【教育圆桌派】AI赋能教育：机遇、实践与挑战

2025年，全民热议DeepSeek，人工智能与教育深度融合备受瞩目。全国两会召开之际，我们特邀代表委员和专家学者，围绕“AI赋能教育：机遇、实践与挑战”这一主题，展开深入探讨与交流。

主持人

中国教育报-中国教育新闻网记者李韧 黄璐璐

本期嘉宾

刘庆峰　全国人大代表、科大讯飞董事长

焦建利　华南师范大学教授、未来教育研究中心主任

张　琪　淮北师范大学教授、博士生导师

AI赋能教育，政策推进与顶层设计

记者：教育部提出2030年中小学普及AI教育的目标，实现这一目标的关键抓手是什么？在课程体系构建、资源均衡配置、评价机制改革等方面需优先解决哪些问题？

焦建利：中小学人工智能教育应用是全球学校教育的热点，也是我国强国战略的重要组成部分。

2024年11月，教育部办公厅印发《关于加强中小学人工智能教育的通知》，对中小学人工智能教育工作进行系统部署。通知明确，2030年前在中小学基本普及人工智能教育，这为中小学人工智能教育的发展指明了方向。

在我看来，要实现2030年中小学普及人工智能教育这一目标，需要我们教育行政部门、各级各类学校、相关企业、全体教师、学生乃至家长等多方协同。

首先，教育行政部门要做好相关部署和规划。

其次，教育行政部门和学校要制订专门面向教师、学生、家长和教育管理人员的具体、可执行、可操作的规定、指南，帮助大家用好人工智能。

第三，需要地方教育行政部门和学校对全体教育工作人员和学生做好人工智能教育应用方面的培训，提升师生和教育管理人员的人工智能素养。

第四，在课程体系构建方面给予学校更大的自由度，在当前《信息科技》课程有限学时之外，开辟更多课时，尤其是开设专门的面向教师、学生和教育管理人员以及家长的人工智能教育通识课。立足基础和实际需求，分层推进。在资源均衡配置方面，要优先把以DeepSeek之类的大语言模型，作为学校教育新基建和人工智能时代学校的基础设施，优先发展。在评价机制的改革方面，要专门开展人工智能时代教育评价相关课题的研究工作，要突出过程性评价，快速发展人工智能/机器人辅助教学评价，推进人机协同教学，深化学校教育高质量均衡发展。

刘庆峰：这一目标需以课程体系构建、教师队伍建设、资源均衡配置、评价机制革新等关键抓手，要重点解决城乡资源不均、教师能力不足、评价导向偏差等问题。

课程体系构建方面：

完善课程标准：目前，中小学人工智能教育的课程标准还不够完善，需要进一步明确不同阶段学生应掌握的知识和技能，以及课程的教学目标、内容、方法和评价等。

整合课程资源：整合现有的人工智能教育资源，开发一套适合中小学的系统性、连贯性的教材和课程资源。同时，注重跨学科融合，将人工智能与其他学科有机结合，培养学生的综合素养。

资源均衡配置方面：

缩小城乡差距：加大对农村和偏远地区学校的支持力度，通过政策倾斜、资金扶持等方式，改善这些地区的学校硬件设施和教学条件。例如，为农村学校配备先进的计算机设备、网络设施等，确保学生能够接触到最新的人工智能技术。

促进区域协调发展：加强区域间的教育合作与交流，鼓励发达地区的学校与欠发达地区的学校开展结对帮扶、资源共享等活动。同时，利用互联网技术，搭建在线教育平台，让优质教育资源能够惠及更多的学生。

评价机制改革方面：

建立多元化评价体系：改变传统的以考试成绩为主要依据的评价方式，建立多元化的评价体系，综合考虑学生的学习过程、实践能力、创新思维等方面的表现。例如，采用项目式学习、作品评价、竞赛成绩等多种评价方式，全面客观地评价学生的人工智能素养。

关注个体差异：尊重学生的个体差异，根据不同学生的学习特点和需求，制定个性化的评价标准和方案。避免“一刀切”的评价方式，让每个学生都能在人工智能学习中得到充分发展。

张琪：早在2017年，国务院发布《新一代人工智能发展规划》就明确提出中小学阶段应设置人工智能相关课程。多年之后，许多课程仍停留在编程课、机器人等单一领域，或是简单改编高校课程内容。深层次原因在于课程体系的割裂，缺乏符合中小学生认知规律的内容设计。

当前社会对人工智能课程的认知还存在一些误区。例如，担心AI会教坏孩子，或将人工智能视为“拔尖特色”培养课程，认为其过于高大上，不适合广泛推广。与此同时，一些地区通过竞赛推动人工智能教育，也在一定程度上助长了这种认知误区。

AI教育不是培养“码农”，而是培育人机协同的思维方式以解决复杂问题。这要求课程标准必须剥离技术细节，聚焦计算思维、系统思维等核心素养。《关于加强中小学人工智能教育的通知》明确指出要构建系统化课程体系，有效回应了当前面临的关键问题。需要优先推动人工智能课程内容、案例、工具等优质教学资源的跨地域共享，建立东西部区域的数字结对机制，推广“低代码”“不插电”“分层次”的实践和案例项目，确保课程能实现全员参与、常态化开设。

记者：当前部分省份已试点将编程、AI通识课程纳入基础教育，但城乡、区域间资源差距显著。如何缩小“AI教育鸿沟”？

焦建利：过去这几年，部分省市已经率先将编程、AI通识课程纳入基础教育，开展了人工智能助推教师队伍建设工作，在人工智能教育应用和学校课堂教学创新方面，取得了显著成效，而不同地区（包括城乡之间），不同学校之间存在较大差距。为了缩小城乡之间、区域之间人工智能鸿沟所带来的不均衡。我们主张通过如下一些举措：

第一，政策倾斜，构建系统性支持框架：地方教育行政部门要强化顶层设计与资金投入，完善教师培训体系，尤其是高品质、参与式、以学习者为中心的工作坊式的研修学习；推动课程标准化与分层实施。

第二，加快加大校企合作，创新资源共享模式：地方政府要鼓励教育信息化企业技术赋能与教育信息化资源下沉。

第三，建立长效机制，组建跨区域的人工智能教育创新实践共同体的发展，建立监督评估与社会参与途径，建立动态评估体系，鼓励社会力量参与人工智能教育应用与创新之中。

刘庆峰：缩小城乡与区域间的“AI教育鸿沟”，需通过政策倾斜与校企合作协同发力，重点解决资源分配、师资供给、课程适配等问题。可通过校企合作，推动技术与教育深度融合。

科大讯飞AI创新教育通过在中小学课堂开展人工智能通识教育，培养中小学师生在人工智能方面的“鉴赏力、理解力、应用力”，创新开发以“AI课程为核心，AI教具为基础，AI服务为保障”的人工智能创新教育2.0解决方案。

面向区域科学教育高质量发展中课程资源建设、实验教学开展、学习场所构建、社会力量整合以及教师专业发展等关键场景下的核心挑战和难题，依托星火大模型等先进技术，推出AI科学教育。包含科学教学平台、科学探究实践系统、数字化探究实验室等，助力区域教育提质扩面、学生科学素养全面提升、有潜质的科技后备人才早发现早培养。

张琪：这让我想起 20 多年前的农村中小学现代远程教育工程（简称“农远工程”），从“距离鸿沟”到“AI鸿沟”，本质上都是为了破解优质教育资源共享难题、提升教育技术应用能力以及完善配套设施建设的问题。与过去依赖硬件投放的模式相比，现在我们更应关注的是立体化支持体系的建设。

在政策方面，可以设立年度专项基金，优先保障农村学校的基础算力设备和实验室建设，通过区域共享中心实现集约化利用。倡导校企合作与高校合作，聚焦技术下沉与生态共建，开发低成本、轻量化的国产AI教学工具，降低使用门槛。

具体而言，可以通过低代码平台简化编程教学流程。高校和企业可开放云端算力，为乡村学校捐赠AI教学设备，派遣技术人员开展教师培训等方式，提供普惠性技术支持。这些地方的应用往往能产生更真实的反馈和使用数据，从而帮助设计出更接地气的应用与服务。

AI教育的核心在于教师素养的提升，可以考虑在现有的国培计划中，丰富AI教学能力模块，开发基于真实课堂场景的虚拟教研系统。强化教师智能技术应用的意识和认识，形成能力诊断、分层培训、实践跟踪的闭环，并通过构建城乡教师数字成长共同体，以及常态化在线协同备课，促进先进经验的流动和共享。

AI技术赋能教学实践

记者：高校“人工智能+高等教育”典型案例显示，AI可深度参与教学评价与科研创新。这些经验如何向基础教育阶段迁移？

焦建利：尽管高等教育人工智能创新应用与基础教育人工智能创新应用模式不尽相同，但是，总体来看，也有不少共同之处，高等教育人工智能在教学、科研、知识创新和社会服务方面的成功经验，可以在一定程度上为基础教育所借鉴和参考。

比如，建立大学（尤其是师范大学）与中小学的教师专业发展学校，把高等院校的研究与中小学的教育教学实际结合起来；再比如，高等院校人工智能促进科学研究创新和教师队伍建设方面的经验，完全可以为基础教育所借鉴。

当然，反过来看，基础教育在课堂教学创新，参与式教学模式，以学习者为中心的教育哲学等方面，甚至包括学习空间，新型教学模式和教学法探索方面，也可以为高等教育学习和借鉴。

张琪：国内高校已涌现出多个创新性AI教育应用。如“北大问学”平台通过集成生成式语言模型技术，为师生提供精准的AI助教服务，不仅能基于课程教材生成个性化答疑和练习题，还结合检索增强生成技术优化教学资源，体现了AI从工具辅助转向深度赋能的趋势。

参考高校的发展轨迹，应进一步推动资源供给向智能诊断转变，升级国家中小学智慧教育平台，建立覆盖学生预习、课堂互动、作业反馈的全维度数据采集机制。通过课堂行为数据与作业质量数据的交叉分析，以及大模型支持的学科智能学伴和智能化推荐，智能生成分层学习方案，并为教师提供差异化教学设计建议。

需要积极推动AI驱动的教研新范式。强化教师对“教学行为—策略干预—学习效果”的因果分析能力。依托智能录播系统捕捉课堂师生互动、小组协作等微观行为，结合情感计算技术识别学生参与状态，生成可视化教学效能报告，以辅助教师精准改进教学策略，为区域教研提供痛点问题的改进依据。

此外，建立虚实融合的教研协同创新机制。推动基于场景的跨区域教师协同教研，利用大模型模拟不同学情背景下的教学样态，支持教师开展教学策略的模拟推演。教师上传的教学难题经过关键特征提取后，能够关联高校教育研究成果库中的对应解决方案，经一线教师实践验证后还可完善系统的策略库。

记者：自适应学习平台、智能测评系统等工具已在中小学应用，但存在“重技术轻育人”争议。如何平衡AI工具的效率提升与对学生创造力、情感培养的关注？

焦建利：这个问题非常重要，核心和关键在于教师的人工智能素养。教师和教学管理人员的人工智能素养是学校深化人工智能教育应用的基础和前提。其次，地方教育行政部门和学校，需要明确、具体、可操作的指引，要加强对教、职员工和广大师生以及家长的培训，让他们了解人工智能带给学校学习、教学、服务的机遇和挑战。引导教师、学生在教学过程中通过人机协同，充分发挥生物智能（个体的智能）和人工智能的各自的优势，趋利避害，避免滥用，防止过度依赖，在提升学习绩效，深化教学改革的基础上，突出培养学生的创造性思维、问题解决能力和创新能力等。

此外，在人机协同教学创新过程中，教师要把握好人机协同教学的机制，不仅要做好分工，更做好全程监管，做负责任的教师（人机协同，教师负责），把好质量关，把好育人关，突出教师的社会情境学习、心理辅导、创造力培养和情感培养等方面的优势。

刘庆峰：平衡AI工具的效率与育人价值，本质是处理技术理性与教育人文性的关系。通过技术设计的人性化、教学模式的创新化和评价体系的多元化，教育既能享受AI带来的效率红利，又能坚守培养完整人格的初心。

基于“育评融合”理念，科大讯飞五育学生评价解决方案利用人工智能、大数据、物联网等技术，自动、实时、安全地汇聚学生“五育”成长的各方面数据，并基于数百所学校的实践成果，构建了丰富优质的评价指标、校本活动库及面向区域主管部门、学校、教师、学生等多层级的评价报告库。

张琪：自适应学习平台的优势在于通过算法实时分析学生答题数据，从而快速检测知识漏洞并提供针对性训练。然而这种“精准投喂”方式容易将学习简化为知识点填充，过度依赖行为主义理论下的反馈机制，容易导致学生陷入机械化训练。更深层的问题在于，现有平台通过算法固化学习路径，剥夺了学生试错探索的机会，这与创造力培养所需的开放性思维背道而驰。情感关怀的缺失加剧了这一问题，当前学生与AI交互普遍缺乏人际沟通中的共情反馈。

智能平台需要整合学习理论等来设计。如个性化学习理论，强调学习者的主体性和差异性。通过追踪学生的知识掌握度、学习风格及行为数据，构建动态学习模型。再如，基于最近发展区理论，系统能识别学生的当前能力水平与潜在发展空间，推荐“跳一跳够得着”的学习任务。此外，关注认知负荷与元认知支持，可以采用知识图谱技术拆分知识点间的逻辑关系，利用实时反馈机制增强自主学习能力。

融合大模型的推理能力与智能体的自主决策，不仅能辅助内容生成，还能主动支持课堂互动和个性化干预。基于通用大模型，针对区域教学大纲开发微调模块，通过本地化适配满足不同学科、年级及教学大纲的需求。因此，需要关注构建融合学科知识、认知发展规律和情感交互特征的多元语料库。结合科学反馈与递进式问题设计，激励学生内在动机，从而实现主动学习与创新思维的提升。

AI时代的教师角色转型与专业发展

记者：AI时代教师需从“知识传授者”转向“学习引导者”。如何通过培训体系重构（如AI素养专项培训、师范生课程改革）帮助教师适应新角色？

焦建利：人工智能重塑千行百业，学校教育首当其冲。教师必须顺应时代变化，成为人工智能时代的技术派教师，从“知识传授者”转向“学习引导者”，并适应技术无处不在时代的人机协同教学新常态。

为此，对于高等师范院校师范生的培养，师范大学要开设教育人工智能必修课和通识课，加快师范生人工智能素养教育，培养师范生AIGC能力和人机协同教学的能力，提升人工智能时代教学创新。

对于在职教师而言，要全方位利用好教师教育和职场学习的机会，分层次开设教师人工智能教育应用系列课程；推动同侪互助和全球教师实践社群中教师的专业发展；加快人工智能背景下的教师网络教研，帮助教师适应时代新要求，用人工智能为自己的学习、教学、科研和教师专业发展减负、增效、提质，推动学校教育的创新和高质量发展。

刘庆峰：可以制定专项工作计划提升教师智能素养，强化教师在新一代深度推理模型支撑下的智能工具使用、数据分析和信息化教学设计等方面的能力，推动教师全面适应教育数字化转型新要求。

科大讯飞联合中国教育科学研究院打造国产化教育专属大模型，开展基于生成式人工智能的中小学全能教师助手示范研究，共研大模型时代下“教育发展新模式”。我们的星火教师助手，搭载讯飞星火大模型，以“解放教师生产力，启发教学想象力”为目标，以对话式、生成式的自然交互，为教师智能生成科学系统的单元教学规划、创新引领的教学设计、贴合情境的教学课件等内容，提高教师备课效率，助力课堂教学新变革。

此外，我们还为教师量身定制教研资讯学习平台——星火学苑，集专业性、新闻性、服务性为一体，关注教师成长状态，助力教师教学能力提升与教育理论积累；优质课例、创新教学模式、论文、课题等一键获取，还有专项训练营、主题论坛等定期开展。

张琪：智能时代，教师的多维角色身份愈发突出。我们在《教师数字化学习报告》撰写中发现，教师对数字化学习的态度在性别、教龄、级别、学科等多方面存在显著差异性，且能力并非随年龄、级别增长的线性递增关系。但当前各类培训项目还未充分关注内容的差异，教师知能转化和技能迁移不足，还未能建立科学有效的质量评估、教师激励等机制。

教育的本质在于启迪人的智慧。要培育适应未来社会发展需求的接班人，教师要树立超前意识，具备国际视野，并肩负起历史责任。培训应结合各学段实际，以场景导向的实践性知识重构为内涵，设计涵盖不同学段、学科特色的数字化学习课程。例如，新手教师以“沉浸式支架”为导向，年轻教师强化智能技术整合教学法，经验型教师以基地培养为主，由优秀者带领攻克教学难题。积极探索教师数字化学习机制，搭建各发展阶段教师培训平台和研修标准，为其适配成长路径。

师范院校是教师培养的主力军。需要关注师范生人工智能通识课程建设，构建高校师范生智能教育素养体系。基于未来教育场景的人工智能课程图谱，围绕课程设计、流程再造、智能工具应用等产出多样化成果，联合中小学开发教学案例，帮助师范生适应智能时代的角色需求。

记者：部分教师担忧AI可能削弱教学主导权，甚至引发职业替代焦虑。如何看待这一现象？如何通过制度设计增强教师对AI的“掌控感”而非“被动适应”？

焦建利：在过去几年间，随着生成式人工智能技术的发展，的确有不少人，包括一线教师，存在人工智能职场焦虑，甚至担心人工智能引发职业替代，导致自己下岗。

随着技术的进步，今天我们又一次步入了技术替代人力的风口浪尖。人工智能和机器人确实可以替代完成一些过去只能由人来完成的工作。自动驾驶必然会让司机下岗。这就好比英国工业革命时期，蒸汽机的出现会导致传统纺纱工人下岗一样。这是技术进步和社会进步的必然趋势，势不可当。

就教师职业而言，我的看法是，人工智能和机器人不会导致教师下岗。过去不会，现在不会，将来也不会。但是，善用人工智能的教师，可以大幅度提高自己的生产力、想象力和创造力。因此，善用人工智能的教师一定会让故步自封、停步不前的教师下岗。这一点，毫无疑问。

教师要增强自己的“AI掌控感”，不是“被动适应”，唯有拥抱新技术，与时俱进，用生成式人工智能为自己赋能，通过不断学习，终身学习，才有可能做到这一点。

刘庆峰：未来不是属于AI，而是属于掌握AI的新人类。随着新一代人工智能技术迅猛发展，各行各业都存在这样的职业代替焦虑。根本上，需要重新定义AI时代的教师价值坐标系。人工智能时代，教师将迎来双重角色转变：一是从知识传授者到能力培养者；二是从单角色教学者到多角色协作者。为了适应人工智能时代的教育教学工作，教师亟待提升自己应用新技术的能力和“不可用机器替代”的能力与素养，提升技术应用能力、人工智能素养和专业育人能力，将职业焦虑转化为创新动能。

张琪：AI引发的职业替代焦虑是教师对技术发展的正常反应。当前，教师教育模式逐渐转向“师—生—机”三元结构，对教师专业能力提出了更高的要求。教师的主导作用不仅没有被削弱，反而需要更精准地定位自身角色——既要善于利用AI工具优化教学流程，又要坚守教育中的“育人”初心，将情感关怀、价值引导和创造力激发作为教育不可替代的核心使命。

必须将“人在回路”理念贯穿于AI应用的始终，强调技术应用必须始终以教师为决策中枢，确保AI服务于育人本质，而非主导教学逻辑。教师需要在教学设计中主动构建人机协同的良性互动，例如通过动态调整AI工具的介入程度，保留学生独立思考与试错的空间，避免技术过度简化认知过程。伦理意识与批判性思维教育尤为重要，教师应引导学生辩证看待AI技术的边界，使他们看到技术的创新潜力，也能认识算法偏见或数据依赖带来的风险。

提升AI“掌控感”的根本在于强化技术驾驭能力。我们应当将根据学情动态调整技术介入程度作为智能技术应用的重点。同时，需要建立以教师为主导的AI教学评估机制，让教师深度参与制定技术应用的伦理边界与效果评价标准，避免技术指标简单替代教育规律。此外，必须保障教师在AI应用中的自主决策空间，允许教师根据教学目标灵活选择技术介入的深度与方式。

AI时代的伦理挑战与风险防控

记者：AI教育依赖大量学生数据，但隐私泄露、算法偏见等问题频发。如何在推进技术应用的同时完善数据安全立法与伦理审查机制？

焦建利：在人工智能教育应用的过程中，的确存在不少隐私泄露、算法偏见等问题。正因为如此，我们要在普及技术深化应用的同时，加强师生隐私保护和数据安全，推进技术向善，强化伦理审查。

为此，立法机构要加强教育立法和技术立法，教育主管部门要加强引导和指引，技术服务提供商必须承担相关责任，学校要做好教师学生和家长的培训，要突出技术伦理、技术向善、数据安全、隐私保护等相关主题的培训。

作为用户，学生、家长和教师要注意保护自己的隐私，包括生物特征（声纹等），要教导学生掌握技术应用的原则和具体方法，在应用过程中注意保护自己的隐私。

刘庆峰：科大讯飞致力于持续打造自主安全可控的国产大模型底座，以人工智能技术的创新突破助推教育数字化转型，助推教育高质量发展和教育强国建设。

从底层上构建安全可控、隐私保护的基础。科大讯飞在大模型攻关初期，为突破卡脖子封锁，决心要做国产化、内容安全可控的大模型。为此，讯飞与华为共同研发，并于2023年10月发布基于昇腾生态的“飞星一号”平台，2024年10月国产超大规模智算平台“飞星二号”正式启动。

建设教育的专属大模型。在技术相对可控的情况下，我们要确保教育的适切性和内容安全性，这涉及算力、算法、数据和应用场景，数据尤其关键。在研发中，一方面为了确保大模型技术的先进性，我们要向全世界学习知识；另一方面，我们要确保学习到的内容、技术等知识是适切于教育的。

从技术上去解决数据安全的问题。其一，大模型训练不触达个人隐私数据。科大讯飞在教育领域已经有　20　年的积累，可以在不共享原始数据的情况下，共同完成大模型的训练；其二，通过差分隐私技术，在数据共享前加入噪声，隐藏个体的隐私数据；其三，去标识化，把个人的身份的关键信息和数据内容做切割。

张琪：智能教育应用应以促进学生综合发展为核心，遵循“伦理先行”的原则。为此，需构建以预防性治理为基础的治理体系，实现法律约束与伦理规范的协同发力。数据安全立法应聚焦全链条风险防控，明确技术开发方、教育机构及用户的责任边界，并通过动态修订法律条款，及时应对技术迭代中可能出现的新型数据滥用和隐私泄露问题。具体而言，应严格限定教育场景下个人数据的采集范围与使用权限，建立数据生命周期追踪与匿名化处理机制，确保技术应用不逾越法律红线。

伦理审查机制应与立法互补，依据《科技伦理审查办法》细化伦理评估框架，并实施分层审查。对低风险应用应简化审批程序，以鼓励创新。对于涉及人机深度互动、情感计算等高敏感领域，则应强化专家复核与跟踪审查。同时，建立应急响应机制，对突发的伦理争议迅速介入，保障智能教育实践的长期可持续性与正向引导。

记者：生成式人工智能如ChatGPT的滥用可能导致学术诚信危机。学校应建立哪些监管机制，既鼓励技术创新又防范技术依赖？

焦建利：人工智能的发展加剧了学术诚信危机，滥用使得作弊和深度伪造变得更加容易。学校首先要加强学生和教师的学术诚信教育，强化培训，理清清晰明确的边界，制定具体可执行的法规，制定具体的、可操作的人工智能教育应用的指南、指引。学校也可以采购相关的人工智能检测软件，帮助教师检查检测学生习作。

刘庆峰：在教育中使用生成式人工智能要制定适当的政策和伦理规范，建立风险防范机制，加强伦理治理和技术监管，引导和规范人工智能技术向上、向善发展，以确保生成式人工智能成为一种真正造福教育工作者和学习者的工具。在追求技术创新的同时，科大讯飞始终坚守教育伦理，关注学生的全面发展，尤其是素养的培养。为AI技术赋能教育留出发展空间的同时防范技术滥用风险，关键在于建立技术防控、制度约束、文化自觉三重监管机制，保持监管政策的灵活性和适应性，在发展中动态平衡创新与规范的关系。

张琪：应构建分层监管、动态评估与协同治理相结合的机制，形成“引导为基、技术为盾、约束为纲”的治理生态。

首先，建立分级使用规范。明确AI作为辅助工具的边界，允许其参与文献梳理、格式优化等基础工作，但严禁其替代独立思考或生成核心论点。制订AI应用指南、学术公约，确保其使用有章可循，维护学术原创性和独立性。

其次，技术监测与惩戒办法并行推进。开发AI生成内容识别工具，确保对核心思想的有效鉴别。纳入同行评议与校外专家意见，确保学术成果的真实性与可信度。在责任机制上，事前通过学术诚信教育明确AI使用的伦理准则，事中依托技术日志与操作留痕实现过程可追溯，事后基于分级惩戒规则，对蓄意造假者实施学术处分，并与信用记录挂钩，确保惩戒具有实质性的威慑力。

在智能与规范的相互作用中，已衍生出一些技术治理手段。如对用户违规行为的监测、伦理影响的评估以及针对模型漏洞的奖励机制等。近几年，智能技术领域持续强调价值对齐的必要性，其目标是使大模型的能力及行为与人类的价值观、真实意图和伦理准则相契合。展望未来，价值对齐的过程需进一步融合价值理论、交互关系以及社会情境等更深层次的认知。

AI赋能教育，评价体系与未来人才需求

记者：教育部提出探索将AI素养纳入学生综合素养评价体系。评价标准应侧重技术应用能力还是思维培养（如计算思维、AI伦理）？如何避免评价功利化？

焦建利：教育部提出探索将AI素养纳入学生综合素养评价体系。我认为评价标准既要侧重技术应用能力的培养，也要侧重学生计算思维、AI伦理和人工智能素养的评量。因为没有具体的技术能力的培养，素养自然就变成了一句空话。

为避免AI教育评价功利化，教育主管部门可以从评价体系的设计、评价主体的多元化、教育理念的引导以及监督机制的建立等方面入手。

刘庆峰：目前，在教育部教育技术与资源发展中心（中央电化教育馆）指导下，科大讯飞已联合北京师范大学、西北师范大学、南京师范大学等有关高校，研究打造了集素养框架、课程用书、系列课程、教学评价、师资培训“五位一体”的中小学人工智能创新教育综合解决方案。其中，《人工智能技术与工程素养框架》是国内发布的首个中小学人工智能素养框架。

系列课程包含人工智能科普课程、人工智能普及课程、人工智能综合实践课程、人工智能特色专题课程四方面。其中AI文字图书覆盖小、初、高三个学段，包含《人工智能　入门》《人工智能　基础》《人工智能　进阶》《人工智能　高阶》四本用书，由中央电化教育馆人工智能教育专家组指导编写，北京师范大学出版社出版。在授课资源方面与教材全面配套，包含小、初、高三个学段600余课时，包含教学设计、教师手册、课件、实验、学习单、音视频素材等，其中，实验资源覆盖500余个人工智能核心概念及基础原理。多年来，课程已走进千余所学校应用，旨在促进学生轻松学AI，助力中小学高效开展人工智能课程教学。

张琪：最重要的是关注对科技知识的底层理解，应以“思维赋能”而非工具操作为核心构建评价框架。当下，尽管DeepSeek等工具使普通人可以无需编程就完成许多任务，但如果能够理解模型的训练逻辑、数据偏差的形成机制，孩子们将能更深入地利用这些工具解决复杂问题。

评价体系层面，采用证据导向的动态评估，关注学生在复杂任务中展现的思维跃迁与价值判断，在项目中考察需求分析、算法设计到社会影响评估的完整实践。通过全程观察记录，重点评估其如何平衡技术可行性、社会价值与伦理风险。例如，某校在面部识别实践中，不仅考察识别准确率，更关注对学生数据采集中的隐私保护方案设计。

此外，可考虑引入伦理反思日志，定期收集用户对大语言模型发起问题、追问等真实场景中的决策依据，分析其选择背后的价值考量。据此建立区域技术决策系统，通过持续数据积累，动态修正评价指标。

记者：面对AI技术迭代加速，教育应如何前瞻性调整人才培养目标？是否需在基础教育阶段强化跨学科整合（如AI+人文、AI+艺术）？

焦建利：面对人工智能技术的快速迭代与飞速发展，职场发生了并正在发生着翻天覆地的变化，学校教育面临严峻挑战，学校的专业、课程体系、教学方案和人才培养体系必须做出改变，以适应时代的发展。

为此，学校要前瞻性调整人才培养目标，一是要加强宏观战略规划；二是要深化AI课程规划、管理和人工智能教育研究；三是要夯实学生的基础全面提升素养；四是突出跨学科交叉和真实情境中的学习；五是鼓励学校教育和人才培 养创新。

无论是在基础教育阶段，还是高等教育阶段，都需要建立动态的课程体系调整机制，强化跨学科整合，促进在真实情境中的问题解决和知识迁移，全面提升人工智能时代的人才培养的质量和水平，为科教兴国战略和中华民族伟大复兴贡献智力资源和人才资源。

刘庆峰：面对AI技术的快速迭代，教育需从人才培养目标和教学模式两方面进行前瞻性调整，以适应未来社会的需求，基础教育阶段跨学科融合很有必要，让教育回归培养“完整的人”。科大讯飞一直致力于开展智慧教育应用研究，积极推进大模型在教育领域的实践落地，赋能学生个性化学习，全面发展。讯飞星火大模型能够通过识别孩子最近发展区及个性需求，给出动态学习路径规划和适切资源，满足自主学习需求；同时也可以为学生提供1对1英语口语陪练助手，解决学生语言学习难题。此外，讯飞星火大模型还能够提供AI交互式答疑辅学，通过启发引导式提问，实现互动探究式学习，帮助学生减轻学业负担，提升学习兴趣。比如在浙江省建设的在线答疑服务平台——“浙里问学”，融入了讯飞星火大模型技术，不仅提供试题解题答疑，还增加了学习方法、学科知识和习惯培养等智能答疑服务，助力普惠答疑高质量落地，实现规模化教育和个性化培养的有机统一。

张琪：技术革新正重塑社会对人才的需求，未来的公民不仅须具备AI工具的操作能力，更要形成驾驭技术变革的系统性思维、跨领域协作能力及伦理判断力。这一转向要求教育体系突破传统学科壁垒，将跨学科整合作为基础教育的核心路径。

跨学科主题学习活动的关键在于“融合”。意味着以智能技术为“座架”，围绕某一学习主题，跨出主学科的知识、思维，打通不同学科领域的知识、理论和方法和技术。这种学习方式能够点燃学习兴趣和热情，还能够培养学以致用的能力。

AI与人文、艺术的深度融合能够激活知识的“化学反应”。“AI+X”课程体系深度融入AI伦理、数据科学等前沿内容，并将AI工具融入学科教学，引导学生从多学科的视角解构AI原理。其本质不仅是简单的知识叠加，更关注通过“大概念”串联学科内核。例如，以智能社会的公平性为主题，融合社会学、计算机科学、伦理学等多维度内容进行探究，帮助学生全面理解AI对社会的深远影响。

教师角色的转型同样至关重要。在教师培养方面，应推动学科教师向跨学科引导者转型，借助AI支持的协同备课平台打破学科孤岛。需要在基础教育阶段筑牢“科技向善”的伦理根基，将AI伦理教育渗透至各学科教学中，引导学生在智能社会中作出负责任的选择。