人工智能教育治理：逻辑机理与实践进路

doi:10.16382/j.cnki.1000-5560.2022.09.006

摘要/Abstract

摘要：

人工智能作为引领教育创新的内生力量，它在为教育赋能的同时也衍生出了一系列不容忽视的现实挑战，因此在人工智能与教育深度融合的进程中，科学治理尤为关键，而厘清其逻辑机理则是有效治理的坚实基础。为寻求前瞻有效的治理逻辑，必须充分考量多元情境下的创新治理行动。本文运用国际观察与案例研究方法，通过对比全球12份人工智能治理的战略行动，拓展了人工智能治理的全球思路，并以新西兰人工智能协同监管实践项目为例，厘清了人工智能治理的实践流程及教育启发。研究发现，人工智能教育治理的逻辑机理表现为：开放包容的系统情境是前提条件，支持联盟的协同教化是中坚力量，科学完善的监管机制是动力保障。鉴于此，本文提出了我国人工智能教育治理的实践进路：打造开放包容的治理场景，推动人工智能教育治理的系统性；形塑多元协同的治理机制，提升人工智能教育治理的有效性；应用动态预测的治理方法，保障人工智能教育治理的前瞻性。

关键词: 人工智能教育治理, 逻辑机理, 实践进路, 国际观察, 案例研究

Abstract:

As an endogenous force leading educational innovation, artificial intelligence not only empowers education, but also generates a series of practical challenges that cannot be ignored. Therefore, in the process of deep integration of artificial intelligence and education, scientific governance is particularly critical, and clarifying Its logical mechanism is a solid foundation for effective governance. In order to find a forward-looking and effective governance logic, it is necessary to fully consider innovative governance actions in multiple contexts. The study used international observation and case study methods, compared 12 strategic actions of artificial intelligence governance around the world, expanded the global thinking of artificial intelligence governance, and took the New Zealand artificial intelligence collaborative supervision practice project as an example to clarify the practical process and educational inspiration of artificial intelligence governance. The study found that the logical mechanism of intelligence education governance was expressed as follows. The open and inclusive system context is the prerequisite; the collaborative edification of the advocacy coalition is the backbone, and the scientific and complete supervision mechanism is the motivation guarantee. In view of this, the practical approach for artificial intelligence education governance in China are proposed. Create open and inclusive governance scenarios to promote the systematization of artificial intelligence education governance; shape diverse and synergistic governance mechanisms to enhance the effectiveness of artificial intelligence education governance; apply dynamic forecasting governance methods to ensure the foresight of artificial intelligence education governance.

Key words: artificial intelligence educational governance, logical mechanism, practical approach, international observation, case study

李世瑾, 王成龙, 顾小清. 人工智能教育治理：逻辑机理与实践进路[J]. 华东师范大学学报(教育科学版), 2022, 40(9): 55-66.

Shijin Li, Chenglong Wang, Xiaoqing Gu. Governance of Artificial Intelligence Education: Logical Mechanism and Practical Approach[J]. Journal of East China Normal University(Educational Sciences), 2022, 40(9): 55-66.

图/表 5

表 1

全球人工智能治理行动举措"

序号	时间	人工智能战略规划	组织联盟	治理类型及关键举措
1	2016年1月	第五期（2016—2020年度）科学技术基本计划	日本政府内阁	【包容式】：落实数据治理的标准化实施、社会服务平台建设、智能系统应用的原则和情境，形塑“超智能社会5.0”样态（日本政府内阁，2016）
2	2016年10月	为人工智能的未来做好准备	美国国家科学与技术委员会	【审慎式】：制定风险评估、技术成本、应用效益等协同治理原则（Executive Office of the President National Science and Technology Council Committee on Technology，2016）
3	2016年11月	人工智能：未来决策制定的机遇与影响	英国科学办公室	【审慎式】：关注治理决策的问责机制、数据算法、伦理安全（Government Office for Science，2016）
4	2017年3月	国家人工智能研究战略	法国高等教育署	【审慎式】：采取协同治理原则，保障个人数字权益和公共服务体系（Campus France Chine，2017）
5	2018年6月	人工智能国家战略	印度国家研究院	【审慎式】：强调治理的顶层设计和法规约束（NITI Aayog，2018）
6	2019年1月	人工智能监管模式框架	新加坡个人数据保护委员会、信息通信媒体发展局	【审慎式】：关注内部协调、外部监管、决策模型及动态治理等监管流程（Personal Data Protection Committee et al.，2019）
7	2019年5月	OECD人工智能原则	经济合作与发展组织	【审慎式】：制定国际标准，统一人工智能应用的问责机制（Organization for Economic Cooperation and Development，2019）
8	2019年5月	北京共识——人工智能与教育	联合国教科文组织	【包容式】：建立一个“人工智能服务于教育”的平台，作为开源人工智能课程、人工智能工具、教育人工智能政策实例、监管框架和最佳做法的信息交流中心（United Nations Educational, Scientific and Cultural Organization，2019）
9	2020年1月	适当的人工智能监管提案咨询	加拿大隐私专员办公室	【审慎式】：重视人机协同的机理探索，关注人工智能生态监管的未来发展（Office of the Privacy Commissioner of Canada，2020）
10	2020年2月	走向卓越与信任—— 欧盟人工智能监管新路径	欧盟委员会	【审慎式】：围绕“卓越生态系统”与“信任生态系统”，建构了可信赖与安全的人工智能监管框架（European Commission，2020）
11	2020年6月	人工智能时代的监管重塑：新西兰试点项目	新西兰政府和世界经济论坛第四次工业革命中心	【包容式+审慎式】：人工智能治理经验处于世界领先地位，因具备创新特色成为示范标杆并被广泛推广。通过“审视→协同设计→测试→推广”的治理流程，关注包容性的全国对话、明智的监管设计和灵活的风险与效益评估等重点领域（World Economic Forum，2020）
12	2021年11月	人工智能伦理问题建议书	联合国教科文组织	【包容式】：193个会员国集体通过，是关于人工智能主题的首份全球性规范框架。这一框架确定了共同的价值观和原则，确保人工智能应用的可持续发展（United Nations Educational, Scientific and Cultural Organization，2021）

表 1

图 1

图 2

图 3

图 4

参考文献 35

1	塞尔登, 阿比多耶. (2019). 第四次教育革命: 人工智能如何改变教育(吕晓志译). 北京: 机械工业出版社.
2	阿柔娜, 王松. (2021). 数字文化视域下智慧治理的变革与发展. 东北师大学报(哲学社会科学版), (04), 133- 139.
3	范国睿. (2000). 教育生态学. 北京: 人民教育出版社.
4	冯锐, 孙佳晶, 孙发勤. (2020). 人工智能在教育应用中的伦理风险与理性抉择. 远程教育杂志, 38 (03), 47- 54.
5	侯浩翔, 钟婉娟. (2019). 人工智能视阈下教育治理的技术功用与困境突破. 电化教育研究, 40 (04), 37- 43+58.
6	黄荣怀, 王欢欢, 张慕华, 逯行, 汪燕, 高博俊, 杜静. (2020). 面向智能时代的教育社会实验研究. 电化教育研究, 41 (10), 5- 14.
7	李世瑾, 胡艺龄, 顾小清. (2021). 如何走出人工智能教育风险的困局: 现象、成因及应对. 电化教育研究, 42 (07), 19- 25.
8	联合国教科文组织. (2017). 反思教育: 向“全球共同利益”的理念转变?(联合国教科文组织总部中文科译). 北京: 教育科学出版社.
9	卢迪, 段世飞, 胡科, 李福华, 陈熠舟. (2020). 人工智能教育的全球治理: 框架、挑战与变革. 远程教育杂志, 38 (06), 3- 12.
10	卢宇, 汤筱玙, 宋佳宸, 余胜泉. (2021). 智能时代的中小学人工智能教育: 总体定位与核心内容领域. 中国远程教育, (05), 22- 31+77.
11	钱旭鸯. (2019). 加拿大高等教育协同治理的现代性分析——联邦政府的角色转变与治理实践. 比较教育研究, 41 (11), 34- 42.
12	日本政府内阁. (2016). 科学技术基本计划. 取自: https://www8.cao.go.jp/cstp/kihonkeikaku/5honbun.
13	沈伟. (2019). 人文主义与工具理性的张力: 国际组织在全球教育治理中的价值导向和政策实践. 华东师范大学学报(教育科学版), 37 (01), 95- 102+168−169.
14	谭维智. (2019). 人工智能教育应用的算法风险. 开放教育研究, 25 (06), 20- 30.
15	王运武, 洪俐, 陈祎雯, 王宇茹. (2020). 教育应急治理及教育治理现代化的困境、挑战与对策. 中国电化教育, (12), 63- 68+98. doi: 10.3969/j.issn.1006-9860.2020.12.009
16	张珊珊, 杜晓敏, 张安然. (2020). 中小学开展人工智能教育的挑战、重点和策略. 中国电化教育, (11), 67- 72+96. doi: 10.3969/j.issn.1006-9860.2020.11.009
17	朱永新, 约翰•库奇. (2020). 技术如何释放终身学习者的潜能?——朱永新与约翰·库奇关于未来教育与学习升级的对话. 华东师范大学学报(教育科学版), 38 (03), 1- 15.
18	Barrie, J., Zawdie, G., & João, E. (2017). Leveraging triple helix and system intermediaries to enhance effectiveness of protected spaces and strategic niche management for transitioning to circular economy. International Journal of Technology Management and Sustainable Development, 16 (1), 25- 47. doi: 10.1386/tmsd.16.1.25_1
19	Bundesministerium für Bildung und Forschung, Federal Ministry of Education and Research. (2019). The high-tech strategy 2025 progress report. Retrieved from https://www.hightech-strategie.de/SharedDocs/Publikationen/de/hightech/pdf/the-high-tech-strategy-2025-progress-report.pdf?__blob=publicationFile&v=3.
20	Campus France Chine. (2017). Stratégie nationale en intelligence artificielle. Retrieved from https://cache.media.enseignementsup-recherche.gouv.fr/file/Mediatheque/45/1/DP-lancement-strategie-IA_702451.pdf.
21	Department for Digital, Culture, Media & Sport, Department for Business, Energy & Industrial Strategy. (2017). Growing the artificial intelligence industry in the UK. Retrieved from https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/652097/Growing_the_artificial_intelligence_industry_in_the_UK.pdf.
22	Eisenhardt, K. M., Graebner, M. E. (2007). Theory building from cases: Opportunities and challenges. Academy of management journal, 50 (1), 25- 32. doi: 10.5465/amj.2007.24160888
23	Emerson, K., Nabatchi, T., & Balogh, S. (2012). An integrative framework for collaborative governance. Journal of Public Administration Research and Theory, 22 (1), 1- 29. doi: 10.1093/jopart/mur011
24	European Commission. (2020). White Paper on Artificial Intelligence: A European approach to excellence and trust. Retrieved from https://ec.europa.eu/info/sites/info/files/commission-white-paper-artificial-intelligence-feb2020_en.pdf.
25	Executive Office of the President National Science and Technology Council Committee on Technology. (2016). Preparing for the future of artificial intelligence. Retrieved from https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf.
26	Government Office for Science. (2016). Artificial intelligence: Opportunities and implications for the future of decision making. Retrieved from https://assets.publishing.service.gov.uk/government/uploads/system/uploa ds/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
27	Knox, J. (2020). Artificial intelligence and education in China. Learning, Media and Technology, 45(3), 298−311.
28	NITI Aayog. (2018). National strategy for artificial intelligence. Retrieved from https://www.insightsonindia.com/wp-content/uploads/2018/06/National-Strategy-for-Artificial-Intelligence-AI.pdf.
29	Office of the Privacy Commissioner of Canada. (2020). Consultation on the OPC’s proposals for ensuring appropriate regulation of artificial intelligence. Retrieved from https://www.priv.gc.ca/en/about-the-opc/what-we-do/consultations/completed-consultations/consultation-ai/pos_ai_202001/.
30	Organization for Economic Cooperation and Development. (2019). OECD principles on artificial intelligence. Retrieved from https://www.oecd.org/going-digital/ai/principles/.
31	Personal Data Protection Committee, Information Communication Media Development Bureau. (2019). Model artificial intelligence governance framework first edition. Retrieved from https://ai.bsa.org/wp-content/uploads/2019/09/Model-AI-Framework-First-Edition.pdf.
32	United Nations Educational, Scientific and Cultural Organization. (2019). Beijing consensus on artificial intelligence and education. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000368303/PDF/368303qaa.pdf.multi.
33	United Nations Educational, Scientific and Cultural Organization. (2021). Recommendation on the Ethics of Artificial Intelligence. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000380455/PDF/380455eng. pdf.multi.
34	Verbong, G., Christiaens, W., Raven, R. et al. (2010). Strategic niche management in an unstable regime: Biomass gasification in India. Environmental Science & Policy, 13 (4), 272- 281.
35	World Economic Forum. (2020). Reimagining regulation for the age of AI: New Zealand pilot project. Retrieved from http://www3.weforum.org/docs/WEF_Reimagining_Regulation_Age_AI_2020.pdf.