以ChatGPT为代表的生成式人工智能对教育带来重大影响。ChatGPT赋能教学,推动教学模式从“师-生”二元结构转向“师-机-生”三元结构,促进教学内容从人工生产转向智能生产,催化“知识+素养”的测评模式;ChatGPT赋能学习,推动学习空间泛在化,满足学习过程全覆盖的个性化需求,形成人机协同的学习模式;ChatGPT赋能育人,推动育人理念转向高阶能力培养和综合素养培育,创新学科融合的育人模式。面对ChatGPT引发的冲击,我们要充分重视、冷静思考、积极应对,既要加快发展具有本土化特色的高水准竞品,又要深入研究人机协同的智能教育学规律,妥善处理教育的变与不变、公平与效率,以及技术的专用性与通用性等重要关系,正确把握人工智能技术与教育融合发展的方向和路径,引领教育体系结构与运行机制变革。
名为ChatGPT的生成式人工智能应用产品一经问世就引发了社会各界的关注,尤其是它表现出的教育创新价值更受到热烈讨论。由于具有先进算法、强大算力和海量数据基础,ChatGPT可以在与用户进行交互的过程中实现自主学习,从而智能化地提供问答、翻译、写作等服务。此外,最新发布的ChatGPT升级版——GPT-4还可以更好地解决实时问题、进行逻辑推理、完成创意写作。在教育领域,ChatGPT既可以成为教学辅助工具、解答专业学术问题、搭建自主学习平台、节约人力资源成本、重构学校教育结构等,为教育创新提供新的机遇;同时,它也会带来一些风险与挑战,比如对教师角色定位、人才培养目标、传统学校秩序等产生冲击,进而导致技术依赖、学术滥造、智能歧视等问题。当前,技术变革正在不断推动教育创新,这要求我们必须积极且谨慎地对待新型技术,通过加强有组织科研实现智能技术自立自强,通过修订相关法律法规筑牢国家数字安全屏障,通过明确数字伦理标准增强应用服务透明度,通过转变人才培养观念形成教育评价灵活思维,力求在迈向人机共教的进程中创造人类文明新形态。
潜在类别分析和潜在剖面分析相应的模型统称为潜在类别模型,它是根据个体在观测指标上的不同反应模式将其进行分类,从而达到识别群体异质性的一类统计方法,在教育学、心理学等社科领域日益受到应用研究者的关注。然而现有的中文文献对此类模型的统计原理和分析步骤的介绍不易为教育研究工作者所接受。本文系统讲述潜在类别模型的基础知识、统计原理、分析步骤和Mplus程序,厘清潜在类别模型的后续分析所涉及的多种方法和选用策略,有助于增进应用研究者对潜在类别模型的原理理解和方法掌握,推动潜在类别模型在教育研究中的应用。
饱和业已成为判断质性研究质量、说明样本量合理性的重要标准。本文系统梳理了三类饱和概念——理论饱和、主题饱和与数据饱和,指出研究者要考虑自身的整体研究设计以决定采信何种概念。此外,还介绍了三种记录和判断饱和的方法,它们分别是结构性编码本、饱和表以及概念深度量表。其中,结构性编码本较为适合采信演绎主题饱和与数据饱和概念的研究;饱和表主要有主题饱和表和编码饱和表两类,较为适合采信既定主题饱和模式、特别强调既定主题能够得到数据有效支撑的研究;概念深度量表尤为适合采信理论饱和模式的研究。本文指出,“度”的概念较好地把握了饱和的本质特征;质量(充分)而非数量(多少)是饱和的关键;饱和本身应当是具体的方法论实践,重视饱和,并对取得饱和的过程进行清晰陈述,有助于提升质性研究的规范性、透明度、质量和认可度。
基于2003—2021年10次全国高校毕业生就业状况调查数据,对中国高校毕业生就业的特点和变化趋势进行了实证分析。主要结论包括:第一,从毕业去向看,正规就业比例创新低,升学比例持续走高;落实率下滑,待就业率回升,不同学历的落实率趋同。第二,从就业质量看,学历越高则起薪越高、增长越快;相对起薪呈现“L”型下降趋势;近五成毕业生的起薪低于期望;就业满意度波动上升。第三,从就业结构看,大中城市就业比例超过八成;民营企业的就业占比跃升第一;企业就业比例先升后降、超过五成;职业类型从同质化、趋向多样化、再回归同质化;教育行业成为毕业生首选。第四,从就业匹配看,适度教育比例先降后升、超过70%;专业不对口比例约为40%。第五,从求职状况看,学校是最主要的求职信息来源;求职次数并未随时间推移逐渐走高,存在“有业不就”现象;人情费、交通费、置装费是3项主要求职支出;能力是影响就业结果的第一要素;择业意向稳定,偏好向“前/钱”看。
我国的中小学人工智能教育起步不久,由于缺乏统一的课程标准,在课程的性质与目标、教材开发和学业评价等方面仍然面临诸多理论与实践困难。华东师范大学联合上海人工智能实验室编写《中小学人工智能课程指南》,从课程性质与基本理念、核心素养与课程目标、课程结构、课程内容与要求、学业质量评价标准、实施建议等六个方面,构建一套科学开放的中小学人工智能课程指南,为我国中小学人工智能教育体系建设提供参考。
ChatGPT/生成式人工智能作为人工智能的最新突破,自发布后在教育领域引起了广泛关注和热议,需要从理论和实践的角度分析和探讨其对教师工作带来的变革。通过借鉴比斯塔“教育之弱”和杜威“交流行动哲学”的理论思想,深入思考ChatGPT和教育的融合本质,认为根据“强式教育”和“弱式教育”不同的思维取径,教师和学校具有截然不同的可替代性。教师工作应注意教育的价值伦理取向,把握教育的特性,在个性化学习、教师负担、教师自身成长等方面抓住ChatGPT带来的机遇,在学习目的、教学过程和设计、评价方式等方面积极应对ChatGPT带来的挑战。从教育的根本任务和“素养本位”的教育入手,围绕教育者数字信息素养,本文提出新时代教师素养结构新要求包括立德树人的能力、数字化时代的专业伦理、人工智能融合教学的能力,以及更新课程—学习—教学—评价的能力。
自然语言处理是人工智能的一个重要分支。随着近十年计算机计算性能的大幅度提高和各种大规模语料库的构建,自然语言处理技术取得了长足的进步,并且在多个领域被广泛应用,尤其是教育领域。本文通过对近几年国内外著名人工智能(Artificial Intelligence,AI)科学家公开的访谈、演讲、会议报告以及发布的论文等数据进行整理与归纳,梳理了自然语言处理关键技术的发展趋势,探讨了自然语言处理技术赋能教育智能发展的现状,旨在窥探未来智能教育的发展方向。
ChatGPT等生成式人工智能一经问世便引发广泛关注。从职业与职业能力、职业教育人才培养、职业院校科研等影响职业教育发展和体现职业教育重要职能的几个方面展开分析,可揭示ChatGPT影响下的未来职业教育图景。在职业方面着重阐明了ChatGPT对职业影响的技术原理、机制和路径,并提出相应的应对策略。在职业能力方面,从对职业能力的特点和结构的解释中分析了ChatGPT对职业能力的影响,并就未来如何应对各种影响提出建议。在职业教育人才培养方面,重点梳理了人工智能技术在高等职业教育人才培养领域中的应用,剖析了ChatGPT对高等职业教育人才培养的挑战及应对策略,并从职业技能培训体系的人才培养入手,阐述了ChatGPT的迭代更新对未来技能培训的影响以及ChatGPT对职业教育未来技能培训模式的影响。在职业院校科研方面,着重厘清职业院校科研的基本内涵,刻画职业院校科研在技能形成变迁中实现迭代的历程,阐述以ChatGPT为代表的“去技能化”技术发展对职业院校科研的影响,并回答了职业院校科研如何应对以ChatGPT为代表的“去技能化”技术的发展问题。
“双减”政策的有效落实需要精准识别学生选择参与课外补习的深层原因,研究我国中小学生首次参与课外补习时间能够为疏解家长和学生的课外补习需求提供实证依据。本文基于2017中国教育财政家庭调查(CIEFR-HS 2017)数据,采用生存分析的方法,对我国中小学生首次参与课外补习时间进行了刻画,探讨了家庭社会经济背景对学生首次参与课外补习时间的影响。研究发现:(1)我国中小学生大多数参加过课外补习,且许多学生在较低年级就参加了课外补习。(2)我国中小学生首次参与学科类课外补习时间明显早于兴趣类课外补习,随着年级的升高这一差异更为凸显。(3)城乡地区和不同阶层家庭的学生首次参与课外补习时间存在显著差异,但这种差异随着学段的上升而逐渐缩小。(4)家庭社会经济背景对学生首次参与课外补习时间有显著正影响,家庭社会经济背景越好的学生首次参与学科类和兴趣类课外补习时间均越早,但这种差异随着学生学段的上升而减小。“双减”政策背景下,建议政府进一步提高学校教育质量和校内课后服务品质,更好满足家长和学生对个性化教育的需求;重点照顾弱势阶层家庭,为学习成绩较差的弱势阶层学生提供校内学业辅导帮助;引导家长理性选择课外补习,客观辩证地审视课外补习对学生发展的影响。
教育数字化转型是教育高质量发展的推动力和革新因素,对教育数字化转型能力水平的评估已成为当前教育改革与实践的要点之一。成熟度模型为破解教育数字化转型能力水平评估难题提供新方法,有助于引领教育数字化转型实践落地。本研究基于成熟度模型理论及基本结构,从国际比较视角分析现有数字化成熟度模型,通过政策分析提炼出教育数字化转型的关键构成要素;借鉴能力成熟度模型的级别划分和行为特征,结合我国教育数字化转型发展特点,构建了包含 5 个关键过程域、18 个子关键域和 5 个成熟度等级的教育数字化转型成熟度评价框架;基于“宏观— 中观—微观”系统性推进数字化创变的思路,从国家、区域和学校三个层面探讨了教育数字化转型成熟度评价框架的关键应用场景,以期为探寻教育数字化战略行动实施和教育高质量发展提供可行的评价路径。
教育数字化转型是数字技术对于教育的可供性发展到一定阶段的必然结果。教育数字化转型驱动下的未来教育将实现全景式变革,转型成功的理想图鉴包括三重境界:基础设施升级、学习方式变革和教育流程再造。教育数字化转型作为一项技术可供的创新性社会变革注定不会是一场顺利的征程,技术与教育主体的交互作用受到多重要素的影响,相应的困难和障碍也接踵而至。表层困难主要来自技术可供的功能性障碍,即教育新基建中人、财、物的限制和技术瓶颈,是教育数字化转型中有关技术功能的成熟性、稳健性和普及性的挑战。深层困难来自教育主体的行动障碍。而核心困难则是全社会对于数字化转型过程中人技融合和教育创新的共识障碍,是如何处理人和技术关系的问题。回答这个问题要进行结构化的变革,加强教育基础研究,深入解析数字化转型后教学与学习发生的过程和机制。最后,文章从筑基、赋能和开拓三个层面提出了有效解决教育数字化转型过程中突出困难的实践性策略。
ChatGPT 作为基于通用人工智能的大模型,提供生成式的信息获取服务,功能远远超过以往的任何检索、搜索工具,它的出现也必将对教育产生深刻影响。文章通过文献研究等方法,分析了ChatGPT对教育的影响方式,从脑科学、知识观、教育元认知视角分析了它重塑教育的底层逻辑,并提出了它重塑教育的可能路径。文章认为:ChatGPT 对教育的影响主要将在传统教育工具的有效性、知识价值论、资源形态、学习模型、评价手段和人机协同智商等领域深刻改变教育,其改变教育符合脑科学的本质,并与知识观呼应,也符合教育价值观。ChatGPT的诞生催生了新的教育形态,未来需要加速构建人机协同智商、教育评价系统和基于计算的教学策略模型,加速人类教育模式的革命性重塑。
高阶思维是核心素养的重要组成部分,对其概念和内涵进行界定和剖析具有重要的理论意义和实践价值。高阶思维是个体适应环境、寻找认知平衡的关键能力。建构主义理论认为个体并非被动地接收外界的信息,而是主动的、积极的知识建构者。在具体的认知情境中,高阶思维表现为个体通过识别已有知识和外部信息之间的联系,将背景知识迁移到新的情境中,解决复杂环境中没有确定答案的问题。高阶思维并非单一的思维过程,而是多种认知成分协同作用的复杂思维过程。高阶思维的概念框架需要包含“对问题情境的分析”“新旧知识的关系建立”“不同维度信息的综合”“创新性知识的产生”,以及“对思维过程的监督、管理和调节”五个方面的认知成分,并且能够阐释五个认知成分之间如何相互作用、彼此影响、协调发展的过程。这一概念框架为解读高阶思维提供了新的理论视角,为深入研究高阶思维的发展规律和培养机制奠定了理论基础。
以ChatGPT为代表的生成式人工智能技术的出现和推广应用,标志着从弱人工智能到强人工智能的转化正在发生,并为教育带来了机遇与挑战。其原理机制主要呈现出师生关系网络化效应、教学活动动态生成、知识信息隐态传输等特征。从应用场景来看,ChatGPT模型将围绕“教师”“学生”和“学科”三个主体,在教师发展与队伍建设、学生学习与能力培养、课程建设与学科发展三个领域产生综合性影响。ChatGPT的教育应用在对现行教育范式产生颠覆性影响的同时,也将推动加速地区发展差距、决定国家产业转型进程、颠覆劳动力结构,并使国家信息安全复杂化。上述影响既超越教育自我定义的范畴,也全方位地波及国家经济、政治和社会各个层面。人工智能技术发展推动了大国博弈的新边疆,也在国际权力结构的重构中发挥着决定性作用,而在这个过程中教育将被重新认识和再定义。
即便以ChatGPT和GPT-4为代表的生成式人工智能在各个教育阶段尤其是高等教育阶段有着广泛的应用前景,我们还是应该首先关注在应用这一模型的过程中,如何更有效地培养学生应对人工智能的能力,或者说发展他们与人工智能协作共处的智慧。在人工智能快速发展的今天,在教育特别是在高等教育领域,人工智能所不能实现的事情恰恰是人类教育特别是高等教育的真正价值所在,包括发展人类独特的理性、人类智慧的集体性与丰富性、人类文化的适应性、人类的道德与伦理选择以及人类的创造力,促进人的完善、实现人类共同福祉的理想与追求。人工智能时代的高等教育,必须坚守高等教育的内在价值,专注于学生道德、伦理、精神与创造力的发展,同时为合理应用人工智能提供必要的指南,以确保年轻一代在正确地使用人工智能前提下,持续地发展人类的集体智慧,从而创造人类共同幸福的未来。
学习情感是影响学习绩效、学习感知及高阶思维能力的重要因素。现有学习情感计算研究主要基于重量级生理反馈技术的小样本分析,缺少大规模在线开放课程环境下的实践研究。这一方面是由于在线课程环境下,学习情感计算的数据来源较为有限,多为单一的面部表情数据;另一方面,学习者在线学习场景下常处于监督不足的状态,学习者身体姿态的随意性较大,因此极有可能影响到面部特征的提取。然而,本研究认为在线学习者的姿态也具有情感特征,同样是情感信息的关键来源。因此,尝试将学习者的姿态数据融合到面部表情数据中,构建多源数据融合的深度学习情感计算模型,弥补学习者姿态变化带来的面部识别缺陷,同时进行多源情感数据的协同分析,实现数据的交叉印证和相互补偿。研究得出:通过训练构建的包含7878张在线学习者面部表情和姿态图像的数据集,利用卷积神经网络和决策融合的方法将学习者面部姿态数据融入表情数据中,学习情感识别准确率较单一的面部表情识别提高了3%,是在线学习情感计算的有效方法。本研究在理论上为多源数据融合在学习者情感计算的有效性提供模型基础,在实践上,为在线教育环境下的学习情感计算提供了有效的技术路径。
课题组于2021年6月—8月持续两个半月对全国34个省区市展开第二轮调研。根据回收的调查数据样本,与2020年第一轮调研比较发现:2021年近五成毕业生签约税后薪酬每月3001-5000元、就业岗位与专业总体对口率显著提高、就业满意度保持高位略有下滑、考虑离职率略有上升。2021年未就业毕业生自感疫情因素对就业影响程度显著降低、向体制内就业的期待倾向明显、公考和升学失利者复考意愿更加强烈、薪酬待遇超过工作地点成为最被看重的就业因素、期待薪酬与实际薪酬之间的差距在扩大、对民营企业的就业期待位次出现明显下降。受调样本中用人单位招聘计划在压缩、裁员率在上升、薪酬水平在增加、招聘标准在提高。高校毕业生对学校就业指导工作满意度与2020年总体持平保持良好。通过Logistic回归分析,发现性别、户籍、家庭经济状况、学校类型、学校层次、学科类型、学科层次、个人学历、学业成绩、创业意愿等变量在不同类别间对就业的影响存在显著差异。与2020年不同之处是2021年农村户籍毕业生比城镇户籍毕业生就业概率更高、医学类和师范类高校应届毕业生比理工类高校毕业生就业概率更高、本科毕业生就业概率低于大专毕业生就业概率、农医学科就业概率高于人文学科就业概率。
教育心理学作为心理学的一个分支已经有百余年历史,但作为一个独立学科,教育心理学还很年轻。从内部看,它依然缺乏属于自己的核心关切、概念体系和方法论;从外部看,它面临学科不断分化带来的新挑战。在21世纪的语境下,很难再把教育心理学看成是传统心理学的衍生学科,而无视它作为“设计科学”和“人文科学”的特质。对教育心理学的重新定位,需要确立它自身的核心关切,以有别于其他心理学科,尤其需要对教育心理学的认识论和方法论进行重新审视。传统的用于自然科学尤其是物理科学的机械还原逻辑必须让位于基于人的可塑性、开放性、选择性和成长性的生成(emergence)逻辑,同时要吸纳“设计科学”对人类学习和发展可能性的探索和优化努力,而心理行为证据则提供这种实践的可行性和约束条件。
人工智能技术的发展正引发教育领域的深层变革。作为人工智能技术驱动的新一代自然语言处理工具,ChatGPT因强大的语言理解和文本生成能力,引发广泛关注和使用。但由于自身的特殊性,教育领域在接纳它的同时,尤其要关注其是否会对学生产生不良影响。为调查ChatGPT目前所具备的教学能力,华东师范大学智能教育研究院组织了ChatGPT在教学能力方面的诊断研究。6名教师和9名学生通过118个问题800轮询问,发现:ChatGPT目前尚不具备独立辅导学生的能力,但已可作为教师日常工作能力提升的好助手。教师应尽快接触、学习、使用通用人工智能工具,了解其潜在的风险,并教会学生如何正确地面对和使用通用人工智能工具。