作者：吳砥

近年來，黨和國家高度重視利用人工智能助力教育變革，推動教育格局發生新變化，基于大數據算法的人工智能系統正在學校的教、學、管、評、研等場景中被廣泛應用。然而，當教育場域中學生的每一個微笑、師生的每一次互動都被轉化為可計算、可分析的數據節點，我們是否正在以精確量化之名，消解教育活動中那些不可替代的人文意涵與育人本質？

教學互動轉向可視化、可量化

在傳統的學校教育中，一些評價或決策主要依賴于教育者和教育管理者的經驗判斷。隨著AI進校園，這種依賴經驗判斷的評價方式逐漸轉向數據驅動。

在北京一小學語文公開課上，老師借助AI評改指導學生 馬寧 攝

基于大數據算法的人工智能系統能夠對全量數據進行計算與挖掘，能夠識別傳統方法難以發現的學習規律，為教育決策提供更為全面和客觀的依據。如課堂行為識別系統將師生互動轉化為參與度指標，自適應學習平臺將知識掌握情況建模為個性化路徑，學業預警系統依靠學習過程數據作出學業風險預測。

這些場景應用不僅讓量化變得可操作、可感知，也在實踐中重構了教與學的互動模式。

警惕過度量化三大趨勢

筆者發現，隨著人工智能在教育領域的應用逐漸深化，被量化的范圍不斷延展，出現過度量化趨勢。

一是對不應該量化的內容進行量化。

在教育活動中，并不是所有內容都需要并且能夠被量化。比如師生間的情感共鳴、道德情境中的價值判斷、創造性思維的非線性過程等頗具教育性的環節，具有鮮明的情境依賴性與意義生成性，不宜一概而論地進行量化。

然而，為了方便展示數據采集效能，一些學校和從事技術開發的企業強行將這些維度納入量化評估體系。師生關系被簡化為互動頻率統計，課堂氛圍被轉化為抬頭率、微笑指數，批判性思維等被簡化為邏輯謬誤識別數量。其直接后果不僅是測量效度的喪失，更可能導致教育評價的方向偏差。教學開始圍繞優化數據而非促進學生成長而展開，教育過程從真實的情感體驗，異化為精心設計的數據表演，進而獎勵那些容易產生良好數據的表層行為，忽視真正重要的深度學習過程，這可能助長學生發展出表演型人格。

二是對應該粗粒度量化的內容用過細的粒度量化。

當前教育領域存在一個錯誤認知，就是認為對學生評價的內容越精細越好。這在一定程度上推動了數據采集向無限微觀化發展。

從記錄作業完成情況，到監測每道題目的作答時長，再到跟蹤分析學生的書寫筆跡；從評估課堂整體參與，到分析每分鐘的注意力波動；從了解知識掌握程度，到追蹤每個知識點的遺忘速率……這種過度細化的取向引發三重困境：其一，成本與效益的嚴重失衡，巨大的數據處理投入需要極高成本，卻未必帶來相應的教育質量提升；其二，連續的教育活動被切割為無數孤立的互不關聯的數據點，破壞了學習的整體性與意義連貫性；其三，無處不在的“技術凝視”可能抑制教學中必要的試錯勇氣與真實表達。

然而，教育的藝術性恰恰體現在對節奏和時機的把握上。十年樹木，百年樹人，對學生發展而言，短期內的數據波動變化是正常的，而從長遠看其意義并不明顯，沒有必要追求細粒度的極致量化。當每個教育瞬間都被分解量化，深度學習反而失去了生長的土壤。

三是對不方便量化的內容強行量化。

學生的學習志趣、教師的教育使命感、課堂上的思維火花、學校的文化精神，這些維度難以被精確測量或標準化比較。然而，在績效主義驅動的管理體制下，量化方法被過度應用，對不容易量化的維度也強行進行數據化處理。例如，將學習興趣量化為點擊頻次，將教育熱忱轉化為溝通頻率，將思維活力等同于提問數量。

不恰當的量化，不僅無法反映教育本質，更可能因簡化與扭曲而產生誤導。當興趣被等同于點擊率，教育的深度可能讓位于表面的活躍。當熱情被簡化為頻率，師生間真摯的情感交流可能被密集而淺層的互動取代。

適度量化，做“有溫度的教育”

面對人工智能融入教育領域的量化風險，我們需要進行教育理性的深度反思與平衡重構。這不僅需要在認識層面形成更加全面的教育理解，還需要在實踐層面建立更加智慧的技術應用框架，在制度層面構建更加合理的規范保障體系。

在認識層面，應建立一種兼顧量化與質性（用非數字符號對研究對象的行為、態度、過程等進行描述和解釋）、平衡效率與價值的整體教育評價觀。破除對量化方法的崇拜，通過量化與質性兩種方法的優勢互補，使形成性評價與總結性評價有機結合。特別是在評價學生的綜合素養與教師的專業發展時，別只盯著分數、等級這些硬指標，得重視觀察分析個體成長中的具體事件、行為表現等，了解個體的真實狀態和獨特價值。

在實踐層面，應該明確在教育領域，什么能夠量化，什么不能量化；什么應該量化，什么不應該量化。

鑒于教育活動具有多樣性與復雜性，在知識技能掌握等可測量領域，應適度細化量化指標；在思維發展與情感態度等復雜維度，應采用粗粒度描述與質性評價相結合的方式；在師生互動與課堂文化等生成性教育活動中，應明確技術介入的邊界，為“有溫度的教育”保留發展空間。同時，應避免將量化評價作為教育活動的唯一尺度，通過場景化、差異化的智能技術應用策略，實現量化工具與教育價值的有機融合。

在制度層面，需構建有利于人工智能技術應用與教育價值協同發展的制度環境。這包括建立跨學科的教育技術倫理委員會，對教育人工智能系統的設計理念與應用方案進行倫理前置評估；完善教育數據使用的規范體系，明確數據所有權、使用權與保護責任；推動形成專業共同體主導的教育評價文化，減少外部因素對評價過程的干預；加強教師與學生的數字素養教育，提升師生作為技術使用者的批判意識、自主能力和責任感。（作者系華中師范大學教育大數據應用技術國家工程研究中心常務副主任）