智能技术赋能教育高质量发展：内涵、挑战及应对

滕长利　邓瑞平

摘 要：高质量发展是当今教育发展的時代背景和主流话语。人工智能、大数据等新技术将带来教育高质量发展的深刻变革，包括质量与公平相统一的目标追求、过程控制与结果控制相协调的实现路径。同时，智能时代为教育高质量发展带来新的挑战，主要从学生诉求维度、教师发展维度、学校建设维度、教育治理维度、教育评价维度五方面分析智能技术对教育高质量发展产生的影响。基于“良性互动原则、有限渗透原则、开放共享原则、合规自治原则、动态监测原则”五位一体形成智能技术促成教育高质量发展的治理体系，为教育高质量发展规避智能时代风险贡献中国智慧。

关键词：智能技术；智能教育；高质量发展；挑战与应对

一、引言

“高质量发展”成为新时期教育改革发展的关键词。[1]为适应新一轮教育变革和科技革命以及国内主要社会矛盾的变化，智能技术驱动下的教育高质量发展，将成为社会转型时期新型教育变革的重要路径。特别是在智能化的语境下，充分认识人工智能的内涵，将为教育高质量发展开启新的研究领域，拓宽新的研究视野，迎来新的发展机遇。“人工智能”（Artificial Intelligence，AI）一词于1956年由达特茅斯人工智能夏季研讨会提出并发展至今。[2]人工智能技术被视为继基因工程、纳米科学之后的第三大尖端技术。随着人工智能技术的不断发展，人工智能的内涵被赋予多元、动态、复杂的概念。基于智能技术客观发展规律与经济社会对智能技术的现实需求，目前人工智能主要有弱人工智能、强人工智能、超人工智能三个阶段的概念[3]。弱人工智能是指人工智能不具备人类的思维和意识，只能按照事先设定的程序完成指定任务，具有较强的工具性。[4]强人工智能是指人工智能具备类似于人类的思维和意识，可以像人类一样作出决策，具有一定的自主性。[5]超人工智能是指人工智能在科学研究、智慧、社交等多个方面都拥有超越人类的智能。[6]目前，国际人工智能学界的主要目标是发展弱人工智能，仅有少数学者致力于强人工智能研究，而超人工智能研究则更多是停留在科幻想象。[7]尽管学界对人工智能的理解具有一定的混乱性和模糊性，但是学界一致认为数据和算法是人工智能的基础，目前研究较为深入的大数据技术也被视为一种弱人工智能技术，除大数据技术外，计算机视觉、机器学习、自然语言学习、机器人技术、生物识别等技术构成人工智能技术体系，因此，人工智能具有一定的技术集合性、人脑模拟性、概念多元性。尽管对于什么是人工智能，人们尚未达成一致意见，不过无论学者间分歧如何，人工智能已经在改造人类生活、帮助人类解决各种复杂问题等多方面发挥着重要作用。基于此，人工智能的基本定义是“运用智能技术去做现在由人做得更好的事情”[8]。在社会主要矛盾的转型时期，人工智能和教育的深度融合是希望实现教育的更好、更高质量发展，缓解人民日益增长的教育服务需求同教育发展不公平、不均衡、不协调、不全面、不安全之间的矛盾，尤其是在全球智能化发展的浪潮中，在教育高质量发展的理念下，充分认识智能技术赋能教育高质量发展的内涵，以客观、理性的视角研究智能技术如何影响教育高质量发展，将成为未来教育发展的重要课题。

二、智能技术赋能教育高质量发展的新内涵

（一）目标追求：质量与公平相统一

智能技术与高质量发展是一对相辅相成的概念和实践，前者是方法和手段，是解决当前教育发展不均衡、不充分问题的重要手段，后者是目标和宗旨，教育高质量发展的关键词是“质量和公平”[9]。因此，教育高质量发展需要充分运用智能技术实现教育的优质化、均衡式、可持续发展。一方面，就横向的、基本面而言，智能技术需要更加关注教育公平问题。人工智能等新技术有助于促进教育资源的优化配置，其通过打破部门间信息壁垒，实现教育资源的整合共享，弥合欠发达地区、贫困地区、农村地区等教育资源匮乏地区的数字鸿沟，实现智能新技术赋能下区域内、学校间、学生间的教育精准扶贫，促进教育的均衡、公平发展。另一方面，就纵向的、内涵面而言，智能技术需要更加充分关注教育质量问题。质量主要有两方面含义，“一是物质本身的属性，二是满足特定对象需求的程度”[10]。教育作用于不同对象会产生不同的质量观，每个人对教育服务的需求是不同的。智能技术通过不断收集教育数据、深度分析教育现象、谨慎预测教育结果，更加精准、全面、深层次地识别、分析、预测学生的教育需求，并以此作为教育质量提升的基本依据。总而言之，智能时代的教育高质量发展，是结合时代背景与教育高质量发展要求对教育发展状态的一种事实与价值判断。智能时代，教育高质量发展需要充分运用智能技术回应教育发展过程中不公平、不充分、不平衡、不全面、不协调、不优质、不安全的问题，更加强调内涵式发展，而非外延式扩张，实现教育质量的优质化、均衡式、可持续发展。

（二）实现维度：过程与结果相协调

教育质量提升的实现维度，既可以侧重于研究教育质量管理的过程控制维度，也可以侧重于研究教育质量管理的结果控制维度。智能技术为教育质量提升带来了新思路、新方向、新标准。如何将智能技术与教育质量控制、管理进行深度融合，形成智能技术赋能教育质量的识别、测量、控制、反馈与改进的核心机制，将成为促进教育质量过程控制和结果控制的重要支撑。一是，教育质量的过程控制维度。教育高质量发展需要通过全面质量管理、持续改进教育质量、循环促进教育质量作为政府教育改革的目标。新技术为此提供了技术支撑，泛连接、高宽带的全新智能技术族群能够通过传感器“实时采集师生、教学环境、教学内容等要素”[11]，这种覆盖全过程、囊括全要素的智能感知能力才在真正意义上实现教育质量的过程控制，进而通过智能算法的统计分析，精准预测教育质量提升的关键性问题，从而促成智能技术赋能教育质量的动态化、全景式、系统性过程控制。二是，教育质量的结果控制维度。教育质量提升需要通过绩效测量来实现教育质量发展的结果反馈，因此教育质量的绩效测量是教育质量发展的重要组成部分。大数据等智能技术可以“精准评估各学校运行状态与教育绩效”[12]，并根据评估测量结果不断提高教育服务质量，更新教育资源配置，形成教育评估结果反馈式、循环化、持续性改进的教育高质量发展态势。智能技术赋能下的教育质量发展通过运用可循环、可持续改进的过程控制机制和动态化、全程式、精准性的绩效测量工具，准确感知、识别、判断教育质量的发展状态，从而实现教育质量的持续性优化。

然而，科学技术发展在带来红利的同时，也隐藏着难以估量的挑战。智能技术在重塑教育、优化质量、为教育带来便捷的同时，也必然会带来全新的问题，其对教育高质量发展带来的冲击，可能会演变为复杂的伦理、法律、安全问题。[13]正如波普尔所说：“所有的科学都是建立在流沙之上的”[14]。智能时代所引发的技术、制度、意识形态的快速更新，其伴随的风险可能具有一定的诱惑性、隐蔽性，具有导致教育世界秩序混乱的可能性。因此提前布局和预防智能时代带来的挑战，对推动教育高质量发展具有重要意义。

三、智能时代教育高质量发展的挑战维度

（一）学生诉求维度：识别与回应的难题

教育进入高质量发展阶段，围绕以学生为中心的发展思想，教育高质量发展需要满足学生日益增长的教育需求，把学生对教育的诉求作为教育高质量发展的基本坐标。为此，教育高质量发展的核心在于，教育部门识别、维护以学生需求为教育高质量发展导向的价值体系。教育高质量发展需要倡导“以生为本”的导向，需要构建以学生为中心的教育服务质量持续改进机制，然而智能技术赋能下的教育发展在学生维度面临着两方面的挑战。一是精准识别学生个性化教育服务需求的难题。智能技术通过对学生的精准画像，能够避免传统教学过程中学生的知识隐藏行为，人工智能能够更好地根据个人需求定制学习。[15]然而，这只是理论上的一种可能，智能技术不可能像人一样精准识别学生之间的差异，其对学生教育需求的识别仍然停留在浅层次的技能层面，难以对学生心灵、道德维度的教育需求进行识别。因此智能技术对学生教育服务需求的识别是不充分、不完整、不系统的。二是，教育部门主动感知、回应学生教育服务需求的管理机制缺乏。人工智能、大数据、互联网等技术虽然拓宽了收集学生教育服务需求的渠道，但是传统层级官僚制的教育部门和“碎片化的管理弊端”[16]，仍然制约着对学生教育服务需求识别、回应的及时性和有效性。基于此，智能技术赋能教育高质量发展的核心要义在于，教育部门能否运用智能技术精准识别学生的教育服务诉求，以及智能技术能否成为教育部门与学生良性互动反馈促成教育质量持续性改进的桥梁。

（二）教师发展维度：依赖与独立的冲突

教师是建成高质量教育体系的重要保障[17]，是教育的第一资源[18]，需要充分重视教师群体的高质量发展，真正实现智能技术促进教师教研能力的持续性改进。智能技术支持教师教研能力发展的过程，初衷是为了提升教师教学效率和教学质量[19]，其通过大规模分析教学行为、学习行为，有助于教师识别学生的实际需求，帮助教师优化教学决策，[20]使得技术更多地运用在“教”的层面，教师更多的精力放在“育”的层面[21]。但实际情况并非如此，在教学过程中存在现实与理想的巨大落差。教师的信息素养、数字素养、智能素养的滞后，其掌控智能技术的能力不足，导致智能技术对教师教学的过度介入，改变了教师的教学风格，具有抑制教师个性化教学的风险。出于智能技术对教研工作带来的巨大便利，教师可能会对智能技术产生一定依赖，教师的教学行为、教学风格、教学设计不断迁就智能课堂辅助系统。[22]教师如果按照智能教学系统的规则和分工，长期遵守冗长呆板的机器规则和程序，最终会导致处于主导地位的教师日益沦为教育的非核心参与者，甚至是旁观者，成为智能教育机器的“零部件”。这种模式可能会导致教师自身的教学能力“不用则退”。相反，教师只有将自己视为教学活动的主体，强调自身在施教过程中的自主性，才能缓解教师对智能技术的依赖，真正实现教师的价值追求，才能在一定程度上避免教师被智能技术引入歧途。

（三）学校建设维度：公平与发展的制衡

学校作为教育服务的重要承担主体，教育高质量发展需要关注学校的现代化建设。随着人工智能、大数据、区块链等新技术的兴起，人机协同成为“未来学校”[23]建设的新形态。然而智能技术推动下的教育呈现出高门槛、高成本的特点。[24]目前，智能技术的开发主要由互联网等科技企业主导，随着资本对教育的渗透，教育发展蒙上了一层浓厚的资本色彩。首先，按照市场运作规律，由于智能技术对网络环境和信息设备的极高要求，经济实力较好的学校可以率先向企业购买智能教育服务产品，学校购买智能教育服务产品的成本，将分摊到学生身上。智能教育服务的高昂成本将使欠发达地区、经济实力不足的学校难以承担，并且由于经济欠发达地区的信息化基础设施建设滞后、传统教学方式的惯性、教师智能化教学素养的不足将极大限制智能教育在欠发达地区的发展。因此，只有那些有财力、有实力的家庭才能享受到智能技术带来的优质教育资源，而那些条件一般、经济困难的家庭将难以承担智能教育服务带来的高昂教育成本，这将进一步加剧区域间教育不公问题，这与教育高质量发展追求公平的核心理念不相符。然而，如果我们要求全国均等式、平均化、齐步走的“智能+”校园[25]建设，显然是不切实际的。因為在全球教育智能化发展的浪潮中，仅仅为了保障地区间教育发展公平而放缓学校智能化建设的步伐，将会成为制约我国教育服务国际竞争力提升的障碍。因此如何平衡学校智能化建设的紧迫需求与区域间不同学校建设的公平问题，将会成为教育高质量发展在学校建设维度的重要课题。

（四）教育治理维度：效率与安全的制衡

教育高质量发展离不开科学、合理、高效的教育治理体系。高质量教育治理体系的发展需要追求治理效率的增长与治理体系安全的协调，从而推动教育治理质量的整体性提升。当前智能技术赋能下的教育治理体系存在一系列深层次结构性问题。一方面，从技术治理的视角看，智能技术首先强调的是“效率”和“理性”价值。有学者指出，智能技术以明确计量、科学分析、精准定性提高了教育治理的透明度、科学性、预见性[26]，智能技术赋能下教育治理由经验模式转向以数据证据为基础的模式。在数据深度挖掘、算力充分支持的基础上，智能化教育治理相较于人脑治理表现出高效、及时、理性、有说服力、有依据的优势。然而，智能技术依然表现出科学技术的双面性。智能技术在教育治理领域的发展尚未摆脱隐私泄露、算法黑箱、算法歧视等风险，从而导致教育治理在效率增长与安全保障之间的矛盾难以破解，增加了教育治理发展的风险与不确定性，使得我国智能化教育治理体系长期陷入“增效率”与“防风险”的两难境地。另一方面，如果强调对智能技术风险的防控，从技术风险治理的角度出发，通过出台各种防控智能技术在教育治理领域风险的法规，以降低智能技术在教育治理领域过度发展引发的安全风险。这种做法将会牺牲智能技术在教育治理领域融合、应用、创新的速度，甚至可能导致智能技术在教育治理领域发展速率的大幅度下滑。因此，如何平衡智能技术在教育治理领域的快速发展与安全风险防控，将会成为智能技术推进教育治理高质量发展的重要议题。

（五）教育评价维度：歧视与偏见的风险

教育高质量发展需要通过教育评价、测量实现教育质量结果的反馈，促成教育质量的循环式、持续性改进。在教育服务质量管理的实践中，标准化的教育评价为教育质量发展构建了实践性的维度。教育高质量、持续性改进的实践源自对教育质量的客观、公正、科学评价，并根据教育评价的结果不断改进、完善教育服务质量。当前，智能技术为教育评价提供了全新思路，教育评价的依据“从主观经验判断走向客观数据支持、从结果评价走向过程性评价”[27]。然而不少学者也对智能技术赋能教育评价的公正性提出质疑。由于教育数据采集的更新缓慢、质量低下、结构不全，对师生数据的片面捕捉催生了“教育数据服务偏见”[28]。现实社会中存在的歧视和偏见会如实映射到数字世界中，如：人工智能将女性与“家庭”挂钩，男性与“事业”关联，将有色人种与一些不悦的词语关联[29]。教育评价依据的数据本身就自带现实社会中的教育歧视现象，其评价结果难以实现真正的客观公正，并且教育评价的智能系统在设计之初便蕴含着开发人员的设计意图和价值取向。由于工程师对教育本质、教育需求、教育价值等缺乏了解，在智能技术设计之初便缺少道德伦理的规范，工程师设计的算法可能会暗含歧视与偏见，甚至放大人类的偏见。[30]一些在现实社会中受歧视族群的数据可能不会成为教育评价智能系统的基础数据，比如患有残疾的用户数据，不同肤色用户的数据，贫困地区用户的数据。如果用于教育评价的数据样本边缘化某些群体样本，将会导致智能教育评价的数据样本污染，导致教育评价的偏见、歧视进一步强化。因此，如何完善智能技术赋能下的教育评价标准、流程，使其更加客观、公正地作出教育评估，将成为持续性促进教育质量改进的重要参考依据。

四、应对教育高质量发展智能时代挑战的路径

（一）良性互动原则：满足学生需求为导向

教育质量提升的良性循环需要准确识别、感知、满足学生的教育服务需求。教育部门提供的教育服务供给是否符合学生对教育质量的预期标准是关键，这是教育高质量发展的逻辑起点。就智能技术的视角而言，智能技术赋能教育应用应遵循教育的本质，以学生的教学需求为导向[31]，通过充分利用智能技术搭建教育部门与学生之间关于教育服务权责关系的互动渠道。教育部门通过智能感知技术多渠道、全方位、及时性识别学生的教育服务需求，通过智能算法统计、分析、预测学生真实的、客观的需求，并以此为依据，及时提升教学管理、优化教学活动、促进教育模式，从而满足学生动态化、差异化、多元化的教育服务需求。另外，可以运用区块链技术开展分布式教学记录[32]，获取真实的、可信任的教学数据，防止数据丢失和篡改，保证教育数据分析的真实性，使得隐藏在复杂教育系统和教育现象背后的教育真实效果逐渐浮现，使得教育质量的提升最终落脚到促进学生的真实学习效果，并以不断提升学生的真实学习效果为导向，逐步完善教育质量的过程控制体系。

（二）有限渗透原则：辅助教师发展为中心

智能技术赋能教育高质量发展的背景下，需要警惕唯技术论的教学期望[33]，更多关注教师的主体性，尊重教师的知识权威。一方面，智能技术不应模糊教师与机器的边界[34]，不能任由智能技术在教育领域逐步扩大其范围，需要让智能技术在一定的伦理范围内演进，在智能技术渗透教学场景的深度、在支持教师在教学中扮演的角色、在帮助教师教研学习过程中发挥的作用等都需要清晰、明确的规定，以防止智能技术过度应用，导致教师的主体性丧失。另一方面，智能技术应当充当好教师教育决策的助手。教师面对复杂多变的教育现象、需求各异的学习者，单靠经验难以平衡不同学生的复杂教育需求，充分运用大数据等智能技术，全方位收集教学数据，进行各种参数的演化、仿真模拟，教师通过观察仿真模拟的教学效果，最终作出科学的教学选择，真正实现智能机器与教师的协同互助发展，实现以智能技术提升教师的教学效果，以教师的教学数据反馈、优化智能教育机器，最终促成以教师为中心、良性循环的高质量发展。

（三）开放共享原则：学校建设的普惠式发展

公平是教育高质量发展的核心基础，智能技术赋能学校建设，需要时刻关注区域间教育的公平发展。然而普惠式的智能校园建设并非一蹴而成，在智能技术发展之初，要求每个学校都发展智慧校园、强化智能基础设施建设、改进学校教学理念是不现实的。这是由于不同地区的经济发展各有高低、不同群体的认知水平各有差异所造成。特别是在教育落后地区，信息化基础设施建设的滞后、传统教学方式的惯性、教师智能化教学素养的不足，都将极大限制教育智能化在欠发达地区的发展。为了避免智能技术进一步拉大地区间教育不均衡、不公平的差距，国家发展智能化教育需要更强调普惠式发展的思路，避免教育智能化发展因为高成本而沦为精英教育、贵族教育，从而加剧阶层分化。国家在统筹规划智能化校园建设的过程中，需要整合不同学校的数字化教育资源，强调不同学校信息资源的利用，推动大规模数据协同的开放共享，[35]充分调动各类技术企业的积极性，加強教育新基建投资在欠发达地区的政策扶持力度，通过国家购买教育智能服务的方式，增强经济欠发达地区信息化基础设施建设，实现均等化、普惠式的教育智能化发展态势，真正让智能技术带来的红利惠及所有人，实现公平而有质量的学校建设发展道路。

（四）合规自治原则：智能教育治理的有序构建

智能技术在教育治理领域的发展，需要平衡智能技术的高效发展与技术安全的风险防控。基于此，主要从两方面完善智能教育治理体系。一方面，要赋予智能技术在教育治理领域合理比例的自治空间，要兼顾智能技术发展与安全有序之间的平衡。国家控制智能技术在教育治理领域的发展要有一定限度。国家在建立和制定智能技术安全标准体系时，既要考虑教育领域的特殊性，给予智能技术较高的安全标准，也要充分预留智能技术在教育领域的发展空间，保持智能技术发展空间的合比例性自治。另一方面，要加强智能技术行业自治组织的建设，联合科技企业、研究机构、高等院校等相关组织参与到智能技术的行业标准建设，实现智能技术行业自治，特别是要加强对智能技术三层结构的安全风险防范。一是智能技术在教育治理领域的关键基础设施建设安全风险防范，这类实体的、有形的物理层风险防范，需要充分借鉴传统安全风险防范策略。二是智能技术在教育治理领域的逻辑层面风险，如算法及各种运行程序风险。三是智能技术在教育治理领域营造的虚拟空间层面风险，如信息传递与数据风险。后两类风险是无形的、不透明的，传统的安全风险防范逻辑难以形成有效的风险防控体系，因此需要国家不断推进智能技术的法治化建设，促使智能技术赋能教育治理的合规自治发展。

（五）动态监测原则：去偏见化教育评价机制

精准把握教育质量的动态变化是教育服务质量提升的关键。为避免教育评价在数据采集、数据分析、结果预测过程中产生决策偏见，需要打造透明、安全的教育数据采集、储存、分析、决策体系，着力于教育质量的动态监测，构建“去偏见化”教育评价智能系统。[36]一是要注重定期、及时更新教育监测数据，多维度、多类型、多渠道整合教育数据，在数据的收集、保留、转换、使用、公开、共享、传输等操作，实现过程性公正。二是要注重对人工智能算法的有效披露，保障人们对智能化教育评价系统的知情权。可以借鉴欧盟《通用数据保护条例》（GDPR）中提出的透明性原则，通过增加技术的透明度来减少算法黑箱带来的技术鸿沟，通过增加公众评议弱化智能技术的算法偏见[37]，通过透明性开发原则追溯开发主体的责任，做到追责时“有迹可循”[38]。三是要建立智能教育评价的伦理约束机制，让伦理成为制约教育评价的内在维度，将善良、道德、公平等人类社会基本价值嵌入智能教育评价发展体系，真正让智能技术赋能下教育评价变得公平、科学、高效，让智能化教育评价成为教育质量发展的真实反馈，并循环式、持续化促成教育的高质量发展。

参考文献：

[1]郭中华，顾高燕.“双减”与教育高质量发展：一种批判教育学的视角[J].中国电化教育，2022（3）：16-21.

[2]梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018（3）：24-30.

[3]刘俊祥.智能化时代中国政治学学科学术话语的创新[J].学术界，2020（3）：56-65.

[4]祝叶华.“弱人工智能+”时代来了[J].科技导报，2016，34（7）：67-69.

[5]劉宇擎，张玉槐，段沛奇，等.针对强人工智能安全风险的技术应对策略[J].中国工程科学，2021，23（3）：75-81.

[6]丁晓蔚，王雪莹.科技的渗透与融入：大数据、人工智能应用于新闻出版的研究综述[J].西南民族大学学报（人文社科版），2019，40（7）：150-156.

[7]黄欣荣.人工智能悲观主义批判[J].理论探索，2019（4）：23-29.

[8]韩水法.人工智能时代的人文主义[J].中国社会科学，2019（6）：25-44+204-205.

[9]李政涛，周颖.建设高质量教育体系与中国教育学的知识供给[J].教育研究，2022，43（2）：83-98.

[10]柳海民，邹红军.高质量：中国基础教育发展路向的时代转换[J].教育研究，2021，42（4）：11-24.

[11][12]杨现民，赵瑞斌.智能技术生态驱动未来教育发展[J].现代远程教育研究，2021，33（2）：13-21.

[13]JOBIN A，IENCA M，VAYENA E.Artificial Intelligence：the Global Land scape of Ethics Guidelines [J].Computers and Society，2019（6）：1-20.

[14]卡尔·波普尔.推想与反驳[M].傅季重，等译.杭州：中国美术出版社，2010：39.

[15]WOOLF P，LANE C，CHAUDHRI K，et al.AI Grand Challenges for Education [J].AI Magazine，2013，34（4）：66-84.

[16]翁列恩，胡税根.公共服务质量：分析框架与路径优化[J].中国社会科学，2021（11）：31-53+204-205.

[17]张炜，张万红.高质量教师教育体系建设：框架与路径[J].现代教育管理，2022（3）：57-65.

[18]张志勇.教师是教育的第一资源：准确把握新时代教师队伍建设的战略布局和重点任务[J].中国教育学刊，2018（4）：5-8.

[19][22]逯行.智能技术引发的教育主体行为失范如何判定：方法、类型与表现[J].现代远程教育研究，2022，34（2）：37-46.

[20]LUO T，SHAH J，et al.Using Twitter to Support Reflective Learning in an Asynchronous Online Course [J].Australasian Journal of Educational Technology，2019，35（3）：31-44.

[21]周洪宇，易凌云.教联网时代：一场即将来临的教育变革[M].北京：科技出版社，2018：44.

[23]王永固，许家奇，丁继红.教育4.0 全球框架：未来学校教育与模式转变：世界经济论坛《未来学校：为第四次工业革命定义新的教育模式》之报告解读[J].远程教育杂志，2020（3）：3-14.

[24]王嘉毅，鲁子箫.规避伦理风险：智能时代教育回归原点的中国智慧[J].教育研究，2020，41（2）：47-60.

[25]曹晓明.“智能+”校园：教育信息化2.0视域下的学校发展新样态[J].远程教育杂志，2018，36（4）：57-68.

[26]张慧，黄荣怀，李冀红，等.规划人工智能时代的教育：引领与跨越：解读国际人工智能与教育大会成果文件《北京共识》[J].现代远程教育研究，2019（3）：3-11.

[27]余胜泉，刘恩睿.智慧教育转型与变革[J].电化教育研究，2022，43（1）：16-23+62.

[28]赵磊磊，张黎，王靖.智能时代教育数据伦理风险：典型表征与治理路径[J].中国远程教育，2022（3）：17-25+77.

[29]CALISKANA J，BRYSON J，NARAYANAN A.Semantics Derived Automatically from Language Corpora Contain Human-like Biases [J].Science，2017，356 （6334）：183-186.

[30]丁晓东.论算法的法律规制[J].中国社会科学，2020（12）：138-159+203.

[31]WANG Y，WAN Y，WANG Z.Using Experimental Game Theory to Transit Human Values to Ethical AI [J].Artificial Intelligence，2017（11）：1-6.

[32]杨现民，李新，吴焕庆，等.区块链技术在教育领域的应用模式与现实挑战[J].现代远程教育研究，2017（2）：34-45.

[33]李芒，张华阳，石君齐.第四次工业革命时代的教师角色“转型”[J].开放教育研究，2022，28（2）：45-53.

[34]罗莎莎.论智能时代教师角色变革的根本立场与价值逻辑[J].教师教育研究，2021，33（4）：32-37.

[35]吴雪萍，任佳萍.美国纵向教育数据系统探究[J].比较教育研究，2018，40（1）：54-62+87.

[36]沈苑，汪琼.人工智能教育应用的偏见风险分析与治理[J].电化教育研究，2021，42（8）：12-18.

[37]MATT K，JOSHUA L.The Long Road to Fairer Algorithms [J].Nature：International Weekly Journal of Science，2020，578（7793）：34-36.

[38]DIAKOPOULOS N.Accountability in Algorithmic Decision Making [J].Queue，2016，13（2）：56-62.

（責任编辑 陈志萍）

收稿日期：2022-04-25

作者简介：滕长利，西南大学法学院2019级博士研究生，遵义医科大学教师；邓瑞平，西南大学法学院教授、博士生导师，法学博士。（重庆/400715）

*本文系西南大学中央高校基本科研业务费专项资金项目（SWU1809682）的阶段性成果。