智能教育的算法技术规训困境与出路

[摘   要] 人工智能与教育的结合，简称智能教育，是现代教育发展的未来方向。智能教育以算法技术为核心，在强大计算力和精密程序设计下，体现出超出人类一般的教育能力。但是，算法技术规训困境也随之而来，主要表现为数据依赖、算法偏见和强制的分析结果等。算法技术规训困境的产生主要源自对算法技术实践的信任，对教育（学）理论的忽视，缺乏以教师为主体的教育经验与实践智慧的介入，资本力量的隐蔽控制。突破这一困境的做法包括：基于以人为本的教育价值观引导智能教育的算法设计;人类教师理解并协同机器教师共同育人;坚守教育者初心使命，反对伪科学和唯科学教育产品。

[关键词] 智能教育; 算法分析; 技术规训; 教师智慧; 教育价值观

[中图分类号] G434            [文献标志码] A

[作者简介] 孔苏（1989—），男，安徽淮南人。博士研究生，主要从事教育基本理论研究。E-mail：397279802@qq.com。

一、引   言

“算法技术”是将算法当作技术的说法，强调算法作为技术存在的特性。人工智能时代，教育开始出现新的转向[1]，智能教育应运而生。智能教育是依托算法技术而产生的先进教育形态，以计算力和程序设计为核心，在实践中显现出超越传统教育的优势。算法技术是智能教育取得优势的根本所在，但不恰当的理解和应用会出现规训问题。算法技术存在规训的隐忧，已有不少学者予以关注。算法技术自身带有的长期以来的说服效应，规训着人们对其养成习惯性的信任[2]，包括算法规训在内的内在限囿，极易导致技术越位，进而在民生政治参与中衍生出公正性遗失等风险[3]。算法技术潜移默化地影响着人们的思维认知，使公众在算法营造的拟态环境下逐渐被“驯化”[4]。教育领域也未能逃脱算法技术规训，尤其在智能教育口号影响下，算法技術对教育和教育中的人实施规训，包括算法偏见、机器诊断和效率优先等。

二、算法技术规训的教育困境

（一）算法偏见导致智能教育的数据偏好

算法偏见（Algorithm Bias）是由于数据集合、运算规则或程序设计等因素形成的计算思维惯性而导致的结果偏差，它主要表现在算法设计者和机器学习方面。具体来说，算法设计者有意或无意把自我偏见嵌入程序设计，机器学习的原始数据缺乏代表性。

1. 依赖数据的学习诊断可信度存疑

算法偏见存在各种不同类型，“数据导向的偏见”是其中之一，并导致智能教育的数据偏好。从现实表现看，智能教育是基于技术优化的教育类型，核心技术是算法。“再好的算法也不能完美反映客观实在，其中必然存在诸多偏差与偏见”[5]。算法技术抓取“人”的数据，它不区分商业中人的数据与教育中人的数据，更无法因为差异化的教育目的而改变计算数据的规则。智能教育高扬精准的学习诊断，其给出的“诊断”，只是根据认知模型的模拟行为，模拟的准确性来自具体认知模型的建构规则，建构规则的核心是大数据的产生方式和编程方式。以学生解题为例，大数据源自海量的学生解题数据，数据的清洗与筛选等操作都影响着算法的最终结果。对于解题过程的追踪，其准确性受制于解题过程易于反省的程度以及用语言可以解释解题过程的程度。因此，智能教育的诊断，无非是算法从计算好的解的集合中选出一个解。

2. 数据导向的教育实践范式固化单一

算法的实施强化了智能教育的目的—手段范式，越精密的算法越强化这一范式的功能，结果使算法偏见窄化了教育实践的范式。任何教育实践的尝试，如教师尝试新的讲授方法、学生尝试新的解题方法，其步骤和结果都可以由数据进行记录和计算，但根本上这只是一次尝试性的师生教育实践，实践过程并不完全遵循目的—手段范式。算法热衷的目的—手段范式在商品领域的应用效果尚佳，但是，将商品范畴的算法设计复制到教育领域，不一定能发挥作用。智能教育利用算法提供的教育服务是一种有偏好的服务，它服务的对象是数据形态而不是生命形态的人。目的—手段教育实践范式突出表现在寻求教育的线性因果关系。任何一套算法都有抓取数据的方法，以结构化数据为主，形成数据集合，计算在集合中进行，目的是寻找数据因果关系。教育显然不只是因果关系，因果关系属于事实判断，而教育具有价值判断的特性。“教育本来涉及人应当成为怎样的人的价值取向，失去价值的追问，就失去了对根本的、普遍的标准和界限的追问……”[6]不考虑教育价值性的后果是教育被当作被动的客体，算法技术通过“数”的计算把教育置于“数”的场域，教育的世界演化成“数”的世界。

（二）算法分析的强制性遮蔽教师的教育智慧

当前，教育领域存在一种共识，即基于大数据的算法分析的精确性和客观性，超越了教师的主观性和经验性。这种教育共识源于对算法分析的技术崇拜，与算法的神秘化密切相关。

1. 算法分析过程缺少教育对象的实时参与

算法定义表明，按一定程序和规则运算，这是算法的本质。算法是用来执行某项操作的一组指令或给定的过程[7]。算法分析结果可以看作是数据运算结束的表现，在没有新数据输入的情况下，分析结果不会发生变化。这意味着，只要输入的数据是固定的，结果也会固定，因此，可以判定，算法的程序设计是先验的，算法的分析过程是强制的。现实状态下，教师和学生无法即时性地质疑、辩论或对话算法分析结果。与人类相比，算法的分析过程既无情感也无意识，它的分析结果不会随分析对象的情感或意识变化而更改。教育环境中师生对算法分析结果的服从，导致形成算法技术的规训，进一步导致师生在元认知上的惰性，甚至产生无思的结果。“我”解题，算法技术自动分析“我”的认知，“我”是被解构的对象，且解构者并不是“我”。在课堂教学层面观察算法技术的规训会发现：第一，教师表现变成了一串串字符或代码，师生互动回归至原始的刺激—反应联结;第二，师生课堂行为均会被捕捉，包括面部表情、眼动频次等，教室异化成数据采集室，师生成为数据采集的对象;第三，大规模标准化特征变得隐蔽，个性化通过数据堆积成为显性特征，而这种显性特征是程序化和人工化的结果。

2. 算法分析凸显的个性化特征属于数据特征

智能教育所谓实现大规模个性化教育，是指人的个性化，包括教育者和受教育者的个性化，而不是机器的个性化。以教育诊断为例，智能机器是依循算法的程序设计作出诊断，教师通过自身经验作出诊断。显然，前者是客观诊断，后者是主观诊断，但机器的客观诊断建立在教师的主观诊断基础之上。“‘教育脑是通过计算机模拟人类的学习过程，将优秀教师的教学经验变成专家系统。”[8]智能机器教育诊断的实质是把教育过程和教育对象等内容数据化、计算化和输入—输出化。把教育完全置于可计算的境地是危险的，因为教育是人的教育，“在本体论的意义上，人性因为内在性、超越性，任何测评无法测算人性，或者说以数据描述人存在的方式与形式是不可能的”[9]。在无法穷尽教育数据计算的状况下，依靠算法形成的教育大数据分析结果，不过是海量教育数据综合提炼的结果，同样只是教育共性基础上的有限分析，并不是量身定制的教育个性化分析。

实现个性化教育需要教师的教育智慧。教育智慧是教师内在的、综合的能力，主要体现在教育价值观方面。教师的教育价值观浸润于知识、能力和情感领域。目前，算法对教育价值观的分析较为薄弱，表现在以计算方式实施价值分析。算法强制将客观知识作为分析知识价值的基础数据，强制将人的各种能力进行分解计算，强制将情感独立于教育之外。情感计算的数据主要来自对大脑扫描、监测甚至是实验和干预的结果，这是计算过程而不是教育过程。情感计算的结果存在情感类型的固定性与情感判断的随机性特征，隐含分析结果的形式化陷阱。

（三）算法技术的效率倾向加重教育焦虑

算法技术的效率倾向引发新一轮教育竞争与焦虑。“算法的设计初衷是为了提升数据处理的时间效率与空间效率，其结果自然带有明显的效率倾向。”[10]算法技术的效率倾向主要表现在两个方面：一是算法的效率思维，二是量化指标样态的算法分析结果。

1. 算法效率思维破坏受教育者的学习节奏

算法技术等所谓智能技术具有效率思维特性，它是导致教育焦虑的深层原因。例如，两名学生面对同一道题，用更快速度完成解题的学生学习质量更高，因为速度越快，算法显示的学生水平越高。同理，学生的解题方式越多，则算法判断其思维能力越强。算法的判断标准是效率。效率思维导致的教育焦虑，对受教育者来说属于外源性焦虑。外在刺激焦虑的因素和程度难以控制，特别是算法技术持续追求效率，由此对教育产生的焦虑刺激因素和程度更不可控。算法技术的基础资源是数据，效率取决于数据的大小、程序的繁简和设计的优劣等，它不受教育本身的影响，只要教育以数据形态存在，按照计算方式实施，效率倾向就无法得到纠正。教育焦虑也在一定程度上加速算法技术追求效率。例如，家长的教育焦虑产生教育人工智能产品的需求，家长间的教育焦虑演化为教育竞争，从家庭蔓延至学校，家长、学生、教师和校长都卷入其中。

2. 算法结果指标化导致教育走向数字竞争

算法技术的效率倾向一方面由算法的计算属性决定，另一方面由资本运作产生。资本的运作是煽动智能时代教育焦虑的主要祸端。“敏锐的资本已察觉‘唯科学主义与‘教育焦虑联姻所带来的巨大收益。”[11]资本乐于见到教育化作一组组可量化的数据，一项项可比较的指标。资本不关心教育焦虑，只关心由教育焦虑带来的收益，收益的最大化来源于效率的最大化，而资本眼中的效率只有在比较中才有价值。因此，资本驱使算法技术朝着效率方向进化，产生大量以效率为目标的智能教育产品。资本以个性化教育突出算法技术的效率特征，表面是实现因材施教，实质是因算法施教，算法的程式化不可避免，导致的结果仍旧是教育的标准化。更为严重的是，算法为了实现效率最大化，通过计算来匹配受教育者熟识的教育内容及方法，使受教育者熟悉的内容越来越熟悉，陌生的内容基本不涉及甚至人为干预计算陌生内容，从而获得资本满意的数字成绩。

三、算法技术规训的教育根源

（一）教育（学）理论应用的缺失

从“人工智能+教育”到“教育+人工智能”，文字游戏的背后，看不到教育（学）理论的身影，有的只是工程和工业思维下的具体问题。理论缺失带来的是概念上的模糊与混用。智能教育与智能学习差异显著，却在错误混用。智能教育的起点不是探求学生每分钟眨几次眼或注意力转移了几次，真正的起点是越来越接近教育的本质，即人的唤醒。依旧以算法技术为例，算法以数学为理论基础无可厚非，但应用于教育领域，没有教育理论者介入则显得奇怪。也许会有如此议论：“教育学者一行代码都不会写，怎么研发算法呢？”算法本身是技术的，具有排他性，但它在实际上影响教育过程的每个环节，看似很好的算法却可能影响受教育者的身心健康，甚至涉及教育伦理的是非善恶。缺乏教育（学）理论，算法技术如同面对商业和工业等非生命对象行业一样，任意显露算法强大的计算力，也可以称作是暴力计算。失去了教育（学）理论的约束，算法技术对教育产生的不确定性显著增强。算法引导下的数据处理，每一步都意味着一次教育实践，而每次的教育实践都需要教育（学）理论的印证和修正。教育过程的数据信息存在真假，这是教育的特殊性表现，根源在于人的复杂性。这种复杂隐含生命传递信息具有伪装和自我保护的可能，因此，不在教育（学）理论基础上实施的算法分析，只是一种数字活动，不是教育活动。

（二）基于量化证据的教育实证思潮喧嚣

教育教学，特别是课堂教学，讲求证据是常识，然而，只追求客观和量化的证据却显得片面。当代教育实践和研究，更倾向计算机或智能设备采集证据，这为智能技术赋能教育奠定了基础。以算法为代表的智能技术不仅可以赋能教育，更可以颠覆教育。各种学习监测和评价技术系统，尽管替教师分担简单劳动，辅助教师开展教育教学，但类似基于数据的技术系统的过度应用导致教师的经验不再被信任。而类似数据必须由量化产生，但是，在教育教学活动中，教师与学生交往产生的经验很難量化，教师可以凭借自身的经验实施教育行为，并取得很好的教育效果。算法技术进入课堂以来，教师的判断与算法技术的判断时常出现矛盾，更毋庸谈及相关的改善教师教学建议或学生学习规划。为了取得更好的量化证据，学校教室被各种智能设备覆盖，试图全方位地观察、采集、分析和评价教师与学生的表现。然而，这种智能教育，实质上只是摄像头更清晰了，监控时间更长了，视频剪辑更简便了，以及数字堆积更多了。面对这些智能设备，师生开始在教室中变得不自在，情绪、语言和动作都被记录，师生有意识地注意甚至迎合智能技术，这样得来的量化证据意义何在？量化证据所标榜的客观性也存在条件的限制。特别是在教育环境中，心跳、眼动和思维活跃程度，这些证据看似客观却不一定客观。根源在于，基于量化证据的教育实证的作用有限，却被人为夸大了。

（三）资本驱动下的逐利行为盛行于教育行业

“智能+”理念已经与社会现实紧密结合，其中，智能教育被广泛宣传和倡导，比教育研究者、学校校长和教师更为积极的当属教育、科技和产品研发公司。他们利用资本鼓吹算法的教育优势，个别被资本包装的教育专家、校长、教师和学生家长为其制造新闻、获取流量。当然，资本参与智能产品开发有利好，但应用于教育却容易异化成数字游戏。所谓数字游戏，是指智能产品在运用上数据化和数显化，通过不同数字的组合，形成人工智能的所谓大数据优势。当产品通过数字游戏进入学校和课堂后，简便和易操作的实施逻辑又成为产品公司资本竞争和攫取利润的核心。界面简单、操作容易，这些看似对学习者来说的贴心措施，隐含着复杂甚至是混乱的计算过程。简便，是产品精细程度的自然表现，还是研发公司的有意为之，学校作为产品的主要购买方，态度应审慎严谨。在供求关系中，供给方把产品需求转换为成本和收益的计算，购买方在学校影响和教师评价等因素中寻求最优的效率，一场本为提升教育质量所做的交易，却沦为资本、权力和效益的共谋。

四、走出智能教育算法技术规训的策略

（一）由以人为本的教育价值观引导智能教育的算法设计

智能教育算法设计的基础是教育实践。以数据形态构成的教育实践，修正的关键在于设计者的教育体验和感受，也包括设计者的教育（学）理论知识水平。教育的算法设计，一定受教育价值观的作用和影响。教育价值观可能来自算法设计者自身，也可能来自非算法设计者。人工智能的出现，使得教育面临人类智慧和机器智慧并存的处境。智能教育在技术手段上更为依赖机器智慧，通过算法技术发挥智能优势。算法设计的具体形式多是代码组合和数学模型，算法的研发完全依靠程序员，他们是否具有以人为本的教育价值观，决定着算法设计的教育过程是否符合教育规律。除了以人为本的教育价值观，效率为先也是一种教育价值观，它重视教育效率。当确立效率为先的教育价值观，算法设计的中心是效率，提升学习效率、教学效率成为算法设计的目的，教育者和受教育者均变成效率为先算法设计的普通代码。显然，这种教育价值观引导下的算法设计不利于教育发展，特别是不利于教育中的人的发展。效率依托计算，计算的主体是机器，所谓“解决教育学问题”[12]，很可能只是通过计算提升效率以解决教育学的表面问题。

以人为本的教育价值观引导下的算法设计会有以下特征：第一，充分重视人的教育体验，尊重人的身心发展规律。算法设计的每个步骤，会落实到教育实践中，人的教育体验是改善算法设计的影响因素，教育中的人是算法设计服务的对象。例如，以学习为中心观念进行算法设计，算法设计的重心在学生的学，具体表现为智能设备为学提供不同路径和方式，设计学生操作智能设备的多种可能。同一年龄段的不同学生，身心发育各异，完全遵循以学习为中心观念的算法设计不一定适合所有学生。第二，人类智慧统领机器智慧，人的发展取代问题解决作为算法设计的终点。在以人为本教育价值观看来，“问题解决”不是教育目的，不是算法设计的追求。算法设计目前还未能穷尽“人的发展”的可能性，因此，设计上的短板和缺陷亟待人类智慧的补充和完善。

（二）人类教师理解、协同机器教师共同育人

“机器与人各具优势，机器能够快速准确地完成计算、记忆、搜索等工作，而人更擅长推理、决策等复杂认知活动。”[13]算法技术构成的智能机器，在教育过程中发挥教师功能，可以称作机器教师。人类教师理解并协同机器教师实施教育教学、共同开展育人活动，才会避免算法技术在教师范畴内的规训。“智能时代的教师，是‘人师—机师构成的‘双师并存的时代。”[14]机器教师的出现，倒逼人类教师必须具备与人工智能共同生存发展的能力。在本体论意义上，教师不仅是教书育人，更是示范和引领。人工智能学习的数据材料全部来源于教师提供的教学经验和实践智慧，机器教师存储和使用大量教师经验和智慧。因此，人类教师与机器教师间并无根本矛盾，关键是人类教师如何理解机器教师并与之协同。当前，出现了一种言语悖论，一方面承认人工智能无法取代教师，另一方面用人工智能作出的教育判断取代教师的教育判断。例如，目前学校应用人工智能特别是课堂教学应用人工智能，对于学生学习的判断，教师已不再单独进行，而是参照甚至依循人工智能的结论。其实，人类教师与机器教师作出的教育判断依据的是不同的证据材料，人类教师通过经验、感受和价值观分析，机器教师通过历史数据、实时数据及大数据分析。人类教师仅依靠教学经验和实践智慧已不能满足智能时代的需要，人类教师有必要理解认识和接纳利用人工智能，协同机器教师。人类教师在数据意义上理解机器教师，利用机器教师的数据处理和分析优势，重新定义教学经验和实践智慧，即包括协同机器教师共同实施教学的经验，利用机器教师采集、处理和分析数据的实践。“理解与协同”意味着人类教师与机器教师之间是平等关系，人类教师一方面充分利用机器教师的数据优势，另一方面时刻提醒自己避免數据导向。人类教师的很多经验和智慧无法数据化，如实践智慧无法计量，它是教师的实践德性[15]。技术可以在根本上帮助教师和学生成长进步，但教育不是技术活动。在机器教师的智能日益提升的情况下，人类教师的专业发展需要包含与机器教师相关的学习内容。只有人类教师理解、尊重、利用和协同机器教师，由算法技术引发的规训问题在教师意义上才会得以纾解。

（三）坚守教育者初心使命，反对伪科学和唯科学教育产品

教育者的初心使命是让教育变得更美好，教育中的人变得更幸福。美好与幸福需要外在的刺激，更需要内在的发展。资本驱动下的智能教育以各种系统和设备等产品形式走进学校和课堂，看似为了减轻教师的负担，但教师连基本的与其关系的定位都很难确定，由此导致的焦虑和慌张不言而喻。因此，教师与人工智能的合作，亟待确立教师主体的根本地位。除了教师，教育（学）专家和校长等也需要坚守初心使命，参与并把关教育人工智能的产品质量。第一，教育人工智能的研发，特别是算法设计，需要教育（学）专家的论证评定;第二，教育人工智能产品进入学校前，校长需要征求教师代表和家长委员会的意见，并对产品的教育效果做好评估工作;第三，教师在使用产品上具有话语权，教师有权更改或终止人工智能作出的判断或结论。

教育者的初心使命并不是排斥人工智能，而是拒绝伪科学和唯科学的人工智能产品。伪科学意味着产品缺乏必要的科学根据，资本公司夸大产品效用;唯科学显示出产品在科学性上的保证，却陷入技术至上的误区。教育者不仅要擦亮双眼，不被资本公司的宣传所迷惑，又要积极参与进智能教育的研发、设计和使用管理之中。智能教育的本质不是促进某种技术智慧，而是促进生命智慧、人类智慧。任何算法技术和自适应系统技术都不能取代“人”这一生命体在教育中的主体地位，任何试图夸大教育之外作用的做法都值得怀疑。算法技术的目的只有指向人的发展，才能在根本上避免算法技术的规训困境。

[参考文献]

[1] 张欣，陈新忠.人工智能时代教育的转向、价值样态及难点[J].电化教育研究，2021（5）：20-25，69.

[2] 闫宏秀，宋胜男.智能化背景下的算法信任[J].长沙理工大学学报（社会科学版），2020（6）：1-9.

[3] 赵友华.人工智能时代优化民生政治参与的算法逻辑[J].宁夏社会科学，2019（5）：49-57.

[4] 张爱军，王首航.算法：一种新的权力形态[J].治理现代化研究， 2020（1）：39-45.

[5] 谭维智.人工智能教育应用的算法风险[J].开放教育研究，2019（6）：20-30.

[6] 金生鈜.为什么说价值是教育性的[J].湖南师范大学教育科学学报，2015（5）：11-15.

[7] 安德鲁.人工智能[M].刘新民，译.西安：陕西科学技术出版社，1987：28-29.

[8] 黄荣怀，周伟，杜静，孙飞鹏，王欢欢，曾海军，刘德建.面向智能教育的三个基本计算问题[J].开放教育研究，2019（5）：11-22.

[9] 金生鈜.大數据教育测评的规训隐忧——对教育工具化的哲学审视[J].教育研究，2019（8）：33-41.

[10] 肖凤翔，张双志.算法教育治理：技术逻辑、风险挑战与公共政策[J].中国电化教育，2020（1）：76-84.

[11] 李芒，石君齐.靠不住的诺言：技术之于学习的神话[J].开放教育研究，2020（1）：14-20.

[12] 王晶莹，杨伊，宋倩茹，郑永和.计算教育学：是什么、做什么及怎么做[J].现代远程教育研究，2020（4）：27-35，56.

[13] 刘三女牙，彭晛，沈筱譞，孙建文，李卿.数据新要素视域下的智能教育：模型、路径和挑战[J].电化教育研究，2021（9）：5-11，19.

[14] 李政涛.智能时代是“双师”协同育人的新时代[J].当代教师教育，2021（1）：1-4，29.

[15] 曹永国，范太峰.教师实践智慧：误区及其批判[J].教育科学研究，2015（10）：26-31.