摘要:美国高等教育信息化协会(EDUCAUSE)最近发布了《2023年EDUCAUSE地平线报告(学生整体教育体验版)》,该报告采用德尔菲法，从社会趋势、技术趋势、经济趋势和环境趋势四方面描述了塑造学生未来高等教育学习体验的12种宏观趋势，探究了影响学生未来高等教育学习体验的6项关键技术和实践，预测学生未来高等教育学习体验的3种发展场景，为推进未来高等教育高质量发展提供了重要参考。基于非工具性分析视角，采用文本分析和内容分析方法系统解构该报告，可以为我国高等教育数字化转型提供参考。高等教育数字化转型赋能学生学习体验提升，具体路径包括：利用人工智能技术改善学生学习体验，创造可访问和包容的学习体验环境；增强学生与人工智能技术的互动，促进学生对人工智能技术的个性化应用；推进数字技术全方位赋能学生心理健康，加强学生心理健康教育数字化建设；系统建立教师数据素养培训体系，持续构建数据驱动的未来高等教育教学。

关键词:地平线报告 未来高等教育 高等教育数字化转型 生成式人工智能 数据素养 学生学习体验

基金: 2024年度河南省高等学校重点科研项目资助计划“河南省高校教师数字化转型能力框架构建及提升路径研究”(24A880003)  2023年度河南省高校哲学社会科学创新人才支持计划“面向智能教育的智能技术助推教学与学习的优化路径研究”(2023-CXRC-12) ; 2023年浙江省教育厅一般科研项目“高职院校教师数字能力评估及优化路径研究”(Y202352084) 。

一、问题的提出

随着大数据、物联网、生成式人工智能等新一代数字技术的发展与应用，数字化转型已成为驱动人类社会走向智能化、数字化的世界性主题。数字技术与教育系统的融合创新正推动我国高等教育信息化向数字化转型跃升，(1)改变高等教育人才的知识技能结构，提升学生的数字素养，培养数字化人才已成为国际组织和各国开展教育改革的重要趋势。正如习近平总书记强调的，教育的首要问题是“培养什么人”,促进人的全面发展、为国家与社会发展培养人才是教育的独有功能。然而，高等教育作为人才输送的要地，当前似乎仍难以满足培养未来高质量人才的需要，目前，高校教育理念、教务管理改革思路与高等教育人才培养模式的数字化转型要求仍然存在一定差距。促进高等教育发展需要敏锐地感知时代趋势，以前瞻性的眼光审度未来人才需求转向，关注技能培养。(2)因此，为推进高等教育数字化转型，促进智能技术与高等教育教学深度融合，增强学生未来高等教育学习体验，亟须对学生未来高等教育学习体验产生显著影响的宏观趋势、关键技术和实践、未来场景等进行战略研判和精准把握，从而促进人工智能技术与高等教育深度融合，更好地培养适应数字化时代的创新型人才。

美国高等教育信息化协会(EDUCAUSE)最近发布的《2023年EDUCAUSE地平线报告(学生整体教育体验版)》(以下简称《报告》)聚焦于支持学生在高等教育中的整体学习体验。(3)《报告》采用改进的德尔菲法和预测框架工具，呈现影响学生未来高等教育学习体验的12种宏观发展趋势、6项关键技术和实践、3种未来发展场景(图1),有助于研究者立足当前高等教育现状，基于非工具性分析视角开展创新性思考：塑造学生未来高等教育学习体验的宏观趋势有哪些，影响学生未来高等教育学习体验的关键技术和实践有哪些，预测学生未来高等教育学习体验将面临何种可能的发展场景。借鉴经验，省思预警，可为我国高等教育数字化转型和高质量发展制定前瞻性的战略规划。

二、宏观发展趋势：塑造学生未来高等教育学习体验

高等教育处在特定的社会背景下，人们通过高等教育进行互动、建立关系。要提高学生未来高等教育整体学习体验，必须了解塑造学生未来高等教育学习体验的宏观发展趋势。《报告》沿用德尔菲法，确定了影响学生未来高等教育学习体验的社会趋势、技术趋势、经济趋势和环境趋势(图1),研判每种趋势的预期影响。

首先，高等教育入学人数减少、对高等教育成本的担忧、高等教育预算削减以及越来越多的低成本高等教育替代选择等潜在威胁给未来的高等教育带来巨大压力。其次，从技术角度来看，人们对人工智能的兴趣急剧增加，机器学习越来越多地被用于收集和分析学生数据，让人们越来越担心人工智能对个人隐私安全的影响。最后，《报告》强调了以学生经历和参与高等教育能力为中心的发展趋势，更深刻地认识到心理健康挑战、气候变化等将带来巨大影响。综合来看，高等教育机构要实现可持续发展，必须认真思考未来的趋势；为了有效塑造学生未来高等教育学习体验，必须促进人工智能技术与高等教育的深度融合，推进高等教育的数字化转型。

图1 《2023年EDUCAUSE地平线报告(学生整体教育体验版)》框架

(一)社会趋势

1.对心理健康挑战及其影响的认识正在提高

心理健康挑战影响学生学业表现、课堂学习和课外活动参与度、学生与同龄人及教职工的社会关系等。尽管目前许多学生面临比以往更复杂的心理健康挑战，但他们愿意寻求帮助，因此大学对心理健康服务的需求大幅增加。在精神卫生工作者持续短缺的情况下，高等教育机构的领导者正在寻找治疗和咨询之外的方法，帮助学生应对心理健康挑战。这些方法包括修改课程政策、培训教职工以识别有困难的学生、提供促进学生身心健康的工具和讲习班等。高等教育机构正努力形成一种促进学生身心健康的文化，有助于提高学生的适应能力，预防心理危机。

2.美国大学入学人数正在减少

2010年以来，美国本科入学人数持续下降，疫情期间出现了急剧下降的情况。尽管疫情结束后，入学人数有所稳定，但越来越多的人质疑大学学位的价值，入学率预计将继续下降。入学人数的减少、在线和混合课程的增加，意味着校园里的学生将越来越少，这将影响班级规模、支持服务、课外活动，削弱学生与同龄人、与校园生活形成整体联系的能力。依赖学费运营的院校受入学人数下降的影响较大，这些院校将继续削减预算，为学生提供的各种支持学习、促进心理健康的资源和服务将大大减少。随着入学人数的持续减少，各高等院校将面向非传统生源扩大招生，学生及其需求的多样性增加。因此，各院校要做好准备，以支持日益多样化的学生体验。

3.学生对在线学习和混合学习的兴趣正在增长

在过去几年里，学生对在线课程和混合课程的兴趣急剧增加，尽管他们仍重视现场学习体验，但许多人发现在线和混合学习更具灵活性，这对要兼顾工作、家庭和其他生活责任的人尤其有帮助。为满足学生日益增长的需求，各院校应开发成熟、全面、规模化的在线课程和混合课程，聘请在开发、实施和管理在线课程方面经验丰富的专家，提供支持服务以满足虚拟学习者的需求。在线教育便于学生更灵活地接受教育，更好地平衡工作与生活，但参加在线或混合学习的学生可能更难参与课外活动，也更难和校园生活建立有意义的联系。此外，公平和可访问等问题可能恶化、数字鸿沟可能继续扩大。因此大学要采用并提供多种学习模式，花费更多时间和资金来保证各种模式下平等的学习机会和质量。

(二)技术趋势

1.人工智能技术正变得日益复杂和越来越容易获取

虽然人工智能技术已在高等教育中应用多年，但随着生成式人工智能等更复杂工具的引入，人工智能再次成为焦点，它可能以积极的方式塑造学生体验。如教师使用人工智能生成课程材料、识别学习差距、开展个性化教学、满足残疾学生需求等。但由于人工智能工具日益复杂，检测其使用情况更加困难，高等教育机构将面临新的隐私、安全和道德挑战。因此，高等教育应为人工智能普遍应用做好准备。另外，课程和评估设计也需要重新构想。教师需要找到适当的评估方法，培养学生的创造力和批判性思维。未来，对人工智能素养培训的需求将会增加，更多学生进入计算机和数据科学等专业。

2.收集更多关于学生的数据

高等教育机构正在收集更多的学生数据。疫情期间在线和混合学习模式及教育技术的迅速应用，使得入学率和毕业率方面的压力增加，需要收集的数据也在增加，要更加注重利用数据做出明智的决策。虽然学生数据的使用在改善学生体验方面的潜力越来越大，然而，随着数据增加和数字边界扩大，学生的隐私也面临更多威胁。学生应对自己的数据有更多了解，有权限制或约束数据的使用。高等教育机构需要制定更有力的实践决策，注重提高所有利益相关者的数据素养；在全校范围内开展数据扫盲活动，帮助学生收集和使用个人数据，当自己的数据被使用时，学生应拥有知情权。

3.机器学习越来越多地被用于分析学生数据

机器学习利用数据和算法来识别模式并模仿人类学习方式，目前正广泛用于分析学生数据。机器学习可用于对学生表现进行分析和早期干预，识别学习有困难的学生，支持边缘化学生，帮助学校提供有针对性的支持，减少辍学现象等。机器学习还可以使课堂学习体验个性化。学习管理系统能够监控学生对内容的参与，识别学生的优势和劣势，以定制学习内容、给予反馈、规划下一步的活动。机器学习的快速和准确性能帮助高等教育机构生成及时、可操作的数据，提高学生成绩和毕业率。然而，对算法的依赖可能会对学生体验产生负面影响，让学习不再个性化和人性化，导致学生脱离课堂。因此，高等教育机构不仅要利用机器学习来拓展个性化干预措施，还要准确使用和分析数据以获得有关学生体验的意见。

(三)经济趋势

1.对高等教育成本的担忧持续增长

政府对高等教育资助的不稳定性导致大学学费不断增加，额外费用将以其他杂费的形式转移到学生身上。未来，学生在决定是否上大学时，会更加关注投资回报率，或寻求传统高等教育的替代方案。高校为了留住学生，将会在控制资金削减和下调学费之间寻求平衡，导致用于支持学生和教师发展的资金减少，引发人们对学生学习体验质量下降的担忧。因此，高等教育机构应提供更具效益的、学生更易获得的经济援助，减轻学生的经济负担，同时，还要继续投资师资发展和教学支持，使学生获得高质量的学习体验。

2.提供更多负担得起的高等教育选择

人们对高等教育成本的担忧迫使机构提供更实惠的教育选择，如非学位、微证书和能力认证等。这些替代性的学习方案性价比更高、更具灵活性，也更关注技能学习，对学生就业十分重要。提供替代性学习方案可以为机构带来额外收入，但也需要机构投入大量资源。此外，教育选择的增多使学生体验更加多变，高等教育机构驾驭这些体验也更加困难。面对不断变化的市场，高等教育机构必须想方设法为不同背景的学生提供支持，采用战略性方法增加服务，确保有价值、有意义的学生体验。

3.高等教育继续面临预算削减

大多数高等教育机构面临疫情导致的经费削减。随着预算的进一步削减，各机构可能被迫减少或取消有助于学生获得成功、幸福的支持服务或资源，人员减少将增加人均工作量，加剧教职员工的职业倦怠，导致员工流失，甚至可能减少学位项目、课程设置和招生人数以降低运营成本，这些问题将对学生的学习体验产生负面影响。目前，已有高等教育机构取消了整个学位计划或合并了一些项目。但是，预算削减和入学率下降也为各高等教育机构寻找创造性的解决方案和可拓展的发展模式、重新定义学生体验提供了更多可行的机会。

(四)环境趋势

1.环保产品和可再生能源的市场扩大

学生越来越关心高等教育的碳足迹和可持续性，因此，可持续的高等教育机构对学生更有吸引力。高等教育机构将可持续发展和气候问题纳入课程，不仅可以为学生提供新的气候研究机会和校园倡议活动，还对学生体验产生积极影响。这类措施不仅可以提高学生对气候变化的认识，还有助于培养环保的校园文化，提高学生的整体福祉和参与度，为学生提供更好的职业前景。

2.气候变化导致的粮食安全问题和人口流离失所问题日益严峻

气候变化引发极端天气和气象灾害。来自受气候变化影响较大、社会经济发展水平较低地区的学生将频繁地受到影响。面临恶劣气候条件时，学生的经济压力变大，缺少发展资源。因此一些机构将应对气候变化的意识和减缓战略纳入课程和校园业务，提供服务和资源补贴(包括校园食品储藏室、紧急住房援助和心理健康服务等),保证学生的基本需求得到满足，使他们在面对困难时仍能取得学业成功。

3.对气候知识的需求正在增长

高等教育机构正在加大可持续发展力度，开设更多关于气候和可持续发展问题的课程和项目。越来越多的证据表明，年轻人正被气候变化导致的焦虑所困扰，而对气候变化缺乏理解或理解不一又加剧了这种焦虑，导致他们对气候知识的需求持续增长。高等教育机构需要为教师提供足够的培训和资源，开发有关气候和可持续发展的课程，减轻学生的焦虑，减少个人的碳排放，确保学生具备气候素养，以适应不断变化的劳动力需求和日益环保的生活环境。

三、关键技术和实践：影响学生未来高等教育学习体验

《报告》确定了可能对学生未来高等教育学习体验产生重大影响的6项“关键技术和实践”:人工智能、可访问和包容性的工具与实践、支持学生与技术的联系和归属感、扩大对学生的心理健康支持、用于学习分析的统一数据模型、培养理解和使用学生数据的数据素养。鉴于生成式人工智能模型和应用在市场上的爆炸式增长、预测性人工智能的能力不断增强，人工智能被选为影响学生未来高等教育学习体验的关键技术与实践之一。同时，以学生为中心的技术和实践也被列为优先事项，包括加大对学生的心理健康支持、可访问和包容性的工具与实践、加强学生与技术的联系并提高归属感。数据系统和数据素养在支持学生未来高等教育整体学习体验方面具有重要作用，因此用于学习分析的统一数据模型、培养理解和使用学生数据的数据素养也被选为关键技术和实践。此外，《报告》还提供了利用这6项关键技术开展影响学生高等教育学习体验实践的全球范例项目(表1)。

表1 影响学生未来高等教育学习体验的关键技术和实践及范例项目

(一)人工智能

人工智能工具通过一系列功能来改善学生体验，如优化课程负荷、提供个性化指导、设计灵活和可定制的学习路径、整合课内外活动内容、评估机构流程、评价课程和学生的学习情况等。通过智能个性化，人工智能学习环境有可能成为开启真正公平和包容体验的关键，确保满足每个学习者的需求。人工智能应用于高等教育具有光明前景，但离理想状态还很远。原因在于：师生应接受培训以安全有效地使用人工智能工具；数据治理系统需要更新，将人工智能工具集成到机构数据生态系统中；人工智能的快速发展引发了泄露数据隐私、加剧数据偏见和不平等问题。人工智能与学生学习体验的相关性表现为三方面。第一，生成式人工智能体验多种多样。教育机构运用生成式人工智能技术引发了高校利益相关者的热议，禁止使用生成式人工智能以维护学术诚信和保护个人隐私，将生成式人工智能整合到学生体验中以跟上数字时代的步伐是当前两种极端观点，但大多数利益相关者保持中立态度。第二，使用人工智能将成为21世纪的主要技能。人工智能比其他智能技术更有潜力，将给劳动力市场带来大规模、颠覆性影响，因此教育工作者有责任教会学生如何合乎道德和负责任地使用人工智能。第三，人工智能工具能够复制许多人类任务，教育目的正受到挑战。一些教育工作者正在接受这些变化，开始注重培养学生的高阶技能，比如复杂的综合、分析、解释、预测和创造能力。

(二)可访问和包容性的工具与实践

可访问和包容性不应局限于教学内容，而应贯穿学生的整个教育经历。例如，教育工作者可以使用软件来审查网站和教学材料，提出解决方案以确定没有数字障碍问题。工作人员和管理人员可以实施灵活的机构政策，为所有学生提供支持。所有利益相关者都可以审查隐性偏见，为听取学习社区其他成员的意见创造空间。可访问和包容性的工具与实践与学生学习体验的相关性表现为三方面。第一，可访问和包容性是基础。真正以学生为中心的教育体验必须是可访问的和包容的。可访问和包容性的工具与实践有利于支持被边缘化的学生群体，为所有学生创造有效且丰富的学习环境。第二，可访问和包容性的教育体验需要合作。不仅需要教师、员工、管理人员和供应商的共同努力，还需要多种类型的专业知识，如教育公平、教学设计、教师发展、隐私和安全、技术设计和开发等。第三，优先考虑可访问和包容性是资源密集型的。可访问和包容性涵盖了学生需求、利益相关者专业知识、机构单位以及特定的工具与过程。因此，利益相关者必须考虑学生和学校互动的各种方式，投入大量的时间和资金，获得机构支持以进行持续的评估和改进。

(三)支持学生与技术的联系和归属感

高等教育机构已开始运用技术重新设想在学生之间、学生与教职工之间建立联系的方式，例如利用支持学生人际关系和归属感的工具来解决招聘和留用、课堂教学和课外活动参与、学术成就和心理健康等问题。教职工已经利用各种加强沟通与合作的工具。例如设计将远程工作者聚在一起的应用程序，为学生就课程作业、俱乐部活动、咨询等开展交流提供便利。这样，教师可以帮助学生建立联系，学生也可以实时且持续地学习。支持学生与技术的联系和归属感与学生学习体验的相关性表现为三方面。第一，数字公平在利用技术支持学生联系和归属感方面非常重要，也是使用基本硬件、软件和互联网的保障，因此，支持学生联系和归属感的技术必须遵循可访问、可负担、保护隐私和保证安全的设计原则，以确保全体学生的个性化学习。第二，高等教育机构利用技术支持学生学习，必须认识到数字工具本身并不能解决问题，但数字工具与专业知识融合以后，可帮助学生建立有目的和有意义的联系。第三，有了正确的工具，学生可随时随地获得支持和资源。技术可以不受时空限制地连接学生、教师和工作人员，创造集成的多模式体验。但受预算削减等影响，高校在开发技术方面的能力受到限制。

(四)扩大对学生的心理健康支持

高等教育利益相关者对心理健康挑战及其影响的认识日益提高。教育机构正努力拓展心理健康支持项目，包括员工培训、同伴咨询以及研究生辅导员等，使他们能够为学生提供正确的帮助。同时，高等教育领导者正在努力改变高等教育的文化，将自我照顾、个人福祉置于学术之上，创建、改进和维护支持学生心理健康的项目，为学生提供支持。传统的用时间来衡量学生生产力的评估方法忽视了学生的能动性、个体差异和需求、情感因素在学习过程中的作用。新的方案将可量化的学生数据与个人策略相结合，确保每个学生的情况和目标在学术、财务和职业规划中得到承认、重视。扩大对学生的心理健康支持与学生学习体验的相关性表现在三个方面。第一，支持学生的心理健康是每个人的工作。目前，高等教育机构中的精神卫生专业人员因寻求帮助的学生过多而负担过重。经过培训，所有教职员工都要能够识别有需要的学生并为他们提供适当支持。第二，利用学生对在线和混合学习模式的兴趣使他们获得更多的心理健康支持。不再局限于校内的心理健康中心，远程医疗服务的发展让学生有更多选择来保护隐私并获得适当帮助。第三，维护心理健康是一个公平问题。高等教育领导者们认识到心理健康和身体健康同等重要，所有学生都应有平等的机会获得全面的健康支持。

(五)用于学习分析的统一数据模型

高等教育领导者利用学习分析可以全面了解学生体验状况，但是需要统一的数据模型提供辅助。该模型汇集整个机构各方面的数据，例如学生学业投入数据与课外活动数据等，以便为用户提供更有力的分析。这种数据分析可从战略规划方面为学生和教职员工提供建议。为了最大限度地放大学习分析的益处，利益相关者必须妥善管理统一的数据治理系统。除此之外，机构在创建学习分析统一数据模型时应制定保护学生个人数据隐私的政策；加强数据安全，避免机构数据泄露；监控数据分析实践，以防延续偏见、加剧不平等；培训用户，使数据得到妥善应用。用于学习分析的统一数据模型与学生学习体验的相关性表现为三方面。第一，妥善管理的数据可以为自动数据分析工具和仪表板提供信息。自动数据分析工具(如预警系统)可以使教职员工尽早帮助那些犹豫是否寻求帮助或没有意识到自己需要帮助的学生，还有对可用资源不熟悉的学生。第二，统一数据模型促进学习分析民主化。对学生的全方位支持需要机构全员合作。有了正确的统一数据模型，管理员、教师、员工和学生无需深入学习分析专业知识即可访问数据。第三，领导者可使用统一的数据分析模型，从赤字模型转向资产模型。学习分析工具和仪表板可帮助用户得出结论。这种方法把学生成功的责任从学生个人、教师和工作人员转移到机构系统。此外，机构领导者应采取积极主动和战略性的方法来确定机构政策、程序、课程设置、资产配置等方面的优势和劣势，不仅关注学生成绩差距，也要考虑到学生的隐私，让学生参与课程对话。

(六)培养理解和使用学生数据的数据素养

人工智能工具的使用在增加，收集学生数据的数量和类型也在增加。新的数据洞察力有助于高等教育机构解决一些问题，但需要所有的利益相关者提高数据素养，不正确的数据分析可能导致错误的干预措施，强化刻板印象和偏见，分散机构领导者对学生整体需求的关注。培养教职员工的数据素养，使他们能够有效地理解和使用数据洞察力，可以提高机构对整体学生体验的理解，采取主动的方法支持学生。培养理解和使用学生数据的数据素养与学生学习体验的相关性表现为三个方面。第一，学习分析涉及多学科领域。学生与机构接触方式多样，因此培养数据素养需要多学科团队设计数据支持方案。团队应包括学习科学、教育公平、社会科学、统计等领域的专家。第二，培养数据素养可以强化以学生为中心的文化。教职员工和管理人员通过分析数据确定学生体验中哪些方面需要加大关注和投入更多资源。此外，“数据”的定义不能局限于大规模量化的结构信息，数据素养培训应包括对包容性分析(如数据分解和定性数据分析)实践的指导。第三，学生应具备数据素养，以更好地应对教育、职业和生活。考虑高等教育中的整体学生体验时，机构数据流程应对学生保持透明，学生也有权使用数据分析的结论来理解所受的教育。数据素养还能帮助学生培养批判性思维，使他们能够判断任何来源信息的真实性。

四、未来发展场景：预测学生未来高等教育学习体验

《报告》使用未来研究所的预测框架设计了学生未来高等教育学习体验的三种发展场景：增长、约束和转型(表2),这些场景反映了高等教育的宏观发展趋势与关键技术实践在10年后如何影响学生未来高等教育学习体验的发展。

生成式人工智能几乎渗透到生活的方方面面，表2中的场景只代表高等教育潜在的未来，随着社会和经济的发展，未来的高等教育将持续变化，我们能做的就是借助预测场景更好地开展规划，对学生未来高等教育的学习体验开展创造性思考。

表2 学生未来高等教育学习体验的发展场景

(一)增长场景

人工智能技术在全球各个领域无限制增长。高等教育工作者虽很快就对重新培训当前和未来劳动力的需求做出回应，但他们很难应对不断升级的心理健康危机、粮食和住房不安全等问题。当前，部分员工的工作将被自动化生产取代，劳动力需求和技能的变化给个人带来了挑战，但也带来了更多的创业和创新机会。如今，人们可以使用人工智能工具来减少完成工作所需的时间，实现与过去相同或更好的结果。利用人工智能节省的时间为员工提供了更多工作的机会，导致休闲活动和个人健康在实现个人追求和取得更多成就面前退居次要地位。在过去十年中，人类整体健康水平持续下降。此外，人工智能技术的发展令高等教育机构比以往任何时候都更容易收集关于学生体验的数据，高等教育机构加大了数据收集和分析工作的力度，但开始放弃实施全面的数据扫盲和保护数据隐私计划，使许多学生感到在学校中被过度监视。同时，人工智能应用对环境的负面影响，尤其是其巨大的碳足迹，导致学生的学习受到气候变化的影响。许多机构为学生提供了数字助手支持服务，在生成式人工智能的支持下，这些助手能够为学生提供学术和职业指导。然而，数字助手无法满足学生对硬件和高速互联网的平等访问需求。

(二)约束场景

高等教育的未来受到财政不确定性和社会动荡的威胁。各高等教育机构优先考虑采用“学生即消费者”的模式维持运营。学生对入学成本和投资回报的担忧、入学率下降以及大规模的预算削减威胁着高等教育的未来。过去十年，人工智能的快速发展显著改变了就业市场。雇主和在线教育供应商制定了训练营式入职和小额学历培训计划，为新员工提供工作所需的特定技能培训，高等教育机构无法与之竞争。为了生存，高等教育机构改变运作方式，采用一种真正以学生为中心的模式，视学生为有不同需求和偏好的消费者。此外，教育工作者正在重新调整工作的优先等级，将重点放在终身学习、职业探索、机会和可访问性上。现在，学生们可以自由地在多个机构探索自己的兴趣，随着个人爱好和职业目标的变化而获得新的体验，而不是在单一机构中学习单一课程。这种灵活性和可定制性吸引了许多成年人，普通学生群体的人口结构正在发生变化。此外，学生体验已成为机构运作的核心，可访问和包容性被普遍认为是课程和课外体验设计的基本要素。

(三)转型场景

人工智能被视为21世纪最伟大的技术发展。其爆炸式增长引发人类深度思考，各国领导人意识到必须采取行动限制或监管这项技术的快速发展，全球人工智能峰会为人工智能实践设计了全球指南，以确保人工智能以道德和负责任的方式发展。随着各国政府和独立机构实施指南，新的法律和政策提高了人工智能算法培训和实施过程的透明度，提高了人工智能工具的质量。此外，高等教育对人工智能的态度经历了变革性的转变。各机构正起草与全球指南一致的新政策，使得高等教育领导者更有信心将人工智能工具用于学习和工作。除了将人工智能工具融入日常运营，大多数机构支持将人工智能与学科研究结合起来。然而，数据和隐私泄露等网络安全问题频发，给高等教育机构带来挑战，削弱了利益相关者对高等教育机构保护数据安全能力的信任，但是，人工智能的变革已经超越了这些缺陷。作为一个整体，高等教育仍致力运用人工智能铺就美好未来。

五、思考与启示：中国未来高等教育学生学习体验提升创新路径

《报告》为我国数字化转型赋能学生高等教育学习体验、创造可访问和包容性的学习体验环境、促进学生对人工智能技术的个性化应用、加强学生心理健康教育数字化建设以及持续构建以数据驱动的未来高等教育教学提供了启示与参考。

(一)利用人工智能技术改善学生学习体验，创造可访问和包容的学习体验环境

人工智能为教育生态注入强大动力，为教育数字化转型带来了新的可能。对此，教育界必须重新审视人工智能应用于教育的利弊，重视人工智能赋能教育过程中学生的主体地位，重点关注人工智能如何改善学生的学习体验，保障其可访问与包容性，以实现更全面的发展目标。

首先，持续改进人机关系及技术应用效果。教育部等管理部门要鼓励相关科研部门或高校研发人工智能新技术，从当前教育人工智能的角色属性出发，重新审视其在推进素质教育方面的作用，在遵循人才成长规律的基础上，开发以学生为本的人工智能教育培训体系，(4)培养学生关于人工智能的能力、技术和素养，提高对智能技术的甄别和应用能力，切实发挥人工智能在促进学生全面发展方面的作用。其次，构建人工智能教育应用风险规避机制。政府教育主管部门要建立健全多主体风险防范机制，在人工智能建设与管理中发挥主导作用，完善人工智能教育的数据安全保障系统与风险预警机制，剔除系统中的异常数据，阻止非法访问，增强人工智能在高等教育领域的韧性运用，全方位关怀学生主体在人工智能教育情境中的需求变化，(5)保障真正公平和包容的整体学生体验。最后，构建高质量的智能教育支持服务模式。高等院校是开展智能教育的重要机构，也是智能教育生态体系中的关键节点。在未来的发展过程中，高等院校要持续为学生提供全面的支持服务。通过技术支持、教师培训、学生发展等方式，充分利用人工智能技术，有效改善学生整体体验，为学生提供可访问和包容性的学习环境，满足学生在不同学科和学习阶段对自主探索与合作交流等方面的个性化需求，推动智能教育生态建设合理、合法、合规、透明且高效。

(二)增强学生与人工智能技术的互动，促进学生对人工智能技术的个性化应用

智能技术融入高等教育教学，推动教学模式不断创新与变革，引起全球各界人士的高度重视。因此，在高等教育数字化转型过程中合理融入数字技术，建立技术应用规范，支持学生与技术的联系与归属感，满足学生个性化需求十分重要。

首先，促进数字技术与高等教育教学融合。高等教育必须加快构建基于数字生态的制度框架，更新教学范式，以新技术提升高等教育体系的治理效能，(6)积极同企业等技术机构开展联动，通力合作，以可访问性、可负担性、安全性为基本原则促进技术更新迭代，为学生的个性化学习创造公平、包容的学习环境。(7)其次，平衡学生与技术应用的关系。在课程教学中，向学生传达智能教育产品的核心功能和运作逻辑，帮助学生理解技术与学习的关系，使学生有目的、有节制、有规划地使用智能教育产品。同时，在课程中合理利用智能技术，完善知识体系、调整学习策略、拓展学习边界、培育创新意识，更好地发挥智能技术对学生个性化学习正向赋能的作用。(8)最后，促进人工智能驱动下精准的学习资源支持。将智能化技术对学习的支持融入知识图谱、标签、情景等智能学习环境，加速学习路径推荐算法模型的原型开发，面向不同的教育情境开展多阶段、长周期的教育实验研究，对真实的多场景学习环境迭代优化，推动学习资源、计划、策略、方法等的智能化供给，实现个性化推荐技术与真实教育情境的紧密耦合。(9)

(三)推进数字技术全方位赋能学生心理健康，加强学生心理健康教育数字化建设

随着数字技术飞速发展，社会已不可逆转地进入了人工智能时代。数字技术与高校教育教学融合创新已成为当下的重要趋势，数字化在赋能教育模式深度变革的同时，也应为支持学生心理健康提供助力，促进学生全面健康成长。

首先，推进人工智能技术在心理健康教育教学相关环节的广泛应用。充分利用信息技术，以学生为中心，对学生开展及时、精准、有效的心理健康教育和辅导。对学生的心理状态、心理特征进行科学评估，引导学生正确认识自己、科学评价自己，增强主动咨询的意识，掌握保持心理健康的方法，增强心理健康教育实效性，更好地支持学生心理健康管理与干预。(10)其次，利用数字技术发展虚拟心理健康支持系统，如在线心理咨询平台和虚拟支持小组，为学生提供更多选择，使他们能够根据自己的需求和喜好选择合适的心理健康支持方式。利用在线平台和社交媒体推广心理健康教育课程，举办网络心理健康活动，分享资源和信息，提高学生和教职员工对心理健康问题的认识。最后，加强校企协作，保障学校心理健康服务实践。将人工智能、大数据等新兴技术引入学校心理健康服务的实践与设计中，开发以新业态、新技术、新设备为支撑的学校心理健康服务新模式，探索人工智能、大数据等新兴技术在学校心理健康服务中的应用，加强学校与技术供应商、商业组织等相关企业的全过程、全方位合作，共建学生心理健康监测和评估机制，及时反馈学生心理健康状况，实现过程性评价，协助学校及教师掌握学生心理健康状况的动态变化。(11)

(四)系统建立教师数据素养培训体系，持续构建数据驱动的高等教育教学

随着人工智能技术与高校教育教学的深度融合，数据素养已成为教师的必备素养，是智能时代教师专业能力结构的重要组成部分。培养拥有数据素养的新型高校教师，可提升教师专业素质，实现数据驱动的高等教育教学，赋能教师数据素养发展共同体。

首先，建立政府推动机制。政府相关部门要依据教学面临的具体问题，制定高校教师数据素养的发展规划与实施方案，以虚拟教研平台、高校教师发展中心等为支撑，搭建高校教师数据素养教育体系，提升理论与实践水平。同时，充分利用信息技术促进高校教师数据素养的培育与提升，加强支持与保障。完善外部环境与条件，推动高校教师主动从“学习技术、掌握技能”向“用技术改进教与学”转变，增强教师主动适应教学范式变革的内生力量。(12)其次，开展数据对话与数据协作。一方面，学校要鼓励教师在应用教育数据的过程中开展协同合作，在学科教研的活动序列中嵌入数据协作任务，如在班级管理、课堂教学、学业评价等教学实践中嵌入数据协作任务，提升教师的数据共享意识；另一方面，学校应引导教师参与数据使用协作网络的构建与运行，如设计跨学科课程、开发校本资源，促进教师对数据的共享。同时，学校要积极创造支持教师开展数据协作的制度环境，如提高数据的可访问性，定期组织教师开展数据应用研讨会，以提升教师的数据使用信念。(13)最后，完善培训内容和培训方式。培训内容要结合区域实际需求和具体案例，注重实践性和可操作性，在培训中注重知识的内化和迁移，注重专业技能的提升和运用，突出操作技能训练。具体包括：数据可视化工具的应用、数据挖掘算法的实践、数据分析案例的解析等。在培训方式上，可以采取线上线下混合式培训、基于问题的项目式学习、小组讨论和案例分析等多样化的方式，在学习中设置课程设计、实施指导、拓展提升等环节，以增强培训效果，提升教师参与度。(14)

注释

(1)吴永和、许秋璇、颜欢等:《数字化赋能未来教育开放、包容与高质量发展》,《开放教育研究》,2023年第3期。

(2)郝祥军、顾小清:《高等教育如何转向未来技能培养——来自德国“未来技能”项目报告的启示》,《现代远距离教育》,2021年第5期。

(3)EDUCAUSE,“2023 EDUCAUSE Horizon Report | Holistic Student Experience Edition”,https://library.educause.edu/resources/2023/10/2023-educause-horizon-report-holistic-student-experience-edition.

(4)兰国帅、杜水莲、宋帆等:《生成式人工智能教育:关键争议、促进方法与未来议题——UNESCO〈生成式人工智能教育和研究应用指南〉报告要点与思考》,《开放教育研究》,2023年第6期。

(5)赵磊磊、闫志明:《生成式人工智能教育应用的生态伦理与风险纾解》,《贵州师范大学学报(社会科学版)》,2023年第5期。

(6)徐丹丹、冯锐:《技术赋能高等教育制度发展的内在逻辑、现实困境及其路径选择》,《中国电化教育》,2023年第5期。

(7)朱雨萌、李艳、杨玉辉等:《智能技术驱动高等教育变革——〈2023地平线报告:教与学版〉的要点与反思》,《开放教育研究》,2023年第3期。

(8)王一岩、郑永和:《智能时代的人机协同学习:价值内涵、表征形态与实践进路》,《中国电化教育》,2022年第9期。

(9)郑雅倩、李新、李艳燕等:《人工智能视域下个性化学习路径推荐:机理、演进、价值与趋势》,《现代远距离教育》,2023年第3期。

(10)段立、郑志玲:《数字赋能视域下高校心理健康教育提升策略》,《传播与版权》,2023年第17期。

(11)俞国良、张哲:《数字技术赋能学校心理健康服务》,《清华大学教育研究》,2023年第1期。

(12)潘中祥、周海云:《高校教师数据素养的内涵阐释与发展策略》,《中国高等教育》,2023年第6期。

(13)张黎、赵磊磊:《中小学教师数据素养的影响因素与提升路径——基于混合研究方法的实证分析》,《教育学术月刊》,2022年第11期。

(14)牛旭峰、夏海鹰:《循证视域下微认证助力教师数字素养提升:价值意蕴、运行机理、发展路径》,《现代远距离教育》,2023年第4期。