引言

在教育数字化转型的进程中，人工智能已深度嵌入教学、学习、评价及育人环节，成为重塑教育生态的关键力量，引领教育迈向数字化、个性化、智能化。《教育强国建设规划纲要（2024-2035年）》强调要推动人工智能助力教育改革，促进教育数字化，建设学习型社会。然而，技术赋能的背后，教育链条下的人工智能的伦理风险与价值冲突也愈加凸显，若缺乏合理规制，可能偏离“立德树人”的教育本质。因此，以教育链条的四大核心环节为切入点，剖析人工智能面临的伦理困局与成因并提出破解路径迫在眉睫。

一、教育链条视角下人工智能的伦理困局

教学、学习、评价、育人构成了教育链条的核心闭环，人工智能在各环节的深度渗透，既推动了教育模式的革新，也因技术逻辑与教育本质的潜在冲突，催生了多元伦理困境。这些困境相互交织、层层传导，正从资源分配、能力培养到价值引领冲击着教育的核心目标。

（一）教学环节：算法主导下的公平失衡与主体性消解

教学作为教育链条的起点，是知识传递与能力培养的核心场域。人工智能在通过其精准化、个性化赋能教育以打破传统教学局限的同时，也因算法对数据的依赖、技术设计的缺陷使其陷入公平与主体性的双重伦理困境之中。

1.数字鸿沟加剧教育公平失衡

人工智能会基于用户基本信息、兴趣爱好、学习需求以及分析用户平时搜索的信息推送相应的资源，以满足用户个性化的需求。这意味着人工智能的推荐算法高度依赖用户数据，学生的学习行为、设备终端以及网络环境等数据质量直接决定资源推送的精确度与优质度。但算法推荐的设计逻辑与数据基础常受结构性偏见影响，潜藏价值预设与信息局限的双重风险，在一定程度上加剧了教育资源分配、认知塑造及评价体系中的不平等。偏远地区学生因缺乏高性能设备、稳定网络，难以获得有效的数据反馈，因此系统只能推送基础化、同质化资源；而城市学生凭借优质数据获得定制化、高阶化学习内容，二者之间便会形成“强者愈强、弱者愈弱”的马太效应，进一步拉大区域、城乡教育差距。更值得警惕的是，数字鸿沟背后暗藏认知能力的代际差异——具备良好数字素养的学生能更高效利用人工智能优化学习，而认知能力较弱、缺乏数字引导的学生则可能被技术边缘化，导致所谓的“数字平权”沦为形式化口号。此外部分AI教学工具还存在隐性偏见，如推荐内容中过度侧重城市生活案例，忽视乡村学生的生活经验，导致学习体验割裂。

2.算法霸权弱化教师教学主体性

当前，教师教育领域所应用的生成式人工智能以通用型技术为主导，虽具备广泛的普适性优势，但对教师教育的独特场景缺乏针对性适配与深度共情能力，导致其难以达成符合该领域特定需求的应用效果。教师作为教学的关键主体，在挑选适生资源、完成学生思维训练等方面发挥着重要作用。不同教师在挑选同一知识点的教学材料的选择有所不同，优秀教师在利用人工智能辅助教学时，能够依据其丰富的教学经验筛选更为适生化的材料。但部分教师在使用人工智能时过度依赖AI备课工具，直接套用系统生成的教案、课件，放弃对教学内容的个性化与学情适配设计。同时，虚拟教师、智能直播等AI授课助手的普及，使部分课堂沦为“算法主导的标准化输出”，教师沦为“设备的操作者”，丧失对教学节奏、互动方式的主导权。更为严重的是，算法自主决策能力的强化导致教师决策权的被动让渡。教师在课程目标设定、教学内容筛选、学业评价标准制定等核心环节长期依赖人工智能，会逐渐丧失独立判断与设计的能力，陷入“算法即教学方案”的被动局面。这种“技术替代教学”的倾向，违背了教学不仅是知识传授的过程，更是师生之间思维碰撞、教师以情感育人的过程，而这是算法难以复刻的个性化育人方式。

3.教学资源的合法性和真实性存疑

生成式预训练转换模型的底层运行逻辑，本质是以数据驱动为核心。这决定着人工智能无法理解这些数据背后的文化与价值理念。因此，AI生成式教学资源在为教师带来便捷的同时，也潜藏着合法性与真实性的风险。部分AI工具生成的教学内容存在事实错误、逻辑漏洞，甚至引用虚假数据或侵权素材，若教师未严格审查就直接使用，将误导学生的认知。此外，智能技术在开发之时已融入开发者与监管者的价值观念与意识形态，由此生成的教学资源也难免隐含着特定的倾向或偏见。而这类隐性渗透并非由教师把控，可能与教育“立德树人”的本质要求背道而驰，影响教育的客观公正性。

（二）学习环节：智能辅助下的自主能力弱化与路径固化

学习是学生自主建构知识、发展素养的核心环节。当下，人工智能为学生提供全天候、个性化的学习支持，但这种“全能”的辅助也易让学生产生依赖心理，阻碍其批判性思维的发展。同时，人工智能提供的资源质量参差不齐、价值引领功能缺失，易引发多重认知与发展的风险。

1.工具泛化抑制批判性思维

人工智能在给学习者带来学习便利的同时，也存在削弱其高阶思维的风险。豆包等人工智能工具虽能快速提供标准答案，但易使学生形成“遇事找AI”的依赖习惯，跳过分析、推理、验证的思维过程，便会导致逻辑思维、问题解决能力的退化。同时，生成式人工智能的普及，更诱导部分学生直接搬运生成内容，规避自主创作环节，可能会使得学生产生路径依赖，也易使学生的思维限制在算法所生成的框架内，阻碍其创新能力与批判性思维的发展。此外，当学生脱离人工智能工具之时，学生在处理学习问题时可能会出现无所适从的境况。

2.算法固化窄化学习路径

AI学习平台通过分析学生数据为学生规划“最优学习路径”，例如根据学生答题正确率推送同类知识点，看似提高学习效率，实则形成“信息茧房”，难以促成最近发展区的发展。同时，学生被局限在算法判定的区域便难以接触跨学科、具有挑战性的内容。此外，部分平台还存在“功利化的导向”，过度推送应试考点内容，忽视学生的兴趣培养与全面发展，使学习沦为“分数的机械重复训练”。

3.伦理风险阻碍素养发展

AI为学生推荐的学习资源质量参差不齐，部分资源还存在知识陈旧、观点片面、逻辑混乱等问题。学生由于对知识点以及学习资源的储备量较少，对AI资源的批判性辨别能力不高，易盲目采信低质量内容，从而形成错误认知或固化片面思维。尤其在科普、人文等领域，AI生成内容可能因训练数据的局限性出现认知偏差，对学生的知识建构造成长期负面影响。此外，缺乏伦理权衡的技术工具难以引导学生树立正确价值观，不仅会抑制学生的批判性思维与探索精神，还会阻碍学生培养同理心、责任感等社会化素养，最终阻碍学生全面、健康的素养发展。

（三）评价环节：数据驱动下的维度窄化与功能缺失

1.量化崇拜导致评价维度窄化

评价作为教育教学调整的指挥棒，能够引导教育主体确立科学的育人目标，保证教育朝着正确的方向发展。当前，人工智能融入教育评价体系有效增强评价的个性化育人实效，但也存在教育主体过于依赖人工智能所给出的教育评价，忽视其中的情感关怀，导致评价过度量化。此外，智能评价系统过度依赖可量化指标，如答题正确率、学习时长、知识点掌握程度等，而缺乏对学生的批判性思维、创造力、合作能力等非量化素养的精确评估。这种“重结果轻过程、重知识轻素养”的评价逻辑，导致评价结果片面化，无法全面反映学生的综合能力，甚至导致教育向应试化倾斜，违背促进学生全面发展的评价目标。

2.算法偏见引发评价公平缺失

在数字化转型持续深化的当下，智能评价系统已广泛应用于教育、职场等多个领域，其给出的评价结果并非主观判断，而是人工智能数据库与用户主动提供或被动产生的数据深度耦合的产物。与此同时，支撑智能评价工具运行的核心算法模型，本质上是依托海量历史数据进行训练优化后形成的决策逻辑，其运算逻辑和判断标准完全依赖于训练数据的质量与代表性。若这些训练数据或用户提供的数据中，隐含着未被识别或剔除的性别、地域、家庭背景等隐性偏见，算法模型会在学习过程中捕捉并强化这些偏见，甚至通过数据关联和逻辑推导进一步放大这种失衡倾向，最终导致输出的评价结果偏离客观真实，难以准确反映评价对象的实际情况。例如，在作文智能评价中，算法可能因对方言词汇、乡村题材的识别偏差，压低农村学生的分数；在综合素质评价中，因缺乏对特殊群体的适配性设计，导致评价标准不公。

3.暗箱操作缺乏透明追诉机制

多数智能评价工具的核心算法仍属于“暗箱操作”，其运作逻辑对教师与学生而言完全不透明。教师无法知晓各项评价指标的具体权重分配，学生也无从了解个人数据的处理规则与运算逻辑，评价过程缺乏基本的公开性与可解释性。此外，部分智能评价系统还存在显著的数据误差问题。主观题自动批改依赖算法对文本的机械解读，常出现对答题思路、语言表达的误判，难以精准捕捉学生答案中的逻辑价值与创新点；学习行为数据的采集也可能因设备精度、网络延迟等因素出现偏差，导致对学生学习状态的误读。这些看似微小的误差，在升学录取、评优评先等关键决策场景中，可能被放大为影响结果的关键因素，直接损害学生的合法权益，甚至对其学业发展与未来规划造成不可逆的影响。

（四）育人环节：人机互动下的关系异化与价值偏离

1.师生关系异化弱化情感联结

传统教学注重师生的面对面交流，在辅导过程中教师能够通过学生的神情、语言等了解学生的学习状态，及时调整教学进度。而AI工具的广泛应用使师生互动从“面对面”模式转向“人机中介式”。教师通过AI批改作业、反馈学情，学生通过AI咨询问题、提交任务，传统课堂中的眼神交流、情感沟通被冰冷的数据传输替代，减少了很多师生面对面交流的机会。再者，部分教师因过度依赖AI工具，减少了课后辅导、谈心谈话等个性化育人行为，导致师生间的情感距离拉大，弱化了教师“育人者”角色。这种技术疏离违背了教育的人文本质，不利于学生的心理健康与人格健全。

2.价值引领缺位影响素养培养

教学是教师育人的关键环节，教师在此过程中以身作则、引领学生树立正确价值观。而人工智能由于本有的技术缺陷，难以承载价值观引领、道德教育等育人功能，部分教育场景中AI的过度使用，则进一步挤压了教育价值引领的空间。例如，AI德育平台仅通过观看视频、答题等量化方式开展德育教育，缺乏实践体验与情感共鸣，难以培养学生的道德判断力与行为自觉。此外，智能内容推荐中充斥着娱乐化、功利化信息，可能误导学生价值观，冲击诚信、勤奋、责任等核心道德品质。

3.技术至上导致育人目标偏离

在教育数字化转型的过程中，“技术至上”倾向引发育人目标的偏离与错位。工具理性不断扩张的背景下，用户作为生态价值主体的角色认知日渐模糊，生态伦理意识也随之慢慢淡化。部分学校在AI育人实践中陷入“形式化”误区，盲目引入智能穿戴设备等智能终端，将复杂多元的育人过程简单等同于数据监测与量化管理。部分教育活动被拆解为一系列可量化的指标参数，看似提升了教育管理效率，实则陷入了工具理性的陷阱，忽视了学生的个性差异与成长规律，可能导致学生沦为“数据化的人”，丧失了独特的个性与人文情怀。

二、教育链条下人工智能伦理困境的应对路径

正确应对教、学、评与育人环节中人工智能所遇到的伦理困境是发挥教育育人效能的关键因素。为此，应对人工智能教育伦理困局，需立足教育本质，在教学、学习、评价、育人四环节构建技术适配与人文兜底的协同路径，破解公平失衡、能力弱化、维度窄化、价值偏离等核心问题。

（一）教学环节：弥合鸿沟，重塑主体

教学环节作为发挥教育立德树人根本实效的核心环节，要以资源公平、规范边界、保证合法的措施应对人工智能的伦理困境，构建一个促生发展的良性教育生态。

1.弥合数字鸿沟，保障资源公平

数字鸿沟的本质是资源获取与认知发展的双重失衡，其根源在于数字化基建的区域差异与人工智能资源的隐形偏见。为破解这一困境，一方面需要强化教育数字化基建的均衡配置，加大对偏远地区、农村学校的政策倾斜与资源性投入，通过政企协作提供低价智能端、搭建稳定高速的网络环境，确保所有学生平等优质地接入优质数字资源的硬件基础；另一方面需建立严格的AI教学资源审核机制，组建由教育专家、一线教师、城乡教育工作者构成的审核团队，明确资源内容必须覆盖城乡多元生活场景，剔除过度侧重城市经验、忽视乡村实际的素材，避免因内容脱节导致的学习体验割裂。同时，针对不同区域学生的学情特点，推动AI资源的分层适配，既为基础薄弱地区提供阶梯式提升内容，也为优质教育区域预留拓展空间，从根源上遏制“强者愈强、弱者愈弱”的马太效应，让“数字平权”真正落地为教育公平。

2.重塑教师主体，规范AI使用边界

教师是教育活动的核心主体，其个性化的学情判断、思维引导与情感投入都是人工智能无法复刻的教育价值。面对人工智能工具带来的主体性弱化风险，首要任务是要明确AI只能作为辅助工具而非教学主导这一教学定位。教育管理部门也需出台规范AI教学工具的使用规范，将“学情适配、价值引领、思维引导”列为教师不可替代的核心职责，禁止直接套用AI生成的教学设计、课件而放弃个性化设计。在此基础上，系统性开展教师数字素养培训，通过实操课程提升教师对AI工具的熟练运用能力，通过案例分析培养教师识别AI资源优劣的批判性思维，通过教研活动引导教师将AI技术与学科特点、学生实际相结合，实现从被动套用到主动创新的转变。同时，鼓励学校搭建AI教学交流平台，推广优秀教师AI融入教学的经验，让技术成为放大教师教学特色的助力器。

3.建立资源核验机制，守住合法真实底线

人工智能数据驱动的逻辑使其难以完全理解知识背后的文化内涵与价值导向，导致教学资源存在事实错误、版权侵权、价值偏差等潜在风险。为此，一方面可以由教育主管部门牵头搭建AI教学资源质检平台，运用技术手段与人工审核相结合的方式，对AI生成的教学设计、课件进行全流程检测；在事实准确性上，核查数据来源、逻辑链条与知识点表述的正确性；在版权合法性上，校验素材引用、内容转载的授权情况，杜绝侵权使用；在价值导向上，排查隐形偏见、意识形态偏差等问题，确保资源符合立德树人的要求。另一方面，明确教师资源使用责任，要求教师在使用AI教学资源前要对AI内容与学情适配进行二次核验，及时修订存在偏差的内容，剔除不实内容。同时，政府要建立AI教学资源问题反馈渠道，鼓励教师、学生及家长进行反馈问题资源，形成生成—审核—使用—反馈的闭环管理，确保流入教学场景的每一份资源都安全、合规、优质。

（二）学习环节：学习赋能，强能拓路

学习是学生自主建构知识、发展核心素养的关键环节。人工智能为学生提供了全天候、个性化的学习支持，却也因工具泛化、算法固化等问题，引发自主能力弱化、学习路径窄化的伦理风险。唯有以素养培养为根基、以路径拓展为导向，才能让技术真正服务于学生的全面发展，实现强能与拓路的双重目标。

1.素养筑基，破茧除依

AI工具的即时性答案供给易让学生形成路径依赖，跳过分析、推理、验证的核心思维过程，导致逻辑能力与创新意识退化。破解这一困境，核心在于构建以数字素养为核心的能力支撑体系。一方面，需要将AI工具理性使用纳入中小学课程体系，系统教授AI内容辨别、信息筛选、工具适配等核心技能，让学生理解AI的优势与局限，树立工具为我所用的主动意识；另一方面，设置无AI自主学习时段，通过项目式学习、问题探究等活动，强化学生的逻辑推理、自主创作与问题解决能力，避免对技术的过度依赖。同时，开展AI辅助学习实践主题活动，引导学生利用AI优化学习流程而非替代学习过程，例如用AI整理知识点框架，自主完成深度思考与拓展练习，实现从被动接受到主动驾驭的转变，破除思维固化与技术依赖的双重枷锁。

2.打破茧房，多元拓维

AI推荐内容的最优路径，本质上是基于历史数据的优质推动，容易形成信息茧房，限制学生的认知边界与多元发展。要打破这一局限，需从算法优化与自主规划两方面发力。在算法层面，要求人工智能学习平台优化推荐逻辑，强制嵌入跨学科、挑战性内容，例如在数学学习中关联科学实验、在语文阅读中融入历史背景，避免知识点的孤立推送；同时，设置拓展学习模块，主动推送超出学生当前认知范围但符合其发展潜力的内容，助力最近发展区的突破。在学生层面，鼓励自主规划学习路径，引导学生结合兴趣与目标，自主选择跨学科资源。另外，学校与教师可搭建跨学科学习社群，组织线下实践活动，将AI资源与真实学习场景结合，推动学习从单一维度向多元拓维转变，培养学生的综合思维与创新能力。

3.分级提质，导思明辨

人工智能生成的学习资源质量参差不齐，存在知识陈旧、逻辑混乱、观点片面等问题，而学生辨别能力有限，易轻信低质量内容。解决这一问题，需建立“资源分级+思维引导”的双重保障机制。在内容资源方面，由教育专家与一线教师组成评审团队，根据知识准确性、逻辑严谨性、价值导向性等指标，将资源划分为基础达标、优质推荐和拓展提升三个等级，并标注适用场景与观点倾向，供学生按需选择。在学生方面，可以强化培养学生的批判性思维，引导学生对 AI生成内容保持审慎态度，通过对比多元资源、验证核心观点与质疑逻辑漏洞等训练，提升信息辨别能力。在教师层面，教师可设计AI内容辨析课堂活动，选取存在争议或误差的AI资源，组织学生讨论分析，共同梳理辨别标准，让学生在实践中学会明辨是非，实现提质与明辨的协同推进。

（三）评价环节：评价革新，全维守公

评价作为教育教学的指挥棒，直接影响教育目标的实现。当前，我国的教育评价需要回答“评什么”和“怎么评”两个重大问题。人工智能为教育评价带来个性化、高效率的革新的同时，也因量化崇拜、算法偏见等问题使得评价陷入维度窄化和公平失衡的伦理困境。因此，唯有以全维度考评破解片面化难题，以坚守公平筑牢价值底线，才能让评价真正服务于学生的全面发展。

1.量质并举，综评育人

当前智能评价系统过度依赖答题正确率、学习时长等可量化指标，忽视了批判性思维、创造力、合作能力等非量化素养，导致评价结果难以反映学生的综合实力。因此，要构建科学的评价体系，将量化数据的精准性与质性素养的丰富性有机结合。一方面，完善评价指标框架，将非量化素养转化为可观察、可记录的具体要点，例如将批判性思维拆解为观点质疑、逻辑论证、多元视角等可评估维度，通过AI记录学生的课堂发言、实践报告、项目成果等过程性数据，实现质性素养的数字化呈现；另一方面，建立“AI数据+人工评估”的综合评价模式，AI负责处理收集的数据，教师则结合对学生的日常观察、情感交流、实践表现等进行质性判断，二者相互补充、有机融合。同时，弱化单一结果性评价，强化过程性评价与发展性评价，全面反映学生的知识掌握、能力发展与素养提升，避免教育向应试化倾斜。

2.去偏纠偏，公平护航

若智能算法模型中的数据暗含对性别、地域和家庭背景等因素的偏见，算法会捕捉并强化这些偏差，导致评价结果不公。保障评价公平，需从数据源头与机制设计两方面发力。在数据层面，纳入城乡、不同群体、不同背景的多元样本，避免数据的结构性偏见；同时，规范学生数据的采集范围，减少无关因素对评价结果的干扰。在机制层面，教育局和学校设立评价结果复核通道，允许教师、学生及家长对疑似偏见的评价结果提出申诉。此外，针对特殊群体学生制定适配性评价标准，例如在综合素质评价中考虑偏远地区学生的资源局限，让评价真正做到因材施教、公平公正。

3.算法透明，追溯可查

多数智能评价工具的核心算法运算逻辑不透明，且数据采集、处理过程缺乏追溯机制，一旦出现评价误差，可能损害学生的合法权益。因此，要保障评价的公信力，需推动算法透明化与流程可追溯。一方面，要求智能评价工具的开发者公开核心评价指标、权重分配及运算逻辑，用通俗易懂的语言向教师、学生及家长解释评价过程，另一方面，相关主体建立评价全流程追溯机制，详细记录学生数据的采集时间、来源渠道、处理方式及运算过程，形成完整的评价档案。同时，开发商制定评价误差修正规则，明确误差认定标准与修正流程，一旦发现因设备精度、网络延迟或算法漏洞导致的评价偏差，及时启动修正程序，保障学生的合法权益不受侵害。

（四）育人环节：育人归本，情联价引

育人是教育的本质追求，核心在于促进学生的人格健全、价值观塑造与心理健康。人工智能的广泛应用重构了教育互动模式，却也引发师生关系异化、价值引领缺位、技术至上等问题，偏离了教育立德树人的根本目标。唯有回归教育的人文本质，修复情感联结、强化价值引领，才能让育人过程回归正轨。

1.重塑师友，情联心通

传统师生关系以面对面交流为核心，教师通过眼神互动、情感沟通及时把握学生状态，而人工智能下的师生互动，冰冷的数据传输替代了温暖的情感联结，导致师生情感距离拉大。重塑师生关系，关键在于明确技术的辅助定位，回归情感互动的核心价值。一方面，制定师生互动规范，教师可以将课后批改、学情反馈等部分事务性工作交给人工智能，把节省的时间用于面对面辅导、谈心谈话、主题班会等个性化育人活动。另一方面，创新师生互动形式，将人工智能工具作为情感联结的桥梁。例如通过AI收集学生的心理困惑与学习难题，教师针对性开展一对一沟通。同时，教师要主动提升情感育人能力，在互动中关注学生的情绪变化、心理需求，用真诚与关爱拉近与学生的距离。

2.价值铸魂，德育践行

人工智能缺乏承载价值观引领、道德教育的人文内核，而部分教育场景中过度使用人工智能，导致德育沦为量化形式。因此，一方面要打破偏重人工智能的德育模式，将价值观引领融入课堂教学、校园活动、社会实践等真实场景，通过主题辩论、公益实践、榜样学习等活动，让学生在情感共鸣与实践体验中理解诚信、责任、担当等核心道德品质。另一方面，加强人工智能生成内容的价值筛选，要求德育类平台严格审核推送内容，确保其符合社会主义核心价值观。同时教师要在智能辅助德育过程中发挥主导作用，结合学生的思想动态进行针对性引导，解答学生的价值困惑。此外，教师要在教学与生活中以身作则，用自身的言行传递正能量，让学生在潜移默化中塑造正确的世界观、人生观、价值观。

3.去术归本，育人为核

在教育数字化转型过程中，技术至上的倾向导致部分学校陷入形式化误区，将育人过程简单等同于数据监测与量化管理，忽视了学生的个性差异与成长规律。回归育人本质，需摒弃技术崇拜。首先，由教育专家、一线教师组成评审团队评估智能设备、平台的育人价值，拒绝使用缺乏实质育人功能、仅追求形式化的应用。其次，结合学生的个性特点、兴趣爱好、成长需求，优化人工智能育人的实践模式。制定个性化育人方案，让技术服务于学生的全面发展。同时，强化教育工作者的育人初心，引导学校与教师树立技术为育人服务的正确理念，聚焦学生的核心素养培养，守护每个学生的独特个性与成长空间。

未来教育数字化转型中，需要持续推动政策、技术与实践协同，动态回应新挑战。各相关主体也要始终以育人为本为原则锚定方向，让技术创新服务于学生全面发展，为教育强国建设筑牢伦理根基，让数字化真正赋能教育高质量发展。

参考文献：

1. [1]中共中央国务院印发《教育强国建设规划纲要(2024—2035年)》[N].人民日报2025-01-20(006).
2. [2]刘甜甜,钟雪.生成式人工智能赋能高校思想政治理论课教学的伦理风险与防范[J/OL].湖南第一师范学院学报,1-8[2026-01-04].https://link.cnki.net/urlid/43.1504.Z.20251106.1559.002.
3. [3]王凯,龙鸿宇,许心怡,等.生成式人工智能应用于教师教育的价值对齐困境与超越[J].开放教育研究,2025,31(03):84-91.
4. [4]欧蒋杰.迈向“和谐工程”：人工智能时代工程教育的哲学演进与路径转型[J/OL].重庆高教研究,1-13[2026-01-04].https://link.cnki.net/urlid/50.1028.G4.20251027.1033.002.
5. [5]孙发勤,冯锐,邓文博.守护教育之“魂”:人工智能时代教育的价值坚守与人本回归[J].电化教育研究,2025,46(11):11-17.
6. [6]中共中央、国务院印发《深化新时代教育评价改革总体方案》[N].人民日报，2020-10-14(001).
7. [7]侯坤,孙玉斌.生成式人工智能的生态伦理审思与风险纾解[J/OL].中国地质大学学报(社会科学版),1-9[2025-11-15].
8. [8]郑勤华.人工智能赋能教育评价改革与创新[J].武汉大学学报(理学版),2025,71(05):589-590.