摘要:推进“人工智能+”行动，有望深刻改变教育的形态，引领教育走向更加智能化、个性化的高质量发展之路，为解决我国当前教育发展中遇到的一系列难题提供新的思路和方法。“人工智能+”具有创新驱动、效率提升、决策支持、个性化服务等特征，通过改变高等教育观念、丰富高等教育教学手段、打破高等教育评估不可能三角、推动高等教育模式改革、颠覆高等教育结构，赋能高等教育。与此同时，“人工智能+”赋能高等教育面临着个人隐私、教育公平、虚拟情感、认知发展四重困境。为使“人工智能+”更好助力高等教育，应构建教育隐私风险防范体系，建立区域智能教育协调发展体系，健全数据与算法治理体制，构建新型情感教育路径，推进核心素养导向的深度教学。

关键词: 人工智能+  高等教育  新质生产力  智能教育 

人工智能是新一代科技发展和产业升级的新动能，也是新质生产力最核心手段，它在安防、医疗、教育、数字城市以及智慧生活的方方面面都有较好发展。党的二十届三中全会强调，要促进实体经济和数字经济深度融合，完善推动人工智能等战略性产业发展政策和治理体系。2024年《政府工作报告》首次提出“人工智能+”。报告强调要深化人工智能的应用，开展“人工智能+”行动计划。高等教育作为国民教育的重要组成部分，为国家和民族提供了源源不断的人力资源，是“人才强国”战略的重要助推器。大力发展高等教育，为国家发展提供人才储备和智力资源，是各国发展过程中形成的共识。“人工智能+”,为我国高等教育高质量发展提供强大动力支持，将推动教育学理论体系的创新。因此，在立足发展新质生产力、推动教育高质量发展的时代语境下，探索“人工智能+”赋能高等教育的理论逻辑和实践路径，具有重要的理论意义和时代价值。

1 “人工智能+”的理论内涵与关键特征

1.1 “人工智能+”的理论内涵

人工智能是一种让计算机具备类似人类智慧的技术，即通过编程和算法，让计算机可以像人一样学习、理解、推断、思考和解决问题，甚至与人类进行自然语言的对话。人工智能的分类方法主要有两种。第一种是按其发展方向的不同，可分为计算智能，感知智能，认知智能。计算智能能存会算，目前常用的软件为手机计算器。感知智能能听会说、能写会看，如语音识别技术、图像处理技术。认知智能能理解会思考，如Chat-GPT。第二种是根据人工智能的发展层次的不同，分别为弱人工智能、强人工智能、超人工智能和意识人工智能。弱人工智能旨在使计算机系统在特定的任务上表现得比人类更加聪明，如语音识别，图像识别，机器翻译等。弱人工智能系统专注于解决特定的问题，它没有人类智慧的广泛认知和理解，也没有感情。强人工智能能够理解和处理各种任务，具备通用的智能。它可以像人类一样学习不同的领域，理解复杂的上下文，更有自主思考的能力。超人工智能是人工智能的一个假设性阶段，目标是创建比人类更智慧，更高级，更强大的人工智能系统，这些系统会在智力和创造方面远远超过人类，超人工智能的诞生可能会引发人们对伦理和安全的担忧，因为它们可能会脱离人类的控制。意识人工智能是一个更为抽象的概念，它的目标是让人工智能拥有人类的自我意识和主观体验，目前远未达到现实实现的阶段。但是，可以在电影中看到它们，如斯皮尔伯格执导的《人工智能》、亚历克斯·嘉兰执导的《机械姬》、卡拉多克·詹姆斯执导的动作片《极限危情》、艾莱纳·康布里斯主演的《仿生人妻子》。我们现在处于弱人工智能阶段，只能处理特定的任务，比如语音识别，图像识别，自动驾驶，自然语言处理等。

“人工智能+”是对人工智能的超越，主要体现在应用范围、融合深度、创新性三个方面。在应用范围方面，“人工智能+”强调要把人工智能有效应用到国民经济的方方面面，如“人工智能+医疗”“人工智能+交通”“人工智能+家居”“人工智能+农业”“人工智能+教育”“人工智能+金融”,不能仅仅停留于技术研发层面。在融合深度方面，AI+通常意味着AI技术与特定行业的深度融合，而AI本身是一个更广泛的技术集合。在创新性层面，AI+强调在特定领域中通过AI技术实现创新和转型，而AI本身更多关注技术的发展和应用。总之，AI是一个技术领域，而AI+是AI技术在特定行业中的应用和创新。AI+可以看作是AI在特定场景下的延伸和深化，它更侧重于技术与行业的结合，以及这种结合带来的变革和价值。

“人工智能+”就是要用人工智能赋能千行百业，有别于原来的“+人工智能”,其涉及主动融合、行业主导、创新驱动和技术变革。“人工智能+”,核心要义是“主动融合”,强调人工智能技术主动融入到其他行业和领域中，赋能这些行业的创新和发展，而不是将人工智能仅仅视为辅助工具。具体而言，“人工智能+”,不仅仅是被应用到行业，更重要的是作为核心驱动力，对行业进行重塑和升级。“人工智能+”,不仅仅被用来提升工作效率，优化业务流程，更重要的是要利用AI技术开发新产品、服务和商业模式。“人工智能+”,不仅仅是应用AI来提高性能，而是需要对行业进行结构性调整，甚至创造性破坏。

“人工智能+”是新质生产力的代表，区别于传统的“互联网+”,涉及技术革新、产业发展智能化、应用场景广。技术革新方面，较之“互联网+”强调连接、数据共享和在线服务，“人工智能+”侧重于人工智能技术与各行各业的融合，强调智能分析、决策支持和自动化，通过AI技术来实现更加智能化的产品和服务。产业发展趋势方面，“互联网+”标志着从PC互联网向移动互联网的转变，促进了电子商务、在线教育、远程医疗等领域的发展，推动了数字化转型；“AI+”则代表了从数字化向智能化的转变，不仅仅关注数据的收集和分析，还关注如何通过智能技术来优化决策和创新服务。应用场景方面，“互联网+”应用场景多集中在线上服务和数字营销，如在线购物、社交媒体、云服务等；“AI+”应用场景更为广泛，包括智能制造、智能医疗、智能交通、智能家居等，AI技术被用于提升各行各业的智能化水平。

“人工智能+”的应用依赖于三大核心要素，分别是硬件，算法和数据。“人工智能+”硬件是指用于运行和计算人工智能系统的物理设备。在人工智能系统中，硬件通常包括计算单元和存储单元。硬件的作用是提供计算能力，以便更快速地运行和训练人工智能的模型。“人工智能+”算法是一种数学计算方法，在人工智能的学习过程中，用于处理数据、学习模型、执行特定任务等。算法的核心功能是在海量的杂乱无章的数据中提取出有用的信息，并作出预测和执行动作。在弱人工智能时代，不同的算法适用于解决不同的问题，因此，选择适当的算法对于解决特定的任务至关重要。数据是“人工智能+”的基石，数据的种类可以分为文本、图像、音频、传感器数据等。数据用于训练模型，帮助它理解和捕捉数据中的规律和模式，从而做出预测、分类或生成新的数据。高质量的、多样性的、数量大的数据，对于获得准确的模型是非常重要的因素。随着新一轮科技革命和产业变革的深入发展，三要素正在不断的更新和壮大。

1.2 “人工智能+”的关键特征

1.2.1 创新驱动

AI+通过人工智能技术推动传统行业的创新，开发新的产品和服务。创新是行业发展的催化剂，它不仅能够提升单个企业的竞争力，还能够推动整个行业的升级和转型。因此，创新对于保持行业的活力和可持续发展至关重要。人工智能通过与传统行业深度融合，驱动传统行业创新，主要表现在以下几个方面：①AI可以自动化许多重复性高、劳动强度大的任务，提高生产效率和质量；②AI可以处理和分析大量数据，帮助企业做出更加精准和高效的决策；③AI能够根据用户的行为和偏好提供个性化的产品和服务，提升客户体验。随着AI技术的不断进步和应用的深化，其在驱动行业创新方面的作用将越来越显著。

1.2.2 效率提升

在马克思经济学中，生产工具的变革是推动社会生产效率提升的关键因素。AI+通过自动化和优化流程，提高工作效率，降低生产成本。例如，制造业通过AI技术，进行生产数据分析、知识管理平台、智能需求分析等，优化生产流程，提高生产效率，降低生产成本；医药行业中，AI技术用于药物研发、疾病诊断、病例生成、出院小结生成等，加速新药发现，提高疾病诊断的准确性和效率；在能源领域，AI通过电力负荷预测、智能材料设计、能源设施故障预测与维护等，帮助企业提高运营效率，降低成本，并增强安全性。

1.2.3 决策支持

AI+为决策者提供数据支持和智能分析，帮助他们做出更好的决策。例如在金融行业，AI系统可以分析历史数据和市场趋势，预测潜在的金融风险，帮助金融机构做出更明智的投资决策。在医疗行业，AI辅助的诊断系统通过分析医学影像资料，帮助医生快速准确地诊断疾病。在农业领域，通过遥感技术和AI,农民可以监测作物生长状况，及时做出灌溉和施肥决策。

1.2.4 个性化服务

AI+可以提供个性化的服务和推荐，满足用户的特定需求。如在教育领域，AI可以根据学生的学习进度和表现，提供个性化的学习资源和辅导。在医疗健康领域，AI系统可以根据患者的健康数据，提供个性化的健康管理计划。在旅游与酒店业。旅游平台使用AI分析用户偏好，推荐个性化的旅游套餐和活动；酒店业通过AI优化客房管理，提供个性化的客户服务和体验。

图1

图1 “人工智能+”赋能高等教育发展的理论逻辑

2 “人工智能+”赋能高等教育的理论逻辑

2.1 观念转变：“人工智能+”改变高等教育观念

教育观念的转变是教育改革的先导。“人工智能+”的创新驱动性在个性化教育、师生关系、课程设计、工作形式等方面产生了深刻影响，影响了人们的教育观念，展现出“人工智能+”强大的创新效应。“人工智能+”赋能高等教育观念转变主要表现在以下几方面：①转变高等教育目的。传统教育观念认为高等教育的目的是为了让学生拥有一定的知识和技能，以找到更好的工作，获得更高的薪资。人工智能时代，由于生产效率的极大提高，要么人们的工作时间大大缩减，将更多的时间用于自我实现，要么无法找到工作，而陷入存在主义危机。基于此，大学的目的将不再是培养善于工作的人，而是培养区别于机器的人，更加重视人的不能被机器取代的部分，如直觉、同理心、好奇心、求知欲、洞察力、创造力、想象力、社交能力等等^[1];②从课堂学习到泛在学习。传统教育观念认为学习主要是课堂学习，学校一定要有教室、走廊、黑板等硬件设施。研究表明，对学习效果影响最大的因素有：空气的新鲜度、温度以及座位安排。人工智能的引入，可以通过控制这些因素来最大化优化学习效果，学生可以随时随地通过智能设备进行学习，实现泛在学习^[2];③从标准化到个性化。“人工智能+”通过大数据分析、机器学习等技术，为每个学生提供个性化的学习路径和资源，实现真正意义上的因材施教。

2.2 手段拓展：“人工智能+”丰富高等教育教学手段

教学手段是影响高等教育质量的关键变量。传统教学手段尽管在历史上发挥了重要作用，但随着时代的发展，也暴露了不少问题，如教学资源限制、互动性不足、个性化教学困难、教材更新速度慢、缺乏灵活性等。人工智能与高等教育的融合发展，丰富了教学手段，提高了教学效率。①采用沉浸式教学和AR/VR技术，创造生动、直观的学习环境。传统的教学活动几乎都是在教室进行，缺乏具体情境，学生参与感不强；且多是讲授式教学，学生一直处于被动接受信息的状态，学习效果欠佳。VR技术的出现一定程度上解决了传统教学的困难。利用VR技术，小成本模拟真实情境，如历史地理环境、职业工作场所、人际交往场合等，有诸多好处。可以让学生通过观察、操作等学习行为获得具体经验；给学生带来轻松、愉悦的良好体验，进而激发学生的学习兴趣和学习动机；提供丰富自然交互方式，如运用声音、体感等，学生容易获得及时反馈，进而及时反思，形成抽象概念；②引入机器人，改变教育模式^[3]。“人工智能+教育”创造新的教学模式。传统的二元结构——教师与学生，将转变为三元结构——教师、机器与学生。机器成为智能助教、学伴或导师，与师生共同学习、共同成长，这将改变传统的教学、学习和评价方式。随着人工智能的发展，许多智能学习机器人产品涌现，如虚拟助教、虚拟陪练、智能批改、个性化推荐^[4]。教学过程中，虚拟助教可以辅助学生预习课程内容，为学生答疑解惑、提醒学生即时复习等，帮助学生减少不必要的简单重复的脑力工作。又如虚拟陪练。课后练习阶段，虚拟陪练可针对不同类型的学习内容和学生过往的练习情况，设计不同的练习方案，对学生的练习过程进行分析、纠错、记录、答疑、评分^[5];③利用人脸识别和面部识别技术，了解学情信息。传统大班制教学，教师难以关照到每位学生的情况，难以全面掌握学情，做出针对性的教学。人脸识别和面部识别技术的引入，使得教师可以通过录像、面部识别、关键部位抓取和分析，如抓住学生点头、眨眼、凝视等动作，了解学生的学习状态，何时感到惊讶、困惑、兴奋或无聊，进而精准掌握学生的学习需求，从个体和整体层面获取全面立体的学情信息。

2.3 评价赋能：“人工智能+”打破高等教育评估中的不可能三角

教育评估是衡量学生学习效果、教师教学效果、学校教育质量和社会教育公平的重要手段^[6]。目前，高等学校教育评估存在的一个不可能三角，即教育评估的准确、简便、低成本无法达成完美结合，常常顾此失彼。如标准化考试成本较低且流程简便，但不能准确评估学生的学习能力、创新能力和批判性思维能力。一对一面试可以获得更有效的反馈，准确性高，但费时费力。AI+具有决策支持的特性，运用人工智能赋能高等教育，可以同时做到评估准确、流程简化、成本低廉，从而打破评估中的不可能三角。①AI通过学习大量数据，自动生成有针对性的试题，从而更准确评估学生的知识水平。它还能根据学生的实际表现，动态调整试题的难易程度，进而保证评价结果的真实性；②AI可以简化评估流程，在一些在线教育平台中，AI已经成功实现了批量生成试卷和自动评分，大大减轻了教师的工作量；③较之传统的教育评估，AI评估无需耗费大量资金聘请大量评估专家，购买昂贵的评估软件，它可以自动分析学生的答卷，并提供详尽的评估报告，大幅降低成本，体现了“人工智能+”的决策支持。

2.4 方法变革：“人工智能+”推动高等教育模式改革

教学模式是高等教育的重要一环。传统的高等教育一般采用应试教育、班级授课制、“唯分数论”“跟班走”、按部就班、层次分明、专业分明的统一教育模式。诚然，这种教育模式为我国的经济腾飞培养了大量人才，但是，这种教育的弊端也很明显，如过度竞争、难以做到因材施教，进而造成教育质量较低。“人工智能+”具有强大的个性化服务特性，通过赋能高等教育，为学习者的个性化学习开辟了新的空间，提供了新的技术解决方法和手段，创造新的教学模式，如游戏化学习、社交化学习等，提供更加生动、直观的学习环境。“人工智能+”推动高等教育模式变革，实现个性化教育与学习，包括学习风格、学习速度、兴趣和激情、背景知识和经验、情感和心理的个性化^[7]。具体而言，AI利用大量数据来学习和推理，可生成多种类型的教学资料，为听觉型和视觉型学习者提供不同类型的学习材料，实现精准匹配；分析学生的学习进度，自动调学习计划，为学习速度快或慢的学生制定不同的教学计划和进度；分析学生兴趣，设计不同主题的课程和活动，激发他们的兴趣和激情；根据学生的背景知识和经验生成定制化的教学内容；检测学生的情绪，提供初步干预，为每个学生提供个性化的情感和心理支持。AI可以利用大量数据来学习和推理，提高匹配精度，并可进行动态调整。例如，Knewton平台根据学生的测试成绩、学习目标、偏好等信息，为学生推荐符合其水平的课程和教材，为其制定学习计划，并可以根据他们的学习表现进行动态调整。

2.5 结构颠覆：“人工智能+”颠覆高等教育结构

高等教育是一个多层次、多结构的系统。高等教育结构是指高等教育系统的内部各组成部分之间的联系方式、比例关系和相互作用的形式。它包括层次结构、管理体制结构、形式结构、专业结构等。“人工智能+”赋能高等教育，将对高等教育结构产生颠覆性影响。在层次结构方面，人工智能的推广将取代大量技术性人才，造成专科教育缩减甚至取消；人工智能时代对高端人才的需求，将造成研究生教育规模的扩张。在管理体制结构方面，由于人工智能时代的高等教育更加注重学习力和批判性思维的培养，技术类高等教育实施机构会逐步减少；由于AI在传达上级指示、文件和工作以及处理校内事务方面效率大为提升，高等教育行政机构人员将减少；由于AI的图像识别、视觉传达等功能应用于维护校园安全，在非法人员识别、安全预警、安全活动处理等方面发挥重要作用，可减少高校安全管理人员；由于监考机器人可通过扫描识别学生信息，确定学生位置，发放试卷等，考务管理人员数量将减少。在形式结构方面，AI时代，政府将成为未来高等教育唯一的办学主体，个人需要为个性化学习买单；学校教育和社会教育的壁垒将被打破，学校教育作为社会教育的基础。在专业结构方面，AI时代来临，许多工作将被AI替代，原来与职业相关的专业将会减少，教学内容从专业教育为主变为通识教育为主^[8]。

3 “人工智能+”赋能高等教育的现实困境

3.1 个人隐私困境：个人隐私的侵犯更容易、更隐蔽、后果更严重

隐私权包括自由主义隐私权和社会主义隐私权，前者是抽象的隐私权，实际上保障富人和企业的隐私，后者是现实的具体的，强调经济关系中不对称的权力结构，如雇主和工人、企业和消费者之间的阶级关系。随着大数据和人工智能的迅猛发展，人们获取信息的渠道和方式更加丰富，获取信息更加便捷，但是同时也留下了个人信息，个人获取和使用信息的痕迹，个人信息几乎是透明的。现代人似乎处在杰里米·边沁设计的“全景监狱”,无时无刻不被监视。可以说，人工智能时代比以往任何时代对于个人隐私的侵犯更容易、更隐蔽、后果也更严重，对无产者和消费者隐私的侵犯本质是一种资本剥削关系^[9]。①侵犯隐私变得更容易。网联网时代90%的信息都是以数据的形式呈现，依托大数据技术获取个人隐私变得极为容易。即使大数据在收集信息时去除了身份信息，通过机器学习，个人信息依然可能被识别和关联；②侵犯隐私权变得更隐蔽。AI系统可以自动执行任务，无需人工干预，这意味着数据的收集和分析过程可能在用户不知情的情况下进行。AI驱动的面部识别技术可以在公共场合识别个人，不需要个人的同意或知情，这也可能导致个人隐私权被侵犯却无法察觉；③侵犯隐私的后果变得更严重。AI技术的应用往往是跨国界的，一旦发生隐私侵犯，影响可能波及全球范围的用户。除了影响个人生活，还可能左右整个国家的政治、经济与文化生活，如英国剑桥公司曾违规使用5 000万脸书用户数据，利用选民心理画像，针对美国选民进行定向宣传，影响美国总统竞选。

3.2 教育公平困境：数字资源分配不均，算法偏好导致歧视

习近平总书记指出，教育公平是社会公平的重要基础，要不断促进教育发展成果更多更公平惠及全体人民，以教育公平促进社会公平正义^[10]。人工智能与教育融合的初衷是提高教育效率，促进教育公平。然而，现实中却出现数字鸿沟，引发了新的教育不公平。①资源分配不均。AI技术资源在不同地区之间分配存在不平等。北京、上海、广东、江苏、浙江等东部省份起步早、发展快，已经进入技术领先阶段，而西部、中部和东北地区人工智能发展水平则大多处于技术追赶和落后阶段^[11]。根据中国新一代人工智能发展战略研究院《中国新一代人工智能科技产业区域竞争力评价指数(2023)》,中国新一代人工智能科技产业区域竞争力指数排名情况为：北京、上海遥遥领先，排名前5的省份均为东部省份，评分均在28分以上，排名后5位的省份有4个为西部省份，评分均低于3分(1)。富裕地区和学校更容易获得先进的AI教育工具和资源^[12],而贫困地区和学校难以负担这些技术，从而加剧了教育不平等；②算法偏好引发歧视风险。传统教育歧视包括性别歧视、学业歧视、学历歧视。一方面，人工智能会引发新的教育歧视。不同学生的家庭存在经济和文化上的差异，会购买不同类型的人工智能产品，不同处理器、不同算力、不同算级的人工智能设备会直接参与学生的学习与成长过程，造成学生之间的差距不断被拉大。另一方面，人工智能引发的教育歧视更难处理。AI时代的教育歧视可能产生于多个环节，如智能算法的设计、教师对于人工智能的应用、智能算法对学生发展的评估等。可见，消除人工智能引发的教育歧视也将比以往更加复杂，需要多个领域的专家和教师共同努力^[13]。

3.3 教育情感困境：情感教育大大弱化，情感异常现象增加

情感影响着我们生活的方方面面，决定着人类智能的发挥程度，决定着我们幸福感、获得感和成就感的体验，在人的一生中具有举足轻重的作用。人工智能与人类智能的重要区别是缺乏情感沟通，人工智能时代的到来必然给大学生带来情感冲击。①智能领域的竞争加剧了对非智力因素的偏见。随着人工智能时代的到来，当今世界各国的竞争越来越演变为科技战，各国不遗余力地发展科技，培养科技人才，轻视对文化和情感的关注，“重理轻文”“重智轻德”“重理性思维、轻人文素养”“文科无用论”等现象愈演愈烈，加剧了大学生对智力的崇拜，对非智力因素的偏见；②科技创新的效益弱化了情感教育的需求。“科学技术是第一生产力”“学好数理化，走遍天下都不怕”,科技创新确实给我们带来了极大的经济效益和社会效益，这也激发了学生对科学知识的热情。然而这种教育认知忽视了情感教育在整个教育中的重要作用，忽视了大学生的情感需求；③人工智能时代的传播方式影响了情感表达的培养。人工智能的发展，使得社会关系智能化和虚拟化，人们在享受人工智能带来便利的同时，也形成了情感错觉和对虚拟空间的依赖，长此以往，则难以进行有效的情感表达。部分大学生因此形成孤僻的性格，在现实生活中难以沟通，对其成长极为不利。最后，就业替代的压力提升了情感异常反应的可能性。与历次技术革命一样，人工智能革命也会带来失业问题。据麦肯锡全球研究所报告，未来全球有约3.75亿人失业，中国有1亿。面对就业压力，大学生容易产生焦虑、恐惧、神经衰弱等情感异常现象^[14]。

3.4 认知发展困境：认知进入外包陷阱，内外部认知失衡

认知在高等教育学中占据着核心地位，因为它关系到学生如何学习、理解和应用知识。认知外包是指人类将认知任务或认知过程委托给外部工具完成^[15]。人工智能赋能高等教育，大大增加了师生的知识量，但由于人类将大量认知任务外包给人工智能，也带来了认知困境。①人工智能引入高等教育后带来“愚化”现象。马克思曾经指出大机器的资本主义应用使工厂工人变得“愚钝和痴呆”。人工智能本质也是机器，它以另一种形式使人变得愚笨。尤其是生成式人工智能的引入，大大方便了学生寻找答案，但也让学生产生依赖心理。过度使用人工智能工具，导致他们记忆力下降，思维表面化和浅薄化，分析、批判性思维和解决问题的能力得不到充分发展；②认知地位边缘化。学生将大量认知任务交给人工智能，造成学生头脑常常空空如也，长期如此，形成对人工智能的高度依赖，使得学生作为认知主体的地位边缘化，最终异化为人工智能的奴隶；③认知肤浅和碎片化。人工智能虽然使得学生获得信息更加方便、快捷，但是这些信息未形成整体，呈现离散化、碎片化状态，造成学生认知的碎片化和肤浅化。例如，在思政课教学中，老师利用人工智能将知识点推给学生，但是未在学生头脑中形成体系，造成学生只会刷题，难以运用知识解决复杂的现实问题；④认知偏见和极端化。大量学生喜欢的信息、符合学生观念的信息，被智能推荐系统不断地“投喂”给学生，使其陷入“信息茧房”。长期沉浸其中，容易滋生学生的“自以为是”心理，难以与社会其他群体交流和达成共识。通过互联网，他们自己找圈子，找到“志同道合”的朋友，由此不断强化彼此的认知，形成一个个认知极化的群体。

4 “人工智能+”赋能高等教育的实践路径

4.1 风险防范：构建教育隐私风险防范体系

构建教育隐私风险防范体系对于解决“人工智能+”赋能高等教育中的数据隐私问题至关重要，它有助于建立一个安全、公平、高效的教育环境，促进智能教育技术的健康发展。构建教育隐私风险防范体系需要聚焦于制度、技术、思想等方面。①在制度层面，制定和完善相关法律法规，明确教育数据的使用细则，规范数据所有者的被遗忘权和删除权^[16]。同时，建立数据隐私与信用等级联动制度，将数据隐私泄露行为与个人、企业、学校等的信用等级进行联动，形成有效的遏制机制^[17];②在技术层面，采用数据发布、数据加密、访问控制等技术手段来保护隐私。数据发布时采用匿名保护技术，数据加密可采用同态加密、可搜索加密、安全多方计算等方法，访问控制则通过多因子身份认证技术和基于属性的访问控制技术来实现；③在思想层面，培养师生的数据权意识，包括数据决定权、数据保密权、数据更正权等，推动行业自律，使保护数据隐私成为行业的一种自觉行为。这需要教育部门和学校制定相关政策，明确数据权利的基本原则和规范，引导师生认识到数据权利的重要性；对教师进行专门的数据权利培训，使他们能够在教学过程中引导学生正确理解和行使数据权利。需要教师在课程中加入数据权利和隐私保护的内容，通过课堂教学、研讨会、工作坊等形式，提高学生对数据权利的认识；指导学生如何安全地使用网络和社交媒体，了解个人信息的保护方法，以及如何维护自己的数据权利。

4.2 差距弥合：建立区域智能教育协调发展体系

建立区域智能教育协调发展体系，需要综合考虑政策引导、技术支撑、资源共享、人才培养等多方面因素，以实现区域内外教育的高质量、均衡和可持续发展。①制定相关政策，确保各区域在资源共享方面的政策一致性，鼓励和支持跨区域资源共享。一方面，由国家或上级政府机构制定统一的框架性政策，明确资源共享的目标、原则和基本要求；另一方面，建立区域间的协调机制，如成立专门的委员会或工作组，负责监督和指导资源共享政策的实施^[18]。②加强区域内外教育信息化基础设施建设，实现网络互联互通，为智能教育提供技术支撑。这要求进行区域内外的教育信息化基础设施整体规划，包括网络建设、数据中心、云平台等；加强区域内外的网络建设，提高网络覆盖率和带宽，确保网络的稳定性和安全性；建设或升级数据中心，为教育数据的存储、管理和分析提供支持；利用云计算技术，建设教育云平台，提供在线教育服务和应用；制定统一的技术标准和接口规范，确保不同区域、不同系统之间的兼容性和互操作性；③构建区域间教育合作机制和资源的共享平台，实现优质教育资源的跨区域共享。具体而言，建立区域间的合作机制，明确各方的权利和义务，包括资源共享的比例、成本分摊、利益分配等；开发和搭建一个稳定、安全、易用的在线共享平台，支持教育资源的上传、下载、管理和分发；将各类教育资源进行整合，并制定统一的资源标准和格式，便于在平台上共享和使用；对教师进行培训，提升他们使用共享平台的能力，鼓励教师参与资源的创作和更新。

4.3 歧视规制：健全数据与算法治理体制

健全数据与算法治理体制是规制高等教育算法歧视、保障高等教育公平的关键支撑，它是一个全面且复杂的过程，需要政策制定者、技术开发者、数据管理者、法律专家以及社会各界的共同努力。①在规则制定方面，应当制定和完善关于数据保护和算法治理的法律法规，明确数据的收集、存储、处理、传输和销毁等方面的法律要求；制定数据管理和算法应用的标准和指南，包括数据质量、数据安全、隐私保护、算法透明度和公平性等；②在算法监管方面，建立或加强数据保护和算法监管的专门机构，负责监督法律法规的执行，处理违规事件；鼓励政府、企业、学术界、公民社会组织等多方利益相关者参与数据与算法治理，形成合作监管的格局；提高透明度，要求数据控制者和算法开发者公开数据处理的相关信息和算法的工作原理，增加公众对数据处理和算法决策的理解；③在技术创新方面，支持数据安全和算法公平性方面的技术研究，鼓励开发更加安全、透明、公平的数据处理技术和算法模型，开发先进的加密技术、匿名化处理方法和访问控制机制，以增强数据的安全性；研究和实施算法审计技术，定期检查算法决策过程，确保算法的透明度和公平性；加强对数据科学家、算法工程师等相关人员的教育培训，提高他们对数据安全和算法公平性的认识。

4.4 情感培养：构建新型情感教育路径

“人工智能+”赋能高等教育对大学生情感的冲击，使得构建新型情感教育路径显得尤为急迫。党的十九大报告中提出 “培养自尊自信、理性平和、积极向上的社会心态”,这对高校的情感教育作出了方向指引。具体而言，构建新型情感教育路径应从以下几方面入手：①优化情感教育体系。在课程设计上，将情感目标作为重要的教学目标，重视开发参与式、体验式、交流式、互动式的课程模式，实现情感与认知的互相促进；开设专门的课程，教授情感智力、人际交往、压力管理和自我认知等主题，帮助学生理解和管理自己的情感；在专业课程中融入情感教育元素，如案例研究、角色扮演等，让学生在实践中学习和体验情感智力的应用。在教师管理上，减轻教师工作量和工作压力，让教师保持愉悦心情；通过专题培训、集体教研、教师帮扶等方式，提升教师的情感技能。如定期举办情感教育工作坊和讲座，邀请心理学专家、教育工作者和行业专家分享情感教育的知识和技能；②利用人工智能进行情感教育，但要规避潜在技术风险。利用虚拟现实技术，还原历史真实场景，努力营造教学中的情感场；通过智能监控、物联网技术对校园进行无死角覆盖，预防和制止校园霸凌现象；教师可利用AI自动批改学生作业，减少重复性劳动，由此分出时间与学生进行情感交流。但是，当人工智能造成大学生情感风险时，应当限制甚至停止使用。如利用人工智能技术全方位捕获学生语言、动作、表情、情绪，将学生隐私暴露给老师、家长，让学生感到不适，甚至产生情绪性应激反应，这种情况应当停止使用人工智能设备。

4.5 认知训练：推进核心素养导向的深度教学

跨越认知外包教育陷阱关键在于学生需要具备人工智能时代的核心素养，包括足够完备的内部认知网络、良好的思维结构和品质、积极的社会情感。在具体的教学活动中，教师应积极推进核心素养导向的深度教学。①激活系统化的认知结构。缺乏系统化的认知结构，会出现内外部认知网络的失衡与断裂，进而造成认知的碎片化。如果学生形成了结构化的知识体系，碎片信息将可以嵌入知识体系中，进而加深认知深度，形成内涵丰富的知识“组块”,更易于记忆、提取和迁移。因此，教师应该特别重视教授学生体系性、结构性知识，让学生形成系统化的认知结构。这需要教师本人明确课程的知识结构，包括基本概念、原理、理论及其相互关系；使用概念图或思维导图来帮助学生可视化知识结构，理解不同概念之间的联系；遵循由浅入深的原则，先教授基础知识，再逐步引入更复杂的概念和理论；②采用发生学的教学范式。教师应当引导学生更加关注知识的产生过程，从发生学角度理解知识，形成对知识更加深刻的理解，以便迁移到具体情境中。一方面，教师可以通过提出问题或挑战，设计真实或模拟的学习情境，让学生在具体情境中体验和探索知识。另一方面，在讲授知识时，教授应该重点讲授知识的理论发生、历史发生和实践发生；③将人工智能技术作为工具，促进学生高阶思维发展。如将AI作为创意生成工具，提供灵感和想法，帮助学生在艺术、设计等领域中发展创新思维^[19]。此外，利用AI辅助构建协作学习平台，促进学生之间的交流和合作，共同解决开放式问题，激发集体创新。

参考文献

[1]贾志斌.数智赋能的高等教育治理现代化：推进机制与实践理路[J].中国电化教育，2024,(08):80-86.

[2]钟云华，黄小宾.人工智能时代研究生培养目标的价值向度与实现路径[J].贵州师范大学学报(社会科学版),2022,(06):55-66.

[3]余新国，夏菁.人机共融教育：基于教育机器人内部软硬件框架和外显能力体系[J].湖北大学学报(哲学社会科学版),2022,49(04):113-124+175.

[4]罗生全，陈卓.大数据时代教育评价的价值重构与逻辑理路[J].贵州师范大学学报(社会科学版),2023,(04):116-128.

[5]曾家延，彭傲楠.课后服务质量提升的困境及解决路径——来自美国的经验与启示[J].江南大学学报(人文社会科学版),2023,22(01):104-116.

[6]周东波，赵帅，李卿，等.人机协同的大学生个性化教育评价方法研究[J].西安交通大学学报(社会科学版),2024,44(03):21-30.

[7]陈美华，范敏华.人工智能时代中国就业变革：问题与路径[J].福建论坛(人文社会科学版),2023,(04):99-109.

[8]王一凡.教育数据可视化：发展历史、研究热点及典型应用[J].江南大学学报(人文社会科学版),2022,21(05):76-88.

[9]习近平.推进教育公平共享优质教育(谱写新篇章)[N].人民日报.2022-05-05(06).

[10]郑言.中国人工智能产业区域发展差异性研究[J].技术经济与管理研究，2021,(07):36-41.

[11]冯新新.高等教育数字资源高质量供给：价值意蕴、作用机理与体系建设研究[J].科学管理研究，2024,42(02):92-102.

[12]马欢.教育数字歧视的规制逻辑：从技术理性、价值理性到制度理性[J].现代远程教育研究，2024,36(03):46-54.

[13]张莼波.人工智能时代大学生情感教育面临的挑战及其重构[J].高教学刊，2023,9(20):74-77.

[14]余胜泉，汪凡淙.人工智能教育应用的认知外包陷阱及其跨越[J].电化教育研究，2023,44(12):5-13.

[15]臧国全，柴文科，张盼盼，等.个人教育数据的敏感性识别与隐私计量研究[J].情报理论与实践，2024,47(08):84-94.

[16]赵磊磊，张黎，王靖.智能时代教育数据伦理风险：典型表征与治理路径[J].中国远程教育，2022,(03):17-25+77.

[17]张君，林小红，耿雨歌，等.隐私计算+区块链：教育数据伦理研究的新视角[J].现代教育技术，2023,33(09):27-36.

[18]赵冬冬，曾杰，朱益明.智能时代教育共同体建设重构教育生态研究[J].中国电化教育，2023,(09):41-49.

[19]董艳，陈辉.生成式人工智能赋能跨学科创新思维培养：内在机理与模式构建[J].现代教育技术，2024,34(04):5-15.

注释

(1)数据来源：中国新一代人工智能发展战略研究院.人工智能战略院发布《中国新一代人工智能科技产业区域竞争力评价指数2023》.[EB/OL].(2023-05-19)https://cingai.nankai.edu.cn/2023/0519/c10232a512674/page.htm.