教育生态系统视角下AI驱动的学生核心素养发展模式研究*——基于系统动力学方法

2022-12-27胡艺龄赵梓宏顾小清

现代教育技术 2022年12期

胡艺龄赵梓宏顾小清

胡艺龄赵梓宏顾小清

（华东师范大学教育信息技术学系，上海 200062）

人工智能作为引发与推动“第四次科技革命”的核心技术，同时推动着人才培养目标的变革。创新型、复合型的人才需求，使学生核心素养的培养需要超越传统教与学视角，还原到教育生态系统互动中分析。基于此，文章构建了AI驱动的学生核心素养发展模式，探究教育生态系统主体间动态合作关系对素养演化的影响，并设定了综合发展模式、高期望发展模式与氛围营造发展模式三种情景下的仿真方案。仿真结果揭示：综合发展模式在发展的前中后期均有良好的发展态势；高期望发展模式在前期优势明显，但后期呈现“反噬”现象；氛围营造发展模式虽然前期发展不明显，但后期则呈现出了巨大的发展优势。综上，文章从系统协同作用、学校创新生态、课堂师生交互三个角度提出实践建议，以期为各层面促进学生核心素养发展提供借鉴。

核心素养；AI素养；教育生态系统；复杂性科学；系统动力学

随着人工智能（Artificial Intelligence，AI）技术的飞速发展，其在促进社会、经济和科技呈指数级发展的同时，与人力资源之间的相互依存关系产生了前所未有的张力。其中，AI技术在解决良构问题上的巨大优势，使低端劳动力市场被大量侵占，这使未来人才培养面临新的挑战：在技术与教育的角逐过程中，逐步显现出现有教育体制在培养创新型、复合型人才上的不足[1]。为此，批判思维、问题解决、创新意识、终身学习等能力开始受到重视，成为人们应对挑战的必备核心素养，这也是当前我国深化基础教育课程改革的重要方向[2]。为了实现促进学生核心素养发展的目标，围绕课程与教学改革、教师专业能力发展等主题，教育工作者展开了大量探索，但由于其主要聚焦于师生互动，因此仍无法回应学习者核心素养的发展模式这一系统性问题。针对这一现状，本研究认为，需要突破以往的认知框架，在教育生态系统中各利益相关者的协同参与下分析问题[3]。为此，本研究在打破原有单向与线性分析思路的基础上，从教育生态角度出发，运用复杂系统科学领域中的系统动力学方法，从宏观角度剖析学校组织结构、外部环境因素与学生素养发展之间的复杂关系[4]：首先在梳理学生核心素养发展影响关系的基础上，构建表征系统关系的因果回路图和存量流量图[5]；然后运用计算机仿真方法预测不同系统要素间的交互情况，形成不同发展模式下的仿真方案；最后通过仿真未来20年内智能技术影响下学生核心素养培养的整体发展态势，以期回应教育生态系统中各要素的协同机制、核心素养发展模式、发展态势预判等关键问题，为各层面促进学生核心素养发展提供借鉴。

一系统影响因素与因果关系分析

为了探究教育生态系统中复杂要素对学生核心素养发展的影响，并契合我国当前面向基础教育核心素养培养的课程改革需求，本研究以中小学学生、教师、管理者以及学校外部因素为研究对象，通过问卷调查揭示不同主体之间的互动关系如何影响学生的能力素养发展等（问卷调查的对象、维度、题项数量等基本信息如表1所示）。调查于2020年11月～12月期间展开，通过“问卷星”面向上海、天津、宁夏等地中小学管理者、教师、学生和家长发放问卷，共回收8000份问卷。对问卷数据进行统计、相关性分析，结果将为系统动力学的建模与仿真参数提供依据（由于问卷调研结果非本研究重点且受限于篇幅，仅在后续需要的地方提及相关结果）。

1 学生内部影响机制分析

在智能教育变革浪潮中，学生对AI学习应用的应对情况与能力素养发展情况，是人力资本发展的技能结构、知识结构、智力结构的关键所在。因此，构建学生素养的内部提升机制是本研究的关键，更是分析其他复杂因素影响学生能力发展的基础。问卷分析结果显示，学生的学习投入度与其AI学习应用情况呈显著正相关（相关系数=.7559，＜.00）。同时，家长的信息素养与学生的AI学习应用情况息息相关，家长的信息素养越高，越能引导学生正确运用AI技术辅助开展学习活动（=.6455，＜.00）[11]。而学生的AI应用程度越高，其AI素养越高（=.7012，＜.00）[12]。AI素养的提升是促进学生发展智能时代下核心素养的关键，但能力的发展与实践之间往往有一定的延迟，因此AI学习应用对学生AI素养和核心素养的影响具有延迟效应。综上，本研究构建了素养提升内部机制R1，如图1（a）所示。

图1（b）所示的回路R2是在R1的基础上展开的。当学生的学习投入度逐渐上升时，学生所承受或自己施加的能力发展压力便会开始提升[13]。但适当的压力能在一定程度上促进学生更努力地运用AI开展学习，进而逐步提升AI素养与核心素养。因此，R2回路展示的是适当压力的正向作用。与之相反的是图1（c）所示的回路B1，其展示的是过度压力的负向作用。依据动机理论中的耶克斯—多德森定律[14]，当学生感受的压力过大时，原本应产生的有促进作用的压力会转变为抑制积极性的因素，导致学生更倾向于依赖AI技术提供方便的学习资源和答案，而非积极、主动地运用AI辅助学习，从而在一定程度上抑制AI素养与核心素养的发展。最后，图1（d）展示的是家长AI接纳度对学生的影响回路R3。通过问卷数据可知，家长因素是影响学生发展的关键变量之一，其AI接纳度与学生各因素的发展呈显著正相关（=.5150，＜.01）。

注：箭头旁的+号表示该关系为正反馈，箭头旁的-号表示该关系为负反馈，线条上的=表示该关系具有延迟效应。

2 教师对学生的影响因素与机制分析

在AI教育变革过程中，教师是与学生关联最为紧密、影响学生素养发展的关键角色。教师对AI技术的接纳程度决定了其采取的AI教学策略的积极程度，而恰当的教学策略能在一定程度上促进学生的AI素养和核心素养发展[15]。根据调查问卷，本研究绘制了教师对学生影响机制因果图，如图2所示。问卷调查数据结果显示，教师AI接纳度与AI教学策略实施情况的相关系数为0.7981（＜.00），AI素养与AI教学策略实施情况同样呈正相关关系（=.5793，＜.00），可见，教师的AI接纳度、AI素养与AI教学策略通过相关影响，共同促进学生AI素养和核心素养的发展，教师对学生素养的影响如图2（a）所示。

图2 教师对学生影响机制因果图

但是，教师身为具有情感倾向和风险感知能力的智能主体，并不是简单地直接接受AI技术，而是通过分析AI技术的有用性、易用性和复杂性等不确定因素，再根据其对AI风险的感知程度，选择对AI技术的接纳程度[16]。因此，这一回路在R4的基础上增加了教师的AI风险感知因素，当教师感受到运用全新技术进行教学可能需要承担较高的风险时，会采取规避态度。因此，AI风险规避将导致AI接纳度降低，教师风险规避的负向影响如图2（b）的R5回路所示。

3 学校管理者与外部因素的影响分析

在教育复杂生态系统中，学校管理者对学生和教师也存在一定的影响，并可以通过对教师的影响间接促进学生素养的提升。R5回路揭示了教师对AI技术的风险感知所带来的负向影响。而提升教师对AI技术信任的关键，在于学校管理者如何营造良好的学校AI应用氛围[17]。学校管理者与外部因素对学生的影响机制因果图如图3所示。其中，在R5的基础上，如图3（a）所示的回路R6加入管理层面学校AI应用氛围的影响。同样，学校AI应用氛围也会影响学生的学习投入度，如图3（b）所示的回路R7所示。学校管理者通过制定恰当的AI应用规划，可以营造学校的AI应用氛围，而氛围营造的反馈结果将影响新的AI应用规划的制定，如图3（c）所示的回路R8。此外，家校的协同、教育部门的AI宏观政策、AI教育技术企业的投入和支持等[18]，这些外部因素的引导、扶持与回应，同样是推动学校AI教育变革的关键，由此可构建如图3（d）、图3（e）所示的回路R9、R10。

图3 学校管理者与外部因素对学生的影响机制因果图

4 系统总体因果回路图的构建

基于前三部分对系统中各利益相关者之间的影响机制分析，本研究确定了11个回路，包含10个正（增强型）回路与1个负（平衡型）回路，可以汇总为如图4所示的系统因果回路图，以此表征教育系统中复杂要素对学生核心素养发展的影响关系。

图4 系统因果回路图

二存量流量图的建构与模型关键设定

系统因果回路图清晰地表征了系统中各要素之间的复杂交互与反馈关系。但“定性”的因果回路图无法从“量”上动态表征存量与流量的交互关系。其中，存量是系统中重要的积累值，它表征了系统的状态，告诉决策者当前对象所处的位置，并为决策和行为提供信息基础。与存量相对应的是流量，存量的数量只能通过流量的流入和流出而发生改变。如果流量没有发生变化，则存入存量中的信息将会一直存在。因此，存量是分析系统变化的关键变量，是研究系统演化过程的核心指标。而本研究所探讨的“AI驱动的学生核心素养培养”这一话题涉及7个关键存量：学生核心素养、学生AI素养、学生学习投入度、学生能力发展压力、教师AI风险感知、学校AI应用氛围与AI技术。综上，可绘制出如图5所示的系统存量流量图。

图5 系统存量流量图

根据系统存量流量图，可抽取出35个系统动力学方程，其中主要的系统动力学方程如表2所示。其中，时间参数是控制仿真系统以不同发展模式进行演化的关键。由于本研究所探讨的AI技术本身具有发展快、变化大等特征，难以从时间维度上同时考虑AI技术的不断更新，因此本研究假设由AI技术变化带来的影响在时间维度上差异不大，以简化仿真模型，将研究视角聚焦于探讨不同仿真模式对学生发展的影响上。

表2 主要的系统动力学方程

三系统仿真与结果分析

1 学生核心素养发展模式设定

基于系统存量流量图，本研究使用系统动力学仿真软件Vensim PLE v7.3进行系统动力学分析，并通过了系统设定的单位量纲与模型检验[19]。其中，本研究将系统仿真年限设为20年。为了检验适合培养学生素养的最佳发展模式及宏观趋势，本研究基于问卷数据结果和不同学者对学校教育与组织模式的研究[20][21]，归纳出三种不同的发展模式：综合发展模式、高期望发展模式和氛围营造发展模式。

①模式1：综合发展模式。在综合发展模式当中，教育复杂生态系统中各利益相关者围绕着学生素养培养这一目标，积极且高效地投入到AI教育的应用与变革当中。因此，模式1属于学校从综合、全方位出发进行的学生核心素养培养，各利益相关者通过协同推动AI教育变革。在仿真系统中，模式1具体体现为调节各类变量变化的“时间参数”取值到适中的情况，如影响学生压力增加的“时间参数3”在该模式下取值为0.6625，而影响学生学习投入度增加的“时间参数2”为0.525，其数值均由问卷收集的数据通过回归分析得到。

②模式2：高期望发展模式。高期望发展模式是在模式1的基础上，强调学校管理者、教师和家长不仅对AI技术抱有更高的期望，还对教师能够取得的AI教学成效抱有更高的期望；同时，教师对学生的能力发展也抱有较高期望。这种期望较高的模式在激发学生运用AI技术提升核心素养的同时，也给予了学生很大的压力。对比模式1，在仿真系统中，模式2下影响学生压力增加的“时间参数3”与影响学生学习投入度增加的“时间参数2”均增长至0.875。

③模式3：氛围营造发展模式。氛围营造发展模式是在模式1的基础上，更强调学校更为注重营造合理、积极、良好的AI应用氛围。在该模式下，学校、教师和家长并没有给予学生过高的能力素养提升期望，学校管理者也没有强制要求教师取得显著的AI教学成效。在这种轻松、自主且积极的模式下，各利益相关者以各自最佳、最轻松的状态投入到AI教育应用与变革当中。在仿真系统中，模式3影响学生学习投入度的“时间参数2”虽然与模式1同样为0.525，但影响学生压力增加的“时间参数3”则下降到了0.4875。

2 基于仿真结果的发展模式对比分析

上述三种发展模式的仿真结果如图6所示。其中，主要展示的是图5所示的6个系统存量，而AI技术（第7个系统存量）由于是投入到系统中的自变量，因此不作为结果因变量进行讨论。

①针对模式1，学生的核心素养发展、学生的心理状态（如学生学习投入度、学生核心素养等）以及学校营造的氛围等均不断地向积极方向发展。其中，学生AI素养与核心素养并不会在初期就有明显的提升，而是有一定的延迟效应，如图6（a）和图6（b）所示。就AI素养而言，在第7年后学校整体的学生AI素养才开始逐步提升，并在第10年之后有显著的增长。相较于AI素养，学生核心素养的提升则更具延迟性。由此可见，素养的提升是对学生进行认识观、方法论等抽象层面的培养，需要学校管理者、教师与家长花费一定的时间与精力，投入到学生的意识观念的树立上。

②相较于模式1的综合协调发展，模式2则在其基础上加大了对AI教育变革的期待，对AI支持下的学生素养发展有了更高的期望，因此会在一定程度上增加学生的“能力发展压力”，以及教师因不确定性而带来的风险规避心理。在高期待氛围的影响下，学生在前期能够维持一定的学习投入水平，从而使素养的发展在前5年内便超过了模式1。但随着时间的推移，学生感受到的压力越来越大，使其素养发展在后期（约8年之后）并不明显，过高的期望最终导致素养提升的幅度低于模式1。因此，模式2虽然在前期可能有显著的提升效用，但其后期的“反噬作用”将导致学生素养难以得到进一步的提升。

③对比三种模式可知，模式3的仿真结果是增长态势最为明显、效果最为优异。虽然在该模式下，学生素养的提升在前期并不显著，特别是AI素养的发展甚至慢于模式1；但在后期，学生素养的提升呈现近似“指数”型的快速增长态势。在这样的氛围下，学生承受的压力是三种模式下最低的，而其具有的学习投入度是三种模式中最高的。因此，虽然该模式下学生的素养发展更具“延迟效应”，但该模式所构建的积极、主动的学习氛围，在后期逐渐突显出其对学生动机、素养提升的潜移默化作用，对学校整体的长远发展而言效果非常显著，也是支撑学生核心素养可持续发展的一种体现。

图6 三种发展模式的仿真结果

四研究总结与实践建议

本研究运用系统动力学的方法，剖析了教育生态系统中不同要素对学生核心素养发展的相互作用关系，并且对其未来发展趋势进行仿真研究，探讨了综合发展模式、高期望发展模式与氛围营造发展模式三种模式下学校系统的整体发展情况。基于此，本研究提出以下实践建议：

1 复杂系统要素的协同作用：AI教育变革阶段的启示

根据仿真结果可以发现，教育系统中的复杂要素以不同的方式协同作用到学生素养发展这一核心路径上，从而涌现出不同的宏观发展趋势。在AI教育变革前期，许多学校或区域对AI技术的使用往往抱有较大的期望，这种对AI教育变革的期望、对学生素养提升的高要求在前期取得的成效较为明显。但依据耶克斯-多德森定律，当压力或动机提升到一定水平之后，将会带来反向作用，模式2就展示了压力的双面性。而在发展中期，模式1揭示了学校系统各利益相关者统一协同参与到变革发展的意义与价值。到了发展后期，学校需着重关注的是如何可持续地维持AI教育变革的积极成效，而借由模式3带来的启示可知，学校氛围的营造虽在前期对学生素养的提升效果不显著，但通过对学生学习投入、态度与倾向的潜移默化的影响，其是可持续且长久推动学生素养发展的基础。

2 学校生态的创新构建：氛围的潜在协调作用与素养的可持续发展

学校生态作为教育生态系统中最为核心的子系统，其内部氛围的营造对学校系统的良好发展具有重要的协调作用。剖析因果回路图可知，影响学生学习投入的关键变量包括学生核心素养、家长AI接纳度与学校AI应用氛围，而学校AI应用氛围是干预其他两个因素的关键，如图3（b）和图3（d）所示。同时，学校AI应用氛围还通过影响教师AI风险感知程度，进而影响学生的素养提升，因此联通“学生—家长—教师”的学校AI应用规划与氛围营造至关重要，如图3（c）～图3（e）所示。还需强调的是，学校积极氛围的营造在特定时期下会存在一定风险，如模式3仿真结果中展示的“延迟效应”[22]。因此，在AI教育变革中，学校管理者需通过营造积极、向上的氛围，规避甚至消除由AI教育变革的不确定性与颠覆性所带来的创新风险。

3 课堂生态下的学生发展：教师在AI教育变革中的中介角色

古德拉德[23]强调，学校的变革应立足于学校自身并开发学校内部的潜能来解决变革过程中的问题，而教师是驱动学校发展与问题解决的关键。因此，推动智能教育变革落实的关键在于发挥教师的中介作用。本研究发现，教师对AI技术的接纳度与风险感知程度会直接影响学生素养的发展情况，更会通过课堂生态氛围间接但持续地影响学生的学习投入程度和学生对待AI技术的态度。课堂生态学的研究启示我们，生态课堂具有共生性、协变性、动态平衡性等特征，故课堂生态中师生的关系、教师营造的课堂氛围、技术应用氛围与取向等，会极大程度地左右学生的观念发展与思维建构。因此，作为智能教育理念和技术的重要实践出口，教师应当在课堂中构建一种积极、正向的AI教学应用氛围，并规避过度的AI技术依赖或消极的AI风险规避，通过创设相互依存、协同发展的生态型“学习共同体”，不断丰富学生的学习经验，从而促进学生能力素养的培养与正确技术价值观的树立。

[1]顾小清,郝祥军.从人工智能重塑的知识观看未来教育[J].教育研究,2022,(9):138-149.

[2]教育部.人工智能时代需要培养学生怎样能力[OL].

[3]Jacobson M J, Wilensky U. Complex systems in education: Scientific and educational importance and implications for the learning sciences[J]. The Journal of the Learning Sciences, 2006,(1):11-34.

[4]Flay B R, Allred C G, Ordway N. Effects of the positive action program on achievement and discipline: Two matched-control comparisons[J]. Prevention Science, 2001,(2):71-89.

[5][19][22]Sterman J D. System dynamics modeling: Tools for learning in a complex world[J]. California Management Review, 2001,(4):8-25.

[6]方来坛,时勘,张风华.中文版学习投入量表的信效度研究[J].中国临床心理学杂志,2008,(6):618-620.

[7][12][16]Long D, Magerko B. What is AI literacy? Competencies and design considerations[A]. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems[C].New York:Association for Computing Machinery, 2020:1-16.

[8]张哲.职前教师的采纳技术教学行为影响因素研究[D].长春:东北师范大学,2016:194-196.

[9]窦海燕.管理者心理资本、变革型领导行为和组织认同的关系研究[D].广州:暨南大学,2011:93-94.

[10]吴伟炯.中小学教师心理资本及其相关因素研究[D].广州:广州大学,2011:173-174.

[11]Wu D, Yu L, Yang H H, et al. Parents’ profiles concerning ICT proficiency and their relation to adolescents’ information literacy: A latent profile analysis approach[J]. British Journal of Educational Technology, 2020,(6):2268-2285.

[13]王振宏.学习动机的认知理论与应用[M].北京:中国社会科学出版社,2009:75-82.

[14]Yerkes R M, Dodson J D. The relation of strength of stimulus to rapidity of habit-formation[J]. Journal of Comparative Neurology and Psychology, 1908,(5):459-482.

[15]Lee I, Ali S, Zhang H, et al. Developing middle school students’ AI literacy[A]. Proceedings of the 52nd ACM Technical Symposium on Computer Science Education[C], New York: Association for Computing Machinery, 2021:191-197.

[16]胡艺龄,赵梓宏,顾小清.突破与重构:教师AI接纳的复杂扩散机制探究与建模[J].电化教育研究,2022,(3):32-41.

[17]李泽林,伊娟.人工智能时代的学校教学生态重构[J].课程·教材·教法,2019,(8):34-41.

[18]顾小清,白雪梅.教育信息化推进新路径:构建以设计为中心的研究-实践共同体[J].开放教育研究,2019,(6):66-74.

[20][23](美)古德拉德著.苏智欣等译.一个称作学校的地方[M].上海:华东师范大学出版社,2014:34-50.

[21]Khattab N. Students’ aspirations, expectations and school achievement: What really matters?[J]. British Educational Research Journal, 2015,(5):731-748.

Research on the Development Pattern of AI-driven Students’ Core Literacy under the Perspective of Educational Ecological System——Based on System Dynamics Approach

HU Yi-ling ZHAO Zi-hong GU Xiao-qing

As the core technology to trigger and promote the “fourth scientific and technological revolution”, artificial intelligence (AI) has promoted the reform of talent training objectives. The demand for innovative and compound talents makes students’ core qualities cultivation need to go beyond the traditional teaching and learning perspective and return to the interaction analysis of the educational ecosystem.Based on this, this paper constructed an AI-driven system dynamics model of learners’ core literacy development, explored the influence of the dynamic cooperative relationship among the subjects of the education ecosystem on the evolution of literacy, and set up simulation schemes under three scenarios of comprehensive development model, high expectation development model, and atmosphere creation model. The simulation results showed that the comprehensive development model had a good development trend in the early, middle, and late stages of development. Meanwhile, the high expectation development model had obvious advantages in the early stage, but it shows a “backlash” phenomenon in the later stage. The atmosphere creation development model had no obvious advantages in the early stage, but it showed a huge development advantage in the middle and late stages. In conclusion, the practical suggestions were proposed from three angles of system synergy, school innovation ecology, and classroom teacher-student interaction, in order to provide a reference for promoting students’ core literacy development at all levels.

core literacy; AI literacy; education ecosystem; complexity science; system dynamics