“人工智能+教育”需谨慎推进：五条建议划定边界

核心观点

推进“人工智能+教育”不能只强调技术赋能，也要守住教育规律、学生成长和意识形态安全的底线。文章从五个方面提出了具体建议。

五点建议

1. 明确基础教育学生端AI应用边界

中小学生正处于学习习惯、思维方式和自律能力形成阶段。AI如果替代了思考、记忆、推理和表达训练，作业虽然完成，但知识和能力未必形成。文章认为，对义务教育阶段学生端AI使用必须审慎，必要时应明确禁用或限用。西方大众普遍依赖计算器导致基本计算能力退化，被视为一个值得警惕的前车之鉴。

2. 强化闭卷考试、现场答辩等评价方式

在AI可随时生成答案的环境下，闭卷考试、课堂小测、现场写作、口头答辩、面试交流、实验操作和过程性观察等“不可外包”的评价手段，反而成为防止学生把学习外包给AI的重要防线。这些方式既能倒逼学生完成基础训练，也能更准确地检验真实能力；如果完全依赖开放作业，最终评价的可能是调用AI的能力，而非学生本人的能力。

3. 建立教育领域大模型白名单制度

文章援引清华大学刘奕群教授的测试称，Llama、ChatGPT等国外模型在中国台湾地区是否构成独立国家等重大原则问题上曾出现严重偏差，智谱以及KIMI等国内模型也存在不准确、不严谨之处。教育领域接入大模型前，必须严格审核价值导向、内容安全和知识体系，并对模型叙事中可能隐含的西方价值预设保持警惕。文章还提醒，针对大模型的“精准投喂”可能从商业营销扩展到认知作战，教育系统需要前瞻性防范。

4. 统筹建设教育系统算力共享联盟

单个高校和地方政府算力投入有限，各自建设容易出现规模小、成本高、利用率不均的问题。文章建议由国家层面统筹，借鉴“211工程”推进大型仪器共享与数字图书馆的经验，依托中国教育和科研计算机网CERNET，整合重点高校和科研机构算力资源，为教育系统提供普惠算力支撑。

5. 防止AI成为应试训练新工具

市场力量可能把AI包装成更精准的刷题、押题、错题分析和提分工具，把“人盯人应试”升级为“算法驱动应试”。文章以好未来最新财报为例：2026财年收入30.09亿美元，收入增长33.7%，净利润增长527.4%，其中学而思学习机大卖是关键因素之一。学习机等产品本身并非天然有问题，但教育治理必须防止技术被广泛用于变相培训和应试强化。

结论

推进“人工智能+教育”应坚持积极发展与审慎治理并重：一方面发挥制度优势，加快基础设施建设、应用创新和资源共享；另一方面守住学生成长、意识形态安全和防止滥用的底线，避免AI成为教育领域制造新问题的变量。