芒果体育当前正处于科技革命与教育变革两个重大领域的历史交汇点，科技进步与教育发展的融合态势已初见端倪。“信息技术对教育具有革命性影响”已成共识，既体现在教育改革与发展的理念上，也体现在教育教学实践中，是一种对教育的科技赋能。本文通过对科技革命的基本走势进行研判，并深度剖析教育改革与发展的理念、方法和现实困境，提出科技变革教育的探索实践正从单一的科技赋能拓展至社会转型、科技赋能、教育变革和变革有序四个维度。全面的教育变革有赖于各教育场景深度而有序的改革，不同教育场景的改革需要协同推进，进而促进教育的系统性变革。科技与教育的深度融合需要在各教育场景中按照“需求—融入—演化—治理”四环节有序推进和迭代发展，即：①教育变革场景的识别是社会转型中定义教育新需求的前提；②科技赋能是智能技术融入教育的核心价值；③社会实验与仿真模拟是教育变革演化与干预的重要基础；④面向智慧社会需要通过技术治理保证教育系统变革的有序推进。科技与教育正逐渐形成全领域、全要素、全链条、全业务的系统性深度融合的新格局，以共同构建未来教育生态。

　　【关键词】未来教育；教育生态；科技革命；教育变革；系统性融合；场景识别；科技赋能；技术治理

　　习在党的十九大报告中指出，经过长期努力，中国特色社会主义进入新时代。新时代是中国历史发展与世界历史发展合规律性的演进阶段（同心, 2019）。当今世界正经历百年未有之大变局，新一轮科技革命与产业变革深入发展，国际竞争加剧，社会转型加快，科技革命加速，教育变革加深，科技与教育逐渐呈现出深度融合的新格局。

　　以人工智能为代表的颠覆性技术正在全球蓬勃发展，掀起新一轮科技革命，推动人类社会迈向智能时代，给人类生产、生活与思维方式带来根本性、基础性、彻底性影响。一是生产方式的转变与产业结构的调整。信息技术促进以物质生产、物质服务为主的经济发展模式向信息生产、信息服务为主的经济发展模式转变，世界正在进入以信息产业为主导的新经济发展时期（习, 2014）。二是人类生存状态与生活图景的重塑。科技进步不断催生新业态、新模式，极大地拓展了人类的生活空间，深刻改变着人们的生活方式。三是全球创新版图的重构。科技革命总是能够深刻改变世界发展格局（习, 2016），面对科技创新发展新趋势，世界主要国家都在寻找科技创新的突破口，引领时代潮流与人类前进方向。

　　人类在应对每一轮科技革命时，总是以改善教育作为回应（奥恩, 2018）。在蒸汽时代，英国出台了《工厂法》，率先普及了初等教育，为社会化大生产提供了大批产业工人。在电气时代，德国和法国建立了完备的职业教育体系，促进了中等教育的发展，培养了大批技术技能人才。进入信息时代，美国和日本最早实现高等教育大众化，培养了大批高科技从业人员（张学敏, 等, 2021）。可见，每一轮科技革命都伴随着教育体系的转型与升级。当前，互联网、大数据与人工智能等新一代信息技术正在推动人类生产生活各个领域的结构重组和流程再造，也正在改变教育的组织模式和服务模式，我们正处于科技革命与教育变革两个重大领域的历史交汇点。

　　纵观人类历史，在一代人的生命历程中，其生产生活方式不会发生颠覆性变革。在过去几次科技革命中，传统科技与教育的关系呈现出相对清晰的二元互动关系：教育为科技创新提供必要条件和智力支持，科技进步引发人才培养目标与人才结构的变化，又进一步驱动着教育的顺应与调整。

　　新一轮科技革命与过往科技革命的不同之处在于其指数级加速，当下的新技术正集群式、持续性、全方位地渗透进生产生活，其影响已在一定程度上超出了人类预期，超过了社会、经济与政治等领域的适应能力，甚至可能会超出人类直觉的感知预测范围（洪志生, 等, 2019）。因此，科技与教育的关系呈现出空前的复杂性与模糊性，科技革命与教育变革的发展不再是过去简单的关联，而是联动推进、交融共生的。

　　科技与教育的融合性特征主要体现在科技与教育两大领域都在以主动的姿态向对方渗透，且呈现出深度融合的发展趋势。从国家科技战略来看，《国务院关于积极推进“互联网+”行动的指导意见》（国发〔2015〕40号）、《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号）、《国务院关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号）等一系列文件均涵盖科技融入教育的内容。从国家教育战略来看，《中国教育现代化2035》将“加快信息化时代教育变革”作为十大战略任务之一，信息技术对教育发展具有革命性影响，是教育改革与发展的制高点和突破口（何克抗, 1999），教育信息化适应、支撑、引领着经济社会发展（怀进鹏, 2022）。从个体核心素养来看，提升全民数字素养与技能是顺应数字时代要求、提升国民素质、促进人的全面发展的战略任务，更是科技与教育融合的直观表征。

　　过去谈及科技与教育的融合，强调的是利用科技手段来优化教育教学过程、教学内容、教学工具和学校管理等，即科技赋能教育。随着全球数字化的演进，技术在助力学生成长、教师发展与学习环境优化等方面的潜能已得到国际认可（张慧, 等, 2019）。在科技进步、社会转型和教育变迁三者的动态相互作用下，科技与教育正逐渐形成全领域、全要素、全链条、全业务等系统性深度融合的新格局，呈现出范围广泛性、方式多样性、价值丰富性等特征，科技变革教育的探索实践也正从单一的科技赋能拓展至社会转型、科技赋能、教育变革和变革有序四个维度，见图1。

　　科技与教育的深度融合需要在各教育场景中按照“需求—融入—演化—治理”四环节有序推进与迭代发展。第一，科技变革教育的需求、路径与成效依赖于在不同场景中的推进，在社会转型中识别变革场景是定义教育新需求的前提。第二，新一轮科技革命以人工智能为核心和重要驱动力，科技赋能是智能技术融入教育的核心价值。第三，教育是最为复杂的重要社会系统之一，存在高度的差异性和不确定性，开展变革推演是科技赋能教育价值体现的具体表征。第四，智能技术在教育中的不当使用将带来伦理、隐私保护与安全等风险，只有有效的智能技术治理才能保障教育系统变革的有序推进。

　　教育内外环境已发生深刻变化，我们需要跳出教育看教育、立足全局看教育、放眼长远看教育（教育部, 2022）。转型期的社会格局主要包括以下三个方面的形塑。一是人工智能驱动的科技进步。人工智能作为新一轮科技革命的核心驱动力，会进一步释放历次科技革命与产业变革积蓄的能量，通过生产、分配、交换和消费等各环节的数字转型与智能升级，实现社会生产力的整体跃升。二是互联网驱动的社会结构改变。互联网推动形成人类社会、物理空间和信息空间交叉融合的三元空间，形成以资源共享化、信息众筹化、行为数据化、时空灵活化和关系网络化等为特征的新型社会格局（陈丽, 等, 2019）。三是国际竞争与文化冲突的加剧。当前新冠肺炎疫情大流行、新兴领域竞争激烈、地缘政治争夺严重、文化冲突较量不断、气候变化危害加重和粮食危机加剧等全球性挑战叠加共振，国际政治经济秩序受到全方位影响。充满复杂性、不确定性、易变性、模糊性的社会转型期对教育产生巨大外推力，教育实践开始与社会巨系统深度嵌合（逯行, 等, 2022）。

　　教育改革内生动力与持续强化的社会转型外推力尚不协调。长期以来，教育、社会与科技的发展存在一个相对的闭环，可称其为“内驱轮”（见图2），即“教育”领域培养的人才输出到社会中，优秀人才构成的社会孕育着科技的发展，科技进步又为教育领域提供优质教师队伍，充实教育系统并优化教育教学行为，在“内驱轮”运转下螺旋式迭代发展。新一轮科技革命正推动社会快速转型，社会转型后的全新社会发展格局引发了新的人才需求，并催动教育教学环境与教育系统行为的重塑。由此，从科技革命、社会转型到教育变革形成了另一反向闭环，可称其为“外驱轮”。从国际教育信息化发展现状来看，均存在科技革命的加速与教育改革内生动力不足的现象，“教育—社会—科技”的“内驱轮”似乎与“科技—社会—教育”的“外驱轮”的耦合机制不协调。加强教育改革内生动力的关键要素是需求的洞察与挖掘，因此在社会转型过程中探寻与定义教育需求尤为重要。

　　重硬件、轻软件，重平台、轻内容，重采购、轻应用，这些都是教育信息化发展过程中的积弊（吕森林, 2016）。以往的信息技术教育应用容易出现简单的“加法”思维（杨宗凯, 2018），叠加式地引入新技术作为教育领域的“解决方案”，并没有区分区域、学校与班级之间的差异，也没有区分学习者与学习环境的差异，在尊重学生发展规律方面也不尽如人意。在教育研究与技术产品开发方面，缺乏对社会转型深刻影响的认识，也欠缺对教育改革与发展过程中真实问题与需求的关注，普遍出现了应用场景泛化的现象，即技术提供方或技术开发者对其技术与产品的潜在应用场景不确定、不明确，甚至无限扩大的现象。这是当前教育教学一线反映技术与产品不满足实践需求、学术界反映信息技术对教育教学的作用不显著、社会各界反映教育信息化投入大但效果不明显的重要原因之一，俨然已经成为信息技术促进教育变革的瓶颈。

　　为突破教育变革的瓶颈，我们需要认识到挖掘需求与定义场景是系统性变革的主要动力来源，技术应用场景的谋划、设计、开发和效果评估就是一个技术变革的过程，场景对于理解、探究与预测相关主体的行为至关重要。在教育信息化进程中，识别具体的场景是洞悉教育变革需求的前提，只有根据教育主体、教学环境和信息化基础设施的现实情况，准确描述、表征和建构具体的应用场景，切实发挥新一代信息技术特点和优势，并在应用过程中持续优化、有序迭代，才能促进教育系统变革。在工信部等十部门联合发布的5G应用“扬帆”行动计划中，“5G+智慧教育”项目就是一个具体的实例，该项目探索针对实验和培训的高成本、高危险、难操作等实施痛点，打造“5G+VR/AR”“5G+全息投影”等虚拟仿真实验教学场景，以提升学习者的沉浸式、实景式学习体验。

　　场景识别注重理解人类深层次需求，强调以“人”为中心的精准化技术服务（武法提, 等, 2018）。场景识别是落实应用效果的前提，加强应用场景探索，强化技术与教育融合创新，以满足学习方式、教学方式和治理方式的多样化需求。教育领域中的场景识别存在描绘场景、需求洞悉、技术适配和迭代生成四个基本环节。

　　第一，描绘场景。场景是特定时间芒果体育、空间、人物和事件等要素构成的统一体，是各要素的综合描述及关联性整合（刘铭, 等, 2021）。教育场景要素可进一步分解：按时间划分，可分为课前、课中和课后等；按空间划分，可分为社会、学校、家庭和虚拟空间等；按角色划分，可分为学生、教师、家长、教育管理者和教育研究者等；按事件划分，仅就学习活动而言，可分为集体听讲、小组研讨和个体自学等。对这些分解后的要素进行排列组合，可以与教、学、考、评、管等环节中的某一具体场面相映射，进而清晰地刻画出全覆盖的场景图谱。

　　第二，需求洞悉。需求是技术促进教育变革的逻辑起点（王珠珠, 等, 2015），有待进一步挖掘、分析和推导。在理解真实场景的基础上，洞悉需求是提供适配服务的前提，应符合四个基本条件：一是需求信息的可信性与可靠性，即真实度；二是需求信息的清晰性与具体性，即准确度；三是需求信息满足相关主体的多样化需求，即全面度；四是需求信息随现实变化的适应性更迭，即及时度（容志, 2019）。

　　第三，技术适配。技术服务是需求识别的落脚点，应在需求的牵引下找到适切的技术解决方案。技术服务有序地消融于教育生态是一个缓慢而复杂的过程，除了技术本身的成熟度与对场景的适配度之外，根据技术接受模型，仍需考虑相关主体对其的主观评价，包含感知易用性和感知有用性。

　　第四，迭代生成。当为真实教育需求适配了相应的技术服务之后，随着技术在场景中的应用，既可能产生积极作用，也可能产生负面效应，甚至可能是颠覆性变化，场景的要素就会随之改变，从最初的场景变为叠加技术方案后的场景。在新场景中，各个相关主体又会产生新的需求，继而要求新的解决方案。因此，在场景描绘、需求洞悉与技术适配后，根据各主体的反馈与评估，需要进行新一轮的“场景识别”，迈入下一轮科技赋能、变革推演和技术治理的过程。

　　教育信息化是指在教育中普遍运用现代信息技术开发教育资源，优化教育过程，以培养和提高学生的信息素养，促进教育现代化的过程（南国农, 2002）。回溯教育信息化的历史进程，教育信息化的发展大致可分为三个阶段（王运武, 等, 2019）：第一阶段是从1978年至2000年的“计算机教学及应用”阶段，信息技术教育主要应用于计算机教学启蒙、教学实验、辅助教学和计算机教育推广等。第二阶段是2000年至2018年的“信息化环境建设”阶段，即教育信息化1.0阶段，聚焦于基础设施部署、校园信息装备和应用能力建设等方面。第三阶段是2018年以来的教育信息化2.0阶段，强调应用技术支撑教改、赋能创新和促进变革。综上所述，我国教育信息化遵循“自下而上”式的底层发展逻辑，经历了工具辅助、整合应用和融合创新三个发展阶段（胡钦太, 2019）。

　　教育信息化可以广义地理解为科技赋能教育。纵观教育信息化为历史进程，其核心价值在于创新与变革。“赋能”指激发主体自身的能力实现既定目标，形成新方法、新手段和新路径。随着新一代信息技术的链式突破，科技赋能被认为是实现行业系统性升级和变革的关键变量（关婷, 等, 2019）。教育信息化可以广义地理解为科技通过“赋能”这一核心机制，促进学习方式、教学模式和教学组织形式等发生全方位、多层次、成体系的变革（万昆, 等, 2020）。在教育信息化相关政策的推动下，我国教育信息化工作取得了阶段性突破。研究表明：信息技术已在学习空间、教与学方式、学习内容等方面发挥作用。在变革学习空间方面，全国中小学互联网接入率已达100%，且形成了远程专递课堂、网络空间教室和异地同步教学等；在变革教与学方式方面，形成了翻转教学、双主教学和移动学习等；在变革学习内容方面，形成了在线课程、数字化教材等（黄荣怀, 等, 2019）——这些都充分彰显科技重塑未来教育生态系统的巨大潜能。

　　在科技融入教育的进程中，存在高估人工智能即时作用与低估长期效应的价值认知偏差现象。近期人工智能的迅速发展主要得力于算力提升、算法创新和特定场景的规模化有效应用。一个特定场景中的人工智能就是要实现这个场景中的事务及流程自动化的处理，自动化的实现要以数字化为基础，在特定的环节或部分实现，并进一步模拟、延伸或拓展人的智能来处理关键事务或流程。从数字化到智能化，需要经历机器自动化、自动化平台、认知计算和真人工智能等阶段，其演进的历程通常是业务的过程形态从“触发机制”迈向支持“自然语言交互”，信息的组织形态从能处理“结构化信息”进化至“非结构化信息”的处理，见图3。

　　鉴于人们在教育教学中使用数字化工具的经验和困境，与“教育软件生产力悖论”（黄荣怀, 等, 2007）和“非显著性差异现象”（杨浩, 等, 2015）一样，关于人工智能进入学校的作用存在两种典型观点：一是期待人工智能的潜力能迅速发挥，而这往往会高估人工智能的即时作用；二是认为无论人工智能发展到何种程度，仍仅是工具，其成效只取决于教师与学生本身，这一观点又可能会低估人工智能的长期效应。尽管从人工智能本身发展来看，从人类“适应”机器到机器“真正”服务人类尚存在一定距离。但因技术创新队伍的扩大、资本的持续加持和各类场景的大规模尝试等，智能技术正持续迭代和加速发展，再加上当前人工智能的研究不再仅以研究“机器智能”为主，脑科学和人类心智的研究也正并行发展与相互支撑。因此，我们需要正确认识人工智能等科技对教育变革的作用，在持续关注相关伦理与安全问题的前提下广泛实践并深入研究其特征、机理、场景和途径。

　　随着智能技术生态的持续升级，科技对学生成长、教师发展和学习环境升级等方面的赋能将释放出巨大潜能（黄荣怀, 等, 2021）。一是服务于学生的适应性成长。智能技术能够通过拓展学习资源形态、按需配置资源、支持个性化推荐、增强互动体验、引导社会性参与和开展智能学习测评等途径促进学生发展。二是助力教师的发展。一方面，智能技术可以支持差异化教学、精准教学和人机协同教学等新型教学形式。另一方面，可以服务教师自身专业发展，更新教学观念、提升综合素养。例如，利用智能技术促进教师职前职后有效衔接，缩短职前培养与教学场景、教学体验之间的距离，贯通师范生个性化培养和教师专业发展的途径，并实现教师发展数据全程流动。三是支持学习环境的智能升级。利用智能技术搭建智联融通的学习环境，创设虚拟现实与真实情境、学校—家庭—社会、正式教育与非正式教育有机融合的学习空间，为学生提供跨场域的连通性和情境性学习体验。在科技赋能下，教育正在逐渐形成线上线下融合、智能互联、人机共融、无边界的未来新样态。

　　教育学知识生产和理论发展的根本旨归在于改变和优化教育实践（程天君, 等, 2006）。然而，在教学领域理论与实践的关系似乎特别紧张，教育实践工作者常对教育理论著作敬而远之，将之束之高阁，抱怨理论“中看不中用”“脱离实践”的声音不绝于耳（丛立新, 2019），以至于有人讥讽教育理论著作的读者往往只有作者本人与编辑（吴康宁, 2017）。教育理论受到实践界的冷落和埋怨的根本原因在于教育理论对教育现象和规律的解释乏力。传统教育理论生产方式包括哲学思辨、经验总结和微观实验等。思辨与总结的研究主观性较强，观点难辨真伪，常常出现“概念丛林”（石中英, 2017）、“集体独白”或低水平重复的现象（袁振国, 2017），对教育现象和规律缺乏具有普适意义的解释力、预测力。一线教师、企业技术开发者和教育政策制定者都似乎感觉到，在“百年未有之大变局”和当代社会转型中，已有教育理论对教育教学实践、教育政策制定和教育变革的指导乏力。

　　教育理论需要观照教育变革的全域性与复杂性。教育生态系统表现出教育本质的多尺度性、教育主体的差异性、教育环境的多样性、教育目的的双重性和教育活动组成因素的可变性，以及由此带来的教育活动过程的动态性和教育结果的不确定性等（黄荣怀, 等, 2017）。教育系统变革更是多因素、非线性的动态演化过程，具有全域性和复杂性的特征。一方面，教育变革不仅是某个或某几个因素的条件性变革，而是教育本身作为复杂系统的全方位、多层次、立体化的全面重塑。另一方面，教育变革不单是自上而下、由外而内的变革，而是教育内外多因素交互作用的结果。教育研究与决策不能仅仅就事论事探讨教育中暂时性或表象性的问题，而是需要仔细探究变革背后的结构性原因与内隐性规律。

　　当前存在诸多关切已久却未得到彻底回应的现实诉求。一是新理念、新课程与新教材动态匹配机制的问题。智能时代的教育观将发生全新改变，包括众创共享的知识观、智联建构的学习观、融通开放的课程观和人机协同的教学观等。然而，无论是教材的编制还是课程的实施，都存在一定程度的滞后性，新课程与新教材亟须伴随新理念形成适应性的更迭机制。二是全体学生核心素养提升的问题。提升学生核心素养是全球教育改革的重要内容，UNESCO、OECD等国际组织和中国、美国、英国、日本等国家都相继发布了各自的核心素养框架体系。然而，核心素养理念的实践落地是教育界所面临的共同困境，全体学生核心素养的提升亟须形成切实有效的实践路径。三是群体间与区域间教育均衡的问题。高质量的教育公平一直是我国教育发展所追求的目标，但受政策、经济、地缘、历史、文化和资源等多因素交织影响，教育机会公平、教育过程公平和教育公平感等的实现依旧充满障碍，亟须构建群体间与区域间均衡发展的教育生态。综上所述，课程教改、素养提升和教育均衡皆属于教育变革中基础性、内在性、根本性的问题。

　　事物一般规律的发现往往基于对偶然性进行大量的概括（马克思, 等, 1971）。传统教育实验往往受限于观察范围和变量类型，无法进行大规模、长周期的数据累积，一般仅能基于静态的、局部的、零散的、滞后的数据，围绕单一因素与严格的控制变量开展“局限性”探索（杨莉娟, 等, 2015）。面向智能时代，教育研究需要累积海量的、长期的数据，以知识计算、认知计算、行为计算和环境计算等教育智能计算为依托，以社会实验与仿真模拟为抓手，表征并预测可验证、可落地的一般规律，见图4。

　　社会实验拓展了微观实验的规模。社会实验是研究特定政治、经济和科技等因素被引入真实社会情境所产生效应的方法论，旨在从广域视角研究隐形进程（苏竣, 等, 2020）。智能时代的教育社会实验场景提供了多元化、多维度、多渠道的证据来源，克服了小样本的被试偏差。教育社会实验包括研究设计、发现进程和解释现象三个阶段，旨在基于大规模、长周期的数据，深入挖掘教育教学实践活动的隐形进程，发现教育教学规律，进而形成干预措施，实现教育教学实践的改进（黄荣怀, 等, 2020）。

　　仿真模拟延展了传统教育研究的边界。仿真模拟实质上是模拟建立与真实系统相对应的“平行系统”，对复杂性系统进行试验性研究（罗俊, 2020）。首先，对教育系统进行仿真建模，即通过提取真实教育系统中的关键要素以及要素间的关系与规则，将教育系统中的各类变量纳入仿真系统进行建模，形成数字孪生系统。其次，深度挖掘与模拟分析各类变量之间的交互作用，通过参数演化、自动化、快速生成大数据（余胜泉, 等, 2019），可视化呈现教育系统的运行状态和变化趋势。再次，实施可重复的教育实验研究，对复杂的教育变革过程进行推演，进而迭代优化教育数字孪生系统。最后，揭示教育演化机理，预测教育变革趋势，指导并优化真实教育系统。

　　科技伦理是开展科学研究、技术开发等科技活动需要遵循的价值理念与行为规范（中央办公厅, 等, 2022）。彰显人性、尊重人性、保障人的基本权利、增进人类福祉是科技伦理的重要原则，也是科技融入教育的核心考量向度。

　　科技伦理问题一般指的是科技活动中出现的一系列理论与实践问题（樊春良, 2021）。科技与教育融合的伦理问题可概括为以下三大方面（Sheila, 2016）：一是不公平问题，即不同国家、地区、人群和阶层之间享有技术权利的不平等。例如，不同国家与地区的学生、教师在学习资源与服务接入方面的不平等。二是风险问题，即技术系统变得日益复杂，技术的方法与目的之间发生断裂，难以预料的技术风险正在系统中产生。例如，个人在教育教学中产生的隐私信息泄露问题。三是威胁问题，主要是技术发展产生的威胁，包括对人、人际关系与自然物的重塑引发的大量伦理争议和监管难题。例如，新技术可能改变教学中社会关系（如师生关系、生生关系）的结构。不公平、风险和威胁三大问题并非完全独立，而是相互影响并共同形塑了科技与教育融合的伦理问题，其产生、累积和扩散又呈现出随机性高、覆盖面广、影响力大的特征。

　　人工智能教育应用的伦理值得高度关注，现实生活中涌现出一些智能技术教育应用的负面案例。例如，算法推荐导致信息茧房、短视频沉迷影响注意力、“拍照搜题”惰化思维能力等。促进人工智能等新一代信息技术规范而有序地融入教育生态是社会各界的关切所在，需要从以需求、潜能和挑战为代表的效应三要素，以及融合度和可信度的不同环节上客观分析与深入研究（见图5）。

　　教育领域可信人工智能的要素与环节主要包括以下三大方面：一是人工智能赋能教育的效应三要素。人们已经普遍意识到由科技进展、社会转型和竞争加剧衍生出的新需求，也认识到人工智能在发展学生素养、赋能教师教学、升级学习环境等方面的潜能，但对人工智能的教育应用存在的挑战，即科技伦理中的不平等问题、风险问题和威胁问题尚未足够关注。二是人工智能与教育场景的融合度。不同地区、学校和师生群体在实际应用过程中可能存在过度使用、不当使用和逃避使用三类典型行为。融合度既受对人工智能潜能认知的直接影响，又与对人工智能作用的负面认知以及应用过程中遇到的挑战密切相关。三是人工智能的可信度。教育领域的人工智能应是合乎伦理的、合法的、合规的和鲁棒的，可信度在一定意义上能与融合度互相转化，能激发人工智能赋能教育的潜力，也能促进各界人士对时代背景下教育需求的再认知。人工智能与教育的融合是必然趋势，可信人工智能是确保教育生态健康发展的关键所在，人工智能应用于教育的治理框架亟须制定。

　　“治理”指各种公共或私人的个人与机构管理其共同事务的诸多方式的总和，是使相互冲突的或不同的利益得以调和并采取联合行动的持续过程（王刚, 等, 2017），“技术治理”是当前全球社会治理的重要趋势（刘永谋, 2016）。在技术的推动下，传统社会治理模式正逐渐向智能化的社会治理新模式转型。

　　智能时代的社会治理通常包括科技进步中的技术治理和治理转型中的技术治理，两者互为手段和目标（刘秀秀, 2019）。教育作为社会的子系统，其面向智慧社会的教育治理同样具有这两个层面的内涵。其一，教育中的智能技术治理，即确保智能技术融入教育生态的规范性和有序性。一方面，将科技伦理要求贯穿科学研究、技术开发等科技活动全过程，覆盖教育科技创新各领域，加强监测预警和规制应对。另一方面，当前人工智能教育应用的伦理机制尚不清晰，针对性的算法和数据的治理体系亟须形成，有效发挥人工智能的潜能、避免其消极影响，需要实施教育领域中的可信人工智能。其二，教育治理中的智能技术，即智能技术促进教育治理的精准化、长效化。利用智能技术实现大规模、多模态、跨领域数据的实时采集、集成分析和可视计算，支撑教育智能决策，助力“凭借经验的粗放管理”向“依靠数据分析的集约治理”转变，进而形成安全、有序的教育治理环境、联动高效的教育治理机制、动态调适的教育治理过程和包容公平的教育治理格局。

　　当下，新一轮科技革命的飞速发展远超传统的科技革新速度，对社会发展与教育变革的影响也远远超出人们预期的时间尺度。

　　教育信息化的历程、经验与社会价值表明，科技革命与教育变革的历史交汇点正在显现。对“信息技术对教育具有革命性影响”这一理念的广泛认同，各个国家科技竞争的加剧，以及智能时代新的人才需求，导致科技进步与教育发展出现融合趋势。因而芒果体育，科技变革教育的探索实践已经从信息科技赋能教育这一维度转变为社会转型、科技赋能、教育变革和变革有序四个独立而又协同发展的领域芒果体育。

　　第二，科技变革教育的需求、路径和成效依赖于在不同场景中的推进，在社会转型中识别变革场景是定义教育新需求的前提。

　　变革场景与教育新需求的识别需要充分考虑社会转型中的科技进步、社会结构变革与国际和社会性冲突等特征。在以往教育信息化进程中，应用场景泛化往往是信息技术教学应用与教育变革的瓶颈 ，需要引起高度重视。应用场景的具象表征与技术应用带来的场景变迁均是教育技术研究的难点，场景识别与生成的循环迭代需要利用社会实验等新手段来定义教育新需求。

　　第三，新一轮科技革命以人工智能为核心和重要驱动力，科技赋能是智能技术融入教育的核心价值。

　　始于1978年的教育信息化历史进程已展现出科技赋能的价值，培养了大批信息科技人才，有效支撑了教育改革与发展。以往长期的教育软件应用经验和评价效果表明，目前普遍存在对人工智能即时作用的高估与长期效应的低估。因此，无论是学校教育还是家庭教育、社会教育，都需要开展科技赋能视角下人工智能效应的研究与评估。在智能技术广泛应用并引入教育的过程中，无论何种场景及何种目的，学生成长、教师发展和环境升级都是科技赋能教育的目的和关键指向。

　　第四，教育是最为复杂的重要社会系统之一，存在高度的差异性与不确定性，开展变革推演是科技赋能教育价值体现的具象表征。

　　数字素养与技能提升、持续不断的课程与教学改革以及学校之间、地区之间的教育均衡发展一直是教育变革的现实诉求，这些相关因素需要在变革推演中作为基本变量予以考虑。传统教育教学研究和教学实验难以厘清教育变革的深层机制，需要引入循证研究、数据密集型研究和人工智能手段等。国际上普遍流行的社会实验方法，在人工智能社会治理领域中被广泛认同。在教育领域中开展社会实验和仿真模拟有利于教育变革的推演研究，有利于制定有效的干预措施和政策。

　　第五，智能技术在教育中的不当使用将带来伦理、隐私保护与安全等方面的风险，只有有效的智能技术治理才能保障教育系统变革的有序推进。

　　在学校教育中既存在过度使用的现象，也存在逃避使用的现象。科教融合视野中的科技伦理既有风险与威胁问题，也有不平等使用加剧的技术鸿沟与其他伦理问题。教育领域中的可信人工智能应遵循合乎伦理的、合法的、合规的和鲁棒性的原则。面向智慧社会的教育治理，既要保障人工智能等技术融入教育生态的规范性和有序性，也要利用新技术助力形成精准化、精细化、高效化的教育治理机制，实现教育治理体系与能力的现代化。

　　奥恩. 2018. 教育的未来：人工智能时代的教育变革[M]李海燕，王秦辉，译. 北京：机械工业出版社.

　　陈丽，逯行，郑勤华. 2019. “互联网+教育”的知识观：知识回归与知识进化[J]. 中国远程教育（7）：10-18，92.

　　程天君，吴康宁. 2006. 当前教育学研究的三个悖论[J]. 教育研究（8）：20-24.

　　丛立新. 2019. 教研制度要有自己的坚持和自信[J]. 人民教育（21）：18-20.

　　樊春良. 2021. 科技伦理治理的理论与实践[J]. 科学与社会，11（4）：33-50.

　　关婷，薛澜，赵静. 2019. 技术赋能的治理创新：基于中国环境领域的实践案例[J]. 中国行政管理（4）：58-65.

　　何克抗. 1999. 论现代教育技术与教育深化改革（上）——关于ME命题的论证[J]. 电化教育研究（01）：3-10.

　　洪志生，秦佩恒，周城雄. 2019. 第四次工业革命背景下科技强国建设人才需求分析[J]. 中国科学院院刊，34（5）：522-531.

　　胡钦太. 2019. 回顾与展望：中国教育信息化发展的历程与未来[J]. 电化教育研究，40（12）：5-13.

　　黄荣怀，李敏，刘嘉豪. 2021. 教育现代化的人工智能价值分析[J]. 国家教育行政学院学报（9）：8-15，66.

　　黄荣怀，刘德建，刘晓琳，等. 2017. 互联网促进教育变革的基本格局[J]. 中国电化教育（1）：7-16.

　　黄荣怀，刘德建，闫伟，等. 2019. 雄安新区发展智慧教育的基线调研与政策建议[J]. 中国远程教育（11）：1-14，92.

　　黄荣怀，王欢欢，张慕华，等. 2020. 面向智能时代的教育社会实验研究[J]. 电化教育研究，41（10）：5-14.

　　黄荣怀，张进宝. 2007. 教育软件遭遇生产力悖论[N]. 中国计算机报，07-30.

　　刘铭，武法提. 2021. 场景化学习服务模式构建研究[J]. 电化教育研究，42（1）：87-92，114.

　　刘秀秀. 2019. 新时代国家治理中技术治理的双重维度及其出路[J]. 行政管理改革（10）：65-70.

　　逯行，黄荣怀. 2022. 智能时代的教育改革：教育社会实验的演化及其价值回应[J]. 清华大学教育研究，43（1）：42-54.

　　罗俊. 2020. 计算·模拟·实验：计算社会科学的三大研究方法[J]. 学术论坛，43（1）：35-49.

　　吕森林. 2016. 教育时评：教育信息化何时迎来应用为王时代[N]. 中国教育报，12-26.

　　马克思，恩格斯. 1971. 马克思恩格斯全集（第25卷）[M]中央编译局，译. 北京：人民出版社．

　　南国农. 2002. 教育信息化建设的几个理论和实际问题（上）[J]. 电化教育研究（11）：3-6.

　　容志. 2019. 大数据背景下公共服务需求精准识别机制创新[J]. 上海行政学院学报，20（4）：44-53.

　　石中英. 2017. 穿越教育概念的丛林[J]. 北京教育（普教版）（6）：20-21.

　　苏竣，魏钰明，黄萃. 2020. 社会实验：人工智能社会影响研究的新路径[J]. 中国软科学（9）：132-140.

　　万昆，任友群. 2020. 技术赋能：教育信息化2.0时代基础教育信息化转型发展方向[J]. 电化教育研究，41（6）：98-104.

　　王刚，宋锴业. 2017. 治理理论的本质及其实现逻辑[J]. 求实（3）：50-65.

　　王运武，黄荣怀，杨萍，等. 2019. 改革开放40年：教育信息化从1.0到2.0的嬗变与超越[J]. 中国医学教育技术，33（1）：1-7.

　　王珠珠，费龙. 2015. 信息技术促进教育变革的内涵及其难点探析[J]. 中国电化教育（7）：1-5.

　　吴康宁. 2017. 以“友好方式”向教育实践工作者提供教育理论——关于走出教育理论生存困境的一个思考[J]. 教育研究与实验（5）：1-6.

　　武法提，黄石华，殷宝媛. 2018. 场景化：学习服务设计的新思路[J]. 电化教育研究，39（12）：63-69.

　　习. 2016-05-30. 为建设世界科技强国而奋斗——在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上的讲线]. http：//

　　杨浩，郑旭东，朱莎. 2015. 技术扩散视角下信息技术与学校教育融合的若干思考[J]. 中国电化教育（4）：1-6，19.

　　杨莉娟，郝志军. 2015. 教育实验研究的新思路·新探索·新成果——中国教育学会教育实验研究分会2015年学术年会综述[J]. 教育研究与实验（6）：95-96.

　　杨宗凯. 2018. 以信息化全面推动教育现代化：教育技术学专业的历史担当[J]. 电化教育研究，39（1）：5-11，35.

　　余胜泉，徐刘杰. 2019. 大数据时代的教育计算实验研究[J]. 电化教育研究，40（1）：17-24.

　　袁振国. 2017. 实证研究是教育学走向科学的必要途径[J]. 华东师范大学学报（教育科学版），35（3）：4-17，168.

　　张慧，黄荣怀，李冀红，等. 2019. 规划人工智能时代的教育：引领与跨越——解读国际人工智能与教育大会成果文件《北京共识》[J]. 现代远程教育研究，31（3）：3-11.

　　张学敏，柴然. 2021. 第六次科技革命影响下的教育变革[J]. 东北师大学报（哲学社会科学版）（2）：117-127.

　　黄荣怀，博士，教授，博士生导师，北京师范大学互联网教育智能技术及应用国家工程研究中心（102206）。

　　基金项目：本文系国家社会科学基金“十三五”规划2019年度教育学重点课题“人工智能与未来教育发展研究”（课题编号：ACA190006）的研究成果。