王學男：AI賦能中小學教育的風險挑戰與治理路徑——基于愛沙尼亞案例的五國比較

編者按：學習好貫徹好黨的二十屆四中全會精神，切實謀劃好、推進好“十五五”時期教育改革發展，奮力譜寫以教育強國建設支撐引領中國式現代化的新篇章，是當前教育系統的重大政治任務。中國教育科學研究院組織精銳科研力量，在媒體平臺廣泛開展闡釋研究，推動教育強國建設邁向積厚成勢、系統躍升。現摘取部分優秀成果，陸續推出，以饗讀者。

人工智能（AI）正在以顛覆性的態勢重構全球教育生態，其技術滲透的速度、深度與廣度已突破傳統教育變革的邊界。AI在全球中小學教育領域的應用呈現出顯著的“雙面性”特征，引發學界對技術賦能教育的系統性反思?，F有研究聚焦于三大維度，一是政策驅動研究。聯合國教科文組織（UNESCO）和經濟合作與發展組織（OECD）強調AI教育需平衡效率與倫理，其框架文件為各國提供頂層設計的參考；2024—2025年，《關于加強中小學人工智能教育的通知》《中小學人工智能通識教育指南（2025年版）》和《中小學生成式人工智能使用指南（2025年版）》的相繼發布；北京、上海、廣東等地的教育主管部門也積極響應，發布了地方性行動方案，形成“國家統籌-地方協同”的政策推進機制，為中小學AI教育提供了權威的內容標準與倫理規范。二是教學實踐爭議。學界對AI的核心教育價值已形成普遍共識，即其能突破傳統教學“一刀切”的局限，實現規?；虿氖┙蹋嵘逃|量與效率。具體到課程與教學層面，一種強烈主張認為中小學AI教育不應僅限于信息技術課程，而應深度融入數學、科學、語文、藝術等各學科，形成“人工智能+X”的跨學科融合教學范式。中國教育科學研究院院長李永智建議AI教育內容需遵循學生認知與教育規律，通過實踐教學、場景式教學讓學生領悟AI應用邊界。然而，實證研究也揭示了AI個性化學習效能存在的“工具理性”與“主體性消解”悖論，而前述的跨學科融合被視為可能的破局路徑。這場變革高度依賴于政策頂層設計、倫理治理框架、教師技術準備度和技術持續創新。三是風險治理挑戰。算法偏見、數據隱私等成為核心關切，亟需本土化治理方案。

當前研究仍存在一些不足，其一，應用層面的實證研究，特別是中小學領域，遠少于宏觀理論探討及高等教育實踐分析，相關成果較為稀缺；其二，宏觀政策與教學實踐存在斷層，且缺乏對不同國家AI教育推進模式的系統性比較研究，特別是對“為何不同國家選擇差異化路徑”及“路徑差異背后的治理邏輯”等核心問題的深入剖析；其三，對AI教育風險的研究多聚焦于技術依賴或算法偏見等單一維度，缺乏基于多國實踐的系統性風險識別與綜合治理框架構建。這些缺口與AI在中小學應用中的爭議性密切相關，導致實踐層面仍處于試探性推進階段。

本研究基于客觀中立、相對審慎的研究視角，采用“AI賦能教育”作為核心概念，力求涵蓋當前人工智能教育變革中的關鍵領域。這一概念涵蓋“戰略引領-實踐應用-治理保障”三個核心維度，既銜接微觀教學實踐，又呼應宏觀政策與治理議題。一是戰略引領，主要著眼于國家層面AI教育的政策規劃與發展定位；二是實踐應用，包含“如何學習AI”與“如何運用AI學習”這兩大主題；三是治理保障，重點關注倫理規范、風險防控以及多元主體的協同等制度設計。從當前研究與實踐進展來看，以AI課程開發、AI素養培養等“如何學習AI”的相關探索多以顯性形式呈現，成果與路徑相對清晰；而對于AI在學科教學中的融合應用、AI在教育教學中的倫理等“如何運用AI進行學習”的實踐，則更多處于隱性探索的階段，其模式創新與效果驗證仍需進一步系統化探索。

盡管技術賦能展現出廣闊前景，但人工智能在中小學教育領域的應用仍面臨一系列具有普遍性的風險與挑戰。例如，因盲目部署所導致的資源錯配、由算法偏見引發的教育公平受損，以及因技術依賴而造成的主體性消解等問題，已然成為各國在推進人工智能賦能教育進程中必須回應的必答題。這些挑戰跨越了不同教育體制的差異，觸及技術倫理、教學本質與社會治理的深層矛盾，其復雜性隨著探索深入而愈發凸顯?；诖耍疚囊源硇?、實踐典型性和數據可及性為原則，選取芬蘭、新加坡、美國、中國與愛沙尼亞進行比較，覆蓋北歐福利模式、亞洲強政府模式、北美分權模式及轉型中國家樣本，形成教育治理的典型光譜。依托建構主義與人本主義教育理論，構建“以人為本、本土適配、三維協同”的治理框架，以期為世界各國，特別是正在積極推進教育數字化轉型的我國，負責任地發展AI賦能教育，提供理論鏡鑒與實踐指南。

一

國際比較：不同國家AI賦能教育模式的策略與啟示

愛沙尼亞“AI躍遷2025計劃”憑借公私合營的制度創新與分層試點的推進策略，在全球中小學AI教育實踐中形成了“小國敏捷突破”的獨特范式，但這并非國際探索的唯一形態。為系統厘清不同國家AI教育的差異化發展邏輯，本部分將圍繞戰略驅動、核心目標、實施路徑、治理風格、典型特征五大維度，對五國AI教育推進模式展開系統比較，為后續AI教育典型問題剖析與治理框架構建提供國際經驗的鏡鑒。

（一）愛沙尼亞：政策先行與試點推廣的公私合營模式

1.歷史傳承與核心定位

“AI躍遷2025計劃”的政策基因來源于20世紀90年代的“老虎跳躍”（Tiger Leap）計劃。該計劃通過全國學校計算機與互聯網普及工程，不僅完成了基礎教育數字化基礎設施的原始積累，更構建了支撐愛沙尼亞在數字政府、電子商務及科技創業領域崛起的人才培養生態。據e-Estonia官方數據顯示，該國多數獨角獸企業創始團隊及數字政務體系核心構建者均為該計劃的直接受益者。這種歷史經驗的成功積淀，使愛沙尼亞決策者在AI時代形成了技術前置布局的路徑依賴，試圖通過“AI躍遷2025計劃”復刻歷史成功，在全球教育數字化競爭中占據先發優勢。

該計劃的戰略目標呈現清晰的遞進層次。國家競爭力層面，通過AI工具規模化普及與技能體系重構，實現人力資源質量的代際躍升；教育變革層面，依托AI技術的自適應學習特性，破解傳統班級授課制的個性化教學困境；社會公平層面，主動應對AI素養鴻溝這一新型社會分化風險，確保不同社會經濟背景的學生能夠平等地共享技術紅利。這種“國家戰略-教育革新-社會治理”的三重目標耦合，體現出小國在資源約束下的戰略聚焦。

2.公私合營模式的制度創新

“AI躍遷2025計劃”最具辨識度的制度特征，在于其構建的新型公私合營（Public-Private Partnership，PPP）治理結構。該計劃由愛沙尼亞總統卡里斯（A. Karis）于2025年2月24日獨立日演講中親自發起，這種國家最高層級的政治背書，賦予了該項目超越普通教育政策的戰略屬性。其合作網絡呈現“三維協同、多元共治”的特征：政府機構提供政策框架與公共資源保障；本土科技企業家注入創新資本與本土實踐智慧；OpenAI、Anthropic 等全球頭部AI企業提供核心技術支持與工具迭代保障。

為解決多元主體協同推進AI教育時，權責劃分不清、合作難以持久的問題，愛沙尼亞正在籌建“AI躍遷基金會”，專門承擔協調職能。該基金會采用“公共財政與私營資本共同出資、獨立運營”的模式，旨在保持非政治性的中立立場。與單一主體主導的模式相比，這一模式能更好的平衡效率與公益，一方面避開了政府主導可能帶來的效率拖沓，另一方面，也減少了市場驅動下公共利益難以保障的隱患。愛沙尼亞通過這樣的制度設計，既獲得了全球領先的AI教育的工具支持，又為技術供應商提供了規?；恼鎸嵔逃龍鼍埃鳛闇y試平臺，構建了一種互惠共生的良性機制，實現以政策支持換取優質技術資源，用開放的應用場景助力技術迭代升級。

3.漸進式實施路徑與課程設計

在實踐推進層面，愛沙尼亞采取“政策先行、試點推廣”策略。根據歐盟教育信息網（Eurydice）的實施路線圖，第一階段于2025年秋季啟動，覆蓋2萬名10-11年級高中生及3000名教師，免費配置ChatGPT Edu等定制化AI學習工具并開展配套培訓；第二階段從2026年開始，將覆蓋范圍擴展至職業學校及新入學高中生，預計新增3.8萬名學生與2000名教師。培訓課程特別強調教師應建立“AI協同進化”理念，將技術視為“可共同發展的合作伙伴”。

在技術整合層面，該計劃要求將新增AI工具與現有數字教育平臺，如E-kool、ekoolikott無縫對接，通過統一身份認證與數據互通，降低師生技術推廣阻力。課程內容涵蓋AI基礎與技術原理、AI應用與倫理以及AI創新項目三大核心模塊，由教育部與全球AI企業合作開發。課時安排為每學期約60課時，平均每周2課時，實踐環節占比不低于40%，確保理論與實踐結合。

（二）芬蘭：素養重構與價值理性主導的跨學科模式

芬蘭作為全球教育高地，其AI教育戰略彰顯了深厚的教育哲學積淀。以國家級項目“芬蘭人工智能全民計劃”（Generation AI）核心載體，該國突破了技術應用的工具理性局限，將教育重心置于AI本質的認知層面，包括技術工作原理解析、社會影響評估及倫理風險研判。劍橋大學教育技術研究團隊的田野調查顯示，該項目構建了“批判性思維+數字公民意識”的雙維培養框架，其教學法創新體現在三個維度，采用“無代碼”（No-Code）工具降低技術準入門檻，實現AI教育的普惠性；推行跨學科融合路徑，將算法偏見、數據隱私等議題嵌入語言、歷史、藝術等傳統課程；運用深度討論教學法，引導學生就AI倫理困境展開思辨性對話。

與愛沙尼亞的實踐模式相較，芬蘭在人工智能教育領域的探索呈現出顯著的價值導向分野。前者側重于借助人工智能工具提升國家競爭力與個體生產力，體現為工具理性主導；后者則致力于培育能夠駕馭并反思技術的未來公民，彰顯價值理性主導特征。這種差異性為相關研究提供了多元啟示：人工智能教育需在“使用者培養”與“批判者塑造”之間構建動態平衡機制，其理想目標應指向技術應用能力與人文思辨素養的協同發展。

（三）新加坡：系統集成與國家平臺驅動的精準賦能模式

新加坡的AI教育戰略體現了其一貫的強政府主導和系統化規劃的特點。在“2030年教育科技總體規劃”（EdTech Masterplan 2030）的框架下，新加坡教育部依托其全國統一的在線學習平臺“學生學習空間”（Singapore Student Learning Space，SLS），構建了AI工具的集約化集成體系。這一體系包含三大功能性模塊：基于學習分析的“自適應學習系統”（ALS），實現個性化路徑推薦；輔助教學設計的“內容創作助手”（ACP），提升備課效率；提供即時診斷的“簡答題反饋助手”（ShortAnsFA），優化評估流程。

新加坡模式代表了一種高度集成化、標準化的“自上而下”的路徑，與愛沙尼亞的公私合營、商業工具引入的模式形成鮮明對比。其優勢在于能夠快速、公平地將高質量的AI資源覆蓋到全國所有學生，有效保證了教育公平和質量底線。同時，統一平臺也便于數據的收集與分析，為循證決策提供了支持。然而，這種模式也可能犧牲一定的靈活性和地方創新空間。相比之下，愛沙尼亞模式雖在技術迭代上更具靈活性，但面臨工具兼容性與質量管控的挑戰，兩種路徑分別代表著“系統效率”與“創新活力”的不同價值選擇。

（四）美國：分散試點與市場驅動的多元創新模式

與上述國家形成鮮明對比的是美國，在聯邦層面缺乏統一的AI教育國家戰略，其發展動力主要源自州、學區、學校乃至教師個體的“自下而上”探索。這導致了AI教育實踐的極大豐富性和多元化。案例研究顯示，紐約長島學區利用Diffit工具生成差異化的教學材料，滿足不同閱讀水平學生的個性化需求；路易斯安那州引入Amira AI閱讀導師，為初級讀者提供一對一語音輔導；加州圣地亞哥教師借助Writable寫作工具實現作文批改自動化，大幅提升反饋時效。

美國模式的優勢在于充分激發基層的創新活力，應用場景緊貼一線教學的實際需求。然而，其弊端也顯而易見，缺乏頂層協調可能導致優質資源分布不均，從而加劇已有的教育不平等和數字鴻溝。這種“市場驅動－分散探索”模式與愛沙尼亞“政策先行－試點推廣”模式的本質差異，折射出不同治理理念下的路徑選擇，前者強調創新自由，后者注重公平普惠，兩種取向分別體現了“效率優先”與“公平優先”的政策邏輯。

（五）中國：分層探索，頂層設計與地方創新的辯證統一模式

中國的AI教育戰略呈現出“國家統籌與地方探索”的互動格局。在國家層面，教育部頒布的中小學AI教育指導綱要構建了“興趣啟蒙－原理認知－創新實踐”的遞進式課程體系：小學階段側重AI技術的感性認知與興趣培養；初中階段強化技術原理理解與基礎應用；高中階段則聚焦項目式學習與創新能力培育。地方層面以廣東省、江蘇省、四川省、廣西壯族自治區為代表的?。ㄗ灾螀^）市相繼形成了精細化的配套落地方案，廣東明確規定各學段AI課程最低課時標準。

中國模式的顯著特征在于強大的舉國體制和系統性風險的治理思維。在鼓勵技術創新的同時，通過政策法規體系明確AI應用的安全底線與倫理準則，形成“管放結合”的治理框架。這種平衡策略在全球AI教育治理中獨樹一幟，尤其在數據安全保障與技術依賴防范等領域，展現出超越發展階段的審慎性。與愛沙尼亞相比，中國模式更強調風險前置管控，而后者更側重技術快速落地，兩種路徑分別體現了不同發展階段對安全與效率的優先級排序。

綜合來看，上述四種模式在關鍵維度呈現系統性差異：在戰略驅動上，存在以愛沙尼亞、新加坡、中國為代表的“政府主導”與以美國為代表的“市場驅動”的分野；在核心目標上，分化為以愛沙尼亞、新加坡為代表的“國家競爭力提升”與以芬蘭、中國為代表的“公民素養培育”的側重；在實施路徑上，形成以新加坡、中國為代表的“頂層設計”與以美國、芬蘭為代表的“基層探索”的對照；在治理風格上，展現出愛沙尼亞的“審慎試點”、新加坡的“系統集成”、美國的“多元創新”與我國的“風險防控”的特色。這些差異根植于各國的教育傳統、科技實力和治理哲學，沒有絕對的優劣之分，但均為其他國家提供了兼具適應性與創新性的參照譜系（見表1）。

表1 五國AI教育發展模式對比

二

實踐深化：AI在中小學教育中應用的典型問題剖析

通過對國際組織報告、五國相關政策文件、學術研究及實踐案例的系統性梳理與分析，可以清晰揭示，各國AI教育戰略的驅動邏輯、核心目標、實施路徑與治理風格存在顯著分野。然而，一個更具根本性的共識是，這些多樣化的探索，無一例外地在推進過程中，共同觸及了AI技術特性與教育根本目標之間的張力地帶。正是這種張力，在實踐中具體化為算法偏見侵蝕公平、技術依賴消解主體性、倉促部署導致資源錯配、評價工具異化學習本質、家校溝通缺失引發信任危機等一系列共通的、亟待解決的典型問題。深刻理解這些問題及其成因，是邁向負責任AI教育應用的必經之路。

（一）頂層設計失衡：從盲目部署到科學試點的路徑偏差

許多學?；蚪逃龣C構在面對AI技術浪潮的沖擊時，容易被“技術熱潮”或“標桿效應”所驅動，未經充分的本地化論證與小范圍的適應性測試，便倉促地進行大規模、全員化的AI工具部署。這種“一步到位”的發展思路往往導致技術與教學場景的結構性脫節，教師因不熟悉工具的操作復雜度，增加備課負擔，學生因功能與需求不匹配而降低學習興趣或學習投入，最終造成昂貴的設備閑置與教育資源浪費。國外實證研究表明，在引入任何新技術時，僅憑“技術新穎性”“他校經驗”進行大規模部署，往往會導致資源錯配、師生挫敗感和管理失序等連鎖反應。

愛沙尼亞采取“政策先行、試點推廣”的漸進型實施路徑，充分體現了對技術應用于教育的推進規律的深刻認識。其“AI躍遷2025計劃”并未追求一蹴而就，而是采用嚴謹的分階段、分年級試點策略。首期選擇10-11年級學生作為試點對象，不僅因為這一階段的學生已經具備一定的數字素養基礎，能夠更好地適應AI教育模式，更是通過限定試點群體實現風險隔離。更值得借鑒的是，在計劃推廣前的決策環節，教育部將組織教師團隊系統研讀國際AI教育研究文獻作為必要流程，以此明確技術應用需解決的核心教學痛點，如個性化輔導資源不足、高階思維培養瓶頸等。這種“實證導向”（Evidence-based）的決策模式，從源頭上避免了“為用而用”的形式化，確保AI工具始終服務于真實教學問題的解決。

與愛沙尼亞全國性系統試點形成對比的是美國的分散化探索。例如，康涅狄格州和印第安納州等也啟動了AI試點項目，但多由州或學區層面主導，規模有限但場景聚焦，如高密度輔導、讀寫能力提升），同樣強調教師專業發展與工具效能評估。兩種模式各具優劣：愛沙尼亞模式利于形成國家標準與快速推廣，但存在“一刀切”風險；美國模式更具地方適應性，但可能加劇區域教育不均衡。但其共同啟示在于，需以小規?？煽卦圏c替代盲目擴張，通過預設評價指標，比如學生參與度、學業增值、師生滿意度等進行科學成效評估。

（二）算法黑箱與偏見：技術中立性的消解與教育公平的挑戰

AI并非價值中立。其算法的“智能”源于對海量數據的學習，而這些數據本身就可能蘊含著人類社會的既有偏見和刻板印象。當這類算法進入教育場景時，可能會引發系統性不公平。已有研究中“將歐洲吉卜賽人與犯罪活動不當關聯”的案例，警示我們如果帶有錯誤的、偏見的AI工具進入課堂，不僅會向學生傳遞歧視性信息，更可能對少數族裔學生的身份認同與心理健康造成持久傷害，侵蝕教育公平的根基。

這一問題的隱蔽性與權威性放大了算法偏見危害性。AI系統往往以“黑箱”形式運作，其決策邏輯對用戶不透明。同時，由于缺乏內置的、易于操作的糾錯和反饋上報機制，學生很容易將AI生成的、看似客觀理性的內容奉為“權威結論”，從而無批判地接受其中的偏見。一篇發表于《自然》（Nature）子刊的系統性綜述將算法偏見列為AI教育（AIED）在技術維度的核心倫理風險之一，并指出偏見數據是導致機器學習系統產生歧視性輸出的主要原因。另一篇關于教育系統算法偏見的研究也強調，偏見算法會通過招生篩選、學業評估和資源分配等環節，為邊緣化社區的學生制造新的系統性障礙。

對抗算法偏見，不能僅僅依賴技術修復，更需要培養師生的AI素養。芬蘭的“Generation AI”項目提供了寶貴的思路。該項目明確提出，教育的重點是讓年輕人理解AI技術的工作原理、數據在其中的作用，以及隱私、偏見和決策如何受到AI的影響。項目采用基于討論的教學法，鼓勵學生批判性地思考和表達自己的觀點。學校可以借鑒這種模式，在課程中設置專題單元，引導學生：首先要質疑和驗證AI的輸出內容，通過多源信息交叉比對培養批判性思維；然后，使用不同AI工具完成同一任務，在比較差異中理解算法的非中立性；最后，可在采購AI工具時，要求供應商提供模型評估報告和訓練數據來源說明，強化技術透明度。

（三）技術依賴與主體性削弱：從認知腳手架到思維外包的異化

生成式人工智能強大的內容生成和問題解答能力，在帶來便利的同時也催生了“思維外包”的風險。學生可能過度依賴AI完成寫作、編程、研究等核心學習任務，跳過獨立思考、試錯探索和知識內化的過程，導致批判性思維、創造力和解決復雜問題的能力退化或弱化。教師群體同樣存在此類風險，如果將備課、批改、反饋等關鍵教學環節完全交由AI，可能導致對學生個體學習過程的洞察力下降，師生互動質量降低，最終削弱教師的專業判斷力。

這一現象與建構主義學習理論背道而馳。學習是學習者基于既有經驗主動建構知識意義的過程，而非被動接收信息。多項研究指出，AI在教育中的理想角色應是“認知腳手架”（Cognitive Scaffolding），即為學生的知識建構提供臨時性、支持性的幫助，并在學生能力提升后逐漸退出。然而，過度依賴則使AI變成了“認知起重機”，直接將學生運送到終點，繞開了最有教育價值的學習過程，這種依賴會損害學生的認知能力發展，因為用戶傾向于選擇快速、優化的捷徑，而非進行審慎的思考。

破解這一困局的關鍵在于重構AI時代的教師角色。教師需從知識傳授者轉型為復合型教育者。這一轉型主要體現在三個新角色的塑造上：一是學習體驗設計師，教師需設計能夠激發學生高階思維的學習任務，引導學生將人工智能作為分析、批判與創造的工具，而非簡單復制答案的捷徑。例如，可讓學生對人工智能生成的解決方案進行評估和改進，以此推動深度思考。二是學習伙伴與引導者，教師應與學生共同探索學習，一方面指導他們如何提出有效問題、辨別人工智能輸出內容的質量；另一方面，提供只有人類能給予的情感支持和價值引領，成為學生成長路上的同行者。三是倫理規范引導者，教師需與學生公開探討人工智能的合理使用邊界，共同制定課堂層面的使用規范，在這一過程中培養學生的學術誠信意識與數字責任感。

（四）家校溝通壁壘：信息不對稱引發的信任赤字與協同育人困境

學校在推進AI教育創新時，往往將溝通重點放在教育行政部門和教師內部，而忽視了另一個關鍵利益相關群體——家長。信息不對稱導致家長普遍存在三重疑慮：孩子的個人數據是否安全？AI會不會讓老師變得“懶惰”？孩子會不會用AI作弊？這些擔憂若得不到及時、透明的回應，很容易發酵為不信任甚至抵制，形成“信任赤字”，阻礙AI教育的順利推進。

這本質上是教育治理中利益相關者參與缺失的問題。在現代教育治理體系中，家長的知情權、參與權和監督權是不可或缺的治理要素。學校單方面推進AI應用，即使初衷良好，也可能因程序不當而引發沖突。成功的教育創新，必然是建立在多方共識基礎上的協同行動。

因此，構建家校信任共同體是化解這一問題的關鍵。學校應采取主動、透明的溝通策略，將家長從“局外人”轉變為“合伙人”。首先，建立全周期溝通機制，在AI項目引入前、中、后各階段，通過家長會、線上說明會、工作坊、課堂開放日等多種形式，向家長詳細解釋引入AI的目的、使用的工具、預期的教學效果以及數據安全保護措施。第二，保障信息透明與可及，將相關政策文件、工具使用指南、隱私協議等以通俗易懂的方式提供給家長，并保留會議錄像等資料供隨時查閱，消除信息鴻溝。第三，明確數據權責邊界，與家長共同簽署數據使用知情同意書，清晰界定學生個人信息的收集范圍、使用目的、存儲時限和刪除流程，明確告知數據泄露等問題的追責渠道，通過透明化管理贏得家長的信任與支持。

（五）評價工具濫用：技術越位導致教育評價的失焦

隨著課堂教學數據采集的便捷和AI生成內容的普及，數據驅動的教學評價和“反AI作弊”催生了各類AI內容檢測和評價工具。然而，許多學校在缺乏深入了解的情況下，盲目采信這些工具的檢測結果，并將其作為評判教師教學質量和學生學術不端行為的證據。這是一個極其危險的傾向。Open AI官方曾警告，其檢測器可能對非英語母語者等特定的學生群體產生不成比例的誤判，甚至出現過將莎士比亞作品判定為AI生成的荒謬案例。這表明，當前AI檢測技術和評價水平遠未達到可作為最終判定依據的成熟度。

將不成熟的技術工具凌駕于教育專業判斷之上，嚴重背離了教育評價的本質。教育評價的核心目的在于診斷學習問題、促進學生發展，它本應是多元、過程性和充滿人文關懷的。單一、冰冷的技術判決不僅可能誤判師生，更會打擊其教學與學習的積極性，破壞領導與教師間、師生間的信任關系，消解教育的育人價值。實踐中，被誤判的教師或學生可能面臨成績扣減、學術誠信記錄污點等后果，更會挫傷其對教育系統的信任感；管理者或教師若將檢測結果視為“定論”，易在缺乏審核的情況下實施處置，進而引發學生、家長、教師對學校教育與管理的公正性的質疑。

因此，需要對AI評價工具進行合理定位與路徑矯正。一是從“最終評價”降級為“預警信號”，教師應將AI檢測工具報告的高度AI疑似內容視為一個需要進一步關注的信號，而非結論。二是啟動人文性判斷流程，對于預警信號，教師應啟動綜合判斷流程，可以進行諸如與學生進行開放式交流，詢問其寫作思路和過程；要求學生就文章部分內容進行現場闡述或重寫；對比其過往的作業風格等。三是改進評價體系，學校應從根本上減少過于依賴終結性書面作業的評價方式，增加課堂表現、項目式學習、小組貢獻、口頭報告、學習檔案袋等多元化、過程性的評價權重，從而降低單一作業AI評價的決定性影響，回歸評價的育人本質。

三

風險防范與治理框架：構建以人為本的AI教育生態

AI教育的成功融合并非依賴技術本身，而在于構建一套兼具理論根基、政策韌性與實踐可行性的“以人為本”的風險防范與治理框架。這一框架需要立足教育本質，對標國際準則，并轉化為技術、教育、社會多維度協同的綜合策略。

愛沙尼亞在全國高中生AI賬號配發中踐行的“政策先行、試點推廣”路徑頗具啟示。任何學?；蚪逃龣C構在引入AI前，均需明確三大核心問題，一是目標錨定，需解決的教學痛點是什么；二是成效論證，有無證據表明AI方案優于現行做法；三是風險應對，失敗或意外時的止損機制是什么。唯有回答清楚這些問題，技術才能真正服務于學習本質。

（一）理論思考：建構主義與人本主義的回歸

任何技術革新都不能偏離教育的根本目標，即促進人的全面發展。因此，AI教育的框架也需要回歸兩大核心教育理論的支撐。

一是建構主義的當代實踐。學習，作為學習者主動建構知識意義的過程，要求AI技術定位為“認知腳手架”而非“思維替代者”。這意味著教學設計需從“技術功能導向”轉向“認知支持導向”，從“AI能做什么”轉向“如何用AI支持學生更好地思考和創造”，即通過AI來適配學習者的既有經驗，提供適應性反饋以促進深度思考，而非直接輸出標準答案。AI與建構主義在主動知識構建、適應性支持等方面具有天然的契合點，其關鍵在于如何通過教學法引導，在問題解決中適時介入，在能力提升后逐步撤離，這一邏輯應貫穿AI工具的設計與應用全過程。

二是人本主義的價值堅守。在AI日益強大的時代，人的價值非但沒有減弱，反而更加凸顯。教育需要更加聚焦那些機器無法替代的素養，如同理心、價值觀、批判性思維、創造力與協作能力等。卡爾·羅杰斯(Carl Rogers)的人本主義理論強調，教育的核心是師生關系的互動和個體的成長。因此，AI絕不能替代教師的人文關懷、情感支持和價值引導。教師的角色轉型應關注利用AI從重復性勞動中解放出來，從而有更多時間與學生進行高質量的個性化互動與成長指導，這是技術無法替代的教育本質。

（二）政策法規：國際準則與本土實踐的動態適配

以清晰的規則體系為支撐，構建穩健的AI教育治理體系。國際社會目前已形成一系列具有普遍共識的準則框架，為各國本土政策制定提供了重要參照，其核心價值在于確立技術應用的倫理邊界與實施標準。

聯合國教科文組織提出的“以人為本”AI原則，為全球奠定了公平、包容、減貧的底層邏輯，強調技術發展需服務于人的發展目標；歐盟與經合組織聯合發布的“AI素養框架”（AI Lit Framework），從知識、技能、態度三個維度系統界定了數字時代學生的核心素養要求，為課程設計提供了能力坐標；而歐盟《AI法案》作為全球首部綜合性AI監管立法，將教育領域AI系統明確歸類為“高風險”范疇，要求實施全流程監管、效能評估與透明度披露義務，形成了剛性約束。這些準則從價值導向、能力標準到監管要求，共同構筑了AI教育治理的國際基準線與行動邊界。

國際準則的生命力在于本土化轉化。愛沙尼亞在引入OpenAI工具時，以歐盟《通用數據保護條例》（General Data Protection Regulation，GDPR）為基準構建數據合規體系，通過數據主權保障技術應用的安全性；新加坡則在國際框架基礎上，制定本土化AI教育倫理規范，確立個人數據“最小必要”使用原則，平衡技術效用與隱私保護；我國的監管實踐則聚焦教育場景的特殊性和專屬性，在數據安全與學術誠信領域形成精細化規制特色，如對AI生成內容的學術規范、學生個人信息的分級保護等。上述實踐雖路徑各異，但均指向治理體系的三大支柱，數據隱私保護的底線思維、算法運行的透明度要求以及責任歸屬的閉環機制，為AI教育的有序發展提供了制度保障。

（三）綜合治理：三維協同的實踐路徑

AI教育合理有序的發展，需要堅持系統思維，跳出零敲碎打的推進模式，而是基于統籌推進教育科技人才一體化的路徑，構建多維度聯動的治理體系。這一體系，既要錨定教育強國建設的戰略方向與理論內核，又要轉化為可落地、可復制的實踐路徑，形成風險防控、效能提升、迭代優化的良性循環機制，切實破解AI教育應用中的結構性難題。

在技術層面，關鍵在于構建可靠可控的工具生態體系。首要的是在源頭加強安全保障。推行負責任的采購與設計準則，優先選擇“可解釋人工智能”（Explainable AI，XAI）工具，確保算法決策邏輯透明、可追溯，避免“黑箱”操作。建立強制性的采購前審查機制，參照第三方專業評估模式，開展數據保護影響評估（DPIA），對AI教育工具的合規性與安全性進行全流程前置篩查。同時，需建立動態的偏見監測與修正機制。為師生提供便捷的反饋渠道，使其能實時上報AI工具輸出的偏見或錯誤信息。與技術供應商簽訂“快速響應協議”，明確問題整改時限與驗收標準，形成發現—反饋—修正—驗證的閉環流程，持續提升工具的公平性和準確性，確保技術真正服務于教育教學的核心目標。

在教育層面，應聚焦人的主體性培養與AI素養提升。一方面，系統化培育教師的AI素養。設計涵蓋技術操作、教學融合、倫理思辨和評價創新四個維度的培訓框架，采用線上課程與線下實踐相結合的混合模式。不僅要讓教師掌握工具應用技能，更要提升其將AI深度融入教學方法的能力，推動教師角色從“技術使用者”向“綜合課程設計者”轉型。另一方面，推動課程與評價體系的結構性變革。在教學中應減少機械記憶任務比重，增設AI輔助的項目式學習等高階思維訓練模塊，使學習過程更貼近真實問題解決。重構評價體系，從單一結果導向轉向過程與結果并重的多元評價，降低對AI評價工具的過度依賴，凸顯教師專業判斷在學業評估中的核心地位。

在社會層面，需構建多方協同的治理網絡。首要任務是健全“五位一體”的協同機制。清晰界定政策監管、學校實施與探索、家庭參與監督與支持、企業履行技術研發與社會責任、研究機構提供理論支撐與效果評估的權責邊界，形成動態聯動的治理體系。愛沙尼亞“AI躍遷基金會”作為公私部門協調樞紐的成功實踐，提供了有益的參考。此外，積極營造公眾信任的良好生態至關重要。通過發布AI教育應用白皮書、舉辦家長體驗日等透明化溝通方式，主動回應社會關切。引導公眾從旁觀者轉變為參與者，共同應對數字鴻溝、信息繭房等系統性挑戰，構建起技術創新、社會監督與協同優化的良性互動生態，為AI教育的可持續發展奠定堅實社會基礎。

AI融入中小學教育，本質是一場關乎育人理念和方式的深刻變革，機遇與挑戰并存。通過對愛沙尼亞典型個案的剖析及多國模式的比較研究發現，AI賦能教育的核心不在于追逐技術前沿，而在于構建以人為本、多方協同、政策與實踐并重、技術與教育融合的綜合生態系統。實踐證明，不存在放之四海而皆準的標準化模式，各國需立足自身國情、文化傳統與教育目標，在技術創新與規范約束之間動態尋求平衡，才能推動AI教育高質量發展，為教育強國建設提供有力支撐。

展望未來，AI變革教育的發展必須突破工具理性的桎梏。教育的目標不應僅局限于培養熟練使用AI的下一代，更要著力培育其駕馭AI、反思AI乃至創造有益于人類的AI的能力。這就要求將智能技術，深度融入批判性思維、數字公民素養、倫理判斷力與終身學習能力的培養中，確保技術始終服務于“人的全面發展”這一終極目標，共同邁向負責任、公平且富有智慧的教育未來。

來源｜《比較教育學報》2025年12月9日

作者｜王學男（中國教育科學研究院數字教育研究所副研究員）