《Computers and Education Open》：Fostering Collaborative Futures: Multidisciplinary Approaches to AI Integration in Educational Ecosystems
编辑推荐：
随着人工智能（AI）和数据驱动技术的快速发展，AI在教育生态系统中的整合需要仔细考虑。本文旨在通过从研究人员、实践者和政策制定者的角度审视AI对教育的影响，促进在教育中与AI代理（AI agents）培养协作未来的过程。研究人员进行了一项德尔菲（Delphi）
随着人工智能（AI）和数据驱动技术的快速发展，AI在教育生态系统中的整合需要仔细考虑。本文旨在通过从研究人员、实践者和政策制定者的角度审视AI对教育的影响，促进在教育中与AI代理（AI agents）培养协作未来的过程。研究人员进行了一项德尔菲（Delphi）研究，涉及对N=70名国际专业人士进行的调查，随后与来自政策、研究和实践领域的国际专家小组进行了深入的面谈，以确定在教育中部署AI的关键趋势和挑战。结果表明，三个最重要的趋势是：（1）学习者和教育者的AI相关能力，（2）与AI代理的自动化形成性评估和反馈，以及（3）教师与AI代理共同教学的角色演变。此外，高度重要的还包括（4）AI代理的可解释性和可信赖性的持续必要性，以及（5）AI代理的可及性和平等获取。基于这些发现，本文概述了教育中协作AI倡议的政策和行动建议，并提出了一个研究议程以解决已识别的研究空白。
**研究背景与问题**
随着人工智能（AI）和数据驱动技术的快速发展，AI在教育生态系统中的整合引发了重大机遇与挑战。教育生态系统被定义为由个体、机构、数据、技术、政策、过程及文化组成的动态、可持续且相互关联的网络，共同影响正式、非正式和非正规情境下的教与学。尽管已有研究认识到多利益相关方（如教师、学生、研究人员、政策制定者和产业伙伴）的重要性，但多数研究仍孤立地考察这些参与者、议题或技术，例如单独关注教师能力、学生使用AI工具或政策与伦理，而未充分探讨这些维度如何在更广泛的教育生态系统中相互作用。这种碎片化视角导致对AI整合的系统性理解不足，尤其是在伦理问题（如数据隐私、算法偏见、教育不平等）方面。因此，本研究旨在通过生态系统视角，整合来自研究人员、实践者和政策制定者的观点，识别AI整合的关键趋势与挑战，并提出政策建议和研究议程。
**研究内容与结论**
该研究发表于《Computers and Education Open》。研究人员通过一项德尔菲（Delphi）研究，结合计算机调查和面对面讨论，聚集了来自研究、产业和政策领域的国际专家，共同审视AI在教育生态系统中的整合轨迹。研究得出五大核心趋势：学习者和教育者的AI相关能力、与AI代理的自动化形成性评估和反馈、教师与AI代理共同教学的角色演变、AI代理的可解释性和可信赖性，以及AI代理的可及性和平等获取。基于这些发现，研究人员为政策制定者、研究者和实践者分别提出了策略与行动建议，并提出了一个研究议程以填补已识别的研究空白。该研究的意义在于，将AI定位为嵌入并受更广泛教育生态系统影响的现象，强调可持续和伦理的整合需要政策、实践和研究领域的协调行动，而非零散干预。
**关键技术方法**
研究人员采用混合德尔菲设计，包括计算机调查和面对面讨论。第一阶段，通过计算机调查向17名国际AI教育专家征集趋势，汇总为15个主题，随后由70名来自18个国家（包括澳大利亚、德国、印度、爱尔兰、美国等）的国际专业人士（包括26名学术界、23名研究界、5名产业界、8名政策界和8名教师）对每个主题在重要性、影响和挑战三个方面进行1-10级评分。第二阶段，经过三天的面对面研讨会，专家小组通过基于角色人物（persona）的焦点小组讨论深化并情境化德尔菲结果。角色人物基于先前的跨小组观察笔记和现场记录合成，代表教师、教育科技开发者、研究人员和政策制定者等关键利益相关者。数据分析使用描述性统计和推断性统计（R统计软件，显著性水平0.05）。
**研究结果**
- **AI相关能力对学习者和教育者的影响**：该主题在影响（均值=8.57）和重要性（均值=8.64）上均排名第一，尽管挑战较高（均值=7.49），但优先指标（重要性-挑战）为正值（1.16），表明能力建设是AI整合的基础。
- **与AI代理的自动化形成性评估和反馈**：影响均值=8.13，挑战均值=7.13，优先指标=0.60，表明其高影响和中度挑战。
- **教师与AI代理共同教学的角色演变**：影响均值=8.13，但挑战均值最高（8.40），优先指标为负值（-0.49），显示角色重构复杂度高。
- **AI代理的可解释性和可信赖性**：影响均值=7.84，挑战均值=8.17，优先指标=0.21，表明必要但实施困难。
- **AI代理的可及性和平等获取**：影响均值=7.81，挑战均值=8.00，优先指标=0.19，同样强调公平性挑战。
此外，其他主题如AI辅助教育内容创建（优先指标=1.63）和AI教育行政效率（优先指标=1.23）也显示出较高的近期行动潜力。
**讨论与结论**
讨论部分指出，这些发现与联合国教科文组织（UNESCO）关于生成式AI的教育指导方针高度一致，强调能力建设、治理、透明度和公平性。研究进一步揭示了AI整合中的结构性张力：教师专业身份与角色演变的冲突（挑战评分最高），能力建设受限于结构性不平等，自动化评估的公平性风险，以及可解释性与公平获取的差距。研究人员强调，AI整合不仅是技术或教学挑战，更是政治和伦理问题，需要长期、纵向、民族志和参与式方法追踪这些张力。结论部分翻译如下：
本研究通过德尔菲过程汇集了来自研究、产业和政策的专家，以确定塑造AI教育下一阶段的关键优先事项。研究结果指向一个未来，其中学习者和教育者的AI相关能力成为基础，使所有利益相关者能够自信且批判地参与AI支持的学习环境。专家强调了对自动化形成性评估和AI驱动反馈的日益增长需求，以及教师角色必须与AI代理共同组织学习的演变。同时，研究突出了确保AI系统可解释性和可信赖性的紧迫性，以维持透明度、保护学习者自主权并培养知情的人机协作。同样重要的是对可及性和平等获取的承诺，确保AI的好处公平地分布于社会经济、地理和语言鸿沟之间。总体而言，这些优先事项预示着一个协作未来的出现，其中AI作为赋能者，通过以人为中心、负责任的创新支持教育者、赋能学习者并强化教育生态系统。
