人工智能赋能教育时代的创新政策制定

摘   要：随着教育进入智能化新生态，教育领域的创新政策制定模式随之改变。创新政策制定经历了任务导向型科技创新政策框架、国家系统性创新政策框架、变革性创新政策新兴框架三个阶段的发展，实现创新政策更加社会化、生态化的转变。文章从创新政策角度出发，提出了如何通过创新政策制定进一步发挥人工智能在教育领域的作用与影响，为教育领导者提出了人工智能赋能教育時代下创新政策制定向跨领域、多元融合、关注社会福祉转型，发挥政策组合优势的相关建议。

关键词：人工智能；创新政策；智能教育；技术赋能；政策框架

中图分类号：G510            文献标志码：A            DOI：10.3969/j.issn.1672-3937.2023.05.09

作者简介：尤金·加里·科奇（Eugene G. Kowch），加拿大卡尔加里大学韦尔克隆德教育学院副教授（卡尔加里 T2N 1N4）

译者单位：兰茗懿、赵文瑆，上海外国语大学国际教育学院（上海 201620）

一、智能教育新生态

什么是创新？牛津大学哲学系教授、人类未来研究院创始人尼克·博斯特罗姆（Nick Bostrom）在《超级智能：途径、危险与战略》（Superintelligence： Paths， Dangers， Strategies）一书中提出，创新始于提前“发现”。[1]而在组织理论中，创新意味着由于内生或外部的变革性因素打破了生态系统的动态平衡，人们需要通过实验、进化、重构等过程，达到新的动态平衡，实现系统革新。

在社会变革的范式中，创新通常被视为按照可预测的线性因果发展，因此如今大多数领导者采用创新S曲线来预演变革与创新。在教育领域引入创新S曲线得到如图1所示的创新发展模型：在经历不均衡发展的第一阶段后，由于系统受到内外部的突发影响，催生系统变革，引发系统创新发展的内在需求与内生动力激增；随后步入第二阶段，扩大创新在教育领域的应用与影响；在第三阶段实现优化迭代并于第四阶段达到相对稳定的状态。人工智能作为新兴技术正步入S曲线中发展激增的关键时期，智能教育系统应运而生，成为教育创新的核心因素。当前人工智能正处于起步阶段，而我们正处于教育系统变革中寻求动态平衡的第一阶段。

联合国教科文组织（UNESCO）《人工智能与教育： 政策制定者指南》（AI and Education：Guidance for Policy-Makers）[2]中提出的增强智能（Augmented Intelligence）概念重视人类对于人工智能技术成功的关键作用，强调各方注重开发能够补充和扩展人类认知的人工智能技术，揭示了人类与人工智能更加有效协同的途径。在增强智能框架下，随着教育系统条件优化与时间的推进，智能教育生态系统形成、发展，人工智能正在不断接近人类基线，达到类人的通用人工智能水平，即UNESCO所定义的“强”人工智能（Strong AI），最终走向超级智能（见图2）。实现超级智能的主要路径包括：机器智能的早期版本很快构建出更高级的版本以完成技术迭代；机器智能的发展推动各领域技术进步与创新，如医疗和卫生、交通、能源、教育和环境等；经济显著增长，提供物质支持。

人工智能促进更好的教育发展，如今技术条件已经改变，教育政策也需要新的决策范式，动态感知智能教育新生态的发展，实现原有的线性思维到非线性系统思维及封闭系统到开放系统的转变，发挥人工智能在教育中的协同作用与重要影响。

二、创新政策研究趋势转变

在教育生态学中，学习者、教师、学习环境、基础设施、资金与服务、领导层、教育机构、政府等子系统共同构成一个相互嵌套、相互联系、相互依存的教育生态。

如今，技术使教育系统中的人和事物更加轻易地产生联系，与以往不同，教育生态系统变得更加复杂、灵活、动态化、生态化。教育生态下子系统的界限也由于不同子系统间的动态发展以及社会公共问题、政治经济、历史文化、人类福祉、创新变革等各类因素的影响而逐渐变得模糊。因此，在政策制定的过程中，需要考虑各因素对整个教育生态系统的联动性影响，而不仅仅局限于一所学校或一个国家。

新冠病毒感染疫情就是例证。世界银行报告显示，受疫情影响，仅2020年世界范围内就有1/4的儿童失去了受教育的机会。教育的被迫中断暴露出教育系统中存在的重大问题，即无法应对发展环境中的变化因素。世界需要一个更富有韧性与灵活性的教育生态系统，相应的教育政策需要打破以往常规的决策模式，获得更多的自驱发展动力，维持各子系统协同联动的持续性创新。因此，当前创新政策制定的趋势转变为“政策组合”，即注重各系统相互作用和相互依存的政策，使其在一定程度上发挥协同作用以达到预期的政策效果。[3]造成这种转变的主要原因主要有两点：一是创新驱动的经济发展不能仅仅依赖于传统的科学技术政策，而要引入新的更广泛、更复杂的政策工具，深化组合式政策的实施效果；二是现代国家的治理特征趋于权力分散，不仅包括国家层面向上或向下的超国家或次国家行为体，也包括向外的准国家和非主权国家行为体。这种认识不仅局限于创新政策研究，而且更广泛地反映在有关多层次、多行为体的治理和公共管理中，取代传统的以国家为中心的政府和公共行政模式。因此，需要就政策制定动向进行更为复杂、系统、全面、综合的思考，与此同时，政策创新需要向服务于人类社会福祉与生活水平提升靠近。

三、创新政策制定的发展阶段

在上述背景下，我们需要思考如何调整相关政策，发挥政策组合优势以引导人工智能在教育领域的发展。回顾以往政策研究领域，创新政策制定经历了以下三个阶段。

（一）任务导向型科技创新政策框架（二战至1980年）

自第二次世界大战以来，国家发展需要以及国防需求决定了政策制定往往是以国家利益为中心，忽略对于社会生态长远发展的考虑，政府、军队往往是影响政策方向的主导力量。在该阶段，科学在一定程度上引领技术工业发展，服务于国家利益及经济增长，体现出科学商业化的特征。但不可否认的是，该时代也产生了一定的创新成果。喷气式发动机、核动力、负责研发军事用途高新科技的美国国防高级研究计划局（Defense Advanced Research Projects Agency，DARPA）是该政策模式下的积极案例。但单一的政策工具、线性的政策模式也暴露出一定的局限性，一些重大社会根源性问题无法通过该模式下的政策创新得到有效解决。

（二） 国家系统性创新政策框架（1980—2000年）

在这一阶段，国家开始为创新创造环境与条件，部分实现了国家内部更广泛的多部门协同网络，强调竞争，政府、学术界、产业界在创新中相互作用，在国家系统中形成“三螺旋”（Triple Helix）创新模式。在该模式下，较为典型的案例有法国科技园、马来西亚国家数字经济倡议（Malaysia Natinal Digital Economy Initiative）、筑波科学城（Tsukuba Science City）等。该阶段实现了多种政策工具相结合，但系统内大部分主体仍服务于工业技术及经济效益提高的单一目标，各领域间难以实现资源跨领域共享，并没有真正实现国家内部系统协同发展的政策组合理想状态。

（三） 变革性创新政策新兴框架（2000年至今）

在人工智能时代背景下，如何在教育领域实现向创新政策组合的转变是一个重要课题。在变革性发展阶段，政策研究是具有目标导向性的，旨在解决长期以科学支撑经济发展而产生的多重社会问题，如人口老龄化、资源紧缺、气候变化等，联合国可持续发展目标（Sustainable Development Goals，SDGs）就是很好的例证。有学者梳理1996—2017年相关研究发现，当前创新政策制定已不再仅仅关注教育单一领域，而是向经济、气候、环境等领域热点问题相互交融的趋势发展。[4]多元主体、多领域、多种政策工具，以一种复杂、非线性的方式形成社会、技术相融合的系统网络，它同样面临着不平等、贫困、环境问题等重大挑战，创新政策的变革性发展在一定程度上也仍然受到国家、政治等因素的限制，当前我们已实现多种政策工具、多部门、多主体参与，但在教育领域并未完全实现多种政策互动协同。我们如何摆脱传统的政策发展模式，重新构建植根于新时代背景下的政策组合？迪克斯（Diercks）等研究者对此提出了变革性创新政策新兴框架。[5]新的政策范式建立在科技创新政策框架和国家系统性创新政策框架基础之上，但并未完全取代早期传统政策范式，三种创新政策框架相互叠加，以一种更结构化的方式存续，如图3所示。

在变革性创新政策新兴框架下，人工智能教育领域涌现出大量创新政策，如2015年OECD的《创新势在必行——促进生产力、增长和福祉》（The Innovation Imperative-Contributing to Productivity， Growth and Well-Being）[6]，同年的联合国可持续发展目标[7]，2017年中国的《新一代人工智能发展规划》[8]，2018年的《欧盟数字教育行动计划》（EU Digital Education Action Plan）[9]，2019年的联合国教科文组织《北京共识——人工智能与教育》（Beijing Consensus on Artificial Intelligence and Education）[10]，2019年美国的《国家人工智能研发战略规划》（The National Artificial Intelligence Research and Development Strategic Plan： 2019 Update）[11]，2021年UNESCO的《人工智能与教育： 政策制定者指南》[12]。

四、创新政策分析模型

迪克斯等研究者提出基于对创新过程的理解和政策议程导向两个核心维度比较分析不同创新政策制定，可以通过在一个坐标轴中绘制这两个维度，x轴代表从政策议程经济导向化发展为更具包容性的政策议程社会导向化，y轴代表对创新过程从狭义到广义的理解。

第一个核心维度是对创新过程的理解，分为狭义和广义的概念。其中对创新的狭义理解认为创新过程就是科学和技术的发展，将創新视为科学的商业化，更多强调创新过程的供应方，科学技术的突破被视为创新的主要或唯一驱动力，国家政府、学术界、产业作为主要的创新行为者。对创新的广义理解认为创新政策的制定是为了支持更广泛的创新生态体系的建设，各种在公共社会发挥作用的皆为创新行为者，除供应方外还注重需求方，除科学技术外还强调多元主体的互动，将知识生产视为互动的发展过程，结合不同的创新模式和知识形式，更加关注更广泛的非技术创新模式的丰富多样性，如制度创新、开放式创新、用户主导的创新，对创新的广泛理解挑战了科学的主导作用，认为创新不仅是科学到商业的转换，并非所有的创新都是由科学驱动的，承认组织和机构复杂网络为创新提供系统性环境的重要作用，不仅关注创新的供给方面，也关注影响创新扩散传播和其最终用途的需求方面因素。

第二个核心维度是政策议程导向，即以经济或是社会层面作为政策目标或优先发展事项，是创新政策的最终目标，也是其制定的内在逻辑。创新政策的最终目标往往不只是关注创新本身，而且是一种达到目的预期的手段。政策议程经济化导向的目标只关注经济增长、就业等。这种创新将导致更具竞争力的经济，促进更多的消费、增长和商业化发展。经济目标意味着创新政策主要是经济政策领域的一部分，因为其总体目标是维持区域或国家经济的增长和竞争力。经济化导向的政策议程只涉及经济或产业方面的政策。而社会化导向的政策议程以往是由国家战略优先事项推动的；而近期则聚焦于应对气候变化、不平等加剧、人口变化或资源稀缺等社会问题。更广泛的社会化导向政策议程意味着应在所有社会领域动员创新，以促进形成全社会协同的目标和价值观。相较于经济化导向的政策议程，社会化导向的政策议程也影响其他政策领域，如环境、能源、卫生、农业。因此，社会化导向的政策议程支持各种具体政策领域横向交互与融合的创新。

将科技创新政策、国家系统性创新政策与变革性创新政策置于上述模型中，它们所处的位置如图4、图5、图6所示。

五、创新政策制定的建议

UNESCO报告《人工智能与教育：政策制定者指南》中提到：“人工智能在本质上是跨行业部门的。有效的人工智能与教育政策规划离不开与各学科领域及部门的利益相关方进行磋商协作。”当前教育领域政策创新也正朝着社会化导向与更广泛的生态体系发展，而人工智能正是该进程中的重要驱动力。

未来人工智能在教育领域可以发展到什么程度，以及如何通过创新政策的制定达到预期目标至关重要。教育领导者首先需要定位人工智能赋能教育的理想状态，包括了解人工智能赋能教育的社会效益及潜在风险，从微观、宏观层面形成具有可持续性的创新政策网络，并将其落地于实际教学中。通过制定理想的人工智能发展目标，为多元主体、跨领域、可持续发展的人工智能赋能政策提供方向。具体而言，要想实现从单一的经济化导向政策模式向社会化导向的政策生态转变，教育领导者就需要将变革性人工智能赋能教育融入政策组合的议程中。为应对发展过程中面临的社会重大挑战，当前专注于科学、技术、工程和数学（STEM）课程的学校教育需要实现向科技与人文相互融合的以社会福祉为导向的教育转变，开发问题导向、关注社会问题的人工智能赋能跨学科课程，培养“智能”教师，提升后疫情时代教师数字素养，与卫生、交通、能源、政府等部门合作，关注人工智能基础设施建设，发展人工智能赋能教育系统创新政策领导力。

（说明与致谢：本文系科奇副教授在2022全球智慧教育大会上的演讲，经作者授权编译发布。感谢北京师范大学智慧学习研究院曾海军老师、张定文老师对文章刊发给予的大力支持。）

参考文献：

[1]RICHMOND S．Superintelligence： paths， dangers， strategies[J]．Philosophy，2016， 91（1）：125-130．

[2][12]UNESCO．AI and education：guidance for policy-makers[EB/OL]．（2021-04-16） [2022-11-06]．https：//cit.bnu.edu.cn/docs/2021-04/20210419161526594490.pdf．

[3]FLANAGAN K，UYARRA E，LARANJA M．Reconceptualising the‘policy mix for innovation[J]．Research policy，2011，40（5）：702-713．

[4]ROGGE K S，REICHARDT K．Policy mixes for sustainability transitions： an extended concept and framework for analysis[J]．Research policy，2016，45（8）：1620-1635．

[5]DIERCKS G，LARSEN H，STEWARD F．Transformative innovation policy： addressing variety in an emerging policy paradigm[J]．Research policy，2019，48（4）： 880-894．

[6]OECD．The innovation imperative-contributing to productivity， growth and well-being[EB/OL]．（2015-10-14） [2022-11-06]．https：//read.oecd-ilibrary.org/science-and-technology/the-innovation-imperative_9789264239814-en．

[7]United Nations．UN sustainable development goals[EB/OL]．（2015-10-21）[2022-11-06]．https：//sdgs.un.org/sites/default/files/publications/21252030%20Agenda%20for%20Sustainable%20Development%20web.pdf．

[8]中華人民共和国中央人民政府．国务院关于印发新一代人工智能发展规划的通知[EB/OL]．（2017-07-08） [2022-11-06]．http：//www.gov.cn/zhengce/content/2017-07/20/content_ 5211996.htm．

[9]European Commission．EU digital education action plan[EB/OL]．（2018-01-17） [2022-11-06]．https：//eur-lex.europa.eu/legal-content/EN/TXT/PDF/？uri=CELEX：52018DC0022&from=EN．

[10]UNESCO．Beijing consensus on artificial intelligence and education[EB/OL]．（2019-05-16） [2022-11-06]．https：//unesdoc.unesco.org/ark：/48223/pf0000368303．

[11]UITRDU．The national artificial intelligence research and development strategic plan： 2019 update[EB/OL]．（2019-06-21） [2022-11-06]．https：//www.nitrd.gov/the-national-artificial-intelligence-research-and-development-strategic-plan-2019-update/．

Abstract： The coming of a new educational ecology of intelligence has changed the mode of the innovation policy-making in education. The developments of innovation policy-making have experienced three stages： the mission-oriented framework of science and technology innovation policy， the framework of national systems innovation policy， and the emerging framework of transformative innovation policy， realizing a more socialized and ecological transformation. Drawing on the perspective of innovation policy， this paper points out how to further play the role and influence of artificial intelligence in education through making innovation policies. This offers practical suggestions for leaders in education， to transform innovation policy-making to cross-domain， multi-faceted integration， and focus on social well-being， as well as playing the full strength of policy mixes in the era of AI-enhanced education.

Keywords： Artificial Intelligence; Innovation policy; AI-enhanced education; Technology empowerment; Policy framework

編辑 朱婷婷   校对 吕伊雯