人工智能教育社會實驗的理論基礎與實踐框架

鮑婷婷 柯清超 馬秀芳

[摘 ? 要] 2021年我國啟動了“國家智能社會治理實驗基地”的建設工作，開展面向人工智能教育領域的社會實驗是其重點部署內容之一，以期超前研判智能教育的發展規律與風險挑戰。圍繞如何正確認識與科學推進人工智能教育社會實驗的現實問題，文章立足于技術社會學視角，分析了傳統實驗、教育準實驗、教育社會實驗的異同，闡釋了人工智能教育社會實驗的核心內涵，論述了人工智能教育社會實驗的本體論、認識論、方法論與價值論等理論基礎，通過剖析人工智能與教育的融合路徑與理論，認為人工智能教育社會實驗研究的實踐進路包括：微觀層面應重點研究人機復合體認知、人機協同等場景中技術對個體適應性的影響；中觀層面應重點研究智能學習環境、人機協同教學模式、智能學習測評等場景對學校教育體系的影響；宏觀層面應重點研究資源配置、數字治理、教育公平等場景對社會制度與政策的影響，從而推動智能時代教育的高質量發展。

[關鍵詞] 社會實驗； 人工智能教育； 教育風險防控

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 鮑婷婷（1995—），女，河南洛陽人。博士研究生，主要從事教育信息化、人工智能教育應用研究。E-mail：201821010150@mail.bnu.edu.cn。

一、引 ? 言

隨著以人工智能為代表的新一代信息技術在社會各領域的融合日趨廣泛，人工智能應用落地給真實社會帶來的影響也逐漸引起人們的關注。習近平總書記指出：“要加強人工智能發展的潛在風險研判和防范”。我國《新一代人工智能治理原則》以發展“負責任”的人工智能為核心，提出了人工智能治理框架與行動指南，亦是對發展安全可靠可控人工智能的積極響應。可見，推動技術向善發展與風險防范是未來人工智能研究的重要議題。反觀教育領域，人工智能技術賦能教育也深刻影響了原有的行為認知模式與教育生態結構，加之教育領域的滯后性屬性特征，面對人工智能與教育領域深度融合后引發的一系列風險問題，教育者亟需研判人工智能與教育融合的作用機制與發展規律，防范人工智能帶來的高度不確定性和潛在風險對現有教育理念與教育制度的挑戰，實現人工智能與教育雙向賦能、可持續發展的美好圖景。在此背景下，政府部門陸續推出了相關舉措。2021年5月中央網信辦等八部門發布《關于組織申報國家智能社會治理實驗基地的通知》，計劃面向教育、衛生健康、養老等特定領域部署一批特色基地和綜合基地，超前探索智能社會治理的經驗規律。2021年12月《“十四五”國家信息化規劃》進一步強調要開展教育社會實驗，探索人工智能融入教育對社會的影響。

社會實驗方法論的介入為深入研究人工智能技術對教育的影響提供了新的研究視角。目前國內獲批的多個教育領域“國家智能社會治理實驗基地”已進入建設階段，但如何深刻認識人工智能教育社會實驗，加速智能社會治理實驗研究進程，仍需要從理論方法上進行系統性的梳理與探討。

二、人工智能教育社會實驗的核心內涵

領域研究者對何為“人工智能教育”有不同的理解。2019年5月，習近平總書記在首屆國際人工智能與教育大會的賀信中明確指出了人工智能教育的兩層含義：其一是培養大批人工智能高端人才，其二是人工智能和教育深度融合創新。本研究所探討的人工智能教育社會實驗建立在后者的基礎上，更加關注人工智能與教育融合創新產生的社會影響，進而結合對傳統實驗、教育準實驗、教育社會實驗的對比分析，闡明人工智能教育社會實驗的核心內涵與典型特征。

（一）傳統實驗、準實驗、社會實驗的對比分析

傳統實驗是一種基于實驗室情境的知識生產活動[1]，以普遍性的知識生產為目標導向。當實驗室情境走向社會時，復雜的社會因素往往導致這一普遍性的知識在真實社會情境中難以自洽。從這種意義上，社會實驗是對傳統實驗的補充，其充分考量實驗室知識融入真實社會的應用語境，是一種檢驗特定政治、經濟、科技等因素被引入真實社會情境所產生效應的經典方法論[2]。根據干預條件的不同，社會實驗衍生出了管理社會實驗、政策社會實驗、制度社會實驗與技術社會實驗等類別，人工智能教育社會實驗本質上就是教育場域下的技術社會實驗。

表1 ? ? ? ? 教育領域實驗設計的基本特征

另一方面，人工智能教育社會實驗的實驗范式、實驗目標、實驗主體等與傳統實驗、準實驗有顯著不同（表1）。傳統實驗的方法盡管在過去幾十年里在眾多學科領域積累了豐碩成果，卻普遍存在情境局限性、樣本體量小、實驗變量少、實驗周期短等客觀現象。準實驗研究在傳統實驗的基礎上選擇性地吸收真實社會情境的關鍵要素，沒有實現隨機分組和控制干預等基本原則[3]，具有傳統實驗類似的局限性，但因其在控制研究成本、倫理風險等方面的顯著優勢，近年來成為教育實證研究領域的重要研究手段。而教育社會實驗強調在真實社會情境且非受控狀態下的大規模、長周期的觀察與調控，有效彌合了準實驗研究“走入”社會情境但缺乏“深入”的短板。須指出的是，傳統實驗與準實驗主要遵循自然科學的實驗范式，而人工智能教育社會實驗則更多基于社會學的范式，以教育效能提升與風險防范為核心目標，促進了教育領域實驗方法體系的發展。

（二）人工智能教育社會實驗的內涵

人工智能教育社會實驗亦是對傳統實驗、準實驗等方法要素的繼承與發展，側重于探究人工智能等新一代信息技術對教育領域的社會影響和發展規律，以期超前研判與規避技術廣泛應用后的潛在風險，其具體涵義是：從某一教育現象出發[4]，在真實社會情境中引入“控制—對照—比較”的研究邏輯，以真實情境的各主體或要素作為研究對象，通過建立實驗組與對照組、規范科學抽樣方法、拓展數據采集方式、創新數據分析方法、嚴格倫理審查等過程開展大規模、長周期、多學科的實證研究，將人工智能與教育融合創新過程中產生的泛意性影響轉變為內涵準確、邊界清晰、可測度性的特征變量，科學評估“技術”對教育教學的正向影響與負向影響，形成相應的研究報告、干預措施、政策建議等，加深利益相關者對新技術的潛在作用與潛在風險的認識，并最終反饋于人工智能技術賦能教育改革的實踐路徑。

現階段，人類研判未來智能教育發展態勢、防范人工智能潛在風險的知識與能力明顯不足[5]，亟須通過超前開展人工智能教育社會實驗，在人工智能尚未對教育領域造成大規模、災難性、不可逆影響的情況下，提前關注技術應用可能招致的數據安全、技術適應、教育倫理等各類問題，盡早形成對人工智能技術賦能教育的社會影響和演化規律的系統性研判與前瞻性預測，及時反饋于技術發展與技術應用的路徑優化，推動技術創新向技術的“負責任”創新轉變，從而實現具有人文溫度的智能教育生態。

三、人工智能教育社會實驗的

理論基礎與核心價值

為更好地把握人工智能教育社會實驗這一方法的本質，須站在哲學層面對人工智能教育社會實驗加以審視，從本體論、認識論、方法論、價值論等維度，深入探析人工智能教育社會實驗研究的思維方式與邏輯準則，由此厘清人工智能教育社會實驗的內在邏輯，為未來研究提供基礎支撐。

（一）本體論：“人+技術”的復合型主體

本體論是從哲學的視角出發探究世界的本原與結構的理論體系與學說，旨在解決事物的本質究竟是什么的問題[5]。在此視域下，人工智能教育社會實驗的本體論研究探究的是人工智能教育社會實驗是如何存在以及究竟為何的。

不論是傳統教育哲學將教育主體（施教者與受教者）看作“自然人”，抑或是新教育哲學將其進一步升級為“制造人”[6]，人都被視為絕對主體的存在，即人永遠占據主導地位，技術僅是人的外在附屬物。這一觀念無疑陷入了技術工具論的窠臼。技術工具論認為技術是服務于使用者達到某一目的的工具或手段，亦是一種拓展人類身體器官行為的方式[7]，技術本身不具有任何價值屬性，只有在人的支配作用下技術才有了行善或施惡的價值取向[8]。在此理論視角下，人技關系表現為單純的主客二元性，強調人類主體與技術客體的獨立存在。譬如，20世紀80年代興起的計算機輔助教學理論，依舊遵循主客二元分離的思想導向，以人的主體性地位為核心展開教育論述。與此同時，追溯人工智能技術的發展史也不難發現，技術逐漸從實現某種目的的工具演化成具有“意識”和行為能力的似人又非人的擬主體存在，表現出更多的主體性、自動性和智能性特征[9]，具體表現為：隨著人工智能“智慧”能力的不斷提高，在弱人工智能時期，技術主要作為提升效率的輔助性工具存在，尚不具備主體性意識；強人工智能開始擁有多領域知識和自適應能力[10]，其主體性地位愈發顯現；超級人工智能則具有全面超越人類的智能[11]，技術的主體性地位進一步提升甚至呈現出與人類主體勢均力敵的趨勢[12]。有學者深以為然，認為機器不再單純作為載體和工具，也將成為教育的主體和教育的對象[13]。

事實上，隨著技術的進步與常態化應用，教育形態和組織結構也在潛移默化中發生了改變，教育體系中的“自然人”概念已從面向“人”的單層次主體轉變至“人+技術”的復合型主體。從后現象學的視角出發，唐·伊德（Don Ihde）將人與技術（物）的關系分為具身關系、解釋學關系、它異關系和背景關系四種，維貝克（Verbeek）進一步提出了第五種“人—技術”關系，將人與技術視為相互連接的共同體[14]，人技關系從二元對立走向緊密結合，共同對智能教育的發展走向起決定性作用。因此，就人工智能教育社會實驗的本體論意蘊而言，“人+技術”的復合型主體構成了智能教育背景下全新的教育主體范疇，既強調人與技術雙主體的“聯合性”，也保留了兩者之間的獨立性。須指出的是，這一復合型主體是技術樂觀主義的產物，依舊以“人”為主體，“技術”實是人類智慧的映射，本質上是人類存在的技術化顯現。換言之，人工智能教育應用反映了人類的教育價值觀念，技術異化則是人與人之間價值沖突的根本體現。

另一方面，本體論與現象學的共通指向賦予了“人+技術”復合型主體更深一層次的涵義。現象學創立者埃德蒙德·胡塞爾（Edmund Husserl）主張“任何事實科學（經驗科學）都在本質本體論中有其本質的理論基礎”[15]，即現象學也是對本質的直觀考察，這一視角與本體論的觀念并無二致。現象學方法的優越性在于其強調對象具有多面性，要通過考察對象顯現出來的側面引入對其他不可見的側面的關注，從而全面深刻地認識對象的本質。循此觀點，本體論意義上“人+技術”的復合型主體從單維概念延伸至多維，進一步涵蓋了整個教育體系中的相關主體、主體特征、主體關系、主體交互屬性等多維要素，具體表現為包括了利益相關者（政府、學校、產業等）、技術物（智能教育應用）、技術接受度、行為認知模式、人機關系、人機交互機制等，共同構成智能教育的完整系統結構，進而拓展了“人+技術”的復合型主體范疇。

（二）認識論：技術的社會建構論視角

認識論是從哲學的視角出發探究人類認識的本質和結構、認識與實在的關系、認識發生的條件和基礎等問題的理論體系與學說[6]。在此視角下，本節系統審視人工智能教育社會實驗研究客體的范疇，探討其認識論意涵。

欲析出人工智能教育社會實驗研究客體的哲學意蘊，首先須厘清技術與社會的關系。技術與社會的關系在技術哲學理論中存在兩種彼此對立的觀點：技術決定論和技術的社會建構論[16]。前者認為，技術與社會的關系是單向性的，即技術自被創造以來便會給社會帶來不容更改的影響。當前關于人工智能必將取代人類教師的存在、淡化學生的思維意識等觀念，就是這一理論的典型觀點。而后者認為，技術與社會之間的關系是雙向性的，技術無法單方面決定其對社會的影響。這一邏輯在于，技術是在社會背景下產生的，也必將在社會背景下加以運用，而不同的社會條件（環境、群體、制度等）往往會孕育不同的社會后果。馬克思在《資本論》中關于“機器的資本主義使用”的論述充分證明了此觀點：從技術生產的邏輯上看，機器本應是用以提高生產效率、縮短勞動時間的技術手段，但在資本主義的使用下則會淪為奴役勞動者的工具，這一現象無疑是技術與社會雙向影響的結果。

人工智能教育社會實驗的研究也應建立在技術的社會建構論基礎之上。循此視角，人工智能教育社會實驗需要將人工智能技術看作社會中的技術，其所產生的社會性影響絕非取決于技術本身，而是與技術在何種教育情境中被如何社會性地使用緊密相關。當人工智能技術深度應用到教育領域中時，技術自身的高度不確定性將會給教育主體與要素帶來哪些影響，以及技術與教育、政策等社會因素的交叉影響又將如何塑造教育的未來發展。反之，對既有社會現象和發展規律的研判又將如何反饋于技術發展與政策導向的路徑優化等，諸如此類的問題均應引起研究者的足夠關注。

人工智能教育社會實驗所關注的社會性影響是“技術—教育—政策”多元要素相互交織作用下的系統性影響，加之前文對人工智能教育社會實驗內涵的闡釋，或可邏輯地得出相應的認識論結論：人工智能教育社會實驗研究需要建立同時涵蓋技術、教育、政策等單向度觀測指標，及技術與教育、政策等發生“耦合效應”的潛變量分析模型，具體包含三層涵義：其一要從教育學的角度，關注人工智能教育應用對教育相關主體的作用與價值；其二要從技術社會學的角度，關注人工智能賦能教育融合創新的社會性影響與潛在風險挑戰；其三要從政策反饋的角度，關注人工智能教育治理的相關政策制度在推廣應用中的社會輿論與評價。更為重要的是，還應從“技術—教育—政策”相互連結的角度，探索如何實現此三者最佳耦合的教育治理現代化，使人工智能技術賦能教育改革創新的同時能夠充分保障教育的效能提升與政策的公平正義，實現智能教育生態的良性循環發展。

（三）方法論：“數據探索”的范式轉變

方法論是人們認識世界和改造世界的根本方法的學說，亦是關于某類學科的研究方法與研究范式之哲學概括[5]。人工智能教育社會實驗作為一種新的方法體系出現在教育領域，為科學研判人工智能對教育的社會性影響提供了有效路徑，理解其所包含的方法論意涵對人工智能教育社會實驗的順利開展具有指導意義。

“范式”這一概念最早由科學哲學家托馬斯·庫恩（Thomas Kuhn）在其著作《科學革命的結構》中提出，指的是常規科學研究所賴以運作的理論基礎和實踐規范[17]，是科學共同體所遵循的世界觀和行為方式[18]。在科研范式的自身發展與外部環境的雙重推動作用下，舊范式會逐漸被新范式所替代，不斷涌現的新范式的進步主要表現在其難題解決能力不斷增強，為科學研究提供了新的思路與進路。《第四范式：數據密集型科學發現》指出，科學研究的范式正從實驗科學、理論科學、計算科學推進到數據密集型研究的新范式[19]，即第四范式，其所蘊涵的目標導向即是基于大數據的數據探索活動，致力于從數據中發現“是什么”和“不知道自己不知道”的現象與規律。這一顯著特征本質上與人工智能教育社會實驗所期望探尋的社會性影響完美契合。“數據探索”的范式轉變為人工智能教育社會實驗的順利開展提供了更加科學的研究路徑和更加豐富的工具手段，尤其是伴隨人工智能技術的數據、算法、算力三大核心要素的發展成熟，精準捕捉、存儲、監測、分析、預測研究對象的行為動態成為可能。

如前所述，人工智能教育社會實驗研究關注人工智能技術賦能教育的社會性影響與潛在風險，但與以往思辨研究不同的是，其側重于通過科學循證的方法尋求社會性影響的具體表征，由傳統實驗的假設驅動轉向了基于數據驅動的探索與循證過程，實現對社會性影響的結果與過程兩個維度的全面刻畫。故此，人工智能教育社會實驗研究須遵循“數據探索”范式的研究路徑，充分發揮教育大數據與智能算法的技術優勢，提高人工智能教育社會實驗在實驗干預、隨機分配、實驗數據獲取、實驗數據處理、實驗效應分析等方面的水平[20]，從而提升人工智能教育社會實驗研究設計的科學性與嚴謹性，以期更加全面、深入地理解與解釋社會性影響。須指出的是，人工智能教育社會實驗的數據來源既可以是通過腦電頭環、眼動儀、點陣筆、學習平臺等設備獲得的真實情境下的生理與行為數據，也可以是通過計算機模擬產生的數據集合，兩者均可以在“數據探索”范式的驅動下，實現對社會性影響的數據建模、數據分析與數據解釋等過程。

（四）價值論：兼顧當下與未來的雙重價值取向

價值論是關于價值的性質、尺度、評價和規律等的哲學學說[21]。開展人工智能教育社會實驗，有助于讓我們從關注技術本身對教育效率的提高上升到關注技術對人類社會的深刻改變，從關注技術對教育當下的短期影響拓展至關注技術面向未來的長遠影響，進一步拓展人類對科學技術作用機理與演變規律的認識。人工智能教育社會實驗的價值觀意蘊兼顧“立足當下”與“面向未來”的雙重價值取向。

“立足當下”的價值取向包含兩個方面：其一是提高教育教學效能的實踐導向價值，其二是完善教育基礎理論的理論構建價值。如前所言，人工智能教育社會實驗以“數據探索”為核心的研究范式，為挖掘人工智能教育應用影響下的學習認知、教學交互、知識生成、情感體驗、行為表現、教育治理等方面的教育規律提供了可能。一方面，發掘的客觀規律有助于認識人工智能教育應用賦能教育系統的可能性，驗證其對提高教育教學效能的有效性，以及揭示其在教育治理過程中的作用機制，進而反饋于技術發展與技術應用的路徑優化，實現提高教育教學效能的最終目的。另一方面，傳統教育理論大多是基于經驗的歸納演繹[22]，有學者指出，缺少數據支撐的理論也是缺少根基與說服力的[23]，因而發掘的客觀規律有助于教育者在數據支持的基礎上，以理性的目光重新審視傳統教育理論。特別是立足于當下教育轉型的關鍵時期，借助實踐數據揭示的客觀規律來認識與反思傳統教育理論，實現教育實踐與教育理論的雙向建構，從而不斷完善與發展適應社會發展需要的教育基礎理論，甚至可能產生面向智能教育的原創性理論。

“面向未來”的價值取向指的是提升風險防范能力的實踐導向價值。教育領域在人工智能、大數據、虛擬現實、物聯網等新興技術的協同賦能作用下，其影響會迅速全面滲透到學習環境、教學方式、資源配置、組織形態等各個方面，甚至極有可能顛覆人們的學習觀念與學習方式。與此相關，技術廣泛應用的高度不確定性可能導致教育相關主體面臨社會性危機，傳統的手段難以及早預測、發現和全面控制，尤其是現有關于人工智能風險研判的研究以理論思辨為主，缺乏科學的循證過程與事實依據。人工智能教育社會實驗通過大規模、長周期的跟蹤實驗，對教育場域下的多模態過程數據進行實時收集與量化分析，給予管理者客觀全面的決策依據，從而基于數據分析超前研判人工智能技術大范圍應用后的社會效應與風險挑戰，提前制定防范化解重大風險應急預案，提高應對技術不確定性的風險防范能力。

四、人工智能教育社會實驗的實踐框架

人工智能對教育領域的影響具有系統性、復雜性、多樣性特征，主要表現在三個方面：一是從微觀層面，人工智能教育應用對“人”的影響；二是從中觀層面，人工智能教育應用對教育系統（非人）的影響；三是從宏觀層面，人工智能教育應用對教育制度與政策的影響。因此，本研究立足于系統觀視角，從微觀、中觀、宏觀三個層面構建了人工智能教育社會實驗研究的實踐框架（如圖1所示）。

（一）微觀層面：智能教育應用促進人機協同

從微觀層面看，人工智能教育應用正在快速融入教學過程、學習方式、評價管理等諸多方面，使得人與機器的交互愈加頻繁與深入，并逐漸轉向人機協同的趨勢。人機協同的密切性既給教育主體的工作與學習方式帶來了諸多便利，但也將其暴露于隱私泄漏、倫理失范、數字鴻溝、繭房效應等風險之中。而人作為社會結構的基本單元，人工智能教育應用對個體產生的正面或負面影響一旦積聚在一起，將由“量變”引發“質變”，致使教育系統產生系統性變革，彼時其社會性意義必將是前所未有的。因此，研究者需要聚焦智能教育應用對人的影響的微觀視角開展人工智能教育社會實驗，圍繞智能導學、人機復合體認知、人機協同等具體場景，重點關注教育主體（管理者、學生、教師、家長、第三方）的身心發展、行為軌跡、知識建構、能力與素養、社會情感、角色變化、技術接受度、人機關系等影響維度，進而形成“技術應用—影響分析—技術優化”的良性循環，回歸教育的育人本質與技術“負責任創新”的價值取向。

（二）中觀層面：智能教育應用引發系統變革

從中觀層面看，現有的學習空間、組織形態、治理方式等也因為人工智能教育應用的介入而引發重構。歷史的經驗表明，每一種使能技術（從蒸汽機、內燃機到互聯網技術）的產生與應用，都將給各個領域各類行業帶來顛覆性變革。反觀教育領域，人工智能教育應用逐漸模糊了網絡空間與物理空間的界限，重構了教育系統的多元要素，使得教育組織形態更加開放靈活、學習資源更加豐富多樣、教育決策更加精準科學等，但人工智能技術的高度不確定性對中觀層面教育系統的正向賦能與負向沖擊亦同時存在。譬如，如何培養面向未來的創新型人才是教育系統面臨的一大挑戰，若依然遵循傳統人才培養與評價體系，忽視智能教育的內在邏輯與本質特征，不僅難以實現其目標，甚至會加速人的“機器化”，“做題家”即是這一現象的典型表現。因此，研究者需要聚焦智能教育應用對教育系統的影響這一主題開展人工智能教育社會實驗，針對環境、課程、教學、評價、教研、管理各個要素[24]，圍繞智能學習環境/空間建設、人機協同教學模式創新、智能學習測評與教師教學評價、人才培養與評價體系改革、教育管理數字化轉型、網絡教研共同體構建等具體應用，重點關注其流程環節、應用成效、投入成本、技術資源條件、技術兼容性、教育決策水平等影響維度，深入挖掘智能教育應用對教育系統的影響效應。

（三）宏觀層面：智能教育應用推動制度創新

從宏觀層面看，以國家智慧教育公共服務平臺為代表的人工智能教育應用，一方面為學校師生和社會學習者提供多元的學習資源與便捷的支持服務，促進優質教育資源在社會范圍內的共建共享；另一方面支撐各級教育行政部門基于教與學過程性數據的精準決策，推動教育治理理念、治理模式、治理體系的數字化轉型。簡言之，人工智能教育應用的宏觀影響體現在資源配置、數字治理、教育公平等方面，而隨著人工智能教育應用的滲透，其最終將作用于教育制度變遷和政策回應之中。譬如，“新基建”“雙減”政策的推出從不同角度部署了人工智能與教育教學融合的方向，既是對人工智能應用的引導，亦是一種規范和約束。此外，人工智能教育應用在微觀與中觀層面的影響不斷積聚，最終映射在宏觀層面，致使教育與社會系統在倫理、道德、安全、法律等方面存在共性挑戰，這些挑戰將為評估與優化現有教育制度和政策提供真實反饋。與微觀層面和中觀層面所不同的是，宏觀層面人工智能教育應用所帶來的影響具有全局性、系統性、復雜性特征，必須由政府部門采取行動，從政策、制度、規范、法律等維度進行統籌規劃與整體布局。因此，研究者需要聚焦智能教育應用對制度與政策的影響這一主題開展人工智能教育社會實驗，圍繞資源配置、數字治理、教育公平等背后的倫理、道德、安全、法律、制度、規范等內容，重點關注其社會民意、政策輿情、風險案例、應急響應、倫理原則、技術規范等影響維度，推動教育制度創新與政策回應。

五、結 ? 語

人工智能與教育的深度融合是一個系統性、整體性、協同性的復雜工程。面對人工智能教育應用推動教育變革與創新的新形勢，既要不斷激發人工智能賦能教育的技術潛力，也要精準防范其可能從微觀、中觀、宏觀層面給教育生態所帶來的風險與挑戰，實現技術向善與負責任創新的價值取向，為智能教育生態的良性運轉營造規范健康的發展環境。教育技術領域研究者應把握好人工智能促進教育轉型的有利契機，面向教育場域的多樣性應用場景，通過開展人工智能教育社會實驗對當前人工智能教育應用已經或可能產生的社會性影響進行科學測量、系統分析、評估與預測，深入挖掘其蘊含的發展規律和特點，為提升教育效能與研判風險挑戰提供更加精準科學的依據，從而推動實現智能教育生態的可持續發展。

[參考文獻]

[1] 和鴻鵬，劉玉強.面向真實社會的實驗：負責任創新的微觀解讀[J].自然辯證法研究，2018，34（8）：51-56.

[2] 蘇竣，魏鈺明，黃萃.社會實驗：人工智能社會影響研究的新路徑[J].中國軟科學，2020（9）：132-140.

[3] DINARDO J. Natural experiments and quasi-natural experiments[M]. London： Palgrave Macmillan，2010.

[4] 黃榮懷，王歡歡，張慕華，逯行，汪燕，高博俊，杜靜.面向智能時代的教育社會實驗研究[J].電化教育研究，2020，41（10）：5-14.

[5] 尹璐，安維復，劉進.教育人工智能的哲學意蘊[J].高教探索，2021（5）：39-45.

[6] 石中英.教育哲學導論[M].北京： 北京師范大學出版社，2006．

[7] 陳鵬.人機關系的哲學反思[J].哲學分析，2017，8（5）：40-50，196-197.

[8] 劉文海.技術的政治價值[M].北京：人民出版社，1996：45.

[9] 成素梅，張帆.人工智能的哲學問題[M].上海： 上海人民出版社，2020：83．

[10] FLOWERS J C. Strong and weak AI： deweyan considerations[C]//AAAI Spring Symposium： Towards Conscious AI Systems. 2019， 2287（7）.

[11] BOSTROM N. Superintelligence： paths， dangers， strategies[M]. Oxford： Oxford University Press，2014.

[12] 靖東閣.后人類時代教育研究的主體性重塑、風險及其規避[J].電化教育研究，2022，43（6）：11-17.

[13] 劉復興.論教育與機器的關系[J].教育研究，2019（11）：28-38．

[14] 孫田琳子.論技術向善何以可能——人工智能教育倫理的邏輯起點[J].高教探索，2021（5）：34-38，102.

[15] 胡塞爾.純粹現象學通論[M]．李幼蒸，譯．北京：商務印書館，1992： 60．

[16] 肖峰，鄧璨明.人工智能：接緣技術哲學的多重考察[J].馬克思主義與現實，2021（4）：179-187，204.

[17] ?托馬斯·庫恩.科學革命的結構[M].李寶恒，紀樹立，譯.上海：上海科學技術出版社，1980：29.

[18] 鄧仲華，李志芳.科學研究范式的演化——大數據時代的科學研究第四范式[J].情報資料工作，2013（4）：19-23.

[19] HEY T，TANSLEY S，TOLLE K. The fourth paradigm：data-intensive scientific discovery[C]//Redmond： Microsoft Research，2009.

[20] 孟天廣.政治科學視角下的大數據方法與因果推論[J].政治學研究，2018（3）：29-38.

[21] 倪志安.關于馬克思主義哲學價值觀問題的探討[J].教學與研究，2020（2）：25-32.

[22] 郝志軍.我國教學理論“實踐乏力”現象剖析[J].教育理論與實踐，2002（4）：44-48.

[23] 王晶瑩，楊伊，鄭永和，夏惠賢.從大數據到計算教育學：概念、動因和出路[J].中國電化教育，2020（1）：85-92.

[24] 余勝泉，劉恩睿.智慧教育轉型與變革[J].電化教育研究，2022，43（1）：16-23，62.

Theoretical Basis and Practical Framework of Social Experiment in

Artificial Intelligence Education

BAO Tingting， ?KE Qingchao， ?MA Xiufang

（School of Educational Information Technology， South China Normal University，

Guangzhou Guangdong 510631）

[Abstract] In 2021， China launched the construction of the "National Intelligent Social Governance Experimental Base"， and social experiments in the field of artificial intelligence education are one of its key deployment elements， with a view to studying the development rules and risk challenges of intelligent education ahead of time. Focusing on the practical problems of how to correctly understand and scientifically promote the social experiment in artificial intelligence education， this paper， based on the perspective of technological sociology， analyzes the similarities and differences among traditional experiments， quasi-experiments and social experiments in education， explains the core connotation of the social experiment in artificial intelligence education， and discusses the theoretical basis of ontology， epistemology， methodology and axiology of it. By analyzing the integration path and theory of artificial intelligence and education， it is believed that the practical progression of social experiment research on artificial intelligence education includes： the micro-level should focus on the impact of technology on individual adaptability in scenarios such as human-computer complex cognition and human-computer collaboration; the meso-level should focus on the impact of scenarios such as intelligent learning environments， human-computer collaborative teaching models， and intelligent learning assessment on the school education system; the macro-level should focus on the impact of scenarios such as resource allocation， digital governance and educational equity on social systems and policies， so as to promote the high-quality development of education in the intelligent era.

[Keywords] Social Experiment; Artificial Intelligence Education; Education Risk Prevention and Control