“实践智慧”的算法困境：基于实践哲学的人工智能教育应用制度设计反思
谭维智;彭姿铭;人工智能在教育中的广泛应用使得算法成为教育活动的制度性构成要素，这在提高教育运行与治理效率的同时，也令主体实践智慧逐渐式微。从实践哲学的视域出发，教育活动制度与主体实践智慧分别代表了实践理性的规范与现实倾向，实践智慧发挥着联结制度与具体教育活动的知行合一作用，能够对制度进行情境化裁量、创造性转化与反思革新，而制度的不完备性本质是实践智慧发挥作用的前提。算法对教育活动制度的侵蚀导致实践智慧的三重作用无法充分发挥，造成了知行分离的实践智慧困境，表现为实践智慧的萎缩、失能与架空。对此，应从制度设计出发，确立留白的设计原则，通过边界留白、阐释留白与责任留白，在教育活动框架层面结构性地支持主体实践智慧的运用与发展。
教育的“算法化生存”:技术哲学视域下的制度伦理批判
刘复兴;李皎菡;檀慧玲;在数字技术与教育深度融合的当下，教育的“算法化生存”成为不可逆转的发展趋势，既催生了智能化教育新形态、拓展了教育高质量发展的新可能，也引发了本体论、认识论、实践论与伦理观层面的多重异化危机。从技术哲学视域审视，危机根源源于技术迭代与人的发展存在潜在张力、算法作为社会建构性制度的属性局限以及技术理性渗透公共决策催生“算法统治”的风险。为消除异化、构建人与算法的共生生态，需从本体论、认识论、实践论与伦理观四个维度重构教育体系，并通过培养目标确立、素养要求构建、课程制度重构、教学制度革新、评价制度完善等制度变革，明确算法时代教育异化的破解逻辑，为教育体系重构与制度革新提供具体框架，实现人与算法的协同共生。
人机协同学习伦理决策框架与算法审计研究
丁继红;王佳;方镭钧;生成式人工智能和教育场景深度融合正催生出人机协同学习范式，也引发了价值性侵蚀、主体性弥散、因果链断裂三大相互关联、逐层演进的伦理困境。为应对上述困境，研究构建了“原则锚定-动态规制-责任拓扑”三层伦理决策框架，将“以人为本、技术向善”理念转化为涵盖认知主权、协作增益正义、教育可错性与数据关联主权的操作性原则，并嵌入学习全过程进行动态规制。为确保该框架落地，进一步设计了覆盖设计前审计、运行中审计、影响后审计的三阶协同算法审计模型，推动伦理治理从事后检查向全周期嵌入、双向校准的范式转型。最后，提出“标准引领-机制协同-素养赋能-生态优化”四位一体的实施路径，以期为引导人机协同学习可信发展、构建技术向善的智慧教育生态提供理论参考与实践指南。
风险分配的非正义：数字教育产品应用中的责任漂移与多中心管控机制构建
付卫东;张杉;数字教育产品是教育数字化转型的核心载体，承担着推动学习范式变革与促进教育创新发展的关键使命。然而，数字教育产品的研发与应用尚处于起步阶段，政府、企业、学校与家庭四大主体之间责任分离导致数字教育产品效能衰减。政府部门“有组织不负责”,难以形成治理合力；企业以追求经济效益至上，存在“算法黑箱”现象；学校中师生数字素养培养不足，应急响应治理缺失；家庭中父母对数字技术高度依赖，监管方式欠缺，由此引发出技术治理的结构性风险、价值共识的内核性风险以及信息失真的环境性风险。据此，构建了一个权责清晰、相互制衡的多中心治理框架，增强政府部门引领作用，推动多元主体协同治理；强化教育企业支撑作用，激发产品制造内在活力；发挥学校教育连接作用，推动人机协同深度融合；凸显家庭教育主体作用，引导父母养成正确监管方式，以提升数字教育产品的安全性、可用性及教育公平性。
LLMs多阶段融合赋能高阶能力发展的智能对话式学习框架设计及作用机理研究
姜强;解荞旭;刘盼;杨宇鹏;赵蔚;高阶能力的发展已成为学生适应未来社会与实现终身发展的核心素养与关键支撑。利用大语言模型支持高阶能力发展被视为一种有效路径。然而，当前单一的大语言模型存在可解释性弱、稳定性不足等内在局限，在系统化、深层次的高阶能力培养方面仍面临挑战。为此，本研究基于ARCS动机理论，提出一种多大语言模型(LLMs)多阶段融合赋能的智能对话式学习框架，将不同大语言模型有机融入学习活动设计与任务实施过程，从多个维度考察LLMs对学生高阶能力发展的促进作用。研究结果表明：(1)LLMs多阶段融合支持下的学习活动能够整体显著提升学生的高阶能力与学习绩效；(2)LLMs介入增强了学生在学习活动中的社会情感能力，并在延迟测试中保持了学习绩效的显著提升；(3)学习动机、任务复杂度与交互强度是预测高阶能力发展的显著因素。此外，本研究从LLMs多阶段融合激发学习动机、强化认知投入、适配任务复杂度以及增强交互强度四个维度，剖析了该框架赋能高阶能力发展的作用机理，为推动教育高质量发展、实现从知识传递向能力塑造的育人范式变革提供了理论支撑与实践进路。
VR环境中学习者认知状态的表征与应用研究
胡翰林;刘革平;有效诊断VR学习过程中学习者的认知状态是衡量VR学习效果的关键，也是实现个性化VR学习的基础。针对当前VR环境中学习者认知状态诊断忽视认知状态动态性、多模态数据缺失的现实困境，研究首先明确VR环境中学习者的认知状态，分析学习者认知状态表征的内涵，并基于此构建VR环境中学习者认知状态表征框架，包括多模态数据采集、认知图谱构建、交互特征构建、认知追踪模型构建与教育智能体构建等。接着对VR环境中学习者认知状态表征框架进行实践应用，以大学物理实验“用惠斯通电桥测电阻”为具体学习内容进行VR学习环境设计与开发，采集VR实验过程中的多模态数据，并利用DKVMN模型实现学习者认知状态追踪。模型效果分析表明其具有较好的性能与准确性；认知追踪结果分析表明其能够有效建模VR学习过程中的动态认知状态；结果解释与学习干预智能体能够对认知追踪结果进行分析解释并基于此提供VR学习干预。
公告栏
下载中心
网站访问量
今日访问量: 35