请选择 进入手机版 | 继续访问电脑版
 找回密码
 立即注册
搜索

以“人工智能+”推动地区间教育融合发展

今年政府工作报告中首次提出开展“人工智能+”行动,与此同时全球范围内Sora等颠覆性技术迭代正在接连涌现,政策层面和技术领域的趋势都在全面驱动教育智能化开启新篇章。客观来看,“人工智能+教育”的落实与发展,需要依托大模型、大数据、大算力,这意味着跨地域联合共建、技术共生将是大势所趋。这一集约化趋势,将为深化地区间教育融合、构建“教育共同体”带来重要机遇。

“人工智能+教育”的集约化趋势体现为,当上游搭建好技术支持、创建好应用场景、部署好数据收集之后,优质的智能化教育资源能够以低成本、大规模、高效率进行自上而下的跨地域扩散和传播。优质资源的共享,将带来教育经历的共创,进而带来价值认同的共建。特别是虚拟现实和增强现实等智能技术,加速推动了共享教育经历向立体化、实时化、互动化发展,让跨地域参与者产生更强的共振和共情。

从技术可行性上看,通过有意识地强化设计融通性、数据多元性、算法兼容性,“人工智能+教育”的实践有望借助技术层面的共生共建有效撬动跨地域教育共同体发展。

一是通过跨地域设计,拓展目标受众,兼容地域差异。2024世界数字教育大会发布的《数字教育合作上海倡议》提出,“共同打造并迭代平等面向每个人的数字教育公共服务平台,构建国际学习社区,探索知识传播新机制和教育供给新模式”。在智能系统的规划设计上,可以借助人工智能技术着力把“融通开放的课程观”这一教育理想付诸实现,即围绕学科大概念开发教学资源,形成一种更加综合、相互衔接、融会贯通的课程体系,让跨地域的不同学生群体能够不受教材版本、教学进程、教育理念等差异所限,进行有效的知识迁移和深度理解。

二是通过跨地域数据,打破单一地域数据集的闭循环。从技术哲学的角度看,“人类历史被隐藏在数据集里”。这意味着不同区域的教育融合,也能够在充分承载历史事实、充分反映未来发展大势的跨地域大数据中逐步实现。当数据样本不全时,智能系统的输出就会在一定程度上携带偏见、歧视等价值观上的偏差,并在有限数据集的闭循环中一再被强化。基于智能技术建设“教育数据中台”是打破单一地域数据集闭循环、充分融合跨地域教育数据的重要可选思路。“教育数据中台”能够用更多元、更包容的原始数据冲淡小地域范围、小用户圈层的偏见性数据循环,从顶层视角进行数据治理,把握住、把握好智能教育系统所承载的教育共同体的价值走向。

三是通过跨地域算法,克服算法模型中的认知壁垒。算法是“镶嵌于数学中的人类观念”,比如“女生不擅长STEM学习”“来自贫困家庭的学生成绩差”等主观上的刻板印象,会潜在影响算法模型的受众分类和资源调度机制,使相关群体被虚拟系统悄然无息地边缘化甚至污名化,从而进一步加剧现实中的不公和排斥。类似的基于单一地域、同质化认知视角所开发的智能系统,也会一再循环和强化有局限的地域观、国家观、世界观。避免算法认知壁垒的首要策略,正是开发跨地域、跨群体、跨文化的更为兼容和开放的算法模型,这也是倡导教育包容与平等的时代潮流所向。

从具体下手处来看,可以通过前瞻规划、落地切口、团队建设、价值把控4个层面入手,把握跨地域智能教育系统建设的核心关键,抢抓教育共同体构建的时代机遇。

一是主动谋划,开启知识众创共享的教育新进程。智能时代是散落各个地域的学习者通过智能体进行交互,生成性地建构信息、意义和价值观的发展阶段,即所谓“知识众创”的时代。要清晰意识到在智能时代构建跨地域教育共同体的重大契机,从系统的初步设计、收集数据、建立数据库、算法编写、模型训练,直至应用落地等各个环节上进行前瞻预判和主动谋划,为更大范围的教育受众提供公平的、可获取的、高质量的智能教育支持,跨地域汇聚共享平台,创造共同的教育叙事,激发思想上的共振、共情、共鸣。

二是乘势而上,以超大规模数据共享蹚开前路。我国拥有全球最大的人口和互联网用户规模,为教育领域深度掌握认知规律、发掘交互模式、预判教育走向奠定了独一无二的数据基础。2023年7月教育部宣布将建设国家教育数字化大数据中心,“撬动我们的教育改革”。我们的大规模数据宝库可以尝试在一定程度上进行跨地域共享,进一步扩展数据的多样性、视角的开阔性,为训练更适切、更先进、更优越的智能系统蹚开道路,携手多地共同推动“人工智能+教育”的超前落地。

三是汇聚脑力,组建“跨三界”研发团队。第一要跨地域,吸收多地算法工程师共建团队,充分探究跨地域使用者的异质程度,避免与一线教育实践脱节。第二要跨领域,推动教育决策和行政部门、学校管理者、一线师生与工程师深度对接,提升工程师的教育理解能力、教育远景前瞻能力,直击教育难点、痛点,特别是协助其修正情感、态度、价值观方面的偏见。第三要跨学科,延揽计算机专家、数据科学家、技术哲学家以及教育学、社会学、心理学、伦理学、传播学专家等技术和非技术角色,更全面地理解教育中的地域差异问题,从而为寻找创新解决方案提供多元视角。

四是应对浪潮,把控生成式人工智能的立场和导向。Sora等生成式人工智能天然携带立场和导向,当用来构建系统的算法模型,特别是用来训练系统的数据集本身隐含地域歧视、刻板印象、区别对待等问题时,就会产生存在同样问题的“有害输出”。有鉴于此,首先要在“人工智能+教育”应用的开发环节中,建立对数据训练来源、资源遴选原则、内容推送机制、失真失实评估的审查机制,对不合理、不公正的信息进行调试和校验,防止其反馈到人工智能算法模型并将最终映射到人工智能的立场和导向上;其次要在使用环节中,推动师生群体着力认知伴随技术异化而出现的信息茧房、群体极化等现象,辩证看待智能体输出结果的“真实性”和“客观性”,强化其在人机共存时代识别和防范伦理道德风险的能力。通过对开发和使用环节进行两手抓,来促进生成式人工智能在教育领域的应用沿着促进观念相容、教育相通的主流方向发展,推动“人工智能+教育”应用真正成为跨地域教育共同体的孵化载体。

(作者系中国教育科学研究院副研究员,本文系中国教育科学研究院中央级公益性科研院所基本科研业务经费专项资助项目“智能化时代港澳与内地、大陆与台湾教育融合发展研究[GYD2020003]”成果)

《中国教育报》2024年04月20日第4版

作者:王晓宁
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册