作者简介

叶贞莹,华中师范大学道德教育研究所博士研究生,主要从事教育基本理论研究;

杜时忠,华中师范大学道德教育研究所教授,兴义师范学院兼职教授,博士生导师,教育学博士,主要从事德育原理、教育原理研究。

摘 要：

人工智能通过数据层、算法层、模型层与交互层,分别改变着概念的意义锚点、推论链条、共构网络与协商空间;各技术要素系统耦合形成的整体性力量,又表现出社会嵌入、跨域渗透、伦理凸显与人机协同演化等特征。在此基础上,人工智能进一步推动教育语词符号的反向构造、概念意义的数据化还原以及意义生成基础与生成范式的转变,从而加剧教育学概念与教育实践之间的失配。教育学概念改造的必要性在于维护教育学的学科自主性,恢复概念的现实解释力与实践引导力;其正当性则源于教育实践的流变性、教育学概念的社会建构性与教育学科的价值规范性。人工智能时代教育学概念改造应把握价值、时间与空间三重尺度:以价值理性规约工具理性,在概念稳定与动态演化之间保持平衡,并推动全球经验与中国教育实践的创造性转化,始终以教育之“善”为价值引领,扎根中国实践,提炼、创造、完善教育学概念体系,掌握学术话语的主动权。

关键词：

人工智能时代;教育学概念;概念失配;概念改造

当今世界正在进入人工智能时代。蒸汽机革命、电动机革命以及计算机革命曾彻底重塑了农业文明的教育形态,催生出工业文明的教育与教育学。在数智文明阶段,以人工智能为代表的一系列前沿技术正在有力推动教育与教育学的深刻变革。具体而言,生成式人工智能、智能评价系统、学习分析平台和教育智能体等智能技术,正在参与课程生成、教学决策、学习反馈、学生分类与教育治理,并由此改变教育活动中的主体关系、知识形态、实践边界与价值判断。也就是说,技术所改变的不仅是教育活动的手段,还是教育实践得以展开的事实结构、关系结构与价值秩序。

教育实践的变化可能会牵连和引发概念层面的变化。一方面,“教师”“学习”“课程”“学校”“教育公平”等概念仍然承载着工业社会形成的主体预设、空间边界与推论规则。另一方面,它们所指向的教育实践却日益呈现出人机协同、数据驱动、虚实融合和算法中介的特征。例如,当智能体实际参与知识讲解、学习反馈和教学决策时,“教师”是否仍然只能指称人类教育者?当学习被平台转化为可追踪、可预测的行为数据时,“学习”概念中无法量化的体验、理解与反思如何得到保留?当算法参与资源分配、学生画像与机会筛选时,传统以资源均等和机会平等为核心的“教育公平”概念是否仍具有充分的解释力?这表明,人工智能时代教育学面临的并不只是新技术应当如何应用的问题,还是既有概念与新兴教育实践之间日益凸显的失配问题。教育学概念是人们认识教育世界的基本工具,是人们对教育现象的认识成果,是反映教育本质属性的思维方式,是研究教育历史、现实问题、未来趋向的标识物与里程碑,也是学科发展的动力源泉。[1]可以说,“概念的变化比新发现的影响更大,这一点怎么强调都不为过。”[2]当前,有关教育与人工智能关系的既有研究主要聚焦于两个方向:一是人工智能在教育中的具体应用,如智慧课堂、个性化学习、智能评价等及其对教学方式、管理模式的影响。[3-6]二是批判或警惕技术应用带来的伦理困境,如算法偏见、数据隐私、数字鸿沟等。[7-9]这些研究为认识智能技术对教育的影响提供了丰富的实践材料,却很少追问:当智能技术已经介入教育事实的生成、教育关系的组织和教育价值的判断时,用来描述、解释和规范这些实践的教育学概念是否仍然有效?

当前,已有少数研究开始对特定概念进行反思。以“课程”概念为例,有论者指出,当前以ChatGPT为代表的生成式人工智能正在变革知识生产与再生产的方式,颠覆既有知识论立场,引发课程认识立场以及课程构成要素的根本性重构,因而需要对“课程”概念进行改造,使其适应人工智能时代,服务于新型人才培养。[10]还有论者指出,随着教育评价数字化转型的推进,教育评价在人工智能时代暴露出了数字拜物教、人类特征数字符号化、数字化歧视等风险。为此,需要对“教育评价”概念进行改造,确保它始终能反映“教育”本源及其背后的人性基础。[11]这些研究体现了可贵的概念自觉,但总体上仍是针对单一概念的散点式讨论,尚未充分揭示不同概念失配背后的共同机制。基于此,本文试图回应一个核心问题:当智能技术重塑教育实践的事实结构、关系结构与价值秩序时,教育学如何识别并修复既有概念与新实践之间的系统性失配?

一、人工智能何以引发教育学概念失配

要解释人工智能何以引发教育学概念失配,首先需要明确这一问题的对象边界与因果边界。其一,所受影响的须是教育学概念。所谓教育学概念,指的是那些真正进入了教育学学术研究与理论建构之中,由教育学术共同体持续使用、反思和批判性检验,并用于描述教育事实、解释教育关系和作出教育价值判断的概念。其所指向的是教育场域中具有学科特异性、难以被其他学科视角完全还原的基本问题。其二,所述之影响应确系由人工智能引发,具备时代的新异性与技术的根本性,迥异于过往技术形态或社会变迁所引发的概念嬗变。人工智能能够对教育学概念产生深刻影响是因为其自身独特的技术条件,这既包括其作为技术复合体的分层架构与运行逻辑所奠定的直接作用基础,也包括这些技术组件系统耦合后涌现出的整体性颠覆力量。

(一)人工智能的分层架构与教育学概念失配

从系统论的视角解构人工智能,可将其划分为数据层、算法层、模型层与交互层。每一层都以特定方式介入教育实践与概念生成,造成不同形态的概念失配。

第一,作为运行基础的数据层能够转移概念的意义锚点。数据层是人工智能的运行基础,因为丰富且高质量的数据资源是人工智能得以构建机器学习模型的基本前提。[12]当人们试图用人工智能为教育赋能时,第一步要做的就是提供大量的教育实践数据,将鲜活的、多维度的教育生活世界转化为可量化的数据点,创建一个与感知、理解和行动的世界相对应的数字孪生世界。这一过程不仅仅是信息的记录,更是对事物属性的“降维”与“重组”。当教育实践被转化为高维向量数据时,它摆脱了物理时空的束缚,但同时也失去了概念背后原本的语境依托。这一过程也标志着在认识论层面对教育学概念的理解从对经验实在的直接把握,转向对数据化表征的间接操作。如此一来,教育学概念的实践基础就发生了迁移。当教育共同体的对话、反思与协商越来越被数据化时,概念背后的意义锚点便会从对共同生活经验的依赖,部分转向对共同数据表征的依赖,进而造成概念所表达的意义与其所指向的完整教育实践之间的失配。

第二,作为核心保障的算法层能够接管概念的推论链条。算法是人工智能的核心,[13]它通过聚类、分类、排序和预测等方式,对大量分散的、碎片化的数据进行自动化处理,识别用户、内容与行为之间的相似性,并据此建立数学统计关联。[14]深度学习算法还能够借助多层神经网络,从海量数据中发现人类经验观察难以察觉的非线性关联和预测性信号,为理解教育现象提供新的量化依据。教育学概念不仅包含相对稳定的语义,还包含一系列推论规则,即人们在使用某一概念时,可以据此作出哪些判断,并进一步采取何种行动。在很多情况下,概念的推论规则是隐含的,人们需要通过逻辑语汇将隐含的推论规则明述为命题形式,将知觉输入和行动输出纳入推论链条,使概念内容触及实在,才能对其进行批判性审查。[15]28-32算法的出现则以一种强制性且黑箱化的方式接管并自动化了这一过程。在此意义上说,算法近似于一种“微观权力”,它绕过了传统的经验观察、因果解释、学术辩论和公共协商,直接将一种特定的、基于数据共性的概念操作方式与教育实践相关联,其中还内嵌着算法设计者的价值判断、文化假设与理论前见。当统计相关性被当作概念判断的充分依据,当算法分类取代了对具体情境和个体差异的教育性理解时,概念所包含的推论规则便可能偏离其所要解释和规范的完整教育实践,由此造成概念推论链条与教育现实之间的失配。

第三,作为功能载体的模型层能够重塑概念的共构网络。模型是算法从数据中学习并完成特定任务的具体实现形式,不同模型因训练数据、参数结构和优化目标的差异,会形成不同的识别、判断与生成方式。[16]特别是以Transformer架构为基础的大语言模型,不再只是从既有知识库中检索信息,而是依据参数权重动态生成词元组合,表现出较强的生成性、交互性和一定程度的自主响应能力。因此,训练完成的人工智能模型会成为“非人行动者”(non-human actor)。它被投入教育场域后,会以其特定的能力与偏好,积极地与人类互动,对网络中其他行动者之间的关系与互动模式进行重新编排,而不再是简单地执行预设逻辑。模型层使得人工智能成为概念意义的“共构者”,教育学概念在一个由人类与非人类行动者共同构成的、不断演化的网络中被持续地转义。同时,不同的模型之中封装了特定的数据和推论规则,决定了概念意义能否被成功征召进入这个新型网络,并在此中占据一个稳固的位置。例如,“因材施教”如何定义“因材”,是基于学生成绩、学习速度还是学习风格?其内在的概念会通过其每一次的资源推送、路径选择传达给师生,从而在实践中挤压或重塑原有关于“因材施教”的常识性理解。

第四,作为对接桥梁的交互层能够重构概念的协商空间。通过RLHF(基于人类反馈的强化学习)等技术,机器能够营造出一种具有主体间性的“拟人化”交流场域。这种技术中介改变了以往人与工具的单向指令关系,将其转变为双向的语义对接与行为协调。师生在与人工智能系统的持续对话和互动中,会不断调试自己对某些概念的理解;同时,人工智能也会根据人类的反馈来调整其内部的表征方式。这是一个持续的、动态的概念协商过程,概念意义的形成由此从单纯的人际讨论扩展至人机协同讨论。这种交互具有开放、即时和低门槛等特点,能够借助数据、案例和多元观点,为概念澄清与共识形成提供新的条件。然而,这一协商空间并不是中立的,平台背后的商业与政治力量会影响那些更容易被呈现、传播和接受的观点,由此可能造成信息同质化、讨论表面化与意义操控。自动生成的内容还可能以语言的流畅性掩盖论证依据的不足,削弱参与者对概念来源、适用边界及现实后果的深入审查。[17]当技术系统筛选和生成的意义被误认为教育共同体充分协商的结果时,教育学概念的公共理解便可能偏离开放、多元且情境化的教育实践,形成概念协商方式与其规范要求之间的失配。

(二)人工智能的整体性力量与教育学概念失配

人工智能引发的教育学概念失配,并非数据、算法、模型与交互等技术层次分别作用的简单叠加,而是各技术组件在教育场域中相互嵌合、协同运行,进一步形成超越技术本身的整体性颠覆力量,扩大了既有教育学概念与新兴教育实践之间的张力。这种整体性力量主要表现为以下四个相互关联的特征,从而引发教育学概念的失配。

一是人工智能与社会结构深度交织。人工智能并非孤立运行的技术工具,而是广泛嵌入生产、生活与治理系统,在重塑社会运行规则的同时,也受到制度安排、利益关系和社会需求的反向塑造。[18]当人工智能进入教育领域并介入知识生产、教学组织和教育决策时,教育便逐渐成为一种高度技术中介化的社会活动,人们对“知识”“学习”“教师”等概念的理解也不再局限于传统经验框架。[19]这种技术与社会结构的持续互动,使教育实践的基本关系不断变化,而建立在既有社会条件之上的教育学概念则可能因调整滞后而与现实基础发生失配。

二是人工智能具有跨领域传播与渗透能力。凭借算法的通用性和数据的跨域整合能力,人工智能能够快速进入不同社会领域,并以技术“解决方案”重新定义问题及其处理方式。[20]在教育领域,在线课程、自适应学习系统和虚拟校园逐渐将知识传授、学习反馈与路径规划从固定的物理场所和时间安排中分离出来,使教育活动呈现出虚实融合、泛在连接的特征。如今,随着人工智能算法的自适应学习系统和虚拟数字校园的普及,现实中已经出现了如密涅瓦计划(Minerva Project)这样没有固定校园、完全基于数字连接的教育实体。这种技术实践的出现迫使社会公众和教育者承认:“学校”的概念不再必然包含或指向一个物理空间,而可以被重构为一种“泛在的知识服务网络”或“泛在的学习生态系统”。正是这种由技术带来的新实践形态,持续挑战着“学校”概念传统的空间性、时间性与组织性内涵,迫使公众和学界进行大规模的概念反思。

三是人工智能表现出伦理层面的显著性。从自动驾驶中的“电车难题”迫使伦理学家重新界定责任主体,到人工智能创作引发的“版权归属”争议挑战知识产权理论,这些伦理议题的出现,本质上是技术发展对“人何以为人”的叩问。当人工智能系统展现出类人的决策能力甚至创造性时,人类不得不重新评估“智能”“意识”“自由意志”等触及人类自我认知的核心命题。这促使人类在技术镜像中重构对自身的理解,推动相关概念向更具包容性与前瞻性的方向演进。教育学概念同样不能例外,这是由教育学的学科属性及其与“人”的内在关联决定的。传统“教育公平”的概念若仍主要关注资源分配和入学机会,便难以充分解释算法歧视、数据排斥与技术可及性差异。可见,对技术伦理的评估直接驱动了某些教育学概念的扩容与深化,使其向更具时代包容性与实践前瞻性的方向演进。

四是人工智能与人类形成持续的协同演化关系。人工智能激发并参与了一场与人类持续进行的相互建构与适应性演变。人类的需求、价值观乃至无意识偏见,通过数据输入、算法设计、应用场景选择,不断外化并塑造着人工智能的能力边界、运作逻辑与发展方向;与此同时,人工智能的输出、推荐、预测乃至其存在的逻辑本身,又被人类内化到了行为决策、知识获取、社会互动以及关于基本概念的理解之中。这种协同进化形成了一个强大的动态反馈循环,推动着双方在各个层面的共同演化。其结果是人类与人工智能在互动中共同定义着“智能”的本质、“伦理”的边界以及“未来可能性”的图景。这一特征使得人工智能对教育学概念的影响力绝非单向、固定或可逆的,而是根植于一个不断创造新现实、引发新问题、要求新适应的共同演化关系之中。[21]

可以说,人工智能既通过数据、算法、模型与交互等技术架构直接介入教育实践,又凭借其社会嵌入性、跨域渗透性、伦理显著性与协同演化性,将局部技术影响扩展为整体性的社会变革。教育实践的事实结构、关系结构与价值秩序由此不断发生变化,而既有教育学概念的意义基础、适用边界与规范内涵未必能够同步调整,概念失配也因此从局部现象演变为需要教育学系统回应的现实问题。

二、人工智能引发教育学概念失配的作用机制

在说明人工智能何以具有引发教育学概念失配的能力之后,还需进一步考察这种力量如何进入教育学概念的生成与使用过程。

(一)人工智能推动教育语词符号的反向构造

语言符号分为“能指”和“所指”。在过去,教育过程是“所指”优先的,即先有需要传授的概念和知识,然后教师通过语言、文本等符号引导学生理解和逼近那个相对稳定的知识本体。也就是说,语言是社会文化和集体意识长期积淀的产物。人工智能大语言模型则改变了这一过程。它依据海量语料中的概率关联即时生成连贯的符号序列,而非先把握一个稳定的意义对象,再用语言加以表达。当学生询问“何为启发式教学”时,人工智能首先提供的是一段动态生成的文本,其概念意义往往在符号生成之后才被使用者接受和确认。概念生成由此呈现出从“所指决定能指”向“能指塑造所指”的反向趋势。这种反向构造提高了概念表达的生成速度,却也可能造成符号增殖与意义稀释。人工智能生成的内容具有语言上的连贯性,但这种流畅表达并不必然对应稳定的理论依据和真实的思考过程,甚至可能成为缺乏原型的“拟像”[22]。符号大量增殖,但其指涉的深度意义可能被稀释。在这个全新的、以人工智能为基础的信息网络体系中,人工智能本身就是网络的成员之一,甚至可以直接进行互连。[23]更进一步说,人工智能正在成为教育理论、教育实践的塑造者之一,正在获得半独立或独立参与公共关系的能力,[24]因此也就能够发挥概念层面的影响力。其超越性表现在,它不再只是被教育系统使用,而是开始反向定义什么是有效的教学、什么是积极的学习成果、什么是合理的教育资源配置,从而深刻地重构了教育的“技术无意识”,即那些未被言明却已深刻影响现实的底层规则。

(二)人工智能推动教育学概念意义的绝对解蔽

海德格尔指出,现代技术是一种“解蔽”方式,但它并非让事物如其本然显现的“带出”,而是以一种“促逼”的方式强求自然和人类进入非自然的状态,进而被框定为一种“持存物”[25]。在此意义上,人工智能尤其是生成式人工智能,代表了对“绝对解蔽”的一次尝试——它力图将人类最精微、最复杂的精神活动,即思维与创造本身,彻底解蔽为可计算、可预测的数据对象。这一过程在教育学中具体表现为对核心概念的数据化还原。那些富含人文意蕴与不可言传维度的概念,在人工智能的“数字座架”中,被解蔽为一套可测量、可优化的行为数据指标集合。例如,“学习”这一充满挣扎、顿悟、反思与社会性建构的复杂心智历程,被还原为外显的、可追踪的行为数据序列,答题正确率与知识图谱的覆盖率;“知识”被解蔽为词语与符号之间基于海量数据统计得出的关联强度,原本具有的历史性、可批判性以及其与认识者主体经验的内在联系被消解。在此过程中,这些概念丰富且情境化的、与人的生命体验紧密相连的本源内涵被剥离,只剩下可被算法处理和优化的维度。这种看似客观高效的“绝对解蔽”却将教育中最本真、最不可计算的部分,如教师的育人智慧、知识的价值负载、学习者的自由与尊严投入更深的黑暗之中,造成对教育中更为根本的东西的遮蔽。当教育系统过度依赖并内化了这种解蔽,其本身便面临被异化的危险:教育的终极目的,可能从培养整全的人悄然转变为生产标准化的“持存物”,人的本质在教育现场反而被迫退隐。

(三)人工智能改变教育学概念的意义生成基础

教育学概念的意义通常建立在一定的事实依据与价值标准之上。人工智能广泛介入教育实践后,不仅会生成新的教育事实,还会改变人们判断教育活动的价值尺度,从而动摇既有概念的意义基础。首先,人工智能以其强大的数据感知与模式识别能力,大规模地生成和凸显新的教育事实与行为模式,拓展了教育活动的存在形态。以“学校”概念为例,在传统教育学视域中,“学校”被理解为一种物理性的、有围墙的、在特定时间段内进行知识传授的固定场所。然而,随着元宇宙、数字孪生及混合现实技术的介入,教育发生的物理边界被彻底打破,教与学可以发生在虚实融合的任何节点。在这一新的事实基础上,仍以固定物理空间为核心的“学校”概念便难以完整指称现实中的教育形态,由此出现概念内涵与事实对象之间的失配。其次,人工智能重塑着衡量教育价值的标尺。例如,一个旨在提高学习效率的人工智能系统,可能会将“学生与学习内容的有效接触时间”和“认知挑战的精准匹配度”锚定为最高的价值标准。能够被量化为这些指标的行为,更容易被系统识别为“有效行为”。而一个旨在培养学生道德情感的人工智能系统,则更倾向于锚定一种推崇“积极情感词频”和“利他行为发生率”的价值标准。[26]由此,人工智能作为外部社会因素,能够干预教育学概念意义生成和建构过程背后关联的事实依据和价值标准,进而在两个层面上使得许多现有的教育学概念与变化中的社会实践之间出现裂痕。

(四)人工智能改变教育学概念的意义生成范式

人工智能已成为智能时代教育生态系统的重要组成部分。它对某一教育要素或教育要素特定方面的颠覆性挑战可能会引发对其他教育要素或教育要素特定方面的颠覆性挑战。[27]更为重要的是,它还会改变教育学概念形成和获得证成的方式。传统教育学概念主要来源于理论推演、经验观察、历史积淀与价值论证,而在数据驱动的教育环境中,算法建模与模式识别开始参与概念边界的划定和意义内容的生成。以“学习投入”为例,传统研究通常从学习者的行为参与、情感体验和认知努力等方面理解其内涵;智能学习系统则通过登录频率、停留时间、点击轨迹、答题表现乃至表情和视线等数据识别学习状态,并据此判断学习者是否投入。当这些可计算的指标被广泛应用于教学评价和学习干预时,它们便不再只是测量既有概念的工具,还可能反过来影响人们对“何为学习投入”的理解,使概念意义逐渐向可观测、可量化和可预测的维度集中。这意味着,教育学概念的意义生成开始由以理论解释和价值论证为主,转向理论、数据与算法共同参与。数据分析能够发现传统经验难以识别的行为模式,为概念形成提供新的事实依据,但统计相关性并不能自动转化为教育意义,更不能替代理论解释和规范判断。如果算法所能识别的内容被直接等同于概念的全部内涵,概念便可能被压缩为技术系统可以处理的指标集合。进言之,人工智能改变的不仅是概念所指向的教育实践,也包括教育学界提出、界定和检验概念的基本方式。

三、概念改造何以成为修复教育学概念失配的必要回应

(一)教育学概念改造的基本内涵

概念改造并不是一个新话题,其所蕴含的基本理念是:人们使用的概念可能存在缺陷,应当通过系统性的方式去修正、优化甚至替换它们,以更好地服务于认知、伦理、政治或理论目的。根据其指向的对象与目标的差异,概念改造可分为“概念的修改”(对既有概念的完善与修正,即“破旧”)与“概念的创造”(提出全新的概念,即“立新”)两种形式。[28]有关概念改造的实践在人类思想史上从未停止,世界上几乎所有学科领域内的研究者,在学术生涯中都会主动或被动地修改或创造某些概念。正如杜威所言,作为理解各自学科领域内各种现象的钥匙,不同学科分支中的概念研究应当构建一套学科特定的意义和原则。[29]教育学概念的改造因而必须立足教育实践,并以教育学的学科问题和价值关切为依据。

首先,教育学概念改造以实践问题为起点。其目的不是在理论内部追求语词的新奇或逻辑形式的完美,而是回应既有概念在指称、解释和规范教育实践时暴露出的具体缺陷。当概念不能充分把握新的教育事实,或其推论规则与教育价值发生冲突时,研究者便需要重新调整概念与实践之间的关系。概念改造既源于实践,又试图通过更新概念反过来影响人们理解、评价和组织教育实践的方式。

其次,教育学概念改造具有公共性。其对象不是个人私有的心理表征,而是教育学术共同体共享并用于公共交流与推理的概念。概念方案可以由研究者提出,但不能仅凭个别学者的意志成立,而须经过学术论证、实践检验与共同体使用。一个概念只有被相关研究者和实践者理解、接受并纳入实际言说与行动,才能真正获得公共意义。因此,教育学概念改造既需要专业理性的引导,也需要教育实践共同体的参与和检验。

再次,教育学概念改造要求相应的概念能力。一是语义—推论的洞察力,即能够穿透语词的表层,深入把握一个概念在特定“理由空间”中所承载的稳定的推论承诺。二是规范—想象的构建力,即能够基于“概念伦理”的审思,设想并设计出更优的概念方案。这种构建力不仅需要严谨的逻辑,更需要想象力的参与,以预见新概念如何重新编织人们的推论网络,如何更好地映射世界并指引行动。三是实践—辩证的贯彻力,即将理论方案付诸实践,并在“生活世界—理由空间”的辩证互动中推进其发展的能力。正是这种多维度的概念能力,将自觉的、系统的概念改造与自然的、演化式的概念变迁或概念演变区分开来。

由此,人工智能时代的教育学概念改造可以被理解为:教育学术共同体以概念与实践之间的失配为问题起点,在教育价值的规范下,通过专业论证与公共检验,对既有概念进行有目的的反思、修正或重构,并在必要时创造新概念的学术活动。它不同于概念在长期使用中自然发生的意义变迁,也不是简单更换语词或追逐新颖表达,而是要具体考察概念的事实基础、适用边界、推论规则与价值内涵是否仍然适切。其目的是恢复教育学概念描述教育现象、解释教育问题和引导教育实践的能力,而非使教育学概念被动迎合技术变化。

(二)教育学概念改造的必要性

技术的每一次变革都会在人类文明的长卷上刻下知识演进的新轨迹。如今,在这场人工智能技术驱动的深刻变革中,中国教育学正站在历史的十字路口,既承载着千年文脉积淀的育人智慧,又面临着人工智能时代的全新命题。如何回应这一命题,不仅关乎教育学科自身的发展,更关乎我们如何在新时代传承与创新教育的文明使命。前述分析表明,人工智能正在改变教育学概念赖以成立的意义锚点、推论链条、共构网络与协商空间,并从符号形式、事实基础、价值标准和生成方式等方面造成概念失配。这些失配不能仅靠技术升级或教育实践的自发调整得到解决。智能技术可以生成新的教育事实与行为模式,却不能自行判断哪些事实应被纳入概念,哪些推论具有教育合理性,以及何种价值值得维护。因此,教育学需要通过自觉的概念改造,构建能够真正回应智能时代教育现实、引领教育未来发展的概念工具,赋予教育学以回应时代之问的全新生命力。这种必要性可从对内、对外两个维度,并通过“破旧”与“立新”两种形式得到阐明。

对内,教育学概念改造关乎教育学的学科独立性。赫尔巴特提出,教育学要“尽可能严格地保持自身的概念,形成独立的思想,避免成为受其他知识领域支配的“被占领区域”[30]。当前教育研究中,充斥着许多来自社会学、政治学、自然科学等其他学科转述而来的概念。若不加批判地直接套用,无异于在理论层面放弃学科主权。教育学者有责任对这些概念的适切性与匹配度进行严格审查,必要时还要对其进行教育学化的改造。例如,将“社会资本”引入教育公平研究时,应当审视其原本的经济学逻辑是否掩盖了教育中独特的情感联结、师生互动等非物质性资源,并据此修正其内涵。这种修改是教育学保持自身话语纯洁性、确立学科边界、防止被其他学科范式吞没的关键机制。若教育学放弃对自身概念的反思与重构,仅仅移植或套用其他学科的概念和概念体系,便极易丧失其应对教育之复杂人文性与规范性的理论能力,最终沦为实证主义或技术理性支配下的附属性知识领域。因此,持续的概念改造实则是教育学维系其学科自主性、保持思想活力的内在要求。它意味着教育学必须基于自身的问题传统与实践关切,不断更新生成具有解释力和引导力的原生概念,从而在多元学科对话中确立不可替代的教育学视角。尤其是随着人工智能时代的到来,教育学概念迎来了一种更具颠覆性的冲击。它并非来自另一门成熟学科,而是来自一套匿名的、去主体化的技术本身。生成式人工智能创造概念的方式是概率式的,其输出本质是“可能性产物”,可能包含无效关联、虚假关联或拼凑信息,导致内容与事实脱钩。[31]诸如此类无意义的字码组合产生的概念一旦大量进入教育学,同样也会使教育学失去权威,破坏学科壁垒。如果教育学不能通过自觉且系统的概念改造,那么其话语空间就会被来自其他学科以及新兴技术的逻辑侵占。

对外,教育学概念改造关乎概念的解释力和现实引导力。布列钦卡指出:“与其他大多数学科相比,教育学被模糊的概念以及不准确和内容空泛的假设或论点充斥着。”[32]以缺陷的根源为标尺,可以将概念的缺陷归结为语义缺陷和非语义缺陷两大类。前者源于概念自身的逻辑结构断裂,表现为概念在语言或结构层面上的不融贯、不一致等状况,导致该概念在语义系统内部无法正常运作;后者则是概念在实践运作中衍生的功能性病症。非语义缺陷在教育情境中尤为凸显:其一为道德、政治、社会缺陷,即教育学中的概念在社会权力结构中充当了压迫性或排斥性工具。某些不公正的社会观念(如性别、种族或阶层歧视)会渗透并扭曲概念的意义网络与使用规则。例如,歧视性观念“女生学不好理科”可以通过寄生附着于“科学素养”或“学业评价”等教育学概念之上,将偏见包装为这些概念的“客观”内涵或隐含预设。这使得教育学概念在运用中悄然执行符号暴力,合理化排斥性实践,从而损害了概念本应具备的认知公正性与规范性引导力。此类缺陷因此具有高度的符号隐蔽性。其二为认知缺陷,即教育学中的概念因范畴僵化、本质主义预设或误导性隐喻,封锁对现象的理解可能,其核心特征是概念扭曲认知过程或阻碍知识获取,导致主体形成错误的世界模型,无法触及复杂的世界真相。其三为理论缺陷,即教育学中的概念无法有效整合新证据、化解理论矛盾,使得教育学概念体系面临解释力失效、与实践脱节的困境,对实践的指导作用减弱甚至阻碍其发展。这三类缺陷在教育实践中常交织共生,要克服这些缺陷,就必须依靠概念改造——要么修改完善旧概念,要么直接创造一个新的概念取而代之。

当然,即便一个概念没有缺陷,但是通过改造能够获得一个比原先更好的概念用于执行任务、指导实践,那也是有必要的。如果教育学研究仅仅满足于分析现有概念,那么它恐怕难以称为一门人文学科。学者的雄心和尊严也恰恰体现在这种永不满足、始终追求更优解释框架的冲动之中。

(三)教育学概念改造的正当性

探讨教育学概念改造的正当性,旨在阐明这一学术行动并非研究者的主观臆造或肆意为之,而是契合教育学科发展内在规律的理性选择。教育学概念作为把握教育实践的思维工具,其生命力在于准确表征并有效引导当下及未来的教育活动。当技术变革引发教育生态的位移时,固守旧有的概念范畴不仅违背了学科演进的历史逻辑,更会导致理论对现实的失语。因此,概念改造的正当性首先确立于其合乎规律的应然逻辑之中。与此同时,这种正当性还内在地包含了可行性的维度:人工智能不仅提出了改造的诉求,更为这种改造提供了客观的物质基础与技术工具,加之教育学者日益觉醒的理论自觉与主体努力,使得概念的重构不仅在逻辑上是正当的,在实践中亦是切实可行的。教育学概念体系的构建与发展本质上就是一项持续性的概念改造。

首先,教育实践的逻辑决定了教育学概念的待改造性。石中英指出,教育实践不是一种纯粹理性的活动,它受到实践者的习性、意图和客观存在的时间与空间等要素共同支配,呈现出鲜明的历史性、情境性、紧迫性和不确定性。[33]由此,任何试图一劳永逸地定义、诠释教育现象的概念都注定是有缺陷的、待改造的。一方面,教育实践深受实践者习性——那种“历史生成的、持久的社会潜在行为倾向系统”[34]——的支配。当社会发生转型时,由旧有习性所塑造的教育学概念便会与新的实践产生深刻的断裂,显露出历史滞后性;另一方面,教育实践中的行为意图并非完全由预设的理论或目的决定,而是复杂多样且不断变化的。实践者在现场的决策,是在信息不充分和无法预见全部后果的情况下做出的,具有有限的合理性。相比之下,概念及建构在其上的理论则是对实践进行总体化、客观化和清晰化的抽象产物。这一过程过滤掉了实践现场丰富的细节与即时的变通,从而导致概念难以完全贴合流动的实践,二者之间存在一种永恒的创造性张力。不仅如此,实践在时间中展开,具有不可逆性,并给实践者带来紧张感和紧迫感,但概念的建构与修改需要理论的从容与反思的沉淀。这种时间的结构性冲突使得概念无法完全同步于实践的即时生成,始终带有一种静态的延迟。鉴于教育实践受制于由身体、心理和社会构成的三维空间结构,当概念试图跨越不同的实践空间时,这种追求便会与实践的空间具体性产生冲突。概念改造不是外在于实践的理性游戏,而是为了追赶和应答生生不息的实践流变所必须进行的持续性自我更新。这是由教育实践的逻辑所决定的内在必然,并能反过来照亮和启迪新的实践。今天,人工智能技术正以前所未有的速度与规模催生新的教育实践形态,这使得实践的流变性、不确定性被进一步放大。因此,植根于此的教育学概念,其待改造性不仅依然成立,更获得了前所未有的紧迫性与复杂性。

其次,教育学概念的类型决定了教育学概念的可改造性。概念哲学家索耶区分了三类概念:自然类、哲学类、社会类。大多自然类概念(如“水”)有着相对可靠的外在参照系,其价值落脚于对实在的准确表征。哲学类和社会类概念的价值则落脚于其逻辑必然性。其中,哲学类概念强调“真”[35],关心的是一种“必然性特质”,即所有可能世界中为“真”的概念,因此它是一种纯粹理论层面的探究。社会类概念则更强调效用的维度。其首要功能在于塑造世界,而非被动地表征世界(这并不意味着这些概念不能表征世界)。人类生活在一个由社会实在编织而成的意义世界里。社会实在,即那些需要人类集体同意才能存在的东西,如货币、婚姻、政府等,正是通过集体意向性、功能赋予与构成性规则而被创造和维系。如果人们普遍以不同的方式使用这些概念,经过很长一段时间,许多社会实在都可能发生变化。[36]正因如此,社会类概念是猜测性的和相对的,因而也是永远向理性批判开放的。教育学概念从类型上看主要是社会类概念,它们持续不断地塑造着教育的现实图景。一是定义角色与关系。例如,“教师”与“学生”这两个概念并非仅仅描述两种现成的个体或群体,而是通过一套由概念所承载的权利、义务与行为规范构成的教育中最基本的一对关系。当“教师”概念的意义从“知识的绝对权威”被改造为“学习的引导者与合作者”时,整个课堂的权力结构、互动模式乃至空间布局都将随之发生改变。二是强化集体意识。社会类概念深刻地影响着教育中所有参与者的认知、情感与行动。概念可以成为一种符号权力,悄无声息地将集体的价值期待转化为个体的自觉实践。三是形塑身份认同。社会表征是一种整体图式,这个图式中编织进了各种信息,从某个角度解释着世界。一旦世界被赋予了解释,人们便会产生根据这个解释去行动的倾向。意识形态的图式或概念构成社会结构,并产生真信念——社会类概念切割社会实在的肌理。一个学生被归类为“学优生”或“学困生”,不仅会受到他人不同的对待,更会将这些概念内化为自我身份的一部分。概念的完善关乎着教育的限度。教育学概念不是要定义或描述一个亘古不变的教育真理,而是去参与构建一个“可能更好”的教育世界。它的可改造性正是其作为一种建构性力量的体现。在新的时代背景下,人工智能本身就是一种强大的、新的社会实在,它通过重塑社会互动与知识生产的方式,为概念的再造提供了新的动力与现实基础。

再次,教育学科的性质决定了教育学概念的应改造性。教育学以“教育”为研究对象,教育以道德人格之善为本义,教育中所涉及的理论、政策和实践首先并非技术问题,它们原本就是伦理和政治问题,或者说是价值选择问题。陈桂生指出,我国自古以来就将“价值性质的教育”和“活动性质的教学”进行了区分。[37]价值内在性可以被视为教育学概念的关键特征,并以此来区分出“教育学概念”和“有关教育学的概念”。前者由其对教育意向性与规范性的不可还原性决定,它们自觉秉持学科的价值立场,追求学术意义的建构,通过核心命题的提出、理论传统的延续以及严谨方法的运用,深刻揭示教育背后关乎人性与生命发展的根本预设,而非单纯的现实关联性。也即,作为一门人文之学,教育学具有内在的规范性与未来导向,这要求其概念必须接受“善”的审视与改造。教育学的终极关切并非“教育是什么”的实然描述,而是“教育应当是什么”的应然追寻。它以“成全生命”为根本使命,[38]致力于探讨如何通过教育使人走向更自由、更充实、更富德性的可能生活。这使得教育学概念天然地关乎“何为好教学”“何为好教师”“何为好教育”的规范性判断。这也成为教育学概念改造的评估起点兼评价基准。当社会价值观演进、当关于美好生活的理解发生变化时,固守旧有的概念体系便意味着在规范层面的滞后甚至失责。当人工智能技术携其内在的工具理性与算法逻辑深度介入教育时,对教育学概念进行以“善”为尺度的价值审视与规范性改造,已不再是锦上添花的理论思辨,而是防止教育被技术异化、捍卫其育人本位的学科责任。总之,人类对世界的认识,并不是“镜式”的反映,而是社会的建构;不是“全景式”的,而是“视角主义”的;不是说明的,而是解释的;不是价值无涉的,而是深刻的政治学的。所以研究者必须对自己所使用的概念进行深入的分析和研究,理解它们的历史性、社会性以及它们在思想表达方面的意向性和局限性。[39]

综上,教育实践的流变性意味着教育学概念始终有待检验,教育学概念的社会建构性使其能够被理性调整,教育学科的价值规范性则要求研究者主动审查和修正教育学概念。教育学概念改造因而不是脱离现实的语义设计,而是教育学在实践变化中维护自身解释力与规范责任的正当学术活动。人工智能时代的关键问题,不是概念是否应当无条件适应技术,而是如何以教育之“善”为尺度,重新校准概念的事实基础、适用边界、推论规则与价值内涵。

四、人工智能时代教育学概念改造的三重尺度

教育学概念的改造并非在真空中进行,也非简单的技术决定过程。要真正实现以“善”为导向的概念改造,使改造后的概念能够回应新的教育实践,需要从价值、时间与空间三个维度把握其基本尺度。

(一)价值尺度:价值理性对工具理性的规约

在人工智能时代的教育学概念改造中,最深刻的张力源于马克斯·韦伯所揭示的工具理性与价值理性的现代性悖论。[40]传统的技术批判理论常将技术理性片面地等同于工具理性(即关注手段、效率、计算和可预测性的思维模式),并将其与价值理性(即关注目的、意义、伦理和终极关怀的思维模式)置于截然对立的位置。这种将工具理性与价值理性对立起来的思路,既未能理解技术活动本身是“合规律性”与“合目的性”的统一,也忽略了技术理性是一个动态发展的过程。[41]盲目地批判和否定工具理性无法为应对人工智能时代的挑战提供建设性方案。教育学概念的改造不能以价值理性之名简单拒斥工具理性,而是要在概念层面探索如何实现二者在更高水平上的辩证统一。一方面,概念改造要以价值理性为“体”。任何教育学概念改造的根本旨归都是捍卫教育的育人本位,即人的全面发展、生命意义的建构和民主社会的培育,[42]在引入任何数据化、算法化的定义之前,应当将教育之魂置于技术之能的前端,展开前置性设计,预先为教育技术进行价值设计、伦理设计和情感设计。强调人工智能应为人类智能、为人类福祉服务,植入教育语境后,则凸显人工智能要为师生的生命健康成长发展服务,以避免价值观的错位乃至冲突。另一方面,概念改造要以工具理性为“用”。人工智能为实现价值理性提供了前所未有的精准洞察和实现路径。例如,在重构“因材施教”概念时,可以利用人工智能将以往基于经验的、模糊的识材,升级为基于多模态数据的、精准的识材,从而使施教更有针对性,更好地实现促进个体潜能发展的价值目标。工具理性在此成为价值理性的强大赋能者,而非破坏者。人工智能时代的教育学概念改造,在对待工具理性与价值理性的关系上,必须超越简单的批判与对立。将价值理性的诉求放在工具理性的运作框架之中,使人工智能的赋能始终在教育的人文主义轨道上运行。这不仅是概念更新的需要,更是确保人工智能时代教育技术始终服务于“人”的根本保障。

(二)时间尺度:概念稳定与动态演化的平衡

智能技术加速了教育实践的演变,新的教育现象与话语不断涌现。这要求教育学概念既要保持必要的稳定性,以维系学术积累与公共交流的连续性;又要具有适度的开放性,以回应变化中的教育现实。概念如果过于封闭,便可能因滞后于实践而失去解释力;如果频繁变动,则可能造成意义漂移和话语断裂,使学术共同体失去共同讨论的基础。因此,概念改造必须要处理好新义与旧义之间的连续性。改造者不仅要说明概念为何需要调整,还应追溯其历史来源与演变轨迹,明确哪些核心内涵应该被继承,哪些意义需要被修正或舍弃;否则,便可能出现三类断裂:改造后的专业概念与公众日常理解之间的断裂、不同研究者概念方案之间的断裂以及不同学术共同体概念范式之间的断裂。[15]84当然,概念稳定并不意味着固守既有定义,动态演化也不意味着追随技术变化不断造词。二者平衡的关键在于区分概念中相对稳定的价值内核与可以调整的经验内容。涉及教育目的、人的发展与基本关系的核心概念,应保持意义上的相对连续,并通过重新阐释回应时代变化;涉及教学方式、技术工具与实践形态的概念,则需要根据新事实及时调整内涵和适用边界。换言之,教育的价值根基不应随技术更迭轻易改变,但概念对现实形态的描述必须保持必要的敏感性。有论者从来源、内容及概念关系等维度,对新时代中国特色教育学概念进行了类型划分。[43]这一分类启示我们,不同概念不宜采取相同的改造方式:对具有学科奠基作用的基本概念,应以保持核心意义、深化时代阐释为主;对贴近课程、教学和技术实践的应用性概念,应适度提高更新速度,以增强其现实解释力;对教育治理和制度变革中出现的重塑性概念,则应在分析其理论后果与概念网络影响的基础上审慎调整。通过这种分类施策,真正构建起具有韧性的教育学概念体系,使教育学在人工智能时代的浪潮中,既不失根基,又充满活力,确保学术共同体能够在一个共享的意义框架内进行积累性对话。

(三)空间尺度:全球经验与本土实践之间的转化

在既往的讨论中,“全球与本土”在教育研究中的张力常被置于中西文化对视的框架下,强调要对西方概念进行本土化应用或创造性转化,本质上走的都是引进和调适路径。然而,人工智能的介入改变了这一图景。它创造了一个超越传统地缘文化界限的技术性全球场域。这个“全球”不仅仅是不同国家地区或文化圈的集合,还是一个由数据流、算法模型、技术平台和跨国开发者社区共同构成的、具有自身运行规律的新型空间。一方面是张力源的多元化。过去概念的冲突主要源于中西方不同的哲学观念、价值取向、制度差异。现在面临的挑战更多来自于一种匿名的、去地域化的技术本身。当一所中国学校使用由硅谷团队开发、基于全球开源数据训练的语言学习人工智能时,它需要应对或处理的是来自算法中更隐蔽、更强大的特定文化预设、价值判断和认识论,而不仅仅是来自某个西方国家的理论著述、政策报告等显性文本。人工智能的力量是全球性的,是技术范式自身催生的一种新的普遍主义倾向,不独属于西方或东方。教育学概念改造需要处理的关系从具体的文化他者,部分转变为抽象的技术逻辑。另一方面是参与者的复杂化。在过去,概念对话的主体主要是中西方学者、政策制定者,代表的是相对清晰的文化和政治实体。在人工智能时代,参与者变得空前复杂。跨国科技巨头、全球开源算法社区、非政府组织,以及作为技术共构者的全球用户等,这些非国家行为体共同塑造着“教育”“教师”“有效学习”等概念的全球性理解。中国教育学的概念改造,因此需要与这个由多元行动者构成的、更具流动性的全球网络进行对接,而不只是与西方教育学对话。不仅如此,过去概念改造和交流主要发生在学术会议、期刊论文等思想市场,现在技术平台和基础设施层成为新兴的场域。概念的有效性越来越取决于它能否被成功地编译进主导性的技术架构与融合性的社会文化中。

归根结底,教育学概念改造的深层旨归在于为建设中国特色、中国风格、中国气派的教育学自主知识体系奠定坚不可摧的基石。这要求中国教育学者勇于承担时代赋予的学术使命,致力于从中国生动的教育实践中提炼、创造、完善标识性概念,以构建融通中外、兼具学理深度与文化自觉的概念体系,掌握学术话语的主动权。

参考文献：

[1]李政涛.概念研究为什么重要?——构筑教育学建设与发展的概念基石[J].华东师范大学学报(教育科学版),2024(8):1-8.

[2]MAYR E.This is biology:the science of the living world[M].Cambridge:Belknap Press,1997:98.

[3]彭红超,朱凯歌,祝智庭.智能技术提升智慧课堂教学效果研究[J].开放教育研究,2025(4):74-84.

[4]董玉琦,杨旸,张慧伦,等.AI学伴支持的个性化协作式学习实证研究[J].电化教育研究,2026(1):59-66.

[5]鹿星南,高雪薇.人工智能赋能教育评价改革:发展态势、风险检视与消解对策[J].中国教育学刊,2023(2):48-54.

[6]朱永新,杨帆.ChatGPT/生成式人工智能与教育创新:机遇、挑战以及未来[J].华东师范大学学报(教育科学版),2023(7):1-14.

[7]谭维智.人工智能教育应用的算法风险[J].开放教育研究,2019(6):20-30.

[8]田贤鹏.隐私保护与开放共享:人工智能时代的教育数据治理变革[J].电化教育研究,2020(5):33-38.

[9]王美,随晓筱.新数字鸿沟:信息技术促进教育公平的新挑战[J].现代远程教育研究,2014(4):97-103.

[10]高盼望,路书红.生成式人工智能时代的“课程”概念重建[J].华东师范大学学报(教育科学版),2025(6):50-60.

[11]苏启敏,陶燕琴.数智技术赋能时代“教育评价”概念的神话、风险与想象性重构[J].华东师范大学学报(教育科学版),2025(6):38-49.

[12]ZHA D,BHAT Z P,LAI K H,et al.Data-centric artificial intelligence:a survey[J].ACM Computing Surveys,2025(5):1-42.

[13]MARCZAK J,WISTOW G,FERNANDEZ J L.Ready,willing and able? Local perspectives on implementing prevention in social care in England[J].The British Journal of Social Work,2024(3):1297-1318.

[14]章沫嘉,郭小安.技术的“秩序”:智能算法的分类逻辑与“共性化取代”[J].现代出版,2025(7):51-63.

[15]黄远帆.概念改造的伦理[M].上海:上海人民出版社,2024.

[16]周文安.机器学习[M].北京:北京邮电大学出版社,2021:10-11.

[17]申建林,邱雨.重构还是解构——关于网络空间公共领域命运的争议[J].武汉大学学报(哲学社会科学版),2020(5):146-154.

[18]HOPSTER J.What are socially disruptive technologies?[J].Technology in Society,2021,67:101750.

[19]徐子燕,石中英.人工智能时代的真理问题与教育责任[J].教育研究,2024(10):26-37.

[20]SCHUELKE-LEECH B A.A model for understanding the orders of magnitude of disruptive technologies[J].Technological Forecasting and Social Change,2018,129:261-274.

[21]HERMANN J.Socially disruptive technologies and moral certainty[M]//ERIKSEN C,HERMANN J,O′HARA N,et al.Philosophical perspectives on moral certainty.London:Taylor &Francis,2023:19-33.

[22]BAUDRILLARD J.Simulacra and simulations[M]//GREER C.Crime and media.London:Routledge,2019:69-85.

[23]尤瓦尔·赫拉利.智人之上:从石器时代到AI时代的信息网络简史[M].林俊宏,译.北京:中信出版集团,2024:176.

[24]田凤娟,徐建红.人工智能伦理素养[M].北京:北京邮电大学出版社,2023:1.

[25]海德格尔.技术的追问[M]//海德格尔.演讲与论文集.孙周兴,译.北京:商务印书馆,2020:15-18.

[26]朱小蔓,梅仲荪.道德情感教育初论[J].思想·理论·教育,2001(10):28-32.

[27]吴康宁.人工智能究竟给教育带来怎样的挑战[J].教育研究,2025(6):4-21.

[28]BRUGESS A,CAPPELEN H,PLUNKETT D.Conceptual engineering and conceptual ethics[M].Oxford:Oxford University Press,2020:1-7.

[29]约翰·杜威.经验与教育[M].姜文闵,译.北京:人民教育出版社,2005:153.

[30]赫尔巴特.普通教育学[M].李其龙,译.北京:人民教育出版社,2015:5.

[31]邓晃煌,贺宝仪,吴飞.人机协同下可信内容合成[J].未来传播,2023(4):24-31.

[32]沃尔夫冈·布列钦卡.教育科学的基本概念:分析、批判和建议[M].胡劲松,译.上海:华东师范大学出版社,2001:第五版前言.

[33]石中英.论教育实践的逻辑[J].教育研究,2006(1):3-9.

[34]皮埃尔·布迪厄.实践感[M].蒋梓骅,译.南京:译林出版社,2003:8.

[35]SAWYER S.Kinds of kinds:normativity,scope and implementation in conceptual engineering[M]//ISAAC M G,KOCH S,SCHARP K.New perspectives on conceptual engineering-volume 1:Foundational issues.Cham:Springer Nature Switzerland,2025:89-110.

[36]McKENNA R.No epistemic trouble for engineering woman :response to Simion[J].Logos &Episteme,2018(3):335-342.

[37]陈桂生.教育学究竟是怎么一回事——教育学辨析[M].上海:上海教育出版社,2020:6-7.

[38]吴黛舒.论“教育学”的学科立场——探索“教育学”学科独立性问题的另一个思路[J].华东师范大学学报(教育科学版),2004(3):13-18.

[39]石中英.本质主义、反本质主义与中国教育学研究[J].教育研究,2004(1):11-20.

[40]张立新,来钇汝,秦丹.智能教育工具理性与价值理性的博弈与权衡[J].开放教育研究,2022(3):67-72.

[41]赵建军.超越“技术理性批判”[J].哲学研究,2006(5):107-113.

[42]王文秋.人工智能赋能教育固守育人本位:内在逻辑、潜在挑战与应对之策[J].新疆师范大学学报(哲学社会科学版),2025(6):150-160.

[43]郑金洲.新时代中国特色教育学基本概念的类型分析[J].华东师范大学学报(教育科学版),2025(2):1-9.