智启未来：学习科学视域下的人工智能教育新篇

尚俊杰、王淑文（分别担任北京大学教育学院副院长兼学习科学实验室执行主任、中国高等教育学会学习科学研究分会常务副理事长兼秘书长；北京大学教育学院教育技术系博士研究生）

人工智能技术的飞跃式进步，正引发教育领域的深层革命。以 ChatGPT、OpenAI 等智能体为先锋，AI 已全方位渗透至教学、学习、评价及管理的各个环节。当写作、编码乃至科研任务皆能由 AI 高效达成，一个时代命题随之浮现：在人工智能纪元，人类是否还需学习？学为何物？何以学之？又该如何学得卓越？

学习将成为促成人的全面发展的核心实践

中国机器人及人工智能大赛西藏赛区线下赛在西藏大学举行。新华社发

倘若 AI 能高效处理海量知识型任务，人类是否仍有必要学习？

答案毋庸置疑：在人工智能时代，人类不仅必须学习，且学习的价值较往昔更为显著。就个体而言，学习是塑造自我的根本路径。它既关联个体的生存与发展，也关乎精神的富足、价值的实现及人生的意义。对社会而言，学习是文明赓续与创新发展的关键纽带。中华文明绵延数千载，依靠的正是代代人的求知、积淀与创造。对人类整体而言，学习是推动认知进化、社会进步与文明跃升的核心动力，亦是人类区别于其他生物的本质特征。

从更深层面审视，随着 AI 逐步取代大量重复性、规律性劳作，人类将更多地投身于创造、价值判断等高阶活动，而这些能力唯有经由持续学习方能铸就。马克思曾言“劳动使人成为人”，在人工智能社会中，劳动形态发生深刻变革，学习将成为捍卫人的本质、实现人的全面发展的核心活动。学习将个体有限的生命历程接入人类文明的无限广度，这一关键价值绝不会因技术迭代而消减。这也解释了为何相关研究显示：部分职业被 AI 替代的概率超 50%，而教师职业被替代的概率却不足 1%。

重塑学习内容与核心目标

青岛职业技术学院学生在机器人实训课上学习。新华社发

传统教育以系统掌握既定知识为核心，而在 AI 可迅速生成海量知识的今日，单纯的知识记忆价值显著降低，教育必须重新界定学习内容与核心目标。

以编程学习为例，在 AI 辅助编程时代，往昔需数月完成的工作如今数十分钟即可搞定，逐行编写代码的技能不再是学习重心，但其背后的逻辑思维、算法思维、问题拆解与系统设计能力，依然不可或缺。我们要明确，强调技能不再是核心并非否定基础知识的重要性。知识记忆并非学习的终点，而是思维训练的起点。

未来教育应着重培育学生运用 AI 工具、面向真实问题开展创新实践的能力。有专家学者认为，在人工智能时代，事实性知识、概念性知识、程序性知识仍是学习基石，但元认知知识更为关键。学生需学会研判知识价值、规划并调节学习过程、反思学习效果，真正成为自主的学习者。北京大学教授陈平原曾指出，对本科生而言，“趣味雅正比常识丰富要紧”。当 AI 可轻松铭记海量知识点时，学生享受学习过程、保持探索热情，本身就是重要的教育价值。

综观全局，智能时代的学习内容应构建三层素养：一是知识基础层，即基础知识与基本技能仍是学习根基，不可偏废；二是数字素养层，涵盖 AI 工具使用、信息甄别、数据素养、数字伦理与安全意识等，将成为人人必备的基础能力；三是内核能力层，主要包含好奇心、批判性思维、创新思维、元认知、自主学习和社会情感能力，这是人类难以被机器替代的核心竞争力。其中，社会情感能力关乎心理健康、人际和谐、价值判断与社会责任，是落实立德树人根本任务的重要支撑，在智能时代的社会发展中尤为关键。这三层素养并非简单并列，而是构成一个有机整体：知识基础层是根基，数字素养层是工具与载体，内核能力层则是本质与方向。三者相互支撑，缺一不可。

摒弃机械学习，迈向有意义的深度学习

学习方式的选择将直接决定学习成效。教育心理学家奥苏贝尔曾指出：接受学习不等于机械学习，发现学习也不等于意义学习。因此，评判学习质量的关键在于实现有意义学习并达成深度理解与内化。AI 赋能教育的重要方向正是助力学生摆脱机械学习，走向有意义的深度学习。

未来教室的形态将持续演变，但“教师引导、学生主动建构”的基本教育逻辑不会消逝，短期内课堂讲授、师生互动的基本教学模式也不会发生根本性改变。真正发生深刻变革的，是教育资源供给方式、教师角色定位与学习交互形态。在线同步授课打破了优质资源的地域壁垒，视频课程与混合学习让自主预习、线下辅导相结合成为常态。数字教师与智能助手可提供全天候个性化陪伴，使得学习的时空边界被彻底打开。

未来的学习方式呈现出个性化、交互式、沉浸式、自主化四大核心特征。

个性化学习从理想走向现实。心理学家、教育家布鲁姆的研究证实，接受一对一辅导的学生，其学业表现显著优于传统课堂教学的学生。AI 突破了这一瓶颈，它能基于学习者特征与海量学习数据，量身定制学习材料、提供一对一智能辅导，动态调整学习难度与节奏，让大规模、高质量个性化学习成为可能。

交互式学习实现普惠升级。苏格拉底式对话引导与追问启发的教学法因成本高昂难以普及，而 AI 可以扮演“智能苏格拉底”的角色，通过持续对话激发学生思考，澄清认知误区，提升思维品质。

沉浸式学习成本大幅降低。传统虚拟学习场景构建耗时耗力，而 AI 可快速生成各类逼真情境。语言学习的机场对话场景、历史课堂的古代街市、科学实验的微观世界、职业教育的真实工作场景，都能即时呈现，让学习更具临场感与参与感。当然，技术应用要把握节奏、务实推进。元宇宙教育的实践表明，硬件与生态不成熟时过早投入易造成资源浪费。但这并不否定沉浸式学习的价值，随着技术成熟稳定，沉浸式学习必将成为重要学习形态。

自主学习能力不可或缺。研究表明，影响世界的拔尖创新人才，大多拥有长期自主探索、自由思考、大胆试错的学习经历。教育应为学生创造灵活的课程选择、个性化的指导支持、包容试错的成长环境，让学生在自主学习中激发潜能、实现突破。

以学习科学研究深度赋能 AI

探讨 AI 与教育融合，教育工作者通常更关注 AI 如何赋能教育，但学习科学如何赋能 AI，同样重要。二者之间不是单向应用，而是双向赋能、协同共进的关系。

当前，AI 在教育中的应用仍存在不少误区。一些 AI 作文批改工具给出远超原文篇幅的评语，增加学生负担；部分智能学习平台简单堆砌题库、机械刷题，违背认知规律；一些应用重技术展示、轻教育规律，未能真正提升学习效果。这些问题说明，脱离教育本质、违背学习规律的技术应用，不仅无法赋能学习，还可能适得其反。

让 AI 真正服务于学习，必须回归“人是如何学习的”。而学习科学则是回答这一根本问题的重要支撑。学习科学是整合认知神经科学、心理学、教育学、人工智能等多学科的交叉领域，专门探究人类学习的认知机制、发展规律，以及如何设计更有效的学习环境与工具。学习科学的研究方向主要包括三个方面：一是学习基础机制研究，借助脑科学、认知科学等手段，揭示双语学习、游戏化学习、协作学习、探究学习等对认知能力的影响；二是学习环境设计研究，开发游戏化学习软件、智能学习平台、沉浸式学习场景、项目式学习任务；三是学习分析技术研究，利用大数据与人工智能精准分析学习行为，提供个性化干预与支持。

将学习科学的研究成果深度融入 AI 教育系统的设计、开发与应用全过程，是提升教育质量、避免技术滥用的关键。无论技术如何迭代，人类学习的认知规律不会发生根本改变。遵循认知规律、立足科学证据、回归育人本质设计学习流程、开发智能工具、优化教学方式，才是实现“更科学、更快乐、更有效”学习的必由之路。

人工智能正在重塑教育形态，但促进人的全面发展、守护人的成长与幸福，这一教育的本质始终不变。面对技术浪潮，我们应保持理性与清醒：AI 不是替代学习，而是赋能学习；技术不是目的，而是实现更高质量、更公平、更有温度教育的手段。

当下，我们应当把握机遇，立足学习科学视角，重构学习价值、转型学习内容、创新学习方式。以教育数字化助推教育现代化，推动教育向着更科学、更快乐、更有效不断迈进，让教育回归育人本质，走向更加美好的未来。

湖南智库联盟

湖南智库协同中心

职业教育研究室

供稿