人工智能教育治理：邏輯機理與實踐進路 ＊

李世瑾 王成龍 顧小清

（華東師范大學教育信息技術學系，上海 200062）

一、問題的提出

人工智能技術以勢如破竹之態引發了第四次教育革命的轉型和演進（塞爾登等，2019，第14頁）。美國《為人工智能的未來做好準備》報告強調，人工智能加速擴大了社會對高階人才的需求，智能應用已成為教育強基戰略規劃的重點（Executive Office of the President National Science and Technology Council Committee on Technology，2016）。《在英國發展人工智能產業》報告從國家戰略層面呼吁，逐年增加人工智能博士學位，致力于培養人工智能專業型人才（Department for Digital，Culture，Media & Sport et al.，2017）。德國《高科技戰略2025》進展報告明確將人工智能技術視為國際競爭地位與教育創新的“未來武器”（Bundesministerium für Bildung und Forschung et al.，2019）。聯合國教科文組織認為，人工智能教育持續健康發展的基石，在于如何打造學習場域的智能化、學習形態的個性化、評價體系的精細化、教育管理和服務組織的科學化（聯合國教科文組織，2017，第37頁）。可以說，人工智能作為發揮“頭雁效應”的新興技術，在教育領域掀起了一股發展熱潮。

在人工智能的時代潮流下，教育生態的內涵進一步豐富，外延也不斷被拓展，但技術在賦能教育的同時，也衍生了系列不容忽視的問題。有研究發現，人工智能教育并未達到預期的實踐成效，領導決策者和一線教師對智能應用的采納意愿和價值認同普遍偏低（盧宇等，2021；張珊珊等，2020；Knox，2020）。也有研究從智能應用的風險出發，指明了人工智能教育實踐的關鍵挑戰（馮銳等，2020；譚維智，2019；李世瑾等，2021；侯浩翔等，2019）。不管是人工智能教育成效不盡如人意，還是應用進程中面臨的風險隱憂，正是人工智能教育生態失衡的現實表征。這是因為，教育生態是一個內生復雜的耦合系統，包括教育主體與外部環境之間關系運動的總和（范國睿，2000，第26頁）。當人工智能技術介入教育生態時，從內在邏輯來看，人工智能技術與教育系統本原的測不準性，加劇了人工智能教育生態融合的復雜性；從外在邏輯來看，智能技術的介入更新了治理主體、治理內容以及治理路徑等要素，一旦教育工作者無法科學監管組織體系時，由“社會—技術”交互所引發的復雜性因素將會以風險形式釋放出來。

應對人工智能教育生態失衡的關鍵是科學治理，而厘清其邏輯機理則是有效治理的堅實基礎。因此，本研究將人工智能教育生態視為治理對象，運用國際觀察與案例研究方法，通過對比全球12份人工智能治理的戰略行動，拓展人工智能治理的全球思路，并以新西蘭人工智能協同監管實踐項目為例，厘清了人工智能治理的實踐流程及對教育治理的行動啟發，尋求人工智能教育治理的邏輯機理與實踐進路，培育人工智能教育前瞻管控、科學推進的中國土壤。基于此，本文重點回答如下三個問題：（1）人工智能治理的前瞻舉措（包括全球行動框架和重點突破）有哪些？（2）就具體實踐過程而言，人工智能教育治理依循了何種邏輯機理？（3）人工智能教育治理的未來變革方向與實踐進路是什么？

二、人工智能教育治理的國際觀察：全球行動視角

由于目前人工智能教育治理的經驗基本處于起步階段，且源于自然科學、社會科學、技術科學三向交叉的人工智能技術，其教育應用的實踐風險涵蓋了政治、經濟和社會等不確定性和不可預知性的因素，因此，為汲取人工智能教育治理的有效經驗，必須放眼全球的行動戰略和經驗模式，通過梳理國際典型的行動政策、監管模式與治理框架，開拓教育領域本土化和創新化的治理舉措，才能建構系統化、本土化的人工智能教育治理框架。

縱觀全球行動戰略，人工智能治理受到世界各國政府部門的廣泛重視。各國抓住人工智能這一科技動力，紛紛制定國家層面的人工智能戰略規劃，科學監管人工智能技術應用的推進方向。為了保證研究樣本的全面性，我們分兩輪遴選了近5年人工智能治理的相關報告。第一輪采取“直接式”檢索途徑，篩選“人工智能治理”“人工智能教育治理”等主題的政策報告；第二輪采取“滾雪球”方式，利用引文追溯的途徑獲取更多資政報告。兩輪桌面調查結束后，通過閱覽報告內容，刪除不符合標準的樣本8份，最終獲取了12份人工智能戰略規劃，結果如表1所示。由表1可見，上述人工智能治理的行動舉措，直接指向教育領域治理經驗的極少。相比之下，人工智能技術在交通、安防、醫療、電子等行業的現實條件和應用場景更加豐富，其治理流程和應用示范也較為成熟。所以，人工智能教育治理的創新經驗需要全方位考量世界各國的特色舉措，通過進一步對比全球治理行動的具體做法，為教育創新治理沉淀證據和積累經驗。各國人工智能治理行動異同的具體分析結果如圖1所示。

圖1 全球人工智能治理行動的異同分析

表1 全球人工智能治理行動舉措

從思想內核來看，全球12份人工智能治理戰略行動呈現出“包容式”和“審慎式”兩種形態。所謂“包容式治理”，即充分肯定人工智能的技術優勢和情境效應，重視搭建開放包容的應用環境，強調治理的情境性和變通性等現實關照。例如，聯合國教科文組織發布的《北京共識——人工智能與教育》強調，對與新興人工智能發展影響相關的前沿問題進行前瞻性研究，推動探索利用人工智能促進教育創新的有效戰略和實踐模式。所謂“審慎式治理”，即多元支持聯盟采用證據導向的多元協同治理范式，尤為關注人工智能技術安全、倫理準則以及決策行動的規范治理。諸如英國《人工智能：未來決策制定的機遇與影響》等政策報告，尤為關注人工智能發展所帶來的現實風險，明確了治理決策的問責機制、數據算法、倫理安全等方面的具體舉措，它們更加重視安全問題而更顯治理的穩健性。

從治理過程來看，全球12份人工智能治理戰略行動都彰顯了技術重塑應用領域的價值準則、倫理規范以及發展方向，具有如下特點：一是共享協同化，即建構多邊、民主、適用的治理體系，以應對資源的強流動性、潛在風險的強擴散性、復雜生態的不均衡性、倫理標準的區域差異性等現實挑戰。其中，法國《國家人工智能研究戰略》就明確提出，基于協同治理原則，保障個人數字權益和公共服務體系。二是關聯系統化，即以系統方法審視人工智能技術應用的宏觀、中觀以及微觀問題，綜合考量應

用成效、安全倫理、社會關系、民生福祉等現實情境。例如，印度發布的《人工智能國家戰略》就強調人工智能的整體戰略部署對“AI for all”的目標實現至關重要。三是決策證據化，即充分考量證據導向的規則和機理，通過分布式數據采集服務，挖掘海量規模的異構數據，并采用語義分析、跟蹤、脫敏和同步等治理策略，統一對過程性數據進行機器解釋、分層與標簽化，最大程度激活數據在各應用系統之間的活性，實現證據導向的精準施策與共享共治。這也是美國《為人工智能的未來做好準備》中“以證據為基礎進行驗證和確認”的治理內核。四是架構精準化，即通過對全域數據的失范現象進行矯正和監控，形成精準把脈、精準施策、精準服務的數據閉環，規范人工智能治理的科學化和透明化。如日本通過收集、存儲和利用“真實數據”，在“從數據到產品再回到數據的良性循環”中實現“超智能社會”的創新目標。

經過綜合分析我們發現，新西蘭人工智能協同監管項目涵括了“包容式”和“審慎式”兩種形態，完整詮釋了“共享協同化”“關聯系統化”“決策證據化”以及“架構精準化”的內涵特色，治理經驗因具有創新特色成為示范標桿并被廣泛推廣。基于此，我們將進一步運用案例分析的研究方法，通過分析其治理流程和實現條件，以期為創新人工智能教育治理的邏輯機制和實踐進路提供啟示和借鑒。

三、人工智能教育治理的邏輯機理：國際案例的分析視角

對人工智能教育應用的失衡現象進行有效治理，關鍵是厘清科學治理的邏輯機理，指引未來實踐的努力方向。在全球人工智能治理舉措的經驗驅動下，適宜選取單個案例的研究方法（Eisenhardt, &Graebner，2007），深度分析其治理的關鍵流程和實現條件，進一步啟發人工智能教育創新治理的內在邏輯與實現機理。

（一）國際案例遴選標準

綜合人工智能治理共享協同化、關聯系統化、決策數據化和架構精準化等特性，進一步圍繞治理證據、治理過程和治理效益等遴選標準，我們選取新西蘭人工智能協同監管項目作為案例分析對象，主要有如下三點原因：

一是多元支持聯盟的治理證據。新西蘭人工智能協同監管項目由新西蘭政府和世界經濟論壇第四次工業革命中心（the World Economic Forum’s Centre for the Fourth Industrial Revolution）聯合主導，同時廣泛汲取政府、企業、社會和學界等多元支持聯盟力量，協同建構治理的實踐機制與規范秩序。該項目容納了多元支持聯盟的動態治理證據，借助了智能算力集成、自動化的聯動服務和透明化的共享機制，其治理架構更具系統性和包容性，再加上它在社會各界的治理證據和杰出表現等，保障了治理進程與實踐效能的一體化。

二是具有創新特色而廣受贊譽。新西蘭人工智能協同監管項目采用“包容式”和“審慎式”相融合的治理思想，通過動態靈活的治理框架以及可操作的實踐流程，及時更新治理方向及推進舉措，并輔以風險監控機制降低其應用進程的意外或風險，全方位保障了人工智能治理的科學性和有效性（World Economic Forum，2020）。與此同時，在治理進程中孵化生成的方法路徑、技術工具等，可使多元支持聯盟立體監管治理進程及實施“一站式”干預服務，通過集約化的協同治理流程以及多元融合的創新資源等，助力多元支持聯盟區域的聯通與合力流動，從而提高跨域視角的整體性治理和增值性評價。可以說，新西蘭人工智能協同監管項目的特色做法在世界處于領先地位，是人工智能治理領域的創新標桿。

三是治理進程被示范推廣。新西蘭人工智能協同監管項目采用證據迭代的協同方法，在管理和利用人工智能技術的實踐進程中，通過具體操作情境和規范治理流程，成為人工智能技術生態有效治理的成功范例。具體包括如下建設規劃：一方面，長期重視多元支持聯盟的利益訴求和智力支持，在社會生態視域內構建整體性治理的行動耦合，成為人工智能協同治理中具有突破性和示范性的創新項目。另一方面，因其以多元支持聯盟統籌治理的一體化而形成即時感知、高效執行的治理樣態，推動跨域多層治理體系的融合與共生，最終以協同共治路徑實現價值共創的善治目標。總之，客觀考量新西蘭人工智能協同監管項目的行動經驗和實踐流程，可以為人工智能教育治理的內在邏輯與實現機理提供直接借鑒經驗。

（二）新西蘭人工智能協同監管項目的具體示范及教育啟發

新西蘭人工智能協同監管項目始于2019年，遵循“審視→協同設計→測試→推廣”的實踐流程，打造多元支持聯盟的聯動結構，制定協同治理的對話框架，落實區域治理的行動舉措和監督規制，同時輔以治理工具和促成條件等支持，保障了人工智能治理的系統性和整體性。具體項目進程如圖2所示。

圖2 新西蘭人工智能協同監管項目進程

新西蘭人工智能協同監管項在實踐推進中采用證據導向的治理方式，嚴格圍繞三個重點領域，最大程度地調動多方力量，共同設計人工智能治理的可操作性框架：一是通過包容性的全國對話，獲得推廣人工智能技術應用的社會許可；二是通過明晰的監管設計，提高多元支持聯盟對人工智能治理的理性認知與協作水平；三是通過靈活的風險與效益評估，有效降低人工智能生態系統的相關風險，最大化地實現人工智能技術應用的實踐成效。具體如圖3所示。通過審視其內涵要義及關鍵治理流程，我們能夠清晰地看到人工智能教育治理的實現條件和邏輯機理。

圖3 新西蘭人工智能協同監管項目框架

1. 全國對話

輿論開放是人工智能治理的關鍵舉措。通過營造包容互動的組織氛圍，鼓勵多元支持聯盟積極發布輿論建議，形塑創新信任、協同設計的多元支持氛圍。為了踐行開放導向的對話愿景，新西蘭人工智能協同監管項目遵循“規定→發現→決定→設計→分析→檢查”六步走計劃，保障了話語決策的平等化和多元化。其中，規定即充分考量技術治理的基本原則、動態邏輯和領域范疇；發現即了解監管體制和技術應用進程中的具體瓶頸，以及多元支持聯盟的應用情況與實踐期待；決定即依據多元支持聯盟的最新動態，確定技術治理的組織團體、參與程度、工具支持等，保證治理進程的協同化與秩序化；設計即結合預期的實踐成效，交流構思多元支持聯盟協同治理的行動模式與具體方案；分析即審視多元類型的信息源，并將動態結果隨時反饋給參與者，進一步迭代優化技術治理的行動規劃；檢查即評估全國對話的整體流程，持續跟進多元支持聯盟的動態意見，為科學決策和有效治理提供直接依據。

不難發現，新西蘭人工智能協同監管項目關注開放包容的互動對話，這也為人工智能教育治理的情境創設提供了思路。一方面，我們應建立“去中心化”的情境共識，擴大多元主體的互動范圍，特別是包容話語權較小的弱勢群體，鼓勵其積極參與輿論對話，協同助力人工智能教育治理的多元路徑。另一方面，要汲取跨領域的創新做法與組織經驗，同時擴大人工智能教育應用的多元場景，豐富并拓展人工智能教育治理的證據庫。

2. 監管設計

監管設計是人工智能治理的內生力量，遵循“事中—事后”系統化監控的基本理念，充分調動多元支持聯盟的協同力量，探查人工智能技術應用進程中的關鍵瓶頸，平衡人工智能技術創新發展與有效治理的關系，循序釋放人工智能所帶來的技術紅利。新西蘭試點項目通過一體化的監管問責機制，尋求政府、企業、機構組織等合力，共同探討人工智能治理的核心舉措與發展方向，著力推進多元支持聯盟的資源共享和業務協同。

具體來說，新西蘭人工智能生態的監管設計重點考慮變革情況、遠見卓識、授權權力、功能形式、資源條件以及治理問責等內容。其中，變革情況關注監管背景與版圖、監管治理的組織架構以及監管問題等核心要素；遠見卓識致力于從治理狀態、透明式反饋以及治理期待等方面描繪技術生態協同治理的未來愿景；授權權力重點考量權力來源、權力范圍以及治理差異等觸發事件；功能形式包括多元支持聯盟在治理進程中的角色定位、活動組織以及行動舉措；資源條件主要涉及多樣態的資源類型以及內外聯動的人工智能監管證據庫；治理問責關注“元治理”樣態、監管問責機制以及多元支持聯盟協同治理的影響效果。

不難發現，新西蘭人工智能協同監管項目尤為重視多元支持聯盟的協同監督。這也意味著，人工智能教育治理的科學推進，理應建立在多元主體協同推進的基礎之上。例如，應積極調動“家—校—社—企”等多元支持聯盟的參與意愿，根據現實需求明晰多元支持聯盟的角色定位與權責界限，動態調整監管團隊的組織架構，努力消除片面監管、重復監管等模糊認識及錯誤做法。此外，還應打破監管機構的分割線，統籌多方支持聯盟協同治理技術生態，推動單一部門的孤立式監管向跨部門、跨平臺、跨區域協同監管方式的轉變。

3. 風險與收益評估

風險與收益評估是人工智能治理的基礎保障。通過建立人工智能技術生態風險管控的預警機制，識別、監測并降低技術應用進程中的潛在風險，能夠大大增強治理行動的科學性和有效性。新西蘭人工智能協同監管項目通過探索人工智能技術的應用情境與作用機理，同時結合產業變革與公眾權益的審查和問責流程，構筑了張弛有度、兼顧創新與安全因素的治理機制。

其中，實踐路徑、風險周期、應用效益以及權責文化等是新西蘭人工智能風險與收益評估框架的主要內容。在實踐路徑方面，遵循“選擇合理—多元主體—最佳實踐”的評估路線，通過汲取多元支持聯盟的經驗以及規范技術應用場景的協同進程，從而形成最佳的行動方案與實踐路徑。在風險周期方面，技術治理生態的整個生命周期，需要圍繞具體案例方法，設計協同聯動的操作框架，以及制定風險與效益的優先時序方案，平衡多元支持聯盟的利益沖突。在應用效益方面，應充分滿足多元支持聯盟的利益訴求，建立技術有效性、倫理安全性、用戶體驗等具體績效指標體系，和多元支持聯盟的數字信任以及安全保障機制，從而形成技術治理的預警數據流。在權責文化方面，明晰多元支持聯盟的權責及其對技術治理的貢獻度，利用追蹤技術建立治理機制的責任歸屬路徑。此外，通過多元支持聯盟的交叉協作、專用平臺的知識分享，形塑可行的、有效的協同治理文化氛圍。

我們發現，在新西蘭人工智能協同監管項目中，風險與收益評估的重心在于框架設計和應用調制，其具體操作流程和治理要點為人工智能教育治理提供了可行的參照。其中，框架設計強調治理進程的通用性原則，基于多元支持聯盟的協同參與，規范技術生態、社會秩序以及多元利益等方面的治理沖突。應用調制關注治理進程的適配性原則，系統考量風險水平、應用情境以及多元支持聯盟差異化的治理訴求，重構多元的、立體的、完善的治理結構，保障人工智能教育在動態復雜的實踐情境中發揮功效。

（三）人工智能教育治理的邏輯機理

人工智能技術正以前所未有的速度和規模重塑著教育生態系統，若要進一步發揮人工智能的“頭雁效應”，降低技術應用的潛在風險，則需基于內生機制的經驗規律，賦能人工智能教育治理的典型應用場景和關鍵行動舉措。通過汲取新西蘭人工智能協同監管項目的成功經驗，有助于拓深治理進程的關鍵要點，為人工智能教育治理的前瞻性、針對性和可操作性，提供科學高效的示范指引。總體上而言，人工智能教育治理依賴于開放包容的系統情境、支持聯盟的協同教化以及科學完善的監管機制，其邏輯機理如圖4所示。

圖4 人工智能教育治理的邏輯機理

1. 開放包容的系統情境是前提條件

開放包容的系統情境作為人工智能教育治理的前提條件，制約著協同治理的創新氛圍和發展方向。前人的研究已證實，實現“技術生態位—市場生態位—范式生態位”的躍遷蛻變，需要基于開放包容的系統情境，打造技術生態協同治理的孵化基地（Verbong et al.，2010）。

具體到人工智能教育治理進程中，需致力于從以下四個方面保障系統化的治理情境。一是協同治理的發展愿景，即呼吁“家—校—社—企”等多元支持聯盟，組建共同信念與動機的實踐群體。基于多元支持聯盟的協同力量支持，進一步消除人工智能教育應用的路徑依賴及其鎖定效應，實現技術生態的“善治”目標（Barrie et al.，2017）。二是開放對話的輿論平臺，通過構建公平、尊重、開放、包容的全國對話環境，對人工智能教育應用風險進行輿情管控，同時構筑多元支持聯盟的共識信任空間。三是合理有效的權責分配制度，使得管理者、教師、學生和家長等多元主體在協同治理進程中各轄其域，并基于區塊鏈技術建立“契約中間人”的合作關系，保障治理組織聯動創新和監管施策的透明化和扁平化。四是協調統一的互動聯結機制，基于共享共生的聯袂原則，努力打造多元支持聯盟協同參與的“泛技術治理生態圈”。例如，通過新型協同理念、互動方式以及評估決策，打破聯盟內部的交互壁壘，建立不同教育主體之間的長效聯動機制，實現人工智能教育治理的低風險和高效益目標。

2. 多元支持聯盟的協同教化是中堅力量

多元支持聯盟的協同教化關系是技術治理的中堅力量。這是因為，技術生態從來都是復雜交互的動態過程，加之原有生態的“超穩定性”，造成教育生態未能承載人工智能技術介入的現實窘境。在這種情境下，必須建構學校、科研機構、研究所、社會團體等多元支持聯盟的協同教化關系，即遵循“協同空間→協同時間→協同物界”的交互路徑，共同推進技術治理的層次化、系統化和透明化。

基于“自上而下”與“自下而上”的聯動思想，人工智能教育治理應遵循如下邏輯要點：一是協同監管的政策體系。基于人工智能技術應用規范和人機協同秩序的頂層框架的保障，協同探索數據濫用、隱私安全、技術倫理等治理舉措，并從行動懲戒的立法層面，積極引導人工智能教育治理的正面效應和實踐期待。二是透明的問責機制。通過審查人工智能教育系統設計與應用流程、數據技術過程性與結果性的統一、技術治理成效等關鍵環節，建立多元支持聯盟的權責體系和問責制度，致力于人工智能教育治理“外部問責催生內部協同”的推進范式。三是協同動機的共振機制，即建立平行、雙向的協商治理模式。這種機制下，即使多元支持聯盟在協作互動中因政策干預、責任重疊或行事差異等原因產生沖突摩擦，但因擁有協同治理的互動成分，例如有原則的參與、共同動機以及聯合行動的能力，故可實現協同治理的民主化和可持續化（錢旭鴦，2019）。四是協同紐帶的正向催化，即通過靈活演化的中樞紐帶，形塑政府主導的共識空間、市場編織的創新空間、學界生產的知識空間以及公眾催化的互動空間等，并利用內外雙向驅動的聯結優勢，打造人工智能教育治理的協同創新模式。

3. 科學完善的監管機制是動力保障

科學完善的監管機制約束著治理進程的推進速度，也決定著人工智能協同治理的實踐成效。而且，動力保障的正向驅動因子愈多，愈容易在短時間內獲得較滿意的人工智能治理成效（Emerson, et al.，2012）。

在人工智能教育治理進程中，在秉持“包容式”的驅動因素時，也需融入“審慎式”的監管行動。首先是“家—校—社—企”等多元支持聯盟的協同意愿支持。遵循“認知→說服→決策→執行→確認”這一技術擴散路徑，將多類型、多維度、多階段的實踐證據轉化為有效治理決策，實現“資源—過程—價值觀”一體化的治理進程。其次是內外驅動的激勵機制。通過價值認同、績效期望等內在保障，以及制度支持、資源保障等外部支持，提升多元支持聯盟主動參與人工智能教育治理的意愿和動機。再次是協同創新的文化氛圍。通過積極互動的治理氛圍，緩解弱勢聯盟群體參與治理的技術壓力，提升多元支持聯盟協同治理的價值感知與行動能力。最后是嚴格透明的風險預警機制，確保技術應用與風險治理的邏輯自洽。通過在縱向時序與橫向空間中審視潛在風險及其發展規律，平衡人工智能教育生態風險中不確定、非線性、不可知方面的因素，同時結合現實情境與支持條件，將風險因子進行結構化處理，有序演化人工智能教育治理的進階軌跡。軌跡。

四、人工智能教育治理的未來實踐進路

人工智能技術具有重塑教育生態的巨大潛力，其與教育系統融合的復雜過程，應遵循靈活適應的治理路徑，打破技術應用進程中的隔膜與障礙，保持人工智能教育系統的動態平衡。本研究采用國際觀察與案例分析的方法，通過對比全球12份人工智能治理的行動舉措，并以新西蘭人工智能協同監管實踐項目為例，詳細闡釋了全國對話、監管設計、風險與效益評估等人工智能治理的具體示范及對教育治理啟發，為人工智能教育創新治理的邏輯機理提供了直接經驗。基于機理探索，我們認為未來人工智能教育治理的關鍵，在于打造開放包容的治理場景，推動人工智能教育治理的系統性；形塑多元協同的治理機制，提升人工智能教育治理的有效性；應用動態預測的治理方法，保障人工智能教育治理的前瞻性。

（一）打造開放包容的治理場景，推動人工智能教育治理的系統性

人工智能技術重構教育生態是未來教育發展的必由之路。如何讓正在或即將進入教育場景的人工智能技術成為“好技術”或“好工具”，亟需打造開放包容的治理場景，適應智能生態的多元情境，推動人工智能教育治理的系統性。

首先，營造開放包容、共治共享的人工智能教育生態氛圍，打造有溫度的治理流程。例如，通過“家—校—社—企”等多元支持聯盟的互動聯接渠道，廣納社會各界關于人工智能教育治理的根本訴求、智力成果和組織資源，形塑智能生態良性治理的新秩序，實現技術治理的數智化、互聯化和動態化（阿柔娜，王松，2021）。

其次，健全人工智能教育治理的發展戰略、政策體系和實踐場景，即從法律規制、倫理引導、預警防控和追責機制等方面，提供人工智能教育生態風險治理的有效措施。具體來講，在法律規制方面，加強多元支持聯盟的治理認知，運用法治思維推進人工智能教育治理的有序耦合，出臺多元化、層次化的治理方針、愿景規劃和政策文件等。在倫理引導方面，規范教育數據采集、匯聚、分析和運用等過程，建立數據共享、分層管理的保障體系，實現全局數據字典的系統化治理。在預警防控方面，積極利用智能化數據資產平臺，理性洞察及預測未來教育生態的發展態勢，同時建立教育數據采集、融合、分析、存儲、監控的風險管理機制，提前化解治理的應用誤區和潛在風險。在追責機制方面，明確多元主體的關鍵職責，形塑人工智能教育治理的基本原則、實施路徑以及關鍵舉措，推動多元支持聯盟協同應對治理風險。

最后，發揮人工智能教育治理的聯動效應，即擴散人工智能技術在智慧校園、智慧學習、智慧課堂、智慧考試、智慧評估等領域的積極效應，激發多元支持聯盟參與治理行動的創新意愿。例如，借助國際組織的內在張力與治理愿景，最大程度地調動多元支持聯盟參與技術治理的路徑、內容與理據，從而消除教育治理的聯動壁壘和文化隔膜，保障人工智能教育治理的系統性、安全性和發展性（沈偉，2019）。

（二）形塑多元協同的治理機制，提升人工智能教育治理的有效性

協同治理決定著未來教育發展的實踐進路，也為預警管理、趨勢預測、精準決策等提供科學依據。明確“家—校—社—企”等多元支持聯盟的基本屬性，打造支持聯盟協同治理的創新機制，最大限度地實現人工智能教育治理的科學化、公平化和安全化。

一是激活多元支持聯盟協同治理的內在動機。通過政策引導、示范激勵、投入保障等方式，以及名師工作坊、項目培訓和講座活動等途徑，強化多元支持聯盟對人工智能教育治理的責任感知。同時，推廣人工智能教育治理“全球利益共同體”的創新理念，高度重視教育生態協同治理的智庫建設，形成人工智能教育治理的中國智慧與經驗（王運武等，2020）。例如，通過汲取協作項目、協作標準以及聯動領導力等治理經驗，積極推動協同機制的穩健運行，提升協同治理組織的業務水平能力。

二是制定協同治理規則，強化多元支持聯盟協同創新的共建、共享及共流。例如，充分發揮政府主導、市場支持、學界創新、公眾監督等協同優勢，推動人工智能教育生態“學—教—評—管”的創新型發展，具體包括學生的學習成長、教師與技術協同創新的教學過程、數據驅動的智能決策和精準管控等流程，實現人工智能教育治理的耦合層級目標。

三是明確多主體權責，建立技術研發、應用實踐等全流程的問責機制。在這個過程中，充分聯動社會、政府、學校等多元支持聯盟的協同力量，圍繞算法規則、數據標準、安全機制等內核，持續提升協同治理能力。例如，聯動政府決策功能，預判人工智能技術對教育生態變革的影響趨勢。同時，結合不同區域的學校特色，建立“技術解鎖學習—網絡升級學習—改革重塑學習—動機激發學習”等一體化的治理體制（朱永新等，2020）。此外，發揮社會群體力量，帶動更多角色群體主動參與教育治理，提升人工智能教育生態的監督、管理和評價水平。

（三）應用動態預測的治理方法，保障人工智能教育治理的前瞻性

人工智能教育治理高度重視教育的基本功能與責任使命，致力于實現風險預估與前瞻性判斷等目標。采用何種動態預測的治理方法，才能提前為教育系統布局？這將是未來人工智能教育前瞻性治理的關鍵任務。

一方面，通過教育社會實驗，積極探索教育治理的風險和難點，有序推進人工智能教育生態演化的適應性和價值性。所謂教育社會實驗，即在教育教學的實踐基礎上，研究者能動地探究教育教學實踐活動，發現和認識教育教學規律的過程（黃榮懷等，2020）。許多國家近30年間大量教育社會實驗的成果，成為技術倫理和政策指引的理論根基。有鑒于此，需構建“以人為本”的人工智能教育社會實驗體系，形成“以問題為導向”的前瞻性治理舉措。例如，從“宏觀—中觀—微觀”視角，分別開展不同內容、不同層次的人工智能教育社會實驗，通過持續觀察、跟蹤、干預等過程，探索人工智能教育生態的典型應用場景，形成人工智能教育治理的共享原則、行動經驗和政策法規。

另一方面，采用多主體仿真實驗，從復雜系統視角審視人工智能、社會、教育等要素之間的互動關系及變化規律。通過人工智能支撐的社會化計算方式，跟蹤解析教育各要素隨時間及空間的演變歷程，闡釋人工智能教育理念下未來學校、體制要素、服務模式和治理體系等內生機理，前瞻性地預判教育生態的典型治理場景，進一步形成實踐層面的操作路徑。同時，針對治理進程中的潛在風險和負面效應，提前采取針對性的干預措施。

此外，從社會倫理的全新視角出發，重新審視多元支持聯盟的思維方式、價值觀念和道德行為，進一步完善人工智能教育治理的法制體系，將人工智能教育系統中的數據隱私、倫理安全等風險降至最低（盧迪等，2020）。同時，針對符號化、超地域性、隱匿性的社會關系和實踐情境，可利用區塊鏈技術避免技術濫用危機，實現人工智能教育治理真實性、融通性的技術功效。

五、結語

人工智能作為引領教育創新的內生力量，它在為教育賦能的同時也衍生出了一系列不容忽視的現實挑戰，因此在人工智能與教育深度融合的進程中，科學治理尤為關鍵。鑒于人工智能教育治理基本上還處于起步階段，因此本研究充分考察了國際視野下的治理經驗，通過對比人工智能治理的全球行動，并以新西蘭人工智能協同監管項目為代表性案例，進一步厘清關鍵治理流程及對教育治理的啟發。我們的研究發現，人工智能教育治理基于開放包容的系統情境、支持聯盟的協同教化以及科學完善的監管機制等邏輯機理，可有效規避人工智能教育生態的測不準性、動態混沌性等復雜影響，也為人工智能教育持續健康發展提供有效保障。未來，如何利用多模態技術采集規模化的貫通數據，如何應用數據中臺打通多源異構的教育數據，如何通過系列社會實驗保障人工智能教育應用的規范化和精細化，以及如何采用多主體仿真實驗洞察前瞻的干預措施等，將是人工智能教育治理的下一步戰略規劃。