人工智能時代的知識教學：誤用后果、歸因與破局

劉豐源 張香蘭 張夫偉 孔璽

摘要：人工智能變革了知識教學，將教師從繁瑣的教學工作中解放出來。但教師對人工智能的技術(shù)信任，是誤用的基本表現(xiàn)。這在一定程度上對教學規(guī)律、教學決策、教學倫理造成了影響。從歸因視角分析誤用的形成機理，取決于教師認識偏差與因果思維移植內(nèi)因、教學產(chǎn)品普適與教學改革強制外因。未來知識教學時，應重新構(gòu)筑科學認識方法體系，合理把握人機關系，創(chuàng)立教學產(chǎn)品研發(fā)共同體，尊重教師教學改革的意愿。

關鍵詞：知識教學；人工智能；技術(shù)誤用；教學決策；教學規(guī)律；教學倫理

中圖分類號：G434 文獻標識碼：A

* 本文系國家自然基金面上項目“融合3D視覺的多模態(tài)交互教育機器人研究”（課題編號：61877065）階段性研究成果。

為順應核心素養(yǎng)新要求，人工智能應用教育就有了合理化解釋，為知識教學帶來新的契機?？隙ㄈ斯ぶ悄艿膬r值，也要明晰與之邊界，以免導致技術(shù)異化。

知識教學，是針對知識成分（概念、原理等）的教學[1]。誤用，是指錯誤使用。我們認為，教師過于信任且完全委托人工智能進行知識教學，是誤用表現(xiàn)。以中國知網(wǎng)為檢索數(shù)據(jù)庫，將篩選條件設置“（CSSCI期刊=Y）并含（篇名=知識教學）”。截至2021年，相關文獻已有近百篇，主要涵蓋學科知識、知識組塊、具身認知等研究主題。比如祝智庭等從技術(shù)支持視角，探討了知識教學的實現(xiàn)路徑[2]；王天平等分析了知識教學變革的成因，回應了變革的應然策略[3]。知識教學有依附傳統(tǒng)教學的基因[4]，將人工智能移植于此，有可能發(fā)生免疫排斥，埋下誤用危機。它是教育的基本方式，探究人工智能時代知識教學中，教師技術(shù)誤用的后果、歸因與破局，對呼應新時代的人才培養(yǎng)要求具有重要意義。

不論采用何種教學模式、教學方法和教學手段，都應遵守教學規(guī)律，通過合理的教學決策（比如創(chuàng)設何種教學情境，如何進行知識遷移等），開展倫理性的教學活動。當教師過于信任人工智能知識教學時，務必要追問這種現(xiàn)象有違教學規(guī)律嗎？是否會對教學決策的精準性造成影響？它符合教學倫理嗎？

（一）違背了教學規(guī)律

任何事物的有序運行，有賴于規(guī)律指導，教學也不例外。只有符合教學規(guī)律，才能提高教學質(zhì)量[5]。教師完全信任人工智能，使其在知識教學時違背了教學規(guī)律。

第一，忽視了學生在學習過程中需要直接經(jīng)驗與間接經(jīng)驗的簡約性規(guī)律。教師開展教學活動為了達成教育目標[6]。教育目標分類學指出，記憶、理解、應用、分析、評價與創(chuàng)造是認知領域目標[7]。前兩個是低級目標，屬于淺層認知[8]，是在直接經(jīng)驗中，通過掌握顯性知識而達成；后四個是高階目標，是在間接經(jīng)驗中，以實踐形式（比如小組討論、親自動手等），學習隱性知識達成。只有做到直接經(jīng)驗與間接經(jīng)驗相結(jié)合，才能建立新舊知識聯(lián)系。人工智能具有檢索、呈現(xiàn)與推送顯性知識的優(yōu)勢[9]。但無法教授諸如經(jīng)驗、技巧與價值觀等具有默會屬性的隱性知識，這便導致間接經(jīng)驗的缺失。

第二，遮蔽了教學過程中學生發(fā)展以教材為基礎的規(guī)律。知識建構(gòu)應遵循因材施教的基本原則[10]，既不能偏離框定的教材，也要符合學生認知發(fā)展水平。學生在自適應學習時，也許會引發(fā)因材施教的缺失。一方面，推送的學習內(nèi)容有可能偏移教材范圍。人工智能通過收集眼動數(shù)據(jù)[11]，推送學習內(nèi)容。但學生眼睛注視的內(nèi)容，不一定集中在與教材相關的學習內(nèi)容上。除了眼動數(shù)據(jù)，也可以通過文本、語音、姿態(tài)等多模態(tài)數(shù)據(jù)進行學習分析[12]。但這些數(shù)據(jù)會面臨“模態(tài)異質(zhì)性差距、場景復雜性和創(chuàng)新分析方法等的挑戰(zhàn)”[13]，影響推送的精確性。另一方面，人工智能有可能誤判學生的認知水平。數(shù)據(jù)是一種事實，它可以解釋學生的學習狀態(tài)，卻不能說明這種狀態(tài)的形成原因。人工智能不會判斷數(shù)據(jù)（比如學習成績[14]、生物信號[15]等）的真實性，或許是睡眠不足導致學習成績的下滑；可能是身心緊張引發(fā)心率上漲。就是說，學習成績與生物信號可能是一種假象。沒有明晰這些數(shù)據(jù)的有效性，就根據(jù)數(shù)據(jù)來判斷學生的認知水平，隨后上調(diào)/下滑學習難度，也會阻礙知識建構(gòu)。

第三，阻礙了教和學之間相互促進的規(guī)律。教和學相互促進，來自教學相長，特指師生在教學中相互影響、相互制約[16]。它是促進教師專業(yè)發(fā)展，實現(xiàn)教化價值的重要原則；也是驅(qū)動學生自我成長，提高知識學習的有效途徑。學生學習，是建立在教師主導的基礎上；教師教學，需要學生的參與。盡管人工智能可以代替教師完成特殊的教學活動，但沁潤學生心靈的教師關懷與自我修養(yǎng)，不是機器能夠復制的；學生的性格特征與成長經(jīng)歷也不是機器可以粘貼的。教師的教不僅影響學生的學，學生的學也會促進教師的教，但人工智能豎立的隔絕屏障，直接阻礙了師生間的深度交流。

（二）失準了教學決策

人工智能訓練的教學決策模型，需要數(shù)據(jù)支持。但數(shù)據(jù)是人為賦予的，這便導致解釋客觀性的缺失。此外，僅有數(shù)據(jù)是不夠的，還要借助因果思維，判斷教學決策的合理性。由于人工智能不具備因果思維，它的教學決策機理自然有別于教師。

第一，數(shù)據(jù)集的桎梏。根據(jù)人工智能的訓練過程，一般是對多模態(tài)數(shù)據(jù)篩選、清洗與整合后，再使用機器學習方法，擬合出數(shù)據(jù)的權(quán)重，訓練出教學決策的模型。人工智能是一種概率預測的技術(shù)，出于概率的原因[17]，即使增加、置換或剔除一些數(shù)據(jù)，也會生成對應權(quán)重，這種模型仍然可以解釋教學決策。已有的數(shù)據(jù)集也不能包含解釋教學決策的所有因子，如此也暗喻解釋力度有些牽強附會。研究者通常秉持“數(shù)據(jù)可以解釋一切”的理念，認為只要有充足的數(shù)據(jù)挖掘技巧，就能得出真理[18]。數(shù)據(jù)挖掘是分析已知數(shù)據(jù)，發(fā)現(xiàn)事物的現(xiàn)存規(guī)律，而未來往往是難以預料的，這讓我們無從得知在未來是否會有新的因子影響教學決策。就算有證據(jù)證明教學決策模型是可行的，也不能保證決策效果就是理想的。

第二，相關性的局限。如果賦予人工智能近乎完美的數(shù)據(jù)，它就可以精準地執(zhí)行教學決策。這種辯護默認了一個假設，即人工智能與教師有相同的因果思維。因果思維是從因果推斷的視角，看待事物的原因與結(jié)果[19]。教師有時認為，某種教學決策（原因）可能會達成理想的教學效果（結(jié)果）。那么，人工智能執(zhí)行教學決策，具備像教師一樣的因果思維嗎？人工智能通?；跀?shù)理統(tǒng)計分析數(shù)據(jù)。一旦有人束縛在統(tǒng)計學世界，他們合乎邏輯的辯護就說明了兩者的關聯(lián)，這表明人工智能可以解釋事物的相關性。有了相關性能否精確預測因果？“具有相關性是判別因果與進行預測的前提條件”[20]，而不是充分條件。只有在相關性基礎上，并加以反事實推理，才能確立事物的因果關系[21]。人工智能其實不懂得反事實是什么。

第三，反事實的缺失。反事實是基于不是事實（既有數(shù)據(jù)）的不對稱性[22]，以確立事物的因果關系[23]。多數(shù)教師在課后扣心自問——換個教學案例有助于知識生成嗎？小組討論能促進知識交流嗎？制作飛機模型會提升知識創(chuàng)新能力嗎？上述假設正是反事實推論的體現(xiàn)。我們不去討論教師如何反事實推論的，反事實的確是教師的教學本能。人工智能不是教師，即便賦予解釋一切的數(shù)據(jù)，它的預測機理與教師也是別具一格。因為反事實與數(shù)據(jù)有不可調(diào)和的矛盾，我們不能祈求在虛幻的鏡像里找出真實的影子，反事實的世界不可能描摹出數(shù)據(jù)的痕跡[24]。人工智能缺乏脫離數(shù)據(jù)的想象力，失去數(shù)據(jù)，它的價值就蕩然無存。不能反事實，人工智能執(zhí)行教學決策，就遠離了預期效果。

（三）僭越了教學倫理

教學倫理是倫理學的延伸，特指“發(fā)生在教學活動中，以師生互動為基礎，指向個體生命成長的道德意蘊和價值取向”[25]。體現(xiàn)在要尊重學生的個體差異，顧及學生的內(nèi)心情感，保護學生的個人隱私。

第一，人工智能對待學生的同質(zhì)性與學生個體差異的矛盾。桑新民指出，知識建構(gòu)依靠情境支持[26]。學生正是基于個體經(jīng)驗，在特定情境中建構(gòu)知識的意義。學生具有差異性，這要求人工智能應尊重學生的個體差異，照顧有特殊需要的學生。但人工智能訓練的數(shù)據(jù)集帶有主觀價值取向，生成的訓練模型具有普遍適用性。在知識教學時，人工智能不會理解其創(chuàng)設的學習情境，是否適合學生個體特征，也不會明白學習情境中的學習線索是否符合學生的認知水平。它只是將數(shù)據(jù)抽象成枯燥無味的字符進行計算，以便符合統(tǒng)計學意義。如果沒有妥善處理普遍與特殊的關系，就算學生暢游在知識海洋，也會飽受饑餓的苦楚。

第二，人工智能提供情感反饋的二元邏輯與學生真實情感需要的矛盾。情感是個體對客觀事物的心理反應。在學習時，學生希望得到他人的情感反饋。一般認為，情感包括兩種基本屬性，分別是基于生物的自然屬性，基于倫理的社會屬性[27]。兩種屬性共同作用，形成了人類的情感。人工智能進行情感反饋，取決其是否可以準確識別情感，以及分析情感的兩種屬性。由于情感中自然屬性與社會屬性的差異性，即便學生表現(xiàn)出相同的情感，也需要提供不同的情感反饋。隨著多模態(tài)情感計算的發(fā)展，可以通過面部表情、生理信號等指標準確識別學生情感。但情感中的兩種屬性，不是算法的二元邏輯（真/假）就能透視的[28]。這表明人工智能很難提供適切的情感反饋。

第三，人工智能彰顯的挾制基因與保護學生隱私的矛盾。社會賦予公眾領域的屬性后，個體私人空間趨于無限伸縮。教學屬于公共場域，在所難免地縮小了學生的活動范圍。尤其是在人工智能的監(jiān)視下，學生失去了應有的自由。這種情況剝奪了最為高級且私人性質(zhì)沒有什么能比擬的東西[29]，比如面部表情、管理日志、學習姿態(tài)等。因此，亟需“尊重、授權(quán)與告知”等具有共生意義的詞語，去調(diào)和人機關系。現(xiàn)實的兩種情況拒絕了這樣的調(diào)和：一是攻擊者有意地侵犯；二是科學研究的需要。盡管貝葉斯網(wǎng)絡在防止他人侵犯上豎起了屏障[30]。但教師有可能附和教育專家的科學研究，對數(shù)據(jù)的使用并沒有做到知情同意，迫使人工智能成為數(shù)據(jù)幫兇。

海德在1958年提出歸因理論，用于解釋人類的社會行為。歸因理論強調(diào)，內(nèi)因與外因誘發(fā)了行為。其中，內(nèi)因特指個體層面，比如認識與思維；外因特指環(huán)境層面，比如壓力與制度。本研究基于歸因理論，分析技術(shù)誤用的形成機理。內(nèi)因?qū)用妫`是一種認識，歸結(jié)于教師沒有科學認識人工智能，視人工智能具備像人類一樣的因果思維。外因?qū)用?，教學產(chǎn)品的普適，以及教學改革的強制，引發(fā)了技術(shù)誤用。

（一）科學認識的偏差

以5G為代表的信息技術(shù)，催生新一代互聯(lián)網(wǎng)的迅猛發(fā)展。社交媒體通常制造博人眼球的話題，影響人工智能輿論（威脅論、萬能論等）的傳播。輿論是“一種群體意見的自然形態(tài)，帶有自發(fā)性和盲目性，它的變化、發(fā)展在一定程度上是被動的”[31]。這種被動源自社交媒體用“理性的辯論”把控著公眾認知[32]。作為公眾的子集，教師不管出于職業(yè)需要，還是閑暇娛樂，都不可避免地觸及社交媒體，我們也不能要求教師擁有淵博的學識去分辨事物的真假。所以，背離科學認識就不足為奇。

這種現(xiàn)象自2014年，就不斷侵蝕著教師對人工智能的認知。在利益裹挾下，社交媒體發(fā)酵人工智能輿論，每個輿論也帶有對阿爾法狗（AlphaGo）的夸贊。AlphaGo是基于深度學習的圍棋程序，前后分別戰(zhàn)勝李世石、柯潔等世界圍棋冠軍。這也被人們“幻想出一種終極的、擁有神一般全知全能的‘通用人工智能’（AGI）”[33]。我們不會否認機器戰(zhàn)勝人類的事實，但這不能說明人工智能在推理層面就超越了人類。因為“在數(shù)萬年前，人類開始意識到某些事會導致其他事的發(fā)生，改變前者就會導致后者的改變，沒有其它物種領悟到這一點，更別說達到我們所理解的這種程度”[34]。如果說人工智能真的超越了人類，它在因果推論層面就要比人類做得好。也就是，期待AlphaGo可以言說“這一步棋你可以下的更好，你可以用這樣的方式來打敗我”。遺憾的是，世界上根本就沒有任何智能機器擁有反事實推論[35]。況且，人工智能處理的數(shù)據(jù)，以及運算的邏輯都是人類賦予的，因而談及超越實在為時尚早。人工智能輿論的肆意傳播，讓教師在隨遇而安的思維下，習慣接受所看的事實[36]，不能科學認識人工智能的基本原理。

（二）因果思維的移植

幾乎任何一位人工智能教育研究者，都不會否認，甚至夸誕人工智能預測功能，這也是教師使用人工智能的佐證。預測是指“人們根據(jù)事物以往發(fā)展的客觀規(guī)律和當前出現(xiàn)的各種可能，運用科學知識、方法與手段，對事物未來趨勢和狀態(tài)預先作出科學的估計和評價”[37]。據(jù)此，預測帶有因果推論的痕跡，其過程包括發(fā)現(xiàn)、分析與評估。如果承認預測的循證艱難性、統(tǒng)計局限性和評估復雜性，以及未來不可知，就會直接證偽預測結(jié)果。教育領域的科學研究，習慣使用“預測”術(shù)語，堅信人工智能預測某某。在科學研究的影響下，教師將因果思維移植于人工智能也就成了應有之義。

現(xiàn)代預測基于數(shù)理統(tǒng)計有了科學的根據(jù)，科學量化數(shù)據(jù)已成為預測的根本條件。所以，人工智能預測也就圈定在合法化邊緣。也許人工智能的預測機理是把握不了的（黑箱機制），但可以通過探討教育數(shù)據(jù)的意義來論證合理與否。人類對客觀事物的無休止探索，使得我們通常用以偏帶全的知識來賦予數(shù)據(jù)有限的意義。如果數(shù)據(jù)有歧義，事物的因果關系就不成立。即便數(shù)據(jù)沒有歧義，也會出現(xiàn)諷刺的味道，即“每當研究者想用數(shù)學分析來解決一些問題時，他們就不得不將該問題轉(zhuǎn)化為一個關聯(lián)的偽命題”[38]。我們不去批判這種諷刺的源頭是否和高爾頓的思想有關，可是統(tǒng)計分析的結(jié)果確實不是在預測因果，因為相關性與因果關系有很大的差別。這也說明，人工智能的預測結(jié)果只是說明數(shù)據(jù)間的相關性。因此，人工智能的旨趣不是為了預測因果，而是通過預測結(jié)果去輔助教師解釋教學中的各種因果關系。

（三）教學產(chǎn)品的普適

沒有人會質(zhì)疑“人工智能助力因材施教”的初衷。這種認識的背后通常會形成一個認識誤區(qū)，也就是附著于教學產(chǎn)品形態(tài)的人工智能是個性化的。如果不是，就違背了人工智能信仰者的立場?，F(xiàn)實拒絕了這個假設，人工智能“在實際應用中存在著因言過其實、誤以為真、不切實際等錯誤認識造成的實踐誤區(qū)”[39]。教育公司通常漠然于教師的存在，模糊了學生的基本特征，混淆了“需要這些功能”與“師生需要這些功能”的語義，致使教學產(chǎn)品的個性化缺失。

因材施教的詞源典故，出自于《論語·先進篇》，意思是根據(jù)學生的性格，選擇不同的行動方案，后被形容因人而異的個性化教育。做到因材施教，即要找普遍意義變量（比如年齡、性別）；也要照顧特殊意義變量（比如學習成績、學習準備）。只有了解學生的基本特征，才能及時調(diào)整教學目標、教學內(nèi)容與教學方法。事實上，教學產(chǎn)品偏向于前者，遺忘于后者。本研究團隊曾在某中學調(diào)研，該學校正在推進面向智慧教育的教學改革，使用了某公司的平板電腦，及其研制的智能教學系統(tǒng)。在學生使用知識圖譜進行知識點學習時，知識圖譜的呈現(xiàn)界面與內(nèi)容偏向動畫形態(tài)，不符合中學生的認知發(fā)展規(guī)律。根據(jù)皮亞杰認知發(fā)展理論，這種情況比較適合前運算階段（2—7歲）的學齡兒童。此外，知識庫中的多模態(tài)資源欠缺，僅有圖像與文字，沒有語音及反饋，不能得知學生究竟喜歡何種學習資源。訪談發(fā)現(xiàn)，產(chǎn)品代理、技術(shù)人員、學校校長、教導主任、地理主任組建的教學產(chǎn)品研發(fā)共同體，缺少教師的參與。

（四）教學改革的強制

實施教學改革的是為了消除傳統(tǒng)教學的弊端，因而人工智能融入教學便有了合理化解釋。但有些學校剝奪了教師的主體地位，壓制了教師的話語權(quán)力，強制規(guī)定，且嚴格實施較為剛硬的規(guī)章制度[40]。此類環(huán)境為教學改革抹上了強制色彩，表征出非改不可的責任義務。我們需要聽從教師的意見，絕不允許將強制命令施加給教師。因為教師是教學的主體，也是教育的主導者。無視教師，教書育人將會淪為一句空談。

強制實施教學改革，似乎讓教師難以喘息。因為傳統(tǒng)教學思想不會因教學改革而臣服于改變，它習慣扎根在教師的靈魂深處。盡管傳統(tǒng)教學有許多的不完善性，但一些教師仍然可以花費時間精力，來彌補其與智能技術(shù)之間的差距。教學改革的強制實施，打破了這種寧和，即便教師擁有堅強的自由意志，依然無法擺脫外界壓力的束縛。特別是年長教師對新事物接受度、適應性、操作性等方面，確實不如年輕教師?？v然頗有微詞地以開展教師培訓為借口，但誰能體會年長教師所處年齡階段的難處。這有可能因為對人工智能理解不到位，不能完成與之對應的教學任務。利益是捆綁的，受教學任務所牽制的教學評價就是必然的。教學是教師的基本生活，也是維持生計的方式。迫于生存的壓力，教師的教學熱情、教學態(tài)度與教學理解也會發(fā)生微妙變化。所以，應付教學也是情理，產(chǎn)生技術(shù)誤用更是當然。生活好似一場搏斗，一方是道德責任，另一方是個人愛好[41]。盡管道德的普遍約束性限制了教師的某些行為。迫于實現(xiàn)切身利益，教師可能泄露敏感數(shù)據(jù)，服務教育研究者進行科學研究。

四、教師技術(shù)誤用的破局

人工智能為知識教學撒下了一粒種子，如果這粒種子反陽生長，勢必有違教育的初衷。撥正反陽式生長的關鍵，在于破局技術(shù)誤用。本研究針對技術(shù)誤用的形成機理，提供下列建議，以期促進知識教學的良性生長。

（一）構(gòu)筑科學認識的方法體系，增長科學基因

認識是指人的頭腦對客觀世界的反映[42]，提升認識就應豐富知識。如果在直觀層面接受錯誤的理解，概念也不會是真實的。不論出自何種原因，教師對人工智能的概念認識已發(fā)生偏離，并且隨著時間的流逝逐漸造成技術(shù)誤用。因此，構(gòu)筑對人工智能的科學認識方法體系，增長科學基因，是知識教學良性生長的第一條路徑。

科學反映“自然、社會、思維等的客觀規(guī)律的分科的知識體系”[43]。所以，科學是指符合客觀規(guī)律的知識體系，它是真實的、可信的，且被驗證過，由共同體認可的?？茖W不是盲目跟風的輿論，而是在專業(yè)人員的指導下，賦予事物具有科學的意義。構(gòu)筑科學認識方法體系，要消除偽科學的虛假聲音，也要保留科學的真實聲音。一方面，遵循多元協(xié)同理念，開展人工智能輿論治理。相關部門（司法部門、教育部門與自媒體等）務必明確治理任務，實施監(jiān)管、審查、分析、診斷與評估等治理活動，判斷風險等級；也要通過追溯、核實與懲戒，廓清傳播源，按照法律法規(guī)進行懲處。另一方面，拓展教師認識渠道，提升人工智能科學認識。從傳播學視角，他人與資料是知識的傳播源。學校應聘請人工智能理論專家，組織教學培訓，掃清教師認識盲區(qū)；依托于人工智能政策文件、學習手冊、會議報告與優(yōu)秀論文等，打造知識庫，豐富教師的科學認識。只有將科學基因溶入認識過程，才能形成科學認識。

（二）樹立相互聯(lián)系的關系思維，實現(xiàn)人機共生

當教師視人工智能具有因果思維，就說明教學無形中被某種神秘的東西所控制，也意味著這個東西必然導致某些教學結(jié)果。但教學以過程的形式而存在，是教學各要素相互聯(lián)系、相互滲透、相互制約的體現(xiàn)，其中充滿著難以預料的教學事件，它的教學結(jié)果也不是固定的。如果被這種觀念所控制，那么教學就是“技術(shù)決定論”的產(chǎn)物，教師自然就排斥在教學之外。人工智能不僅是技術(shù)，也是教學要素，教師只有把握自身與人工智能的關系，才是人機共生的關鍵。

其一，確立相輔相成的互補關系。教師應用人工智能關鍵在于溯清其有能所向，把握其不能所指。人工智能的學習機理，實質(zhì)是對數(shù)據(jù)的計算，它的運算能力是教師難以望其項背的，有些地方也是不如教師的。教師應擇其善者而從之，其不善者而改之，既要厘清人工智能在知識檢索、問題解答等方面的優(yōu)勢；也要互補其在情感交流、教學設計等方面的劣勢。其二，厘清次序分明的主客關系。人機共生不意味人機平等，教師才是教學活動的組織者與倡導者?，F(xiàn)實也絕不會容忍具有算法偏見的工具來主宰課堂。追溯偏見的根源，一定要回答數(shù)據(jù)的來源。人工智能訓練的計算模型有賴于數(shù)據(jù)，而數(shù)據(jù)則是由利益相關者賦予的[44]，這凸顯了其固有的偏見基因。而且，我們也很難要求人工智能可以客觀地融入教學。因此，人工智能帶來的教學價值始終是有指向的，這要求教師不要迷惑于其智能的外表，應化身為主，時刻監(jiān)督客的行為。

（三）創(chuàng)設休戚與共的研發(fā)環(huán)境，促進深度對話

顧及學生的差異性，了解學生的基本特征，才能提升教學產(chǎn)品研發(fā)的科學性，進而提升教學產(chǎn)品的應用效率。但由于模態(tài)異質(zhì)性、數(shù)據(jù)稀疏性等挑戰(zhàn)，無疑為個性化教學產(chǎn)品蒙上了陰影。也許現(xiàn)有的技術(shù)很難解決這個問題，但絕不是教學產(chǎn)品具有普適性的設詞。因為如果不清楚學生的基本特征，就無法進行科學的研發(fā)工作。但教師被排斥在研發(fā)共同體外，缺少與教育公司的深度對話。

除了家長之外，幾乎沒有人像教師那樣了解學生，這亟需教師參與教學產(chǎn)品的研發(fā)過程。其一，賦予教師充分的話語權(quán)利。受科層制影響，通常是教育公司與學校采購部門組建研發(fā)共同體，旁落了教師的話語。學校應突破傳統(tǒng)交流體制，組建多元參與共同體，選擇部分教師及其代表參與研制過程。其二，傾聽教師提出的寶貴意見。如果交流是赤裸的壓制，傾聽就失去了固有的價值。只有秉持合作理念，以聆聽的姿態(tài)問其難處、聽其建議，才能相互理解、相互尊重，達成價值共識。其三，提升參與主體的共情能力。共情是相互理解的基礎[45]，也是規(guī)避意見分歧的有效措施。應使用觀點采擇、換位思考與及時反思等方法，區(qū)分彼此的觀點，提升個體的共情能力。一言蔽之，共同研制具有個性化的教學產(chǎn)品，是技術(shù)賦能因材施教的關鍵。

（四）尊重教師教學改革的意愿，沁潤倫理關懷

教學改革是指導教師如何開展教學活動的方向標，具有某種意義上的強制性；也是面向教師的一種行為規(guī)范，需要倫理的規(guī)約。如果強制凌駕于倫理，規(guī)范就不是通過知情同意方式制定的。這樣的強制是對人性的貶損與無視，是毫無意義的表現(xiàn)。以人為本滲透意旨相同的價值共識，也是尊重教師的體現(xiàn)。將以人為本嵌入教學改革，是解放奴役、沁潤倫理、回歸理性的現(xiàn)實路徑。

回歸以人為本的教學改革，就要做到知情同意，不用則不強為。教師會逐漸形成個性化的教學風格，習慣沉湎以往合適的教學環(huán)境。這體現(xiàn)教師的價值取向，也說明教師群體具有多元性、差異性與耦合性的特征。如果將強制命令施加教師，就可能動搖教師的教學欲望，限制教師的專業(yè)發(fā)展。只有弱化強制的硬度，提升意愿的韌性，才能彰顯以人為本。此外，教學改革與教師的個人利益息息相關，沒有完成教學改革任務也意味著利益受損，教師有可能實施另辟捷徑的行為。雖然教師受到職業(yè)道德的約束，但我們不可能完全依賴道德，因為道德也有面臨社會沖突的不穩(wěn)定。所以，應針對不同的教師群體，制定對應的獎勵制度，協(xié)調(diào)教師的個人利益。

如果生活在夢境之中，就不排除人工智能賦予知識教學完美的、夸張的、宏偉的期待?？墒牵瑝粜阎蠼K究要回歸平常。所以，我們必須要剔除夢的夸張元素，接受現(xiàn)實的洗禮。人工智能對知識教學的價值不言而喻，但這種價值的實現(xiàn)必須要有一個“破夢之人”，不能任由人工智能在夢境中自由暢想。這個重擔無疑落在教師的肩頭。教師要充分認識到夢的存在，不能完全仰賴人工智能而不去干預。只有回歸到實踐場域，才能凸顯知識教學的真實樣態(tài)?？傮w而言，在人工智能時代的知識教學中，我們應該保持謹慎、冷靜與理性的態(tài)度，以面對過于盲目的悲觀；以卑躬、謙遜與低調(diào)的姿態(tài)，去審慎無的放矢的樂觀；以科學方法為指導，去探究知識教學的良性生長。

參考文獻：

[1] 張恩銘，盛群力.條件適配促進有效教學——科丁格“知識—學習—教學”（KLI）框架及其應用建議[J].中國電化教育，2020，（6）：112-119.

[2] 祝智庭，彭紅超.信息技術(shù)支持的高效知識教學：激發(fā)精準教學的活力[J].中國電化教育，2016，（1）：18-25.

[3] 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，（1）：47-54.

[4] 譚維智.在“后疫情時代”如何進行知識教學變革？[J].現(xiàn)代教育技術(shù)，2020，（5）：5-10.

[5] 何克抗，李文光.教育技術(shù)學[M].北京：北京師范大學出版社，2009. 126-127.

[6] 李春迪，唐愛民.人工智能時代課堂教學的困厄與澄明[J].中國電化教育，2021，（8）：42-47.

[7] [美]洛林W·安德森，彼得W·艾拉沙恩等.蔣小平，張琴美等譯.布盧姆教育目標分類學：分類學視野下的學與教及其測評（完整版）[M].北京：外語教學與研究出版社，2009.21.

[8] 何克抗.深度學習：網(wǎng)絡時代學習方式的變革[J].教育研究，2018，（5）：111-115.

[9] 宋靈青，許林.人工智能教育應用的邏輯起點與邊界——以知識學習為例[J].中國電化教育，2019，（6）：14-20.

[10] 劉邦奇.智能技術(shù)支持的“因材施教”教學模式構(gòu)建與應用——以智慧課堂為例[J].中國電化教育，2020，（9）：30-39.

[11] 王一巖，王楊春曉等.多模態(tài)學習分析：“多模態(tài)”驅(qū)動的智能教育研究新趨向[J].中國電化教育，2021，（3）：88-96.

[12] 張琪，李福華等.多模態(tài)學習分析：走向計算教育時代的學習分析學[J].中國電化教育，2020，（9）：7-14+39.

[13] 吳永和，郭勝男等.多模態(tài)學習融合分析（MLFA）研究：學理闡述、模型樣態(tài)與應用路徑[J].遠程教育雜志，2021，（3）：32-41.

[14] 姜強，趙蔚等.基于大數(shù)據(jù)的學習分析儀表盤研究[J].中國電化教育，2017，（1）：112-120.

[15] 牟智佳，符雅茹.多模態(tài)學習分析研究綜述[J].現(xiàn)代教育技術(shù)，2021， （6）：23-31.

[16] 李保強，薄存旭.“教學相長”本義復歸及其教師專業(yè)發(fā)展價值[J].教育研究，2012，（6）：129-135.

[17] 任祥華，柳士彬.人工智能時代教學以何存在[J].中國電化教育，2021， （5）：87-93.

[18][21][24][34][35][38] [美]朱迪亞·珀爾，達納·麥肯齊.江生，于華譯.為什么：關于因果關系的新科學[M].北京：中信出版集團，2019.

[19] 于文浩，伍艷.績效技術(shù)的因果觀：吉爾伯特的工程學模型[J].現(xiàn)代教育技術(shù)，2021，（3）：34-41.

[20] 陳云松，吳曉剛等.社會預測：基于機器學習的研究新范式[J].社會學研究，2020，（3）：94-117+244.

[22] 吳小安.因果方向與反事實依賴——大衛(wèi) 劉易斯關于因果方向的形而上學理論[J].自然辯證法研究，2021，（4）：17-24.

[23] 裘江杰.實際因果的反事實定義[J].自然辯證法通訊，2020，（8）：10-17.

[25] 蒿楠.教學倫理：內(nèi)涵、關鍵話題與實踐回應[J].思想理論教育，2013， （24）：13-18.

[26] 桑新民.學習科學與技術(shù)——信息時代學習能力的培養(yǎng)（第2版）[M].北京：高等教育出版社，2017.135.

[27][28] 陳凡，徐旭.后人類時代的技術(shù)情感及其倫理反思[J].系統(tǒng)科學學報，2020，（1）：1-5+11.

[29] [美]漢娜·阿倫特.王寅麗譯.人的境況[M].上海：上海人民出版社出版，2009.24.

[30] 郝志峰，王日宇等.基于貝葉斯網(wǎng)絡與語義樹的隱私數(shù)據(jù)發(fā)布方法[J].計算機工程，2019，（4）：124-129.

[31] 陳力丹.關于輿論的基本理念[J].新聞大學，2012，（5）：6-11+21.

[32][33] [美]史蒂芬·平克.侯新智，歐陽明亮等譯.當下的啟蒙[M].杭州：浙江人民出版社，2019.386+326.

[36] 楊欣.魔法與科學：人工智能的教育迷思及其祛魅[J].教育學報，2021， （2）：18-31.

[37] 郎茂祥.預測理論與方法[M].北京：清華大學出版社，2011.1.

[39] 汪瓊，李文超.人工智能助力因材施教：實踐誤區(qū)與對策[J].現(xiàn)代遠程教育研究，2021，（3）：12-17+43.

[40] 徐繼存.作為倫理實體的學校[J].教育研究，2020，（4）：77-84.

[41] [德]伊曼努爾·康德.苗力田譯.道德形而上學原理[M].上海：上海人民出版社，1988.7.

[42][43] 中國社會科學院.現(xiàn)代漢語詞典（第五版）[M].北京：商務印刷館，2005.1150+769.

[44] 毛剛，王良輝.人機協(xié)同：理解并建構(gòu)未來教育世界的方式[J].教育發(fā)展研究，2021，（1）：16-24.

[45] 劉聰慧，王永梅等.共情的相關理論評述及動態(tài)模型探新[J].心理科學進展，2009，（5）：964-972.

作者簡介：

劉豐源：在讀博士，研究方向為智能教育、區(qū)塊鏈教育、問題青少年預防與教育。

張香蘭：教授，博士，博士生導師，研究方向為教育基本理論、德育原理。

張夫偉：教授，博士，博士生導師，研究方向為教育基本理論、德育原理。

孔璽：在讀博士，研究方向為智能教育、學習行為分析。

Research on Knowledge Teaching in Era of Artificial Intelligence

Liu Fengyuan1， Zhang Xianglan1， Zhang Fuwei1， Kong Xi2（1.College of Education Science， Ludong University， Yantai 264025， Shandong； 2.National Engineering Laboratory for Educational Big Data， Wuhan 430079， Hubei）

Abstract： Artificial intelligence has revolutionized knowledge teaching and liberated teachers from tedious teaching work. But the teachers’ complete faith in AI has led to the misuse of technology， which has greatly influenced the teaching rules， the accuracy of teaching decisions， and teaching ethics. From the perspective of attribution theory， the formation mechanism of misuse depends on the internal cause of teachers’ cognitive deviation and the transplantation of causal thinking， as well as the external cause of the universality of teaching reform. In the future knowledge teaching， we should reconstruct the method system of scientific understanding， rationally grasp the human-machine relationship， establish the research and development community of teaching product， and respect teachers’ will of teaching reform.

Keywords： knowledge teaching； Artificial Intelligence； misuse of technology； teaching decision； teaching rules； teaching ethics

責任編輯：李雅瑄

3930500589202