人机协同教学中智能体应用：场景适配、价值意蕴与困境超越

人机协同教学中智能体应用：场景适配、价值意蕴与困境超越摘

要在教育领域中，智能体(如虚拟教师、教育机器人和个性化学习助手等)作为人机协同教学的关键载体，正通过场景化适配重塑教育生态，同时也面临技术与伦理的多重挑战。文章分析了教育领域中智能体应用的多元场景，系统性揭示了“师-机-生”关系框架下的伦理挑战、智能体算法决策的合理性、隐私保护机制的完善性和数据的有效利用等问题，并厘清了教育智能体应用中所面临的伦理困境与潜在隐忧。研究发现：智能体通过个性化学习支持、全纳教育赋能、沉浸式环境构建与社会情感能力培养，显著提升了学习体验与教育公平性。然而，其应用亦引发三重矛盾：一是教师角色转型中“主导权让渡”与“高阶能力需求”的冲突；二是算法决策滥用导致的“信息茧房”与“算法依赖”风险；三是数据隐私泄露与有效利用间的伦理张力。该研究提出了多维突破路径：(1)全面提升教师数字素养，构建人机协同教学的通用性框架；(2)培养数字公民的批判性信息素养，增强用户中心的智能决策透明度；(3)构建学生数据的全链路综合监管体系，强化学生隐私与权益保护。关键词智能体；人机协同；“师-机-生”关系；伦理困境一、引言人工智能技术的快速发展正在推动人类社会发生深刻变革，并加速教育领域数字转型、智能升级。自《新一代人工智能发展规划》提出面向2030年的指导思想、战略目标、重点任务和保障措施以来［1］，国家新一代人工智能治理专业委员会相继发布《新一代人工智能伦理规范》，致力于将伦理道德贯穿于人工智能的全生命周期［2］。教育智能体作为人工智能技术的具体应用，契合建构主义和社会学习理论，能够在认知和情感层面上实现双重意识化［3］，正逐步从个性化学习、智能导师和教学管理自动化等教育场景中展现出前所未有的潜力，对改善学习者的情绪、动机和学习效果［4］，提升学习体验具有积极影响［5］。然而，随着智能体在多元教育场景中的广泛应用，主体性危机、数据与隐私泄露、决策失控等一系列伦理问题也逐渐凸显。以DeepSeek为代表的多模态大模型具有超大规模参数，支持通过提示工程与微调等方式进行推理与决策制定，在自然语言处理与视音频分析等多任务上表现出卓越性能。同时，与传统人工智能领域的智能体相比，基于大模型的智能体具有多模态感知与生成、检索增强生成、推理与规划、交互与进化等多项核心能力［6］，进一步推动了智能体向认知智能时代演进。在拓展智能体教育角色的同时，探讨其应用中的挑战与应对策略显得尤为紧迫。同时，人与机器的关系经历了从“人机合作”向“人机协作”，再向“人机协同”的跨越式发展。人机协同教学的核心目标在于将人类智能与机器智能有机结合，并相互增强，实现1+1>2的协同效应［7］。人机协同作为人机交互演进的更高形式，正促使学习者在学习与认知活动中“与机器共舞”，实现人机共融、共生与共创［8］。无论是物理空间的实体机器人，虚拟空间的化身，还是数字孪生学习环境中的工具，技术在人类学习过程中扮演的角色也经历了从“学习工具”到“学习环境”，再到“学习伙伴”的演进，其内涵不断丰富。为此，本研究分析人机协同教学中智能体应用的多元场景，系统性地揭示“师-机-生”关系框架下的伦理挑战、智能体算法决策的合理性、隐私保护机制的完善性和数据的有效利用等关键问题，旨在厘清教育智能体应用中所面临的伦理困境与潜在隐忧。在此基础上，进一步提出具有针对性地策略建议，为教育工作者、政策制定者和智能技术开发者提供有益的参考，从而促进智能体在教育领域的健康发展与合理应用。二、何为智能体教育应用智能体(Agent)这一概念来源于计算机科学领域，具有自主性和交互性两大特点。智能体可以是独立运行，具有自主性的计算机程序［9］，同时能够感知其外部环境并做出行动，以对外部环境产生影响，并在感知与行动不断循环、密切交互的过程中，完成具体任务目标［10］。其表现形式主要包括实体机器人、虚拟智能、嵌入式智能等［11］。智能体往往能在复杂的动态环境中进行部署，且能够与其所在环境和其他智能体进行交互，实现人机、机机协同。随着计算效能与智能算法的协同演进，智能体技术在教育生态系统中的集成应用正推动着学习范式的根本性变革。教育智能体可以是一种具有人类特征或外观的虚拟教育程序，集成于智能化平台，旨在促进和支持学习者的认知学习［12］；也可以是具有特定机械实体的机器人，拥有感知、决策与行动三方面的能力［13］，提供多种类的学习服务。作为智能教学系统(ITS)的扩展，教育智能体首先可提供教学内容，促进学习者与内容之间的交互，使学习者能够深入处理学习材料。在此基础上，智能体可在学习系统中动态觉察学习环境、分析与归纳学习者信息、根据需求主动或被动做出助学行为等［14］。由于智能体具备自治性与分布式特征，如何将智能体与不同硬件相结合，以及打造多元交互的智能体协同系统是目前应用研究的一个方向。三、智能体教育应用的场景适配与价值意蕴(一)亦师亦友，提升个性化学习体验疫情期间大规模线上教学的经验，以及世界各国普遍存在的教育公平问题，催生了对于提升个性化学习体验的新一轮探索，也进一步推进混合式学习、在线学习、终身学习新模式的实践。然而，此类在线学习过程中，学生往往存在情绪交流缺乏、社会临场感较低等问题，从而降低了学习者学习动机，影响其学习效果与持续性。智能体在提供高度结构化学习资源的同时，还具备制定个性化学习策略、给予情感支持、创建自适应学习环境的能力，可充当教师、学习伙伴、导师等多种角色。与此同时，以生成式人工智能为代表的新一代人工智能技术的出现，将智能体对话内容的拟人程度大幅提升，同时赋予智能体内容生成、情绪表达、社交角色转换等新的特征，使其具备激发学习者灵感和创造力、助力自动化管、评、教过程等一系列新的可能性，智能体对学习者学习动机、协作交互积极性等方面的益处也日渐显著。利用单一智能体与学习者进行高质量的即时交互，同时基于学习者反馈提出脚手架问题［15］，创建个性化学习环境，能有效降低在线课程的流失率，提升学习效果。通过多智能体系统(MultiAgentSystem)为学习者动态组织课程内容，以匹配其学习模式，能实现基于学习评估的自适应课程组织，进一步优化学习体验［16］。此外，教师可以利用智能体生成私人教学助理，在教学准备、教学实施与教学评测的各个环节实现效率提升，创新人机协同教学模式［17］。上海市虹口区在中小学教学实践中率先推行了多智能体协作模式。针对特定课堂主题，三个智能体各司其职：一个辅助教师设计教案与教学活动，一个负责课堂记录与分析，还有一个支持学生的课后复习。同时，每个智能体都能依据学生的学习情况，进行资源的个性化推送。例如，“小学英语生成性文本助手”能根据学生的口语表达水平智能调节语速，并针对学生的提问，围绕核心词汇即时生成不同难度的儿歌或语段，协助教师高效完成单词教学任务。该实践表现出智能体可通过高质量即时交互、脚手架式引导、动态内容生成、多角色协同等，助力实现大规模个性化教学［18］。(二)包容全纳，增进特殊人群福祉联合国教科文组织2020年《全球教育监测报告》提出了“包容与教育：覆盖全民，缺一不可”的口号，旨在呼吁每一个个体都能平等地享有教育机会。为实现这一目标，智能体技术显著提升了教育领域的自动化程度，让教学流程更加高效、精准，还大幅降低了使用成本，为农村地区、偏远地区教育和特殊教育的个性化发展开辟了可行路径。在农村及偏远地区，以专递课堂为代表的交互式远程教学模式已经得到应用。专递课堂是以远程传递课堂为载体打造出的“本地-远端”教室融合的智慧学习空间，实现中心学校主讲教室与远端听讲教室的互联互通，从而促进优质教学资源共享。智能体可在其中扮演虚拟助教的角色，在专递课堂中借助智慧屏与远端学生实时互动，增强临场感和沉浸感。同时，智能体还可以作为助教协助课堂组织、课后答疑和资源推送，一定程度减轻主讲教师教学压力，保证教学的连续性。除此之外，智能体被用于乡村教师技能培训，促进乡村教师专业发展，进而改善乡村教育质量。针对偏远地区学习者普遍存在的情感与社交需求，具有机械实体的社交机器人除了可以充当助理教师的角色外，还能充当学习伴侣，安抚学习者，减少其负面情绪［19］；利用智能机器人讲故事、对话和唱歌功能，可以丰富乡村教育资源，同时促进儿童在身体、情感、社交等多个维度的发展，而使用其他电子设备则对儿童发展有负面影响［20］。智能体在特殊教育中的应用更为广泛。根据社会动机理论，自闭症学习者在应对社会刺激、人际交往与维持社会关系方面存在挑战，导致其通常缺乏社交兴趣，也更加难以察觉社交互动中的多种线索。通过计算机编程的智能体往往有着童趣且富有亲和力的外观，相比于人类具备更强的稳定性以及更少的情绪波动，因此建立了一种更简单、可预测的交流形式。智能体能够在严格遵守规则的系统内进行设计运行，具备多项任务协同处理能力，能提供高度结构化的学习环境。以上特征除了能克服人与人之间交流的天然屏障［21］，也能有效帮助自闭症学习者提升学习兴趣、幸福感与舒适度，同时专注于目标刺激。拥有类人外表的智能体可以作为改善自闭症学习者社交技能(包括情绪识别)的干预措施。例如，基于Web浏览器的在线社交技能训练系统能随时随地与自闭症学习者进行私人对话练习［22］；使用嵌入自主虚拟代理的游戏可让自闭症学习者参与互动学习过程，提升社会行为水平［23］；具有机械实体的机器人可以教授自闭症学习者音乐、戏剧表演等，同时有效缓解其刻板行为与期许问题。嵌入大语言模型的智能体除了能促进开放式场景中自闭症学习者的自由交互，还有望应用于听觉障碍人士手语教学中。例如，法国AldebaranRobotics公司研发的NAO机器人因其童趣的外观、运动功能和人机交互功能，在自闭症儿童的教育干预中扮演着重要角色。已有研究利用NAO机器人进行自闭症儿童日常交流常见手势教学，培养交替对话能力，开展结构化社交互动游戏、故事活动和歌舞教学等，其效果优于真人教师［24］。(三)随时随地，构建沉浸式学习环境智能体的出现促使传统学习方式走向智能化学习，突破了传统课堂的限定，提供了在任何时间、任何地点进行学习的机会。智能体被认为是一种具有发展潜力的语言教育方法，能够提升学生的学习投入、学习动机以及语言熟练度。不同种类的智能体可以培养儿童词汇、阅读、口语、语法等各个方面的能力，以及支持成年人第二语言学习，其在语言学习中的有效角色、适用群体和文化背景也被进一步探索，以期满足学生多样化需求。学习者可以使用基于微信小程序的英语概念学习应用程序，回答多项选择题和语音问题［25］。有研究发现，拟人化的AI教师能增加学习者的学习频率，促进第二语言学习兴趣及学习效果［26］。智能体构建起一个兼具易访问性和易操作性，融合多学科属性的STEM学习环境。学习者通过与智能体互动、实践，参与到知识的获取与应用过程中，从而获得沉浸式与实践性并重的学习体验。智能体本身具多学科性质，结合技术和工程主题，能利用现实世界的应用程序具像化科学和数学概念，可视化STEM中的抽象概念，同时培养学生的问题解决能力。利用机器人产品也可以基于开放学习者模型针对特定学科为学习者提供自适应反馈，监控其技能发展，创设学习路径，促进学习者自我调节学习，但也可能带来压力和紧张感。针对特定学科，通过交互式智能学习系统进行物理学科模拟教学、定制化辅导和问题检测，能有效提高问题解决速度［27］。总之，智能体能够提供沉浸式学习环境，并根据个体差异和学习目标进行个性化教学，提供定制化的学习路径和反馈，同时能够提供情感支持，帮助学习者克服学习焦虑和挫折感，适配于语言学习和STEM教育等场景。(四)“推己及人”，促进社会情感发展追求学生的全面发展已成为当代教育的一项共识。除了学业成绩以外，现代教育者逐渐深刻的认识到应该将情商以及社交技能发展水平纳入教育的目标以及评价体系，以帮助学习者适应全球化社会演变，处理复杂多元的人际关系，以及更好的追求个体幸福感。情商被认为是个人和职业成功的关键因素，是有效感知、理解、管理和使用情感的能力，涵盖了自我意识、自我调节、动机等多个方面。而社会情感学习被认为是儿童情商发展的重要基础，包括情绪处理、同理心表达、建立积极关系和做出负责任的决策等多种技能的学习，而这些技能发展会成为“早期投资”，助力儿童在未来成为更具同理心、韧性与灵活性的成年人，也可以间接提升其学业表现，促进健康的社会互动，降低心理疾病的发生率。无论是虚拟平台中的教学代理还是实体机器人，智能体可为提升学生的社会情感学习能力提供可能。智能体应用于社会情感学习被认为是在建构主义、社会学习理论指导下，符合体验式学习过程，并包含社会文化背景的教学模式。在虚拟平台下，协助故事讲述和角色扮演的教学代理能促进儿童情感识别、情感探索与情感表达，而生成式人工智能工具可以助力儿童共创符合个体需求和偏好的代理角色，实现更有意义的语言与非语言互动设计，这一共创过程本身也映射了儿童社会情感发展水平，促进了社会情感学习。南方科技大学团队邀请8名4—6岁的儿童设计拥有卡通形象的叙事智能体角色和社会情感故事，探究其对智能体的需求和偏好。研究结果发现，智能体可以阻止儿童的不当行为，并鼓励其通过语言和非语言的方式传达和表达各种情感［28］。而机器人提供了具象化的动手实践、问题解决的体验平台。在这一支持性学习环境中，学习者可以积极参与知识建构，通过互动、观察与模仿，识别情感线索，练习与发展各项社会和情感行为，同时反思社交经验。基于机器人的合作学习也创造了社会文化环境，促进学习者对于情感和社会动态的共同理解［29］。四、教育领域中智能体应用的三重困境(一)“师-机-生”关系：三元主体间的冲突与变革在智能体教育应用过程中，教学模式正经历从传统的人际(教师-学生)二元结构向更为复杂、高效的人机(教师-智能体-学生)三元结构的变革。智能体作为“师-机-生”三元结构中的关键环节，扮演着智能助教、智能学伴或虚拟导师等多类型角色，具备思考与决策的基本能力，能够感知并与外部环境交互，提供实时反馈和个性化学习建议。第一，从“授业”到“引导”，教师角色转型面临重重挑战。伴随智能体在教育领域的深化应用，教师角色正从传统的“授业”职能向“引导”发生转变［30］。一方面，在具身认知框架下，教师角色转型本质是认知图式的重构过程。具身认知理论强调，认知并非大脑的孤立活动，而是与身体、环境和社会文化紧密相连［31］。当知识传授从“离身”的符号传递转向“具身”的情境建构时，教师需通过“身体-环境-认知”耦合实现角色转换。在教育场景中，教育智能体通过多模态交互(如语音、表情、触觉反馈)为学习者构建具身化认知情境，使学习者在身体参与中深化对知识的理解，实现从“认知工具”转变为“认知伙伴”。在智能体的协助下，教师能轻松获取资源，促进自身专业发展，更新线教育理念和专业知识。另一方面，教师角色转型将导致教学主导权发生结构性让渡，可能间接引发专业情意失衡、效能感下降等负面影响［32］。智能体接管记忆存储(如知识点调用)、模式识别(如错题分析)等低阶认知任务，使教师认知资源向高阶教学决策集中转移，促使教师从知识传授者转变为学习的引导者、促进者和创新伙伴。但当算法主导的学习路径与教师教育经验产生价值冲突时，教师的专业判断力可能被技术理性边缘化，导致其教育信念的自我认同危机。更值得警惕的是，若长期缺乏人机协同的权力分配标准，教师可能陷入“技术附庸”的认知困境，既无法通过技术赋能实现专业成长，又难以在传统教学惯性中维持效能感，最终导致教育主体性的双重消解。因此，教师需要更加深入地理解学生的学习过程与心理机制，创生智慧课堂，促进学生的问题解决能力、创新能力和批判性思维发展。第二，教师不再是评价学生的唯一主体。在“教师-智能体-学生”三元结构中，教师从单一评价主体转向“评价设计者”与“意义阐释者”，智能体作为协同评价主体，通过技术赋能成为“数据采集者”与“智能分析者”。二者在评价过程中相互补充、协同作用，共同为学生的全面发展和终身学习提供支持。多元智能理论强调个体拥有多种不同的智能，如语言智能、逻辑-数学智能、空间智能、肢体-运动智能、音乐智能、人际智能、内省智能和自然智能［33］。一个多元评价体系应能全面考察学生的各种智能。智能体能够通过多模态数据采集捕捉学生的隐性智能，其基于机器学习的智能诊断系统可生成个体化的能力发展图谱，弥补教师经验判断的维度局限。换言之，智能体的融入，使得评价体系更加多元化、智能化和个性化。智能体能够记录和分析学生在学习过程中的多种模态数据，包括作业完成情况、课堂参与度、学习行为等，以表征学生的学习态度、专注程度和问题解决能力，从而为多元评价提供更为丰富的支撑数据。而教师则可以根据这些数据，结合自身的领域知识和经验判断，对学生进行综合评价［34］。在此过程中，教师需要持续提升数据分析和阐释能力，善于捕捉并解读数据反馈，从而优化教学策略与评估方式。(二)技术达摩克里斯之剑：智能体教育应用算法决策滥用的隐忧与挑战正如马克思而言，机器具有两幅面孔。在教育领域中，智能体应用的算法决策滥用问题不容忽视，主要表现为“信息茧房”风险和算法崇拜问题。第一，“信息茧房”不等同于“个性化推荐”，二者在概念和效应上存在本质区别。基于班杜拉三元交互理论，智能体在师生交往中形成认知三角关系(教师-智能体-学生)，其算法决策开始具备教学意图识别与价值判断能力。在智能教育应用中，个性化推荐旨在通过智能算法精准匹配学生的学习偏好与需求，从而提供定制化的学习资源，以优化学习体验与成效［35］。但当智能算法过度依赖并强化学生的既有学习偏好，过度个性化地推荐学习内容时，便可能造成“个性化推荐”沦为“信息茧房”的风险。一方面，根据学生浏览内容的时长、点击量等参数，算法会捕捉并拟定学生对特定学习内容的偏好，进而同质化信息环境，窄化学生认知。另一方面，信息茧房还可能导致学生形成同质小群体，构建所谓的“真实世界”。群体内部交流频繁，但缺乏与异质群体的良性互动与有效沟通，使得整个群体都会表现出共同的倾向与行为，并可能出现群体极化现象。例如，部分青少年在网络平台上形成极端言论的“小圈子”，对外部世界的认知产生偏差。第二，在智能体教育领域中，算法崇拜会造成师生对智能教育技术的盲目追求和过度依赖。算法崇拜是指过度依赖和信任算法决策，而忽视人的主观能动性和价值判断［36］。其一，过度依赖算法推荐会钝化学生的信息获取能力和批判性思维能力。例如，数字虚拟教师虽然能够实现生成内容与教育对象信息需求相适配，但过度强调和满足学生的信息需求［37］，不仅会使学生局限于自身感兴趣的内容，更会使其丧失对推荐内容的判别能力，甚至陷入工具理性。其二，算法决策往往基于数据和统计结果，但数据和统计结果并不能完全反映教育的复杂性和多样性。过度依赖算法决策会忽视教育伦理价值和人文关怀，导致异化现象的发生。第三，智能体的拟人化呈现可能加重算法依赖，或形成负面的情感迁移。基于社会反应理论，人类往往会将类似人类的社交行为投射到机器或人工智能系统上。高度拟人化的智能体能够激发较强的社会临场感与情感联结，学习者甚至可能对智能体产生依赖。这种依赖一方面促进了人机协作学习，另一方面也可能导致学习者忽略算法的局限性，盲目相信智能体提供的资源与路径。而当学习者发觉算法错误时，又可能对智能体产生失望与不信任感，从而影响后续的学习过程。(三)从数据到隐私：学生隐私保护与数据利用之间的伦理考量在“教师-智能体-学生”的三元结构中，学生数据获取是教育智能化与个性化的关键。然而，智能体在收集、处理、分析和存储学生数据时，可能产生隐私泄露的问题。第一，学生数据获取的真实合理性受多种因素影响。一方面，学生行为不真实，可能造成数据失真或具有片面性。例如，在与智能体交互中，学生可能出于多种原因(如完成任务、追求高分等)而采取非真实的学习行为，如快速点击答案、复制粘贴作业等，导致智能体收集到的学习数据失真，无法真实反映学生的学习状态和能力。另一方面，智能体通常通过学生的学习行为、测试结果等数据来评估其学习情况，但往往只能反映出学生某一方面或某一阶段的学习状态，无法全面反映学生的综合素质和能力。第二，学生数据“采集-存储-传输-分析”全链路存在隐私泄露的风险。其一，数据采集范围过广。为提供更为个性化的教学服务，智能体可能会收集学生的大量个人信息，包括学习成绩、学习习惯、兴趣爱好、心理健康状况、家庭背景等。如果数据采集范围过广且未经充分告知和同意，就可能侵犯学生的隐私权益。此外，被动收集学生数据的现象也时有发生，即智能体在不直接与学生进行交互的情况下，通过学生使用教育服务过程中自然产生的数据来获取信息。因为学生可能并不完全了解智能体在收集哪些数据、如何使用这些数据以及数据的去向，可能导致学生感到不安。其二，学生数据传输与存储可能存在安全隐患。智能体在传输和存储学生数据时，如果安全策略不到位，如数据加密不足、访问控制不严格等，可能导致数据被非法获取或滥用，从而泄露学生的个人隐私［38］。其三，学生数据分析与使用不当。智能体可能利用收集到的多模态数据进行计算，以优化教学内容和方式。然而，如果分析过程中未充分考虑隐私保护，如对学生个人信息的过度解读或错误关联［39］，都可能对学生的隐私权造成侵害。第三，学生数据的妥善利用是智能体教育应用的难点。数据采集只是教育应用的第一步，在采集数据基础上进行清理与挖掘，从而形成有效的学习者画像，或是识别学习者意图将直接影响智能体决策结果。这一数据利用过程需要充分感知情景以及师、机、生在情境中的具体角色，并基于清晰的教育学理论进行决策推理。智能体相比于其他数字工具可以与学习者进行更为深入、密切的交互，而一旦智能体做出错误的反馈，学习者也往往会受到更加强烈的负面情绪冲击。五、教育领域中智能体应用困境的超越策略(一)全面提升教师数字素养，构建人机协同教学的通用性框架第一，构建线上线下相结合的培训体系，促进教师数字技能、数字意识及数字伦理的全面提升。一方面，教师数字素养培育需充分考虑学科属性与学段特征的差异。在学科维度上，文科教师与理科教师对智能体的操作需求呈现本质性分化，其中理科教师需借助智能体实现实验数据建模、复杂系统可视化等，而文科教师更侧重于智能体在文本分析、跨文化资源整合中的应用。在学段维度上，小学教师需掌握智能体的游戏化教学支持功能，而中学教师则需具备智能体的高级数据分析能力等。另一方面，构建“学科-学段”差异化培训机制。针对学科差异，联合学科专家与技术团队开发定制化工具包。针对学段差异，为小学教师设计“低代码-可视化”的智能教学工具开发平台，为中学教师构建“算法透明-学科融合”的智能分析模块，确保培训的针对性与实效性。第二，建立人机协同教学的通用性框架。其一，教师与智能体之间形成协同共生的关系，共同促进学生的学习与发展。人机协同教学通用性框架是一个集数据驱动、智能分析、个性化指导于一体的综合性教学系统，通过整合教师的智慧、智能体的技术优势和学生的学习需求，实现教学资源的优化配置与高效利用［40］，从而提升教学质量和学习效果。在人机协同教学的通用框架下，教师仍然处于主导地位［41］，负责教学目标设定、教学内容选择和教学方法设计。智能体则提供数据支持、智能分析和个性化指导等辅助服务。其二，建立科学的评估与反馈机制，对人机协同教学的实施效果进行定期评估。通过收集教师、学生和家长的反馈意见和建议，不断优化与完善人机协同教学的通用性框架。(二)培养数字公民的批判性信息素养，增强用户中心的智能决策透明度随着数字技术的飞速发展，培养具有批判性信息素养的数字公民已成为时代需求［42］。批判性信息素养能够帮助学生在智能时代中辨别真伪、评估价值，还能促进创新思维和社会责任感的发展［43］。一方面，建立与学段适配的批判性信息素养课程体系。在基础教育阶段，小学阶段需以“信息感知力”为起点，通过跨学科项目，设计基于游戏化情境的“信息真伪判断”微课程。中学阶段则应转向“信息逻辑力”培养，结合数学统计思维与道德与法治课程中的媒介伦理，开发“信息传播链解构”工作坊，帮助学生识别数据操纵、算法偏见等隐蔽性失真手段。在高等教育阶段，该课程应强化“信息批判力”，通过“数字人文学科”工作坊与“科学传播”研讨课，培养对复杂信息系统的元认知能力。对于终身学习者而言，需构建“信息治理力”培养体系，开发“信息伦理决策模拟”平台，引导学习者解决真实世界的信息失序问题。另一方面，营造尊重知识、崇尚理性的社会氛围。培养数字公民的批判性信息素养需要政府、教育机构、科技企业、社会组织和家庭等多方面的共同努力，鼓励学生勇于质疑、敢于创新，共同推动社会的进步和发展。增强用户中心