人机智能协同视域下的教育创新——第27届全球华人计算机教育应用大会综述与审思

卢 宇 骈 扬 李沐云 马 宁

（1.北京师范大学 教育技术学院，北京 100875；2.北京师范大学 未来教育高精尖创新中心，北京 102206）

全球华人计算机教育应用大会（Global Chinese Conference on Computers in Education，GCCCE）是全球华人计算机教育应用学会主办的国际学术会议。2023年5月27日至5月31日，第27届全球华人计算机教育应用大会（GCCCE 2023）在北京师范大学举办。本研究以大会主旨演讲与学术发表成果为对象，分析研究热点及其内在联系，呈现计算机教育应用领域的趋势、机遇与挑战，以期为该领域研究者提供参考与启示。

一、人机智能协同的教育发展新趋势

随着人工智能等新一代信息技术快速演进，机器智能与人机协同方式正在加速融入教育领域，并将对教育的基本理念与方法产生深远的影响。随着近年来《教育信息化2.0行动计划》《新一代人工智能发展规划》《加快推进教育现代化实施方案（2018-2022年）》等一系列政策的相继颁布，教育的数字化、智能化转型正迎来全新的机遇与挑战：线上线下混合的教育形式为学习者提供随时随地可访问的、丰富的学习资源；虚拟现实、增强现实等技术支持下的创新型教学方式，增强了学习过程的沉浸感和趣味性；借助人工智能算法，学习路径可以依据学习者不同的学习风格、需求和兴趣进行定制，有针对性地服务学习者的成长与发展。在此基础上，如何提升教育过程中人机协同的效率与体验，如何更好地设计适用教育的人工智能算法与平台，以及如何培养教育界的人才以应对数字化、智能化时代的需求，都是当前亟待探讨的问题。在此背景下，本届会议汇聚了一系列专家的报告和讨论，针对人机智能的协同与融合、高度互动且个性化的学习环境构建、交叉学科复合型人才培养等方面展开深入研究与探讨。

（一）将人类知识与机器智能融合于教育中

针对当前生成式人工智能技术的快速发展和变革性影响，来自香港大学的王敏红教授以《将人类知识和机器智能融合于教育中》为题发表了主旨演讲，探讨了如何更好地构建人机协同的教学新模式。如图1所示，以OpenAI开发的智能聊天系统ChatGPT为例，王敏红教授提出生成式人工智能可以在多个维度用于对教学过程的支持：在“内容支持”维度可以作为学习助手生成学习材料；在“他人支持”维度可以作为虚拟导师回答学生提问并作为反思工具促进深入思考；在“自我支持”维度作为虚拟学伴陪伴学习过程；在“任务支持”维度作为专家支持协助完成复杂任务的解决等（Zhu, Sun, Luo, Li, & Wang, 2023）。此外，以ChatGPT为代表的生成式人工智能系统，还可以作为外部刺激（Stimulus），驱动学习者开展批判性思考，从而促进其高阶思维的发展。

图1 ChatGPT融入教育的多种路径

（二）构建高交互性与强个性化的学习环境

在智能时代，复合式游戏以其独特的人机协同方式凸显出了交互性，而以ChatGPT为代表的人工智能工具，可以为学习者打造高度个性化的智能学习环境。施如龄教授以《性格、行为、策略：复合式学习游戏的跨域性与动态性》为题发表主旨演讲。演讲聚焦复合式学习游戏的跨域性与动态性，阐述了如何利用AR/VR、机器人和物联网等技术将游戏化学习带入各个学科领域。施教授首先介绍了如何借助各类智能技术的优势来设计复合式学习游戏，主要以建构主义与社会认知为基础，并遵循元素互联、多方参与、动态结局的原则。游戏过程中，学生可以通过与卡牌、机器人、电脑系统等软硬件设备进行交互，从而融入历史情境，了解人、事、物的细节信息，增强学习过程的临场感。施如龄教授也指出，由于复合式游戏为学生提供了与其他学生共同沟通和决策的机会，因此是分析多模态学习行为的重要场域。学生可以透过目标任务与冲突事件，以不同视角理解差异立场与多元观点，并进行个人选择、集体决策、跨群协商等学习活动，这也为研究者们提供了一种高互动性的学习分析视角。

在学习环境的个性化方面，Curtis J.Bonk教授在其题为《Time to Wake Up from Our Innovative Learning Dreams and Make Smarter Learning a Reality》的主旨演讲中发表了重要见解。借助以ChatGPT为代表的人工智能工具，将能够根据每位学生的需求、兴趣和学习风格对学习环境、资源、路径进行定制。具体而言，Bonk教授从学习者参与（Learner Engagement）、普适性获得（Pervasive Access）、个性化定制（Customization & Personalization）三个维度，分别展示了人工智能工具赋能教育的诸多案例。这些个性化方法有望提高学生的参与度和学习动力，使其更有效地掌握知识。然而，随着新一波技术的到来，人们在过去所构想的“智能教育”愿景会逐渐被遗忘，因此如何理解技术变革教育的关键机理和社会性问题，是实现“智能教育”梦想的本质所在。基于此，在演讲的尾声部分，Bonk教授也提出了若干问题，包括智能学习环境下学生应当如何主动并且独立地学习、教师该如何有效地利用智能学习工具等。解决这些问题是人机智能协同有效赋能教育的关键，也是人工智能教育应用领域未来研究的重要方向。

（三）从“模型研究”到“功能赋能”：“AI+X”赋能人才培养

人工智能技术的快速发展不仅引领了科技革新的浪潮，同时也激发我们对这一领域的顶尖创新人才提出更为迫切的需求。在这一背景下，浙江大学的吴飞教授在其主旨报告《AI+X赋能交叉人才培养》中，深刻分析了高等教育中人工智能知识体系的发展历程。吴飞教授首先指出，当前各类人工智能系统在垂直领域任务上的表现日益出色，但却面临着一个根本性的挑战，即无法充分利用数据、经验和直觉推理等元素实现整体智能水平和适应性的提升。这一问题的存在使得人工智能系统在面对复杂多变的现实场景时显得力不从心，研究者们逐渐认识到，仅仅追求特定任务模型的性能提升是不够的，更需注重赋能人工智能系统更全面、更灵活地理解和解决问题的能力，即从“模型研究”到“功能赋能”的演进。从功能赋能的视角来看，我们逐渐超越了过去对“模型研究”的单一追求，转向关注具有广泛知识背景、创新思维和协作能力的人才培养，以构建更全面、更灵活应对复杂挑战的人工智能领域。在此基础上，吴飞教授指出跨学科教育教学的必要性，需要通过在其他学科教学过程中辅以人工智能课程，培养学生利用人工智能解决本学科领域问题和跨学科问题的能力。高等教育应更加重视人工智能在医学、社交媒体等诸多领域的可持续性实际应用，即“AI+X”。利用“AI+X”赋能高等教育中的人才培养，需要重点关注教材、课程、平台三位一体的形式（吴飞，陈为，2022）。其中，教材体现了教育思想和教学内容，课程是教材的教学育人实践的载体，平台则是教材和课程增效的手段，三者共同推动科教融合和产教融合，促进人工智能领域人才链、产业链和创新链的有效衔接。

综合而言，本届会议的多场主旨报告共同揭示了人机智能协同对教育领域的深远影响，并呼吁对教育模式和人才培养进行重大改革。从人机智能的融合，到学习环境的优化，再到 “功能赋能”的导向——这些主题不仅勾勒出人工智能技术在教育中的多元应用，也强调了技术发展所需的教育哲学和方法论的根本变革。这些主旨报告不仅为人机智能协同教育提供了坚实的理论基础，同时也引导了未来教育改革和人才培养的发展方向，将有助于更好地理解和适应数字化、智能化时代的教育需求。

二、人工智能教育的关键研究维度揭示

除主旨演讲外，会议议程还包括论文报告、工作坊、博士生论坛、中小学教师论坛与企业参展等。大会面向全球华人征稿，共收到372 篇来自中国、日本、新加坡、美国等国的投稿。经过严格的论文评审过程，各子会议最终共录取了211篇论文。接下来对其关键词与研究内容进行热点分析。

（一）关键词分析：数字化转型背景下的多元研究场景与研究对象

首先，基于文献计量方法提炼出全部论文中直接明确列出的关键词726个。在对其中的近义词进行合并处理与频数排序后，发现本届大会录用论文呈现出的两个主要特点：①在研究主题方面，“人工智能”是本届中文论文热度最高的关键词，出现在近5%的论文中。在此基础上，包括在线学习、游戏化学习、协作学习等多样化的学习方式也受到了较为广泛的关注，在此过程中构建良好的学习情感与用户体验也受到研究者的重视。②在研究对象方面，大会论文呈现出更加多元化的特点。在国家教育数字化转型的战略背景下，相关技术与政策层面的研究也呈现出明显增长的趋势。在此基础上，研究者针对“教育评价”“教师发展”等主题，开展了较多深入的研究和探索。

由上述分析可知，“人工智能”是GCCCE 2023的热点关键词，这也与本届大会“人机智能协同，共创教育未来”的主题相契合。随着人工智能等新一代信息技术的不断演进与发展，机器智能与人机协同方式正在加速融入教育领域，并将对教育的基本理念与方法产生深远的影响。同时，研究者也更加关注数字化转型视域下的细分领域研究，利用人工智能等技术充分赋能智慧教育的创新型形态、服务和治理。

（二）研究内容分析：人工智能驱动的交互应用、技术创新与人才培养

为深入了解 “人工智能”主题下的研究关注重点和细分领域，本研究采用内容分析法将分析范围从关键词拓展至论文全文，分别统计了184篇中文论文在九个子会议中教育人工智能相关研究的占比情况。所有子会议的主题及其“人工智能”相关文章占比结果如图2所示。

图2 GCCCE 2023各个子会议中文论文中“人工智能”主题相关论文占比

总体来看，在本届大会中，超过30%的中文论文专注于人工智能，尤其在C6子会议中，该比例高达96.9%，彰显了该领域内人工智能相关研究的活跃度。其他子会议，如C2与C7，也有近一半的论文探索了AI在泛在化、个性化学习中的潜能。本研究进一步剖析了所有子会议中“人工智能”主题相关研究的具体内容，总结提炼出所涉及的五个主要研究维度，即“教育应用与交互机理”“算法创新与平台构建”“人才培养体系与课程资源”“隐私与伦理”以及“政策与规划分析”。其中，“教育应用与交互机理”关注人工智能在教育中的应用方式与交互机制设计；“算法创新与平台构建”关注教育服务中的人工智能算法模型研究与系统平台构建；“人才培养体系与课程资源”关注面向不同学段的人工智能课程资源和培养体系建设，以满足人工智能素养导向的人才培养需求；“隐私与伦理”关注人工智能应用于教育领域的隐私保护与伦理规范等问题；“政策与规划分析”主要关注政策建议和规划方案的提出与剖析。

“人工智能”主题的五个维度及相关论文数量分布如图3所示。可以看到，“教育应用与交互机理”、“算法创新与平台构建”及“人才培养体系与课程资源”三个维度排在前三位，三者内在联系紧密且相互促进，其相互关系与作用如图4所示。具体而言，“教育应用与交互机理”明确需求导向，呼吁更加人本的人工智能算法创新，并倡导将人机协同能力作为人才培养的重要方面；“算法创新与平台构建”作为技术驱动，赋能更加智能化的交互机制，同时推动课程资源与培养方案的革新；“人才培养体系与课程资源”提供人才支持，进一步推动创新技术的研发和交互机理的探索。本研究针对上述三个维度，以部分大会优秀论文及相关主题报告为例，进一步进行深入讨论和剖析。

图3 “人工智能”主题各维度及论文分布情况

图4“人工智能”主题研究的重要维度及其相互关系

三、教育应用与交互机理研究的最新进展

随着自然语言处理与生成式人工智能等技术的不断进步和发展，机器的智能性和交互性显著增强。联合国教科文组织在《人工智能与教育：政策制定者指南》中指出，“人类与人工智能的关系越来越复杂微妙”，强调了人机协同智能的重要性（UNESCO,2021）。在这一背景下，研究者们开始重点关注教育过程中人工智能要素与教育各角色间的新型交互关系与机制建立，从而形成人机协同的教育应用模式。

（一）建立稳定友好的“人工智能—学习者”交互关系

探索如何建立友好、稳定的人机交互关系，是提升学习成效并优化学习体验的关键。以本届大会的最佳中文论文《设计利用互赖机制建立长期关系的宠物机器人以提升学习成效》（张育甄，林宏轩，王振汉，杨舒涵，陈国栋，2023）为例，该研究基于互赖机制设计了一种宠物机器人，在学习过程中激发学习者产生责任心和学习动力，以解决传统的导师类、学伴类教育机器人难以与学习者维持长期关系的问题。实验结果表明，相较于普通机器人，该研究所设计的宠物机器人在提升学习成效和提供情感支持方面的效果显著，且能够与学习者形成正向的互动关系。这一发现也为人机协同学习与智能化学伴的设计提供了重要参考。

（二）探索新兴技术融入教育中的交互机制

与此同时，一些专家开始探讨新兴技术如何融入教育中。王敏红教授的演讲正是这方面的一个代表。她强调了生成式人工智能，如ChatGPT，在教育的多个维度中的应用潜力，从内容生成到驱动高阶思维。在合理利用人工智能技术赋能教育的同时，王敏红教授也指出，在完成概念抽象、情感理解、知识创生等具有复杂性和创造性的任务时，机器仍然需要高度依赖人类的智慧。

（三）剖析教育人机交互过程的影响因素

针对人机交互过程中存在的问题，剖析其影响因素可以为高效构建智能化教育服务提供重要参考。例如：研究者深入分析了作文智能批改系统对不同成就水平学习者的反馈支持效果（赵晓娟，赵晓娟，张津津，陈真真，2023），并研究了在接收到系统自动生成的17种反馈后，学习者后续的作文修改行为及其特征。研究发现不同成就组在反馈支持方面不存在显著差异，但在使用智能写作反馈时，学习者存在典型的共性问题，例如：仅对用语作简单修改和替换，较少开展内容方面的重组或重写等。这些研究能够为人工智能支持下的人机协同智能教学服务，提供有价值的底层机制设计依据与改进策略。

综上所述，人类知识和人工智能系统的结合与协同，是发挥人工智能在教育应用中潜力的必经之路。人工智能可以提供个性化的学习体验和智能化的辅助教学工具，提升师生教与学的成效。事实上，在智能技术蓬勃发展的环境下，人机智能协同已经成为教学活动中不可或缺的重要组成部分，当前的许多研究成果也为领域发展带来了前所未有的创新。目前，智能教育系统和平台不断崛起（张赛宇，马志强，董延庆，侯德强，2023），展现了对学习者询问意图的准确解读能力，通过自然语言实现与学生类似的教学交流、问答和活动，为教育提供了新的可能性（陈鹏鹤，夏雪莹，卢宇，2022）。以百度的ERNIE大模型为例，该模型通过对领域实体知识和专业术语的深入理解，以及通过问答匹配任务进行模型训练，成功提升了用户对领域知识及其内在联系的理解。在教育应用中，ERNIE可用于提供学科知识点的答疑服务和智能化教育咨询，从而促进人机协同学习的过程。

需要指出的是，当前研究对人机交互中人的主观能动性的探索略显不足。因此，除了提升智能教育应用自身的交互性之外，未来研究需要更加关注人在人机关系中所扮演的角色，例如：人类如何有效地使用智能工具，如何充分利用自身在创造力、批判思维和人际交往方面的优势，均是需要考虑的重要因素和研究重点。只有“人类智能”与“机器智能”形成紧密的协同关系，才能最大程度地发挥各自特长，形成新的数字化教育模式与智能化教学应用，大幅度提升教育系统的效率与质量。

四、算法创新与平台构建助力人工智能教育有效落地

习近平总书记强调，“中国高度重视人工智能对教育的深刻影响，积极推动人工智能与教育深度融合，促进教育变革创新”（新华网，2019），这一愿景引领着教育人工智能相关技术的不断突破。算法创新和平台构建是驱动人工智能技术更好地理解和服务教育的核心要素之一，不但可以为教师和学生等角色提供适切的教学资源、精准评价和动态反馈，还可以促进人工智能教育自身的发展和落地实践。

（一）创新教育人工智能的前沿算法模型

本届大会较多研究者关注创新人工智能算法模型并用于解决教育领域中的实际问题，重点包括学习者建模（司雨晴，闫秋艳，2023；徐世凡，洪暉鈞，2023）、资源自动标注（骈扬，卢宇，曹云波，2023）、多模态学习分析与教育评价（王坤，薛耀锋，2023）等领域的算法改进与模型优化。例如：入围本届大会最佳技术设计奖的论文《基于“可逆尝试状态”的知识追踪模型研究》（马安瑶，刘子韬，田密，卢宇，2023）提出了一种“可逆尝试状态”的人工智能算法，用于解决复杂学习任务中学习者的知识状态建模问题。该研究在传统贝叶斯知识追踪模型的基础上，增加了“可逆尝试状态”，充分考虑了学习者当前的知识水平和作答表现可能由其正在进行的“尝试行为”所影响，从而更完整地刻画了学习者内隐知识状态的双向转移过程。在多个公开数据集上的实验表明，所提出的模型能够更加准确地预测学习者作答表现，为基于人工智能技术的学习者建模领域贡献了新的技术思路和模型。

（二）构建支撑教育服务的智能化平台

除了从算法模型开展技术创新，教育人工智能系统的设计、优化与开发同样受到本届大会研究者的关注。在获得本届大会最佳技术设计奖的论文《面向中小学人工智能教育的图形化编程软件的设计与开发》（刘俊宏，薛耀锋，2023）中，作者通过调研归纳出现有图形化编程软件设计和使用的问题，并在此基础上设计研发了一个新型图形化编程平台，以提升用户的学习体验和兴趣，激发其创造性思维和解决问题的能力。该研究提升了人工智能教育平台的功能性与用户体验，并为教育人工智能系统的设计与开发提供了重要借鉴。

综上所述，算法创新与平台构建研究为智慧教育的实现提供了切实可行的路径和支撑，因此教育领域同样需要关注人工智能研究的最新进展。当前，生成式人工智能领域的多模态大规模模型展现了卓越的潜力，为人机协同学习提供了强大的支持。这些模型不仅能够进行跨模态信息理解，还能进行复杂的推理、内容生成和问题解决，为教育技术的发展带来了新的可能性。由OpenAI开发的GPT-4多模态大模型是一个典型例子（Open AI，2023），该模型在多个方面的能力具有里程碑意义，包括多模态理解、推理、内容生成和问题解决。在教育技术方面，GPT-4可作为学习者的百科全书，提供便捷的资源检索；作为写作助手，提供文章润色和创意启发；作为私人教师，为不同水平的学生提供个性化辅导和多学科问题解决指导。当前正处于人工智能技术快速演进和国家教育数字化转型的时期，该方向的研究成果对推动教育创新和育人效果的提升具有重要的理论和现实意义。同时，我们必须谨记技术算法的双刃剑特性。尽管算法创新与平台构建为智慧教育提供了可行路径，但当前研究在探讨一些潜在问题方面仍显不足，这些问题包括教育系统对技术可能过度依赖、智能工具对人际交往的潜在替代作用以及算法准确性与教育公平之间的潜在矛盾等。因此，在数字化转型的快速发展时期，我们更需要谨慎使用技术，思考如何在技术创新中保持人类的主导性与主体性，以更加充分地发挥技术为教育服务带来的效益。

五、人才培养体系与课程资源建设的实践探索

国务院印发的《新一代人工智能发展规划》明确了利用智能技术加快推动人才培养模式变革的方向（国务院，2017）。实际上，人工智能与教育的协同发展是双向互动的过程，除理论与技术创新外，还需深入研究高等教育中的人工智能课程资源建设与拔尖创新型人才培养。

（一）构建复合型人才培养体系以适应人工智能时代

智能时代的未来教育不仅需要技术作为工具赋能教育，也需要关注新时代背景下的人才培养，从而使下一代为未来做好准备。基于此，吴飞教授在主旨演讲中强调了跨学科教育的重要性，提倡在其他学科的教学中加入人工智能课程，培养学生的跨学科问题解决能力。具体而言，即将AI与其他领域相结合，以形成一个整体的人才培养策略。吴飞教授充分阐述了新时期人工智能人才培养的特点，即不仅关注人工智能理论知识的传授，还需注重实践操作和创新能力的发展，这对于引领人才培养和推动人工智能技术的创新具有积极的指导意义。

（二）打造人工智能教育的优质课程资源

开展人工智能学科优质课程资源建设，不但有助于实现拔尖创新型人才培养，也可以提升基础教育阶段学生的人工智能素养和伦理道德意识，从而让青少年充分应对未来人工智能时代的挑战和机遇。本届大会的最佳学生论文《基于项目式学习的人工智能伦理课程设计研究——以“信息茧房”课程为例》（夏梦雨，寇伊涵，张翔，卢宇，2023），以培养人工智能与信息科技学科核心素养为目标，针对人工智能对学生日常生活的影响开展课程建设研究。作者指出，各类智能机器正在使我们的生活变得更加高效便捷，但其同样存在负面影响和危害，尤其是在伦理道德领域带来风险与冲击。如何引导学生更好地应对智能技术带来的风险、成为有素养的人工智能使用者以及未来的人工智能设计者，是人工智能教育应关注的现实问题。在此基础上，作者基于项目式学习方式，设计实施了以“信息茧房”为主题的人工智能伦理课程，并对实施效果进行了充分验证和分析，为今后相关课程的研发提供了理论参考和实际案例。

综上所述，拔尖创新型人才培养和优质课程资源建设，在推动人工智能与教育发展方面都发挥着重要作用。通过优质课程资源的建设和课程体系的构建，可以为培养出具备跨领域实践能力和创新思维的人才提供保障；拔尖创新人才则可以进一步推动人工智能领域的发展和学科创新。但随着人机智能协同学习的发展，对培养适应这一新型教育环境的人才提出了新的需求。教育界迫切需要具备对多模态大模型理解和应用能力的专业人才，以推动教育技术的创新和发展。因此，领域研究者正在呼吁整合多模态大模型的教育应用课程，帮助教育从业者更好地理解和利用这些先进技术，打造“与人工智能的共创性学习”模式（王景，李延平，2023），完善“人师—机师—学生”三方协同新生态（周洪宇，常顺利，2023），使新时代的拔尖人才掌握新的思维范式，拥有学科融通和创造知识的能力。

尽管当前研究强调了拔尖创新型人才培养和教育资源建设的积极作用，但仍存在一些值得深入探索的不足之处。首先，实际培养具备理解和应用多模态大模型能力的专业人才可能面临一系列挑战，包括教育体系的调整和实际培训方案的制定。此外，新兴教育模式与教育生态的提出也尚未经过充分的实践验证，其推进的可行性问题值得关注。因此，未来的研究和实践需要更加注重缩小理论与实际之间的鸿沟，以切实推动教育体系的数字化变革。

六、总结与展望

总体来看，本届大会围绕“人机智能协同，共创教育未来”的主题，从多方视角为教育未来发展贡献了研究与实践层面的丰富成果。研究者们开始在教育领域探索建立稳定高效的人机协同与交互机制。在生成式人工智能等新技术的驱动下，研究者对人机关系变革性的前景以及人机交互过程中多种关键性影响因素也开展了深入分析和思考。与此同时，基于人工智能技术的学习者建模、资源自动标注、精准教育评价等也持续成为研究热点。此外，本届大会部分优秀成果将智能技术的应用推向教育实践，并在系统平台层面进行集成和检验，也是当前重要的研究方向之一。在创新型人才培养方面，以人工智能素养为导向的课程资源建设与跨学科人才培养体系的研究日趋重要，两者在基础教育与高等教育不同学段相互促进和补充。

随着教育与人工智能等交叉领域的快速发展，人机协同的未来教育模式已日益临近。本届大会不但呈现了本领域的最新研究成果与发展趋势，还为研究者与实践者深入探索和开展后续研究提供了前瞻性的思考空间、方向指引和启发。

（一）建立多学科交叉研究范式的教育创新

教育与人工智能的交叉领域具有天然的跨学科属性，教育学、心理学、学习科学、计算机科学等学科的理论与研究范式都在其中有所贡献。不同学科的方法和视角相互融合，可以产生变革性的创新成果。将自然科学的研究范式更加合理有效地纳入教育领域研究，是提高教育创新质量的重要途经。在此基础上，本领域研究者已经开始探索利用学习科学与教育学领域的经典理论，结合人工智能等信息科学领域的最新技术，以取得显著理论突破。这种综合性的方法在解决长期困扰教育技术领域的理论与实践问题方面展现出潜力。例如：通过引入学习者多维度理解的智能导学教学系统（Guo, Wang, Gu, Li, Wang, & Zhou,2021）、个性化教学资源的自动化生成（杨宗凯，王俊，吴砥，陈旭，2023）以及更自然程度的人机交互体验（金涛，徐建东，王海燕，张静，2021），我们能够更好地理解并解决教育技术领域的挑战。

未来的研究需要更加强调多学科交叉思维、范式和方法的相互借鉴，以推动教育信息化过程中的深层次、变革性的理论创新与实践创新。这样的综合性研究方法将有助于为教育与人工智能的交叉领域提供更有深度和广度的理论基础，从而引领教育创新走向新的高度。

（二）开展实践需求驱动的前沿技术教育应用

教育学科的实践性属性决定了其研究不能停留在实验室和技术原型系统，而应以一线学校为主阵地，不断发现和总结实际需求、提供解决方案并评估其应用效果。本届大会面向教育一线工作者与实践者设置的中小学教师论坛，深入探讨了如何将智能技术有效地应用于不同教育教学场景中，以支持课程设计、教学实施等各类教育活动的开展。当前教育技术实践者开始更多地重视在教学过程中借助经典理论与最新技术的支持，如学习科学理论与真实可视化编程环境设计的结合（相梦彤，付寒，田济榕，张婧婧，2023）、人工智能课程的项目式学习活动设计（秦朋绪，陈明选，2022）等，均体现了将教育实践与前沿技术相结合的研究特点。

未来的研究需要更强调从教育实践层面出发，深入分析和了解真实课堂等教育场景中存在的技术问题和挑战。同时，借助智能技术的演进和多模态教育大模型等（卢宇，余京蕾，陈鹏鹤，余胜泉，2023）本领域最新研究成果，精准地匹配并解决教育实践中亟需解决的瓶颈性问题。通过对技术的持续迭代升级和教育问题的适配优化，可以有效地增强研究成果的实践创新性，确保其具备长期的技术价值。

（三）重视教育人机协同领域关键问题研究

生成式人工智能等新一代信息技术在人机协同等方面已经开始展现出巨大潜力和变革性作用。在教育领域，这种协同不仅是简单的共同执行，更多涉及教师、学习者与机器之间在认知与教学过程中的深度合作与协创。在认知层面，如何让机器通过分析大量的教育场景数据，为教师与学生提供协同思考的工具与认知过程的支架，是本领域的重要研究方向之一。这种深层次的融合探索有望在教育人机协同范式变革方面取得显著成果。

在此基础上，新一代智能教育系统和平台的研究应充分利用生成式人工智能的启发性内容生成能力、对话情境理解能力以及序列任务执行等能力，通过与人类教师共同开展教学、学习、评价和辅助等关键业务环节，提升整体教学效率，增强教师在复杂教育环境中的胜任力。

除此之外，为确保人机协同技术在教育领域的应用安全可控，需要深入研究其边界与规范，特别是在相关政策和法规的基础上（联合国教科文组织，2023），努力提升人机协同过程的透明度与可解释性（卢宇，章志，王德亮，陈鹏鹤，余胜泉，2023）。这一努力有助于不断提升教师与学习者的信任度与参与度，从而确保人工智能与教育的协同发展能够在安全可控的前提下取得更大的成就。