人工智能赋能未来教育的不可妥协技能研究报告

执⾏摘要 “人工智能（AI）日益增长的能力——尤其是大型语言模型和生成式AI系统——正给教育体系带来前所未有的压力，并迫使我们思考一个更深刻的问题：当机器能够日益模仿我们的工作、我们的知识，甚至可能……我们的思维时，作为人类和积极公民，以及作为关怀社会的一员，究竟意味着什么？”（联合国教科文组织，2024年《人工智能伦理建议书》及《生成式人工智能教育指南》） 不可妥协的人类技能 ⼈⼯。智能（AI）正以前所未有的速度改变教育。随着⼤型语⾔模型和⽣成式AI⽇益融⼊教学、学习和评估，教育体系⾯临⼀个更深层的问题：不仅要思考如何适应这些⼯具，还要思考哪些东西必须作为⼈类独有的特质予以保留。 不可妥协的技能是指那些随着AI渗透教学维度⽽⽆法被放弃或妥协的能⼒。这些是AI⽆法也不应取代的能⼒——教育必须积极保护、传授和实践这些能⼒。随着AI能⼒⽇益增强，问题已不再是AI系统能做什么——⽽是什么仍然是不可还原的⼈类特质。这些不仅是软技能； 本报告认为，AI时代教育的未来取决于保护和加强不可妥协的⼈类技能：判断⼒、创造⼒、伦理推理、同理⼼和反思能⼒，这些仍然对⼈类发展、负责任的公⺠意识和有意义的⼯作⾄关重要。报告借鉴不同背景下的研究和案例研究，为教育⼯作者、机构和政策制定者提供可操作的指导，帮助他们在教育领域做出明智且以⼈为中⼼的AI选择。 它们是使我们变得⾼效、有道德且充满活⼒的认知、情感和道德能⼒。未能教授这些技能的教育体系不仅是不完整的——它们将培养出⽆法为AI作为学习和教学⼯具的世界做好准备的⼈。 批判性思维与独立判断： 质疑信息来源、识别偏⻅、权衡证据并得出不依赖算法或权威的结论的能⼒。⼈⼯智能可以提供信息，但⽆法教会⼈严谨地审视信息。学⽣必须练习形成并捍卫⾃⼰的观点，基于充分理由改变想法，并抵制从⼈⼯智能资源中获取任何答案的诱惑。 ⼈⼯智能的迅速普及迫使教育体系审视这些技术如何重塑学习、教学和个⼈发展的条件。本报告中的案例研究表明，虽然⼈⼯智能可以扩展数字能⼒并加速信息获取，但教育绝不能忽视对⼈类能⼒的培养——这些能⼒仍是学习和未来⼯作的基⽯。通过这⼀联合倡议，FII研究所与哥伦⽐亚⼤学倡导⼀种在⼈⼯智能教育领域保持平衡的⽅法——既务实⼜充满希望，直⾯现实挑战，强化⽂化及可持续的未来，并确保⼈类始终掌控旨在⽀持他们的技术。 伦理推理与道德勇⽓：明辨是⾮很少是逻辑问题。它需要权衡相互冲突的价值观，理解决策对⼈、系统和机构的影响，并认识到⾯对社会压⼒或个⼈利益采取⾏动所需的勇⽓及其后果。 深度共情与⼈性联结：理解他⼈经历的能⼒，不仅是模拟它，更能从中调整⾃我。共情是信任、关怀、领导⼒和社群的基础。 公⺠素养与⺠主意识：理解权⼒运作⽅式、决策制定过程以及如何有意义地参与集体⽣活。⺠主并⾮⾃我维系，它需要公⺠能够批判性地思考制度、跨越分歧进⾏对话，并为其选择带来的后果承担责任。 它通过真实（⼈类）关系、冲突、脆弱性和修复⽽发展，⽆法被⾃动化或简化为捷径。 创新与原创思维：创造⼒并⾮装饰，⽽是解决问题的核⼼——建⽴意想不到的联系、挑战既定假设、⽣成前所未有的想法。⼈⼯智能只能重组已⻅过和处理过的信息。 求知欲与知识谦逊：持续学习的动⼒和对未知的从容接纳。在加速变化的时代，摒弃旧知、重新学习的能⼒⽐任何固定知识体系都更具价值。 ⼈类能够想象从未存在过的事物，并被真正的好奇⼼、痴迷与愿景所驱动。 沟通与说服：清晰表达复杂想法、观察氛围、根据受众调整信息、通过语⾔和存在感打动⼈⼼的能⼒，这包括主动倾听和适应性。这些技能通过实践、反馈和⼈际互动来培养，⽽不仅仅是靠提⽰聊天机器⼈。 韧性与适应性解决问题：⾯对不确定性、容忍失败、并在没有明确答案时持续运作的能⼒。⼈⼯智能在既定参数内运作，⽽⼈类必须在模糊性中导航，从挫折中恢复，并在所有已知选项失败时寻找新出路。这通过教育环境中的教与学挑战来培养。 AI相关技能：有效协作的关键能力 AI相关技能是指个⼈与⼈⼯智能系统有效协作所需的能⼒素养。这些技能并⾮取代⼈类判断，⽽是专注于增强⼈类对AI技术的 purposeful（有⽬的性）和 critical（批判性）指导。 ⾃我认知与元认知：理解⾃⼰的思维⽅式、何时何地可能出错、⾃⾝存在的偏⻅，以及如何从经验中学习。 元认知（即“对思考的思考”）涉及规划、监控和评估⾃⾝认知过程以提升表现。它还包括⾃我纠正错误，或意识到⾃⼰过度纠结于某个决策。 掌握这些技能的学习者： 理解⼈⼯智能能⼒：理解⼈⼯智能⼯具的优势和局限性，以便在不同场景中有效运⽤这些技术 协作与社交智慧：与不同、难相处或存在⽭盾的⼈有效合作。驾驭权⼒、建⽴共识、给予和接受诚实反馈。这些技能通过群体动态学习锻造——⽆法在孤⽴状态或仅通过与设计为迎合他⼈的⼯具互动来培养 解读数据：分析和解读⼈⼯智能⽣成的数据输出，以促进明智决策 理解伦理考量：识别并解决⼈⼯智能使⽤中的伦理影响，确保技术应⽤负责任且公平 协作解决问题：与AI系统合作处理复杂任务，通过⼈机协作提升学习效果 ⿎励定期课堂讨论以⽀持协作学习：教学⽅法包括积极倾听、⼩组项⽬、合作学习、⻆⾊扮演、同伴指导和基于问题的学习 批判性评估：批判性地评估AI⽣成的建议或结果，确保在决策过程中保持⼈类监督 这些以及符合伦理推理的其他教学⽅法，通过保持创造性和原创思维来培养批判性思维，需要在所有教学环境中实施 优化提⽰设计——构建能产⽣精准、相关且有⽤AI输出的输⼊内容 通过这些视⻆，我们审视⽣成式AI带来的压⼒——这种技术的快速发展往往超越了社会对模型如何产⽣输出的理解，其在教育领域的应⽤也常常由效率和新奇性驱动，⽽⾮有意识的教学设计。这正是教育必须拓宽视野的原因——倡导那些任何算法都⽆法复制的、不可妥协的⼈类技能 获得AI素养——理解什么是AI、它如何⽣成回应、在哪些⽅⾯会出错，以及如何负责任地使⽤它 保持数据流畅性——解读AI系统如何处理信息，并将这种理解应⽤于教育和专业场景中 提升批判性与反思性思维——主动设计个⼈学习路径，并评估在此过程中获得的收获与损失 核心论点 在教育环境中引⼊⼈⼯智能的问题不在于学习者和专业⼈⼠使⽤AI的频率，⽽在于他们如何使⽤AI，以及这种使⽤是深化还是削弱了⼈类能⼒。AI的不透明性——即使是其创造者也⽆法完全解释其输出结果的原因——使得在教育中实现有意识、以⼈为中⼼的设计不是⼀种偏好，⽽是⼀种必要。那些仅让效率驱动AI采⽤，却未相应承诺发展⼈类技能的教育体系，可能会培养出擅⻓使⽤⼯具但思维发展不⾜的毕业⽣，以及能⼒有限的公⺠。 优化流程——利⽤AI处理常规任务，释放认知能量⽤于更⾼层次的思考和⼯作 审慎协作——将AI视为⼀种通过⼈类判断进⾏批判性优化的⼯具，⽽⾮不加批判地接受答案的来源 本报告倡导⼀种⼈⼯智能在教育领域应⽤的⽅式，这种⽅式应增强⽽⾮削弱教师、学习者和⼯作者的能动性。其⽬标是提供可⾏的⻅解，确保⼈⼯智能的整合能够强化⽽⾮侵蚀教育和职场表现中的真实性。 读者指南 本报告借鉴了哥伦⽐亚⼤学可持续发展中⼼⼈⼯智能与教育特别⼯作组的审议成果，该⼯作组是“⼈⼯智能与未来⼯作”更⼤倡议的⼀部分，已对这些议题进⾏了两年多的研究，同时还参考了未来投资倡议研究所的“未来⼯作”项⽬。 我们的研究结果基于教育研究和框架中的三个成熟视⻆：（1）数字技能与能⼒，（2）教学实践，以及（3）依赖于当地⽂化、适宜性和全球公⺠⾝份的社会价值观。出现的⼀些关键教学实践包括理解可数字化⽅⾯与应保持⾮数字化（模拟化）⽅⾯之间的重要区别。课堂应优先采⽤体验式、应⽤性和反思性学习。其他实践，如⼿写、写⽇记、⽬标设定活动、⾃我评估⼯具、正念练习以及创建作品集，都是⽀持⾃主学习和个性化学习的⽅式。报告还强调通过跨学科研究构建系统思维⽅法。 ⾃2024年成⽴以来，该⼯作组已发布多份重要报告，探讨⼈⼯智能如何重塑⾼等教育中的教学与学习，并影响特定国家的教育政策。⼯作组还考虑了⼈⼯智能对教育和未来⼯作的⼴泛影响，包括技能需求的变化以及发展中领域不断扩⼤的不平等。在此过程中，该倡议强调了 教育体系及哥伦⽐亚⼤学等机构在塑造更具包容性和以⼈为本的⼈⼯智能应对⽅案中可发挥的关键作⽤，具体包括： 过去两年间，⼯作组编制了⼀份不可协商技能对照表（详⻅附录表2），明确了各项技能的定义、相关能⼒要求、教学⽅法、开发评估⽅式及预期学习成果。这些要素共同为教育⼯作者、教育机构和政策制定者提供了可操作的指导，帮助他们就⼈⼯智能在教育中的⻆⾊做出明智决策。 理解⼈⼯智能在不同教育环境及其利益相关者中带来的机遇与挑战。 分享知识与洞⻅：促进全球利益相关者之间的知识共享与交流，涵盖⼈⼯智能与未来⼯作领域的当前趋势、研究成果及最佳实践。 可协商技能是指那些随着⼈⼯智能的⼴泛应⽤，可能发⽣完全或部分改变的技能。 不可协商技能是指⼈⼯智能⽆法从根本上为学习者代劳的技能，因此随着教育系统引⼊⼈⼯智能，这些技能仍需有意识地持续培养。这些技能应当始终贯穿于需要⼈类持续努⼒和反思的教学实践中。 探讨将不可协商技能融⼊整个教育⽣态系统的政策、规划与实施。政策制定者和部级教育规划者可利⽤此框架重新思考评估⽅式、课堂教学、教师专业发展以及⼈⼯智能时代教育未来的宏观战略。 较慢的学习⽅式（如⼿写）有助于认知加⼯和深度参与，这正是教育系统应为培养这些不可协商技能刻意创造空间的原因。 报告明确指出，教育系统应即刻着手设计前瞻性课程，而非等待人工智能更深层次地融入政策与实践。若教育要在人工智能时代保留并强化人类核心能力，课程改革必须预见技术变革，而非事后被动应对。 在这个⼈⼯智能时代，不可协商的技能不被理解为技术性或可迁移的能⼒，⽽是⽀撑⼈类能动性、判断⼒和责任感的伦理-认知能⼒。这些技能被视为不可委托的，因为将它们系统性地外包给⼈⼯智能不仅会带来效率提升，还会导致⼈类能动性、⾃主性、道德辨别⼒和反思性思维的质变性侵蚀（Harari, 2025a）。 本报告聚焦于学习者在利⽤⼈⼯智能的不断变化的教育环境中需要培养和保留的基本技能。报告中的案例研究体现了这些基本“不可协商技能”的背景和基础，这些技能必须随着⼈⼯智能等技术创新的发展⽽不断培养。案例研究有助于拓展⼈类在⼈⼯智能辅助下能够最优化的技能的深度和⼴度，同时考虑到这些技术局限性的关键性。我们将这些技能分为可协商和不可协商两类。 尽管⼯作组尚未制定培养这些技能集的完整课程框架，但报告明确表明，教育系统现在就应该开始设计前瞻性课程，⽽不是等待⼈⼯智能的整合更深⼊融⼊政策和实践。如果教育要在⼈⼯智能时代保持并增强⼈类的基本能⼒，课程改⾰必须预⻅技术变⾰，⽽不是在其发⽣后被动应对。 本报告重点介绍的案例研究表明，学⽣、终⾝学习者和专业⼈⼠已在⼴泛的教育体系中接触⼈⼯智能，包括那些刚刚开始将⼈⼯智能引⼊教学的国家。这些案例跨越不同区域、⽂化背景和数字环境，反映了丰富多样的⼯具、实践和政策背景。 ⾼效协作的指导指南。 本报告的⽬的不仅在于审视⼈⼯智能在教育领域的快速扩张，更在于理解其多样化应⽤、存在的局限与⻛险，以及在不同教育阶段使⽤或不使⽤⼈⼯智能⼯具所带来的后果。报告探讨了教育系统当前应优先培养何种技能，以及如何通过深思熟虑的教学实践来发展这些技能。 与此同时，数字技术与⼈⼯智能的获取仍⾼度不均衡。因此，所选案例研究旨在捕捉社会经济背景、地域、年龄和使⽤模式上的差异，使关于⼈⼯智能相关技能的讨论始终⽴⾜于具体语境。 报告的主要受众包括从事正规教育和终⾝学习的教师、教育⼯作者、教授和引导者。同时，也⾯向所有对⼈⼯智能时代学习者所需技能感兴趣或担忧的⼉童与⻘少年家⻓及监护⼈。更⼴泛⽽⾔，本报告旨在阐明这⼀新型教育图景中最必要的技能组合，并探索如何通过多样且富有意图的教学法来培养这些技能。 在本报告中，⼈⼯智能相关技能与不可妥协的⼈类技能之间的区分被明确定义为分析框架。然⽽，其实际应⽤并⾮完全静态。根据情境、教育⽔平、技术可及性和使⽤模