本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
新加坡四分之三的教师已在使用人工智能。法国的比例仅为14%。在这两个极端之间，全球教育正面临一场社会选择：人工智能究竟是解放教学，还是将其工业化？
2024年，经合组织国家中41%的教师已在使用人工智能，这一数字背后是两种对立的教育前景。其一是教学增强——使学习个性化，腾出时间进行人文关怀。其二是评估自动化——使实践标准化，将学校变为认知流水线。
要点
- 2024年，经合组织国家中41%的教师使用人工智能，新加坡（75%）与法国（14%）之间差距悬殊
- 欧洲禁止在课堂进行情感识别，但允许”出于教学目的”的行为分析
- 67%的教育系统正在测试自动化评估，形成性评估面临威胁
- 部署成本从每名学生每年50美元（基础工具）到每间教室2000美元（集成系统）不等
新加坡工业化个性化，欧洲暂缓行动
新加坡与法国之间的差距，折射出两种根本对立的教育理念。新加坡自2019年起推行”AI for Students”计划，大规模部署人工智能，培训了32,000名教师使用自适应学习工具。最终，75%的教师借助人工智能助手区分学习路径、生成个性化练习。
新加坡模式以系统效率为核心。每名学生都有一份认知档案，由其与学习平台的互动记录持续更新。人工智能实时调整练习难度，识别概念漏洞，提出针对性补救方案。这种大规模个性化使教师得以集中精力帮助学习困难的学生，而非反复备制标准课程。
法国的采用率停留在14%，根源在于机构层面的不信任和培训的缺失。国民教育部自2024年9月起小幅测试批改助手，但尚无整体战略。这种保守态度与现实需求之间存在明显落差：根据2024年TALIS调查，47%的法国教师表示没有足够时间进行个性化辅导。
欧洲禁止情感监控，但为行为分析打开大门
2024年8月生效的欧盟人工智能法规明确禁止在学校使用情感识别系统。被禁止的对象，是那些通过分析学生面部表情、肢体姿势或声音来推断其情绪状态的技术。欧盟认为，这类技术侵犯人类尊严，制造压迫性的学校环境。
该法规同时明确允许”出于合法教学目的”的行为分析。这一法律空间，为教育软件厂商打开了大门。ClassDojo目前已进入95%的美国小学，它分析学生的登录时长、浏览路径和答题模式，用于调整教学建议。
这种软性监控引发了教育科学研究者的担忧。监控资本主义学者肖莎娜·祖博夫警告：学校正在变成”行为实验室”，每次点击、每次迟疑、每次出错都在为预测算法输送数据。学生尚未成为学习者，已先成为数据源。
评估自动化威胁教学辅导
根据2024年TALIS数据，67%的经合组织教育系统正在试验自动化评估。这些工具承诺消除主观性、加快批改速度。托福考试主办机构ETS已在15个国家部署其e-rater系统，自动批改书面作品。该算法对句法、词汇和论证结构的分析，与人类评分员的吻合度达到87%。
这种自动化从根本上重塑了教师职业。手写批注和师生之间围绕错误展开的直接交流，正在消失。人工智能生成标准化反馈，对学习障碍分类归档，并开具补救练习处方。教师变成了一套评估、诊断、开单系统的监管者，而非主导者。
泰勒化的风险令教师工会忧虑。法国统一教师工会批评这是一种”智识无产化”，将教师职业的关系维度掏空。形成性评估——日常贯穿学习全程的那种评估——不是一个分数或一份算法报告就能替代的。它需要同理心、因地制宜的判断，以及与学生之间真实的教学磋商。
芬兰的经验体现了这种张力。自2023年起，赫尔辛基试行混合评估模式：人工智能预批改作品，教师进行最终审核。这一方式保留了专业判断，同时节省了时间。但它要求深入培训，以防范锚定偏差——即教师倾向于直接认可算法建议的风险。
成本分化制约教育人工智能的普及
教育人工智能的部署揭示了重大经济鸿沟。基础内容生成工具的成本约为每名学生每年50美元。可汗学院提供的人工智能辅导助手Khanmigo，每户每月9美元。这些方案对西方中产家庭尚属可及。
集成系统则是另一番面貌。配备行为传感器、互动大屏和预测算法的教室，造价在15,000至50,000欧元之间。能负担这些投入的，主要是私立学校和财力充裕的学区。这道数字鸿沟进一步扩大了既有的教育不平等。
印度选择了一条节俭路线。其DIKSHA平台以每名学生每年2美元的成本覆盖了2.4亿名学生，优先通过智能手机提供自适应内容，而非购置重型设备。代价是功能有限：没有深度行为分析，没有精细个性化，没有自动化评估。
德国试验民主共建模式
德国通过2024年9月启动的”AI与学校”计划探索第三条路。联邦教育部不强推技术解决方案，转而资助由教师、家长和学生共同主导的地方实验项目。各学校自行确定优先方向：压缩行政负担、个性化教学，还是早期识别学习困难。
这种自下而上的路径产生了多样化的实践。汉堡一所小学用人工智能为每名学生生成适配其认知档案的数学题。慕尼黑一所文理中学通过自动化课程规划，为跨学科项目腾出时间。德累斯顿一所初中开发了一款人工智能助手，帮助阅读障碍学生组织写作思路。
这些实验绕开了技术官僚式的标准化，同时保住了教学自主权。但部署速度因此放慢，区域差距也随之出现。数字能力较强的学校从中获益更多，农村和贫困地区的学校则处于劣势。
走向人工智能的教学治理
联合国教科文组织于2024年11月发布了首批”教育中伦理人工智能”建议。报告确立了四项核心原则：算法透明、家庭知情同意、学生犯错权以及人类教学关系的维护。
这些原则在落地层面仍缺乏答案。如何保证专有算法的透明度？当学生数据持续喂养预测模型时，数字遗忘权如何得到保障？面对日益具有规定性的系统，教师的教学自主权如何守护？
自2024年1月起，加利福尼亚州试行”教育数字护照”，从幼儿园到大学全程跟踪每名学生。这份算法档案汇集成绩、学习困难、学习偏好与教学建议。官方目标是防止路径中断、实现个性化辅导。潜在风险是：学生从幼年起便被纳入预设轨道。
这场争论的核心已超出技术范畴，直指学校的根本目的：是培养能够独立思考的批判性公民，还是优化学习路径以最大化就业能力？人工智能使这一根本张力无处遁形，迫使学校做出抉择。
在新加坡工业化个性化与欧洲审慎暂缓之间，第三条路正在显现：以人工智能辅助为核心，同时保留教学关系的主体地位。这条路要求在培训上大规模投入，要求有约束力的伦理框架，以及对技术选择的民主治理。这是防止未来学校沦为算法驱动的文凭工厂所必须付出的代价。
来源
- OECD TALIS 2024 - Teaching and Learning International Survey Results
- UNESCO - Recommandations pour une IA éthique en éducation, novembre 2024
- Règlement européen sur l’intelligence artificielle, août 2024