当现实逼近想象:人工智能时代预见未来教育研究

人工智能使想象正成为现实,未来研究方法论是对未来的想象和预期的扩展。本文运用未来研究方法论,从未来想象、未来社会、未来知识生产、未来学习、创造中的未来五个方面对未来教育发展蓝图进行描述、预测、探索与解释,审视与省察未来人工智能时代教育研究的行动措施。未来想象通过科幻故事探索和理解未来高科技实践的应用场景,人与人以及人与外界环境的互动过程。人工智能技术是经济社会发展的核心动力,对未来社会分工、劳动力市场以及人才结构变革带来全新冲击。未来知识生产自动迭代、科学共识的建立更为高效; 未来知识传播多模态立体化、超越学科界限; 未来知识进化呈现碎片化及适应性。未来学习将呈现个性化、自适应以及终身学习的新样貌。创造中的未来应平衡人与人工智能技术的关系,理性统合组织、文化、人员、环境,努力打造自适应的教育生态圈。本研究旨在厘清未来教育的科学走向与规律,勾勒符合人工智能时代的未来教育应用蓝图。

未来研究的方法论

图1 未来研究的MATDCT框架

(一)MATDCT 框架的特点

  • 通用性:该框架契合所有领域的未来研究,特别是在技术使能的未来研究方面更具优势。
  • 灵活性:它可以遵循线性流程展开未来研究,也可专攻支柱的某一块,或选择螺旋推进的方式

(二)未来研究四个明显特征

  • 一是基于经验基础之上的预测。经验预测通常假定未来是过去的线性生长,经验世界是已知的、稳定的。而经验预测往往借助专家的经验与知识,获得多人的共识;
  • 二是对未来可能形态的多视角解读。这类解释性研究往往技术性较低,主要目的在于通过比较不同的可能性,从解释过程中寻找“发现”。
  • 三是以审辩的视角考查未来社会的主体。未来研究不是以预测或比较为终极目标,而是要使未来变得更清晰、可达。
  • 四是基于这些分析与预判开展参与式行动。
表1 未来研究的核心方法

       未来研究与预测未来、解释未来和审辩未来有关,与创造未来及发现未来的可能性有关,更与现实有关。通过结构化的方法,我们可以科学地规划并部署新的未来发展蓝图和战略。

对未来教育的预见

(一)对未来的想象

  • 第一,人工智能技术的发展会使就业市场发生天翻地覆的变化,人类社会的组织结构和功能将作出调整和改变,未来教育需要培养个性化自适应人才以满足智能社会的飞速发展。
  • 第二,生物技术的发展会改变人体机能结构,人口长寿化成为未来社会的基本态势,这为高品质的终身教育提供了天然契机。
  • 第三,太空旅行技术的发展会使登陆太空成本下降,为诸多国家和组织机构开展太空探索研究提供更多机会。

(二)预见人工智能塑造的未来社会

  • AI的发展推动工作走向自动化与智能化,简单、重复性的工作将会被AI所取代,部分职业与工作岗位消失,同时导致人才结构失衡。在创造性上,AI技术的广泛渗透将创造出大量新的职业与工作机会,如AI工程技术人员、数据分析师等。
  • AI的社会渗透使智能化和自动化逐渐成为大多数行业的核心追求,未来社会的工作岗位与技术的结合将更紧密,技术素养的必要性凸显,如高级IT、编程以及数据分析技能。同时,那些机器无法取代的社交与情感技能也成为未来人力资本的必备技能,如高级沟通与谈判技巧、人机交往能力等。

(三)预见知识生产的未来

  1. 未来知识生产自动化迭代,科学共识的建立更加高效
  • 首先,AI的自动化模态会加速科学知识的生产周期,使科学发现能够快速进入实践应用领域,为科学家和知识创造资助者提供了丰富的知识库源。
  • 其次,AI技术的可预测性能实现知识创造结果成功与否的自动化测试,破解知识生产过程中“经验失效”以及“科学借鉴力不足”的难题,科学共识更易建立。
  • 最后,未来知识生产的新形态也能为高精尖人才培养提供先天契机。比如,基于学习者的先验知识及最近发展区,教授学习者预测新知识的习得技能,鼓励学习者自主创造新知识。
  1. 未来知识传播多模态立体化,超越了学科界限
  • 一方面,未来知识传播将自动分析、视觉表示和用户交互结合在一个闭环中,强调使用视觉抽象表示聚集的信息。AI的自动化分析、集成分析、可视化交互等动态过程,能够有效平衡知识积量的剧增与人类认知负担之间的矛盾关系。
  • 另一方面,人机协同的智能模式使任何具有有限技能的用户都能够轻松地参与知识生产与传播,彻底摆脱知识传播的领域界限以及精英化主导等局限。
  1. 未来知识进化呈现碎片化以及自适应性
  • AI时代“非逻辑思维”“跳跃式路径”等模态使知识的 表达个性化、知识的传播碎片化,促使知识进化标准趋向尊重个体价值的表达。
  • 未来知识创造速度非常快,新旧知识的迭代速率远超过学习资源的更新速率。
  • 未来知识生产角色将去权威化,知识生成者之间的关系走向耦合,人机智能协作将呈现新的知识生产图景。

(四)预见未来的学习

  • 未来的学习需要培养高阶技能来适应或应对未来社会的变化:2019 年全球未来教育指数证实,批判性思维、创造力、沟通能力、企业家精神和其他面向未来的技能(包括数字能力)对于帮助学生应对未来社会挑战起到关键作用。
  • 未来的学习将进一步凸显个性化与自适应的形态特征:当前,自适应学习技术能够实现适应性诊断、适应性推荐等,可以通过为学生提供个性化导学实时响应学生需求。
  • 未来的学习将依托全新的教育生态系统:未来的教育生态将在技术的推动下,提升开放性,在教、学、管理与服务等领域深度融合智能技术与思维,全面考察人、实践、价值、技术等要素在特定环境中的相互作用,遵从以人为本的理念促进人的全面发展,凸显个性化、自适应的学习特征,培养无可替代的高阶技能,实现素养本位教育的可持续发展。

(五)创造中的未来

  • 创造中的未来在世界各国的发展竞争中推进。
  • 创造中的未来直接影响社会对人才需求的转向。
  • 创造中的未来是对人才的竞争。
  • 创造中的未来在技术、社会、教育等复杂系统的互动中生成。

       人工智能以强势的姿态闯入人们视野,并借助新一轮技术革命的浪潮迅速席卷整个社会。在AI技术不断赋能、使能、增能教育的现实之下,我们要洞悉人力资本的未来需求与市场结构,构建并规划未来学习的进阶场景,破解个性化的学习诉求与规模化实施之间的现实矛盾;捕捉未来知识生产与创造趋势,以缓解“知识焦渴”的困境;持续深化人机协同机制,以重构教师角色与定位,预测并刻画未来教育生态愿景,引领未来教育变革路径;考虑当前的教育是否作好了迎接未来的准备?我们又该何为,才能在这场人与技术的角逐中保持鲜活的生命力?

参考文献

[1]顾小清.当现实逼近想象:人工智能时代预见未来教育研究[J].开放教育研究,2021,27(01):4-12.

Scroll to Top
Scroll to Top