■赵硕 韩毅

4月上旬，全球教育研究领域规模最大的学术盛会——美国教育研究学会（AERA）年会在美国洛杉矶市举行。本届年会汇聚了全球上万名教育学者与实践者，堪称教育研究的“超级论坛”，笔者也有幸参与了此次盛会。

作为此次年会的重要内容，来自哈佛大学、斯坦福大学、牛津大学等全球顶尖学府的核心研究团队，围绕人工智能（AI）如何重塑教与学的未来展开多场密集对话。从深度学习算法到课堂人机协同，从算法公平到教师角色转型，这场盛会清晰揭示了AI驱动全球教育变革的动力与发展趋势。

突破：AI赋能个性化学习的无限可能

当下，AI已经影响并渗透到教育的各个领域，也衍生出了很多重要议题，其中就包括AI对个性化学习的影响与驱动。在本次AERA年会上，它也成了最受瞩目的议题之一。从智能辅导系统到自适应学习平台，从认知诊断模型到情感计算，学者们在展示AI重塑个性化学习路径前沿探索的同时，也揭示了技术赋能教育的无限可能。

在报告中，斯坦福大学副教授维克多·李直言，目前的AI系统已从简单的问答工具演进为能够理解学生认知状态的智能导师。他表示，通过大语言模型与学习分析的深度融合，AI能够实时识别学生的知识盲区与认知缺陷，进而提供精准的个性化指导。

作为该论断的一个例证，美国南加州大学教授埃里卡·帕塔尔团队的研究表明，基于智能体的在线干预系统能显著提升学生在生物医学课程中的学习自主性。该系统通过动态调整问题难度与内容呈现方式，使每位学生都能在“最近发展区”内高效学习。

在个性化学习路径的规划方面，美国加州大学伯克利分校教授扎卡里·帕尔多斯展示了基于知识图谱的个性化推荐系统。该系统能将学生的学习行为数据与学科知识结构进行映射，并自动规划最优学习序列。美国佛罗里达大学研究团队则利用多模态数据分析，例如眼动追踪、面部表情识别与交互行为日志，构建了能够预测学生认知负荷与情感状态的AI模型，从而实时调整学习材料的呈现方式与节奏。

此外，AI在形成性评估与反馈领域的应用方面同样取得了突破性进展。美国密歇根州立大学教授克里斯汀·格林豪指出，生成式AI能够针对学生的开放性回答提供即时、具体且具有建设性的反馈，这在传统教学模式下难以大规模实现。

“更重要的是，AI系统能通过分析学生的错误模式，识别其深层概念误解，而非仅停留在答案正误判断层面。”格林豪说，这种“诊断式反馈”使个性化学习不再局限于内容推送的差异化，更延伸至认知策略的针对性培养。

呼吁：AI教育治理不能各自为政

随着AI在教育领域的快速渗透，如何构建协调一致的政策框架与治理机制亦成为各国面临的共同挑战。此次AERA年会专门设立了多个专题论坛，探讨AI教育政策的跨国比较、地方实施与伦理治理，展现了从“技术驱动”向“制度协同”转型的全球共识。

当前，美国AI教育政策呈现出“地方先行、逐级扩散”的特征。美国波士顿学院研究团队对全美各州K-12的AI政策文件进行了系统分析，发现该国多数州仍停留在原则性指导层面，缺乏具体实施路径与资源配置。同时，部分州已开始制定包含教师AI素养标准、学生数据隐私保护与算法公平性审计在内的综合性政策框架。

美国哥伦比亚大学教授亚历克斯·鲍尔斯在分析州级教育数据系统时指出，政策制定者需要在鼓励创新与防范风险之间寻找平衡点，过度监管可能抑制AI教育应用的多样性，而监管真空则可能导致伦理失范。

在国际层面，哈佛大学教授费尔南多·雷默斯系统比较了全球南方国家在AI教育政策上的差异。他指出，资源匮乏地区往往更关注AI的可及性与基础设施建设，而发达国家则更多聚焦于伦理规范与质量保障。

讨论中，多国学者呼吁制定跨国通用的AI教育标准或框架。

维克多·李直言，数据隐私、算法偏见与数字鸿沟是当前AI教育最紧迫的三个伦理维度。他呼吁建立可解释的AI标准，确保教育决策的透明性与可问责性。加州大学伯克利分校教授托马斯·菲利普也表示，AI系统的设计往往隐含开发者的价值预设，若缺乏多元利益相关者的参与，技术可能无意中强化既有的教育不平等。

在笔者看来，此次AERA年会传递出的共识可归纳为一点，即AI教育治理不能各自为政，须加强跨国协同。例如，建立国际性的AI教育政策观察站，定期发布各国政策进展报告等，并推动伦理准则的互认与对接。只有通过持续的国际对话与协同行动，才能确保AI真正服务于全球学习者的共同福祉。

启示：让学习者与AI共存共进

当AI深刻重塑全球教育生态，我国作为教育大国面临着从“人口红利”向“人才红利”转型的关键任务。2026年AERA年会呈现的全球经验与研究成果，可为我国培养面向AI时代的终身学习者提供重要参考和启示。

首先，要培养终身学习者，要让学习者具备与AI共存、共进的基础素养。

根据维克多·李的论述，AI素养应包含技术操作、算法理解、数据隐私与伦理批判四个层次。在这方面，我国义务教育阶段已经初步纳入AI模块，但在实施深度与覆盖面上仍有不足。对此，一方面要推动AI素养与中小学不同学科的融合；另一方面也要鼓励高校开放AI通识课程，面向全社会提供微证书与在线学习资源，真正打通从基础教育到终身学习的通道。

其次，教师的AI胜任力是学生终身学习能力的重要支撑。我国拥有世界上规模最大的教师队伍，应依托“国培计划”与各地教研院体系，系统开展AI教学应用工作坊，重点培养教师的三方面能力，即利用AI进行学情分析与个性化辅导的能力、甄别AI生成内容真伪与偏见的批判性素养，以及设计“人机协同”学习任务的教学设计能力。

再次，AI教育治理需要协同推进，避免“技术先行、制度滞后”。在这方面，我国已发布了《新一代人工智能发展规划》等多个文件，但在地方落实层面仍需细化。下一步应建立省级AI教育资源统筹机制，防止“各自为政”导致的重复建设，同时需要加快制定关于学生数据隐私保护与算法公平性审计的地方标准。

最后，培养终身学习者不能只关注城市重点学校，更须聚焦农村与边远地区。AERA年会多项研究指出，AI资源的获取不均已成为新的教育不平等因素。我国可通过“国家智慧教育公共服务平台”向全社会免费提供优质AI课程与工具，同时应发挥“一师一优课、一课一名师”等项目的辐射作用，组织城市优秀教师为乡村学校提供远程AI教学指导。

此外，还应鼓励高校、科技馆、公共图书馆面向社区开展AI科普活动，营造“人人可学、处处能学”的终身学习文化。

总之，培养面向AI时代的终身学习者是一项系统工程。唯有课程、教师、政策与教育公平协同驱动，我国方能在全球AI教育变革中走出一条既有中国特色又具国际视野的发展道路，让每一个学习者都能在智能时代持续发展。

（作者分别为中国传媒大学外国语言文化学院教授、江苏食品药品职业技术学院研究实习员；本文为教育部人文社科规划基金项目“欧洲大学ICT数字化教育发展研究”〈23YJA880084〉、中央高校基本科研业务费专项资金资助项目“数字化教育比较研究”〈CUC25CGJ04〉阶段研究成果）