人工智能助力教育變革的風險研判、歸因分析與生態治理

[中圖分類號]G434 [文獻標志碼]A

一、引 言

人工智能（Artificial Intelligence，AI）與教育的深度融合已成為全球教育發展的重要趨勢。以AI為代表的新一輪科技與教育的關系，已邁入系統性融合的新階段。人工智能助力教育變革不應是\"AI賦能教育”的單向賦能思路，也不應是“ AI+ 教育\"的以AI技術為主導的融合思路，而應充分發揮教育主體的能動作用，以教育實踐的真實需求為主導，引領AI技術的發展與應用，實現教育和AI的雙螺旋式共進。這種深度融合要求從治理層面對AI教育進行全面審視。充分考慮教育場景的特殊性，以滿足AI與教育的深度融合需求。為了達成此目標，應深入剖析AI助力教育變革受到的新約束、產生的新風險，挖掘風險生成的深層原因，構建指向AI助力教育變革的生態治理體系。

二、AI助力教育變革的風險研判

在AI助力教育變革背景下，AI正在潛移默化地改變傳統的師生關系和學習模式。基于技術的權力結構有可能強化AI在教育中的“權威性”，進而放大AI“黑箱\"式算法潛藏的技術缺陷，并暴露人類的道德缺陷，最終為教育生態帶來多元挑戰（如圖1所示）。

圖1AI助力教育變革風險框架

（一）主體性風險

第一，AI作為一種強大而新穎的“智慧外腦”，為學習者提供了便捷的知識獲取渠道，但也帶來了路徑依賴風險。AI依托于大數據和高算力支撐，其核心在于通過計算路徑和統計概率完成相關學習信息的生成與推送。這一算法驅動的嵌入模式在表面上提升了學習的智能性和精準性，但實際上在潛移默化中重構了學習者的認知路徑。過度依賴AI系統，會使學生的學習決策逐漸受制于AI的計算性選擇，而非基于內在思考的自我判斷。

第二，AI通過構建“中心化\"的共性特征、“引導式”的智能推薦來規范學習者的認知路徑，過度使用則會造成認知束縛風險。AI的“生成\"基于群體共性特征的設定，其核心在于通過算法構建出一個統一的“中心\"來代表復雜人類群體的共性。學生受制于算法規則框架下的信息循環中，接收與自身偏好一致的信息，容易形成一種“既定認知\"的路徑，引發認知場域中的“過濾氣泡\"和“信息繭房\"的效應，限制了個體的認知自由與創造力[2

第三，AI的算法模型推演主導了諸多學習情境的表征，其不當使用可能帶來學習異化風險。正如奧尼爾所言，“沒有一種模型能囊括現實世界的所有復雜因素或者人類交流上的所有細微差別\"，僅依靠高度簡約的算法模型難以還原全部的教育內涵，甚至會裂解教育的復雜性，這主要體現在學習情境和教學互動兩方面。在學習情境方面，某些針對應試教育的AI技術可能被濫用于強化標準化測試和機械化訓練，忽略了教育中的人文屬性，導致教育活動的簡單化和模式化。在教學互動方面，AI的情感支持依賴于預設的算法邏輯，難以真正替代人類教師在復雜情感互動中的細膩關懷和價值引導。

（二）安全性風險

第一，數據泄露風險。AI技術的研發和應用需要海量數據的支持，帶來了潛在的數據泄露風險。特別是教育場景下，師生與AI的互動涉及大量個人信息和學習數據，若缺乏系統嚴密的數據加密、訪問控制和防護的機制，容易造成敏感數據被不當訪問或泄露，給用戶帶來嚴峻的安全隱患。

第二，數據偏頗風險。AI依賴大量的數據集和開發者的設計理念，其中若含有民族、地域等偏見，就可能生成偏離我國學生認知與價值觀的教育內容。鑒于數據庫信息可能存在事實性錯誤、概念混淆等問題，AI系統也常會生成一些錯誤或荒謬的信息，“AI幻覺\"可能導致對學生的潛在誤導。并且其內容生成過程缺乏透明性和可解釋性，猶如一個“黑箱”，因此，這些錯誤信息難以被及時識別與精準糾正。

第三，技術濫用風險。學生可以輕易地利用AI進行學術作弊，例如，獲得作業答案、生成論文內容甚至編寫代碼，從而繞過對知識的深人理解和自主學習過程。這種濫用行為挑戰了基本的學術誠信原則。除此之外，學生利用AI從事犯罪活動的問題也應受到關注，如利用AI詐騙同學、散布虛假信息等。

（三）發展性風險

第一，技術懸浮風險。AI技術逐漸為越來越多的教育情境賦能，但其適用性卻面臨“懸浮化”困境，形成了“試圖接近但又無法融人\"的若即若離的、懸浮化的狀態[10]。具體表現為，能夠滿足信息整合、搜索和簡單推薦的功能，能夠初步服務于淺層個性化學習但缺乏對教育場景復雜性的深刻理解，無法精準識別和響應教師在教學設計、課堂管理等方面的動態需求，同時，對于學生的學習情緒、元認知能力及長期學業發展等深層次需求，現有技術亦顯得力不從心。

第二，教育公平風險。AI技術的廣泛應用需要完善的數字基礎設施與資源支持。這些資源在不同地區的可及性差異明顯。在農村地區和經濟欠發達地區，數字化建設能力薄弱，學生無法獲得與城市發達地區同等的AI教育支持，從而導致教育資源分配的不平衡。技術的復雜性和高門檻也進一步拉大了不同群體間的差距。在這一過程中，“數智鴻溝\"逐漸被隱藏甚至合理化，那些被邊緣化的群體難以意識到自身所處的劣勢，形成隱形的\"數智難民\"群體[。

第三，過度監控風險。AI對教育場景中行為和表現的實時監控，使得教師和學生在教學活動中被置于高度透明化的“數據監控\"環境中，其教學過程也被極度細致地量化評估[]。對于教師而言，如果其每個行為都與評價掛鉤，技術支持可能將異化為技術壓力，進而弱化了教師的創造性和靈活性。對于學生而言，AI的持續追蹤，可能導致他們在“被監督”的壓力下學習，將學習視作一種被審視和量化的任務，而非內在驅動的探索過程，進而減弱其學習意愿和創造力。

三、AI助力教育變革風險的歸因分析

AI助力教育變革風險的產生并非由單一因素驅動，而是深刻根植于多元主體間責任與互動的缺失。在AI助力教育變革生態中，政府、AI技術研發者、學校與企業構成了四個核心主體，而其背后分別體現的制度邏輯、技術邏輯、教育邏輯和商業邏輯，各自蘊含潛在風險。四重邏輯相互交織，共同構成了AI助力教育變革風險的多層次原因鏈條（如圖2所示）。

圖2AI助力教育變革風險的歸因分析

（一）制度邏輯：法律與專業的約束缺失

我國的數據治理體系主要建立在《中華人民共和國數據安全法》《中華人民共和國網絡安全法》和《中華人民共和國個人信息保護法》的基礎之上，但針對AI在教育場景中的具體應用，仍然存在一定空白，這是造成AI助力教育變革風險的根本原因。

在法律層面，目前治理體系和政策中權責劃分的模糊性成為引發風險的重要源頭。現有政策如《生成式人工智能服務管理暫行辦法》主要關注技術企業的合規運營，但未能針對教育場景中學校、技術企業與政府等主體的權責進行有效分配，導致監管與執行責任不明。此外，現有政策體系尚未建立起分層分級、多主體合作的協同治理體系。以教育數據監管為例，雖然部分區域嘗試引入企業與學校共同參與監管，但由于缺乏明確的分級分層監管職責劃分，這種合作形式通常流于形式，難以形成有效的風險治理閉環[13]

在專業層面，針對教育場景的專業治理機構和制度設計存在缺位的問題。現有法律框架主要以通用型數據和技術治理為導向，難以完全滿足教育領域的學生發展性、多樣性、公平性等屬性要求，泛化的治理框架也難以有效覆蓋AI教育應用中的具體細節。學生主體的特殊性也要求AI在面向學生群體應用時應有特殊的規范。例如，學生學習的個性化并不能沿用消費個性化推薦的底層邏輯，需要基于教育的專業知識和大量科學的實證研究，在制度和標準上提出明確標準和規范。此外，面對當前管理容易出現“一管就死，一放就亂\"的問題，政府需要快速組織專業人員對新產品、新應用的科學研究，并制定多樣化的標準

（二）技術邏輯：算法與系統的內在局限

現階段AI技術不成熟引發了技術內生的不穩定性和復雜性問題，貫穿于AI系統的研發、設計、制造、應用等多個階段，是導致AI助力教育變革風險的內生根源。

算法黑箱、數據偏見等不穩定因素對AI應用的安全性與可控性提出挑戰。不同于傳統基于規則執行的算法，現代機器學習算法具備自我學習和自主決策的特性，能夠從龐大的數據集中獲取模式，無須人類直接干預[4。然而，這種數據驅動的決策過程由于其“黑箱\"特性，使得外界難以理解系統從輸入到輸出的邏輯，使安全性驗證更加困難[15]。數據不僅是AI優化的重要基礎，更是其實現公平合理決策的關鍵。如果數據質量不佳，AI系統的性能和可靠性也會隨之下降。

AI技術的倫理界定問題呈現出深層的理論分歧，增加了治理中權責關系確認難度。傳統觀點堅持主客二元，將AI視為實現教育目的的輔助物，強調人類主導地位的不可動搖性。另一種觀點則主張主體間性關系，認為AI在智能化和自動化環境下具有潛在主體性，可能將逐步削弱人類作為唯一教育主體的地位[8]。兩方爭論尚未統一，AI的倫理地位也尚未明確。可能導致在法律和倫理框架下難以準確界定AI責任歸屬，進而導致治理中的責任轉移、倫理真空等深層次問題。

AI技術的快速發展和在教育領域的不斷拓展進一步加劇了治理上的難度和風險。當前，AI在教育中的應用從個性化推薦系統到智能教師助手，逐漸滲透到課程設計、教學反饋、學情分析等多重場景，其功能與影響力不斷擴展。然而，技術的快速迭代往往伴隨著監管機制的滯后，導致AI系統在教育中的應用缺乏統一標準，容易出現不受控的風險[19]

（三）教育邏輯：守正與守舊的實踐挑戰

目前，教育改革已經邁入深水區，其追求守正創新的價值目標與長期存在的頑瘴痼疾之間的復雜博弈，共同構成了制約AI助力教育變革在治理上的結構性根源。

學校教育強調守正創新，即在堅守教育的價值規范和社會責任的基礎上，以立德樹人和培養創新人才為目標，實現五育融合的全方位創新20。這要求其對新技術的應用保持審慎態度2，從學生發展視角考量技術應用的正當性和合理性，避免技術對教育進行單向度的改變。然而，在AI融入教育的過程中，盡管已有諸多創新應用和模式，但這些技術在教學安全性和效果上的實證研究仍較為有限，尚不足以提供全面的證據來支撐其長期應用的合理性與安全性，也難以確保這些應用是否符合教育的核心價值和社會期望，使得學校教育在AI應用中存在較大的試錯和調整成本。

當前教育體系中仍然存在應試教育傾向的頑瘴痼疾，對AI助力教育變革的應用與治理形成了系統性制約。一些AI教育產品，如智能作業平臺和在線測評系統，主要以提升考試成績為核心目標，通過精準定位學生薄弱環節并反復強化訓練，在短期內優化學業表現。這種“刷題模式\"將學習過程簡化為單一的應試訓練，忽視了對學生批判性思維、探究能力和跨學科能力的培養。同時，AI系統的成效評價過度依賴量化指標，如正確率與考試分數，這與教育實踐中對學業成績的過度追求高度契合，進一步助推了教師和學校對分數的聚焦，而非對學生全面發展的關注。這種模式使“最先進的技術\"服務于“最落后的教育”，不僅與五育融合的教育目標背道而馳，也制約了AI技術在教育領域的長遠發展。

教師與學生的數字素養發展滯后是當前教育發展中另一個亟須解決的問題。作為教育的核心主體，教師和學生的數字素養和技術適應能力在快速發展的技術環境下相對滯后，不僅拖慢了技術與教育深度融合的步伐，也暴露了教育體系在這方面培養的不足。

（四）商業邏輯：效率與利益的價值扭曲

企業作為市場主體的商業性與教育的公益性之間存在天然張力[22]。AI教育企業往往以商業利益為導向，忽視對教育規律的尊重與長期育人目標的實現，這是AI助力教育變革風險的外源性原因。

在市場環境下，教育企業在產品開發和服務提供中通常以商業利益最大化為核心目標。這種逐利性動機使得企業在產品設計中更傾向于迎合市場需求，追求用戶數量和收入的快速增長，而忽視教育的規律和目的。AI教育企業普遍缺乏扎實的教育理論基礎，這進一步加劇了治理風險。許多企業的技術研發團隊主要由計算機科學、數據科學等領域的人員組成，對教育學、心理學等學科的理解相對薄弱。這種技術主導型開發模式容易導致產品設計中對教育本質的忽視，使得AI教育產品難以從根本上滿足教育場景的需求。

行業內激烈的市場競爭往往會加劇企業的短視行為，成為滋養風險的溫床。部分企業追求“政策性創新”，只做表面文章而忽視了深層的創新設計[23]。為迅速占領市場，許多企業采取“先上線、后優化\"的策略，優先追求產品上線速度，而非產品質量和用戶體驗的持續優化，導致產品在實際使用中暴露出大量問題，如算法不穩定、數據隱私保護不足等[24]

四、AI助力教育變革的生態治理體系

基于風險研判和歸因分析，本研究提出AI助力教育變革生態治理體系，以迎接深度融合的機遇與挑戰。AI助力教育變革的生態治理應以堅守教育價值為核心理念，堅持以政府為治理核心，企業和教育用戶多方協同參與的治理進路。三方協同聯動，構建信息循環與反饋機制，確保治理體系能夠根據動態需求持續優化，實現生態系統的自治演進與動態平衡。該治理體系強調三方面的建設：完善頂層架構、規范行業管理和提升主體適應（如圖3所示）。

圖3指向AI與教育深度融合的行業治理體系

（一）完善以政府為主導的科學管理與協同治理

教育作為一種公共品，AI助力教育變革生態發展不能完全依賴市場經濟規律，需要政府通過宏觀調控和政策制定進行全面引導。具體而言，政府應從建章立制、協同治理與試點實驗三個層面入手，為AI助力教育變革風險治理提供系統性解決方案。

第一，科學建構規避AI助力教育變革風險的法治基礎。一方面，應加快完善與教育數據相關的隱私保護和風險防控法規，明確規定教育數據的生命周期管理策略，規范數據的知識產權歸屬2，確立定期審查制度，確保數據的合法使用與風險可控2。另一方面，應制定涵蓋行業標準與產品規范的市場準入審查制度，對AI教育產品的教育性、算法透明性、數據安全性等方面提出明確要求，確保技術供應商在產品開發與服務提供過程中有章可循。可考慮設置AI產品在教育領域的準人審查機構，參考新藥上市的實驗和審查流程，確保對教育領域AI產品的有效風險防范。

第二，多方聯動的協同治理是政府實現頂層引導的關鍵通路。政府應發揮統籌協調作用，推動教育領域多方主體在治理中的深度參與，形成動態、聯動的風險防控機制。為此，應設立專業的人工智能應用于教育的技術監管部門，具有專業化的監管理論、規則、方法、技術和流程，依法監管，輻射引領國際，為“AI助力教育變革\"提供公共服務。定位上，該部門既是保障教育安全、公平的監管者，同時肩負著國際合作與國家治理的重要職能。該部門應牽頭構建智能化教育數據監管體系，整合政府、學校和相關企業的力量，推動教育數據風險的協同監管。

第三，試點實驗是政府頂層引導下推動AI助力教育變革的重要實踐策略。政府應采取循證的“試點一推廣\"探索模式，在對小范圍試點項目進行充分驗證與評估后，再逐步向更大范圍推廣。這種模式通過實證研究與數據支持，為教育改革提供科學依據，避免盲目推廣可能帶來的教育隱患，確保新技術應用的可行性、重要性與有效性27]。

（二）規范行業的技術、資質管理與行業自治

正如\"科林格里奇困境\"所指出的，當一項技術的社會后果在其早期階段尚未充分顯現時，若未采取有效預防措施，一旦不良后果成為既定事實，技術已深嵌于經濟與社會結構中，其治理將面臨巨大挑戰[28]。因此，在AI技術尚未給教育行業造成損害之前，對其潛在風險施行嚴格的防范極為重要。為規范行業管理，可以從全產業鏈的技術規范、專業資質考試和行業協會三個方面推進系統化建設。

第一，全產業鏈的技術規范建設是實現AI助力教育變革企業治理的關鍵舉措。《國家人工智能產業綜合標準化體系建設指南（2024版）》中將人工智能產業鏈劃分為四個部分，包括基礎層、框架層、模型層、應用層，分別涵蓋AI技術從底層架構到場景實踐的各個階段2。從教育產品開發的全流程來看，行業管理規范可以在AI產業鏈的四個層次中分別進行構建。在基礎層，應提升算法透明性與可解釋性，并實施嚴格的數據治理框架，確保用戶隱私與數據安全；在框架層，需加強開源框架的安全檢測，制定兼容性標準，構建安全高效的技術開發環境；在模型層，應注重消除算法偏見與倫理風險，推動本土化大模型的研發與應用，以實現公平性與適配性的雙重保障；在應用層，需建立動態風險評估體系，完善資源配置機制，確保AI技術在教育場景中的穩定性與包容性，助力教育公平與智能化發展。

第二，建立AI助力教育變革專業資質認證和資格考試體系。作為人工智能與教育深度融合的交叉領域，AI教育對從業者提出了更高的專業化要求，他們不僅要具備AI技術開發的核心能力，還應系統掌握教育學、心理學等領域的基本理論。通過資質認證與資格考試，可以明確從業人員的資質要求，確保其在技術開發與教育應用中具備理論支持與實踐能力。此外，要求教育科技企業設立教研部門并將專業資質作為教學研發團隊成員的準入條件，也是提升行業治理體系科學性的重要方法，對AI技術在教育場景中的適用性進行科學論證，避免技術濫用和偏差帶來的教育風險。

第三，建設AI助力教育變革行業協會是推動行業規范化與AI助力教育變革高質量發展的關鍵路徑。作為連接企業、教育機構和監管部門的重要平臺，行業協會在標準化、監督和資源整合方面具有不可替代的作用。首先，協會可以主導制定覆蓋算法透明性、數據倫理規范和教育場景適配性的行業標準，為企業研發和技術應用提供明確指引，確保AI技術與教育需求深度融合。其次，協會應負責推進從業人員資質認證和培訓體系建設，提升從業者的專業素養和行業整體水平。此外，行業協會可以定期組織研討AI教育領域的核心議題，形成行業共識并為政策制定提供科學支持。同時，通過強化行業自治，協會能夠推動企業自律機制的建立，構建動態監測與反饋體系，及時應對技術應用中的風險與挑戰。

（三）教育主體在價值、素養與創新的引領作用

AI助力教育變革的人機協同學習不僅依賴于系統本身的優化，更需要教育主體的能動性發揮。為了發揮教育的引領作用，教育主體應從價值、素養和方法創新等方面為“AI助力教育變革\"提供強有力的主體層面支持。

第一，堅持以教育價值引領技術創新。“以人為本，智能向善\"已成為全球技術治理的共同原則，這一原則不僅是對技術倫理的基本要求，更是保障AI技術服務于教育本質的價值基石。正如奧尼爾所言，算法不應被賦予方能屬性，任何將其視為解決教育復雜性與多樣性問題的終極手段的科技烏托邦幻想，都是對教育本質的偏離。優秀的教育學者和一線工作人員應堅守教育價值認識，將AI技術應用于促進人的全面發展，而非陷入技術至上的狂歡。學校等教育機構需通過制度化手段加強價值引導，例如，開展專題培訓、組織工作坊或進行教學案例分析，以此提升師生群體對技術倫理價值的認知，從而促進技術與教育形成良性共生關系。

第二，提升AI素養以確保駕馭技術。教育用戶（教師、學生、家長）的AI素養不僅是技術風險治理的重要屏障，更是保障技術在教育中有效應用的核心力量。AI素養關乎教育用戶在技術生態中的適應力、判斷力和行動力，其內涵超越了對技術基本功能的掌握，涵蓋了對AI技術使用的批判性態度、倫理意識和實踐能力3。具體而言，教師應深刻理解技術在教育中的功能與局限，在教學實踐中有效調適技術應用，主動識別并反饋技術風險。學生應具備對AI技術的基礎認知與應用能力，確保在使用中保持批判性思維與倫理意識。家長應具備選擇與監督AI教育產品的能力，確保未成年人在技術使用過程中得到適當的保護和引導。

第三，為教師主動創新提供必需的支持。在AI技術深度融人教育的過程中，積極探索新方法和新路徑是化解技術風險、促進教育創新的重要手段。教師應在教學實踐中大膽嘗試，將AI技術融入課堂教學、作業設計和學情分析等多元場景，探索AI在教育應用中的問題與局限，通過反饋機制向學校管理層和技術供應商提供改進建議。同時，教師之間可以通過建立專業學習社群，共享探索成果和實踐經驗，形成促進技術創新的群體智慧。此外，學校和教育機構應鼓勵學生在使用AI工具時保持批判性思維，積極參與技術評估與反饋過程。通過定期組織學生用戶的意見征集、體驗反饋或創新競賽等活動，可以為技術改進提供多維度的用戶視角。

五、結束語

人工智能的迅猛發展正以前所未有的速度深刻嵌入教育體系，其為教育改革注入新動能的同時，也挑戰著傳統教育的價值根基與治理模式。從“工具理性\"的技術嵌入，到“生態治理\"的系統重構，AI助力教育變革的未來圖景不再是簡單的技術部署問題，而是多方主體共同努力，秉持教育理念、主動而為、形成新的協同機制和治理體系。未來的教育不應是被算法定義的教育，而應是由教育定義技術發展的教育。推動AI助力教育變革的系統生態治理，既是對智能時代教育本質的深度回應，更是邁向公平、高質量教育未來的關鍵一步。

[參考文獻]

[1]黃榮懷.論科技與教育的系統性融合[J].中國遠程教育，2022（7）：4-12，78.

[2]巫娜.“生成式人工智能 + 教育”的偽主體間性及其風險[J].現代大學教育，2024，40（4）：27-37.

[3]凱西·奧尼爾.算法霸權：數學殺傷性武器的威脅[M].馬青玲，譯.：中信出版社，2018：164，243.

[4]李榮華，田友誼.人工智能教育應用的算法隱憂及應對進路[J].當代教育科學，2024（7）：11-18.

[5]張羽，劉惠琴，石中英.教育投入產出的人文屬性[J].教育研究，2022，43（8）：121-140.

[6]張惠彬，許蕾.生成式人工智能在教育領域的倫理風險與治理路徑——基于羅素大學集團的實踐考察[J].現代教育技術，2024，34（6） ：25-34.

[7]賀樑，應振宇，王英英，等.教育中的ChatGPT：教學能力診斷研究[J].華東師范大學學報（教育科學版），2023，41（7）：162-176.

[8]姜華，王春秀，楊暑東.生成式AI在教育領域的應用潛能、風險挑戰及應對策略[J].現代教育管理，2023（7）：66-74.

[9]于水，區小蘭，羅珞峻.基層治理中的數字懸浮：內涵表征、形成機理及消解策略[J].河海大學學報（哲學社會科學版），2024，26（4）：79-88.

[10]何東平.基層數字治理的懸浮化及其克服之策[J].領導科學，2023（1）：45-49.

[11]張黎，鮑文雨，趙磊磊.“智能鴻溝\"的教育鏡像：教育數字化轉型的底層視角[J].現代教育技術，2024，34（7）：51-60.

[12]王佑鎂，王欣穎，柳晨晨.教育領域生成式人工智能應用的倫理風險管理框架研究[J].電化教育研究，2024，45（10）：28-34，42.

[13]趙磊磊，張黎，王靖.智能時代教育數據倫理風險：典型表征與治理路徑[J].中國遠程教育，2022（3）：17-25，77.

[14]郭勝男，錢雨，吳慧娜，等.面向未成年人的AI安全風險：風險澄思、根源透析與治理進路[J].中國遠程教育，2023（7）：39-46.

[15]KOOPMAWAGERM.Chlengsintooousicleestigandvalidation[J].SEinteatioaljoualofspatosafety，2016，4（1）：15-24.

[16]劉三女牙，劉盛英杰，孫建文，等.智能教育發展中的若干關鍵問題[J].中國遠程教育，2021（4）：1-7，76.

[17]余乃忠.積極的\"異化”：人工智能時代的\"人的本質力量\"[J].南京社會科學，2018（5）：53-57.

[18]張欣，陳新忠.人工智能時代教育的轉向、價值樣態及難點[J].電化教育研究，2021，42（5）：20-25，69.

[19]劉旭東.人工智能教育立法：基于教育法典的體系化編纂路徑[J].現代遠程教育研究，2024，36（5）：61-71，82.

[20]石中英，董玉雪，仇夢真.從“五育并舉”到“五育融合\"：內涵、合理性與實現路徑[J].中國教育學刊，2024（2）：65-69.

[21]朱愛芝，熊才平，賈靖林，等.從教育的保守性看信息技術在教育應用中的滯后性[J].中國電化教育，2009（12）：10-13.

[22]藺海灃，付婷.我國校外教育治理的風險及其規避[J].教育學報，2021，17（4）：92-103.

[23]黎文靖，鄭曼妮.實質性創新還是策略性創新？——宏觀產業政策對微觀企業創新的影響[J].經濟研究，2016，51（4）：60-73.

[24]吳河江，吳砥.教育領域通用大模型應用倫理風險的表征、成因與治理[J].清華大學教育研究，2024，45（2）：33-41.

[25]柯清超，米橋偉，鮑婷婷.生成式人工智能在基礎教育領域的應用：機遇、風險與對策[J].現代教育技術，2024，34（9）：5-13.

[26]趙磊磊，張黎，代蕊華.智能時代教育數據風險治理：實然困境與實踐路徑[J].湖南師范大學教育科學學報，2021，20（6）：94-102.

[27]孫立會，劉思遠，李芒.面向 2035的中國教育信息化發展圖景——基于《中國教育現代化 2035》的描繪[J].中國電化教育，2019（8）：1-8，43.

[28]MAYNEAJ.Thesocialcontroloftechnology[J].Journaloftheoperationalresearchsociety，1982，33（8）：771-72.

[29]工業和信息化部，中央網絡安全和信息化委員會辦公室，國家發展和改革委員會，等.四部門關于印發國家人工智能產業綜合標準化體系建設指南（2024版）的通知[EB/OL].（2024-06-05）[2024-11-08].htps：//w.gov.cn/zhengce/zhengceku/202407/content_6960720.htm.

[30]張銀榮，楊剛，徐佳艷，等.人工智能素養模型構建及其實施路徑[J].現代教育技術，2022，32（3）：42-50.

Risk Research， Attribution Analysis and Ecological Governance of Artificial Intelligence Enabled Educational Transformation

ZHANGYu，YANG Zihao，QINFei （Institute of Education， Tsinghua University， Beijing ）

[Abstract] Artificial intelligence（AI）-empowered educational transformation has become an important issue in the development of global education， with its technological potential being continuously released and its application scenarios increasingly enriched.However，this process is also accompanied by complex challnges and risks that require systematic ecological governance.The study analyzes three types of risks （subjectivity，safety and developmental risks）of \"AI-empowered educational transformation\"，and focuses onfour types of ecological subjects（government，AI technology developers，schools and enterprises） to carry out atribution analysis，revealing a multi-level chain of causes for the three types of risks，involving a quadruple logic： institutional logic，the lack of legal and profesional constraints; technological logic，the inherent limitations of algorithms and systems; educational logic，the practical challnges of abiding by the right and theold;and commercial logic，the value distortion of efficiencyand profit.Inorder to cope with the above problems，the study proposes an ecological governance framework of \"AI-empowered educational transformation\"，which aims to provide policy guidelines for the benign symbiosis and sustainable development of AI and education，advocating that the government should take the lead to improve the toplevel structure，increase the participation of enterprises to standardize themanagement of the industry， and give play to the leading role of education to enhance the subject's self-awareness.

[KeyWords] Artificial Intelligence;Educational Governance; AI Education; Deep Integration; Educational Transformation