教学人工智能：空间、限度与超越

程亚萍

［摘 要］教学人工智能与人类教师相比，无论是在提升教学的高效化、精准化和个性化方面还是在保障教学的科学性和可靠性方面都具有优势。但教学人工智能在应用过程中面临着技术上的困境、价值上的挑战和治理上的难题。这就决定了教学人工智能是无法全面取代人类教师的地位，而应该把简单的教学任务交由教学人工智能处理，将复杂的教学任务交由人类教师处理，构建一种积极务实的人机共处模式。在此基础之上，还应当确立应对算法难题之措施、保障人类教师和学生的权利、增强人员之间的交流和复合人才的培养以及建构合理的责任分配机制等，以确保教学人工智能的广泛应用与发展。

［关键词］教学人工智能；人机共处模式；教学决策；人工智能算法；筛选机制

［中图分类号］G434［文献标识码］A ［文章编号］1005-5843（2023）06-0099-09

［DOI］10.13980/j.cnki.xdjykx.2023.06.015

2016年美国颁布了《国家人工智能研发战略规划》，提出在教育应用中“研发更有效的人类与人工智能协作方法”［1］。这为教学领域应用人工智能（Artificial Intelligence，簡称 AI）开辟了道路，让相关问题开始进入研究者的视野。近年来在大数据、云计算、5G技术、算法、区块链、语音视觉识别等技术得到突破的前提下，教学人工智能的应用与研究也迈入了快车道，掀起了一股热潮。在这种情况下，我国亦根据国情制定了一系列的文件和政策，积极支持把人工智能技术在教学领域进行应用并与之相结合作为重点来发展。如2017年国务院印发了《新一代人工智能发展规划》，提出“利用智能技术加快推动人才培养模式、教学方法改革”。2018 年教育部印发了《教育信息化 2.0 行动计划》，提出要开展智慧教育的探索与实践。2019 年国务院印发了《中国教育现代化 2035》，提出2035年建成“智能化校园”和“智能化教学”等目标，无论是教学体系还是教学能力都实现智能化。在国家的一系列文件和政策的指引下，学界开始探究教学人工智能的空间与限度的问题。在探讨教学人工智能的前景时，大多数学者认为教学人工智能只能起到辅助性的作用，特别是对人类教师的教学决策能够起到比较突出的改善性的作用［2］，但有学者认为教学人工智能有取代人类教师教学工作的潜在能力［3］。造成这些差异性认识的原因在于：多数学者只是从宏观和一般角度对教学中的人机共处模式及作用进行探讨，大多停留在原则性和展望性层面上，未基于教学的独特需求以及教学人工智能的实际应用经验等从具体和微观层面进行探讨。鉴于此，本文从教学人工智能应用现状出发，立足于教学的育人价值追求，对教学人工智能的空间、限度与超越展开深入探讨。

一、教学人工智能的空间

从控制论的角度来看，当在某一领域能够利用一种工具或技术对人类的思考或劳动予以替代时可称为人工智能。如美国人工智能领域的开拓者尼尔斯·尼尔森（Nils J.Nilsson）就把在比较复杂环境中能够进行自主感知、学习、推理和决策的机器或系统作为人工智能定义的核心内容。其显著的标准是：能否将人类的事情完成，甚至比人类还做得好［4］。因此，本文所探讨的教学人工智能是指那些能够在教学中替代人类教师开展教学活动的机器或者系统。它是人类教师借助人机的高效协同，在智能化的教学环境中传授知识和促进学生身心健康成长的过程［5］。也就是说，本文所指称的教学人工智能是在广义上使用这个概念。在这种情况下，基于网络化、数字化和智能化融合驱动的人工智能技术被应用于教学领域都属于此类［6］。

当前，许多人工智能助教系统进入教学领域，如我国北极星 AI 助教、句酷批改网和101 教育 PPT等［7］，这已成为当下的一种不可逆转的趋势和潮流。有学者认为，倘若人工智能技术在教学中的应用能够产生出比人类教师更具可接受和可说服的教学效果来，那么在可靠性和成本效益方面自然比人类教师更具优势。在这种情况下，将人工智能视作教师也未尝不可［8］。从教学人工智能表现出教学过程的高效化、精准化、个性化以及科学性和可靠性上看，教学人工智能比人类教师具有明显的优势［9］。首先，教学人工智能有利于实现教学内容的个性化发展。“知识大爆炸”的时代，不仅使教学内容更加丰富，也导致了学生需求的多样性。“差生跟不上，优生吃不饱”的现象在传统课堂的教学中普遍存在。从当前教学人工智能的应用实践来看，教学人工智能可以充分发挥其优势，在以下几个方面对教学内容个性化予以提升：一是人类教师可以根据学生的实际情况，结合教学人工智能所提供的丰富资源、工具和平台，对每类学生选择性适用，满足学生的个性化需求。在人类教师和教学人工智能的交互作用下，教学人工智能囊括了教学所需的影音视频、参考文件、测试、作业等教学资源、AR教学和VR教学等教学工具和各种平台等，把原有受时空限制的教学予以无限地拓展，而且在教学人工智能的协助下有效推动教学流程的便捷化和自动化［10］。二是教学人工智能可以关注每个学生的学习需求。学生利用智能移动终端设备，随时可以将自己不懂的问题传输给教学人工智能，教学人工智能根据之前积累的教学数据解答问题，对于不能解答的问题，教学人工智能会把问题反馈给人类教师，由人类教师做出解答。有效的人机交互模式既减轻了教师的工作负担又能满足学生的个性化需求。三是教学人工智能可以及时反馈每个学生的学习效果。教学人工智能可以实时反馈学生的学习数据，还可以对单个学生及整个班级学习状况生成评价报告，为人类教师深入了解课堂教学情况打下坚实基础，也为下一次课堂教学内容安排与设计提供可参考的依据［11］。如北极星 AI 助教、101 教育 PPT都具有这样的功能。其次，教学人工智能能够更好地保障教学目标的准确实现。一般而言，教学活动应该有明确的教学目标，可能包括多维的知识目标、能力目标和价值目标。教学实践中，不同教学目标的达成依赖于不同的教学活动，往往难以在有限的课堂教学中完全达成，不同的人类教师在讲授相同的教学内容时也会侧重不同的教学目标。在教学人工智能系统中，通过建构出相应的算法模型，对教学的决策、实施、评价和分析做出判定［12］。这种算法模型的建构，能够根据先前所建构的知识图谱而自动地关联到相应的教学知识链条，为确保相同的教学内容达成完整的教学目标提供了可靠和可行的路径。例如一些教学内容推送系统、智能导学系统（Intelligence Teaching System，ITS）、北极星AI助教等教学辅助系统在保障人类教师遵循相同教学达成相同教学目标方面已经取得一定的效果。此类研究也成为当下的潮流，从而在充分发挥教学人工智能保障教学目标实现中起到积极作用。再次，教学人工智能能够基于教师群体的经验而实施更稳定和可预测的教学活动，保障教学决策的科学性。教学活动的稳定性和可预测性直接关系到教学的质量和学生的可接受性，以及有效凝聚教学共识目标的实现。一方面，在人工智能所具有的存储能力、算法和算力的优势的支持下，教学人工智能能够通过分析、归类、汇总和索引等方式对教学内容、教学规律、教学规范和教学环节等教学数据更加全面地掌握，教学人工智能的决策是基于全量信息，不管是在掌握信息总量方面还是在发掘和整理信息规律方面都拥有超越人类教师的能力。这就无疑对教学人工智能决策的全面性和理性化起到了保障作用。另一方面，在面对相对复杂和新型的教学内容时，教学人工智能的决策也是在人类教师群体经验和公共理性的基础之上而做出的，与个别人类教师可能按照直觉或臆想而作出的教学决策相比，应该更具有稳定性和可预测性。在具体的实践中，人工智能教学辅助系统已展现出特有的稳定性和可预测性。如Wiley和 Hastings 等人把学习者生成的文档，在利用两段式的机器学习和自然语言理解技术且结合语义索引（Latent Semantic Index）和Coh-Metrix 评分引擎的情况下，依靠对文档中的因果关系及链条的检测来评价学生对概念和想法的运用，其结果显示采取混合方法检测和评价内容具有优势［13］。在这种情况下，意味着教学人工智能的决策已拥有更加稳定和理性的特质，对提升教学的确定性和可预测性大有裨益，从而增强了教学整体的质量和效果。最后，教学人工智能能够有效防范人类教师决策的偏见风险，保障教学效果的确定性。随着人工智能技术的深入发展，近些年快速兴起的脑机接口技术（Brain-Computer Interface，BCI）成为新的突破口。通过神经网络技术使算法不仅具备深度学习和自主学习的能力，而且具备自动迭代等能力。因此，能够直接解构、重组和发掘教学原始数据要素中的关联意义，在这个基础上开展教学的决策。这就将人类教师决策的偏见等不当的外在因素排除在教学决策过程之外，有利于保障教学决策的客观性与合理性。对此，有学者就指出：当在教学上发生与同类相关的争议时，均可以利用同一的算法来解决。在这种情况下，教学人工智能能够防范和消除人类教师出于对好教师或具有人情味的教师的名声的追求而任意展开教学的风险［14］。而且在具体的实践中，教学人工智能的客观性也得到了肯定。如Westera等人把学习者173 份的论文通过使用 Reader Bench 框架（一种自然语言理解的软件模型），为这些论文报告生成一组文本复杂度指数，然后将不同配置的机器学习算法相结合来预测分数，实验表明该方法拥有相当高的精确度。这样确保了人类教师决策的客观性，因而是符合“教书育人”要求的。

二、教学人工智能的限度

尽管教学人工智能在许多方面表现出比人类教师更优的特性，但它仍面临着技术上的困境、价值上的挑战和治理上的难题［15］。只有全面和客观地看待教学人工智能的限度，才能深入系统探讨教学人工智能的发展前景。

（一）技术上面临的困境

1.教学数据供给不足的困境。教学人工智能的优势是基于全量教学数据深度学习而对决策模型予以构建，因此，它的科学性和可靠性是由教学数据的全面性、完整性和准确性维系的。大多数人工智能教学辅助系统都是以教学案例作为数据学习来源进行制成的。当下的教学案例无论在数量还是在质量上都难以满足教学人工智能所要求的全面性、完整性和准确性标准。我国虽已建立一定的教学案例数据库，但从数量上来看，可使用的公开教学案例可能仅占少部分。考虑到目前在案例公开程序上缺乏完善的管理制度，教学案例涉及智力成果归属问题，以及案例公开的成本等因素，教学案例选择性公开的状况普遍存在。从质量上来看，即使是已公开的教学案例，也存在着质量参差不齐的情形，甚至存在简化教学设计以及重复进行教学设计等情形［16］。而且由于缺乏科学系统的教学数据积累计划，已公开的教学数据并不能对教学的全貌进行细致全面的反映，如学生与教师之间的沟通与交流、独特的教学视角和模式的运用、个人教学风格的内在张力地展现、教学委员会的群体讨论等都难以依靠数据化的方式得到有效呈现，这就导致了教学人工智能所习得的数据供给不足因此存在局限性，它们无法达到全面性、完整性和准确性的数据状态，从而影响到教学人工智能的科学性和可靠性［17］。

2.教学人工智能难以摆脱算法黑箱的困境，这与实现教学目标所要求的教学活动的透明性和公开性发生了冲突和矛盾。美国著名信息专家詹娜·布瑞尔（Burrell Jenna）对造成算法黑箱的原因进行了总结，认为一是因算法涉及国家机密或商业秘密而产生有目的的不透明；二是因在把握算法技术的能力和程度上的差异而产生技术文义的不透明；三是因算法的复杂性和先进性而产生固有的不透明［18］。以上三种原因也是影响教学人工智能算法透明度的主要因素。具言之，首先，当前多数人工智能教学辅助系统都是通过外包给相关技术公司的方式予以开发并在它们技术支持下开展应用。但这些公司都从自身商业利益出发，常常拒绝向发包单位公开算法，甚至抵制相关算法的公开。如2018年美国纽约市出台了《自动化决策特别工作组法》，实现监管政府所应用的诸多算法的目的。但这一法案遭到许多科技公司以商业秘密保护为由的强烈抵制，迫使该法案最终被取消［19］。其次，因教学人工智能算法愈是具有高效性和精确性，就愈需要先进技术予以支持和复杂的原理来进行支撑。但算法知识的专业性本来就使普通人难以理解其运作原理，这对于没有计算机知识背景的教师或学生来说也如此，他们均难以对教学人工智能算法设计和运作机理进行掌握和理解。最后，教学人工智能算法的复杂性不仅表现为具有潜在的自我学习能力，而且表现为具有潜在的自我编程能力，还表现为具有潜在的自我更新迭代的能力，特别是可以轻松地拟合万维以上的函数。因此，教学人工智能算法在应用一段时间之后，哪怕是设计算法的人员也难以准确解释教学人工智能决策背后的算法逻辑。

3.教学数据挖掘需要大量投入的困境。教学人工智能的主流算法是建立在知识图谱和深度学习相结合的基础之上的，在这种基于从多个数据源中提取信息方式的知识图谱的半监督学习（semi-supervised learning）方法中［20］，无论是数据的精确化程度还是模型的精细化程度都对教学人工智能决策的准确性有着直接的影响。但结构化的语义知识图谱绘制并非是通过人工智能可以完成的，需要大量的教学专业人员归纳总结教学规律、教学规范以及教学构成的相关节点的特点，而且对此打上明确的标签。这些人工归纳总结活动为机器深度学习提供可靠的数据集合。同时，因教学案例数据信息具有一定程度的不客观性、不真实性和不全面性的问题，加之在教学术语运用方面也存在着不统一性，以及教学数据结构化水平明显不高等问题。这就不仅需要大量人工对相关数据进行清洗和挖掘，而且需要大量人工对相关数据予以结构化改造。所以，从当前教学人工智能的实践来看，“有多少人工方能产出多少智能”“有多少优秀人工才能带来多少优秀智能”［21］。这意味着教学人工智能的建设无论是在人力和物力方面还是在财力方面需要长期和大量的投入。另外，在人文社科领域，它的主观性和不确定性一般表现得十分突出。在这种情况下，当教学人工智能的准确率达到一定水平与程度之后，如果再对教学人工智能的准确率作进一步的提升，那么就需要以几何倍的增长方式进行投入。因此，当教学人工智能的可靠性与高效性未完全释放出来，并且对它的应用前景并不清晰的情況下，就需要通过长期的高投入去发展教学人工智能，无疑对教学人工智能的应用与发展的信心和耐心是一种严峻的考验。

（二）价值上面临的挑战

1.教学人工智能决策难以防范价值偏见的风险。从表面上来看，教学人工智能基于内在的逻辑功能是可以对人类教师先入为主的价值偏见起到防范作用的。但事实上，教学人工智能并非我们想象那样能够保持客观与中立的状态。这是因为，教学人工智能是基于挖掘和学习先前教师教学经验与数据而进行教学预测工作。而且教学人工智能离不开“GIGO（garbage in， garbage out）定律”的支配与影响，这使得教学人工智能对先前教师的教学经验予以习得的同时，不可避免的对先前教师教学经验中所包含的价值偏见部分予以习得，就产生了所谓的“偏见进，则偏见出”的现象［22］。再者，学校在教学人工智能技术开发方面的能力有限，多数人工智能教学辅助系统都是通过外包给技术公司的方式开发并在它们的技术支持下开展应用。如果公司的技术人员本身存在价值偏见或基于自身利益的考虑而产生价值偏见等，那么就有可能将这些价值偏见写入教学人工智能算法之中。而且算法黑箱和技术壁垒在教学人工智能发展中客观存在，这就会导致无法立刻发现和及时纠正产生的价值偏见。在这种情况下，由于教学人工智能大规模应用于教学领域。因此，在教学人工智能决策中产生价值偏见的风险不可避免。

2.教学人工智能难以依据教学或社会发展的价值需求做出及时地改变或创新。教学并非是简单的知识传授活动。它是由教师的“教”与学生的“学”所构成的，是以为社会培养栋梁之才为目的的活动［23］ 。 因此，不管是对相关知识的理解还是对教学活动事实的认定，通常均需要人类教师发挥一定的主观能动性进行适当的决策与指挥。人类教师要对政治、经济、文化、社会心理等因素进行充分考量，从而充分发挥教学活动溢出性的作用，以便与社会主义核心价值观相契合，并引导学生培养正确的人生观、价值观和世界观。不过，基于以“无须满足任何更多的条件即可生成‘是’与‘否’的二元选项代码”［24］的自动化决策的教学人工智能，尽管在决策过程中排除掉了人类教师带有偏见的不当因素，但这意味着教学人工智能不仅在展开价值判断方面缺乏能力，而且在创新方面也缺乏能力，从而导致教学人工智能的应用只能在对教学需求比较特定和单一，以及教学目标比较明确和教学模式简易比较可辨的场景中展开。再者，即便教学人工智能具有展开价值判断和创新的能力，从伦理上来看，也是人类需要高度关注和加以控制的方面。究其原因在于：当教学人工智能能够替代人类教师展开价值判断和创新时，人类教师的主体地位必然受到挑战，这就导致人类教师服务于教学人工智能而产生主客颠倒的风险。

（三）治理上面临的难题

1.人类教师的主体性丧失的风险。教学人工智能的应用可能产生教学被技术俘获和人类教师被算法驯服的风险。当前的研究结果表明，由于人工智能不仅带来了高效便捷和成本低廉的优势，而且带来了在决策方面具有较高的准确性与一致性的优势。因此，很容易形成“强技术依赖”，在这种依赖心理的影响下，人类更倾向于选择对机器的信任。尤其是在紧急状况下，人类选择对机器的信任超过了对人的信任［25］。在这种情况下，即便教学人工智能只是对人类教师教学工作起到辅助性的作用，但在受到从众效应的影响以及规避责任风险的需求下，人类教师也会更加倾向于采取教学人工智能的决策结论，尽可能把自主性的判断抛弃掉。这就带来了教学人工智能应用的正当性危机。倘若人类教师的教学活动是由教学人工智能主导的话，那么人类教师和现有的教学制度对教学效果起决定性的作用就不复存在，而是接受外包服务并由开发教学人工智能算法技术的公司和人员来发挥决定性的作用。这必然与人类教师的教学独占原则发生冲突，产生了接受外包服务的科技公司对教学实践不当介入的风险。

2.教学决策主动性不足的风险。一定程度上，教学人工智能类似于自动售货机，隐去复杂的教学决策过程，提供成熟的教学产品。这一特点可能将人类教师和学生全程和深度参与教学活动过程的机会剥夺。从教学活动的特点来看，人类教师和学生的意见能否在教学活动中得到充分的表达和充分的尊重，是对教学效果产生影响的重要因素。教学人工智能决策方式的出现，昭示了阶段化的机器论断可能取代传统递进式教学活动的过程，不仅导致人类教师和学生失去通过沟通不断修正和深入表达意见的机会，而且导致人类教师和学生失去通过全面和深度参与教学活动过程的机会。而且当人工智能技术得到进一步发展，它势必在更大程度上影响到教学决策。这最终会造成对教学决策的可信赖性的损害。

3.教学人工智能决策带来了事故责任分配的困境。从当前的研究来看，人工智能教学主体的多元化、教学标准的复杂化和责任承担方式的模糊性等因素使得教学人工智能的责任分配成为难题。首先，教学人工智能是人类教师的“替身”还是“助手”的问题尚无定论，所以，能否将教学人工智能当做事故责任主体也存在着较大的争议。即便是将教学人工智能当成强人工智能看待，也有许多学者坚持否定教学人工智能的事故责任主体地位［26］。其次，人工智能教学标准的复杂化导致教学事故责任承担方式的模糊，使得人工智能教学决策带来的事故责任承担条件以及承担方式的建构面临着较大的挑战。最后，教学人工智能的出现对原有的“谁出事故，谁承担责任”的责任分配原则提出了挑战。在事故责任的承担方式上，是由教学人工智能担责，还是由人类教师、学校单独担责或共同担责也存在一定的争议。

综上看来，教学人工智能面临在技术上的困境、在价值上的挑战和在治理上的难题。这就使得一些学者认为教学人工智能只能作为人类教师的“助手”存在，难以像人类老师那样自由开展工作和进行自主性的思考，只是一种高级的辅助工具而已。事实上，教学人工智能对教学的高效化、精准化和个性化是大有裨益的，在保障教学的科学性和可靠性方面也更具优势。

三、教学人工智能的超越

以上对教学人工智能的可能空间与内在限度的分析，为客观和理性看待教學人工智能打下了坚实的基础。但必须在充分发挥教学人工智能提升教学的高效化、精准化和个性化的优势和保障教学的科学性和可靠性的同时，尽可能克服教学人工智能所存在的技术困境、价值挑战和治理难题。

（一）构建积极务实的人机共处模式

对于教学人工智能发展前景的探讨必须明确教学领域内的人机关系。这样就需要客观和理性看待教学人工智能的地位，教学人工智能到底是人类教师的“助手”还是“替身”？当前学界较为现实的看法是将简单的教学任务交由人工智能处理，将复杂的教学任务交由人类教师处理［27］。但争论的焦点在于教学人工智能是否做处理简单的教学任务。对此，本文认为是可行的。其理由如下。

1.将简单的教学任务交由人工智能处理在技术上具有可行性。简单教学任务的教学对象明确，教学任务、教学目标和规程相对明晰，这些特性与人工智能的形式逻辑内核高度契合。教学过程中不需要对教学事实认定进行复杂的推理，更不需要在对教学事实认定中通过发挥主观能动性来进行解释，这就为教学人工智能提供了较为明晰的适用对象。人工智能教学辅助系统只要按照结构化的语义知识图谱进行类教学关联就可以了，得出的教学结论是依靠“对号入座”的方式适用教学法则。从当前已有的实践来看，教学人工智能在一些可类型化的简单教学中，对人类教师予以替代在技术上具有可行性［28］。

2.将简单的教学任务交由教学人工智能处理并未对人类教师的主导地位予以否定。由于简单的教学任务无论是在教学目标、教学内容上，还是在教学对象、教学规程上都是具体清晰的，人类或人工智能教师，都只需要依照教学目标、教学内容、教学对象和教学规程提供一个明确的教学结论就可以了。从根本上来看，教学人工智能处理简单教学任务也只不过是在重复人类教师的经验和做法。最能够体现人类教师主导地位的则是需要展开价值判断或创新的部分，这是教学中难度最高和最复杂的部分。只要教学中的价值判断或创新的权力被人类教师所掌握，就很难说教学人工智能对人类教师的主导地位形成挑战［29］ 。

3.将简单的教学任务交由教学人工智能处理能够降低教学成本和提升教学质量。虽然科学技术迈进自反性科学化阶段，但仍然既要重视科学自我招致错误的界定与分配问题，也要重视科学自我招致风险的界定与分配问题。从成本—收益分析法的角度来看，这是正确处理科技与风险之间关系的最佳方法。对于教学人工智能来讲，当把它适用于简单教学任务地处理时，可能会在一定程度上产生人类教师意想不到的错误或差错。但由于简单的教学任务无论是在教学目标和教学内容还是教学对象和教学规程上都比较清晰，因此，简单的教学任务方面所犯的错误很容易被发现并立即纠正，这样通常成本十分低。特别是在教学部门建立相应的算法审查机构，能够及时和随机地对教学人工智能算法展开审查并积极纠正错误即可。不过，这对于教学活动而言，在收益上是相当可观的。从整个教学活动来看，简单的教学任务所占的比重是相当高的，尤其是初学知识的部分，几乎要占到将近80%。将这些教学任务交由教学人工智能处理，这就意味着可以对人类教师的数量进行一定程度地削减，进而能够节省教学中人力和物力的消耗。与此同时，能够让有限的人类教师将更多的精力投入到教学中需要展开价值判断或创新的部分，有利于促进教学质量的不断提升［30］。

（二）确立应对算法难题之措施

教学人工智能的算法是其运行的核心。因此，对算法黑箱、算法歧视和算法漏洞的规制是实现教学人工智能正当和可靠决策的前提与基础。从教学人工智能的特质来看，可以采取以下措施应对教学人工智能的算法难题。

1.建立健全教学案例筛选机制，为教学人工智能的算法提供良好的数据学习集合打下基础。其一，因教学人工智能决策是基于类型化的简单教学任务而展开的。所以，必须在国家教育目的的规范下，以现有优秀的教学案例等素材作为教学人工智能系统建模的基础数据来源。其二，拓补现有教学信息的记载方式以及强化对教案的公开，从而确保作为教学人工智能学习素材样本的全面性和完整性。同时，需要尽可能通过对教学信息记录的电子化和自动化程度的提升，以实现类课堂教学过程的全面数据化，从而确保教学人工智能能够全面系統地习得人类教师的经验。其三，完善教学案例的退出机制，这对于教学人工智能决策科学性的优化大有裨益。在具体实践中，通过机器自主清理那些过时和劣质的教学案例，教育部门以标注和定期审查等方式及时清理那些过时和劣质的教学案例，从而确保作为教学人工智能学习素材样本的高质量。其四，拓补教学专家参与机制，应当让经验丰富的教学专家参与对教学案例的选择以及数据的标注并对该过程予以主导，从而不仅确保对教学案例的选择和数据的标注节点的合理性，而且确保对教学案例的选择以及数据集合的代表性和准确性，以提升教学人工智能决策的可靠性［31］ 。

2.把育人为本这一基本价值嵌入算法之中，确保教学人工智能算法决策符合育人为本的价值导向。美国人工智能专家凯西·奥尼尔认为，算法是一种无道德的想象力。基于确保算法有益性的需要，就必须在算法当中嵌入更好的价值，以便建构出能够与人类道德准则保持一致的大数据模型［32］。可见，教学人工智能的算法设计人员应当将“育人为本”的价值嵌入教学人工智能的算法之中。一是通过确立价值函数和权重的方式，不仅把教学人工智能的价值判断体系化，而且把教学人工智能的价值判断客观化。其中就是根据不同的教学类型，以及对价值的不同重视程度，来对相应的权重比值进行确定，使教学人工智能无论在价值的选择上还是在价值的判断上具有一定的能力。从这种思路来看，美国学者托马斯L.萨蒂就提出了等级层次和网络层次分析法。而这种算法的构建是基于定量分析和定性分析的结合［33］，有利于人工智能对价值选择难题有效应对。二是通过建构价值判断预测模型，从而提升教学人工智能的价值判断能力。从价值判断预测模型的原理来看，它是通过当前教学活动与先前教学案例之间是否存在局部或交叉的价值判断区间进行检索，而且通过对共享价值判断在先前教学案例中所占比重予以权衡，从而采取类比方式确立当前教学价值价值判断预测模型。

3.提升教学人工智能算法的透明度和可解释性，以满足教学活动公开性要求。目前算法的可解释性与商业秘密的保护及算法的先进性之间存在着矛盾。而教学人工智能系统多是通过外包给相关科技公司开发的，但教学人工智能的算法涉及教育公共利益。因此，学校在将教学人工智能系统外包给相关技术公司时就应当事先将算法代码的交付和公开予以协商，从而保障教学活动参与者对教学人工智能算法的了解和把握。不过，代码的开源并不必然带来对算法决策逻辑架构的掌握。从实践来看，通常是愈准确和强大的预测模型愈显得较为复杂。同时，人工智能也在不断强化自我学习能力、自我编程能力和自我迭代能力。这样一来，连专业的技术人员对许多算法逻辑都难以掌握。因此，有学者认为要求算法完全透明是一种奢望，只要能够合理解释和说明算法的设计目的及运行基本原理即可［34］。这就达到了对算法要求公开的目的。对此，相关研究人员开发了一种概念激活向量定量测试的算法［35］。而这种算法能够以量化的方式把不同教学类型影响教学效果的程度显示出来，有利于对教学人工智能算法的内部运行状态作一种解释。

4.构建教学人工智能算法审计制度，以消除教学人工智能算法的歧视。从人工智能应用于不同领域的现状来看，把独立的算法审计机构建立起来非常必要，特别是监督和审计涉及公共利益的算法尤为必要。在这种情况下，就应当构建教学人工智能算法审计制度，对教学人工智能的算法展开独立的审计。因此，在构建教学人工智能算法审计制度时，可以要求开发人员在教学人工智能算法之中事先嵌入审计线索，便于对教学人工智能算法决策的依据及过程进行记录，有利于审计机构开展教学人工智能算法的审计工作。如充分利用基于哈希函数的可编辑区块链技术，记录和留存教学人工智能算法决策的关键节点，为开展教学人工智能算法审计工作提供方便的技术接口。特别在交付使用教学人工智能系统前，审计机构就应当利用数据测试方式展开审计算法查看是否存在偏见和漏洞等问题，并且在交付使用教学人工智能系统后，审计机构应当依申请或采取随机抽查等方式展开审计，以保障教学人工智能算法的公正性和合理性［36］ 。

（三）保障人类教师和学生的权利

无论人工智能技术如何发展，都必须把遵从个人自主和个人优先放在突出位置。因此，在教学领域应用人工智能不仅应当充分尊重人类教师和学生的自主选择权，而且应当充分尊重人类教师和学生的提出异议权，还应当充分尊重人类教师和学生获得解释权。其一，对于简单的教学任务，人类教师和学生都拥有选择是否运用教学人工智能的决定权。倘若人类教师和学生都拒绝或一方拒绝，那么学校就应当把简单的教学任务交由人类教师完成。其二，在教学人工智能作出决策之后，如果学生或人类教师对教学人工智能作出决策提出异议。此时，就应当依照一定程序交由人类教师或学校来处理，这就意味着作为守门人的人类教师或学校在人机关系之中占据主导地位，从而防范教学人工智能对教学活动的统治风险。其三，在教学人工智能作出决策的过程中，为了避免教学人工智能的算法利用其自身优势给人类教师和学生带来不利的处境，人类教师和学生可以申请获得专家或开发人员对教学人工智能算法进行解释，以保障其获得相对平等和有利地位的能力。

（四）增强人员之间的交流和复合人才的培养

随着教学人工智能的不断专业化和完备化，这就需要大批既精通教学又精通计算机技术的专业人员，只有在他们的通力合作中才能推动教学人工智能的进一步发展。其一，在教学人工智能系统地开发过程中，人类教师及相关教学专家需要参与对教学人工智能系统的设计、测试、应用及改良等环节，保障教学人工智能系统更加契合教学需求、符合教学规律和遵循教学伦理，这有利于对外包科技公司不当介入教学风险的防范。其二，在教学人工智能系统开发地过程中，技术开发人员需要深入了解教学的运作方式和实现教学目标的途径等特质，特别在设计之初应当深入学校调研和发放问卷，为设计出更加契合教学需求、符合教学规律和遵循教学伦理的人工智能系统打下坚实基础。其三，从教学人工智能的应用与长远发展来看，对既懂教学又懂技术的复合型人才的培养是关键，也是建构可靠的教学人工智能系统的根本保障。因此，应当大力培育掌握相关人工智能技术的教学人才，从根本上确保教学人工智能的良好发展。

（五）建构合理的责任分配机制

教学人工智能的责任分配是推动教学人工智能发展的基础，必须建立合理的责任分配机制。但要分两种情形来进行构建。其一，教学人工智能为教学活动提供了材料和数据等辅助性的情形。在这种情况下，由于教学人工智能并未作出决策，只是起到了辅助性的作用，当教学人工智能出现偏误时，应当遵从“谁使用，谁负责”的基本准则。因此，由教学使用人员承担主要的责任。但基于对教学人工智能所提供材料和数据起到辅助作用的程度，可以依照浮动比例原则确定教学人工智能系统的管理人员承担责任［37］。其二，教学人工智能处理简单教学任务的情形。在这种情况下，教学人工智能作出了决策，当教学人工智能决策出现偏误时，责任应当由哪个主体承担并没有定论。从当前研究的现状来看，由人类教师和学校单独承担或共同承担均有一定的道理。但从学生的角度来看，学校是教学活动的主要推动者和开展者，将此责任交由学校来承担是出于对学校的信任，而且不管是教学人工智能作出的决策还是人类教师开展教学活动都是以学校的名义进行的。因此，由学校承担相应的责任更加符合教学活动机制，学生、家长和社会也均可以接受。不过，完全由学校直接要求人类教师承担此责任，这会给绝大部分不懂计算机技术的人类教师带来困扰，也增大了承担责任的成本，是不可取的方式，也阻礙了教学人工智能的广泛应用。

教学人工智能的兴起是人工智能发展的必然结果，在应用过程中会面临着机遇和挑战并存的局面。因此，一方面要发挥教学人工智能对教学的高效化、精准化和个性化的提升能力以及保障教学科学性和可靠性的优势；另一方面要积极克服教学人工智能所存在的技术困境、价值挑战和治理难题。虽然对教学人工智能所存在的技术困境、价值挑战和治理难题的解决可以提出建议方案，但这些建议方案仍存在一定的局限性。例如，在具体的操作中，如何把简单的教学任务与复杂的教学任务区分开来；在什么情况下将教学人工智能运用到简单教学任务中去；对教学人工智能算法的规制是否会增加教学成本等［38］。所有这些问题都需要不断深入研究。尤其对教学人工智能应用与发展的探讨不是一劳永逸的，必须在教学人工智能的应用实践中发现问题和解决问题，并不断推进教学人工智能的进步，让人类教师和学生从教学人工智能的健康发展中受益。

参考文献：

［1］黄甫全，伍晓琪，唐玉溪，陈思宇，曾文婕.双师课堂课程开发引论：缘起、主题与方法［J］.电化教育研究，2022（02）：99-107.

［2］叶芮杏，孙福海，黄甫全.AI全科教师开发：基础、模型与关键技术［J］.电化教育研究，2022 （03）：42-50.

［3］王绪强，胡凡刚.AI 教师赋能课堂教学的限度与超越［J］.电化教育研究，2022（08）： 29-35.

［4］Nilsson N．Artificial Intelligence：a New Synthesis［M］.San Francisco：Morgan Ｋaufmann Publisher，1998：12．

［5］罗生全， 张雪.智慧教学概念的多元理解及新解释［J］.中国远程教育， 2022（11）：6-14.

［6］郝志军，杨颖东.人工智能与教学的合理性融合：优势、挑战与策略［J］.人民教育，2022（20）：51-54.

［7］杨彦军，罗吴淑婷，童慧.基于“人性结构”理论的 AI 助教系统模型研究［J］.电化教育研究，2019（11）：12-20.

［8］柳晨晨，宛平，王佑镁，杨刚.智能机器人及其教学应用：创新意蕴与现实挑战［J］.远程教育杂志，2020（02）：27-36.

［9］贺相春，郭绍青.人工智能助力教学创新的路径研究［J］.国家教育行政学院学报，2021（09）：31-38.

［10］杨绪辉，沈书生．教师与人工智能技术关系的新释——基于技术现象学“人性结构”的视角［J］．电化教育研究，2019（05）： 12－17．

［11］汪时冲，方海光，张鸽，马涛.人工智能教育机器人支持下的新型“双师课堂”研究——兼论“人机协同”教学设计与未来展望［J］.远程教育杂志，2019（02）：25-32

［12］赵亮，陈志奎.大数据算法库教学实验平台设计与实现［J］.实验技术与管理， 2020（06）：197-201，206.

［13］郭炯，荣乾，郝建江.国外人工智能教学应用研究综述［J］.电化教育研究，2020（02）：91-107

［14］赵磊磊，蒋馨培，代蕊华.内在主义技术伦理：教学评价智能化转型考量［J］.中国远程教育，2023（01）：40-48.

［15］崔宇路，张海.教育人工智能应用的困境、成因及对策［J］.现代教育技术，2022（06）：35-42.

［16］朱妮.法治教学案例中的问题及其优化［J］.中学政治教学参考，2022（10）：42-44.

［17］段金菊，钟晓芳，黄襄，邓智.智能时代在线案例教学资源的建设逻辑与评价向度［J］.课程·教材·教法，2022（09）：145-150，159.

［18］Burrell J. How the Machine “Thinks”：Understanding Opacity in Machine Learning Algorithms［J］．Ｂig Data ＆ Society，2016（01）：1-12.

［19］张凌寒，李荣.美国纽约算法监管遇挫启示录［N］.法治周末，2020-01-16（11）.

［20］韩嵩，韩秋弘.半监督学习研究的述评［J］.计算机工程与应用，2020（06）：19-27.

［21］冯洁.人工智能对司法裁判理论的挑战：回应及其限度［J］.华东政法大学学报，2018（02）：21-31.

［22］Mayson S．Bias in，Bias Out ［J］.Yale Law Journal，2019（128）：2218-2223.

［23］和学新.教学的本质究竟是什么［J］.宁夏大学学报（人文社会科学版），2001（01）：18-27.

［24］〔美〕卢克·多梅尔．算法时代：新经济的新引擎［M］.胡小锐，钟毅，译．北京：中信出版社，2016：220．

［25］于雪.基于机器能动性的人机交互信任建构［J］.自然辩证法研究，2022（10）：43-49.

［26］孙瑞芳，滕洋.人工智能时代教师主体性的遮蔽与复归［J］.教育研究与实验，2023 （01）： 52-59.

［27］唐玉溪，何伟光.人工智能时代教师何以存在：规定、窘境与超越［J］.中国远程教育，2022（10）：21-28，39.

［28］王良辉，夏亮亮，何文涛.回归教育学的精准教学——走向人机协同［J］.电化教育研究，2021（12）：108-114.

［29］高琼，陆吉健，王晓静，商家慧，周跃良.人工智能时代人机协同课堂教学模式的构建及实践案例［J］.远程教育杂志，2021（04）：23-33.

［30］李世瑾，顧小清.什么影响了人工智能教育的教学效果？——基于教师技术认知和教学实践层面的分析［J］.现代教育技术， 2022（08）：92-99.

［31］颜海娜，聂勇浩.案例教学中的案例选择与编写——以“行政案例分析”教学为例［J］.行政论坛，2012 （02）：87-91.

［32］O'NeilC．Weapons of Math Destruction：How Big Data Increases Inequality and Threatens Democracy［M］.New York：Crown，2016：204.

［33］〔美〕托马斯·萨蒂.创造性思维：改变思维做决策［M］.石勇，李兴森，译.北京：机械工业出版社，2017：259．

［34］Coglianese C，Lehr D.Transparency and Algorithmic Governance ［J］.Administrative Law Review，2019（01）：1-55．

［35］Kim B，Wattenbersg M，GilmerJ，etal，Interpretability Beyony Feature Attribution：Quantitative Testing with Concept Activation Vectors［EB/OL］.https：//arxiv.org/abs/1711.11279v4，2018-04.

［36］张永忠，张宝山.算法规制的路径创新：论我国算法审计制度的构建［J］.电子政务，2022（10）：48-61.

［37］BathaeeY.The Artificial Intelligence Black Box and the Failure of Intent and Causation［J］．HＨarvard Journal of Law ＆ Technology，2017（31）：889-938.

［38］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（01）：47-54.

Teaching Artificial Intelligence： Space， Limit and Transcendence

CHENG Yaping

（Central China Normal University， Wuhan， Hubei 430079， Chin）

Abstract： Compared to human teachers， teaching artificial intelligence has more advantages in terms of efficiency and accuracy， personalization， and ensuring the scientific and reliability of teaching. However， teaching AI faces technical difficulties， value challenges， and governance challenges in the application process. This determines that teaching artificial intelligence cannot replace the position of human teachers. Moreover， it is necessary to delegate simple teaching tasks to teaching artificial intelligence and complex teaching tasks to human teachers to build a positive and pragmatic human-computer coexistence model. On this basis， it is also necessary to establish measures to address algorithmic challenges， protect the rights of human teachers and students， enhance communication between personnel， cultivate composite talents， and construct a reasonable teaching responsibility allocation mechanism to ensure the widespread application and development of artificial intelligence in teaching.

Key words：teaching artificial intelligence; man-machine coexistence mode; teaching decision-making;artificial intelligence algorithm; screening mechanisms