人工智能視閾下教育治理的技術功用與困境突破

侯浩翔 鐘婉娟

[摘? ?要] 人工智能是歷經多次產業革命和長期技術積累的共同成果，具有技術優勢與社會屬性高度融合的典型特征。通過分析人工智能的意涵與技術進路，得出借助于機器學習、專家系統和人機交互等關鍵技術，能夠實現教育治理信息篩選與情境再現、系統識別應答復雜教育情境、神經網絡模擬輔助教育治理決策行為。但因與傳統的教育治理體制機制不相適應，使得教育治理面臨著多元主體“功能性”缺位、垂直單向的組織結構“能動性”不足、治理思維認知與行動方式的“阻滯性”、治理制度“規制性”和倫理道德“規范性”缺失等現實困境。為破解這些難題，提出明辨多元治理主體權限，優化治理組織架構，推進治理理念與行為建設，尤其關注重構監督機制及倫理道德等因應策略，為實現教育治理智能化和現代化提供支撐。

[關鍵詞] 人工智能; 教育治理; 算法; 大數據; 決策

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、問題的提出

人工智能作為新一代產業變革的核心驅動技術，匯集了大數據、云計算、腦科學、超級計算等新興技術和理論成果，展現出在智能決策、深度學習、情感計算等領域的獨特優勢。基于大數據分析的機器視覺、語音識別和自然語言處理顯現出其智能效力，結合主觀經驗智慧輔助社會治理，具有技術優勢和價值判斷高度融合的特性。2017年7月，國務院印發的《新一代人工智能發展規劃》提出，“加快人工智能深度應用”，促使“社會治理智能化水平大幅提升”;對于智能教育而言，能夠利用人工智能技術助推人才培養方式的改進，促使智能學習和交互學習方式發生系統性變革，這必然為教育治理提供新的技術手段。2018年4月，教育部印發的《高等學校人工智能創新行動計劃》倡導，“利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升”，并將其置于“實現教育現代化不可或缺的動力和支撐”的重要地位。就其具體實現過程而言，更有必要探究人工智能應用于教育治理進程中依循了何種技術進路;人工智能所具備的深度學習自主建模能力、模擬人類決策的專家系統以及人機交互的情感理解和表達能力，將為教育治理信息輸送、復雜情境識別、決策方案制定提供什么樣的路徑支撐;而由于治理體制機制的不適應，人工智能視閾下的治理主體、治理結構、治理能力和治理制度倫理可能面對哪些困境。據此提出利用人工智能技術推進教育治理現代化的因應策略。

二、人工智能的意涵與技術進路

早在1950年，計算機領域的先驅圖靈（A.M .Turing）在《計算機與智能》一文中提出，測試機器是否具有人類智能的“圖靈測試”，“需要考慮的是機器能否像人一樣具備行為表現與經驗觀察的能力”[1]。1956年，約翰·麥卡錫（John Mc Carthy）等人在美國發起的“達特茅斯夏季人工智能研究項目”，第一次提出人工智能（Artificial Intelligence）的名稱并驗證了計算機能夠像人一樣解決抽象任務，標志著人工智能的正式誕生。歷經20世紀70年代的低谷，再到90年代的回暖，到21世紀初，人工智能在深度學習、認知科學和大數據分析等領域取得突破性進展，人工智能對于生產生活及社會治理產生變革性影響。在對人工智能的理解上，諸多研究將其歸類為弱人工智能和強人工智能，弱人工智能主要是以記憶存儲和傳感的方式，實現一般的圖像識別或信息判斷的功能;強人工智能則是指智能機器具備了自主學習和自適應特征，可以模仿人類的獨立感知、判斷理解的學習能力，為人們的決策提供綜合智能依據。事實上，人工智能是借助優化算法、大規模數據分析技術以及高性能計算系統，賦予計算機邏輯判斷、感知推理和獨立判斷能力，在特定輸入條件下進行認知學習以及決策執行的智能活動。

人工智能應用于教育治理的關鍵技術可分為機器學習、專家系統和人機交互，對于提升教育治理的智能化水平具有重大意義。第一，機器學習是為應對海量數據深度挖掘與明晰數據分析規則，自行模擬人類決策活動而衍生的分析技術。伴隨著機器學習在理論、算法和應用方面取得的快速進展，基于人工神經網絡的深度學習已成為大數據分析和人工智能研究領域的熱點。深度學習作為一種高效的特征提取機制，通過海量的數據訓練并構建類似于人腦的分層模型結構，對輸入數據逐級提取從底層到高層的特征，能夠建立從底層信號到高層語義的映射關系[2]。深度學習所具備的自主學習與建模推廣能力，使其在教育教學、決策管理中的自然語言處理、圖像識別及語音識別等方面具有優勢。第二，專家系統涉及運用具體邏輯規則的發展來模擬人類專家的決策過程，該過程中的重要組成部分需要領域專家與知識工程師的合作，如教育研究人員與工程師合作編輯決策規則[3]。具體而言，知識工程師通過知識獲取方式，將特定領域中專家提供的知識，采用知識表示技術編輯或自動生成某種特定表示形式存入知識庫中;用戶借助數據采集系統或人機交互接口，輸入信息并從推理結構控制知識庫及整個系統中獲取問題求解結果。第三，人機交互即是指通過連接一系列傳感器，諸如麥克風、相機或皮膚導體設備，賦予計算機類似于人類的表達、理解并生成各種情感特征的能力。情感計算是人機交互技術的新突破，目的在于使計算機在與人類的交互中具有智能和敏感的能力，其研究過程包括了情感信號的獲取、情感信息的分析與識別、情感信息的理解與表達。在情感計算的最終階段，則是對檢測到的情感狀態用一種或多種生理或行為反應體現出來，與實踐中存在特定教育治理需求的用戶展開深層次交流。

三、基于人工智能支持的教育治理功用

20世紀90年代初，為應對政府低效及市場失靈所出現的雙重挑戰，治理理論衍生并引起廣泛的學術討論。治理理論的創始人之一詹姆斯·羅西瑙認為，治理與管理截然不同，治理更側重于多元主體參與的社會權力共享共治，這些主體既包括政府，也涵蓋了非正式機構和市場組織[4]。俞可平指出，治理不僅是一種公共管理活動，也是一項公共管理過程，必要的公共權威、治理機制和管理規則、治理方式是其主要的組成結構[5]。十八屆三中全會以來，推進國家治理體系和治理能力現代化成為深化改革的重要目標。教育治理作為國家治理體系的組成部分，可以將其理解為政府組織、教育市場、社會團體和公民組織共同構成治理主體，基于特定的組織結構和治理能力構成，采用正式或非正式的制度規范進行協商溝通，最終達到善治的目標。在教育治理水平提升的進程中，適當的技術供應成為教育治理現代化的重要支撐。人工智能所特有的智能信息收集與篩選、模糊任務自動識別以及自主判斷決策，對于解決現實教育治理問題具有突出價值。

（一）智能信息篩選與情境再現，化解信息超載與稀缺問題

大數據時代所生成的海量數據與信息洪流，在造成教育治理信息處理的超負荷運行的同時，也由于數據收集、篩選、歸類及分析處理技能的不同步，遭遇了教育治理有效信息稀缺的困境。有限的信息加工能力與知識儲備難以使教育治理主體選擇適當的備選方案，尤其表現在教育輿情分析或網絡民意回應的不足等方面。人工智能在自動化信息處理方面的優勢，為挖掘大數據中有價值的教育治理信息提供了路徑。首先借助智能化搜索引擎，從廣域網絡中檢索主題性關鍵信息，對半結構化或非結構化的教育數據進行自動文本分析，根據教育治理需求展開排序結果;其次可以發揮仿生實驗虛擬情境構建與邏輯推演作用，設定基準函數衡量應對方案的優劣程度，將流程圖或數據表達公式輸入智能處理系統，觀察各類決策方案的可行性與執行價值，做到調整優化教育治理方案、科學評估決策價值的目的。威廉姆森（Williamson）列舉了皮爾森教育公司所開發的學習曲線（Learning Curve）在線學習數據庫，在其中部署了復雜的交互式數據可視化網絡，利用自動算法系統進行數據痕跡跟蹤并輔助學生管理，構建數據與算法驅動的教育治理技術平臺[6]。最后利用專家系統匯聚各種渠道信息的能力，并發揮其推理能力解決診斷、指令性教育治理問題，建構網絡模型預測教育事件走向，結合可視化工具實時呈現網絡輿情發展趨勢，精準識別互聯網群體地域分布、話題演變及擴散效應。

（二）系統識別應答模糊任務，自主適應復雜教育情境

教育治理體系可以視為一個由教育制度為核心的系統工程，該系統既包括以教育制度為導向的教育價值追求，也包括貫徹教育制度的政策行為[7]。在此教育治理體系中，系統與環境相互滲透，內外部社會環境中的數據資料、情報信息交互影響，使得教育治理議題的事實判斷難度加大，參與群體的偏好及價值判斷也難以把控。通過計算機識別系統，輔助人們感知復雜環境中的有效信息，成為人工智能在教育治理系統中發揮作用的重要方式。人工智能識別模式即利用計算機代替人們的感知模式，能夠自適應地調整對外界功能的模擬，使得計算機能夠像人一樣主動接收外部信息、識別并理解周圍環境變化的能力。面對動態的內外部環境，要求智能識別系統能夠分辨相對模糊的自然語言，接收指令并啟動經驗知識引導的啟發式搜索，以及無信息引導的盲目搜索，使用知識的優先關系對復雜問題加以推理求解。在社會治理領域，朱（Zhu）等人利用自然語言處理方法分析海量網絡新聞數據，對關鍵事件進行歸類和分析，實現社會動態的數據可視化捕捉，避免了過于煩瑣的手工查閱和信息提取[8]。人工智能將以更廣泛的人機交互模式代替傳統的臆斷式決策模式，實現文字、圖像、音頻等復雜信息的兼容處理，自動實現有效信息和動作的反饋，為教育治理提供可參考的選擇方案，從而根據指令完成識別模糊情境的任務。

（三）神經網絡模擬人腦運作機理，輔助教育治理決策行為

教育治理議題的復雜化使得依賴于個體和群體經驗的決策機制不再適用，受限于獲取信息的信效度，容易出現忽視教育規律、盲目追求指標達成的現象。而定量決策方法強調對數學模型和技術工具的應用，需要相關主體在理性決策的思維基礎上，提升運用邏輯概念、仿真模型與統計測量的能力，對治理過程中的影響因素及互動機制加以分析、評估和模擬，約束主觀意志的肆意灌輸，最終達到定性資料與定量數據相交融的效果。人工智能以模型分析和深度學習的方式來理清教育治理的多層邏輯，匯總利益群體的情感訴求，預測教育事件事態變化趨勢，成為提升教育治理能力的重要手段。鑒于人工神經網絡的自學習能力，可以不借助專家系統的有限知識庫容，模擬大腦的內在機理與運行機制，自動從已有的實驗數據中總結決策規律。薩米思（Somers）等人引入神經計算范式的自組織映射，用以評估環境壓力所造成的適應性反應與組織治理實踐的非線性關系[9]。因此，憑借人工神經網絡的大規模并行處理與分布的信息存儲能力，無論是定性的還是定量的，教育治理議題都能有效應對，尤其需要利用人工神經網絡處理復雜多維非線性問題的優勢，使其在自組織性、自適應及容錯、聯想、學習方面發揮特長，根據環境條件變化自主決定最優方案，最大程度上模擬和輔助人們的決策行為。

四、人工智能視閾下教育治理的現實困境

人工智能在為教育治理提供技術性支撐的同時，因與現有教育治理體制機制不相適應，產生治理主體、治理結構、治理能力和治理制度倫理等層面的現實挑戰，影響著教育治理體系和教育治理能力現代化建設的正常進行。

（一）多元教育治理主體“功能性”缺位

為應對政府職能擴張、效率低下、權力尋租的“政府失靈”危機，以及市場調節過程中顯現出來的分配不公、外部負效應、行業壟斷等“市場失靈”現象，治理機制應運而生。此時，參與教育治理的主體已不僅僅是政府部門，而是囊括了公民團體、私人部門和非政府組織的多元治理主體。在治理機制中，積極引入第三方力量，并逐步發展成為政府、市場和公民社會三方構成的教育治理主體，形成高效、公平、自由和有序的新型教育格局，實現公共利益最大化的“善治”目標[10]。但理想型的教育治理格局仍與現實操作存在巨大差異，尤其表現在人工智能發展背景下，政府關于人工智能教育治理應用的法律法規缺失，科技市場逐利性、侵犯學生數據隱私的案件時有發生，以及公眾參與教育治理能力不足的現狀，實際上表明了現有治理模式的失衡，教育治理主體構成能否應對人工智能技術的發展與沖擊值得深思。首先，教育行政機構必須保障人工智能應用于教育事業的合法性和權威性，發揮“元治理”的作用。根據杰索普（Bob Jessop）對“元治理”的概述，“政府應該承擔設計制度的責任，為各式各樣的組織安排不同目標、空間和時間尺度、行動及所承擔的后果”[11]，因此，政府有必要為人工智能在教育領域的應用設置相適應的遠景規劃、制度安排、倫理規范和技術策略。其次，缺乏規范成熟的市場運行機制，人工智能的持續健康發展難以保障。企業出于逐利的目的，頻繁出現買賣、盜竊師生個人隱私數據的案情;加上人工智能技術實施的法律法規尚不規范，公平競爭的市場氛圍還未形成，導致政府通過公開招標、購買人工智能相關技術服務的體系依舊不完善。最后，就現有的社會組織而言，具備專業化、較成熟的人工智能組織機構仍相當有限，并對政府部門具有很強的依附性和順從性，行政化的職業傾向較為明顯，難以為教育治理提供權威性、高水平和客觀中立的技術服務。

（二）垂直單向的組織結構“能動性”不足

以往的治理結構是以政府為“單中心”的“金字塔式”治理結構，政府通過行政命令來管理社會，表現為“一極的”結構特征。基于完全理性假設、中立人行動假設和一元制權力支配假設的經典科層制模型，具有根據組織目標進行勞動分工以實現專業化生產，遵循等級制原則并建立組織權威，構建穩定的規章制度實現正常的組織運行，賦予成員非人格化的理性特征以達成普適性的用人標準，造就了依照組織層級自上而下式的精密協調與分工，形成各個部門各司其職、各轄其域的組織業態，也導致了部門之間溝通不暢、協調乏力和反應滯后的狀況。這與人工智能背景下的數據開放性、兼容性極不相稱，大規模的數據輸入是維持機器學習的關鍵，通過數據收集、篩選、存儲、分析和挖掘等方式，從海量教育數據中提取有價值的信息，為機器學習提供算法基礎。高速并行數據、海量數據和優化算法共同創設了人工智能的發展環境，以開源的形式將人工智能的算法在平臺上進行公示，吸引更多的人基于不同場景修正完善算法及數據模型。考量當前教育治理結構的表征，科層化的垂直單向組織系統難以適應人工智能時代的教育治理發展，體現在教育行政部門之間獨立運作，使得數據的使用標準與應用格式產生較大差異，缺乏針對不同類型、用途的教育數據所出臺的技術標準，教育各部門之間的數據編碼、共享難以實現。因此，信息系統中的數據無法兼容，“數據壁壘”的現象不可避免，直接導致了人工智能技術發展的受限。就學校內部數據而言，教務處、財務處、人事處等部門之間的數據信息系統也存在軟件使用和標準的差異[12]，基于人工智能算法的課程管理或學生行為分析的功能應用難以落地，阻礙了學校及教育行政部門的整體教育治理能力的提升。

（三）治理思維認知與行動方式的“阻滯性”

教育治理能力現代化是教育現代化的基本保障，意味著在教育治理體系的框架下，綜合運用各項制度法規提升教育治理的水平，將制度優勢逐漸轉化為有效組織協調的能力。在治理主體忽視外在環境的變遷且缺乏革新觀念的境遇中，囿于已有的工作經驗或處理問題的方式，無法實現治理理念、治理行為的現代化轉型，導致治理主體難以理解和執行現代教育制度，造成教育治理行動中的“能力瓶頸”[13]。這種治理理念與治理行為的雙重缺陷，在人工智能技術逐步成熟并用于提升教育治理能力的進程中，將進一步凸顯為認知思維的滯后性與行為的不適當。人工智能的模擬認知流程中匯集了人的思維方式及海量的數據，輔助以概率統計學知識進行推理判斷，進而科學地支配機器行為，實際上是一種辯證的、能動的數據思維方式，囊括了物理機械化運行原理和人類感性、理性的思維認知過程[14]。因此，人工智能應用于教育治理議題，并不能被簡單地理解為一種從現象到本質的推理，而是依據海量的互聯網數據，為實現智能的目標預設理論并進行逆向推理，根據現實情境做出行為調整;技術人員給出的只是算法和學習規則，對于大規模算法訓練背后的神經網絡智能化運行機制，則與技術人員的行為及意志存在一定差異。建立在因果聯系上的傳統教育管理思維，可能不再適用于這種以算法和數據為支撐的智能環境。另一方面，從當前教育公共治理主體的表現來看，無論是教育行政部門，還是辦學主體及社會團體，仍表現出傳統管制型政府模式下的行為方式及角色扮演。尤其是在治理體系中發揮主導作用的教育行政部門，受到“重管理、輕服務”的權威式管控方式的影響，忽視與其他利益主體的協調互動及數據的開放共享，這與人工智能技術發展趨勢下的關聯互通和數據共享極不相稱，必然因技術的膨脹而帶來治理方式上的倉促。

（四）治理制度“規制性”及倫理“規范性”缺失

有效的制度供給是教育治理體系現代化的內在要求，也是決定教育治理體系現代化的關鍵變量。通過制度創新實現制度的現代化，已成為決定中國現代化進程和社會可持續發展的關鍵所在[15]。因此，教育治理現代化的推進，需要探究教育公共治理的體制機制、行動策略與實施準則，特別是在人工智能的發展背景下，必須建立相適應的規制性和規范性要素。參照社會學制度主義研究者的界定，制度不僅包括了正式規則、程序與準則，也包括了為指導人的行為提供意義框架的象征系統、認知模本和道德模板[16]。此處所指的正式制度可理解為規范各利益主體的行為所實施的法律法規、規章制度等有形規則形式，非正式制度則強調社會環境中被集體價值觀和社會文化所認可的倫理規范、文化傳統等內容。在對人工智能技術應用的正式制度安排方面，《新一代人工智能發展規劃》雖提出制定促進人工智能發展的法律法規及社會問題研究，但尚缺乏可操作執行的法律明文，亟須制定相關的信息安全利用、民事和刑事責任認定等法規制度;同時，相較于傳統的監督問責制度，由于人工智能研發具有高度的隱秘性、分散性和不連續性，任何具備技術能力的個人或團體都可以參與到智能產品的研發過程中，政府試圖在事前設立審批程序的監督機制已難以奏效。另一方面，人工智能系統的研發直接關乎道德倫理、人的權利和尊嚴等問題。克諾科維奇（Crnkovic）認為，智能設計的工作核心是將價值標準以及倫理規范嵌套在智能系統的設計之中，使智能系統具備高度“人工道德能力”和自主構建的認知情感[17]。需要認清的是，人工智能通過深度學習和合并算法能夠在極短的時間內精確計算事件的所有可能性，甚至做出超乎人們認知范疇的損害性決策行為。盡管考慮到人工智能深度學習過程的不可預見性，但必須認識到這是由技術開發者編寫的人工智能算法，他們對風險的控制具有相當的決定權。在此影響下，研發者應當承擔什么樣的倫理道德和行為規范，已經超出了現有的教育治理邏輯框架。

五、人工智能時代推進教育治理

現代化的因應策略

人工智能背景下教育治理所面臨的一系列困境，必須重新界定教育行政部門、市場與公共組織治理權限，重塑教育治理結構并推動數據共享，提升教育治理思維水平及決策行為，注重人工智能技術發展的制度與倫理建設，消除教育治理現代化進程中的諸多困境。

（一）明辨多元治理主體權限，協調教育治理格局

人工智能時代的三元教育治理主體模式，離不開教育行政部門與其他治理主體的協同參與，使各個群體采取協商共治、互利共贏的方式解決利益分歧，形成政府主導、市場參與、社會協同的治理格局，提高教育群體應對人工智能技術沖擊的適應性。首先，教育行政部門需要建立健全人工智能技術使用的法律法規和倫理道德框架，明確技術研發主體及產品消費群體的相關責任、權利和義務，展開與教育治理事務相關的師生隱私數據保護、信息提煉分析、民事與刑事責任追究等法律問題研究。明確技術開發人員的行為規范和道德準則，構造相關人員的倫理道德多層次判斷結構及人機協作的倫理框架，圍繞人工智能可能出現的危害加以風險評估，并建立事故問責和追溯制度。2016年，美國政府相繼發布了《國家人工智能發展與研究戰略計劃》和《為人工智能的未來做好準備》兩份戰略報告，對人工智能的法律、倫理標準進行了約束：包括設置公平、透明的設計研發機制，建立符合倫理的行為規范;增強技術的解釋度和可驗證性，保證人工智能的安全性，避免人類受到攻擊。同年，英國發布《人工智能：未來決策制定的機遇與影響》，在報告中英國自視為人工智能領域的道德標準制定的全球領導者，將人工智能的安全管控確立為倫理道德的關鍵點，提出采用制度性檢驗方法保證人工智能算法性能、學習能力和適應能力的倍增，增加計算機算法的透明度來滿足人們對于智能決策行為的監管需求，努力找到數據隱私安全與智能系統正常使用數據的平衡點，并建立人工智能使用的責任承擔和道德標準。這兩個國家對于人工智能法律法規、倫理體系的建構，一定程度上為我國教育治理中的人工智能規則制定提供了參照。其次，發揮市場在人工智能研發推廣應用中的主導作用，加快智能化教育科技成果的商業應用，突出企業在人工智能產品標準和技術發展路徑中的優勢，利用智能技術推動學校教育教學變革、學校治理方式變革以及終身教育定制化發展;以最新人工智能技術平臺推動產學研協同育人，為人工智能領域技術創新、人才培養創設企業實踐平臺。最后，引導社會組織和公民團體積極參與人工智能技術研發、行業標準制定、算法及數據使用的日常監督，給予相應的政策優惠、資金支持來增進社會組織的技術水準和治理能力。三方治理主體的構造目的在于適應人工智能的技術沖擊，形成教育行政部門確立制度標準、科技企業提供技術支撐、社會組織或公眾參與監督的治理模式。

（二）優化治理組織結構，消除數據共享壁壘

作為技術手段的人工智能，只能從效率提升、智能決策的角度改善教育治理，卻難以從根本上修正傳統意義上的行政組織結構和科層化管控的弊端，需要推動組織結構優化與數據共享平臺的同步進行。自主裁量權的下移以及大規模數據集成的特征，使人工智能條件下的權力中樞從過往的行政首腦逐步向技術研發人員、普通個體轉變，教育決策權力的分散化態勢成為必然。相比金字塔式的教育治理機制，扁平化、分散化、網絡化的組織結構將更加適應開源共享的人工智能時代。一方面，應當消除教育行政部門內部數據壁壘，建立數據存儲、開發的統一運作標準，建立共享的數據使用平臺。依托國家教育數據共享平臺，明確教育數據的使用權限和開發流程，遵循分層管理、授權使用的處理原則，整體優化橫向和縱向的教育業務數據，以國家和省兩級單位部署數據管理中心，統一開發從中央到學校的數據應用系統，破除科層壁壘下的數據隔閡;建立大數據人工智能開源軟件基礎平臺和面向人工智能的公共數據資源庫，對算法及平臺安全性能加以測試評估，保證平臺的共享性和可持續性。另一方面，發揮學校在數據收集上的天然優勢，在校內推廣使用兼容的數據信息管理系統，根據群體類別及數據來源進行合并歸類，包括學生的思想品德、學業成就、身心健康、藝術素養和社會實踐等方面的表現，為學生的日常指導提供參照，進而實現綜合素質評價的數據化;積極探索基于人工智能的創新教學模式，創建智能化教學技術與學習過程相融合的智能支持系統[18]，利用人工智能改善教學模式，更新教學內容，提升教學方法技巧，對教學評價進行系統評估和智能反饋，為學情分析、學習過程監測、學業水平診斷提供依據，精準評估教學績效，從單向性的知識灌輸發展成為注重發揮學生潛能及創造力培養的教學轉變[19];整合學校治理系統，適應人工智能環境下的組織架構和服務模式變革，優化校內數據系統的兼容性及銜接性，培養師生的數據意識、數據能力及數據使用倫理道德，提高智能校園建設的數據質量，全面提升學校的個性化服務和精準化治理水平。

（三）依托溯因式思維及行為創新，推進治理能力建設

教育治理能力的提升是教育治理體系現代化的必然要求，反映著教育治理行為的水平和質量，也是檢驗教育治理體系是否科學合理的重要表現。在人工智能逐步與教育實踐深度融合的境遇中，尤其需要注重教育治理能力建設，善于使用制度和法律克服人工智能帶來的教育沖擊。結合人工智能的技術特征，教育治理環境將發生系統性改變，從技術應用、組織運轉模型再到制度規范都異于傳統，而依賴于現有的教育治理理念及行為模式，必將陷于人工智能技術的牢籠，身陷馬克斯·韋伯所描述的“技術知識的囚室”無法超脫[20]。因此，教育行政部門需要明確節點式治理理念，使教育內外系統中的各主體能夠調動技術、知識以及資源的優越性，在治理網絡中參與互動，政府應當樹立“掌舵者”而非“劃槳人”、“裁判員”而非“運動員”的治理角色，處理好與科技市場、社會組織及公民團體的協作關系，為教育治理身份的轉變提供思維動機。基于復雜的系統推理過程，人工智能可以發揮深度學習和神經網絡的自主決策優勢，初步構建理論模型，并模仿人類的思維推理過程，人機交互式、群體參與式的智能控制決策系統將顯著優于單一主體式決策思路。為保證節點治理的有效性，必須在開放性、包容性的治理理念下，確保人工智能算法及數據輸入的多樣性，并對多元主體的參與治理提供反饋途徑，實現專業技術知識與外行知識的互補性。因此，基于傳統教育治理理念的演繹推理和歸納總結，將會在人工智能的影響下發展為依托數據的溯因式思維模式，更加側重證據意識和理性決策的事實轉化。另一方面，必須實現教育治理能力的行為創新，政府應當扮演協同教育治理的統籌者和建構者，人工智能技術市場則需要專注于智能化產品研發設計的更新迭代，社會組織及公民社會更應該發揮參與決策、過程監督的行為責任。在探索教育治理問題的解決之道時，需要利用掌握的神經網絡機理，結合原理假設建立數據模型，采用經驗智慧和智能決策相結合的治理行為方式，最大限度地保障人工智能模擬決策主體行為的科學性和人性化。

（四）重構法律監督機制，修正倫理道德建設

制度建設是教育治理體系運作的依據，也是教育治理能力現代化的關鍵要素。蓋伊·彼得斯（Guy Peters）基于理性選擇制度主義的角度，提出“制度可以衍生出可期望結果的預期價值與規則性，進而對制度中的所有參與者產生積極效果;制度也可以進一步明確政策決策的適用范圍，使那些參與者不會被無休止地卷入特定組織的運行范疇”[21]。制度建設是一個消除落后的體制機制的過程，并逐步構建起與時代相適應、與國情相結合、與國際社會先進教育治理經驗相銜接的現代制度體系。人工智能所引發的教育變革，必將對教育治理體系造成一系列技術風險與倫理困境，有必要加強人工智能技術應用在教育治理過程中的制度建設，為其構建合法合理的法律監督機制。人工智能的技術關鍵體現在數據和算法的集成上，再輔助以高性能硬件組成的計算能力，如何對算法的規則制定和數據的提取分析加以監督，就成為人工智能發揮教育治理功效的邏輯所在。不同于以往的技術革命，人工智能程序開發人員掌握了相當的自由裁量權，技術門檻的抬高一定程度上造就了組織結構中分散決策權力的后果，但這種授權行為也必然帶來控制和監管的局限性。從監督者的角度來看，人工智能本身并不是難以處理的主體，難以監督的是技術的研發與迭代處理。根據阿西莫夫（Asimov）的機器人三定律，對人工智能技術研發設置事前備案、事中授權、事后懲處的監督機制則較為合理[22]。事前備案即技術開發者在設計人工智能系統之前，必須向有關信息監管部門或教育行政部門備案，承諾該智能系統不會侵犯師生等相關群體的合法權益，保證算法的編制及機器的智能決策行為不存在違法犯罪的情況;事中授權則是由政府授權給專業檢測部門，對人工智能應用在教育領域可能出現的風險加以系統性評估，并調整防范措施及約束引導策略，加強人工智能企業或團隊的資格審定、安全認證和數據合法性評判;當人工智能應用出現危害教育利益主體及違法行為時，應當由政府監管部門采取責任懲處措施，追究相關責任人是否存在暗箱操作、竊取隱私數據等違反道德倫理等行為，并為其他教育組織群體提供思想觀念及文化理念上的知識更新，消除人工智能應用于教育治理過程中的倫理誤區和道德薄弱意識。

[參考文獻]

[1] TURING A M. Computing machinery and intelligence[J]. Mind， 1950， 59（236）：433-460.

[2] 余凱，賈磊，陳雨強，等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，50（9）：1799-1804.

[3] 雷·庫茲韋爾.奇點來臨[M].李慶誠，等譯.北京：機械工業出版社，2011：160.

[4] 詹姆斯·羅西瑙.沒有政府的治理[M].張勝軍，譯.南昌：江西人民出版社，2001：55.

[5] 俞可平.治理和善治：一種新的政治分析框架[J].南京社會科學，2001（9）：40-44.

[6] WILLIAMSON B. Digital education governance： data visualization， predictive analytics， and “real-time” policy instruments[J]. Journal of education policy， 2016， 31（2）：1-19.

[7] 陳金芳，萬作芳.教育治理體系與治理能力現代化的幾點思考[J].教育研究， 2016（10）：25-31.

[8] ZHU B， WANG Y， HE C L. Global social event extraction and analysis by processing online news[C]// International Conference on Information System and Artificial Intelligence. New York：IEEE， 2017：73-76.

[9] SOMERS M J， CASAL J. Introducing neural computing in governance research： applying self-organizing maps to configurational studies[J]. Corporate governance： an international review， 2017， 25（6）： 440-453.

[10] 褚宏啟.教育治理：以共治求善治[J].教育研究，2014（10）：4-11.

[11] 鮑勃·杰索普， 漆蕪.治理的興起及其失敗的風險：以經濟發展為例的論述[J].國際社會科學雜志，1999（1）：31-48.

[12] 王戰軍，肖紅纓.大數據背景下的院系治理現代化[J].高等教育研究，2016（3）：21-27.

[13] 劉金松. 大數據應用于教育決策的可行性與潛在問題研究[J]. 電化教育研究， 2017（11）：37-41，73.

[14] O'LEARY D E. Artificial intelligence and big data[J].IEEE intelligent systems， 2013，28（2）：96-99.

[15] 俞憲忠.制度現代化解構[J].天津社會科學，2002（5）：78-83.

[16] HALL P A， TAYLOR R C R. Political science and the three new institutionalisms[J]. Political studies，1996，44（5）：936-957.

[17] CRNKOVIC G D， ？覶？譈R？譈KL？譈 B. Robots： ethical by design[J].Ethics and information technology，2012，14（1）：61-71.

[18] 鐘紹春， 唐燁偉. 人工智能時代教育創新發展的方向與路徑研究[J]. 電化教育研究， 2018（10）：15-20，40.

[19] 袁振國.人工智能的時代，依然會有詩和遠方[J].華東師范大學學報（教育科學版）， 2017（5）：27-29.

[20] 烏爾里希·貝克，安東尼·吉登斯，斯科特·拉什，等.自反性現代化[M].趙文書，譯.北京：商務印書館，2001：74.

[21] 何俊志，任軍鋒，朱德米.新制度主義政治學譯文精選[M].天津：天津人民出版社， 2007：77.

[22] 袁曾.人工智能有限法律人格審視[J].東方法學，2017（5）：50-57.