教育生態系統視角下AI驅動的學生核心素養發展模式研究*——基于系統動力學方法

胡藝齡 趙梓宏 顧小清

教育生態系統視角下AI驅動的學生核心素養發展模式研究*——基于系統動力學方法

胡藝齡 趙梓宏 顧小清

（華東師范大學 教育信息技術學系，上海 200062）

人工智能作為引發與推動“第四次科技革命”的核心技術，同時推動著人才培養目標的變革。創新型、復合型的人才需求，使學生核心素養的培養需要超越傳統教與學視角，還原到教育生態系統互動中分析?；诖耍恼聵嫿薃I驅動的學生核心素養發展模式，探究教育生態系統主體間動態合作關系對素養演化的影響，并設定了綜合發展模式、高期望發展模式與氛圍營造發展模式三種情景下的仿真方案。仿真結果揭示：綜合發展模式在發展的前中后期均有良好的發展態勢；高期望發展模式在前期優勢明顯，但后期呈現“反噬”現象；氛圍營造發展模式雖然前期發展不明顯，但后期則呈現出了巨大的發展優勢。綜上，文章從系統協同作用、學校創新生態、課堂師生交互三個角度提出實踐建議，以期為各層面促進學生核心素養發展提供借鑒。

核心素養；AI素養；教育生態系統；復雜性科學；系統動力學

隨著人工智能（Artificial Intelligence，AI）技術的飛速發展，其在促進社會、經濟和科技呈指數級發展的同時，與人力資源之間的相互依存關系產生了前所未有的張力。其中，AI技術在解決良構問題上的巨大優勢，使低端勞動力市場被大量侵占，這使未來人才培養面臨新的挑戰：在技術與教育的角逐過程中，逐步顯現出現有教育體制在培養創新型、復合型人才上的不足[1]。為此，批判思維、問題解決、創新意識、終身學習等能力開始受到重視，成為人們應對挑戰的必備核心素養，這也是當前我國深化基礎教育課程改革的重要方向[2]。為了實現促進學生核心素養發展的目標，圍繞課程與教學改革、教師專業能力發展等主題，教育工作者展開了大量探索，但由于其主要聚焦于師生互動，因此仍無法回應學習者核心素養的發展模式這一系統性問題。針對這一現狀，本研究認為，需要突破以往的認知框架，在教育生態系統中各利益相關者的協同參與下分析問題[3]。為此，本研究在打破原有單向與線性分析思路的基礎上，從教育生態角度出發，運用復雜系統科學領域中的系統動力學方法，從宏觀角度剖析學校組織結構、外部環境因素與學生素養發展之間的復雜關系[4]：首先在梳理學生核心素養發展影響關系的基礎上，構建表征系統關系的因果回路圖和存量流量圖[5]；然后運用計算機仿真方法預測不同系統要素間的交互情況，形成不同發展模式下的仿真方案；最后通過仿真未來20年內智能技術影響下學生核心素養培養的整體發展態勢，以期回應教育生態系統中各要素的協同機制、核心素養發展模式、發展態勢預判等關鍵問題，為各層面促進學生核心素養發展提供借鑒。

一 系統影響因素與因果關系分析

為了探究教育生態系統中復雜要素對學生核心素養發展的影響，并契合我國當前面向基礎教育核心素養培養的課程改革需求，本研究以中小學學生、教師、管理者以及學校外部因素為研究對象，通過問卷調查揭示不同主體之間的互動關系如何影響學生的能力素養發展等（問卷調查的對象、維度、題項數量等基本信息如表1所示）。調查于2020年11月～12月期間展開，通過“問卷星”面向上海、天津、寧夏等地中小學管理者、教師、學生和家長發放問卷，共回收8000份問卷。對問卷數據進行統計、相關性分析，結果將為系統動力學的建模與仿真參數提供依據（由于問卷調研結果非本研究重點且受限于篇幅，僅在后續需要的地方提及相關結果）。

1 學生內部影響機制分析

在智能教育變革浪潮中，學生對AI學習應用的應對情況與能力素養發展情況，是人力資本發展的技能結構、知識結構、智力結構的關鍵所在。因此，構建學生素養的內部提升機制是本研究的關鍵，更是分析其他復雜因素影響學生能力發展的基礎。問卷分析結果顯示，學生的學習投入度與其AI學習應用情況呈顯著正相關（相關系數=.7559，＜.00）。同時，家長的信息素養與學生的AI學習應用情況息息相關，家長的信息素養越高，越能引導學生正確運用AI技術輔助開展學習活動（=.6455，＜.00）[11]。而學生的AI應用程度越高，其AI素養越高（=.7012，＜.00）[12]。AI素養的提升是促進學生發展智能時代下核心素養的關鍵，但能力的發展與實踐之間往往有一定的延遲，因此AI學習應用對學生AI素養和核心素養的影響具有延遲效應。綜上，本研究構建了素養提升內部機制R1，如圖1（a）所示。

圖1（b）所示的回路R2是在R1的基礎上展開的。當學生的學習投入度逐漸上升時，學生所承受或自己施加的能力發展壓力便會開始提升[13]。但適當的壓力能在一定程度上促進學生更努力地運用AI開展學習，進而逐步提升AI素養與核心素養。因此，R2回路展示的是適當壓力的正向作用。與之相反的是圖1（c）所示的回路B1，其展示的是過度壓力的負向作用。依據動機理論中的耶克斯—多德森定律[14]，當學生感受的壓力過大時，原本應產生的有促進作用的壓力會轉變為抑制積極性的因素，導致學生更傾向于依賴AI技術提供方便的學習資源和答案，而非積極、主動地運用AI輔助學習，從而在一定程度上抑制AI素養與核心素養的發展。最后，圖1（d）展示的是家長AI接納度對學生的影響回路R3。通過問卷數據可知，家長因素是影響學生發展的關鍵變量之一，其AI接納度與學生各因素的發展呈顯著正相關（=.5150，＜.01）。

注：箭頭旁的+號表示該關系為正反饋，箭頭旁的-號表示該關系為負反饋，線條上的=表示該關系具有延遲效應。

2 教師對學生的影響因素與機制分析

在AI教育變革過程中，教師是與學生關聯最為緊密、影響學生素養發展的關鍵角色。教師對AI技術的接納程度決定了其采取的AI教學策略的積極程度，而恰當的教學策略能在一定程度上促進學生的AI素養和核心素養發展[15]。根據調查問卷，本研究繪制了教師對學生影響機制因果圖，如圖2所示。問卷調查數據結果顯示，教師AI接納度與AI教學策略實施情況的相關系數為0.7981（＜.00），AI素養與AI教學策略實施情況同樣呈正相關關系（=.5793，＜.00），可見，教師的AI接納度、AI素養與AI教學策略通過相關影響，共同促進學生AI素養和核心素養的發展，教師對學生素養的影響如圖2（a）所示。

圖2 教師對學生影響機制因果圖

但是，教師身為具有情感傾向和風險感知能力的智能主體，并不是簡單地直接接受AI技術，而是通過分析AI技術的有用性、易用性和復雜性等不確定因素，再根據其對AI風險的感知程度，選擇對AI技術的接納程度[16]。因此，這一回路在R4的基礎上增加了教師的AI風險感知因素，當教師感受到運用全新技術進行教學可能需要承擔較高的風險時，會采取規避態度。因此，AI風險規避將導致AI接納度降低，教師風險規避的負向影響如圖2（b）的R5回路所示。

3 學校管理者與外部因素的影響分析

在教育復雜生態系統中，學校管理者對學生和教師也存在一定的影響，并可以通過對教師的影響間接促進學生素養的提升。R5回路揭示了教師對AI技術的風險感知所帶來的負向影響。而提升教師對AI技術信任的關鍵，在于學校管理者如何營造良好的學校AI應用氛圍[17]。學校管理者與外部因素對學生的影響機制因果圖如圖3所示。其中，在R5的基礎上，如圖3（a）所示的回路R6加入管理層面學校AI應用氛圍的影響。同樣，學校AI應用氛圍也會影響學生的學習投入度，如圖3（b）所示的回路R7所示。學校管理者通過制定恰當的AI應用規劃，可以營造學校的AI應用氛圍，而氛圍營造的反饋結果將影響新的AI應用規劃的制定，如圖3（c）所示的回路R8。此外，家校的協同、教育部門的AI宏觀政策、AI教育技術企業的投入和支持等[18]，這些外部因素的引導、扶持與回應，同樣是推動學校AI教育變革的關鍵，由此可構建如圖3（d）、圖3（e）所示的回路R9、R10。

圖3 學校管理者與外部因素對學生的影響機制因果圖

4 系統總體因果回路圖的構建

基于前三部分對系統中各利益相關者之間的影響機制分析，本研究確定了11個回路，包含10個正（增強型）回路與1個負（平衡型）回路，可以匯總為如圖4所示的系統因果回路圖，以此表征教育系統中復雜要素對學生核心素養發展的影響關系。

圖4 系統因果回路圖

二 存量流量圖的建構與模型關鍵設定

系統因果回路圖清晰地表征了系統中各要素之間的復雜交互與反饋關系。但“定性”的因果回路圖無法從“量”上動態表征存量與流量的交互關系。其中，存量是系統中重要的積累值，它表征了系統的狀態，告訴決策者當前對象所處的位置，并為決策和行為提供信息基礎。與存量相對應的是流量，存量的數量只能通過流量的流入和流出而發生改變。如果流量沒有發生變化，則存入存量中的信息將會一直存在。因此，存量是分析系統變化的關鍵變量，是研究系統演化過程的核心指標。而本研究所探討的“AI驅動的學生核心素養培養”這一話題涉及7個關鍵存量：學生核心素養、學生AI素養、學生學習投入度、學生能力發展壓力、教師AI風險感知、學校AI應用氛圍與AI技術。綜上，可繪制出如圖5所示的系統存量流量圖。

圖5 系統存量流量圖

根據系統存量流量圖，可抽取出35個系統動力學方程，其中主要的系統動力學方程如表2所示。其中，時間參數是控制仿真系統以不同發展模式進行演化的關鍵。由于本研究所探討的AI技術本身具有發展快、變化大等特征，難以從時間維度上同時考慮AI技術的不斷更新，因此本研究假設由AI技術變化帶來的影響在時間維度上差異不大，以簡化仿真模型，將研究視角聚焦于探討不同仿真模式對學生發展的影響上。

表2 主要的系統動力學方程

三 系統仿真與結果分析

1 學生核心素養發展模式設定

基于系統存量流量圖，本研究使用系統動力學仿真軟件Vensim PLE v7.3進行系統動力學分析，并通過了系統設定的單位量綱與模型檢驗[19]。其中，本研究將系統仿真年限設為20年。為了檢驗適合培養學生素養的最佳發展模式及宏觀趨勢，本研究基于問卷數據結果和不同學者對學校教育與組織模式的研究[20][21]，歸納出三種不同的發展模式：綜合發展模式、高期望發展模式和氛圍營造發展模式。

①模式1：綜合發展模式。在綜合發展模式當中，教育復雜生態系統中各利益相關者圍繞著學生素養培養這一目標，積極且高效地投入到AI教育的應用與變革當中。因此，模式1屬于學校從綜合、全方位出發進行的學生核心素養培養，各利益相關者通過協同推動AI教育變革。在仿真系統中，模式1具體體現為調節各類變量變化的“時間參數”取值到適中的情況，如影響學生壓力增加的“時間參數3”在該模式下取值為0.6625，而影響學生學習投入度增加的“時間參數2”為0.525，其數值均由問卷收集的數據通過回歸分析得到。

②模式2：高期望發展模式。高期望發展模式是在模式1的基礎上，強調學校管理者、教師和家長不僅對AI技術抱有更高的期望，還對教師能夠取得的AI教學成效抱有更高的期望；同時，教師對學生的能力發展也抱有較高期望。這種期望較高的模式在激發學生運用AI技術提升核心素養的同時，也給予了學生很大的壓力。對比模式1，在仿真系統中，模式2下影響學生壓力增加的“時間參數3”與影響學生學習投入度增加的“時間參數2”均增長至0.875。

③模式3：氛圍營造發展模式。氛圍營造發展模式是在模式1的基礎上，更強調學校更為注重營造合理、積極、良好的AI應用氛圍。在該模式下，學校、教師和家長并沒有給予學生過高的能力素養提升期望，學校管理者也沒有強制要求教師取得顯著的AI教學成效。在這種輕松、自主且積極的模式下，各利益相關者以各自最佳、最輕松的狀態投入到AI教育應用與變革當中。在仿真系統中，模式3影響學生學習投入度的“時間參數2”雖然與模式1同樣為0.525，但影響學生壓力增加的“時間參數3”則下降到了0.4875。

2 基于仿真結果的發展模式對比分析

上述三種發展模式的仿真結果如圖6所示。其中，主要展示的是圖5所示的6個系統存量，而AI技術（第7個系統存量）由于是投入到系統中的自變量，因此不作為結果因變量進行討論。

①針對模式1，學生的核心素養發展、學生的心理狀態（如學生學習投入度、學生核心素養等）以及學校營造的氛圍等均不斷地向積極方向發展。其中，學生AI素養與核心素養并不會在初期就有明顯的提升，而是有一定的延遲效應，如圖6（a）和圖6（b）所示。就AI素養而言，在第7年后學校整體的學生AI素養才開始逐步提升，并在第10年之后有顯著的增長。相較于AI素養，學生核心素養的提升則更具延遲性。由此可見，素養的提升是對學生進行認識觀、方法論等抽象層面的培養，需要學校管理者、教師與家長花費一定的時間與精力，投入到學生的意識觀念的樹立上。

②相較于模式1的綜合協調發展，模式2則在其基礎上加大了對AI教育變革的期待，對AI支持下的學生素養發展有了更高的期望，因此會在一定程度上增加學生的“能力發展壓力”，以及教師因不確定性而帶來的風險規避心理。在高期待氛圍的影響下，學生在前期能夠維持一定的學習投入水平，從而使素養的發展在前5年內便超過了模式1。但隨著時間的推移，學生感受到的壓力越來越大，使其素養發展在后期（約8年之后）并不明顯，過高的期望最終導致素養提升的幅度低于模式1。因此，模式2雖然在前期可能有顯著的提升效用，但其后期的“反噬作用”將導致學生素養難以得到進一步的提升。

③對比三種模式可知，模式3的仿真結果是增長態勢最為明顯、效果最為優異。雖然在該模式下，學生素養的提升在前期并不顯著，特別是AI素養的發展甚至慢于模式1；但在后期，學生素養的提升呈現近似“指數”型的快速增長態勢。在這樣的氛圍下，學生承受的壓力是三種模式下最低的，而其具有的學習投入度是三種模式中最高的。因此，雖然該模式下學生的素養發展更具“延遲效應”，但該模式所構建的積極、主動的學習氛圍，在后期逐漸突顯出其對學生動機、素養提升的潛移默化作用，對學校整體的長遠發展而言效果非常顯著，也是支撐學生核心素養可持續發展的一種體現。

圖6 三種發展模式的仿真結果

四 研究總結與實踐建議

本研究運用系統動力學的方法，剖析了教育生態系統中不同要素對學生核心素養發展的相互作用關系，并且對其未來發展趨勢進行仿真研究，探討了綜合發展模式、高期望發展模式與氛圍營造發展模式三種模式下學校系統的整體發展情況?；诖?，本研究提出以下實踐建議：

1 復雜系統要素的協同作用：AI教育變革階段的啟示

根據仿真結果可以發現，教育系統中的復雜要素以不同的方式協同作用到學生素養發展這一核心路徑上，從而涌現出不同的宏觀發展趨勢。在AI教育變革前期，許多學?；騾^域對AI技術的使用往往抱有較大的期望，這種對AI教育變革的期望、對學生素養提升的高要求在前期取得的成效較為明顯。但依據耶克斯-多德森定律，當壓力或動機提升到一定水平之后，將會帶來反向作用，模式2就展示了壓力的雙面性。而在發展中期，模式1揭示了學校系統各利益相關者統一協同參與到變革發展的意義與價值。到了發展后期，學校需著重關注的是如何可持續地維持AI教育變革的積極成效，而借由模式3帶來的啟示可知，學校氛圍的營造雖在前期對學生素養的提升效果不顯著，但通過對學生學習投入、態度與傾向的潛移默化的影響，其是可持續且長久推動學生素養發展的基礎。

2 學校生態的創新構建：氛圍的潛在協調作用與素養的可持續發展

學校生態作為教育生態系統中最為核心的子系統，其內部氛圍的營造對學校系統的良好發展具有重要的協調作用。剖析因果回路圖可知，影響學生學習投入的關鍵變量包括學生核心素養、家長AI接納度與學校AI應用氛圍，而學校AI應用氛圍是干預其他兩個因素的關鍵，如圖3（b）和圖3（d）所示。同時，學校AI應用氛圍還通過影響教師AI風險感知程度，進而影響學生的素養提升，因此聯通“學生—家長—教師”的學校AI應用規劃與氛圍營造至關重要，如圖3（c）～圖3（e）所示。還需強調的是，學校積極氛圍的營造在特定時期下會存在一定風險，如模式3仿真結果中展示的“延遲效應”[22]。因此，在AI教育變革中，學校管理者需通過營造積極、向上的氛圍，規避甚至消除由AI教育變革的不確定性與顛覆性所帶來的創新風險。

3 課堂生態下的學生發展：教師在AI教育變革中的中介角色

古德拉德[23]強調，學校的變革應立足于學校自身并開發學校內部的潛能來解決變革過程中的問題，而教師是驅動學校發展與問題解決的關鍵。因此，推動智能教育變革落實的關鍵在于發揮教師的中介作用。本研究發現，教師對AI技術的接納度與風險感知程度會直接影響學生素養的發展情況，更會通過課堂生態氛圍間接但持續地影響學生的學習投入程度和學生對待AI技術的態度。課堂生態學的研究啟示我們，生態課堂具有共生性、協變性、動態平衡性等特征，故課堂生態中師生的關系、教師營造的課堂氛圍、技術應用氛圍與取向等，會極大程度地左右學生的觀念發展與思維建構。因此，作為智能教育理念和技術的重要實踐出口，教師應當在課堂中構建一種積極、正向的AI教學應用氛圍，并規避過度的AI技術依賴或消極的AI風險規避，通過創設相互依存、協同發展的生態型“學習共同體”，不斷豐富學生的學習經驗，從而促進學生能力素養的培養與正確技術價值觀的樹立。

[1]顧小清,郝祥軍.從人工智能重塑的知識觀看未來教育[J].教育研究,2022,(9):138-149.

[2]教育部.人工智能時代需要培養學生怎樣能力[OL].

[3]Jacobson M J, Wilensky U. Complex systems in education: Scientific and educational importance and implications for the learning sciences[J]. The Journal of the Learning Sciences, 2006,(1):11-34.

[4]Flay B R, Allred C G, Ordway N. Effects of the positive action program on achievement and discipline: Two matched-control comparisons[J]. Prevention Science, 2001,(2):71-89.

[5][19][22]Sterman J D. System dynamics modeling: Tools for learning in a complex world[J]. California Management Review, 2001,(4):8-25.

[6]方來壇,時勘,張風華.中文版學習投入量表的信效度研究[J].中國臨床心理學雜志,2008,(6):618-620.

[7][12][16]Long D, Magerko B. What is AI literacy? Competencies and design considerations[A]. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems[C].New York:Association for Computing Machinery, 2020:1-16.

[8]張哲.職前教師的采納技術教學行為影響因素研究[D].長春:東北師范大學,2016:194-196.

[9]竇海燕.管理者心理資本、變革型領導行為和組織認同的關系研究[D].廣州:暨南大學,2011:93-94.

[10]吳偉炯.中小學教師心理資本及其相關因素研究[D].廣州:廣州大學,2011:173-174.

[11]Wu D, Yu L, Yang H H, et al. Parents’ profiles concerning ICT proficiency and their relation to adolescents’ information literacy: A latent profile analysis approach[J]. British Journal of Educational Technology, 2020,(6):2268-2285.

[13]王振宏.學習動機的認知理論與應用[M].北京:中國社會科學出版社,2009:75-82.

[14]Yerkes R M, Dodson J D. The relation of strength of stimulus to rapidity of habit-formation[J]. Journal of Comparative Neurology and Psychology, 1908,(5):459-482.

[15]Lee I, Ali S, Zhang H, et al. Developing middle school students’ AI literacy[A]. Proceedings of the 52nd ACM Technical Symposium on Computer Science Education[C], New York: Association for Computing Machinery, 2021:191-197.

[16]胡藝齡,趙梓宏,顧小清.突破與重構:教師AI接納的復雜擴散機制探究與建模[J].電化教育研究,2022,(3):32-41.

[17]李澤林,伊娟.人工智能時代的學校教學生態重構[J].課程·教材·教法,2019,(8):34-41.

[18]顧小清,白雪梅.教育信息化推進新路徑:構建以設計為中心的研究-實踐共同體[J].開放教育研究,2019,(6):66-74.

[20][23](美)古德拉德著.蘇智欣等譯.一個稱作學校的地方[M].上海:華東師范大學出版社,2014:34-50.

[21]Khattab N. Students’ aspirations, expectations and school achievement: What really matters?[J]. British Educational Research Journal, 2015,(5):731-748.

Research on the Development Pattern of AI-driven Students’ Core Literacy under the Perspective of Educational Ecological System——Based on System Dynamics Approach

HU Yi-ling ZHAO Zi-hong GU Xiao-qing

As the core technology to trigger and promote the “fourth scientific and technological revolution”, artificial intelligence (AI) has promoted the reform of talent training objectives. The demand for innovative and compound talents makes students’ core qualities cultivation need to go beyond the traditional teaching and learning perspective and return to the interaction analysis of the educational ecosystem.Based on this, this paper constructed an AI-driven system dynamics model of learners’ core literacy development, explored the influence of the dynamic cooperative relationship among the subjects of the education ecosystem on the evolution of literacy, and set up simulation schemes under three scenarios of comprehensive development model, high expectation development model, and atmosphere creation model. The simulation results showed that the comprehensive development model had a good development trend in the early, middle, and late stages of development. Meanwhile, the high expectation development model had obvious advantages in the early stage, but it shows a “backlash” phenomenon in the later stage. The atmosphere creation development model had no obvious advantages in the early stage, but it showed a huge development advantage in the middle and late stages. In conclusion, the practical suggestions were proposed from three angles of system synergy, school innovation ecology, and classroom teacher-student interaction, in order to provide a reference for promoting students’ core literacy development at all levels.

core literacy; AI literacy; education ecosystem; complexity science; system dynamics

G40-057

A

1009—8097（2022）12—0023—09

10.3969/j.issn.1009-8097.2022.12.003

本文為2019年度國家社會科學基金重大項目“人工智能促進未來教育發展研究”(項目編號：19ZDA364)的階段性研究成果。

胡藝齡，副教授，博士，研究方向為學習分析與高級思維能力評估，郵箱為ylhu@deit.ecnu.edu.cn。

2022年5月31日

編輯：小時