以互联网（World Wide Web）、物联网（Internet of Things）、大数据（Big Data）、人工智能（Artificial Intelegience,简称AI）为代表的智能科技正在迅速地改变人类的生产和生活方式，引领人类进入智能时代。作为人工智能在教育领域的落地形态，智慧教育（Smart Education）越来越成为人类教育教学发展的新方向。智慧教育凭借先进的现代科技改变了传统的教学资源、教学模式、教学评价，带来更高效、更个性化、更自主的教育新形态，引领教育教学改革的新方向。同时，我们也应该看到，基于人工智能的教育变革既有其积极的一面，也有消极的一面。充分利用人工智能教育变革的正面效应，规避人工智能的负面效应，是当前智慧教育健康发展必须要注意的内容。
一、智慧教育及其对人工智能的依赖
“智慧教育”是一种深度融合大数据、人工智能等智能技术的教育生态系统。智慧教育不仅涉及物理环境的智能化改造，更涵盖了教学模式、管理决策以及评价体系的创新，旨在构建开放、协作、个性化的学习环境。总体而言，智慧教育的核心特征是人工智能，没有人工智能，就没有智慧教育。
智慧教育的教育资源建立在人工智能的基础之上。数字化与智能化的校园环境（Smart Campus）是智慧教育的基础。智慧教育的重点在于知识的内容，但这一教育模式的基础是互联网、物联网、大数据、人工智能等新型基础设施，智慧教育需要创建一个全面感知和互联的综合信息环境。这些环境的建设，为大数据和人工智能的运用提供了基础，同时也带来了教育教学对人工智能的第一重依赖。
智慧教育的教学模式依赖人工智能。在内容上，智慧教育能够打破传统的学科壁垒，利用智能技术重塑课程内容；在形式和教法上，教师能更好地运用人工智能技术推进混合式教学（Mixed Teaching）；在学习方式上，智慧教育改变了学生接受知识的方式，使得学生能够更加自主地进行学习。通过项目式学习（Project-Based Learning），学生运用“数字工厂设计和智能工厂管理的专业软件”的能力得到了极大提升。我们简单分析一下就可以发现，这些创新都建立在人工智能的基础之上。
课程资源形态的变化是智慧教育的另一个重要特征。智慧教育倾向于利用前沿技术实现沉浸式学习。通过引入虚拟现实、数字孪生等智能技术，智慧教育能够提供低成本、高保真的模拟环境，使学习者能够安全地练习复杂技能。比如，在仓储学习中开发的“低成本、高保真数字孪生原型”，可用于模拟智能仓库中的拾取和放置机器人。这种方法不仅让中学生能够接触到工业4.0的发展趋势，比如下一代自动化系统、数字孪生等，还激发了学生对STEM教育的兴趣。
基于大数据分析的精准评价与个性化反馈是智慧教育的一大重要优势。智慧教育利用视觉分析、机器学习和区块链技术，对学习行为进行实时监测、预测和认证，从而提供个性化的干预和更可信的评估。在智慧教育实践中，一个名为“DropoutVis”的交互式视觉分析系统利用CNN-LSTM模型预测在线学习中的辍学概率，通过“挖掘潜在的影响因素”来全面了解学习行为，并“以可解释的方式识别辍学的关键影响因素”，促进智慧教育的进一步发展。我们可以从核心技术、资源形态、教学模式、评价方式、智能特征等方面将智慧教育与传统数字教育的区别归纳为以下内容，具体见表1。
可以看到，人工智能在教育领域的运用正在全面地重塑教育教学的新形态，从而使得智慧教育成为现实。从技术形态上看，人工智能、大数据、物联网、互联网等新兴智能技术与传统的计算机、多媒体、网络等不同，是对传统数字教育的升级。这些技术与传统技术的差异，正在全面改造教育的资源形态，使得教育资源由PPT、音频、视频等形态的数字化课件升级为人工智能生成的内容，这也使得智慧教育的内容能够做到个性化、精准化、自主化，从而与传统数字教育的广播式、标准化的教学模式拉开差距。在教学评价方式的改革上，大数据和人工智能的运用使得教育能够更全面、准确地将学生的学习评价纳入教学当中，与传统数字教育的结果评价区别开来，从而得到更全面、准确的教学反馈。
二、AI依赖与智慧教育的痛点
智慧教育因人工智能而生，也产生了对人工智能的依赖。人工智能在教育领域的运用让学生从大量的文献检索中解放出来，有效地提升了学生接受知识的便捷性，提高学习效率与学习的幸福感。学习者在受教育的过程中，更倾向于接受人工智能，因为他们发现，人工智能确实有助于他们的学习。学习者更愿意使用大语言模型带来的强大便利，将复杂的知识获取转化为即时的对话反馈，极大地提高了学习效率。人工智能可以成为学习者获取知识的加速器，降低了信息获取的门槛，推动学生获得更积极的学习情绪，增强主观幸福感。这一切，都是依托人工智能技术的便利性实现的。为了追求更高质量的教育，人们越来越依赖人工智能。
在依靠人工智能提升教育教学质量的同时，人们也发现了运用人工智能进行教育教学可能使学生产生AI依赖的负面效应。正当人们对智慧教育充满各种乐观情绪，憧憬着智慧教育的未来时，2024年，丽莎·梅西里（Lisa Messeri）和莫莉·克罗凯特（Molly Crockett）在《自然》上发表了她们的研究成果，提出了“理解错觉”“思维同质化”和“客观性误区”等一系列问题，深刻地揭示了AI依赖的深层机制，为AI依赖提供了坚实的心理学和社会学证据。人们越来越发现，人工智能支撑的教育正在变味，甚至面临风险。学生在学习的过程中使用大语言模型工具，用不到10分钟的时间完成了过去需要10周才能完成的作业，教师也在使用大模型批改作业，等等。在整个教学过程中，学生在不断退步，教师也变得无所事事，只有大模型在不断迭代升级。AI的强大功能，带来了可怕的依赖，直接挑战智慧教育的效果。
AI依赖是一种不断演进的心理和行为状态，这正得到了人机交互（Human-Computer Interaction）和心理学的验证。AI依赖并非一蹴而就，而是一个阶段性演进的过程。一般认为，AI依赖从工具接受开始，到习惯形成，最终发展为心理依赖。这意味着依赖始于其实用性，逐渐内化为习惯，最终演变为心理上的需求。这种依赖往往与学习者的其他技术成瘾行为和心理状态有关，比如对AI聊天机器人的依赖与对互联网和智能手机的依赖呈中度相关。
AI依赖体现在各个方面。人类在决策过程中可能会过度信任和采纳大语言模型提出的建议，这会带来一系列问题。比如，“一些AI的错误提供了虚假安慰，误导操作者相信他们错误的决定是正确的”，这种错误的反馈循环加深了不良的依赖关系。在教育领域，这种依赖会让学生接受并相信有问题的教育内容。比这一情况更危险的是，AI平台利用AI依赖可能会实现权力关系的重塑。AI服务提供商利用其技术优势“强加条件并提供激励措施，从而加深平台依赖，最终主导生态系统”。这也会在教育领域产生不利影响，比如，可能会进一步加深数字鸿沟，形成所谓的智能鸿沟。
AI依赖在教育领域的最直接表现，就是学生知识学习、能力培养和健康心态受到影响。在教育领域，AI依赖表现为学习过程的过度外包，进而威胁核心能力的掌握。首先是学习者放弃主动学习。学习者在认知上开始出现懈怠，甚至产生一种错觉，感觉自己掌握了知识，但实际上，他们并没有掌握。依赖人工智能生成的解决方案可能会弱化主动学习的过程，阻碍基本技能的获取，这种依赖本质上是用AI的输出替代人类的认知过程。这对中小学生的影响尤为显著。其次是知识和技能的缺失。这与学习者主动放弃学习有关。主动学习过程的弱化，不仅意味着学生知识习得的减少，也意味着能力的缺失。
AI依赖会使学习者在学习的过程中出现错误判断，导致学习质量下降。当AI系统出现错误时，其错误类型会显著影响使用者的信任度和学习绩效。如前所述，研究发现某些类型的AI错误会提供虚假的安慰，误导操作者相信他们错误的决定是正确的，从而导致绩效恶化。这种“虚假安慰”在教育评估或自学过程中尤其危险，因为它可能掩盖知识盲点。研究发现，使用者对“立即使用AI聊天机器人”的选项表现出更高的相对价值。然而，在教育中，学习者对即时满足的追求可能会改变学习动力，使他们更倾向于寻求快速的AI辅助，而非延迟满足的深度学习过程，这会导致学习质量的下降。
AI依赖引发了对学生核心能力发展的担忧。这在不同的学科中表现各异，尤其是在编程和计算机科学教育中，过度依赖AI可能会阻碍基础能力的构建。研究指出，大语言模型的广泛使用给高等教育机构带来了复杂的决策挑战。具体而言，“学生对大语言模型的过度依赖可能会阻碍他们基础技能的发展”，这种依赖性不仅影响当前的知识掌握，还可能对培养“有能力、有道德的软件专业人员”这一长期目标构成威胁。实际上，这种情况在中小学阶段就会变得更加严峻，因为学生需要自己学习知识、培养能力，而不只是会使用大模型来解决问题。
三、AI依赖的消解与智慧教育的新方向
教育领域的“AI依赖”引发了人们的广泛担忧。这并不是智慧教育还不够智慧，而是智慧教育导致的AI依赖没有得到重视。这种担忧也并不是没有解决方案，而是可以从提升素养、规范教学策略、调整心理认知以及优化工具设计等多个方面入手，从而有效应对技能侵蚀、心理健康风险以及信任误区等AI依赖的负面影响。
首先，提升学习者的人工智能素养（AI Literacy），筑牢智慧教育的堤坝。我们看到，AI依赖是一个从习惯形成到心理依赖的演进过程，在这一发展链条上，提升学习者的人工智能素养成为破解问题的关键。在学习者人工智能素养提升的情况下，合理地运用AI就不会导致技能退化。智慧教育将AI素养纳入核心课程，能帮助学生理解技术的原理与局限，从而在心理上建立起对AI依赖的免疫屏障，实现从恐惧或盲从到理性使用的转变。同时，智慧教育系统应具备情感监测功能，警惕将人工智能作为情感替代品，从而不仅关注学业成绩，更关注学生的心理福祉。智慧教育不仅关乎技术，更关乎“人机协作”的规范，教师的角色应该从“知识传授者”转型为“AI协作导师”或“心理健康守门人”。
其次，转变教学模式，是消除AI依赖、全面拥抱智慧教育的重要一环。目前以大语言模型为代表的AI，存在着很多局限性，比如常常被人们诟病的幻觉问题。然而，如果我们转变教学模式，AI的局限性反而会成为训练批判性思维的契机。研究发现，AI不仅是提供答案的工具，更是推动教育从“寻找正确答案”转向“验证答案真伪”的催化剂。这正是克服AI依赖的起点。事实上，对于学习者而言，人工智能生成的内容并不是结果，而只是开始。如果学习者将大语言模型生成的内容作为学习的资源，那这一过程不仅意味着即时生成的高质量学习资源，还意味着更加丰富和个性化的资源供给。这一过程要求教师必须改变教学模式，不再进行知识灌输，而是引导学生开展对个性化知识的学习和反思。
再次，改变学习方法，实现由“知识传递”向“能力验证”的转换。从这个角度来看，智慧教育的核心变革在于重新定义教法。利用错误进行教学，可能会成为智慧教育教法的一种新形式，智慧教育应该善于利用AI的局限性。有研究表明，人工智能带来的错误反而推动了安全检查和验证，最终提高了教育的整体表现。智慧教育应该鼓励学生成为人工智能答案的“验证者”，这不仅会避免对人工智能的盲目认知依赖，而且使得人类能够更好地驾驭人工智能。另一个值得重视的方向在于伦理规范。教育学界共识度较高的认识是，教育不应离开人类科技进步的康庄大道，而应确定是否允许使用大语言模型并定义其适当的范围。智慧教育的课堂并非无序放任，而是通过制定“负责任和合乎道德的应用指南”，教导学生如何在保持学术诚信的前提下与AI协作。
最后，要进一步推动规范与诚信，全面保障智慧教育的健康发展。AI依赖的负面效应，既需要学习者提升AI素养，同时也需要加强监管。事实上，人们越来越认识到，依赖人工智能生成的解决方案可能会弱化主动学习过程，但如果教育机构能够认识到这一点，并制定“负责任和合乎道德的应用指南”来规范人工智能在教育领域的运用，也会消除这种依赖带来的负面效果。教育机构必须为学习者制定明确的规范，结合教育学、伦理学以及专业知识规定能否使用大语言模型、如何使用大语言模型，从而划定学习边界，防止学生在核心技能习得阶段过度依赖大语言模型。同时，对于研究生的学习，也要制定明确的规则来维护学术诚信，确保学生不只是将AI生成的结果提交了事，而是更充分地展示研究的思维过程和对基础知识的掌握。
综上所述，我们可以看到，智慧教育一定是技术赋能与以人为本的生态系统。智慧教育因技术而生、以技术为本、依技术而成，但智慧教育绝不能只注重技术，而要在以人为本的基础上发挥技术赋能的作用。毕竟，教育是人的教育。从这个意义上讲，技术不是智慧教育的方向，智慧教育应该更加注重构建一种新型的教育关系：既能充分利用AI来提高效率，又能规避技术带来的问题，并通过AI素养教育实现人机协作。
佟德志，天津师范大学国家治理研究院院长、教授。
《上海市社会主义学院学报》2026年第2期
