|

《中国智慧教育发展报告(2024—2025):迈向智慧教育创新发展之路》(订购)
教育科学出版社
加快推进教育数字化、发展智慧教育是建设教育强国的必然要求。近年来,我国通过强化顶层设计、创新政策供给、构建全场景应用生态,纵深推进智慧教育,为教育强国建设注入强劲动能。
《中国智慧教育发展报告(2024—2025):迈向智慧教育创新发展之路》全面分析了2024—2025年中国纵深推进教育数字化的战略举措,深刻提炼从“3C”理念到“3I”路径的创新发展模式,多维呈现了基础教育、职业教育、高等教育、继续教育和特殊教育领域的20个典型案例,生动展现了中国智慧教育实践探索的最新成果。
内容亮点
《中国智慧教育发展报告》是中国教育科学研究院受教育部委托,以构建“国家意志、学术表达”为指向,持续研制和发布的年度重点研究成果。本年度报告由中国教育科学研究院在2025全球智慧教育大会开幕式上正式发布。报告以“迈向智慧教育创新发展之路”为主题,聚焦智能时代的教育发展与变革,全景呈现中国智慧教育的理念进阶和实践进展。“应用为王”作为一条主线贯穿智慧教育发展全过程。随着人工智能重新定义教育,智慧教育内涵得到进一步深化,在教育的理念、体系、制度、内容、方法、治理等方面呈现出全新特征。
报告面向未来,提出全球智慧教育发展的七大趋势:第一,教学思维链创新教育大模型构建理念;第二,智能体推动AI与教育深度融合;第三,以数字教学法引领课堂教学范式创新;第四,STEM创新成为未来人才培养的战略选择;第五,注重以社会情感学习促进人机和谐共生;第六,关注算法治理确保教育技术向上向善;第七,智能鸿沟成为重塑教育公平的新变量。
报告对推动全球智慧教育知识增长、引领智慧教育的实践方向、提供智慧教育发展中国经验具有重要意义。
精彩试读
在广泛文献调研和多轮专家论证的基础上,本报告提出全球智慧教育发展七大趋势,为引领智能时代教育变革提供参考。
一
教学思维链创新教育大模型构建理念
大语言模型正持续进化,多模态、推理、微缩化、端侧应用、检索增强生成(RAG)等技术使其综合能力不断增强。具备深度推理能力的模型能够借助思维链(Chain of Thought)等方式,将复杂问题分步拆解简化,并在生成回答的过程中进行自我反思及验证。然而,通用大模型在教育领域的应用仍面临教学适切性差、逻辑推理不准确、育人效果不佳等挑战,研发教育垂类大模型成为突破点。2024 年 5 月,OpenAI 推出面向高等教育的 ChatGPT Edu 版本,集成其旗舰模型 GPT-4o,支持跨文本、视频、音频进行多模态推理,并具有数据分析、网络搜索和文档摘要等高级功能;同时完善安全机制,支持数据隐私和管理控制,内置了组权限、单点登录(SSO)、跨域身份管理系统(SCIM)和 GPT 管理等功能,以确保教育应用的可靠性。美国可汗学院(Khan Academy)基于ChatGPT 构建了 AI 工具 Khanmigo,将世界级内容库与 AI 驱动支持相结合。与其他只是给出答案的工具不同,Khanmigo 会耐心引导学习者自己找到答案。
中国教育科学研究院借鉴 OpenAI o1、DeepSeek 等大语言模型的技术思路,提出教学思维链这一创新理论与方法,为教育大模型研发提供了坚实的底层架构。教学思维链是蕴含教学逻辑的教学过程表征,关联学科知识和教学法知识,以步骤级教学行为为节点,体现多路径择优的动态链式数据结构。通过引入学科专家认知和强化学习技术,大模型能够自动构建和优化教学思维链。通过借助教师经验构建的知识图谱以及上下文学习,模型可以持续优化教学思维链的精准度,更好地适应不同学习者的需求。大模型通过深度融合学科知识、教与学行为的训练,强化教学语义理解与驱动能力。结合多层次奖励模型和策略优化算法,模型能够不断优化教学适切性和价值对齐,确保教育内容与教学目标保持高度一致。通过生成步骤级的多路径候选思维链,拓宽大模型解答空间,提升处理复杂教育任务的能力。结合“教学适切—逻辑准确”的自评判机制,系统能够对思维链进行逐步评价与优化,推动教育大模型在个性化学习、教育资源优化和教学质量提升等方面的广泛应用。
二
智能体推动AI与教育深度融合
AI智能体的兴起,标志着人工智能从被动、基于提示的工具,转变为能够推理、记忆、学习和执行复杂任务的自主性更强的系统。智能体形态也将从单一智能体发展到“群体协作”,即多个智能体组成网络,彼此协作甚至对抗,完成更复杂的任务,极大提升工作效率。智能体在教育领域应用前景广阔,将引领新一轮教育体系和学习生态的深层次重塑。深度个性化与全场景融合。智能体不仅服务于K—12、大学阶段的正规教育,也会深入到职业培训、终身学习甚至兴趣教育等更广泛的领域。学习者将在多种场景下享受AI的个性化指导。人机协同教学将成为常态,AI根据数据与算法优势提供精准辅助,教师则在共情力、创造性等方面发挥优势,实现教学效果最大化。实现更智能的对话与多模态交互。随着大语言模型的迭代更新,教育智能体对学习内容的深层理解和表达能力将持续增强;对话过程中,系统能更好地根据学生的语境和思路进行引导与启发。结合计算机视觉、语音识别、动作捕捉等技术,学习者可以在虚拟或混合现实环境中进行实验操作、项目协作等。教育智能体能实时追踪学生的操作行为并给出改进建议,提供更加直观和沉浸的学习过程。注重开放智能体平台与生态协作。一些技术领先的教育企业或平台,将会开放部分核心功能或算法接口,吸引第三方研发者或学校进行“二次开发”。“平台+生态”模式将极大加强教育智能体的多样化应用。这不仅代表教育智能体在工具层面的迭代进化,更预示以学习者为中心的教育生态正在形成。
三
以数字教学法引领课堂教学范式创新
随着人工智能等技术迅猛发展,探索数字化学习规律,重构数字化教学的底层逻辑与建设路径的迫切性日益增强,包括如何通过设计和实施学习创新来提高学习成效,如何基于数字技术设计有效的学习环境和教学策略等。由此,智慧教育不应以技术布局为起点,而要转向“教学法优先”。“教学法优先”并非排斥技术,而是意味着更精准、恰当地运用技术去解决问题。只有当技术与教学法深度耦合时,技术的赋能价值才能真正显现。
未来,数字教育发展将进一步加强数字技术与教育教学实践样态深度融合,立足数字化虚拟实验教学、数字化跨学科学习、对话式人机协同学习、生成式人机协同教学等实践探索,推动数字技术深度赋能教育教学。打破封闭边界,构建主体性学习生态。数字教学法与开放式教学法的深度融合,本质上是数字技术对开放教育理念的具象化落地,其核心在于通过技术赋能打破传统教学的封闭性边界,构建以学习者主体性为核心的开放学习生态。实践特征上,数字教学法的开放性体现为角色流动性的深化、资源开放性的升级和学习过程的弹性开放。重塑教与学的组织框架。数字教学法不仅带来了“如何教”和“如何学”的新视角,也带来了教授内容的新视角,创新了学习路径的组织方式,增加了在教学过程中使用多种技术元素的机会。大多数情况下,教师会以新的数字工具和资源带来教学新体验,以智慧教育情境赋予教学独特的创新。更多教学法进入教育教学实践。数字教学法突破传统教学限制,通过数字工具的特性拓展教学法的应用场景,提升应用效能,将多种创新教学形态从理念转化为可操作的实践模式。AI 对话机器人化身私人导师或学习伙伴,实现个性化互动;元宇宙教学法打造虚实融合的沉浸式学习空间,拓展社交与探究场景;多模态教学法通过图片、动画等多元载体,丰富学习与表达路径;播客教学法利用数字媒介强化知识传播与创作实践;线上线下融合教学法依托互动工具构建连贯学习链条。智慧教育创新对教师素养提出更多要求。影响数字化教学成效的因素,包括教师的教学方法、教师使用数字技术的态度和能力,以及确定的基础教学理论或原则。教师不仅需要掌握数字技术应用能力,更要深谙教学法、内容与技术的交叉融合方法,以正确态度与适配理论为支撑,不断提升数字化教学成效。
四
STEM创新成为未来人才培养的战略选择
随着全球教育改革不断深化,STEM教育以其跨学科整合与实践导向特点,成为培养未来创新型人才的重要基石。各国纷纷将STEM教育作为国家发展战略的重要组成部分,确保学生具备应对未来挑战的能力,培养在尖端科学技术领域活跃的下一代人才。
未来STEM教育将深度融入智能教育生态,通过技术赋能、课程重构和评价创新等推进策略,培养具备数字素养、创新思维和社会责任感的复合型人才。STEM教育与新技术整合将改变教与学格局。STEM教育与新技术整合有助于创造动态、交互和个性化的学习环境。美国通过个性化学习、智能辅导和数据驱动决策等推进STEM教育创新。德国新修订STEM建议,大力推行“STEM友好型学校”,突出数字技术的重要性,强调STEM教育与数字教育及可持续发展教育应实现更深层次融合。跨学科学习将进一步嵌入STEM教育。智能时代的STEM教育将打破传统学科壁垒,构建“AI+X”知识体系,实现跨学科知识融合。STE(A)MIT研究项目创建了欧洲首个综合STEM教学框架,将跨学科教学作为基本原则,结合多学科背景教授课程。教师要将STEM学科与其他领域进行联系以促进教学情境化,通过项目式学习(PBL)等教学方法促进综合STEM教学。STEM教育将致力于能力的持续升级。STEM教育未来将更为强调培养适应能力、批判性思维和持续学习技能,为适应快速变化的社会保持长久的竞争力。随着自动化技术普及,许多重复性工作将被机器取代,人类核心竞争力将转向创造性思维和复杂问题解决能力。
五
注重以社会情感学习促进人机和谐共生
人工智能已经具备一定的情感模拟能力,正逐步进化为“共情机器”,给原生态情感交流带来了冲击。长期身处人机互动环境的学生,习惯于程式化的情感交流模式,弱化了对真实人际交流的敏感度和共情力,出现“数字移情”现象。人机互动与现实社交失衡,心理健康问题和社交隔离等现象日趋普遍。同时,青少年对智能技术的盲目崇拜和过分依赖,导致主体性发展缺失,思维惰性出现。如何更好地促进智能时代人机和谐共生,需要寻找核心切入点和关键突破口。联合国教科文组织发布《教育2030行动框架》(The Education 2030 Framework for Action),将社会情感学习提上全球政策议程,作为评估国家人才竞争力的新指标;发布《将社会情感学习纳入主流教育系统:政策指南》(Mainstreaming Social and Emotional Learning in Education Systems: Policy Guide),明确构建以社会情感学习为核心的教育新范式。
社会情感学习已然成为智慧教育发展的重要内容。社会情感学习将走向全龄化覆盖。社会情感学习对提升从小学到高中各年级学生的情感能力并助力其未来发展具有重要意义。同时,社会情感学习面向对象的年龄范围将得到进一步延伸和拓展。成人的社会情感能力将对儿童学习起到关键作用,未来将建立面向成人的社会情感学习体系。数字技术将有机融入社会情感学习项目。数字技术将作为促进社会情感学习的有效工具,极大提升社会情感学习项目的创造性和灵活性。教育系统和科技公司合作开发适合青少年社会情感学习的数字工具和平台,如在线情绪管理课程、虚拟社交互动平台等,将帮助学习者在数字环境中提升社会情感能力。营造支持性学习环境尤为关键。社会情感学习并非孤立的课程或活动,而是渗透于学习者的整个生活和学习场域的。智能时代的泛在、终身、全方位学习特征,更使社会情感学习覆盖学习者成长的全阶段、全维度及各类教育场景。未来,应构建面向所有参与者的全面连贯的支持性环境,整合物理空间与数字平台的优势,为社会情感学习提供持续助力。
六
关注算法治理确保教育技术向上向善
人工智能技术在重塑教育生态的同时,也伴随着可解释性不足、潜藏算法偏见、数据隐私和安全脆弱等风险,凸显了全球治理的紧迫性。作为智慧教育发展的核心驱动引擎,算法可以赋能个性化学习、教育空间优化与教师减负,也可能被滥用或误用而导致教育同质化、人的主体性消解及教师教学技能退化。因此,构建“向上向善”的算法治理体系,已成为推动智慧教育发展的关键命题。
全面审视算法教育应用的利弊,采取措施规制算法权力,寻求突破算法局限的转型路径颇为重要且迫切。“以人为本”的价值观成为“驾驭”算法的前提。将正确价值观纳入数字教育决策设计,不断优化算法设计。定期对算法工程师进行伦理与道德专门培训,树立“科技向善”的价值理念,明确算法所承担的道德义务和社会责任,让算法不仅有“精度”,更有“温度”。明确算法的教育限度成为善用算法的核心。算法的教育限度包括认知边界、伦理边界和法律边界,算法决策具有“有限理性”特征,算法推荐可能形成“认知茧房”,数据采集存在“合理使用”阈值。教育者必须设立清晰、准确、合理的运用边界和使用范围,而不是毫无戒备地接受算法规则及其条款。开放数据与可解释性成为刚需。算法设计者应公开数据的来源、类型、收集方法和处理过程,并提供关键特征解释,确保教育数据来源可查、内容可查、应用可查。规范数据备份流程,及时备份数据,确保数据备份记录具有合法的可访问性与不可篡改性,保证数据完全真实与不可伪造。算法提供者需及时有效地向教育利益相关者公布算法机制机理,解释决策过程及应用,确保算法公开透明。
七
智能鸿沟成为重塑教育公平的新变量
以人工智能为代表的数字技术不断发展,加速渗透至各行各业。然而,技术普及并未自动消弭不平等,数字技能、数字使用等方面的鸿沟持续凸显,尤其是新的教育不平等——“智能鸿沟”悄然浮现。联合国教科文组织报告指出,人工智能教育的发展存在“加剧数字鸿沟和学习不平等,将边缘化和弱势群体排除在人工智能教育之外”的风险。
在教育领域,未来将面临接入鸿沟、素养鸿沟和智能鸿沟叠加的新局面。智能鸿沟具有普遍性和隐蔽性。智能技术应用中,算法排序、偏见、监控和歧视会对学习者进行隐性区隔,使其困于信息茧房。另外,无论学习者是否充分接触和有效使用智能教育产品,都会不自觉地受到算法的驯化和规控,滋生思考与认知的惰性。接入鸿沟和素养鸿沟让城乡智能鸿沟被叠加放大。在智能教学设备与环境配置、教师获取前沿智能技术培训及接触先进应用场景的机会、学生可浸润的智能产品与服务生态,以及智能思维与创新能力培育等方面,城乡学校间仍存在难以逾越的鸿沟。思维鸿沟导致生存和参与鸿沟的延续。智能技术获取的差异必然引发不同群体智能思维的分化,进而造成生存能力、权利保护水平的差异,以及自我表达、社会参与水平和社会影响力的失衡,催生新的社会分化。同时,不同人群对技术异化风险的认知、反思与对抗能力的差异也将持续凸显。
本文节选自《中国智慧教育发展报告(2024—2025):迈向智慧教育创新发展之路》,教育科学出版社2025年11月出版。
来源:教育科学出版社
|