摘 要:智能时代的教育理念将发生深刻变革，育人新格局、教学新形态、评价新方法、治理新图景将不断涌现，并强力支撑教育强国建设。同时要看到，人工智能与教育系统的融合带来全新挑战，在目标、主体、公平、价值与评价层面形成教育实践应用的现实梗阻。亟需通过技术深耕、能力重塑、供给变革、育才新探、评价进阶以及治理升级等方式来破除以上障碍，开辟教育的未来进路。
关键词:人工智能 智能教育 教育强国
【中图分类号】G434 【文献标识码】A
2025年4月25日，习近平总书记在主持中共中央政治局第二十次集体学习时强调：“推进人工智能全学段教育和全社会通识教育，源源不断培养高素质人才。”[1]《教育强国建设规划纲要（2024—2035年）》提出，“促进人工智能助力教育变革”[2]。面对新一代人工智能技术快速演进新形势，探讨教育事业的生存境遇，勾勒人工智能视域下教育理念、教育实践和教育发展的未来图景，将为推动教育改革和发展、开拓教育强国建设新局面，提供实践思路与理论总结助益。
人工智能时代教育理念的四维转变
人工智能时代，教育理念在育人、教学、评价和治理维度受到冲击。“批量锻造”、“师—生二元主体”、“结果判定”及“经验本位”的理念框架面临挑战，“个性成长”、“师—生—智三元主体”、“全面刻画”和“数据驱动”成为新的追求。
育人理念：从“批量锻造”到“个性生长”
传统教育形态以大班授课为主，可满足大规模人才培养需求，不能适应学生个性化和差异化学习诉求。人工智能时代，“个性生长”成为育人活动新的逻辑指向。依托学习分析技术和数据挖掘技术，可以精准捕捉学生的认知特征、情绪状态和学习兴趣等多方面信息，规划出“千人千策”的学习路径。资源供给侧和需求侧的转变，有助于进一步打破标准化培养范式桎梏。在供给侧，人工智能凭借深度语义理解和智能生成能力，助推教育资源动态优化与重组，将资源适配为区域化、校本化版本，以此实现资源精准投放，为个性化教育创造良好条件。在需求侧，基于智能算法的资源推送机制，可根据学生的学习特征，自动生成阶梯式学习材料，促进学习资源与个体需求高效对接，为“大规模因材施教”这一教育理想落地，开辟广阔资源空间。
教学理念：从“师—生二元主体”到“师—生—智三元主体”
以往的教学活动大多遵循“教师讲授—学生接受”（师—生二元主体）框架，教师作为“知识权威”掌控整体教学流程与内容，在教学中占据主导地位，学生处于被动接受知识的状态，学习主动性和参与度受到一定限制。而人工智能正催生“教师引导+学生探究+人工智能辅助”（师—生—智三元主体）三元协同结构。该结构中，学生成为认知建构的主体，在教师指导和人工智能协助下参与实践、探索知识、解决问题，完成从被动接受到主动建构的升级。在人工智能、虚拟现实、增强现实等技术支持下，物理课堂与数字空间实现无缝衔接，形成场景融合。由此，抽象知识和静态内容得以具象化、动态化，深度学习和具身认知也在沉浸式、交互式体验中自然发生，“师—生—智三元主体”的教学理念将借此获得更为有效的环境载体。
评价理念：从“结果判定”到“全面刻画”
人工智能为突破唯分数、唯升学、唯文凭、唯论文、唯帽子“五唯”评价局限提供技术支持，推动评价理念转变。通过持续追踪和量化分析学生的学习行为数据，如课堂参与度、作业完成情况、自主学习时长等，勾勒个体知识建构轨迹，描绘动态、细致的“过程性画像”，可以为结果评价、综合评价、增值评价、过程评价提供技术和数据依托，为教育评价提供科学客观依据。基于大模型，可以构建智能仿真沙盒，模拟真实教学情境，考察学生在复杂情境下的问题解决能力、批判性思维、创新能力等高阶思维能力，有助于教师更全面地了解学生的学习状况，并据此改进教学策略设计或优化教学策略实施，从而推动实现“以评促教”“以评促学”。[3]
治理理念：从“经验本位”到“数据驱动”
随着人工智能广泛渗透，教育系统的运行机制及教育要素之间的作用形式日益复杂，依靠个体经验和主观判断进行教育决策与管理，已无法满足多变的教育需求。人工智能技术和大数据技术结合，正在破解传统治理中的“拍脑袋”难题，加速教育治理理念向“数据驱动”转变。如今，决策者及管理者可以对教育领域的各类数据进行全面收集、分析和挖掘，更准确地把握教育发展状态，为教育治理现代化增添数智动能。值得注意的是，智能技术的安全伦理问题也成为教育治理的有机组成部分。近年来，我国陆续出台《新一代人工智能伦理规范》《全球人工智能治理倡议》《人工智能安全治理框架》等政策文件，为人工智能技术自身发展及其教育应用提供规范指引[4]。治理内容变化，意味着教育治理实践范畴的拓展，标志着治理理念与文化的“人本化”转型。
人工智能时代教育实践的五大挑战
深入理解认识人工智能在教育应用过程中面临的现实梗阻，需要关注来自教育目标、教育主体、教育公平、教育价值和教育评价等五个层面的挑战。
目标层面：技术演进与人才培养的错位
人才培养是教育活动的核心职能，教育目标则为人才培养提供了方向指引。在适应社会变革的过程中，教育目标若滞后于时代发展需求，会影响人才培养活动质效，进而引发人才社会需求与人才培养结构之间的错位现象。具体而言，人工智能时代需要具备创新思维、跨学科交叉与人机高效协作的复合型人才，但传统教育目标长期侧重于提升人才知识水平或培养特定劳动技能，难以匹配新型人才培养指向。在人工智能视域下，学科专业体系与人才培养目标之间也存在偏差。究其原因，学科专业更新过程相对迟缓，对跨学科、超学科整合，以及前沿技术融合关注不足；课程体系布局有待调整，课程开发与设计落后于产业实践，与新兴技术相关的课程占比需要提高；教材内容的前沿性和实用性不强，教材编写未能及时纳入有关人工智能的鲜活案例与最新实践经验。同时，新技术环境下的差异化人才培养机制建设尚显薄弱，对智能技术如何有效融入区域教育体系、适应不同地区学习者的文化背景和实际需求等问题缺乏深入探索。
主体层面：教师角色困境与数字素养落差
智能技术解构传统师生关系，教师不再是知识的唯一拥有者和传授者，学生可借助人工智能工具更快、更高效地实现知识习得。师生关系发生变化，教师亟待从知识讲授者向高阶能力引导者、协作活动组织者、学习生态设计者等多重身份转变。角色转型映射出师生能力倒挂的现象，在向智能化教学理念过渡中，教师必须充分掌握人工智能技术，合理利用人工智能工具，探索教学创新，改善教学效果，找准自身定位，重建教师权威。当下教师数字素养，尤其是智能素养的培养与培训机制需要进一步完善，加快弥补教师群体在适应智能教育生态方面出现的能力缺乏、本领恐慌。一方面，尽快消除代际差异，加强职前与职中培训力度与衔接度，解决年轻教师技术适应性强却缺乏教学经验，资深教师教学经历丰富但数字素养欠佳的问题。另一方面，拉平地域差异，补齐欠发达地区教师在技术应用能力、人机协同意识等方面的短板。
公平层面：资源配置不均与技术应用风险
由于智能设备与服务的可及性仍旧存在差异，人工智能时代的“马太效应”逐渐显现。发达地区学校凭借自身资源优势加速智能化转型，通过“数据飞轮”持续巩固智能教育建设成果，不断释放智能技术带来的教育红利。欠发达地区学校则陷入“技术洼地”，面临基础设施短缺、运维能力不足等现实瓶颈。教师群体的数字能力断层，导致技术工具处于低效应用状态，农村课堂容易陷入“有设备、无实效”的窘境。特别需要警惕的是，算法偏见、数据质量等问题，造成智能技术教育应用的局限，若处理不当，将加剧教育公平失衡。具体而言，算法偏见会固化不公：算法设计可能隐含开发者的主观偏见，容易诱发对特定群体的歧视性判断。当此类算法应用于招生筛选、资源分配、学业评价等关键教育环节，或将成为强化既有公平局限的“隐形推手”，剥夺或削弱特定群体的教育机会与发展空间。数据质量缺陷会放大决策偏差：数据质量直接关系智能系统的决策准确性，不完整、不具代表性的数据，会导致系统对个体学习需求、潜能和发展路径的误判，进而造成资源的不合理倾斜。这些可能加剧学生间的不平等，干扰学生全面认知发展，进而对整体教育公平构成潜在威胁。
价值层面：能力退化危机与基础权益失守
当人工智能深度介入师生对话、同伴协作及自学活动，教育作为社会关系与认知能力培育场域的价值或将遭遇异化。在社会关系培育维度，人机交互对真实社交空间造成挤压，削弱师生、生生之间的情感联结，致使情感表达、人际交往等能力发展钝化。在认知能力培育维度，技术替代效应冲击高阶思维的发展根基，人工智能代写、自动解题等工具滥用，实质上是将思维过程外包给算法，阻滞学生批判性思考、创新创造能力的塑造，干扰“知情共育”效果。需要警惕的是，当前在教育系统中，包含个体敏感信息的数据，如行为数据、生物特征等不断生成，但数据安全及隐私防护水平落后于技术迭代速度，数据安全与隐私防护机制尚不完善。一旦发生数据滥用、隐私泄露等问题，将损害教育主体的个人权益，甚至影响其未来发展。
评价层面：评价模式的动态性与发展性不足
人工智能时代需要变革单一、静态的评价标准，对重构教育评价体系提出更高要求。传统评价体系以解题能力和知识复现作为单一标尺，未能充分纳入与高阶认知能力、人机协作能力、技术伦理意识等新兴维度相对应的评估内容，发展性评价较为薄弱。这在一定程度上限制了评价工具效能发挥，人们难以基于现行评价标准全面、准确地度量学习者在数字环境下的学习能力与素养。在终身学习语境下，已有评价工具无法连续追踪和记录学习者在不同阶段、不同场景中的能力变化规律，阶段性静态评价与动态性个体成长由此产生矛盾。缺失动态性与发展性，使评价工具沦为教育生态中的固化锚点，无法反映学习过程的流变特性。
人工智能时代教育发展的六重进路
通过打造新基座、建立新范式、探索新模式、构造新样态、形成新导向及塑造新生态，教育系统有望在人工智能时代迎来全新的建设图景与发展进路，实现人工智能与教育双向赋能。
技术深耕：打造教育智能新基座
推进教育大模型的自主研发，为建设教育智能基座提供技术支撑。基于“人本设计（human-centered design，HCD）”理念，探索设计逐层递进的教学经验表征体系，推动中文语料的深度解读，促使教育大模型更精准地反映本土价值观。在此基础上，通过“人在回路（human in the loop，HITL）”机制，提高算法的可解释性及训练数据的质量，在人类反馈和人工干预下，不断强化大模型的透明度、安全性与稳定性，提升大模型对各类教学情境的理解力，对不同地域环境、不同文化背景下真实教育场景的响应精度。由此创建可信安全、以人为本、场景驱动的教育智能基座，促进形成兼具文化主体性与技术先进性的智能教育技术体系。
积极开展在地化应用试点，为释放教育智能基座效能创造现实条件。在基础教育、职业教育、高等教育领域分层落地，集成优质案例库，并从中提炼可迁移、可推广的在地化方案。由试点区域向周边区域辐射，逐步建设和升级大模型技术支持的教育基础设施，“以点带面”地拓展教育智能基座的应用空间，弥合技术应用的地域鸿沟。
能力重塑：建立数字能力培育新范式
对于教师，制定数字能力的分层培养方案。针对职前教师，在师范院校增设“人工智能+学科教学”复合型专业方向，开发智能教学设计、智能教育伦理等核心课程，以此增强师范生的数字教育理念和基础数字技能。针对职中教师，鼓励头部科技企业、师范院校联合提供实践基地和研训资源，帮助教师提高智能教学工具使用技能。基于此，建立分布式的校际教师研修平台，促使城镇教师和农村教师、师范生和在职教师围绕教育大模型应用、人机协同教学等主题开展深度对话，激发教师数字能力提升的内生性动力。
对于学生，设计“用人工智能学+学人工智能”双轨机制，系统性培育其数字能力。“用人工智能学”，即引导学生合理利用人工智能工具开展问题探索、实践学习、项目合作等活动，提高其复杂问题解决能力、团队协作能力、创造性推理能力等。“学人工智能”，是让学生了解人工智能技术的基本原理和发展趋势，培养学习者对人工智能的认知和兴趣，强化其计算思维、数据思维等。以师生共学智能技术、共建数字能力为纽带，编织人机共生的新型教学关系，在人机交往生态中促进认知与情感的和谐互动，进而切实改善人工智能时代教与学的效果。
供给变革：探索资源供给普惠新模式
加大源头创新力度，是实现普惠性资源供给的基础。探索“人智协同”的内容创作机制，充分发挥教师的专业知识优势及人工智能的涌现能力，共同开发高质量的教育资源，并搭建可共享资源池。在创建新资源的同时，通过推广虚实结合的资源应用模式盘活已有资源。一方面，利用多模态交互技术，将名校教学内容和名师教学智慧转化为数字资源，突破资源应用的物理限制；另一方面，线下课堂灵活选用预载数字资源，丰富资源可用情境。加快结构革新进程对于供给变革同样重要。依托大模型技术降低资源创造与获取门槛，建立大众化的资源生产与消费体系，从而有效激发全民创新潜力、扩展资源开发群体，助推资源供给体系深层次变革。以此为基，构建国家智慧教育公共服务枢纽支持的资源辐射体系，打造标准化资源包与区域定制化方案并行的供给网络。重点打通资源流动通道，通过轻量化技术部署与本地化适配，为欠发达地区学校“用得到”且“用得好”优质资源提供有力支持。
育才新探：构造人工智能时代的人才培养新样态
将智能技术嵌入学科专业体系构建的各个环节，是创新人才培养模式的有效途径。利用人工智能知识图谱，综合分析前沿科技与产业的变革趋向，结合经济发展态势与产业需求，适时调整专业布局和课程设置，重点填补人工智能专业人才、高技能人才缺口。同步打造课程与教材内容的智能更新机制，利用大模型实时整合技术领域成果、工程案例及伦理议题等知识信息，经教育专家审核后编入校本教材，确保课程内容与技术演进同频。在此基础上，将人工智能作为工具与方法引入学科教学与研究中，催生新的超学科知识生长点和学科交叉融合路径，为跨学科、多学科人才培养奠定实践基础。
以智能技术健全差异化的人才培养机制，可进一步增强育人成效。借助人工智能强大的数据洞察和模式识别能力，持续追踪区域产业动向与技能需求变迁，辅助制定差异化、贯通式的培养路径，推动人才培养深度扎根本土实践场域，进而构建与区域发展共生共荣且富有韧性的人才生态系统。高校可依托学科优势探究区域人才培养的核心诉求，企业需凭借技术积累开发适配地方特色的智能工具，政府则负责搭建协作平台、制定配套政策并提供资源保障。通过激活“政—企—校”联动机制，推动技术应用与人才培养深度耦合，持续激发智能技术在区域教育体系中的活力。
评价进阶：形成全面发展的评价新导向
推动形成全面发展的评价导向，要求在评价活动中引入多方主体，将师生、家长、社会机构及智能体等纳入评价框架，综合人类主体与机器主体的双重视角，汇集多维度、多源化、多模态的评价数据。先由人工智能对评价数据进行挖掘，识别可以反映个体创新思维、文化素养、价值观念等隐性能力的特征，并生成可视化评价报告，再由人类对评价结果进行校准和反馈。以此形成“数据集成—结果分析—反馈调整”评价闭环，确保评价的客观性、科学性和全面性。
利用技术辅助构建动态发展的评价体系，有助于实现评价导向落地。首先，依托人工智能技术研发智能测评工具，覆盖课堂表现、项目实践、人机协作、在线学习等场景，动态拓展评价活动的有效范围。其次，在纵向上，针对基础教育强基、职业教育重技、高等教育创研的阶段性目标，制定异质性、多层次的评价标准；在横向上，将知识掌握、技术应用水平、核心素养发展等纳入指标体系，强化评价标准的延伸性。再次，通过智能技术自动识别碎片化学习成果、精准勾画个人能力发展图谱，使评价从结果锚点转化为促进终身学习的流动标尺。
治理升级：塑造多层次智能治理新生态
微观层面，建立分层分类的智能技术准入机制。系统研制智能教育产品及技术准入规范和指导目录，尤其要针对不同学科、不同学段的典型应用场景，明确数据安全、算法监管、人机权责划分等维度的治理细则。遴选标杆学校开展试点，创建智能技术融合教育教学的实践案例集，形成可复制的治理范式。
中观层面，以区域为节点，打通全国协同链路。汇聚政府、企业、学校、社会等多方力量，构建区域层级的治理网络与数据驱动的循证式治理路径，统筹规划区域内的资源调配与决策行动。通过搭建数据共享平台，促进区域间交流与合作，推动建立区域联动、协同发展的良好治理格局。
宏观层面，积极推进国际合作治理。深度融合中国教育文化特色与国际伦理共识，打造兼具本土根基与国际视野的智能治理框架。支持建立跨部门、跨地区的国家级治理机构，聚焦技术伦理规制、教育数据跨境流动等议题，主导跨国对话，促进经验互鉴，达成弹性共识，提升智能时代教育治理话语权。
【本文作者为华中师范大学副校长、人工智能教育学部部长、教授】
注释略
责编：刘 明／美编：石 玉