“教”与“学”新兴技术的发展状况与启示

武小鹏

摘 要：新兴技术作为推动教育变革的关键因素之一，正在颠覆性地改变“教”与“学”的传统模式。地平线报告作为全球总结教育成就、展望教育发展的权威报告之一，为教育的发展提供了清晰的路线图。美国高等教育信息化协会（EDUCAUSE）发布的《地平线报告：教与学版》中，总结了“教”与“学”的新兴技术，分别为自适应学习技术，人工智能与机器学习，学生成功学习分析，教学设計、学习工程和用户体验设计，开放的教育资源，扩展现实技术。通过详细梳理和深入分析不同技术应用情况，并对其实践状态进行了对比分析，得出“接受并认同新型技术对‘教’与‘学’的重要性成为当下之所需;超前规划与部分试点成为新兴技术引入的合理途径;‘教’与‘学’的新兴技术要特别注意隐私、数据安全与伦理道德等问题”的启示。

关键词：地平线报告;教与学;新兴技术;教育技术

随着大数据时代的到来，人类快速进入了第四次工业革命时期，教育与机器的关系发生了根本性的变革，机器成为人类社会发展的重要组成部分，人工智能成为催生教育结构变革最根本的力量[1]。近年来，《地平线报告》为教育技术的发展提供了一个清晰的框架，该报告成功地将软件开发、硬件制造和出版商联系在一起，以描绘学习、教学和创新的新兴技术蓝图[2-3]。教与学的新兴技术包括自适应学习技术、人工智能与机器学习、学生成功学习分析、教学设计、学习工程和用户体验设计、开放的教育资源和扩展现实技术。这6种新兴技术在未来高等教育教学中将起到引领作用。教育界普遍认为技术不会对学习产生重大影响，只有当它嵌入支持学习者和教师的框架时，才会发挥重大作用。因此，新兴技术在教与学中的应用，是技术促进教育变革的最直接和最根本的立足点。本研究通过梳理以上6种新兴技术，提炼出不同技术发展的特点，并对这6种技术从投入成本、教师接受度、风险、学习影响和支持平等与包容五个方面做了对比分析，对新兴技术发展遇到的挑战和面临的问题进行了剖析，试图为教育技术快速稳定的发展提供

参考。

一、“教”与“学”中的新兴技术

1.自适应学习技术

自适应技术在教育中得到了广泛的应用，它已经成为一套重要的教育技术辅助工具，服务于广泛的个性化学习教育实践。该技术从学生学习和成功的角度战略性地重新审视课程，为学校提供更多的学习机会[4]。自适应技术与个性化学习、自适应学习有着密切的关系，自适应技术由可购买或构建的数字化平台和应用程序组成。个性化学习作为一种通用的教学实践，旨在使课程更精细地适应学习者的需求。自适应学习是个性化学习的一种形式，其中自适应技术起到了关键作用[5]。

2.人工智能与机器学习

埃拉娜·泽德（Elana Zeide）将人工智能（AI）定义为“试图创建只能通过人类认知才能完成以前可能做的事情的机器”[6]。希思·耶茨（Heath Yates）和克雷格·张伯伦（Craig Chamberlain）将机器学习（ML）描述为“教机器以学习无须明确编程的知识”[7]。ML通过机器的重复记忆学习，而AI则是指机器可以智能地执行任务的广义概念。AI与ML在学校学习管理系统（LMS）、学生信息系统（SIS）、办公效率应用程序、图书馆和招生服务、自动字幕系统以及移动产品等方面得到了普遍的应用。尽管AI尚未实现自我意识（即自主操作的能力），但它能够支持通常由人类处理的低阶过程和重复性认知任务[8]。此外，这些系统中的许多程序都可以随着时间的推移进行“学习”，从而提高其准确性、速度和保

真度。

3.学生成功学习分析

学习分析是在简单的学习评价基础上产生的对学生全面预测和定位的过程，目前的学生成功分析技术基于学生学习过程中产生的大数据，对学生的分析更加精细，预测更加准确。在过去的十年里，教育研究的使命、愿景和战略规划都集中在促进学生成功的高影响力实践上。测量、收集、分析和报告学生进步数据的工具催生了“学生成功学习分析”（learning analytics for student success）这个领域的迅速发展。用于学习分析的基础数据包括课程级数据，例如从学习管理系统（LMS）收集的评估分数，以及存储在学生信息系统、注册记录、金融系统和机构研究单位中的机构级数据。使用分析来支持招生和一般的学习进步的案例已有很多，但在分析评估学生的学习成果和学生个人的成功方面的实践还很少，这种情况随着新技术的发展正得到改善。

4.教学设计、学习工程和用户体验设计

教学设计作为教学论中一个成熟的名词，随着技术的发展正在被赋予新的意义。这种设计不仅在于线下教学，还包括线上网络教学。教学设计的角色已经超越了标准的课程设计和开发，得到了持续发展和专业认可。项目管理、学习分析、教育研究、教师指导与协作以及更多的额外职责提高了教学设计师的专业身份和专业知识[9]。新的方法、过程和学术工作正在教学、学习和技术社区中涌现，如学习体验设计师（LXD）和学习工程师等。这些职业都成为各自领域中有力的变革推动者，因为它们在与教师、学生和员工的合作中体现并促进了以学生为中心的包容的思维模式。教学设计生态系统可以包含许多角色，所有这些角色的最终目的都是促进学生在学习上的成功[10]。

5.开放的教育资源

联合国教科文组织（UNESCO）对开放教育资源（OER）的定义是为教学而设计的可供教师、学生免费使用的各种材料[11]。它是学生在学习过程中反复使用的免费学习材料，具体可以理解为在开放的学习环境下允许他人对其共享的学习资源加以应用和探究，使学习者获取个性化的学习资源成为可能[12]。开放性学习资源使得学习形式发生了改变。学习不再受时间、空间等的限制，学习随处、随时都可以发生，让碎片化的学习成为学习的一种主流方式。

6.扩展现实（XR）技术

扩展现实（XR）是一个综合术语，指的是物理环境与虚拟环境的混合，或提供完全沉浸式虚拟体验的环境。最常见的两种技术是增强现实（AR）和虚拟现实（VR）。AR用虚拟内容覆盖物理对象和地点，而VR通常是一种更沉浸式的体验，包括在完全虚拟的环境中操作和与虚拟对象的交互。最常见的是通过耳机提供身临其境的体验，但增强现实通常只需要智能手机。另一种XR是全息技术，通过全息技术将物体成像为三维图像，例如3D打印就是用各种技术和材料在三维空间中复制实际物体。

二、“教”与“学”的六种新型技术运用分析

1.自适应学习技术

（1）自适应技术与学习资源整合

教育技术研究的共识是技术本身并不能产生更好的学习效果。只有当技术整合到学习资源的使用过程中才能发挥应有的作用。如在亚利桑那州立大学的自定进度的代数课程中，整个自适应教学系统与“延展学习”的创新资源相结合，学生的成绩合格率从2015年的54%提高到了84%。自适应技术也可以使课程内容脚本化，从而为学生提供与他们课程直接相关的教学资源。在佛罗里达大学，学生练习的类型取决于他们的整个学习过程，会为不同专业的学生匹配不同背景的解决方案。自适应技术与学习资源的整合，使得学习更加具有针对性，极大地提高了学习的效率。

（2）自适应技术与学习计划融合

自适应技术的使用需要形成一个完整的学习体系，包括资源库的建设、教职员工的培训、硬件设备的支持等。如美国亚利桑那州立大学将布鲁姆分类法的底部两层（记忆和理解）确定为学生可以在上课前在自适应系统中进行学习的领域。然后，使用翻转模型，教师可以专注于其余四个级别（应用、分析、评估和创建），并基于主动学习过程来组织课堂活动。这样极大地利用了课程资源，有效地将自适应技术融入学生的学习计划中。

（3）自适应技术与教师角色发展

传统的教学注重照顾学生整体，教师成为教学内容的主宰者。然而，自適应技术辅助下的学习更加注重学生的个性化发展，教师角色也从教学内容的演讲者向主动学习的引领者和服务者转变。自适应系统通过向学生提供在线教学资源，并向教师提供他们需要的知识数据，以使教师成为更明智的教练和顾问，从而使教师角色的改变成为可能[13]。

2.人工智能与机器学习

AI与ML在教与学中的应用正在兴起，如LMS可以识别和标记那些存在学术风险的学生。其中AI技术包含了测量学生表现指数的算法，并生成定期的、自适应的学习路径，使得每个学生都能获得适合他们需要的教学体验，并利用学生数据，基于绩效指标做出智能干预。犹他州立大学还开发了人工智能语音辅助技术，帮助残疾人教师在学习空间内控制教学技术。与此同时，宾夕法尼亚州立大学利用ML算法来预测学生的成绩。该大学开发了一个模型，利用SIS的数据，包括成绩单数据和入学申请信息，预测算法可以帮助大学管理部门识别出可能存在高学术风险的学生，从而提前制定干预策略。可见，未来AI和ML在教与学中的应用将更加深入，还有很大的潜力可以挖掘。

3.学生成功学习分析

（1）学生的早期预警与主动扩展

教师对学生成绩的提升压力越来越大，使用分析作为早期预警和主动拓展的工具正变得至关重要。例如加州大学伯克利分校（University of California at Berkeley）的伯克利在线咨询项目（Berkeley Online advisory project）[14]和加州大学欧文分校（University of California， Irvine）的COMPASS项目[15]都是为学术顾问设计的学习分析工具。这些工具为指导老师提供了信息，使他们能够在个别学生成绩没有达到标准的情况下积极主动地进行拓展和干预。这两种工具都代表了校园内部数据创建的解决方案，能够维护数据完整性，并允许机构根据学生的独特需求创建解决方案。这些解决方案可以使用独特的跨功能数据，使得分析更加全面真实。

（2）学生自我反馈的学习分析

随着学生学习成功分析的发展，为学生提供自我反馈的学习分析应用程序也变得越来越普遍。通过这种分析工具，学生能够以富有洞察力和易于理解的可视化方式来访问和跟踪个人数据，从而为学生的成功提供一个模型。例如，爱荷华大学（The University of Iowa）部署的面向学生的分析仪表板“成功的要素”（Elements of Success）。获取汇总数据和策划可视化的能力，使学生能够更好地衡量他们的进展，并激励他们在没有取得关键成果时采取行动[16]。

（3）学习分析的跨机构合作

学习分析的成功依赖于几个相互关联的因素，包括领导力支持、对学生成功的共同愿景、机构内的交叉合作、相关政策的提供以及支持跨功能数据的技术的协调。这就要求跨机构的合作，形成一个学习分析系统，以共享数据和资源。例如南非五所大学联合开发的Siyaphumelela项目，他们有相似的共同目标，从而提高机构收集和分析学生数据、信息技术系统、学术发展、规划机构内部学术部门的能力，以增加学生的成功机会[17]。尽管如此，用于学习分析的数据并不能提供影响学生成功的全套信息，数据经常缺失对学习影响最大的因素，如家庭责任或工作安排等。

4.教学设计、学习工程和用户体验设计

（1）教学设计师与学习路径的多样化选择

教学设计师（LD）正在从服务、支持的角色转变为学习经验设计的重要合作者，其影响超出了在线学习和校园课程。LD擅长如ADDIE和综合课程设计，他们在学生如何学习方面拥有专业知识[18]。一个典型的教学设计工具箱充满了创造性的策略和方法，基于证据的教学策略，以学生为中心的活动，稳健的评估计划，以及在教学中使用技术的创新方法。与教师合作是教学设计生态系统的核心，LD评估学生的学习方式、衡量用户体验、将设计思维应用到课程开发中，并向教师提供新的基础数字技能，其最终目标是为所有学生创造有意义的学习体验[19]。

（2）学习工程生态系统与技术的融合

在设计思维、用户体验（UX）方法、系统设计、学习科学的进步和学习分析的影响下，学习工程技术正在迅速发展[20]。它关注于工程方法如何为学习技术和相关架构提供信息和改进。它带来了一种新的系统思考方法和更好的工具，来衡量学习在数字空间中是如何、在何处以及在多大程度上发生[21]。如卡内基-梅隆大学（Carnegie Mellon University）“西蒙计划（Simon Initiative）”的目标是通过数据创建、学习理论的应用和支持学习的技术设计的连续反馈循环来提高学生的学习成果。这样的项目扩展了理解技术如何影响学习以及如何更好地设计工具和课程以达到预期的学习效果的能力。

（3）学习体验师与虚拟现实

用户体验、设计思维和认知心理学与教学系统设计的结合催生了学习体验设计（LXD）[22]。

学习体验促进以学生为中心的精神，并更好地理解学生体验的整体[23]。LXD可将翻转课程游戏化，创建虚拟学习环境以及设计和开发在线课程。例如滑铁卢大学扩展学习中心（CEL）的学习用户体验设计（UXDL）项目。UXDL蜂巢框架用来通知和指导教学设计决策，为学习者创造有价值的在线学习体验。UXDL将认知心理学领域的理论和证据编织到设计过程中[24]。

教学设计、学习体验设计和学习工程的提升将继续重塑在教育中教学的方式。随着教学设计生态系统和整个学生体验之间的更深层次的联系，教学设计师可以为学习者带来新的知识、观点和创新。教学设计师已成为教育中强大的变革力量，使教师和管理人员更接近包容性设计和以学生为中心的实践。这些新的教学设计实践（学习体验设计和学习工程）与教学设计方法的融合，促进了教与学的巨大变革。

5.开放的教育资源

开放的学习资源为学习提供了一个独特的视角，正在塑造全球运动的各项努力。例如，乔治梅森大学（George Mason University）开发了一个名为“MOM”的OER元爬虫（Mason OER Metafinder），它允许教师在各种学科和国际索引中搜索开放资源。明尼苏达州立大学（Minnesota State University）启动了Z-Degree项目[25]，旨在将课程材料成本降至零。EdTech Books提供了一个开放的教科书目录，可以在发行平台上轻松地直接编辑，极大地简化了采用和修订过程。开放教材网络包括120个附属成员校园和组织，促进与OER有关的教育机会、认证和其他利益。

尽管OER提供了明显的优势，但挑战依然存在。仍然有73%的学生和56%的教师从未听说过OER[26]。此外，“OER”经常与“电子教科书”和订阅数据库混为一谈。其中一个重要问题就是检索和定位针对性的资源，同时资源的结构性失调也是面临的重要问题，这些资源针对高入学率、低学制的本科通识教育课程资源较多，在高等教育和研究生水平上缺乏OER。资源的针对性也是一个值得思考的问题，教师可能需要额外的时间来重复使用、修改、组合以适应自己的教学方法。

6.扩展现实（XR）技术

目前虽然XR还存在一些设备成本高、创建内容复杂等问题，但XR作为一种学习工具，在教与学领域对XR的探索显露出巨大的潜力和优势，已经解决了许多课程面临的困难和挑战。例如利兹大学在医疗保健方面的XR工作不仅为数百名学习者提供了学习安全实践技能的机会，还使他们能够在《欧洲共识声明》的准则下，使用沉浸式技术解决有关牙科教育中的问题。

XR为残疾学生提供新的访问方式。XR作为一种辅助工具，为残疾学生提供了许多学习便利。例如内华达大学雷诺分校（University of Nevada Reno）为一名患有脑瘫的学生提供了XR体验，让他感觉自己在走路[27]。滑铁卢大学（University of Waterloo）为那些无法在不平坦的地形上进行1.5公里徒步旅行的学生设计了一个360 VR实地旅行[28]。加洛德大学（Gallaudet University）则主要面向聋人和听力障碍学生的学生尝试VR技术，以发明更有效的方法来校准新的助听器。

XR增强了传统教学的有效性。XR的恰当使用可以扩大传统的教学形式，增强教学的有效性。例如莱顿大学（Leiden University）的两个项目——增强医学（AugMedicine）和急救护理课程（emergency care curriculum）——加强了传统教学方法，填补了“理论与实践之间的空白”。学习急救护理的学生经常“在第一次遇到危重病人时感到不知所措”，但是使用模拟技术可以增强学习者的自信心，使他们能够将学到的技术应用到实际的紧急情况中，从而在理论和实践之间提供一个重要的跳板[29]。同样，利兹大学的工作并没有取代实际的临床经验，而是增加了完成任务的时间，使他们能够从实习和工作中获得更多的经验。

XR提供了强大的学习虚拟体验。在过去三年中，EDUCAUSE研究发现，XR可以有效地支持基于技能和能力的教学方法。它可以扩大动手学习经验的范围;同时XR可以为学习者提供丰富的共同创建课程内容的学习经验[30]。例如，在加州州立大学圣贝纳迪诺分校（California State University， San Bernardino），沉浸式媒体与学习实验室（Immersive Media & Learning Lab）使学生能够与教师合作，创建XR内容。该实验室最近创建了一个扩展现实生产证书，其中可以包含一个创业课程，以帮助学生建立第一个XR初创企业，为学生的发展提供了有效的平台[31]。

三、不同新兴技术的实践状态对比分析

新兴技术突飞猛进的增长，使得各行各业都发生了翻天覆地的变化，教育领域也发生着技术推动下的教育变革。众所周知，技术是一把双刃剑，它带给人们便利的同时，也带来了许多问题。教育领域缺乏“数据驱动的思维（Data-driven mind-set）”是目前面临的主要障碍[32]。除此之外，新兴技术在教育中的应用还存在着投入成本、教师是否接受、是否存在风险等问题，以下从投入成本、教师接受度、风险、学习影响和支持平等与包容五个方面对以上六种新兴技术进行比较分析。

依据图1，从整体上分析，这六种新兴技术在成本投入、学习影响和支持平等与包容方面体现出较高的水平。目前来看，成本投入高虽然是教育新兴技术应用的阻碍因素之一，但由于国家教育经费预算的增加，企业和科研院所的联合，这一因素将得到了较大的改善。从长远来看，教育技术的高投入往往会得到更高的回报。新兴技术对学习的影响表现出較高水平，这表明不但学习者对新兴技术支持下的教育产生了很大的兴趣，同时新兴技术进一步拓宽了学习的渠道和空间，给学习者提供了实质性的资源和平台。支持平等与包容也表现出了较高的水平，这为新兴技术的普及提供了基本保障，教育技术在一定程度上有效地分享优质教育资源，为解决教育公平问题提供了技术途径。同时可以看出各种新兴技术存在的风险都相对较低，均在中等水平偏下，这也为新兴教育技术的广泛应用提供了可能。当然由于数据的保密问题、技术应用过程中的伦理问题等都是亟待解决的问题。图1中，最令人忧虑的是，教师对新兴技术的接受程度普遍较低，这成为新兴教育技术实践的最大障碍。这可能与技术的高速发展导致大部分教师缺乏信息和技术素养有直接关系，例如，有研究表明仍有56%的教师从未听过开放教育资源[33]。但总体来看，新兴技术的实践表现出了良好的态势。

从各影响因素的统计来看，开放教育资源的成本投入较低，这是由于它的开发需要大量的投入，但是后期的使用都是免费的，因此降低了用户的成本投入。成本投入最高的是XR技术，这一技术对设备的要求较高，因此適合对于特殊群体使用。如研究项目将XR技术应用到解剖学中，缓解了对实验对象的需求，同时也有助于动物伦理的保护[34]。教师对新兴技术的接受程度普遍较低，尤其是人工智能与机器学习和XR这种门槛较高的技术。在风险方面，教学设计、学习工程和用户体验设计所承受的风险最低，人工智能与机器学习、XR技术所承受的风险最高，主要涉及学习者安全信息的泄漏和大量数据带来的伦理道德问题[35]。在给学习带来的影响方面，都有较为明显的影响，教学设计、学习工程和用户体验设计由于应用较为广泛，其影响程度最高。在支持平等与包容方面，人工智能与机器学习、XR技术表现出较低的平等性和包容性，这可能与其技术障碍和资源分配不均有关。开放教育资源由于其广泛的应用性和免费开发功能，因此，它在平等性和包容性方面表现最佳。

从教与学新兴技术的全局来看，其实践状态既存在无限的潜力，又面临严峻的挑战。新兴技术在教与学的变革中发挥了助推器的作用。如人工智能技术同采集学生某些特征信息，追踪学生学习过程数据有效辅助了学校的管理和学生的学习;学习分析技术通过基于证据的数据实践，提升了公平性和准确性，能够通过复杂的数据来解读不同学生学习的差异;开放性教育资源在共享公共资源，解决教育资源分配不均等问题上发挥了很大作用。但新兴技术在合理、有序、规范的使用过程中还有许多工作要做。人工智能的使用导致个人信息泄漏的伦理问题;学习分析过程中数据共享与合理使用问题;开放教育资源教育资源认可度和包容性低，导致使用率偏低。因此，新兴技术广泛的实践还需要制定相应的秩序和规范，以谨慎、有道德的发展[36]。

四、启示

1.接受并认同新型技术对“教”与“学”的重要性成为当下之所需

信息技术的高速发展、大数据时代的到来、人工智能与机器学习的深度应用、5G网络及其量子科学、先进通信技术的发展，使得新技术引领下的机器与人之间的关系发生了深刻的变化。以现代科学理论体系与方法论建立的以人为中心的主客二分、人与非人的二元论世界将被打破[1]。随着新兴技术的发展，智能机器人以及万物互联的构成，人与机器之间的界限变得越来越模糊，甚至被彻底打破。在万物互联的世界里，人只是世界中的一部分，只是创造万物互联的工具，人不再是世界的唯一主宰者，机器也存在思维，以人为中心的世界观将走向以数据为中心的世界观[37]。当更多高度智能化的机器（技术）参与教育时，我们接受技术对教育带来便利的同时，也要承认和接受机器在某些教育领域可能超越人类，至少“算法执行的任务是人类无法完成的”[38]。新兴技术加入教育，尤其是可穿戴设备、虚拟现实与智能机器人等的参与，以及人机结合导致机器的自我学习、自我意识以及自主思维能力越来越强大，因此，还存在如何教育机器人的问题[39]。可见，教育与新兴技术的融合是时代发展的必然趋势，我们抓住技术带来的机遇的同时，应该全面审视对教育者带来的挑战。在这种状况下，人们对技术的认知已经远远落后于技术的发展。新兴技术的变革需要我们鼓励尝试将新的技术应用于教学中，首先从思想上接受技术的变革，同时教师、家长应引导学生将现有的技术手段应用于学习，引导学生合理的利用技术。如，高校和研究机构可以组织开发自适应学习系统、学校可以尝试使用人工智能和机器学习的技术分析学生学习过程、构建虚拟学习实验室、学校可以专门开设课程引导学生获取开放性学习资源等。只有当技术成为学习的一部分，才能够发挥其独特的作用。

2.超前规划与部分试点成为新兴技术引入的合理途径

对于新兴技术而言，由于存在着高额的研发成本，因此新兴教育技术的前期成本投入较大。通过图1成本投入的分析也可以发现，自适应学习技术、学生学习成功分析以及XR技术都存在着较高成本的投入。但这些技术在教育中的应用，会在很大程度上提升教与学的效率，降低大量教育资源带来的高额成本。教育是一个慢过程，不同于其他产业的投入和产出那么快，新型技术要能有效地发挥作用，需超前规划。同时由于技术在教与学中的适应性，需要一定的经验积累才能达到好的效果，因而部分试点成为新兴技术融入教与学的有效途径。Educause研究发现，XR技术可以“使高接触，高成本的学习体验得到扩展”，并且XR技术的部署应用实际上帮助降低了总体机构的成

本[11]，就未来的发展趋势来看，随着XR技术的提高，设备成本将降低。开放性电子资源更是能够节省学习者巨大的花费，有研究表明，在开放资源的帮助下，高达75%的学生推迟购买课本;65%的学生选择不购买课本;50%的学生根据教科书价格选择专业;13%的人考虑过因为教科书价格而放弃他们的课程[26]。在人工智能领域，虽然开发一个聊天机器人可能需要投入大量的时间和资源，但这种投资可能会产生回报，比如延长工作时间，以满足全天候、全年无休的学习者的需求。类似的，机器学习应用程序的开发可以提供有关学生成功指标的重要数据。可见，教育在新兴技术方面的高投入，是需要有长远的眼光，不可谋取一时的利益，因为它是一个短期高投入和长久高收益的过程。

3.“教”与“学”的新兴技术要特别注意隐私、数据安全与伦理道德等问题

新兴技术，尤其是人工智能领域的发展给社会秩序以及伦理道德带来了巨大的挑战。由于发展速度快，相应的体制还不健全，尤其是个人的自我约束、安全意识、隐私伦理等问题还未达成共识，并且没有引起足够的重视，因而，在这方面的教育与引导成为一个重要的方面。教师应该通过定期培训，掌握相应的法规条款，并将这种思想紧密地融入学生的学习过程中，构建起学生对新兴技术引起的新问题的防范意识。2019年4月，欧盟发布了《人工智能伦理准则》，联合国教科文组织也发布了《教育中的人工智能：可持续发展的挑战与机遇》，详细阐述了人工智能给教育带来的巨大挑战。目前大部分技术所用到的数据都是基于云存储的，这就增加了潜在数据滥用的可能性[40]。在学习分析技术方面，由于对学生的早期预警预测和数据的过度使用，特别是对学生成功的预测，引发了关于学生数据隐私和学习分析的伦理方面的问题[26]。新兴技术的发展，学生隐私和学生数据的应用引起了教育界的高度关注，有时甚至成为技术在教育中应用的最大难题。如何确保新兴技术被设计成公平、包容、不存在隐性偏见的产品是教育技术发展的重要议题[41]。由此引发了围绕数据隐私、公平和道德考量的哲学和政策相关讨论。如何在这些新兴技术、隐私、伦理和学生数据访问之间保持微妙平衡仍然是一个具有挑战性的问题。

参考文献：

[1] 刘复兴.论教育与机器的关系[J].教育研究，2019，40（11）：28-38.

[2] 李艳，姚佳佳.高等教育技术应用的熱点与趋势——《地平线报告》（2018高教版）及十年回顾[J].开放教育研究，2018，24（06）：12-28.

[3] PELLETIER K， BROEN M， BROOKS D C， et al. 2021 EDUCAUSE Horizon Report， Teaching and Learning Edition[R]. Boulder， CO： EDUCAUSE， 2021.

[4] Tyton Partners and Babson Survey Research Group. Time for Class Toolkit [EB/OL].（2018-07-24） [2020-03-10]. https：//www.everylearnereverywhere.org/time-for-class-toolkit.

[5] FELDSTEIN M， Hill P. Personalized learning： What it really is and why it really matters[J]. Educause review， 2016， 51（2）： 24-35.

[6] ZEIDE E. Artificial intelligence in higher education： Applications， promise and perils， and ethical questions[J]. Educause Review， 2019， 54（3）： 31-39.

[7] YATES H. Machine Learning and Higher Education [EB/OL].（2017-12-18） [2020-03-10]. https：//er.educause. edu/ articles/2017/12/machine-learning-and-higher-education.

[8] YONG J R. As Instructure Changes Ownership， Academics Worry Whether Student Data Will Be Protected [EB/OL].（2017-01-17） [2020-03-10]. https：//www.edsurge. com/news/2020-01-17-as-instructure -changes-ownership-academics-worry-whether-student-data-will-be-protected.

[9] LINDER K， DELLO STRITTO M E. Research Preparation and Engagement of Instructional Designers in U.S. Higher Education[D]. Corvallis， OR： Oregon State University Ecampus Research Unit， 2017.

[10] BEIRNE E， ROMANOSKI M P. Instructional Design in Higher Education： Defining an Evolving Field [EB/OL].（2018-07-18） [2020-03-10].https：//olc-wordpress-assets.s3.amazonaws.com/uploads/2018/07/ Instructional -Design-in-Higher-Education-Defining-an-Evolving-Field.pdf.

[11] BROWN M， MCCORMACK M， REEVES J， et al. 2020 Educause Horizon Report Teaching and Learning Edition[R]. EDUCAUSE， 2020.

[12] 袁磊，黄心宁，付文思，等.影响高等教育教学的技术与实践[J].现代远距离教育，2014，190（4）：3-8.

[13] JOHNSON C， ZOON E. Want Adaptive Learning To Work？ Encourage Adaptive Teaching. Here’s How[EB/OL]. （2016-09-23） [2020-03-10].https：//www.edsurge.com/news/2016-09-23-want-adaptive-learning -to-work-encourage-adaptive-teaching-here-s-how.

[14] University of California at Berkeley. Berkeley Online Advising （BOA）： A Cohort-Based Student Success & Learning Analytics Platform [EB/OL].（2018-11-06） [2020-03-10]. https：//rtl.berkeley.edu/sites/default/files/ general/boa_ platform_ overview.pdf.

[15] University of California， Irvine. Comprehensive Analytics for Student Success [EB/OL].（2019-10-16） [2020-03-10]. https：//compass.uci.edu.

[16] University of Iowa. Student Success Using Learning Analytics [EB/OL].（2019-06-27） [2020-03-10]. https：//teach.uiowa.edu/student-success-using-learning-analytics.

[17] The Unizin consortium， while in South Africa [EB/OL].（2020-02-21） [2020-03-10]. https：//siyaphumelela. org.za.

[18] JONES B A. ADDIE Model [EB/OL].（2018-08-17） [2020-03-12]. https：//www.instructionaldesign. org/models/addie/.

[19] STEIN C. Investing in inclusion [EB/OL].（2020-03-11）[2020-03-12]. https：//broad.msu.edu/news/investing- in-inclusion/.

[20] KELLEY D. Design thinking is a process for creative problem solving[EB/OL].（2019-12-09） [2020-03-12]. https：//www.ideou.com/pages/design-thinking#ldt.

[21] WAGNER E， BARR A， BLAKE-PLOCK S， et al. Things You Should Know About Learning Engineering [EB/OL]. （2018-09-10）[2020-03-12]. https：//library.educause.edu/resources/2018/9/7-things-you-should-know -about- learning-engineering.

[22] FLOOR N. The origin of learning experience design [EB/OL]. （2019-10-11） [2020-03-12].https：//learning experiencedesign.com/fundamentals-of-learning-experience-design/the-origin-of- learning-experience-design/.

[23] KILGORE K. UX to LX： The Rise of Learner Experience Design[EB/OL]. （2016-06-20） [2020-03-12]. https：//www.edsurge.com/news/2016-06-20-ux-to-lx-the-rise-of- learner-experience-design.

[24] TROOP M， WHITE D， WILSON K E， et al. The User Experience Design for Learning （UXDL） Framework： The Undergraduate Student Perspective[J]. The Canadian Journal for the Scholarship of Teaching and Learning， 2020， 11（3）：1-19.

[25] Minnesota State University. What are Open Educational Resources （OER）？ [EB/OL]. （2019-10-10） [2020-03-12]. https：//www.minnstate.edu/admissions/oer.html.

[26] Wakefield. VitalSource Survey QuickRead Report [EB/OL].（2018-03-25）[2020-03-10].https：//get. vitalsource.com/hubfs/2018%20Wakefield/Wakefield%20Research%20QuickRead%20Report%20for%20VitalSource.pdf.

[27] STOCKTON J. Opening up a new world for individuals with disabilities through virtual reality [EB/OL]. （2016-08-10） [2020-03-12]. https：//www.unr.edu/nevada-today/stories/walking-with-reality.

[28] The University of Waterloo. The Spongy Bog 360 VR Field Trip Project [EB/OL]. （2020-01-10） [2020-03-12]. https：//uwaterloo.ca/open/find-open-materials/open-environment.

[29] SCHIPPER D. Time To Act-Emergency care： practicing the ABCDE approach in virtual reality [EB/OL]. （2019-11-17） [2020-03-12]. https：//www.centre4innovation.org/stories/time-to-act-emergency-care-practising- the- abcde-approach-in-virtual-reality/.

[30] POMERANTZ J. Learning in Three Dimensions： Report on the EDUCAUSE/HP Campus of the Future Project[EB/OL]. （2018-07-30） [2020-03-12]. https：//library.educause.edu/resources/2018/8/learning-in-three- dimensions-report-on-the-educause-hp-campus-of-the-future-project.

[31] California State University， San Bernardino. Immersive Learning Technologies [EB/OL]. （2019-04-12） [2020-03-12].https：//www.csusb.edu/academic-technology-innovation/innovation/immersive-learning-technologies.

[32] MANYIKA J， CHUI M， BROWN B. Big data： The next frontier for innovation， competition and productivity [EB/OL].（2018-09-12）[2020-03-08]https：//www.mckinsey.com/business-functions/digital-mckinsey/our-insights/ big-data-the-next-frontier-for-innovation.

[33] MCKENZIE L. OER Adoptions on the Rise [EB/OL]. （2017-11-19） [2020-02-28]. https：//www. insidehighered.com/news/2017/12/19/more-faculty-members-are-using-oer-survey-finds.

[34] WISH-BARATZ S， GUBATINA A P， Enterline R， et al. A new supplement to gross anatomy dissection： HoloAnatomy [J]. Medical education，2019， 53（5）， 522-523.

[35] Slade S， Tait A. Global guidelines： Ethics in Learning Analytics [EB/OL].（2019-03-15） [2020-03-02]. https：//static1.squarespace.com/static/5b99664675f9eea7a3ecee82/t/5ca37c2a24a694a94e0e515c/1554218087775/ Global+guidelines+for+Ethics+in+Learning+Analytics+Web+ready+ March+2019.pdf.

[36] 蘭国帅，魏家财，张怡，等.未来高等教育教学：宏观趋势、关键技术实践和未来发展场景[J].开放教育研究，2021，27（3）：15-28.

[37] 尤尔瓦·赫拉利.未来简史[M].北京：中信出版集团，2017：345-348.

[38] 卢克·多梅尔.算法时代：新经济的新引擎[M].北京：中信出版集团，2016：203-225.

[39] 朱彦明.后人类主义对教育的挑战与重塑[J]. 南京社会科学，2018（11）：47-62.

[40] YOUNG J R. As Instructure Changes Ownership， Academics Worry Whether Student Data Will Be Protected [EB/OL]. （2020-01-17）[2020-03-10].https：//www. edsurge.com/news/2020-01-17-as-instructure-changes- ownership-academics-worry-whether-student-data-will-be-protected.

[41] JOHNSON D. Opening the Black Box of Adaptivity [EB/OL]. （2017-06-15） [2020-03-10]. https：//er. educause.edu/ blogs/2017/6/opening-the-black-box-of-adaptivity.

[责任编辑：周 杨]