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。
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。
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。
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。
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。
“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。
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。
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。
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。
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。
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。
本报告分析了我国苏州市10岁和15岁组学生社会与情感能力测评数据，结果发现：10岁组学生在所有15项社会与情感能力中的得分都略高于15岁组学生；10岁组学生中女生在合作、共情、乐群、毅力和包容度能力上得分高于男生；除包容度以外，15岁组学生中男生在其他社会与情感能力上得分都要高于女生。乐观是迄今为止与生活满意度和当前心理幸福感最为密切的能力，其次是活力和信任。抗压力和乐观与学生考试焦虑的关系最为密切。总体而言，学校归属感和师生关系与所有15项社会与情感能力呈正相关。相比之下，校园欺凌与所有15项社会与情感能力呈显著负相关。归属感与乐群、乐观和合作能力呈正相关。师生关系与乐观、好奇心和合作能力相关。校园欺凌与情绪调节（乐观、情绪控制和抗压力）密切相关。
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。
本技术报告基于中国苏州的测评数据，对OECD 社会与情感能力测评工具在中国文化下的心理测量学特征进行分析。具体计算Alpha系数和Omega系数来检验这些量表的信度；进行了一系列验证性因子分析来检验这些量表的结构效度；开展多组验证性因子分析来评估不同组（年龄组和性别组）的测量等值性，以及使用项目反应理论广义分步计分模型来衡量项目并为所有参与测评的学生生成社会与情感能力值。
“计算思维”是近年来基础教育中评价学生高阶思维的重要指标，它与数学思维在问题解决等多个领域具有共同的思维模式，因此在数学学科中培养计算思维已成为国际上重要的发展趋势。基于此背景，构建小学数学PBL+CT教学促进学生计算思维培养的三层理论模型：内容层以PISA情境问题设计为导向，通过问题驱动教学；教学层为数学插电非编程的计算思维模式，采取PBL融合计算思维核心要素的教学，构建问题解决的教学流程；目标层是计算思维，以分解、抽象、算法思维、批判性思维、问题解决、协作学习六个核心能力为培养目标。研究以小学数学课“怎样围面积最大”为例，围绕理论模型进行具体的教学设计与实施，并对其应用效果进行验证。基于课堂观察、问卷和访谈等多种研究方法，多维度地验证理论模型促进小学生计算思维培养的有效性。研究发现，小学数学PBL+CT教学能显著地促进小学生计算思维的培养，尤其是在分解、算法思维、协作学习上具有显著的促进作用。基于研究结果，对数学PBL+CT教学促进小学生计算思维做进一步的总结与反思。
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。
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。
本文研究了ChatGPT/生成式人工智能在以知识点为核心的教学模式下的变革作用。作为一种语言生成模型，ChatGPT通过对海量语言数据的学习，能够挖掘单词间的共生关联关系，具备深入的语言理解和组合创新能力。然而在教育领域中，ChatGPT存在过度依赖训练数据、逻辑推理能力弱和新场景处理能力有限等局限性。为了提高ChatGPT在教学场景下生成内容的准确性和针对性，本文提出将ChatGPT与以知识点为核心的教学资源组织方式进行有机结合，通过形成知识点结构图等方式对ChatGPT进行完善，同时提供了几种具体可行的使用ChatGPT辅助教师和学生的方式。最后，本文还探讨了如何将Prompt研究范式与以知识点为核心的教学模式相结合，帮助ChatGPT建立“知识体系”，从而形成一个数据和知识双轮驱动的教育场景的语言生成模型，为教育领域提供更智能化、个性化的服务，推动教育领域的发展和变革。
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。
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。
中国人文社会科学核心期刊
