人工智能嵌入思想政治教育：背景、依据与路径

袁周南

（复旦大学 马克思主义学院，上海 200433）

［摘   要］ 人工智能与教育逐渐走向深度融合，当前教育领域的人工智能应用主要聚焦于多模态学习分析、适应性反馈、人机协同。三种应用形态给思想政治教育带来了机遇与挑战。技术理路与内在逻辑上的契合性是人工智能嵌入思想政治教育的依据，数据、算法与多种应用模块是人工智能嵌入思想政治教育的技术要素，思想政治教育既要对人工智能进行导向、规约与价值融入，更要加以合理应用。由此，思想政治教育要以构建优质大数据库为依托、以搭建专业知识图谱为重点、以打造思想政治教育设计团队为助力，真正将三种智能形态嵌入思想政治教育过程。

［关键词］  人工智能 思想政治教育 技术赋能 深度融合

2019年5月，习近平主席向国际人工智能与教育大会致贺信指出：“中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新。” ^[1]正是基于国家大力支持、技术充分发展，人工智能与教育逐渐走向深度融合，对包括思想政治教育在内的各种教育实践活动产生了深刻影响。在人工智能带来的新形势与新语境下，要主动探索如何将人工智能嵌入思想政治教育，抓住机遇、应对挑战，从而推动思想政治教育发展创新，以提高思想政治教育实效。

一、嵌入背景：人工智能给思想政治教育带来机遇与挑战

教育领域的人工智能，是基于大数据及机器学习相关算法形成的多种人工智能应用模块与学习科学的结合体，能直接作用于思想政治教育过程。其主要成果是智能教学系统，包括实体的教育服务机器人、虚拟的智能导师系统等。思想政治教育过程的具体展开，表现为受教育者心理活动、教育者与受教育者的教育与学习、内化与外化等过程的综合作用过程。这些过程的展开是在一定社会条件下，教育者、受教育者、社会要求这三个主要条件交互作用，进而产生教育内容、方式方法、教育实效的过程。随着各类智能教学系统的不断推陈出新，当下教育领域的人工智能应用及其技术内涵，聚焦于“多模态学习分析、适应性反馈、人机协同这三类智能化形态”， ^[2]它们给思想政治教育既带来了机遇又带来了挑战。

1. 教育领域的人工智能形态给思想政治教育带来新机遇

一是多模态学习分析为全方位刻画受教育者思想意识与行为带来了新可能。“教育者掌握的社会所要求的思想政治品德规范与受教育者思想政治品德水平之间的矛盾”， ^[3]是思想政治教育过程的基本矛盾，贯穿于教育过程的始终。受教育者思想政治品德的形成、发展，要通过知、情、意、信、行等思想意识与行为因素的矛盾运动才能实现。因此，教育者要使社会所要求的思想政治品德规范对受教育者产生积极影响，离不开预先对受教育者思想意识与行为现状及其变化的认识、把握。但人的思想意识、行为背后的动机具有潜隐性与变动性，教育者要完全准确掌握情况、跟踪变化，有一定难度。多模态学习分析依托跨媒体智能，能通过多种媒介捕捉、获取不同形态的数据信息，从而完成对教育过程中学习数据的全方位收集、处理与应用。多模态学习分析不仅能收集受教育者在各类网络平台上的日志数据，还能通过眼动跟踪技术、面部表情识别技术、运动传感技术等，收集受教育者对知识的关注度、注意力集中程度、情感情绪状态、行为变化等数据，并根据数据类型择取不同的机器学习算法，对数据进行处理分析。这为在教育准备阶段全方位把握受教育者的知识掌握程度、情感状态、注意力与意志力、行为动作等状况及其变化，带来了可能。

二是适应性反馈为精准供给思想政治教育内容创造了新机会。社会要求要对受教育者产生影响，有赖于教育者基于已有经验、认知能力、思维方式，及对受教育者思想状况和心理特点的把握，将社会要求转化为教育内容。如何根据受教育者不同的专业背景、知识水平、受教育程度，将转化后的教育内容有针对性地传递给受教育者，使其入脑入心，是思想政治教育过程中的重点与难点。相较于注重对受教育者进行感知的多模态学习分析，适应性反馈主要是系统以主动和被动的方式，完成诊断学习情况与水平、规划学习路径、推荐与投递学习内容等方面的任务。其中，国外研究者开发的Iterative Logistic Regression模型，能综合应用多种历史数据，对受教育者当前与未来的学习情况进行评估预测。Kit-Build Concept Map作为一种构建概念地图的知识图谱应用，支持受教育者自行搭建形成型、反思型和延迟型地图，使受教育者通过主动建构与反思，形成对自身知识水平、学习状况的清晰认知。Potts和Khosravi等学者开发的RIPPLE平台，能根据知识状态、学习进度为使用者规划学习路径、推荐与投递个性化学习内容。上述平台与工具的分析结果或直接应用，都为教育者根据受教育者的专业学习、知识储备或现实关切，规划、推送教育内容创造了新机会。

三是人机协同为教育者实时把握、反思与调适教育活动提供了新条件。思想政治教育对象、内容的特殊性意味着，教育过程的具体展开不是简单的教与学的过程，而是教育者与受教育者围绕作为主要教育内容的主流意识形态进行对话、交往的过程，具有生成性与创造性。这就要求教育者在施加教育影响时，要即时把握、反思与受教育者交互过程中萌生和突现的问题，灵活调适内容、方式及整体节奏。但对存在问题的反思与审视总是带有滞后性，且受教育者存在的问题往往因各种缘由隐而不发，存在错过回应和解决问题的最佳时机的可能。人机协同不是指通过智能助教系统帮助教育者收集资料或完成部分简单枯燥的常规任务，而是试图“在一个智能系统中融合机器智能与人类智能”， ^[4]从而使复杂问题得到有效解决。名为Lumilo的混合现实教学系统，通过给教育者提供一副智能眼镜，不断将受教育者的信息提供给教育者，使其掌握与受教育者交互中的各种情况，从而能对教育活动进行即时调控。这无疑为教育者及时发现教育过程中受教育者可能的困惑、认识上的难题，进而进行实时指导、回应，并灵活调整教育内容、方式与节奏创造了新条件。

2. 教育领域的人工智能形态给思想政治教育带来新挑战

一是主动干预与“虚拟串联”导致受教育者主体性失落。受教育者良好思想政治品德的形成、发展，终究要通过其自身思想意识及行为的矛盾运动才能实现。受教育者要作为主体参与教育过程。这种主体性体现在具备言语、思维等能力，并根据需要作出主观判断与选择，以及通过与他人进行对话、交往接触不同理论、观点的能力。主体性的发挥需要投入时间、精力，并承担起相应的责任。系统适应性反馈的主动干预，及其带来的“虚拟串联”，可能导致受教育者主体性失落。系统的主动干预型反馈，是指在受教育者尚未提出问题、寻求帮助时，主动给予其详尽的支持与指导，典型表现有教育内容的定制、推荐。一方面，系统过于密集的主动干预会妨碍受教育者认真思考自己的教育需要并作出主观判断与选择，只能机械地接受系统的每一步指令。另一方面，主动干预在学情评估、内容推荐上的出色表现会使受教育者因依赖系统而放弃发挥和锻炼自身的主体性。主体性事实上是对受教育者的更高要求，需要受教育者投入更多时间精力，进行广泛阅读、独立思考、自主学习。对系统干预的依赖，可能使受教育者懒于思考和阅读，仅完成系统所推荐的内容与规划的任务。美国学者桑斯坦提出的“虚拟串联”，意指人们因对一些信息的共同相信与支持在网络上发生聚集，并不再接受此团体外的信息。 ^[5]适应性反馈根据受教育者学习情况、内容偏好进行的学伴推荐，存在导致“虚拟串联”的风险。受教育者将因对某种思想理论、价值观念的偏好发生聚合，并只在串联的虚拟集群里进行学习与表达。这将阻碍受教育者与他人的对话、交往，也使其难以通过接触新理论、观点引发思想行为的矛盾，进而阻碍其产生思想政治品德发展的动力与可能。

二是“热媒介”的冷效应带来教育内容、教育方式的独特性消融。思想政治教育内容以马克思主义为指导，既是内含辩证思维、论域关涉多种社会科学、具有整体性综合性的知识体系，又是反映全体人民共同追求的价值意识。它是直面现实困惑的思想追求与实践智慧，是知识性与价值性的统一。教育内容的独特性意味着教育方式不限于知识教授，需要通过教育者、受教育者进行交往、对话，认识与改造“受教育者原有的思想和行为” ^[6]这一共同客体，使受教育者真正将教育内容内化于心、外化于行，兼具理论性与实践性。教育领域的人工智能作为一种“热媒介”，其冷效应却可能消融思想政治教育内容、教育方式的独特性。麦克卢汉用“热媒介”形容“具有高清晰度”，即“充满数据的状态”， ^[7]能提供丰富信息的媒介。因此，“热媒介”要求接受者完成的信息少，带来的参与度低，具有排斥性。可供选择的丰富信息与对接受者参与度的低要求，造成使用过程多样化、碎片化、非集中化的问题。智能系统无疑提供了丰富的教育资源，具有“高清晰度”。但根据受教育者偏好所作的内容规划、定制与推荐，却可能破坏马克思主义及其中国化理论成果内部的整体性与逻辑连贯性。同时，允许受教育者在多样内容中作选择，可能带来对知识体系的接受却对其中价值追求的拒斥。另外，智能系统所供给的丰富资源，仍围绕练习、测试进行组织，需要受教育者主动探索完成的内容少，教育方式带有强化应试教育的趋向。这既不利于教育内容知识性与价值性的统一，亦无助于受教育者将教育内容充分内化后的顺利外化。

三是“数字流畅性”不足导致教育者主导性旁落。教育者是思想政治教育过程中的主导性主体，不仅要提前进行内容转化、方式选择的教育设计，更要引导受教育者聚焦自身思想行为现状，以对话、启发的方式助其准确完整地理解、掌握教育内容，适时纠正原有思想行为中存在的偏差，进而提升思想政治品德水平。教育者要能驾驭为思想政治教育提供机遇的人工智能，使其有助于自身主导性的发挥。“数字流畅性”是指“利用数字工具和平台进行批判性沟通、创造性设计、作出明智决策及在预见新问题时解决棘手问题的能力”。 ^[8]它不同于一般数字素养，要求使用者能批判性、创造性地使用这些工具，而不能为其所役。相比大部分作为“数字原住民”的受教育者，教育者在熟悉和使用人工智能应用方面存在更大困难，参与相应数字工具的设计、基于对数字环境的深刻理解解决涌现出的新技术问题，亦有一定难度。“数字流畅性”不足将导致教育者较难驾轻就熟地运用机器智能，并充分发挥人类智能以解决复杂问题，难以实现真正有效的人机协同。且仅注重智能工具平台的使用，专注于人工智能给出的指令、提供的结论与资源，可能导致教育者主导性落入机器手中。

二、嵌入依据：人工智能与思想政治教育的契合性分析

对于思想政治教育的发展，人工智能并不必然带来光明的一元图景，思想政治教育需要主动认识、利用技术以取得更好实效。为此，有必要先从技术理路与内在逻辑两方面，明确人工智能与思想政治教育的契合何以可能且必要。

1. 人工智能与思想政治教育契合的技术理路

当前应用于教育领域的人工智能，主要是未形成统一技术实体的弱人工智能。一方面，它内含多种人工智能应用模块及硬件设备。用于教育的人工智能一般会组合自然语言处理、情感识别计算、推荐系统等模块。同时，会内置或外设视觉、听觉、触觉等多种知觉传感器。此外，还会用到融合了数据、算法及自然语言处理等模块的知识图谱等技术。基于此，智能系统既能更为全面地刻画思想政治教育主体的思想、行为，并进行教育内容与学习路径的规划、推荐，还能较为灵活地实现人机对话、协同等交互行为。另一方面，智能系统归根结底以大数据与机器学习相关算法为基础。不同应用模块及知识图谱等技术，终究离不开数据与算法。智能系统要在思想政治教育过程中充分发挥作用，既要尽可能多地获取教育过程的相关数据，又要依赖相应的机器学习算法进行数据处理。数据、算法及各类应用模块与硬件设备，是智能系统的多种形态作用于思想政治教育过程的重要条件，亦是将各种智能形态嵌入思想政治教育的关键技术要素。

2. 人工智能与思想政治教育契合的内在逻辑

一是人工智能需要思想政治教育的导向、规约与价值融入。一方面，当前人工智能应用需要思想政治教育进行导向与规约。针对特定场景的专用人工智能，可大致分为基于数据的与基于规则的两类。基于数据的人工智能，需要相关领域从业者对拟用于机器学习的数据进行预先处理。基于规则的人工智能，依赖特定领域专家将相应知识、公理纳入系统的本体构建。两者都难以避免人类偏见、价值偏好的植入。同时，美国等具有技术优势的西方国家，极易将人工智能作为价值观载体，使其成为对我国进行意识形态渗透的前锋站。毋庸讳言，目前人工智能背后存在人与人之间、意识形态之间的价值分歧问题，要对其加以合理利用离不开思想政治教育的导向、调适与规约。另一方面，未来通用人工智能开发需要内含价值观的主流意识形态融入。通用人工智能通过对人类处理信息的认知架构进行建模，使系统能根据所获取的少量信息进行推理、判断与选择，以应对不同场景中的各类情况。教育领域尤其需要开发通用人工智能系统。为了更好完成各个领域的复杂任务，通用智能系统需要理解并具备人类需要、利益及其实现的主观特征，能对好坏、善恶、真假做出区别与取舍，能对生存的目的与意义有所选择，能产生有助于快速回应外界挑战的情绪反应。为了使通用智能系统成为有助于人类生存与发展的健康向善的智能，必然需要将内含价值观的主流意识形态融入其认知架构之中。

二是思想政治教育发展需要充分认识、合理应用人工智能技术。“思想政治教育发展的实质是追求实效。” ^[9]发展的根本原因在于，教育者、受教育者、教育要求等内在要素之间的矛盾运动。要通过解决矛盾提升教育实效，需要在批判继承原有经验、合理借鉴外部有价值要素基础上，进行能应对外界挑战的质的创新。思想政治教育创新表现为“理论内容创新体系、理论传播创新体系和理论应用创新体系”。 ^[10]内容创新既包括根据实践中的新情况提出新理论、新观点，又包括对新理论的叙述方式、表现形态进行加工，还包括对新理论进行组合、集成。传播创新主要是传播方式、途径、技术等创新，应用创新主要是教育者能选择合适的方式创造性地运用、传播理论，受教育者能在具体行为中创造性地应用理论知识、应对时代各种变化。人工智能借助互联网与大数据，迅速渗入人们生活的方方面面，带来思维和行为方式的变化。人工智能与教育的融合，既为思想政治教育内容创新提供了新契机，又为传播创新创造了新条件，更因其带来的各种挑战，为教育主体创造性地运用理论、使用并反思技术提出了新要求。思想政治教育要通过内容、方式、教育者及受教育者等因素的质的飞跃解决内部矛盾，以提升教育实效，需要充分认识、合理应用人工智能技术。

三、嵌入路径：推进人工智能与思想政治教育的深度融合

思想政治教育的主要功能是传播主流意识形态，为社会发展培养具有完整人格的“社会人”。因此，教育者以意识形态所指向的思想理论体系影响受教育者的过程不是单向性的，需要受教育者充分发挥自身主体性与教育者进行交互，对意识形态的内容、要求进行解释、接受、反思、践行，以实现社会思想本身的再造。飞速发展的信息技术作为新变量，对此过程的展开引入新尺度。面对人工智能带来的双重影响，思想政治教育要遵循两者契合的内在逻辑、技术理路，抓住机遇、应对挑战，真正使人工智能嵌入思想政治教育，提升教育过程的实效。

1. 以构建优质大数据库为依托，实现对受教育者的多模态学习分析

多模态学习分析能为更全面地刻画受教育者的思想意识与行为要素提供条件，也存在因数据体量不足、对数据处理不当影响分析结果正确率的问题。为此，思想政治教育要构建具有多模态、大体量、强算力的优质数据库。一是适当使用多种传感器与脑机接口设备收集多种形态、结构数据。多模态学习分析的关键，是通过跨媒体智能获取关于受教育者思想意识与行为的多种结构数据。在线上的思想政治理论教育、日常思想政治教育、宣传思想教育中，一方面，可通过安装高清摄像头、运动传感器、语音传感器等外置设备，获取受教育者与教育者在线上交互过程中的面部表情、动作手势、话语表达等外显数据。另一方面，除各种学习平台及教务教学系统中的日志数据、基础数据外，可通过能安装于电脑、手机等设备的眼部移动跟踪程序，可穿戴的皮肤电反应腕带数据捕捉器、脑机接口设备，收集受教育者在接受相应教学指令或特定教育内容时，对知识的关注度、注意力集中程度、情感情绪状态等心理数据。另外，还需对应配置能储存大体量数据的计算机硬件设备。二是善用机器学习算法及相关模块对存储的数据进行处理、分析。一方面，思想政治教育共同体需要吸纳计算机科学、人工智能科学领域的专业人才。不同结构的数据需要择取不同的机器学习算法进行处理，以充分挖掘数据中内含的信息。例如，为了分析受教育者接受不同教育内容及面对不同教育方式时的认知状态，选取基于神经网络的自然语言处理与基于图表的分析技术，能获得更为准确的结果。为此，思想政治教育需要吸纳人工智能科学的研究者，使其参与到教育过程中来，指导与辅助思想政治教育者选择合适算法、进行数据分析。另一方面，思想政治教育者要参与数据处理过程。以深度学习为驱动的机器学习算法，需要对数据进行预先的人工处理。这既可能导致错误价值观的植入、渗透，又有人为偏见影响分析结果的风险。为此，教育者要充分参与数据标注过程，运用自己的专业素养、既有经验，提升后续数据分析、应用的准确性。

2. 以搭建专业知识图谱为重点，实现围绕思想政治教育内容的适应性反馈

适应性反馈既能实现思想政治教育内容的个性化设计、推荐，但亦存在影响受教育者的主体性、导致教育内容知识性与价值性割裂的风险。为此，思想政治教育需要借助本专业知识图谱的构建，实现有益于受教育者主体性、思想政治教育内容完整性的适应性反馈。知识图谱是“基于知识的内在关系性构建的一个网状知识结构图”， ^[11]使机器获得人类认知世界的能力。首先，教育者要基于对社会要求的理解、把握，指导关于思想政治教育内容的静态知识图谱搭建。静态知识图谱是以知识点、主题为实体节点，以知识点间逻辑关系为边结成的语义网络，是完成了实体链接、合并的知识融合状态，是适应性反馈进行推荐的主要内容。对于主流意识形态所指向的思想体系，教育者既要指导建立以概念、原理为节点具有较强知识性的图谱，更要指导建立以理论内含的价值观、话语、现实问题为节点强调价值性的图谱，使推荐的教育内容兼具知识性与价值性。其次，受教育者要通过彼此之间及与教育者之间的交互，参与面向教育活动的动态事理图谱搭建。动态事理图谱是以教育活动或事件为对象、以逻辑事理关系（因果、顺承等）为边的网络。受教育者要充分发挥主体性，参与与其他教育主体的对话、交往，聚焦于自身原有思想、行为这一共同客体，通过积极接受思想理论的有益影响，提升思想政治品德水平，推动教育活动、事件的顺利进行及动态图谱的建构。最后，教育者与受教育者要共同致力于知识图谱的本体构建。知识本体是知识图谱的技术框架的重要基础，包括知识单元子图、学科知识子图、学习资源子图等部分，其构建尤其需要人力投入。思想政治教育主体需要运用相应编辑工具，共同进行图谱的实体属性、关系的手动编辑。一方面，受教育者要充分发挥其主体性，梳理教育内容的逻辑脉络，并反思自身对相应思想理论的掌握、理解程度。另一方面，教育者通过受教育者搭建的形成型、反思型地图，了解受教育者的理论与现实关切，及受教育者相互之间的差异与共性。由此，教育者既能在知识内容、价值追求上为受教育者提供必要的指引，又能人为推动具有差异的受教育者进行交流互动，打破智能推荐带来的虚拟串联，还能对受教育者编写的知识子图进行查漏补缺，从而发挥自身的导向作用，并保证思想政治教育内容的丰富完整性。

3. 以打造思想政治教育设计团队为助力，实现融入教育者智能的人机协同

人机协同及教育人工智能其他形态的应用，为教育者把握、反思与调适教育活动创造条件，却也可能因教育者数字流畅性不足妨碍其主导性。为此，要打造思想政治教育设计团队，以提升教育者的数字流畅性，实现真正融入教育者智能的人机协同。一是教育者要注重对各种教育人工智能形态的批判性应用。教育者既要主动学习如何使用人机协同的技术、设备，又要结合多模态学习分析、适应性反馈的结果，综合利用智能助教系统与智能管理系统，进行教育前的内容设计、方式选择，教育过程中的实时调控，教育结果的后续跟踪测评。同时，教育者要充分调动自身理论储备与既有经验，以批判性思维对技术工具进行冷静审视与反思，对其中可能渗入的错误意识形态因素保持警惕，用人类智能矫正人工智能形态的固有弊端。二是教育者要与人工智能应用开发团队通力合作，参与智能应用的创造性设计。教育者有必要进行与新兴信息网络技术相关的理论学习，既掌握已有智能工具的一些技术机理，又对智能技术的未来发展趋向形成一定预判，进而参与契合思想政治教育需要的人工智能应用的开发设计。一方面，借鉴桑斯坦关于“开放资源软件”的构想， ^[12]在软件开发的关键地方设置允许协商的程序，教育者既能在所开发的智能应用试运行阶段，与程序设计者、算法工程师进行交流、商讨；又能在智能应用投入使用后，根据教育过程中的新情况通过协商程序对既有应用进行改良，从而使教育者的专业知识、社会要求的价值观念，可以适时、实时融入智能应用的运行。另一方面，通过教育者参与开发倒逼智能应用的“人—机界面设计”。教育者在思想政治教育活动中产生的对具有现实指向的案例、素材的需要，对于智能系统要尽量容易操作的要求，可以优化相关智能系统的后台设计，使教育资源供给更具有针对性，智能应用的操作界面更简单明了。

参考文献：

[1]习近平向国际人工智能与教育大会致贺信[N].人民日报，2019-05-17.

[2][4]陈凯泉，张春雪，吴玥玥等.教育人工智能（EAI）中的多模态学习分析、适应性反馈及人机协同[J].远程教育杂志，2019(5).

[3][9][10]邱柏生，董雅华.思想政治教育学新论[M].上海：复旦大学出版社，2012：133，258，292.

[5][美]桑斯坦.网络共和国[M].译者：黄维明.上海：上海人民出版社，2003：56-59.

[6]董雅华.思想政治理论课教学坚持主导性与主体性相统一论析[J].思想理论教育，2020(3).

[7][加拿大]马歇尔·麦克卢汉.理解媒介：论人的延伸[M].译者：何道宽.南京：译林出版社，2011：36、406.

[8]兰国帅，郭倩，吕彩杰等.“智能+”时代智能技术构筑智能教育——《地平线报告（2019高等教育版）》要点与思考[J].开放教育研究，2019(3).

[11]李振，周东岱，王勇.“人工智能+”视域下的教育知识图谱：内涵、技术框架与应用研究[J].远程教育杂志，2019(4).

[12][美]桑斯坦.信息乌托邦：众人如何生产知识[M].译者：毕竞悦.北京：法律出版社，2008：193.

（《思想理论教育》2020年第08期）

审核：秦风

核发：李文斌