎實的學(xué)科專業(yè)知識、擁有豐富的跨學(xué)科知識面被認為是大學(xué)教師必備的專業(yè)能力之一。然而教師面對大量的網(wǎng)絡(luò)化、碎片化知識也容易產(chǎn)生認知負荷超載，這是人類共有的先天性局限。人工智能以知識圖譜為基礎(chǔ)進行領(lǐng)域知識建模，在應(yīng)用于大學(xué)教學(xué)過程中，可以有效拓展大學(xué)教師的知識結(jié)構(gòu)、提高大學(xué)教師的知識更新速度，無疑對大學(xué)教師教學(xué)水平的提高具有重要作用。

（四）通過適應(yīng)性反饋開展精準教學(xué)

大學(xué)教師開展教學(xué)，必須具備一定的教育教學(xué)知識，通過一定的教育教學(xué)方法，提高學(xué)生的學(xué)習(xí)效果。人工智能應(yīng)用于大學(xué)教學(xué)也必須依據(jù)一定的教育教學(xué)方法，制定相應(yīng)的教學(xué)策略，促進學(xué)習(xí)者的學(xué)習(xí)行動。［19］在教育人工智能中，這一過程通過適應(yīng)性反饋實現(xiàn)——在恰當?shù)臅r機為學(xué)習(xí)者提供最適當?shù)姆答仭＃?0］適應(yīng)性反饋建立在兩方面的基礎(chǔ)之上：對學(xué)習(xí)者基本狀態(tài)的理解，如學(xué)習(xí)者的指示掌握程度、學(xué)習(xí)者的元認知狀態(tài)、學(xué)習(xí)者的學(xué)習(xí)能力和情緒狀態(tài)等；對領(lǐng)域知識的基本理解，如正在學(xué)習(xí)的內(nèi)容與其他內(nèi)容之間的聯(lián)系是什么、該學(xué)習(xí)內(nèi)容的前置知識包括哪些等。通過對學(xué)習(xí)者和領(lǐng)域知識的理解，從而為學(xué)習(xí)者提供最恰當?shù)姆答?，開展精準教學(xué)。

根據(jù)適應(yīng)性反饋內(nèi)容和形式的不同，研究者將教育人工智能中在教學(xué)中的作用概括為以下幾種：為學(xué)習(xí)者提供激勵的激勵者，幫助學(xué)習(xí)者解釋概念和原理的輔導(dǎo)者，評價學(xué)習(xí)者學(xué)習(xí)情況并提供建議的建議者，為學(xué)生提供有效學(xué)習(xí)資源的連通者等。［21］隨著人工智能技術(shù)的發(fā)展，教育人工智能開展適應(yīng)性反饋的內(nèi)容和形式也在不斷擴展。一方面，人工智能識別、收集、分析和反饋的數(shù)據(jù)越來越多樣化，表現(xiàn)為從文本形式、指示形式發(fā)展為自然語音、圖形圖像等，比如教育人工智能可以通過直接與學(xué)習(xí)者對話對學(xué)習(xí)者進行指導(dǎo)。另一方面，教育人工智能的教學(xué)策略越來越多樣化，體現(xiàn)在其角色從最初的“教師”角色擴展到“同伴”和“學(xué)生”。教育人工智能不僅可以直接“教”學(xué)習(xí)者學(xué)習(xí)，而且可以通過扮演“同伴”與學(xué)習(xí)者互動學(xué)習(xí)、扮演“學(xué)生”讓學(xué)習(xí)者在“教中學(xué)”。此外，將計算機科學(xué)與神經(jīng)科學(xué)、認知科學(xué)相結(jié)合，例如使用神經(jīng)網(wǎng)絡(luò)計算技術(shù)開發(fā)人工智能教師，還可以使教育人工智能面對復(fù)雜不可知的課堂教學(xué)環(huán)境。［22］

總的來說，將人工智能應(yīng)用于大學(xué)教學(xué)可以實現(xiàn)大學(xué)教師的解放與創(chuàng)新。一方面，將人工智能應(yīng)用于大學(xué)教學(xué)，可以替代教師工作，將教師從簡單勞動中解放出來。包括替代教師完成簡單體力勞動工作，如搜集資源、控制課件、簽到、資源共享等；替代教師完成簡單認知工作，如信息采集、批改作業(yè)、常見知識點講解和常見問題解答等；替代教師開展特定的教學(xué)工作，如寫作指導(dǎo)、學(xué)習(xí)指導(dǎo)。［23］另一方面，將人工智能應(yīng)用于大學(xué)教學(xué)，還可以進一步賦能教師，幫助教師開展更富創(chuàng)造性的工作。比如教師借助于人工智能收集教學(xué)數(shù)據(jù)、監(jiān)測教學(xué)過程，從而進行學(xué)情分析和診斷、迅速改善教學(xué)策略以提高教學(xué)效果等。［24］實證研究發(fā)現(xiàn)，將人工智能應(yīng)用于教學(xué)可以有效促進學(xué)生的學(xué)習(xí)。［25］

二、人工智能在大學(xué)教學(xué)應(yīng)用中存在的問題

研究者對人工智能在大學(xué)教學(xué)中的應(yīng)用前景寄予了較高的期望，但現(xiàn)實中，也同時存在一些理性質(zhì)疑的聲音，認為人工智能在大學(xué)教學(xué)中應(yīng)用存在局限性。這些質(zhì)疑主要體現(xiàn)在以下四個方面。

（一）如何理解人工智能與人的關(guān)系

人工智能在大學(xué)教學(xué)中的應(yīng)用需要教育教學(xué)理論的支撐。面對人工智能的挑戰(zhàn)，大學(xué)教育教學(xué)理論不得不在討論教育與人的關(guān)系、教育與社會關(guān)系的基礎(chǔ)上，進一步研究和回答教育與機器的關(guān)系。［26］現(xiàn)有的教育教學(xué)理論在回答人工智能與人的關(guān)系時，還存在一定的倫理局限性。教育人工智能通過將學(xué)習(xí)者數(shù)據(jù)化來理解學(xué)習(xí)者，并進一步?jīng)Q定采取何種教學(xué)策略促進學(xué)習(xí)者的學(xué)習(xí)。這其中需要注意到，學(xué)習(xí)者是一個復(fù)雜的整體，而通過人工智能獲取的多層面數(shù)據(jù)將學(xué)習(xí)者進行了解構(gòu)，形成了一組多維多層次的數(shù)據(jù)。雖然隨著技術(shù)的發(fā)展，學(xué)習(xí)者的數(shù)據(jù)會更加豐富和全面，但這些數(shù)據(jù)是否能夠真正反映學(xué)習(xí)者還有待研究，而且這些數(shù)據(jù)還可能會標簽化學(xué)習(xí)者，進一步通過教學(xué)過程形塑學(xué)習(xí)者。因此研究者也擔(dān)心學(xué)習(xí)者會形成淺表化學(xué)習(xí)，嚴重依賴人工智能，最終喪失自主學(xué)習(xí)能力。［27］如同正在發(fā)生的后真相時代，互聯(lián)網(wǎng)公司基于用戶的搜索和點擊習(xí)慣開發(fā)算法，使得用戶每次的搜索和點擊都會進一步確認自己的偏見，［28］教育者也應(yīng)當反思未來人工智能應(yīng)用于教學(xué)究竟是促進了學(xué)習(xí)者的發(fā)展還是形塑了學(xué)習(xí)者。

（二）如何理解智能時代的教學(xué)目標

人工智能作為一種先進的技術(shù)，可以提高教育效率和教育質(zhì)量，比如改進教育教學(xué)方式、擴展教育教學(xué)資源。更重要的是，人工智能也會以“智能思維”的方式，對教育理念、教育目的、教育內(nèi)容和方法等進行“智化”，使人們重新定義和理解教育。［29］人工智能和機器人的發(fā)展，進一步加劇了世界的不確定性、模糊性、復(fù)雜性和多變性。［30］這要求未來教育教學(xué)的首要目標是培養(yǎng)具有復(fù)雜心智的個體，能夠面對、理解和處理不確定的世界。然而現(xiàn)有人工智能的教學(xué)目標卻是通過幫助學(xué)生組織知識、了解學(xué)生目前所處的水平、推送相關(guān)知識點、重復(fù)性“刷題”等行為主義學(xué)習(xí)理論來實現(xiàn)。［31］人工智能的應(yīng)用雖然一定程度上提高了教學(xué)效率，但卻造成了教育目標理想與現(xiàn)實的背離。一方面，當前的智育目標倡導(dǎo)知識的遷移能力、邏輯思維能力、批判性思維能力、領(lǐng)導(dǎo)力、溝通力、創(chuàng)新能力和復(fù)雜決策能力，而人工智能的教學(xué)過程只見知識不見能力，最困難的是無法實現(xiàn)創(chuàng)新能力的培養(yǎng)。而創(chuàng)新能力和想象力被認為是人工智能時代人類最重要的品質(zhì)。［32］另一方面，將教學(xué)目標單純的理解為“知識學(xué)習(xí)”與“能力提升”，也就意味著忽視了傳統(tǒng)教育中的情感和道德層面，將學(xué)習(xí)者的學(xué)習(xí)過程從情感體驗和價值觀形成的過程中剝離出來。

（三）如何保障教學(xué)過程中的數(shù)據(jù)安全

數(shù)據(jù)與算法是人工智能的兩大技術(shù)基礎(chǔ)。［33］將人工智能應(yīng)用于大學(xué)教學(xué)，其本質(zhì)是對大學(xué)教學(xué)過程中產(chǎn)生的大量數(shù)據(jù)建立算法。［34］人工智能本質(zhì)上是基于算法進行無數(shù)松散數(shù)據(jù)的分析，因此人工智能在大學(xué)教學(xué)中的應(yīng)用離不開大量數(shù)據(jù)的采集、存儲和處理。［35］而教學(xué)過程中產(chǎn)生的學(xué)校數(shù)據(jù)、教師數(shù)據(jù)和學(xué)生數(shù)據(jù)為教育人工智能的發(fā)展提供了可能性。從數(shù)據(jù)角度而言，隨著教育信息化的深入，智慧教室和智慧校園的建設(shè)，教師和學(xué)生的注冊信息、瀏覽痕跡、使用痕跡最終都形成了教育人工智能的數(shù)據(jù)基礎(chǔ)。這些信息數(shù)量龐大、覆蓋范圍廣泛。這也造成了教育大數(shù)據(jù)具有一些容易產(chǎn)生數(shù)據(jù)安全的特殊隱患。一方面，教育大數(shù)據(jù)數(shù)量巨大，與個體的關(guān)聯(lián)性強，在信息時代這些數(shù)據(jù)本身具有重要的價值。在大學(xué)教學(xué)過程中應(yīng)用人工智能進行學(xué)生學(xué)習(xí)分析和教師教學(xué)，需要收集學(xué)生和教師多方面的信息，包括基本個人信息、學(xué)習(xí)數(shù)據(jù)、教學(xué)數(shù)據(jù)等。在信息時代這些數(shù)據(jù)本身具有重要價值。如果采用適當?shù)男畔⑼诰蚣夹g(shù)，這些信息可能會組合形成更有價值的數(shù)據(jù)鏈，產(chǎn)生連學(xué)習(xí)者都意識不到的隱私。［36］另一方面，教育大數(shù)據(jù)越來越依靠互聯(lián)網(wǎng)和云端進行采集、傳輸和處理，增加了其安全隱患。以慕課為例，其網(wǎng)絡(luò)教育服務(wù)均在云端進行，這種共享、開放、透明的特質(zhì)使得教育大數(shù)據(jù)容易在獲取、存儲和傳輸過程中被病毒和黑客攻擊，被不法分子獲取甚至惡意傳播，造成數(shù)據(jù)安全隱患。［37］

（四）如何規(guī)避人工智能的算法風(fēng)險

算法是人工智能的第二大支柱。算法基礎(chǔ)則是指人工智能將具體的教育問題抽象為數(shù)學(xué)問題，進而建立解決問題的邏輯模型和算法。由于基礎(chǔ)信息數(shù)量巨大、非結(jié)構(gòu)化以及存在隱形知識，因此研究者們在不斷尋找數(shù)據(jù)的新算法，其中神經(jīng)網(wǎng)絡(luò)運算法、決策樹法和遺傳算法被廣泛運用在教育人工智能的算法策略中。［38］算法和數(shù)據(jù)既成就了人工智能在教育領(lǐng)域中的應(yīng)用，但也因為其本身的一些限制，使得人工智能在大學(xué)教學(xué)中的應(yīng)用存在一定的風(fēng)險。算法模型的高度簡約化容易造成學(xué)生常識性知識碎片化、喪失緘默性知識、無法發(fā)展獨立思考的能力等，造成教育的形式化，以及算法更容易量化和計算顯性知識，教育中的情感教育、價值觀教育等無法被納入其中，人工智能在大學(xué)教學(xué)中的應(yīng)用效果值得懷疑；［39］算法模型的大規(guī)模應(yīng)用意味著看似個性化的反饋背后的邏輯基礎(chǔ)是一致的，［40］所以需要質(zhì)疑人工智能所“教育”的學(xué)生到底是個性化還是同質(zhì)化；算法的輸入與輸出之間存在著研究者無法控制的黑箱，［41］在人工智能自我學(xué)習(xí)、自我訓(xùn)練已經(jīng)成為現(xiàn)實的今天，人工智能的學(xué)習(xí)過程和學(xué)習(xí)結(jié)果尚不能被人類很好地理解，因此需要質(zhì)疑將人工智能應(yīng)用于教育是人在控制人工智能還是人工智能在控制人。

三、人工智能應(yīng)用于大學(xué)教學(xué)的未來展望

由于人工智能在大學(xué)教學(xué)應(yīng)用上既有優(yōu)勢也存在一定的局限性，研究者普遍認為未來人機協(xié)同是教育人工智能的發(fā)展方向。在人機協(xié)同的教育人工智能應(yīng)用中，需要建立相關(guān)制度保障人工智能的技術(shù)安全，師生應(yīng)當更好地理解人工智能與人的關(guān)系，提高自身的創(chuàng)造性和能動性，實現(xiàn)個體的主體性成長。

（一）更好地理解人工智能與人的關(guān)系

人工智能與人的關(guān)系從根本上說是技術(shù)與人的關(guān)系，對此，不同的學(xué)者有不同的理解。最早人們認為技術(shù)物體是物質(zhì)集合，只具有使用價值。然而隨著技術(shù)的發(fā)展，這種認識被慢慢超越。AndréLeroi-Gourhan提出了技術(shù)架空人類論。［42］他認為人類與技術(shù)是一種特殊關(guān)系——外在化關(guān)系，這就意味著，與動物依靠基因記憶進化不同，人類是依靠語言、文字等技術(shù)體系，把記憶寫入工具和文獻等外在物體中實現(xiàn)進化的。人類使用石器、弓箭等使體力外在化，使用紅外線設(shè)備、超聲設(shè)備等使感知外在化，使用文字、視頻、音頻等使意識外在化。當人類機體外在化完全實現(xiàn)時，就會出現(xiàn)技術(shù)架空人類的結(jié)果。SpaceX創(chuàng)始人Elon Musk曾多次呼吁阻止人工智能研發(fā)競賽，并認為開發(fā)人工智能是“召喚惡魔”之舉。然而，他的危言聳聽并沒有使人工智能開發(fā)停滯甚至沒有使人工智能的發(fā)展和應(yīng)用慢下來。為此他專門建立了“腦機接口”公司，試圖使人工智能的發(fā)展走向好的一面。［43］Gilbert Simondon反對機器威脅論，認為是人們沒有正確理解記憶的本性和本質(zhì)導(dǎo)致了人們對機器的恐慌。［44］他從人的個性化思想出發(fā)提出了技術(shù)發(fā)展的極限：即使是高度自動化的技術(shù)物體，也只是孤立系統(tǒng)，因此必須依靠人類進行信息交換。Bernard Stiegler進一步發(fā)展了Simondon的思想，認為人類與技術(shù)互為主體與客體：人類發(fā)明了技術(shù)，技術(shù)又塑造了人類，人類與技術(shù)是一體兩面，無法獨立存在，和諧共生。［45］王作冰基于人工智能與人的協(xié)作關(guān)系提出“人工智能商數(shù)”的概念，［46］認為這一概念具有三重含義：一是借助人工智能擴展自我學(xué)習(xí)和工作的能力；二是通過信息技術(shù)和生物技術(shù)實現(xiàn)自我與人工智能的深度融合，從而超越肉體、無限制擴展智能；三是人與人工智能結(jié)合最終超越了人工智能，進入位置的更高境界。［47］

人機共生的理念被大多數(shù)智能教學(xué)領(lǐng)域的研究者所接納。在這一理念指導(dǎo)下面臨的第一個實踐問題即為“大學(xué)教師如何與人工智能共舞”?；谌伺c人工智能擅長的領(lǐng)域不同，趙勇等人提出人工智能可以完成重復(fù)性工作、結(jié)構(gòu)性和程序性工作，教師主要完成批判性思考、社會與情感交互等方面的工作。［48］黃新榮提出人類應(yīng)該將體力、智力工作教給人工智能，而專注于情感、意志等智慧領(lǐng)域。［49］事實上，人工智能不僅重塑了教師和教學(xué)，更重塑了學(xué)生和學(xué)習(xí)。人機協(xié)同智能結(jié)構(gòu)的形成將分擔(dān)學(xué)習(xí)者大腦的認知任務(wù)，甚至改變信息收集和加工過程；學(xué)習(xí)者多層次、多模態(tài)數(shù)據(jù)收集、分析并建模，有助于促進學(xué)習(xí)者自我認知的發(fā)展，更好的理解自己。［50］不論是人工智能與教師協(xié)同還是人工智能與學(xué)習(xí)者協(xié)同，人工智能收集數(shù)據(jù)、分析數(shù)據(jù)并據(jù)此做出決策的過程使人的存在很容易被異化：一旦教師或者學(xué)習(xí)者習(xí)慣于不再利用數(shù)據(jù)為“我”服務(wù)，而是依賴于人工智能做出的決策，人在教學(xué)活動中的主體性就會消失。未來機器可能不再僅僅是載體和工具，而是教育者和受教育者本身。［51］因此，正確理解人工智能與人的關(guān)系，并在人機協(xié)同中保持自我意識就顯得非常重要。

（二）在自決學(xué)習(xí)中達成學(xué)生的主體性成長

隨著學(xué)習(xí)者模型研究的成熟，在未來的學(xué)習(xí)中，人工智能可以迅速地根據(jù)知識圖譜和能力圖譜分析學(xué)習(xí)者的知識和能力發(fā)展狀況，根據(jù)學(xué)習(xí)者的知識和能力薄弱點，為學(xué)習(xí)者提供個性化的資源；根據(jù)學(xué)習(xí)狀態(tài)和學(xué)習(xí)體驗數(shù)據(jù)分析學(xué)習(xí)者的學(xué)習(xí)風(fēng)格和學(xué)習(xí)偏好，為學(xué)習(xí)者提供個性化的學(xué)習(xí)內(nèi)容；還可以根據(jù)學(xué)習(xí)者的學(xué)習(xí)動機和學(xué)習(xí)興趣分析學(xué)習(xí)者的學(xué)習(xí)價值觀，為學(xué)習(xí)者提供針對性的指導(dǎo)和幫助。［52］人工智能的這些“功能”是以幫助學(xué)習(xí)者的姿態(tài)出現(xiàn)的，然而這些智能化的精準幫助反過來恰恰導(dǎo)致學(xué)習(xí)者失去自我認識和自我監(jiān)控的能力。面對人工智能的便捷性，學(xué)習(xí)者只有正確理解學(xué)習(xí)和成長的內(nèi)涵，并在將之付諸于具體實踐，才能實現(xiàn)真正意義上的成長與成才。

過去工業(yè)時代的教育帶有明顯的統(tǒng)一規(guī)格的特點，這是由社會需要統(tǒng)一標準的勞動力所決定的。然而在工業(yè)4．0時代，以物聯(lián)網(wǎng)、智聯(lián)網(wǎng)、人工智能等技術(shù)應(yīng)用為標志，社會進入了智能機器時代。智能機器已經(jīng)取代或即將取代很多現(xiàn)有的社會職業(yè)，未來“勞動力的標準”是一個無法預(yù)測的目標，因此過去的教育模式在應(yīng)對未來遇到了很大的挑戰(zhàn)。這就要求教育者和學(xué)習(xí)者都重新理解教育的目的和價值。研究者認為未來教育要求學(xué)生成為自決的學(xué)習(xí)者。［53］不同于自覺的學(xué)習(xí)者，要求學(xué)生能夠主動學(xué)習(xí)、完成學(xué)習(xí)任務(wù)，自決的學(xué)習(xí)者更強調(diào)學(xué)習(xí)者自主確定學(xué)習(xí)目的、自主選擇學(xué)習(xí)資源、自由選擇學(xué)習(xí)方式，開展以實現(xiàn)自我價值為目標的自我學(xué)習(xí)。未來教育有幾個顯著特點：一是學(xué)習(xí)內(nèi)容應(yīng)當以學(xué)生為驅(qū)動，目的是實現(xiàn)學(xué)生自身的價值和能力。這就要求學(xué)習(xí)者進行自我管理能力的培養(yǎng)和學(xué)習(xí)，進而根據(jù)自身的興趣和能力選擇學(xué)習(xí)內(nèi)容，達成自我價值的實現(xiàn)；二是學(xué)習(xí)目的是為了解決現(xiàn)在的問題，學(xué)習(xí)是及時性的，不再是為了未來進行預(yù)備性的學(xué)習(xí)；三是學(xué)習(xí)時間和學(xué)習(xí)場所都不再固定，學(xué)生可以隨時隨地向全世界的人學(xué)習(xí)。［54］基于此，面向未來的自決學(xué)習(xí)者充分享有自主性和選擇權(quán)，采用自我指導(dǎo)的學(xué)習(xí)方式，通過參加對個人而言有價值、有意義的活動進行學(xué)習(xí)，最終實現(xiàn)學(xué)習(xí)者的自我價值。［55］

（三）在反思與行動中實現(xiàn)教師的主體性發(fā)展

未來教育人工智能將走向何處，與人工智能的發(fā)展有密切關(guān)系。余勝泉等認為隨著人工智能進入強人工智能或超人工智能時代，人工智能教師最終會具有較高的智能性和自主性，成為與人類教師同樣具有社會性的獨立個體。［56］面對人工智能發(fā)展的不確定性，教師只有在接納中反思、在反思中行動，才能把握不確定中的確定性，實現(xiàn)自我價值。

首先，教師應(yīng)當充分了解并掌握人工智能技術(shù)的發(fā)展，提高自己的技術(shù)能力和技術(shù)領(lǐng)導(dǎo)力。［57］作為教師而言，只有以開放的態(tài)度，理解人工智能與人的關(guān)系，了解人工智能發(fā)展的現(xiàn)狀，嘗試在教育教學(xué)中融入人工智能，才能在人工智能時代找到一條個人與專業(yè)發(fā)展的有效路徑。其次，教師應(yīng)當在應(yīng)用人工智能的基礎(chǔ)上反思人機關(guān)系，提高人機協(xié)作的有效性。Bernard Stiegler認為人類根據(jù)自己的“缺陷”創(chuàng)造形成的“代具”存在于自身之外，人必須借助外在技術(shù)而生存。［58］與傳統(tǒng)教師相比，專門的人工智能在一些方面表現(xiàn)出自身的教學(xué)優(yōu)勢：例如知識面更廣、知識更新速度更快；能夠及時有效的獲得學(xué)生反饋，在教學(xué)策略選擇上有較高的靈活性和針對性。因此，在技術(shù)發(fā)展足夠成熟的前提下，教師應(yīng)用人工智能會感受到充分的便利性，重復(fù)性工作被替代，還能拓展提升教學(xué)能力。然而教師在使用人工智能的同時一定要保持反思，反思人工智能應(yīng)用于教學(xué)的新形態(tài)，反思人工智能對教學(xué)目標、教學(xué)環(huán)境、教學(xué)方法、教學(xué)內(nèi)容的重塑，［59］反思教師在教學(xué)工作中的地位和作用。通過教師的審慎反思與實踐，不斷重新確立人工智能時代教師的價值，實現(xiàn)教師的主體性發(fā)展。

（四）建立相關(guān)制度保障教育人工智能的技術(shù)安全

面對人工智能的技術(shù)局限所帶來的安全問題，必須通過建立健全相關(guān)制度，以保障人工智能應(yīng)用于大學(xué)教學(xué)的技術(shù)安全。制度是行動者公認的規(guī)則、價值和信念。［60］在人工智能應(yīng)用于大學(xué)教學(xué)的過程中，存在不同的主體，而不同主體的價值訴求是不同的。從教師和學(xué)生角度而言，數(shù)據(jù)是他們的隱私，算法是為了更好地提升教學(xué)；從學(xué)校管理者和行政部門角度而言，對于數(shù)據(jù)的綜合分析有助于建立更加有效的教育政策；從商業(yè)開發(fā)者角度而言，數(shù)據(jù)本身意味著巨大的商業(yè)價值，數(shù)據(jù)分析又會帶來進一步的市場。［61］為了規(guī)范不同主體的行為，只有建立系統(tǒng)的政策制度，才能保障教育人工智能的技術(shù)安全。

對于數(shù)據(jù)保護層面的制度，主要應(yīng)當關(guān)注個體隱私與開放共享之間的矛盾問題。［62］教育數(shù)據(jù)本身來自教師和學(xué)生，對于數(shù)據(jù)的分析會形成師生的數(shù)據(jù)畫像，導(dǎo)致事實上的監(jiān)控，因此隱私對于師生來說至關(guān)重要。但數(shù)據(jù)只有經(jīng)過系統(tǒng)的分析才具有真正的使用價值，因此人工智能深度應(yīng)用于大學(xué)教學(xué)又需要充分的數(shù)據(jù)共享。這就意味著在建立教育數(shù)據(jù)政策方面，應(yīng)當在注重隱私保護的基礎(chǔ)上實現(xiàn)開放共享，建立“對誰開放數(shù)據(jù)、怎樣開放”的具體政策。對于技術(shù)保護層面的制度，則需要充分關(guān)注教育的模糊性與算法的精確性之間的矛盾。［63］為了建立有效的算法，教育人工智能不得不簡化學(xué)生、簡化學(xué)習(xí)情境、簡化學(xué)習(xí)目標，使其能夠被計算、被測量。后現(xiàn)代教學(xué)觀認為教學(xué)是一個生成的過程，教學(xué)目標并不是絕對的真理，而是每個人的探究與理解。［64］因此，在具體的教育領(lǐng)域，還存在著大量無法定義的、或即使定義清晰也無法轉(zhuǎn)換為機器算法的教育規(guī)則。［65］因此在使用人工智能時，應(yīng)當在充分理解和尊重教育規(guī)律的基礎(chǔ)上，保持算法和計算模型的可理解性和透明性，［66］以降低算法帶來的應(yīng)用風(fēng)險。