民小编说

在人工智能加速融入教育全要素、全过程、全场景的战略关口，人工智能教育与教育系统性变革的关系，构成智能时代教育发展的前提性学理问题。如何审思人工智能教育与教育系统性变革的关系？人工智能融入教育系统的准备度存在差异，需要关注哪些方面的潜在失序风险？如何构建适配教育系统性变革的人工智能教育生态？一起来看教育部教育信息化战略研究基地（北京）主任、北京师范大学智慧学习研究院院长黄荣怀等的深入阐述——

当前，全球人工智能教育正从局部探索走向规模化应用，我国也正以顶层引领、系统化设计，推动人工智能融入教育全要素、全过程、全场景，促进人工智能助力教育变革，支撑教育强国建设。2026年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》（简称《行动计划》），明确到2030年基本形成“人工智能与教育深度融合格局”，构建全学段贯通、全社会覆盖的人工智能教育体系。这既是《教育强国建设规划纲要（2024－2035年）》的战略部署转化为系统行动的关键一步，也是在全球教育变革的关键节点，提供世界数字教育转型乃至未来人工智能全域融入教育的“中国经验”。如何学理化阐释“人工智能教育与智能时代教育系统性变革的关系”已成为一个“时代命题”。这既有助于明晰我们的历史方位，也有益于提升教育改革发展的系统性和有序性。

人工智能教育与教育系统性变革的关系审思

我国的“人工智能+教育”这一战略部署，与全球性师生人工智能素养提升和人工智能在教育中的应用政策及措施属于同一“语境”。在人工智能与教育双向赋能的历史演进中，人工智能教育的内涵正经历从表层应用到深度融合的演变，可沿三个维度加以把握。一是作为学习内容，即推进人工智能全学段教育和全社会通识教育，重点是培育人工智能素养。二是作为教学工具，通过赋能学生成长、教师发展与学校管理，提升教育教学的效果、效率和效益。三是作为变革的机理，指人工智能深度嵌入教育系统的底层逻辑，重塑知识生产方式、师生关系结构与学校组织形态，推动构建教育新生态。这一从内容到工具再到机理的内涵演变，揭示出人工智能并非外在于教育变革的辅助性技术变量，而是内嵌于教育变革全过程的构成性力量。这要求一线教育实践需超越“人工智能工具箱”思维，更加关注人机协同环境下的教学业务流程再造与学校形态重塑。

从教育变革的角度看，现代教育的本质特征与核心价值之一即在于其变革性。[1] 教育系统性变革涉及教育系统的内部结构以及外部关系等多方面，具有范式跃迁的质变属性。[2] 因此，智能时代的教育系统性变革并非技术工具驱动下的被动调适，而是教育系统在面对外部技术环境剧变时，主动进行的理念、目标、内容、环境和范式的整体性重构。人工智能教育作为这一重构进程中的关键变量，其健康发展既需要技术创新的持续驱动，更离不开教育系统的有序准备。

事实上，“人工智能教育”往往侧重于政策和实践两个范畴，其推进呈现出国家政策文件自上而下驱动与学校一线场景自下而上探索相交织的特征，顶层设计的系统性正在与基层实践的多样性形成互动；而“教育系统性变革”则更多侧重于政策和学术两个范畴，其深层逻辑长期聚焦于国家战略层面的制度设计，以及学术界对教育本质与生态重构的理论探讨。正因如此，深入探讨二者的内在关系，是打通学术话语与实践话语的学理必需，对于理解和推动智能时代教育的高质量发展具有极为重要的现实意义。这不仅是一个理论命题，更是一个关乎政策落地效能与实践创新方向的行动命题。

人工智能助力教育变革的全球趋势与现实关切

在全球教育形态深刻重构的历史关口，人工智能教育的推进已从早期的设备接入与工具试用，迈向生态建设的新阶段。这些趋势背后，折射出教育系统的自我觉醒以及迫切的变革诉求。

第一，技术奇点逼近，我国的教育系统性变革进入“关键窗口期”。当前，全球人工智能教育呈现明显的梯度格局，即多数国家仍处于政策借鉴与技术跟随阶段，而少数先行国家已触达既有经验难以覆盖的变革深水区。正如教育部部长怀进鹏所深刻研判：“人类文明奇点已至……智能技术进步的进程或将超越我们的理解，其中真正的挑战还在于教育能否适应变化的速度，超越简单的知识复现，回归育人本质。”[3] 技术迭代速度远超课程更新周期，前沿应用探索往往领先于理论建设与制度准备，使教育系统面临前所未有的适应性考验。对于我国而言，这种变革的深度与不确定性尤为突出，超大规模的教育体系、区域间发展不均衡的基本国情、顶层设计与基层探索有机结合的改革路径，共同决定了我们无法简单移植他国经验，必须自主探索一条技术赋能与育人本位相统一的中国道路。

第二，全球战略共识已经形成，但政策落地面临现实鸿沟。全球绝大多数国家和地区已出台“人工智能+教育”的专项政策，将其置于提升国家核心竞争力的战略高地。美国发布“推动美国青少年AI教育发展”行政令，成立白宫人工智能教育特别工作组，明确提出提升美国公民的人工智能素养和培养下一代美国人工智能创新者。欧洲学校网络（European Schoolnet）2025年的调查显示，逾半数受访欧洲教育系统将人工智能视为高优先级战略。同时，该报告尖锐指出，能够真正融入教师日常教学实践的人工智能应用案例依然匮乏，折射出全球人工智能教育从宏观政策到微观课堂之间显著的实践落差。[4]

第三，科技伦理得到普遍关注，“增强而非替代”成为人本主义共识。面对人工智能的冲击，全球共同的价值锚点聚焦于人的主体性不可让渡。联合国教科文组织（UNESCO）的《人工智能与教育：保护学习者的权利》报告鲜明地提出，人工智能在教育中的使用必须以保护学习者权利为前提，其根本任务在于“增强而非自动化”教与学中的人际关系。技术应用绝不能取代学生自身的“认知努力”。

第四，各国人工智能素养框架“林立”，但有效师生培育机制薄弱。为弥合“实施落差”，国际组织及大多国家和地区都聚焦于师生能力的系统性建设，面向不同学段与人群出台人工智能素养框架。2025年5月，经济合作与发展组织（OECD）与欧盟委员会联合发布《赋能AI时代的学习者：中小学教育的AI素养框架》草案，并计划将“AI素养”纳入PISA 2029评估体系。但从实践来看，多数框架仍停留在顶层设计层面，适配智能时代教育教学的课程体系、教学范式、师资培训机制尚未系统建立。英国教育部在《让每个孩子学有所成并茁壮成长》白皮书中提出将“AI的循证应用”纳入常态化教师专业发展培训，确保教师掌握“如何将技术和AI整合入学习过程”的教学法。

第五，“安全与公平”多表现为政策性术语，普惠政策与安全防线亟须进一步筑牢。安全防线与公平防线本质上是同一问题的两面。欧盟《人工智能法案》明确规定教育领域中涉及招生筛选、学习评估和行为监测的人工智能系统属于高风险应用，必须满足透明度、可解释性与人工监督的合规要求。德国发布的《学校中的人工智能：科学与实践现状指南》强调积极推介符合数据保护规范的本土化工具，并要求为所有学校提供免费或低成本的人工智能应用方案。但从全球实践来看，这些要求大多仍停留在政策设计层面，面向薄弱地区的普惠性资源供给、覆盖全流程的人工智能教育安全监管体系仍未全面建成。

人工智能融入教育系统的准备度差异及失序风险

教育变革成功的关键不仅依赖于技术的先进程度，更在于教育系统要在结构、文化等层面做好迎接智能时代变革浪潮与冲击的系统性准备。人工智能向教育领域的加速渗透，为智能时代教育变革注入了核心动能。然而，教育系统的适应往往具有周期性，加之各区域、各主体的禀赋与认知水平不一，人工智能融入教育系统呈现出显著的异步演进特征与准备度差异。这种非均衡的准备状态若缺乏宏观统筹，极易使技术赋能逆转为结构性的失序风险。这些风险构成智能时代教育变革必须正视与跨越的重要命题，本质上是人工智能全域融入教育与教育系统性变革的适配性失衡。

（一）城乡之间及校际难以回避的“智能鸿沟”风险

智能技术全面嵌入教育生态，由于城乡之间及校际自身基础、资源水平、师生能力等的既有差异，可能进一步加剧发展失衡，难以回避“智能鸿沟”风险。

其一，数字技术接入鸿沟尚未完全消弭。受区域经济发展水平、资源布局等影响，城市及优质学校普遍具有完备的数字基础设施与资源保障，而一些农村学校、薄弱学校仍面临智能终端不足、资源供给短缺等困境。

其二，智能技术使用鸿沟日益凸显并呈现层次分化。一方面，由于师生数字素养和人工智能应用能力的差异，城市及优质学校师生更可能善用人工智能实现个性化教学与探究式学习，农村地区或者薄弱学校师生更可能停留在浅层打卡、题库刷题等被动应用。另一方面，“拒绝沟”作为使用鸿沟的内涵拓展正在浮现，[5] 由于主动节制非必要数字化、守住学习自主性的能力差异，农村地区或者薄弱学校学生更可能被娱乐化内容、智能作业、算法推送深度绑定，缺乏拒绝过度连接的意识、条件和能力，形成“被技术裹挟”的隐性分层。

其三，变革场景设计鸿沟作为结构性壁垒正在形成。全面的教育变革有赖于各教育场景深度而有序的改革，不同教育场景的改革需要协同推进，进而促进教育系统性变革，[6] 这说明变革场景设计已成为人工智能助力教育变革的“重要变量”。事实上，即便接入条件趋于均衡、师生数字素养普遍提升，不同学校在将技术转化为教育新场景的“设计—生成”能力上仍可能存在质的差异。比如优质学校具备系统设计能力的基础与优势，将人工智能技术有机融入学校组织再造、跨学科课程重组和人机协同教学模式的探索，促进教育场景的重构；薄弱学校则多止步于技术工具的简单叠加应用，缺乏系统变革设计的理念、资源和专业支撑。这种鸿沟不仅会使薄弱学校难以触发教育生态的深层变革，更易陷入路径依赖与低水平重复，制约教育系统性变革的整体进程。

（二）“机器代劳”下的学生认知衰退与情感技能弱化风险

人工智能对学生发展的深层影响是最令人忧虑的挑战。OECD《数字时代儿童的生活如何》报告中警示，数字技术虽为儿童发展提供了前所未有的机遇，但无节制的屏幕使用、注意力分散、社交情感发展受阻等问题值得高度警惕。

在认知层面，生成式人工智能正诱发系统性思维惰性。学生在获得即时答案的同时，容易将分析、综合、论证等核心心智过程交由技术代劳，绕过了学习所必需的“合意困难”。这形成了一种“表现悖论”—短期任务完成度提升，独立解决问题能力却未同步增长。更具结构性隐忧的是这种认知风险分布不均，知识基础扎实的学生更能有效利用技术聚焦高阶思维提升，而基础薄弱者更易陷入被动依赖而错失构建关键能力的机会。

在非认知层面，人工智能塑造的数字环境正对学生心理健康与社会性发展构成冲击。比如“数字过载”与算法推送加剧认知疲劳和注意力碎片化；社交媒体中由人工智能驱动的“完美”内容滤镜持续营造不切实际的社会比较标准，与青少年焦虑、抑郁风险及身份认同困惑高度相关。更关键的是，过度沉浸于人机交互，正在持续挤占学生发展共情、协作、冲突解决等关键社交情感技能的真实练习机会，师生间、生生间的面对面深度交流被弱化，使学生的情感世界面临“持续失温”的风险。

（三）人机协同教学中的教师“角色撕裂”风险

教师是教育变革的关键行动者，也是人工智能对教育冲击的最直接承受者。人工智能的介入并未使教师角色边缘化，而是打破了教师原有专业身份内部相对稳定的平衡，使其陷入一种新旧身份交织、多重期待并存的“角色撕裂”状态，引发深刻的职业认同危机与技能焦虑。教师不再天然占据知识传播链条的中心位置，同时又被赋予学习支持、过程引导、人机协同、价值把关等新的角色期待。

其一，课堂教学中知识权威基础的松动与专业认同危机。传统教学中，教师的专业权威主要建立在对课程知识的系统掌握、对教学内容的组织解释以及对课堂进程的主导之上，因此教师通常被视为最主要的知识提供者。然而，人工智能的发展使学生能够借助智能工具即时获取、比较、重组和生成知识内容，教师基于“知识占有”与“知识传递”形成的传统权威基础因而受到冲击。动摇的不只是教师作为知识传授者的表层角色，更是其长期以来建立在知识优势之上的专业认同。

其二，教师能力更新要求与传统教学惯性之间的张力。人工智能进入教学过程，持续推动教师从以讲授、控制和经验复制为主的传统教学框架，转向强调技术整合、人机协同、学习诊断、教育判断的新型专业实践。然而，既有教师发展体系和评价机制往往更关注可量化的教学成效，对教师在复杂情境中的自主判断与价值引导关注不足。教师一方面被外部环境推向能力更新，另一方面又受到传统惯性与制度逻辑的牵制，从而形成转型过程中的深层张力。

（四）科研范式转型中的价值失准与边界模糊风险

人工智能的全域渗透正在重塑知识生产模式，教育科研作为理论支撑与实践指引，其生态正面临系统性冲击。

其一，学术共同体的组织结构被深度重构。传统教育科研群体以共享范式和共同责任为纽带，依托学科边界形成稳定协作。而人工智能介入教育科研全过程后，大模型承担部分数据处理、逻辑推演乃至结论生成任务，研究者角色与任务分工产生松动。

其二，共同体的认知基础与方法共识受到冲击。生成式人工智能带来的“认知外包”现象使研究者过度依赖工具完成关键研究环节，独立思辨与方法批判能力容易被弱化。部分研究者对模型前提、算法偏误和方法适用边界缺乏辨识能力，研究活动停留在结果调用层面。由此，知识积累的连续性和系统性受到削弱。有研究显示，人工智能的广泛采用已导致科学研究探索视野的收窄。[7]

其三，研究价值取向与伦理责任边界变得模糊。当人工智能深度介入选题、论证乃至结论生成时，人类研究者对推理过程的把控力会下降，知识归属与责任主体难以界定。学术共同体长期遵循的求真规范与公共责任将难以维系，研究活动易陷入工具理性主导、价值理性缺位的困境。例如，若教育研究本身被人工智能“流水线化”，缺乏真实的田野观察与教育者的生命体验，可能陷入见“数”不见“人”的方法论陷阱。

（五）大国竞争与企业垄断诱发的“数字权力失衡”风险

“人工智能+教育”的全球竞赛本质上是国家间技术主导权之争与跨国资本扩张逻辑的合流。技术的赋能效应并非天然惠及所有国家与群体，其当前发展方向仍主要是由掌握权力和资源的少数科技强国与头部科技企业的“愿景”所推动和强化。[8] 从全球格局审视，技术垄断与教育话语权的深度绑定正在催生一种更为隐蔽的新型权力关系。

传统的地缘政治和经济不平等，在智能时代可能固化为一种深刻的“数字权力失衡”。即强势行为体通过控制数字基础设施、平台规则与知识体系，对其他国家和地区形成新的结构性支配。[9] 其在教育中的表现主要包括以下两个方面。其一，经济层面的价值抽取。师生的教学行为、情感反馈乃至生物识别数据，都可能被持续采集并转化为优化商业模型的资源。各国数字化发展水平的差异会导致掌握数据优势的行为体同时获得教育改革的话语优势，从而加剧全球教育体系的结构性分化。[10] 其二，文化层面的软性塑造。大模型训练内嵌的认知框架与价值取向，可能通过智能教学系统潜移默化地影响学习者的思维方式和文化认同。[11]

在国内层面，同样需要关注资本逻辑对教育公共性的渗透。商业力量以“智能赋能”为名进入教育领域，其流量逻辑可能强化应试导向甚至重构教育供给逻辑。若数字基础设施由少数平台主导，教育作为公共产品的属性便面临挑战。《行动计划》明确提出“引导国有和社会的长期资本、耐心资本、战略资本投入教育科技创新”，正是为防范资本无序扩张、矫正数字权力失衡的制度性回应。

人工智能教育与教育系统性变革的三个关键适配原则

人工智能教育与教育系统性变革并非简单的“手段与目的”或“原因与结果”的线性关系，而是一种多维互动、协同演进的适配性关系。为避免失配引发的潜在风险、实现双向互构，亟须确立二者有机协同的关键准则。

（一）人工智能教育与学校教育教学改革的价值锚点对齐原则

适配的第一原则，是人工智能教育的工具理性必须与学校教育教学改革的价值理性对齐。人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。[12] 教育已经进入改变底层逻辑、重塑教育生态的阶段。[13] 在此意义上，人工智能教育是智能时代教育变革的逻辑起点与核心动能。

其一，智能时代迫使教育体系重新回答“什么知识最有价值”，“前段集中，一次成型”的传统学校教育体系面临深刻转变。在此意义上，人工智能教育是智能时代教育变革的认识论先导。

其二，人工智能有助于缓解“教育不可能三角”难题。长期以来，学校教育面临“个性化、高质量与规模化三者难以兼得”的结构性困境。人工智能的介入，即通过算力替代人力堆砌以降低个性化辅导成本，为大规模因材施教创造可能。这也是智能时代学校教育教学改革的物质基础。然而，效率逻辑不能替代价值逻辑。教育的根本任务是立德树人，智能时代教育变革始终围绕育人本质展开。学校不仅是智能技术的应用场，更是人才培养的主阵地。人工智能教育在学校基层的全面铺开，必须锚向“培养什么人、怎样培养人、为谁培养人”这一教育的根本问题，人工智能是工具而非目的，其应用须服务于人的全面发展与核心素养培育，不能沦为单纯追求效率的技术工具。人工智能应成为思维启发者与学习陪伴者，警惕“认知外包”、思维退化等风险，始终坚守教育的人文性和主体性。

（二）学校智能技术应用与学习型社会建设的伦理安全一致原则

伦理安全一致原则指向技术逻辑与教育伦理的深层一致。伦理安全风险并非局限于学校围墙之内。学习型社会的建设既要以数字化为杠杆撬动学校教育的变革和转型，又要辐射并带动家庭教育与社会教育系统的重构。当学校智能系统采集的学习者数据向校外延伸，当人工智能驱动的学习服务跨越学校、家庭与社会的边界，伦理安全的考量必须从“学校场域内的合规使用”拓展至“终身学习全场景的伦理一致”。

智能时代教育变革的规范性，为人工智能教育划定了不可逾越的边界。其一，教育公平是基本价值追求，要求人工智能教育的普惠必须向薄弱地区与农村学校倾斜，通过系统的资源配置，防止硬件落差演变为更深层的“变革场景设计鸿沟”。其二，未成年人保护与数字权利捍卫是不可触碰的红线。技术必须严格规范数据采集与使用边界，强化算法监管。这种一致性要求我们将合规工具与普惠理念前置于技术应用环节，系统防范隐私泄露、算法歧视、文化依附等衍生风险，使“智能向善”从理论呼吁切实转化为坚实的教育治理防线。这意味着学校智能技术应用所遵循的数据最小化原则、算法透明要求、人工干预保留机制等，应同步延伸至校外学习场景—无论社区学习中心、在线教育平台还是家庭教育智能终端，均应遵循一致的伦理安全标准，确保学习者在不同场景间流转时，其隐私权、被遗忘权、拒绝权等得到连续性制度保障。

（三）人工智能全域融入与未来教育发展的变革场景耦合原则

变革场景耦合原则强调通过技术供给与教育需求的持续互动演进，推动未来教育形态的生成。人工智能持续深度融入教育，必须与具体教育场景的变革实现动态耦合，这体现在知识观、学习观、课程观、教学观等底层观念的深刻转变。

其一，众创共享的知识生产场景。在技术机理与系统制度的动态耦合下，新知识观呈现出显著的群智性和开放性。知识的创生主体由单一人类实质性地扩展为“人—机”共同体，使日常教学场景从单向的静态知识传递正逐渐转变为多维的动态知识生成，为学习者跨学科、跨场域、跨介质、跨社群的知识整合提供了基础。

其二，智联建构的学习交互场景。全天候的智能学伴与交互式环境为学习者自我驱动的按需学习提供了技术可能性，在课程安排、教学组织和评价方式等方面的持续改进下，学习范式将实现从被动接受向主动建构的跃迁，实现理论学习到现实生活复杂问题解决的贯通，形成从知识通达素养的完整升维链条。与此同时，学习者将不仅依靠自身的认知加工，还将通过合理调用机器智能实现“认知增强”，并通过迭代反馈方式提高机器的智能水平，呈现出双向赋能的“人机共学”特征。

其三，融通开放的课程组织场景。课程边界正由封闭走向开放，推动未来教育从标准化供给稳步转型为基于学习者个体潜能的定制化服务场景。关键在于不同学习场景之间的顺畅衔接与学习数据的有效贯通，为学习者提供具有连通性和情境性的课程学习体验。具体而言，让学习不再局限于实体教室，而是在虚实融合的环境中生成个人意义，让课堂内外、校内校外、线上线下的学习经历连贯而非彼此割裂。

其四，人机协同的教学实践场景。智能体作为深度嵌入的新型要素，重塑师生、生生间的多维交流网络，催生出“师—生—机”三元互动的新生态。智能体不仅是工具中介，更可成为学习者的“元认知导师”，如通过适时的提问、提示与反馈促进深度学习的发生。教师则从知识传递中解放出来，回归价值引领、情感陪伴与复杂情境判断的育人本位，真正实现人机优势互补的协同育人。

面对人工智能与教育深度融合的时代趋势，需要把适配原则转化为具体行动。政策制定者、教育研究者、教育实践者、技术供给者等相关主体都需要锚定这些适配原则，推动人工智能教育与教育系统性变革实现深度适配、协同发展，让人工智能真正服务于人的全面发展，共同构建以人为本、具有韧性、可持续发展的智能时代教育新生态。

参考文献

[1] 谢维和. 论教育的变革性—关于教育本质的再认识[J]. 北京大学教育评论，2026，24（01）：1-16+185.

[2] 黄荣怀，刘嘉豪，潘静文，等. 面向智能时代的教育系统性变革：数字化赋能教育综合改革[J]. 电化教育研究，2025，46（04）：5-12.

[3] 中国教育报.“奇点”已至，教育数字化未来何为？3月31日，国家教育数字化战略行动2026年部署会给出新答案[EB/OL].（2026-04-01）[2026-04-22]. https://news.qq.com/rain/a/20260401V078GJ00.

[4] ANDRONIKIDIS K. Artificial Intelligence in School Education：An overview of policy priorities and initiatives across 23 education systems[R]. Brussels：European Schoolnet，2025.

[5] 龙小农，张玉. 拒绝沟：理解数字鸿沟的新维度[J].现代出版，2025（05）：44-53.

[6] 黄荣怀. 论科技与教育的系统性融合[J].中国远程教育，2022（07）：4-12+78.

[7] HAO Q，XU F，LI Y，et al. Artificial intelligence tools expand scientists' impact but contract science's focus[J]. Nature，2026：1237-1243 .

[8] ACEMOGLU D，JOHNSON S. Power and progress：Our thousand-year struggle over technology and prosperity[M]. New York：PublicAffairs，2023.

[9] KWET M. Digital colonialism：US empire and the new imperialism in the Global South[J]. Race & Class，2019，60（4）：3-26.

[10] 孔令帅，王超. 比较教育研究数字化转向的向度与限度[J]. 比较教育研究，2023，45（02）：3-11+36.

[11] 汪益民，欧阳彬. 走出“科林格里奇困境”：高等教育的反思[J]. 开放教育研究，2025，31（05）：39-47.

[12] 习近平向国际人工智能与教育大会致贺信[N]. 光明日报，2019-05-17（01）.

[13] 怀进鹏在2025世界数字教育大会作主旨演讲[EB/OL].（2025-05-15）[2026-04-22]. http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/202505/t20250515_1190601.html.

 

［作者黄荣怀系教育部教育信息化战略研究基地（北京）主任、北京师范大学智慧学习研究院院长，刘嘉豪系杭州师范大学与浙江大学联合培养博士后，许霖系北京师范大学智慧学习研究院研究员］

文章来源｜《人民教育》2026年第9期

文章作者｜黄荣怀 刘嘉豪 许霖

责任编辑｜邢星

微信编辑｜王圣婴

原文链接：https://mp.weixin.qq.com/s/zx_3BWy3-WdF-4_zh2AHEQ