摘 要：人工智能正在引发教育深度变革。应对人工智能的冲击与挑战，在教育研究中形成了颠覆论、主体论、替代论、自适应论等重塑性改革假设。这些假设见解深刻，但在某种程度上存在系统性、辩证性、充分性不足问题，容易造成误判与误导。教育在时代变迁过程中不仅积累了可证实的经验，而且孕育了可证明的道理，任何技术都难以全面、彻底消解教育的经验与道理。人工智能作为颠覆性技术不等于必然引发教育颠覆性变革。教育主体的认定主要涉及使命性、价值性、责任性标准问题，而不只是功能性资格问题。人工智能的可能性不等于教育的可行性。将人工智能认定为教育主体，难以界定其使命、价值与责任，也容易造成对人工智能的误用与滥用。“教”与“育”不可分割，在教育教学过程中，很难界定哪些是适合人工智能承担的简单性、重复性工作。人师和“机师”的区分使教育教学职能面临分解与分化风险。计算性并不能覆盖教育的属性、逻辑与方法。基于计算逻辑的人工智能，难以依据教育的复杂性、过程性、情境性特点作出综合性分析与决策。人工智能对学生学习作出的诊断与决策，只应作为参考，而不应直接采信与采纳。
关键词：人工智能；教育改革假设；颠覆论；主体论；替代论；自适应论
人工智能时代已来临，尽管它还在快速迭代的进程和行程中不断地变形与构形。作为新一轮科技革命的关键引擎与核心动力，人工智能正在全方位、全要素驱动社会各个领域深度变革。教育是人工智能冲击、挑战的中心与重心，视而不见、无动于衷不是教育对待人工智能冲击应有的态度。轻视慢待、听之任之，必将造成教育的被动局面与滞后状态。但大破大立、推倒重来也不是教育应对人工智能挑战该用的办法。完全按照人工智能的技术逻辑、机理与方法定义教育的属性、逻辑与范式，必将造成教育改革方向性失偏与方法性失当困局。如今，人工智能驱动的教育改革正在进行，既有主动谋变，又有被动应变。一方面，人工智能驱动教育改革呈现出明显的政策先行特点，自上而下主动应对人工智能冲击与挑战的教育改革大潮正起。近年来，世界各国无不高度重视人工智能的发展与应用。越来越多的国家将其上升为国家战略，大力推进人工智能技术发展及其在各个领域的应用，特别是纷纷制定人工智能驱动教育改革政策，大力推进人工智能在教育领域的应用与改革。另一方面，人工智能驱动教育改革呈现出明显的技术倒逼现象，自下而上自发应对人工智能冲击与挑战的教育改革普遍发生。人工智能对教育实践的渗透并不局限于政府政策，还存在更广泛与更灵活的市场行为、自组织行为、个体行为。教育是人工智能技术产品研发、市场开发的主要面向领域。科技企业纷纷研发智能导师系统、智能学习系统、智能评价系统、学生课堂行为智能分析系统等技术产品，全面介入与推进智慧校园、智慧教室、智慧课程、智慧教学、智慧学习等教育教学与学习平台和环境建设，使人工智能广泛融入、嵌入教育教学与学习过程。如今，教师在备课授课、考试命题、批改作业、学业评价等教学环节普遍使用人工智能，学生在课业预习与复习、完成作业、撰写作文、自主拓展学习等方面普遍使用人工智能。人工智能已在事实上改变着教育教学与学习模式，“教育，这个历来被视为慢变量且最为稳定的领域，如今却被广泛认为是最直接、最快速受到人工智能影响乃至冲击的领域之一”。
以人工智能推进教育改革是教育的必由之路。但问题的关键不在于变还是不变，而是如何理性地应变，走好人工智能驱动教育改革之路。教育改革的历史经验表明，理性推进教育改革，关键在于确立科学、恰切的改革假设。改革假设决定教育改革的方向、原则、方法及举措。“从部分正确的假设入手，只能导致部分正确的答案，这会促使我们一直徒劳地朝着同一方向寄予希望：只要我们再努力些，或再多做些，或具有更大的热情，就会产生我们所期望的变革。”教育改革的历史教训表明，要素驱动、推倒重来、矫枉过正是教育改革假设普遍存在的问题，致使教育改革左右摇摆，常常陷入“改不下去”或“改回去”的窘境。正如有学者所言：“要是把问题处理错，不仅不能解决问题，而且还会导致事态的严重化。”应对人工智能的冲击与挑战，在教育理论研究中形成了颠覆论、主体论、替代论、自适应论等具有较强影响力的重塑性改革假设，使重塑教育成为教育改革的“最强声音”甚至“最大共识”。这些改革假设无疑蕴含深刻见地，富有开创性、启迪性意义，对人工智能驱动教育改革的理论研究、政策制定、方案构建及实施等具有重要推动作用，但在某种程度上也存在系统性、辩证性、充分性不足等问题，很容易引发误判和误导。目前，教育领域被诸如革命性变革、人工智能作为主体、教育的可计算性、“教”与“育”分解、智能化学习诊断、走向个性化与选择性教育等重塑性改革话语所笼罩，使教育改革面临被各种缺乏严密性、辩证性的改革假设牵着走、带节奏的风险。对此，有学者指出：“迄今关于‘人工智能教育挑战’之性质的不少谈论颇有用力过猛之嫌。因为这些谈论往往‘不加区分’地随意使用‘极致化’或‘绝对化’语词给‘人工智能教育挑战’定性，诸如‘根本’、‘完全’、‘彻底’、‘革命’、‘颠覆’，等等，仿佛‘人工智能教育挑战’的性质只有这些，并无其他。”教育改革无疑具有技术牵引特征，但却不是技术迭代式更替。应对人工智能的冲击与挑战，走好人工智能驱动教育改革之路，急需解决重塑性改革假设可能引发的激进、片面教育改革思维与行为问题。因而，对人工智能驱动教育改革重塑性假设的合理性检视与误导性警示十分必要、异常迫切。
一、颠覆论假设的要义、论据及存在的问题
在世界教育改革历史上，颠覆论假设屡见不鲜。每当重大教育改革运动酝酿、启动之际，改革倡议者、促进者往往都提出某种颠覆论假设。如今，在教育理论界，人工智能将引发教育革命性变革的预测铺天盖地，推进教育重塑性改革的呼声异常强烈，使颠覆论成为人工智能驱动教育改革的一个“共识性”假设。
（一）颠覆论假设的核心论点及立论基点
基于教育重塑的原则与立场，颠覆论假设将人工智能定性为撬动第三次教育革命的决定性因素，突出强调以人工智能为引擎，推进教育根本性、体系化改革，全方位、深层次重塑教育实践范式。
首先，颠覆论假设立足于人工智能引发教育革命性变革的论辩。在人工智能重塑时代的背景下，教育改革普遍被赋予了革命性蕴含、逻辑与方法。颠覆论假设的核心论点及立论基点在于教育发展的三次革命性转换论断，即农业时代的个别化、分散化教育，工业时代的规模化、标准化、集中化教育，人工智能时代的个性化、选择性教育。“一直到今天，包括联合国教科文组织在内的很多研究报告都认为，诞生于工业化时代的学校教育形态，已经完全不适应信息技术时代的发展，突破传统教育形态的路径，就是依靠信息技术。他们认为，教育需要经历一个构型转变，传统的‘一刀切’教学范式正转向以学生为中心的学习范式，这种学习范式强调个性化教育和个性化学习。”据此，颠覆论假设强调，传统的规模化、标准化、集中化教育只注重确定性知识记忆、重复性技能训练，是一种流水线式的、划一性的教育，极大地限制了学生的个性化发展，难以适应人工智能时代社会和个体的发展需求与要求，因此将发生革命性变革，即教育的第三次革命；在人工智能时代，教育应突出强化全面发展的、个性化的、具有创新能力的人才，以应对科技快速迭变、社会急剧转型带来的不确定性和复杂性局面；人工智能不仅赋予教育革命性变革的动力，而且将颠覆教育的根基，成为推进第三次教育革命的决定性力量，将使教育发生根本性质变、体系化形变。
其次，颠覆论假设致力于人工智能驱动教育整体性范式的重塑。以人工智能重塑教育新生态、新形态、新业态，推进教育整体性范式重塑，是颠覆论假设的基本论断和核心主张。颠覆论假设强调，作为一种颠覆性技术，人工智能已在许多方面超越了人类智能，在未来可能全面超越人类智能，人类将进入被人工智能全面重塑的时代；传统的教育理念理论、实践范式已呈现出整体性落后状态，必须进行深层次、体系化重塑；人工智能不仅给教育造成整体性重塑的形势与压力，也给教育带来整体性重塑的可能与机遇，将彻底改变教育的底层逻辑，重塑教育的价值、标准、目标、功能、内容、模式及方法，甚至改写教育的属性与本质；在人工智能时代，教育重塑的基本取向与核心举措在于，从标准化教育转向个性化教育，从集中化教育转向泛在化教育，从符合化教育转向适合化教育。
（二）颠覆论假设的合理性检视与误导性警示
颠覆论假设是关涉教育何去何从的关键性问题，对其进行学理检视与警示的关键在于阐明两个问题，即颠覆论假设对传统教育问题的诊断是否客观，对人工智能引发教育革命性变革的论断是否必然。
首先，对传统教育问题的诊断是否客观，是决定颠覆论假设是否成立的前提。对问题的诊断是改革假设提出的前提。问题诊断恰切与否，是改革假设恰切与否的决定性因素。对教育问题的诊断，关键在于阐明教育存在什么性质的问题。就问题性质而言，教育问题主要包括两大类，即逻辑性问题与方法性问题。前者是根本问题，意味着教育存在原则性错误；后者是在教育实践过程出现的差错，并不意味着教育存在原则性错误。长期以来，关于教育问题的诊断，始终存在一种根深蒂固的不当思维与方法，即对教育问题的诊断大多倾向于逻辑化扫描与鉴定，并将其定性为逻辑问题。于是，教育似乎总是在犯逻辑错误，致使教育改革总是以对教育整体性范式的否定与重塑为前提，从而造成对教育问题的误判误批。事实上，并非所有的教育问题都是逻辑性问题。任何教育理念理论、实践范式都可能存在问题或引发问题，没有不存在任何问题或不能引发任何问题的教育理念理论、实践范式。但存在问题或引发问题，并不一定是逻辑问题，并不一定需要对整体性教育范式予以否定与重塑。
关于人工智能驱动教育改革的颠覆论假设，明显存在对传统教育问题的逻辑化鉴定现象，突出表现在对知识传授特别是对规模化、标准化、集中化知识传授模式整体性逻辑否定。知识传授不是教育的唯一使命，除知识传授外，教育还担负培养学生正确的人生观、价值观、创新能力等使命。但知识传授却是源头与基础、元素与要件，教育的一切功能与作用的发挥、一切价值与目标的实现都依赖于此。而且，强化基础知识、基本技能、核心素养传授与培养，以及强化规范化、标准化、统一化管理，是我国教育的成功经验。对规模化、标准化、集中化知识传授模式的否定，使人难以理解多年来我国在教育、科技、人才领域取得的辉煌成就及宝贵经验。然而，教知识、学知识、考知识常常被作为对传统教育批判的靶心，甚至将传统教育问题归咎于知识传授，缺乏对不教知识教什么、不学知识学什么、不考知识考什么问题的理性思考，或只是笼统地给出诸如核心素养、创新能力培养之类的答案，不仅容易造成知识传授与核心素养、创新能力培养割裂的现象，而且容易造成不教知识、不学知识、不考知识就能培养核心素养、创新能力的误判与误导问题。人工智能无疑有助于学生个性化、选择性学习的实现，但却不能以全面否定规模化、标准化、集中化的知识传授模式为前提。规模化、标准化、集中化知识传授模式是正式正规、通用常用的教育模式，具有个性化、选择性学习难以实现的教育意义与成效，因此既不可或缺，也不可替代。尽管其存在一定局限，但更多的是方法性问题，而不是逻辑性问题。而且，没有证据表明，集中统一教育必然是流水线式的、划一性的教育，培养的必然是单一规格、品格的人才。也没有证据表明，未来社会需要的是不被基本标准规范、基本规格要求、基本规则约束的“个性化”人才。显然，颠覆论假设关于传统教育问题的诊断缺乏客观性。
其次，关于人工智能引发教育革命性变革的论断是否必然，是决定颠覆论假设是否可行的关键。颠覆论假设的立论依据在于技术重大突破必然引发教育革命性变革的论断。显然，如果教育只是技术问题，那么，颠覆性技术必然引发教育革命性变革。然而，教育从来都不是完全由技术决定的。技术是教育的重要支撑，但教育却不完全是技术问题。完全用技术解决教育问题，不符合教育之理、之法。颠覆论假设完全遵循技术迭代逻辑，将教育划分为农业时代教育、工业时代教育、人工智能时代教育；将农业时代教育定性为个别化、分散化教育，将工业时代教育定性为规模化、标准化、集中化教育，将人工智能时代教育定性为个性化、选择性教育。这种划分与定性并不具备充分的科学依据。教育具有时代变迁性特点，但也具有一以贯之的专业属性、逻辑与方法。在时代变迁过程中，教育不仅积累了丰富的、可证实的经验，而且孕育了深刻的、可证明的道理。因此，教育的时代变迁并不完全是农业技术、工业技术、人工智能技术迭代的结果。任何技术都难以彻底否定教育的专业性经验与道理。不论是农业时代、工业时代还是人工智能时代，正规、正式的教育都具有规范、统一的性质、标准、内容及方式。这就意味着，对教育难以完全进行逻辑性分割与切换。颠覆论假设割裂了教育的传统与时代关系。教育传统不是固定不变的，而是不断扬弃、持续生成的。成为教育传统的东西，不仅是过去的，也有现代的，甚至还有走向未来的。推进人工智能融入教育改革，不仅要遵循技术逻辑，更要遵循教育专业逻辑，因而不可能是革命性的。以人工智能推进教育改革虽然不乏要素性重塑依据，但却不具备整体性重塑论据。事实上，“想让‘人工智能使教育的某些要素或要素的某些方面发生颠覆性变革’易，但想要‘人工智能使整个教育都发生颠覆性变革或彻底重塑’难”。显然，颠覆论假设关于人工智能引发教育革命性变革的论断不具备必然性。
二、主体论假设的要义、论据及存在的问题
在教育教学理论研究中，主体论问题主要是围绕教师、学生谁为主体进行论辩的。人工智能的出现使只有教师、学生才能作为教育教学主体的局面被打破。将人工智能认定为教育教学主体成为一个“共识性”假设。
（一）主体论假设的核心论点及立论基点
基于人工智能类人化特质的判断与预测，主体论假设将人工智能定性为“教育者”，突出强调人工智能具有自主性，将从教育教学的工具存在转变为教育教学的主体存在，并强调人机协同与共生教育教学范式建构。
首先，主体论假设立足于人工智能教育教学主体角色的论辩。作为人类的发明创造物，技术从来都是工具性存在，辅助人类开展相关工作，促进人类工作能力的增强与效率的提升。然而，关于人工智能的研究，始终是以拟人化的方式进行的，通过与人类智能相比较论辩人工智能的类人化特质、能力及潜力。据此，人工智能被赋予了与以往技术完全不同的角色，被视为一个重要的主体，而不仅仅是工具，使人工智能的教育角色、价值、逻辑与方法发生了根本性转变。主体论假设强调，人工智能越来越强大，将脱离人类控制，拥有主体性，使人类作为唯一主体的角色与地位开始动摇；人工智能已经具有“自我意识”，能够像人一样自主学习、自主思考、自主决策，甚至具有超越人类学习与思维能力的可能；在人工智能时代，越来越多的智能机器将成为“教育者”，教育教学中将出现两类教师，即人类教师和机器“教师”；智能机器作为教育教学的主体，与人类主体平起平坐，传统的师生关系将转向“人—机—人”的关系；智能机器与学生一样，也是“受教育者”，需要被“教育”，以成为一个合格的“教育者”。
其次，主体论假设致力于人机协同教育教学模式重塑。基于人工智能自主意识、能力及主体角色的论断，构建人机互动、交流、协同与共生的教育教学模式，成为主体论假设的核心主张。主体论假设强调，在人工智能时代，智能机器的主体性地位不断增强，将成为社会的基本“成员”，世界将成为人机共处的世界，人机不可分割，须进行“主体间合作”；在教育教学与学习过程中，教师、学生与智能机器的关系不再是主客体关系，而是相互适应与合作关系，教育教学与学习中的对话不仅仅是教师与学生、学生与学生的“人—人”对话，而是“人—机—人”的对话；学会与智能机器协同、共处与合作，将成为教师教育教学与学生学习探究的前提条件。
（二）主体论假设的合理性检视与误导性警示
主体论假设是关涉教育教学组织重构的关键性问题，对其进行学理检视与警示，关键在于阐明两个问题，即关于人工智能的拟人化论证方式是否恰切，关于人工智能“自主性”的论断是否充分。
首先，关于人工智能的拟人化论证方式是否恰切，是决定主体论假设是否成立的前提。关于人工智能研究，人们广泛使用诸如“自主意识”、“自主学习”、“自主决策”等拟人化术语，并不断强化这样一种思维、意识甚至逻辑，即人工智能不仅仅是一种技术、一种工具，而是越来越像人，需要像认识、对待人那样认识、对待人工智能。而且，关于人工智能的拟人化研究，不仅存在将人工智能比拟人类智能现象，还存在将人类智能比拟人工智能倾向，即将人类智能与人工智能都定性为算法，并将算法定位为解决教育问题的关键方法。“几千年来，对于教育方法的争论从未停息，无论是在中国古代还是英国的维多利亚时代，人人都有一套理论，而且都对其他理论嗤之以鼻。但在先前，大家还有一点共识：想改善教育，应该从学校入手。现在大概是历史上首次，至少有一些人已经认为，更有效率的做法是从学生的生化机制入手。”显然，用意识、思考、交流、对话等术语形容和解释人工智能，明显带有想象成分。“超人工智能目前还只是按照比较粗糙的表面逻辑简单猜测的结果，具有浓厚的假想色彩。”拟人化的论证方式不仅容易造成教育者主体地位、作用的弱化，以及教育教学方式、方法的技术主义取向，而且容易造成教育教学主体角色认知模糊、错觉、障碍及教育职责、功能、方法错位。将人工智能与人置于平起平坐的主体地位，难以解释清楚人发明、创造人工智能的用意与用途。同时，拟人化的论证方式使智能的内涵被曲解和简化，即只有可计算的因素要素被纳入智能范畴，不可计算的因素要素则被忽略。事实上，人工智能与人类智能并不存在谁强谁弱的问题，而是具有本质性区别。人工智能的技术本质是算法，即便人工智能“超越”了人类智能，那也只是从数据、算法、算力的角度来解释的。但人类智能不只是算法，除了数理性制约因素外，还具有复杂的社会性、价值性、心理性制约因素，是人工智能无法比拟、取代与超越的。对人工智能的拟人化论证只是一种形象化描述，并非科学的论证方式。显然，主体论假设关于人工智能的拟人化论证方式缺乏恰切性。
其次，关于人工智能“自主性”的论断是否充分，是决定主体论假设是否可行的关键。从根本上讲，教育教学主体是人为认定的。作为有目的、有计划的教育教学活动承担者，教育教学主体的认定主要涉及使命性、价值性、责任性标准问题，而不只是功能性资格问题。将人工智能认定为教育教学主体，难以界定其使命、价值与责任。在教育教学与学习过程中，人工智能具有即时提取信息、超级整合资源、“不厌其烦”与“不知疲倦”等优势，但它“心中无数”、“眼里无活”，更谈不上教育情怀、精神、使命、责任、意志、艺术等。完全依赖数据、算法与算力的人工智能“在数据处理、记忆、基于组合的创造力、速度和精确度等基础认知方面远超人类，但缺乏人类的情感理性、价值体系、认知和推理能力以及从0到1的创新创造力”。显然，关于人工智能“自主性”的判断及预测，缺乏充分的学理论据、可靠的实践证据。在教育教学与学习过程中，人工智能只有在教师、学生需要并启动时才能出现，否则，它不会自运行。人工智能生成的判断与决策，是在人提供数据的基础上才能发生，否则，它难以自生成。更为关键的是，人工智能不会主动、自觉、负责且有针对性地，以及基于自己的立场、使命、价值、信念、情感开展教育教学工作。事实上，所谓的人工智能“自主性”并未能从根本上突破技术的自动化本质、逻辑与方法。在教育教学与学习过程中，人工智能主要充当高级的、自动化的应答机角色，难以称得上真正的教育者。此外，教育教学行为常常需要恰切时机，更需要恰到好处。而对恰切时机与恰到好处的把握，只有教师才能做到，是教师教育教学艺术水平的体现。教师还会巧妙地使用批评、表扬等教育方式，甚至必要的表情化、肢体性语言也具有一定的教育性意义，能够收到特定的教育效果。对于诸如此类的教育教学方式、方法、艺术及智慧等问题，人工智能既不知、不懂，也不会。因而，充分发挥人工智能作用，建构人机协同教育教学模式，并不需要以人工智能作为主体为前提性条件。而且，主体论假设也容易造成对人工智能的误用和滥用。赋予人工智能与人类教师同等的教育者地位，特别是赋予人工智能教育者与受教育者的双重身份，难以在逻辑上论辩清楚，更难以在实践中有效实施。显然，主体论假设关于人工智能“自主性”的论断缺乏充分性。
三、替代论假设的要义、论据及存在的问题
教师承担教育职责、使命与任务是一项基本的教育常识。然而，关于人工智能教育职能、作用的研究使这一常识面临被打破的局面。尽管没有人认为人工智能将彻底取代教师，但人工智能替代教师进行相关教学、管理、评价等工作成为一个“共识性”假设。
（一）替代论假设的核心论点及立论基点
基于人工智能超强数据分析优势与能力，替代论假设坚持计算主义教育思维与逻辑，突出强调人工智能具有独立承担相关教育教学工作的能力，将与人类教师合作，共同完成教育教学任务。
首先，替代论假设立足于计算主义教育逻辑与方法的论辩。替代论假设的基本立论依据在于，人工智能时代，以人为中心的世界观将被以数据为中心的世界观取代。教育教学与学习活动将建立在数据筛选、分析、论证与决策基础上，而不再依据人的逻辑推理、归纳演绎、经验分析和过程研判。“‘相信数据而非人’是人工智能得以流行的根本原因之一。诸如‘数据说话’、‘数据驱动决策’、‘越多数据、越多真相’、‘数据带来美好生活’等说法更是为此提供了充分的注释。”于是，计算主义逻辑与方法成为人工智能驱动教育改革的基本遵循。替代论假设强调，只有遵循计算主义逻辑与方法，才能建构起严谨规范的教育教学规则、条理与秩序；一切皆可计算，所有的教育教学与学习活动都能够转化为数据，纳入计算过程；教育研究与改革发展要摆脱主观主义、思辨主义、经验主义方式方法，构建数据驱动新形态、新范式。
其次，替代论假设致力于人工智能参与分工的教育教学模式重塑。技术产品参与社会分工，是人工智能产生之后的一种假设。以往的技术也曾替代人类的相关劳动，却始终以工具的形式存在，并不是真正意义上的分工。如今，人工智能参与社会分工已成为一种普遍现象，社会各行各业均面临人工智能参与社会分工问题。于是，人工智能参与教育教学分工成为人工智能驱动教育改革的基本论断。替代论假设强调，人工智能与教师将发挥各自优势，分别承担“教”和“育”的责任；人工智能将越来越多地承担“教”的责任，从事简单、重复性教育教学工作，如知识传授、考试命题、批改作业、学习诊断、学业评价、心理测评、个性化问题解决等；教师将回归本职，越来越多地承担“育”的责任，从知识传授者转变为学习组织者、促进者，将更多精力投入与学生思想沟通、情感交流、启发引导、个性化服务等方面，真正成为“人类灵魂的工程师”。
（二）替代论假设的合理性检视与误导性警示
替代论假设是关涉教育教学职能与职责分工体系重构的关键性问题，对其进行学理检视与警示的关键在于阐明两个问题，即教育是否可计算，“教”与“育”是否可分解。
首先，教育是否可计算，是决定替代论假设是否成立的前提。在教育研究与发展实践的历史上，技术主义始终是需要规避与防范的激进思维、立场与方法。如今，比技术主义似乎更为偏激的计算主义被视为教育的基本属性、逻辑与方法。计算是人工智能运行的基本原理与机理、基本方式与途径，人工智能作出的一切判断和决策都建立在计算的基础上。这就意味着，人工智能替代教师进行相关教育教学工作，是建立在人、人的教育可计算性和对人、人的教育进行数据化处理基础上的。计算是教育研究与改革发展的一种可用方法，但却不是通用、必用方法。换言之，并非所有的教育因素要素都可计算。计算主义者并不是没有意识到这一点，却刻意回避或放弃不可计算的教育因素要素。比如，心灵作为教育中一个十分重要的因素要素，是不可计算的。对此，有学者指出：“我们如果无法解释心灵，也不知道它有什么功能，为什么不干脆放弃这个概念呢？”显然，计算性不能完全覆盖教育的属性，教育的科学性不等于教育的技术化、计算化。教育的规则、规律、条理、规范及秩序不可能完全建立在对人及人的教育数据化处理基础上。特别是教育的过程性、实践性、情境性、理解性特点决定教育并非完全可计算。“即便一位新手教师也知道绝不能在教学中只满足于让学生知道答案，还要让他们知道如何得出答案……然而，就是这么一件被无数教育者践行之事，放在人工智能身上却显得无从下手。因为人工智能对此一无所知，它只会基于数据挖掘、知识发现与预测分析或者数据科学‘想方设法’地给人提供答案。”依据计算主义逻辑与方法，人工智能或许具备承担程序性教育教学工作的“能力”，但问题的关键在于人及其教育的复杂性绝不是人工智能可以精准透视、透析的。不论何种教育教学工作，都不应完全交由人工智能进行数据化处理与实施。教育教学中如何应用人工智能，不仅取决于人工智能的逻辑、机理、功能与功效，还取决于教育的专业属性、逻辑与方法。
其次，“教”与“育”是否可分解，是决定替代论假设是否可行的关键。在教育教学过程中，既教书又育人早已成为共识甚至常识，但长期以来，“教”与“育”脱节却是一种较为普遍的现象，其根本症结在于课程体系的分裂。具体地说，课程体系的建构明显存在一个认识与行动误区，即将知识传授与思想、信念、品德、素养培养割裂开来，构建两类课程体系：指向“教”的课程体系和指向“育”的课程体系。教书与育人的脱节违背了教育性教学原则。早在19世纪，德国教育学家赫尔巴特（Johann Friedrich Herbart）就提出了教育性教学原则，其核心要义在于，任何教学在传授知识的同时都要进行价值与道德教育，而不是单纯的知识传授与技能训练。“教学如果没有进行道德教育，只是一种没有目的的手段，道德教育（或者品格教育）如果没有教学，就是一种失去了手段的目的。”然而，教育性教学原则常常因为“教”的课程和“育”的课程脱节而落空。教学的教育性需要课程的教育性支撑，“教”的课程和“育”的课程脱节，必然造成教学的教育性缺失。贯彻落实教育性教学原则，前提在于任何课程都应具有教育性品质、遵循教育性逻辑。作为一种特殊的知识载体，课程知识与其他知识的本质区别就在于其具有鲜明的教育属性、逻辑及标准。因而，课程的知识性与教育性难以分解，这就意味着“教”与“育”难以分解。刻意地区分“教”与“育”，并在人类教师和机器“教师”之间进行分工，使教育教学职能、职责面临“合情合理”地走向分解与分化风险。人工智能无疑可以为教师教学提供辅助性支持、为学生学习提供辅助性帮助，却难以独立承担教育教学工作。人工智能面对原理类知识、价值类知识“力不从心”，面对生成性教学、情感性教学和实践性教学“无能为力”。尽管替代论假设强调人工智能承担的是简单、重复性工作，但教育教学中很难界定哪些工作是简单、重复性的。例如，知识传授、批改作业、学习诊断、行为分析等并不完全是简单的是非对错问题，其中存在诸多复杂的思想信念、意志毅力、情感态度等因素，都不完全是统计、计算的结果。尤其是“人—机”对话不可能完全处在“同一频道”，还谈不上是真正的对话，至少不具备“人—人”对话的教育属性、功能与意义。事实上，“人工智能与受教育者之间不存在循环往复的心灵交互。迄今不少谈论屡屡提及的人工智能与人之间的所谓‘人机交互’或‘人机互动’（human-computer interaction，human-machine interaction），说到底只是无‘心’之‘机’（‘体’）与有‘心’之‘人’的交互或互动，而并非两个或多个有‘心’之‘人’的交互或互动。”显然，在教育教学过程中，很难区分“有育”工作与“无育”工作。
四、自适应论假设的要义、论据及存在的问题
明确的标准、系统的计划、完善的制度、规范的秩序始终是教育的基本遵循，也是教育质量的根本保障。尽管教育领域不停地解决学生学习自主性、选择性、个性化、灵活性等问题，但并没有取消标准、计划、制度、秩序。如今，在对人工智能驱动教育改革问题的研究中，以突破标准、计划、制度、秩序为主要立场或倾向的自适应论成为一个“共识性”假设。
（一）自适应论假设的核心论点及立论基点
基于个性化、选择性、泛在化教育理念理论，自适应论假设将人工智能视为教育话语体系转换与重构的根本依据，突出强调自选性学习资源、智能性学习诊断、自主性学习方式，以及自适应教育与学习模式构建。
首先，自适应论假设立足于个性化教育话语体系的论辩。人工智能时代的来临，不仅快速推进教育实践形态与生态、方式与方法、路径与举措的变革，而且强力推进教育话语体系的转换。自适应论假设强调，人工智能时代，教育改革须构建个性化、选择性、泛在化教育话语体系，改变标准化、制度化、集中化教育话语体系；人工智能将重塑教育未来，教育将从教转变为学，学生将从受教育者转变为学习者；人工智能时代的教育将更注重以学生为中心，为学生提供个性化学习服务，满足学生个性化学习需求；与传统的统一目标、标准、规格、内容、节奏的教育教学与学习模式不同，人工智能时代的教育教学与学习更倾向于构建基于个性化目标、内容、时空、方式、步调的模式。
其次，自适应论假设致力于大规模个性化教育模式的重塑。从大规模标准化教育转向大规模个性化教育，是自适应论假设的着力点。一方面，人工智能提供海量知识资源与泛在学习时空支持，使个性化与选择性学习成为可能。自适应论假设强调，传统教育将知识编制为课程、教材，使丰富的知识资源被压缩与窄化，难以满足学生个性化学习需求；人工智能将打破书本知识局限，为学生呈现海量知识资源，学生可以任意选择自己感兴趣的知识，并根据需要进行个性化处理；人工智能为在线教学、移动教学、泛在教学提供可能，为学生时时、处处学习奠定基础；人工智能可实现课堂教学延伸和拓展，学生可在课堂教学之前与之后通过人工智能进行预习与复习，既能丰富又能巩固课堂教学知识。另一方面，人工智能提供“精准化”学习诊断支持，使针对性与适应性学习成为可能。自适应论假设强调，人工智能可精准评测学生的学习状态、诊断学生学习中存在的问题、预测学生的学习倾向；人工智能可根据学生的兴趣、能力、需求，帮助学生选择具有针对性的学习资源与学习方式，使学生学习内容、路径与方法实现最优适配。
（二）自适应论假设的合理性检视与误导性警示
自适应论假设是关涉教育教学与学习模式重构的关键性问题，对其进行学理检视与警示的关键在于阐明两个问题，即个性化教育范式是否可能，人工智能的学习诊断是否科学。
首先，个性化教育范式是否可能，是决定自适应论假设是否成立的前提。自适应论假设的核心要义在于个性化教育理念理论及实践范式。个性化教育并非一种新理念、新理论、新范式，其之所以被重提和重论，一个重要原因是人工智能使得大规模个性化教育得以实现。个性化教育是古今中外被大力倡导与践行的核心性教育理念理论，但其似乎并未取得令人满意的效果，反而经常是教育批判、教育改革的向度与维度。事实上，个性化教育成效差强人意，不仅仅是因为技术支撑不足，还在于对个性化教育理解失偏、失当及过度期待，即将个性化教育误解为各取所需的个人教育，将其与统一性教育分割和对立起来。显然，自适应论假设并没有跳出学生中心主义思想。而基于学生中心主义思想的教育范式早在20世纪中叶就已被美国证明为失败的教育范式，被认为“太迎合年轻人的一时兴致和眼前利益了，陷入肤浅的甚至轻浮的‘生活适应’计划”。据此，美国教育界曾批评学校以所谓的兴趣、自由、体验、主动性为借口，把学生选择喜欢学什么的权利推崇备至，放宽了教育标准，降低了教育要求，打乱了教育秩序，造成严重的教育质量滑坡局面，并得出这样一个结论：“学生中心教育已经失败，国家需要回归更为正规的、教师主导的‘无废话’型学校教育。”人工智能无疑可为学生提供海量知识资源，但对当今学生而言，其并不缺乏知识资源，学校课程提供的知识足够丰富。多年来，学校教育中存在足够多需要、应该且值得教授与学习的知识。课程研制的焦点和难点早已不是知识匮乏，而是解决知识的无限性与课程空间、容量的有限性矛盾，即解决什么知识最有价值，以及如何有效、充分地利用课程空间的问题。而且，人工智能生成的知识并非必然准确、正确、恰切，需要证实或证伪、审核与准入。与让学生自主选择喜欢学的知识相比，让学生掌握更有价值的知识更具有教育意义。因而，在解决学生知识学习个性化问题上，不能一味地聚焦学生喜欢学的知识，更重要的是指向值得学生学的知识，其关键在于处理好课程的基础性、核心性与课程的多样性、选择性关系。二者并不是非此即彼的对立项，课程的多样性、选择性应建立在课程的基础性、核心性基础上。同时，人工智能提供的随时随地学习虽然有其必要性，但并非正式的、主要的学习方式，对当今学生而言并没有太大的空间与余地。显然，个性化教育并不意味着教育不能有统一的目标、标准、内容、要求与方法。从标准化教育、集中化教育、符合化教育完全转向个性化教育，在逻辑、政策和实践上均缺乏可能性。
其次，人工智能的学习诊断是否科学，是决定自适应论假设是否可行的关键。科学、恰切地诊断学生的学习状态及存在的问题，提供具有针对性的学习方案，实现因材施教，始终是教育教学的基本追求与要求，也是一个难度极大的挑战，任何人所作出的诊断与决策都可能遭遇怀疑与质疑。自适应论假设的主要依据是人工智能能够为学生学习提供“客观”诊断及个性化学习方案。人们似乎并不怀疑人工智能对学生学习状态、倾向、问题诊断与决策的“科学性”，而这恰恰是问题的要害所在。人工智能对学生学习的诊断，主要是在对既往数据分析的基础上得出的关联性、统计性、概率性诊断，不可避免地存在绝对化、片面化问题，由此推测学生接续学习的方向、内容、方法并不具备充分性依据，甚至可能造成新的不公平、不均衡问题。“如果人工智能根据学生能力加快一些学生的课程进度，放慢一些学生的进度，可能会导致学习成绩差距进一步拉大。”事实上，人工智能所依赖的数据未必完全准确、正确、恰切，甚至可能存在偏见、缺陷。目前的人工智能还不具有数据准确性、正确性、恰切性辨析能力。如果数据不可靠、不可信，人工智能作出的诊断与决策就不可靠、不可信。更为重要的是，人工智能难以诊断诸如理想信念、意志毅力、情感态度等不可计算因素，难以依据教育教学的情境性、过程性、偶发性等因素作出综合性分析与决策。即便人工智能能够在对学生学习状态诊断基础上提出看似“适合的”评价与建议，其无论如何也不懂灵活运用教育教学方法、艺术的道理与智慧。诸如此类问题，越是“客观”的诊断，可能越不科学、靠谱。因而，对于充满不确定性发展可能的学生而言，对人工智能作出的任何诊断与决策，都应仅作为参考而不是证据，不应直接采信与采纳。
五、重塑性教育改革假设偏差的方法论应对
对当今教育而言，推进人工智能融入教育改革十分必要、重要且迫切。一方面，人工智能具有广泛的渗透力与强大的冲击力，是教育躲不开、绕不过的核心制约因素。另一方面，人工智能是深化教育改革的重大机遇，对教育教学的资源提质、过程优化、环境改善、结构完善和模式创新等都将产生巨大的推动作用。然而，理论假设偏差使人工智能驱动教育改革面临严峻的失偏、失范、失当风险。因而，不走偏、不带偏，走好人工智能驱动教育改革之路，迫切需要深化人工智能驱动教育改革方法论研究。
（一）强化教育改革假设的前提限定意识
假设是教育改革路线与方案制定的重要依据。假设失偏、失当，必然造成教育改革路线与方案失偏、失当。因而，教育改革假设的提出尤其要严谨、规范、全面、客观。在教育改革过程中，任何假设都不是无限度、无条件的，都具有有限性与受限性特点，需要有明确的前提。前提赋予教育改革假设特定的属性、逻辑与方法的限定，是教育改革假设是否具有充分的合理性、恰切性、可行性的决定性因素。长期以来，学界一贯强调教育改革的整体性、复杂性、过程性，但这些属性、逻辑与方法常常被忽视甚至违背，其突出表现在于教育改革往往立足于单一要素驱动的重塑性假设。尽管各种重塑性假设的初衷、立意可能具有必要性、重要性与合理性因素，却常常因为前提限定的缺乏而使改革走向极端。目前，关于人工智能驱动教育改革的重塑性假设，基本上否定以往的教育理念理论与实践范式，明显缺乏前提限定。由此，建立在统一性、计划性、标准性、制度性、规范性逻辑基础上的教育理论体系、政策体系、话语体系、实践体系都面临被推倒与重塑的局面。因而，对统一性、计划性、标准性、制度性、规范性逻辑的合理性与局限性作全面、客观、辩证、充分的论证，是对人工智能驱动教育改革假设进行前提限定的关键。如果一概否定这些逻辑，人工智能驱动教育改革的各种假设将面临从有道理变为不合理的境遇。人工智能驱动教育改革的重要意义不言而喻，但“教育中的很多人认为AI将有助于教育，并不真正理解教育是关于什么的。这是真正应该让我们担忧的。”诸如个性化教育、适合性教育、因材施教等理念理论都具有很强的感召力、冲击力，备受欢迎与推崇，但如果没有任何前提限定，无限度、单向度地付诸实施，教育将陷入失范、失序甚至失败困境。因而，明确教育改革假设的前提，是走好人工智能驱动教育改革之路的关键。
（二）认清人工智能的技术本质与工具价值
技术由人类发明和创造，其发展迭代是人类的再发明和再创造。可改造、可校准、可控制是人类发明和应用技术的基本原则。如果某项技术发展迭代到人类不可控、难驾驭的程度，或者人类只能与其“友好”相处、期待其向善的地步，则表明人类在发明创造这项技术过程中存在严重失误。在技术发展史上，不论多么重大的突破，技术的工具角色与价值从未发生根本性改变。而且，工具必然是主体的工具。既然是工具，就不可能是主体。人工智能虽然能够进行一些只有人类才能开展的活动，如视觉感知、语音识别、学习决策等，但这并不意味着其技术本质与工具价值发生了根本性变化。“即便是强人工智能，也改变不了其工具性，不会成为与人一样的主体。”目前，关于人工智能驱动教育改革的重塑性假设主要立足于对人工智能能做什么的判断与推测。显然，技术的可能性不等于教育的可行性。人工智能“能不能”的问题并不能决定教育“该不该”的问题，尽管前者是后者的一个重要制约因素。人工智能不论如何接近或超越人的智能，也只是“像”的问题，而不是“是”的问题。人工智能教育场景不论如何具象化、拟人化，都难以具有真实教育场景的教育意义，难以实现真实教育场景的教育成效。虽然人工智能可能为人们许多问题的解决提供近乎“完美”的答案，“但它本身没有方向感，并且，更重要的是，它没有能力说‘不’”。换言之，人工智能尽管显现出强大的技术功能，却无法取代教师的教育效能与效果，如教师能更好地把握每个学生的“可教时刻”。如果教育教学完全被技术控制，其专业属性、价值、逻辑、立场、方法等将面临被消解的风险。这就意味着，人工智能在教育教学中仍然是也应该是工具，而不是主体。关于人工智能的教育应用，应坚守“人是主体、机器是工具”的基本原则与立场。明确人工智能的技术本质与工具价值，并不是要淡化、弱化人工智能在教育教学中的重要地位与价值。相反，明确性质、找准位置，更能恰切地、充分地、有效地发挥人工智能的教育作用。
（三）防范教育的学习遮蔽与替代现象
学习是教育的重要途径与方式，但教育不仅仅是学习，尤其不仅仅是学生的个性化、选择性学习。教育的责任履行、功能发挥、目标实现不可能完全依赖或完全指向学生的个性化、选择性学习。人工智能驱动教育改革的重塑性假设，将教育单纯地指向学生学习，将学生学习单纯地指向个性化、选择性学习，扭曲了教育与学习的关系，造成学习遮蔽、替代教育的现象。其根本性问题在于将教育仅仅建立在“学”的基础上，“教”的属性、逻辑、功能与方法被消解。学生“被教”往往被视为消极的、导致学生“被动”状态的手段与方法。实际上，“教”并不意味着控制，“被教”也不意味着“被动”，而是引导与教导。没有教就没有教育，否定“被教”就是否定教育。“如果我们认为教育都是关于学习的，那么，AI当然可以做很多。”尽管人工智能为学生个性化、选择性学习提供了可能，但问题的关键在于，教育不等于学习。“当下盛行的‘学习’话语遮蔽了教育自身的价值，‘教’的重要性需要被重新认识。”显然，人工智能并不具备“教”的意识、思维、立场、方法、艺术与能力，难以履行“教”的职责，发挥“教”的作用，完成“教”的使命。特别是在学生自由运用人工智能学习过程中，人工智能难以感受到被不当运用，也难以阻止被不当运用，甚至任由被不当运用。教育是具有明确方向性、指导性、教化性逻辑与特点的人才培养活动。“教”是教育的前提与基础，学生的主动性不应以教育的被动性为代价。自适应学习、随时随地学习、智能陪伴学习等并不是教育的核心功能、主流方式与常态路径，可用但不能替用。负责任、有价值的教育无疑要满足学生个性化发展需求，但却不是学生自选性学习活动，而是建立在高标准、高质量基础上的集中统一教育。集中统一教育与个性化学习并不是对立的，个性化学习应在集中统一教育中，而不是替代集中统一教育。集中统一既是教育的一种形式，也是教育的一种手段。相对于个性化学习，集中统一教育更具有启发与引导、激励与促进的作用及功效，对培养学生的社会性、责任性、公平性、包容性、团体性等品质与素质不可或缺、不可替代。
（四）明确人工智能教育应用的限度与尺度
技术引发教育革命性变革的预测是普遍现象，但此类预测难以兑现也是普遍现象。在更多情况下，这种预测未曾发生。比如，对在线课程将实现大规模个性化学习，使每个人都有机会接受优质教育的预测并未成为现实。对此，有学者认为，在线课程促进“教育民主化”的预期被夸大了，且相对于面对面授课，在线课程学习的负面效应明显。一个重要原因是，在面对面授课中，教师能更灵活地整合各种话题，更好地适应和吸引学生，甚至强调“良好的教育没有技术捷径”。如今，人们对人工智能教育功效的判断存在理想化倾向，似乎人工智能能够从根本上解决诸如因材施教、教育公平等问题。然而，“人工智能在教育领域所承诺的，如实现完全个性化的学习，尚待成为现实”。对教育而言，人工智能无疑是一种好技术、好工具，但无度、无界使用或替代性使用，将对教育构成巨大威胁。“当下，人工智能给我们带来的巨大威胁并不是代替人类的工作，而是人类会陷入人工智能的强大功能‘陷阱’，习惯于机器提供的解决方案，而放弃自主思考。人类一旦习惯了轻松获得，不再进行独立思考，完全把思考交给机器，交给人工智能，那将是对人类最大的威胁所在。”这种威胁在教育中尤其可忧、可惧。如今，在教师教学、学生学习过程中，对人工智能的依赖倾向已露端倪，人工智能应用不当问题日益凸显。这是当下教育界迫切需要深入研究的重大理论、政策与实践问题。从总体上讲，人工智能容易简化学习过程、易化学习方式、泛化学习内容，降低学习的深度、难度和精度。对人工智能的过度依赖也容易造成学生出现幻想幻觉、自闭逃避、思维错乱、角色迷失等心理问题。因而，在教育教学过程中，对人工智能的应用须遵循必要的限度及尺度，而且应始终坚持以教育者为主导。教育者不仅参与决策，而且主导决策，并对人工智能进行实时监控与干预。
（五）坚守“教育性”应变逻辑与方法
在解决既有问题的同时避免引发新问题，是教育改革的前提，也是教育改革应遵循的原则。如今，人工智能驱动教育改革的重塑性假设，使教育改革面临严峻的技术主义思潮漫灌与裹挟局面，不仅难以解决好既有问题，而且必然引发新问题。“技术决定社会或制度变革的假设是一种历史悠久的观点，它在工业时期尤其是当前社会中经常被重新提起。尽管这一论断在许多分析中有很强的存在感，但它并非事实。这不是因为技术没有发挥极其关键的作用，而是理解社会变革不能仅仅依赖于单一因素。”显然，人工智能并非教育改革的唯一驱动因素，尽管其给教育带来的影响可能是革命性的，但并不意味着教育要革命，要完全、彻底地推进重塑性改革。不论从哪个角度讲，重塑都意味着推倒与重来。在重塑的“名号”下，原本可能具有必要性理由、重要性依据与合理性因素的改革假设，因与既往的相关理念理论割裂、对立而走向片面甚至极端。教育拥有复合化的理念理论及制约要素体系，单一的理念理论及制约要素并不能成为教育整体性范式建构的唯一依据。如果每一种理念理论及制约要素都要建构一种具有唯一性特点的实践范式，教育改革必然陷入混乱无序的局面与状态。改革的成功与否在很大程度上取决于能否把一些看起来相互对立的品质辩证地结合起来。人工智能驱动教育改革的重塑性假设所强调的个性化教育、因材施教等理念理论是正确合理的，但这些理念理论的践行主要体现在教育者的专业意识、思维、精神、灵感、方法、手段、艺术等方面，难以形成孤立、绝对的教育实践范式。特别是推进大规模因材施教，关键在于正确看待、对待“材”的问题。长期以来，人们对因材施教的理解与实施存在一个未说清楚、未解决好的问题，即因材施教中的“材”从哪里来、怎么形成。事实上，诸如学生的学习兴趣、志向、倾向以及自觉性、自律性、主动性、选择性等品质与素质并不是天赋，而是教育的结果，需要引导、教化、训练、规范、约束才能形成。这些品质与素质既是教育的依据与出发点，又是教育的目的和着力点，而且首先是教育的目的和着力点。因而，以人工智能推进教育改革，关键在于遵循教育性逻辑与方法。
（本文参考文献略）
The Issue of “Reconstruction” —An Examination and Warning on Hypotheses of AI-Driven Educational Reforms
Hao Deyong
Abstract: Artificial intelligence (AI) is triggering profound transformations in education. In response to the impacts and challenges posed by AI, educational research has reshaped hypotheses of educational reforms such as the subversion theory, the subject theory, the substitution theory, and the adaptive theory. While these hypotheses offer profound insights, they are, to some extent, problematic due to their insufficient systematicity, dialectical nature, and comprehensiveness, which can easily lead to misjudgment and misguidance. Amidst the changes of the times, education has not only accumulated verifiable experience but also nurtured demonstrable principles; it is difficult for any technology to completely and thoroughly eliminate the experience and principles of education. As a revolutionary technology, AI does not necessarily lead to a revolutionary change in education. The identification of educators is primarily a matter of normative criteria centered on missions, value and responsibilities, rather than merely a question of functional qualification. The possibility of AI does not equal the feasibility in education. Establishing AI as an educator makes it difficult to define its missions, value, and responsibilities, and may also easily result in the misuse and abuse of AI. “Teaching” and “educating” are inseparable; in education and teaching, it is difficult to delineate which are simple and repetitive tasks suitable for AI. The distinction between human teachers and “machine teachers” exposes the functions of education and teaching to the risk of fragmentation and differentiation. Computability cannot encompass the attributes, logic, and methods of education. It is difficult for AI, based on computational logic, to make comprehensive analyses and decisions according to the complexity, processes, and situations of education. The diagnosis and decision-making by AI regarding students’ learning should be used only for reference instead of being directly accepted or adopted.
Key words: artificial intelligence (AI); hypothesis of an educational reform; subversion theory; subject theory; substitution theory; adaptive theory
初审：普清筠
复审：孙振东
终审：蒋立松
