赋能还是制约：智能技术如何影响学生学习自由的实现

摘要：学习自由是学生在学习过程中自主性、能动性与自为性的重要体现，是促进学生创新发展的重要条件。在智能环境中，智能技术既能为学生提供丰富的学习资源和空间自由，也可能以技术意向性和算法黑箱规训和制约学生学习的自由。如何构建智能技术影响学生学习自由实现的分析框架，成为探析两者辨证关系的关键所在。具体而言，应围绕数据、算力、算法、技术伦理等智能技术要素，权利学习自由、自我实现学习自由两类学习自由，以及隐私与表达、机会与选择、发现与认知、整合与创新、情感与价值塑造5个学习自由层次来构建分析框架，以厘清智能技术要素与不同层次学习自由之间的复杂关系。显然，智能技术的不同要素会从不同层面影响和干预学生的学习权利自由和自我实现自由，限制其身心自然成长和创造性学习与发展。为更好地利用智能技术推动学生学习自由的实现，教育管理部门应以负责任创新治理理念为引导，明确技术作用限度及超越方法；教师应强化与智能技术的高效协同，实现从“技术追新”向“育人创新”的转变；学生应明确在人机协同中的主体作用，推动实现高学习自由度—高创造性学习；信息化行业应面向学生发展规律设计智能学习产品，促进自由开放学习的发生。

关键词：智能技术；学习自由；学习权利；主体性；技术伦理

中图分类号：G434 文献标识码：A 文章编号：1009-5195（2024）05-0034-08 doi10.3969/j.issn.1009-5195.2024.05.004

基金项目：河南省哲学社会科学规划年度项目“知行创融合视域下中学创客教育中序列化学习活动模型的设计研究”（2023BJY009）；河南省软科学项目“面向教育数字化转型的学生人机关系的评价指标与优化策略研究”（242400411115）。

作者简介：赵慧臣，博士，教授，博士生导师，河南大学教育学部（河南开封 475004）；李琳，博士研究生，河南大学教育学部（河南开封 475004）；范田田，硕士研究生，河南大学教育学部（河南开封 475004）。

一、智能技术影响学生学习自由实现的背景

1.智能化成为教育数字化转型的重要技术支撑

以教育数字化赋能教育高质量发展、推动教育改革创新是推进教育现代化的重要路径。在教育数字化转型扩优提质的关键阶段，教育部部长怀进鹏在2024世界数字教育大会上强调：我国教育数字化战略行动将“从联结为先、内容为本、合作为要的‘3C’走向集成化、智能化、国际化的‘3I’”（怀进鹏，2024）。近年来，教育领域聚焦教育的智能化发展，不断探索以智能技术助推人才培养模式、教学方法变革，发布了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》《义务教育课程方案和课程标准（2022年版）》等文件，提出“加强人工智能场景创新要素供给，积极探索新技术背景下学习环境与方式变革，多渠道开展场景创新人才培养”（中华人民共和国中央人民政府，2022；中华人民共和国教育部，2022）。

2.智能环境下的学习自由成为学生创新发展的重要条件

学习自由既是学习本身的要求，也是学习顺利开展的必要条件，还是智能环境下创新人才培养的重要支撑。石中英（2002）认为学习自由是学生摆脱干涉、障碍与强制，在学习活动中独立思考、采取行动的内在思想和外在行为状态，以及与之相关并支持该状态的一系列权利。部分教育家也对学习自由的意义与价值表达了见解，如罗杰斯（Rogers）等基于对“自然人性论”和“自由”的理解，主张以学生的自发性和主动性为动力，让学生自由地学习对个人有意义的知识，促进个体的完整发展和自我实现（卡尔·罗杰斯等，2015）；雅斯贝尔斯（Jaspers）反对在教学内容、教学评价等方面过多地束缚学生，鼓励学生在“冒险”中自由成长，认为有教学自由才有学生学习的自由（卡尔·雅斯贝尔斯，2021）。

3.智能环境下的学习自由实现存在多种可能

“学习自由”与“学习自由实现”之间存在本质区别。作为教育的一种价值，“学习自由”具有客观性、绝对性与普遍性等特征；“学习自由实现”则体现出明显的主体性、具体性、历史性、相对性等特征，并伴随智能技术的发展变化呈现出新的特点（张建云，2021）。一方面，智能技术不断拓宽了学生学习的空间边界，丰富了学生学习资源获取的渠道，推动了学生学习方式多元化、个性化，赋予了学生更多的学习自由空间，并促进其自由成长。另一方面，智能技术也正在以自身的技术意向“规训”着学生，从协助他们探索世界转变为“促逼”主体在技术限定关系中生存，以隐蔽的形式将学生的自由意志禁锢于技术打造的“环形监狱”，利用“算法黑箱”干预学生的自主权与选择权，以其程式化的运行逻辑制约着学生学习自由的实现。

那么，智能技术在学生学习自由实现过程中究竟发挥着何种作用呢？围绕该问题，在教育与技术的双重加持下，剖析智能环境下学生学习自由实现对学习的意义价值，探究智能技术影响学生学习自由实现的成因，分析智能技术助推学生学习自由实现的途径，对于推动学生实现自由而全面的成长具有重要意义。

二、智能技术影响学生学习自由实现的框架

在智能技术的支持下，学生的学习方式呈现出多元化、个性化、生成性等特点，学生学习自由的实现也具有了新内涵。梳理智能技术影响学生学习自由实现的逻辑，有益于构建智能技术影响学生学习自由实现的分析框架。

1.智能时代学生学习自由的研究现状

教育领域对学习自由问题已予以较多关注，并从多个层面进行了探索。在本体论层面，相关研究分析了学习自由的内涵，并将学习自由划分为消极学习自由与积极学习自由，其中消极学习自由是保障学生权利不受剥夺或限制的基础，积极学习自由是学生自由意志在学习场域的积极投射与表达（以赛亚·伯林，2011）。在认识论层面，高艳等（2013）认为学生的学习自由是有限度的学习自由，自由不能超越一定的伦理道德和一般的社会交往规则；唐鸣（2017）指出技术能力与行为自由具有同一性，可通过建立技术能力与课程组织性之间的新关联来实现学习自由。在价值论层面，马运朋（2016）指出学习自由具有权利和价值的双重特性，网络环境正成为保障学生学习自由权利、实现学生自由学习的新场域；陈港等（2023）则认为技术在不断“裹挟”学生的学习自由，学生正面临着“人之主体的遮蔽与降格”“去物质性”等困境；学生学习自由仍存在认知自由的技术障碍、道德自由的技术遮蔽、审美自由的时代悖论等问题（徐乐乐，2022）。

总体而言，学习自由相关研究经历了由外在给予到内在自发，从追求消极自由向追求高层次自由的转变。然而，现有研究多关注传统课堂中的学习自由和数字时代的学习自由，而对智能技术如何影响学生学习自由实现的研究则相对薄弱。为此，有必要深入分析智能技术影响学生学习自由实现的成因及路径。

2.基于技术智能化程度与学习自由度视角的学习分类

从多媒体时代到网络时代再到智能时代，学生学习自由度的高低将对其学习效果产生重要影响。以技术智能化程度为横坐标，以学习自由度为纵坐标，可将学生的学习划分为四类（见图1）。通过对学习类型的分析，可以进一步明晰智能环境下学生学习自由对学习的意义，以及智能环境下学生学习自由实现的特点。

图1 技术智能化程度—学习自由度视角下学习的分类

首先，技术智能化程度低—学习自由度低型学习是指教师以自身为中心，关注技术的工具价值，简单机械地利用多媒体技术向学生单向度地灌输知识，促使学生被动地接受知识。其次，技术智能化程度低—学习自由度高型学习是指教师以学生为中心，灵活使用多媒体技术赋能教学，给予学生想象、批判、质疑、创造的空间，并在师生双向互动中激发学生潜能，引导学生生成学习智慧。再次，技术智能化程度高—学习自由度低型学习是指教师将教学主导权让渡于智能技术，由智能技术掌控与监控学生的学习，任由智能技术凌驾于学生之上，削弱学生的主体性，剥夺学生独立思考与判断空间的学习类型。最后，技术智能化程度高—学习自由度高型学习是指教师并非以智能技术的功能膨胀，强化机器对学生学习的单向度掌控，让学生在智能环境中丧失独立性和自主性；也非一味强调学生主观意志的至上性和任意性，将学习自主权全盘托付给学生，追求所谓无拘无束的自由；而是以学生为中心，在智能技术支持下的合理自由范围内，引导学生在人—机、人—人的相互支持中独立思考，主动解决问题，实现多维度交互、多层面价值碰撞的“生命自觉”。

3.智能技术影响学生学习自由实现的分析框架

自由是“主体”的自由，是作为主体不受限制而按照自己的意识进行的自主活动（张建云，2021）。学习自由是学习主体在学习过程中主体性的核心体现，彰显了争取学习权利和实现学习价值的共同追求。因此，对于“智能技术如何影响学生学习自由实现”问题的探究，可以转换为对“智能技术如何影响学生学习主体性发挥”问题的剖析。

主体性是人作为活动主体在对客体作用过程中表现出的自主性、能动性与自为性（詹艾斌，2007）。其中，自主性关注主体享受的法律权利；能动性关注主体在改造自然关系、社会关系中表现出来的生产、创造等实践能力；自为性关注主体欲求，是主体对需求、目标及理想的追求（李瑛琦，2021）。笔者参考以赛亚·伯林（2011）对学习自由的界定以及主体性的特征，将智能时代学生的学习自由划分为低阶学习自由、高阶学习自由两类，包括隐私与表达、机会与选择、发现与认知、整合与创造、情感与价值5个层次。其中，低阶学习自由称之为“权利的自由”，侧重于学生学习的自主性，主要关注学生在学习过程中免受智能技术束缚、控制或强制的学习权利；高阶学习自由称之为“自我实现的自由”，侧重于学生学习的能动性与自为性，主要关注学生能否基于自身与环境因素，积极主动地选择、判断、决策、创造并产生目标导向的行为。一般而言，学生只有在实现低阶学习自由的基础上，才有可能追求高阶学习自由。

人与技术是相互纠缠、相互塑造的共生体。根据智能技术的运行要素（包括数据、算力、算法、技术伦理），从人机关系视角分析智能技术要素与学生学习自由不同层次之间的相关性，便可形成智能技术影响学生学习自由实现的分析框架（见图2）。该框架在通用意义上分析了智能技术要素对学生学习自由实现的影响关系。具体表现为：在智能技术影响学生学习自由实现的过程中，数据是智能技术的基座，其采集、处理、分析和利用等环节的规范性将直接影响学生隐私与表达、机会与选择的情况；算力决定着智能技术行为决策的能力限度，驱动学生的发现与认知、整合与创造；算法决定着智能技术智能水平的高低，其处理信息与解决问题的方式，将对学生机会与选择、发现与认知、整合与创造、情感与价值等过程产生影响；技术伦理体现了智能技术“可为”与“不可为”的界限，其运行逻辑将影响学生的隐私与表达、机会与选择、情感与价值等过程。

图2 智能技术影响学生学习自由实现的分析框架

三、智能技术影响学生学习自由实现的成因

1.智能技术影响学生学习权利自由，可能限制其身心自然成长

2017年在加利福尼亚州阿西洛马举行的“有益的人工智能”（Beneficial AI）会议上，近千名人工智能和机器人领域的专家学者联合签署了“阿西洛马人工智能原则”（Asilomar AI Principles），强调以安全、透明、负责、可解释、为人类作贡献和多数人受益的方式开发人工智能（Floridi et al.，2019）。但在实践中，不同利益方出于特定目的，可能会破坏智能环境下自由学习的方式，侵犯学生的隐私与表达权，阻碍学生依据需求自由、平等地获取与选择多元化的学习机会。

第一，学习数据的全方位、无限度攫取，可能影响学生的隐私与表达。学生学习的隐私与表达受数据和技术伦理的影响，例如，部分智能技术开发人员利用智能头环、学生课堂专注分析系统等设备全方位、多时段地采集和应用学生的学习数据，过度分析学生的表情行为和思维活动，将学生的学习空间打造成全面且隐蔽的“圆形监狱”（张刚要等，2020），这在一定程度上侵犯了学生学习的隐私权。然而，当学生意识到其学习行为都以数据形式被留存，甚至与成绩评定挂钩时，他们在学习中更易表现出依附、服从的学习状态，在课堂中羞于展现真实的自我，不愿表达自己的态度和想法，因而也难以实现自由平等的交流与表达。

第二，算法黑箱引发的技术伦理问题，影响学生平等获取与选择学习的机会。学生的学习机会与选择过程受到数据、算法以及技术伦理的影响。一方面，无论是判别式人工智能还是生成式人工智能，本质上都是机器智能，其性能、判断与决策都依赖于大量标注或非标注数据的训练，并由模型参数、训练数据的数量及质量等因素决定。当使用包含嘈杂、异常、错误、缺少时效性的数据训练人工智能底座模型时，基于该底座模型的智能产品可能诱导部分学生群体产生错误的学习行为决策。另一方面，算法机理的透明性、可解释性薄弱，算法规则的设计包含着算法设计者的喜好与偏见，并蕴含着一定的主观判断和利益考量，可能会产生算法偏见与歧视等技术伦理问题，窄化学生获取与选择多元知识的渠道，并可能影响学生学习评价的客观性，阻碍学生平等获取学习的机会。此外，不同区域、不同类型学生对智能技术的拥有、应用和创新能力的差异抑或引发“智能鸿沟”问题，这将进一步阻碍学生利用技术工具平等获取多样化的学习机会。

2.智能技术干预学生自我实现的自由，影响他们创造性地学习与发展

在智能技术加持的教学环境中，学生往往作为“客体”被动地参与到数据采集和算法分析的过程中，其在认知能力、思维方式、人格特点上存在的动荡性和矛盾性常常被智能技术忽视（崔佳峰等，2020）。从这一层面来看，智能技术的决策结果可能与学生真实的个性发展存在较大差异，难以支持学生实现自由而全面的成长。

第一，算力与算法支持的学习决策与操控，或将引发学生认知固化与技术依赖问题。技术从行动层面改变学生行为的同时，也将从知觉层面转化学生对世界的认知（李洋，2020）。一方面，智能技术强大的算力在提升学生学习效率的同时，也会因算法设计问题进一步窄化学生获取信息的视野，强化学生的认知偏见。例如，判别式人工智能藉由提供学习服务的外衣来操控算法设计和学习决策，可能会阻碍学生获取多样化的知识，使学生困于狭窄的认知结构中；生成式人工智能运用自然语言处理技术，将匹配形成的信息略过二次判断后直接呈现给学生，可能会造成个体的认知固化与观念窄化。另一方面，在学生认知主动性发展过程中，智能技术利用在算法和算力方面的“智慧性”，可能会在学生的依赖和主观懈怠中成为新的权威主体。例如，人工智能强大的算力和快速解决问题的方式，可能会使学生对人工智能产生非理性、非科学的认识，形成技术崇拜、技术迷信等心理，导致学生对相关信息的有效性与权威性不加辨别便盲从选择，进而对认知主体的能动性造成负面影响。

第二，智能技术程式化的运行逻辑，或将削弱学生的创新意识、思维及能力。智能技术的“算法”与“算力”分别决定了其“智”与“能”，将对学生整合与创造过程的效率和效果产生直接或间接影响。一方面，在学生创新意识培养过程中，智能技术会不断强化学生的虚拟身份，引导学生在智能场域的学习中不断完善虚拟的“我”。若学生长期沉浸于人工智能营造的虚拟场域和主体画像中，可能会忽视自身真实需求以及本我的发展，其自我审视、反思和元认知意识可能会逐渐被消弭（张立国等，2021）。另一方面，在学生创新思维和创新能力培养过程中，学生成长具有纵向的历史差异性和横向的独特性，且充满了较多不确定性。学生只有在复杂多元的学习环境，解决真实性学习问题，历经知识识别、内化、整合、迁移、应用等阶段，才能更好地积累学习经验，实现知识创新。然而，智能技术只是擅长从已有数据中识别、提取、解释与归纳因果关系，而并不擅长演绎新的因果场景与因果关系（Kasneci et al.，2023），其无法为学生的创新与创造提供多元化的场景保障，难以满足学生不同思维方式和实践行为的差异化发展需求。此外，智能技术程式化的算法用“模具”规范与约束学生的灵感与想法，迫使学生沿着算法“套路”成长，可能引发学生发展同质化、学校教育趋同化的风险（谭维智，2019）。程式化的算法还可能移除了某些激发学生学习的关键提示，截去了学习过程中的诸多细节，略过学生知识组织与整合的过程，在一定程度上加速了学生的浅层学习，进而制约了他们创造思维和创新能力的提升。

第三，智能技术对人机交互模式的重塑，可能消弭学生对情感与价值的理解与判断。学生情感与价值的塑造过程受到算法与技术伦理的影响。一方面，人机交互的紧密化会加剧人际自由交往消弭的风险。例如，ChatGPT等生成式人工智能在交流过程中会表现出较强的共情能力和同理心，其在提供问题解决方案的同时，会给予学生积极的情绪反馈和个性化的情感支持。当学生长期沉浸于智能技术所定制的专属精神世界时，学生的情感体验阈值将不断增加，并自觉抗拒现实生活中需要不断磨合与包容的交往模式，进而逃避现实学习生活中真实的人际交往。另一方面，在学生价值塑造过程中，教师的教学是基于已有经验并在兼顾行为决策后果基础上作出的道德理解与价值判断。智能机器则是在大量数据训练的基础上，根据词与词之间的相关性概率，利用检索记忆迅速响应并组合形成的学习决策结果。智能机器难以理解人的情感与道德，也难以进行价值判断与决策。如果一定要说智能机器具有价值判断能力，那么这些能力也是由设计者赋予的价值准则。在价值准则的支撑下，人工智能仅仅可以解决简单的价值与道德问题，而难以在教学中有效促进学生价值观的形成。

四、智能技术助推学生学习自由实现的途径

智能时代学生学习自由的实现不应因技术的飞速发展而忽视“以人为本”的学习本质观照，不应因技术的智能化而剥夺学生学习权利的自由和自我实现的自由，而应协同教育管理部门、教师、学生、信息化行业等主体，构建智能技术教育应用的实践共同体，在关注智能技术要素的同时，给予更多的社会、文化及制度支持，从而引导学生实现自由而全面的成长。

1.教育管理部门：以负责任创新治理理念为引导，明确技术作用限度及超越方法

负责任创新治理理念关注技术与学生、社会之间的良性互动，追求技术治理过程中的绿色性、人文性与普惠性，注重建立教师、信息化行业等利益相关者的责任划分及追责机制，并力图通过对智能技术及其他主体要素的创新管理，提出应对智能技术风险的智慧性、可持续性、包容性解决方案（计海庆，2020）。该理念可为规范智能技术在教育中的应用、赋能智能时代学生学习自由的实现提供指导。

为此，教育管理部门应以负责任创新治理理念为引导，在场景试验和反思的基础上，对技术的权力边界加以必要的校勘，并超越对技术本身的关注，探索技术赋能学生学习的长效机制。例如，在制定权责清晰的法律法规规范智能技术“可为”与“不可为”的基础上，建立可解释、可审查、可纠正的人工智能行业系统优化机制，允许不同使用主体参与甚至修正智能技术支撑下的教育行为决策；通过多元参与、产学研合作、公共协商等方式，建立长期、透明的智能技术教育应用问责机制，明确不同层级教育管理部门的监管职责与义务，共同规避智能技术对学生主体权利僭越的伦理风险，为智能时代学生学习自由的实现提供支持保障。

2.教师：强化与智能技术的高效协同，实现从“技术追新”向“育人创新”转变

机器运行的算法逻辑难以自动契合学生的意识与精神发展需求，教师的引导对于推动智能时代学生学习自由的实现极其重要。在面对学生学习自由问题时，教师不能仅关注智能体的伦理嵌入，还应将学生的主体作用纳入学习系统来思考。一方面，教师应明确自身在智能技术应用过程中的引导作用，发挥自身在处理复杂教学问题方面的认知优势、处理师生与生生交往问题方面的情感优势、利用创造力灵活决策的价值优势，赋予智能技术以育人性；还应深入了解智能技术的运行逻辑，明确算法的本质和局限性，在教学中能够摆脱算法的控制，不断驾驭并超越智能技术，以有效的人机协同教学来激发学生的学习潜能，让学生学习的自由精神和自由意志得到充分彰显（苏慧丽等，2024）。另一方面，当学生长期沉浸于类真实学习场景时，可能会影响其对知识的理解与迁移，以及情感与价值观的塑造。在弱人工智能走向强人工智能的过程中，教师更要关注学生的真实性学习（王素云等，2021），尽可能地为学生创造根植实践体验的真实学习情境，引导学生在与多元群体的互动过程中感受生命真谛、生发真实情感。

3.学生：明确人机协同中的主体作用，实现高学习自由度—高创造性的学习

适度的学习自由是促进学生思维深化、实现智能时代创造性学习的重要条件。从学习过程与结果角度出发，以学习自由度为横坐标，以学习创造性为纵坐标，可划分出如图3所示的学生学习类型。在低学习自由度环境中，智能技术以其技术意向“规训”着学生，潜移默化地消弭学生的自主性和能动性，因而形成了低学习自由度—低创造性学习的类型，而低学习自由度—高创造性学习并不存在。在高学习自由度环境中，智能技术作为学习支架，能为学生提供多元开放的个性化空间，引导学生在发现问题与解决问题过程中建构知识、运用知识、创造知识，因而可形成高学习自由度—高创造性学习的类型。当然，学习自由度与学生创造性发展之间并非简单的线性关系，如在泛在学习等学习自由度过高的环境中，部分学生可能会误将“知道”“了解”当作“理解”“掌握”，将学习停留于低阶认知层面，即形成了高学习自由度—低创造性学习的类型。

图3 学习自由视域下智能环境中学生学习的分类

为此，学生首先应树立正确的学习自由权利观，提升自由获取学习资源、平等接受学习评价的权利保护意识，并学会根据相关规范及问责机制，及时维护自身的学习权益。其次，学生要不断提升自身的智能学习素养，形成科学理性的人工智能价值观，清晰认识人与智能技术各自的优势与不足，明确智能技术存在的诸如数据依赖性和决策机械性等问题。再次，学生需重视在现实生活中与师生的真实互动，避免长期沉溺于虚拟世界的交往，影响自我情感表达与价值塑造。最后，学生需把握人与机器协作的边界，提升自身与人工智能协同共生的能力，学会灵活利用智能技术促进自身创造性学习的本领。

4.信息化行业：面向学生发展规律设计智能学习产品，促进自由开放学习的发生

智能学习产品的设计、开发与应用隐藏着设计者的立场，承载着设计者的目的与意图，蕴含着设计者的情感与价值判断，并以显性或隐性的方式影响着学生学习自由的实现。一方面，信息化行业应高度重视学生的权利自由，走出无度攫取数据的迷思，树立数据有度的观念，形成理性的智能教育观念（段伟文，2020）。同时，应立足于学生立场，打开算法黑箱，明确智能技术前置和后置行动中相关参数选取、测量方法、权重选择、解释框架等的合理性，提升算法透明性，以避免算法歧视等问题对学生学习自由实现的负面影响。此外，在遵循技术伦理与道德准则的基础上，还应探索基于学习场景的可持续修正机制，不断细化和修正智能技术的潜在风险。

W982kceARDRM621PphDmnSpMIPOXIhLDgCiycgAZ4DE=另一方面，信息化行业应充分考量学生自我实现的自由，学会利用教育规律来设计智能学习产品。例如，可在智能产品中增加激发学生学习兴趣的关键提示，引导学生在质疑与探索中理解知识、建构知识与创新知识，实现从初级认知向高级认知的发展。还可利用大数据技术在学生个性化数据中挖掘学习共性，并在学习共性的基础上结合主体自身的个性特点，为其打造个性化的学习方案（成素梅等，2020）。此外，还需规避劝导式人机交互设计存在的伦理问题，避免利用学生的发育弱点和心理脆弱性操控学生的学习。

五、结语

围绕“智能技术究竟是赋能还是制约学生学习自由”的问题，本研究分析了智能环境下学生学习自由的意义与价值，构建了智能技术影响学生学习自由实现的分析框架，并依循智能技术要素与学习自由要素的相关性，探究了智能技术影响学生学习自由实现的成因，最后探讨了智能技术助推学生学习自由实现的途径。尽管本研究力求为同行提供清晰的逻辑思路和观点论证，但仍存在诸多不足，在此需要特别回应以下三点：第一，文中所提及的“学习自由度高与低”是一个相对概念，旨在说明只有科学认识智能环境下学习自由的规律、条件和限度，而非一味强调主观意志的至上性与任意性，以及追求所谓无拘无束的自由，才能更好地促进创造性人才的培养。在教学实践中，教师可以根据实际教学情况，结合主体差异性，合理把握学习自由的限度。第二，“赋能”与“制约”并不矛盾，文章着重从“制约”的角度探讨智能技术影响学生学习自由实现的成因，旨在呼吁多方主体克服对新技术的盲目追逐，把握智能技术赋能学生学习自由实现的机遇，规避技术影响学生学习自由实现的潜在风险。第三，尽管文章着重从教育管理部门、教师、学生、信息化行业等核心主体角度，详细探讨了智能技术助推学生学习自由实现的途径，但在实践过程中，仍需其他社会各方提供更多的社会支持、文化支持及制度支持，以促进形成更加健康、有序的数字教育生态。

参考文献：

[1][德]卡尔·雅斯贝尔斯（2021）.什么是教育[M].童可依.上海：生活·读书·新知三联书店：71-85.

[2][美]卡尔·罗杰斯，杰罗姆·弗赖伯格（2015）.自由学习[M].王烨晖.北京：人民邮电出版社：191-214.

[3][英]以赛亚·伯林（2011）.自由论[M].胡传胜.南京：译林出版社：201-202.

[4]陈港，孙元涛（2023）.数智时代学生的主体性反思与重构——基于人技关系的思考[J].中国电化教育，（10）：18-25.

[5]成素梅，张帆（2020）.人工智能的哲学问题[M].上海：上海人民出版社：268.

[6]崔佳峰，阙粤红（2020）.智能技术支持下的学生数字画像：困境与突破[J].当代教育科学，（11）：88-95.

[7]段伟文（2020）.信息文明的伦理基础[M].上海：上海人民出版社：187-193.

[8]高艳，吉标（2013）.学习自由：内涵、意义及限度[J].教育科学，（3）：30-34.

[9]怀进鹏（2024）.携手推动数字教育应用、共享与创新——在2024世界数字教育大会上的主旨演讲[EB/OL].[2024-03-15].http：//www.moe.gov.cn/jyb_xwfb/moe_176/202402/t20240201_1113761.html.

[10]计海庆（2020）.人的信息化与人类未来发展[M].上海：上海人民出版社：113-116.

[11]李洋（2020）.技术调节论对异化论和本体论技术哲学的批判——维贝克技术调节论思想述评[J].山东科技大学学报（社会科学版），22（3）：11-16.

[12]李瑛琦（2021）.超级连接、规训权力与数字生命政治——人的主体性视角下的现代媒介技术再审视[J].中国社会科学院研究生院学报，（5）：33-44.

[13]马运朋（2016）.自我实现的学习自由赋权及其保障——兼论网络环境下大学生的全面发展[J].教育理论与实践，36（27）：30-32.

[14]石中英（2002）.论学生的学习自由[J].教育研究与实验，（4）：6-9.

[15]苏慧丽，张敬威（2024）.机器的“人化”与人的“机器化”：智能时代教育的主体性危机与破解[J].现代远程教育研究，36（1）：12-20，28.

[16]谭维智（2019）.人工智能教育应用的算法风险[J].开放教育研究，25（6）：20-30.

[17]唐鸣（2017）.基于学习自由性对技术融合于课堂问题的理论探讨[J].电化教育研究，38（6）：20-26.

[18]王素云，代建军（2021）.真实性学习：一种隐喻“具身实践”的学习样态[J].中国教育科学（中英文），4（4）：58-66.

[19]徐乐乐（2022）.学习自由的技术批判与重构[M].北京：中国社会科学出版社：23-65.

[20]詹艾斌（2007）.论人的主体性——一种马克思哲学视点的考察[J].社会科学研究，（2）：114-119.

[21]张刚要，梁青青（2020）.人工智能的教育哲学思考[J].中国电化教育，（6）：1-6，64.

[22]张建云（2021）.“自由悖论”的马克思主义辨析[J].马克思主义哲学，（2）：69-77，128.

[23]张立国，刘晓琳，常家硕（2021）.人工智能教育伦理问题及其规约[J].电化教育研究，42（8）：5-11.

[24]中华人民共和国教育部（2022）.教育部关于印发义务教育课程方案和课程标准（2022年版）的通知[EB/OL].[2023-11-10].http：//www.moe.gov.cn/srcsite/A26/s8001/202204/t20220420_619921.html.

[25]中华人民共和国中央人民政府（2022）.科技部等六部门关于印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》的通知[EB/OL].[2023-01-15].https：//www.gov.cn/zhengce/zhengceku/2022-08/12/content_5705154.htm.

[26]Floridi， L.， & Cowls， J. （2019）. A Unified Framework of Five Principles for AI in Society[J]. Harvard Data Science Review， DOI：10.1162/99608f92.8cd550d1.

[27]Kasneci， E.， Sessler， K.， & Kuchemann， S. et al. （2023）. ChatGPT for Good？ On Opportunities and Challenges of Large Language Models for Education[EB/OL]. [2023-08-07]. https：//www.edu.sot.tum.de/fileadmin/w00bed/hctl/_my_direct_

uploads/ChatGPT_for_Good_.pdf.

收稿日期 2024-02-01 责任编辑 刘选

Empowerment or Constraint： How Intelligent Technologies Influence the Realization of Students’ Learning Freedom

ZHAO Huichen， LI Lin， FAN Tiantian

Abstract： Learning freedom is an important manifestation of students’ autonomy， initiative and self-determination in the learning process and is a crucial condition for promoting students’ innovative development. In an intelligent environment， intelligent technologies may not only provide students with abundant learning resources and spatial freedom， but also constrain students’ learning freedom through technical intentionality and algorithmic black boxes. Constructing an analytical framework to understand how intelligent technologies affect the realization of students’ learning freedom becomes the key to exploring the dialectical relationship between the two. Specifically， this framework should be built around the elements of intelligent technologies such as data， computing power， algorithms， and technology ethics， as well as two types of learning freedom including rights-based learning freedom and self-realization learning freedom. It should also encompass five levels of learning freedom： privacy and expression， opportunity and choice， discovery and cognition， integration and innovation， emotion and value shaping. This helps clarify the complex relationships between the elements of intelligent technologies and different levels of learning freedom. Obviously， different elements of intelligent technologies influence and intervene in students’ rights to learning freedom and self-realization from various aspects， limiting their natural growth and creative learning and development. To better leverage intelligent technologies to promote the realization of students’ learning freedom， educational management departments should guide with the concept of responsible innovation governance， clarifying the limits of technology’s role and methods for transcending them; teachers should enhance effective collaboration with intelligent technologies， transitioning from “chasing new technologies” to “innovating in nurturing”; students should affirm their subject roles in human-machine collaboration， promoting high learning freedom and highly creative learning; the information industry should design intelligent learning resources according to the developmental laws of students， to facilitate free and open learning.

Keywords： Intelligent Technologies; Learning Freedom; Learning Rights; Subjectivity; Technology Ethics