教育数字化下的学习权保障研究

摘要本文聚焦教育数字化背景下的学习权保障问题。学习权作为个体自主获取知识、实现发展的基本权利，在教育数字化进程中受到多方面影响，呈现“双刃剑”特征。一方面，教育数字化通过资源共享、个性化学习和终身服务拓展了学习权边界；另一方面，数字鸿沟、隐私风险和评价异化等对学习权构成挑战。文章深入剖析教育数字化下学习权的特点与发展趋势，探讨其面临的困境，如生成式人工智能剥夺学习权风险、学习者隐私受侵犯、学习权平等性受侵害等，并借鉴欧盟和美国在保障学习权方面的经验，提出构建以学习者为本位的人工智能伦理规范、学习数据分类分级保护与推行“数据可携带权”、立法规制算法歧视等保障学习权的措施，旨在平衡教育数字化创新与风险，推动学习权的有效实现。二、问题的提出学习权是个体基于人格尊严与发展需求，依法自主获取知识、提升能力、实现全面发展的基本权利REF_Ref8922\r\h【1】。区别于传统的受教育权，学习权强调学习者对教育内容、方式的自主选择权以及学习者的主体地位与终身学习过程。其核心是“如何学习”，具有发展性的特征，如学生有权选择职业教育或高等教育路径。而随着信息网络的发展，教育数字化打破了传统教育的时空限制，通过在线教育平台、远程学习等方式，为学习者提供了更广泛的学习机会。这使得偏远地区、经济欠发达地区的学生能够获得与城市学生同等水平的优质教育资源，有效缩小了教育差距，促进了教育公平。数字化技术还为个性化学习提供了支持，通过智能算法和数据分析，能够为学习者量身定制学习方案，提高学习效率和质量。数字教育资源的丰富性和多样性也为学习者提供了更多选择。同时，教育数字化为构建学习型社会提供了技术支持，推动了终身学习理念的普及。通过全场景数字媒体平台，学习者可以随时随地获取教育资源，满足不同阶段的学习需求。尽管技术提供了机遇，但“接入鸿沟”、“使用鸿沟”和“能力鸿沟”依然存在，全球20亿25岁以下青少年无法在家上网，撒哈拉以南非洲5G覆盖率几乎为零REF_Ref8129\r\h【2】，这种差距在疫情期间被放大——农村学生因“脱网”状态错失在线教育机会，形成“强者愈强”的马太效应。此外，经济条件差异导致的设备和网络接入不均，进一步威胁了学习权的公平性。教育数字化伴随数据采集与分析的广泛应用，引发隐私担忧。在线学习平台可能泄露学生身份信息、学习轨迹等敏感数据，例如某会议系统账号信息在暗网出售的事件。虽然《网络安全法》和《数据安全管理办法》提供了法律框架，但实践中仍存在APP过度收集信息、算法歧视等问题，侵蚀学习权的隐私性。因此，我们可以得出结论，教育数字化对学习权的影响呈现“双刃剑”特征：一方面通过资源共享、个性化学习和终身服务拓展了权利边界；另一方面因数字鸿沟、隐私风险和评价异化构成挑战。本文将以此为逻辑起点，进一步论述如何平衡创新与风险，在信息技术深度赋能教育领域的系统性变革的背景下，对学习权的实现进行有效的保障。三、教育数字化下的学习权研究现状（一）教育数字化下的学习权特点在教育数字化背景下，学习权的内涵与实现方式呈现出以下显著特点，既体现了技术赋能的优势，也反映了新的挑战：1.可实现性增强教育数字化通过重构法律框架与技术治理体系，显著提升了学习权的可实现性。这一变革既体现了《教育法》对教育公平与质量的追求，也通过制度创新、技术赋能、国际协同形成了多维度的法律支撑体系。学习权的可实现性的提升首先体现为权利主体的扩展化，《教育法》第9条确立的“平等受教育机会”在数字化时代延伸为全生命周期的学习权。例如，国家终身教育智慧教育平台覆盖从婴幼儿到老年人的学习需求，通过“学分银行”制度实现跨阶段学习成果认证，这与《教育法》第11条“健全终身教育体系”的要求相呼应REF_Ref8034\r\h【3】。2025年新修订的《中小学生学籍管理办法》引入“教育数字身份”，使学习者可通过区块链技术实现跨校、跨地区学习记录的可信流转，突破了传统学籍管理的物理限制REF_Ref7178\r\h【4】。其次体现为权利保障的技术化，《教育法》第25条“提供教育设施”的义务在数字化时代延伸为数字基础设施均等化。例如，“教育新基建2.0”计划为农村学校部署边缘计算节点，使西藏墨脱县学生可通过5G+MR技术与北京重点中学同步上课REF_Ref9118\r\h【5】，这与《教育法》第38条“保障特殊群体受教育权”的精神一致。《教育法》第35条“鼓励社会力量办学”的条款在数字化场景中转化为公共资源与市场资源的协同。国家教育云平台整合企业开发的AI课程资源，通过“政府购买+市场供给”模式向农村地区免费开放，既满足《教育法》第27条“不得以营利为目的”的规定，又提升资源供给效率。2.个性化与差异化凸显教育数字化通过技术赋能与法律创新，使学习权的个性化与差异化从抽象原则转化为可操作的权利形态，借助学习者画像、个性化推荐等技术措施，学生的学习情况和需求能被精准的了解，学生能够获得个性化的学习资源和指导，提高学习效率和质量REF_Ref9210\r\h【6】。《教育法》第43条“选择学习内容”的权利在数字化时代升级为算法推荐与人工干预的协同机制。例如，北京十一学校“选课走班制”通过AI推荐系统为学生提供课程组合建议，同时保留人工调整权限，既提升选择效率，又避免算法垄断决策权。这与《生成式人工智能服务管理暂行办法》第15条“禁止差别待遇”的规定形成互补，确保技术赋能不侵犯主体自主性REF_Ref9327\r\h【7】。学习权的差异化特征还体现为对特殊群体的精准支持，残疾人教育条例》修订后将AI辅助学习设备纳入资源配置标准，杭州特殊教育学校使用智能盲文终端后，阅读效率提高2倍。数字化教育也使得老年人可以通过在线教育平台随时随地进行学习，学习方式更加灵活。这种灵活性使得老年人能够根据自己的时间安排和学习进度进行学习，提高了学习的便利性和自主性。北京“银龄学院”通过VR技术开设非遗课程，使老年群体受教育参与率提升至28%REF_Ref9415\r\h【8】，这与《老年人权益保障法》第71条的规定不谋而合，都体现了在数字化浪潮中对老年人学习权利的尊重与保障，通过教育手段，积极的缓解了代际冲突，推动解决了老年人“数字鸿沟”。3.技术依赖性与脆弱性并存在我们赞叹数字化教育正在重塑学习权，让学习变得更加高效、个性化的同时；也不要忘记它的本质是一把双刃剑，另一方面，它也让学习权的实现变得脆弱和依赖。数字化教育的强大和脆弱并存，既是机会，也是风险，关键在于如何用法律和制度去平衡这种张力。技术的强大让教育系统对它的依赖越来越深，而这种依赖本身是危险的。一旦技术中断，学习权的实现就会陷入瘫痪。比如，2020年疫情期间，全球近16亿学生因学校关闭而转向在线学习，但与此同时，有5亿学生因缺乏网络接入而完全失去了学习机会。技术的强大并没有解决所有问题，反而暴露了教育系统的脆弱性。技术的脆弱性不仅体现在设备故障或网络中断上，更在于它加剧了教育的不平等。偏远地区的学生因缺乏基础设施而被排除在数字化学习之外，而发达地区的学生则享受着技术带来的便利。这种差距不仅是资源分配的问题，更是技术依赖性带来的系统性风险。更令人担忧的是，技术的脆弱性还体现在对学习效果的侵蚀上。人工智能工具的过度使用正在削弱学生的独立思考能力。一些学生用AI完成作业，虽然表面上提高了效率，但实际上却丧失了学习的本质。这种现象不仅是教育问题，也是技术滥用的后果。此外，技术的脆弱性还体现在数据化测评的局限性。教育被简化为数据和指标，学习者的复杂性被压缩成冷冰冰的数字。这种“操演性”文化让教育目标被技术效度取代，忽视了教育的多样性和人文价值。当教育被技术绑架时，学习权的实现就不再是全面发展的权利，而是被技术定义的“合格”学习权REF_Ref9487\r\h【9】。技术是工具，而不是目的。教育数字化的最终目标是促进学习者的全面发展，而不是让技术成为教育的主宰。法律的作用不仅是规范技术，更是为教育注入人文关怀。通过明确国家义务、规范技术使用、重建教育目标，我们可以确保技术为教育服务，而不是让教育屈从于技术。（二）教育数字化下的学习权发展趋势1.学习权技术规范化的发展趋势随着教育数字化的深入推进，技术标准的制定与完善成为保障学习权的重要基础。例如，《国家智慧教育平台数字教育资源内容审核规范》明确了数字教育资源的安全性、质量与可及性要求，为学习者提供了高质量、安全的学习资源。这种标准化的推进，不仅提升了教育资源的质量，也为学习权的实现提供了技术保障。参考欧盟《人工智能法案》将教育列为高风险场景的立法经验，我国《教育数字化促进法》（草案）拟建立“算法分级分类管理制度”，明确禁止情绪识别、预测性筛选等可能侵犯人格尊严的技术应用。北京师范大学“教育AI伦理评估系统”可检测12类算法歧视，确保非遗课程资源分配公平性，与《生成式人工智能服务管理暂行办法》第15条“禁止差别待遇”的规定一致REF_Ref9562\r\h【10】。教育数字化背景下，学习权技术规范化的发展趋势体现了技术与法律的深度融合。通过制定和完善技术标准、加强数据隐私与安全的法律保障、推动技术赋能教育公平、将技术规范纳入教育法典、借鉴国际经验以及协同发展终身学习与技术规范，可以为学习权的实现提供更加坚实的保障。这种趋势不仅有助于提升教育质量，还能促进教育公平，确保每个人都能平等地享有学习的机会和权利。2.学习权终身化的发展趋势随着教育数字化打破了传统教育资源的时空限制，通过互联网和数字技术，海量的学习资源得以汇聚和共享。无论是学术知识、职业技能，还是文化艺术等各类学习内容，都能以数字化形式呈现，知识的传播和更新速度得到了加快，人们逐渐认识到学习不应局限于学校教育阶段，而应贯穿一生REF_Ref9624\r\h【11】。这种理念的普及使得学习权终身化成为社会共识，推动了相关法律和政策的制定与完善。同时，数字化技术使学习形式更加灵活多样，在线学习、移动学习、混合式学习等新型学习方式不断涌现。学习者可以随时随地通过电脑、手机等设备进行学习，不受传统课堂时间和空间的约束，大大提高了学习的便捷性和效率，为学习权终身化的实现提供了有力支持。四、教育数字化下的学习权困境（一）生成式人工智能具有剥夺学习权的风险生成式人工智能（AIGC）对学习权的影响呈现技术赋能与权利风险并存的双重面相。其既可能成为实现教育公平的“数字利器”，也可能异化为剥夺学习权的“算法利维坦”。第一，“如果教育主体不经历实践过程就能得到答案,那么其思想构序的形成过程便将对生成式人工智能产生极强的依赖性,也就很难培育人的主体性REF_Ref9762\r\h【12】”。过分依赖于人工智能，将会妨碍学习者在实践中进行思考的过程，诚然，直接利用人工智能所获得答案，可能更加迅捷有效，得到的结果可能会更加精准，但学习者的自主思考能力和批判思维能力却没有得到充分的锻炼。同时，生成式人工智能虽然能够生成具有创新性和创造性的内容，但这并不必然能够提升学习者的创新性和创造性。其生成的内容是基于语料库的重新编排，而非学习者自己思考后的结果。最终造成的结果就是学习者可能会习惯于直接获取答案，而缺乏对问题的深入探究和独立思考，须知，获取知识只是行使学习权的手段,行使学习权最终目的是培养和发展创造能力、实践能力REF_Ref9984\r\h【13】。学习权的本质是为了学习者自身的发展，如果被滥用或技术剥夺，就会失去其价值，导致学习者失去学习权成为工具。第二，生成式人工智能被高估的准确性不利于学习权的行使，以Deepseek为例，其语料库主要来源于互联网，包含大量错误、过时或矛盾的信息，其中，学术论文、专业典籍等高质量数据占比不足15%，导致其对专业概念的理解停留在表面。而且，模型无法区分权威信息和谣言。因此，其在回答一些基本问题时，往往具有较高的准确度，但在专业领域的回答却捉襟见肘。这就要求学习者须具备足够的专业知识储备和批判能力，足以对生成式人工智能的回答进行辨别，反之，如果学习者学习素养较低，难以对回答的准确性进行判断，则很容易被生成式人工智能误导。（二）学习者的隐私遭受侵犯人工智能时代的隐私危机,包括人工智能对隐私的直接监控、更多的隐私获取方式、超强的“画像识别”能力、成为隐私信息的载体、侵害隐私的行为具有迷惑性和侵害后果严重等REF_Ref10117\r\h【14】。在教育领域，隐私危机同样愈演愈烈，智能终端设备通过摄像头（如课堂行为分析系统）、麦克风（如语音作业批改）、传感器（如智能手环监测生理数据）等多模态采集渠道，实现对学习者行为轨迹的全景式记录。斯坦福大学教育科技实验室的田野调查显示，当前主流智慧课堂系统日均采集单用户数据量达2.3GB，涵盖课堂微表情、语音语调、书写压力等37项生物特征参数REF_Ref10229\r\h【15】。当教育数据采集从教学辅助工具演变为全景监控装置，学习者不仅失去了对个人信息的控制权，更在认知自由、知识探索勇气和学习尊严三个维度遭遇系统性剥夺。这种剥夺并非简单的技术副作用，而是形成了新型教育权力结构，使终身学习权从宪法承诺退化为算法可计算的商品。首先，隐私危机使得学习者难以获得一个不受打扰的学习环境。例如，学习者的学习记录、考试成绩等隐私信息一旦泄露，可能会被用于精准诈骗或身份盗用，导致学习者的生活和学习受到严重干扰。其次，隐私危机可能削弱学习者对自身学习空间、活动和信息的自主处置权利。学习者可能会因为担心隐私泄露而限制自己的学习行为，例如避免使用某些在线学习平台或工具，从而影响学习的自由和自主性。最后，隐私泄露不仅侵犯了学习者的个人权益，还可能对学习者的人性尊严造成伤害。学习者可能会因为隐私泄露而感到羞辱或不安，从而影响其学习的积极性和自信心。学习权作为一项基本人权，其核心就在于学习者有从事各种学习活动的自由，免于他人的干涉与限制。而在隐私泄露的情况下，学习者精力被分散，所期待的自主，不受打扰的学习环境也得不到保障，这无疑是对学习权行使的一种钳制。保护教育隐私的本质，是守护人类与生俱来的求知自由，这是数字文明时代教育革命不可逾越的伦理底线。（三）学习权的平等性受到侵害在我国,平等权既是公民的一项基本权利,也是宪法的一项原则。学习权具有“外化的社会权特质”REF_Ref10340\r\h【16】,作为一项社会权利受到宪法平等原则的约束,应受到平等保护。教育数字化的快速发展在提升教育效率的同时，也暴露了学习权平等性面临的多维度侵害。这种不平等不仅体现在传统教育资源分配层面，更因技术介入形成了新的结构性压迫，具体表现为以下三个方面。第一学习资源分配不均，存在地区差异和社会经济背景差异。不同地区的教育数字化基础设施建设存在显著差距。偏远地区和经济欠发达地区的学生可能无法享受到与城市学生同等质量的数字化教育资源。例如，一些农村地区可能缺乏高速互联网接入、先进的计算机设备和优质的在线课程资源，导致学生在学习机会和质量上处于劣势。家庭经济条件较好的学生更容易获得先进的学习设备和优质的在线教育资源，而经济困难家庭的学生可能因缺乏必要的硬件设备或网络连接而无法充分利用数字化学习资源。个性化和定制化可能会将业已存在的学习领域的鸿沟进一步拉大，算法驱动的个性化学习系统可能根据学习者的历史数据和行为模式提供不同的学习资源和建议。如果这些算法存在偏见，可能会导致某些学习者获得的学习资源和机会不如其他学习者，进一步加剧教育的不平等。如某AI升学推荐系统将家庭收入作为隐性权重，导致贫困学生被过滤出重点高中推荐名单。经第三方审计发现，家庭年收入低于5万元的学生，其推荐概率较富裕家庭低47%，直接侵犯《未成年人保护法》第39条"不得歧视"的规定REF_Ref10604\r\h【17】。数字鸿沟不仅体现在硬件设备和网络接入上，还包括学习者对数字技术的熟悉程度和使用能力。这种差异可能导致一些学习者在数字化学习环境中处于不利地位，难以充分发挥其学习潜力。国家统计局数据显示，我国60岁以上网民仅占全体网民的12.3%，其数字素养指数较18-29岁群体低47%。某老年大学的AI课程调查发现，75岁以上学员因操作复杂放弃课程的比例达68%REF_Ref10669\r\h【18】，违反《老年人权益保障法》第71条"国家发展老年教育"的规定。五、教育数字化下的学习权保障域外借鉴（一）欧盟经验欧盟《数字教育行动计划（2021-2027）》通过构建“技术—制度—人文”三位一体的保障体系，系统性破解数字教育下学习权保障难题。首先，“连接欧洲设施数字项目”（CEFDigital）投入超过50亿欧元用于学校千兆网和5G网络建设。要求所有学校网络带宽至少达到100Mbps，并配备云计算和边缘计算设备，确保VR/AR等沉浸式教学资源的流畅运行REF_Ref10731\r\h【19】。德国“数字校园”计划为全国中小学部署5G专网，使远程实验课程的延迟率降低至20毫秒以下。其次，在制度方面，欧盟将国际通行的Web内容无障碍指南（WCAG2.1）纳入《教育数字化无障碍技术规范》，要求所有教育平台通过国家级无障碍测试。爱尔兰Bookshare.ie平台通过语音解析和触觉导航设计，使视障学生的学习效率提升41%。最后，要保障数字教育资源的可及性，也离不开人文关怀，《数字教育行动计划（2021-2027）》明确要求教师在使用数字技术时兼顾公平与关怀，如差异化分配AI辅导资源，确保弱势群体学生的参与度REF_Ref10797\r\h【20】。欧盟的实践表明，数字教育下学习权保障的本质是技术公平与人文关怀的深度融合。其成功经验在于：通过法律刚性约束（如WCAG强制认证）、技术创新导向（如联邦学习）、伦理价值嵌入（如AI伦理教育）的协同推进，构建了“资源可及—能力适配—伦理保障”的完整生态REF_Ref10878\r\h【21】。我国在推进教育数字化时，可借鉴其“梯度补贴”“数字扫盲”“无障碍标准”等机制，同时结合本土需求，重点解决农村地区设备短缺、教师数字素养不足、数据隐私风险等问题，最终实现“数字技术赋能教育公平”的核心目标。（二）美国实践美国《每个学生成功法案》（ESSA，2015年）作为基础教育改革的重要立法，确实将缩小教育不平等，保障学习权等问题纳入核心框架，并通过专项拨款机制系统性推动数字鸿沟的弥合。其具体举措体现在以下方面：ESSA终结了此前《不让一个孩子掉队法》（NCLB）以标准化测试为核心的联邦问责制，将教育管理权和资金分配权归还各州及地方学区，允许各州根据自身需求制定更灵活的资源分配方案REF_Ref10944\r\h【22】。法案规定各州需向联邦提交问责计划，但联邦监管作用被大幅削弱，各州可自主决定如何将资金用于支持弱势群体，包括低收入家庭学生、残障学生、英语学习者等。这种分权模式使地方能更精准地针对本地数字鸿沟问题设计解决方案。ESSA通过多项专项拨款机制，直接支持教育技术资源的均衡分配。法案引入“加权学生资金试点项目”，要求学区根据学生实际需求（如贫困程度、语言障碍等）调整资金分配，优先保障贫困学校的技术设备与网络接入。试点地区需承诺将州和地方资金公平分配给最贫困学校，以换取联邦资金的灵活使用权。法案授权专项资金支持STEM（科学、技术、工程、数学）教育和艺术教育REF_Ref11202\r\h【23】，尤其关注农村和低收入社区的数字化课程开发。还通过“创新资助计划”鼓励学校引入技术工具，提升学生的数字技能。ESSA弱化了对标准化测试的依赖，允许各州采用创新评估方式，包括技术驱动的动态测评工具。各州可将学生参与度、技术应用能力等纳入学校质量评价体系，推动学校重视数字素养培养。法案还要求各州审查并简化评估体系，释放更多资源用于教育技术投入。例如，科学科目测试从三次减为一次，腾出资金用于购置教学设备。ESSA法案在权力下放、教育公平、问责制改进、个性化教育和教师发展等方面具有积极意义，为我国教育改革提供了宝贵的借鉴经验。通过借鉴这些经验，我国可以进一步推动教育公平与质量提升，促进教育的全面发展，特别是在教育数字化背景下，更好地保障学习权的实现。六、教育数字化下如何对学习权保障（一）构建以学习者为本位的人工智能伦理规范，将生成式人工智能作为学习权行使的辅助工具学习权实现的标准是培养和激发学习者的创造能力和实践能力；但是创造能力和实践能力并不是每个人通过学习就能培养出的;换言之,学习权作为一项权利,每个公民都有资格享受和行使,但学习权并不能在每个公民身上都得到实现。学习权的保障必须以“培养和发展创造能力和实践能力”为核心。而在教育数字化的浪潮下，生成式人工智能的出现却在一定程度上剥夺了学习者探索真理殿堂的能力，阻碍了学习者思考理解知识的过程。要想平衡其所带来的便利与侵蚀，必须要以学习者为本位，将生成式人工智能的应用严格限定在辅助工具的角色。既利用其所带来的丰富的学习资源，也不放弃对其所提供的知识进行深度思考，须知“理解知识的过程实质上是思考的过程,是教育者与受教育者之间以及学习主体之间思维的沟通,是不同观点和立场的交流与碰撞。”我们应避免将生成式人工智能当成“答案搬运工”。同时，这也需要相关部门在《学位法》《教育法》中增设条款，禁止学生利用生成式AI代写作业、论文等学术不端行为，并明确相应的法律责任，如撤销学位、记入学术诚信档案等。针对生成式人工智能提供资料准确度被高估，容易误导学习者的状况。应呼吁政府完善立法，制定相应的《生成式人工智能算法运行解释文件》强制要求运营方公开生成式人工智能内部的算法模型,明确其运作过程中存在语料库信息准确性，权威性，时效性差以及判断的合理性存在质疑等风险，以便外部评估和审查，避免黑箱操作REF_Ref11280\r\h【24】。并且要求运营方在数据预处理阶段，对收集到的数据进行清洗和去除噪声，包括删除重复数据、修复错误数据、去除不相关的信息等操作，以确保数据的准确性和一致性。推进“全责任式”的法律治理，明确生成式人工智能全流程中相关利益者的责任，包括语料预训练责任、质量监管责任和生成数据的安全责任。学习数据分类分级保护，推行“数据可携带权”隐私保护是保障学习者个人信息安全的基础。学习者如果担心自己的隐私得不到保障，可能会在学习过程中感到不安，影响其学习积极性和学习效果。教育数字化中的隐私保护，本质上是对"教育何为"这一根本命题的回应REF_Ref11326\r\h【25】。它不仅关乎个人信息安全，更涉及教育权的平等实现、人格尊严的技术守护以及创新能力的培养环境。唯有将隐私保护嵌入教育数字化的全链条，通过法律规制划定技术边界、通过伦理建设重构教育关系、通过技术创新平衡效率与公平，才能确保数字技术真正服务于人的学习权全面发展，而非异化为控制与压迫的工具。综合来看，应对教育数字下的学习隐私侵犯，可以通过学习数据分类分级保护和推行“数据可携带权”两种途径来解决REF_Ref11437\r\h【26】。所谓学习数据分类分级保护，即根据数据的敏感性和重要性，对数据进行分类和分级，以采取相应的保护措施。这一制度旨在确保数据安全，同时满足合规要求，优化资源配置，并促进数据共享与利用。在国家层面，应在《数据安全法》《个人信息保护法》框架下，加快出台《教育数据安全管理条例》，明确学习数据分类分级的法定地位。参考《网络数据安全管理条例》，将未成年人生物特征、心理健康数据等纳入“重要数据”目录，要求处理者实施数据安全风险评估并向省级教育部门备案。同时督促细化教育部《教育基础数据》标准，将学习数据分为基础数据（如学籍信息）、业务数据（如考试成绩）、衍生数据（如算法生成的能力评估）三大类，并明确各级数据的保护要求。陕西省已制定《教育数据管理办法》，将生物识别信息列为一级数据，需采用区块链存储与量子加密技术。通过解决学习者隐私保护困境的另一途径——推行学习数据可携带权，学习者可以获取其在教育机构或平台生成的学习数据（如作业记录、测评结果、行为轨迹等），并以结构化、可机读的格式导出。这使机构主导的数据垄断转向学习者自主的数据治理，从封闭的教育服务体系转向开放的学习生态。学习数据可携带权赋予学习者对其个人学习数据的更多控制权，使他们能够决定数据的使用方式和范围。这有助于减少数据被滥用或泄露的风险，增强学习者对自身数据的掌控，从而更好地保护其隐私和权益。此外，在教育数字化过程中，某些教育机构或平台可能形成数据垄断，限制了数据的流通和共享。学习数据可携带权的推进有助于打破这种垄断，促进数据在不同教育机构和平台之间的流通，为学习者提供更多的学习选择和机会。（三）立法规制算法歧视究其本质，教育数字化所带来的学习者的平等性遭到侵害的危机，既是“算法歧视”在教育领域的延申彰显,又可被理解为“社会排斥”在数字社会的具化表征。数字社会中Deepseek、元宇宙等人工智能技术创新奇点以牺牲情感表达要素为代价转换知识产销模式,颠覆现有教育交往的时间与空间,弱势群体的数字素养缺陷，教育资源分配不公在所谓的算法迭代效率补偿中被放大REF_Ref11492\r\h【27】。这不是危言耸听,而是现实境况。而要想缓解这种状况，立法无疑是最优解。可以呼吁有关部门在《教育法》中增设“算法公平条款”，将算法歧视界定为“基于地域、经济状况、残疾等受保护特征，通过自动化决策导致教育机会或资源分配不公的行为。”并且将教育算法纳入“高风险系统”范畴，要求其设计必须符合“以人为本、无歧视、可解释”原则，禁止使用家庭收入、年龄等敏感特征作为决策依据。最终要在数字化浪潮中,通过规制算法歧视与黑箱问题，保障弱势群体的数字终身学习权利,积极应对数字排斥,缓解代际冲突,共同实现构建弱势群体友好社会和建设学习型大国的宏伟目标。结语教育数字化为学习权的实现带来了前所未有的机遇，但也引发了诸多挑战。生成式人工智能的应用、学习者隐私保护以及学习权平等性等问题，成为当前亟待解决的关键。欧盟和美国在教育数字化下保障学习权的实践，为我国提供了宝贵的经验借鉴。通过构建以学习者为本位的人工智能伦理规范，合理利用生成式人工智能辅助学习；实施学习数据分类分级保护和推行“数据可携带权”，守护学习者隐私；立法规制算法歧视，保障学习权的平等性，我们能够在一定程度上应对这些挑战。然而，随着技术的不断发展，新的问题可能还会出现，保障学习权的工作任重道远。未来，需要持续关注技术发展动态，不断完善相关法律和制度，促进教育数字化与学习权保障的协同发展，确保学习者在数字化教育环境中能够真正实现全面发展，充分享有学习权。参考文献经济、社会及文化权利国际公约第13条，1966ITU衡量数字化发展：2022年事实和数字，2022郭华.“学生主体”的教学论意义:纪念主体教育实验30周年[J].教育研究,2022中小学生学籍管理办法，2025西藏自治区.教育数字化新赛道项目，2024陈恩伦.从受教育权到学习权:终身学习社会的权利转型.国家教育行政学院学报,2022李政涛.ChatGPT/生成式人工智能对基础教育之“基础”的颠覆与重置[J].华东师范大学学报(教育科学版),2023徐文洋,俞世伟.治理现代化视域下老年群体的数字社会排斥与消解[J].重庆大学学报(社会科学版),2024张治.ChatGPT/生成式人工智能重塑教育的底层逻辑和可能路径.华东师范大学学报(教育科学版),2023王洪才,龙宝新,毛菊,等.ChatGPT对教育带来的挑战与机遇.苏州大学学报(