教育社会实验：人工智能融入教育的研究新探索

童莉莉 张晨 黄荣怀 雷凤宇 杨赞波

摘要：该文针对以人工智能为代表的新一代数字技术在教育领域带来的计算智能与认知规律匹配、学习活动时间与空间灵活设计、发展性与安全性博弈等新需求，提出了教育社会实验的研究范畴和设计框架，系统论述了实验目标—环境组织—方法体系—测量工具—应用反馈这5个实验环节，并选取以促进计算智能与认知规律良好拟合的智能教育应用软件测试探索实验为例解读实验结果的应用方向。为科学测量人工智能教育应用带来的真实社会影响做了路径探索。

关键词：社会实验；人工智能；循证研究；教育规律

中图分类号：G434 文献标识码：A

* 本文系2020年度教育部-中国移动科研基金项目“人工智能条件下的教育实验研究”（项目编号：MCM20200404）、 2021年度国家高端智库重点研究项目“智能技术变革教育的社会实验研究”（项目编号：Gb2021013）研究成果。

人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生產、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。习近平总书记在致2019年国际人工智能与教育大会贺信中指出：中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新，加快发展适合每个人的教育、更加开放灵活的教育[1]。2021年11月联合国教科文组织于该组织第41届大会上面向全球发布《共同重新构想我们的未来：一种新的教育社会契约》（以下简称“教育的未来”报告），报告指出数字技术具有巨大的变革潜力，但我们尚未研究清楚如何发挥其潜能。应重新设计学校建筑、空间、时间安排、课程表和学生分组，以鼓励和推动个人一起学习[2]。以人工智能为代表的现代数字技术将革新教育教学模式，对教育对象产生长远影响，并通过融入教育活动对整个社会产生影响。但人工智能技术应用落地带来的真实社会影响的科学测量和分析，仍然是人工智能研究的“盲区”[3]。

2021年9月中央网信办联合国家发改委、教育部等八部门评选并公布10家综合型和82家特色型国家智能社会治理实验基地名单，明确指出通过社会实验的科学方法体系，超前探索智能社会的运行模式，打造一批智能社会治理的样板，加快推动数字社会的建设，这是人工智能研究盲区探索的先行之举。

社会实验（Social Experiment）是一种检验特定政治、经济、科技因素被引入真实社会情境所产生效应的经典方法论，为持续跟踪和分析人工智能等新兴技术的社会影响，探究智能化时代的社会发展规律提供了可以借鉴的研究路径[4]。

本文将追述社会实验的经典学理体系、阐明人工智能融入教育的新需求，聚焦智能时代教育社会实验的研究路径和设计分解，探索实验结论对人工智能更好耦合教育规律的价值意义[5]。

一、教育社会实验溯源与方法体系

实验法是自然科学领域不断取得研究突破的基础科学范式[6]。在社会科学领域，伴随近现代科学数百年的发展历程出现了社会实验、计算实验、思想实验等体系，与实验室实验一起构成了四种主要的实验方法体系[7]。社会实验的定义尚未在学术界形成共识，但其研究路径早在19世纪就已逐步确立：一方面采用自然科学的术语和方法；另一方面把观测研究的对象——社会环境、城市、社区、个人——的自然演进看作一个实验过程，研究者通过观测记录这种演进过程，获取可以对比分析的数据，从而更好地理解社会是如何“运作”的[8]。随后的进展中最有代表性的是费希尔强调了随机化、重复性和干预控制性是构成社会实验研究和保证研究内部效度的3个基础要素[9]。

教育活动是社会运行的重要一环，教育社会实验是在社会实验的整体研究路径中不断向理论建构和实践应用两个方向发展。在理论建构层面，根据实验中相关情境因素引入的程度，社会实验又被进一步细分为“自然的”“框架的”和“人为的”[10]。结合教育活动的内在规律和费希尔提出的3个基础要素，如表1所示，展示了教育社会实验的不同类型和属性。

在实践应用层面，过去50年里，教育社会实验的研究逻辑被广泛应用于学习者自组织教学资源、教学分流设计与伦理博弈和大规模学习活动时空灵活组织等方面，为准确把握教育变革的规律与机制，应对智能时代教育新需求提供了循证的知识基础。

（一）学习者自组织教学资源的探索实验：印度墙洞实验

1999年英国纽卡斯尔大学教育技术学教授苏伽特·米特拉在印度Kalkaji乡村区域的一面墙亭里放了一台电脑，实施了此后著名的“墙洞实验”。通过对孩子学习行为的观测，他发现即使是学习资源薄弱的地区，学生在缺乏老师指导的情况下也能够通过自主探索实现自我学习，甚至还能教别人。随后，这个实验在印度多个地区推行，同样惊喜地发现这些孩子很快就学会了如何操作电脑，学会了纠正英语语音和从未接触过的生物科学技术知识。甚至在意大利做实验时，在完全听不懂老师英语的情况下，学生可以自主地通过网络将英语翻译成意大利语之后，再通过合作探究，成功地解开了老师出的难题。

这些学习过程和观察结果令人振奋，大家得出了一个明确的结论：一个可以激发人好奇心的环境，可以让人们通过自我教育以及同伴分享的方法获得知识。“墙洞实验”是一种探索性教育社会实验，在实验环境、参与人群上较好的遵循了随机性和可重复性。在后续的补充实验中，苏伽特教授还对城市和乡村的信息技术使用做了对比实验，发现新技术在乡村区域的投放自组织效应更加明显[11]。

但同时，我们不难发现，这个实验中孩子们能够自我在线学习的网络环境尚处于互联网初期，数据/信息的规模及不良内容率远低于当今，其同伴学习的环境更多是自然的异构学习者群体；而当下智能技术融入教学组织活动则更多在学校内同学段学生中开展，且网络信息极大丰富，需要更新的研究设计来支撑。

（二）教学分流设计与伦理博弈的对比实验：新加坡优等生实验

20世纪70年代末，新加坡针对国内人力资源相对匮乏的发展需求，实行教育分流制度以促进人才充分开发与挖掘。其出发点是在不同的阶段尊重学生自主选择，因材施教的开发学生智力潜能。在具体实施过程中，学生一共要经历“小四”“小六”“中四”“中六”四次分流。其积极作用体现在：关注学生个性化学习能力，降低区域整体辍学率；基础教育质量普遍提高，全民素质水准整体提升。但其消极作用也一直争议不断，其中因在线视频流传而受到广泛关注的“新加坡优等生实验”中，我们看到优等生孩子自述不愿意与差生交朋友，因学业差异带来的同伴歧视很明显；后进生表示有自卑感不愿意积极努力，因学业表现不足带来的持续惰化倾向显著；教师代表也认为青少年有很大的可塑性，过早的被标签化不利于人才的持续培养[12]。

2019年时任新加坡教育部长宣布停止分流制度，从2020年起新加坡25所中学将试验推行SBB（Full Subject-Based Banding）计划，并在五年以内把计划扩大到所有中学，以协助学生减少源流所带来的歧视和标签。

新加坡优等生实验是典型的人为教育社会实验案例，其可重复性和干预控制性很显著。但其背景是因自然资源匮乏、需迅速促进人力资源实力显性化；所选择的分流标准以英语和各种族母语、学科成绩为主线，对学生综合素质的其他维度缺乏关注，并未融合现代智能技术的教育变革潜能。这些局限性在新加坡本国导致了分流制度的结束，对我们的借鉴意义在于社会实验设计需在育人目标和智能科技趋势大背景中关注学生综合全面发展。

（三）大规模学习活动时空灵活组织的协作活动：中国疫情期停课不停学

2020年初新冠肺炎疫情突发，中国教育部组织全国53万所各级各类学校、2.8亿在校生、1732万专任教师，成功实现了“停课不停学、不停教”。在这样一场大规模、全社会参与、较长周期的社会协作活动中，有部委等政府主管部门、各级各类学校、数字技术支撑企业等多元主体共同参与，是一场典型的自然+人为的协同探索，也为更宽口径的大型突发公共事件下的常态化教育活动组织奠定了协作实验基础。

由于中小学生人数众多，各地信息技术条件不同，不同学段学生的身心发育情况、认知水准也不相同，“停课不停学”的工作具有高度复杂性。教育部成立了应对新型冠状病毒感染肺炎疫情工作领导小组办公室，并发布以信息化支撑教育教学工作的通知统筹全国线上线下融合教学工作。各省因地、因校制宜来组织实施。同时，加强对疫情防疫阻击战一线的人员子女和农村边远地区留守儿童特殊群体的关爱、帮扶、指导，确保每名学生较好地掌握已学的知识等重点工作。整个实验体现了大规模、宽口径、长周期的教育社会实验典型特征，在疫情仍时有发生，并坚持“清零政策”的前提下，“停课不停学”有了更多的智能技术方案支撑和教学组织经验指导，从最初的偶发性应急行动演进成有较好干预控制性的主动性教育活动。

近50年全球范围的教育社会实验，其实验的技术背景和所主张的教育主旨正在发生系统性的变革。1999年Sugata Mitra教授在印度做的墙洞实验，得出的结果是孩子们自己可以用“自组织”的方式学会电脑的使用。其技术背景是互联网刚刚起步，在线自学习主要基于搜索行为且网络环境较为纯净；当今青少年的在线自学习行为本意则会更多受到商业广告、涉黄涉暴等不良信息带来的冲击。1992年新加坡从小学三年级就开始全国性分流制度，通过考试把学生区隔至不同的成长轨道，实验结果是在分流的同时造成了优等生和差等生无法正常同齡社交。其教育主旨更多体现学业的优异导向，这与智能时代塑造健全人格的育人目标要求尚有较大差距：2021年联合国教科文组织在《共同重新构想我们的未来：一种新的教育社会契约》倡导的“新的智能时代，教学法应围绕合作、协作和团结的原则进行组织。它应促进学生同理心和同情心的养成，从而通力合作改造世界。它还应教会学生拒绝偏向、偏见和分裂等。”我国十四五时期的高质量教育体系正面临着更本质化的教学规律转型和更新型的智能技术支撑环境。

（一）计算智能与认知规律匹配的新需求

数据、算力和算法是人工智能的3要素。智能终端的迅速普及使得数据感知智能在教育场所中越来越常态化，“东数西算工程”的实施推动了算力网络的不断规模化，算法也正在引起越来越多的研究和治理关注。但教育领域存在计算智能发展需与学习者认知规律匹配的根本性需求，当前已经显现的隐患如学生成长数据无序扩散现象、算力网络与教学平台的对接尚需磨合、智能算法设计有惰化学生思维现象等。

智能时代学习者认知规律的新特点需要大规模长时间的基础数据研究支撑，才能阐明不同学科、不同学段、不同区域逐步显现的多元化特征，非短期观测、小样本调研能够承载。促进计算智能与认知规律的良好匹配，需要人工智能教育应用的研究主体通过实验手段更多连接应用场景和技术开发主体[13]。

（二）学习活动时间与空间灵活设计的新需求

中国疫情期间“停课不停学”中大规模的居家学习缓解了公共突发事件下学校主阵地暂时关闭的困境。“双减”政策以来越来越多的学校主动寻求与少年宫、科技场馆的多元化资源共享，丰富青少年的课余时间。这些探索与联合国教科文组织的“教育的未来”报告中的呼吁不谋而合：发挥广大行动者的作用，推动重新构想成为现实。从支持研究和科学进步，到成为社区与全球范围内其他教育机构和项目的贡献伙伴，那些富有创造力、创新精神，并致力于推动教育作为一种公共利益的大学，在教育未来的构建中将扮演重要角色。

更泛化的学习者群体、更灵活的学习时空组合、更高质量的学习产出水平，都需要人工智能教育应用的研究主体应更多兼顾多学科、宽口径的协作实验尝试去探索具体的设计方案。

（三）技术发展性与教育安全性协同的新需求

智能技术的更新迭代日渐加快，育人的全过程却不能失守安全原则。在世界各国加快人工智能教育应用大背景下，重视并加快教育社会实验研究，突出实验组织者独立第三方原则、被试知情原则是客观还原人工智能融入教育后发生的教学模式新变化、技术应用伦理隐患等事实素材的重要途径。将在发展性与安全性协同的前提下，促进“技术向善”。

社會实验从自然实验体系里继承了随机化、重复性和干预控制性3项特征，并在过往的社会各行业循证实践中拓展出长周期、宽口径和大规模的3项新属性。对于促进计算智能与认知规律匹配、学习活动时间与空间灵活设计、技术发展性与教育安全性协同的智能时代教育新需求有着基础性支撑作用。

智能技术使得信息空间较之物理空间、人类社会空间呈现出时空灵活、多模态化、过程数据、信息众筹、复杂网络、互联互通等新特征，在给我们带来更多新资源、新工具的基础上，也对我们应对当下社会的脆弱性和未来世界的不确定性提出了新需求：兼顾安全与发展、协同多个教育场景、数据感知智能与应用智能同步等[14]。社会实验的“控制—对照—比较”研究逻辑、随机—重复—干预属性继承了自然实验中的科学范式，需在中间实验、探索实验、对比实验、协作实验的理论设计和实践反馈上去丰富和创新[15]。

本文对教育社会实验的范畴界定为：以育人目标为导向，识别家庭/学校/社会等场景下的因素差异对学习行为、人格塑造的改善路径。实验的特点是对某一教育行为过程或技术变革进行长周期的观察记录、宽口径的协同调节、多学科的数据分析，从而发现和认识人才成长规律的过程。教育社会实验的设计思路主要围绕“实验目标—环境组织—方法体系—测量工具—应用反馈”5个环节来落实，如图1所示。

实验目标：人工智能时代教育社会实验的目标包括搭建智能教育治理典型场景库；出台智能教育治理的标准、规范和政策；助力高质量教育治理体系的能力形成。

环境组织：随着信息社会智能化推进和教育行业新动能方向，家庭、学校、社会三者之间将越来越融合的支持服务于数字教育资源共享、个性化育人、多彩课余活动等环节。其中诸如智能技术与学科的适配性、认知差异对教学设计的影响性、家庭结构对代际公平影响、区域科技资源丰富度与青少年创新潜质之间的关联性等等，都需要宽口径多学科融合的社会实验予以深入研究。

方法体系：学校是育人的主阵地，有良好的行政管理机制保障，可以参照白箱模型设计实验。家庭是相对私密的生活环境，在提炼显性化家庭结构、半隐性亲子关系等基础上按照黑箱/灰箱模型设计实验。社会是更复杂的巨系统，需要信息传播领域、系统科学领域的复杂巨系统模型提供技术路径基础。

测量工具：社会实验的计算基础来源于社会计算和智能算法领域，包括无监督/监督算法、迁移学习/领域适应算法等服务于不同的训练数据。可行的社会科学测量工具包括结构方程模型、信息传播模型和智能算法集。

应用反馈：社会实验是一种手段，其研究结果要呼应育人目标的落实路径。如学校场景下的实验产出应解决的问题包括“数字教育资源选用标准”“中小学电子产品应用标准”等，家庭场景下的实验产出应解决的问题包括“智能时代代际公平策略”“家长学校建设方案建议”等，社会场景下的实验产出应解决等问题包括“馆校协同机制”“共享资源产权保护机制”等。

从实验设计的角度看，促进计算智能与认知规律的匹配需求通过“测量工具”环节来促成；协同多个教育场景的需求通过“环境组织”这个环节来促成；兼顾安全与发展的需求通过“方法体系”和“应用反馈”这两个环节来促成。

（一）实验参与群体与价值分析

在教育社会实验设计思路的理论建构下，实践应用层面主要由各级教育行政主管部门、教育研究机构、青少年学习者、学校教师/管理者、家长群体、智能技术方案提供商这6类群体参与实验。他们对实验的价值侧重和结果关注各有不同。

各级教育行政主管部门：是社会实验的指导单位，统筹把握实验目标的拟定、实施团队的管理、实验过程的组织、数据应用的科学性、实验结果的决策支撑作用等全过程。

教育研究机构：是社会实验的研究主体，关注实验方法体系的科学性和测量工具的精准度，是学理层面推进教育社会实验能够面向真实问题，迭代适切方案的实验设计者和实施者。

青少年学习者、学校教师/管理者、家长群体：是社会实验的参与主体和应用主体，提供实验环境，接受实验指导，还原真实教育情境，关注实验提供的教育活动改进建议。

智能技术方案提供商：是社会实验的参与主体和应用主体，提供智能教育社会实验所依托的底层数据、测度算法，接受实验指导，关注实验提供的智能技术改进建议。

教育社会实验从“环境组织”层级看，可以逐级分解成单个具体实验，示意图如图2所示。

（二）案例分析——教育类APP对减负增效的促进作用探索实验

本节选取教育社会实验场景分解图中的1个具体实验“教育类APP对减负增效的促进作用探索实验”为例来具体示例，该实验重点指向促进计算智能与认知规律更好的匹配。并重点阐述实验结果的应用。

实验名称：教育类APP对减负增效的促进作用探索实验。

实验目标：测度样本APP范围内的认知有效功能点实用性与易用性程度。

環境组织：在广州白云区某实验小学、雄安某中学组织3个月的用户体验测试，同时在教育研究机构组织软件测试专业人员同期自动化测试。

方法体系：黑盒测试（不查看代码；含业务逻辑测试，负载测试，界面测试）。

测量工具：人工+自动化。

应用反馈：实验期间内共对100个教育APP组织了业务逻辑、负载性能和界面体验等3个大项和18个小项的测试，部分得分情况如表2所示。

初步实验结论如下：

第一，业务逻辑测试显示智能技术在教育移动软件类应用已逐步深入，无明显违背教育规律现象。在知识点自适应方面有较好设计，根据学科规律和错题分布自匹配对应巩固内容，基本实现智能化逻辑和自动化阅改。未来可更精准化与各学段认知规律契合、与教育活动场景契合，发挥人机协作智能化学习的更大效能。

第二，负载性能测试显示基础数据存储端存在较大差异，且有数据外链失控隐患。实验发现，APP开发主体的实力在底层数据端差异显著，部分企业存在对用户个人信息保护意识薄弱，处理规则不规范等隐私保护隐患，软件闪退、套装插件现象依然存在。

第三，界面体验测试显示面向青少年友好度提升，广告链接和附加收费现象基本受控。实验显示，界面基本符合青少年、教师和家长使用习惯，嵌套层级合理，广告链接较之上半年有显著减少，未见附加收费情况。

本文的工作主要从4个方面促进教育社会实验的理论共识和实践协同，为推动人工智能和教育深度融合，促进教育变革创新做了前期理论探索和循证实践。

第一，界定教育社会实验的范畴定义。以育人目标为导向，识别因素差异对学习行为、人格塑造的改善路径。从“实验目标—环境组织—方法体系—测量工具—应用反馈”5个环节来设计教育社会实验的理论架构。

第二，落实两级实验场景和类型。以家庭/学校/社会三个一级场景为主线，按照中间实验、探索实验、对比实验、协作实验4种类型做了二级分解。

第三，以具体案例展示实验全过程。以学校场景中的“教育类APP对减负增效的促进作用探索实验”为示例展示了1个具体教育社会实验的完整过程。

第四，本文作为理论研究性工作，重点放在了概念界定、场景分解上，对具体实验的实施通过1个实例予以解读。下一步的研究推进和工作论证将从实验变量的科学设计如学段差异、学科属性、教育类应用软件功能差异等角度提升实验设计环节的科学性和智能应用可能带来的伦理挑战等维度完善实验体系[16]，从数据共享与保护机制、参与者协同度、家校共育等更多元化视角提升宽口径实验的可行性[17]，提升教育社会实验对各级管理决策的实际支撑力度和对青少年成长的切实促进作用。

参考文献：

[1] 习近平向国际人工智能与教育大会致贺信[EB/OL].http：//www.gov. cn/xinwen/2019-05/16/content_5392134.htm，2021-12-01.

[2] UNESCO.Reimagining our futures together：A new social contract for education[R].France：UNESCO，2021.

[3] Crawford K，Calo R.There is a blind spot in AI research [J]. Nature，2016，538（7625）：311-313.

[4] Dinardo J.Natural Experiments and Quasi-Natural Experiments [M]. London：Palgrave Macmillan，2010.

[5] 新华网.中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL].http：//www.xinhuanet.com/ politics/2021lh/2021-03/13/c_1127205564_14.htm，2021-03-22.

[6] W.C.丹皮尔.李珩译.科学史[M].北京：商务印书馆，1975.

[7] 王飞跃.为什么要计算实验[EB/OL].https：//blog.sciencenet.cn/blog-2374-1250224.html，2021-12-02.

[8] 薛平.思想实验的认知机制[M].北京：科学出版社，2016.

[9] Perry J，Perry E.Contemporary society：An introduction to social science [M].New York：Routledge，2015.

[10] Henderson C R.Social settlements [M].Charleston：BiblioBazaar，2016.

[11] Addams，Jane.Twenty Years at Hull House；with Autobiographical Notes [M].US：New American Library，1999.

[12] Mohr Z T.Experiments in Public Management Research：Challenges and Contributions[J].Public Administration Review，2019，79（2）：286-289.

[13] Harrison G W，List J A.Field experiments [J].Journal of Economic Literature， 2004，42（4）：1009-1055.

[14] 陈丽，徐亚倩.“互联网+教育”研究的十大学术新命题[J].电化教育研究，2021，42（11）：5-12.

[15] 苏竣，魏钰明等.社会实验：人工智能社会影响研究的新路径[J].中国软科学，2020，（9）：132-140.

[16] 李凤英，朱敬东等.在线学习者隐私的人本论研究[J].中国电化教育，2021，（7）：107-113.

[17] 童莉莉，黄荣怀等.青少年孝心育成中的智能技术影响路径与可推广机制研究——基于社会实验的教育析因视角[J].教育理论与应用，2021，（11）：12-18.

作者简介：

童莉莉：副教授，硕士生导师，研究方向为信息传播学、人工智能教育应用、数据科学与智能信息系统。

黄荣怀：教授，博士生导师，研究方向为人工智能与教育、智慧学习环境及教育信息化。

杨赞波：校长，研究方向为智能时代育人变革的家校实践。

Educational Social Experiment： A New Exploration of the Integration of Artificial Intelligence into Education

Tong Lili1， Zhang Chen1， Huang Ronghuai1， Lei Fengyu2， Yang Zanbo3（1.Faculty of Education， Beijing Normal University， Beijing 100875； 2.Department of Technology and Research， Education Bureau of Guangzhou Municipality， Guangzhou 510030， Guangdong； 3.Diannan Middle School of Xiongan New Area， Xiongan 071600， Hebei）

Abstract： Aiming at the new needs of matching computational intelligence and cognitive law， flexible design of time and space of learning activities， game between development and security， this paper puts forward the research category and design framework of educational social experiment. We systematically discuss the five experimental links： Experimental Objective - Environmental Organization - Method System - Measurement Tools - Application Feedback. Then we select the intelligent education application software test exploration experiment as an example to interpret the application direction of the experimental results. This will help to promote the good fitting between computational intelligence and cognitive law. These research work has done a path exploration for the scientific measurement of the real social impact brought by the educational application of artificial intelligence.

Keywords： social experiment； Artificial Intelligence； evidence-based research； law of education

責任编辑：邢西深

3066500589208