（二）研究方法
    本研究遵循混合研究范式，主要应用了“领域”类比预测、深度迭代国际比较、智能元分析等创新方法，也采用了政策研究、历史研究、问卷调查、领域专家访谈和案例研究等传统方法。
    “领域”类比预测法，通过领域类比，基于不同领域具有相似的性质，推断他们在其他性质上可能的相似之处，进而预测目标研究领域的状态和趋势的方法。课题组邀请了来自智慧交通、智慧医疗等领域的专家，探讨人工智能在其他领域应用的经验，适当迁移至教育领域，预测智慧社会中教育的形态和特征，预测教育领域中人工智能技术的发展趋势，总结教育人工智能治理的策略与经验。
    深度迭代国际比较法，包括概念化、情境化、差异比较、阐释、再度概念化、应用等六个步骤，以迭代的方式深度探究，促进问题解决。研究针对智能时代的教育观、人工智能技术发展趋势、可信人工智能等问题，对全球多个国家和地区提出的观点和应用策略进行比较分析，进行多回合、多层次的研究迭代。
    智能元分析法，基于传统元分析框架，使用人工智能技术部分替代人类工作，快速获取大规模文献文本数据，并转化为结构化、易处理的数据格式，形成结构化表征的数据库，快速聚合研究证据，寻求研究洞见。使用智能元分析法，课题组收集了过去50年中有关应用技术支持教育教学实验研究的高质量学术论文，构建文献数据库。
    数据密集型研究，收集、分析学习者和学习情景的大规模数据，了解和优化学习以及学习发生的情景，从客观数据角度研判教育发展现状以及教育各要素之间的相互作用，从大数据视角分析研判未来教育中的学生成长、教师发展、新一代学习环境各要素之间的潜在关系和可能风险。
    （三）技术路线
    本课题首先基于对教育变革趋势和技术发展趋势的分析，研究智能时代教育的特征，并以此为出发点，以人工智能与学生成长和教师发展为中心，以人工智能与新一代学习环境研究为重点，以教育视角中的可信人工智能研究为保障，建构未来教育形态。研究目标是：1）以智能时代的知识观、学习观、课程观、教学观四个维度来表征未来教育的基本特征；2）以智能时代的新一代学习环境视角为主来描绘未来教育的基本形态；3）从学生成长、教师发展、学习环境设计三方面来探索人工智能变革教育的实践路径；4）从教育的视角来探究人工智能应用的典型场景、安全与伦理、AI技术自治问题等；5）从基本理念、实践路径、AI伦理等方面为人工智能与未来教育发展提供政策建议。本课题分为相互关联的5个子课题，技术路线如图1所示。
    子课题一：智能时代的教育特征。首先，分析国内外“人工智能+教育”的典型应用，基于教育系统各要素的变革情况，总结出智能时代教育系统的基本构成要素；然后，采用德尔菲法，通过多轮调研确定智能时代的教育系统模型；然后，采用领域类比预测法，以医疗、交通、金融为基域，归纳人工智能在上述领域的发展、应用与经验，并结合深度迭代国际比较法，预测教育领域人工智能的形态和发展趋势，探索智能时代未来教育发展的可能；最后，总结出智能时代的教育观，包括知识观、学习观、课程观和教学观。
    子课题二：人工智能与学生成长。首先，通过文献调研、对比分析法、德尔菲法等，梳理学生的成长和全面发展所需的核心素养；然后，使用数据密集型研究，构建学生学业成就评价模型，归因分析影响学业成就的因素，指导教学补救和政策制定；最后，以个性化学习提升学生发展核心素养，面向未来教育构建整合学习情境的自适应学习系统模型。  
 

图1. 技术路线

    子课题三：人工智能与教师发展。首先，明确人工智能与教师协同工作的机制，构建智能时代教师素养模型，并利用德尔菲法加以修正和完善；然后，通过实地调研和专家访谈，探讨教师的角色转变；最后，依托教师教育智慧化平台，研究人工智能条件下教师职前职后一体化新路径。
    子课题四：人工智能与新一代学习环境。首先，通过考察人才需求、教学方式、学习特征等教育要素的变化，明确智能时代的教育对新一代学习环境的诉求和新一代学习环境的特征；然后，通过大数据分析和专家协商预测，界定新一代学习环境的内涵、要素和特征，探究其适用的教学模式；最后，通过德尔菲法，建构新一代学习环境的设计建构框架和评测指标框架。
    子课题五：教育视角中的可信人工智能。首先，通过文献梳理、内容分析、专家访谈，研究教育领域人工智能技术的发展趋势；然后，通过典型案例分析、专家访谈等归纳人工智能应用于教育所产生的安全与伦理问题；最后，使用深度迭代国际比较法，分析国内外人工智能教育应用的技术治理框架，通过领域类比确定人工智能教育应用的技术治理策略，形成治理框架。课题组还基于智能元分析法，提出了“教育社会实验方法”，指导人工智能条件下的教育社会实验。
    二、结论与对策
    （一）研究结论
    1．教育领域人工智能将从关注智能技术的应用转到人机协同系统发展，并呈现从弱人工智能、强人工智能到超人工智能的趋势。
    以人工智能为代表的新一代科技正在改变人们的工作、生活、学习方式和生存环境，推动着社会深度变革和快速转型，并朝向智能化方向发展。转型期的社会在迈向智能时代之际涌现出不确定性、复杂性、智能性的社会诉求，体现在社会公平、经济发展、资源可持续性、气候变化等诸多方面。教育中人工智能细分领域的发展趋势表明，其焦点已从单纯关注技术应用本身，转到关注人机协同系统发展。从纵向发展看，教育中人工智能发展将呈现从弱人工智能到强人工智能的趋势。
    2．智能时代的教育观将发生全新的改变，包括众创共享的知识观、智联建构的学习观、融通开放的课程观与人机协同的教学观。
    一是众创共享的知识观。智能时代的知识是人和人工智能在一定的情境和社会文化背景中与其他学习者、智能体和环境进行交互而获取的信息和意义的生成性建构，体现出“众创”的特点。人与人、人与机之间可以通过网络和交互形成具有高度组织性的活动，共同进行知识的生产，共同利用知识进行决策并解决问题，体现出知识“共享”的特征。二是智联建构的学习观。智能时代，学习者可以在互联网、物联网和智联网参与构成的智能社会环境中，通过与同伴、教师等其他人类参与者以及互联的智能体进行互动，参与协同建构活动，获取知识、技能和态度，从而使学习发生。知识的碎片化、泛在化、动态化冲击以往的学习形式，因此未来的学习将是有意义的、主动的和深度的学习。三是融通开放的课程观。未来，课程将走向网络状、结构化，围绕学科大概念开发综合课程，形成一种更加综合、相互衔接、融会贯通的课程体系，促进学生跨时空、跨文化、跨情境迁移和深度理解。四是人机协同的教学观。人机协同将使教学结构走向“智能机器-教师-内容-学生-媒体”的多元体系，在智能技术支持下“人-人”、“人-机”协同学习，教师的教学能力得到增强，学生可能超越教师，促使师生关系转向教学相长，并派生出教师的新角色（如学习促进者等）。
    3．面向智能时代，人们除了应具有基本的生活和工作技能外，还应特别具备数字素养、深度学习、探究与创造能力、与他人和智能机器协作能力、主动参与社会进程，能以高度的适应性和灵活性面对未来未知和变化的世界。
    为适应未来的工作和生活，人们应具有数字素养和技术，能够理解并应用海量的知识与信息，能够进行深度学习、主动学习、终身学习和有效的自我管理；具有计算思维、思辨与批判能力、探究与创造意义、解决复杂问题等高级认知能力，以高度的适应性灵活应对变动的世界；具有社会与公民素养，在社会发展中起到主动的、动态的，建设性的参与作用，以可持续方式生活与工作，尊重他人，维护公民权利，能够广泛地进行“人—人”、“人—机”的沟通与协作，彰显人文底蕴与人性光辉。
    4．教师要逐步适应人机协同的教学环境，具备领域知识及学科追踪能力、教学知识与多场域促学能力、技术知识与创新应用能力、成长意识和专业发展能力、协同意识与教学场景适应能力。
    教师与人工智能将在教、学、管、评、测的全过程中协同工作。人类教师的新角色将聚焦在促进学习、整合资源、应用人工智能、实现个性化学习、进行情感沟通，担任学生的人生导师。为适应人机协同条件下的新角色与新的工作方式，教师应具备领域知识及学科追踪能力、教学知识与多场域促学能力、技术知识与创新应用能力、成长意识和专业发展能力、协同意识与教学场景适应能力。
    5．基于智能基础设施的新一代学习环境是虚实融合、开放智联、动态演进的生态环境系统，各构成部分可以互操作，能感知、识别、计算、分析和评价学习情境与过程以及学习者特征，提供个性化的资源、服务和工具。
    智慧学习环境能感知、识别、计算、分析与评价学习情景与过程以及学习者特征，提供个性化的学习资源、教学服务以及便利的互动工具，促进学习者投入、轻松、有效地学习，并实现动态的自我优化和演进。这样的环境包括学习资源、智能体、工具、学习社群、教学社群、学习方式和教学方式等要素，支持“人-机”、“人-人”交互与协作，具有泛在的可访问性和通用设计等核心特征。
    6．人工智能通过拓展学习资源形态、按需配置资源、支持个性化推荐、提供支持服务、增强互动体验、满足多样化需求等途径等促进学生发展。
    人工智能在教育中的应用将丰富教学资源形态，如在线多媒体学习材料、机器人学习资源、VR学习材料等。通过对学生、教师等用户建模、实时状态捕捉和数据收集，人工智能可以识别不同人员的需求，利用数据分析和智能推荐技术对不同用户按需配置资源和服务。借助互联网和人工智能技术可以提升个性化教育的深度和广度，设计包含用户画像的个性化学习资源推荐系统，提供精细化的学习服务。人工智能可以丰富资源使用方式，以互动阅读、虚拟体验等方式使学习更有趣，满足多样化发展需求。人工智能已经被广泛用来满足学生在知识、技能和态度等多方面的发展需求，涉及编程、生物、物理、语言、数学等多种学科的学习。大数据分析技术可以及时捕捉小组或团体的学习模式，以提示、提问、推荐交互同伴、推荐互动策略等多种方式促进学生的社会性参与和互动。利用人工智能可以实现快速、精准化评价和反馈，实现即时性评价，提升教学精准度和效率。
    7．以证据为中心，通过建构情境诱发行为，提取能力的证据数据，推断学生学业成就，构建基于大数据的学业成就评价模型。
    首先研制素养评价标准，采集与存储过程性数据，构建学生素养的任务模型，通过设置不同类型的任务，刺激学生在素养评价指标上做出行为反应。然后抽取学生素养行为的特征变量，包括识别学生有意义行为、抽取素养观测变量、验证素养观测变量的效度。接下来，利用贝叶斯网络实现学生素养自动评价，输入新的样本数据更新条件概率表，选择最大概率值作为该条数据的自动评价依据。最后，验证自动评价应用效果。评价的科学性和有效性需要实证研究验证。
    8．利用人工智能促进教师职前职后有效衔接，缩短职前培养与教学场景及教学体验之间的距离。搭建教师教育智能服务平台，实现学生见习实习与教学共同体的有机融合，贯通师范生个性化培养和教师专业发展的途径，并实现教师发展数据全程流动、贯通和共享。
    搭建覆盖师范院校、教学单位和教育管理机构的教师教育智能服务平台，动态感知师范生的学习状态和在岗教师的教学情境，对教师发展特征画像，使专业发展数据在职前职后全程流动，在师范院校、教学单位和教育管理部门贯通和共享。基于混合现实技术线上线下虚实融合的教学实习与见习平台，可以使师范生了解和体验一线教学中的真实情境和问题，体验面向未来的学习环境，适应面向未来的教学。此外，开发贴近教学实践的适切学习内容、模拟不同特征的学生和教学环境，提供个性化教学以及全面的、过程性的评测服务和数据驱动的全流程管理服务。
    9．加强国家教育网络设施智能化部署，建设人工智能赋能教育支撑环境及智慧教育公共服务平台，实现学校教室、实验室、图书馆等的泛在智联，并强化支持师生互动、丰富学习体验、富于人文关怀和美学特征的课堂环境设计。
    一是基于云的数据中心支持智能化教育网络动态调度流量，能够实现快速自优化以及全局配置，实现智能配置和负载均衡，确保网络服务的能力和质量。二是建设人工智能赋能教育支撑环境及智慧教育公共服务平台。支撑环境包括教育数据、算法框架和算力等基础资源。提升教育数据的数量、质量和安全性，提升算法的准确性、有效性和安全性。三是以智联网作为核心引擎，建设智联教室、实验室、图书馆等，全方位感知和捕捉学生、教师、环境的信息，挖掘多元数据，支持教、学、练、管、评、测全链条的智能计算，提供全面、精准和个性化的服务。四是构建线上线下融合的学习空间拓展课堂时空，支持灵活自如的师生互动和动态多样的学习体验，并富于人文关怀和美学特征，多维度促进学生成长。
    10．确保人类的共同基本权利是可信人工智能的基本出发点，应从伦理、法律、法规和鲁棒性层面加强人工智能教育社会实验和治理。
    人工智能在赋能教育教学的同时，也带来不公平、隐私泄露、数据安全隐患等潜在问题。人工智能的发展和治理应以促进人的发展为主导,维护“人类命运共同体”，确保全人类的共同基本权利，遵循透明、公平、不伤害、可问责和隐私保护原则。通过提升师生信息素养、建立准入制度、规范应用场景、保护用户隐私和数据，推行教育社会实验，研发并部署教育领域社会治理智能技术系统，全面提升教育人工智能应用的治理。
    （二）政策建议
    1.建议完善人工智能教育支持服务体系，包括数字教育资源、人工智能教材、开源软件与数据集、以及人工智能教育科普服务平台等。
    2.建议广泛开展虚实融合交互、虚拟双师和人机协同教学等典型的人工智能教育课堂形态的研究和实践探索。
    3.建立学生数字素养与技能养成机制与测评体系，优化信息科技与信息技术课程开设条件，在各学科教学中渗透数字素养与技能培养，完善数字素养与技能评价指标体系，研发智能化评测工具，基于试点开展人工智能技术支持的学生数字素养与技能测评。
    4.建议开展关于人工智能支撑教师职前职后一体化发展途径的探索，普及人工智能助推教师发展，搭建师范生培养过程数据的智能化管理平台，建立有效衔接和贯通师范生培养与教师职后发展的管理规范。
    5.建议加快推进“教育专网”建设，完善网络基础设施的智能化部署，实现智能流量控制、智能配置与智能负载均衡，实现教与学环境的泛在智联。
    6.建议加强绿色安全、师生宜居、开放智联的校园环境建设和线上线下融合、高学习体验和人工智能赋能的课堂环境设计。
    7.建议开展教育的智能计算研究，包括研究面向知识生成和学生认知发展的知识计算、面向学生学习绩效提升的认知计算、面向人机协同教学过程的行为计算、面向学习场景动态适应的环境计算。
    8.建议开展关于智能技术产品的分类及校园准入制度、动态监管机制以及多元问责机制的研究。
    9.建议加强对教育技术产品的人工智能相关算法感知、可解释性算法与学生发展规律的研究。
    10.建议开展对可解释性人工智能与可信人工智能的国际交流、比较与借鉴，强化人工智能教育社会实验的研究和实践探索，加快推动教育领域人工智能应用治理体系的建设。