人工智能融入基础教育：助内卷抑或提新质

/人工智能融入基础教育：助内卷抑或提新质【摘要】以人工智能为代表的新质生产力正深刻影响基础教育的育人图景。基础教育是建设教育强国的基点，人工智能的融入既可能推动教育新质发展，也可能助推教育内卷，呈双重效应。本研究首先溯源教育内卷成因，指出人工智能可能通过扩大教育内卷传播场域、强化资源分配不均、加剧教育评价异化和深化替代效应等助推基础教育内卷；其次，剖析面向未来的基础教育特征，包括指向全面发展与高阶能力的培养目标、优质均衡与跨学科的课程资源、人机协同与终身性的育人方式、素养导向与公平的教育评价、开放灵活的空间环境以及安全智能的服务管理，阐述了人工智能赋能基础教育变革的价值意蕴；最后，提出如何利用人工智能破解教育内卷和促进教育提新质的策略建议，以回应新时代基础教育的育人命题。

一、问题提出 新一代人工智能融入基础教育究竟是“奇点临近还是最后的神话?”(陈高华等，2024)人工智能如同一把双刃剑。一方面，人工智能被视为基础教育革新的重要推动力。教育部(2024),在《关于加强中小学人工智能教育的通知》中指出，要在2030年前普及中小学人工智能教育，构建人工智能引领的以人为本的教育生态。人工智能正从课程体系、教学资源、教学环境、教学与评价和师资供给等方面推动基础教育综合改革，助力构筑人才培养新生态。另一方面，人工智能的智能化、自动化和算法黑箱也将带来深层次挑战。例如，学习者可能过度依赖人工智能的即时性反馈，导致元认知钝化；人工智能的定制功能和智能量化评价，可能使教育相关者陷入新的优绩主义陷阱(孙立会，2024)，在某种程度上削弱乃至异化基础教育育人功能；依赖大规模数据训练的人工智能系统可能带来隐私泄露风险，还可能因算法偏见和数据歧视影响教育评价与决策的公平(胡小勇等，2024)。面对上述争论，如何在人工智能融入基础教育所开新局中理性识变、正确应变、积极求变，回答好基础教育的育人命题尤为必要。 二、动向与挑战 (一)高质量人才培养：基础教育的筑基使命 国际竞争实际上是人才竞争。把握人才成长拐点，培养高质量人才已成全球共识。基础教育是人才培养的“入口关”和早期培养的黄金期，承担着夯实高质量人才素养根基与培养后备人才的重任。世界主要国家和组织对基础教育人才素养要求有以下特点：一是多以核心素养为参照，关注人与工具、社会、他人及自我之间的关系；二是着重培养创造力、批判性思维、沟通协作、科学技术能力、自我调节和社会责任等，呈现高阶性、复合性，并融入数智化时代基因等特征。例如，欧盟“2018框架”较“2006框架”，延用了“数字素养”表述并更新了“创新创业素养”“数学素养和科学、技术、工程素养”等六项表述，以适应时代变迁与社会需求。在培养措施上，各国或组织一方面强调拔尖创新人才的早期挖掘和培养，通过实践项目、素养评估等方式识别人才，如美国使用智力测试、领域测试、创新成果项目、档案袋评价等方法选拔人才；另一方面，注重差异化培养，从课程分层设计、多元学习方式、多样化环境支持、教育质量持续监测等方面提供保障。例如，英国强调资优(giftedandtalented)教育，采取“全纳”“浮尖”“展才”“强化”等举措，在保障所有学生接受教育的基础上，通过列举清单、教师推荐、学生提名等方式识别人才，并根据学生兴趣和需求，提供多样化的学习项目和差异化教学，培养批判性思维、创造力等高阶思维能力，厚植人才基础。 (二)新一代人工智能的强渗透特征 新一代人工智能正成为第四次工业革命的标志性技术。美国《国家人工智能研发战略规划2023版》指出，人工智能是最强大的技术之一，并将其作为国家优先事项(SelectCommitteeonArtificialIntelligenceoftheNationalScienceandTechnologyCouncil，2023)。当前，新一代人工智能逐渐渗透教育多个环节，给基础教育带来深远影响。从渗透范围看，人工智能正重塑教育的“教—学—管—测—评—研”全流程，覆盖课前、课中、课后多个环节。统计显示，我国人工智能产品已渗透校内外多个场景，2023年-2027年“AI+”教育市场将保持超20％的复合增长率(艾瑞咨询，2024)。从渗透深度看，DeepSeek等生成式人工智能工具能迅速完成知识检索、教案设计、教学资源生成等任务，革新知识生产方式；多智能体、扩展现实等技术通过模拟真实情境，创新了与虚拟导师、虚拟学伴共学的教学方式；机器学习、深度学习等技术通过预测模型分析学生需求和学校资源，提供了资源分配的新思路。 (三)人工智能教育应用的两面性思虑 “每一种技术既是包袱也是恩赐”(波斯曼，2007)，人工智能的教育应用亦是如此。虽然人工智能的先进性不能与教育高质量简单划等号，但两者的融合正影响着教育系统变革的指向和速度，推动构筑教育新生态：一是加速推动以学生为中心的师生关系转变。随着“机师”“虚拟教师”的出现，“人师”从知识传递者转变为促进学生主动建构知识并满足学生个性化需求的服务者，学生也从知识接受者转变为主动探索者。二是提高知识生产速率。深度学习、自然语言处理等技术的深入发展，使人技关系(Human-technologyRelationship)由技术力量向智慧力量转变，通过对话式检索，Deepseek、讯飞智文、Midjourney等生成式人工智能工具可快速重组知识，降低知识生产成本，提高知识生产效率。三是延展教学时空和拓展个性化教学方法。元宇宙、数字孪生等技术有助于打通时空边界，创设沉浸式虚拟互动数字空间，而机器学习、智能推荐系统等技术可赋能个性化教与学，突破班级授课长期存在的教法“千人一律”、步调“整齐划一”和人才培养“流水线式”等问题。四是赋能教育评价的多元性与生成性。大数据分析、面部识别等技术能用于实时采集与分析学生学习行为、情绪等多模态、多维度评价，智能反馈系统、生成式人工智能工具可为学生提供动态、个性化评估。 人工智能技术的狂飙突进在赋能教育高质量发展的同时，也带来“数字利维坦”现象，衍生技术应用异化问题：一是分化人的智力。人工智能凭借强分析与推理能力以智能代理形式解决复杂问题，可能使人与自身智力逐步分离。联合国教科文组织在《教育与研究领域生成式人工智能指南》中指出，生成式人工智能的教育应用可能引发学习者基础素养和关键能力的缺失(UNESCO，2023)。学生若依赖“数据投喂”(datafeeding)，将会导致思维能力退化、社会情感与审美缺失，不利于自身成长。二是出现认知误导和价值观错位问题。机器学习算法主要基于海量数据集进行自我训练，难以避免掺杂具有个人偏见的数据，进而生成偏离人类价值导向的内容。缺乏信息甄别能力的学生极容易被误导，形成偏差性认知和错位价值观。教师、教育管理工作者等也可能受此影响放大偏见和冲突。三是加剧教育不平等。算法黑箱使人工智能决策缺乏透明度与可解释性，若人工智能决策使用不当，不仅无法弥合教育不公现象，还可能带来新的人工智能鸿沟，强化马太效应。例如，英国曾在疫情期间取消A-level和GCSE考试，使用算法基于学生模拟考成绩及其以往成绩来评估学生成绩，导致私立学校优异成绩的增加是公立学校的近两倍，引发少数族裔和低收入社区学生的抗议(BBC，2020)。 三、促内卷现象：人工智能的滥用误用 (一)社会内卷在教育领域的传导 内卷(involution)一词最早由康德(ImmanuelKant)提出，意为自身重复进化变得复杂，但不影响周围环境，而后亚历山大·戈登威泽(AlexanderGoldenweiser，1938)将内卷拓展到社会文化领域，将其描述为“在达到看似确定的形式后仍然不能稳定或转变成新的模式，而是通过内部变得更加复杂而继续存在”。近年来，随着社会竞争的加剧和资源分配的不均，社会内卷现象逐渐传导至教育领域，形成“教育内卷”现象。姚从容等(2022)将“教育内卷”界定为，在升学率固定与竞争手段趋同的情况下，为争夺有限或稀缺的优质教育资源而出现的学生间激烈且自我消耗的竞争行为。 纵观全球，教育内卷现象普遍存在，但欧美发达国家相对较轻，东亚国家表现尤为明显(中国教育在线，2023)。在我国，教育内卷存在泛化风险：一是学生成绩激烈竞争。重点中学和高水平院校有限的升学名额与庞大的学生群体形成强烈反差，学生为上好学，以“题海战术”提高“分数竞争力”。二是学校生源竞争与学习内容过度深化。为争夺优质生源，部分高中以升学为目标，减少非高考科目课时，设置超出学生认知水平的难题，抑制学生学习兴趣与能力发展。三是家长的高期待、高投入与回报难成正比。为使孩子“提前上岸”，家长既卷分数又卷特长，依赖影子教育让孩子“超前学”“超纲学”“超时学”“超常学”。 (二)缘何教育内卷：根源与困境 教育内卷的成因可以从教育制度、文化观念、资源分配等角度展开：1)优质资源的供给困境，是引发教育内卷的结构性原因。一方面教育资源分配不均。受经济水平限制，区域、城乡、校际间教育资源失衡和办学差距加大，引发激烈的教育竞争和择校热潮。另一方面优质资源供给与需求不匹配。部分中小学师资、课程、硬件等资源难以满足学生发展需求，家长向外谋求资源，却引发“攀比心理”“剧场效应”等现象的蔓延。2)功利化价值观，是教育内卷的文化根源。教育的内核是育人，但长期以来的功利文化观窄化了教育价值，影响育人取向。例如，中、日、韩、越南等国受科举文化影响，“立身扬名”价值观突出，将教育视为社会阶层流动的手段，文凭崇拜和考试迷信等不良风气普遍。3)评价机制单一化，是引发教育内卷的关键难点。分数成为升学和识才的唯一指标，师生家长陷入“唯分数”“唯文凭”陷阱，沉迷于不断学习精细化应试技巧以获取更高分数。同时，劳动力市场以学历遴选的方式更激化了学历军备竞赛，倒逼基础教育加速内卷(苏慧丽，2023)。 (三)人工智能加剧基础教育内卷的隐忧 人工智能融入基础教育同样存在助推基础教育内卷化隐患。其一，数智技术扩大了基础教育内卷场域，加剧社会焦虑泛化。社交媒体不仅打破了信息壁垒，为教育攀比、培训机构营销等提供了场域，个性化推荐算法更是将“赢在起跑线”“弯道超车”“正值关键期”等话语精准递送，使教育内卷从线下延伸到线上，扩大群体性社会焦虑影响面。其二，人工智能技术应用可能加剧教育资源分配不均，造成新的“囚徒困境”。人工智能教育资源往往集中在城市与发达地区，农村与边远地区匮乏，加剧教育资源分配不公平，而家长不甘落后，不遗余力地加大教育投入，寄希望于人工智能提高学生竞争力，最终陷入新困境。其三，智能评价工具的滥用误用可能加深教育评价异化，形成绩效新陷阱。智能评价工具依托大数据预设标准化评价体系，并构筑起“全景敞视监狱”(韦妙等，2024)，使学生、家长、学校为逼近标准化的“理想模型”而依赖量化反馈，最终陷入功利化追逐、不断自我消耗。其四，人工智能的替代效应倒逼基础教育内卷。研究显示，截至2023年末，人工智能已在图像分类、视觉推理、多语言理解等标准化测试中超过人类(StanfordUniversity，2024)。这一事实预示着中低技能岗位将逐渐消失，到2030年全球约15％的人可能面临重新就业的挑战(McKinseyGlobalInstitute，2017)。技术升级带来新的“技术性失业”，无形中会加剧“职业歧视”和人才市场的激烈竞争，促使编程、人工智能等领域的考级、考证趋向低龄化，加深基础教育内卷。 四、提新质要求：变革基础教育的价值意蕴 (一)未来的基础教育：强基扩优与新质特征 联合国教科文组织未来研究主席苏哈尔·伊纳亚图拉(SohailInayatullah，2007)首次提出未来三角法，即综合过去的重力(weights)、现在的推力(pushes)和未来的拉力(pulls)窥见未来。该方法不仅关注技术变革，也考虑历史、文化等因素。藉由未来三角法审视面向未来的基础教育，能够实现对技术和人文的耦合以及对过去、现在和未来的辩证统一。从过去的重力看，传统教育观念、教育队伍数字意识薄弱和数字基建离散是制约教育发展的重要因素(张迪等，2024)。从现在的推力看，国家政策倡导、社会重视、数智技术支持是突破教育发展历史限制的重要推力(戴孟等，2022)。例如，《教育强国建设规划纲要(2024-2035年)》强调要办强办优基础教育，为教育发展提供方向指引(中华人民共和国中央人民政府，2025)。新一代人工智能等技术的发展，能够为教育教学提质增效提供发展势能。从未来的拉力看，提升国家竞争力、教育数字转型和新质人才培养是牵引教育发展的重要拉力。基于未来学视角，基础教育呈现以下新特征。 (1)以新质后备人才培养为目标，强化人的全面发展与高阶能力习得：一是深度融合“德、智、体、美和劳”五育，为新质后备人才奠定全面发展的基础。二是以高阶能力发展为核心。高阶能力常包括高阶思维能力和高阶社会情感能力，前者涵盖问题解决、创新创造等认知能力(彭正梅等，2019)，后者包括人际关系技巧、社会意识等情感能力(Shietal.，2022)。未来基础教育要注重培养创新思维和问题解决能力等，鼓励后备人才发挥想象和创新潜质，打破定式思维；关注培养后备人才数字社会责任，引导其合法合规地使用数字技术，坚守数字伦理意识和人文精神。 (2)注重课程资源的连通性、多元化与跨学科性：一是课程资源优质且多样化，支持学生根据个人兴趣按需选择学习内容，保持持久的学习兴趣。二是课程设置贯通学前教育到高中的全学段，课程内容融合多学科知识，知识深度层层递进，助力学生形成网状知识结构，使其能适应社会新变化。 (3)育人方式以学生为中心，指向个性化与终身学习：一是注重个性化。以学生能力发展为目标，开展互动式、项目式、探究式、体验式等教学，并基于教学重难点与学生个体差异，人机协同精准施教。二是养成终身学习习惯。引导学生树立人生目标，开展生涯规划，增强学习内驱力，培养终身学习习惯。 (4)强化教育评价对学生核心素养考核的公平性：一是关注核心素养综合评价。评价维度要涵盖知识掌握、关键能力、情感态度等多方面，并为具有特殊潜质的学生提供多元成长通道。二是应用大数据分析和智能评价工具。综合运用表现性评价、发展性评价等，确保评价过程的透明和客观。 (5)打破时空藩篱，使学习空间更加开放与灵活：一是把学习空间从传统教室拓展到校园内外的多样化场所和虚实融合的泛在化学习场景。二是空间布局灵活多变，即能够根据教学需求进行调整，支持小组合作、跨学科学习等。 (6)以智能化与安全性为保障，构建高效、透明的教育管理体系：一是决策智能化，即依据学校办学特色和学生需求，精准配置教育资源和提供定制化的个性服务。二是注重数据安全和隐私保护，确保学生信息安全，防范数据泄露风险。 (二)人工智能赋能基础教育变革的特有价值 (1)重构学习空间。人工智能、5G、区块链等技术逐步重塑课堂空间，师生可通过贯通学校物理空间、在线学习空间和泛在学习空间，融通学习环境、资源、交互和体验。新型学习空间使无边界学习成为可能，学生将在真实环境中，借助数字分身在虚拟场景中使用相关资源和工具探索问题。 (2)创新教学方法。生成式人工智能丰富了人机交互模态，使师—生—机角色发生转变，为增强学生学习体验、促进个性化学习和提高教学灵活性提供了新途径。例如，英国开放大学精选生成式人工智能等技术支持的十种教学方法，苏格拉底式对话教学、角色扮演与AI增强的多模态写作等方法有望实现大规模精准因材施教(Kukulska-Hulmeetal.，2024)。 (3)加速素养测评转变方式。人工智能的教育多场景应用，推动素养测评由单一评价转向综合评价、从关注结果变为关注过程。依托多模态智能技术，人工智能能分析学生多元异构数据，通过时序化、动态化建模分析，提供精准而全面的评价，同时借助自适应学习系统可智能匹配个性化资源，促进学生能力发展(胡小勇等，2022)。 (4)优化教育管理服务。将智能画像技术与大数据嵌入教学管理平台和智能导师系统等，实现教育数据全过程伴随式采集，精准刻画师生群体画像，为学校决策优化和服务改进提供依据。 五、何以解题：教育变革从不单纯依据技术 (一)以价值理性为引导，优化教育科技人才一体化发展 坚持以人为本的理念，是解决教育、科技、人才一体化发展问题，实现三者循环互促与衔接互补的关键所在。(1)以道御术，为教育与科技融合护航。教育与科技融合过程，应以人本理念为指引，避免陷入智能推送、个性化定制等智能应用的舒适圈。例如，在开发智能产品时，开发者需紧密围绕教育的实际需求和育人属性，以合规性为原则，评估其对教育生态可能产生的负面效应；在应用时，教育者既要认识到人工智能的“思维”能力是基于数据推理的假象思维，不以算法、大数据精准测评功能规训学生，更要引导学生自主学习与决策，批判性甄别诊断结果与定制内容。(2)道器相融，促进教育与科技协同赋能人才培育。在教育实践中，教育者应平衡价值理性与工具理性，将人本理念融入人工智能教育应用，促进学生能力的全面发展。例如，教育者可采用“人类教师+虚拟导师”的双师协同模式：虚拟导师生成知识图谱，为学生提供系统化、个性化的学习资源，人类教师激发学生的批判性思维并关注其情感体验，由此实现技术赋能教育—教育培育人才—人才反哺科技创新的良性循环。 (二)以人工智能赋能基础教育的内生变革，破解内卷之难 基础教育在国民教育体系中具有基础性和先导性。破除课业负担重、教育焦虑加深与内卷严重等难题，需协调课堂教学、资源环境和教育队伍等多方要素。1)重塑教学形态，促进个性化施教。教师需打破思维桎梏，人机协同发挥育人价值。例如，教育多智能体可作为学生的智能助手，为学生知识管理、协作交互、学习规划等提供个性化和及时的支持。2)系统汇聚与共享优质资源，助力教育公平，包括：在资源内容上，利用知识图谱和可视化技术将抽象知识具象化，帮助学生理清多学科知识间的内在联系；在资源推荐上，利用数字平台聚合各级各类优质资源，并嵌入智能算法实现基于学生特征的精准推荐，促进教育资源的高效共享。3)持续赋能教育队伍的数字化建设。高素质教育人才队伍是教育强国建设的重要支撑。这要求将教师数字素养纳入教师评价体系；协调推进教师、管理人员与教育行政人员的培训，完善智能化培训支撑平台，通过嵌入混合现实(mixedreality)等前沿技术，丰富培训资源的数量、类型与质量，整体提升教育队伍数字化能力。 (三)以AI助力职业教育的提质增优，缓解基教顽疾 教育分轨能够分流塑造不同类型的人才。然而，当前普职分流刚性、职业教育教学手段落后、教学内容与岗位要求脱节等问题，影响着社会对职业教育的认可度，抑制了教育分流效果，加剧了教育竞争(胡卫等，2024)。(1)识别需求，促进职普教育融通发展，包括建立学生生涯规划系统，借助人工智能技术深入挖掘学生特质，使学生升学有基础，就业有门道。(2)打造智慧场景与创新教法，提高职业人才培养质量，包括结合教育内容与产业需求，创设融合数字孪生、人工智能等技术的虚拟仿真工作空间、职业技术智能实训室等，探索融入智能工具的沙盘模拟、角色扮演等教学方式提升学生的职业素养。(3)精准定位，深化产教融合，包括立足产业数字化新场景，锚定人才成长目标，调整专业布局与课程设置，让企业参与课程设计和教学过程，借助人工智能技术采集学生全过程成长数据与形成个人数字档案，动态追踪学生技能发展状况，为企业精准输送缺口人才。 (四)以评价改革为抓手，助力基础教育全程公平 当前，绩优主义破坏了基础教育全面发展的目标，忽视了学生个性发展需求，评价改革迫在眉睫。(1)制定标准化框架，纳入多样化评价指标。《深化新时代教育评价改革总体方案》提出要“健全综合评价”，这对选才育才具有重要意义(教育部，2020)。国家需制定标准化框架，将学生认知能力、学科素养、创新能力、批判性思维、情感与社会发展等能力纳入评价指标，并借助画像技术，助力识别多元人才。(2)数据驱动，注重个性化过程性评价。这包括借助数字技术手段摆脱单一数据束缚，通过情感识别、无感心理测评等技术采集学生的生理、心理