技術賦能教育高質量發展：人工智能、區塊鏈和機器人應用前沿

袁 磊 張淑鑫 雷 敏 覃 穎 張文超

(廣西師范大學 教育學部，廣西桂林 541004)

一、引 言

2020年初，當各國關閉學校以應對新冠肺炎疫情時，學習變得數字化。此后一年，教師、學生和學校管理人員完成了數字教育的集體速成班。這也帶來了許多負面影響。比如，技術與學習的分離導致技術層面的學習個性化無法真正落實；以數字技術為核心的世界產業結構的變化對人才培養提出了新的要求等。如何解決這些難題，創建數字化背景下的高質量教育？人工智能、學習分析、機器人等技術如何改變教育？OECD發布的《數字教育展望2021：人工智能、區塊鏈和機器人應用前沿》報告討論了這一系列問題，并著重探討了智能技術如何改變課堂教育以及教育組織和系統的管理。該報告深入挖掘智能技術的有益用途，如實現學習個性化、支持有特殊學習需求學生的學習以及利用區塊鏈進行文憑認證，并展望了后續研究面臨的挑戰和機遇。這些技術為教師、決策者和教育機構提供了實現教育數字化的途徑，優化了教育的公平性和包容性。與其他領域一樣，數字化正在改變教育。數據越來越多地用于管理教育系統，以制定針對性政策和推動創新。人工智能驅動的技術設備和解決方案越來越多地用于輔助教師或學習者在家學習。教育技術公司正在開發一系列新的解決方案。教育的傳授和體驗方式可能很快就會發生變化。這就帶來了新的機遇和挑戰，因為教育政策制定者和利益攸關方必須利用技術改善或改變教育。

數字化為教育提供了更多可能。教育一直都有豐富的數據，如成績或學生曠課的信息，但如何利用數據幫助學生更好地學和教師更好地教，以及幫助教育行政部門決策提供信息卻少有提及(OECD 2021)。教育與技術的關系一直困擾著眾多學者和一線工作人員。OECD發布的《數字教育展望2021：人工智能、區塊鏈和機器人應用前沿》報告概述了數字技術的機遇與挑戰和最新的智能技術解決方案后，重點介紹了智能技術如何改變課堂教育，支持教育組織和系統的管理。

《中國教育現代化 2035》行動綱要指出，教師隊伍建設、教育信息化是推進教育現代化的有力支撐。基于這一精神，我們要積極應對信息化對教育提出的新要求，力促課程、教材、教育教學與信息技術有效整合，線上教育線下教育融合發展，提高教育質量；要充分運用信息技術手段開展高質量的師資培訓，不斷提升我國師資隊伍整體水平；運用大數據助力教育評價改革，引領教育科學發展，為整體提升教育質量提供保障(管培俊，2021)。本文結合OECD報告，提出要發揮制度和技術優勢，借力教育信息化，為人工智能時代的教育助力增益、賦能增效，為發展更加公平更高質量的教育作出新的貢獻。

二、技術賦能學生學習：個性、公平、包容

(一)自適應學習技術：促進個性化學習

自適應學習技術，如智能輔導系統，能夠使用智能方法實現學生學習的個性化。該系統通過檢測學生的知識或知識差距，為其診斷學習的適當步驟；分析數據，診斷學習者的當前狀態并預測未來發展；智能輔導系統為學生選擇適當的行動，如提供新的練習、新的課程單元或某種指導。這不僅能幫助學生獲取知識，還能糾正學生的行為。

1.檢測:跟蹤學習者及學習環境

智能跟蹤學習者及其環境的能力正在逐步提高(Baker et al.，2014)。學習者之間存在很大差異，這些差異被認為是個性化學習的指標(Azevedo，2019)。使用技術跟蹤學習者的學習數據一直是研究的重點，同時，不同的數據源越來越多地被用來理解學習者的特征。這些多模態數據源可以被概念化為生理、行為和情境數據。

生理數據表明學生在學習過程中的身體反應，如通過心率、電子皮膚活動、血量脈搏、皮膚溫度和面部捕捉軟件評估學習者的狀態，行為數據檢測學生學習行為。數據獲取的一個重要來源是日志，另一個來源是鼠標移動和鍵盤輸入。這些數據列出了毫秒級的學習者-技術交互序列，留下了學習技術的活動軌跡。眼球運動表明能體現學習者學習過程的關注點，并可用于檢測學習的注意力分配、多媒體資源的觀看等(Mudrick et al.，2019)。可佩戴眼睛跟蹤器可以評估學生學習過程中與物理物體的互動和社交互動。此外，特定的眼睛跟蹤數據，如瞳孔放大和眨眼行為，與認知負荷和情感狀態相關。情境數據來自于學習者與學習環境的學習技術、人和資源的互動。語音和視頻記錄包含學習者如何與環境互動的數據。這些數據雖然可以對學習過程進行深入分析，但它們主要依賴于研究人員對數據的編碼、評分、注釋、理解和解釋。

因此，多模態數據源可用于推進學習者及環境的跟蹤，這是自適應學習技術應用促進學習個性化的關鍵。

2.診斷:評估學習者的當前狀態

下一步是分析數據，診斷學習者的當前狀態并預測未來發展。特定技術可以對學習和發展的重要特征進行評估。自動語音識別技術可以持續檢測學生如何學習閱讀，可以分析兒童閱讀中能正確識別的字母，分辨不同單詞的速度等。基于這些特征，系統可以診斷兒童閱讀能力的發展，并支持學生個性化學習。除了語音識別，眼睛跟蹤數據也可以用來診斷學習者的閱讀發展能力。

同樣，學生書寫技能的發展，甚至書寫困難學生的技能發展也可以得到診斷(Asselborn et al.，2018)。阿瑟伯恩使用平板電腦和數字筆衡量學生的寫作技能，記錄與書寫發展軌跡相關的重要特征，如書寫力度、筆壓和筆傾斜。該方法可以提取多達56個與學生寫作技能相關的特征，而這些特征可以轉化為寫作練習的輔導。

由此可見，人工智能技術和特定診斷工具的開發，有助于提高理解學習者和預測其未來發展的能力。這是自適應學習技術應用邁向學習個性化的第二步。

3.行動:選擇適當的行動

最后一步是學習者診斷，并將其轉化為優化學習的行動。自適應學習技術調整時，通常會采取三種行動：第一種是分步式。在這種類型中，反饋根據學習者需求定制。學習者會收到詳細的反饋，說明如何采取解決問題的特定步驟；第二種是任務類。智能技術依據學生對先前問題的回答，為他們提供與當前知識庫相適應的問題；第三種是課程類型。教學主題的組織根據學習者調整。這需要深入選擇適合學生發展軌跡的主題。例如，上面描述的閱讀示例，其中調整是由閱讀發展的廣泛知識驅動的。這是自適應學習技術應用邁向學習個性化的最后一步。

總之，使用自適應學習技術的個性化學習是指教育越來越適應個體學習者需求的趨勢(Aleven et al.，2016)。當學習環境適應學習者需求時，每個學習者的天賦都可以得到優化(Corno，2008)。傳統課堂上，所有學生學習相同的課程，接受相同的指導，完成相同的任務，并在很大程度上獲得相似的反饋。這種“工業”教育模式受到了廣泛的批評，而技術發展可以支持學生學習向更個性化學習轉變。

(二)整體智能系統設計：推動全納教育發展

2000年，國際經合組織估計，約15%至20%的學生被認為有特殊教育需求(OECD，2000)。隨著對兒童殘疾認識的不斷深入，人們發現兒童身體殘疾的比率雖然有所下降，但發育殘疾的比率顯著增加(Zablotsky et al.，2019)，有特殊教育需求的學生數量可能更多(Houtrow et al.，2014)。據估計，發育殘疾的問題已經影響了美國17.8%的兒童(Zablotsky et al.，2020)。世界衛生組織的數據表明，在教育方面，殘疾兒童與正常發育的同齡人相比處于不利地位。因此，支持有特殊需求的學生與促進教育公平息息相關。

技術能夠為有特殊需求的學生提供支持，使包容性教育成為現實。支持有特殊需求學生的技術可以分為兩類：一類是旨在方便有特殊需求學生獲取課程和參與典型課堂學習活動的技術。這種技術可以讓有特殊需求的學生獲得與正常同齡人相同的課程內容。例如，文本轉語音功能能夠為盲人或視障學生提供接觸同齡人使用的課程材料的機會，使他們更容易在包容性的學校環境中學習；另一類是旨在解決與兒童殘疾相關的問題(通常不包含在標準學校課程內)的技術。這類技術的典型例子是針對自閉癥學生的干預，支持他們社交和溝通技能的發展 (Spiel et al.， 2019)。

但是，為有特殊需求學生提供有效的技術支持是復雜的，因為學生需求會隨時間的推移而變化。基于此，OECD報告提出了相關技術展望。首先，關注整體智能系統的設計。世界衛生組織強調確保殘疾兒童獲得傾聽的重要性，但現實往往并非如此，尤其體現在新技術的設計上(W.H.O,2011)。因此，優先發展“整體智能系統”需要注意滿足用戶的真正需求，為用戶設計，為環境設計。其次，人人共享的智能系統是技術重點。許多輔助技術對公立學校來說非常昂貴，且需要專門的硬件，而在多數情況下，這些硬件只能用于單一的教學目的。共享智能系統是解決這一問題的有效途徑。報告以Dynamico助行器為例，該技術的研究人員致力于共享智能系統的研究，將為建立人人共享的智能系統提供啟示 (Hahn，2019)。最后，人類和人工智能技術的結合會給有特殊需求的學習者提供深度的適應性和個性化學習支持。將人工智能的最新技術及對特殊需求的最新理解嵌入現有的低成本技術，會為全球學習者帶來公平、包容的機會。

(三)自動數字測量方法：提高學生對數字學習技術的參與度

提高學生持續參與學習已成為教育的關鍵目標，原因在于:1)參與是有意義學習的先決條件；2)保持參與涉及認知和社會情感技能，這些技能本身就是學習目標。數字技術的進步，包括先進的數據分析技術和創新的數字學習體驗等，為測量評價、理論發展和教學干預開辟了新的途徑，從而有助于學生持續參與學習活動(OECD， 2021)。

學生參與研究大都集中在課堂和學校的傳統學習上。《學生參與研究手冊》詳細闡述了這些學習環境中和參與相關的系統問題(Christenson et al.， 2012)。隨著移動設備、互聯網和社交媒體的發展，許多學習都通過數字媒體展開。這是一個挑戰，因為學生與數字學習技術互動，通常是孤立的，讓他們參與進來十分困難。例如，傳統的慕課主要由觀看視頻、完成自動評分及在線討論組成，在參與度和退出方面存在大量問題(Yang et al.，2013)。盡管人類教師或專家可以設計協作活動提高參與度，并在參與度出現下降時調整課程，但數字學習技術很難促進和維持所有學習者的有意義參與。即使一種學習技術最初成功地吸引了學生的注意力，但當新鮮感消退、學生陷入困境或最終出現厭倦感時，技術依舊無能為力。在理解參與和增加參與的干預措施方面，科學技術進步受到測量方法的限制。這些測量方法要么成本高昂，要么具有偏見和局限。在數字學習的背景下提高參與度首先面臨的是測量和理論的挑戰，而傳感器等技術的進步有望幫助解決這個問題。

德梅洛團隊提出了以先進性、分析性和自動化為中心的AAA方法(見圖1)。這種AAA方法關注以人為本的參與操作，即關注學習過程中瞬時出現的情感和認知狀態(D’Mello et al., 2017)。AAA測量方法步驟1是記錄信號。當學生在特定學習環境中完成學習活動(步驟1a)，接著根據信號計算表示學習特征(步驟1b)。例如，視頻是個示例信號，其中包含微笑、點頭、皺眉等特征，學生與學習技術的互動模式，即鼠標點擊次數，為學生參與度提供了另一個強有力的信號。在步驟2中，反映參與的各種成分，從學生自身、外部觀察者或通過其他方法獲得心理狀態的注釋。步驟3涉及監督學習，它從傳感器記錄的信號中提取學習特征。學習特征和人類提供的注釋組成計算模型，學習特征又和計算模型組成計算機生成的注釋。步驟4將計算機生成的注釋與人類提供的注釋進行比較，以驗證模型。

圖1 數字測量方法

AAA方法有幾個優勢。首先，它是自動的，這表明它可以廣泛和大規模應用。其次，它的分析結論趨于一致，因為它的測量數據由計算機提供，從而部分排除了參考、社會期望、默許和其他與觀察者報告相關的偏見。最后，這些措施不受注意力瞬間下降或疲勞的影響。與視頻編碼，人工觀察等相比，AAA方法大大減少了教育工作者的時間和精力，通過自動化數字測量方法，提高學生對數字學習技術的參與度。

三、技術賦能教師教學：靈活、高效、創新

(一)教育機器人：技術賦能教師角色轉變

教育機器人是推動智能教育發展的有力工具，受到教育界的廣泛關注。原因主要有三個方面：其一，機器人獨特的外表能吸引人的注意，使教學更吸引人；其二，機器人能代替教師完成某些教學任務。例如，教師受時間精力限制難以關注到每個學生，但機器人可以被用于小組教學和個人輔導，并在指導語言學習方面取得了不錯的成果(Belpaeme et al.，2018)；其三，機器人是實體形態。研究表明，機器人的物理存在和社會存在有利于學習(Li，2015)。

教育機器人(Educational Robotics)按照功能可分為社會機器人(Social robots)和遠程呈現機器人(Telepresence robots)。社會機器人的外觀通常十分具有視覺吸引力，它可以通過言語、面部表情或肢體語言與人交互(Bartneck et al.，2020)。社會機器人能夠勝任教學助理、導師、同伴學習者等角色，它在教育中是最被看好的，它最實用的功能是作為一名導師。作為機器人導師，它可以給后進生提供針對性輔導，也可以向優等生提出高難度的挑戰。此外，機器人通常被學生視為不帶評判性的(Bhakta, 2014)，從而能有能效消除學生在回答人類導師問題時產生的焦慮心理。社會機器人另一個角色是充當同伴學習者。研究表明，學伴機器人在支持學生書寫練習(Lemaignan et al.，2016)和第二語言學習(Tanaka et al., 2012)等科目中十分有效，對提升成績較差的學生學習效果顯著。

遠程呈現機器人是由人類操作員遠程控制的機器人，將操作員的存在具體化為機器人化身，不僅可以支持師生的遠程在線教學，還可以為因生病無法出席課堂的學生提供新的學習可能性。人類教師使用機器人遠程授課可以自主控制機器人的傳感器、攝像機、麥克風等，相比于固定攝像頭的視頻會議，教師可以獲得更豐富的課堂感知，這也為探索新穎的教學形式提供了機遇。在挪威，許多遠程呈現機器人的開發目標是讓長期患病的學生與學校保持聯系。例如，挪威No Isolation公司開發的AV1機器人是一種由學生操作的遠程監控機器人。當學生因病不能上課時，AV1可以代替學生上課。AV1機器人配備了攝像頭、揚聲器、麥克風和互聯網連接，讓遠程學生可以環顧教室，舉手發言，甚至可以改變機器人的眼神來表達他們的情緒。

(二)混合人工智能系統:技術賦能教師高效管理課堂

隨著技術發展，教育領域應用的智能設備和數據大量增長，一個新的人機交互時代正在出現。未來學習將越來越追求個性化。同時，人類和人工智能在許多領域不斷融合成所謂的混合人-AI系統。例如，自動駕駛汽車被設想為最終取代人類駕駛，但目前它們僅能輔助人類駕駛員(Awad et al., 2018)。為了區分全自動化所需的自動駕駛汽車的能力，汽車工程師協會闡述了自動駕駛汽車的6個自動化級別。6個級別的自動化突出了自動駕駛汽車發展的不同階段。從人類駕駛員到自動駕駛技術的過渡,每個級別都加大控制。隨著級別的提高，人工控制會減少，自動駕駛技術的作用會增加。自動駕駛汽車的6個自動化級別的前三個級別中，人類人類駕駛員處于控制狀態；后三個級別中，人類控制切換到自動駕駛技術。在輔助駕駛(第1級)中，自動駕駛技術為駕駛員提供支持信息。在部分自動駕駛(2級)中，自動駕駛技術在特定情況下控制駕駛。例如，在天氣良好的高速公路上，人類駕駛員始終監控該技術。相比之下，在條件自動化(3級)中，自動駕駛技術接管了控制權，但駕駛員應隨時準備恢復控制。自動駕駛汽車目前的技術水平介于部分自動化和條件自動化之間。

然而，人工智能專家系統在醫療決策中支持但不能取代醫生。混合系統的決定性特征是人工智能和人類決策之間的界限波動。自動駕駛汽車將駕駛任務交給人工智能，但在人工智能無法導航的復雜情境下，控制權會轉移回人類駕駛員。在醫學上，人工智能通常支持醫療決策。例如，在眼底醫療中，人工智能可以對眼底讀片進行初步篩選，但人類醫生仍然對患者進行最終診斷，并選擇最合適的治療方法。因此，完全自動化可能永遠不適合教育和醫療等特定領域。目前，自動化水平還沒有轉化到教育領域。但這種模式有助于定位當前最先進的學習技術，以及在學校中應用這些技術。該模型可能有助于我們從人類控制的角度理解學校中技術的最新發展和日常使用之間的差距。因此，根據自動駕駛洫的六個級別推導出應用于教育技術領域的六個自動化級別(見圖2)。該模型下的線條代表了未來越來越多數據流在向完全自動化過程過渡。這些數據流可以支持學習者及其環境進行更準確的檢測和診斷。在模型的頂部，人的控制水平在各層次上都是可視化的。平板電腦的指針代表教師控制的水平。雙手放在平板電腦上，代表完全由教師控制，單手和無手的部分控制象征著沒有或偶然的教師控制。眼睛代表教師監控的要求水平，范圍從完全、部分、偶然到沒有監控。警告三角形表示人工智能在關鍵時刻通知老師恢復控制的能力。

圖2 教育領域的六個自動化級別

(三)數字技術應用：技術賦能建立新興教學評價方式

虛擬現實和增強現實、數字用戶界面和體驗設計、機器學習和人工智能及教育數據挖掘等技術快速發展推動模擬數字環境的改善，加速數字模擬和視頻游戲設計的進步。這些技術為新一代標準化評價開辟了道路。傳統的標準化測試可能是衡量數理邏輯的有效、可靠、公平和高效的方式，但不適合于衡量創造性思維或協作性問題解決等能力。基于游戲的評價可以衡量被測試者多方面的技能，如創造力、協作或社會情感技能，以及測試者在科學和數學等傳統領域的“思維”能力。基于游戲的評價解決了傳統評價的許多問題，并有可能與課堂教學更緊密地結合起來，利用教育技術日益發展的優勢，利用心理測量學、計算機化評價設計、教育數據挖掘和機器學習或人工智能作為技術依托開展設計。2001年，美國國家研究委員會將認知理論納入教育評價體系，基于游戲或數字模擬的評估有可能挖掘出學生更深層次的理解和認知過程的證據。因此，通過游戲或與精心設計的數字用戶界面的交互來解釋流數據，研究人員可以評價學生如何著手解決問題，并可以獲得針對性的反饋(Chung，2014)。例如，基于游戲的評價允許測試者搭建學習場景或構建數字模擬環境。在這些學習場景和數字模擬環境中，學生的推理過程可以通過游戲或與數字模擬環境中的元素進行交互來呈現，這個過程產生的數據可以用于教育評價的客觀數據。他們可以利用這些新技術在學校收集數據，為決策和教學改進提供信息，從而提升其當前教育系統的能力。基于游戲或以數字模擬為中心的評價通過“遙測技術”收集數據，包括選擇模式、搜索行為、按時完成任務等，在某些情況下，還包括眼動或其他生物特征信息。這些豐富的數據源可以用來分析學生完成任務時認知過程的依據。基于游戲的評估是一種特殊的形式，它們可以反映現實世界中的動態交互、結構復雜性和反饋循環。從長遠看，綜合評估系統應該依靠基于游戲和數字模擬的場景來評估學生如何整合和應用知識、技能和能力，這種形式最大的優勢可能在于可以衡量學生的21世紀技能，如解決問題能力、協作能力。

四、技術賦能學校管理：全面、開放、安全

(一)防微杜漸：建立學校和系統管理學習分析

數據正在成為推動教學創新的關鍵性力量(楊現等，2020)。隨著教育數據體量的增加，數據存儲和處理技術的改進，以及相關分析工具和算法的進步，教育組織開始接受學習分析技術。學習分析技術對教育組織的潛在好處一直是過去十年討論的話題(Pistilli et al., 2010)。

教育組織中的學習分析可以更好地理解學習者群體，從而優化教學流程，其中包括分配關鍵資源來降低輟學率、提高保留率和成功率等。模式分析、數據分析、數據科學、學習分析、教育數據挖掘和機器學習等新興技術為研究人員、教育從業者和決策者提供了機會。他們可以利用這些新技術在學校收集數據，為決策和教學改進提供信息，從而提升其當前教育系統的能力。預測和識別學生輟學因素和可能性便是這些新興技術在教育領域的應用之一。以高中生輟學為例，雖然經合組織高中的總體平均畢業率為81%，但各國差異很大，墨西哥25歲畢業率低至60%，而希臘、韓國和斯洛文尼亞高達90%(OECD，2019)。因此，降低高中生輟學率是教育系統的優先事項。這需要利用學習分析技術預測哪些學生有可能在學校可能導致輟學問題。基于分析結果，學校可以為學生提供額外資源，幫助學生順利完成學業(Bowers et al.，2019)。目前澳大利亞、英國和美國的學習分析研究和實踐，旨在解決與高效學習和識別風險學生相關的問題，以及監測和提高組織能力(Sclater et al., 2017)。

盡管有大量關于教育組織的學習分析優點研究，但實施全組織的系統分析研究十分有限(Buckingham et al., 2018)。學習分析如何影響學校和系統管理，可以以德國斯圖加特霍亨海姆大學研究人員開發的教師診斷支持系統(TDSS)為例進行分析(見圖3)。該系統的目的是幫助教師調整教學實踐，以適應學生課堂需求。該系統允許收集以下數據:1)學生的個人特征，例如特定領域的知識和能力、情緒-動機特征；2)教學特征，如學習內容的特征；3)學生的學習經歷和學習進展，如學生對主題情景的興趣，關于主題的實際知識(K?rner et al.,2020)。學習分析為提高學習、教學、組織效率和決策提供了總結、實時和預測性的見解，但也面臨著挑戰。在規劃和監控學習分析實施和組織變革過程方面領導力不足;利益相關者(即行政部門)對計劃的理解和承諾不平衡;技術及教學人員對機構學習文化的普遍認識，未能達到推動學習及教學的預期效益;教學人員、學生服務人員、技術人員等對學習分析的優缺點認識不足;缺乏嚴格的經驗證據證明學習分析的有效性以支持組織決策;沒有足夠的政策、法規和實踐守則規范學習分析技術在隱私和道德方面的問題(Tsai,2017)。

圖3 TDSS概述圖

此外，建立早期預警系統也是學校和系統管理學習分析技術的一部分。以層次聚類分析熱圖(Hierarchical Cluster Analysis heat maps)為例(見圖4)，將單個學生數據的模式聚類可視化，并將該信息與學生的整體成績聯系起來，不僅可以檢查模式聚類，還可以檢查聚類、學生和變量之間的差異。鮑爾斯(Bowers，2010)將HCA熱圖應用于美國兩個小學區的188名學生的縱向歷史評分。它對所有學生的數據進行模式化，將學生從幼兒園到12年級所有科目的每門課程成績可視化，并將它們與畢業、輟學及大學入學考試等聯系起來。數據集的一行代表一個學生，列代表K-12年級的各科目，從左到右依次為核心科目如數學、英語、科學等，非核心科目如語言、體育等。學生在每個科目的分數都表示為從冷藍(低于該科目在該年級的平均成績)到灰色(平均)再到紅色(高于平均成績)的熱圖，白色代表無數據。左邊是聚類樹，較小的水平線代表行之間較高的相似度。右邊的注釋代表了二分結果或人口統計學變量。數據集模式分為兩個大的集群，水平虛線上方和下方。成績較高的學生(紅色)一般不會輟學，最終會參加ACT(美國高考)考試，成績較低的學生(藍色)輟學的次數較多，且不會參加ACT。相較于傳統的查看學生學習數據的方式，這種新興的方式讓決策者看到學生學習成績的整體數據，這些數據隨時間的推移和學生的變化而變化，有助于決策者為學生輟學創造更多可操作的干預措施。依賴于數據分析技術，一些早期預警系統預測輟學的準確率超過80%。

圖4 層次聚類分析熱圖(Bowers,2010)

(二)區塊鏈教育：新的認證生態系統

區塊鏈技術通過為數字貨幣交易提供分布式網絡，正在徹底改變金融服務。教育認證生態系統的變革也受益于區塊鏈技術的發展。在教育領域，使用區塊鏈技術發布、分享和驗證教育經驗和資格的勢頭在全球范圍內都很明顯。區塊鏈的聯合驗證和智能合同功能有可能實現教育業務流程的自動化，如證書轉移、學歷轉移、證書等同建立等。到2030年，預計將有700多萬學生出國接受高等教育(Holon IQ，2018)。但當前存在許多學術記錄造假現象，這類問題限制了高等教育的國際化發展(OECD，2004)。基于分布式網絡的區塊鏈技術，具有使證書的驗證速度更快、成本更低、過程更安全的特點，因此能夠確保學術記錄數據的完整性和可靠性。簡而言之，區塊鏈技術使任何人都可以驗證個人或機構的聲明，包括他們的特征和資格，且速度快、準確度高。這有助于消除記錄欺詐，促進學習者和工作者在機構和地區之間的流動。

同時，以區塊鏈為代表的新型數據治理技術，為解決當前教育政務數據開放問題，提供了安全、高效的路徑。以聯盟鏈為核心的教育政務數據開放平臺，可以打通教育政務數據孤島，允許教育行政部門通過分級分層共享數據，實現政務數據流驅動政務工作流，提高教育行政部門的服務效率；還能優化教育行政部門之間的協同合作關系，厘清權利與責任，為教育利益相關者提供更好的教育政務服務體驗，實現數據作為新生產要素的服務價值。

盡管區塊鏈在教育領域的應用前景十分可觀，但我們需要意識到區塊鏈的局限性。首先，區塊鏈部分功能具有可替代性。區塊鏈技術能實現教育業務流程的自動化，但許多現有軟件應用程序比它做得更好。以伍爾夫大學為例，該校最初嘗試了各種區塊鏈模型以期望實現學校管理的自動化，被譽為“區塊鏈大學”(Jeffrey, 2018 )，但它最后還是放棄了區塊鏈技術，選擇更簡便的基于web的SaaS應用程序。其次，區塊鏈技術的應用需要建立鏈下社會共識。當學生轉學時，其原有的學分會根據現有的學分規定或教育數據轉移標準自動生成新的學分等價物。但不同學校往往有自己的學分規定，不愿承認統一標準下自動生成的學分等價物。換句話說，自動學分轉移的障礙不是技術的，而是社會認同。

五、總結與思考

高質量發展是我國“十四五”時期發展的新主題，“建設高質量教育體系”是我國教育事業發展的宏偉藍圖。它以新發展理念為指導，以推動質量變革為目標實現我國教育走向高質量。人工智能、機器人、區塊鏈等新興技術為教育高質量發展提供了新契機。人工智能可以作為教育整體變革的內生變量，推動“工業化教育”向“智能型教育”轉變，促進教學方式創新、管理流程再造和評價體系重構(曹培杰，2020)。機器人教師作為教學者,旨在賦能、使能和增能人類教師,優化教學結構,構建新型師生關系,培養智能時代的學習者和教育者(張堯等，2019)。“區塊鏈+教育”提高了生產要素的投入與配置水平,區塊鏈技術可以通過“教育資源優化機制”“教育資源管理機制”“教育資源保護機制”等提高教育資源的配置效率(劉湖等，2020)。新興技術的出現為我國各階段教學的發展起到了積極的推動作用，對于特殊教育發展也具有促進作用。陳靚影(2020)認為智能機器人在孤獨癥兒童的教育干預領域具有重要作用,是一種非常有潛力的康復工具。5G猶如網絡“超級公路”它與新興技術的融合，必將引發教師、學生、學習資源、學習環境等教育要素的深刻變革，將對教師教育理念、教學方式產生重大影響，也將教學內容和學習方式的重大轉變(袁磊，2019)。盡管人工智能、區塊鏈、機器人等新興技術促進了教育的發展，推動了教育的變革，但我們仍然不能完全地依賴技術、信任技術，而是要以批判的眼光看待技術的發展。技術就像一把雙刃劍，在利用其促進教育發展的同時也要盡可能避免弊端。因此，研究團隊基于技術賦能學生學習、教師教學、學校管理三方面，重點探討技術賦能下推動教育變革、邁向實質教育公平及教育倫理與價值問題。

(一)技術賦能推動教育變革

1.促進個性化“教”與“學”

當前技術的發展使各行各業都在朝向個性化、自動化發展，教育領域也不例外，培養創新型人才，尊重其個性品質的發展成為關鍵。時代的發展要求學生在自主學習的基礎上更加注重個性化學習，要求教師在教學活動中適應學生個性化學習方式，靈活創新教學模式。自適應學習技術的出現一方面可以幫助學生自我制定并執行學習計劃、自主選擇學習策略、對學習進行自我評估；另一方面為教師提供合適的教學方法、策略支持服務、學習資源支持服務及情感支持服務等個性化學習支持服務等。此外，技術的發展也關注到了特殊需求學生的學習參與度問題。不論是書寫困難、行動困難或是閱讀困難等，智能系統都可以更有效的幫助他們學習。在傳統學習中，學生參與度一直是個難題，而技術發展使自動化測量學生參與度變成現實。這一系列的進步，推動了個性化“教”與“學”的發展。

2.推進混合教學模式構建

混合式教學借助于媒體技術，為教學活動提供資源，將線上學習和線下學習結合，從而提升教學效果(李逢慶，2016)。在教師教學方面，技術賦能教育高質量發展體現在靈活、高效與創新，教學模式的建構應關注各方面的深度融合。如果說關注教學模式發展的多元性是橫向聚焦，那么縱向聚焦則是關注教學模式的動態發展。以技術賦能教育為目的，教學模式主體應關注多元性，教學模式發展應關注動態性，探索人機協同等技術教學相融合的混合式教學模式構建。混合式教學模式可視為一個數字系統，教師與機器人是系統的“操作者”，機器人可以作為導師也可以作為助教。其次混合式教學模式下的媒體技術、線上線下學習方式、數字化資源等技術可以靈活處理分析學生學習過程中出現的差異，以達到更優的教學效果。

3.教育管理體現現代化發展

從教育變革的歷史可知，教育變革往往受思想或技術驅動，有時候思想的力量大一些，有時候技術的力量強一點。當前，以人工智能為標志的第四次工業革命，正引領人類進入新的智能機器時代。技術驅動教育變革有了更多可能性。在技術賦能下，人工智能、學習過程自動化和區塊鏈技術有助于在數字教育市場推動全球教育的基礎設施建設。到2030年，技術在滿足學生需求方面的重要作用預計將推動全球教育技術市場達到10萬億美元(Holon IQ，2020)。在所有經濟體中，人們都強烈感受到了技術驅動的增值和再增值的需求。技術應用促進學校教育治理體系的現代化，早期預警系統和區塊鏈技術幫助教育治理運行的安全化、教育治理過程的開放化。

在科技快速發展的背景下，全球教育格局正在迅速變化。亞洲和非洲發展中經濟體的快速增長將推動教育部門的大規模擴張，為全球市場增加3.5億名以上的高等教育畢業生和8億名中等教育畢業生。各國教學能力亟待加強，需要新增超過1億名新教師(Holon IQ，2020)。這對新技術來說是個重大機遇。未來20年教育實踐的變化將在很大程度上由人工智能的發展來決定。要實現技術在推動教育高質量體系建設的全部潛力，不僅需要技術和研究的驅動，還需要教師、學校領導和學習者本身充分合作。

(二)技術賦能邁向教育實質公平

1.推動教育信息化

教育信息化是教育現代化的先決條件，是建設教育強國新征程的必由之路。“人工智能+教育”“區塊鏈+教育”“機器人教育”“互聯網+教育”等智能技術輔助教學的策略是教育信息化發展的重要表征之一。新時代追求“公平而有質量的教育”，這就意味著未來教育的發展不僅需要“公平”，也需要“高質量”。利用信息化促進教育公平已經成為現階段的教育共識。在新冠疫情“停課不停學”的特殊條件下，信息化促進教育公平的發展也達到了前所有未有的跨越式發展(柳立言，2021)。智能技術的出現推動了教育信息化的發展，教育信息化的推進為智能技術創造了新的發展空間，二者相互耦合。新一代信息技術為教育信息化的發展賦能，持續推進信息技術與教育教學深度融合，促進教育信息化轉型升級，為實現教育公平開辟新路徑。

2.促進城鄉教育均衡

城鄉之間、東西部地區、發達地區和落后地區之間教育發展不均衡問題突出，技術的發展為解決這一難題提供了條件。技術賦能教育將有效地支撐基礎教育公平而有質量的發展，這也是推動基礎教育優質均衡發展的核心動力(萬昆等，2020)。如以技術為依托開展的“雙師課堂”“名師課堂”“專遞課堂”等促進城鄉教育協同發展的教學模式，為教育發展落后地區提供與發達地區相同的教育資源和教育服務。通過技術手段，搭建網絡平臺突破時空的限制，將優質教育資源輸送到教育發展薄弱地區，能夠有效緩解這些地區開不起課、開不好課的問題。以技術賦能教育達到共享優質教育資源的目的，解決教育發展“不平衡、不充分”問題，促進教育公平。

3.推進鄉村教育振興

2018年，中共中央、國務院印發《鄉村振興戰略規劃(2018—2022年)》，提出“積極發展‘互聯網+教育’，推進鄉村學校信息化基礎設施建設，優化數字教育資源公共服務體系”(中共中央國務院，2018)。同年，教育部(2018)印發的《教育信息化2.0行動計劃》明確指出，要“發揮技術優勢，變革傳統模式，推進新技術與教育教學的深度融合,真正實現從融合應用階段邁入創新發展階段”。在線學習、智能輔導系統、遠程教學平臺、人工智能等技術以其多路徑供給、學習支持服務、智慧化與個性化指導等特點為鄉村教育振興發展提供新路徑。隨著技術變革教育的形式的不斷創新， “三通兩平臺”、 “教學點數字教育資源全覆蓋”項目初步解決了鄉村教學點教學水平不高的問題。這些措施提升了教育薄弱地區教育發展水平，對促進教育公平發展具有重要作用。在智能時代，要積極應變技術給教育帶來的機遇和挑戰，以技術發展作為推進鄉村教育振興的動力，實現傳統教育模式向新時代智能教學模式轉變，推動教育發展向高質量轉變。

(三)技術賦能下教育倫理與價值問題

人工智能技術、機器人、區塊鏈等新興技術的出現給高質量教育的發展提供了新的途徑，但也帶來了難以預測的技術倫理問題。技術應用的倫理問題逐漸受到全球關注，探討技術倫理的發展，有利于為高質量教育發展提供支撐。

1．開展技術倫理教育

學生首先需要具備權利意識，盡管大部分學生已意識到自己使用技術過程中具有知情參與權、信息自決權和撤銷權，但如何使用和維護這類權利的認識依舊模糊(EDUCAUSE，2021)。課程教育作為培養學生綜合素質能力的有效途徑，應將技術倫理意識融入到計算機技術、人工智能、數據分析等技術應用類課程，也可以專門開設相應的技術倫理課程。此外，技術倫理講座、信息安全知識競賽、倫理辯論賽等課外活動也是開展技術倫理教育的有效方式。我國有悠久的歷史文化傳統，倡導的是“向善”的技術倫理思想。這一思想在防止人被技術異化、避免惡性競爭、保障公平等方面具有重要價值，是思考智能時代教育發展的原點，是創造美好生活的精神寶庫，將為規避未來世界教育中技術應用的倫理風險貢獻中國智慧(王嘉毅等，2020)。

2.開展技術倫理評估

人們經常擔憂未來教育是讓人更像機器還是更像人？這一問題，又產生了更多基于技術使用的思考：信息技術知識快速迭代，個體對此應接不暇，這使人更解放還是更不自由？虛擬現實技術融入生活，是讓人貼近生活還是更遠離？人工智能支持的個性化學習和評價，讓人更同質化還是多樣化？市場主導的教育資源布局，讓未來教育變得更公平還是擴大差距……這一系列思考都是未來技術評估需要考慮的關鍵點(李芒等，2020)。在課堂教育中，教師作為技術使用的主體和主導者正面臨著復雜的技術應用倫理問題。重構教師的知識結構，將倫理知識(包括技術倫理知識)作為新的教師知識構成要素引入TPACK概念框架，有利于為教師的技術倫理水平和教學實踐評估提供全新的分析框架(鄧國民等，2021)。作為技術本身，應當在技術的設計階段進行倫理介入，評估各種因素對技術的作用和影響(王以梁等，2016)。

3. 制定技術倫理規約

“沒有規矩不成方圓”，制定技術倫理規約才是保證技術合理使用的關鍵所在。技術教育應用的倫理風險主要來自于設計開發和實踐應用兩個環節(馮銳等，2020)。在設計開發階段，研發人員需要遵循教育價值觀指導下的技術規范和科學標準，避免出現錯誤的價值觀引導傾向。在實踐應用環節，人機協作需要相應教育政策和法規的規范，以“強制”的形式保證技術的科學應用，實現教育創新和隱私保護之間的平衡(楊現民等，2018)。

教育是培養人的社會活動，應當秉承以人為本的宗旨，按照“教育的邏輯”考量“技術”(安富海，2020)。但技術應用的倫理研究明顯滯后于新技術的發展和應用(李曉巖等，2021)，構建技術支持教學的倫理框架是當前的重要任務，也是技術支持教學和諧發展的必由之路(劉智等，2021)。

[注釋]

本文部分內容來自 OECD digital education outlook 2021:Pushing the frontiers with artificial intelligence, blockchain and robots, 報告網址https://er.educause.Edu/-/media/files/articles/2020/1/er20sr201.pdf．