未來課堂人機共教的價值邏輯與實踐方略

摘要：當前，人工智能與人類教師并存促使形成了有效、包容和可持續的未來教育新生態，人工智能正逐漸脫離其“工具”屬性，變成能夠與人類教師進行協同育人的“主體”參與者。在此情況下，如何整合人工智能與人類教師的教學智慧，構建人機共教在未來課堂中的價值邏輯和實踐方略具有重要意義。為此，文章首先梳理了人類教師和人工智能在人機共教場景下的主體角色；接著，文章基于人類教師的價值定位，提出未來課堂人機共教場景中教學模型、教師行為、數據素養、教學決策四個核心教學要素；然后，文章總結了人工智能通過主體間性建立教師、學生與智能設備之間的連接，為教學過程提供多粒度知識表示、多通道人機交互和多視圖行為刻畫等關鍵技術場域；最后，文章提出以知識驅動數字教育資源平臺建設、以算法公平增進跨學科教學交互理解、以人機融合提升人機共教決策效能三個實踐方略，以期為人機共教場景的研究與開發提供實踐導向。

關鍵詞：未來課堂；人機共教；人工智能；人機交互

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）08—0033—10 【DOI】10.3969/j.issn.1009-8097.2024.08.004

當前，人工智能的快速進化正在逐步改變教育和教學模式，或將成為未來課堂中教師日常教學不可或缺的伙伴。對此，宋靈青等[1]認為人工智能將替代部分教師職能，以處理煩瑣、機械和重復的工作。鄭勤華等[2]強調整合未來課堂中領域專家的智慧與機器的智能，以實現教育中多方主體的歸一化統整。Seeber等[3]對人工智能的角色進行了重新定義，將人工智能機器設定為團隊成員而非工具。綜合這些研究可以發現，學者顯然已形成一個基本共識，即人工智能與人類教師正在共同塑造一個共生、共存的教育新圖景，從而打造一個有效、包容和可持續發展的未來教育新生態[4]。實際上，人工智能不僅可以用于自動化任務或輔助人類決策，還可以作為一個認知智能模型，與教師共同策劃課程、設計學習活動，并參與到教學決策過程中，這種協作方式超越了傳統的人機交互模式，使兩者形成一種更為深入的合作伙伴關系。未來課堂正是對人工智能賦予了更多的主動性和參與性，使其在教與學的過程中扮演更為積極的角色，而不再只是簡單的工具，人工智能成為一個能夠與人類主體進行交流和協作的“主體”參與者，兩者超越現有的“主-客”二元關系，從而進入“主體間性”的關系模式[5]。由此，在肯定人工智能對未來課堂育人存在影響的同時，當務之急是探討如何有效整合人工智能與人類教師的教學智慧，構建人機共教在未來課堂中的價值邏輯。為此，本研究首先把握人工智能發展趨向和教育實際需求的邏輯向度，確定人類教師與人工智能的主體角色，然后梳理未來課堂人機共教的教學要素與關鍵技術場域，并形成面向未來課堂人機共教的實踐方略，以期為人機共教場景的研究與開發提供實踐導向，助力人工智能支持下教育質量和效果得到實質性提升。

一 相關概念

1 未來課堂

對于未來課堂的定義，學界尚未達成共識。“未來”二字，字面上蘊含著某種不確定性和多變性，使研究者對其具體內涵的預測和描述變得復雜且具有挑戰性。對這種不確定性的描述，需要基于現有的知識體系和教育實踐經驗，進行科學推理和合理假設。盡管綜合技術進步、社會文化變遷以及學習理論的發展，可以塑造未來課堂可能的輪廓和發展方向，但是關于未來課堂的描述難以避免地帶有一定的假設性質。本研究認為，未來課堂存在的實際意義超過了單純的抽象描述，它并非不切實際的學術構想，而是基于未來教育哲學思想的實踐表達。未來教育哲學繼承了歷史唯物主義思想成果，強調開發以教育的未來與可能性為引線的思想向度，其對未來課堂發展的研判超越了現代教育哲學本位，通過對人類教育的存在論進行謀劃，構建一個更加先進、高效的教育體系，從而突破現有教育模式的局限。

同時，未來課堂的含義會隨著時間和社會環境的變化而不斷調整與完善。例如，Leijon等[6]將未來課堂描述為通過技術整合的多樣化學習空間，認為此空間將打破傳統教室環境的約束，利用先進的技術手段（如虛擬現實、增強現實和人工智能等），創造豐富、沉浸和個性化的學習體驗。未來課堂應該可以為學生提供多樣化的學習資源，以滿足學生的各種認知需求，解決學生遇到的各種求學困境，最終實現多樣化的個體發展。劉亞輝等[7]則認為未來課堂是一個集云端化、智能化和交互化為一體的快樂學習環境。在這個學習環境中，學生能夠發展出高階思維和創新能力。其實，未來課堂之“未來”并非遙不可及的將來，而是表示現代課堂的一種發展趨勢，預示著已經、正在或必將到來的課堂[8]，其目的在于提升學生的個性化學習和創造性能力，實現課堂中人與資源、環境、技術等要素的和諧互動，培養新時代的高質量人才[9]。

2 人機共教

人機共教也被稱為人機協同教學（Collaborative Teaching），通常是指教師與多種智能技術和工具相互協作、優勢互補、共同實現精準教學的方式[10]。人機共教是在人機協同概念的基礎上對智慧教學場景的進一步拓展，其發展經歷了人機共生、人機協同工作和人機融合互補三個階段[11]。在人機共生階段，師生能熟練地使用智能技術，并利用這些技術來增強教與學的過程。早期的知識推理和專家系統屬于此類，其通過模擬人類教師的思維和知識傳遞過程，為學生提供個性化的學習支持和指導。然而，由于計算機技術的限制和知識表示的困難，它們往往只能處理特定領域的知識而缺乏真正的智能性。隨著人工智能、大數據、機器學習等技術的興起，全面的數據采集、多樣化的資源提供、實時的指導與反饋等推動人機共教邁向了人機協同工作階段。在這個階段，人類教師和智能機器各自發揮優勢，共同完成教學任務。教師可以依靠機器分析和處理大量數據，而機器通過算法推動個性化學習和自適應教學的實施。然而，這個階段將智能機器定位于解決數據處理和分析任務，以及提供個性化的學習建議。這種角色定位忽視了人工智能作為主體間性的潛能，即有能力參與到更深層次的教學互動中，與學生建立起更為復雜的認知和情感聯系。人機共教的最終實現是人機融合互補，在這個階段將徹底革新并重構工業時代遺留下來的傳統教育理念和實踐架構，教師和智能機器共同創造一個全新的學習環境，使教育內容、教學方法和學習體驗得到前所未有的豐富和深化。在人機共教場景下，人類教師和智能機器之間開展有效合作，以提供高質量的教學體驗；智能機器作為合作伙伴，可以模擬人類教師的角色與學生互動和協作，以促進知識的共建。

二 人機共教場景中的主體角色

人機共教場景中的未來教師是一種新型的人機結合體，教師在人工智能的助力下變得更加強大，人工智能則學習人類智能變得更加聰明。人類教師與智能機器共同組成了相互依賴、共同進步的核心教師資源[12]。在人機共教場景中，明確人類教師與人工智能的主體角色對于維護教育的本質尤為重要。

1 人類教師

秦丹等[13]認為在人機共教場景中教師具有不可替代的作用，人工智能如何發揮作用、發揮何種作用，始終離不開使用它的主體——人類教師。人類教師可以積極構建使用人工智能的合理路徑、方法和時間，在不斷的互動與磨合中完成彼此間的相互理解與默契生成。課堂教學活動是教師與學生為達到一定教學目標而共同開展的認知活動。隨著技術融入為教學內容、教學形式和教學時空帶來的改變，教師角色也由知識的傳授者向學生意義建構的指導者與幫助者轉變[14]。人類教師能夠利用人工智能了解學生的學習情況，分析教學需求，精準定位教學目標，也可以利用人工智能獲取或開發高質量教學資源，滿足學生個性化的學習需求。同時，人工智能可以快速高效地處理規則性、重復性事物，從而推動教師將教學重心置于情感陪伴、價值塑造、品德培育等方面，以有效促使學生核心素養的發展。此外，人類教師還能夠基于未來課堂中的多元化資源與技術創設有利于學生主動參與知識建構的學習環境，幫助學生建構新的知識結構，并根據人工智能系統中呈現的學情監測結果動態掌握學生的學習狀態、及時調整教學安排。總之，人工智能時代的教師，其勞動具有“非物質”屬性，包含著創造價值、道德價值和情感價值等人工智能無法取代的特性[15]。這些特性是建立良好師生關系的基礎，也是發揚教師專業勞動的獨特價值之所在。教師在教育過程中不僅是知識的傳遞者，更是價值觀的引導者和道德行為的模范。這種影響是基于人與人之間的互動和信任，而非依賴于算法和對數據的處理。

2 人工智能

人工智能將人的認知思維模式映射到低維空間，通過模擬人類智能使計算機像人一樣做出反應。將人工智能整合到教育教學過程，可以形成“教師+人工智能”的協同教學實踐形態，從而把感知信息外包給機器，幫助教師克服個體認知能力的局限，有效彌補教師精力有限、難以顧及教學全過程的不足。此外，人工智能還可以大大降低教師的工作負擔，使教師有更多精力承擔設計、決策等高層次的創造性工作[16]。人工智能的主要功能體現在四個方面：①感知教學情境。以深度學習為基礎的人工智能使用紅外線傳感器、深度攝像頭、腦電儀和自然語言處理技術等采集現實世界的信息，這使其不僅能夠像人與動物一樣從視、聽、觸、嗅等維度感知世界，還可以通過分析腦電變化、眼球運動等人類無法觀察的信息，更加全面深入地感知教學情境。②理解教師教學意圖。人工智能可以有機地整合和表征教育大數據中的相關信息，提取特征表達背后隱藏的深層次教學涵義。當前人工智能的實現主要基于深度神經網絡框架，它能夠基于大數據與云計算從訓練數據集中提取數據的復雜特征，從而更加精準地理解、表征數據，使探究教師外在行為特征與內在認知的關聯成為可能[17]。③干預教師教學模式。教師在課堂中開展的教學活動都是圍繞特定的教學目標進行，在教學過程中教師需要根據課堂的現實狀況不斷做出決策、調整教學行為，準確的教學決策能夠指導教師做出正確的教學反應。而人工智能可以根據深度學習結果精準分析輸入的教學數據，可視化教師教學信息，判斷教師教學行為是否存在導致不利教學結果的可能；還可以通過評價反饋或預警，輔助教師進行教學決策，達到優化教學模型的目的[18]。④強化教學互動。教學互動是未來課堂的重要內容，有助于學生實現意義建構。教師開展教學活動依賴于自身經驗的積累，而人工智能可以動態監測教學狀況，收集、分析教學過程中產生的數據，并將分析結果反饋給教師，促使教師自我反思和檢查。教師根據分析結果的變化判斷自己采取的教學互動策略是否符合教學內容、滿足教學要求，形成“反饋-實踐-再反饋-再實踐”的過程，最終實現更為有效的教學交互。

三 人機共教場景中的教學要素

人機共教場景涵蓋從教學目標設定到教學實施與評價的完整生命周期，包含協同備課、協同授課、協同評價的完整教學流程。人機共教場景中的教學要素與教學目標達成密切相關，主要體現在人類教師對教學模型的采納、教師行為的輸出、數據素養的養成和教學決策的制定等價值上。

1 教學模型

教學模型通常指在教學過程中為了達到某種期望的效果，綜合多種教學方法和策略的穩定組合與應用[19]。教學模型包含理論依據、教學目標、操作程序、實現條件等要素。其中，不同的理論依據往往會產生不同的教學模型，如斯金納的程序教學模型是以行為主義為理論基礎，拋錨式教學模型則以建構主義為理論基礎。教學目標在教學模型中處于核心地位，并對其他要素起引導作用，不同的教學模型具有特定的操作程序，規定著開展教學活動的步驟。教師在開展教學時，通常以一定的教學理論為指導，并根據教學內容、教學目標、學生特征等選擇適當的教學模型，再基于教學模型的操作程序設計具體的教學活動環節，以及實施教學活動時教師需要使用的數字資源和工具。人機共教課堂通過人工智能、大數據分析等技術手段，實現教學內容的個性化定制和智能化輔助，教師可以根據學生的學習特點和需求，選擇合適的教學模型，并利用計算機技術提供相應的數字資源和工具，以支持教學活動的開展。

2 教師行為

在未來課堂中，教師作為課堂教學的指導者和引領者，肩負著創建良好課堂教學環境、與學生共同探索并獲取知識、促使學生深度參與到課堂中來的責任，其將個人特質、教學理念和教學方法外化為教學行為，最終影響學生的課堂參與。教師行為是教師在教學過程中，基于自身的教育思想、教學理念與技能、實踐經驗，根據教學目標與內容、學生特征與需求、資源與環境所采取的教學行為特征的總和[20]。教師行為作為課堂教學中的主要元素，能夠對課堂教學效果產生直接的影響，甚至決定了課堂教學的效率與質量[21]；教學行為也是教師引導學生參與課堂的基本途徑，有效的教學行為可以促進學生的學業成功和個人能力發展，是未來課堂智慧育人的重要抓手。教師利用未來課堂中先進的信息技術和豐富的學習資源創設真實的、學生感興趣的問題情境，從而引導并幫助學生基于情境提出問題、解決問題，促進學生的深度課堂參與。如果教師對智能工具的使用停留在表層，就不能將多種交互功能深度融合到教學活動中，學生的課堂參與程度也必將停留在淺層次。因而，提升教師智能工具的使用行為，可以實現智能工具與課堂教學的深度融合，從而有效提高學生的課堂參與度。

3 數據素養

黨的二十大報告強調“科教興國”戰略，并指出：“育人的目的是培養德智體美勞全面發展的社會主義建設者與接班人。”[22]為了實現這一目標，就需要完成教育結果與過程的統一，滿足全面發展的過程性訴求——全人發展。基于智慧教育理念的未來課堂融合多種先進技術，使數據共享、知識互聯、個性學習得以實現，為實踐全人發展教育過程、培養全面發展人才賦予了新動能[23]。未來課堂不僅通過各種技術推動教育變革，還使全過程、全方位收集教育教學過程數據成為可能。這些數據蘊含著大量有價值的信息，若能從數據中挖掘出這些信息，并對其進行正確解讀，就可以有效彌補以往教師主要憑借教學經驗與直覺進行教學決策的不足。因此，教師作為踐行數字化教學的關鍵主體，不僅需要具備較強的信息化教學能力，還應具備一定的數據素養，主要包括數據意識、數據分析與解讀能力、數據反思與決策能力、數據倫理道德[24]。教師具備一定的數據素養可以幫助其更加精準、全面地掌握和管理教學過程，從而更好地反思自身的教學行為，深入了解每位學生的學習情況，實現個性化教學。

4 教學決策

課堂教學其實就是一個教師不斷進行教學決策的過程，其中課堂教學決策是未來課堂的關鍵環節。準確的教學決策可以幫助教師采取合理的教學行為，使教學目標朝著預期的方向發展，而良好的課堂教學決策依賴于充分且準確的證據和信息支持，這些證據和信息主要來源于課堂評價[25]。課堂評價是基于一定的教學目標，對教學過程與教學效果不斷進行價值判斷的過程；價值判斷的結果能夠反映當前教學過程存在的問題，從而指導教師對下一步教學安排做出決定。教師可以根據評價結果反思教學過程，然后對其進行調整和優化，以達到最終的教學目標。課堂教學就如同一個黑匣子，其中的過程極其復雜隱秘；若想對課堂進行評價，就必須知道課堂教學過程中發生了什么、當前學生的水平與預期教學目標還有多大的差距。目前，課堂評價主要基于教師過往經驗或通過課堂觀察的方式實現，這導致課堂評價的成本高、主觀性較強，且難以顧及整個教學過程。教學過程數據關聯了大量的教師操作行為，借助人工智能系統就能對數據進行深度解剖，進而對教師行為進行預測、評價和合理性檢測等，為教師的課堂教學決策提供科學、及時的判斷依據。

四 人機共教場景中的關鍵技術場域

未來課堂描繪的不僅是物理學習空間的變化，更重要的是教學環境的數字化升級和智能化改造。人機共教包含課前建立顆粒化教學資源、課中實施層次化教學干預、課后提供精準且實時的教學輔導[26]。這實際凸顯了人工智能在推動個性化學習和學習效果持續優化方面所承擔的關鍵角色，本質上可以通過多粒度知識表示、多通道人機交互和多視圖行為刻畫等關鍵技術來實現。

1 多粒度知識表示

人機共教場景中，教師和機器扮演不同的角色，以增強彼此的協作。這種人機協同模式需要大量的領域知識，而這些知識往往需要人類專家的監督和機器學習算法的訓練。因此，有效的知識表示在人機共教場景中發揮著關鍵作用，它強調集體智慧的發揮、自組織的形成以及綜合集成方法的應用，直接決定了知識組織的方式、知識服務的方式以及知識處理的效率[27]。多粒度知識表示通過多個單粒度知識的合成與分解，近似刻畫數據表述的合理結構，使復雜的知識能夠得到更清晰的呈現。多粒度知識表示不僅有助于學生從不同角度、不同層次理解和掌握知識，從而提高學習效果，也為人機共教提供了豐富的教學素材，使教師可以根據學生的特點，靈活地調整教學內容和方法。常用的多粒度知識表示方法主要有：①層次化知識表示。它將知識表示為概念的層次結構，較高級別的層次是更一般的概念，較低級別的層次是更具體的概念。知識以分層的方式組織，可以實現對知識的高效查詢、推理和學習。②基于框架的知識表示。框架是關于感興趣領域的一組結構化的命題，它指定了在特定位置分配屬性和值的條件。框架不僅是關于事實的容器，還是受用戶需求影響的動態模板，強調上下文和分析視角在塑造人們對知識理解方面的作用。③時間知識表示。時間知識表示指對關于事件、過程和實體之間的時間與時序關系進行多水平刻畫，然后將其在高維空間進行融合以構建統一的時間知識視圖。該方法能針對不同的上下文，定義推理時間知識的領域特定本體和語義框架，以描述不同粒度的知識及其依賴關系。其他多粒度知識表示還包括因果知識表示、多模態知識表示和進化知識表示等。

2 多通道人機交互

交互是高質量教育發展的基本需求，是未來課堂的重要樣態，也是實現人機共教場景的數據基石。未來課堂中的交互不僅限于學生與課程內容的交互、師生交互和生生交互，還包括教師與教學內容、人工智能的交互。交互作為教師開展教學最為直接的方式，體現了教師的教學智慧、教學模型、數據素養和行為習慣。多通道人機交互是指通過多種通道（如語音、手勢、觸摸、視覺或腦信號）與計算機、電子白板等數字設備進行交互的方法，是未來課堂人機混合智能的重要體現。人機混合智能將人類智慧和人工智能有機地結合在一起，形成一個更有力的、支撐性的發展趨勢，不僅可以優化用戶體驗，實現更加智能化的決策和行動，還可以推動社會各個領域的進步。從這個意義上說，多通道人機交互是人類社會發展的必然產物。

隨著科技的進步和社會生產力的提高，人類對信息處理與交流方式多樣化的需求也在不斷變化。機器作為生產力的一部分，需要不斷適應和滿足人們的需求。多通道人機交互使機器能夠主動適應多種用戶的輸入，利用語音、手勢、觸摸、視覺甚至腦信號等數據，為師生創造更自然、直觀和高效的互動方式。從歷史唯物主義的角度來看，這既是人類社會生產力發展的體現，也是對社會交流方式需求的滿足。多通道人機交互主要通過自適應通道選擇、跨模態通道融合等方式實現，其中自適應通道是根據當前上下文情境動態選擇合適的通道。例如，當處于嘈雜的教學環境中時，智能教學系統會自動切換到視覺界面以減少用戶的聽力負擔，而當師生處于安靜的教學環境中時，系統會自動切換到語音界面。跨模態通道融合則將來自不同通道的信息結合起來，以實現人與機器之間更自然、更高效的交互。在該方式下教師可以向機器發出指令以提供更為完整的教學邏輯，學生可以要求機器分解復雜的科學概念，并通過虛擬現實、增強現實和混合現實等技術進一步訪問數字內容。

3 多視圖行為刻畫

“多視圖”指的是使用不同類型的數據或同一個數據的不同描述，每種數據或描述都提供了對個體行為的獨特視角，通過整合視角，教師可以獲得比僅使用任何單一視圖的數據所能獲得的更為完整的行為理解。在人機共教場景中，多視圖行為刻畫是指從多個角度、多種方式收集和分析學生的行為數據，以便更全面地了解學生的學習情況。例如，教師可以結合在線學習平臺的學習數據、社交媒體上的互動記錄以及虛擬實驗室的操作表現等多方面信息，對學生進行全面的行為評估。通過整合來自不同渠道的、不同類型的數字資源，教師可以從多個角度觀察和分析學生的行為，從而減少因依賴單一信息源而產生的偏見。多樣化的數據來源可以提高行為刻畫的準確性，并關注到學生的不同方面，通過綜合分析這些數據，教師可以更準確地把握學生的需求和特點，制定更加合適的教學策略。

五 未來課堂人機共教的實踐方略

人機共教的實現不僅是技術和教育實踐的問題，還涉及認識論的深層次考量和實踐哲學的應用。一方面，教育家需要重新審視知識和學習的本質，另一方面則應強調技術與教育情境的有效整合，通過具體的教育實踐來體現其價值。唯有此，人工智能賦能教育變革的真正拐點才會到來。在實踐和操作層面上，本研究認為未來課堂人機共教的實現可從以下方面入手：

1 以知識驅動數字教育資源平臺建設

早期的知識工程將知識定義為專家知識，主要關注特定領域內的規則和邏輯的表示。這些規則和邏輯通常被編碼為形式化的語言，以便于計算機程序能夠執行復雜的推理任務。隨著語義網的出現，數據與數據之間可以建立關聯，這為知識的表示和共享帶來了革命性的變化，使不同來源的數據可以在網絡上以一種有意義的方式相互鏈接。2012年，知識圖譜的發布為智能機器的推理和語義理解提供了新的方式，人類由此進入了以知識驅動為主要特征的智能教育時代——以知識為核心，通過知識的交叉、積累、共享和應用實現知識的衍新，從而推動個體和組織的發展。它強調從“群灌”到精準，從能力培養到品格塑造的多學科學習的泛在、惠普和個性化特征，因此有研究將知識驅動作為智慧教育全人培養的革命性方法[28]。

數字教育資源承載著教學基本理論和面向全體學生發展的共性要求，在教育數字化課程建設中起著統領性作用。對此，郭文革等[29]將新型數字教育資源建設視為教育數字化戰略的行動樞紐工程。《2022智能教育發展藍皮書》倡議在未來課堂使用數字教育資源和智能技術為教師減負、為教學增效[30]。他們都強調能夠承載優質數字教材資源平臺的建設與衍新，數字教育資源平臺建設包含教育資源的匯聚、整合、重組和創新性應用，涵蓋從教學設計理論到基于信息生命周期的資源規劃的全過程。用知識驅動數字教育資源平臺建設，需要將數字教育資源與未來課堂教學相結合，為教育的各個階段提供教師智慧教學和學生智慧學習支持。最終，教師可以結合知識內容、學習工具和教育服務，利用數字教育資源使課堂教學形式多樣化，滿足學生的個性化學習需求，實現精準化教育教學服務。教師、學生和智能設備共同參與教學過程，形成了一個高度互動的信息化空間，促成人類教師和人工智能的有機聯動。

2 以算法公平增進跨學科教學交互理解

隨著人工智能的持續進步，交互技術在教育教學中的應用日漸頻繁，產生了從自然用戶界面到腦機接口、從可穿戴設備到智能教育機器人等的前瞻性討論。“交互”一詞在《教育大詞典》中被定義為兩個事物之間的相互作用，其本質是一個因素不同水平反應量的差異對其他因素的影響。交互是未來課堂的重要特征，未來課堂將積極整合先進的交互手段，以挖掘和提升傳統課堂教學的潛在能力，進而打造一個開放、高效和具有高度互動性的學習環境。教學交互作為未來課堂必不可少的部分，對師生關系的自主互動和課堂知識的深度理解有重要的促進作用。一方面，互動的自主性是師生幸福感的主要來源。心理學將自主性分為狀態自主性和特質自主性，其中狀態自主性是個體在特定情境下體驗到的自主感，它影響個體的行為和決策；特質自主性是個體較為穩定的個性特征，反映的是為獲得自主性而滿足的個體差異[31]。另一方面，教學交互的水平直接影響課堂參與的程度。教學交互層次塔理論將教學交互分為人機界面、信息互動和概念同化三個方面[32]，旨在強調從外顯的行為到內部知識結構的變化。其中，友好的人機界面是基礎，有效的信息互動是關鍵，而概念的深度同化是最終目標。

然而，跨學科差異性構成了理解教學交互的一個顯著障礙。不同學科領域的教師與教學內容的交互機制呈現顯著的異質性，致使從一個特定學科采集的交互數據不足以延伸形成跨學科教師交互行為的普適性模式。例如，從事語言教學的教師可能更加側重于概念理解和文學情境的相關性，而數學教師可能傾向于量化分析和邏輯推理。智能算法在進行價值判斷時很難達到完全的中立，其決策過程往往不可避免地帶有某種程度的偏差。這種基于數據驅動的、含有偏差的價值判斷被稱為算法歧視[33]。一般認為，測量數據的誤差或數據集本身的不完備是導致算法歧視的主要原因，因此可以使用跨學科的數據集進行算法訓練，通過開展算法公平性的常規評估來減輕算法歧視，從而建立公平的教學決策系統。作為初步實踐，本研究前期采集了超過5萬節課堂教學實錄，采用改進的循環神經網絡對語文、數學、英語、物理和政治學科的教師與知識內容的交互進行成功預測，平均精度高達0.906，證實了算法公平的重要性。

3 以人機融合提升人機共教決策效能

人工智能的發展一般分為三個遞進的階段：計算智能、感知智能和認知智能。這三個階段反映了智能從簡單到復雜的演進過程，以及它們在模擬人類智能方面的能力差異。當前的人工智能尚處于“感知智能”階段，即僅能對給定場景做出有限的反饋。認知智能作為人工智能的下一個階段，則要求對智力進行更高程度的模擬，實現集抽象思維、形象思維和靈感思維于一體。此外，有研究認為認知智能還可以進化為人機融合智能，意指自然人、數字人和機器人的有機結合[34]。這種形態強調一種更深層次的協作和共享，使自然人獲得更多的智力補償，數字人獲得更完美的虛擬分身，機器人獲得更完整的人生經歷、記憶、情感和思維模式，實現從個體智能的開發到群體智能的涌現。人機融合智能包含感知融合、行為融合和思維融合等多個層次，其關鍵是對人的主體性與機器的形式化進行互補與綜合。人的創造力、直覺和道德判斷與機器的速度、準確性和數據處理能力相結合，產生一種新的智能形態，這種形態將導致人機共教決策效能的提升。

除了優化教學過程之目的，人機共教更重要的是通過實踐的智慧來實現個性化的教與學，這種智慧涉及對人類教師的實踐知識和機器學習算法的技術性知識的有機整合。盡管數據驅動的教學決策依賴于對教學數據的收集、分析和挖掘，強調經驗數據在知識生成中的基礎作用，但由于人類教師的經驗限制與機器學習的偏見，出現了一定的認識論偏差，從而降低了人機共教決策的質量。張軍平[35]認為增強人機融合可以從兩個方面入手：一方面是從宏觀的角度分析人類群體的表現，即考慮如何利用人工智能來理解和預測人類群體在特定情境下的整體趨勢和普遍性反應；另一方面是從微觀角度審視個體的行為，即通過對個體行為的細致觀察和分析獲得個體差異與個人特定的行為畫像。這兩個方面的張力貌似構成了人機共教實踐途徑中一般和特殊認識論的矛盾，實則更加強調行為理解的多層次性。因此，有必要尋找一個支點有效建立群體和個體間的橋梁，推動人機共教的未來發展和價值增益。

六 結語

隨著人工智能技術的發展，人機共教將成為未來課堂的重要組成部分。本研究立足于人工智能時代的人類教師與人工智能的主體間關系模式，對未來課堂人機共教的運行邏輯進行了重新梳理，探索了人類教師與人工智能的價值定位和主體角色，并提出未來課堂中人機共教場景的核心教學要素和關鍵技術場域，通過對人機共教場景進行部分實踐探索，提出了未來課堂人機共教可操作性的實踐路向，以期為下一階段的研究與實踐提供思路指引。

參考文獻

[1]宋靈青，許林.“AI”時代未來教師專業發展途徑探究[J].中國電化教育，2018，（7）：73-80.

[2]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.

[3]Seeber I， Bittner E， Briggs R O， et al. Machines as teammates： A research agenda on AI in team collaboration[J]. Information amp; Management， 2020，（2）： 103174.

[4]于英姿，胡凡剛.人類教師與AI教師聯袂之道：從雙存走向共生[J].遠程教育雜志，2021，（3）：94-103.

[5]馮建軍.主體間性與公民主體間性教育[J].高等教育研究，2020，（6）：7-15.

[6]Leijon M， Nordmo I， Tieva A， et al. Formal learning spaces in Higher Education-a systematic review[J]. Teaching in Higher Education， 2022：1-22.

[7]劉平輝，祝士明，梁裕，等.智能技術賦能未來課堂的系統方案及其推進路徑[J].現代教育技術，2021，（12）：20-26.

[8]邱峰，張際平.未來課堂研究的價值取向與展望[J].現代教育技術，2015，（12）：19-25.

[9]陳衛東.如何建構未來課堂教學模式[J].現代遠程教育研究，2012，（5）：42-50.

[10]秦丹，張立新.人機協同教學中的教師角色重構[J].電化教育研究，2020，（11）：13-19.

[11]陳凱泉，韓小利，鄭湛飛，等.人機協同視閾下智能教育的場景建構及應用模式分析——國內外近十年人機協同教育研究綜述[J].遠程教育雜志，2022，（2）：3-14.

[12]朱永新.迎接“人機共教”的新時代[J].中國教育學刊，2018，（2）：5.

[13]秦丹，張立新.人機協同教學中的教師角色重構[J].電化教育研究，2020，（11）：13-19.

[14]高丹丹.未來課堂的教學結構探究[J]. 現代遠距離教育，2012，（2）：54-60.

[15]何菊玲，牛雪琪.論人工智能時代教師專業勞動的非物質價值屬性及其不可替代性[J].中國電化教育，2022，（9）：98-106.

[16]周琴，文欣月.智能化時代“AI+教師”協同教學的實踐形態[J].遠程教育雜志，2020，（2）：37-45.

[17]Lahat D， Adali T， Jutten C. Multimodal data fusion： An overview of methods， challenges， and prospects[J]. Proceedings of the IEEE， 2015，（9）：1449-1477.

[18]符雪姣，曾明星，張友福.人機協同精準教學整體框架與關鍵環節設計[J].開放教育研究，2023，（2）：91-102.

[19]何克抗，吳娟.信息技術與課程整合的教學模式研究之一——教學模式的內涵及分類[J].現代教育技術，2008，（7）：5-8.

[20]高巍.教師行為與學生行為的關系解析[J].教育研究，2012，（3）：100-106.

[21]蔡寶來，車偉艷.國外教師課堂教學行為研究：熱點問題及未來趨向[J].課程·教材·教法，2008，（12）：82-87.

[22]習近平.高舉中國特色社會主義偉大旗幟為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告[M].北京：人民出版社，2022：34.

[23]張軍.智慧教育視域下的全人化人才培養[J].中國高教研究，2022，（7）：3-7.

[24]張進良，李保臻.大數據背景下教師數據素養的內涵、價值與發展路徑[J].電化教育研究，2015，（7）：14-19、34.

[25]鄭東輝.試論課堂評價與教學的關系[J].課程?教材?教法，2014，（12）：33-38.

[26]符雪姣，曾明星，張友福.人機協同精準教學整體框架與關鍵環節設計[J].開放教育研究，2023，（2）：91-102.

[27]王忠義，夏立新，李玉海.基于知識內容的數字圖書館跨學科多粒度知識表示模型構建[J].中國圖書館學報，2019，（6）：50-64.

[28]張軍.知識驅動的智慧教育賦能全人化培養[J].中國高等教育，2023，（2）：43-46.

[29]郭文革，黃榮懷，王宏宇，等.教育數字化戰略行動樞紐工程：基于知識圖譜的新型教材建設[J].中國遠程教育，2022，（4）：1-9、76.

[30] 2022智能教育發展藍皮書[OL]. lt;https：//www.doc88.com/p-24061252592717.htmlgt;.

[31]楊瑩，寇彧.親社會互動中的幸福感：自主性的作用[J].心理科學進展，2015，（7）：1226-1235.

[32]陳麗.遠程學習的教學交互模型和教學交互層次塔[J].中國遠程教育，2004，（3）：24-28.

[33]張貴紅，鄧克濤.社會化研究框架下算法公平性的實現策略研究[J].科學學研究，2024，（2）：248-255.

[34]彭影彤，高爽，尤可可，等.元宇宙人機融合形態與交互模型分析[J].西安交通大學學報（社會科學版），2023，（2）：176-184.

[35]張軍平.愛犯錯的智能體[M].北京：清華大學出版社，2019：231.

The Value Logic and Practical Strategy of Human-Computer Co-teaching in Future Classrooms

Abstract： At present， the coexistence of artificial intelligence and human teachers has promoted the formation of an effective， inclusive and sustainable new ecosystem of future education. Artificial intelligence is gradually shedding its “tool” attribute， and becoming a “subject” participant capable of collaborating with human teachers to educate people. In this context， how to integrate the teaching wisdom of artificial intelligence and human teachers to construct the value logic and practical strategies of human-machine co-teaching in future classrooms is of significant importance. Therefore， this paper firstly sorted out the main roles of human teachers and artificial intelligence in the human-machine co-teaching scenario. Then， based on the value position of human teachers， four core teaching elements of teaching models， teacher behavior， data literacy and teaching decisions were proposed for the human-machine co-teaching scenario in future classrooms. Subsequently， the paper summarized the connections between teachers， students， and intelligent devices were established through inter-subjectivity of artificial intelligence， and key technological fields such as multi-granularity knowledge representation， multi-channel human-computer interaction， and multi-view behavioral characterization were provided for the teaching process. Finally， three practical strategies of building a knowledge-driven digital education resource platform， enhancing interdisciplinary instructional interaction understanding through algorithmic fairness， and improving the decision-making efficacy of human-machine co-teaching through human-machine fusion， expecting to provide practical guidance for the research and development of human-machine co-teaching scenarios.

Keywords： future classroom; human-machine co-teaching; machine intelligence; human-machine interaction