摘 要：算法作为教育数字化的前提和规则，它不仅可以如“镜子”一般映照出其中的机遇和隐忧，亦可如“楔子”一般引申出教育数字化的进路所在。从算法的视角来看，教育数字化既孕育着彰显个体价值的算法推荐、助力知识跃迁的算法赋能、导向权力创新的算法决策，也暗含了极化价值孤立的算法圈养、迫使知识失格的算法僭越、加速权力失衡的算法歧视。这既表明了数字化进程中算法之于教育的双重影响力，更指向了教育因为数字化而可能面临的价值困扰、知识压力和权力积弊。鉴于此，未来尤有必要以算法为引促进教育的开放交流、重申教育的人本宗旨和重塑教育的公平内涵，以使之迈向更加安全、稳健且可持续的数字化进路。
关键词：教育数字化；算法；价值；知识；权力
一、算法何以指引教育数字化的向度
今人热衷谈论教育数字化，显然是从计算机、互联网以及人工智能等数字技术的戏剧化成功与焦点应用中受到了启发。可以说，数字技术已经顺理成章地构成了多数人理解教育数字化的起点和参照。不过，若是仅能在数字化的字面涵义给予回应，那么，这样的教育要么被曲解为迎合数字化的产物，要么窄化为仅与技术相关的事业。而它的兴衰也将仅仅取决于数字化能否兑现其技术承诺。与一味想象数字化究竟会带来怎样的教育相比，透过数字化表象以思考教育的深层问题，不仅有益于研究者获得超越数字化字面含义及其技术许诺的教育洞见，更有助于决策者前瞻性地把握教育数字化的突破和路向。算法正好可为引玉之砖。
历史地看，是邱奇与图灵对“常规的编程语言是否可以足够有效地表达任何算法”的猜想与论证，从奈奎斯特、科捷利尼科夫到香农在数字信号处理领域对“采样定理”的算法探索、表达及其应用，方才使那些运用“0/1代码”进行运算、加工、存储、传送、传播、还原的计算机、互联网、大数据和人工智能拥有了被设计和实现的可能。沿此逻辑而言，算法不仅意味着如今教育数字化的前提与规则，更预示着那些可以凭借数字化从根本上得以体现的优势及隐忧。
现实地看，自2012年美国前总统奥巴马提出“数据是未来的石油”的看法以来，数据便成为世界各国争夺人工智能技术高地的关键领域。然而，随着生成式人工智能的爆发式发展，算法的技术地位亦将得到前所未有的重视和提升。其因则如多明戈斯所喻，“如果说数据是土壤的话，人工智能就是成熟的作物，而算法则是种子”。更具体来讲，算法作为“描述一个特定的计算过程来实现该输入/输出关系”，它不仅可以从前提上决定数字技术需要什么数据与关注什么数据，还能据此在逻辑层面规定数据收集、数据清洗、数据分析和数据呈现的实现路径。类似地，算法作为量化教育问题的前提及规则，它不仅可以从逻辑上决定教育的数据输入与结果输出，还能在事实上左右教育的问题表征及其解决方案。在此背景下，算法之于数字化的重要性不仅有机会从“幕后”走向“台前”，算法之于教育数字化的前提价值与深层意义更有必要在当下获得新的澄清和探索。
未来地看，就像“科林格里奇困境”所预示的那般，“一项技术的社会后果不能在技术生命的早期被预料到。然而，当不希望的后果被发现时，技术却往往已经成为整个经济和社会结构的一部分，以至于对它的控制将会变得非常昂贵、困难和费时”。以此观之，对身处数字化伊始的教育而言，算法可以为之提供这样一种可能，在数字化设备和应用尚未铺满校园之前，教育仍有机会以算法为镜在起点处作出更深的思考和更好的准备，以便对其中的机遇和风险作出恰如其分的回应。
在这个因为数字化蓬勃发展而令人无限遐想的时代，既没有一个概念如教育数字化一般需要在超越字面含义和技术许诺的尺度上被澄明，也鲜有一个视角可以像算法一般从根本上澄清教育数字化究竟如何为宜。因为算法作为教育数字化的前提和规则，不仅可以如“镜子”一般映照出其中的机遇和隐忧，亦能如“楔子”一般引申出教育数字化的进路所在。
二、教育数字化的算法机遇
算法主要是指，为了让计算机自动完成某项任务而在设计软件时所嵌入的代码。也正是伴随着从公式到代码的算法演进，教育极有可能因为数字化在以下三个方面取得突破。
（一）彰显个体价值的算法推荐
数学公式之所以能构成教育的价值前提，其因在于“几乎每个数学公理都能仅凭自身首尾一贯地演绎下去，以至于人们几乎能够证明他们打算采取的任何假设，即便在纯精神建构的领域中也是如此”。数学公式不仅可以向人展示他们想要的结果，而且人们通常也能确保数学公式可以输出令人皆大欢喜的结果。如此一来，数学公式不但会自动凌驾于教育规律之上，教育也将由“貌似与之有关”的数学规律所驱动，甚至于教育所得结果一旦拥有了数学上的结构与效力，仿佛便成功走到了终点。其结果便是，仍由数学公式给教育强加上平均标准的群体偏见与个体价值的实现受阻。所以，数学公式的价值缺陷在于，尽管它可以在平均而成的标准上实现个人机会的最大化，但它却无法顾及机会是否真的适合每个人。导致这一困境的最大原因便是，让每个人获得适合自己的教育，无法在基于数学公式的人工计算中被想象和实现。与之不同，如今的算法不仅能单独和自适应地嵌入和引导行为，还能提供个性化输出。加之，从数字时代的算法应用及潜力来看，教育有机会以海量数据为质料、以超强算力为保障、以万物互联为载体、以机器学习为路径，从容实现因生而异、因时而变、因地制宜的个性化教育。它预示着，在如今算法的加持之下，教育有条件不再迫使每个人遵循相同且僵化的标准化系统，而是立足于让每个人成为更好的自己；为赋能个人学习和发展而教育，而不是纯粹为了输出排名与分级；更关注个体的能力、基础和天赋，而不是屈从于群体的背景变量（如年龄、身份）；挖掘不为人知的个性化规律，而不是拘泥于所谓平均水平与标准模型，等等。概言之，彰显个体价值的算法推荐意味着，人们有机会在数字化进程中凭借个性化、精准化、智能化的程序代码以超越那些在教育中僵化、教条甚至不合时宜的数学公式，以便教育走出个体价值的认同偏见与实现瓶颈。
（二）助力知识跃迁的算法赋能
从伽利略和牛顿以来，人类的知识进步往往需要诉诸新算法以消化更多的信息和数据，进而创造与其研究现象相匹配的进一步解释。现如今，无论教育借助数学公式生产任何知识，其实都绕不开人的局限及偏见。因为这些数学公式必须由分析师指定一个包含选定解释变量的数学函数，并通过回归分析来确定数据与这些分析选择之间的拟合优度。这样的算法固然可以保留人的特色和优势，却也使人的先验观念形成了无从克服的知识局限及偏见。与之不同，以机器学习为代表的算法并不依赖变量之间函数关系的先验规范。相反，如今的算法可以通过挖掘数据以识别数据之间的模式和相关性，然后将数据压缩成信息，进而把信息消化为知识。所以，未来算法其实代表着这样的一种可能，“为机器提供足够、适当的数据，它能发现相应的知识；给它视频流，它会观看；给它图书馆，它能阅读；给它物理实验结果，它会发现物理规律”。加之考虑到，人类习惯简化世界，以便自身理解。此举固然满足了人类追求熟悉和确定的知识偏好，但也丢掉了由陌生和不确定所构成的复杂知识。以深度学习为代表的算法则代表了另一种可能。这些算法不仅推翻了只有人类才能探知宇宙真理的基本共识，还能以人类无法理解的运行逻辑输出不可约的复杂知识。由此看来，如今的算法或许正在赋予教育这样的知识可能：它除了可以规避数学公式的假设弊端与人为干扰，还可以在不断消化新数据的过程中优化自身的假设缺陷，乃至藉由反向推理、逆向演绎和交叉验证对教育中广为使用的算法进行挑战和补充，从而摆脱数学公式强加于教育的知识偏见，乃至引领教育进入因与果不成比例、只能用曲线或者不规则关系来表述、甚至与人类直观认识有着本质不同的非线性知识世界。与此同时，算法作为研究的科学工具、通用语言和沟通桥梁，除了能为教育学引入跨学科、跨领域的人才、议题和方法，还能推动教育研究者与不同身份、学科、领域和组织的人群开展目标最大通约化、内容最大综合化以及资源最大共享化的超学科研究与知识交叉创新，乃至对教育理论进行挑战、验证、补充和拓展，最终实现知识的流动、交互与创变。
（三）导向权力创新的算法决策
只要教育追求满足数学公式的要求，那么它就必须体现出某种一致性、精确性和完备性；反言之，数学公式代表着有益于教育受到约束、凝聚共识以及形成稳定预期的决策依据。而这也是算法之所以能在教育领域构成权力的根本缘由。比如，正是为了满足计算平均标准的需要，越来越多的教育中人方才开始意识到，教育不能只关注身边的、少数的、特殊的人和事，而应立足于广泛范围、多数对象、更长时间，与之同时，人们对教育的决策也拥有了本末、先后、主次、轻重、缓急的基本秩序。辩证地看，基于数学公式的教育权力一方面固然实现了对裙带关系、任人唯亲、阶层歧视的制衡；另一方面却也迫使教育走向标准却狭隘的赛道，甚至于每个人身上的特色和禀赋都可能因为无法平均且不标准而成为一种累赘、一道障碍或者成功路上的“绊脚石”。加之，如今教育问题日益复杂化和耦合化的趋势，以及各方以有限资源促进教育高质量发展的潜在压力，基于数学公式的教育权力不仅显得力不从心，甚至构成了与数字时代不相匹配的决策瓶颈。如此一来，基于程序代码的算法决策也便拥有了前所未有的用武之地。与数学公式截然不同的是，如今的算法可以由数字系统进行决策，而无需事必仰仗于人；它具备适应性，能够随情况变化而变化；它用代码来书写，而不必仰仗人类的自然语言。与此同时，伴随着数字平台的搭建、数据资源的挖掘、“人－机”交互的设计，算法不仅演变为了决定数字应用的基本规则，还变成了左右人们决策的幕后力量。这不仅使算法决策成为可能，也有机会使基于代码的算法构成影响教育选择及其走向的全新权力，更有条件驱使教育决策从人类独断迈向人机协同。更具体来讲，如今算法不仅可以凭借自身在精准匹配、高效协同、科学预判和精准覆盖上的巨大优势，在面对复杂教育需求时作出比人更有效率和精度的议程设置、资源分配和行政安排。并且，当教育面临敏感议题或需要对多元群体作出准确回应时，精心设计、监管到位的算法能比人类作出更加公正、客观和科学的教育决策。除此之外，算法决策有机会赋予教育治理这样一种可能，“弥合科层制的条块分割，减少寻租扭曲执行、趋利避害执行、形式主义执行和信息传导扭曲执行，促进跨部门、跨层级、跨地区的多跨协同，激发创新活力，提升政策效能”。总之，算法决策不仅有机会修复数学公式留给教育的权力僵化，也能帮助决策者更好应对教育数字化进程中的复杂挑战，更代表着比数学公式更值得期待的教育权力。
三、教育数字化的算法隐忧
尽管教育数字化有能力实现彰显个人价值的算法推荐、助力知识跃迁的算法赋能、导向权力创新的算法决策，但这并不意味着人们可以轻而易举地兑现如此潜力。究其原因，一旦算法因为数字化而在人们毫无准备和警觉的前提下介入到教育之中，算法推荐不仅会堕为极化价值孤立的算法圈养，算法赋能也将异化为迫使知识降格的算法依赖，算法决策更将衍生出加速权力失衡的算法歧视。
（一）极化价值孤立的算法圈养
数学公式强加于个体的平均标准固然导致教育陷入了那些适宜群体但未必适合个体的价值困境，但反过来讲，如今基于算法推荐的个性化又会不会让教育因为数字化而陷入适宜个人但未必契合群体的价值孤立？这并非仅仅是基于反事实的逻辑推理，而是预兆着教育因为数字化而不得不面临的全新挑战。已有研究表明，在算法推荐的主导下，用户会被裹挟进与自身观念和认知无限接近的信息茧房中，持续的数据行为只会使信息茧房越加牢厚，其结果便是堕入算法圈养之中。并且，这种因为人类社会数字化进程而彻底走向个体的价值孤立，它除了可以在算法圈养中寻求解释，也可以从信息茧房、信息孤岛、互联网部落等概念中窥见痕迹和依据。以之为鉴，算法推荐即便满足了人们的个性化需求，但如此一来，人们是不是更有可能在教育中夸大自己的感受、直觉和经验，从“我即世界”的角度青睐小群体、同路人或者小圈子的教育观点及其说法，而排斥更大范围“他者”不同的教育意见及其解释；人们是不是更有可能像使用美图秀秀一般，“一键过滤”掉那些令自己不悦的教育结果与教育答案；人们是不是更可能恶化对自我、特殊、个别的偏好，反而让自己难以同这个时代的多数人、正常事与普遍追求产生共鸣，乃至使那些共同、共通、共有的教育目的被遮蔽、堵塞和排挤。由此不难预测的是，一旦教育的共同内容、标准答案、普遍问题因为不加约束的算法推荐而彻底走向“个性化”“精准化”或者“智适应”，那么，教育需要迎接的很可能不是因为个体力量得到尊重和理解而实现的价值解放，而是个体本能、偏好和迷思在得到前所未有的强化之后所呈现出的自大、盲目、狭隘、封闭以及由此构成的价值孤立。
（二）迫使知识失格的算法僭越
随着算法的学习、迭代与进化，它已经可以在“人类知识和理解之外”运行。并且，从DeepBlue、Watson、AlphaGo到ChatGPT其实暗示了这样一种可能，机器可以用一种人类无法理解（或者说无需理解）的方法，仅凭更多的数据、更好的算法与更大的算力便能在现实世界产生媲美人甚至超越人的知识。然而，即便如今的算法挑战了人类作为知识生产主体的地位，但这并不意味着算法就此便能在知识生产中僭越于人之上，甚至代替人的思考与责任。对此，乔姆斯基更是将ChatGPT斥之为高科技的剽窃方式、对教育毫无益处的东西、帮助学生逃避学习的“助手”。而构成上述指责的根本缘由则如维柯所言，“人能真正认知任何事物的条件乃是它必须由认知者自己所创造”。所以，即便算法赋能正朝着降低知识获取成本、知识生产门槛和知识表达难度的方向发展，以至于人们足不出户甚至不费吹灰之力便可知天下事。但这种与人无关的算法赋能，除了有机会打破知识的不对称及圈层壁垒，却也可能消解内嵌于知识之中的人类品格。首先，算法赋能有可能培养出一大堆畏难苟安、异想天开的“知识懒汉”。他们忘记了那些真正值得被人铭记且真正令人受益的知识，必然是建立在人们经过长期思考乃至付出巨大代价的前提之上，而非那些不费吹灰之力便能得到的答案。其次，如果教育中人误以为如今的算法可以在摆脱人类的条件下生产出不为人知的合格知识，那么，“在未来二十年内教育中的知识极有可能被替换为定量的、适应算法的、只能通过数字设备进行访问的错误形式”。再者，热衷算法赋能的教育有可能催生这样一群人：他们既不在乎教育、也不理解算法，却总以为自己可以凭借算法找到教育的“终极奥秘”或“最优答案”。这不仅标志着知识内嵌的人类荣耀、责任及信念不得不让位于算法背后的数据、代码和模型，还预示着教育中的知识不再值得人们视若珍宝、尽心竭力乃至迎难而上，更可能就此“把人降格为算法的附庸”。
（三）加速权力失衡的算法歧视
算法决策之于教育的优势越是凸显，它的歧视效应不仅会愈发明显，教育自身的权力失衡也将因之被放大。其中道理在于，算法决策的精度和效度需要大量的优质数据训练予以支持，而优质数据不仅拥有更高的标准，它的搜索、处理、分析和呈现更需要精深的技术支撑和高昂的经济成本。与此同时，算法决策应用的普遍规律之一便是，越是好用的算法，方才越有可能搜集到更多数据并吸引技术精英和经济组织参与其中，而这又会反过来让这个算法变得更加好用。如此一来，数据优势、技术优势和资金优势不仅决定了算法决策牢不可破的先发优势，更由此带来了加速权力失衡的算法歧视。它意味着，那些越是试图在教育中攫取算法决策优势的区域、机构与组织，它们自身的权力结构也将加速朝向数据构造、技术精英和经济需求进一步倾斜。（1）向数据构造倾斜的先验歧视。自人将数学公式应用于教育以来，便不乏研究者质疑其中可能的先验歧视，即人们究竟是在利用数据构造更好的教育，还是在构造能让数据得到更好搜集和利用的教育。类似地，如果说前人是围绕与统计报表、成绩单和排行榜有关的数据构造现代教育，那么，今人显然有理由怀疑，所谓教育数字化无非是要构造能让与数据有关的算法和平台得到普及的教育。所以在可预见的未来，无论人们是否喜欢或接受，能否让数据得到更好搜集、算法得到更好嵌入、平台得到更好建设都将因为数字化而构成教育决策的预设前提。（2）向技术精英倾斜的认知歧视。从信息时代开始，人类社会的治理决策权便已朝向技术精英转移。与此同时，数字化的技术跃迁更是进一步放大了社会各阶层的“数字鸿沟”，且形成了明显的马太效应。于是，人们对数字技术的熟悉程度和掌握程度不仅决定了他们参与教育决策的可能，更能在相当程度上左右教育的决策偏好。而算法作为数字技术的幕后规则，不仅难以为普通人所理解和掌握，更拥有着非同一般的专业门槛和知识壁垒。由此亦可推知，无论未来纯粹依托算法的教育决策，或者人机协同的教育决策，技术精英都将会扮演起不容或缺甚至日益重要的角色。并且，技术精英的个性天赋、成长经历、知识结构以及态度信念也将内嵌于教育的权力结构之中。相应地，向技术精英倾斜也就构成了某种认知歧视，它既表现为在教育决策中仅仅关注那些能够算法化的问题或者能用更好算法予以处理的问题，也表现为潜移默化地影响教育的政策、资源和经费向着更有利于他们的方向倾斜。（3）向经济需求倾斜的目的歧视。无论是过去教育的现代化，还是如今教育的数字化，都可以在相当程度上表明，教育难免在技术掀起的时代浪潮中被经济需求所定义。当然，对经济需求的满足也反过来促进了教育的发展。周而复始，经济需求也就演变为了左右教育的权力来源。其结果则是带来了向经济需求倾斜的目的歧视，它既表现为算法的抽样偏差及其所设置权重的差异，也表现为教育决策中“服务经济增长”“教育对经济的贡献”的话语方式。当下被人寄予厚望的算法决策尽管看上去可以节约人力和物力，但这一切的前提却是对数据和算力的巨大消耗。以此类推，那些率先应用算法决策的教育组织与机构，要么它们本身拥有巨大的经济价值，要么它们可以从算法决策中攫取足够的经济价值。不然，算法决策多半只能止步于论文或PPT。所以，向经济需求的进一步倾斜也就构成了算法决策融入教育的“潜规则”。于是乎，向经济需求倾斜的目的歧视也很难“自然”地从教育决策话语和议程中被罢黜。
四、以算法为引的教育数字化进路
鉴于算法折射出的价值困扰、知识压力和权力积弊，未来尤有必要促进教育的开放交流、重申教育的人本宗旨和重塑教育的公平内涵，以使之迈向更加安全、稳健且可持续的数字化进路。
（一）促进教育的开放交流
从算法之于教育的价值视角来看，教育数字化很可能长期受困于“彰显个体价值”与“极化价值孤立”之间的困扰。不过，这种价值困境非但不能证明教育不适合向数字化转型，相反，它只是在算法的尺度上揭示了教育正在经历的价值变化。从更长的历史尺度来看，当人们对整体规则和统一标准感到不满时便会想到强调个体，当人们对一味彰显个体感到不当时便又会反过来关注整体。而且，这样的价值回归往往伴随着对另一种价值的不满与否定，所以它也极易堕入极端化的风险之中。同理，人们在教育数字化中对个体价值的关切和强调，既可能来自对现实中片面强调群体的不满，也可能是他们在经历了平均标准的群体偏见与个体价值的实现受阻之后的谴责和抗议，更可能是他们逃避群体标准和群体规则、在对立的极端中寻求慰藉的非理性选择——这也是他们陷入价值孤立的缘由。面对这种极易走向极端化的价值变化，促进开放交流理应成为教育数字化的价值导向。说到底，只要人们愿意承认数字化进程个体间、群体间、个体与群体间的诉求、喜好、关注仍无法因为技术而实现统一，那么，促进教育的开放交流就有必要构成教育数字化的价值向度。
对此，人们首先必须意识到的是，教育数字化无法在丧失开放性的前提下彰显个性化的进步意义。也只有教育走出自大、盲目、狭隘和封闭的价值孤立，并开放地意识到相互依存、协调发展、共生共荣的重要性，彰显个性、追求精确的数字化才会被纳入更有意义的大背景之下，进而对教育作出超越平均标准的新贡献。其次，人们在教育数字化中对算法的选择亦或对技术的应用，绝非价值无涉或者价值中立的客观结果，而是不同价值系统之间相互对话、互动启发、相互妥协的交流过程。因此之故，教育数字化只要无法概括为“从技术创新迈向教育进步的既定事实”，而是需要包括在此过程中不同个体、群体之间的价值冲突、价值碰撞与价值融合以及由此形成的交流空间，那么，教育数字化就有必要变成一份邀请更多人、更多团体、更多组织、更多国家围绕教育价值开展对话的“邀请函”。最后，需要引起所有人注意的是，如果教育中人缺乏开放交流的意愿、知识和技能，教育组织（机构）缺乏支撑开放交流的功能、条件与机制，那么，所谓“个性化”“精准化”与“智适应”的数字化应用很可能沦为加重教育价值撕裂、价值隔阂乃至价值对抗的诱因。有鉴于此，与推进数字化的进程相比，教育更有必要优先审视自身是否保有向世界开放、向历史开放、向现实开放、向未来开放的可能，以及与不同人（群）、不同区域、不同思想、不同文化进行交流的胸怀，以便自身在数字化进程中始终拥有协调、平衡、包容不同价值的能力，并能将其转换成多方参与、多元共存、多层互补、多源一体的价值整合制度，进而在源头上消解那些数字技术既不“关心和理解”、也无从调适的价值冲突。
（二）重申教育的人本宗旨
从算法之于教育的知识视角来看，教育极有可能因为数字化而使“人”面临两股截然相反的力量。其一指向了人的下降，它意味着，人们要么无视教育数字化进程中的算法僭越，要么将之视作纯粹技术问题转而放弃自身寻求理解的努力和责任，甚至可能因为数字化提供的知识赋能而轻易感到满足和愉悦。可如此一来，教育数字化进程中所有基于算法赋能的知识获取、知识生产、知识表达，非但无益于人的智识成长，反而会拉拽着他们在智识上变得懒惰、贪婪和虚妄。其二指向了人的上升，它意味着，人们可以正视数字化进程中的“算法僭越”，且不会臣服于那些自己无法理解的知识获取、知识生产与知识表达，亦或因此佯装自己懂得了一切与冒名领取那些不属于自己的知识荣耀。决定两者差异的关键显然无法归因于数字化的技术或应用，而在于“人”。因为人不仅可以赋予知识以感情，使得它变得有吸引力，更可为之注入与人有关的品格和责任。鉴于此，如果教育仍然在乎的是使人“理解”知识而非等着被技术“赋予”知识，那么，它就有必要重申以人为本的宗旨。
具体来讲，重申教育的人本宗旨不仅意在让那些迫使知识失格的力量在人的内心得到警醒和祛魅，更是要让“人”的求知责任、求知荣耀和求知信念在知识生产中升格比算法赋能更为急迫且重要的事项。（1）重申“人”的求知责任。正如多明戈斯在《终极算法》中所言，“算法的最大价值并不在于算法本身可以从数据中学到什么，而是透过这些算法，人类学会了什么”。同样地，无论教育怎样数字化，亦或因之展现出怎样的“智能”或“智慧”，教育都不能够、也不应该推卸以下求知责任：教育不是要为人提供唾手可得的答案及其满足，而是要鼓动人从陌生的挑战迈向全新的可能、从付出的痛苦迈向收获的喜悦、从表面的应用迈向深度的理解，进而把知识装进自己的脑子里。（2）澄清“人”的求知荣耀。现如今，人们利用数字技术在教育中“寻找知识捷径”“降低知识难度”已经成为一件日益普遍且备受推崇的事情。笔者并不否认这是一项令人瞩目的技术成就，但值得追问的是，它于教育而言又有何荣耀可言？如果人们愿意承认，一个人因为数字技术学会了他原本学不会的东西，其结果固然令人欣喜，但它的成就却无法归结于学习者，而应归功于数字技术。那么，他们也应意识到，如果学习者因为数字技术获得了一种“不属于自己的力量”，以至于他分不清楚自身进步究竟是技术还是自己的功劳，那么他所取得的成绩显然不足以鼓舞他继续前进、攻坚克难。从这个意义来讲，不是靠人自身获得的知识，既不值得被人铭记，更不会令人感到荣耀。反过来讲，若要让人在教育中夺回属于自己的振奋感和荣耀感，就必须由人在清楚自身力量的前提下，通过自己的认真思考和踏实行动去面对那些不在舒适区和熟悉区的知识挑战，而不是等着数字技术把这一切变得简单而又确定。（3）捍卫“人”的求知信念。这一点之所以值得被强调，实是因为数字化进程中的教育仍有太多的未知和秘密有待后人去探索。“我们比任何时候都对未有更具掌控力，但我们驾驭世界的技术和认知手段，恰恰证明了这世界已经超出我们自欺欺人的理解。”因此之故，与在数字化进程中求证“教育知道什么”相比，人们更有必要求知“教育还不知道什么”。在数字化进程中承认教育的“无知”，不是要让它接受“无知”，而是希望教育中人可以在数字化进程中捍卫这样一种求知信念：正因为数字化充满变化、未知与犯错的可能，所以在这个进程中，尤其需要通过公开的讨论与质疑，基于证据与事实的检验，以便在“教育是否可以借助数字化获取、生产和表达知识”这类问题之上添加“这些知识是否为真、是否可信”与“人们是否可以理解这些知识”的维度。
（三）重塑教育的公平内涵
从算法之于教育的权力视角来看，人们或许不难想象这样的教育数字化，即教育在凭借算法创新决策手段、改变决策方式和增强决策效率的同时，亦会无可避免地使得自身朝着更利于算法决策得到应用的方向倾斜。这既可谓算法内嵌于教育的权力，也点出了算法决策所隐含的算法歧视，更是教育在决策手段、决策方式和决策效率得到极大提升之后因为权力结构失衡而陷入更大不公平的根本缘由。从这个意义来讲，教育数字化的权力向度或许不是简单锚定算法决策这类提效增速的“神兵利器”，而应立足于彻底反思“何谓公平”。对此，已有学者指出，探讨算法歧视可能带来的问题，需要的不仅仅是消除其中的偏见和不公，更要对“何谓公平”进行大规模的重新审视。与此同时，算法语境下对公平的诠释固然有其理论传承、技术考量与法治依据，但更需要注意到的是，这样的诠释往往伴随着人们对公平的重新认识、理解和接受。类似地，面对教育数字化进程中的算法歧视，人们除了需要对已有的教育公平理论进行反思和调整，亦可选择“公平计算”的技术进路与“算法规制”的法治进路。但更重要的是，人们有必要以此为契机为教育公平注入新的内涵，以抵抗、修复、干预那些因为数字化而内嵌于教育的不公与歧视。其一，先验公平。教育数字化的先验公平就是要提醒人们注意，公平除了暗含于数据构造之中，还应包括那些既无法、也无需在此过程中得到展现的部分。一旦明白了这一点，人们对教育公平的追求除了需要盯紧那些由数据所界定、衡量与衍生的部分，比如教育的数据内容选择是否公平、教育的算法决策方式是否公平、教育的平台架构设计是否公平；还应包括那些既无法被数据构造、也难以被算法识别但却于教育有重要价值的公平议题，比如教育的权责是否公平、教育的作用是否公平、教育的条件是否公平。其二，认知公平。教育数字化的认知公平则是要提醒人们注意，人们可能出于社会偏见或刻板印象等原因导致某些人的认知地位在数字化进程中受到不公正的看待和削弱。根据弗里克在《认识论不公正：认知的权力和伦理》一书中的解释，认知的不公正主要是指“以认知者的身份对某人犯下的错误”。以此观之，与技术精英相比，其他人作为教育决策的认知者、解释者、参与者以及见证者都可能因为数字化进程而面临边缘化、空泛化、失语化的风险。而要避免这样的情况，数字化进程中的教育公平实现便不能沦为技术精英的“独角戏”与“独门绝技”，而应有赖于不断扩大公众参与决策的空间和深度、鼓励非技术专家深度理解数字化以增加决策的话语权、刺破技术精英在决策过程中的狭隘和偏见、规约和消解其可能带来的负面影响等着力扭转认知不公正的举措。其三，目的公平。教育数字化的目的公平旨在引入平衡不同人利益的观念及其机制设计。正如“皮尔逊对其方法的承诺，被归因于他的优生学假定中所涉及的那种相关性，而尤尔的坚持则被归因于他对关注改善穷人的社会问题的实用利益”，现如今的算法决策究竟导向权力运行的创新还是加速权力结构的失衡，它的关键依然不在于算法本身，而应归因于那些在算法背后发挥着决定性作用的“人的目的”。换言之，决定算法是否公平或者体现何种公平的根本因素仍是人们所秉持的利益分配观念，而非纯粹的算法设计。以此推之，如果教育数字化不知不觉走向由程序员、商人、经济学家和技术专家所描摹的那种未来，那么“它的中心将逐渐集中于一个越来越窄的点上，久而久之，它就会吸收周围的一切，变得越来越强大，并摧毁同赛道上的落后者”。与之不同，如果人们仍然期待教育数字化保有更自由的视角、更丰厚的积累、更多样的可能和更新颖的思想，那么他们就有必要着手建立足以平衡不同人利益的“结构性监管”，即通过政治干预确保数字化进程中的教育权力不能集中在少数组织和个人手中。
最后需要特别说明的是，教育公平之所以亟需在当下获得新的关注和讨论，其因还在于如今之人已经习惯了“言必称数字化有益教育公平”，仿佛只要拥有了设备、接通了网络、共享了资源，教育便会自然变得“公平”。然而事实是，如果人们不在先验公平、认知公平和目的公平上付出更多的思考和努力，以使之朝着有利于不同内容、不同群体的方向倾斜，那么，随着数字化进程的加速，教育很可能只会因为数字化而变得更加不公平。也正因此，重塑教育的公平内涵方才能代表教育数字化的权力向度。
（本文参考文献略）
The Algorithmic Dimension of Educational Digitization
Yang Xin
Abstract: As a prerequisite and rule for educational digitization, algorithms not only reflects opportunities and hidden concerns like a “mirror”, but also elucidates the pathways of educational digitization like a “wedge”. From the perspective of algorithms, educational digitization embodies algorithmic recommendations that highlight individual value, algorithmic empowerment that facilitates knowledge transition, and algorithmic decision-making that drives power innovation, while at the same time implies algorithmic enclosure that polarizes value isolation, algorithmic usurpation that renders knowledge invalid, and algorithmic discrimination that accelerates power imbalance. This demonstrates the dual influence of algorithms on education in the process of digitization, and points to the value dilemma, knowledge pressure, and power accumulation that education may face due to digitization. In view of this, it is particularly necessary to take algorithms as a guide to promote open communication in education, reaffirm the humanistic purpose of education, and reshape the connotation of education equity in the future, thereby enabling it to move towards a safer, more stable, and sustainable pathway of digitization.
Key words: educational digitization; algorithm; value; knowledge; power
初审：胡天扬
复审：孙振东
终审：蒋立松
