理感聯通：人工智能賦能智慧教育新范式

廖劍 劉選 劉革平

摘要：智慧教育是運用智能技術養成智慧的教育。人工智能技術的發展是推動智慧教育研究和實踐深入發展的重要動力。盡管以ChatGPT為代表的新一代大規模人工神經網絡技術在教育領域已展現出巨大的應用潛力，但仍存在內容不夠精確、結果不可解釋、過程難以控制等弊端，由此帶來了智能答復不準確，智能識別結果可信度低，算法歧視與偏見，教育數據隱私安全等教育應用與倫理問題。該文認為造成該困境的重要原因是，現有人工智能研究中理性計算與感性計算的割裂。研究基于哲學、心理學和腦科學、人工智能等領域對感性與理性這對具有本質性特征的理論概念進行闡釋和分析，提出理感聯通人工智能的概念，將其表達為理性計算與感性計算的有機整合，并歸納出知識升華、智能耦合及反省控制的三重聯通機制。觀照到智慧教育領域，建構了理感聯通智慧教育框架。該框架不僅解釋了理感聯通模型中各類技術對智慧教育的作用機制，同時也闡明了其在當前智慧教育中的典型應用場景。理感聯通智慧教育框架的提出有助于推進人工智能在智慧教育中的進一步賦能，并降低未來強人工智能所帶來的潛在風險。

關鍵詞：智慧教育；理感聯通；人工智能；雙過程理論；ChatGPT

中圖分類號：G434 文獻標識碼：A

本文系2021年國家自然科學基金面上項目“基于圖神經網絡的學生課堂狀態協同判別及解釋模型研究”（項目編號：62177039）、西南大學中央高校基本科研項目“基于實時視頻分析的增強智能課堂教學系統研究”（項目批準號：SWU2109323）研究成果。

一、智慧教育發展現狀與人工智能賦能教育瓶頸

我國智慧教育的發展起步于2012年，典型標志是祝智庭教授發表《智慧教育：教育信息化的新境界》一文[1]，該文直接指出智慧教育是教育信息化的新訴求和新境界，由此引領我國教育信息化邁向新的發展階段。同時，智慧教育“以智慧學習環境為技術支撐、以智慧學習為根本基石、以智慧教學法為催化促導”的理念推動和引領智慧教育的研究與實踐不斷發展[2]。2018年，我國教育部印發《教育信息化2.0行動計劃》，正式將“智慧教育”寫入官方文本，將開展智慧教育創新示范、構建智慧學習支持環境、加快面向下一代網絡的高校智能學習體系建設、加強教育信息化學術共同體和學科建設作為智慧教育創新發展的行動計劃。

然而，在智慧教育如火如荼發展的背后，支持智慧教育深入發展的以人工智能為代表的智能技術卻也面臨諸多問題。例如，盡管目前ChatGPT等大語言模型大大加強了計算機語言交互能力，但仍存在回答問題的準確性不足，如OpenAI 承認 ChatGPT 會給出看似合理但不正確甚至荒謬的答案，由此帶來學生的認知與偏差、算法歧視與偏見、數據隱私泄露等潛在風險與問題[3][4]。此外，人工神經網絡技術面臨著“黑箱”問題，即其計算過程不透明且難以解釋，使得一方面智能運算如學生專注度識別結果被質疑，另一方面也引發諸多學者對人工智能是否可控的擔憂。

筆者認為，機器智能中“感性計算”與“理性計算”的割裂是造成這些問題的主要原因。本研究通過從哲學、心理學與腦科學、計算機科學等層面對感性計算與理性計算的學理基礎進行梳理，提出通過“理感聯通”模型來解決上述問題。理感聯通深度融合了感性計算與理性計算，是弱人工智能向強人工智能過渡的必然途徑，也將是約束人工智能并降低其倫理問題風險的必然手段。本研究在辨識感性計算和理性計算差異的基礎上，進一步提出理感聯通智慧教育的理論框架，并通過四個典型案例對模型的應用場景進行了闡述，以使其真正為教育環境安全賦能，并促進學習者的智慧發展和養成。

二、理感聯通人工智能的學理基礎

理感聯通人工智能作為促進智慧教育發展的新技術，不僅具有哲學層面理性與感性的雙重隱喻，而且有來自腦科學的左右腦分工理論，以及心理學雙重編碼理論和雙過程理論的觀照，還有來自人工智能符號主義和聯結主義的分裂與融合[5]，他們共同構成了理感聯通人工智能的學理基礎。

哲學中的理性主義（Rationalism）和經驗主義（Empiricism）為理感聯通人工智能提供了理論支撐[6]。理性主義強調從一個最確定的理論支點出發，通過邏輯學等理性方法可靠地推斷出更為復雜和系統的知識[7]。人工智能借此發展出了基于規則的方法、形式語言理論、語義網絡、一階謂詞演算等計算方法及理論[8]。而經驗主義哲學家強調通過感覺和反思，不斷將個別和特殊的經驗事實，歸納為一般普遍性的知識。人工智能基于此發展出了語料庫、數據挖掘、大數據分析等基于統計學的計算方法[9]。

腦科學和心理學對理感聯通人工智能的觀照體現在，左右腦分工理論指出人的左腦從事邏輯思維活動和右腦從事形象思維活動[10]。雙重編碼理論指出的人的頭腦中存在分別以語言和意象為基礎的兩種既相互獨立又相互聯系的加工系統，以及只有這兩個系統進行同步編碼才能在大腦形成長時記憶的觀點[11]。“雙過程理論”[12][13]則揭示人的大腦中包括系統1和系統2兩個系統，分別進行直覺思考和邏輯推理。上述理論均為理性計算與感性計算之間的“聯通”提供了重要的理論支撐。

此外，人工智能本身的發展也表現出符號主義和聯結主義兩大流派，其中符號主義認為人的認知和思維本質上都是符號運算過程，人和計算機均可被看作物理符號系統，只要厘清人的智能運作原理，并使用形式化符號來描述，就能使計算機通過推理運算來實現智能化的行為[14]。聯結主義通過對人腦神經元模型的研究與模擬，能夠完成包括模式識別等智能任務。

近年來融合符號主義與聯結主義也成為前沿研究熱點，其研究可歸納為符號增強神經、神經增強符號、神經符號協同及神經符號轉換四種類型。符號增強神經是指將符號主義的方法應用于神經網絡的訓練識別和解釋中，如從用于圖像處理的深度神經網絡中提取如貓的眼睛和耳朵等概念[15][16]；神經增強符號是指將神經網絡應用在符號系統中，如利用圖神經網絡對符號主義中的知識圖譜中缺失的信息進行自動補全等[17][18]；神經符號協同是指通過神經網絡和符號系統在體系結構上的協同以實現更高階的智能行為，如唐杰教授依據雙過程理論提出的認知圖譜[19][20]；而神經符號轉化是指將一個神經系統轉換為一個符號系統，如將深度神經網絡的分類規則通過知識蒸餾提取進決策樹模型中[21]，或通過神經網絡從多文檔大數據中構建教育知識圖譜[22]。由此可見，人工智能自身的發展情況也揭示出兩大流派在發展過程中逐步走向融合的趨勢，這些均為人工智能“理感聯通”的提出奠定了良好的理論和實踐基礎。

三、理感聯通人工智能模型

基于上述分析，本文將哲學中的理性主義、腦科學中左側大腦的機能、心理學中雙重編碼的語言系統和雙過程理論的系統2，以及人工智能中的理性流派方法，歸納整合為機器處理邏輯與規則等問題的理性計算。同理，將哲學中的經驗主義、腦科學中右側大腦的機能、心理學中雙重編碼的意象系統和雙過程理論的系統1，以及人工智能中的聯通主義和數據主義的經驗流派方法，歸納整合為機器處理具象與直覺等信息的感性計算。而人的一些更高級的智能行為（如創造性思維），則往往需要感性與理性的融合及共同參與。正如苯環的結構（即理性知識）就是凱庫勒（Friedrich A Kekule）感性地夢到一條咬住尾巴的蛇而受到啟發后發現的。由此本文進一步引入智慧通道的概念，并認為智慧通道如同大腦中的臏胝體聯通左右腦，是連接感性計算與理性計算的關鍵。基于此認識和理解，我們提出如圖1所示的人工智能的理感聯通模型。

借助哲學、腦科學、心理學以及人工智能兩大流派對理性計算和感性計算的啟示，我們將人工智能理感聯通模型中三個關鍵組成要素的定義進一步闡釋如下：

感性計算特指基于人工神經網絡的計算方式，對客觀事物的聲音、圖像、或文本等多模態信息進行感知與識別，并相應生成文本、聲音、圖像、動作結果，由此可實現情緒感知、聯想、動作控制與會話等。感性計算具有直覺型、啟發性、快速性等特點。

理性計算特指電腦對客觀事物理性規律的表征，并由此進行的邏輯推理、判斷、決策、規則應用等計算活動。理性計算具有分析性、規則明確性、慢速性等特點，在人工智能中對應專家決策系統及知識圖譜的構建與推理等。結合前文分析，感性計算與理性計算在各個層面的進一步區別如表1所示。

智慧通道是聯結感性計算與理性計算的通道，有助于產生更高階的智能行為。正如人類大腦中存在的臏胝體能夠聯通左右腦一樣，人的高級智能（如創造性思維）往往需要理性和感性的交互才能形成。此外，感性計算中獲取的感性知識可以升華為理性計算中的理性知識，而理性計算也可對感性計算中直覺產生的決策等進行監控和反省，并糾正直覺判斷中可能存在的錯誤。基于心理學、認知科學及人工智能當前的研究基礎，我們認為智慧通道中可包含知識升華、智能耦合、反省控制三重聯通機制。

（1）知識升華：Dienes與Pemer從語義和心理表征的功能屬性提出了內隱知識和外顯知識。內隱知識是指未被表征、難以量化和表述的知識[23]，與感性更為相關。外顯知識是指理性計算更容易加工處理的概念、原理、規則等。而知識升華則是指從感性的、經驗的和不易理解的內隱認識中進行提煉并上升為理性的、易理解的外顯認識。當前人工智能研究中的知識蒸餾等技術[24]，能將神經網絡中難以直接認知的神經元鏈接方式，轉換為易于理解的規則，就可以看作是知識升華的一種應用。

（2）智能耦合是指由感性計算與理性計算聯合產生的更高級的智能行為，如情景理解、語境理解、基于聯想的推理、高階評價、目標規劃甚至是創造等。其中，情景理解涉及對情景中物體和人物的感性識別，以及對人物關系和人人關系的理性推理。語境理解不僅需要理解語言的詞法、句法、章法等理性規則，更需要理解語言所應用的情景，來確定詞語的精確含義和推斷談話者的意圖。基于想象的推理，突破了基于邏輯推理的局限，將聯想納入推理規則中，從而更好地模擬人的高階思維。高階評價和目標規劃不再局限于通過規則明確的評價體系進行量化評價，也可實現對元認知能力、自我管理能力等難以直接量化的目標進行質性的評價和目標規劃[25]。

（3）反省控制是指理性計算能夠對感性計算所做出的直覺判斷進行內省解釋，并給予相應干預與控制。埃文斯與斯坦諾維奇的雙過程理論對反省機制做了詳細闡述[26]，感性計算做出的直覺判斷雖快，但有時會犯認知偏差的錯誤，這就需要理性計算對感性計算進行監控與反省。反省機制由此有助于提高人工智能決策的準確性與解釋性[27]。此外，如同人的理性思維可以引領感性行為，機器的理性計算在內省時如預測感性計算行為發生偏差，也能提前進行引領，規避錯誤。如使人工智能的行為始終不違反機器人三定律理性原則，避免對人產生不可控的負面后果。

總之，人工智能的理感聯通模型包含感性計算、理性計算、以及聯結感性與理性計算的智慧通道三個關鍵要素，該模型的建立有助于實現人工智能從“弱人工智能”向“強人工智能”轉段升級，同時降低強人工智能所帶來的應用倫理風險。

四、理感聯通智慧教育框架與典型應用場景

人工智能理感聯通概念的提出，既為人工智能下一步的發展提供了思路，也為機器智能如何進一步賦能教育提供了思考框架。為厘清理感聯通模型如何影響智慧教育，本文嘗試構建出一種理感聯通智慧教育框架（如下頁圖2所示）。

從下頁圖2中可以看出，該框架與人工智能理感聯通模型保持一致，包括感性計算、理性計算和起到聯通作用的智慧通道三個關鍵要素。其中，感性計算代表以深度神經網絡為主的人工智能技術對學生不同層面的狀態的感知，如對師生的文本、聲音、動作、情緒等基礎特征進行感知；基于上述基礎特征再對學習狀態、交互狀態和教學狀態等教育核心變量進行歸納識別；最后在更高層次為學生高階能力評價等提供數據支持。

理性計算采用教育知識圖譜、專家系統、決策樹等人工智能技術，對學習內容進行組織并對教育中相應的理性規則進行定義，其內容可涵蓋教育知識技能圖譜、教學規律、教學干預策略、資源及學伴推薦策略、教育目標規劃原則、及高階能力評價指標體系等。

智慧通道是聯通感性計算和理性計算的關鍵要素。通過聯合感性計算與理性計算，可實現對學生個性化教育目標的設定、綜合評價高階學習能力并生成學生全維度畫像等。基于學生的智慧畫像，可進一步提供豐富的教學策略與學習工具來支持學生的智慧成長，如采用具備想象推理能力的高智能教學Agent對學生進行個性化教學輔導等。此外，智慧通道也有助于挖掘與提煉可解釋的教學規律，并設置反省控制環節以規避教育AI應用中所存在的風險。

基于如前面圖1所示的理感聯通智慧教育框架，我們重點從智慧評價、智慧學習、智慧教學、可解釋性及教學規律挖掘四個方面進一步闡釋該模型的典型應用。

（一）智慧評價

學習者的智慧發展，不僅包括知識的習得，也包含高階思維的提升[28]及適應復雜社會的綜合能力培養[29]。智慧教育環境除傳統課堂外，還可包含課堂之外的學習空間，如智慧校園、在線學習環境、混合現實環境及教育元宇宙[30]。然而當前智能技術僅能對清晰、明確和可量化的教育目標進行評價，難以處理沒有明確規則甚至沒有明確定義的評價目標，如學習者的創造性思維、批判性思維等[31][32]。采用理感聯通教育模型，一方面可借助已有的評價領域專家知識對評價體系進行理性建模；另一方面可從學生的課堂學習音視頻、作業記錄、生物信號等多模態大數據中，感知挖掘對評價結果產生影響的重要特征，由此對專家評價模型進行印證與補充，最后通過綜合專家理性規則和多模態數據感知分析結果來不斷完善改進評價結果。

此外，當前評價系統已能對選擇題、填空題、連線題等客觀題進行精準的自動評價。然而對問答題、作文、作圖題等主觀題進行意義級別的評判還欠準確。采用理感聯通模型，可通過感知聯想文本或圖中的概念，再結合教育知識圖譜在意義層面對問題、作文、圖表等進行理解則可給出更優評判。

（二）智慧學習

在智慧學習領域，理感聯通可為學生提供富媒體資源推薦及高智能輔導Agent等。富媒體資源推薦是指在多元學習環境下，為學生提供其所需的多種媒體類型的學習資源。如當學生進入智能校園中的一棟建筑時，通過增強現實學習系統，向該學生個性化地推送場景中物品的英語單詞拼寫、語音及示例視頻等。借助理感聯通人工智能，可結合教育知識技能圖譜，對語音、視頻等多媒體學習材料進行自動切片及索引，再根據境脈學習目標推送給學生。此外，也可根據學生的實時反饋，讓具備聯想推理及語言深度理解能力的高智能Agent對學生進行相應個性化輔導，如與學生討論與問題情境及學習目的都相關的問題，由此實現與學習者的深度交互。

（三）智慧教學

智慧教學是指借助人工智能等技術，進行差異化教學設計，動態調整教學策略，并通過智慧化教研活動反思教師自身教學水平[33][34]。現有教學資源庫大多有現成的教學材料與教案，然而教師仍需要手動調整教學材料與教案來適應不同水平的學習者群體。采用理感聯通人工智能，可通過圖像視頻分析技術等提煉教學材料中的對象，并根據教育知識圖譜及學生群體狀態，自動生成教學資源與教學設計方案。教師在實施教學過程中，理感聯通智慧教學系統也可對學生課堂學習狀態的音視頻等進行實時監控，并通過屏幕等智能設備反饋給教師，最后結合教學干預策略庫調整教學策略或針對部分學生進行教學干預。

此外，理感聯通還有助于提升智慧教學研究。傳統的教學研究通常由教研員觀察教師上課，并在課后進行討論，由此導致教研目標不明確、教研內容不精準、教研手段單一等缺點。采用理感聯通模型，可實時采集教師上課音視頻，通過深度學習網絡對教師的提問技巧、教學策略運用、教姿等進行識別，并結合教學專家知識庫對教師的教學進行自動或人機協同的評價與指導，從而促進教師的智慧教學水平。

（四）教學規律挖掘解釋及可控型教育人工智能

由于當前機器智能運算的準確率仍存在局限，對于機器智能所做出的判斷（如學生專注度、教師表現等），應給予人能理解的解釋，才能使判斷結果更可信[35]。傳統深度學習網絡由于內部運算過程不透明，在解釋性上存在較大缺陷。在理感聯通模型中，可采用如知識蒸餾等技術，提取神經網絡中識別結果的可解釋模式，并通過自然語言處理等技術，為智能分析的結果提供人類可理解的解釋。基于可解釋的分析結果，還可進一步從海量多模態教學數據中挖掘出與教學相關的特征及其關聯，并將其升華為可理解的、可推廣的、有助于教與學的教學規律。

此外，通過理感聯通模型中的反省與控制機制，將理性計算中的規則、策略、知識圖譜關系等引入到感性計算中，還可有效地監控、預測及控制產生式AI（如教育輔導Agent）的輸出內容，避免錯誤內容導致學習者認知偏離，規避敏感及錯誤話題，并保護用戶隱私數據不在交互中泄露等。

五、推進理感聯通智慧教育實踐的發展建議

盡管當前關于理感聯通智慧教育的研究還處于初級階段，筆者認為人工智能的理感聯通將是未來發展的必然趨勢，其研究成果也將對未來教育產生巨大影響。把握人工智能理感聯通的學理基礎和發展脈絡，厘清理感聯通智慧教育的內涵外延與理論模型，有助于更好地推進理感聯通的智慧教育實踐。未來的研究與實踐可在以下幾方面展開。

第一，加強理感聯通智慧教育理論框架研究。當前的理感聯通智慧教育框架，雖已指出了理感聯通的作用機制及其在智慧教育中的應用途徑，但是關于理感聯通智慧教育模型的內涵與外延、相關概念的關系與辨析等問題，仍需在后續研究中進一步深化和細化。同樣，與理感聯通智慧教育相關的教學理論與學習理論，仍需進一步厘清。未來可通過組建跨學科學術共同體來開展跨學科研究，圍繞理感聯通的核心問題，從哲學、計算機科學、心理學和教育技術學等多元視角切入，立足各自不同學科的優勢，深入探索理感聯通智慧教育的理論和技術問題。

第二，積極展開人工智能理感聯通算法模型研究。盡管當前人工智能領域已有研究致力于將符號主義與聯結主義相結合，但是將感性計算與理性計算進行有機聯通的研究仍然很有限。未來研究者需充分借鑒來自腦科學和神經科學方面的研究成果來進一步探索感性計算與理性計算聯結的機制、模型與算法等。

第三，開展理感聯通智慧教育實踐研究。只有切實推進理感聯通智慧教育應用，才能將理感聯通智慧教育的理論研究落地，從而對教育產生實際影響。目前的相關技術（如認知圖譜、知識蒸餾等）已在算法上初步具備完備性，因此如何將理感聯通技術逐步深入地應用于不同學科的智慧教學實踐，不斷積累應用經驗并進行推廣是擺在智慧教育實踐領域的緊迫課題。與此同時，教師應該充分認識到人工智能理感聯通給教育帶來的機遇和挑戰，不斷轉變自身的觀念與角色，以更好地適應理感聯通智慧教育實踐。

六、研究總結與反思

本研究將智慧教育置于教育信息化的視角來審視，認為以ChatGPT為代表的新一代人工智能技術雖然已取得了長足的進步和發展，但仍存在內容不精確、結果不可解釋、過程不可控制等弊端，由此帶來了諸多教育應用與倫理問題。本研究提出理感聯通人工智能的模型，其本質就是通過智慧通道將感性計算與理性計算相聯通來促進其智慧發展，并控制人工智能應用的風險。觀照到智慧教育領域，本研究建構了理感聯通智慧教育框架，并具體闡釋了感性計算、理性計算和智慧通道中可應用的各類技術及對智慧教育的作用機制，以及其典型應用場景，最后提出了推進理感聯通智慧教育實踐發展的建議。

雖然本研究在人工智能理感聯通模型的提出和理感聯通智慧教育框架的構建方面具有初步的創新性，但其理論模型是否完善還有待進一步研究與探討，如理性計算與感性計算是否能完整清晰地進行劃分，智慧通道里的反省控制等機制如何系統實現，是否還有其它重要組成部分，人工智能理感聯通對智慧教育的支持是否還有遺漏等。此外，如何在智慧教育實踐中進行應用推廣，仍有待于理感聯通智慧教育模型的進一步優化完善和相關算法的進一步深入探索。

參考文獻：

[1] 祝智庭，賀斌.智慧教育：教育信息化的新境界[J].電化教育研究，2012，（12）：5-13.

[2] 劉革平，劉選.跨學科比較視域下智慧教育的概念模型[J].電化教育研究，2021，（3）：5-11.

[3] 王佑鎂，王旦等.ChatGPT教育應用的倫理風險與規避進路[J].開放教育研究，2023，（2）：26-35.

[4] 張絨.生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，（2）：5-14.

[5] 張鈸，朱軍等.邁向第三代人工智能[J].中國科學：信息科學.2020，（9）：1281-1302.

[6] 趙澤林.理性主義與經驗主義：人工智能的哲學分析[J].系統科學學報，2018，（4）：11-15.

[7] 陳修齋.歐洲哲學史上的經驗主義和理性主義（第2版）[M].北京：人民出版社，2007.

[8] [美]休伯特·德雷福斯.寧春巖譯.計算機不能做什么[M].上海：三聯書店，1986.

[9] [英]瑪格麗特·博登.劉西瑞等譯.人工智能哲學[M].上海：上海譯文出版社，2001.

[10] 蘇葉蘭.開發右腦記憶英語單詞的教學案例分析——基于斯佩里的左右腦分工理論[J].南昌教育學院學報，2018，（3）：38-41.

[11] Paivio，A.MentalRepresentations：A Dual Coding Approach [M].New York：Oxford University Press，1986.

[12][26] Stanovich，K.Rationality and the Reflective Mind [M].New York：Oxford University Press，2011.

[13] Evans，J.S.B.T.Dual-Processing Accounts of Reasoning，Judgment，and Social Cognition [J].Annual Review of Psychology，2008，（1）：255-278.[14] 蔡恒進.行為主義、聯結主義和符號主義的貫通[J].上海師范大學學報（哲學社會科學版），2020，（4）：87-96.

[15] Zablocki é，Ben-Younes H，et al.Explainability of deep vision-based autonomous driving systems：Review and challenges [J].International Journal of Computer Vision，2022，130（10）：2425-2452.

[16] 毛典輝，薛子育等.基于深度神經網絡的圖像語句轉換方法發展綜述[J].計算機科學，2018，（3）：25-30.[17] 張吉祥，張祥森等.知識圖譜構建技術綜述[J].計算機工程，2022，（3）：23-37.[18] 楊東華，何濤等.面向知識圖譜的圖嵌入學習研究進展[J].軟件學報，2022，（9）：3370-3390.

[19] 趙國慶，李欣媛等.從認知地圖到認知圖譜：相似概念的跨學科審視[J].現代遠程教育研究，2021，（5）：14-25.

[20] 萬海鵬，王琦等.基于學習認知圖譜的適應性學習框架構建與應用[J].現代遠距離教育，2022，（4）：73-82.

[21] 邵仁榮，劉宇昂等.深度學習中知識蒸餾研究綜述[J].計算機學報，2022，（8）：1638-1673.

[22] 呂品，賀云艷等.面向教育的中文知識圖譜自動構建技術[J].中國教育信息化，2021，（2）：86-92.

[23][27] 曾春艷，嚴康等.深度學習模型可解釋性研究綜述[J].計算機工程與應用，2021，（8）：1-9.

[24] 李莉，楊治良.解析Dienes & Pemer的內隱知識理論[J].黑龍江高教研究，2011，（6）：114-117.

[25] 鄭勤華，郭利明.人機協同的敏捷教育建模及實踐應用[J].現代遠程教育研究，2021，（4）：43-50.

[28] 高琳琳，解月光等.智慧課堂視域下高階思維發展的干預策略體系研究[J].中國電化教育，2022，（6）：112-119+133.

[29] 童莉莉，張晨等.教育社會實驗：人工智能融入教育的研究新探索[J].中國電化教育，2022，（3）：62-68.

[30] 劉革平，王星等.從虛擬現實到元宇宙：在線教育的新方向[J].現代遠程教育研究，2021，（6）：12-22.

[31] 鄭勤華，熊潞穎等.任重道遠：人工智能教育應用的困境與突破[J].開放教育研究，2019，（4）：10-17.

[32] 鄭勤華，陳麗等.理論與技術雙向驅動的學生綜合素養評價新范式[J].中國電化教育，2022，（4）：56-63.

[33] 謝幼如，邱藝等.人工智能賦能課堂變革的探究[J].中國電化教育，2021，（9）：72-78.

[34] 鐘紹春，鐘卓等.智能技術如何支持新型課堂教學模式構建[J].中國電化教育，2022，（2）：21-29+46.

[35] 劉桐，顧小清.走向可解釋性：打開教育中人工智能的“黑盒”[J].中國電化教育，2022，（5）：82-90.

作者簡介：

廖劍：副教授，博士，研究方向為人工智能教學應用、教育音視頻智能分析及機器人輔助教育。

劉選：副研究員，在讀博士，研究方向為智慧教學設計和數據治理。

劉革平：教授，博士生導師，研究方向為教育信息化理論與政策、智慧教學環境、虛擬現實。

Rational-perceptual Interconnectionism： The New Paradigm of Artifical Intelligence in Education

Liao Jian1， Liu Xuan1，2， Liu Geping1

（1.Faculty of Education of Southwest University， Chongqing 400715； 2.Office of Academic Research of Open University of Sichuan， Chendu610073， Sichuan）

Abstract： Smart education is a form of education that applies intelligent technologies to foster human wisdom. The new generation of AI， such as ChatGPT， has demonstrated strong potential to support smart education fundamentally. However， the limitations of current AI technologies on transparency， interpretability， and controllability hinder the further application of AI in education. One of the main reasons for these drawbacks is the division of perceptual computing and rational computing in AI. This study proposes the concept of rational-perceptual interconnectionism， aiming to integrate the models of perceptual and rational computing based on relevant research in philosophy， psychology， neural science， and computer science. This study also builds a framework to apply rational-perceptual interconnectionism in typical scenarios of smart education. The proposed framework has great potential to enhance the application of AI in smart education and decrease the potential risks of strong AI in the future.

Keywords： smart education； rational-perceptual interconnectionism； AI； dual process theory； ChatGPT

責任編輯：李雅瑄