■夏晓燕
今年春季学期，某高校教授在审读硕士论文时发现，近70%的学生在论证“技术伦理”问题时，均以“人工智能的双刃剑效应”为切入点，逻辑框架高度相似，甚至数据案例库的重复率都超过50%。该现象折射出生成式人工智能深度融入高等教育后“创新趋同化”的隐患。
同时，数据显示我国有54%的家庭将平板电脑视为学习刚需，预计2025年全球教育智能硬件市场规模将突破千亿元。但是，长期使用生成式人工智能的学生，其创意输出趋同问题日益严重，创新相似性提升了11%。
当算法推荐的“最优学习路径”将“千人千面”的成长轨迹压缩为单一模具时，智能批改系统量化的“标准答案”也在不断挤占学生思辨能力的生长空间。
“技术赋能”还是“技术绑架”
当前，许多人工智能教育产品依赖大数据生成“个性化学习路径”，但由于算法偏见和数据局限，输出内容往往重复主流观点，从而抑制了学生的发散性思维。比如，某地的数智作业系统题库主要依赖城市经验，使得农村学生被迫接受脱节的知识体系，而缺乏教育理论指导的人工智能模型，更可能沦为单纯的数据堆砌工具，忽略教育的多元内涵。
在学校中，智能反馈系统可以通过摄像头统计学生举手次数、答题正确率等量化指标，但这种“唯数据论”忽略了思考深度、情感互动与创造性表达。当“数据画像”成为唯一评价尺度时，教育目标便被狭隘化为培养“高效答题机器”，而非培养具有批判精神和创新能力的全面人才。
在教育模式方面，虽然人工智能可以快速生成教案和习题，为教师节省备课时间，但过度依赖这些工具容易使教师的教学方法僵化。教材内容陈旧、教学模式单一可能导致学生难以适应未来社会对跨学科创新型人才的需求。
在笔者看来，很多问题出现的根源其实在于技术逻辑与教育本质之间的冲突。
具体而言，一方面，人工智能技术的核心优势在于提高效率，但教育本质在于情感共鸣与价值观塑造。现有的人工智能应用在思想政治等课程中往往存在“情感盲区”，无法捕捉和传递师生间微妙的情感联结。如果教育简化为纯粹的数据输入与输出，学生的人格成长、批判性思维等核心素养或被边缘化。
另一方面，在理论上，人工智能应促进教育公平，但现实中经济发达地区的学校能率先部署高端设备，偏远地区甚至连基础算力都难以保障，数字鸿沟由硬件差距逐步转变为教育质量的断层。此外，若算法主要基于优势群体的数据进行训练，其固有偏见也可能进一步加剧弱势群体在学习上的适配困境。
此外，目前许多人工智能系统依赖既有数据来预测和满足学生需求，但往往停留在“有限个性化”的阶段。比如，一些人工智能系统仅通过错题分析推荐相似题型，反复强化已知弱项，而无法激发学生探索未知领域的兴趣。真正的个性化教育应尊重每个学生的独特性，而当前技术尚难以完全突破这一局限。
在技术与人本之间寻找平衡
为消除标准化评价所带来的弊端，教育部门应引入项目制学习、社会实践等非结构化评估手段，推动小班化教学模式。例如，上海市试点的“科技与社会”综合考试，不仅考查跨学科应用能力，还注重培养学生创新与实践能力，同时推广基于区块链的“档案袋评价”系统，全面记录学生成长轨迹，反映真实学习过程。
在政策层面，则必须完善人工智能教育产品的准入标准，要求企业公开算法逻辑，并接受教育专家和公众的监督。在这方面，我们可以借鉴欧盟《可信赖的人工智能伦理准则》和《人工智能白皮书》的经验，建立数据主权、算法透明和问责机制，从根本上防止技术沦为垄断工具，确保人工智能在教育中的应用始终服务于公平与多元发展。
针对农村等弱势地区，有关部门应通过政策倾斜，向其提供低成本、高效能的人工智能解决方案，同时加强师资培训，帮助教师正确把握和应用人工智能工具，确保技术仅作为辅助，而不取代人文关怀，进而促进教育资源的均衡分配和质量提高。
需要强调，教育的目标不是培养“适应机器的人”，而是培养能够“驾驭机器的人”。因此，学校应设计跨学科课程，如人工智能伦理讨论，引导学生批判性地思考技术的社会影响，从而激发其独立思考和创新能力。只有在尊重个体差异和多样性的基础上，才能构建出既高效又充满人文关怀的教育生态。
构建“多样性共生”生态
基于目前人工智能在教育领域的应用现状，我们可以借鉴芬兰“现象式教学”的理念，构建“学科×现象×心理”三维课程体系。在低学段，通过“森林认知”模式让学生在宽广的知识背景中建立初步学科认知；在高学段，实施“树木精研”策略，深入探讨具体知识点，逐步形成“融合—分化—再融合”的动态教学路径。浙江海盐县“课程超市”的实践证明，借助云计算和大数据技术，可以实现区域内优质教育资源的高效整合与共享，促进个性化教学落地。
同时，华东师范大学的研究显示，通过整合脑电、表情与眼动数据并利用机器学习模型，人工智能识别准确率已超过89.17%。在此基础上，建议开发具备思维偏好识别功能的人工智能助教系统，结合fNIRS近红外脑成像技术与项目制学习的数字化评估工具，构建“创造潜力发展曲线”追踪模型。此外，诸如上海宝山区的区域数字基座、中山大学打造的多模态世界大模型等实践，正推动技术从“工具理性”向“价值理性”转型，为教学创新提供有力支撑。
值得一提的是，绩效主义和单一的量化评价往往引发“文凭通货膨胀”，迫使家庭在教育竞争中投入过多资源，而优绩制对数字指标的片面追求也在侵蚀多元教育生态。为此，应构建“人才观重构-传播矩阵”的协同机制。
具体来说，一方面，要实施多元人才培养计划，借鉴多元智能理论，突破传统以学术成绩为唯一标准的评价模式，将创新能力、实践能力、领导力与团队协作能力等多维素质纳入评价体系。建立国家非标人才数据库，对具备特殊才能的学生实施“9+10”追踪计划（9年基础教育+10年持续观察），为他们提供定制化的升学和就业通道。
另一方面，建设教育认知传播矩阵，构建“中央媒体引领+垂直平台深耕”的传播体系，广泛传播自主创业、艺术创作等非传统成功事例，通过新媒体平台引导社会树立多元化教育价值观，打破单一成功叙事的桎梏。
总之，人工智能时代的教育变革是一场效率与人文的博弈。数字教育虽然在规模和技术上取得了突破，但同质化困境的根源在于工业化教育范式与智能时代多元人才需求之间的冲突。构建“差异友好型”教育生态，既要求以学科交叉打破认知边界，也需要以技术向善守护创新本源，同时通过文化重塑培育出多元共生的生态土壤。
只有回归教育本质，尊重个体差异，才能避免“千人一面”的悲剧，培养出适应未来挑战的“多元智慧体”。这不仅是破解当前困局的有效途径，更是人工智能时代重构教育文明的战略选择。
（作者单位：上海市教育科学研究院；本文为上海市教育科学研究项目“上海大学生学情调查范式构建与实证研究”〈项目编号：B2022003〉阶段性成果）
0 条