AI教師身份何以證成：來自新興角色理論的回答

教師角色的多重性和責任性的增加導致“教師角色超載”現象，引發全民呼聲高漲的教師減負行動[1]。其中，人工智能（AI）教師作為智能化媒介的引入作為一種創新嘗試，被教育者們寄寓分擔真人教師的“體力乃至腦力勞動”的希望[2]。然而，AI教師的教育施行仍有爭議，尤其在技術倫理風險中滋生出的個性化教學限制、情感交互缺失和數據隱私安全等隱憂誘發了“AI教師身份何以證成”的追問。已有智能化教學場域中的角色研究，將AI定性為輔助的背景性角色視角聚焦在真人教師的角色認同、變革[3和專業發展[4]。以AI為人際互動中介的闡釋性角色視角，將AI定位于穩定、預設的具象功能中劃分AI教師的角色身份[5]]。這種“物質第一性、精神第二性的二元論”傳統角色觀映照出AI教師被動、先驗和對立等背景和闡釋性質，卻遮蔽了AI教師的具身和他者性質，使其更像教學互動的輔助者，而非參與者。由此引發的交流障礙、學習支持不足以及人文關懷缺失，進一步突顯了“一刀切”式角色設定的局限性。

本研究摒棄“人類與技術”的主客二元論，借助巴拉德（Barad，K.）“智能代理主體實在論”，直接聚焦AI教師作為“智能代理主體”的角色身份[；突破傳統行動者角色的預設框架和固化分野，關注AI教師與多元智能主體協作網絡中的“內動”（Intra-action），由此提出超越單向線性任務執行的“關系性AI教師”專業集體主義定位；在多維協同網絡中，AI教師不再是單純的技術工具，而成為動態、復合、涌現性的“能動合作者”，與人類行動者互為尺度；以解構“AI何以為師”的角色困境，再經由后結構主義語言突破預設性、固定性和規則性的鏡像觀照，通過解蔽非生物智能代理主體的代理能力，重構出AI教師從“恒定”到“生成”的動態角色定位；通過構筑多維度內動關系，將線性教學模式發展為動態協作網絡，實現AI教師在課堂中從單向轉譯走向內動協同的角色聯結；通過建構真人教師與AI教師的角色共識，將AI教師納入人機共創的教學文化實踐生態。最后，在后人文主義指引下總結破譯“多重關聯體”新角色建構方法。

一、AI何以為師的角色困境

在“外在參與”“離身支持”或“功利工具”的單一工具理性價值導向下開發的AI教師，固步于人為“萬物的尺度”的結構性角色框架中，由恒定的角色定位帶來交流互動障礙；固守于線性屬性邊界的AI教師作為單一行動者難以全面支持學生學習；而固化的人機二元對立關系更引發了人文關懷危機。

（一）恒定角色定位，交流互動欠當

AI作為學伴、助教和智能導師等未來角色逐漸從想象圖景中走入現實課堂8，然而智能代理體仍受制于恒定的角色定位。具言之，AI教師主動適應不足，導致互動機械性；主動代理受限，使其依賴數據；在主動創造方面，AI教師受傳統技術中主客問答機制桎梏，暴露出回應淺層化局限。

1.主動適應不足，互動機械性

在結構性角色定位下，技術行動者的研發重點在于輸入和模仿人的“身體語言”。當前交互技術的語義解碼、代理整合和社交互動能力，決定了教育機器人尚只具有特定代理能力而未能主動適應多樣化角色交互。首先，交互技術發展水平決定語義解碼能力。目前人工智能語音識別準確率較高，但語義理解與表達水平較低。語音控制的語句較單一，缺乏擴張性和靈活性，加上深層次的語義識別尚無法有效進行9，使得高效的實時互動難以實施。其次，交互技術整合水平制約多重代理整合能力。為實現以自然有效的方式與用戶進行交流，機器人需無縫整合多種互動行為[10]，提升多重代理（Multi-Agents）能力。目前AI教師能較出色地單獨進行人臉檢測、聲源定位與輸出、動作識別等，但難以像真人一般同時呈現多種交互功能并做出反應[。最后，情境性交互水平影響社交互動能力。現實交互情境靈活多變，同一語言表達會因語境不同、說話雙方身份差異而呈現不同含義，再加上多變的韻律、音色與口音等，都為AI語義識別與理解增加難度，以致AI教師出現語義識別錯誤、答非所問等問題。

2.主動代理受限，數據依賴性

恒定結構角色的行動者在互動時依賴從“腳本”“線索”獲得信息來做出反應，預設性數據難以支持其應對多變教學情境，限制其與教學系統中各行動者建立互動網絡。理論上AI教師不僅具備基本的交流互動能力，且在機器學習算法支持下可習得關于學習者互動偏好，并予以個性化反饋。事實上，基于機器學習算法的AI教師尚未擺脫對預成性數據的依賴，難以如優秀真人教師一般，將生成性數據轉化為自身的“能力”進行靈活遷移、主動代理。第一，AI教師與學生的互動主要是以數據與算法驅動，學習者的提問與回應成了AI教師的互動行為“觸發器”，當學習者沒有主動與AI教師交互時，AI教師可能難以察覺并回應。第二，AI教師難以遷移學習，面對新的情境需要重新輸入數據訓練。故當學生提出新問題或展示新的互動行為，AI教師可能會因缺少相應預成性數據而難以準確反饋。待AI教師積累大量同類互動預成性數據后，AI教師可能與教育契機擦肩而過了。

3.主動創造欠佳，回應淺層性

AI教師雖能為學習者搭建互動橋梁、降低獲取資源與理解知識的難度，卻未提供充足的自主思考機會，滋長學生的學習依賴性，并導致思維路徑縮短、思維發散削弱等問題。首先，“AI依賴”削弱學習能力。給予學生更多獨立解決問題的機會，才能實現育人目的[12]。AI教師在知識占有量與反饋精確性等方面的優勢，容易使學生將AI教師視作無所不知的權威信息來源，盲目相信AI教師的答案，逐漸放棄獨立思考、批判性判斷的能力。其次，“快捷答案”縮短思維路徑。當學生從AI教師處獲得即時解答時，原本需要經歷猜想、判斷、分析、驗證等思維過程、“來之不易”的答案變得唾手可得，久而久之學生可能形成未經個人思考便直接求助AI教師的習慣。最后，“缺乏留白”阻礙思維發散。“留白”是一種教育智慧，為學生創造思考空間。但當AI教師即刻調用資源與學生互動時，學生對文字、圖像、情境的深層回憶被阻斷，想象空間被消解，好奇與感悟被削弱[13]，加劇互動淺層化。究其原因，是AI教師被視為“外在”于互動關系的存在，只作為信息傳遞渠道[14]，人類往往依賴AI代理提供“線索”做出反應。AI教師缺少優秀真人教師的教學互動技巧與藝術，淪為輔助教學互動的手段與工具。

（二）單向技術路徑，支持的線性化

受離身觀念的影響，人們希望為AI教師植入相應程序以便其獲得為學生提供學習支持的功能或屬性，但缺乏考慮其他行動者對AI教師角色行為的影響，AI教師也成為獨立于互動網絡存在的實體。作為單一理性行動者的AI教師，其轉譯機制存在缺陷，難以全面解讀學習數據；專業性不足，學習評估模式僵化；與其他行動者聯通有礙，以致多重技術整合不足。

1.轉譯欠缺，學習數據解讀有限

對學習者的學習行為、學習測評以及學習報告數據進行準確解讀是落實個性化指導的關鍵。AI教師目前已初具與人類認知和理解相似的功能，但在數據解讀的全面性和準確性上還存在瓶頸。行動者網絡體系中，行動者以自己的表達方式作用于他者或被他者影響的過程即為“轉譯”（Translation），AI教師更多充當轉譯者（Mediator）而非中介者（Intermediary）①。理論上AI教師可通過海量學習數據獲取學習者的隱性學習特征，把握學習者的學習模式，從而“因材施教”[15]。實際上，行動者網絡中的學生既是生物有機體，又是一種社會存在。其生物、社會和文化境脈等之間的相互作用共同形塑學生的認知資源，影響其學習表現[1]。被視為“外在”于人的AI教師，脫離與其他互動主體的聯系，應對條件變化的抗干擾能力有限，無法根據多變的情境加以靈活反應，其轉譯過程缺乏聯動性，難以像真人教師般考慮深層動因，使得解釋只是單向靜態的過程而非交互式解釋[17，因此對學習數據的解釋力稍顯不足。

2.專業不足，學習評估模型僵化

盡管AI教師以立體化的學習評估改變了傳統平面式的學習評估的固定格局，但其評估專業性仍顯不足。其一，AI教師應發展“學本評估”范式，包括將反饋發展為前饋的學習段評估、邀請學生參與評估的學習性評估和將評估任務轉化為學習任務的學習化評估等范式。其二，受認知智能技術限制，AI教師尚不具備人類智能的通用性，依賴技術開發者或真人教師“授權”的評估模型。其模型通常缺少深度思考，形式多套用既有模版。AI教師與學生的有效互動需要雙方擁有相似的通用知識庫。然而這些通用知識往往難以編程，使學生與AI的交互存在“答非所問”的問題[18]。其三，評估能力方面，AI教師雖能夠較好完成對學生低階認知技能的評估，但對于推理、寫作等高階認知技能9卻無法勝任。未來需要在前沿學評理念指引下，探索專業化的評估指標構建[20，豐富AI教師的學習評估方式，提高評估能力，使其由評估低階認知技能進階到評估學生識別問題、邏輯推理、意義構建、自我指導等高階認知技能。

3.聯通有礙，多重技術整合受阻

在人工智能、語音識別以及仿生科技等關鍵技術的支持下[21]，教育機器人跳脫“為了機器人而做機器人”[22的邏輯圈，但要迭代進化為更具教育適用性的AI教師則面臨技術整合的障礙。第一，“離身”觀念主導下的AI教師開發過程中，AI教師的身份依賴并受其擁有者控制，存在由其屬性和能力所限定的邊界。第二，AI教師的身份塑造缺少與其他技術物的相互作用，導致多重技術間整合不足，使AI教師在營造智能化學習空間時身陷桎梏。新興信息技術輔助AI教師實現教學資源的跨時空呈現，利于學習空間智能化的實現。第三，智慧學習空間的打造，也需要在整合智能技術的基礎上貫通基礎數據層、算法層和感知層等多層架構[23]?，F階段能有效提升教育機器人智能的技術已呈現模塊化特點，但卻尚未充分應用于AI教師的研發設計。AI教師與其他相關技術之間的聯通融合尚處于探索階段，這也制約著AI教師在智能化學習空間設計方面的功能發揮。

（三）人機二元對立，人文關懷有限

人類中心主義視角下的AI教師始終被視為“教具”，難以建構多師“合智”、師生共情的實踐理性。由于顧慮人身安全與技術倫理，AI教師難以得到真人師生的信任；受制于技術發展，AI教師在情感教育與關懷方面存在缺陷；因決策機制失當，其價值引領也易出現偏差。

1.安全保障不足，互信機制有漏

人工智能和生物智能之間的互信機制漏洞是AI教師作為課堂智能代理主體融入學校教育中面臨的挑戰。但囿于技術決定論，師生間難以達成一致的倫理向度，行動者間的信任機制在物理安全保障、隱私信息保護方面存在漏洞。傳統倫理關懷中，人與技術行動者之間是控制與被控制的關系。雖然AI教師是可控的“馴養型”智能體，但也存在自我優化與自我控制等可能[24]。當智能體被賦予更多決策權，“技術黑箱”使得即便是技術設計者也可能無法完全把握機器的自主執行過程[25]。在師生的交互實踐中，首先要保障物理層面的安全。但AI教師作為看護者和陪伴者，其如何實施安全看護并提供及時的警戒保護往往很少被設計者考慮。在隱私保護層面，AI教師在數據收集、云計算和知識抽取[2等過程中容易侵犯學生隱私信息，應探索非人侵、伴隨式的數據采集方式以彌合互信機制漏洞。

2.技術支持有限，情感交流不暢

傳統技術行動者具有功利取向，囿于感知智能與情感智能技術的發展，AI教師難以實現成為學生“伙伴”的角色建構。在情感理解上，以機器人Pepper為代表的AI教師可通過觀察學生外顯的表情、姿態、聲音以及情感產生的前提環境來推斷學生的情感狀態[28]，初步實現對學生的情感理解。然而，人類情感具有豐富性、多變性的特點，現有情感計算技術尚不足以支撐AI教師識別并深入理解人類的復雜性情感。其次，就情感表達而言，AI教師“擬人”但“非人”的外形限制了情感表達效果，并進一步影響學生的情感學習。受制于“機械性”，AI教師目前并不具備人類情感的“神經生物學根基”（NeurobiologicalRoots）29，只能借助科學建模生成程序化的面部表情、語言與肢體姿勢。若學生長期置身于此種缺乏情感深度的教育場域，則可能容易在表達情感時變得“機械”，不利于發展對他人的理解、關懷與呵護等情感品質[30]。

3.決策機制失當，價值引領有誤

傳統技術倫理認為技術行動者推動道德進步建立在其工具性的角色之上[31。AI教師作為道德關懷的一種手段，需滿足自覺遵守道德規范、有效進行價值觀引導的要求。然而技術理性的強調，使機器人道德決策機制尚不完善，AI教師難以在復雜教學環境中做出涉及道德判斷、推理與決策的行為選擇，從而造成價值觀偏導作用。在已有建立自主道德決策的人工代理方法中，存在自上而下和自下而上兩種方法論。前者以后果論、道義論等理論為基礎，試圖將道德規則程序化；后者致力于讓AI代理進化或模擬道德判斷機制[32]。一方面，現實教學情境充斥著多元價值觀、不完整的情境信息以及難以預測的行為結果。從功能屬性自上而下分析技術物進行，可能使AI教師難以全面考慮所要處理的道德困境，從而做出道德誤判。如難以判斷何時、以何種方式懲罰或表揚學生行為，導致學生對AI教師產生消極情緒或助長不良行為習慣，甚至造成價值觀扭曲，影響真實世界人際關系的形成。另一方面，自下而上的方法雖有利于AI教師根據實際教學情境做出道德決策，但同時可能導致AI教師在與人類日常交往中發展出不道德甚至反道德觀念與行為，對學生價值觀的形成產生偏向引導。

二、重構關系性AI教師角色新樣態

結構性角色定位下的智能代理主體（Agent）有其屬性和能力所限定的邊界[33]，招致角色單一、恒定角色期望以及對立的人機關系等困境，而重構建構性、關系性的AI教師角色成為突破困境的密匙。關系主義視角下的AI教師凸顯出多樣化的角色形態：從恒定走向涌現的專業定位，自轉譯走向內動的協同網絡，從對立走向共創的文化學習。

（一）角色采擇：從恒定走向涌現的專業定位

凱利（Kelly，G.A.）的個體建構論（PersonalConstructTheory）認為角色是參與性的，是一個過程。構建系統建立了角色也決定了角色（作為感知）可以改變[34]。AI教師作為課堂教學系統中的一員，其非生物智能代理主體的角色特質亦可根據獲取的不同經驗或數據得以多元建構涌現一一發展多重代理能力，實現多維內動；運用自適應技術，滿足個性化內動需求；以開放姿態在事件序列中進行“經驗建構”（ConstructionofExperience），獲得作為技術主體的反身性并完成自我形塑。

1.發展多重代理能力，多維化內動

馬圖索夫（Matusov，E.）在教育情境中對智能代理主體能力進行分類，其中動態生成型智能代理主體能力（DynamicallyEmergentAgency）關注人與物共有的智能代理主體能力的動態生成過程[35]。AI教師的智能代理主體能力的動態建構應以智能技術為基礎、以具體教學場景為依托，回應“記錄者”“減負者”“關懷者”等角色期待。其一，AI教師基于感知智能可以成為反饋教學動態的記錄者，例如整合課堂話語、捕捉師生行為數據等。其二，具備高階認知智能的AI教師走上講臺，進行多師協同授課，從而獲得與人類教師對等的主體地位。在與真人師生的多場景、多維度的內動中，AI教師建構具有多重智能代理主體能力的多元角色身份。其三，AI教師也能作為減負者，代理真人教師的重復性工作。例如基于計算智能完成計算作業的批改工作，同時生成即時反饋和前饋信息以優化師生的教與學。

2.開發AI自適應技術，個性化內動

各種實體聚集時所面臨的情況具有不確定性，要求各行動者不斷調整自己的行為涌現為角色流群。智能體作為其中一員，需具備靈活的內動涌現性代理能力，即AI技術中的自適應，實現個性化內動。算法支持方面，AI教師在動態貝葉斯網絡或模糊決策樹等機器學習算法支持下能滿足學生不同交互偏好[3。基于機器學習算法的AI教師還能在人類提供的現有知識和數據中學習規律和規則[37]，不僅可以靈敏感知學生表情、語言、動作，精確分析學生課堂學習表現與需求，且能基于日常師生交互數據建立關于學生個性特點、互動風格的數據庫，進而調整語言、表情、手勢和距離等內動要素。模型建構方面，帕托帕克（Patompak，P.）提出基于模糊推理系統的個性化社會互動模型，讓AI機器人在與人交往中自適應估算人類社交互動區域，以保持人機交互過程中的舒適感，提高互動質量[38。系統開發方面，在萊特（Leite，I.）等人開發的自適應系統中，社交機器人采用強化學習方法，在與兒童的一對一互動中選擇與用戶偏好相匹配的適當移情行為[39。可見自適應技術使AI教師能與性格和能力各異的其他人類行動者進行個性化內動。

3.建構開放性構造系統，高效化內動

人們通過建構某種思維或心理結構來感知事件，結構之間逐漸發展為有序構造系統（ConstructionSystem），而構造系統的開放性是其參與話語和實踐的前提，能保障個體在面臨新事件時進行有效協調[40]。以ChatGPT為代表的生成式人工智能，存在一味順應與重復語言材料的局限，易成為靜態本體論的代表[41]。智能體若只對平行事實進行排列組合，則難以形成具有技術主體性的“經驗”以有效認知、處理復雜事件。對此，需建構開放性構造系統，實現內動高效化。第一，健全反饋規則。依據特定教育情景，設立規則以判斷AI教師的決策正確與否，全面、細致的規則編碼是判定、調適AI教師行為的基礎。第二，推動經驗建構。個人建構論認為獲取經驗的第一階段是做出預測，智能體面對現實與預期差異時，應將其視作探究的“邀請”。AI教師若能實現從“事件建構”（ConstructionofEvents）到“經驗建構”的突破，則將超越對于事實或算法的零碎匯編，實現自身構造系統的審視與新變。第三，促進強化學習。通過既定規則的反復規訓，AI教師在與外界環境交互中提高性能，即為強化學習的過程[42]。由此，AI教師有望作為具有反身性特點的福柯式主體①[43]，在紛繁的事件線索中解釋、建構和驗證自身結構的可行性，實現自我詮釋與創新。

（二）角色聯結：從轉譯走向內動的協同網絡

AI教師存在于與真人教師、學生等共同建立的共享社會建構系統網絡中，其角色調適呈現三個基本向度：通過“強制通行點”（ObligatoryPassagePoint），是AI教師與其他行動者多元交互的前提；構建網絡聯結關系，是超越“轉譯”實現“內動”的基本機制；作為教學共同體的重要角色，AI教師還需解碼動態思維成長軌跡，賦能團隊協作。

1.打通“強制通行點”，促進多元交互

異質行動者網絡中各行動者必須要通過“強制通行點”，即發起者（主導者）根據自己的目標，對各行動者面臨的問題提出統一的原則、框架和解決措施來重新界定、交換和分配行動者自身與他人（非人）的利益、角色、功能和地位，使異質行動者共同參與并推進行動者網絡的構建與運行。新增AI教師作為智能化課堂教學活動網絡中的必經之點，不僅能擴大智能化網絡的規模，還能發揮強大的介導作用以聯通交互主體、豐富交互層次和拓寬交互內容。第一，學生不僅能主動與課室內的師生交互，且能通過互聯網與課堂外的專家學者實時交流，構建課堂內外交互網絡。第二，物聯網技術使課堂交互主體從真人延伸到事物，交互方式從現實的肉眼觀察延伸到現實虛擬的非肉眼信息分析，交互層次更為豐富。第三，AI教師能夠提供海量的學習資源，供學習者實時搜索使用。學習者所習知識不再由教師決定，而是根據自身需要來定制與獲取，削弱教師知識權威霸權，讓學生獲得更多交互內容的自主決定權。

2.構建網絡聯結關系，助推興趣內動

在人類行動者、智能體行動者之間建立連接的根本機制是“內動”，人們需要一種精神，為了這種精神就會采用能獲得興趣性東西的各種方法加以滿足[44]。具言之，內動就是行動者不斷制造差別，將自己的興趣（利益）轉換為其他行動者的興趣（利益），使其他行動者認可并一直參與該網絡的生成與發展。AI教師通過這樣的內動，才能在信念與實踐層面與其他行動者達成合作。人類行動者（Actor）和非人類行動者（Actant）作為智能代理主體在具身和離身轉化過程中的一體兩面，以各自不同的參與機制、參與方式和利益訴求統一于科學實踐中。AI教師需要與師生信念、校園文化、政策保障為代表的其他行動者通過內動強化聯結關系。各行動者在內動過程中，不斷豐富聯結節點、拓寬合作的渠道，在信念層面達成利益統一、目標同向，在實踐層面做到行動協同、成果共享。

3.解碼動態思維軌跡，賦能團隊協作

米歇爾（Michelle，Z.）等學者將人類與智能代理主體相互聯系的團隊界定為人類自主團隊（HumanAutonomyTeams，HATs）[45]。在HATs中的AI不能只是被動接收與傳輸信息的“中介”，還需真正成為團隊成員。作為協作者的AI教師應在預測團隊發展趨勢的同時，充分了解團隊成員的思維軌跡，從而協調團隊行為。邏輯實證主義認為脫離具體行為形式的事物難以測試，個人建構論則強調事物發展的過程本身，而不僅是外顯的具體行為階段。在潛在狀態的變化中，行動者的行為及其內動結果具有不確定性。米歇爾等學者嘗試用隱馬爾可夫模型（HiddenMarkovModels）通過識別團隊內部狀態的行為序列，生成觀察結果，找到當前潛在狀態的表征，并基于此預測未來狀態及其發生概率。隱馬爾可夫模型的成功實踐，啟發AI教師對師生團隊的協作趨勢做出評估并及時干預。AI教師可通過行為建模技術，站在師生視角解讀、預測師生思維方式，有效干預教學，超越僅針對角色行為的線性分析，促成更高質量的團隊協作范式。

（三）角色創造：從對立走向共創的文化學習

從思想的生產和傳播規律來看，社會共識的達成，首先需要有各種不同思想和觀點的交流、碰撞、斗爭與互補。建構真人教師與AI教師的角色共識，既是出于對多師課堂的理性認識，也是為多師教學提供行動參照的實踐需要。共識達成的過程，將促進AI教師的職能適配、真人教師的角色轉型，最終統一于“既教且育”的完整教育目標。在多師角色建構過程中，擬通過共通教學環節、共治角色關系、共創整合機制，解決多師協作內容不明、角色職能失衡、團隊效率不佳等問題，以達成角色共識。

1.共通教學環節

作為“機師”與“人師”達成角色共識的實踐要求，多師依循“教一學一評”一體化的邏輯理路，全過程協同參與教學，發揮教學共同體的集體智慧。首先，多師基于大數據，收集學生基本信息、學生前饋數據等，協同分析學情。多師還需整合知識類型，把握不同課型、不同課堂的教學樣態，了解學生差異化的學習需求，以期促成學生個性化學習發生，實現“學習中心”的教學范式。其次，多師協同實施課堂教學。多師在“智慧課堂”的環境中運用知識圖譜、擴展現實等技術開展教學活動，并實時調整教學行為。最后，多師借助學習分析技術，根據教學目標與評估量規，對學生的學習數據、教師的教學數據等進行編碼分析與意義構建，評估學生的知識掌握情況與多師協同的教學效果。協同教學中，AI教師與真人教師通過教學設計與質量評估達成認知共識，在差異化的教學情境中形成行動共識，最終確立教學共同體的角色共識。

2.共治角色關系

AI教師的強大介導能力改變了教師角色的專業個人主義屬性，賦予教師角色以專業集體主義的新內涵。而在課堂實踐中，多師角色職能易向對方傾斜，難以達成集體的協調狀態，存在三種偏向：若受技術決定論影響以技術為重，人類行動者過度依賴人工智能；若堅持人類中心主義，會限制以AI教師為代表的信息技術應用成效；而認為技術獨立于社會語境，則將落入技術中性論的窠白。此外，當多師角色協調機制欠缺或單一角色職能夸大時，還易與“以學生為主體”的教學理念相悖。多師聯袂，需要充分認識、把控AI教師的技術介導作用。首先，在具身關系啟發下，AI教師可借助虛擬與增強現實技術創設情境，發揮知覺介導作用，為師生提供延伸感官、存儲記憶等支持。此外，AI教師還可介導師生行動程序，師生需注意AI教師可能出現的程序偏誤與行為偏差。最后，AI教師的介導作用離不開真人教師的監管，需真人教師“授權”。概而論之，師生的能力發展需要AI教師的技術支持，而AI教師并不能代理真人教師的全部職能。確立雙方協同、協調發展的角色關系，最終還應將利益著眼點統一于教師的專業發展需求與學生的學習成效提升。

3.共創整合機制

多師協作的教學范式，將傳統課堂線性教學關系發展為多維度的內動關系。教學集體智慧的發揮，有賴于多師團隊整合機制的創新。團隊的集體努力水平、團隊策略的效率以及成員知識和技能的使用，是評估團體協作質量的標準[4。第一，整合行動者。師生團隊的積極性與各行動者的參與度直接關涉團隊的集體努力水平，AI教師應通過積極的多維互動，調動團隊成員共同建構多元主體間性。第二，整合技術資源。團隊面對教學任務時的行動效率取決于資源的整合與分配狀況，AI教師需基于推薦算法，精準提供為師生所需、為團隊所用的教學資源，真人教師負責在有限的課堂時間內協同AI教師，有序組織、劃分教學模塊，學生則需充分利用多師提供的“學習支架”，以完成學習任務。第三，整合知識技能。依據成員專長與成長需要，優化任務分配。例如真人教師目前在情感交流、道德引領等方面具有不可替代性，而AI教師可以運用自然語言識別、計算機視覺等技術，實現簡單的課堂答疑、作業批改。

三、破譯建構AI教師新角色的方法/策略

突破人類中心的后人文主義逐漸意識到，當智能機器人開始用人類的語言發聲，它和人類就共同成為一個“雙重關聯體系”，并成為彼此的度量尺。因此，需在AI教師研發中通過多層面角色調適以提高師生交互成效，借助多方面角色協同以加強學生學習支持，并憑借多維度的角色評議以提升育人價值成效。

（一）多層面角色調適，提高師生交互成效

技術物的設計方式影響人類的生存方式，AI教師的設計與開發同樣與教學交互方式共變。因此，有必要讓作為行動者的AI教師真正融入互動網絡中并成為其中一員，由互動中介嬉變為內動性智能代理主體，與人類共在交互[4。這需要強化多模態交互功能、設計促進深度學習的話語系統，以及開發類腦智能等策略以實現多層面角色調適，提高AI教師與學生交互成效。

1.強化多模態交互功能

AI教師尚未發展出較為精準的交互識別技術，往往難以同時整合多種感知模式，為提高AI教師交互人性化水平，需強化多模態交互功能。首先，提升單模態技術的識別精準度。AI教師設計者在開發言語互動系統時需關注情境對話中話語歧義、語句結構不完整性等問題的識別和解決。目前，已有研究者設計了消除話語歧義的算法并嵌入人機交互框架[48]，開發了允許用戶實時發布語言修正指令的人機交互系統等[49]，有望提高AI教師言語識別準確度。其次，促進多模態技術集成與交替使用。多模態技術允許AI教師集成或交替選擇聽覺、視覺、觸覺等感覺通道識別與理解學習者交互狀態。多模態技術的集成需考慮不同用戶的需求、能力和交互環境[50。目前仍存在“如何保證AI教師系統能快速流暢運行？”“何種多模態技術的組合更能促進有效溝通？”等問題，需要開發者借助深度學習算法不斷探索，形成個性化、自適應的多模態交互機制。最后，賦予AI教師具備多模態感知與運動能力的“身體”。人工智能作為“離身智能”的新一代分生樣式，以符號計算過程表征智能思想與行為從而實現與外界環境的交互，但呈現機械、不靈活等特點。高級心理過程由身體及其活動方式塑造[51]，因此技術物的設計與開發應體現“具身”特點，以獲得“具體化介導作用能力”，使其更近于人類日常交互方式。未來研究者需開發既具備類人感官、四肢，又具備類人感知與運動機制的AI教師，使其以“身體”為中介隨時感知環境的變化，與教學系統中各要素構成更為廣闊、深入的交互關系網絡。

2.開發深度交互的話語系統

AI教師提供豐富資源、拓展廣闊互動空間，卻忽略了在互動教學過程中對學習者深層思考的正確引導，使得學習者與AI教師的交互停留于淺層的信息傳遞。為促進學生深度學習，應先正確探索話語交互序列，而后搭建話語框架，再輔以機器學習技術支持，開發出AI教師深度交互的話語系統。第一，探索話語交互序列。已有研究指出，促進深度學習的師生交互話語具有合作探究啟動話語交互、合作討論問題、回應與反饋、再以反饋作為話語交互新啟動等環節[52]；高質量課堂對話序列，具有知識習得一觀點表達一闡釋分析一綜合提煉一遷移創新五個階段[53]。第二，制定深度交互話語框架。技術開發者劃分出不同課堂話語類型與對話環節，基于此構建特定語料庫、形成話語交互順序，賦予交互話語延展性、探究性、互惠性與批判反思性等特征，促進學習者的深度思考。第三，依托機器學習技術。該技術能支持AI教師在多次師生交互中準確診斷交互水平并逐步調整交互深度。這意味著作為技術行動者的AI教師能以交互主體的身份融入到教學系統的內動網絡中，實現師生之間的深度交互。

3.基于類腦智能的有效交互

基于機器算法的AI教師難以解釋數據背后的學習者行為原因，也難以根據有限數據適應多變的交互環境。感知系統層面，行為建模技術能為AI教師的互動行為提供基礎數據。有研究者據此指出，依據心理學理論（如認知風格理論、人格理論）改善個性化交互，能減少對數據分析的依賴，也能擴充對用戶行為原因的了解[54]。智能系統層面，神經科學研究成果揭示了專家教師與新手教師和學生之間的交互的腦神經活動機制[55]。這啟示AI教師的開發若能在厘清教師交互的神經活動機制基礎上研制“教師類腦智能”，結合數學建模和計算機程序開發出教學神經環路，植入到AI教師的基本系統中，有望孕育具備類人自主學習機制的AI教師。操控系統層面，AI教師基于“類腦智能”，靈活應對多變的交互需求與教學環境，降低對于預成性數據的依賴，通過自主學習與決策，適應性格與能力各異的學習者的交互偏好、組織高效率的交互序列，最終取得高質量的交互成效。

（二）多方面角色協同，加強學生學習支持

在“技術一社會”網絡中，AI扮演的角色不僅是實現功能的參與者，而是積極與人類以及其他技術物聯動的行動者。破解AI教師學習支持力不足的困境，需從多師協同解析數據、開發能力評估系統、加強技術集成應用等層面著手以增強AI教師與其它角色的協同模式。

1.雙師協同解析數據

個性化的學習指導是教育價值理性的抓手[5。AI教師周遍性分析數據、真人教師針對性指導學習，是實現學習數據向信息、再向知識嬗變的關鍵，利于全面準確地解讀學習數據以進一步優化對學生的個性化指導。所謂解析，是指賦予數據、信息、知識以一定意義，闡明其中道理，并將之運用于學生學習行為等方面的分析5。首先，AI教師可運用預測、結構挖掘、關系挖掘、模型發現等分析方法[58，對多層次、多粒度、多時域的學習數據進行初步分析，提供可視化數據分析結果，為真人教師的科學決策提供支持。其次，真人教師依據教育學、心理學等理論知識以及教學實踐經驗，整合學生在學習生活、家庭生活以及社會生活中的知識、能力和情感等表現，對學習數據進行針對性解析，做出更精準的教學指導，實現信息向知識轉換。最后，AI教師生成的學情分析報告與優秀教師的智慧相協同，學習者得以感受真正的因材施教，個性化指導由此發生[59]

2.開發專業評估系統

評估方式單一和缺乏高階能力評估系統是AI教師在立體化、專業性評估中角色失調的主要原因。為優化AI教師的評估能力，開發者不僅需關注知識學習情況的評估系統，也要重視能力評估系統的開發，并為AI教師配備多元開放的“學本評估”框架，而這離不開人工智能與教育學的聯姻。由于人工智能專家對教育領域能力評估的維度和指標不夠熟悉，能力評估系統的開發需要教育學家根據教育教學目標，制定出學生能力評估標準，再交由人工智能專家核對標準進行程序化以編入AI教師系統中。事實上，教育學家與人工智能專家“隔閡深沉”，合作的路途“遙遠”，需要教育學家發展為教育人工智能專家或人工智能專家發展為教育人工智能專家，或創辦超學科的教育人工智能專業或實驗室，培養教育人工智能專業人才。由此，AI教師可在能力評估框架的指導下，通過調用學生海量的“大數據”和重要的“小數據”，使學習評估的對象從“容易測量的能力”擴展到“難以測量的能力”，更關注學生復雜的高級認知技能和隱性的非認知學習成果[60]

3.加強技術集成應用

加強教育機器人與仿生科技、語音交互、3D打印、等技術的集成應用，實現多種技術協同合作，是AI教師未來發展的重要目標。AI教師在課堂的典型用途并非人工智能某項技術的單方面延伸，而是多種信息技術協同的綜合實現。第一，搭建智慧學習空間。AI教師可成為多重技術整合者，例如整合管理智能課室，實現接收語音指令、執行智能搜尋等功能，為學習者提供更智能的學習空間[61]。值得注意的是，新型學習空間的應用成效目前缺乏嚴格的論證分析。因此有必要建構基于新型學習空間的AI教師課堂教學變革新路徑，助推學習空間設計更加精準化、科學化[]。第二，豐富學習評估手段。學習分析技術聚合話語分析、社會網絡分析等技術，為分析學生知識水平、能力水平提供支持。第三，革新知識呈現方式。通過整合知識圖譜、虛擬現實、擴展現實等技術，師生得以實現全景擬真反饋的“沉浸式”教學，并能有效搭建知識點之間的語義網絡，組織學科知識體系，具有廣闊應用前景一如清華大學研發的EDUKG可應用到知識搜索、知識快照、知識問答和知識鏈接等方面[63]

（三）多維度角色評議，提升育人價值成效

隨著人工智能的發展，技術表現出的巨大“行動力”一定程度上打破了主客體之間的界線[64]。面對AI教師人文關懷有限的短板，超越“以精準高效的智能技術追求目標和效率”的工具理性，可通過健全安全要求標準、加強情感計算研究和完善道德決策系統等方式增強多維度的角色評議，以提升育人價值成效。

1.健全安全要求標準

當下AI教師作為以算法為內核的數據驅動的弱人工智能[65]，是有限自主的行動者。明確并落實教育機器人在物理設計、安全功能和信息保障等方面的安全標準是解決AI教師安全保障有漏困境的關鍵手段。首先，AI教師的基本安全要求需具體分類，關注組成機器人的物理材料、配件及其組合方式，以便為不同對象提供便捷安全的個性服務。其次，可廣泛調查收集各類教學環境中存在的可能危險，制定相關安全保護標準和細則，以指導教育AI機器人成為具有可靠安全保護系統的教師角色。最后，為AI教師收集與分析數據立德立法，以倫理之尺和法律之秤共同保護學生的信息隱私。目前AI系統“聯盟學習（FederatedLearning）”模型的應用能夠實現用戶在保有隱私的前提下開展數據交互合作。已有學者在虛擬社區中嘗試開發匿名保護機制、風險評估與監督機制，構建AI治理法律框架[]。未來，還需加強監督和檢驗以保障相關安全要求標準的改進和落實。

2.加強情感計算研究

課堂教學的動態網絡中，AI教師既有技術的特性，又有社會的特性[8]。為增強AI教師作為課堂行動者的情感關懷能力，應挖掘基于情感計算技術的AI教師運行機制及其情感功能[9]。所謂情感計算，是指與情感有關，且是由情感引發或者是刻意影響著情感方面的計算[70]早在20世紀90年代，人機環境中的情感計算研究便是信息技術探索的重要主題。如今情感計算技術的發展使AI教師初步具備機器情感。如智能學伴機器人iCat能識別學習者情感狀態，給予情感反饋，并產生共情反應。未來有望繼續加強情感計算研究，使AI教師發展類人情感能力，能實時捕捉學習者的情感狀態，利用多維數據洞察學習者情感的動態變化，及時反饋情感調控信息，給予學習者情感關懷，進而實現機器情感向情感行動者的躍遷。

3.完善道德決策系統

技術倫理學提出，技術物并不只是價值中立的工具或手段，而是作為道德行動者，參與人類作為道德主體的構成7]。當今社會對于教師身份提出了立德樹人的角色期待。對此，“道德物化”強調將技術物作為與人對應的道德行動體，對其進行倫理評估并植人明確的道德理念或規范[2。已有研究者提出的價值敏感設計、透明度設計與道德學習設計，對完善AI教師道德決策系統，開發具備合理道德決策能力的AI教師具有參考價值3]：價值敏感設計方法用于了解學校領導、真人教師、學生和家長等期望AI教師在課堂教學、師生交往、多師合作等方面應具備何種價值觀，并在研發階段將相關價值觀嵌入系統。透明度設計方法分為兩個階段：解釋階段，呈現AI教師所需道德原則，價值觀轉換為規范、進而轉化為具體系統設計要求的過程，以保證AI教師行為的合德性；觀察階段，將AI教師行為結果與規范與價值對比驗證，以保證AI教師道德行為受到已有規范與價值觀限制。道德學習設計方法則讓AI教師通過自主學習積累道德決策經驗，并注重根據系統已有規范與價值觀對經驗進行評估與調整，避免發展出不道德行為。

四、結語

以ChatGPT為代表的AI已發展出更強的信息抽取、語言理解與交流內動能力，凸顯AI在教育領域突破技術限制的巨大潛力。隨著具備教師專業智能的人工智能進入課堂，比擬傳統真人教師“傳道、受業、解惑”的角色期望也投射到了AI教師身上。然而，結構性角色視角下的教師或學生作為主體、技術作為客體的主客二分謬誤，仍遮蔽著AI教師在智能化課堂中借助日益強大的智能代理主體能力凸顯出的人機互為尺度、深度合作和相互轉化的建構性和關系性角色，致使AI教師在課堂中遭遇交流互動欠當、學習支持不足和人文關懷有限等角色失調困境。為調適此類困境，社會物質性理論將代理能力歸還于物質文化的主張啟迪我們突破傳統符號表征主義的局限，并借助智能的轉化性，推動AI教師從結構性角色走向建構性和關系性角色。近年來，以巴拉德“智能代理主體實在論”為代表的新興角色理論追求開發整合性的“倫理一本體一認識論（Ethico-onto-epistemology）”，以此為指引展現出AI與他者共在共生的倫理化本體世界的認識建構可能性。AI教師作為智能代理主體憑借內動性介導作用構筑起的新型課堂認識網絡，以及基于“倫理自覺”的“倫理一本體一認識論”AI教師主講課堂，翹首盼望我們加以構想、開發與建構。

參考文獻：

[1]中共中央辦公廳.關于減輕中小學教師負擔進一步營造教育教學良好環境的若干意見[EB/OL].https：//www.gov.cn/zhengce/2019-12/15/content_5461432.htm，2024-11-25.

[2]郝祥軍，賀雪.AI與人類智能在知識生產中的博弈與融合及其對教育的啟示[J].華東師范大學學報（教育科學版），2022，（9）：78-89

[3]郭炯，郝建江.智能時代的教師角色定位及素養框架[J].中國電化教育，2021，（6）：121-127.

[4]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.

[5]

[8]余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，（1）：16-28.

[6]余勝泉，王琦.“ AI+ 教師”的協作路徑發展分析[J].電化教育研究，2019，（4）：14-22+29.

[7]BARADK.Meetingtheuniverse halfway：Quantum physicsand theentanglement of matter and meaning[M].Durhamamp;London：DukeUniversity Press，2007.408.

[9]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.

[10]HUANGCM，MUTLUB.Learning-Based modelingof multimodalbehaviors for humanlike robots[A].Proceedings of the 2014 9th ACM/IEEEinternational conference onhuman-robotinteraction[C].NewYork：Association forComputingMachinery，2O14.57-64.

[11]BARTNECK C，BELPAEME TF，et al.Human-Robot interaction：Anintroduction[M].Cambridge：Cambridge University Press，2020.37.

[12]鐘紹春.人工智能支持智慧學習的方向與途徑[J].中國電化教育，2019，（7）：8-13.

[13]于家杰，劉偉，毛迎新.人工智能時代教師存在的價值[J].現代教育技術，2020，（7）：21-27.

[14]MOU Y，XUK.The media inequality：Comparing the initial human-human and human-AI social interactions [J].Computersin HumanBehavior，2017，（1）：432-440.

[15]吳文峻.面向智慧教育的學習大數據分析技術[J].電化教育研究，2017，（6）：88-94.

[16] THE NATIONAL ACADEMIES OF SCIENCES，ENGINEERING，ANDMEDICINE.How people learn II：Learners，contexts，and cultures [M].Washington，DC：The National Academies Press，2018.21-33.

[17]呂雯瑜，曹康康.走向道德人工智能（AI）——賦予人工智能系統道德人格和構建可解釋人工智能[J].學術探索，2023，（12）：24-34.

[18] WESTERMAND，EDWARDSAP，et al.I-it，i-thou，i-robot：The perceivedhumanness of AI in human-machine communication [J].CommunicationStudies，2020，（3）：393-408.

[19] SERHOLT S，BARENDREGT W，et al.The case of classroomrobots：Teachers’deliberations on the ethical tensions [J].AIamp;Society，2017，（4）：613-631.

[20]吳立寶，曹雅楠，曹一鳴.人工智能賦能課堂教學評價改革與技術實現的框架構建[J].中國電化教育，2021，（5）：94-101.

[21]汪時沖，方海光等.人工智能教育機器人支持下的新型“雙師課堂\"研究——兼論\"人機協同\"教學設計與未來展望[J].遠程教育雜志，2019，（2）：25-32.

[22]李艷燕，李新，王君秀.教育機器人的設計與關鍵問題分析[J].現代教育技術，2020，（1）：12-17.

[23]塔衛剛，張際平.我國學習空間研究的進展與前瞻——兼論\"人工智能 + 教育\"視域下學習空間未來發展[J].遠程教育雜志，2018，（6）：31-40.

[24][47]譚雪芳.智能媒介、機器主體與實擬虛境的\"在家”——人機傳播視域下的智能音箱與日常生活研究[J].南京社會科學，2020，（8）：110-116.

[25][65]耿曉夢，喻國明.智能媒體倫理建構的基點與行動路線圖——技術現實、倫理框架與價值調適[J].現代傳播（中國傳媒大學學報），2020.（1）：12-16.

[26]李修全.人工智能應用中的安全、隱私和倫理挑戰及應對思考[J].科技導報，2017，（15）：11-12.

[27] 劉清堂，何皓怡等.基于人工智能的課堂教學行為分析方法及其應用[J]中國電化教育，2019，（9）：13-21.

[28]張穎，羅森林.情感建模與情感識別[J].計算機工程與應用，2003（33）：98-102.

[29]劉悅笛.人工智能、情感機器與\"情智悖論\"[J].探索與爭鳴，2019，（6）：76-88+158.

[30] 趙鑫，呂寒雪.人工智能教育的情感文明：何以必要與何以可為[J].中國電化教育，2021，（5）：70-77.

[31]賈璐萌，陳凡.當代技術倫理實現的范式轉型[J].東北大學學報（社會科學版），2021，（2）：1-7.

[32]WALLACHW.Robot mindsand human ethics：The need for acomprehensive model of moral decision making [J].Ethics amp; InformationTechnology，2010，（3）：243-250.

[33] KOT MT，LESZCZYNSKIG.Theconceptofintellgentagentinbusinessinteractions：Is virtual assistant anactor oraboundary object[J].Journal ofBusiness amp;Industrial Marketing，2020，（7）：1155-1164.

[34]KELLY G A.Personal construct theory and the psychotherapeuticinterview [J].Cognitive Therapyand Research，1977，（4）：355-362.

[35]MATUSOV E，VON DUYKE K，KAYUMOVA S.Mapping concepts ofagencyineducationalcontexts[J].Integrativepsychologicalamp;behavioralscience，2016，（3）：420-446.

[36] BELPAEME T，KENNEDY J，et al.Social robots for education：A review [J].Science Robotics，2018，（21）：1-9.

[37]陳思宇，黃甫全等.機器人可以教知識無法培育價值觀嗎[J].中國電化教育，2019.（2）：29-35.

[38]PATOMPAK P，JEONG S，et al.Learning proxemics for personalizedhuman-robot social interaction [J].International Journal of SocialRobotics，2020，（2）：267-280.

[39] LEITE I，PEREIRA A，etal.Modelling empathy in social roboticcompanions [A].International Conference on User Modeling，Adaptation，and Personalization[C].Berlin：Springer，2011.135-147.

[40]KELLYG A.A brief introduction to personal construct theory [J].Costruttivismi，2017，（4）：3-25.

[41][43] D'AMATO K.ChatGPT：Towards AI subjectivity[J].AIamp;Society.2024，（2）：1-15.

[42]張曉林.類腦智能引導AI未來[J].自然雜志，2018.（5）：343-348.

[44] HERTZ T，GARCIA M M.The cod and the cut： Intra-Active intuitions[J].Frontiers in Sociology，2021，（6）：724751.

[45][46] ZHAO M，EADEHFR，et al.Teaching agents to understand teamwork：Evaluating and predicting collective intelligence asalatent variable via HiddenMarkov Models [J].Computers in Human Behavior.2023，（139）：107524.

[48] OLARONKE I，RHODA I，et al.An Algorithm for resolving naturallanguage ambiguity in human-robot interaction [A].InternationalConference on Applied ICT[C].Ibadan：Lead City University，2019.56-67.

[49] BROAD A，ARKIN J，et al.Real-Time natural language corrections forassistive robotic manipulators [J].The International Journal of RoboticsResearch，2017，（5-7）：684-698.

[50]REEVESLM，LAIJ，etal.Guidelines for multimodal user interface design[J].Communications of the ACM，2004，（1）：57-59.

[51]葉浩生.有關具身認知思潮的理論心理學思考[J]心理學報，2011，（5）：589-598.

[52]張光陸.促進深度學習的師生話語互動：特征與提升對策[J].全球教育展望，2020.（10）：27-38.

[53]宋宇，鄔寶嫻，郝天永.面向知識建構的課堂對話規律探析[J].電化教育研究，2021，（3）：111-119.

[54] GRAUS MP，FERWERDA B.Theory-Grounded user modeling forpersonalized HCI [A].AUGSTEIN M，HERDER E，et al.Personalizedhuman-computer interaction [M].Berlin：De Gruyter Oldenbourg，2019.3.

[55]SUNBH，XIAO WL，etal.Behavioral and brainsynchronization differencesbetween expert and novice teachers when collaborating with students[J.Brainand cognition，2020，（1）：105513.

[56]馮永剛，陳穎.智慧教育時代教師角色的\"變\"與\"不變\"[J].中國電化教育，2021，（4）：8-15.

[57]祝智庭，魏非.面向智慧教育的教師發展創新路徑[J].中國教育學刊，2017，（9）：21-28.

[58]吳文峻.面向智慧教育的學習大數據分析技術[J].電化教育研究，2017，（6）：88-94.

[59]陳凱泉，沙俊宏等.人工智能2.0重塑學習的技術路徑與實踐探索兼論智能教學系統的功能升級[J].遠程教育雜志，2017，（5）：40-53.

[60]曹培杰.人工智能教育變革的三重境界[J].教育研究，2020，（2）：143-150.

[61]劉德建，黃榮懷等.教育機器人的風口——全球發展現狀及趨勢[M].北京：人民郵電出版社，2016.123.

[62]葉偉劍.“互聯網 + ”時代的高校學習空間變革：特征與動向[J].江蘇高教，2021，（4）：73-77.

[63]閆志明，付加留等.整合人工智能技術的學科教學知識（AI-TPACK）：內涵、教學實踐與未來議題[J].遠程教育雜志，2020，（5）：23-34.

[64][71][72]陳凡，賈璐萌.技術倫理學新思潮探析—維貝克\"道德物化”思想述評[J].科學技術哲學研究，2015，（6）：54-59.

[66]楊強.AI與數據隱私保護：聯邦學習的破解之道[J].信息安全研究，2019，（11）：961-965.

[67]雷羽瀟，段玉聰.面向跨模態隱私保護的AI治理法律技術化框架[J].計算機科學，2021，（9）：9-20.

[68]王能能，孫啟貴，徐飛.行動者網絡理論視角下的技術創新動力機制研究——以中國自主通信標準TD-SCDMA技術創新為例[J].自然辯證法研究，2009，（3）：29-34.

[69][70]朱珂，張思妍，劉濛雨.基于情感計算的虛擬教師模型設計與應用優勢[J].現代教育技術，2020，（6）：78-85.

[73]孫福海，陳思宇等.道德人工智能：基礎、原則與設計[J].湖南師范大學教育科學學報，2021，（1）：38-46.

作者簡介：

董娜：助理研究員，博士，研究方向為教育文化哲學、教師教育、德育神經科學與教育人工智能。陳寞塬：在讀本科，研究方向為教育人工智能。黃甫全：教授，博士生導師，研究方向為教育文化哲學、教師教育、德育神經科學與教育人工智能。

How Can the Identity of the AI Teacher be Justified： An Answer from the Emerging Role Theory Dong Na¹ ，ChenMoyuan1，HuangFuquan2，3

1.Schoolof Chinese LanguageandLiterature，PhilosophyandSocialScienceLaboratoryof ReadingandDevelopmentin Children and Adolescents，South China Normal University， Guangzhou 510631，Guangdong 2.School of Education，South China Normal University，Guangzhou 510631，Guangdong 3.TheLabforurosieneadArtialellgnceinralaingouthinaalUiversityangou31Guadong

Abstract：Theoverloadingof theteacherrolehas givenrisetoAI teachers，while peoplehaveraisedthequestionof“howto legitimizetheidentityofAIteachers”inthemidstofethicaliskconcers.Meanwhile，thedevelopmentofroletheoryfromstructural torelationalhasopenedupanewpathforansweringthisquestion.CurrntlyAIteacherswhoarestuckinthestructuralrole frameworkofbing‘themeasureofalltings”byhumanssuferfromcommunicationandinteractionbarriersduetotheircostant rolepositioning;insuficientlearingsupportduetoadherencetolinearboundaries；andacrisisofhumanisticconcernduetothe rigidbinaryoppositionofhuman-machinerelationships.ReconstructingrelationalrolesofAIteacherbecomes thekeytobreaking outofthis predicament：moving fromaconstanttoagenerativeprofesionalpositioning inroleselection；shifting fromone-way translationtointra-activesynergyetworksinbuildingroleconections;andthenmovingfrombinaryopositiontoco-creationof culturallearingolecreation.Post-umaismrealizesthatintellgentrobotsandhumansaremutualyardsticks，soitisnceary toenhance theeectivenessof teacher-studentintraactio，strengthenstudentlearingsupport，andenhancetheefectiveessof educationalvaluecreationinthedevelopmentofAIteachers.Inthefuture，thenewclassroomledbyAIteacherwhoastheethical self-awarenessiscallingustodevelopandconstructaccordingtoBarad’s“agentialrealism”andotheremergingroletheories.

Keywords：AI teacher;roletheory;relational role收稿日期：2024年11月30日責任編輯：宋靈青