人工智能赋能高等教育的政策嬗变与展望

摘要：顺应人工智能大发展的时代趋势，我国出台了一系列人工智能赋能高等教育的政策。通过梳理发现，自2012年以来我国出台了46份人工智能赋能高等教育的政策，借助政策“主题-工具-评价”三维分析框架，运用文本挖掘法梳理归纳人工智能赋能高等教育的政策主题和工具，并基于PMC指数建模模型对我国人工智能赋能高等教育的政策进行量化评价。结果表明，我国人工智能赋能高等教育的政策嬗变以“关键节点”为依据展现出不同的类型特征，分别是：借鉴与探索（2012-2016年）、调整与深化（2017-2020年）、融合与转向（2021年至今）。面向未来，为实现人工智能赋能高等教育的政策稳步推进，我国人工智能赋能高等教育的政策主题应走向“系统联动与适切预判”，政策工具需朝向“调整结构与凸显价值”，政策评价要迈向“衔接匹配与丰富翔实”。

关键词：人工智能；高等教育；政策主题；政策工具；政策评价

收稿日期：2024-06-04

作者简介：黄春晨，华中师范大学教育学院博士、大庆师范学院教师教育学院黑龙江省西部基础教育研究与培训中心办公室主任；鲁长风（通讯作者），华中师范大学教育学院博士；田友谊，华中师范大学教育学院副院长、教授、博士生导师。（武汉/430079）

*本文系黑龙江省省社科研究规划项目“黑龙江省基础教育师资配置承载力模型构建与应用研究”（项目编号：24EDC003）、黑龙江省省属本科高校基本科研业务费项目“数字转型视域下乡村教师数字素养提升路径谱系的构建与研究”（项目编号：WG20240830）、中央高校基本科研业务费专项资金资助项目“导向创造性人才培养的创客教育生态环境研究”（项目编号：CCNU19A06037）的研究成果。

一、问题提出

“赋能”，意为赋予更大的可能性空间，源于管理学中的“empower”，其常置于一些名词之后表示特定主体对客体的赋予的某种可能性。人工智能（Artificial lntelligence，缩写为AI）作为第四次工业革命的通用性目的技术，是新型数字技术的有机组成部分[1]，人工智能赋能高等教育是指开展高等教育过程中在人工智能这一技术要素的融合作用下由技术而催生出的新的可能性[2]。这一赋能过程反映了人工智能技术在高等教育领域日益渗透的客观现实，也是技术效用在高等教育领域得以延展的主要体现，现阶段人工智能赋能高等教育的指征日益清晰，“高等教育已不可能不渗透技术性因素”[3]。“政策”在《辞典》中被解释为“国家或政党为实现一定历史时期路线和任务而规定的行动准则和具体设施”。为顺应人工智能大发展的时代趋势以及更好地发挥人工智能技术对高等教育的作用，我国出台了一系列政策法规助力人工智能技术对高等教育的赋能作用。

伴随着相关政策的出台，学界亦重视对政策的研究，所谓的“政策研究”，即对政策文本本身的研究[4]，学者们主要集中于内涵、方法与质量这三大层面探讨相关政策文本[5]。在内涵层面，主要概括政策的内涵，即阐述政策“做了什么”；在方法层面，主要介绍政策使用的方法，即说明政策“如何去做”；在质量层面，主要衡量政策的质量，即评价政策“做得如何”。人工智能赋能高等教育的政策研究亦是如此，在内涵维度，对人工智能赋能高等教育的政策具体做了什么进行总结提炼，例如借鉴美、英、德等发达国家的相关政策，我国人工智能赋能高等教育的政策主要集中于从科技创新、校企合作、人才培养等方面引导人工智能技术赋能高等教育。[6][7]在工具维度，对人工智能赋能高等教育的政策如何去做进行详细论述，学者们大多侧重于政策工具角度剖析政策内容与框架，且普遍倾向于借鉴罗斯韦尔与费尔德、施耐德和英格拉姆等制定的单维度政策工具阐明人工智能赋能高等教育如何去做。[8]在质量维度，对人工智能赋能高等教育的政策做得如何进行评判评价，现有研究主要是基于对其他国家人工智能赋能高等教育的政策对比来评定政策的质量，譬如，与美国、印度等国的相关政策进行比较，判定我国政策的质量水平。[9]

纵观现有研究，对人工智能赋能高等教育的政策研究仍存在一些亟待突破的方向和探究的空间：其一，学界虽聚焦了对人工智能赋能高等教育的政策具体做法的研究，但囿于技术等因素，现有对政策内涵的研究缺乏从语义要素切入形成“关系数据”，未平衡好研究者主观性与文本客观性之间的关系；其二，现阶段对人工智能赋能高等教育的政策工具的选择相对有限，并未细化次级维度且分析视角也较为单一；其三，对人工智能赋能高等教育的政策评价停留在表层，缺乏客观、可量化的政策评价标准。鉴于此，本研究力图超越现有研究的不足，基于人工智能赋能高等教育的政策特殊性，综合运用文本挖掘法与PMC指数模型建构法，全面梳理政策主题的变化情况、综合统计政策工具的使用情况、科学评价政策文本的设计情况，系统地回应“做了什么”“如何去做”“做得如何”的问题（如图1），并展望其未来发展，从而为人工智能赋能高等教育的政策发展提供新的思路和建议，促进高等教育高质量发展与教育强国建设。

二、政策收集与研究方法

（一）政策收集与分类

1.政策收集

目前，我国人工智能政策研究处于初级阶段[10]，国家层面尚未出台智能教育专门的政策文件，相关文件散见于国家政策文本或智能技术相关政策文本中[11]，因此本研究认为，人工智能赋能高等教育政策内涵十分丰富，它不仅涵盖了专门规定与发展人工智能教育的政策，还包含了广泛分散在国家宏观政策或智能技术等相关政策中，涉及推进教育要素智能化的各项具体要求和举措。

在政策文本收集方面，为最大限度地获取相关研究样本，本研究首先以“人工智能”“智能技术”为关键词，在“北大法宝”“北大法意”等专业政策数据库及中华人民共和国教育部官网逐个检索，共搜集原始政策文本数据72份。①最终，按照发布时间先后，筛选出46份政策文件（见表1），从中提炼出人工智能赋能高等教育的相关描述约5.4万字，作为本研究的文本语料。

2.政策分类

基于政策研究的立场，对政策进行分类来剖析复杂的教育政策是政策研究的起点，而关键节点则是政策分类的重要依据[12]，所谓“关键节点”，指的是影响发展历程的重要转折点，也被称为拐点、分水岭等[13]。基于此，本研究立足于人工智能赋能高等教育的政策，以“关键节点”为依据，对政策进行分类研究。2012年，教育部颁布了《教育信息化十年发展规划（2011-2020年）》，首次提出“智能化”的概念，指出“智能技术”要应用于包括高等教育在内的各个教育阶段，这是我国智能教育政策的开端，更是人工智能赋能高等教育的政策肇始。[14]2017年，国务院发布了《新一代人工智能发展规划》，首次明确提出“人工智能教育”的概念，进一步确定了人工智能教育在建设智能社会中的地位，人工智能发展上升为国家战略[15]，亦为人工智能赋能高等教育的政策奠定了发展基调。2021年，国务院发布了《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》，“人工智能”“智慧”“机器人”相关表述达到59处，首次明确指出以人工智能为代表的新一代信息技术将成为推动我国教育高质量发展的重要技术保障和核心驱动力[16]，为人工智能赋能高等教育的政策高质量发展指明了时代方向。由此，以上述三份文件为分界标志，将筛选出的46份人工智能赋能高等教育的政策划分为三类，探索每类政策呈现出的不同特点。

（二）研究方法与设计

1.文本挖掘法

文本挖掘法，其被广泛应用于非结构化文本信息的提取，能从大规模文本资料库中提取出未知的、具有潜在价值的信息，在分析政策文本时具有无可比拟的优势[17]，比传统人工阅读的方法更加科学和更具客观性。因此，本研究对46篇政策文本进行文本挖掘，一方面，对人工智能赋能高等教育政策进行深度语义分析，总结归纳人工智能赋能高等教育的“关系数据”及其类型特征，回应人工智能赋能高等教育政策“做了什么”的问题。另一方面，提取各项人工智能赋能高等教育的政策的内部要素并确定政策工具，以此回应人工智能赋能高等教育政策“如何去做”的问题，具体而言，借鉴目前运用最广泛的罗斯韦尔（Rothwell）分类方法[18]，将人工智能赋能高等教育的政策工具划分为供给型、需求型和环境型三种类型，其中供给型政策工具发挥直接推动作用，为人工智能赋能高等教育提供基础保障；需求型政策工具强调外部拉动作用，为人工智能赋能高等教育拓展市场需求；环境型政策工具聚焦于间接作用，为人工智能赋能高等教育营造有利环境。结合所选政策，划定次级工具，详见表2。

2.PMC指数建模方法

PMC（Policy Modelling Consistency）指数建模方法，是由埃斯特拉达（Ruiz Estrada）提出的一种新型政策评价方法，因具有客观性、精准性与易操作性等特点，不仅可应用于分析政策内部的一致性，也可探究政策质量的优劣。[19]目前，在国际范围内，PMC指数建模方法已成为一种备受推崇的量化评价法，专门用于分析政策文本，其客观性与准确性备受认可。

本研究选用其回应人工智能赋能高等教育政策“做得如何”的问题。参考已有文献[20]，将PMC指数模型的计算分为以下三步：第一，将确定的9个一级变量与43个二级变量纳入到人工智能赋能高等教育的多投入产出表中，并对其进行赋值（详见表3、4）；第二，根据公式（1）计算人工智能赋能人工智能政策一级指标，并根据公式（2）计算对应的PMC值；第三，根据公式（3）绘制PMC曲面图，直观、准确地审查人工智能赋能高等教育政策的优势与不足。

Xt∑nj=1XtjT（Xtj） t=1，2，3，4，5…

公式（1）

PMC=X1∑5j=1X1i5+X2∑4j=1X2i4+X3∑4j=1X3i4+X4∑7j=1X4i7+X5∑3j=1X5i3+X6∑4j=1X6i4+X7∑8j=1X7i8+X8∑6j=1X8i6

公式（2）

PMC曲面= X1X2X3X4X5X6X7X8X9

公式（3）

三、研究结果与分析

（一）借鉴与探索：2012-2016年

借鉴与探索是这一类人工智能赋能高等教育的政策文本所具有的特点。无论是从政策主题、政策工具或是政策评价角度而言均有对英美等国人工智能赋能高等教育的政策借鉴的明显痕迹，同时，这一类政策也呈现出结合当下实际积极探索出中国式人工智能赋能高等教育的倾向。

图2以“借鉴与探索”为特点的政策主题词语义网络图

政策主题层面，这一类型的人工智能赋能高等教育的政策借鉴了英美等国的相关政策。诚然，随着智能科学技术的飞速发展，人工智能技术应运而生并对现实世界带来一系列颠覆性影响，在此背景下，英美等国以其敏锐的洞察力和策略调整能力，针对人工智能技术赋能高等教育发展制定了一系列政策，例如《为人工智能的未来做好准备》等[21]，这些政策大多于“器物”层面对高等教育赋能，即通过建设诸如人工智能机器人、人机交互生态系统来实现对高等教育的优化。对这一类型的政策进行主题分析，国内亦重视对高等教育内部配套人工智能新基建的打造，如图2所示，“建设”“企业”是较为突出的两大核心关键词，且其与“海外”“平台”“创新”“开展”的关联较为密切，表现为我国政府借鉴其他国家经验，积极与企业合作创设人工智能技术赋能高等教育的平台。根据词频统计“技术”“人才”为高频词，与国外不同，我国特别重视对“人”的关注，致力于打造出一批高素质、高层次的复合型技术人才助力人工智能对高等教育的赋能。在2016年颁布的《机器人产业发展规划（2016-2020 年）》中就强调需加强对机器人产业的人才培养，以实现对人工智能在教育领域，尤其是高等教育领域中的运用，工信部、财政部两部门发布的政策鼓励地方政府对人才培养的支持，呼吁尽快培养引进一批高端人工智能技术人才助推高等教育发展。与美国、德国等发达英美国家不同，我国未能抓住人工智能发展的早期机遇，在人才培养方面处于后发境地，重视对人才的培养是结合当下实际情况的重要举措。由此可见，对“器物”与“人”的同步关注，是我国人工智能赋能高等教育的政策吸收西方先进理念与结合自身实际，在“借鉴”中“探索”的重要体现。

政策工具层面，受制于国情、政体等因素，英美等国倾向于使用需求型、环境型工具，即通过目标规划、组织策略或示范工程、购买服务等手段推进人工智能赋能高等教育[22]，例如，美国于2016年颁布的《时刻准备着：为了人工智能的未来》就通过设定发展目标，鼓励企业投资人工智能产业的方式实现人工智能对教育（尤其是对高等教育）领域的赋能。这深刻影响了我国人工智能赋能高等教育的相关政策的制定，结合这一类型的政策文本，需求型、环境型政策工具占比达到48.1%（其中需求型占比14.8%、环境型占比33.3%），表现为通过建设示范工程、购买服务与对外交流等做法降低人工智能技术进入高等教育场域的阻力。例如，《“互联网+”人工智能三年行动实施方案》就明确提及“支持人工智能领域高端人才赴海外开展前沿技术、标准等学术交流，提升技术交流水平”。供给型政策工具一般由政府主导，较少涉及其他机构，其具备易操作、易管理与高强制性等特点，可高效推进政策目标的实现[23]，契合我国大力推进人工智能技术赋能高等教育的现实境况，因此，我国推出了一系列供给型人工智能赋能高等教育政策，体现结合实际情况对人工智能赋能高等教育政策制定的积极探索，经统计，供给型政策占比达到51.9%，远大于需求型政策与环境型政策。纵观这一类型政策所使用的供给型政策工具，主要集中于通过人才培养、组织建设等方式推进人工智能对高等教育的赋能。

政策评价层面，经计算，这一类型的政策PMC值如表5所示，发现在“政策时效”与“政策级别”维度得分偏低，其中“政策时效”维度得分为0.45，而政策级别维度得分则为0.48，表示这一类人工智能赋能高等教育政策实效与级别较为单一，结合政策文本，我国人工智能赋能高等教育的这一类政策多为短期规划，且颁布的政策多为行政法规。究其原因，这一时期英美等国迅速调整了人工智能赋能高等教育发展的策略，转向发挥中央政府的主导作用，加强人工智能应用于高等教育的顶层规划；出台了诸如“年度报告”“行动计划”等聚焦人工智能赋能高等教育的短期政策。[24]“政策性质”“政策效益”维度得分偏高，其中“政策性质”维度得分为0.75，“政策功能”维度得分为0.8，表示这一类人工智能赋能高等教育的“政策性质与功能”所涉维度较广。纵观这一类型的政策文本，其聚焦于监管、预测、建议、指导、支持这五大维度阐述“政策性质”，锚定鼓励激励、规范引导、技术创新、能力提升、统筹协调、精准服务、宣传教育与信息支持这八大维度阐述“政策功能”。这是回应我国人工智能技术发展尚未成熟、人工智能技术的应用尤其是在高等教育领域处于起步阶段的重要表现，需要政策予以全面的引导。

（二）调整与深化：2017-2020年

“调整与深化”成为这一类型人工智能赋能高等教育的政策重心。随着人工智能应用范围的拓展，传统以“技术表征”为核心的经典人工智能进路存在错误，迈向具身与情境成为人工智能发展的新进路。[25]其中，“情景化”即通过搭建配套设施、营造氛围等方式为人工智能赋能高等教育提供支持环境。由此，人工智能赋能高等教育的政策由专注于“器物”与“人”的层面转向打造适宜人工智能技术赋能高等教育的教育生态。随着自主建设中国特色教育体系思想的兴起，立足于新时代对于高等教育的新要求，高等教育发展的核心要义转变为坚持走中国特色的高等教育发展道路。[26]由此，我国人工智能赋能高等教育的政策也由基于本土化的初步探索向植根中国实际、充分发挥技术赋能作用的深入探索过渡。

政策主题层面，如图3所示，“建设”“人才”虽仍为突出的两大核心关键词，但其与“智能”“领域”“应用”等关键词联系密切，结合政策文本，例如2017年颁布的《国务院关于印发新一代人工智能发展规划的通知》就明确规定“建设国家人工智能众创基地，搭建人工智能领域专业化创新平台等新型创业服务机构，建设一批低成本、便利化、全要素、开放式的人工智能众创空间支持人工智能技术在高等教育领域的应用”。“研究”“学科”“企业”“合作”成为新出现的关键词，结合政策文本，各地政府普遍重视对人工智能赋能高等教育发展的支持，例如2018年颁布的《高等学校人工智能创新行动计划》、2020年颁布的《人工智能产业人才发展报告（2019-2020年版）》均指出“全国高校要纷纷设立人工智能专业、学院或研究中心；加快引

进国际知名学者参与学科建设，尤其是开展海外并购、股权投资、创业投资和建立海外研发中心；积极促成与企业之间的合作以营造良好的人才发展与培养环境等”。在立足国情的初步探索的基础之上，结合人工智能应用于高等教育领域所遇到的新问题，我国人工智能赋能高等教育政策由“本体化初探”转变为“本土化深探”。政策主题由“人才”变成了“人才培养”且“重大”“领域”“应用”亦成为了这一类型政策（第二类政策）的关键词。以“借鉴与探索”为特征的政策只单独提及了运用人工智能技术为高校培养人才助力，未紧密联系政策的客观实际，对于技术赋能人才培养的相关内容表述也过于笼统，未明确交代“人工智能技术如何赋能人才培养”“人工智能为高校培养何种人才赋能”等重要内容，与其相比，这一类型人工智能赋能高等教育政策较深度地结合了我国的国情，回应了我国所面临的重大科研领域被“卡脖子”等问题[27]，即着眼于国家发展的实际，运用人工智能优化人才培养环境，着力培养事关国计民生领域的拔尖创新人才。

政策工具层面，这一类型政策的政策工具占比变化较大，其中，供给型政策所占比例有所下降，从51.9%下降至40.3%，具体表现为人工智能赋能高等教育的政策中减少了师资建设、财政支持这两个方面的内容；环境型政策所占比例略有下降，从33.3%降至31.2%，具体表现为减少了与制度标准相关的内容。需求型政策所占比例有所上升，由14.8%上升至28.6%，具体表现为增加示范工程、对外交流、校办企业、购买服务这四个方面的内容。例如，在《2019年教育信息化和网络安全工作要点》中就明确指出“指导宁夏和北京外国语大学做好人工智能助推教师队伍建设行动试点工作，做好中期评估，及时总结成果，适时在全国层面进行推广”。供给型政策虽具有高强制性，但在实践过程中，亦存在高成本、僵化性等劣势；环境型政策虽具有低成本、高自主性的优势，但也存在效率低的缺陷。[28]随着人工智能赋能高等教育的政策呈现出“深化”的特点，政策的重点聚焦在提供支持环境与培养拔尖创新人才，以上两种政策工具显然无法提供支持，因此，理应增加需求型政策工具的应用，也就是突出作用客体的导向性与灵活性，围绕高等教育内部诸如管理者、教师、学生等各主体个性化需求展开，激发高等教育内部主体的创新活力。

政策评价层面，我国人工智能赋能高等教育政策质量从2017年起处于下滑的趋势，到2018年下滑至最低水平，在2019年出现谷底反弹趋势。人工智能赋能高等教育政策呈现出“调整与深化”的特点，对比上一政策类型，人工智能赋能教育的相关政策缺少参照，对其质量产生一定影响。纵观这一类型人工智能赋能高等教育的政策，其呈现出结构性失衡特点，为引导人工智能赋能高等教育的人才培养职能，侧重突出政策对其的监管、预测、建议、指导与支持，发挥政策的鼓励激励、规范引导、技术创新等功能，同时，也会多制定短期政策增强政策的执行力以实现短期成效，多出台行政法规增强政策的权威性。

（三）融合与转向：2021年至今

随着高等教育进入高质量发展的新阶段，走内涵式发展道路是符合我国具体国情也是我国高等教育转型发展与实现教育现代化的必由之路。[29]在此时代背景下，第三类型人工智能赋能高等教育政策在价值上打破了原有的对立或并列关系，聚焦的不再是单一从“器物”“人”“环境”层面的赋能，也不是三者的机械叠加，而是走向了融合，即围绕“人”本身更替“器物”与创造“环境”，并在融合之中推动人工智能赋能高等教育转向以价值为核心的内涵式发展。

政策主题层面，如图4所示，这一类型的政策词义网络结构较复杂，词频之间的聚合度较高，出现了“融合”“应用”“创新”“发展”的语义簇团，向外延伸的关键词有“应用场景”“自主智能”“科教融合”等概念。结合政策文本，人工智能赋能高等教育政策正以引导教育新基建与教学等培养人工作的融通为重要切入点，聚焦以智能科技助力基础设施建设，实现技术与“器物”的深度融合，着力打造适宜“人”发展的教育环境。例如，《2023智能教育发展蓝皮书——智能技术助推教育数字化转型》“强调为培养人而实现具体应用与高校教学过程形态的改变，包括构造人工智能赋能高等教育的具体应用场景”。同时，这一类型人工智能赋能高等教育政策于工具理性转向至价值理性视角，人工智能赋能高等教育由一味关注怎样赋能高等教育转向为人工智能对高等教育该不该实现这种层次的赋能。例如，学位管理与研究生教育司在2022年印发《人工智能领域研究生指导性培养方案（试行）》，就明确提出要“有序推动人工智能高端人才队伍建设”，显然，在人才队伍的建设中增加了“有序”这一限定词。

政策工具层面，与前两类政策相比，第三类政策工具仍然主要集中在供给型政策工具上，占比高达67.5%。聚焦其子维度，使用最多的是人才培养（占比21.3%），紧随其后的是师资建设（占比17.7%）和组织建设（占比16.9%），结合该时期《关于开展人工智能助推教师队伍建设行动试点工作的通知》《教育部 2021年工作要点》等政策文本，可发现，人才培养和师资建设在赋能过程中发挥着统整各主体行为的关键作用，通过加强交叉学科人才培养、提升教师技术素养与应用能力等方式[30]，推动人工智能与高等教育的深度融合；组织建设主要是通过一系列“保障机制”“创新交叉融合机制”“政企校企合作机制”“上下联动机制”等，对赋能过程中的行为过程进行规范，确保人工智能赋能高等教育的融合发展。在此阶段，为实现人工智能赋能高等教育的内涵式发展，需求型和环境型政策工具次级维度的占比情况有所变化。其中，次级维度“评估监测”“制度标准”使用占比较高（占比为14.1%、12.4%）且相较前两类政策上升幅度较大，具体表现为制定具体的价值标准，将人工智能技术应用于高等教育的教学与管理之中，如用人工智能进行教学过程监测、学情分析和学业水平诊断，确保价值标准落实到位。

政策评价层面，经计算，由表7所示，相较于前两类政策，第三类政策PMC指数值最高（PMC指数为7.67），这与政策呈现“融合与转向”的特点密切相关，以“政策内容”为例，对比前两类政策（PMC指数分别为0.65、0.66），这一类政策在“政策内容”维度的得分为0.87，表示这二十份人工智能赋能高等教育政策内容较为全面和丰富，涵盖范围广阔。究其原因，为满足融合一切高等教育要素赋能人的发展与落实人工智能赋能高等教育的价值要求，需要政策给予全方位的引导，诸如人才培养、资源共享、组织建设等方面应尽可能包含在内。

四、未来展望

（一）政策主题维度：走向“系统联动与适切预判”

政策主题是衡量政策“做了什么”的重要指标，通过上述分析可知，人工智能赋能高等教育的政策主题呈现出职能指向偏颇、范围向度窄化的显著特征。鉴于此，为了推动未来人工智能在高等教育领域的深度融合与发展，相关政策需逐一攻克上述难题，具体如下：

其一，统筹高校关键职能，培养技术协同赋能优势。高校肩负着人才培养、科学研究、社会服务、文化传承创新、国际交流合作的重要职能。[31]厘清人工智能赋能高等教育的政策脉络，发现人工智能赋能高等教育在五大职能上存在顾此失彼、机械割裂的问题，各类政策均侧重于赋能人才培养职能，而对其他四大职能的关注相对较少。由此，应充分考虑并平衡这五大职能，发挥各职能之间的协同效应。具体而言，人工智能赋能高等教育政策要以人才培养、科学研究与社会服务的基本职能融通为重要切入点，聚焦以高科技引领时代高层次人才、以原创性倒逼国家战略科技自立自强、以组织性助推高等教育产教融合的综合战略发展格局。此外，人工智能赋能高等教育的相关政策亦要以文化传承创新和国际交流合作为关键突破口。鼓励营造共生共创开放性教育文化氛围，充分发挥智能化数字化资源的优势，进一步加强开放与共享的力度，建立跨国跨区跨校高等教育数字化组织，在建设、使用、学习方面积极探索跨国跨区跨校的合作交流方式，努力构建利益共同体，扎实推进“一带一路”教育行动，为国际教育交流合作贡献中国智慧、中国方案，推动世界范围内人工智能赋能高等教育的开放共享、协作创新之路越走越宽阔。

其二，及早预判适切范围，确保技术运作维持合理阈限。适切性（relevance）这一概念越来越多地被用到教育领域，指“教育发展与社会及个体发展的协调及契合程度”[32]。人工智能赋能高等教育的适切性是指人工智能技术在高等教育领域的应用在“人”“器物”“生态”层面是否相通共契。通过对政策文本的分析，有关赋能的适切性仅出现在第三类政策中，关注的是“有序的人才队伍建设”“形成规范有活力的人才培养环境”，它们均是指向“人”层面的适切性审视。面向未来，要深刻把握人工智能赋能高等教育的价值旨归，及早对赋能的适切性进行科学的预判。一方面要把握预判时机，及时对人工智能赋能高等教育的适切性进行预判。在新一轮科技革命和产业革命的纵深发展下，人工智能技术正引领我们进入人机协同、跨界融合、多元发展的新时代[33]，应抓住历史机遇，超前布局，以更高瞻远瞩的历史站位全方位布局预判人工智能赋能高等教育中可能出现的问题和挑战。另一方面要厘清适切范围，发挥政策合理调配资源的导向作用。基于现实情况，要积极探索人工智能赋能高等教育在“器物”和“生态”层面的契合范围，深入了解人工智能技术在高等教育中的应用场景和潜在优势，加强人工智能赋能高等教育基础设施和资源建设，打造跨国界、跨领域、跨学科的人工智能赋能高等教育服务平台，以实现人工智能赋能高等教育技术的多样化嵌入与补充，协同发力打造强器物。

（二）政策工具维度：朝向“调整结构与凸显价值”

政策工具是衡量政策“如何去做”的重要指标，纵观使用政策工具的变化，正如研究结论所述，当前人工智能赋能高等教育的政策过度依赖于供给型政策工具，过分强调政府通过供给端的政策举措来驱动整个发展进程。因此，面向未来人工智能赋能高等教育的政策需要调整工具分布的整体结构，平衡不同利益主体，凸显综合价值导向。具体分为两个步骤进行：

一方面，合理调整政策工具的整体结构。当前我国人工智能赋能高等教育政策以供给型政策工具为主，侧重于政府主导且长期依赖单一的政策工具，将会导致政策内容被片面强化，政策发展动力不足，从而形成政策工具的应用障碍。因此，面向未来，需增加需求型、环境型政策工具，强化不同政策工具的组合。尤其是兼顾多方政策主体的切身利益，具体来讲，一是政策制定者应该减少对具有行政管控色彩的政策工具的依赖，充分考虑各个利益相关群体的权益诉求，包括政府人员、行业企业人员、高校师生、社会公众等。二是更加关注行业企业的发展运营困境，通过税收优惠、产业升级、跨学科交叉的产学研用等政策工具发挥自身作用。三是重视社会力量的作用，积极运用评估监测等政策手段，鼓励社会力量参与数据驱动和智能预警的高等教育管理。

另一方面，加强政策工具使用的伦理审思。人工智能与高等教育的融合会改变社会契约、缔造新型社会关系，进而引发道德关系、价值等的变化。面向未来，需注重对政策工具价值伦理进行反思，确保政策的公平性和可持续性。在设计和选择政策工具时，政策制定者应该注重对政策价值伦理进行反思，以及是否维护了社会保障类政策资源的公平正义。围绕人工智能赋能高等教育政策的价值伦理，对政策工具进行合理的价值定位、优化组合和创新，为人工智能赋能高等教育领域提供长久发展动力。

（三）政策质量维度：迈向“衔接匹配与丰富翔实”

政策评价是衡量政策“做得如何”的重要指标，如图5，取三种类型政策PMC指数模型的一级变量平均值，根据公式（3）进行绘图，构建PMC立体曲面图，曲面的起伏程度直观反映人工智能赋能高等教育政策的各个维度的优劣程度（由左至右依次为第一、二、三类型政策）。本研究发现，当前人工智能赋能高等教育的政策之间存在衔接不够紧密的问题，政策内部也存在显著的“留白”和“漏项”现象。因此，面向未来，我们应对政策进行如下调整：

加强人工智能赋能高等教育政策间的有效衔接和系统匹配。从PMC 曲面的凹陷面来看，在“政策工具”“政策评价”等维度上，三种类型政策凹陷度灰值出现明显的高低起伏，尤其是第二类政策等高线鞍部灰度出现了多次极端峰值。以上结果反映了三种类型政策体系间存在一致性不足和衔接性不强的问题。面向未来，要打好“横纵组合拳”，合力促发展。在横向层面上，要与多部门密切协作，立足顶层设计，积极推动国家发改委、国家网信办、科技部、工信部等多个部门与高校的密切合作，着眼不同政策制定部门间相互沟通协调情况，形成有效多元战略伙伴，以提高人工智能赋能高等教育的质量。在纵向层面上，加强与各地方联动，在国家层面政策的相关内容及指示精神的基础上，进一步完善地方层面的政策内容，增强政策的完备性。同时，遴选出一批具备条件的地区，开展“智慧教育示范区”“示范性人工智能学院”“高等学校智慧校园示范项目”建设，加强上级宏观指导、统筹协调和督促落实工作，增强地方政策与上级政策的衔接性。

兼顾人工智能赋能高等教育政策内容的全面丰富和具体翔实。通过分析PMC曲面特性，发现“政策内容”这一变量发生较明显的凹凸变化，尤其是第一类政策较少涉及“监管落实”，造成政策内容直触凹陷面的最深处。鉴于此，要面向未来打出“点面连环招”，以协同提升效力。着眼于点，具体翔实，充分结合宏微观视角，充实政策依据，完善政策执行具体措施。各执行部门在为人工智能赋能高等教育提供宏观指导的同时，更应结合实际情况，制定政策执行细则，提升政策可操作性，确保其真正落地并发挥实效。立足于面，全面丰富，人工智能技术迅猛发展，科技环境的不确定性波动为其带来了新的挑战与机遇。同时，高等教育进入高质量发展的新阶段，伴随而来的是人工智能赋能高等教育政策关注点的持续转变和需求的多样化。为确保政策的科学性、及时性和系统性，亟需建立一套对政策整体性、系统性评估的机制。当前，人工智能赋能高等教育要兼顾发展与安全，重视防范风险与包容、审慎相平衡，从而更好地赋能高等教育高质量发展。

注释：

①为确保政策文本的代表性及搜索结果的精准性，避免无效或无关的政策内容混入，须遵循以下标准对原始政策文本进行二次筛选，筛选条件如下：一是发文主体为我国中央政府权威部门，以确保政策文本的权威性和代表性；二是政策内容与我国高等教育建设密切相关，而不是笼统地提及，具体而言，如果该政策只是部分内容涉及人工智能赋能高等教育，仅需将高度符合的条款挑选出来进行归纳统计；三是政策文件类型为通知、意见或办法等，以筛选出最具指导性和实用性的政策文本；同时剔除基本均衡、细分专项领域、评估标准和回复、转发类政策文本。

参考文献：

[1]管佳，韩婷芷，徐国兴.人工智能技术赋能我国高等教育拔尖人才培养[J].中国电化教育，2022（10）：97-101.

[2]兰国帅，杜水莲，宋帆，等.生成式人工智能教育：关键争议、促进方法与未来议题——UNESCO《生成式人工智能教育和研究应用指南》报告要点与思考[J].开放教育研究，2023（6）：15-26.

[3]陈林.人工智能技术赋能大学治理现代化的机理、挑战与应对[J].现代教育管理，2023（11）：13-25.

[4]曾荣光.教育政策研究：议论批判的视域[J].北京大学教育评论，2007（4）：2-30+184.

[5]王大泉，卢晓中，朱旭东，等.什么是好的教育政策研究[J].华东师范大学学报（教育科学版），2018（2）：14-28.

[6]李冀红，万青青，陆晓静，等.面向现代化的教育信息化发展方向与建议——《中国教育现代化2035》引发的政策思考[J].中国远程教育，2021（4）：21-30.

[7]靳玉乐，何云峰，龙宝新，等.笔谈：新时代中西部高等教育振兴的攻坚策略[J].现代大学教育，2022（2）：22-41.

[8]高金岭，刘婷.我国高等教育科技创新政策演进研究——基于1987-2022年《教育部工作要点》政策工具的文本分析[J].清华大学教育研究，2023（5）：56-68.

[9]王建梁，王秀文.印度未来20年教育发展的战略指引——基于对印度《国家教育政策（2020）》的分析[J].清华大学教育研究，2021（2）：106-116.

[10]苏丹妮，皮思斯，奉国和.我国人工智能政策语义、主题特征与演化研究——基于政策文本的量化分析[J].文献与数据学报，2023，5（4）：16-29.

[11][14][15]孙聘，蒋宇.我国智能教育政策十年回顾与反思[J].现代教育技术，2022（12）：68-75.

[12]涂端午.论理论导向的教育政策分类[J].现代大学教育，2007（5）：35-40+110.

[13]THELEN K.Historical lnstitutionalism in Comparative Politics[J].Annual Review of Political Science，1992（2）：402.

[16]张涛，马海群.中国人工智能政策主题热点及演进分析[J].现代情报，2021（11）：150-160.

[17]KUANG B，HAN J，LU X H，et al.Quantitative Evaluation of China’s Cultivated Land Protection Policies Based on the PMC-Index Model[J].Land Use Policy，2020，99（1）.

[18]ROTHWELL R.Reindustrialization and Technology：Towards a Natioanal Policy Framework[J].Science Public Policy，1985（3）：113-130.

[19]臧维，张延法，徐磊.我国人工智能政策文本量化研究——政策现状与前沿趋势[J].科技进步与对策，2021（15）：125-134.

[20]张琳，李慧，吴春林.基于PMC指数模型的专业学位研究生教育政策文本量化评价[J].研究生教育研究，2023（3）：75-84+97.

[21]王建华.高等教育如何应对工作世界的变革[J].现代大学教育，2023（3）：1-9+112.

[22]肖鑫，王以宁，李晓航.美国信息技术素养教育发展政策的经验与启示——基于政策工具与技术标准化生命周期理论二维框架分析[J].现代远距离教育，2019（4）：68-76.

[23]杨晓宏，李肖锋，马娟，等.政策工具视角下的省级基础教育信息化政策文本分析[J].现代教育技术，2023（6）：64-72.

[24]HASHIM M，TLEMSANI l，MATTHEWS R.Higher Education Strategy in Digital Transformation[J].Education and Information Technologies，2021（3）：3171-3195.

[25]徐献军.具身人工智能与现象学[J].自然辩证法通讯，2012（6）：43-47+126.

[26]张异宾.扎根中国大地创一流[J].中国高等教育，2017（20）：28-29.

[27]吴朝晖.加快培养能够解决“卡脖子”问题的创新型人才[J].中国高等教育，2021（12）：7-8.

[28]赵宏，王小凯，朱生营，等.政策工具视角下高等继续教育政策文本分析[J].现代远程教育研究，2021（6）：84-93.

[29]续梅.以高等教育数字化转型推动教育强国建设[J].国家教育行政学院学报，2023（10）：15-22+52.

[30]魏饴.地方本科高校转型发展：历史演进、职能重构与机理审视[J].大学教育科学，2016（2）：28-32.

[31]崔丹.基于权变管理理论的高等函授教育质量管理探究[J].中国成人教育，2018（21）：50-53.

[32]巫锐，陈正.德国高校助推人工智能国家战略：目标使命与行动举措[J].高校教育管理，2023（5）：90-98.

[33]逯行，黄荣怀.智能时代的教育改革：教育社会实验的演化及其价值回应[J].清华大学教育研究，2022，43（1）：42-54.

（责任编辑黄铭钊）