人工智能时代的知识教学：误用后果、归因与破局

刘丰源 张香兰 张夫伟 孔玺

摘要：人工智能变革了知识教学，将教师从繁琐的教学工作中解放出来。但教师对人工智能的技术信任，是误用的基本表现。这在一定程度上对教学规律、教学决策、教学伦理造成了影响。从归因视角分析误用的形成机理，取决于教师认识偏差与因果思维移植内因、教学产品普适与教学改革强制外因。未来知识教学时，应重新构筑科学认识方法体系，合理把握人机关系，创立教学产品研发共同体，尊重教师教学改革的意愿。

关键词：知识教学；人工智能；技术误用；教学决策；教学规律；教学伦理

中图分类号：G434 文献标识码：A

* 本文系国家自然基金面上项目“融合3D视觉的多模态交互教育机器人研究”（课题编号：61877065）阶段性研究成果。

為顺应核心素养新要求，人工智能应用教育就有了合理化解释，为知识教学带来新的契机。肯定人工智能的价值，也要明晰与之边界，以免导致技术异化。

知识教学，是针对知识成分（概念、原理等）的教学[1]。误用，是指错误使用。我们认为，教师过于信任且完全委托人工智能进行知识教学，是误用表现。以中国知网为检索数据库，将筛选条件设置“（CSSCI期刊=Y）并含（篇名=知识教学）”。截至2021年，相关文献已有近百篇，主要涵盖学科知识、知识组块、具身认知等研究主题。比如祝智庭等从技术支持视角，探讨了知识教学的实现路径[2]；王天平等分析了知识教学变革的成因，回应了变革的应然策略[3]。知识教学有依附传统教学的基因[4]，将人工智能移植于此，有可能发生免疫排斥，埋下误用危机。它是教育的基本方式，探究人工智能时代知识教学中，教师技术误用的后果、归因与破局，对呼应新时代的人才培养要求具有重要意义。

不论采用何种教学模式、教学方法和教学手段，都应遵守教学规律，通过合理的教学决策（比如创设何种教学情境，如何进行知识迁移等），开展伦理性的教学活动。当教师过于信任人工智能知识教学时，务必要追问这种现象有违教学规律吗？是否会对教学决策的精准性造成影响？它符合教学伦理吗？

（一）违背了教学规律

任何事物的有序运行，有赖于规律指导，教学也不例外。只有符合教学规律，才能提高教学质量[5]。教师完全信任人工智能，使其在知识教学时违背了教学规律。

第一，忽视了学生在学习过程中需要直接经验与间接经验的简约性规律。教师开展教学活动为了达成教育目标[6]。教育目标分类学指出，记忆、理解、应用、分析、评价与创造是认知领域目标[7]。前两个是低级目标，属于浅层认知[8]，是在直接经验中，通过掌握显性知识而达成；后四个是高阶目标，是在间接经验中，以实践形式（比如小组讨论、亲自动手等），学习隐性知识达成。只有做到直接经验与间接经验相结合，才能建立新旧知识联系。人工智能具有检索、呈现与推送显性知识的优势[9]。但无法教授诸如经验、技巧与价值观等具有默会属性的隐性知识，这便导致间接经验的缺失。

第二，遮蔽了教学过程中学生发展以教材为基础的规律。知识建构应遵循因材施教的基本原则[10]，既不能偏离框定的教材，也要符合学生认知发展水平。学生在自适应学习时，也许会引发因材施教的缺失。一方面，推送的学习内容有可能偏移教材范围。人工智能通过收集眼动数据[11]，推送学习内容。但学生眼睛注视的内容，不一定集中在与教材相关的学习内容上。除了眼动数据，也可以通过文本、语音、姿态等多模态数据进行学习分析[12]。但这些数据会面临“模态异质性差距、场景复杂性和创新分析方法等的挑战”[13]，影响推送的精确性。另一方面，人工智能有可能误判学生的认知水平。数据是一种事实，它可以解释学生的学习状态，却不能说明这种状态的形成原因。人工智能不会判断数据（比如学习成绩[14]、生物信号[15]等）的真实性，或许是睡眠不足导致学习成绩的下滑；可能是身心紧张引发心率上涨。就是说，学习成绩与生物信号可能是一种假象。没有明晰这些数据的有效性，就根据数据来判断学生的认知水平，随后上调/下滑学习难度，也会阻碍知识建构。

第三，阻碍了教和学之间相互促进的规律。教和学相互促进，来自教学相长，特指师生在教学中相互影响、相互制约[16]。它是促进教师专业发展，实现教化价值的重要原则；也是驱动学生自我成长，提高知识学习的有效途径。学生学习，是建立在教师主导的基础上；教师教学，需要学生的参与。尽管人工智能可以代替教师完成特殊的教学活动，但沁润学生心灵的教师关怀与自我修养，不是机器能够复制的；学生的性格特征与成长经历也不是机器可以粘贴的。教师的教不仅影响学生的学，学生的学也会促进教师的教，但人工智能竖立的隔绝屏障，直接阻碍了师生间的深度交流。

（二）失准了教学决策

人工智能训练的教学决策模型，需要数据支持。但数据是人为赋予的，这便导致解释客观性的缺失。此外，仅有数据是不够的，还要借助因果思维，判断教学决策的合理性。由于人工智能不具备因果思维，它的教学决策机理自然有别于教师。

第一，数据集的桎梏。根据人工智能的训练过程，一般是对多模态数据筛选、清洗与整合后，再使用机器学习方法，拟合出数据的权重，训练出教学决策的模型。人工智能是一种概率预测的技术，出于概率的原因[17]，即使增加、置换或剔除一些数据，也会生成对应权重，这种模型仍然可以解释教学决策。已有的数据集也不能包含解释教学决策的所有因子，如此也暗喻解释力度有些牵强附会。研究者通常秉持“数据可以解释一切”的理念，认为只要有充足的数据挖掘技巧，就能得出真理[18]。数据挖掘是分析已知数据，发现事物的现存规律，而未来往往是难以预料的，这让我们无从得知在未来是否会有新的因子影响教学决策。就算有证据证明教学决策模型是可行的，也不能保证决策效果就是理想的。

第二，相关性的局限。如果赋予人工智能近乎完美的数据，它就可以精准地执行教学决策。这种辩护默认了一个假设，即人工智能与教师有相同的因果思维。因果思维是从因果推断的视角，看待事物的原因与结果[19]。教师有时认为，某种教学决策（原因）可能会达成理想的教学效果（结果）。那么，人工智能执行教学决策，具备像教师一样的因果思维吗？人工智能通常基于数理统计分析数据。一旦有人束缚在统计学世界，他们合乎逻辑的辩护就说明了两者的关联，这表明人工智能可以解释事物的相关性。有了相关性能否精确预测因果？“具有相关性是判别因果与进行预测的前提条件”[20]，而不是充分条件。只有在相关性基础上，并加以反事实推理，才能确立事物的因果关系[21]。人工智能其实不懂得反事实是什么。

第三，反事实的缺失。反事实是基于不是事实（既有数据）的不对称性[22]，以确立事物的因果关系[23]。多数教师在课后扣心自问——换个教学案例有助于知识生成吗？小组讨论能促进知识交流吗？制作飞机模型会提升知识创新能力吗？上述假设正是反事实推论的体现。我们不去讨论教师如何反事实推论的，反事实的确是教师的教学本能。人工智能不是教师，即便赋予解释一切的数据，它的预测机理与教师也是别具一格。因为反事实与数据有不可调和的矛盾，我们不能祈求在虚幻的镜像里找出真实的影子，反事实的世界不可能描摹出数据的痕迹[24]。人工智能缺乏脱离数据的想象力，失去数据，它的价值就荡然无存。不能反事实，人工智能执行教学决策，就远离了预期效果。

（三）僭越了教学伦理

教学伦理是伦理学的延伸，特指“发生在教学活动中，以师生互动为基础，指向个体生命成长的道德意蕴和价值取向”[25]。体现在要尊重学生的个体差异，顾及学生的内心情感，保护学生的个人隐私。

第一，人工智能对待学生的同质性与学生个体差异的矛盾。桑新民指出，知识建构依靠情境支持[26]。学生正是基于个体经验，在特定情境中建构知识的意义。学生具有差异性，这要求人工智能应尊重学生的个体差异，照顾有特殊需要的学生。但人工智能训练的数据集带有主观价值取向，生成的训练模型具有普遍适用性。在知识教学时，人工智能不会理解其创设的学习情境，是否适合学生个体特征，也不会明白学习情境中的学习线索是否符合学生的认知水平。它只是将数据抽象成枯燥无味的字符进行计算，以便符合统计学意义。如果没有妥善处理普遍与特殊的关系，就算学生畅游在知识海洋，也会饱受饥饿的苦楚。

第二，人工智能提供情感反馈的二元逻辑与学生真实情感需要的矛盾。情感是个体对客观事物的心理反应。在学习时，学生希望得到他人的情感反馈。一般认为，情感包括两种基本属性，分别是基于生物的自然属性，基于伦理的社会属性[27]。两种属性共同作用，形成了人类的情感。人工智能进行情感反馈，取决其是否可以准确识别情感，以及分析情感的两种属性。由于情感中自然属性与社会属性的差异性，即便学生表现出相同的情感，也需要提供不同的情感反馈。随着多模态情感计算的发展，可以通过面部表情、生理信号等指标准确识别学生情感。但情感中的两种属性，不是算法的二元逻辑（真/假）就能透视的[28]。这表明人工智能很难提供适切的情感反馈。

第三，人工智能彰显的挟制基因与保护学生隐私的矛盾。社会赋予公众领域的属性后，个体私人空间趋于无限伸缩。教学属于公共场域，在所难免地缩小了学生的活动范围。尤其是在人工智能的监视下，学生失去了应有的自由。这种情况剥夺了最为高级且私人性质没有什么能比拟的东西[29]，比如面部表情、管理日志、学习姿态等。因此，亟需“尊重、授权与告知”等具有共生意义的词语，去调和人机关系。现实的两种情况拒绝了这样的调和：一是攻击者有意地侵犯；二是科学研究的需要。尽管贝叶斯网络在防止他人侵犯上竖起了屏障[30]。但教师有可能附和教育专家的科学研究，对数据的使用并没有做到知情同意，迫使人工智能成为数据帮凶。

海德在1958年提出归因理论，用于解释人类的社会行为。归因理论强调，内因与外因诱发了行为。其中，内因特指个体层面，比如认识与思维；外因特指环境层面，比如压力与制度。本研究基于归因理論，分析技术误用的形成机理。内因层面，误是一种认识，归结于教师没有科学认识人工智能，视人工智能具备像人类一样的因果思维。外因层面，教学产品的普适，以及教学改革的强制，引发了技术误用。

（一）科学认识的偏差

以5G为代表的信息技术，催生新一代互联网的迅猛发展。社交媒体通常制造博人眼球的话题，影响人工智能舆论（威胁论、万能论等）的传播。舆论是“一种群体意见的自然形态，带有自发性和盲目性，它的变化、发展在一定程度上是被动的”[31]。这种被动源自社交媒体用“理性的辩论”把控着公众认知[32]。作为公众的子集，教师不管出于职业需要，还是闲暇娱乐，都不可避免地触及社交媒体，我们也不能要求教师拥有渊博的学识去分辨事物的真假。所以，背离科学认识就不足为奇。

这种现象自2014年，就不断侵蚀着教师对人工智能的认知。在利益裹挟下，社交媒体发酵人工智能舆论，每个舆论也带有对阿尔法狗（AlphaGo）的夸赞。AlphaGo是基于深度学习的围棋程序，前后分别战胜李世石、柯洁等世界围棋冠军。这也被人们“幻想出一种终极的、拥有神一般全知全能的‘通用人工智能’（AGI）”[33]。我们不会否认机器战胜人类的事实，但这不能说明人工智能在推理层面就超越了人类。因为“在数万年前，人类开始意识到某些事会导致其他事的发生，改变前者就会导致后者的改变，没有其它物种领悟到这一点，更别说达到我们所理解的这种程度”[34]。如果说人工智能真的超越了人类，它在因果推论层面就要比人类做得好。也就是，期待AlphaGo可以言说“这一步棋你可以下的更好，你可以用这样的方式来打败我”。遗憾的是，世界上根本就没有任何智能机器拥有反事实推论[35]。况且，人工智能处理的数据，以及运算的逻辑都是人类赋予的，因而谈及超越实在为时尚早。人工智能舆论的肆意传播，让教师在随遇而安的思维下，习惯接受所看的事实[36]，不能科学认识人工智能的基本原理。

（二）因果思维的移植

几乎任何一位人工智能教育研究者，都不会否认，甚至夸诞人工智能预测功能，这也是教师使用人工智能的佐证。预测是指“人们根据事物以往发展的客观规律和当前出现的各种可能，运用科学知识、方法与手段，对事物未来趋势和状态预先作出科学的估计和评价”[37]。据此，预测带有因果推论的痕迹，其过程包括发现、分析与评估。如果承认预测的循证艰难性、统计局限性和评估复杂性，以及未来不可知，就会直接证伪预测结果。教育领域的科学研究，习惯使用“预测”术语，坚信人工智能预测某某。在科学研究的影响下，教师将因果思维移植于人工智能也就成了应有之义。

现代预测基于数理统计有了科学的根据，科学量化数据已成为预测的根本条件。所以，人工智能预测也就圈定在合法化边缘。也许人工智能的预测机理是把握不了的（黑箱机制），但可以通过探讨教育数据的意义来论证合理与否。人类对客观事物的无休止探索，使得我们通常用以偏带全的知识来赋予数据有限的意义。如果数据有歧义，事物的因果关系就不成立。即便数据没有歧义，也会出现讽刺的味道，即“每当研究者想用数学分析来解决一些问题时，他们就不得不将该问题转化为一个关联的伪命题”[38]。我们不去批判这种讽刺的源头是否和高尔顿的思想有关，可是统计分析的结果确实不是在预测因果，因为相关性与因果关系有很大的差别。这也说明，人工智能的预测结果只是说明数据间的相关性。因此，人工智能的旨趣不是为了预测因果，而是通过预测结果去辅助教师解释教学中的各种因果关系。

（三）教学产品的普适

没有人会质疑“人工智能助力因材施教”的初衷。这种认识的背后通常会形成一个认识误区，也就是附着于教学产品形态的人工智能是个性化的。如果不是，就违背了人工智能信仰者的立场。现实拒绝了这个假设，人工智能“在实际应用中存在着因言过其实、误以为真、不切实际等错误认识造成的实践误区”[39]。教育公司通常漠然于教师的存在，模糊了学生的基本特征，混淆了“需要这些功能”与“师生需要这些功能”的语义，致使教学产品的个性化缺失。

因材施教的词源典故，出自于《论语·先进篇》，意思是根据学生的性格，选择不同的行动方案，后被形容因人而异的个性化教育。做到因材施教，即要找普遍意义变量（比如年龄、性别）；也要照顾特殊意义变量（比如学习成绩、学习准备）。只有了解学生的基本特征，才能及时调整教学目标、教学内容与教学方法。事实上，教学产品偏向于前者，遗忘于后者。本研究团队曾在某中学调研，该学校正在推进面向智慧教育的教学改革，使用了某公司的平板电脑，及其研制的智能教学系统。在学生使用知识图谱进行知识点学习时，知识图谱的呈现界面与内容偏向动画形态，不符合中学生的认知发展规律。根据皮亚杰认知发展理论，这种情况比较适合前运算阶段（2—7岁）的学龄儿童。此外，知识库中的多模态资源欠缺，仅有图像与文字，没有语音及反馈，不能得知学生究竟喜欢何种学习资源。访谈发现，产品代理、技術人员、学校校长、教导主任、地理主任组建的教学产品研发共同体，缺少教师的参与。

（四）教学改革的强制

实施教学改革的是为了消除传统教学的弊端，因而人工智能融入教学便有了合理化解释。但有些学校剥夺了教师的主体地位，压制了教师的话语权力，强制规定，且严格实施较为刚硬的规章制度[40]。此类环境为教学改革抹上了强制色彩，表征出非改不可的责任义务。我们需要听从教师的意见，绝不允许将强制命令施加给教师。因为教师是教学的主体，也是教育的主导者。无视教师，教书育人将会沦为一句空谈。

强制实施教学改革，似乎让教师难以喘息。因为传统教学思想不会因教学改革而臣服于改变，它习惯扎根在教师的灵魂深处。尽管传统教学有许多的不完善性，但一些教师仍然可以花费时间精力，来弥补其与智能技术之间的差距。教学改革的强制实施，打破了这种宁和，即便教师拥有坚强的自由意志，依然无法摆脱外界压力的束缚。特别是年长教师对新事物接受度、适应性、操作性等方面，确实不如年轻教师。纵然颇有微词地以开展教师培训为借口，但谁能体会年长教师所处年龄阶段的难处。这有可能因为对人工智能理解不到位，不能完成与之对应的教学任务。利益是捆绑的，受教学任务所牵制的教学评价就是必然的。教学是教师的基本生活，也是维持生计的方式。迫于生存的压力，教师的教学热情、教学态度与教学理解也会发生微妙变化。所以，应付教学也是情理，产生技术误用更是当然。生活好似一场搏斗，一方是道德责任，另一方是个人爱好[41]。尽管道德的普遍约束性限制了教师的某些行为。迫于实现切身利益，教师可能泄露敏感数据，服务教育研究者进行科学研究。

四、教师技术误用的破局

人工智能为知识教学撒下了一粒种子，如果这粒种子反阳生长，势必有违教育的初衷。拨正反阳式生长的关键，在于破局技术误用。本研究针对技术误用的形成机理，提供下列建议，以期促进知识教学的良性生长。

（一）构筑科学认识的方法体系，增长科学基因

认识是指人的头脑对客观世界的反映[42]，提升认识就应丰富知识。如果在直观层面接受错误的理解，概念也不会是真实的。不论出自何种原因，教师对人工智能的概念认识已发生偏离，并且随着时间的流逝逐渐造成技术误用。因此，构筑对人工智能的科学认识方法体系，增长科学基因，是知识教学良性生长的第一条路径。

科学反映“自然、社会、思维等的客观规律的分科的知识体系”[43]。所以，科学是指符合客观规律的知识体系，它是真实的、可信的，且被验证过，由共同体认可的。科学不是盲目跟风的舆论，而是在专业人员的指导下，赋予事物具有科学的意义。构筑科学认识方法体系，要消除伪科学的虚假声音，也要保留科学的真实声音。一方面，遵循多元协同理念，开展人工智能舆论治理。相关部门（司法部门、教育部门与自媒体等）务必明确治理任务，实施监管、审查、分析、诊断与评估等治理活动，判断风险等级；也要通过追溯、核实与惩戒，廓清传播源，按照法律法规进行惩处。另一方面，拓展教师认识渠道，提升人工智能科学认识。从传播学视角，他人与资料是知识的传播源。学校应聘请人工智能理论专家，组织教学培训，扫清教师认识盲区；依托于人工智能政策文件、学习手册、会议报告与优秀论文等，打造知识库，丰富教师的科学认识。只有将科学基因溶入认识过程，才能形成科学认识。

（二）树立相互联系的关系思维，实现人机共生

当教师视人工智能具有因果思维，就说明教学无形中被某种神秘的东西所控制，也意味着这个东西必然导致某些教学结果。但教学以过程的形式而存在，是教学各要素相互联系、相互渗透、相互制约的体现，其中充满着难以预料的教学事件，它的教学结果也不是固定的。如果被这种观念所控制，那么教学就是“技术决定论”的产物，教师自然就排斥在教学之外。人工智能不仅是技术，也是教学要素，教师只有把握自身与人工智能的关系，才是人机共生的关键。

其一，确立相辅相成的互补关系。教师应用人工智能关键在于溯清其有能所向，把握其不能所指。人工智能的学习机理，实质是对数据的计算，它的运算能力是教师难以望其项背的，有些地方也是不如教师的。教师应择其善者而从之，其不善者而改之，既要厘清人工智能在知识检索、问题解答等方面的优势；也要互补其在情感交流、教学设计等方面的劣势。其二，厘清次序分明的主客关系。人机共生不意味人机平等，教师才是教学活动的组织者与倡导者。现实也绝不会容忍具有算法偏见的工具来主宰课堂。追溯偏见的根源，一定要回答数据的来源。人工智能训练的计算模型有赖于数据，而数据则是由利益相关者赋予的[44]，这凸显了其固有的偏见基因。而且，我们也很难要求人工智能可以客观地融入教学。因此，人工智能带来的教学价值始终是有指向的，这要求教师不要迷惑于其智能的外表，应化身为主，时刻监督客的行为。

（三）创设休戚与共的研发环境，促进深度对话

顾及学生的差异性，了解学生的基本特征，才能提升教学产品研发的科学性，进而提升教学产品的应用效率。但由于模态异质性、数据稀疏性等挑战，无疑为个性化教学产品蒙上了阴影。也许现有的技术很难解决这个问题，但绝不是教学产品具有普适性的设词。因为如果不清楚学生的基本特征，就无法进行科学的研发工作。但教师被排斥在研发共同体外，缺少与教育公司的深度对话。

除了家长之外，几乎没有人像教师那样了解学生，这亟需教师参与教学产品的研发过程。其一，赋予教师充分的话语权利。受科层制影响，通常是教育公司与学校采购部门组建研发共同体，旁落了教师的话语。学校应突破传统交流体制，组建多元参与共同体，选择部分教师及其代表参与研制过程。其二，倾听教师提出的宝贵意见。如果交流是赤裸的压制，倾听就失去了固有的价值。只有秉持合作理念，以聆听的姿态问其难处、听其建议，才能相互理解、相互尊重，达成价值共识。其三，提升参与主体的共情能力。共情是相互理解的基础[45]，也是规避意见分歧的有效措施。应使用观点采择、换位思考与及时反思等方法，区分彼此的观点，提升个体的共情能力。一言蔽之，共同研制具有个性化的教学产品，是技术赋能因材施教的关键。

（四）尊重教师教学改革的意愿，沁润伦理关怀

教学改革是指导教师如何开展教学活动的方向标，具有某种意义上的强制性；也是面向教师的一种行为规范，需要伦理的规约。如果强制凌驾于伦理，规范就不是通过知情同意方式制定的。这样的强制是对人性的贬损与无视，是毫无意义的表现。以人为本渗透意旨相同的价值共识，也是尊重教师的体现。将以人为本嵌入教学改革，是解放奴役、沁润伦理、回归理性的现实路径。

回归以人为本的教学改革，就要做到知情同意，不用则不强为。教师会逐渐形成个性化的教学风格，习惯沉湎以往合适的教学环境。这体现教师的价值取向，也说明教师群体具有多元性、差异性与耦合性的特征。如果将强制命令施加教师，就可能动摇教师的教学欲望，限制教师的专业发展。只有弱化强制的硬度，提升意愿的韧性，才能彰显以人为本。此外，教学改革与教师的个人利益息息相关，没有完成教学改革任务也意味着利益受损，教师有可能实施另辟捷径的行为。虽然教师受到职业道德的约束，但我们不可能完全依赖道德，因为道德也有面临社会冲突的不稳定。所以，应针对不同的教师群体，制定对应的奖励制度，协调教师的个人利益。

如果生活在梦境之中，就不排除人工智能赋予知识教学完美的、夸张的、宏伟的期待。可是，梦醒之后终究要回归平常。所以，我们必须要剔除梦的夸张元素，接受现实的洗礼。人工智能对知识教学的价值不言而喻，但这种价值的实现必须要有一个“破梦之人”，不能任由人工智能在梦境中自由畅想。这个重担无疑落在教师的肩头。教师要充分认识到梦的存在，不能完全仰赖人工智能而不去干预。只有回归到实践场域，才能凸显知识教学的真实样态。总体而言，在人工智能时代的知识教学中，我们应该保持谨慎、冷静与理性的态度，以面对过于盲目的悲观；以卑躬、谦逊与低调的姿态，去审慎无的放矢的乐观；以科学方法为指导，去探究知识教学的良性生长。

参考文献：

[1] 张恩铭，盛群力.条件适配促进有效教学——科丁格“知识—学习—教学”（KLI）框架及其应用建议[J].中国电化教育，2020，（6）：112-119.

[2] 祝智庭，彭红超.信息技术支持的高效知识教学：激发精准教学的活力[J].中国电化教育，2016，（1）：18-25.

[3] 王天平，闫君子.人工智能时代的知识教学变革[J].湖南师范大学教育科学学报，2021，（1）：47-54.

[4] 谭维智.在“后疫情时代”如何进行知识教学变革？[J].现代教育技术，2020，（5）：5-10.

[5] 何克抗，李文光.教育技术学[M].北京：北京師范大学出版社，2009. 126-127.

[6] 李春迪，唐爱民.人工智能时代课堂教学的困厄与澄明[J].中国电化教育，2021，（8）：42-47.

[7] [美]洛林W·安德森，彼得W·艾拉沙恩等.蒋小平，张琴美等译.布卢姆教育目标分类学：分类学视野下的学与教及其测评（完整版）[M].北京：外语教学与研究出版社，2009.21.

[8] 何克抗.深度学习：网络时代学习方式的变革[J].教育研究，2018，（5）：111-115.

[9] 宋灵青，许林.人工智能教育应用的逻辑起点与边界——以知识学习为例[J].中国电化教育，2019，（6）：14-20.

[10] 刘邦奇.智能技术支持的“因材施教”教学模式构建与应用——以智慧课堂为例[J].中国电化教育，2020，（9）：30-39.

[11] 王一岩，王杨春晓等.多模态学习分析：“多模态”驱动的智能教育研究新趋向[J].中国电化教育，2021，（3）：88-96.

[12] 张琪，李福华等.多模态学习分析：走向计算教育时代的学习分析学[J].中国电化教育，2020，（9）：7-14+39.

[13] 吴永和，郭胜男等.多模态学习融合分析（MLFA）研究：学理阐述、模型样态与应用路径[J].远程教育杂志，2021，（3）：32-41.

[14] 姜强，赵蔚等.基于大数据的学习分析仪表盘研究[J].中国电化教育，2017，（1）：112-120.

[15] 牟智佳，符雅茹.多模态学习分析研究综述[J].现代教育技术，2021， （6）：23-31.

[16] 李保强，薄存旭.“教学相长”本义复归及其教师专业发展价值[J].教育研究，2012，（6）：129-135.

[17] 任祥华，柳士彬.人工智能时代教学以何存在[J].中国电化教育，2021， （5）：87-93.

[18][21][24][34][35][38] [美]朱迪亚·珀尔，达纳·麦肯齐.江生，于华译.为什么：关于因果关系的新科学[M].北京：中信出版集团，2019.

[19] 于文浩，伍艳.绩效技术的因果观：吉尔伯特的工程学模型[J].现代教育技术，2021，（3）：34-41.

[20] 陈云松，吴晓刚等.社会预测：基于机器学习的研究新范式[J].社会学研究，2020，（3）：94-117+244.

[22] 吴小安.因果方向与反事实依赖——大卫 刘易斯关于因果方向的形而上学理论[J].自然辩证法研究，2021，（4）：17-24.

[23] 裘江杰.实际因果的反事实定义[J].自然辩证法通讯，2020，（8）：10-17.

[25] 蒿楠.教学伦理：内涵、关键话题与实践回应[J].思想理论教育，2013， （24）：13-18.

[26] 桑新民.学习科学与技术——信息时代学习能力的培养（第2版）[M].北京：高等教育出版社，2017.135.

[27][28] 陈凡，徐旭.后人类时代的技术情感及其伦理反思[J].系统科学学报，2020，（1）：1-5+11.

[29] [美]汉娜·阿伦特.王寅丽译.人的境况[M].上海：上海人民出版社出版，2009.24.

[30] 郝志峰，王日宇等.基于贝叶斯网络与语义树的隐私数据发布方法[J].计算机工程，2019，（4）：124-129.

[31] 陈力丹.关于舆论的基本理念[J].新闻大学，2012，（5）：6-11+21.

[32][33] [美]史蒂芬·平克.侯新智，欧阳明亮等译.当下的启蒙[M].杭州：浙江人民出版社，2019.386+326.

[36] 杨欣.魔法与科学：人工智能的教育迷思及其祛魅[J].教育学报，2021， （2）：18-31.

[37] 郎茂祥.预测理论与方法[M].北京：清华大学出版社，2011.1.

[39] 汪琼，李文超.人工智能助力因材施教：实践误区与对策[J].现代远程教育研究，2021，（3）：12-17+43.

[40] 徐继存.作为伦理实体的学校[J].教育研究，2020，（4）：77-84.

[41] [德]伊曼努尔·康德.苗力田译.道德形而上学原理[M].上海：上海人民出版社，1988.7.

[42][43] 中国社会科学院.现代汉语词典（第五版）[M].北京：商务印刷馆，2005.1150+769.

[44] 毛刚，王良辉.人机协同：理解并建构未来教育世界的方式[J].教育发展研究，2021，（1）：16-24.

[45] 刘聪慧，王永梅等.共情的相关理论评述及动态模型探新[J].心理科学进展，2009，（5）：964-972.

作者简介：

刘丰源：在读博士，研究方向为智能教育、区块链教育、问题青少年预防与教育。

张香兰：教授，博士，博士生导师，研究方向为教育基本理论、德育原理。

张夫伟：教授，博士，博士生导师，研究方向为教育基本理论、德育原理。

孔玺：在读博士，研究方向为智能教育、学习行为分析。

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

責任编辑：李雅瑄

3930500589202