美国教育部发布AI教育前景政策报告

近期，美国教育部教育技术办公室推出了最新政策文件《人工智能与教学的未来》（Artificial Intelligence and the Future of Teaching and Learning）。本文对该报告的核心内容进行编译介绍。

1. 核心信息

美国教育部(Department of Education)致力于推动技术改善教学过程，并支持整个教育体系的创新发展。本报告明确了知识共享、资源提供和人工智能政策制定的迫切需求。报告强调，人工智能作为一种快速演进的模式识别与自动化执行基础能力，正在被越来越多地整合进各类教育技术系统中。人工智能为解决教育政策优先事项创造了重要契机，我们必须同时关注预期风险和潜在意外。

2. 定义校园中的人工智能

可以将AI理解为推动技术在校园中实现两个关键转变的力量：（1）从采集数据转向识别数据模式，以及（2）从提供教学资源转向教学学习过程的自动化决策。与常规教育技术相比，模式识别与自动化决策意味着人们可以将更多任务托付给计算机系统。人工智能系统的开发过程可能在模式识别中出现偏见，并在自动化决策时产生不公平现象。因此，教育管理者必须制定政策来规范人工智能在教育领域的开发与应用。

3.关键见解

（1）人工智能催生了新型互动模式。学生和教师可以通过语言、手势、草图以及其他自然的人类交流形式与计算资源及彼此进行交互。人工智能还能生成类似人类的回复。这些新型互动形式可能为残障学生提供支持。

（2）人工智能有助于教育者应对学生学习的多样性。借助人工智能，设计者可以预判并解决学生成功学习的多种可能性，而传统课程教学资源通常按照中间或最常见的学习路径设计。例如，应用人工智能技术的教育科技可以根据每个学生的英语水平进行自适应调整，并为不同技能和需求的英语学习者提供更有针对性的支持。

（3）人工智能支撑强大的适应性形式。传统技术依据学生答案的对错进行调整。人工智能能够逐步适应学生的学习进程，而不仅仅是给出正确或错误的反馈。具体的适应性调整可以使学生发挥自身优势、克服困难，在课程中持续取得显著进步。

（4）人工智能可以强化反馈循环。人工智能可以为学生和教师提供更高质量、更大量的反馈，并为他们推荐资源以促进教学与学习。

（5）人工智能可以为教育者提供支持。教育者可以参与设计人工智能工具，使他们的工作更加出色，并使他们能够更好地关注和支持学生。

（6）人工智能既放大了现有风险，也带来了新的风险。人工智能放大了教育技术中已有的风险，尤其是数据隐私和安全风险，人工智能由于现有数据中存在不良模式和不公平的自动化决策算法，增添了新的风险。教育系统若要从中获益，必须最大程度地降低和减轻风险。《人工智能权利蓝图》是调查特定人工智能系统潜在风险的良好起点，特别是当与教育环境中的具体风险相结合时。

4.建议

（1）强调“人在回路中”（Humans-in-the-Loop）。我们反对将人工智能视为替代教师的概念。在应用人工智能时，教师和其他相关人员必须“处于回路中”，以便监测模式并自动化教育过程。我们呼吁所有相关方采纳“人在回路中”作为一项关键标准。

（2）让人工智能模型与共同的教育愿景相融合。我们呼吁教育决策者、研究人员和评估人员不仅要根据成果来确定教育技术的质量，还要根据人工智能工具和系统的核心模型与教学学习的共同愿景的一致程度来确定。下图描述了教育者需要考虑的人工智能模型的重要特质。

（3）运用现代学习原则设计人工智能。此外，实现有效的系统不仅需要处理“大数据”，也不仅仅是数据科学。人工智能的应用必须基于已确立的现代学习原则、教育从业者的智慧，并应借助教育评估界的专业知识来检查偏见并提升公平性。

（4）优先增强信任。只有当我们信任技术时，技术才能帮助我们实现教育目标。我们的意见征集显示对人工智能的不信任是很自然的。因为信任是人们在相互见面和交流的过程中建立的，我们呼吁在协会、会议和专业组织中建立信任和新兴教育技术的可信度标准，使教育者、创新者、研究人员和政策制定者团结在一起。

（5）通知并让教育者参与。除了接收关于人工智能使用的通知和解释之外，教育管理者必须优先考虑告知和让教育相关方参与，以便他们准备好调查人工智能如何以及何时适合特定的教学需求和可能增加的风险。解决数据隐私是重要的，但增强信任需要的不只是数据隐私：教育者需要能够检查、解释人工智能系统，并指导人们如何超越使用人工智能生成的推荐。教育技术办公室可以在提供信息和促进参与方面发挥主导作用，配合在教育系统各级组织中开展的活动。

（6）将研发重点放在解决情境问题和增强信任与安全性上。关注人工智能系统如何适应情境（学习者的多样性、教学方法的可变性、教育环境的差异）的研究对于回答“人工智能在教育中的具体应用是否有效，如果有效，对谁有效，在什么条件下有效?”至关重要。我们呼吁研究人员及其资助者优先考虑人工智能如何解决学习变异性的长期问题，并探讨如何在识别模式并向学生和教师推荐选项时将情境因素纳入考量。此外，研究人员应该加速关注如何提升人工智能教育系统的信任和安全性。

（7）制定专门的教育指南和防护措施。数据隐私法规已经涵盖了教育技术；此外，数据安全已经是学校教育技术管理者的优先事项。为了应对人工智能的新能力以及相应的风险，需要对现状进行修改和增强。我们呼吁生态系统中所有相关方参与，共同制定一系列指南（例如自愿披露和技术采购清单）和防护措施（例如对现有法规的增强或额外要求），以实现安全有效的教育人工智能应用。

（本文由中国教科院比较教育研究所张永军编译，由于水平有限，难免有错误，译文仅供参考。点击左下角“阅读原文”即可下载这份71页的最新报告）