智能教育的算法技術規訓困境與出路

[摘? ?要] 人工智能與教育的結合，簡稱智能教育，是現代教育發展的未來方向。智能教育以算法技術為核心，在強大計算力和精密程序設計下，體現出超出人類一般的教育能力。但是，算法技術規訓困境也隨之而來，主要表現為數據依賴、算法偏見和強制的分析結果等。算法技術規訓困境的產生主要源自對算法技術實踐的信任，對教育（學）理論的忽視，缺乏以教師為主體的教育經驗與實踐智慧的介入，資本力量的隱蔽控制。突破這一困境的做法包括：基于以人為本的教育價值觀引導智能教育的算法設計;人類教師理解并協同機器教師共同育人;堅守教育者初心使命，反對偽科學和唯科學教育產品。

[關鍵詞] 智能教育; 算法分析; 技術規訓; 教師智慧; 教育價值觀

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 孔蘇（1989—），男，安徽淮南人。博士研究生，主要從事教育基本理論研究。E-mail：397279802@qq.com。

一、引? ?言

“算法技術”是將算法當作技術的說法，強調算法作為技術存在的特性。人工智能時代，教育開始出現新的轉向[1]，智能教育應運而生。智能教育是依托算法技術而產生的先進教育形態，以計算力和程序設計為核心，在實踐中顯現出超越傳統教育的優勢。算法技術是智能教育取得優勢的根本所在，但不恰當的理解和應用會出現規訓問題。算法技術存在規訓的隱憂，已有不少學者予以關注。算法技術自身帶有的長期以來的說服效應，規訓著人們對其養成習慣性的信任[2]，包括算法規訓在內的內在限囿，極易導致技術越位，進而在民生政治參與中衍生出公正性遺失等風險[3]。算法技術潛移默化地影響著人們的思維認知，使公眾在算法營造的擬態環境下逐漸被“馴化”[4]。教育領域也未能逃脫算法技術規訓，尤其在智能教育口號影響下，算法技術對教育和教育中的人實施規訓，包括算法偏見、機器診斷和效率優先等。

二、算法技術規訓的教育困境

（一）算法偏見導致智能教育的數據偏好

算法偏見（Algorithm Bias）是由于數據集合、運算規則或程序設計等因素形成的計算思維慣性而導致的結果偏差，它主要表現在算法設計者和機器學習方面。具體來說，算法設計者有意或無意把自我偏見嵌入程序設計，機器學習的原始數據缺乏代表性。

1. 依賴數據的學習診斷可信度存疑

算法偏見存在各種不同類型，“數據導向的偏見”是其中之一，并導致智能教育的數據偏好。從現實表現看，智能教育是基于技術優化的教育類型，核心技術是算法。“再好的算法也不能完美反映客觀實在，其中必然存在諸多偏差與偏見”[5]。算法技術抓取“人”的數據，它不區分商業中人的數據與教育中人的數據，更無法因為差異化的教育目的而改變計算數據的規則。智能教育高揚精準的學習診斷，其給出的“診斷”，只是根據認知模型的模擬行為，模擬的準確性來自具體認知模型的建構規則，建構規則的核心是大數據的產生方式和編程方式。以學生解題為例，大數據源自海量的學生解題數據，數據的清洗與篩選等操作都影響著算法的最終結果。對于解題過程的追蹤，其準確性受制于解題過程易于反省的程度以及用語言可以解釋解題過程的程度。因此，智能教育的診斷，無非是算法從計算好的解的集合中選出一個解。

2. 數據導向的教育實踐范式固化單一

算法的實施強化了智能教育的目的—手段范式，越精密的算法越強化這一范式的功能，結果使算法偏見窄化了教育實踐的范式。任何教育實踐的嘗試，如教師嘗試新的講授方法、學生嘗試新的解題方法，其步驟和結果都可以由數據進行記錄和計算，但根本上這只是一次嘗試性的師生教育實踐，實踐過程并不完全遵循目的—手段范式。算法熱衷的目的—手段范式在商品領域的應用效果尚佳，但是，將商品范疇的算法設計復制到教育領域，不一定能發揮作用。智能教育利用算法提供的教育服務是一種有偏好的服務，它服務的對象是數據形態而不是生命形態的人。目的—手段教育實踐范式突出表現在尋求教育的線性因果關系。任何一套算法都有抓取數據的方法，以結構化數據為主，形成數據集合，計算在集合中進行，目的是尋找數據因果關系。教育顯然不只是因果關系，因果關系屬于事實判斷，而教育具有價值判斷的特性。“教育本來涉及人應當成為怎樣的人的價值取向，失去價值的追問，就失去了對根本的、普遍的標準和界限的追問……”[6]不考慮教育價值性的后果是教育被當作被動的客體，算法技術通過“數”的計算把教育置于“數”的場域，教育的世界演化成“數”的世界。

（二）算法分析的強制性遮蔽教師的教育智慧

當前，教育領域存在一種共識，即基于大數據的算法分析的精確性和客觀性，超越了教師的主觀性和經驗性。這種教育共識源于對算法分析的技術崇拜，與算法的神秘化密切相關。

1. 算法分析過程缺少教育對象的實時參與

算法定義表明，按一定程序和規則運算，這是算法的本質。算法是用來執行某項操作的一組指令或給定的過程[7]。算法分析結果可以看作是數據運算結束的表現，在沒有新數據輸入的情況下，分析結果不會發生變化。這意味著，只要輸入的數據是固定的，結果也會固定，因此，可以判定，算法的程序設計是先驗的，算法的分析過程是強制的。現實狀態下，教師和學生無法即時性地質疑、辯論或對話算法分析結果。與人類相比，算法的分析過程既無情感也無意識，它的分析結果不會隨分析對象的情感或意識變化而更改。教育環境中師生對算法分析結果的服從，導致形成算法技術的規訓，進一步導致師生在元認知上的惰性，甚至產生無思的結果。“我”解題，算法技術自動分析“我”的認知，“我”是被解構的對象，且解構者并不是“我”。在課堂教學層面觀察算法技術的規訓會發現：第一，教師表現變成了一串串字符或代碼，師生互動回歸至原始的刺激—反應聯結;第二，師生課堂行為均會被捕捉，包括面部表情、眼動頻次等，教室異化成數據采集室，師生成為數據采集的對象;第三，大規模標準化特征變得隱蔽，個性化通過數據堆積成為顯性特征，而這種顯性特征是程序化和人工化的結果。

2. 算法分析凸顯的個性化特征屬于數據特征

智能教育所謂實現大規模個性化教育，是指人的個性化，包括教育者和受教育者的個性化，而不是機器的個性化。以教育診斷為例，智能機器是依循算法的程序設計作出診斷，教師通過自身經驗作出診斷。顯然，前者是客觀診斷，后者是主觀診斷，但機器的客觀診斷建立在教師的主觀診斷基礎之上。“‘教育腦是通過計算機模擬人類的學習過程，將優秀教師的教學經驗變成專家系統。”[8]智能機器教育診斷的實質是把教育過程和教育對象等內容數據化、計算化和輸入—輸出化。把教育完全置于可計算的境地是危險的，因為教育是人的教育，“在本體論的意義上，人性因為內在性、超越性，任何測評無法測算人性，或者說以數據描述人存在的方式與形式是不可能的”[9]。在無法窮盡教育數據計算的狀況下，依靠算法形成的教育大數據分析結果，不過是海量教育數據綜合提煉的結果，同樣只是教育共性基礎上的有限分析，并不是量身定制的教育個性化分析。

實現個性化教育需要教師的教育智慧。教育智慧是教師內在的、綜合的能力，主要體現在教育價值觀方面。教師的教育價值觀浸潤于知識、能力和情感領域。目前，算法對教育價值觀的分析較為薄弱，表現在以計算方式實施價值分析。算法強制將客觀知識作為分析知識價值的基礎數據，強制將人的各種能力進行分解計算，強制將情感獨立于教育之外。情感計算的數據主要來自對大腦掃描、監測甚至是實驗和干預的結果，這是計算過程而不是教育過程。情感計算的結果存在情感類型的固定性與情感判斷的隨機性特征，隱含分析結果的形式化陷阱。

（三）算法技術的效率傾向加重教育焦慮

算法技術的效率傾向引發新一輪教育競爭與焦慮。“算法的設計初衷是為了提升數據處理的時間效率與空間效率，其結果自然帶有明顯的效率傾向。”[10]算法技術的效率傾向主要表現在兩個方面：一是算法的效率思維，二是量化指標樣態的算法分析結果。

1. 算法效率思維破壞受教育者的學習節奏

算法技術等所謂智能技術具有效率思維特性，它是導致教育焦慮的深層原因。例如，兩名學生面對同一道題，用更快速度完成解題的學生學習質量更高，因為速度越快，算法顯示的學生水平越高。同理，學生的解題方式越多，則算法判斷其思維能力越強。算法的判斷標準是效率。效率思維導致的教育焦慮，對受教育者來說屬于外源性焦慮。外在刺激焦慮的因素和程度難以控制，特別是算法技術持續追求效率，由此對教育產生的焦慮刺激因素和程度更不可控。算法技術的基礎資源是數據，效率取決于數據的大小、程序的繁簡和設計的優劣等，它不受教育本身的影響，只要教育以數據形態存在，按照計算方式實施，效率傾向就無法得到糾正。教育焦慮也在一定程度上加速算法技術追求效率。例如，家長的教育焦慮產生教育人工智能產品的需求，家長間的教育焦慮演化為教育競爭，從家庭蔓延至學校，家長、學生、教師和校長都卷入其中。

2. 算法結果指標化導致教育走向數字競爭

算法技術的效率傾向一方面由算法的計算屬性決定，另一方面由資本運作產生。資本的運作是煽動智能時代教育焦慮的主要禍端。“敏銳的資本已察覺‘唯科學主義與‘教育焦慮聯姻所帶來的巨大收益。”[11]資本樂于見到教育化作一組組可量化的數據，一項項可比較的指標。資本不關心教育焦慮，只關心由教育焦慮帶來的收益，收益的最大化來源于效率的最大化，而資本眼中的效率只有在比較中才有價值。因此，資本驅使算法技術朝著效率方向進化，產生大量以效率為目標的智能教育產品。資本以個性化教育突出算法技術的效率特征，表面是實現因材施教，實質是因算法施教，算法的程式化不可避免，導致的結果仍舊是教育的標準化。更為嚴重的是，算法為了實現效率最大化，通過計算來匹配受教育者熟識的教育內容及方法，使受教育者熟悉的內容越來越熟悉，陌生的內容基本不涉及甚至人為干預計算陌生內容，從而獲得資本滿意的數字成績。

三、算法技術規訓的教育根源

（一）教育（學）理論應用的缺失

從“人工智能+教育”到“教育+人工智能”，文字游戲的背后，看不到教育（學）理論的身影，有的只是工程和工業思維下的具體問題。理論缺失帶來的是概念上的模糊與混用。智能教育與智能學習差異顯著，卻在錯誤混用。智能教育的起點不是探求學生每分鐘眨幾次眼或注意力轉移了幾次，真正的起點是越來越接近教育的本質，即人的喚醒。依舊以算法技術為例，算法以數學為理論基礎無可厚非，但應用于教育領域，沒有教育理論者介入則顯得奇怪。也許會有如此議論：“教育學者一行代碼都不會寫，怎么研發算法呢？”算法本身是技術的，具有排他性，但它在實際上影響教育過程的每個環節，看似很好的算法卻可能影響受教育者的身心健康，甚至涉及教育倫理的是非善惡。缺乏教育（學）理論，算法技術如同面對商業和工業等非生命對象行業一樣，任意顯露算法強大的計算力，也可以稱作是暴力計算。失去了教育（學）理論的約束，算法技術對教育產生的不確定性顯著增強。算法引導下的數據處理，每一步都意味著一次教育實踐，而每次的教育實踐都需要教育（學）理論的印證和修正。教育過程的數據信息存在真假，這是教育的特殊性表現，根源在于人的復雜性。這種復雜隱含生命傳遞信息具有偽裝和自我保護的可能，因此，不在教育（學）理論基礎上實施的算法分析，只是一種數字活動，不是教育活動。

（二）基于量化證據的教育實證思潮喧囂

教育教學，特別是課堂教學，講求證據是常識，然而，只追求客觀和量化的證據卻顯得片面。當代教育實踐和研究，更傾向計算機或智能設備采集證據，這為智能技術賦能教育奠定了基礎。以算法為代表的智能技術不僅可以賦能教育，更可以顛覆教育。各種學習監測和評價技術系統，盡管替教師分擔簡單勞動，輔助教師開展教育教學，但類似基于數據的技術系統的過度應用導致教師的經驗不再被信任。而類似數據必須由量化產生，但是，在教育教學活動中，教師與學生交往產生的經驗很難量化，教師可以憑借自身的經驗實施教育行為，并取得很好的教育效果。算法技術進入課堂以來，教師的判斷與算法技術的判斷時常出現矛盾，更毋庸談及相關的改善教師教學建議或學生學習規劃。為了取得更好的量化證據，學校教室被各種智能設備覆蓋，試圖全方位地觀察、采集、分析和評價教師與學生的表現。然而，這種智能教育，實質上只是攝像頭更清晰了，監控時間更長了，視頻剪輯更簡便了，以及數字堆積更多了。面對這些智能設備，師生開始在教室中變得不自在，情緒、語言和動作都被記錄，師生有意識地注意甚至迎合智能技術，這樣得來的量化證據意義何在？量化證據所標榜的客觀性也存在條件的限制。特別是在教育環境中，心跳、眼動和思維活躍程度，這些證據看似客觀卻不一定客觀。根源在于，基于量化證據的教育實證的作用有限，卻被人為夸大了。

（三）資本驅動下的逐利行為盛行于教育行業

“智能+”理念已經與社會現實緊密結合，其中，智能教育被廣泛宣傳和倡導，比教育研究者、學校校長和教師更為積極的當屬教育、科技和產品研發公司。他們利用資本鼓吹算法的教育優勢，個別被資本包裝的教育專家、校長、教師和學生家長為其制造新聞、獲取流量。當然，資本參與智能產品開發有利好，但應用于教育卻容易異化成數字游戲。所謂數字游戲，是指智能產品在運用上數據化和數顯化，通過不同數字的組合，形成人工智能的所謂大數據優勢。當產品通過數字游戲進入學校和課堂后，簡便和易操作的實施邏輯又成為產品公司資本競爭和攫取利潤的核心。界面簡單、操作容易，這些看似對學習者來說的貼心措施，隱含著復雜甚至是混亂的計算過程。簡便，是產品精細程度的自然表現，還是研發公司的有意為之，學校作為產品的主要購買方，態度應審慎嚴謹。在供求關系中，供給方把產品需求轉換為成本和收益的計算，購買方在學校影響和教師評價等因素中尋求最優的效率，一場本為提升教育質量所做的交易，卻淪為資本、權力和效益的共謀。

四、走出智能教育算法技術規訓的策略

（一）由以人為本的教育價值觀引導智能教育的算法設計

智能教育算法設計的基礎是教育實踐。以數據形態構成的教育實踐，修正的關鍵在于設計者的教育體驗和感受，也包括設計者的教育（學）理論知識水平。教育的算法設計，一定受教育價值觀的作用和影響。教育價值觀可能來自算法設計者自身，也可能來自非算法設計者。人工智能的出現，使得教育面臨人類智慧和機器智慧并存的處境。智能教育在技術手段上更為依賴機器智慧，通過算法技術發揮智能優勢。算法設計的具體形式多是代碼組合和數學模型，算法的研發完全依靠程序員，他們是否具有以人為本的教育價值觀，決定著算法設計的教育過程是否符合教育規律。除了以人為本的教育價值觀，效率為先也是一種教育價值觀，它重視教育效率。當確立效率為先的教育價值觀，算法設計的中心是效率，提升學習效率、教學效率成為算法設計的目的，教育者和受教育者均變成效率為先算法設計的普通代碼。顯然，這種教育價值觀引導下的算法設計不利于教育發展，特別是不利于教育中的人的發展。效率依托計算，計算的主體是機器，所謂“解決教育學問題”[12]，很可能只是通過計算提升效率以解決教育學的表面問題。

以人為本的教育價值觀引導下的算法設計會有以下特征：第一，充分重視人的教育體驗，尊重人的身心發展規律。算法設計的每個步驟，會落實到教育實踐中，人的教育體驗是改善算法設計的影響因素，教育中的人是算法設計服務的對象。例如，以學習為中心觀念進行算法設計，算法設計的重心在學生的學，具體表現為智能設備為學提供不同路徑和方式，設計學生操作智能設備的多種可能。同一年齡段的不同學生，身心發育各異，完全遵循以學習為中心觀念的算法設計不一定適合所有學生。第二，人類智慧統領機器智慧，人的發展取代問題解決作為算法設計的終點。在以人為本教育價值觀看來，“問題解決”不是教育目的，不是算法設計的追求。算法設計目前還未能窮盡“人的發展”的可能性，因此，設計上的短板和缺陷亟待人類智慧的補充和完善。

（二）人類教師理解、協同機器教師共同育人

“機器與人各具優勢，機器能夠快速準確地完成計算、記憶、搜索等工作，而人更擅長推理、決策等復雜認知活動。”[13]算法技術構成的智能機器，在教育過程中發揮教師功能，可以稱作機器教師。人類教師理解并協同機器教師實施教育教學、共同開展育人活動，才會避免算法技術在教師范疇內的規訓。“智能時代的教師，是‘人師—機師構成的‘雙師并存的時代。”[14]機器教師的出現，倒逼人類教師必須具備與人工智能共同生存發展的能力。在本體論意義上，教師不僅是教書育人，更是示范和引領。人工智能學習的數據材料全部來源于教師提供的教學經驗和實踐智慧，機器教師存儲和使用大量教師經驗和智慧。因此，人類教師與機器教師間并無根本矛盾，關鍵是人類教師如何理解機器教師并與之協同。當前，出現了一種言語悖論，一方面承認人工智能無法取代教師，另一方面用人工智能作出的教育判斷取代教師的教育判斷。例如，目前學校應用人工智能特別是課堂教學應用人工智能，對于學生學習的判斷，教師已不再單獨進行，而是參照甚至依循人工智能的結論。其實，人類教師與機器教師作出的教育判斷依據的是不同的證據材料，人類教師通過經驗、感受和價值觀分析，機器教師通過歷史數據、實時數據及大數據分析。人類教師僅依靠教學經驗和實踐智慧已不能滿足智能時代的需要，人類教師有必要理解認識和接納利用人工智能，協同機器教師。人類教師在數據意義上理解機器教師，利用機器教師的數據處理和分析優勢，重新定義教學經驗和實踐智慧，即包括協同機器教師共同實施教學的經驗，利用機器教師采集、處理和分析數據的實踐。“理解與協同”意味著人類教師與機器教師之間是平等關系，人類教師一方面充分利用機器教師的數據優勢，另一方面時刻提醒自己避免數據導向。人類教師的很多經驗和智慧無法數據化，如實踐智慧無法計量，它是教師的實踐德性[15]。技術可以在根本上幫助教師和學生成長進步，但教育不是技術活動。在機器教師的智能日益提升的情況下，人類教師的專業發展需要包含與機器教師相關的學習內容。只有人類教師理解、尊重、利用和協同機器教師，由算法技術引發的規訓問題在教師意義上才會得以紓解。

（三）堅守教育者初心使命，反對偽科學和唯科學教育產品

教育者的初心使命是讓教育變得更美好，教育中的人變得更幸福。美好與幸福需要外在的刺激，更需要內在的發展。資本驅動下的智能教育以各種系統和設備等產品形式走進學校和課堂，看似為了減輕教師的負擔，但教師連基本的與其關系的定位都很難確定，由此導致的焦慮和慌張不言而喻。因此，教師與人工智能的合作，亟待確立教師主體的根本地位。除了教師，教育（學）專家和校長等也需要堅守初心使命，參與并把關教育人工智能的產品質量。第一，教育人工智能的研發，特別是算法設計，需要教育（學）專家的論證評定;第二，教育人工智能產品進入學校前，校長需要征求教師代表和家長委員會的意見，并對產品的教育效果做好評估工作;第三，教師在使用產品上具有話語權，教師有權更改或終止人工智能作出的判斷或結論。

教育者的初心使命并不是排斥人工智能，而是拒絕偽科學和唯科學的人工智能產品。偽科學意味著產品缺乏必要的科學根據，資本公司夸大產品效用;唯科學顯示出產品在科學性上的保證，卻陷入技術至上的誤區。教育者不僅要擦亮雙眼，不被資本公司的宣傳所迷惑，又要積極參與進智能教育的研發、設計和使用管理之中。智能教育的本質不是促進某種技術智慧，而是促進生命智慧、人類智慧。任何算法技術和自適應系統技術都不能取代“人”這一生命體在教育中的主體地位，任何試圖夸大教育之外作用的做法都值得懷疑。算法技術的目的只有指向人的發展，才能在根本上避免算法技術的規訓困境。

[參考文獻]

[1] 張欣，陳新忠.人工智能時代教育的轉向、價值樣態及難點[J].電化教育研究，2021（5）：20-25，69.

[2] 閆宏秀，宋勝男.智能化背景下的算法信任[J].長沙理工大學學報（社會科學版），2020（6）：1-9.

[3] 趙友華.人工智能時代優化民生政治參與的算法邏輯[J].寧夏社會科學，2019（5）：49-57.

[4] 張愛軍，王首航.算法：一種新的權力形態[J].治理現代化研究， 2020（1）：39-45.

[5] 譚維智.人工智能教育應用的算法風險[J].開放教育研究，2019（6）：20-30.

[6] 金生鈜.為什么說價值是教育性的[J].湖南師范大學教育科學學報，2015（5）：11-15.

[7] 安德魯.人工智能[M].劉新民，譯.西安：陜西科學技術出版社，1987：28-29.

[8] 黃榮懷，周偉，杜靜，孫飛鵬，王歡歡，曾海軍，劉德建.面向智能教育的三個基本計算問題[J].開放教育研究，2019（5）：11-22.

[9] 金生鈜.大數據教育測評的規訓隱憂——對教育工具化的哲學審視[J].教育研究，2019（8）：33-41.

[10] 肖鳳翔，張雙志.算法教育治理：技術邏輯、風險挑戰與公共政策[J].中國電化教育，2020（1）：76-84.

[11] 李芒，石君齊.靠不住的諾言：技術之于學習的神話[J].開放教育研究，2020（1）：14-20.

[12] 王晶瑩，楊伊，宋倩茹，鄭永和.計算教育學：是什么、做什么及怎么做[J].現代遠程教育研究，2020（4）：27-35，56.

[13] 劉三女牙，彭晛，沈筱譞，孫建文，李卿.數據新要素視域下的智能教育：模型、路徑和挑戰[J].電化教育研究，2021（9）：5-11，19.

[14] 李政濤.智能時代是“雙師”協同育人的新時代[J].當代教師教育，2021（1）：1-4，29.

[15] 曹永國，范太峰.教師實踐智慧：誤區及其批判[J].教育科學研究，2015（10）：26-31.