一、英国发布《生成式AI的教育用例》

2024年8月28日，英国教育部发布《生成式AI的教育用例》用户研究和技术两份报告。这两份报告是2023年9月至2024年3月，英国Faculty AI、国家教学研究院(NIoT)、ImpactEd Group与英国教育部合作开展的“生成式人工智能教育用例项目”成果。该项目探索了生成式人工智能在教育领域的潜在应用，部分主要结论如下。

开发人工智能教育工具的经验——应让教育工作者参与整个周期；强调学生表现出来的品质而非强调学生所犯错误的重要性；孤立地评估学生的作业会降低见解的有效性；使工具能够根据具体教育工作者需求定制；考虑更广泛的工作流程对于确保可用性至关重要。

通过生成式人工智能生成特定内容的经验——几次学习并不一定能提高成绩；虽然指令的结构对于提示来说不是必需的，但对于维护它们是有用的；大语言模型天生擅长提供反馈；使用生成式人工智能“给自己批改作业”是一种有效的评估技术。

教师对学校中使用人工智能的看法——使用人工智能工具进行反馈可能有节省时间和标准化的好处，但反馈不仅仅是一种学术活动，它也是一种社交活动，如果把这项任务从教师手中夺走，可能会破坏师生关系，而师生关系是学生学术发展的一个关键预测指标。另外，教师们对使用人工智能来支持或取代他们的部分角色是否符合最佳教育实践以及是否符合道德标准提出了担忧。

二、美国Digital Promise发布《数字公平框架》

2024年8月14日，美国Digital Promise发布《数字公平框架》。该框架包括“州数字公平与机会框架”“K-12数字公平框架”“高等教育数字公平框架”。

其中“K-12数字公平框架”是领导者、教师和教导员通过缩小学校的数字教学差距来促进数字公平的系统方法，提供了弥合美国2024年国家教育技术计划中概述的数字访问、设计和使用鸿沟的策略。

它由五个相互依赖的领域组成：

1.数字化转型的领导力

此领域是指由地区、学校和社区领导人提供的战略性和包容性指导，旨在实现整个教育系统深度技术整合的愿景。它为无处不在的以学习者为中心的教育设定了条件，利用技术确保所有学生都能以最高水平学习，并取得公平的学术、社会和经济成果。

2.连贯的系统、资源和政策

此领域指的是系统、资源和政策与既定的战略和持续改进计划进行协调和激活，以实现深度技术融合。这些活动使所有组织职能具有显著的一致性，这在一定程度上体现在充分为技术提供资金;通过批准的政策为其提供支持，包括确保数据隐私和持续采购设备和新兴技术的政策;以及将技术整合到核心系统中，例如结构化的专业发展活动。

3.持续访问设备和连接

此领域的应用可确保所有学习者在课堂内外都能充分和一致地使用高速互联网、设备、新兴技术和学习工具。它主要关注物理基础设施、采购、设备分发和维护，以及可持续发展计划的制定，以确保高速连接、强大的设备和新兴技术为所有人提供不间断的无处不在的强大学习。

4.数字能力

此领域致力于开发数字技能、思维方式、性情和/或行为，这些对于所有人有效地使用用技术以充分参与数字化社会至关重要。这些能力使每个人能够在个人、学术和职业生活的各个方面领导、教育、学习、导航、沟通和利用当前和新兴的技术。

5.由技术推动的强大学习

此领域将以学习者为中心的教学模式付诸实践，将数字资源和新兴技术无缝集成到基于证据的教学实践中，从而提高参与度和深入理解。它将强大学习的关键原则与新兴技术、数字资源和工具的创新潜力相结合。目标是让学习者发展获得证书和实现幸福、自主和经济安全所需的关键能力。

一个领域的实现一定程度上是由另一个领域实施引发的。领域是相互依赖的。例如，数字化转型的强有力领导对于发展支持数字公平的连贯系统、资源和政策至关重要。反过来，连贯的系统、资源和政策为领导者制定深度技术融合的愿景提供了基础。

连接和设备的一致访问与数字能力之间的依赖关系也是如此。持续的访问是培养学生、教育工作者和学校社区其他群体的数字能力的先决条件。

随着个人通过访问设备和连接获得数字能力，他们可以更好地利用可用的设备和连接来获得强大的学习体验，从而获得新的能力。在框架的各个领域中，还有许多其他相互依赖关系。

如果不能长期解决这五个领域的问题，可能会加剧数字鸿沟。例如，如果领导者不能确保学生（尤其是家庭）能够充分和持续获得高速互联网和设备，那么缺乏这些设备的学生在数字技能方面将持续落后，教师也将面临为他们学生提供公平学习机会的挑战。

该框架的指导原则包括包容性创新、可持续性和持续改进。

三、OECD发布《人工智能对教育公平和包容性的潜在影响》

2024年8月14日，OECD发布《人工智能对教育公平和包容性的潜在影响》工作论文。

该工作文件深入探讨了人工智能在促进教育公平和包容方面的潜力，研究了以学习者为中心、教师为主导和机构人工智能工具。它强调了人工智能工具提供的机会，如适应性学习体验、丰富的内容，以及在招生和基于数据的决策等过程中提高效率。同时，该论文也说明了人工智能教育工具的重要挑战，包括准入问题、潜在偏见、与人工智能工具相关的高成本以及对全面教师培训的需求。

该工作论文指出，在承认这些新挑战的同时，必须从学校已经存在的挑战的角度来看待它们。例如，不应该假设“传统”的教学方法和工具是完美无缺的。

该工作论文强调了权衡人工智能工具对教育的好处与复杂性和伦理考虑的重要性，以避免加剧现有的差距或创造新的差距。

通过强调这种比较，该工作论文提出了一种平衡观点，承认将人工智能工具整合到教育环境中的前景和陷阱，具体包括以下一些观点。

1.发挥自适应学习的潜力，同时解决隐私、道德和责任问题

人工智能工在自适应性学习体验中发挥了巨大潜力，可以提供量身定制的方法，以满足个别学生的需求，从而提高教育的有效性和包容性。

然而，开发这些(和其他)工具取决于获得具有学生特征的广泛数据。这些信息虽然有利于适应性学习，但可能会被滥用和商业化，引发道德和隐私问题。

此外，人工智能技术使用中的问责制（即当人工智能技术导致歧视性结果或不正确的指导时的责任）很难确保。人工智能产生的不准确或有偏见的回答可能对学生的学习产生重大影响。

2.认识到提高文化响应能力的潜力，同时牢记固有偏见

人工智能工具可以通过提供更有针对性的内容来响应文化，可以打破与教学语言不同的障碍，还可以直接或间接地提高教师的能力。

人工智能工具虽然提供了许多潜在的好处，但并非没有重大警告，特别是在偏见方面。人工智能中的偏见包含了一系列问题，从算法偏见到文化不敏感，可能使不平等和歧视永久化。

3.平衡无障碍潜力与技术残疾歧视及对社会情感技能影响等挑战

旨在支持有特殊教育需求学习者的人工智能工具表明了在教育领域的重大机遇。通过调整学习经验和提高可及性，这些工具可以促进一些特殊教育学生融入课堂环境，培养一个多元化和包容性的学习社区。

然而，人工智能工具中的技术健全之上可能会延续对残疾的狭隘看法，将其视为一个需要解决的问题，而不是解决社会障碍。这种做法可能会导致进一步排斥及对有不同需求学生的支持不足。此外，人工智能工具对社会情感学习的影响带来了多方面的挑战。例如，孤独感和孤立感增加的可能性，特别是在弱势学生群体中。

4.发展和改进人工智能教师培训

基于人工智能的教师培训和持续专业学习为加强教学实践和解决教育差距提供了机会。人工智能支持的虚拟辅导员和平台等创新可以为教师培训提供动态和互动的环境，增强指导能力，并在教学实践中实现数据驱动的改进。

然而，由于人工智能工具具有各种不同的用途，其结果也各不相同。因此，教师的介入对于最大化人工智能工具的诸多好处至关重要，这使得持续进行人工智能相关专业学习成为必须。此外，让教育工作者掌握必要的知识和技能，以有效地将人工智能融入教学中是很困难的。对教师培训的大量时间和资源投入使这一挑战更加复杂，特别是对资源不足的教育机构而言。

5.探索如何在商业影响力日益增强的情况下保持教育正义

一些人工智能工具（如聊天机器人）有进一步促进公平的潜力，因为它们是一种成本效益高的资源，可以很容易地在学校中推广。

还有一些人工智能工具（如AR/VR工具）由于存在财务和可及性担忧，可能不会被所有学校使用。

此外，这个领域的日益商业化使得企业实体越来越多地参与教育人工智能工具，这导致人们担心商业利益可能会掩盖教育目标。商业实体的利润动机可能会优先考虑经济收益而不是教育成果。同时，由于这些实体访问大量敏感的学生数据，滥用的可能性变得非常严重。

6.鼓励研究人工智能对教育公平和包容的影响，明确国家机构在系统实施中的作用

虽然将人工智能工具融入教育前景光明，但不应将其视为解决教育挑战的快速方案。关于人工智能工具对教育公平和包容的影响的研究明显不足。这包括缺乏数据和可靠的评估。涉及教育工作者和教育研究人员的跨学科研究对于创建直接或间接影响教育环境中学习成果的人工智能实际应用至关重要。

为此，政策制定者应该鼓励研究人员提出细致入微的问题。例如，在偏见领域，一个高风险问题不是人工智能工具是否有偏见，而是它们再评估等方面与教师相比是否有更多或更少的偏见，以及这种偏见如何对特定子群体产生放大作用。

另外如，与其问VR/AR工具是否能改善学习成果，不如问它们是否比许多学校中现有的传统2D工具更能改善学习成果。换句话说，与其问人工智能工具的绝对价值，不如开始问人工智能工具的相对效果。（文章摘自微信公众号西大教育）