人工智能賦能：學習者高階思維培養何處去 *

胡小勇，孫 碩，楊文杰①，陳孝然

(1.華南師范大學 教育人工智能研究院，廣東 廣州 510631；2.華南師范大學 教育信息技術學院，廣東 廣州 510631)

一、引言

高階思維(Higher-order Thinking)是發生在較高水平層次的認知活動，是學習者解決復雜問題的必要條件，是培養未來社會創新型人才的需要，受到全球教育界的廣泛關注。2019年，世界經濟合作與發展組織發布了《培養學生的創造力和批判性思維》研究報告，明確指出在新的時代背景下創造力、批判性思維等高階思維具有重大潛在價值[1]。2016年，《中國學生發展核心素養》將批判質疑、勤于反思、問題解決等納入基本要點，凸顯出高階思維在學生核心素養中的重要性[2]。同時，美國、新加坡等國家將高階思維能力作為21世紀學習者學習和適應社會所必備的關鍵能力之一[3][4]。可見，學習者高階思維培養成為當代及未來教育發展的重要趨勢，未來人才培養目標將不再局限于知識理解和技能掌握，而是聚焦到高階思維能力和復雜問題解決能力。

近年來，人工智能技術發展浩蕩如潮，不斷加速世界各行業的數字化變革與創新。作為推動教育數字化轉型與發展變革的重要力量[5]，教育人工智能(Artificial Intelligence in Education，AIEd)開始崛起，并結合人工智能與學習科學、腦科學等多學科成果，為培養學習者的高階思維提供了巨大空間。然而，學習碎片化、淺層化等問題愈發顯現，加之算法“黑箱”難以揭示深度學習和認知規律[6]，“數據投喂”(Data Feeding)固化思維定勢，學習者思維能力退化的風險也正在加劇。在人工智能等新技術助力教育數字化轉型的背景下，如何正確對待教育人工智能為高階思維培養帶來的機遇與挑戰，成為當前全球教育改革的重要研究關注點。本研究將通過梳理國內外相關研究，歸納總結人工智能支持下學習者高階思維培養的研究重點，以把握人工智能賦能學習者高階思維培養的重要方向，為人工智能賦能學習者高階思維培養提供參考。

二、學習者高階思維含義辨析與時代特征

高階思維，是解決復雜問題時所發生的高階認知活動[7]。從解決的問題對象來看，復雜問題是劣構、具體的，具有豐富的情境信息，這種問題情境容易引發學習者認知上的沖突，為高階思維的發生提供重要的前提條件。從發生過程來看，Dewey認為高階思維的發生經歷了質疑反思、生成問題、假設、推理、解決問題等過程環節[8]。從認知層次來看，Bloom教育目標分類修訂版將“分析、評價、創造”作為較高層次的認知目標[9]，與高階思維和深度學習相對應。從能力結構來看，Sternberg在成功智力理論中將高階思維的相關能力劃分為分析性智力、創造性智力和實踐性智力三類[10]，并提出了13種思維風格[11]，其中高階性的思維風格表現出認知復雜度高、規范程度低、結構性弱的特點。高階思維在加深學生對信息理解、促進知識技能掌握的同時，也提升了認知能力和綜合素養，更加符合學習者的學習規律和成長需求。

人工智能的迅猛崛起及規模化的教育應用，促使高階思維出現了復雜性、不確定性和自動調節性等新特征，也更加趨于系統性、跨學科性和人機協同性。就其系統性而言，2014年新媒體聯盟發布的K-12版《地平線報告》(Horizon Report)指出，學生需要通過復合思維、計算思維等方式來進行復雜、綜合的認知活動，系統理解人與人工智能之間的區別與聯系，并借助必要的技術手段應對復雜問題[12]。從跨學科特性來說，部分高階復雜的學科思維，超越了傳統定義和原有單一學科限制，在新的學科領域中延伸出新的內涵。例如計算思維突破原有計算機科學領域的局限，形成了一種融合數學、工程、科學等多學科領域的綜合性思維。就人機協同性來講，學習者借助人工智能本身所具備的計算、感知和認知能力，能夠更大程度地發揮人類思維優勢，促進知識創生，實現復雜問題的有效解決[13]。

三、研究發現

為把握教育人工智能支持高階思維培養的研究進展與未來趨勢，本研究以CNKI中文學術期刊全文數據庫和Web of Science數據庫核心數據合集為文獻檢索來源，對人工智能賦能學習者高階思維培養的重點和方向進行梳理，截至2022年5月31日共檢索得到中文CSSCI期刊文章185篇和英文SSCI期刊文章99篇。在剔除重復和無效文獻后，研究對文章中與主題相關度較高的參考文獻進行二次追溯和檢索，最終共得到255篇源文獻。通過內容分析與觀點聚類，本文將教育人工智能賦能學習者高階思維培養研究歸納為十個重點方向。

(一)大數據技術支持的學習者思維特征建模

學習者思維特征建模依據行為、心理、生理等與思維過程相關的學習數據，以學習者知識技能、認知水平、情感體驗等發展變化為關注點，實現對高階思維發展的抽象表示與刻畫。一方面，大數據技術(Big Data)有利于擴大數據采集范圍，保證數據分析多樣性，使學習者思維特征模型在認知過程診斷、深度關聯分析等方面更加科學精準[14]。美國教育部在《通過教育數據挖掘和學習分析促進教與學》報告中提到，學習者建模可以通過獲取和挖掘學習反饋、技能練習、學習表現等多種數據，綜合分析高階思維技能的掌握情況[15]。另一方面，科學合理的思維特征建模，能有效識別和干預學習者高階思維和認知的發展，有助于智能系統的大規模應用。例如，Hussain基于英國開放大學在線學習系統建立了學習者特征模型，利用大數據支持的機器學習算法，從參與討論、小組協作、瀏覽網頁等學習活動數據中識別學習投入度和思維活躍度較低的學生，以幫助教師在大規模遠程學習課程中提供必要的干預措施[16]。學習者思維特征建模的科學性、全面性與精準性，關鍵在于思維特征數據獲取手段的實時性、伴隨式、跨媒體特征，以及算法算力的效率、準確率等，因此需要大數據、云計算、知識追蹤、跨模態深度學習等技術的發展與支持，融合多源多維的思維特征數據，使基于學習者外在表現的高階思維挖掘與表征成為可能。

(二)基于學習分析的高階思維培養風險預測

在利用人工智能促進學習者高階思維發展過程中，基于機器學習算法和預測模型的學習分析(Learning Analytics)不僅能發現學習者的深層次認知規律，還提供了尋找共同錯誤模式、預測失敗風險的研究手段，有助于學習者改進思維和認知方式，促進高階思維的健康發展。

一方面，學習者高階思維培養風險預測目標有兩類。一是監測識別思維發展中可能存在的缺口，幫助學習者獲得及時的教學指導[17]；二是利用學習行為數據分析學習者投入度和學習困難，剖析診斷其中蘊含的思維發展問題，為教育者提供學困生預測支持[18]。另一方面，預測分析對象分為結構化數據和非結構化數據，學習成績、學習時長、網頁瀏覽等結構化數據，固然能在一定程度上預測學習者思維狀態與能力水平[19]，而隨著學習分析技術的發展，利用文本、對話等非結構化數據挖掘學習背后的思維指向和認知功能，日益得到研究者關注。如Vajjala[20]和Kaoropthai等人[21]基于預測模型和智能診斷框架對學習者提供的寫作文本進行分析，分別預測和診斷出他們的寫作思維能力和學術閱讀水平。對高階思維培養進行風險預測，是為了及時發現學習者發展思維的潛在困難與風險，通過精準干預來保證高階思維的有效提升，未來相關研究既要關注學習者數據的價值性與多樣性，也應結合具體思維教學場景增強學習分析技術的應用效果。

(三)擴展現實支持的沉浸式學習促進高階思維發展

培養高階思維，往往需要基于特定的學習情境。利用虛擬現實(VR)、增強現實(AR)等擴展現實(XR)技術來創設智能仿真學習環境，可以使學習者沉浸在“擬真”世界中解決“真實”的問題，達到提升高階思維水平的目的。首先，基于擴展現實的學習環境突破了物理空間限制，拓展了學習環境的邊界。如盧迪等人指出：充滿探究意義的沉浸式虛擬學習場域，可以幫助學習者基于自身興趣采取合適的學習策略，提升批判性思維和創新性思維能力[22]。其次，在擴展現實支持的學習情境中，豐富多樣的智能感知與交互設計手段，對學習者實現深層次的沉浸式學習、鍛煉基于問題解決的高階思維技能具有積極促進作用。如朱珂等人認為，融合XR技術的互動教育游戲可以通過全新的個性化自主體驗，激發學習者的創造力和靈感，促進創新性思維的發展[23]。由于擴展現實技術對學習者知識與能力轉化的感知與認知能力仍存局限，未來利用擴展現實技術促進高階思維發展的相關研究應更加關注深層次知識的傳遞與再造，并進一步優化學習者發展思維沉浸式體驗。

(四)教育機器人輔助的高階思維培養

教育機器人(Educational Robotics)，是機器人應用領域的發展，其教學場景適用性、及時反饋性、開放可擴展性和友好交互性等特點，有效支撐學習者創造力等高階思維培養。首先，教學中融入教育機器人，引導學習者進行深層次認知，如機器人鼓勵學習者提出問題，通過問答觸發深度思考，實現批判性反思[24]。Socratous等人在小組協作學習的實證研究中，利用機器人引導學習者進行問答、反思和改進等高階思維活動，發現機器人輔助能促進學習者的深度協同知識建構[25]。其次，是跨學科教學中機器人的應用。機器人本身綜合了仿生技術、語言理解、視覺計算等多學科領域的技術攻關，是學習者開展跨學科學習、發展高階思維能力的重要載體。如Burack等人在國家級課外機器人項目追蹤研究中，發現高中生完成STEM機器人的設計組裝，有助于發展批判性思維、問題解決能力[26]。再者，教育機器人應用于課外教學，可以強化兒童的計算思維、設計思維和創新性思維。Bers等人將計算機編程與機器人技術融入4歲兒童的游戲化學習中，促進了兒童計算思維、問題解決能力的發展[27]。教育機器人作為學習對象、教學手段、認知工具，在學習者高階思維培養方面具有巨大的潛力，由于當前機器人對學習者思維發展情況的認知水平較低，簡單的對話交流在促進學習者深度認知和思考方面難以發揮巨大優勢，未來相關研究需要增強機器人教育教學功能的設計，通過情境創設、活動支架、診斷評估、資源推送等為高階思維培養提供更有針對性、更高質量的服務支持。

(五)基于自適應技術的個性化思維發展

自適應技術(Adaptive Technology)，是實現個性化學習、打造個性化思維發展路徑的有效方式。一方面，自適應學習系統進行高階思維能力測評時，會根據學習者動態表現及時調整測試題難度。例如，語言技能的發展需要學習者高階思維活動的參與[28]，李俊杰等人設計的基于自適應題庫的語言個性化學習平臺，能根據良構和劣構測試題的答題情況，判斷語言學習者的語言發展水平和高階思維能力，并動態選推與之適配的題目[29]。

另一方面，系統通過智能算法實時收集學習表現數據，依據學習者思維發展水平和規律，智能匹配合適的資源及干預措施，并適應性調整內容推送順序。如方海光等人提出了自適應學習MOOC系統模型，通過學習行為分析判斷學習者是否達到預期的認知思維層次，并進行個性化干預和促進自主調節[30]。學習者高階思維的個性化發展需要人工智能提供精準的評測與適配的資源推送等服務，未來相關研究須關注學習者學習的知識圖譜與知識追蹤技術的結合，基于外顯的學習表現分析和預測內隱的思維能力發展程度，結合具體教學場景動態、自適應地實施或轉變高階思維培養方式。

(六)腦機接口促進學習者與機器的人機思維交互

腦機接口(Brain-Computer Interface)借助生理信息(如腦電波、心率等)反映學習者的學習狀態，并通過學習與思維的狀態關聯來判斷高階思維的發生與持續。在腦機接口支持下，學習者利用思維意識向機器發布指令，并通過機器反饋來調控學習行為，實現人與機器的深度思維交互。

首先，腦機接口可以結合腦電波分布情況對學習者思維層次進行判斷評估，當腦電波為α波時，學習狀態最佳，此時創造性思維最為活躍[31]。Yang等人在虛擬現實中利用腦機接口記錄和評估學習者創造性思維過程，對比分析了腦電信號的不同反饋形式對創造性水平的影響效果，發現腦電圖的提醒反饋形式更有助于學習者創造性思維發展[32]。其次，腦機接口能夠實現學習者思維活動與外界環境的直接通信。有研究者利用非侵入式腦機接口設備，探測學習者睡眠時的肌肉放松程度，通過調整機器與大腦之間的交互促進聯想思維發展，激發創造力[33]。最后，腦機接口產生的學習和思維數據可以用于學習模型與學習系統完善。如陳海建等人通過腦電實驗，對學習者的思維認知過程和興趣點變化進行跟蹤、記錄，完善并驗證了促進個性化教學的學習者畫像[34]。盡管腦機接口具有記錄、影響和反饋高階思維的獨特優勢，然而由于技術成本較高以及學習者接受程度較低，目前相關教育應用仍然有待深入探索，須在保證技術設備安全性、穩定性的同時，依據科學、全面的高階思維特征指標，增強腦機接口在思維教學中的適用性與接受度。

(七)融合多模態生物特征識別的思維發展過程追蹤

高階思維的復雜性，對思維過程追蹤的技術實現提出了巨大挑戰。目前，多模態生物特征識別技術(Multimodal Biometric Identification Technology)，對學習者思維發展過程中生理、心理、行為及其它特征數據的融合識別認證，不僅降低了單模態數據分析導致的錯誤率，還可以利用多通道、多維度數據來提高思維特征識別的精確度。如Zhang等人對比發現，利用面部表情與鼠標交互相結合的雙模態數據檢測學習投入度的準確性，要高于圖像單模態數據檢測[35]。而在以高階思維和創新實踐能力提升為目的的STEM場景中，Friesel等人[36]和Healion等人[37]依托PELARS(Practice-based Experimental Learning Analytics Research and Support)學習分析系統，采用計算機視覺、可佩戴傳感器和問卷調查，對學習者面部表情、手部動作、身體運動以及基本信息等多模態數據進行了采集、識別和可視化，既驗證了系統的可用性，也為學習者創新性思維培養提供了適應性證據。多模態數據識別與分析技術可以實現思維發展過程的準確識別與動態實時追蹤，不僅對多來源、多模態信息特征融合與映射的準確性和魯棒性有較高要求，同時在理論與實踐中還需進一步加強數據與學習者思維特征的有意義關聯以及隱私保護等。

(八)情感計算促進激發高階思維的發展潛能

愉快、專注等積極情感，能提高學習者知識建構的積極主動性，激發問題解決和創新潛能，因此，利用情感計算(Affective Computing)對學習者情感狀態進行表征、分析和反饋，有助于揭示深層次的情感發生機制，對學習者反思學習狀態、優化學習行為、激發思維潛能等具有重要意義。在已有研究中，情感計算以學習過程中產生的文本、語音、視頻、生理信息等數據為主要分析對象，對學習情感進行精準識別和有效反饋。如Wu等人結合眼動、心率和腦電數據，在數字化游戲和靜態數字教材支持的兩種學習環境中，分別測量了學習者解決問題時的注意力、情感體驗和認知負荷，發現數字化游戲能夠顯著提升情感體驗和學習注意力水平，并建議延長測量高階思維能力發展變化的研究周期[38]。總體來看，高階思維發展是整合認知、情感和行為的復雜過程，不少研究雖然在分析多樣化學習數據、情感識別的基礎上對反思、解決問題等學習行為進行了挖掘，但在關于“情感-行為-認知”的深層次演化規律和具體作用機制等問題上，仍存在短板。

(九)面向高階思維培養的教育人工智能應用倫理安全問題

人工智能應用是一把雙刃劍，Kissinger曾警告稱“人工智能的技術革命后果，我們沒有完全考慮，其高潮可能是一個依賴數據和算法驅動、不受倫理或哲學規范支配的機器的世界”[39]。隨著機器智能化和教育大數據的應用，數據安全與隱私保護、數據投喂與信息偏食，已經成為教育人工智能應用無法回避的重要議題。一方面，教育數據需要合理存儲、管理和保護。如多模態生物特征識別與學習分析技術借助多種智能設備來多方位采集、分析、反饋學習數據，在改善教學的同時，也可能使學習者的隱私“透明化”，個人信息遭到泄露[40]。另一方面，人工智能技術的不當教育應用也有引發學習者思維退化的風險。如聯合國教科文組織發布的《教育中的人工智能：可持續發展的挑戰和機遇》指出，人工智能可以像人類一樣思考、決策、解決問題，在機器認知、思維能力不斷提升的同時，學習者可能持續囿于淺層思考、碎片化學習和信息繭房之中，視野受到局限，問題解決存在阻礙，高階思維能力也將難以得到有效發展[41]。目前，教育人工智能應用于培養學習者高階思維的倫理規范不甚完善，亟需通過相關政策法規加強倫理道德意識，規范運用智能技術，科學構建面向高階思維培養的智能環境，保障學習者的數據安全、個人隱私、主體意識不受侵犯。

(十)智能時代的計算思維與設計思維培養

國內外許多研究者就智能技術環境中的計算思維、設計思維展開了持續探討[42-44]。其中，計算思維作為一種通過計算機或人機協同進行問題求解的高階思維過程，是多種思維技能的交互與綜合。如陳國良等人認為，隨著人工智能的發展，計算機科學、生物學、物理學等STEM相關技術類學科領域中的計算模型得到了創新，計算思維的內涵因此不斷豐富和更新[45]。同時，非技術類學科課程中的計算思維培養，同樣引起了研究者的新思考。如Bernstein等人選取體育課和藝術課進行案例研究，發現任課教師分別根據具體的教學目標，利用教育機器人輔助教學過程，可以幫助學生培養計算思維能力[46]。

另一方面，21世紀人才培養對創造力的重視，推動了設計思維在理論建構和課程實施等方面的嘗試。首先，智能技術推動學習者設計思維的轉化，使創意不再局限于思維層面。如楊緒輝針對信息技術在設計思維培養中發揮的作用，指出智能化技術可以幫助學習者降低感知難度，便于設計思維外顯化[47]。其次，智能技術支持的設計思維培養強調跨學科融合、跨媒介交互。如在STEM教育和創客教育中，學習者可以借助擴展現實眼鏡實現泛在交互，通過數字孿生[48]和3D打印[49]實現快速原型設計及創造。作為高階思維發展的新趨向，計算思維和設計思維的培養離不開智能技術手段支撐和教學方法指導。未來可以重點關注智能環境搭建、智能支架幫扶、智能資源推送等的理論探討與實踐應用。

四、研究啟思

(一)教育人工智能關鍵技術與高階思維培養

教育人工智能是人工智能在教育中的應用[50]，以多樣性數據、機器學習與深度學習算法模型、數據運算能力為基礎要素，從基礎、感知、認知、應用四個層面對學習者高階思維培養產生重要影響，如圖1所示。

圖1 教育人工智能關鍵技術及應用框架

面向學習者思維培養的教育人工智能應用可以劃分為三個層級。(1)淺層次應用，即“計算智能+高階思維培養”，突出技術針對思維數據的運算速度與存儲能力。例如，協同過濾推薦算法根據學習者思維發展相關的歷史數據，為各種思維發展水平的學習者推薦學習資源。(2)中層次應用，即“感知智能+高階思維培養”，突出技術感知學習者高階思維外顯特征信息的能力。例如，通過語音識別、文本轉錄、生理信號感知等技術對學習者思維培養進行效果評價。(3)較深層次應用，即“特定領域認知智能+高階思維培養”，突出智能技術在特定領域或場景中的認知推理能力。即教育人工智能與特定領域的知識體系相結合，根據需要建構模型或開發新算法，如通過構建學科知識圖譜和學習者畫像，評估和預測學習者高階思維發展水平，實現個性化的學習資源推送等。未來，隨著技術不斷進步，人工智能將由當前簡單智力延展的弱AI走向高階智力創變的強AI，乃至充滿幻想色彩的超AI[51]，適用于更多學習者高階思維培養場景的教育人工智能應用將迎來更大發展，并產生更深層次的作用。

(二)總結與反思

1.總結分析：多角度梳理研究進展及發展趨勢

人工智能為新時期人才培養和教育變革賦予了新動能，更加強調學習者創造力、批判性思維等關鍵能力的提升[52]。結合前述綜述，本文從所涉及的技術手段、關鍵要點和待深入研究空間梳理了人工智能賦能學習者高階思維的十類研究方向，以體現未來相關研究的重要發展趨勢，如表1所示。人工智能支持學習者高階思維培養的研究關鍵涉及技術發展、理論支撐、應用拓展等多個方面，既應關注數據、算法對高階思維特征的解釋與提升，也應關注教育人工智能關鍵技術在實踐應用中須面臨的具體問題。人工智能賦能高階思維培養，絕非僅靠單一技術手段支持、單一學科理論支撐、單一場景應用，需要發揮教育人工智能在交叉學科領域中的突出優勢，在賦能高階思維培養中實現理論創新、技術升級與實踐深化并重。

表1 人工智能賦能學習者高階思維的研究方向

續表1

2.研究視角：邁向跨學科、超學科的深度融合

人工智能時代是眾多學科交叉會聚的大科學時代。教育人工智能的發展得益于計算機科學、教育學、心理學、神經科學等多學科、多領域的相融合，科學有效的前沿研究更加需要跨越甚至超越學科邊界。研究者要具備跨界思維，加強國際交流和合作共享的意識，構建人工智能與教育學科協同創新的跨學科發展平臺，有效整合多學科的優質資源，形成具有獨特性和穩定性的學術研究共同體。在人工智能賦能高階思維培養研究中模糊學科邊界，打破領域之間的壁壘，有利于拓寬思路，探索發現新的研究領域。這既要求研究者參考吸收人工智能領域的技術手段和研究范式，又需要結合思維教學法和教育研究的獨特規律，充分挖掘各學科優勢潛能，在多學科的交融滲透中審視、借鑒、融合，實現研究理論、方法、技術上的交叉創新。

3.研究途徑：促進“理論-技術-實踐”同向而行

人工智能的賦能，并不等于技術的簡單應用，而是要把科學研究作為智能技術升級、教學理論創新、實踐應用推廣的內生變量，推動研究范式轉變、科研成果轉化和高階思維框架重構。首先，目前社會科學研究正逐漸向數據循證的范式轉變，多數研究正傾向于采用混合研究工具與方法；同時也要審視盲目追求數據規模的技術野心，而強調數據的真實有效性和多樣性。其次，盡管研究者一直致力于高階思維培養與應用新技術的個案研究，而前沿研究的成果轉化與實踐推廣同樣需要得到重視。理論研究者應加強與教學實踐者、技術開發者的互補合作，促進成果轉化和規模化推廣。最后，人工智能技術將對構建教育新生態產生深遠影響，研究者應在原有理論基礎上，重構高階思維框架，促進教學實踐模式創新，豐富和推動教育教學理論的發展。

(三)啟示和展望

1.教育人工智能應用圖景：升級與突破

第四次工業革命的到來，推動著技術對教育的賦能、創新與重塑[53]，學習者對復雜問題的思考也將以全新的方式得到詮釋和改變[54]。一方面，人工智能從弱AI、強AI到超AI的技術升級，勢必對人才培養規模的需求產生巨大影響。貫穿工業化理念的思維模式及教育體系正面臨消解重構，培養學習者設計思維、創新思維、創造性思維等高階思維將受到更多關注。另一方面，現有智能技術發展水平的限制、算法“黑箱”屬性對深層次特征分析的缺失等問題，導致實際應用還難以對高階思維進行深層解析和有效干預。因此，研究者需要著力突破智能技術的認知瓶頸，在減少技術對學習者思維發展產生負面影響的同時，加快提升人工智能在教育應用中的感知能力與計算水平，深入推動人工智能實現學習者高階思維培養方式的創新與變革。

此外，研究者還應打破技術應用邊界，通過構建人機協同的生態系統，拓展學習者高階思維培養的數據來源及應用場景，促進人工智能與學習者高階思維培養的深度融合。科技部、教育部等六部門在《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》中提出要在教育領域“持續挖掘人工智能應用場景機會”[55]，為教育人工智能的高水平、深層次應用提供了重要指向。高階思維培養是教育人工智能場景創新和應用突破的重要內容，未來研究應在課堂教學、教師教研、資源建設、智慧校園等重要應用場景中積極探索促進學習者思維發展的技術支持形態，提升場景創新的算力支撐，持續深入挖掘人工智能在學習者高階思維培養中的新潛能。

2.高階思維培養范式轉變：融合與多元

目前，人工智能技術更迭迅速。學習者既要擺脫“機器化”“工業化”的學習方式，又要避免技術“失速”發展造成的思維禁錮與失衡。因此，研究者應關注科學理性下的人文反思，關注學習者與機器之間的協同關系，創新高階思維培養方式，以智能技術與智慧教學法共同助力思維發展。第一，應重視學習者思維培養過程中科技與人文要素的平衡與融通，關注批判性思維、創造性思維、人文性思維的綜合。第二，處理好學習者與智能機器之間的關系。隨著人機協同向縱深發展，應引導學習者使用、理解、適應人工智能技術并與之共同進化，以人工智能強化人類智能。第三，突破傳統高階思維的培養途徑，利用人工智能整合優質資源，發揮學習者的能動性。如借助智能化學習工具和認知幫扶支架，幫助學習者在學習中有效地組織觀點、綜合分析、邏輯推理、批判創新。

智能時代新興技術推動教學變革，教學變革呼喚培養范式的革新，基于人工智能的學習者高階思維培養范式的轉變絕不僅僅體現于學習者單一主體角色的發展變化，還需考慮教師、技術等關鍵要素的作用和影響。首先，作為學習者學習和發展的指導者，教師培養學習者高階思維須以自身所具備的高階思維能力和素養為前提，并能夠利用人工智能技術和相關教學教法為學習者的思維發展提供支持。其次，多種智能技術的融合應用，能夠為教師培養學習者高階思維提供更多的探索與實踐空間，促進高階思維培養和發展模式的優化創新。可見，除探討技術與學習者本身協同關系之外，相關研究還應關注智能時代促進學習者高階思維培養的教師角色定位、教學教法以及“教師-學生-機器”三者的協同作用關系等問題。

3.思維評價體系建立：價值引領與風險規避

小勝在智，大勝在德。習近平同志指出：“人無德不立，育人的根本在于立德”[56]。智能時代的學習者高階思維培養，要從立德樹人的根本任務出發，推動思維評價體系的重構與完善。目前，針對學習者高階思維的評價仍然存在著頂層設計不足、評價指標與培養途徑“兩張皮”、數據割裂等問題。因此，首先要加強頂層設計，明確思維培養在人才培養目標中的關鍵定位，關注學習者高階思維發展特點及其在個人成長中體現的價值，全學段、立體化構建相應的思維評價指標體系。其次，合理利用學習者建模、多模態數據分析、知識追蹤等手段高效匯聚思維發展數據，透過學習者外在行為表現深度挖掘內隱的能力、技能、情感等特征，實現對高階思維培養目標的精準定位和個性化預測。最后，擺脫實踐應用中對數據、算法的過度依賴，通過建立健全測評技術使用的倫理規范和保障機制，既向學習者提供數據安全和個人隱私合法性的保護，也為應對未來人工智能偏離學習者思維培養預期、思維評價和人才培養導向異化風險等，做好相應的預案。