博弈與權衡：智能教育算法的規制性與人的自主性

摘要：在智能教育中，算法的規制性能夠輔助人做出科學的決策，而人的自主性又能夠對教學情境做出自主的感知判斷，兩者各有所長。然而，在具體教學實踐中常出現兩種偏向：一是過度青睞算法的規制性，這種偏向存在限制人的自主性發展的嫌疑；二是過度強調人的自主性發展，這種偏向又存在遮蔽算法工具理性、影響教育效益的可能。為此，文章首先對算法的規制性與人的自主性展開分析，并提出智能教育教學應在動態博弈中權衡算法的規制性與人的自主性；然后文章從目的、過程及結果三層面提出算法的規制性與人的自主性的耦合方案，即在精準挖掘教育需求中促進人的自主性發展，在人機協同過程中合理設計算法的規制性，在厘清運用邊界中實現教育價值旨歸，旨在理性回歸智能時代的教育本質，為算法在教育中的合理與向善發展提供有效路徑與方法。

關鍵詞：博弈；權衡；規制性；自主性；智能教育

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2023）04—0032—08 【DOI】10.3969/j.issn.1009-8097.2023.04.004

人工智能時代，算法被視為無所不在又無所不能的新規則[1]，并顯示出對人類社會發展的無限潛能，為各行各業帶來了諸多紅利。其中，在教育領域中算法發揮了巨大的作用，包括輔助人做出正確決策，促進學習主體能動性、創造性的發揮[2]、使大規模的個性化學習成為可能等[3]。但同時，有研究發現過度依賴算法可能會出現信息偏食現象[4]，導致人的主體性被消解[5]，不利于人的自主性發展。人作為教育教學的主體，能夠對學習情景做出自主的感知判斷，但若過度強調教育主體性原則，又會遮蔽算法所具備的工具理性，導致算法在教育中的“效率性”價值被消解。可見，在智能教育教學中若只看到算法規制性的優勢而忽略人的自主性發展，勢必會造成教育教學的失范；若只關注人的自主性發展而抵觸算法的規制性，勢必會影響教育教學的效益。為此，在智能教育教學中如何平衡算法規制性的工具理性與人的自主發展的價值理性二元關系，將成為智能教育研究領域的核心訴求。基于此，本研究以算法的規制性和人的自主性為研究對象，在動態博弈與權衡算法的規制性與人的自主性中提出兩者的耦合方案，旨在理性回歸智能時代的教育本質，為算法在教育中的合理與向善發展提供有效路徑與方法。

一 規制性：算法的基本屬性

海德格爾認為，技術不僅是工具和手段，更是一種“解蔽”的方式，且“解蔽”的過程是在“座駕”這一框架中進行的[6]。也就是說，技術在幫助人解決問題時，就給人設定了范圍，人的活動都在規定好的框架中進行。某種意義上來說，“座駕”具有規制性、制約性。因此，按照該邏輯，算法作為人工智能的核心技術，必然具有規制性這一基本屬性。在智能教育領域，算法的規制性同樣以“座駕”的方式影響、規定著人的教學活動，并在為教學活動提供規則、標準或模式時將教學活動導入看似合理的預設軌道中，以快速提升教學效率。

但算法的規制性在提高教學效率的同時也限定了教育教學范圍，它按照一定的程序指明能夠、應該或者必須做什么、不能做什么，直接改變、影響著人的選擇，甚至制約著人的發展。埃呂爾曾說：“所有技術的進步都有代價，技術所引起的問題比解決的問題多”[7]，算法的規制性亦是如此，具體表現在：①“束縛”人的“把關人”角色，將“把關”權交由機器。智能教育教學系統通過計算、分析、跟蹤、統計學習行為數據，構建學習者模型，繪制學習者畫像，為學習者推薦學習資源、規劃學習路徑、診斷測評學習情況。在此過程中，把關的權力完全轉移到教學系統，而人的權力全然失效。②“圈囿”人的價值取向，僅僅追求效率最大化。算法規制性的價值標準設定是基于人“需要”的資源，而非人“想要”的資源。它常通過智能推薦、智能診斷、智能規劃等功能為人提供“需要”的資源，追求短時間內的教學效率最大化，但這類做法卻弱化甚至忽視了人發揮自主能力而獲得的“想要”的資源。可以說，算法的規制性在某種程度上控制著人的價值取向。③“阻礙”人的自主性發展，奴役人的行為活動。算法的規制性在“束縛”人的活動和“圈囿”人的價值取向中，忽視了人作為教育主體所具有的自主能力的發展。它作為具有強制作用的支配者，會強制人按照其邏輯規則展開教與學的行為活動。長此以往，人就會被其“反向馴化”甚至奴役，以至于最終在教育教學中失去“發言權”。

試想，當人在算法規制性設定的“座駕”中學習時，其思維勢必會被禁錮在某一知識區域內，導致知識面窄化；當人面對同一種算法程序時，其個性勢必會更加同質化，用算法模型進行的教學實則仍舊是“生產流水線式”的教學；當人長期機械地服從于算法的規制性時，其自我反思、自我分析、自我判斷等自主能力的發展勢必會受到限制。技術的最終作用點是人而不是物[8]，人是復雜多變、動態發展的，既不能被技術規約，更無法被程序化。因此，要讓人在異彩紛呈的技術“烏托邦”中不被“異化”和“變形”，就必須回歸教育本真，關注人的發展[9]。

二 自主性：教育的核心訴求

“教育是為成人、育人而生的”[10]，它的最高目標是培育具備自治、自省、自為能力的“生命自覺”之人[11]。育人既是教育的起點，也是歸宿，教育在培育人的過程中要有所為，就要激發人的自覺性、能動性，發展人的自我判斷、自我分析、自我思考等高階思維能力，這些高階能力是人積極主動地探索知識、建構知識的重要因素。也就是說，教育所追求的是在喚醒自主意識、提升自主能力、化育自主人格的過程中培育具有“自主性的人”[12]。具有自主性的人能夠“成為自己行動的主體，不依賴他人，自由地做自己的判斷、主張和行動 [13]”。

然而，我國教育長期以來一直受傳統文化及傳統教育體制的影響，導致其在與技術的融合過程中出現了兩個偏向：①過度強調主體性原則，“遮蔽”了算法規制性的“工具理性”。我國教育教學在“以學生為中心”“發展學生的主體性”等思想的影響下確立了主體性原則，其作為一種主流價值觀長期存在于教育領域中。但人們在這一原則的引領下出現了過度強調以學生為中心的現象，存在排斥或抵觸算法的心理，甚至出現了算法是“塑主之術”的觀點[14]，遮蔽了算法規制性為教育帶來的效益和規范等工具價值。另外，過度強調主體性原則會使人成為“自我中心的個人化主體”[15]，出現“主體性膨脹”現象[16]，讓人陷入笛卡爾“唯我論”的困境。可見，失當的主體性教育不僅會遮蔽算法規制性的工具價值，甚至還不能夠真正促進人的發展。②倡導教育與技術的“聯姻”，但又停留于“管中窺豹”的狀態。隨著技術作用的日益凸顯，教育教學再也不可能無視技術的存在[17]，教育與技術的融合“聯姻”是必然趨勢。然而，在對技術運用的探索過程中，因其某一種弊端的出現，就認為“技術‘奇點’將要到來，技術將會統治人類”[18]，這類觀點是片面的，并沒有從整體視角看待技術的合理運用。換言之，算法的規制性并不是“全能型”技術，不能將其看作“靈丹妙藥”來為所有的教育教學賦能，而是要在理解算法規制性的運行邏輯、厘清算法規制性的運用邊界基礎上，針對具體的教學“病癥”科學合理地運用算法規制性，才能從根本上解決問題。

智能教育的核心追求是培育具有“自主性”的人，智能教育中算法的基本屬性是規制性，如何正確處理好兩者之間的關系，避免陷入某一偏向，是亟需探索的問題。在探索過程中應帶著當前智能時代的特征，在兩者的相互作用、相互影響中權衡考慮算法規制性的運用界限和人的自主發展，以促進智能教育教學高質量發展。

三 博弈與權衡：算法的規制性與人的自主性

在智能教育教學中，人的自主性作為教育的核心訴求，其實現程度是由算法的規制性來決定的。反過來，算法規制性的實現又依賴于人，人對算法規制性的運用邊界具有決定作用。理解這一點，對于如何合理地平衡算法的規制性與人的自主性之間的關系具有重要意義。

1 分辨“目的”與“手段”，以匡正主輔關系

從發生學視角來看，算法是由人創造的，其規制性的實現依賴于人的設計。反過來，算法規制性的運用又是為了人能夠更好地學習和發展。在這一關系范疇中，算法的規制性是手段，而人的發展是目的，算法規制性的價值取向始終在于為人的發展服務。為此，在智能教育教學中，要科學合理地運用算法的規制性，而不是異化它，即算法的規制性成了目的，轉而束縛人、奴役人。“在教育中，技術永遠只是手段，不是目的，信息技術與教育教學深度融合的過程中，必須遵循教育發展的規律。”[19]也就是說，算法的規制性要以人為中心，并以輔助工具的身份為人的發展而存在，其服務的對象是具備自我認知、自主選擇、自我判斷、自我分析、自我反思等能力的獨立自主的主體人。算法的規制性要肯定人的價值，要尊重人能夠自覺、能動、創造地學習的權利。

2 研判“促逼”與“引帶”，以彰顯教育意義

海德格爾將技術區分為“引帶技術”和“促逼技術”[20]。當算法的規制性以“促逼技術”的身份出現時，它將凌駕于人之上，促逼人服從于其規定，甚至限制人的自主性的實現。例如，當前智能教育中所追捧的智能推薦、智能規劃，其實是將人的學習內容、學習路徑等“圈囿”在某一范圍內以快速達到教學效果，但這類做法束縛了人的自我選擇、自我導向、自我計劃等自主能力的發揮，以至于人的自主性的實現受到影響。反之，當算法的規制性作為一種“引帶技術”時，它將凸顯人的主體性。這主要表現在其價值體系上，即其價值旨趣在于以人的需求為切入點，在輔助人做出更好的自我決策時促進人的自主性發展。也就是說，算法的規制性如果是以“引帶”的方式進入教育領域，那么它就是以人為中心，此刻必然能夠彰顯其在教育中的價值與意義。為此，在智能教育教學中，要研判算法規制性的進入方式，即不能因盲目推崇而受制于算法的規制性，更不能因保守抵制而放棄對算法規制性的應用。如果說算法讓人放棄自主性，那僅僅是人做出錯誤決策的活動[21]。

3 調節“沖突”與“融合”，以協同創造價值

根據上述分析可知，我們不能簡單地認定，算法的規制性不利于人的自主性發展。如果合理運用算法規制性，其反而可能會成為人的自主性發展的助推力，幫助人做出更好的自主決策。按照這種說法，麥克盧漢所區分的“熱媒介”和“冷媒介”也就實現了在智能教育領域中的意義與存在。當算法的規制性運用失當時，它便是一種熱媒介，具有排斥性，此時人的自主參與度低，存在限制人的自主性發揮的風險；反之，它便是一種冷媒介，具有包容性，此時人的自主參與度高，人的自主性發展充滿可能性[22]。可見，當算法規制性出現“熱媒介”現象時，人的自主性要發揮作用，來協助調整、劃清算法規制性的運用邊界，使其向“冷媒介”的方向發展。從這個意義上來說，算法的規制性與人的自主性是既沖突又融合的關系，兩者是在實現“你中有我，我中有你”的互動關系中共同發展的。為此，在具體實踐中既要體現算法的規制性，又要展現人的自主性，應積極處理兩者之間的張力關系，尋求兩者之間的合理平衡點，使兩者在相互協同中共同創造教育價值。

四 教育本質的理性回歸：規制性與自主性的耦合

通過前文對算法的規制性與人的自主性的博弈與權衡的論述可知，兩者是相互制衡、相互依賴的。為了避免偏向于某一方而造成兩者關系趨于對立面，當前智能教育亟需理性回歸智能時代的教育本質。這里的“理性”回歸是指在智能技術的支撐下，以算法的規制性為輔助手段，實現人作為教育主體的自主性發展的回歸。即是說，智能時代的教育本質應在算法的規制性與人的自主性耦合中得到理性回歸，具體需從兩者的耦合目的、耦合過程及耦合結果三個環節展開追尋。

1 耦合目的：在精準挖掘教育需求中促進人的自主性發展

教育與技術的關系可以有兩種：一是從教育教學的需求出發，主動選擇合適的技術；二是從技術運用出發，被動尋找教育教學需求。在教育與技術的關系范疇中必須明確的是教育教學需求為主、技術為輔。顯然，在智能教育教學過程中，我們應該選擇第一種關系，依據教育教學需求，主動尋找匹配的算法。這類算法的規制性是從教育教學內部需求出發來發揮作用的，是真正與教育教學融合的。只有如此，算法的規制性才能賦能人的自主性發展。反之，如若為迎合技術發展，強制性地在教育教學中加入算法程序或模型，那么此時的算法規制性就脫離了教育教學需求，不利于人的自主性發展。諸如智能測評功能在教學中的應用，就存在過多地強調通過算法將學習測評系數限定在某幾個固定維度，并可視化展示學習結果的問題，這在某種程度上忽視了人作為教育主體所具有的自我分析、自我判斷、自我反思等自主性能力。由此可見，算法規制性與人的自主性耦合的目的就在于從教育本性出發，挖掘教育內部問題及需求，堅守教育教學的初心，最終促進人的自主性發展。

2 耦合過程：在人機協同互補中合理設計算法的規制性

在智能教育教學中，人與算法各有所長。算法能夠為人的學習提供智能推薦、智能規劃、智能診斷等服務。而人能夠對自身的學習過程進行自我認知、自主選擇、自我導向、自我反思等，對學習情境的感知做出判斷[23]。因此，本研究借鑒人機協同的思想，認為在智能教育教學中要充分協同算法的規制性與人的自主性，并結合當前智能教育中的學習資源推薦、學習路徑規劃、學習結果診斷等典型功能，設計了面向自主自治學習的算法設計（如圖1所示），以期在人的自主性與算法規制性的協同共存、優勢互補中，產生1+1gt;2的效果[24]。

面向自主自治學習的算法設計邏輯具體可描述為：在初始階段，先對學習者各項數據展開分析與處理，構建學習者模型并設定個性化的教學目標。再依據教學目標展開學習資源推薦、學習路徑規劃及學習情況診斷，在此過程中算法的規制性是與人的自主性相匹配的，即在不斷地調適智能推薦、智能規劃、智能診斷和自主選擇、自我計劃、自我導向、自我認知、自我反思中實現最佳學習元的推薦[25]、最優學習路徑的規劃、最全學習情況的診斷，由此實現對學習者各項數據的迭代更新，進而重新為學習者建模、調整教學目標，并再次進入算法規制性與人的自主性的匹配過程，如此往復，形成良性循環。其實現路徑包含以下三條：智能推薦與自主選擇相匹配，智能規劃與自我導向、自我計劃相結合，智能診斷與自我認知、自我反思相協同。

實現路徑1：智能推薦與自主選擇相匹配。智能推薦與自主選擇相匹配是指在學習元推薦時，要將算法的智能推薦結果與學習者的自主選擇結果相匹配，旨在于兩者的優勢互補中實現最佳學習元的推薦。智能推薦的基本假設是學習者不具備自主選擇學習資源的能力或存在缺陷，故采用個性化推薦算法為學習者推薦“量身定制”的學習內容、學習策略等資源。但學習者作為教育教學的主體，是具有自我意識的生命個體，其具備一定的自主選擇能力。在智能教育教學中，應給予學習者自主選擇的權利，而不是只通過算法為學習者精準推薦各類學習資源，這在某種程度上會破壞學習資源呈現的全面性和多樣性，甚至剝奪學習者自主選擇資源的機會[26]。此外，學習者的自主選擇也會存在一定的誤差，需要外部力量來進行指導與糾正。因此，學習元的推薦應依據具體的教育教學問題進行具體分析，在不斷調整智能推薦和糾正學習者的自主選擇誤差中，適配學習者身心發展的階段性、差異性，對算法的規制性進行調整設計，為學習者推薦更加正確、有效的學習資源。

實現路徑2：智能規劃與自我導向、自我計劃相結合。智能規劃與自我導向、自我計劃相結合是指在學習路徑規劃時，要充分結合算法的智能規劃結果與學習者的自我導向、自我計劃結果，旨在于兩者的取長補短中實現最優學習路徑的規劃。智能規劃的基本假設是學習者不具備自我導向、自我計劃或存在缺陷，故通過診斷預測、個性推薦等算法對學習者的學習行為數據進行分析，針對不同的學習者設定具有差異的學習目標，并為學習者規劃個性化的學習路徑。但學習者作為具有自主性的個體，具備一定的自我導向、自我計劃學習能力。在教育教學中應引導學習者自發地制定相關學習計劃，而不是完全依靠算法的智能規劃將學習者框定在某一范圍內，這會使學習者的視野變得狹小，思想變得封閉[27]。此外，學習者在自我規劃學習路徑時也會出現不全面、不充分的情況，需要算法規制性的支持幫助，以實現更加完整的學習規劃。因此，在對學習路徑進行規劃時，算法的智能規劃應針對學習者的自我導向、自我計劃中存在的缺陷，幫助學習者規劃最佳的學習路徑。

實現路徑3：智能診斷與自我認知、自我反思相協同。智能診斷與自我認知、自我反思相協同是指在學習結果診斷測評時，要充分協同算法的智能診斷和學習者的自我認知、自我反思，旨在于兩者協同發揮作用的過程中實現最全學習診斷測評。智能診斷的基本假設是學習者不具備自我認知和自我反思能力或存在局限，為了解學習者的學習情況，故采用測評反饋、神經網絡等算法對學習數據進行分析，并進行學習者建模、分析其存在的學習問題。但作為一個具有自我意識的個體，每一位學習者都具備一定的自我認知、自我反思能力，在教學中應幫助學習者發展和提升自我認知、獨立思考的能力，而不是試圖完全用算法的智能診斷為學習者展開學習情況分析，這會消解學習者自我判斷、自主分析的能力。與此同時，學習者在進行自我認知、自我反思時也會存在認知偏差、反思過于淺層的問題，需要外部事件進行干預。因此，在對學習結果進行診斷分析時，智能診斷應針對學習者認知偏差、自我反思不深入的情況對智能診斷進行科學合理的設計，在動態、伴隨性的學習反饋中為學習者提供最全的診斷測評。

3 耦合結果：在厘清運用邊界中實現教育的價值旨歸

算法霸權已經是無法改變的事實，它通過規制性將人限制在某一范圍內，在實然層面上告訴人“如何做”，同時又限制人的思維，阻礙人在應然層面上思考“是什么、為什么”[28]。這既會促進人的自主性發展，也會約束人的自主性發展。埃呂爾也曾提出：技術進步總是含糊的，不能評判技術進步本身是好或是壞[29]，技術的好壞取決如何運用它、是否已厘清它的運用邊界。所謂厘清運用邊界，即清晰、準確、合理地劃分運用的界限、使用的范圍。在智能教育教學中，常見到以學習者的學習行為數據為依據，通過對算法規制性的運用為學習者規劃特定的學習路徑，來提高教育教學效率的類似做法。這類做法的初衷是為了提高教育教學效率，是值得肯定的。但當運用算法規制性將具有生命屬性的學習者束縛在某一特定學習路徑內時，則要反思這類行為是否得當，是否厘清了算法規制性的運用邊界。顯然，這種為學習者規劃特定學習路徑的做法是一種盲目追崇算法權力而遮蔽學習者的主體性、逾越運用邊界的表現，這就使算法的規制性失去了其在教育中的價值。正如埃呂爾所言：“權力一旦變得絕對，價值也就消失了。”[30]

為此，算法的規制性與人的自主性耦合的最終結果可描述為：在厘清算法規制性的運用邊界、突出人的主體性基礎上，解決教育教學的問題、提高教育教學效率，在兩者協同發揮作用的過程中實現人的自由、自主發展的價值旨歸。正如迪爾凱姆所言：青銅的硬度并不存在于形成它的銅、錫、鉛等具有柔韌性的物質之中，而是存在于它們的合成物之中；水的流動性和營養性并不存在于合成水的兩種氣體之中，而是存在于它們的合成物之中[31]。也就是說，智能教育教學的價值并不單獨存在于算法規制性的發揮或人的自主性的發展之中，而是存在于兩者的耦合共生之中。在兩者的耦合中可以建立一個人機優勢互補的新生態[32]，實現算法的規制性發揮最大的作用，而人的自主性也得到最大程度的發展。

五 結語

在特定的專業背景下，人們都會有所傾向地選擇自身所主導的價值理念去看待算法的規制性和人的自主性的發展。從算法規制性的角度來看，其作為一種工具或手段具有“引帶”和“促逼”雙重特性，既能夠指引“人能做什么”，也會限制“人不能做什么”，在為人提供高效手段的同時也為人的活動限定了邊界。倘若盲目追求算法的規制性，勢必會不同程度地影響人的自主性的實現。而從人的自主性發展角度來看，若只為關注人的自主性發展，而排斥甚至抵觸技術，勢必又會降低教學效率，致使大規模個性化教學難以實現。事實上，在智能教育教學中，算法的規制性與人的自主性并不互相排斥，人難免要在一定的算法規制性中學習與發展，而算法規制性的實現又離不開人的發展的需求，兩者相互影響、共存共生。但值得注意的是，對算法的關注不能只停留于其在教育教學中的“效率性”，而應該關注智能教育教學背后隱藏的關于算法規制性對自主性發展的作用這一實質問題。在這一作用關系中要準確把握尺度，始終明確人是主體，而算法的規制性只是輔助人的自主性發展的手段。在具體的教育教學實踐中要動態博弈與權衡算法規制性的工具理性與人的自主性發展的價值理性二元關系，在協同共生中實現價值的最大化。

參考文獻

[1]賈開.人工智能與算法治理研究[J].中國行政管理，2019，（1）：17-22.

[2]伍遠岳.人工智能背景下的認識主體與主體性培育[J].南京社會科學，2021，（2）：150-156.

[3]金慧，胡盈瀅，宋蕾.技術促進教育創新——新媒體聯盟《地平線報告》（2017高等教育版）解讀[J].遠程教育雜志，2017，（2）：3-8.

[4]鄭智航.人工智能算法的倫理危機與法律規制[J].法律科學（西北政法大學學報），2021，（1）：14-26.

[5]馮銳，孫佳晶，孫發勤.人工智能在教育應用中的倫理風險與理性抉擇[J].遠程教育雜志，2020，（3）：47-54.

[6]（德）海德格爾著.孫周興選編.海德格爾選集（下）[M].上海：上海三聯書店，1996：938.

[7][29][30]吳國盛.技術哲學經典讀本[M].上海：上海交通大學出版社，2008：126、133、134.

[8]李芒.技術與學習[M].北京：科學出版社，2007：130.

[9]李芒，孔維宏，李子運.“喬布斯之問”：以什么衡量教育信息化作用[J].現代遠程教育研究，2017，（3）：3-10.

[10]李政濤.人工智能時代：教育的“變與不變”[N].人民政協報，2017-11-1（9）.

[11]葉瀾.回歸突破——“生命·實踐”教育學論綱[M].上海：華東師范大學出版社，2015：281-295.

[12]張鵬君.人的自主性與教育的本真訴求[J].教育理論與實踐，2013，（25）：3-7.

[13]鐘啟泉，黃志成.西方德育原理[M].西安：陜西人民教育出版社，1998：97.

[14]徐英瑾.虛擬現實：比人工智能更深層次的糾結[J].人民論壇·學術前沿，2016，（24）：8-26.

[15]劉要悟，柴楠.從主體性、主體間性到他者性——教學交往的范式轉型[J].教育研究，2015，（2）：102-109.

[16]馮建軍.他者性教育：超越教育的同一性[J].教育研究，2021，（9）：14-23.

[17]徐繼存，車麗娜.教學的技術嵌入及其規約[J].課程·教材·教法，2015，（7）：12-17.

[18]張學軍，董曉輝.人機共生：人工智能時代及其教育的發展趨勢[J].電化教育研究，2020，（4）：35-41.

[19]顧明遠.立足教育本質看“人工智能+教育”[J].中小學數字化教學，2019，（9）：1.

[20]李芒，石君齊.靠不住的諾言：技術之于學習的神話[J].開放教育研究，2020，（1）：14-20.

[21]Ford R T. Save the robots cyber profiling and your so-called life[J]. Stanford Law Review， 2000，（5）：1573-1584.

[22]（加）馬歇爾·麥克盧漢著.何道寬譯.理解媒介——論人的延伸[M].北京：商務印書館，2000：51-56.

[23]毛剛，王良輝.人機協同：理解并建構未來教育世界的方式[J].教育發展研究，2021，（1）：16-24.

[24]曹純惠.人機協同模式下教師職業角色的困境與重塑[J].中國教育信息化，2020，（24）：1-5.

[25]師亞飛，彭紅超，童名文.基于學習畫像的精準個性化學習路徑生成性推薦策略研究[J].中國電化教育，2019，（5）：84-91.

[26]唐漢衛，張姜坤.大數據教育應用的限度[J].華東師范大學學報（教育科學版），2020，（10）：60-68.

[27]郝雨，李林霞.算法推送：信息私人定制的“個性化”圈套[J].新聞記者，2017，（2）：35-39.

[28]楊欣.智能時代教育異化的表征、病灶及治理[J].中國電化教育，2021，（8）：34-41.

[31]（法）迪爾凱姆著.狄玉明譯.社會學方法的準則[M].北京：商務印書館，2011：12.

[32]祝智庭，俞建慧，韓中美，等.以指數思維引領智慧教育創新發展[J].電化教育研究，2019，（1）：5-16、32.

Abstract： In intelligent education， algorithmic regulation can help people make scientific decisions， while human autonomy can make independent perception and judgment on teaching situations， which both have their own advantages. However， two kinds of bias often appear in specific teaching practice： one is to excessively favor the algorithmic regulation， which has the suspicion of restricting the development of human autonomy， and the second is to overemphasize human autonomous development， which may mask the algorithmic tool rationality and affect the possibility of education efficiency. Therefore， the paper firstly analyzed the algorithmic regualtion and human autonomy， and proposed that intelligent education should balance the algorithmic regulation and human autonomy in dynamic game. Then， the coupling scheme of algorithmic regulation and human autonomy from the three levels of purpose， process and result was put forward in this paper， which was promoting the human autonomous development in the precise mining of educational needs， reasonably designing the algorithmic regulation in the human-machine cooperation process， realizing the purview of educational value in clarifying the application boundary， so as to rationally return to the education essence in the intelligence era and provide an effective path and method for the rational and good development of algorithm in education.

Keywords： game; balance; algorithmic regulation; human autonomy; intelligent education

*基金項目：本文為國家社會科學基金“十三五”規劃2020年度教育學一般課題“人工智能技術的教育倫理評估指標體系研究”（項目編號：BCA200081）的階段性研究成果。

作者簡介：張立新，教授，博士，研究方向為信息化教學基本理論和數字化學習資源與環境的設計，郵箱為zhang_et@126.com。

收稿日期：2022年10月19日

編輯：小時