为顺应核心素养新哀求，人工智能运用教诲就有了合理化阐明，为知识传授教化带来新的契机。
肯定人工智能的代价，也要明晰与之边界，以免导致技能异化。

知识传授教化，是针对知识身分(观点、事理等)的传授教化[1]。
误用，是指缺点利用。
我们认为，西席过于信赖且完备委托人工智能进行知识传授教化，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=知识传授教化)”。
截至2021年，干系文献已有近百篇，紧张涵盖学科知识、知识组块、具身认知等研究主题。
比如祝智庭等从技能支持视角，磋商了知识传授教化的实现路径[2]；王天平等剖析了知识传授教化变革的成因，回应了变革的应然策略[3]。
知识传授教化有寄托传统传授教化的基因[4]，将人工智能移植于此，有可能发生免疫排斥，埋下误用危急。
它是教诲的基本办法，探究人工智能时期知识传授教化中，西席技能误用的后果、归因与破局，对呼应新时期的人才培养哀求具有主要意义。

二、西席技能误用的后果

不论采取何种传授教化模式、传授教化方法和传授教化手段，都应遵守传授教化规律，通过合理的传授教化决策(比如创设何种传授教化情境，如何进行知识迁移等)，开展伦理性的传授教化活动。
当西席过于信赖人工智能知识传授教化时，务必要追问这种征象有违传授教化规律吗？是否会对传授教化决策的精准性造成影响？它符合传授教化伦理吗？

(一)违背了传授教化规律

任何事物的有序运行，有赖于规律辅导，传授教化也不例外。
只有符合传授教化规律，才能提高传授教化质量[5]。
西席完备信赖人工智能，使其在知识传授教化时违背了传授教化规律。

第一，忽略了学生在学习过程中须要直接履历与间接履历的简约性规律。
西席开展传授教化活动为了达成教诲目标[6]。
教诲目标分类学指出，影象、理解、运用、剖析、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]，是在直接履历中，通过节制显性知识而达成；后四个是高阶目标，是在间接履历中，以实践形式(比如小组谈论、亲自动手等)，学习隐性知识达成。
只有做到直接履历与间接履历相结合，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上风[9]。
但无法教授诸如履历、技巧与代价不雅观等具有默会属性的隐性知识，这便导致间接履历的缺失落。

第二，遮蔽了传授教化过程中学天生长以教材为根本的规律。
知识建构应遵照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，大概会引发因材施教的缺失落。
一方面，推送的学习内容有可能偏移教材范围。
人工智能通过网络眼动数据[11]，推送学习内容。
但学生眼睛注目标内容，不一定集中在与教材干系的学习内容上。
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剖析[12]。
但这些数据会面临“模态异质性差距、场景繁芜性和创新剖析方法等的寻衅”[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，它可以阐明学生的学习状态，却不能解释这种状态的形成缘故原由。
人工智能不会判断数据(比如学习成绩[14]、生物旗子暗记[15]等)的真实性，或许是就寝不敷导致学习成绩的下滑；可能是身心紧张引发心率上涨。
便是说，学习成绩与生物旗子暗记可能是一种假象。
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，来自传授教化相长，特指师生在传授教化中相互影响、相互制约[16]。
它是促进西席专业发展，实现教养代价的主要原则；也是驱动学生自我发展，提高知识学习的有效路子。
学生学习，是建立在西席主导的根本上；西席传授教化，须要学生的参与。
只管人工智能可以代替西席完成分外的传授教化活动，但沁润学生心灵的西席关怀与自我教化，不是机器能够复制的；学生的性情特色与发展经历也不是机器可以粘贴的。
西席的教不仅影响学生的学，学生的学也会促进西席的教，但人工智能直立的隔绝樊篱，直接阻碍了师生间的深度互换。

(二)失落准了传授教化决策

人工智能演习的传授教化决策模型，须要数据支持。
但数据是人为授予的，这便导致阐明客不雅观性的缺失落。
此外，仅有数据是不足的，还要借助因果思维，判断传授教化决策的合理性。
由于人工智能不具备因果思维，它的传授教化决策机理自然有别于西席。

第一，数据集的桎梏。
根据人工智能的演习过程，一样平常是对多模态数据筛选、洗濯与整合后，再利用机器学习方法，拟合出数据的权重，演习出传授教化决策的模型。
人工智能是一种概率预测的技能，出于概率的缘故原由[17]，纵然增加、置换或剔除一些数据，也会天生对应权重，这种模型仍旧可以阐明传授教化决策。
已有的数据集也不能包含阐明传授教化决策的所有因子，如此也暗喻阐明力度有些牵强附会。
研究者常日秉持“数据可以阐明统统”的理念，认为只要有充足的数据挖掘技巧，就能得出真理[18]。
数据挖掘是剖析已知数据，创造事物的现存规律，而未来每每是难以预见的，这让我们无从得知在未来是否会有新的因子影响传授教化决策。
就算有证据证明传授教化决策模型是可行的，也不能担保决策效果便是空想的。

第二，干系性的局限。
如果授予人工智能近乎完美的数据，它就可以精准地实行传授教化决策。
这种辩解默认了一个假设，即人工智能与西席有相同的因果思维。
因果思维是从因果推断的视角，看待事物的缘故原由与结果[19]。
西席有时认为，某种传授教化决策(缘故原由)可能会达成空想的传授教化效果(结果)。
那么，人工智能实行传授教化决策，具备像西席一样的因果思维吗？人工智能常日基于数理统计剖析数据。
一旦有人束缚在统计学天下，他们合乎逻辑的辩解就解释了两者的关联，这表明人工智能可以阐明事物的干系性。
有了干系性能否精确预测因果？“具有干系性是判别因果与进行预测的条件条件”[20]，而不是充分条件。
只有在干系性根本上，并加以反事实推理，才能确立事物的因果关系[21]。
人工智能实在不睬解反事实是什么。

第三，反事实的缺失落。
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]。
多数西席在课后扣心自问——换个传授教化案例有助于知识天生吗？小组谈论能促进知识互换吗？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表示。
我们不去谈论西席如何反事实推论的，反事实的确是西席的传授教化本能。
人工智能不是西席，即便授予阐明统统的数据，它的预测机理与西席也是别具一格。
由于反事实与数据有不可调和的抵牾，我们不能祈求在虚幻的镜像里找出真实的影子，反事实的天下不可能描摹出数据的痕迹[24]。
人工智能缺少分开数据的想象力，失落去数据，它的代价就荡然无存。
不能反事实，人工智能实行传授教化决策，就阔别了预期效果。

(三)僭越了传授教化伦理

传授教化伦理是伦理学的延伸，特指“发生在传授教化活动中，以师生互动为根本，指向个体生命发展的道德意蕴和代价取向”[25]。
表示在要尊重学生的个体差异，顾及学生的内心情绪，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抵牾。
桑新民指出，知识建构依赖情境支持[26]。
学生正是基于个体履历，在特定情境中建构知识的意义。
学生具有差异性，这哀求人工智能应尊重学生的个体差异，照顾有分外须要的学生。
但人工智能演习的数据集带有主不雅观代价取向，天生的演习模型具有普遍适用性。
在知识传授教化时，人工智能不会理解其创设的学习情境，是否适宜学生个体特色，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呆板无味的字符进行打算，以便符合统计学意义。
如果没有妥善处理普遍与分外的关系，就算学生畅游在知识海洋，也会饱受饥饿的苦楚。

第二，人工智能供应情绪反馈的二元逻辑与学生真实情绪须要的抵牾。
情绪是个体对客不雅观事物的生理反应。
在学习时，学生希望得到他人的情绪反馈。
一样平常认为，情绪包括两种基本属性，分别是基于生物的自然属性，基于伦理的社会属性[27]。
两种属性共同浸染，形成了人类的情绪。
人工智能进行情绪反馈，取决其是否可以准确识别情绪，以及剖析情绪的两种属性。
由于情绪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绪，也须要供应不同的情绪反馈。
随着多模态情绪打算的发展，可以通过面部表情、生理旗子暗记等指标准确识别学生情绪。
但情绪中的两种属性，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供应适切的情绪反馈。

第三，人工智能彰显的挟制基因与保护学生隐私的抵牾。
社会授予"大众年夜众领域的属性后，个体私人空间趋于无限伸缩。
传授教化属于公共场域，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，学生失落去了应有的自由。
这种情形剥夺了最为高等且私人性子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、授权与奉告”等具有共买卖义的词语，去调和人机关系。
现实的两种情形谢绝了这样的调和：一是攻击者故意地陵犯；二是科学研究的须要。
只管贝叶斯网络在防止他人陵犯上竖起了樊篱[30]。
但西席有可能附和教诲专家的科学研究，对数据的利用并没有做到知情赞许，迫使人工智能成为数据帮凶。

三、西席技能误用的归因

海德在1958年提出归因理论，用于阐明人类的社会行为。
归因理论强调，内因与外因诱发了行为。
个中，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。
本研究基于归因理论，剖析技能误用的形成机理。
内因层面，误是一种认识，归结于西席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，传授教化产品的普适，以及传授教化改革的逼迫，引发了技能误用。

(一)科学认识的偏差

以5G为代表的信息技能，催生新一代互联网的迅猛发展。
社交媒体常日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“一种群体见地的自然形态，带有自发性和盲目性，它的变革、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”把控着公众年夜众认知[32]。
作为"大众的子集，西席不管出于职业须要，还是空隙娱乐，都不可避免地触及社交媒体，我们也不能哀求西席拥有渊博的学识去分辨事物的真假。
以是，背离科学认识就不足为奇。

这种征象自2014年，就不断侵蚀着西席对人工智能的认知。
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，前后分别降服李世石、柯洁等天下围棋冠军。
这也被人们“抱负出一种终极的、拥有神一样平常全知全能的‘通用人工智能’(AGI)”[33]。
我们不会否认机器降服人类的事实，但这不能解释人工智能在推理层面就超越了人类。
由于“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。
也便是，期待AlphaGo可以言说“这一步棋你可以下的更好，你可以用这样的办法来打败我”。
遗憾的是，天下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授予的，因而谈及超越实在为时尚早。
人工智能舆论的肆意传播，让西席在随遇而安的思维下，习气接管所看的事实[36]，不能科学认识人工智能的基本事理。

(二)因果思维的移植

险些任何一位人工智能教诲研究者，都不会否认，乃至夸张人工智能预测功能，这也是西席利用人工智能的佐证。
预测是指“人们根据事物以往发展的客不雅观规律和当前涌现的各种可能，利用科学知识、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，其过程包括创造、剖析与评估。
如果承认预测的循证困难性、统计局限性和评估繁芜性，以及未来不可知，就会直接证伪预测结果。
教诲领域的科学研究，习气利用“预测”术语，坚信人工智能预测某某。
在科学研究的影响下，西席将因果思维移植于人工智能也就成了应有之义。

当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。
以是，人工智能预测也就圈定在合法化边缘。
大概人工智能的预测机理是把握不了的(黑箱机制)，但可以通过磋商教诲数据的意义来论证合理与否。
人类对客不雅观事物的无休止探索，使得我们常日用以偏带全的知识来授予数据有限的意义。
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，也会涌现讽刺的味道，即“每当研究者想用数学剖析来办理一些问题时，他们就不得不将该问题转化为一个关联的伪命题”[38]。
我们不去批驳这种讽刺的源头是否和高尔顿的思想有关，可是统计剖析的结果确实不是在预测因果，由于干系性与因果关系有很大的差别。
这也解释，人工智能的预测结果只是解释数据间的干系性。
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赞助西席阐明传授教化中的各种因果关系。

(三)传授教化产品的普适

没有人会质疑“人工智能助力因材施教”的初衷。
这种认识的背后常日会形成一个认识误区，也便是附着于传授教化产品形态的人工智能是个性化的。
如果不是，就违背了人工智能崇奉者的态度。
现实谢绝了这个假设，人工智能“在实际运用中存在着因言过实在、误以为真、不切实际等缺点认识造成的实践误区”[39]。
教诲公司常日漠然于西席的存在，模糊了学生的基本特色，稠浊了“须要这些功能”与“师生须要这些功能”的语义，致使传授教化产品的个性化缺失落。

因材施教的词源典故，出自于《论语·前辈篇》，意思是根据学生的性情，选择不同的行动方案，后被形容因人而异的个性化教诲。
做到因材施教，即要找普遍意义变量(比如年事、性别)；也要照顾分外意义变量(比如学习成绩、学习准备)。
只有理解学生的基本特色，才能及时调度传授教化目标、传授教化内容与传授教化方法。
事实上，传授教化产品倾向于前者，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聪慧教诲的传授教化改革，利用了某公司的平板电脑，及其研制的智能传授教化系统。
在学生利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倾向动画形态，不符合中学生的认知发展规律。
根据皮亚杰认知发展理论，这种情形比较适宜前运算阶段(2—7岁)的学龄儿童。
此外，知识库中的多模态资源欠缺，仅有图像与笔墨，没有语音及反馈，不能得知学生究竟喜好何种学习资源。
访谈创造，产品代理、技能职员、学校校长、教导主任、地理主任组建的传授教化产品研发共同体，短缺西席的参与。

(四)传授教化改革的逼迫

履行传授教化改革的是为了肃清传统传授教化的弊端，因而人工智能融入传授教化便有了合理化阐明。
但有些学校剥夺了西席的主体地位，压制了西席的话语权力，逼迫规定，且严格履行较为刚硬的规章制度[40]。
此类环境为传授教化改革抹上了逼迫色彩，表征出非改不可的任务责任。
我们须要屈服西席的见地，绝不许可将逼迫命令施加给西席。
由于西席是传授教化的主体，也是教诲的主导者。
忽略西席，教书育人将会沦为一句空谈。

逼迫履行传授教化改革，彷佛让西席难以喘息。
由于传统传授教化思想不会因传授教化改革而臣服于改变，它习气扎根在西席的灵魂深处。
只管传统传授教化有许多的不完善性，但一些西席仍旧可以花费韶光精力，来填补其与智能技能之间的差距。
传授教化改革的逼迫履行，冲破了这种宁和，即便西席拥有倔强的自由意志，依然无法摆脱外界压力的束缚。
特殊是年长西席对新事物接管度、适应性、操作性等方面，确实不如年轻西席。
纵然颇有微词地以开展西席培训为借口，但谁能体会年长西席所处年事阶段的难处。
这有可能由于对人工智能理解不到位，不能完成与之对应的传授教化任务。
利益是捆绑的，受传授教化任务所管束的传授教化评价便是一定的。
传授教化是西席的基本生活，也是坚持生存的办法。
迫于生存的压力，西席的传授教化激情亲切、传授教化态度与传授教化理解也会发生奇妙变革。
以是，搪塞传授教化也是情理，产生技能误用更是当然。
生活好似一场搏斗，一方是道德任务，另一方是个人爱好[41]。
只管道德的普遍约束性限定了西席的某些行为。
迫于实现切身利益，西席可能透露敏感数据，做事教诲研究者进行科学研究。

四、西席技能误用的破局

人工智能为知识传授教化撒下了一粒种子，如果这粒种子反阳成长，势必有违教诲的初衷。
拨正反阳式成长的关键，在于破局技能误用。
本研究针对技能误用的形成机理，供应下列建议，以期促进知识传授教化的良性成长。

(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不雅观天下的反响[42]，提升认识就应丰富知识。
如果在直不雅观层面接管缺点的理解，观点也不会是真实的。
不论出自何种缘故原由，西席对人工智能的观点认识已发生偏离，并且随着韶光的流逝逐渐造成技能误用。
因此，构筑对人工智能的科学认识方法体系，增长科学基因，是知识传授教化良性成长的第一条路径。

科学反响“自然、社会、思维等的客不雅观规律的分科的知识体系”[43]。
以是，科学是指符合客不雅观规律的知识体系，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，而是在专业职员的辅导下，授予事物具有科学的意义。
构筑科学认识方法体系，要肃清伪科学的虚假声音，也要保留科学的真实声音。
一方面，遵照多元协同理念，开展人工智能舆论管理。
干系部门(法律部门、教诲部门与自媒体等)务必明确管理任务，履行监管、审查、剖析、诊断与评估等管理活动，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办。
另一方面，拓展西席认识渠道，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，组织传授教化培训，扫清西席认识盲区；依托于人工智能政策文件、学习手册、会议报告与精良论文等，打造知识库，丰富西席的科学认识。
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

当西席视人工智能具有因果思维，就解佛教授教化无形中被某种神秘的东西所掌握，也意味着这个东西一定导致某些传授教化结果。
但传授教化以过程的形式而存在，是传授教化各要素相互联系、相互渗透、相互制约的表示，个中充满着难以预见的传授教化事宜，它的传授教化结果也不是固定的。
如果被这种不雅观念所掌握，那么传授教化便是“技能决定论”的产物，西席自然就排斥在传授教化之外。
人工智能不仅是技能，也是传授教化要素，西席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。
西席运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，本色是对数据的打算，它的运算能力是西席难以望其项背的，有些地方也是不如西席的。
西席应择其善者而从之，其不善者而改之，既要厘清人工智能在知识检索、问题解答等方面的上风；也要互补其在情绪互换、传授教化设计等方面的劣势。
其二，厘清次序分明的主客关系。
人机共生不虞味人机平等，西席才是传授教化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教室。
追溯偏见的根源，一定要回答数据的来源。
人工智能演习的打算模型有赖于数据，而数据则是由利益干系者授予的[44]，这凸显了其固有的偏见基因。
而且，我们也很难哀求人工智能可以客不雅观地融入传授教化。
因此，人工智能带来的传授教化代价始终是有指向的，这哀求西席不要迷惑于其智能的外表，应化身为主，时候监督客的行为。

(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，理解学生的基本特色，才能提升传授教化产品研发的科学性，进而提升传授教化产品的运用效率。
但由于模态异质性、数据稀疏性等寻衅，无疑为个性化传授教化产品蒙上了阴影。
大概现有的技能很难办理这个问题，但绝不是传授教化产品具有普适性的设词。
由于如果不清楚学生的基本特色，就无法进行科学的研发事情。
但西席被排斥在研发共同体外，短缺与教诲公司的深度对话。

除了家长之外，险些没有人像西席那样理解学生，这亟需西席参与传授教化产品的研发过程。
其一，授予西席充分的话语权利。
受科层制影响，常日是教诲公司与学校采购部门组建研发共同体，旁落了西席的话语。
学校应打破传统互换系统编制，组建多元参与共同体，选择部分西席及其代表参与研制过程。
其二，谛听西席提出的宝贵见地。
如果互换是赤裸的压制，谛听就失落去了固有的代价。
只有秉持互助理念，以聆听的姿态问其难处、听其建议，才能相互理解、相互尊重，达成代价共识。
其三，提升参与主体的共情能力。
共情是相互理解的根本[45]，也是规避见地不合的有效方法。
应利用不雅观点采择、换位思考与及时反思等方法，区分彼此的不雅观点，提升个体的共情能力。
一言蔽之，共同研制具有个性化的传授教化产品，是技能赋能因材施教的关键。

(四)尊重西席传授教化改革的意愿，沁润伦理关怀

传授教化改革是辅导西席如何开展传授教化活动的方向标，具有某种意义上的逼迫性；也是面向西席的一种行为规范，须要伦理的规约。
如果逼迫凌驾于伦理，规范就不是通过知情赞许办法制订的。
这样的逼迫是对人性的贬损与忽略，是毫无意义的表现。
以人为本渗透意旨相同的代价共识，也是尊重西席的表示。
将以人为本嵌入传授教化改革，是解放奴役、沁润伦理、回归理性的现实路径。

回归以人为本的传授教化改革，就要做到知情赞许，不用则不强为。
西席会逐渐形成个性化的传授教化风格，习气沉溺以往得当的传授教化环境。
这表示西席的代价取向，也解佛教师群体具有多元性、差异性与耦合性的特色。
如果将逼迫命令施加西席，就可能动摇西席的传授教化希望，限定西席的专业发展。
只有弱化逼迫的硬度，提升意愿的韧性，才能彰显以人为本。
此外，传授教化改革与西席的个人利益息息相关，没有完成传授教化改革任务也意味着利益受损，西席有可能履行另辟捷径的行为。
虽然西席受到职业道德的约束，但我们不可能完备依赖道德，由于道德也有面临社会冲突的不稳定。
以是，应针对不同的西席群体，制订对应的褒奖制度，折衷西席的个人利益。

五、结语

如果生活在梦境之中，就不用除人工智能授予知识传授教化完美的、夸年夜的、宏伟的期待。
可是，梦醒之后究竟要回归平常。
以是，我们必须要剔除梦的夸年夜元素，接管现实的洗礼。
人工智能对知识传授教化的代价不言而喻，但这种代价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。
这个重担无疑落在西席的肩头。
西席要充分认识到梦的存在，不能完备仰赖人工智能而不去干预。
只有回归到实践场域，才能凸显知识传授教化的真实样态。
总体而言，在人工智能时期的知识传授教化中，我们该当保持谨慎、镇静与理性的态度，以面对过于盲目的悲观；以卑躬、谦善与低调的姿态，去谨严无的放矢的乐不雅观；以科学方法为辅导，去探究知识传授教化的良性成长。

参考文献：

[1] 张恩铭,盛群力.条件适配促进有效传授教化——科丁格“知识—学习—传授教化”(KLI)框架及其运用建议[J].中国电化教诲,2020,(6):112-119.

[2] 祝智庭,彭红超.信息技能支持的高效知识传授教化:引发精准传授教化的活力[J].中国电化教诲,2016,(1):18-25.

[3] 王天平,闫君子.人工智能时期的知识传授教化变革[J].湖南师范大学教诲科学学报,2021,(1):47-54.

[4] 谭维智.在“后疫情时期”如何进行知识传授教化变革？[J].当代教诲技能,2020,(5):5-10.

[5] 何克抗,李文光.教诲技能学[M].北京:北京师范大学出版社,2009.126-127.

[6] 李春迪,唐爱民.人工智能时期教室传授教化的困厄与澄明[J].中国电化教诲,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.布卢姆教诲目标分类学:分类学视野下的学与教及其测评(完全版)[M].北京:外语传授教化与研究出版社,2009.21.

[8] 何克抗.深度学习:网络时期学习办法的变革[J].教诲研究,2018,(5):111-115.

[9] 宋灵青,许林.人工智能教诲运用的逻辑出发点与边界——以知识学习为例[J].中国电化教诲,2019,(6):14-20.

[10] 刘邦奇.智能技能支持的“因材施教”传授教化模式构建与运用——以聪慧教室为例[J].中国电化教诲,2020,(9):30-39.

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

[12] 张琪,李福华等.多模态学习剖析:走向打算教诲时期的学习剖析学[J].中国电化教诲,2020,(9):7-14+39.

[13] 吴永和,郭胜男等.多模态学习领悟剖析(MLFA)研究:学理阐述、模型样态与运用路径[J].远程教诲杂志,2021,(3):32-41.

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

[15] 牟智佳,符雅茹.多模态学习剖析研究综述[J].当代教诲技能,2021,(6):23-31.

[16] 李保强,薄存旭.“传授教化相长”本义复归及其西席专业发展代价[J].教诲研究,2012,(6):129-135.

[17] 任祥华,柳士彬.人工智能时期传授教化以何存在[J].中国电化教诲,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.绩效技能的因果不雅观:吉尔伯特的工程学模型[J].当代教诲技能,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玄学理论[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.传授教化伦理:内涵、关键话题与实践回应[J].思想理论教诲,2013,(24):13-18.

[26] 桑新民.学习科学与技能——信息时期学习能力的培养(第2版)[M].北京:高档教诲出版社,2017.135.

[27][28] 陈凡,徐旭.后人类时期的技能情绪及其伦理反思[J].系统科学学报,2020,(1):1-5+11.

[29] [美]汉娜·阿伦特.王寅丽译.人的情状[M].上海:上海公民出版社出版,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].打算机工程,2019,(4):124-129.

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

[32][33] [美]史蒂芬·平克.侯新智,欧阳通亮等译.当下的启蒙[M].杭州:浙江公民出版社,2019.386+326.

[36] 杨欣.邪术与科学:人工智能的教诲迷思及其祛魅[J].教诲学报,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].当代远程教诲研究,2021,(3):12-17+43.

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

[41] [德]伊曼努尔·康德.苗力田译.道德玄学事理[M].上海:上海公民出版社,1988.7.

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

[44] 毛刚,王良辉.人机协同:理解并建构未来教诲天下的办法[J].教诲发展研究,2021,(1):16-24.

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

作者简介：

刘丰源：在读博士，研究方向为智能教诲、区块链教诲、问题青少年预防与教诲。

张喷鼻香兰：教授，博士，博士生导师，研究方向为教诲基本理论、德育事理。

张夫伟：教授，博士，博士生导师，研究方向为教诲基本理论、德育事理。

孔玺：在读博士，研究方向为智能教诲、学习行为剖析。