以人为本，将人工智能用于教育：来自全球南方的五条经验

尼日利亚埃多州的中学生参加了一个将人工智能（AI）辅导和教师指导相结合的课后项目，在短短六周内，他们的学习成果就提高了0.31个标准差，大致相当于1.5-2年常规学校教育的成效。这一成果的背后是一套精心设计的干预，它以教师和学生为中心，充分利用生成式人工智能的潜力，同时借鉴了以往（尤其是新冠疫情期间）教育科技（EdTech）项目的重要经验。

作为教育专家和世界银行教育科技团队的联合负责人，过去几年我在尼日利亚、秘鲁、巴西等地率先开展了负责任的人工智能教育项目。这些经验告诉我，成功的关键不在于技术本身，而在于项目设计的一体化方法：从教育问题入手，充分考虑当地情况，并始终以人为本。

我在这篇博客里将分享五个实用见解，以帮助政策制定者和教育领导者找到更加负责任更有效地将生成式人工智能融入教育的途径。这些经验为构建所谓的“AI革命”、更好应对全球学习危机提供了一个框架。

1. 从教育问题而非AI工具着手

在考虑将人工智能工具作为潜在解决方案之前，我们必须明确我们想解决的教育挑战是什么。我们是要提高教学质量、为数学落后的学生提供针对性支持还是提升数字素养？仅仅将人工智能纳入教育工作并不能保证它会得到使用或切实发挥作用。

这符合世界银行的“问问为什么”原则：教育科技方面的政策和项目必须建立在清晰的教育变革愿景之上。技术应当是达到目的的手段，而不是目的本身。这样可以确保我们不会为了技术本身而采用技术，而是将其作为解决特定问题的针对性工具。

2. 紧紧围绕项目目标：构建有力的变革理论

有效的项目设计应始于清晰的变革理论。变革理论将说明拟采取的干预将如何实现预期的变革，描述其中的因果路径和假设。换句话说，它将阐明活动、产出、结果和最终目标之间的联系。例如，教师培训（活动）可能带来新的教学实践（产出），进而提高学生的参与度（结果）并带来学习收益（影响）。

严谨的变革理论不仅可以清晰阐明为什么AI工具会有助于项目预期目标的实现，还能突出实现这一目标所需的关键活动和产出（例如教师培训、编制AI素养指南、与学生或家长的焦点小组讨论等），并确立衡量AI工具使用情况、进展和参与度的指标。

此外，清晰的变革理论也为影响评估打下了基础，为了解在教育中纳入人工智能时哪些做法有效、哪些无效积累证据。

3. 当地背景至关重要：根据实际需求设计项目

能否成功地将人工智能纳入教育项目取决于对当地情况的了解。在AI工具和内容的选择上应充分考虑上网条件、电力供应和设备可用性等因素。例如，在笔记本或台式电脑等设备有限或Wi-Fi信号不稳定的地区，使用手机可能是一个更合适的选择——加纳的项目就说明了这一点。

教学内容和AI工具的选择也要根据当地情况而定。例如，在尼日利亚和秘鲁的项目中，针对教师和学生的培训材料没有采用一刀切的做法，而是根据它们各自的文化背景和当地实际情况量身定制，确保培训内容符合实际需求且易于理解。

4. 让技术为人服务

从根本上来说，教育事关人与人的连接。生成性人工智能的应用必须为教师和学生服务，满足他们的需求，并以改进学习和教学实践为中心。这意味着项目设计要有教师、学生、家长和学校领导等多种利益相关者的参与。另外还需要开展全面的AI素养培训，优先考虑学习者的需求，解决他们的顾虑并克服制约因素，培养高效、包容的实践社群。

去年我们在秘鲁首都利马的公立学校举行了焦点小组访谈，了解教师们当前使用AI的情况以及他们对今后怎样在日常工作中利用AI的设想。通过这个合作流程，我们选拔了富有创新精神的教师与我们共同设计培训材料，找出了利用人工智能强化教学工作的实际案例。

这种以人为本的方法可以确保技术被用来强化教育中人的因素，而不是取代人的因素。

5. 确保产品符合项目目的和当地环境

最后，任何人工智能工具或解决方案都必须适合项目的具体环境和目的。这意味着要对其各方面特点进行认真评估，包括但不限于：

• 安全与隐私：产品是否有完善的用户数据保护政策？
• 文化和语言恰当性：该工具是否提供当地语言版本、符合当地文化规范并且旨在避免偏见与刻板印象？
• 自适应性：该解决方案能否根据具体教育环境和多样化学习者的需求进行调整？
• 针对学习进行优化：该工具是否符合学习科学的原则？是否已针对目标用户进行评估？
• 可访问性：是否提供离线选项并为残障学习者提供支持？

下面的“5P”框架——问题（Problem）、目的（Purpose）、地点（Place）、人员（People）和产品（Product）——为设计和实施将AI融入教育的项目提供了一种结构化方法。

负责任地将AI融入教育：一个实用框架

在项目各阶段认真思考以下关键问题，以此引导项目设计：

• 问题：要解决的教育问题是什么？教育科技是否对此有所帮助？以何种方式？如果教育科技对此有帮助，那么生成式人工智能可以发挥什么作用吗？
• 目的：项目的主要目的是什么？此前是否已有相关用例？生成式人工智能将处于后台还是面向用户？你在变革理论中是如何阐述人工智能的？
• 地点：网络连接和电力状况如何？有哪些类型的设备可用？能否根据当地情况对AI工具进行调整？
• 人员：谁应参与项目的协同设计？他们对将人工智能用于教育有何看法？他们是否使用过AI工具或接受过AI素养培训？
• 产品：该解决方案是否与项目目的与环境相符？安全和隐私政策是否到位？是否适合当地语言和文化？

结论

关于教育领域人工智能的争论往往两极分化，而负责任地将人工智能纳入教育需要细致思考和领导力。教育领袖不仅要致力于对人工智能的负责任使用，还要致力于人工智能项目的负责任设计与实施。我们不应将教育领域的AI革命看作一种不得不被动接受的现实，而应视之为一个主动塑造应对全球学习危机的解决方案的机会。

聚焦于清晰的问题，明确项目目的和目标，根据当地情况进行项目设计，并始终将人置于一切的中心——这样我们就可以构建一个真正服务于学生和教师的负责任框架，将人工智能纳入教育。让我们携手努力，共同挖掘人工智能在教育领域的潜力。欢迎你参与相关对话，分享你的经验。

本博文最初发表于牛津大学布拉瓦尼克政府学院的“Voices”网页。