教學人工智能：空間、限度與超越

程亞萍

［摘 要］教學人工智能與人類教師相比，無論是在提升教學的高效化、精準化和個性化方面還是在保障教學的科學性和可靠性方面都具有優勢。但教學人工智能在應用過程中面臨著技術上的困境、價值上的挑戰和治理上的難題。這就決定了教學人工智能是無法全面取代人類教師的地位，而應該把簡單的教學任務交由教學人工智能處理，將復雜的教學任務交由人類教師處理，構建一種積極務實的人機共處模式。在此基礎之上，還應當確立應對算法難題之措施、保障人類教師和學生的權利、增強人員之間的交流和復合人才的培養以及建構合理的責任分配機制等，以確保教學人工智能的廣泛應用與發展。

［關鍵詞］教學人工智能；人機共處模式；教學決策；人工智能算法；篩選機制

［中圖分類號］G434［文獻標識碼］A ［文章編號］1005-5843（2023）06-0099-09

［DOI］10.13980/j.cnki.xdjykx.2023.06.015

2016年美國頒布了《國家人工智能研發戰略規劃》，提出在教育應用中“研發更有效的人類與人工智能協作方法”［1］。這為教學領域應用人工智能（Artificial Intelligence，簡稱 AI）開辟了道路，讓相關問題開始進入研究者的視野。近年來在大數據、云計算、5G技術、算法、區塊鏈、語音視覺識別等技術得到突破的前提下，教學人工智能的應用與研究也邁入了快車道，掀起了一股熱潮。在這種情況下，我國亦根據國情制定了一系列的文件和政策，積極支持把人工智能技術在教學領域進行應用并與之相結合作為重點來發展。如2017年國務院印發了《新一代人工智能發展規劃》，提出“利用智能技術加快推動人才培養模式、教學方法改革”。2018 年教育部印發了《教育信息化 2.0 行動計劃》，提出要開展智慧教育的探索與實踐。2019 年國務院印發了《中國教育現代化 2035》，提出2035年建成“智能化校園”和“智能化教學”等目標，無論是教學體系還是教學能力都實現智能化。在國家的一系列文件和政策的指引下，學界開始探究教學人工智能的空間與限度的問題。在探討教學人工智能的前景時，大多數學者認為教學人工智能只能起到輔助性的作用，特別是對人類教師的教學決策能夠起到比較突出的改善性的作用［2］，但有學者認為教學人工智能有取代人類教師教學工作的潛在能力［3］。造成這些差異性認識的原因在于：多數學者只是從宏觀和一般角度對教學中的人機共處模式及作用進行探討，大多停留在原則性和展望性層面上，未基于教學的獨特需求以及教學人工智能的實際應用經驗等從具體和微觀層面進行探討。鑒于此，本文從教學人工智能應用現狀出發，立足于教學的育人價值追求，對教學人工智能的空間、限度與超越展開深入探討。

一、教學人工智能的空間

從控制論的角度來看，當在某一領域能夠利用一種工具或技術對人類的思考或勞動予以替代時可稱為人工智能。如美國人工智能領域的開拓者尼爾斯·尼爾森（Nils J.Nilsson）就把在比較復雜環境中能夠進行自主感知、學習、推理和決策的機器或系統作為人工智能定義的核心內容。其顯著的標準是：能否將人類的事情完成，甚至比人類還做得好［4］。因此，本文所探討的教學人工智能是指那些能夠在教學中替代人類教師開展教學活動的機器或者系統。它是人類教師借助人機的高效協同，在智能化的教學環境中傳授知識和促進學生身心健康成長的過程［5］。也就是說，本文所指稱的教學人工智能是在廣義上使用這個概念。在這種情況下，基于網絡化、數字化和智能化融合驅動的人工智能技術被應用于教學領域都屬于此類［6］。

當前，許多人工智能助教系統進入教學領域，如我國北極星 AI 助教、句酷批改網和101 教育 PPT等［7］，這已成為當下的一種不可逆轉的趨勢和潮流。有學者認為，倘若人工智能技術在教學中的應用能夠產生出比人類教師更具可接受和可說服的教學效果來，那么在可靠性和成本效益方面自然比人類教師更具優勢。在這種情況下，將人工智能視作教師也未嘗不可［8］。從教學人工智能表現出教學過程的高效化、精準化、個性化以及科學性和可靠性上看，教學人工智能比人類教師具有明顯的優勢［9］。首先，教學人工智能有利于實現教學內容的個性化發展。“知識大爆炸”的時代，不僅使教學內容更加豐富，也導致了學生需求的多樣性。“差生跟不上，優生吃不飽”的現象在傳統課堂的教學中普遍存在。從當前教學人工智能的應用實踐來看，教學人工智能可以充分發揮其優勢，在以下幾個方面對教學內容個性化予以提升：一是人類教師可以根據學生的實際情況，結合教學人工智能所提供的豐富資源、工具和平臺，對每類學生選擇性適用，滿足學生的個性化需求。在人類教師和教學人工智能的交互作用下，教學人工智能囊括了教學所需的影音視頻、參考文件、測試、作業等教學資源、AR教學和VR教學等教學工具和各種平臺等，把原有受時空限制的教學予以無限地拓展，而且在教學人工智能的協助下有效推動教學流程的便捷化和自動化［10］。二是教學人工智能可以關注每個學生的學習需求。學生利用智能移動終端設備，隨時可以將自己不懂的問題傳輸給教學人工智能，教學人工智能根據之前積累的教學數據解答問題，對于不能解答的問題，教學人工智能會把問題反饋給人類教師，由人類教師做出解答。有效的人機交互模式既減輕了教師的工作負擔又能滿足學生的個性化需求。三是教學人工智能可以及時反饋每個學生的學習效果。教學人工智能可以實時反饋學生的學習數據，還可以對單個學生及整個班級學習狀況生成評價報告，為人類教師深入了解課堂教學情況打下堅實基礎，也為下一次課堂教學內容安排與設計提供可參考的依據［11］。如北極星 AI 助教、101 教育 PPT都具有這樣的功能。其次，教學人工智能能夠更好地保障教學目標的準確實現。一般而言，教學活動應該有明確的教學目標，可能包括多維的知識目標、能力目標和價值目標。教學實踐中，不同教學目標的達成依賴于不同的教學活動，往往難以在有限的課堂教學中完全達成，不同的人類教師在講授相同的教學內容時也會側重不同的教學目標。在教學人工智能系統中，通過建構出相應的算法模型，對教學的決策、實施、評價和分析做出判定［12］。這種算法模型的建構，能夠根據先前所建構的知識圖譜而自動地關聯到相應的教學知識鏈條，為確保相同的教學內容達成完整的教學目標提供了可靠和可行的路徑。例如一些教學內容推送系統、智能導學系統（Intelligence Teaching System，ITS）、北極星AI助教等教學輔助系統在保障人類教師遵循相同教學達成相同教學目標方面已經取得一定的效果。此類研究也成為當下的潮流，從而在充分發揮教學人工智能保障教學目標實現中起到積極作用。再次，教學人工智能能夠基于教師群體的經驗而實施更穩定和可預測的教學活動，保障教學決策的科學性。教學活動的穩定性和可預測性直接關系到教學的質量和學生的可接受性，以及有效凝聚教學共識目標的實現。一方面，在人工智能所具有的存儲能力、算法和算力的優勢的支持下，教學人工智能能夠通過分析、歸類、匯總和索引等方式對教學內容、教學規律、教學規范和教學環節等教學數據更加全面地掌握，教學人工智能的決策是基于全量信息，不管是在掌握信息總量方面還是在發掘和整理信息規律方面都擁有超越人類教師的能力。這就無疑對教學人工智能決策的全面性和理性化起到了保障作用。另一方面，在面對相對復雜和新型的教學內容時，教學人工智能的決策也是在人類教師群體經驗和公共理性的基礎之上而做出的，與個別人類教師可能按照直覺或臆想而作出的教學決策相比，應該更具有穩定性和可預測性。在具體的實踐中，人工智能教學輔助系統已展現出特有的穩定性和可預測性。如Wiley和 Hastings 等人把學習者生成的文檔，在利用兩段式的機器學習和自然語言理解技術且結合語義索引（Latent Semantic Index）和Coh-Metrix 評分引擎的情況下，依靠對文檔中的因果關系及鏈條的檢測來評價學生對概念和想法的運用，其結果顯示采取混合方法檢測和評價內容具有優勢［13］。在這種情況下，意味著教學人工智能的決策已擁有更加穩定和理性的特質，對提升教學的確定性和可預測性大有裨益，從而增強了教學整體的質量和效果。最后，教學人工智能能夠有效防范人類教師決策的偏見風險，保障教學效果的確定性。隨著人工智能技術的深入發展，近些年快速興起的腦機接口技術（Brain-Computer Interface，BCI）成為新的突破口。通過神經網絡技術使算法不僅具備深度學習和自主學習的能力，而且具備自動迭代等能力。因此，能夠直接解構、重組和發掘教學原始數據要素中的關聯意義，在這個基礎上開展教學的決策。這就將人類教師決策的偏見等不當的外在因素排除在教學決策過程之外，有利于保障教學決策的客觀性與合理性。對此，有學者就指出：當在教學上發生與同類相關的爭議時，均可以利用同一的算法來解決。在這種情況下，教學人工智能能夠防范和消除人類教師出于對好教師或具有人情味的教師的名聲的追求而任意展開教學的風險［14］。而且在具體的實踐中，教學人工智能的客觀性也得到了肯定。如Westera等人把學習者173 份的論文通過使用 Reader Bench 框架（一種自然語言理解的軟件模型），為這些論文報告生成一組文本復雜度指數，然后將不同配置的機器學習算法相結合來預測分數，實驗表明該方法擁有相當高的精確度。這樣確保了人類教師決策的客觀性，因而是符合“教書育人”要求的。

二、教學人工智能的限度

盡管教學人工智能在許多方面表現出比人類教師更優的特性，但它仍面臨著技術上的困境、價值上的挑戰和治理上的難題［15］。只有全面和客觀地看待教學人工智能的限度，才能深入系統探討教學人工智能的發展前景。

（一）技術上面臨的困境

1.教學數據供給不足的困境。教學人工智能的優勢是基于全量教學數據深度學習而對決策模型予以構建，因此，它的科學性和可靠性是由教學數據的全面性、完整性和準確性維系的。大多數人工智能教學輔助系統都是以教學案例作為數據學習來源進行制成的。當下的教學案例無論在數量還是在質量上都難以滿足教學人工智能所要求的全面性、完整性和準確性標準。我國雖已建立一定的教學案例數據庫，但從數量上來看，可使用的公開教學案例可能僅占少部分。考慮到目前在案例公開程序上缺乏完善的管理制度，教學案例涉及智力成果歸屬問題，以及案例公開的成本等因素，教學案例選擇性公開的狀況普遍存在。從質量上來看，即使是已公開的教學案例，也存在著質量參差不齊的情形，甚至存在簡化教學設計以及重復進行教學設計等情形［16］。而且由于缺乏科學系統的教學數據積累計劃，已公開的教學數據并不能對教學的全貌進行細致全面的反映，如學生與教師之間的溝通與交流、獨特的教學視角和模式的運用、個人教學風格的內在張力地展現、教學委員會的群體討論等都難以依靠數據化的方式得到有效呈現，這就導致了教學人工智能所習得的數據供給不足因此存在局限性，它們無法達到全面性、完整性和準確性的數據狀態，從而影響到教學人工智能的科學性和可靠性［17］。

2.教學人工智能難以擺脫算法黑箱的困境，這與實現教學目標所要求的教學活動的透明性和公開性發生了沖突和矛盾。美國著名信息專家詹娜·布瑞爾（Burrell Jenna）對造成算法黑箱的原因進行了總結，認為一是因算法涉及國家機密或商業秘密而產生有目的的不透明；二是因在把握算法技術的能力和程度上的差異而產生技術文義的不透明；三是因算法的復雜性和先進性而產生固有的不透明［18］。以上三種原因也是影響教學人工智能算法透明度的主要因素。具言之，首先，當前多數人工智能教學輔助系統都是通過外包給相關技術公司的方式予以開發并在它們技術支持下開展應用。但這些公司都從自身商業利益出發，常常拒絕向發包單位公開算法，甚至抵制相關算法的公開。如2018年美國紐約市出臺了《自動化決策特別工作組法》，實現監管政府所應用的諸多算法的目的。但這一法案遭到許多科技公司以商業秘密保護為由的強烈抵制，迫使該法案最終被取消［19］。其次，因教學人工智能算法愈是具有高效性和精確性，就愈需要先進技術予以支持和復雜的原理來進行支撐。但算法知識的專業性本來就使普通人難以理解其運作原理，這對于沒有計算機知識背景的教師或學生來說也如此，他們均難以對教學人工智能算法設計和運作機理進行掌握和理解。最后，教學人工智能算法的復雜性不僅表現為具有潛在的自我學習能力，而且表現為具有潛在的自我編程能力，還表現為具有潛在的自我更新迭代的能力，特別是可以輕松地擬合萬維以上的函數。因此，教學人工智能算法在應用一段時間之后，哪怕是設計算法的人員也難以準確解釋教學人工智能決策背后的算法邏輯。

3.教學數據挖掘需要大量投入的困境。教學人工智能的主流算法是建立在知識圖譜和深度學習相結合的基礎之上的，在這種基于從多個數據源中提取信息方式的知識圖譜的半監督學習（semi-supervised learning）方法中［20］，無論是數據的精確化程度還是模型的精細化程度都對教學人工智能決策的準確性有著直接的影響。但結構化的語義知識圖譜繪制并非是通過人工智能可以完成的，需要大量的教學專業人員歸納總結教學規律、教學規范以及教學構成的相關節點的特點，而且對此打上明確的標簽。這些人工歸納總結活動為機器深度學習提供可靠的數據集合。同時，因教學案例數據信息具有一定程度的不客觀性、不真實性和不全面性的問題，加之在教學術語運用方面也存在著不統一性，以及教學數據結構化水平明顯不高等問題。這就不僅需要大量人工對相關數據進行清洗和挖掘，而且需要大量人工對相關數據予以結構化改造。所以，從當前教學人工智能的實踐來看，“有多少人工方能產出多少智能”“有多少優秀人工才能帶來多少優秀智能”［21］。這意味著教學人工智能的建設無論是在人力和物力方面還是在財力方面需要長期和大量的投入。另外，在人文社科領域，它的主觀性和不確定性一般表現得十分突出。在這種情況下，當教學人工智能的準確率達到一定水平與程度之后，如果再對教學人工智能的準確率作進一步的提升，那么就需要以幾何倍的增長方式進行投入。因此，當教學人工智能的可靠性與高效性未完全釋放出來，并且對它的應用前景并不清晰的情況下，就需要通過長期的高投入去發展教學人工智能，無疑對教學人工智能的應用與發展的信心和耐心是一種嚴峻的考驗。

（二）價值上面臨的挑戰

1.教學人工智能決策難以防范價值偏見的風險。從表面上來看，教學人工智能基于內在的邏輯功能是可以對人類教師先入為主的價值偏見起到防范作用的。但事實上，教學人工智能并非我們想象那樣能夠保持客觀與中立的狀態。這是因為，教學人工智能是基于挖掘和學習先前教師教學經驗與數據而進行教學預測工作。而且教學人工智能離不開“GIGO（garbage in， garbage out）定律”的支配與影響，這使得教學人工智能對先前教師的教學經驗予以習得的同時，不可避免的對先前教師教學經驗中所包含的價值偏見部分予以習得，就產生了所謂的“偏見進，則偏見出”的現象［22］。再者，學校在教學人工智能技術開發方面的能力有限，多數人工智能教學輔助系統都是通過外包給技術公司的方式開發并在它們的技術支持下開展應用。如果公司的技術人員本身存在價值偏見或基于自身利益的考慮而產生價值偏見等，那么就有可能將這些價值偏見寫入教學人工智能算法之中。而且算法黑箱和技術壁壘在教學人工智能發展中客觀存在，這就會導致無法立刻發現和及時糾正產生的價值偏見。在這種情況下，由于教學人工智能大規模應用于教學領域。因此，在教學人工智能決策中產生價值偏見的風險不可避免。

2.教學人工智能難以依據教學或社會發展的價值需求做出及時地改變或創新。教學并非是簡單的知識傳授活動。它是由教師的“教”與學生的“學”所構成的，是以為社會培養棟梁之才為目的的活動［23］ 。 因此，不管是對相關知識的理解還是對教學活動事實的認定，通常均需要人類教師發揮一定的主觀能動性進行適當的決策與指揮。人類教師要對政治、經濟、文化、社會心理等因素進行充分考量，從而充分發揮教學活動溢出性的作用，以便與社會主義核心價值觀相契合，并引導學生培養正確的人生觀、價值觀和世界觀。不過，基于以“無須滿足任何更多的條件即可生成‘是’與‘否’的二元選項代碼”［24］的自動化決策的教學人工智能，盡管在決策過程中排除掉了人類教師帶有偏見的不當因素，但這意味著教學人工智能不僅在展開價值判斷方面缺乏能力，而且在創新方面也缺乏能力，從而導致教學人工智能的應用只能在對教學需求比較特定和單一，以及教學目標比較明確和教學模式簡易比較可辨的場景中展開。再者，即便教學人工智能具有展開價值判斷和創新的能力，從倫理上來看，也是人類需要高度關注和加以控制的方面。究其原因在于：當教學人工智能能夠替代人類教師展開價值判斷和創新時，人類教師的主體地位必然受到挑戰，這就導致人類教師服務于教學人工智能而產生主客顛倒的風險。

（三）治理上面臨的難題

1.人類教師的主體性喪失的風險。教學人工智能的應用可能產生教學被技術俘獲和人類教師被算法馴服的風險。當前的研究結果表明，由于人工智能不僅帶來了高效便捷和成本低廉的優勢，而且帶來了在決策方面具有較高的準確性與一致性的優勢。因此，很容易形成“強技術依賴”，在這種依賴心理的影響下，人類更傾向于選擇對機器的信任。尤其是在緊急狀況下，人類選擇對機器的信任超過了對人的信任［25］。在這種情況下，即便教學人工智能只是對人類教師教學工作起到輔助性的作用，但在受到從眾效應的影響以及規避責任風險的需求下，人類教師也會更加傾向于采取教學人工智能的決策結論，盡可能把自主性的判斷拋棄掉。這就帶來了教學人工智能應用的正當性危機。倘若人類教師的教學活動是由教學人工智能主導的話，那么人類教師和現有的教學制度對教學效果起決定性的作用就不復存在，而是接受外包服務并由開發教學人工智能算法技術的公司和人員來發揮決定性的作用。這必然與人類教師的教學獨占原則發生沖突，產生了接受外包服務的科技公司對教學實踐不當介入的風險。

2.教學決策主動性不足的風險。一定程度上，教學人工智能類似于自動售貨機，隱去復雜的教學決策過程，提供成熟的教學產品。這一特點可能將人類教師和學生全程和深度參與教學活動過程的機會剝奪。從教學活動的特點來看，人類教師和學生的意見能否在教學活動中得到充分的表達和充分的尊重，是對教學效果產生影響的重要因素。教學人工智能決策方式的出現，昭示了階段化的機器論斷可能取代傳統遞進式教學活動的過程，不僅導致人類教師和學生失去通過溝通不斷修正和深入表達意見的機會，而且導致人類教師和學生失去通過全面和深度參與教學活動過程的機會。而且當人工智能技術得到進一步發展，它勢必在更大程度上影響到教學決策。這最終會造成對教學決策的可信賴性的損害。

3.教學人工智能決策帶來了事故責任分配的困境。從當前的研究來看，人工智能教學主體的多元化、教學標準的復雜化和責任承擔方式的模糊性等因素使得教學人工智能的責任分配成為難題。首先，教學人工智能是人類教師的“替身”還是“助手”的問題尚無定論，所以，能否將教學人工智能當做事故責任主體也存在著較大的爭議。即便是將教學人工智能當成強人工智能看待，也有許多學者堅持否定教學人工智能的事故責任主體地位［26］。其次，人工智能教學標準的復雜化導致教學事故責任承擔方式的模糊，使得人工智能教學決策帶來的事故責任承擔條件以及承擔方式的建構面臨著較大的挑戰。最后，教學人工智能的出現對原有的“誰出事故，誰承擔責任”的責任分配原則提出了挑戰。在事故責任的承擔方式上，是由教學人工智能擔責，還是由人類教師、學校單獨擔責或共同擔責也存在一定的爭議。

綜上看來，教學人工智能面臨在技術上的困境、在價值上的挑戰和在治理上的難題。這就使得一些學者認為教學人工智能只能作為人類教師的“助手”存在，難以像人類老師那樣自由開展工作和進行自主性的思考，只是一種高級的輔助工具而已。事實上，教學人工智能對教學的高效化、精準化和個性化是大有裨益的，在保障教學的科學性和可靠性方面也更具優勢。

三、教學人工智能的超越

以上對教學人工智能的可能空間與內在限度的分析，為客觀和理性看待教學人工智能打下了堅實的基礎。但必須在充分發揮教學人工智能提升教學的高效化、精準化和個性化的優勢和保障教學的科學性和可靠性的同時，盡可能克服教學人工智能所存在的技術困境、價值挑戰和治理難題。

（一）構建積極務實的人機共處模式

對于教學人工智能發展前景的探討必須明確教學領域內的人機關系。這樣就需要客觀和理性看待教學人工智能的地位，教學人工智能到底是人類教師的“助手”還是“替身”？當前學界較為現實的看法是將簡單的教學任務交由人工智能處理，將復雜的教學任務交由人類教師處理［27］。但爭論的焦點在于教學人工智能是否做處理簡單的教學任務。對此，本文認為是可行的。其理由如下。

1.將簡單的教學任務交由人工智能處理在技術上具有可行性。簡單教學任務的教學對象明確，教學任務、教學目標和規程相對明晰，這些特性與人工智能的形式邏輯內核高度契合。教學過程中不需要對教學事實認定進行復雜的推理，更不需要在對教學事實認定中通過發揮主觀能動性來進行解釋，這就為教學人工智能提供了較為明晰的適用對象。人工智能教學輔助系統只要按照結構化的語義知識圖譜進行類教學關聯就可以了，得出的教學結論是依靠“對號入座”的方式適用教學法則。從當前已有的實踐來看，教學人工智能在一些可類型化的簡單教學中，對人類教師予以替代在技術上具有可行性［28］。

2.將簡單的教學任務交由教學人工智能處理并未對人類教師的主導地位予以否定。由于簡單的教學任務無論是在教學目標、教學內容上，還是在教學對象、教學規程上都是具體清晰的，人類或人工智能教師，都只需要依照教學目標、教學內容、教學對象和教學規程提供一個明確的教學結論就可以了。從根本上來看，教學人工智能處理簡單教學任務也只不過是在重復人類教師的經驗和做法。最能夠體現人類教師主導地位的則是需要展開價值判斷或創新的部分，這是教學中難度最高和最復雜的部分。只要教學中的價值判斷或創新的權力被人類教師所掌握，就很難說教學人工智能對人類教師的主導地位形成挑戰［29］ 。

3.將簡單的教學任務交由教學人工智能處理能夠降低教學成本和提升教學質量。雖然科學技術邁進自反性科學化階段，但仍然既要重視科學自我招致錯誤的界定與分配問題，也要重視科學自我招致風險的界定與分配問題。從成本—收益分析法的角度來看，這是正確處理科技與風險之間關系的最佳方法。對于教學人工智能來講，當把它適用于簡單教學任務地處理時，可能會在一定程度上產生人類教師意想不到的錯誤或差錯。但由于簡單的教學任務無論是在教學目標和教學內容還是教學對象和教學規程上都比較清晰，因此，簡單的教學任務方面所犯的錯誤很容易被發現并立即糾正，這樣通常成本十分低。特別是在教學部門建立相應的算法審查機構，能夠及時和隨機地對教學人工智能算法展開審查并積極糾正錯誤即可。不過，這對于教學活動而言，在收益上是相當可觀的。從整個教學活動來看，簡單的教學任務所占的比重是相當高的，尤其是初學知識的部分，幾乎要占到將近80%。將這些教學任務交由教學人工智能處理，這就意味著可以對人類教師的數量進行一定程度地削減，進而能夠節省教學中人力和物力的消耗。與此同時，能夠讓有限的人類教師將更多的精力投入到教學中需要展開價值判斷或創新的部分，有利于促進教學質量的不斷提升［30］。

（二）確立應對算法難題之措施

教學人工智能的算法是其運行的核心。因此，對算法黑箱、算法歧視和算法漏洞的規制是實現教學人工智能正當和可靠決策的前提與基礎。從教學人工智能的特質來看，可以采取以下措施應對教學人工智能的算法難題。

1.建立健全教學案例篩選機制，為教學人工智能的算法提供良好的數據學習集合打下基礎。其一，因教學人工智能決策是基于類型化的簡單教學任務而展開的。所以，必須在國家教育目的的規范下，以現有優秀的教學案例等素材作為教學人工智能系統建模的基礎數據來源。其二，拓補現有教學信息的記載方式以及強化對教案的公開，從而確保作為教學人工智能學習素材樣本的全面性和完整性。同時，需要盡可能通過對教學信息記錄的電子化和自動化程度的提升，以實現類課堂教學過程的全面數據化，從而確保教學人工智能能夠全面系統地習得人類教師的經驗。其三，完善教學案例的退出機制，這對于教學人工智能決策科學性的優化大有裨益。在具體實踐中，通過機器自主清理那些過時和劣質的教學案例，教育部門以標注和定期審查等方式及時清理那些過時和劣質的教學案例，從而確保作為教學人工智能學習素材樣本的高質量。其四，拓補教學專家參與機制，應當讓經驗豐富的教學專家參與對教學案例的選擇以及數據的標注并對該過程予以主導，從而不僅確保對教學案例的選擇和數據的標注節點的合理性，而且確保對教學案例的選擇以及數據集合的代表性和準確性，以提升教學人工智能決策的可靠性［31］ 。

2.把育人為本這一基本價值嵌入算法之中，確保教學人工智能算法決策符合育人為本的價值導向。美國人工智能專家凱西·奧尼爾認為，算法是一種無道德的想象力。基于確保算法有益性的需要，就必須在算法當中嵌入更好的價值，以便建構出能夠與人類道德準則保持一致的大數據模型［32］。可見，教學人工智能的算法設計人員應當將“育人為本”的價值嵌入教學人工智能的算法之中。一是通過確立價值函數和權重的方式，不僅把教學人工智能的價值判斷體系化，而且把教學人工智能的價值判斷客觀化。其中就是根據不同的教學類型，以及對價值的不同重視程度，來對相應的權重比值進行確定，使教學人工智能無論在價值的選擇上還是在價值的判斷上具有一定的能力。從這種思路來看，美國學者托馬斯L.薩蒂就提出了等級層次和網絡層次分析法。而這種算法的構建是基于定量分析和定性分析的結合［33］，有利于人工智能對價值選擇難題有效應對。二是通過建構價值判斷預測模型，從而提升教學人工智能的價值判斷能力。從價值判斷預測模型的原理來看，它是通過當前教學活動與先前教學案例之間是否存在局部或交叉的價值判斷區間進行檢索，而且通過對共享價值判斷在先前教學案例中所占比重予以權衡，從而采取類比方式確立當前教學價值價值判斷預測模型。

3.提升教學人工智能算法的透明度和可解釋性，以滿足教學活動公開性要求。目前算法的可解釋性與商業秘密的保護及算法的先進性之間存在著矛盾。而教學人工智能系統多是通過外包給相關科技公司開發的，但教學人工智能的算法涉及教育公共利益。因此，學校在將教學人工智能系統外包給相關技術公司時就應當事先將算法代碼的交付和公開予以協商，從而保障教學活動參與者對教學人工智能算法的了解和把握。不過，代碼的開源并不必然帶來對算法決策邏輯架構的掌握。從實踐來看，通常是愈準確和強大的預測模型愈顯得較為復雜。同時，人工智能也在不斷強化自我學習能力、自我編程能力和自我迭代能力。這樣一來，連專業的技術人員對許多算法邏輯都難以掌握。因此，有學者認為要求算法完全透明是一種奢望，只要能夠合理解釋和說明算法的設計目的及運行基本原理即可［34］。這就達到了對算法要求公開的目的。對此，相關研究人員開發了一種概念激活向量定量測試的算法［35］。而這種算法能夠以量化的方式把不同教學類型影響教學效果的程度顯示出來，有利于對教學人工智能算法的內部運行狀態作一種解釋。

4.構建教學人工智能算法審計制度，以消除教學人工智能算法的歧視。從人工智能應用于不同領域的現狀來看，把獨立的算法審計機構建立起來非常必要，特別是監督和審計涉及公共利益的算法尤為必要。在這種情況下，就應當構建教學人工智能算法審計制度，對教學人工智能的算法展開獨立的審計。因此，在構建教學人工智能算法審計制度時，可以要求開發人員在教學人工智能算法之中事先嵌入審計線索，便于對教學人工智能算法決策的依據及過程進行記錄，有利于審計機構開展教學人工智能算法的審計工作。如充分利用基于哈希函數的可編輯區塊鏈技術，記錄和留存教學人工智能算法決策的關鍵節點，為開展教學人工智能算法審計工作提供方便的技術接口。特別在交付使用教學人工智能系統前，審計機構就應當利用數據測試方式展開審計算法查看是否存在偏見和漏洞等問題，并且在交付使用教學人工智能系統后，審計機構應當依申請或采取隨機抽查等方式展開審計，以保障教學人工智能算法的公正性和合理性［36］ 。

（三）保障人類教師和學生的權利

無論人工智能技術如何發展，都必須把遵從個人自主和個人優先放在突出位置。因此，在教學領域應用人工智能不僅應當充分尊重人類教師和學生的自主選擇權，而且應當充分尊重人類教師和學生的提出異議權，還應當充分尊重人類教師和學生獲得解釋權。其一，對于簡單的教學任務，人類教師和學生都擁有選擇是否運用教學人工智能的決定權。倘若人類教師和學生都拒絕或一方拒絕，那么學校就應當把簡單的教學任務交由人類教師完成。其二，在教學人工智能作出決策之后，如果學生或人類教師對教學人工智能作出決策提出異議。此時，就應當依照一定程序交由人類教師或學校來處理，這就意味著作為守門人的人類教師或學校在人機關系之中占據主導地位，從而防范教學人工智能對教學活動的統治風險。其三，在教學人工智能作出決策的過程中，為了避免教學人工智能的算法利用其自身優勢給人類教師和學生帶來不利的處境，人類教師和學生可以申請獲得專家或開發人員對教學人工智能算法進行解釋，以保障其獲得相對平等和有利地位的能力。

（四）增強人員之間的交流和復合人才的培養

隨著教學人工智能的不斷專業化和完備化，這就需要大批既精通教學又精通計算機技術的專業人員，只有在他們的通力合作中才能推動教學人工智能的進一步發展。其一，在教學人工智能系統地開發過程中，人類教師及相關教學專家需要參與對教學人工智能系統的設計、測試、應用及改良等環節，保障教學人工智能系統更加契合教學需求、符合教學規律和遵循教學倫理，這有利于對外包科技公司不當介入教學風險的防范。其二，在教學人工智能系統開發地過程中，技術開發人員需要深入了解教學的運作方式和實現教學目標的途徑等特質，特別在設計之初應當深入學校調研和發放問卷，為設計出更加契合教學需求、符合教學規律和遵循教學倫理的人工智能系統打下堅實基礎。其三，從教學人工智能的應用與長遠發展來看，對既懂教學又懂技術的復合型人才的培養是關鍵，也是建構可靠的教學人工智能系統的根本保障。因此，應當大力培育掌握相關人工智能技術的教學人才，從根本上確保教學人工智能的良好發展。

（五）建構合理的責任分配機制

教學人工智能的責任分配是推動教學人工智能發展的基礎，必須建立合理的責任分配機制。但要分兩種情形來進行構建。其一，教學人工智能為教學活動提供了材料和數據等輔助性的情形。在這種情況下，由于教學人工智能并未作出決策，只是起到了輔助性的作用，當教學人工智能出現偏誤時，應當遵從“誰使用，誰負責”的基本準則。因此，由教學使用人員承擔主要的責任。但基于對教學人工智能所提供材料和數據起到輔助作用的程度，可以依照浮動比例原則確定教學人工智能系統的管理人員承擔責任［37］。其二，教學人工智能處理簡單教學任務的情形。在這種情況下，教學人工智能作出了決策，當教學人工智能決策出現偏誤時，責任應當由哪個主體承擔并沒有定論。從當前研究的現狀來看，由人類教師和學校單獨承擔或共同承擔均有一定的道理。但從學生的角度來看，學校是教學活動的主要推動者和開展者，將此責任交由學校來承擔是出于對學校的信任，而且不管是教學人工智能作出的決策還是人類教師開展教學活動都是以學校的名義進行的。因此，由學校承擔相應的責任更加符合教學活動機制，學生、家長和社會也均可以接受。不過，完全由學校直接要求人類教師承擔此責任，這會給絕大部分不懂計算機技術的人類教師帶來困擾，也增大了承擔責任的成本，是不可取的方式，也阻礙了教學人工智能的廣泛應用。

教學人工智能的興起是人工智能發展的必然結果，在應用過程中會面臨著機遇和挑戰并存的局面。因此，一方面要發揮教學人工智能對教學的高效化、精準化和個性化的提升能力以及保障教學科學性和可靠性的優勢；另一方面要積極克服教學人工智能所存在的技術困境、價值挑戰和治理難題。雖然對教學人工智能所存在的技術困境、價值挑戰和治理難題的解決可以提出建議方案，但這些建議方案仍存在一定的局限性。例如，在具體的操作中，如何把簡單的教學任務與復雜的教學任務區分開來；在什么情況下將教學人工智能運用到簡單教學任務中去；對教學人工智能算法的規制是否會增加教學成本等［38］。所有這些問題都需要不斷深入研究。尤其對教學人工智能應用與發展的探討不是一勞永逸的，必須在教學人工智能的應用實踐中發現問題和解決問題，并不斷推進教學人工智能的進步，讓人類教師和學生從教學人工智能的健康發展中受益。

參考文獻：

［1］黃甫全，伍曉琪，唐玉溪，陳思宇，曾文婕.雙師課堂課程開發引論：緣起、主題與方法［J］.電化教育研究，2022（02）：99-107.

［2］葉芮杏，孫福海，黃甫全.AI全科教師開發：基礎、模型與關鍵技術［J］.電化教育研究，2022 （03）：42-50.

［3］王緒強，胡凡剛.AI 教師賦能課堂教學的限度與超越［J］.電化教育研究，2022（08）： 29-35.

［4］Nilsson N．Artificial Intelligence：a New Synthesis［M］.San Francisco：Morgan Ｋaufmann Publisher，1998：12．

［5］羅生全， 張雪.智慧教學概念的多元理解及新解釋［J］.中國遠程教育， 2022（11）：6-14.

［6］郝志軍，楊穎東.人工智能與教學的合理性融合：優勢、挑戰與策略［J］.人民教育，2022（20）：51-54.

［7］楊彥軍，羅吳淑婷，童慧.基于“人性結構”理論的 AI 助教系統模型研究［J］.電化教育研究，2019（11）：12-20.

［8］柳晨晨，宛平，王佑鎂，楊剛.智能機器人及其教學應用：創新意蘊與現實挑戰［J］.遠程教育雜志，2020（02）：27-36.

［9］賀相春，郭紹青.人工智能助力教學創新的路徑研究［J］.國家教育行政學院學報，2021（09）：31-38.

［10］楊緒輝，沈書生．教師與人工智能技術關系的新釋——基于技術現象學“人性結構”的視角［J］．電化教育研究，2019（05）： 12－17．

［11］汪時沖，方海光，張鴿，馬濤.人工智能教育機器人支持下的新型“雙師課堂”研究——兼論“人機協同”教學設計與未來展望［J］.遠程教育雜志，2019（02）：25-32

［12］趙亮，陳志奎.大數據算法庫教學實驗平臺設計與實現［J］.實驗技術與管理， 2020（06）：197-201，206.

［13］郭炯，榮乾，郝建江.國外人工智能教學應用研究綜述［J］.電化教育研究，2020（02）：91-107

［14］趙磊磊，蔣馨培，代蕊華.內在主義技術倫理：教學評價智能化轉型考量［J］.中國遠程教育，2023（01）：40-48.

［15］崔宇路，張海.教育人工智能應用的困境、成因及對策［J］.現代教育技術，2022（06）：35-42.

［16］朱妮.法治教學案例中的問題及其優化［J］.中學政治教學參考，2022（10）：42-44.

［17］段金菊，鐘曉芳，黃襄，鄧智.智能時代在線案例教學資源的建設邏輯與評價向度［J］.課程·教材·教法，2022（09）：145-150，159.

［18］Burrell J. How the Machine “Thinks”：Understanding Opacity in Machine Learning Algorithms［J］．Ｂig Data ＆ Society，2016（01）：1-12.

［19］張凌寒，李榮.美國紐約算法監管遇挫啟示錄［N］.法治周末，2020-01-16（11）.

［20］韓嵩，韓秋弘.半監督學習研究的述評［J］.計算機工程與應用，2020（06）：19-27.

［21］馮潔.人工智能對司法裁判理論的挑戰：回應及其限度［J］.華東政法大學學報，2018（02）：21-31.

［22］Mayson S．Bias in，Bias Out ［J］.Yale Law Journal，2019（128）：2218-2223.

［23］和學新.教學的本質究竟是什么［J］.寧夏大學學報（人文社會科學版），2001（01）：18-27.

［24］〔美〕盧克·多梅爾．算法時代：新經濟的新引擎［M］.胡小銳，鐘毅，譯．北京：中信出版社，2016：220．

［25］于雪.基于機器能動性的人機交互信任建構［J］.自然辯證法研究，2022（10）：43-49.

［26］孫瑞芳，滕洋.人工智能時代教師主體性的遮蔽與復歸［J］.教育研究與實驗，2023 （01）： 52-59.

［27］唐玉溪，何偉光.人工智能時代教師何以存在：規定、窘境與超越［J］.中國遠程教育，2022（10）：21-28，39.

［28］王良輝，夏亮亮，何文濤.回歸教育學的精準教學——走向人機協同［J］.電化教育研究，2021（12）：108-114.

［29］高瓊，陸吉健，王曉靜，商家慧，周躍良.人工智能時代人機協同課堂教學模式的構建及實踐案例［J］.遠程教育雜志，2021（04）：23-33.

［30］李世瑾，顧小清.什么影響了人工智能教育的教學效果？——基于教師技術認知和教學實踐層面的分析［J］.現代教育技術， 2022（08）：92-99.

［31］顏海娜，聶勇浩.案例教學中的案例選擇與編寫——以“行政案例分析”教學為例［J］.行政論壇，2012 （02）：87-91.

［32］O'NeilC．Weapons of Math Destruction：How Big Data Increases Inequality and Threatens Democracy［M］.New York：Crown，2016：204.

［33］〔美〕托馬斯·薩蒂.創造性思維：改變思維做決策［M］.石勇，李興森，譯.北京：機械工業出版社，2017：259．

［34］Coglianese C，Lehr D.Transparency and Algorithmic Governance ［J］.Administrative Law Review，2019（01）：1-55．

［35］Kim B，Wattenbersg M，GilmerJ，etal，Interpretability Beyony Feature Attribution：Quantitative Testing with Concept Activation Vectors［EB/OL］.https：//arxiv.org/abs/1711.11279v4，2018-04.

［36］張永忠，張寶山.算法規制的路徑創新：論我國算法審計制度的構建［J］.電子政務，2022（10）：48-61.

［37］BathaeeY.The Artificial Intelligence Black Box and the Failure of Intent and Causation［J］．HＨarvard Journal of Law ＆ Technology，2017（31）：889-938.

［38］王天平，閆君子.人工智能時代的知識教學變革［J］.湖南師范大學教育科學學報，2021（01）：47-54.

Teaching Artificial Intelligence： Space， Limit and Transcendence

CHENG Yaping

（Central China Normal University， Wuhan， Hubei 430079， Chin）

Abstract： Compared to human teachers， teaching artificial intelligence has more advantages in terms of efficiency and accuracy， personalization， and ensuring the scientific and reliability of teaching. However， teaching AI faces technical difficulties， value challenges， and governance challenges in the application process. This determines that teaching artificial intelligence cannot replace the position of human teachers. Moreover， it is necessary to delegate simple teaching tasks to teaching artificial intelligence and complex teaching tasks to human teachers to build a positive and pragmatic human-computer coexistence model. On this basis， it is also necessary to establish measures to address algorithmic challenges， protect the rights of human teachers and students， enhance communication between personnel， cultivate composite talents， and construct a reasonable teaching responsibility allocation mechanism to ensure the widespread application and development of artificial intelligence in teaching.

Key words：teaching artificial intelligence; man-machine coexistence mode; teaching decision-making;artificial intelligence algorithm; screening mechanisms