AI可定义为”基于关联的自动化”。当计算机基于数据关联（或专家知识推导的关联）实现推理自动化时，两个根本性转变使计算超越传统教育技术范畴：（1）从数据采集转向数据模式识别；（2）从教学资源访问转向教学决策及其他教育流程的自动化。模式识别与决策自动化意味着可委托计算机系统承担更高层级的责任。AI系统开发过程可能导致模式识别偏见和决策自动化不公，因此教育系统必须建立AI使用治理机制。本报告阐述AI改善教育的机遇，识别潜在挑战，并提出指导后续政策制定的建议。

教育AI应用升温

当前许多教学改进需求尚未满足。教育工作者期待安全、有效且可扩展的技术增强方案，自然关注日常科技快速发展能否提供助力。与大众相同，教育者日常已使用AI服务，如家庭语音助手、语法修正/句子补全/文章生成工具、手机自动行程规划等。许多教育工作者正积极尝试新发布的AI工具，他们发现AI能力（如语音识别）可为残疾学生、多语言学习者等群体提供更自适应、个性化的学习支持，并探索AI在教案撰写优化、教学资源筛选适配等方面的应用。

当前推进教育AI政策的三大动因

意见征询会提出三大动因：首先，AI可能以更低成本、更大规模实现教育目标。例如应对疫情导致的学生差异化未完成学业问题，AI可增强学习资源的适应性；通过自动化助手等工具改善教师工作支持；帮助教师突破时间限制扩展个性化指导；以及增强课程资源对地方需求的响应性。

教育AI政策方向

斯坦福以人为本AI研究院“2023年AI指数报告”显示，AI投资显著加速，伦理（公平性、透明度等）研究持续增长。当然，伦理研究增加正源于问题显现——教育行业同样面临伦理挑战。报告发现25个国家立法提案中AI相关条款数量激增。

​文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！