人工智能推动教育研究范式变革-教育经济学的视角

/人工智能推动教育研究范式变革——教育经济学的视角【摘要】随着人工智能的迅猛发展，教育领域正经历前所未有的变革。文章系统分析了人工智能将如何推动教育经济学的创新发展，研究认为：人工智能将通过改变学生的“学”、教师的“教”以及改变教育技术在教育生产中的角色来重塑教育生产模式；人工智能也将极大改变教育的成本效益结构，包括大幅降低教育边际成本、增加教育收益的异质性、改变教育收益的作用机制；人工智能还将强化教育对经济增长的促进作用，包括加速人力资本积累速度、降低再教育门槛，助力创新人才培养、加速创新进程，促进教育到劳动力市场的过渡、提高人力资源配置效率，人工智能教育行业本身也会对经济增长具有直接拉动作用；人工智能还将为促进教育公平创造更好的条件，包括促进优质免费教育资源与服务供给的规模化扩张，通过个性化辅导与自适应学习帮扶弱势群体。最后，人工智能还将通过促进教育经济学研究对象的丰富与多元、助力教育经济学研究方法的拓展与迭代，推动教育经济学研究范式转型。【关键词】教育经济学；人工智能；教育生产；教育成本—效益；教育公平

一、问题的提出 近年来，以生成式人工智能为代表的人工智能技术①迅猛发展，正在重塑教、学、评、管等环节，对教育质量、效率与公平等都将产生深刻的影响。为了适应这一科学技术的革命性进展，促进教育更好地发展，2023年以来，许多国际组织，以及英国、美国等国家的教育管理部门发布了一系列与此相关的纲领性文件，②大力推进智能数字化基础设施建设，推动人工智能技术在教育中的应用，提升师生的人工智能素养。 我国政府高度重视人工智能与教育的融合发展。2025年1月颁布的《教育强国建设规划纲要(2024-2035年)》明确指出实施国家教育数字化战略，促进人工智能助力教育变革；③为落实这一纲领性文件的精神，2025年4月教育部等九部门印发了《关于加快推进教育数字化的意见》，明确提出以教育数字化为重要突破口，开辟教育发展新赛道和塑造发展新优势，全面支撑教育强国建设，并从集成化、智能化、国际化等方面提出具体建设目标和保障措施。④5月举行的世界数字教育大会发布了《中国智慧教育白皮书》，系统梳理了中国数字教育的发展理念、思路、举措、成效，集中展现了国家教育数字化战略行动实施以来的新进展、新成效，描绘了智能时代教育发展与变革的蓝图。⑤8月国务院印发的《关于深入实施“人工智能+”行动的意见》进一步明确指出，要把人工智能融入教育教学全要素、全过程，创新智能学伴、智能教师等人机协同教育教学新模式，加快实现大规模因材施教，提高教育质量，促进教育公平，并将上述内容列为“人工智能+民生福祉”的重要组成部分，充分体现了国家对人工智能赋能教育的高度重视和有力推动。⑥ 《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确提出，全面实施“人工智能+”行动，以人工智能引领科研范式变革。教育数智化已成为各国共同的战略选择，为相关研究的深化与创新提供了崭新的契机和情境。教育经济学是教育学和经济学的交叉学科，其主要研究领域既包括教育内部的经济问题，如教育投入与产出、教育成本与收益等，也包括教育与外部经济社会的关系，如教育如何促进经济增长、社会公平等。人工智能的迅猛发展正在深刻地影响这些领域，为教育经济学带来新的研究议题和学科创新发展的机遇，也对传统的教育经济学研究范式带来新的挑战。本文将从教育生产模式、成本收益结构、经济增长效应、教育公平以及学科研究范式等方面深入探讨人工智能对教育经济学的影响，以期为教育经济学在智能时代的创新发展提供有益的参考。 二、人工智能重塑教育生产模式 教育生产是教育经济学的核心研究议题，教育生产函数被广泛用于分析教育投入与产出之间的关系。在传统的教育生产函数模型中，教育生产的投入要素主要包括个人因素、学校因素、家庭因素等，其中将与技术相关的要素视为外生硬件要素。人工智能的出现引发了学界对其如何影响教育生产，尤其是学生学业表现的关注(KulikandKulik，1991；Liao，2007；Zhengetal.，2022)，总体来说主要通过以下三个方面重塑教育生产模式。 (一)人工智能通过改变学生的“学”来影响教育产出 早在十四年前，范莱恩(VanLehn，2011)的研究便已表明，智能教学系统(IntelligentTutoringSystem，ITS)的教学效果已经接近人类教师。五年之后，库利科(Kulik)与弗莱彻(Flecther)分析了50个对比智能教学系统与传统教学的实验研究(KulikandFlecther，2016)，发现其中46个实验均证实了前者优于后者。这种正向影响不但体现在传统的教学效果层面，更体现在促进一些高阶学习目标的达成。对国内外87篇实验研究的元分析发现，教育智能体对非认知能力具有正向的作用效果(刘妍等，2025)。相较于与课程讲师互动，引入人工智能辅助学习工具能够有效改善学生的学习体验，促进学生自我调节学习，提升包括创造力和问题解决能力等在内的高阶思维能力(Wecksetal.，2024)。对中国“双一流”高校的研究显示，增加学生在使用大语言模型工具中的基础执行应用与深度创意应用频次，均对其高阶思维能力发展有显著正向影响(李曼丽等，2025)。 值得注意的是，人工智能在教育生产中的作用是复杂的、多维度的。研究发现，人工智能对学习成绩的影响与学生的具体使用方式密切相关，不当使用可能产生消极效应(Wecksetal.，2024)。有研究发现，尽管人工智能在提供详细、高质量的回答以及展现同理心方面可能超越人类表现(Ayersetal.，2023)，但长期的高频人机交互也可能带来社会情感能力发展的隐性副作用，如人际交往中的情感投入减少、社交能力下降以及青少年群体中的情感隔离现象。这种多维度的复杂影响提醒我们，在教育生产函数的分析框架中，不仅需要关注人工智能对认知能力和学业成绩的直接效应，更需要将社会情感能力、人际交往能力等非认知技能纳入产出指标体系，构建更为全面的教育投入—产出分析模型。 (二)人工智能通过改变教师的“教”来影响教育产出 人工智能除了影响学生的学习行为之外，还会通过影响教师的教学策略、教学投入等影响教育产出。在常规教学的基础上，教师可以选择在教学的一些环节以各种方式使用人工智能，如课堂活动的设计、课前预习作业的布置、课后作业的批改等。最新的元分析结果显示，生成式人工智能与人类教师协同工作能够产生近乎传统智能教学系统两倍的效应量(GuandYan，2025)。斯坦福大学开发的TutorCoPilot⑦人工智能系统，通过实时的教学建议为教学人员提供专家级的指导，帮助教学人员开发和应用经过验证的教学策略。对900名教学人员和1800名基础教育阶段学生开展的随机干预实验发现，使用TutorCoPilot的教学人员能帮助学生在数学成绩方面显著提高4个百分点，且通过分析他们的教学策略发现，能够访问TutorCoPilot的教学人员更有可能使用高质量策略来促进学生理解，如向学生提出引导性问题，而不是直接向学生提供答案(Wangetal.，2025)。 在传统的教育生产中，教学效果很大程度上依赖于教师的个人经验积累和专业素养，这使得新手教师与资深教师之间存在显著的教学质量差距。而人工智能通过将专家教师的教学决策模式、问题诊断能力和干预策略进行实时化应用，为新手教师提供即时的专家级指导支持。这从一定程度上改变教师人力资本投入和配置的经济学逻辑——教学质量不再完全受制于教师个人的先验经验，而是同时取决于人机协作的有效程度。 (三)人工智能改变技术在教育生产中的角色 根据谢里丹(Sheridan)和范普朗克(Verplank)的分析框架，技术参与人类任务和劳动可分为五种模式：完全依赖人力投入的人工模式；技术扩展人力边际生产率的拓展模式；技术承担标准化任务、释放人力从事高价值活动的减负模式；技术独立完成特定生产环节、与人力形成互补关系的增援模式；技术完全替代人力投入的替代模式。⑧在程序性、标准化程度高的教学任务中，技术对人类劳动的替代弹性较高；而在需要情感交流、创造性思维的复杂教学情境中，技术与人类劳动更多表现为互补关系。这种复杂性也要求我们重新审视传统的教育生产函数理论，发展能够刻画技术投入与人力资本要素之间复杂关系的生产函数模型，以更准确地描述和预测人工智能对教育产出的影响。 在传统的教育生产框架下研究人工智能，没有突破将技术视为外生因素的局限。而人工智能不同于传统的技术，随着人工智能被越来越广泛地应用于教师的“教”和学生的“学”，人机交互日益紧密复杂且交互深度不断强化，教育领域中传统的师生关系转变为教师、学生和人工智能三者间的动态交互，即“师—生—机”协同模式。“机”在教育中的作用并非简单地替代教师，而是通过赋能教师、优化教学流程来提高教学效果。并且，“机”可以同时扮演教师、学伴、教科书等多重角色，成为与师、生同等重要的行动主体，在赋能教育生产的同时，重塑师生的角色与职能。这就意味着人工智能正在突破传统的技术边界，逐渐从边缘性的投入要素演变为教育生产的核心投入要素。 综上，传统教育生产函数中将技术简单归类为外生硬件投入的分析框架，已难以充分捕捉人工智能的智能化、个性化、自适应等特征对教育生产的深层次影响，亟须构建更为精细化和动态化的理论分析框架。人工智能作为一种重要的投入要素，其与传统投入要素的相互关系、对师生教学行为和学生能力发展产生何种影响等关键问题仍有待深入探索。特别是如何刻画复杂的智能教学情境的影响，如何在技术快速迭代背景下动态优化教育投入资源的配置等，都是具有重要理论意义和实践价值的研究议题。 三、人工智能改变教育的成本效益结构 每一次重大的技术革命都伴随着教育投资模式的深刻变革。工业革命催生了标准化的学校制度，政府开始大规模投资校舍建设和师资培养；信息技术革命推动了计算机实验室和多媒体教室的普及，教育投资重心转向硬件设备和网络基础设施。如今，人工智能技术的深度应用正在改变教育投资的结构，数字资产正在逐步成为教育投资的重心(Jacksonetal.，2015)。例如，企业教育投资更加注重在人力资源开发中采用人工智能工具与数字化的教学手段(Ekuma，2023)，高校开始逐步探索开发各种教育大模型，个人的教育投资也在一定程度上从购买实体教材和课程逐步转向订阅式数字学习服务和个性化人工智能辅导系统(韩乾，2014)。教育投资方向的转变意味着教育成本总量及结构也将随之发生变化(丁小浩和杨素红，2024)，教育收益的大小以及作用机制也会发生相应改变。 (一)人工智能将大幅降低教育边际成本 传统教育受制于师生比和地理限制，优质教育资源难以大规模低成本地被复制。人工智能天然具有互联网媒介技术的属性，可以通过优化符号系统提升信息传递效率，并通过扩大传播范围实现规模经济。一个智能教学系统往往可以同时服务数百万学习者，而不增加边际成本。例如，可汗学院(KhanAcademy)平台已服务全球超过600万教师和1.6亿学习者，它推出的名为Khanmigo的人工智能学习助手，⑨能够为数以亿计的学习者提供个性化的学习体验，增强学习效果和学生参与度；Coursera⑩等平台通过人工智能个性化推荐，使单一课程的受众规模达到传统课堂的数千倍。人工智能的这种规模效应使得教育投入的社会回报呈几何级数增长。 与此同时，人工智能作为自动化技术，可以突破教师教学精力、学校班级规模等方面的限制，通过提升教师的教学效率、减少个性化辅导工作量等方式节约教育成本。例如，在加纳的数学教学中应用人工智能，平均每个学生的成本仅为5美元，但可以获得相当于额外一年的学习增益(BaileyandWarner，2025)，具备在发展中国家推广的可能性。上文提到的斯坦福大学TutorCoPilot，每生每年的平均成本也仅为20美元，相比邀请专家指导而言成本大大降低(Wangetal.，2025)。还有研究显示，在教师/助教对学生提供的高剂量个性化学习辅导方面，按照过去的传统做法，每生每年需要花费1000-3000美元，而采用“人工智能+教师”的模式，每生每年仅需要花费300美元，但体现在数学成绩上的效益与传统辅导相当(Wangetal.，2025)；在教师批改作业和评价学生学业成就的工作中，传统方式下教师平均每周需用15小时左右，而在人工智能的协助下可以节约13.2个小时，意味着每年每师节省16000美元；(11)此外，在备课与教学内容开发工作中，传统方式下教师每周要花费3-5个小时，而在人工智能的协助下，时间花费可以减少50％。(12) (二)人工智能增加教育收益的异质性 由于教育的收益是在劳动力市场中实现的，因此劳动力市场的变化会对教育收益产生直接影响。与传统的技术进步相比，人工智能展现出了更高的执行非程式化任务的能力，因此过去被认为是人类“护城河”的智力劳动开始受到冲击。基于中国劳动力动态调查数据的实证研究发现，人工智能技术使得中国19％的劳动就业面临高替代风险，在思维类任务属性上评分越高、技能宽度越大、属于非程式化认知交互型组群的职业，可替代性风险越低(王林辉等，2022)，对情感沟通、分析决策、创新创造等要求较高的任务较难被取代(陈琳等，2024)。与此同时，人工智能的发展正在创造出更多的职业和就业机会。世界经济论坛发布了《2025年未来就业报告》，该报告汇集了来自全球22个行业集群、55个经济体、1000多名雇主的观点，报告指出，预计到2030年，增长最快的职位有大数据专家、金融科技工程师、人工智能和机器学习专家、软件和应用开发人员等，预估人工智能和信息处理技术趋势将创造1100万个就业岗位。(13)我国人力资源和社会保障部陆续发布的新职业目录中，人工智能工程技术人员、智能制造工程技术人员、数字化运营师等职业均与人工智能相关。劳动力市场的迅速变化可能大大增加不同专业教育收益率的异质性，那些就业去向指向高职业替代风险的专业，其收益率会急剧下降，或者毕业生只能找到人职不匹配的工作；而那些指向新兴产业、未来产业的专业，则具有非常高的教育收益水平。 (三)人工智能有望改变教育收益的作用机制 作为教育经济学理论基础之一的信号筛选理论认为，受教育程度本身是一种能力信号，具有这一高能力信号标识的劳动力能够在劳动力市场中获得高收益的工作。然而，人工智能的快速发展正在挑战这一传统机制。一方面，人工智能的发展与普及大大降低了人们获取知识和技能的门槛，使得非正规学校教育也能培养出高质量人才；另一方面，人工智能加速了工作技能需求的迭代，动态的能力可能比静态的学历证书更能预测工作绩效，雇主更加重视考察劳动者实际能做什么，而非具有什么学历证书，因此学历，甚至工作经验的价值会被弱化，而基于能力/技能的招聘有望成为主导范式。据统计，目前美国有81％的公司正在基于技能开展招聘，许多公司取消了学位要求。(14)类似谷歌、IBM、领英等公司开始招聘那些具有可验证能力的非学位持有者，原因是他们认为技能比学位更能预测工作绩效。2025年OECD的《赋能劳动力：技能优先方法》(EmpoweringtheWorkforceintheContextofaSkills-FirstApproach)报告指出，“传统依赖正式证书的招聘模式正被重新评估”，雇主和政策制定者正寻求新途径以实现人才与新兴岗位的更优匹配。(15)按照这一趋势，正规学校教育能够培养哪些能力，进而带来何种收益，以及技术进步所带来的非学校教育在能力培养方面发挥何种作用等，都有待通过构建新的理论框架重新评估。 总之，人工智能正在改变传统的教育的成本效益结构，这一过程是复杂的，有很多亟待研究的问题。例如，如果遵循谁受益谁付费的原则，哪些主体应该分担哪些教育成本?如何准确估计人工智能影响下的正规教育收益和非正规教育收益?在预期教育收益可能发生变化的情况下，如何在成本收益的框架下进行教育决策?等等。对这些问题的探讨将会深化教育经济学的研究，促进教育经济学的丰富与发展。 四、人工智能强化教育对经济增长的促进作用 已有大量研究证实教育通过提高人力资本质量和国家创新能力促进经济增长，而人工智能有望进一步强化教育对经济增长的促进作用。根据英国智库测算：若在全国范围内推广人工智能赋能教育，学生平均成绩提高6％，可在40年内推升GDP约6％，年均增速高于0.1，投资回报比为1∶7.7。(16)具体而言，人工智能赋能教育有望通过四重路径强化教育对经济增长的促进作用。 (一)人工智能通过加速人力资本积累速度、降低再教育门槛，促进经济增长 在人工智能的助力下，人们为获得某种知识或能力的教育时长有望大幅缩短，从而加速实现教育收益、促进经济增长。在传统的教育模式下，学生往往需要完成高中、大学，甚至研究生教育之后才能进入劳动力市场就业，接受教育的过程长达10-20年。如果人工智能的发展使得学习者不再受限于传统的学制要求，而是可以通过智能化学习平台即时获取知识、掌握技能，那么学习周期有望大幅缩短。例如，Duolingo利用人工智能算法为用户提供适应性语言学习路径，将用户的学习时长缩短了一半。(17)如果学习者可以快速完成教育或培训，以更快的方式掌握特定工作技能，这将大幅缩短学习者的收益回报周期，对于企业而言，也可以更加及时地获得所需人才，技术创新的周期也相应加快。 除了正规学校教育以外，人工智能也能通过降低继续教育门槛，使从业者快速适应技术变革和产业升级需求，促进经济增长。当今科技创新和产业升级要求劳动者不断更新知识结构和技能体系，社会、组织和个人都有更快提升技能与重塑技能的需求(Ersanletal.，2025)。相比学校教育的同质化特征，培训场景中学习者背景的异质性更强，传统标准化教学模式难以适配所有人的学习需求。人工智能通过智能评估和自适应学习，能够精准识别每个学习者的知识基础、学习能力和职业目标，为其提供量身定制的学习路径(Bayly-Castanedaetal.，2024)。同时，人工智能通过优化学习路径、提供即时反馈等方式，显著缩短学习者达到目标技能水平所需的时间，使之能够更快地重新投入生产活动，促进经济增长。 在组织层面应用人工智能还会进一步放大继续教育的经济效益。人工智能技术可以自动化处理繁琐耗时的培训管理任务，释放人力资源专业人员的时间和精力，使其能够专注于更具创造性和战略性的工作(Coombsetal.，2020)。组织通过搭建智能学习平台，可以为员工提供个性化的学习体验，而无须为每个员工配备专门的培训师或开发独立的培训课程，这种兼具规模化与个性化的培训模式可以提高员工的学习满意度和参与度(Alqahtanietal.，2022)。此外，人工智能也能够帮助实时监测业务发展趋势和岗位需求变化，提前识别组织内部可能出现的技能缺口，引导员工进行前瞻性的技能学习，推动企业内部人力资本的不断升级(Ekuma，2023)。 (二)人工智能通过助力创新人才培养、加速创新进程，促进经济增长 人工智能在教育领域中的应用，不仅体现在以课程教学为形式的人才培养，也体现在科学研究领域以及与此相关的育人环节，通过助力创新人才的培养来促进经济增长(Besirogluetal.，2024)。首先，把人工智能嵌入科研实践，有望为解决高等教育阶段创新人才培育的现有问题带来新的可能性(周文辉和赵金敏，2024)，如在一定程度上弥补导师资源的相对不足，强化即时性、个性化学术指导；打破学科知识壁垒，提供跨学科的知识视野和结构化的知识资源；突破单一评价指标，搭建更为立体包容的创新能力评价体系；等等。其次，人工智能领域本身便呈现出前所未有的创新速度(Tangetal.，2020)，在提供新见解和假设(SouratiandEvans，2023)、探索未来可行的探究方向并尽量减少重复发明、有效缩短知识生产周期(Tshitoyanetal.，2019)等方面表现出强大的潜力，有望加快科研步伐和创新突破。另外，人工智能也能够参与组织管理、监控创新全过程，为创新资源配置和创新主体跨部门协作提供及时反馈，减少创新不确定性和失败威胁(沈坤荣等，2025)。研究生在科研过程中使用人工智能也被证实可以有效助力学术论文发表(徐浩天和沈文钦，2025)。企业加强人工智能技术的应用则有利于增加创新产出(Rammeretal.，2022)，提升创新质量(李猛和李涵，2024)，提高研发成功率并拓展创新宽度(王钰和唐要家，2024)。 (三)人工智能有助于教育到劳动力市场的过渡、提高人力资源配置效率，促进经济增长 教育与劳动力市场的相互作用是教育经济学的核心议题，各级各类毕业生在离开教育机构到劳动力市场寻求工作的过程中往往面临高昂的匹配成本。作为初次求职者，毕业生需要花费大量时间、精力在海量招聘信息中寻找合适的就业机会，不计其数的招聘考核也加剧了应聘的机会成本。而从企业的角度来看，他们无法参考毕业生的前期工作经验而只能通过学历、证书等信号识别其能力水平(Guestetal.，2021)。随着劳动力市场的迅速变化、工作岗位的动态化和工作要求的复杂化，雇主与求职者的匹配难度日益增大，静态的信号越来越难以准确反映个体的实际工作能力和发展潜力，传统的匹配方式难以有效保证工作岗位与求职者的适配，导致高昂的劳动力市场摩擦成本。 人工智能技术能够通过分析多维度数据构建更加立体和动态的能力画像，如通过学习行为记录、测试中的过程数据等，全面评估个体的综合能力与岗位匹配度(LeBarbanchonetal.，2023)，不受面试者主观偏见的影响(DesiereandStruyven，2021)。同时，人工智能技术的自动化特点也会通过精准匹配来大幅缩短从学校到劳动力市场的转换过程，降低过渡中的人力与时间成本(VanEschetal.，2019)。智能招聘平台不仅能够根据岗位需求自动筛选合适的求职者，还能够为求职者推荐最符合其能力和发展目标的职位。更进一步，人工智能技术还可以识别候选人与目标岗位之间的技能差距，推荐相应的学习资源和培训课程，在智能教育系统的支持下帮助候选人快速补齐能力短板。这种智能化的职业导航和匹配机制对提高教育投资回报率具有重要意义。当个人的教育投资能够更精准地转化为就业机会时，教育的经济价值就得到了更充分的实现。从宏观层面看，这种高效的人才配置机制有助于提升整个社会的人力资本利用效率，进而促进经济增长。 (四)人工智能教育行业本身对经济增长具有直接拉动作用 人工智能教育应用作为一个行业本身也创造极大的经济效益，成为经济增长的源泉之一。研究报告显示，2024年全球企业人工智能投资规模达到2523亿美元，私人投资达到339亿美元。(18)2024年麦肯锡全球调查数据显示，生成式人工智能每年可为全球经济新增2.6万亿美元-4.4万亿美元的价值，其中教育行业的潜在价值占行业收入的2.2％-4.0％，在全部21个被评估的产业里位列前五，仅次于高科技、银行、医药生命科学，与电信大体并列。这些行业的共同特点是知识和人力资本占比高、可数字化任务多，故被归为“知识密集型产业”，也是生成式人工智能带来变革最为显著的领域之一。(19)另有报告显示，2025年全球教育领域的人工智能(AI)市场价值为189.24亿美元，预计将以20.77％的复合年增长率增长，到2030年市场规模将达到486.26亿美元。(20) 人工智能赋能教育正在影响着教育与经济增长的关系，其影响机制呈现出多层次、全方位的特征。从人力资本形成的全周期来看，人工智能技术在积累、更新、配置三个关键环节都发挥着重要作用。在人工智能时代，人机共生与协作分工对现有教育体系提出根本性变革的要求(Hammershøj，2019)。由此引发的一系列重要问题包括：教育应该培养学生的哪些能力才能使之不被人工智能所替代?教育如何在技术进步的驱动下培养具有关键能力和核心技术的人才以更好地服务经济增长?人工智能将怎样重塑教育与劳动力市场之间的关系?教育促进经济增长的机制还将发生怎样的变化?等等。这些重要议题都需要教育经济学者持续开展系统而深入的研究。 五、人工智能为促进教育公平创造更好的条件 人工智能在教育领域的快速应用，不仅改变了教学方式和学习体验，还通过以下三种方式为促进教育公平创造更好的条件。 (一)人工智能促进优质免费教育资源与服务供给的规模化扩张 人工智能可以以低成本扩大优质教育资源的公共供给，快速生成高质量的课程讲义、试题解析、多媒体教材，使偏远或资源不足的地区也能接触到优质教育内容。这就突破了传统“名师—名校”资源集中在一线城市的问题，进而促进区域间的教育公平。例如，2025年2月4日加州州立大学系统(CaliforniaStateUniversitySystem，CSU)将人工智能在高等教育中的应用拓展到更广泛的领域，为46万多名学生和超过6.3万名教职员工提供人工智能教育版(ChatGPTEdu)，为所有学生、教职员工提供免费的培训课程和认证，帮助他们掌握有效使用人工智能工具的技能。(21) 人工智能驱动的教育内容与服务能够以极低的边际成本为大规模学习者提供标准化的优质教育服务。人工智能驱动的教学服务通过动态算法实现个性化的教学复制，能够根据学习者的实时反馈、学习进度和认知风格提供定制化指导，如自动调整难度或生成针对性练习。需要强调的是，与传统的大规模在线开放课程或远程教育内容不同，人工智能在此过程中扮演的是智能化服务提供者的角色，其核心能力在于构建适应性学习环境、优化学习路径选择、提供精准化教学策略，实现从资源供给向个性化服务支撑的转变，为弱势群体提供低价、优质的教育资源与服务供给，以及更多实现教育公平的机会。 (二)人工智能通过个性化辅导与自适应学习帮扶弱势群体 人工智能通过个性化辅导与自适应学习系统，将过去专属于精英教育的定制服务普惠化，实现对弱势群体的有效帮扶。人工智能驱动的虚拟导师和个性化学习系统，使得低收入群体能够获得与精英学校相近的教学支持。这种突破的核心在于推动教育服务的规模经济，优质教学资源不再受限于地理位置和经济条件，而是可以通过数字化平台覆盖更广泛的人群，使得个性化教育不再是精英教育的专利。这种个性化支持过去只有在生师比极低的学校才能实现，现在通过人工智能可以大规模普及，替代昂贵的课外辅导。在印度进行的随机对照试验显示：通过四个半月个性化学习的运用，学生的数学成绩提高0.36个标准差，语言成绩提高0.22个标准差(Muralidharanetal.，2019)。此外，人工智能技术在支持特殊需求学生方面表现出巨大潜力，语音识别、自然语言处理、计算机视觉等技术为视觉、听觉或认知障碍学生提供了新的学习可能性，缩小教育鸿沟。 人工智能赋能的个性化教学也能实现对弱势群体更具针对性的干预。学校通过人工智能可以对学生的学习行为进行早识别、早干预。例如，数据驱动的辍学/缺勤预警能够触发家校联动与个别化支持，包括教学补课、心理咨询和财政资助等。由于弱势群体学生更易在学业等方面落后，早识别可避免造成“滚雪球”的不良结果。世界银行在危地马拉针对4000所学校的随机实验显示：人工智能预警体系促使小升初阶段辍学率降低4％-9％。(22)这种技术赋能突破了传统人工观察的局限性，将经验性判断转化为数据驱动的科学决策，显著提升教育干预的时效性和针对性，其实质是用技术手段放大了有限教育资源的公平使用，精准作用于最需要帮助的群体，阻断教育不平等。 (三)人工智能赋能教师教学以促进教育质量均衡 人工智能赋能教师教学有利于促进课堂教学质量的区域均衡，弥补薄弱地区师资力量的结构性不足。首先，人工智能助力教师备课、设计练习题、评分规则一键生成，改变传统的学习、教学和评估方式，(23)有效实现把专家教师的经验分享给所有教师，减少不同地区、不同学校间的备课质量差异。其次，人工智能把“即时反馈、错因分析、分层作业”做成日常工作流，帮助节省大量备课和评价时间，教师可以把这些时间转向高价值的面授指导和因材施教，在大班教学与薄弱学校中，弥补“个别化支持不足”。(24)这种技术对薄弱地区和学校的意义尤为重大，通过帮助教师快速提升教学设计和评价能力，弥补专业发展机会不足的短板，缩小与教学名师之间的差距。此外，人工智能技术还通过标准化高质量教学实践促进教学质量的提升，欠发达地区的教师也可以通过人工智能获得相应的教学支持，缩小与发达地区教育质量的差异。 值得注意的是，尽管人工智能蕴含着促进教育公平的巨大潜力，但这种潜力的充分发挥仍需要积极的教育政策框架和相应的制度化环境作为支撑。随着人工智能技术迅速迭代，讨论焦点已从设备接入转向个体理解、使用与适应新兴技术的能力差异。研究发现，不同群体在人工智能使用效果上存在显著差异。高绩效学生在与人工智能协作中受益更多(汪凡淙等，2025)，而部分学习者使用人工智能时可能减少对自我调节学习过程的主动参与，出现“元认知懒惰”(Fanetal.，2025)。性别、专业背景、学业基础等因素都会影响人工智能的使用效果，可能形成新的不平等(Asio，2024；Hornbergeretal.，2023；ZhongandLiu，2025)。因此，人工智能技术在教育领域的应用可能产生双重效应，一方面大大降低了优质教育资源的获取门槛，另一方面在使用方式、应用场景、效果转化等方面产生新的分化，因此，积极引导和有效指导必不可少。由此引发一系列新的研究问题：如何通过人工智能的规模效应促进教育公平，避免产生新的不公平?如何通过政策设计放大人工智能技术对教育的普惠红利并减小新技术扩散所带来的不平等?如何为弱势群体提供更具针对性的智能支持使其能获得同等的技术红利?人工智能的出现既带来了机遇，又引发了挑战，切实发挥人工智能促进教育公平的作用，是教育经济学面临的新的研究任务。 六、人工智能推进教育经济学研究范式转型 国务院《关于深入实施“人工智能+”行动的意见》明确指出，要创新哲学社会科学研究方法，推动哲学社会科学研究方法向人机协同模式转变。有学者指出，科学研究的发展经历了从经验科学、理论科学、计算科学到数据科学的演变，目前正迈入由人工智能技术引领的第五范式——AIforScience(AI4S)。第五范式即智能科学，是研究者在融合先验知识、多学科理论的基础上，利用海量的结构化与非结构化数据，通过机器学习、深度学习等人工智能技术进行模型构建与实验验证，实现规律发现与趋势预测，推动科研向更加高效、准确与可持续方向发展的新型科研模式(周代数和魏杉汀，2024)。人工智能的快速发展，为教育经济学研究提供了数据规模的跃升、数据维度的拓展、研究方法的迭代，有望拓宽研究视野和观察视域，实现研究范式的转型升级。 (一)促进教育经济学研究对象的丰富与多元 教育经济学研究中常使用的数据类型包括两类：一类是有明确目的和针对性的问卷调查数据，另一类是一般性的行政管理数据(如学生的学籍数据)。随着人工智能被越来越广泛地应用于教育领域，学生与人工智能的互动日益频繁，产生了大量的日志文档数据。相比以往的大数据，这类日志文档数据可以更加细致地呈现学生的学习行为特征及其对学业发展、能力发展的影响，对这类新型数据的深入分析有望在破解教育生产“黑箱”方面有所突破。与基于抽样得到的数据有所不同的是，这些被实时记录的行为大数据是人们活动行为的真实反映，不受记忆、偏好和情感的干扰，测量误差更小。同时，由于不需要人为刻意抽样，因此不会产生抽样误差，使得研究的信度和效度更高。利用人工智能技术、算法可以对这些海量数据进行推演归纳、计算模拟，在大数据中发掘出新的教育经济规律(刘三女牙等，2020)。 (二)助力教育经济学研究方法的拓展与迭代 随着数据形态更加多元、数据体量呈指数增长，传统的定量统计分析模型面临严峻挑战，而人工智能的强大算力使得高效分析这些数据成为可能。例如，人工智能中的机器学习技术，特别是深度神经网络，有助于从大量高维度、多模态可用数据中建立对基础理论的理解；自监督学习可从有限数据中挖掘更多信息，对原始数据进行不同的变换和处理后生成更多样化的训练样本，增强数据可用性；主动学习、强化学习方法还可系统提高样本处理效率、提高推理质量(刘三女牙等，2024)。 尤其值得注意的是，在人工智能的助力下，以文本数据处理为代表的非结构化数据分析技术也将成为教育经济学研究方法创新的重要突破口。教育经济研究对象中有大量具有研究价值的非结构化文本数据，包括政策文件、教学内容、学生表达性材料、教师反馈评价以及媒体报道等，传统研究往往因缺乏有效处理工具而忽视这些丰富的信息资源。大模型技术的突破使得对复杂文本数据的深度理解成为可能，为教育经济学研究带来两个重要应用方向：一是构造更加精细的变量，如对文本中的情感和主题进行表征(Dowey，2024)；二是辅助文本数据的编码分析，如辅助研究者对大量定