为理解而学：人工智能时代的知识学习

张 良,关素芳

(西南大学 西南民族教育与心理研究中心/教育学部，重庆 400715)

知识学习是学校教育安身立命的使命，对于为何而学的抉择将决定知识学习目标、预期的学习结果及学习方式的确立。伴随着人工智能技术的迅猛发展和广泛运用于学校教育，线上无边界的学习资源以超链接的方式进入学校知识体系之中。这一技术运用促使学校教育场域中的知识形态、载体、来源从纸质媒介转向网络化。然而，网络中的知识、信息纷繁复杂，偏见与意见、谣言与误传裹挟其中。美国作家马克·吐温(Mark Twain)的那句名言告诉我们，陷我们于困境的不是自己的无知，而是我们所确信的并非事实。那么，面对人工智能教育运用所引发的这一系列知识形态、属性的变化，基础教育的学习者又该如何应对？对此，我们以为何而学作为分析切入点，深刻检讨为获得而学的限度，探究人工智能技术教育运用背景下或人工智能时代应然的知识学习。

一、人工智能时代为获得而学的限度

在人工智能技术的教育运用背景下，无边界的线上学习资源极大地丰富了学生知识学习的资源，知识获取的方式也极为便捷，这一系列智能技术时代的教育红利也提供了反思为获得而学这一传统知识学习信条的契机。

1.人工智能时代知识形态的变革

伴随着人工智能技术在教育领域的应用，线上无边界的学习资源以超链接的方式进入学校知识体系之中，虚实结合、线上线下互补的学习资源逐渐突破了传统教材、课堂等学习内容与学习空间的束缚。其中，知识形态、媒介与来源的网络化及链接化正在更新知识的属性、特征、来源及获取方式。学习者可以随时随地通过智能设备进入这一无边界、网络化的知识学习空间，让无处不在的知识、随时随地的学习成为现实。可见，今天学校教育的知识载体或知识本身已经冲破传统纸质书本的桎梏，开放性、联系性、不确定性正是人工智能背景下知识存在形态的性质。

人工智能技术所开创的网络化学习空间也隐含着知识的风险。虚实结合的网络化学习资源中，学习者被潮水般的知识和信息笼罩。然而，人工智能技术仅仅提供了丰富的信息来源和便捷获取的方式，难以确保所提供的知识和信息的真实性、事实性与正确性。正如哈佛大学戴维·温伯格(David Weinberger)研究员所言：“网络化的知识开启了一个充满分歧的网络。”[1]美国康涅狄格大学迈克尔·林奇(Michael Lynch)教授在分析网络化知识形态的这一特征时指出：知识的网络属性突出表现为真相与谎言交织，知识与观念、意见混为一谈，事实与谣言、谣传相互裹挟。知识甚至成为一张布满多面联系、相互歧义、不同意见表达的网络集合体[2]。可见，传统知识观将知识视为经过验证的真的信念和真实、事实的客观表征，而知识的网络形态正在挑战这种传统知识观。网络化的知识集合体之中，知识本身并非中立、真实、客观的，每一处知识来源都预先筛选了信息、事实等，甚至为了保留、突出部分事实，而删除、排斥甚至歪曲了其他事实。英国学者赫克托·麦克唐纳(Hector Macdonald)甚至危言耸听地将这一时代称之为“后真相时代”，并不禁感叹：“互联网在拓宽全球知识的传播范围的同时，也在加速错误信息和仇恨的传播。当真相被操纵、利用，真相何在？我们该如何看、如何听、如何思考。”[3]虽然“现实与虚幻、真实与虚假的区分问题并不是数字时代的独有产物，只不过到了数字时代，这个问题有了新的表现形式”[2]。面对人工智能技术的广泛运用，知识的形态、特征乃至本身已经发生了新的变化，学习者应选择何种知识学习理念或方式，以应对这一裹挟着真实与虚假、意见与谣言的知识网络形态，才能抵制那些虚构、隐瞒的真相乃至被操纵的谣言，进而寻求自我分析与判断、确立自我理解将尤为关键。

2.人工智能时代知识获取方式的变革

(1)巨量的信息洪流

无边界的线上学习资源逐步涌入学校知识体系，信息膨胀、资讯洪流正在以超链接等方式进入学生的学习情境。加拿大学者乔治·西蒙斯(George Simens)用“软知识”来勾勒信息洪流的知识本质：信息洪流中充斥着大量未被专家充分证实和验证的、仍处于争议的，或仅是一种可能且易发生改变或被修正的知识。对此，我们不能把知识看作保持不变的实体并以被动的方式来消费，应以原创者没想到的方法舞动和裁定他人的知识。这样做我们可以形成自己的知识，并降低原创者的影响[4]。在巨量信息洪流的冲刷下，新鲜名词、概念、新生事物等层出不穷，知识并非像以前那么一成不变、稳定如初，而是变得碎片化、流动与灵活多变。可见，“互联网时代的愚蠢不是完全无知，而是把需要验证、求实的知识信息不经思考就当成可靠而确定的知识”[5]。然而，为获得而学却依旧秉持以掌握、识记、授受为学习目标，将知识视为客观世界的表征、真理、规律的表达。这一知识信条在智能时代已显得捉襟见肘。面对呈几何指数增加的信息、知识，如果对网络中的信息、知识不加反思与分析、验证和理解就随意轻信，学习者势必会淹没在信息的洪流之中，丧失自己的判断与理解。

(2)便捷的获取方式

伴随人工智能技术的教育运用，知识的载体、媒介与获取方式的网络化、链接化已让知识获得更加简便、快捷。智能技术不仅能够自动化地筛选、分析、加工并处理信息，实现知识创造，而且还能够根据学习者的学习需求等相关数据自动分析、自动识别与主动推送。然而，正如林奇所指出的：几乎无所不知的搜索引擎却并不对信息源的可靠性负责。我们不能单纯地通过下载来接受信息，也不能只进行反思和甄选。如果将接受信息的过程等于知识习得，认为下载了大量的信息并可以掌握知识本身，呈现在我们眼前的世界准确无误，看到的都是真相，那么这个过程就可以获得知识。可是，这种观念并不正确。接受的知识并不是知识本身。为确保可靠性、可信性，我们还需要给出理由[2]。显然，如若忽视网络化知识的这一特点，一旦不假思索地接受检索到的信息与知识，人们就难免会被虚构的谣言、隐瞒的真相所操纵、利用。可见，在智能时代，我们缺乏的不是信息、知识，而是能否确证、反思、辩护并产生自己的理解。当我们反思智能技术为知识获取带来便利的同时，还应发现便捷的获取方式也凸显了死记硬背、被动接受等学习方式的极大限度。那么，应对便捷的获取方式，如何基于反思、批判、运用，寻求自我的理解与反思将尤为关键。

二、人工智能时代为理解而学的依据

面对巨量的信息洪流与便捷的获取方式，为获得而学的限度日益突出。为理解而学的提出回应了人工智能时代我们真正需要的学习方式、思维特质及个人价值实现等问题。

1.理解是深度学习的基础与目的

要应付好人工智能的挑战，学习者应超越信息、事实，能够基于理解而积极、灵活地运用知识，这样的学习是一种深度学习。加拿大教育学者迈克尔·富兰(Michael Fullan)曾指出：深度学习是人工智能时代学习方式的首选。人工智能时代的学习者通过深度学习来掌握他们应具备的技能与素养[6]。可见，深度学习不仅可以赋能人工智能技术，更是学校教育应对人工智能挑战的学习方式。关于深度学习，美国威廉和弗洛拉·休利特基金会(William and Flora Hewlett Foundation)将其定义为：“深度学习即掌握这些内容知识就是要建立起对这些知识的基础性理解，能够将知识迁移至其他情境。”[7]显然，这一定义明确提出,深度学习发生的基础不是知识的获得，而是理解的发生，甚至“对知识如何产生的理解远比知识本身对于深度学习更重要”[8]。也就是说，深度学习是建立在学习者获得理解的基础之上的，能够将新的知识融入原有的认知结构中，并将已有的知识迁移到新的情境中，做出正确的决策和选择问题解决的途径。

理解不仅是深度学习的基础，而且也是深度学习的目的。深度学习体现为基于理解而展开的学习过程与结果的统一体。2020年，美国课程促进协会著名课程学者杰伊·麦克泰格(Jay McTighe)教授在《为了深度学习而教：学生参与意义建构的工具》(TeachingForDeeperLearning：ToolstoEngageStudentsinMeaningMaking)中指出，深度学习的结果是促进学生对重要学科观念产生持续性理解[9]。可见，深度学习和理解之间是相互联系、共同支持的关系。深度学习得以发生，是建立在个人理解基础之上的；同时，理解也是深度学习运用所学、基于知识创造知识的最终目标。

2.理解是高阶思维发展的核心

面对人工智能时代的挑战，个体所需要的思维品质不是指向知识获得的，而是基于理解而发生的批判性思维、创新性思维等。这些思维也被称为高阶思维。高阶思维集中体现了人工智能时代人才培养的新兴要求、人才发展的思维特质，同时彰显出人工智能时代对学习者思维技能的高层次追求。美国课程再设计研究中心(Center of Curriculum Redesign)2018年发布了题为《人工智能时代的知识——学生究竟该学什么？》(KnowledgefortheAgeofArtificialIntelligence:WhatShouldStudentsLearn?)的研究报告。该报告指出，为迎接人工智能时代的工作、生活挑战，常规性的认知工作将日益被计算机、人工智能所替代。这也意味着未来学校知识学习的理念与方式将有所改变。知识学习应旨在培养学习者基于高阶思维参与的知识运用，以此代替简单性、机械性的知识获取、记忆、储存等。概言之，面对人工智能的挑战，以高阶思维为代表的21世纪技能正成为21世纪“工作需求表”中的新宠[10]。

长期以来，教育学界将理解视为高阶思维发生的基础，其本身并不是高阶思维。布鲁姆将认知领域细化为识记、理解、应用、分析、综合和评价六个教育目标的做法便是这一观念的集中体现。识记、理解、应用被视为浅层思维，而分析、综合、评价被视为高阶思维。在这一划分中，对“理解”的定位形成一种误解——低阶思维是高阶思维的基础，即高阶思维是由低阶思维一步一步发展起来的。这就表明，理解本质上不是一种高阶思维，与识记、掌握的区别仅在于程度而已。认知心理学、学习科学的相关研究指出，缺乏高阶思维的新手或初学者，仅能回忆、记忆表面性的事实知识，而不能够在概念框架中理解事实和观念[11]。“理解不仅仅是了解事实本身，还包括运用具体证据和逻辑——富有洞察力的关联和例证来推断原因和过程。”[12]由此可见，理解作为一种高阶思维，甚至是发展高阶思维的核心，“它远远超过了对事实和程序的简单回忆，而包括了把概念和策略组织到一个层级框架中，用于决定以怎样的方式在何时把知识应用于理解新材料并解决相关问题”[13]。正如帕金斯教授所指出的：“理解的过程牵涉一系列的行为，包括分析、判断、综合和创造出能体现学科原理或概念的作品。”[14]概言之，为理解而学的提出旨在重估理解与高阶思维的关系，并强调以理解为核心的高阶思维发展路径。

3.理解是个人价值实现的关键

面对人工智能时代的挑战，学习者如何实现个人的价值，如何能成为健全的人，所需要的不单纯是认知层面的知识获得，还包括发展基于理解的情感、意义、价值等。这些基于理解的非认知维度是一种能够设身处地、换位思考，以及感同身受的同理心或体谅他人观点的学习能力和道德体验，概称为移情理解。人工智能技术的优势在于高速的搜索、再检索能力和深度学习能力，但它在整个学习、应用过程中难以理解情感、意义乃至价值等问题。正如有学者分析智能时代的教育挑战时指出：“教育不仅仅是使我们成为快速、准确的信息处理器——计算机多年来在获取和使用数据方面一直超过人类，最为关键的是，使我们成为健全的人的教育过程是计算机永远无法复制的，这就是移情理解，一个人对另一个人感同身受、悉心关怀的能力。”[15]此外，伴随智能技术逐渐取代机械常规任务、没有社交成分的工作，留给我们最有价值的工作就在于从事具有高度社会性、情感参与的事务。对此，如何获得认知与非认知维度相结合的理解，成为人工智能时代的挑战个人价值实现的关键。

三、人工智能时代为理解而学的涵义

为理解而学作为人工智能时代的知识学习方式，在学习结果、学习过程，以及知识与理解的关系等方面超越了为获得而学。

1.理解作为预期学习结果

为理解而学区别于碎片化知识的获得，旨在超越信息、知识，强调整体关系性、反思与创造性思维等认知层面的发展。理解与获得最大的区别便在于，后者是以假定学习内容真理性为前提的，掌握、认知更多的指向“信解”。而理解是以反思、批判、想象、确证为基础的，它不仅关乎“是什么”与“为什么”，更涉及“如何做”与“做什么”。可见，理解意味着找到证明依据，对证据的关联性有创造性的见解与在情境中灵活运用[2]。对此，理解作为预期学习结果的关键在于意义性的联系与反思性的运用，并强调能够创造性地生成新的观点、想法与观念等。也就是说，理解作为预期的学习结果，不仅是能够符合并忠于知识、事实、真相或对此能够进行确认性、反思性鉴别、思考，而且还指向了批判性、确证性、建构性与生成性的运用。

将理解视为预期的学习结果，不仅在于回应人工智能时代知识形态的新变化，而且理解也是每个时代学校教育皆在努力实现的学习结果。这里需要指出，人工智能教育运用背景下知识形态及其获取方式的变革更加凸显了这一预期学习结果的重要性。身处工业时代的约翰·杜威(John Dewey)对为理解而学的讨论最有预见性。他指出：“所有的知识包括科学探索在内，目的在于理解他们。要理解一件事物、一个事件或一种情境的意义，就是要揭示它同其他事物的关系，指出它的作用或功能，指出它的结果、它的原因以及如何利用它。反之，这个事物若对我们没有意义，我们没有理解它的某种关系，我们就把这种事物称为没有理解的事物。”[16]可见，在他看来，之所以将理解视为知识学习的目标，是因为理解不仅意味着学习者能够基于已有的知识、经验建立联系，而且能够基于已有的知识把握新知，并对其展开意义性联系、作用性反思、原因性确证、批判及情境性运用等实践过程。可见，身处工业时代的杜威努力探寻理解作为预期学习结果，强调知识学习的重心从对事实概念的记忆、掌握转向为对知识进行意义性联系、反思性运用。由此可见，这一探索也成为人工智能时代探讨将理解作为预期学习结果时需要继承与发展的思想遗产。

理解作为预期的学习结果，还关注到理解的非认知层面，并与认知层面融为一体。这是人工智能时代对理解作为预期学习结果的独特阐释。人工智能时代是一个知识共享的时代，每个人都是知识的创造者。知识的分享、共享也成为这一时代知识生产的突出特征。面对这一时代的挑战，学校教育应通过强调理解的道德性、社会性凸显人的主体地位及其价值实现。正如有学者指出：“同理心是科技进步背景下赋予人价值的所有能力的基础。随着机器迅速取代人完成那些机械的、没有社交成分的工作，我们最有价值的角色就越来越具有高度的社会性。同理心要了解别人的想法和感受，并恰当地做出反应。理解别人的思想、情感，并主动关心、提供帮助。”[14]因此，理解作为预期学习结果，意味着认知层面的联系、反省与运用能够与非认知层面的移情理解、同理心相结合。在这层意思上，理解意味着学习者能够移情、共情、感受他人情感、摆脱己见去感同身受、探索世界与学习知识。至此，理解意味着我们能够更有道德、更有人性、更有同情心并更有意愿去规范自己的行为[17]。

2.以迁移与运用为本的学习过程

面对无边界的学习资源，驰骋于开放、联系、不确定的网络海洋之中，今天的知识学习不再是简单地获得、记忆、掌握相关知识，而是要培养能够在巨量信息资源中开展基于移情的迁移、运用的能力。理解作为这种能力的集中概括，生成在知识的迁移与运用的过程之中。正如经济合作与发展组织教育与技能部主任安德烈亚斯·施莱歇尔(Andreas Schleicher)强调的：“人工智能时代我们深谙技不压身的古训，对此我们并未停下学习的脚步。但教育的成功不再是对内容知识的复制，而是将我们所学外化和应用到新的情境之中。”[18]可见，为理解而学的关键在于能否灵活地、创造性地应用知识解决实际问题。哈佛大学教育研究生院的霍华德·加德纳(Howard Gardner)教授曾指出：提倡为理解的教育，指的不仅仅是能充分掌握概念、原理和技能，而是当遇到新问题或新情况时能将它们运用出来，并且知道如何充分展示自己的能力，以及用何种有效的方式学习新的技能和知识[19]。这一表达清晰地揭示出，为理解而学的涵义是学习者能够将已有的知识、技能与情感态度有效地迁移运用到新的情境之中。唯有学习者能够将所学的知识在复杂情境中进行迁移与运用，才能实现融会贯通、深度理解。

传统教育学理论基于事实立场，将理解定位于接受、掌握，它描述出了一个从外及内的内化过程。与此不同，为理解而学中的“理解”是一个由内及外的运用实践。正如2018年美国国家研究院学习研究与教育实践委员会发布的《人是如何学习的Ⅱ：学习的科学与实践》(HowPeopleLearnⅡ：TheScienceandPracticeofLearning)强调：学习者创新性理解的产生源自个体能够在碎片化的信息中建立丰富的联系；获得创新性理解的能力源自运用知识去概括、分类与解决问题[20]。可见，理解即是由内及外的知识迁移、运用过程。这也体现了杜威对“理解”的理解。在杜威看来，理解即是能够就所学的知识进行反省思维，甚至“未经理解的知识，知识便成了一堆未经消化的负担。只有理解了的才能称之为知识。所谓理解，意味着只有不断地对所学的东西进行反省的思维，才能达到这种结果”[16]。反省性思维成为杜威概括理解内涵的关键，反省思维的过程亦是知识迁移与运用的另一种表达。如他指出：反省思维将知识视为一种探究、解决问题的资源、工具，在不确定的情境中通过尝试解决问题，并将后续的结果与前有的知识资源建立起联系，从而能够识别我们所做的事情与所发生的结果之间的联系[21]。概言之，为理解而学作为人工智能时代的知识学习方式，诉诸于以迁移与运用为本的学习过程。同时，这一学习过程还强调能够基于移情理解、同情心，进行社会性、道德性的迁移与运用。这些非认知维度的参与不仅能够为迁移与运用提供伦理导向与价值观调节等，同时亦在促进理解的认知层面与非认知层面的融合，进而更好地适应人工智能的知识形态变革与实现个人价值。

3.处理好知识与理解的关系

人工智能时代的知识学习应处理好知识与理解的关系，认识到两者间的关系并非两极对立、非此即彼，进而促进两者间的互动转化与共同生成。

首先，知识是理解生成的条件。如果缺乏必要的事实储备、必备的基础知识作为积淀，学习者将难以对所获得知识进行全面、整体的思考与判断，理解便难以发生。但知识作为理解生成的条件还需超越细节化、碎片化、零散的学科信息与事实，获得某一学科中最基础、最具价值的学科观念。学科观念体现了特定学科中最根本、最基础的学科理解与思想，是学科事实及学科概念结构化、网络化的结点与概念透镜，更易于学习者理解与迁移[22]。

其次，理解是知识学习的目的。人工智能背景下的知识学习，不应以知识掌握、接受与占有为目的，而应能够切实促进学生的理解。这时的“理解”与知道、了解相比，具有更深层次的含义。理解所体现的是学习者对知识批判性、反思性、意义性和情境性的认知与处理。在此，“理解是整体性的。理解某一主题就是对综合的、总体的相关信息的掌握，且这些信息是建基于事实的；也是对证据的充分、恰当的回应；同时也是为非琐碎的推理、诊断或行动(根据相关领域的不同)提供资源”[23]。

最后，知识与理解应相互转化、共同生成。人工智能时代知识学习的目的在于确保所有学生都参与学习，将知识转化为理解[24]。为理解而学强调，“理解并非教师能够通过讲授直接传递的。理解本质上是学习者自主建构的，学生获得理解是通过高阶思维的参与下的心智操作”[9]。显然，两者间的转化与生成并不能等同于知识的掌握、识记，这一转化的中介与过程是基于移情理解而开展的迁移、运用为本的知识学习过程。在这一知识迁移与运用的过程中，知识与理解难以被划分为明确的两种实体或两个阶段，而是如同硬币的两面一样，成为学习结果的两个维度或两个方面。历经迁移与运用的实践过程，学习者所获得的知识才能成为理解生成的条件，所建构的理解也才能超越知识本身。

四、结 语

人工智能技术的教育运用所构建出的泛在化、无边界的学习时空，正在更新学校教育中的知识形态、特征、来源及其获取方式。泛在化、无边界的学习时空中开启了一个充满分歧的知识网络，真相与谎言、知识与意见交织，谣言与误传也裹挟其中。面对呈几何指数增加的未经确证的信息、知识，如果依旧沿用已有的知识学习信条——为获得而学，学习者势必会淹没在信息的洪流之中，丧失自己的判断与理解。面对巨量的信息洪流与便捷的获取方式对知识学习的挑战，为理解而学作为人工智能时代知识学习目的与方式的集中概括，其核心在于学习者能够基于移情理解开展意义性联系与反思性运用，通过理解来促进深度学习的发生，切实发展学习者高阶思维能力并实现个人价值。