教育社會實驗：人工智能融入教育的研究新探索

童莉莉 張晨 黃榮懷 雷鳳宇 楊贊波

摘要：該文針對以人工智能為代表的新一代數字技術在教育領域帶來的計算智能與認知規律匹配、學習活動時間與空間靈活設計、發展性與安全性博弈等新需求，提出了教育社會實驗的研究范疇和設計框架，系統論述了實驗目標—環境組織—方法體系—測量工具—應用反饋這5個實驗環節，并選取以促進計算智能與認知規律良好擬合的智能教育應用軟件測試探索實驗為例解讀實驗結果的應用方向。為科學測量人工智能教育應用帶來的真實社會影響做了路徑探索。

關鍵詞：社會實驗；人工智能；循證研究；教育規律

中圖分類號：G434 文獻標識碼：A

* 本文系2020年度教育部-中國移動科研基金項目“人工智能條件下的教育實驗研究”（項目編號：MCM20200404）、 2021年度國家高端智庫重點研究項目“智能技術變革教育的社會實驗研究”（項目編號：Gb2021013）研究成果。

人工智能是引領新一輪科技革命和產業變革的重要驅動力，正深刻改變著人們的生產、生活、學習方式，推動人類社會迎來人機協同、跨界融合、共創分享的智能時代。習近平總書記在致2019年國際人工智能與教育大會賀信中指出：中國高度重視人工智能對教育的深刻影響，積極推動人工智能和教育深度融合，促進教育變革創新，加快發展適合每個人的教育、更加開放靈活的教育[1]。2021年11月聯合國教科文組織于該組織第41屆大會上面向全球發布《共同重新構想我們的未來：一種新的教育社會契約》（以下簡稱“教育的未來”報告），報告指出數字技術具有巨大的變革潛力，但我們尚未研究清楚如何發揮其潛能。應重新設計學校建筑、空間、時間安排、課程表和學生分組，以鼓勵和推動個人一起學習[2]。以人工智能為代表的現代數字技術將革新教育教學模式，對教育對象產生長遠影響，并通過融入教育活動對整個社會產生影響。但人工智能技術應用落地帶來的真實社會影響的科學測量和分析，仍然是人工智能研究的“盲區”[3]。

2021年9月中央網信辦聯合國家發改委、教育部等八部門評選并公布10家綜合型和82家特色型國家智能社會治理實驗基地名單，明確指出通過社會實驗的科學方法體系，超前探索智能社會的運行模式，打造一批智能社會治理的樣板，加快推動數字社會的建設，這是人工智能研究盲區探索的先行之舉。

社會實驗（Social Experiment）是一種檢驗特定政治、經濟、科技因素被引入真實社會情境所產生效應的經典方法論，為持續跟蹤和分析人工智能等新興技術的社會影響，探究智能化時代的社會發展規律提供了可以借鑒的研究路徑[4]。

本文將追述社會實驗的經典學理體系、闡明人工智能融入教育的新需求，聚焦智能時代教育社會實驗的研究路徑和設計分解，探索實驗結論對人工智能更好耦合教育規律的價值意義[5]。

一、教育社會實驗溯源與方法體系

實驗法是自然科學領域不斷取得研究突破的基礎科學范式[6]。在社會科學領域，伴隨近現代科學數百年的發展歷程出現了社會實驗、計算實驗、思想實驗等體系，與實驗室實驗一起構成了四種主要的實驗方法體系[7]。社會實驗的定義尚未在學術界形成共識，但其研究路徑早在19世紀就已逐步確立：一方面采用自然科學的術語和方法；另一方面把觀測研究的對象——社會環境、城市、社區、個人——的自然演進看作一個實驗過程，研究者通過觀測記錄這種演進過程，獲取可以對比分析的數據，從而更好地理解社會是如何“運作”的[8]。隨后的進展中最有代表性的是費希爾強調了隨機化、重復性和干預控制性是構成社會實驗研究和保證研究內部效度的3個基礎要素[9]。

教育活動是社會運行的重要一環，教育社會實驗是在社會實驗的整體研究路徑中不斷向理論建構和實踐應用兩個方向發展。在理論建構層面，根據實驗中相關情境因素引入的程度，社會實驗又被進一步細分為“自然的”“框架的”和“人為的”[10]。結合教育活動的內在規律和費希爾提出的3個基礎要素，如表1所示，展示了教育社會實驗的不同類型和屬性。

在實踐應用層面，過去50年里，教育社會實驗的研究邏輯被廣泛應用于學習者自組織教學資源、教學分流設計與倫理博弈和大規模學習活動時空靈活組織等方面，為準確把握教育變革的規律與機制，應對智能時代教育新需求提供了循證的知識基礎。

（一）學習者自組織教學資源的探索實驗：印度墻洞實驗

1999年英國紐卡斯爾大學教育技術學教授蘇伽特·米特拉在印度Kalkaji鄉村區域的一面墻亭里放了一臺電腦，實施了此后著名的“墻洞實驗”。通過對孩子學習行為的觀測，他發現即使是學習資源薄弱的地區，學生在缺乏老師指導的情況下也能夠通過自主探索實現自我學習，甚至還能教別人。隨后，這個實驗在印度多個地區推行，同樣驚喜地發現這些孩子很快就學會了如何操作電腦，學會了糾正英語語音和從未接觸過的生物科學技術知識。甚至在意大利做實驗時，在完全聽不懂老師英語的情況下，學生可以自主地通過網絡將英語翻譯成意大利語之后，再通過合作探究，成功地解開了老師出的難題。

這些學習過程和觀察結果令人振奮，大家得出了一個明確的結論：一個可以激發人好奇心的環境，可以讓人們通過自我教育以及同伴分享的方法獲得知識。“墻洞實驗”是一種探索性教育社會實驗，在實驗環境、參與人群上較好的遵循了隨機性和可重復性。在后續的補充實驗中，蘇伽特教授還對城市和鄉村的信息技術使用做了對比實驗，發現新技術在鄉村區域的投放自組織效應更加明顯[11]。

但同時，我們不難發現，這個實驗中孩子們能夠自我在線學習的網絡環境尚處于互聯網初期，數據/信息的規模及不良內容率遠低于當今，其同伴學習的環境更多是自然的異構學習者群體；而當下智能技術融入教學組織活動則更多在學校內同學段學生中開展，且網絡信息極大豐富，需要更新的研究設計來支撐。

（二）教學分流設計與倫理博弈的對比實驗：新加坡優等生實驗

20世紀70年代末，新加坡針對國內人力資源相對匱乏的發展需求，實行教育分流制度以促進人才充分開發與挖掘。其出發點是在不同的階段尊重學生自主選擇，因材施教的開發學生智力潛能。在具體實施過程中，學生一共要經歷“小四”“小六”“中四”“中六”四次分流。其積極作用體現在：關注學生個性化學習能力，降低區域整體輟學率；基礎教育質量普遍提高，全民素質水準整體提升。但其消極作用也一直爭議不斷，其中因在線視頻流傳而受到廣泛關注的“新加坡優等生實驗”中，我們看到優等生孩子自述不愿意與差生交朋友，因學業差異帶來的同伴歧視很明顯；后進生表示有自卑感不愿意積極努力，因學業表現不足帶來的持續惰化傾向顯著；教師代表也認為青少年有很大的可塑性，過早的被標簽化不利于人才的持續培養[12]。

2019年時任新加坡教育部長宣布停止分流制度，從2020年起新加坡25所中學將試驗推行SBB（Full Subject-Based Banding）計劃，并在五年以內把計劃擴大到所有中學，以協助學生減少源流所帶來的歧視和標簽。

新加坡優等生實驗是典型的人為教育社會實驗案例，其可重復性和干預控制性很顯著。但其背景是因自然資源匱乏、需迅速促進人力資源實力顯性化；所選擇的分流標準以英語和各種族母語、學科成績為主線，對學生綜合素質的其他維度缺乏關注，并未融合現代智能技術的教育變革潛能。這些局限性在新加坡本國導致了分流制度的結束，對我們的借鑒意義在于社會實驗設計需在育人目標和智能科技趨勢大背景中關注學生綜合全面發展。

（三）大規模學習活動時空靈活組織的協作活動：中國疫情期停課不停學

2020年初新冠肺炎疫情突發，中國教育部組織全國53萬所各級各類學校、2.8億在校生、1732萬專任教師，成功實現了“停課不停學、不停教”。在這樣一場大規模、全社會參與、較長周期的社會協作活動中，有部委等政府主管部門、各級各類學校、數字技術支撐企業等多元主體共同參與，是一場典型的自然+人為的協同探索，也為更寬口徑的大型突發公共事件下的常態化教育活動組織奠定了協作實驗基礎。

由于中小學生人數眾多，各地信息技術條件不同，不同學段學生的身心發育情況、認知水準也不相同，“停課不停學”的工作具有高度復雜性。教育部成立了應對新型冠狀病毒感染肺炎疫情工作領導小組辦公室，并發布以信息化支撐教育教學工作的通知統籌全國線上線下融合教學工作。各省因地、因校制宜來組織實施。同時，加強對疫情防疫阻擊戰一線的人員子女和農村邊遠地區留守兒童特殊群體的關愛、幫扶、指導，確保每名學生較好地掌握已學的知識等重點工作。整個實驗體現了大規模、寬口徑、長周期的教育社會實驗典型特征，在疫情仍時有發生，并堅持“清零政策”的前提下，“停課不停學”有了更多的智能技術方案支撐和教學組織經驗指導，從最初的偶發性應急行動演進成有較好干預控制性的主動性教育活動。

近50年全球范圍的教育社會實驗，其實驗的技術背景和所主張的教育主旨正在發生系統性的變革。1999年Sugata Mitra教授在印度做的墻洞實驗，得出的結果是孩子們自己可以用“自組織”的方式學會電腦的使用。其技術背景是互聯網剛剛起步，在線自學習主要基于搜索行為且網絡環境較為純凈；當今青少年的在線自學習行為本意則會更多受到商業廣告、涉黃涉暴等不良信息帶來的沖擊。1992年新加坡從小學三年級就開始全國性分流制度，通過考試把學生區隔至不同的成長軌道，實驗結果是在分流的同時造成了優等生和差等生無法正常同齡社交。其教育主旨更多體現學業的優異導向，這與智能時代塑造健全人格的育人目標要求尚有較大差距：2021年聯合國教科文組織在《共同重新構想我們的未來：一種新的教育社會契約》倡導的“新的智能時代，教學法應圍繞合作、協作和團結的原則進行組織。它應促進學生同理心和同情心的養成，從而通力合作改造世界。它還應教會學生拒絕偏向、偏見和分裂等。”我國十四五時期的高質量教育體系正面臨著更本質化的教學規律轉型和更新型的智能技術支撐環境。

（一）計算智能與認知規律匹配的新需求

數據、算力和算法是人工智能的3要素。智能終端的迅速普及使得數據感知智能在教育場所中越來越常態化，“東數西算工程”的實施推動了算力網絡的不斷規模化，算法也正在引起越來越多的研究和治理關注。但教育領域存在計算智能發展需與學習者認知規律匹配的根本性需求，當前已經顯現的隱患如學生成長數據無序擴散現象、算力網絡與教學平臺的對接尚需磨合、智能算法設計有惰化學生思維現象等。

智能時代學習者認知規律的新特點需要大規模長時間的基礎數據研究支撐，才能闡明不同學科、不同學段、不同區域逐步顯現的多元化特征，非短期觀測、小樣本調研能夠承載。促進計算智能與認知規律的良好匹配，需要人工智能教育應用的研究主體通過實驗手段更多連接應用場景和技術開發主體[13]。

（二）學習活動時間與空間靈活設計的新需求

中國疫情期間“停課不停學”中大規模的居家學習緩解了公共突發事件下學校主陣地暫時關閉的困境。“雙減”政策以來越來越多的學校主動尋求與少年宮、科技場館的多元化資源共享，豐富青少年的課余時間。這些探索與聯合國教科文組織的“教育的未來”報告中的呼吁不謀而合：發揮廣大行動者的作用，推動重新構想成為現實。從支持研究和科學進步，到成為社區與全球范圍內其他教育機構和項目的貢獻伙伴，那些富有創造力、創新精神，并致力于推動教育作為一種公共利益的大學，在教育未來的構建中將扮演重要角色。

更泛化的學習者群體、更靈活的學習時空組合、更高質量的學習產出水平，都需要人工智能教育應用的研究主體應更多兼顧多學科、寬口徑的協作實驗嘗試去探索具體的設計方案。

（三）技術發展性與教育安全性協同的新需求

智能技術的更新迭代日漸加快，育人的全過程卻不能失守安全原則。在世界各國加快人工智能教育應用大背景下，重視并加快教育社會實驗研究，突出實驗組織者獨立第三方原則、被試知情原則是客觀還原人工智能融入教育后發生的教學模式新變化、技術應用倫理隱患等事實素材的重要途徑。將在發展性與安全性協同的前提下，促進“技術向善”。

社會實驗從自然實驗體系里繼承了隨機化、重復性和干預控制性3項特征，并在過往的社會各行業循證實踐中拓展出長周期、寬口徑和大規模的3項新屬性。對于促進計算智能與認知規律匹配、學習活動時間與空間靈活設計、技術發展性與教育安全性協同的智能時代教育新需求有著基礎性支撐作用。

智能技術使得信息空間較之物理空間、人類社會空間呈現出時空靈活、多模態化、過程數據、信息眾籌、復雜網絡、互聯互通等新特征，在給我們帶來更多新資源、新工具的基礎上，也對我們應對當下社會的脆弱性和未來世界的不確定性提出了新需求：兼顧安全與發展、協同多個教育場景、數據感知智能與應用智能同步等[14]。社會實驗的“控制—對照—比較”研究邏輯、隨機—重復—干預屬性繼承了自然實驗中的科學范式，需在中間實驗、探索實驗、對比實驗、協作實驗的理論設計和實踐反饋上去豐富和創新[15]。

本文對教育社會實驗的范疇界定為：以育人目標為導向，識別家庭/學校/社會等場景下的因素差異對學習行為、人格塑造的改善路徑。實驗的特點是對某一教育行為過程或技術變革進行長周期的觀察記錄、寬口徑的協同調節、多學科的數據分析，從而發現和認識人才成長規律的過程。教育社會實驗的設計思路主要圍繞“實驗目標—環境組織—方法體系—測量工具—應用反饋”5個環節來落實，如圖1所示。

實驗目標：人工智能時代教育社會實驗的目標包括搭建智能教育治理典型場景庫；出臺智能教育治理的標準、規范和政策；助力高質量教育治理體系的能力形成。

環境組織：隨著信息社會智能化推進和教育行業新動能方向，家庭、學校、社會三者之間將越來越融合的支持服務于數字教育資源共享、個性化育人、多彩課余活動等環節。其中諸如智能技術與學科的適配性、認知差異對教學設計的影響性、家庭結構對代際公平影響、區域科技資源豐富度與青少年創新潛質之間的關聯性等等，都需要寬口徑多學科融合的社會實驗予以深入研究。

方法體系：學校是育人的主陣地，有良好的行政管理機制保障，可以參照白箱模型設計實驗。家庭是相對私密的生活環境，在提煉顯性化家庭結構、半隱性親子關系等基礎上按照黑箱/灰箱模型設計實驗。社會是更復雜的巨系統，需要信息傳播領域、系統科學領域的復雜巨系統模型提供技術路徑基礎。

測量工具：社會實驗的計算基礎來源于社會計算和智能算法領域，包括無監督/監督算法、遷移學習/領域適應算法等服務于不同的訓練數據。可行的社會科學測量工具包括結構方程模型、信息傳播模型和智能算法集。

應用反饋：社會實驗是一種手段，其研究結果要呼應育人目標的落實路徑。如學校場景下的實驗產出應解決的問題包括“數字教育資源選用標準”“中小學電子產品應用標準”等，家庭場景下的實驗產出應解決的問題包括“智能時代代際公平策略”“家長學校建設方案建議”等，社會場景下的實驗產出應解決等問題包括“館校協同機制”“共享資源產權保護機制”等。

從實驗設計的角度看，促進計算智能與認知規律的匹配需求通過“測量工具”環節來促成；協同多個教育場景的需求通過“環境組織”這個環節來促成；兼顧安全與發展的需求通過“方法體系”和“應用反饋”這兩個環節來促成。

（一）實驗參與群體與價值分析

在教育社會實驗設計思路的理論建構下，實踐應用層面主要由各級教育行政主管部門、教育研究機構、青少年學習者、學校教師/管理者、家長群體、智能技術方案提供商這6類群體參與實驗。他們對實驗的價值側重和結果關注各有不同。

各級教育行政主管部門：是社會實驗的指導單位，統籌把握實驗目標的擬定、實施團隊的管理、實驗過程的組織、數據應用的科學性、實驗結果的決策支撐作用等全過程。

教育研究機構：是社會實驗的研究主體，關注實驗方法體系的科學性和測量工具的精準度，是學理層面推進教育社會實驗能夠面向真實問題，迭代適切方案的實驗設計者和實施者。

青少年學習者、學校教師/管理者、家長群體：是社會實驗的參與主體和應用主體，提供實驗環境，接受實驗指導，還原真實教育情境，關注實驗提供的教育活動改進建議。

智能技術方案提供商：是社會實驗的參與主體和應用主體，提供智能教育社會實驗所依托的底層數據、測度算法，接受實驗指導，關注實驗提供的智能技術改進建議。

教育社會實驗從“環境組織”層級看，可以逐級分解成單個具體實驗，示意圖如圖2所示。

（二）案例分析——教育類APP對減負增效的促進作用探索實驗

本節選取教育社會實驗場景分解圖中的1個具體實驗“教育類APP對減負增效的促進作用探索實驗”為例來具體示例，該實驗重點指向促進計算智能與認知規律更好的匹配。并重點闡述實驗結果的應用。

實驗名稱：教育類APP對減負增效的促進作用探索實驗。

實驗目標：測度樣本APP范圍內的認知有效功能點實用性與易用性程度。

環境組織：在廣州白云區某實驗小學、雄安某中學組織3個月的用戶體驗測試，同時在教育研究機構組織軟件測試專業人員同期自動化測試。

方法體系：黑盒測試（不查看代碼；含業務邏輯測試，負載測試，界面測試）。

測量工具：人工+自動化。

應用反饋：實驗期間內共對100個教育APP組織了業務邏輯、負載性能和界面體驗等3個大項和18個小項的測試，部分得分情況如表2所示。

初步實驗結論如下：

第一，業務邏輯測試顯示智能技術在教育移動軟件類應用已逐步深入，無明顯違背教育規律現象。在知識點自適應方面有較好設計，根據學科規律和錯題分布自匹配對應鞏固內容，基本實現智能化邏輯和自動化閱改。未來可更精準化與各學段認知規律契合、與教育活動場景契合，發揮人機協作智能化學習的更大效能。

第二，負載性能測試顯示基礎數據存儲端存在較大差異，且有數據外鏈失控隱患。實驗發現，APP開發主體的實力在底層數據端差異顯著，部分企業存在對用戶個人信息保護意識薄弱，處理規則不規范等隱私保護隱患，軟件閃退、套裝插件現象依然存在。

第三，界面體驗測試顯示面向青少年友好度提升，廣告鏈接和附加收費現象基本受控。實驗顯示，界面基本符合青少年、教師和家長使用習慣，嵌套層級合理，廣告鏈接較之上半年有顯著減少，未見附加收費情況。

本文的工作主要從4個方面促進教育社會實驗的理論共識和實踐協同，為推動人工智能和教育深度融合，促進教育變革創新做了前期理論探索和循證實踐。

第一，界定教育社會實驗的范疇定義。以育人目標為導向，識別因素差異對學習行為、人格塑造的改善路徑。從“實驗目標—環境組織—方法體系—測量工具—應用反饋”5個環節來設計教育社會實驗的理論架構。

第二，落實兩級實驗場景和類型。以家庭/學校/社會三個一級場景為主線，按照中間實驗、探索實驗、對比實驗、協作實驗4種類型做了二級分解。

第三，以具體案例展示實驗全過程。以學校場景中的“教育類APP對減負增效的促進作用探索實驗”為示例展示了1個具體教育社會實驗的完整過程。

第四，本文作為理論研究性工作，重點放在了概念界定、場景分解上，對具體實驗的實施通過1個實例予以解讀。下一步的研究推進和工作論證將從實驗變量的科學設計如學段差異、學科屬性、教育類應用軟件功能差異等角度提升實驗設計環節的科學性和智能應用可能帶來的倫理挑戰等維度完善實驗體系[16]，從數據共享與保護機制、參與者協同度、家校共育等更多元化視角提升寬口徑實驗的可行性[17]，提升教育社會實驗對各級管理決策的實際支撐力度和對青少年成長的切實促進作用。

參考文獻：

[1] 習近平向國際人工智能與教育大會致賀信[EB/OL].http：//www.gov. cn/xinwen/2019-05/16/content_5392134.htm，2021-12-01.

[2] UNESCO.Reimagining our futures together：A new social contract for education[R].France：UNESCO，2021.

[3] Crawford K，Calo R.There is a blind spot in AI research [J]. Nature，2016，538（7625）：311-313.

[4] Dinardo J.Natural Experiments and Quasi-Natural Experiments [M]. London：Palgrave Macmillan，2010.

[5] 新華網.中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[EB/OL].http：//www.xinhuanet.com/ politics/2021lh/2021-03/13/c_1127205564_14.htm，2021-03-22.

[6] W.C.丹皮爾.李珩譯.科學史[M].北京：商務印書館，1975.

[7] 王飛躍.為什么要計算實驗[EB/OL].https：//blog.sciencenet.cn/blog-2374-1250224.html，2021-12-02.

[8] 薛平.思想實驗的認知機制[M].北京：科學出版社，2016.

[9] Perry J，Perry E.Contemporary society：An introduction to social science [M].New York：Routledge，2015.

[10] Henderson C R.Social settlements [M].Charleston：BiblioBazaar，2016.

[11] Addams，Jane.Twenty Years at Hull House；with Autobiographical Notes [M].US：New American Library，1999.

[12] Mohr Z T.Experiments in Public Management Research：Challenges and Contributions[J].Public Administration Review，2019，79（2）：286-289.

[13] Harrison G W，List J A.Field experiments [J].Journal of Economic Literature， 2004，42（4）：1009-1055.

[14] 陳麗，徐亞倩.“互聯網+教育”研究的十大學術新命題[J].電化教育研究，2021，42（11）：5-12.

[15] 蘇竣，魏鈺明等.社會實驗：人工智能社會影響研究的新路徑[J].中國軟科學，2020，（9）：132-140.

[16] 李鳳英，朱敬東等.在線學習者隱私的人本論研究[J].中國電化教育，2021，（7）：107-113.

[17] 童莉莉，黃榮懷等.青少年孝心育成中的智能技術影響路徑與可推廣機制研究——基于社會實驗的教育析因視角[J].教育理論與應用，2021，（11）：12-18.

作者簡介：

童莉莉：副教授，碩士生導師，研究方向為信息傳播學、人工智能教育應用、數據科學與智能信息系統。

黃榮懷：教授，博士生導師，研究方向為人工智能與教育、智慧學習環境及教育信息化。

楊贊波：校長，研究方向為智能時代育人變革的家校實踐。

Educational Social Experiment： A New Exploration of the Integration of Artificial Intelligence into Education

Tong Lili1， Zhang Chen1， Huang Ronghuai1， Lei Fengyu2， Yang Zanbo3（1.Faculty of Education， Beijing Normal University， Beijing 100875； 2.Department of Technology and Research， Education Bureau of Guangzhou Municipality， Guangzhou 510030， Guangdong； 3.Diannan Middle School of Xiongan New Area， Xiongan 071600， Hebei）

Abstract： Aiming at the new needs of matching computational intelligence and cognitive law， flexible design of time and space of learning activities， game between development and security， this paper puts forward the research category and design framework of educational social experiment. We systematically discuss the five experimental links： Experimental Objective - Environmental Organization - Method System - Measurement Tools - Application Feedback. Then we select the intelligent education application software test exploration experiment as an example to interpret the application direction of the experimental results. This will help to promote the good fitting between computational intelligence and cognitive law. These research work has done a path exploration for the scientific measurement of the real social impact brought by the educational application of artificial intelligence.

Keywords： social experiment； Artificial Intelligence； evidence-based research； law of education

責任編輯：邢西深

3066500589208