摘要：智能技术与教育融合引发的一系列教育问题乃至社会问题，其根源在于教育主体行为的失范。判定教育主体行为失范是否由智能技术所引发，可从工具使用、标准制定、规范遵守、干预方式四个方面，衡量教育主体行为是否发生“失范”与“未失范”之间的转换;若满足其中至少一条，则可认为该行为失范由智能技术引发。基于上述判定方法对26个智能技术教育应用案例进行分析后发现：教育主体行为失范主要涉及过程性失范、转型期失范、周期性失范、本质性失范、原生性失范5种表现层次，涵盖82种行为表现类属的20种行为失范类型。多元教育主体的行为失范呈现多层次、多类型的特点，具体表现为：管理者愈加难以平衡教育发展与技术进步，教师被算法绑架并破坏教学生态，企业过于关注商业利益而忽视长远教育目标及教育规律，设计者“目的至上+技术导向”引发设计风险，家长对技术过度放权造成家庭教育问题重重，研究者利用智能技术开展教育研究触犯科研伦理，学习者数字沉迷及其身份认同异化。有效治理教育主体行为失范问题，需要治理主体不断调整规制手段和治理方式，并及时应用“判定标准”对当前教育主体行为的状态进行判断，当主体行为不在属于“失范”行列时，干预和判断进程即可停止。

关键词：智能技术;教育主体;行为失范;判定标准;行为表现

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2022）02-0037-10  doi10.3969/j.issn.1009-5195.2022.02.005

基金项目：2022年度浙江省哲学社会科学规划领军人才培育课题“新一代人工智能支持下面向课堂教学的人机协同理论研究”（22YJRC02ZD-1YB）。

作者简介：逯行，博士，讲师，硕士生导师，浙江师范大学教师教育学院，浙江省智能教育技术与应用重点实验室（浙江金华 321004）。

一、问题的提出

智能技术与教育的融合经历了多个发展阶段，其在提升教育教学效能的同时，也带来了一系列的隐忧，如隐私和数据泄露引发的伦理危机、过于依赖数据和算法导致的评价偏差、过度依赖技术造成的师生思维“钝化”等（孟翀等，2021）。上述负面现象产生的根本原因是人们在智能技术应用中存在行为失范。“失范”从字面来看，意指没有或失去社会规范，即与正确规范的要求相对立的反常状态（贺武华等，2018）。法国社会学家涂尔干认为，当集体的秩序发生混乱或断裂、个人的野心超越了能力所能承受的范围，道德秩序再也无法对个人行为和集体行为的规制发挥作用时，就会产生与正常现象相背离的“失范”（潘建雷，2019）。学者朱力认为（2006），当社会的价值准则、行为规范、道德要求等出现紊乱，个人和群体的行为失去了清晰明确的参照标准时，所引发的价值混乱、行为不正常现象即为失范现象。智能技术环境下教育主体的失范可以从宏观和微观两个层面去理解：宏观层面的失范是伦理规范、技术标准、法律规约、制度体系等出现紊乱;微观层面的失范是指个人或组织未遵守规范和准则而产生的不当行为。前者是“规范”本身的失范，后者是行为主体由于未遵守规范所产生的行为失范（朱力，2007）。无论是宏观层面的失范，还是微观层面的失范，最终都会通过多元主体（个人或组织）的行为失范表现出来。

基于上述分析，智能技术影响下教育主体的“行为失范”可界定为：教育领域中的技术供给主體在智能教育产品的开发设计、推广使用、监督评价等过程中，以及技术使用主体在利用人工智能、大数据、互联网等智能技术开展教育活动的过程中，所表现出的价值混乱、不遵守道德规范等失常行为，以及这些负面行为所产生的负面结果。既包含规范缺失等引发的宏观行为失范，也包括个人和组织表现出的微观行为失范。目前，智能技术引发的行为失范现象呈现愈演愈烈的趋势，已成为影响智能技术教育应用可持续发展与应用主体健康成长的重要因素。然而智能技术环境下教育主体的行为失范现象还未引起各方的重视。对教育主体的哪些失范行为是智能技术引发的、如何判定、其行为表现如何等问题尚缺乏系统深入的探讨。本研究讨论了智能技术环境下教育主体行为失范的判定标准、流程等问题，通过对26个相关案例的分析，明确了智能技术引发教育主体行为失范的类型，以及不同教育主体行为失范表现，旨在为政府管理部门、学校、社会组织机构、家庭等统一认识、制定行之有效的应对机制提供依据，从而促进智能技术在教育领域的有序健康发展。

二、智能技术引发教育主体行为失范的判定 方法

对智能技术引发的教育主体行为失范现象进行分析的前提是：确定何种行为与智能技术的应用不当有关，因此需要给出判定方法。已有研究中，研究者习惯从技术创新与使用、标准制定与规范遵守、过程演变与干预、技术后果与评估（顾小清等，2021;Bechmann et al.，2007;Martin，2019）等方面来展开技术主体与技术客体关系的讨论，其中，基于技术创新与应用情况制定适切的干预方案、开展技术后果的评估、强调技术标准与规范的制定等是教育领域研究者较为关注的议题（阿明·格伦瓦尔德，2017）。借鉴上述思路，本研究主要从以下四个方面对智能技术主体行为失范进行判定：

1.判定依据

（1）技术工具使用与主体行为结果的关系

智能技术工具的使用会对教育主体的行为结果产生影响。以拍照搜题类APP为例，小猿搜题、大力作业灯等智能教育产品的使用中教育主体获得了积极效果，如学习成绩短暂提高，同时也产生了长远的负面影响，如学生的思考能力弱化。造成这一现象的原因是该类型智能教育产品违反了教育规律和学习规律，以牺牲学生独立思考的能力为代价，换取作业辅导的方便快捷（毛宇琦等，2019），学生表现出学习能力和深度思考能力下降、思考过程缩短、坚持思考的意志力变弱等现象。可见，使用这一技术工具后，对学生主体的思考韧性产生了破坏与阻滞;而若不使用这一技术工具，长远来看更能培养个体的独立思考能力，即可判断“学生思维韧性弱化、过度依赖外在工具而非以独立思考来完成学习任务”这一行为与智能技术应用不当有关。因此，由于智能教育产品的设计理念或技术支持方式缺乏对基本规律的尊重，导致教育主体使用这类产品后产生负面效果，并且停止使用后，负面效果逐渐减弱甚至消失，则可认为，教育主体的行为失范与使用该智能技术有关。

（2）标准制定与主体行为过程的关系

智能教育产品的设计、开发与应用均需要遵循一定的参照标准，因此是否在技术融入教育场景的前置阶段制定了科学合理、实践指导性强的主体行为参考标准，能够直接或间接地影响主体行为表现（杨丽萍等，2021;李芒等，2022）。本研究中的“参照标准”包括两种，即技术标准和教育标准。在智能技术应用于教育场景的“技术标准”制定方面，有研究者从智能教育装备的体系构建、研究重点和发展思路等角度出发，尝试制定我国智能教育装备的标准并推动应用效果测评，以此避免出现资源限制、利用率差、应用不合理等问题（郑娅峰等，2020）。在“教育标准”制定方面，由于将智能教育产品应用于教育场景时，可能会产生各种设计和研发阶段意想不到的问题，因此需要以教育标准作为衡量技术产品应用的指标，包括在数据使用与价值挖掘的过程中，应当尊重教育伦理，保护学生隐私（袁磊等，2021）。例如，对使用智能技术教育产品的教师进行访谈，他们普遍认为“从科学性的角度来看，不能把大数据分析作为评判学生学习行为和学习情况的手段，那并不准确，也会对学生产生不好的影响”。可以发现，“制定”与“未制定”智能技术开发与应用的参照标准，对教育主体的行为过程有明显影响，即智能技术多元主体在实践活动中，“有标准可供遵循”与“无标准可供遵循”的情况下，行为主体表现具有差异。

（3）规范遵守与主体行为表现的关系

首先需要厘清一个边界问题：这里的规范对象仅包括行为吗，还是也包括行为背后的动机、欲望、意识和价值判断等？Popper（2010）、Opp（2013）都认为，规范是一种关于某物在特定情况下应该或不应该发生的表述，可以是行为、意识、思想、价值、动机等。Interis（2011）则认为规范的对象应当只包含行为本身，不应将行为背后的动机、意识等纳入其中。本研究认为，规范原则所规范的对象，既包含行为本身，也包含行为背后的动机和意识等，并且这里所指的“规范原则”主要包括两个方面，即伦理准则和法律底线原则。例如，近年来教育场景中“人脸识别”技术的应用极为普遍，当该技术的应用不遵守智能技术的规范原则时，如过度采集未成年人的生物学特征，则可认为在该技术应用中教育主体行为失范。可以发现，智能技术应用主体是否遵守相应的规范原则，是评判其行为表现是否存在失范的重要标准。

（4）干预方式与主体行为表现的关系

樊春良等（2008）在研究生命科学技术伦理问题时，提出了解决伦理问题需要依靠“治理机制”，包括政府和非政府的机制，不仅有自上而下的权威和制裁，同时也包括多元主体间的合作、协调和监督。这里的“治理机制”其实指的是对目标对象的干预方式。干预的类型分为强制干预和非强制干预（即倡议性建议）;干预的手段包括技术型规范干预、法律型规制干预、伦理行为规范干预和制度约束型干预。在对智能技术的设计与应用进行干预后，若教育主体行为发生了“失范—未失范”的转化，则认为教育主体的行为失范与智能技术的应用有关。其中，干预的内容不仅包括智能技术本身，同时包括智能技术供给主体的技术创造行为以及行为背后的动机、欲望、价值判断、情感等隐性因素。

2.判定标准

判定标准是对判定依据的量化和标准化，如果说判定依据仅仅是提供了判定的基本方向，是一种判断思路，或是对现实的追问和反思，那么判定标准则需要进一步确定“采用何种计算方式”及“如何定义表现结果”，从而形成可指导实践操作的判断工具（刘云峰等，2018）。在对“判定依据”进行量化、标准化的基础上，本研究梳理出判断某一行为失范是否由智能技术所引发的四项判定标准（如表1所示）。当实际情况满足其中至少一条判定标准时，则认为该行为失范是由智能技术引发的;否则归为非智能技术因素导致的行为失范，将不纳入本研究行为失范分析与讨论的范围。这里需要指出的是，本研究的判定标准只做“相关性判断”，不做“因果判断”，即用以回应“行为失范与智能技术是否有关”这一问题，而非直接给出“某一行为是使用了智能技术造成的”这一因果推断。

3.判定流程

判定流程如图1所示：首先判断教育主体的实践活动是否在边界内，即是否属于教育实践活动;当确定其处于边界内时，依据上述四项判定标准对主体行为进行判定，当符合其中一条或多条判定标准时，则认为该行为属于智能技术引发的教育主体行为失范;此时开始进入主体规制与智能技术治理流程，通过选择恰当的规制手段提升主体行为规制的效率。经过治理实践，教育主体行为得到调整，再次进行失范行为的判断。经过多轮迭代，能够在一定程度上扼制智能技术引发教育主体行为失范的发生。可以看出，确定行为发生的场景及主体，并对教育主体的失范行为进行抽取与判定，是智能技术引发教育主体行为失范判定流程的关键环节。

三、实践应用：不同场景中教育主体行为失 范的提取与判定

1.确定行为发生的场景及主体

案例通常是一个多维度、全视角的观察结果，可能包含了教育主体的多种行为。因此，客观存在的案例，具有过程与结果可观察等特征（潘绵臻等，2009），适合用作本研究的分析对象，可回答“主体行为失范的表现是什么？”。基于此，本研究按照“智能技术+教育+行为”+“教师/企业/校长/学生/研究人员/技术研发/政策制定”等关键词，在以下5个来源中检索相关案例：①政府网站，如中国教育部官方网站;②较为权威的新媒体，如互联网教育智能技术及应用国家工程实验室微信公众号等;③官方新闻媒体，如中国教育报等;④文献库，如中国知网等;⑤国内智库发布的白皮书和蓝皮书，如亿欧智库等。经过讨论和筛选，最终获得26个智能技术教育应用的相关案例，并从发生场景、主体行为概述、涉及主体三个方面对案例进行描述（如表2所示）。

2.教育主体失范行为的抽取与判定

若案例相关信息条目涉及对教育实践主体行为的描述、关注方的态度等，并且其类型包括新闻、白皮书、工作报告、案例描述等则纳入可判定分析的范围，剔除无用信息后共获得736条相关信息条目。对这些信息条目進行分析：（1）对案例资料中相关主体的行为表现进行分析、抽取和判定，抽取过程即对主体行为进行概括描述的过程，结果示例见表3中“行为抽取”列;（2）根据抽取出的行为概述绘制“专家咨询表”，包含四项判定标准以及“符合”“中立”“不符合”三个评分维度，并邀请15名专家进行判定;（3）对收集到的专家反馈数据开展基于Vague集的模糊综合评价（逯行等，2019），最终得到表3 “判定过程（专家咨询结果）”列中所示结果，其中F1—F4分别对应四项判定标准;（4）依据判定过程中的“专家咨询结果”进行判定，当至少满足一条时，则判定为“存在智能技术引发的教育主体行为失范”。

3.智能技术环境下教育主体行为失范的类型

对已判定为“智能技术引发教育主体行为失范”的案例材料进行概念化、分类等处理，共获得了20种类型的行为失范类型集合，涉及的行为表现类属共82种。对20种类型的行为失范进行再分析与聚类，最终可划分为5种表现层次，如表4所示。在所有失范行为中，行为主体最难发现与自省，且造成的负面影响通常不会即刻显现，但随着时间的累计逐渐显现并引发长周期的负面影响的行为，是偏离既定目标而需要干预的“过程性失范”;一些行为失范属于社会转型期的特有现象，会随着技术发展和社会进步逐渐消解或呈现出周期性的强弱变化，此类行为属于可修复的“转型期失范”或有演变规律的“周期性失范”;当行为失范造成的后果无法改善，且影响周期较为深远时，则被界定为难以逆转的“本质性失范”;当教育主体的行为失范是“有意为之”并产生了较为严重的后果时，则被界定为动机存恶的“原生性失范”。

四、多元教育主体行为失范的表现

智能技术环境下的教育实践主体中存在两种需要关注的群体，一是教育实践中的技术供给者，该类主体对智能技术的发展具有主导作用，如通过制定政策、研发新技术等对技术发展轨迹起决定性影响（王秀华，2001）;二是教育实践中的技术使用者，通常是技术产品和服务的使用者和受益者（Gjevjon et al.，2014），包括教师、学生、管理者等。通过数据分析发现，多元主体的行为失范表现各不相同，并且由于教育主体研发、应用智能技术的场景、目的存在差异，造成其对智能技术教育应用的关注点不同，对行为失范的底线、容忍度、规范等的认识和理解也就不同。以主体类型作为基本视角，有的行为失范属于“无心之失”，有的行为失范属于“有意为之”，多元教育主体的行为失范呈现出多层次、多类型的特点，具体表现为以下几个方面。

1.管理者：愈加难以平衡教育发展与技术进步

管理者是为数不多的、具有“技术供给者”和“技术使用者”双重主体身份的行为主体，并且对技术发展的决定作用最为明显。由于国家级教育管理部门和区域教育管理部门中的管理者通常是政策制定者和监督执行者，当其失范行为发生时，通常是难以逆转的“本质性失范”，其决策常常能够在最广泛的范围内影响技术与教育的融合发展（祁占勇等，2016）。如何弥补“数字鸿沟”、让智能技术助力教育更加公平与可持续发展是管理者需要面对的永恒话题。但由于技术成熟度曲线并不总是与教育发展趋势同频，从研究者到实践者都在炒作技术，强制性地使教育踉踉跄跄地跟上技术发展的脚步（郑旭东等，2016），造成管理者愈加难以驾驭技术发展带来的教育不公平、不均衡等问题，且该过程中“技术—教育—人”的关系愈加错乱。在案例C-15中，区域教育大数据平台通过收集管理、教学、学习等各方面数据，驱动区域教育高质量均衡发展，表面上能够做到全区域、全样本的数据采集，但实际上是有选择的数据采集，因为能够作为数据来源的通常是那些硬件完善、软件平台丰富、教育信息化程度较高的学校;而缺少硬件设备或软件平台、信息化建设投入较少的学校，无法提供自己的过程性数据。

作为推动技术扩散的“技术使用者”，管理者盲目依赖数据和算法的情况也愈加严重。经典的教育理论始终在呼吁坚持人的本性和价值（陶清，2019），将人作为教育的目的（鞠玉翠，2011），坚持“有教无类、因材施教”。但智能技术工具泛滥的今天，学校管理者似乎忘记了往圣先贤的谆谆教诲，迷失在“技术为人的发展提供统一尺度”里。例如，案例C-10中学校管理者主要利用智能技术对教师和学生开展实时监控，学生被迫扮演行为规范的“好学生”，不敢打哈欠、打瞌睡，但似乎没人关心学习是否真的发生了（IT时报，2021）。

2.教师：被算法绑架并破坏教学生态

所有智能技术的教学应用初衷，都是提升教师的教学效率和教学质量，但实际情况并非如此。首先，教师通常利用智能教学系统辅助开展教学，但此类系统的架构通常都利用了领域模型，针对学生提出的问题提供一组固定且公认的解决方案（梁迎丽等，2012）。如果学生提出的解决方案与系统中的解决方案不匹配，但某些部分是正确的，教师参考系统判断结果后，很少会肯定学生的思路，从而扼杀了更有创造性的解决方案。此外，智能技术介入教师的教学活动，通常利弊共存，其关键在于教师是否具有清晰的自我认知和技术掌控能力。例如，智能技术介入教学场景改变了教师的教学风格，呈现“促进风格优化”和“抑制个性展示”两个极端的作用结果。案例C-12中，教学风格单一、偏木讷的教师，通过在课堂中配备可移动的教学机器人，辅助自己进行知识讲解、活跃课堂气氛、提升学生参与度，从而优化自己的教学风格。案例C-13中，随着技术发展的不断进步，虚拟教师以多样化的教师形象作为教师外在展示形象，这些与教师本身并不完全一致的形象设定促使教师在网络课堂中呈现出一种“非真我”的表演形态，抑制了教师的个性化展示;同时由于学生可以依据自己的喜好选择教师形象，强化了学生的情感偏见和形象偏见。最后，教师隔着智能系统进行学习者分析，忽视了学生真实的情感状态，将学生作为由数据和模型构建的“虚拟人”。由于过度依赖智能技术，教师的教学风格、教学设计等都需要迁就课堂智能辅助系统，但得到的真正有效且科学的教学支持却十分有限，学生获得的成长支持亦存在大量的指导偏差。

3.企业：过于关注商业利益而忽视长远教育目标及教育规律

对案例分析发现，作为技术供给主体的企业在行为失范上主要表现为以下三个方面：一是企业逐利本性加剧了智能技术在教育领域的“科林格里奇困境”。在实际情况中，教育科技企业作为技术供给主体之一，过于关注商业利益而忽视长远教育目标及教育规律，不仅破坏了用户与技术的使用生态，而且存在用户不信任企业、产品向更加不符合教育规律的方向发展等潜在风险。例如案例C-4中推出的“饮鸩止渴式”智能产品服务，企业不负责任地推出拍照搜题、作业解答平台等智能产品，严重违反了学生的思维发展规律，造成的负面影响绵延且深重。二是企业过度增加用户（如学生）与智能产品之间的黏性，造成用户投入时间过多、视力受损。“算法不讲武德”是当代年轻人对算法控制的控诉（王敏，2021）。智能产品为了提高用户黏性，利用个性化推荐算法，自动收集用户喜好并针对性地推荐资源和信息，导致用户浪费大量时间，甚至付出了損害健康的代价。推荐算法在追求商业利益之外，本质上是为用户服务的，但随着对利益的追逐，算法的设计逐渐迷失本真。三是过度宣扬人工智能等技术对教育的积极作用，甚至进行虚假宣传，造成宣传与事实不符、家长维权困难等情况。例如，案例C-1、C-2、C-5等的相关信息反映，斑马AI课在腾讯视频、微信等平台中进行了全覆盖宣传，但家长普遍反映该课程与AI等技术并无关联，这种宣传与事实不符、过度夸大智能技术的作用，利用教育焦虑提高获客率，说明企业在教育长期利益与企业短期收益的权衡中果断地选择了后者。如果没有进一步的制度规范、标准约束、法律规制，这一现象将会愈演愈烈，造成的教育负面影响将十分深远。

教育企业需要立足以人为本、以教育为本的基本原则，在教育智能技术的开发、应用和管理等方面遵循一定的要求和准则，包括技术与教育、技术与人、技术与社会之间的行为规范。在企业层面，怎样避免技术滥用、不当采集用户数据，以创造正向社会价值为目标，打造风清气正的网络环境，让企业以更加负责的方式健康发展，是整个教育系统甚至是整个社会需要思考的问题。

4.设计者：“目的至上+技术导向”引发设计风险

这里的设计者包括以智能技术产品开发人员为代表的“技术设计者”，以及以课程设计人员为代表的“教育设计者”。其中，“技术设计者”容易掉入技术至上的窠臼，忽视教育规律和教育目标;而“教育设计者”容易不自觉地受技术控制，落入技术决定教学设计、决定学习方式等“技术决定论”的藩篱。设计者的行为失范主要体现在以下三个方面：一是对数据保护机制与应用算法的设计不合理造成教育风险。当下的智能导学系统大多采用了多模态数据融合的方式对学习者进行分析，涉及到对学习者情绪、知识水平等全方位数据的采集（骆方等，2021）。但这类系统对数据的采集、存储与应用等方面的设计不当可能导致一系列风险，如数据保护机制缺失、隐私泄露风险加大、算法控制、学生思维发展片面化等。二是技术导向催生无效产品、鸡肋场景和漏洞百出的智能教育服务。技术设计者擅长从技术特征出发，基于技术决定开发何种教育场景和服务，因此生产出许多无效、无用、无理的“鸡肋”教育应用场景和解决方案。并且在这一过程中，设计与开发人员倾向于利用算法去增加用户黏性，過度的信息控制使得学习者的知识结构愈加单一化、思维严重茧化。基于算法的“精准投喂”逐渐使得越来越多的学习者网络成瘾、短视频沉迷等（Ghislieri et al.，2022）。三是由于缺乏价值教育，设计实践中常常出现负面影响严重的设计缺陷而不自知。设计伦理意识是设计者的重要基础素质，设计者的伦理意识决定其在技术产品和服务提供中的伦理规范性（王楠，2010），由于伦理意识的缺乏而导致的设计风险，其结果通常是较为严重的，因为这些风险往往贯穿产品设计始终。面对设计者的“无心之失”，需要在行业标准制定、国家机构监管上同时发力，为技术设计者提供足够的系统化培训机会，帮助其提升教育认知水平（Dafoe，2015）。

5.家长：对技术过度放权造成家庭教育问题重重

家长对教育智能技术的认识有限且缺乏风险意识，导致家庭的智能教育场景中产生了大量具有负面效果的行为。一是家长对技术的过度放权导致子女产生网络沉迷。快手、抖音等短视频内容在青少年群体中呈现出不可遏制的渗透，造成其短视频沉迷、学习注意力缺失、视力下降等一系列问题。针对短视频沉迷这一问题，一方面应通过价值观、伦理规范等柔性调节，促使政府部门、社会组织、企业和家长等多元主体更加重视数字伦理、提升数字素养，实现智能技术应用的协同治理;另一方面还需要国家出台监管机制，规范互联网上的内容生态，净化未成年人的成长环境。二是家长作为实施教育的主体，对技术赋权的程度以及自身教育权的边界存在认知模糊。以教育类APP为例，APP的个人信息保护仍存在不明地带，家长若未经孩子同意，私自录制孩子上课视频、拍照发布孩子的作品甚至出镜视频等行为，也应归为失范行为。对于在线教育领域中的个人信息保护问题，刘晓春认为，需要加强相关领域专门立法，其中教育领域的人工智能、互联网等技术治理是专门立法的重要关注对象（中国访谈，2018）。虽然家长属于“无心之失”，但仍需要制定清晰的指导原则和标准，甚至用法律来规范家长的行为。

6.研究者：利用智能技术开展教育研究触犯科研伦理

教学实践研究需要借助一定的技术工具，但缺乏科学指导、不尊重教育理论地过度使用技术工具，将可能带来巨大的负面风险和实验偏差。研究者利用智能技术开展教育研究违反的科研伦理主要包括四个方面：一是智能工具的过度介入干扰正常教育实践过程。近年来随着人脸识别、机器学习等智能技术的发展，出现了一系列具有监控特征的教学研究和教育管理辅助工具，如一些配备有外置型装备的学习系统虽然在数据收集上更有优势，但其应用会干扰正常教学。例如，在案例C-18中，基于眼动和脑电数据的研究设计需要给学生佩戴外置的采集装置，这无疑会干扰学生正常的课堂学习活动（搜狐校长传媒，2019）。二是表现出有限的工具理性，研究过多依赖数据分析工具，弱化了研究者本身的辨证能力和探索能力。教育研究具有其特殊性，它面对的是一个个活生生的人、真实且持续变化的教育现象（李海峰，2021）。教育研究对研究者提出了较高的思辨要求，研究者本身才是研究中最为重要的工具（仝冠军，2014）。研究与思考权逐渐让位于数据，虽然能够在一定程度上提高研究的科学性和客观性，但也常常使得教育研究陷入“只见树木、不见森林”的困境，甚至得到片面错误的结论。例如，学习分析对心电、肌电等外周生理数据过于依赖，常常将这些设备返回的信号结合机器学习来自动检测学习者的情感状态，如无聊、困惑、好奇、愉悦、投入、惊讶和中性等，虽然有利于研究者和教师实时了解学生的当前状态，但大部分属于实验环境中的诱导型情绪（如教师调动或环境营造的情绪），而非学习者自发的情感表达（Alzoubi et al.，2012），所得结论容易误导真实的教育实践，更遑论用以指导教育实践。三是研究利用智能技术过度采集数据，侵犯他人隐私。一些研究利用大数据平台的技术优势，未经研究对象知情同意便收集大量的个人信息、活动数据、评估报告等（丁晓强，2020），这侵犯了研究对象的隐私权，也违反了科研伦理中“保障受试者的合法权益”的社会责任。四是利用智能技术进行学术造假，严重触犯科研伦理的同时甚至触犯了法律底线。一项调查显示，高达8%的研究者会在技术支持的便利条件下篡改研究数据（Vrieze，2021）。研究者利用人工智能技术对研究结果进行高度逼真的造假，篡改研究结果是被绝对禁止的行为。智能技术为研究带来优势的同时，也带来科研伦理风险的大爆发，需要不断探索寻找解决这一问题的途径。

7.学习者：数字沉迷及其身份认同异化

智能时代的学习者都是终身学习者，包含未成年学习者和成年学习者两种类型。就未成年学习者来说，过度放纵与自制力缺失容易造成数字沉迷，影响其健康成长。对于生活在数字时代的个体而言，数字素养意味着如何更好地面对生存方式和生活方式的数字化。今天人们越来越多地独自面对各种电子屏幕和数字界面，每个人的注意力和行为数据也成为智能技术持续获取的对象。这一趋势不仅产生了隐私泄露、信息茧房、大数据杀熟、算法歧视与陷阱等问题，还造成了注意力缺失、游戏与短视频成瘾等心理与行为失调。改变的关键在于个体能够在数字化生活中反思智能技术对人的认知与行为的影响，学会自我调节、适度节制，让自己掌握信息获取和遨游数字世界的主动权，而不是被碎片信息所淹没，甚至沉溺于数字娱乐不能自拔。就性格与品行养成来看，智能技术导致学习者的学习风格极端化，降低了学习者对正规教育的适应能力。同时，躲在虚拟身份背后也容易让其忽视现实人际交往中必需的尊重与同理心。例如，丁国栋在对学习类视频弹幕的研究中发现，学生在弹幕交互中吐槽教师外貌、穿着等，表现出对教师的不尊重（丁国栋等，2021）。出现这些在传统课堂教学中不可能出现的行为，一方面可能是为了解压，另一方面体现了虚拟身份掩盖下的学生缺乏慎独精神。

五、小结

智能技术教育应用所引发的主体行为失范问题日益严峻，对其进行判定是为了后续的有效治理。这需要治理主体通过不断地调整规制手段和治理方式，使得治理进程達到一个相对稳定、可持续推进的状态，同时应用“判定标准”对当前教育主体行为的状态进行判断，当主体行为不再属于“失范”行列时，干预和判断进程则相应停止。客观地讲，本研究中提出的智能技术环境下教育主体行为失范的判定标准，尚无法实现全过程量化的判定，存在一定程度的主观成分，有待进一步地探索与完善，但终归是提出了一套较为可行的智能技术引发教育主体行为失范的判定标准，并能够基于判定结果对失范行为进行有针对性的治理。在今后的研究与实践中，可以进一步完善判定标准，使其更加量化且客观，并基于判定标准持续探索行为失范的预测模型，以提升预测与干预效率。

参考文献：

[1][德]阿明·格伦瓦尔德（2017）.技术伦理学手册[M].吴宁.北京：科学社会文献出版社：659-732.

[2]丁国栋，杜华（2021）.教学类视频弹幕文本的批判话语分析——以哔哩哔哩网站的某套高中物理教学视频为例[J].现代教育技术，31（7）：72-79.

[3]丁晓强（2020）.个人数据保护中同意规则的“扬”与“抑”——卡-梅框架视域下的规则配置研究[J].法学评论，38（4）：130-143.

[4]樊春良，张新庆，陈琦（2008）.关于我国生命科学技术伦理治理机制的探讨[J].中国软科学，（8）：58-65.

[5]顾小清，王超（2021）.打开技术创新课堂教学的新窗：刻画AIoT课堂应用场景[J].现代远程教育研究，33（2）：3-12.

[6]贺武华，贾晓宇（2018）.教育失范行为的网络舆论及其治理——以校园“裸贷”事件为例[J].教育发展研究，38（17）：21-27.

[7]IT时报（2021）.AI监控下，它们被迫“扮演”好学生[EB/OL].[2021-08-13].http：//www.it-times.com.cn/a/hulianwang/

2021/0208/33450.html.

[8]鞠玉翠（2011）.论“人作为目的”的教育理想[J].南京社会科学，（2）：134-140.

[9]李海峰（2021）.当代教育人类学研究的多种范式及启示[J].西南民族大学学报（人文社会科学版），42（2）：206-212.

[10]李芒，段冬新，张华阳（2022）.教育技术走向何方：从异化的预测到可选择的未来[J].现代远程教育研究，34（1）：21-30.

[11]梁迎丽，梁英豪（2012）.基于语音评测的英语口语智能导师系统研究[J].现代教育技术，22（11）：82-85.

[12]刘云峰，石锓（2018）.汉语交互关系的判定标准及典型性分析[J].语言研究，38（1）：22-29.

[13]逯行，沈阳（2019）.智能技术变革教育的基础方向与行动进路[J].现代教育技术，29（11）：39-45.

[14]骆方，田雪涛，屠焯然等（2021）.教育评价新趋向：智能化测评研究综述[J].现代远程教育研究，33（5）：42-52.

[15]毛宇琦，刘靖轩，齐圣博等（2019）.关于“搜题软件”在高中学段使用现状的调查[J].通讯世界，26（1）：276-278.

[16]孟翀，王以宁（2021）.教育领域中的人工智能：概念辨析、应用隐忧与解决途径[J].现代远距离教育，（2）：62-69.

[17]潘建雷（2019）.调控失范的经济生活——涂尔干《社会主义与圣西门》释义[J].社会建设，6（2）：78-90.

[18]潘绵臻，毛基业（2009）.再探案例研究的规范性问题——中国企业管理案例论坛（2008）综述与范文分析[J].管理世界，（2）：92-100，169.

[19]祁占勇，陈鹏，张旸（2016）.中国教育政策学研究热点的知识图谱[J].教育研究，37（8）：47-56，98.

[20]搜狐校长传媒（2019）.浙江小学生戴头环监测上课走神引争议，网友：这是学习利器，还是“紧箍咒”[EB/OL].[2021-09-28].https：//www.sohu.com/a/351183782_100934.

[21]陶清（2019）.寻找儒学的原始问题[J].云南大学学报（社会科学版），18（4）：36-48.

[22]仝冠军（2014）.先秦诸子传播思想研究[M].北京：中国书籍出版社：25-41.

[23]王敏（2021）.年轻人开始反算法：不点赞、不评论、不关注、不登录[EB/OL].[2021-07-20].https：//www.ittime.com.cn/news/news_47124.shtml.

[24]王楠（2010）.理念·意識·技能——谈设计伦理教育[J].装饰，（9）：108-109.

[25]王秀华（2001）.论技术主体社会角色的发展[J].东北大学学报（社会科学版），（4）：245-247.

[26]杨丽萍，辛涛（2021）.人工智能辅助能力测量：写作自动化评分研究的核心问题[J].现代远程教育研究，33（4）：51-62.

[27]袁磊，雷敏，张淑鑫等（2021）.把脉“双减”政策构建在线教育信息安全体系[J].现代远程教育研究，33（5）：3-13，25.

[28]郑旭东，曹胜勇，黄妹金（2016）.技术炒作曲线的教育价值及其对教育技术学科发展的观照[J].现代远程教育研究，（1）：19-26.

[29]郑娅峰，王杨春晓，严晓梅等（2020）.我国智能教育装备发展现状及重点研发方向分析[J].中国远程教育，（11）：11-19，76.

[30]中国访谈（2018）.中国社科院大学刘晓春：建立网络安全机制应当基于本国国情[EB/OL].[2021-03-14].http：//fangtan.

china.com.cn/2018-09/14/content_63436965.htm.

[31]朱力（2006）.失范的三维分析模型[J].江苏社会科学，（4）：118-123.

[32]朱力（2007）.失范范畴的理论演化[J].南京大学学报（哲学·人文科学·社会科学），（4）：131-144.

[33]Alzoubi， O.， D’Mello， S. K.， & Calvo， R. A. （2012）. Detecting Naturalistic Expressions of Nonbasic Affect Using Physiological Signals[J]. IEEE Transactions on Affective Computing， 3（3）：298-310.

[34]Bechmann， G.， Decker， M.， & Fiedeler， U. et al. （2007）. Technology Assessment in a Complex World[J]. International Journal of Foresight and Innovation Policy， 3（1）：6-27.

[35]Dafoe， A. （2015）. On Technological Determinism： A Typology， Scope Conditions， and a Mechanism[J]. Science Technology & Human Values， 40（6）：1047-1076.

[36]Ghislieri， C.， Dolce， V.， & Sanseverino， D. et al. （2022）. Might Insecurity and Use of ICT Enhance Internet Addiction and Exhaust People？ A Study in Two European Countries During Emergency Remote Working[J]. Computers in Human Behavior，126：107010.

[37]Gjevjon， E. R.， Oderud， T.， & Wensaas， G. H. et al. （2014）. Toward a Typology of Technology Users： How Older People Experience Technology’s Potential for Active Aging[J]. Studies in Health Technology and Informatics， 201：25-31.

[38]Interis， M. （2011）. On Norms： A Typology with Discussion[J]. The American Journal of Economics and Sociology， 70（2）：424-438.

[39]Martin， K. （2019）. Ethical Implications and Accountability of Algorithms[J]. Journal of Business Ethics， 160（4）：835-850.

[40]Opp， K. D. （2013）. Norms and Rationality. Is Moral Behavior a Form of Rational Action？[J]. Theory & Decision， 74（3）：383-409.

[41]Popper， M. （2010）. Moral Judgments， Moral Virtues， and Moral Norms[J]. Human Affairs， 20（4）：308-326.

[42]Vrieze， J. D. （2021）. Landmark Research Integrity Survey Finds Questionable Practices Are Surprisingly Common： Largest-Ever Survey Finds One in 12 Dutch Scientists Have Recently Committed Fraud[EB/OL]. [2021-09-28]. https：//www.science.org/news/2021/07/landmark-research-integrity-survey-

finds-questionable-practices-are-surprisingly-common.

收稿日期 2021-12-18 責任编辑 李鑫 谭明杰

How to Judge the Behavior Anomie of Educational Subjects Caused by Intelligent Technology： Methods， Types and Manifestation

LU Hang

Abstract： The integration of intelligent technology and education triggers a series of educational problems and even social problems， the root of which lies in the anomie behavior of educational subjects. To determine whether the educational subject’s anomie behavior is caused by intelligent technology， we can measure the transformation between “anomie” and “non-anomie” from four aspects： the tool use， the standard formulation， the standard compliance and the intervention mode. When at least one aspect is met， it can be considered that the anomie behavior is caused by intelligent technology. Based on this method， 26 cases are analyzed and it is found that the educational subject’s anomie behavior mainly involves 5 levels including process-anomie， transformation-anomie， periodic-anomie， essential-anomie and original-anomie， and covers 20 types of anomie behavior in 82 behavior categories. The anomie behavior presents multi-level and multi-type characteristics. Specifically， it is increasingly difficult for managers to balance educational development and technological progress， teachers are kidnapped by algorithms and destroy the teaching ecology， enterprises pay too much attention to commercial interests and ignore long-term educational goals and laws， designers’ concept of “purpose first + technology orientation” causes design risks， the transfer of power to technology by parents causes many problems in family education， researchers violates research ethics by using intelligent technology， and learners are addicted to digit with identity alienation. To effectively govern the problem of educational subject’s anomie behavior， the means of regulation and governance mode should be constantly adjusted， and the status of current educational subject’s behavior should be judged by the timely application of “judgment criteria”. When the subject’s behavior does not belong to the rank of “anomie”， the intervention and judgment process should be stopped.

Keywords： Intelligent Technology; Subject of Education; Anomie Behavior; Judgment Criteria; Behavioral Manifestation