伴随人工智能赋能的历史演进，当前人工智能赋能教育呈现出了更加成熟的多学科交叉整合的属性与特色，形成了人工智能赋能教育发展演进多重趋势。其中技术、教育与应用是三个主要方面。首先，计算机科学、大数据、统计学、语言学等学科支持人工智能技术开发与应用，以实现人工智能的功能优化与迭代，形成了基础任务的效率赋能和高阶任务的创新赋能；其次，认知科学、脑科学、教育学等学科探索人工智能技术如何实现个性化学习，并将其贯彻到教育方法与过程中，形成了以人为本的理念赋能；最后，技术成果转化推动人工智能赋能教育的可能实践和产业化发展，政策法规则关注人工智能赋能教育的潜在风险和约束框架，形成了产业与伦理并进的应用赋能。

（一）技术趋势：基础任务的效率赋能和高阶任务的创新赋能

从基础任务的效率赋能而言，人工智能技术发展带来了横向的功能扩展，参与和支撑了更多的基础任务，为教育实现全面的效率赋能。当前人工智能在教育应用中支持和辅助了导师、学生、学习工具与伙伴、决策顾问等多个角色的任务，承担了大量的教学、学习与管理上的基础任务。人工智能可以极大程度地将教育者与受教育者从基础任务中解放出来，帮助他们专注于更加重要和核心的教育环节与任务。大数据、深度数据分析、机器学习等技术让人工智能在基础任务上能够展现更高的效率和更精准的正确率。

而从高阶任务的创新赋能层面，智能涌现能力的强化让人工智能参与涉及思维、能力的高阶教育任务成为可能，并成为人工智能赋能教育的创新落脚点。技术迭代、系统规模扩大、复杂性提升赋予人工智能不可预测的突发现象与突现属性。智能涌现让人工智能更加明显地区别于传统的计算机技术与数据分析，不再局限于基于已知的规则产生已知的结果，从而得以在高阶教育任务中赋能思维能力培养。

（二）教育趋势：以人为本的理念赋能

支持以人为本的教育理念是人工智能赋能教育的第二个趋势。首先是用技术赋能个性化教育，让教育对象真正指向具体个体。传统的教育对学生需求的关注是一般化、抽象化的，而人工智能基于多种技术与方法实现教育内容的个性化定制，分析学生的学习数据，包括历史表现、学习风格和偏好，适应学生差异化的能力和需求，相比于一刀切的传统教育，让教育关注落到了具体个体之上。比如，Knewton、Cerego、Im-mersive reader、CALL等教育平台根据人工智能的机器学习算法来判断学习进程、风格等方面的差异，为各个教育阶段的学生提供个性化的教学建议与支持。此外，聊天机器人也利用了人工智能的机器学习算法，依据学生具体的学习需求和能力水平来反馈定制的学习内容。基于人工智能技术的个性化教育极大地改善了学生的学习体验，更加凸显教育的人性化色彩。

其次，人工智能技术让教育过程与方法更加关注人的多面性与整体性。人的发展包含了知、情、意、行多个维度，但是传统教育往往更关注知识与认知方面的发展，造成全人教育的实践局限。而人工智能的发展，加快了触及学生情感、意志、行为的方法与技术同教育的融合，助推了全人教育与均衡素质培养。通过智能辅导系统与情感计算技术的融合，研究者得以使用人脸识别检测学生在学习中的面部表情和情绪状态，及时给予正向的反馈与引导。

（三）应用趋势：产业与伦理并进的应用赋能

人工智能向内通过技术革新赋能教育，向外则驱动产业化发展与伦理法律框架的并进。在产业化方面，科技公司、商业性教育公司开发服务性的人工智能教育技术与产品，并推向学校、学生以及其他非正式的教育环境和实践。随着全球化与市场的成熟发展，人工智能教育产业生态链已具规模：科技公司主要开发人工智能基础设施，教育公司在此基础上开发AIED应用程序，面向学校组织和学生个体销售。科技公司、教育公司与研究所、学校课堂实践之间的合作被认为能够有效提高教学与学习的效率和质量。同时，产业化发展的果实也最终惠及校园，促成相关产品和岗位的专业化发展：例如，智能辅导系统从人工智能教育研究实验室走向商业环境，并在学校中广泛应用，同时面向市场开辟了教育数据科学家与其他学习分析专家等新兴职业岗位。

在产业化助推人工智能在教育领域的应用下，与人工智能相关的新的伦理体系也在探索完善之中，以防止资本加持技术带来的野蛮生长。首先，各国探索建立了人工智能的伦理框架，如美国的《为人工智能的未来做好准备》，我国的《新一代人工智能治理原则——发展负责任的人工智能》等。当前，各国主要通过专门法案来进一步落实和约束人工智能的技术开发与应用，这也辐射了人工智能在教育领域的应用。如欧盟出台《人工智能法案》对人工智能应用于教育领域提出更加严格的监管要求。

（据《清华大学教育研究》2025年第2期）