人工智能赋能高等教育的政策嬗变与展望

摘要：顺应人工智能大发展的时代趋势，我国出台了一系列人工智能赋能高等教育的政策。通过梳理发现，自2012年以来我国出台了46份人工智能赋能高等教育的政策，借助政策“主题-工具-评价”三维分析框架，运用文本挖掘法梳理归纳人工智能赋能高等教育的政策主题和工具，并基于PMC指数建模模型对我国人工智能赋能高等教育的政策进行量化评价。结果表明，我国人工智能赋能高等教育的政策嬗变以“关键节点”为依据展现出不同的类型特征，分别是：借鉴与探索（2012-2016年）、调整与深化（2017-2020年）、融合与转向（2021年至今）。面向未来，为实现人工智能赋能高等教育的政策稳步推进，我国人工智能赋能高等教育的政策主题应走向“系统联动与适切预判”，政策工具需朝向“调整结构与凸显价值”，政策评价要迈向“衔接匹配与丰富翔实”。

关键词：人工智能；高等教育；政策主题；政策工具；政策评价

收稿日期：2024-06-04

作者简介：黄春晨，华中师范大学教育学院博士、大庆师范学院教师教育学院黑龙江省西部基础教育研究与培训中心办公室主任；鲁长风（通讯作者），华中师范大学教育学院博士；田友谊，华中师范大学教育学院副院长、教授、博士生导师。（武汉/430079）

*本文系黑龙江省省社科研究规划项目“黑龙江省基础教育师资配置承载力模型构建与应用研究”（项目编号：24EDC003）、黑龙江省省属本科高校基本科研业务费项目“数字转型视域下乡村教师数字素养提升路径谱系的构建与研究”（项目编号：WG20240830）、中央高校基本科研业务费专项资金资助项目“导向创造性人才培养的创客教育生态环境研究”（项目编号：CCNU19A06037）的研究成果。

一、问题提出

“赋能”，意为赋予更大的可能性空间，源于管理学中的“empower”，其常置于一些名词之后表示特定主体对客体的赋予的某种可能性。人工智能（Artificial lntelligence，缩写为AI）作为第四次工业革命的通用性目的技术，是新型数字技术的有机组成部分[1]，人工智能赋能高等教育是指开展高等教育过程中在人工智能这一技术要素的融合作用下由技术而催生出的新的可能性[2]。这一赋能过程反映了人工智能技术在高等教育领域日益渗透的客观现实，也是技术效用在高等教育领域得以延展的主要体现，现阶段人工智能赋能高等教育的指征日益清晰，“高等教育已不可能不渗透技术性因素”[3]。“政策”在《辞典》中被解释为“国家或政党为实现一定历史时期路线和任务而规定的行动准则和具体设施”。为顺应人工智能大发展的时代趋势以及更好地发挥人工智能技术对高等教育的作用，我国出台了一系列政策法规助力人工智能技术对高等教育的赋能作用。

伴随着相关政策的出台，学界亦重视对政策的研究，所谓的“政策研究”，即对政策文本本身的研究[4]，学者们主要集中于内涵、方法与质量这三大层面探讨相关政策文本[5]。在内涵层面，主要概括政策的内涵，即阐述政策“做了什么”；在方法层面，主要介绍政策使用的方法，即说明政策“如何去做”；在质量层面，主要衡量政策的质量，即评价政策“做得如何”。人工智能赋能高等教育的政策研究亦是如此，在内涵维度，对人工智能赋能高等教育的政策具体做了什么进行总结提炼，例如借鉴美、英、德等发达国家的相关政策，我国人工智能赋能高等教育的政策主要集中于从科技创新、校企合作、人才培养等方面引导人工智能技术赋能高等教育。[6][7]在工具维度，对人工智能赋能高等教育的政策如何去做进行详细论述，学者们大多侧重于政策工具角度剖析政策内容与框架，且普遍倾向于借鉴罗斯韦尔与费尔德、施耐德和英格拉姆等制定的单维度政策工具阐明人工智能赋能高等教育如何去做。[8]在质量维度，对人工智能赋能高等教育的政策做得如何进行评判评价，现有研究主要是基于对其他国家人工智能赋能高等教育的政策对比来评定政策的质量，譬如，与美国、印度等国的相关政策进行比较，判定我国政策的质量水平。[9]

纵观现有研究，对人工智能赋能高等教育的政策研究仍存在一些亟待突破的方向和探究的空间：其一，学界虽聚焦了对人工智能赋能高等教育的政策具体做法的研究，但囿于技术等因素，现有对政策内涵的研究缺乏从语义要素切入形成“关系数据”，未平衡好研究者主观性与文本客观性之间的关系；其二，现阶段对人工智能赋能高等教育的政策工具的选择相对有限，并未细化次级维度且分析视角也较为单一；其三，对人工智能赋能高等教育的政策评价停留在表层，缺乏客观、可量化的政策评价标准。鉴于此，本研究力图超越现有研究的不足，基于人工智能赋能高等教育的政策特殊性，综合运用文本挖掘法与PMC指数模型建构法，全面梳理政策主题的变化情况、综合统计政策工具的使用情况、科学评价政策文本的设计情况，系统地回应“做了什么”“如何去做”“做得如何”的问题（如图1），并展望其未来发展，从而为人工智能赋能高等教育的政策发展提供新的思路和建议，促进高等教育高质量发展与教育强国建设。

二、政策收集与研究方法

（一）政策收集与分类

1.政策收集

目前，我国人工智能政策研究处于初级阶段[10]，国家层面尚未出台智能教育专门的政策文件，相关文件散见于国家政策文本或智能技术相关政策文本中[11]，因此本研究认为，人工智能赋能高等教育政策内涵十分丰富，它不仅涵盖了专门规定与发展人工智能教育的政策，还包含了广泛分散在国家宏观政策或智能技术等相关政策中，涉及推进教育要素智能化的各项具体要求和举措。

在政策文本收集方面，为最大限度地获取相关研究样本，本研究首先以“人工智能”“智能技术”为关键词，在“北大法宝”“北大法意”等专业政策数据库及中华人民共和国教育部官网逐个检索，共搜集原始政策文本数据72份。①最终，按照发布时间先后，筛选出46份政策文件（见表1），从中提炼出人工智能赋能高等教育的相关描述约5.4万字，作为本研究的文本语料。

2.政策分类

基于政策研究的立场，对政策进行分类来剖析复杂的教育政策是政策研究的起点，而关键节点则是政策分类的重要依据[12]，所谓“关键节点”，指的是影响发展历程的重要转折点，也被称为拐点、分水岭等[13]。基于此，本研究立足于人工智能赋能高等教育的政策，以“关键节点”为依据，对政策进行分类研究。2012年，教育部颁布了《教育信息化十年发展规划（2011-2020年）》，首次提出“智能化”的概念，指出“智能技术”要应用于包括高等教育在内的各个教育阶段，这是我国智能教育政策的开端，更是人工智能赋能高等教育的政策肇始。[14]2017年，国务院发布了《新一代人工智能发展规划》，首次明确提出“人工智能教育”的概念，进一步确定了人工智能教育在建设智能社会中的地位，人工智能发展上升为国家战略[15]，亦为人工智能赋能高等教育的政策奠定了发展基调。2021年，国务院发布了《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，“人工智能”“智慧”“机器人”相关表述达到59处，首次明确指出以人工智能为代表的新一代信息技术将成为推动我国教育高质量发展的重要技术保障和核心驱动力[16]，为人工智能赋能高等教育的政策高质量发展指明了时代方向。由此，以上述三份文件为分界标志，将筛选出的46份人工智能赋能高等教育的政策划分为三类，探索每类政策呈现出的不同特点。

（二）研究方法与设计

1.文本挖掘法

文本挖掘法，其被广泛应用于非结构化文本信息的提取，能从大规模文本资料库中提取出未知的、具有潜在价值的信息，在分析政策文本时具有无可比拟的优势[17]，比传统人工阅读的方法更加科学和更具客观性。因此，本研究对46篇政策文本进行文本挖掘，一方面，对人工智能赋能高等教育政策进行深度语义分析，总结归纳人工智能赋能高等教育的“关系数据”及其类型特征，回应人工智能赋能高等教育政策“做了什么”的问题。另一方面，提取各项人工智能赋能高等教育的政策的内部要素并确定政策工具，以此回应人工智能赋能高等教育政策“如何去做”的问题，具体而言，借鉴目前运用最广泛的罗斯韦尔（Rothwell）分类方法[18]，将人工智能赋能高等教育的政策工具划分为供给型、需求型和环境型三种类型，其中供给型政策工具发挥直接推动作用，为人工智能赋能高等教育提供基础保障；需求型政策工具强调外部拉动作用，为人工智能赋能高等教育拓展市场需求；环境型政策工具聚焦于间接作用，为人工智能赋能高等教育营造有利环境。结合所选政策，划定次级工具，详见表2。

2.PMC指数建模方法

PMC（Policy Modelling Consistency）指数建模方法，是由埃斯特拉达（Ruiz Estrada）提出的一种新型政策评价方法，因具有客观性、精准性与易操作性等特点，不仅可应用于分析政策内部的一致性，也可探究政策质量的优劣。[19]目前，在国际范围内，PMC指数建模方法已成为一种备受推崇的量化评价法，专门用于分析政策文本，其客观性与准确性备受认可。

本研究选用其回应人工智能赋能高等教育政策“做得如何”的问题。参考已有文献[20]，将PMC指数模型的计算分为以下三步：第一，将确定的9个一级变量与43个二级变量纳入到人工智能赋能高等教育的多投入产出表中，并对其进行赋值（详见表3、4）；第二，根据公式（1）计算人工智能赋能人工智能政策一级指标，并根据公式（2）计算对应的PMC值；第三，根据公式（3）绘制PMC曲面图，直观、准确地审查人工智能赋能高等教育政策的优势与不足。

Xt∑nj=1XtjT（Xtj） t=1，2，3，4，5…

公式（1）

PMC=X1∑5j=1X1i5+X2∑4j=1X2i4+X3∑4j=1X3i4+X4∑7j=1X4i7+X5∑3j=1X5i3+X6∑4j=1X6i4+X7∑8j=1X7i8+X8∑6j=1X8i6

公式（2）

PMC曲面= X1X2X3X4X5X6X7X8X9

公式（3）

三、研究结果与分析

（一）借鉴与探索：2012-2016年

借鉴与探索是这一类人工智能赋能高等教育的政策文本所具有的特点。无论是从政策主题、政策工具或是政策评价角度而言均有对英美等国人工智能赋能高等教育的政策借鉴的明显痕迹，同时，这一类政策也呈现出结合当下实际积极探索出中国式人工智能赋能高等教育的倾向。

图2以“借鉴与探索”为特点的政策主题词语义网络图

政策主题层面，这一类型的人工智能赋能高等教育的政策借鉴了英美等国的相关政策。诚然，随着智能科学技术的飞速发展，人工智能技术应运而生并对现实世界带来一系列颠覆性影响，在此背景下，英美等国以其敏锐的洞察力和策略调整能力，针对人工智能技术赋能高等教育发展制定了一系列政策，例如《为人工智能的未来做好准备》等[21]，这些政策大多于“器物”层面对高等教育赋能，即通过建设诸如人工智能机器人、人机交互生态系统来实现对高等教育的优化。对这一类型的政策进行主题分析，国内亦重视对高等教育内部配套人工智能新基建的打造，如图2所示，“建设”“企业”是较为突出的两大核心关键词，且其与“海外”“平台”“创新”“开展”的关联较为密切，表现为我国政府借鉴其他国家经验，积极与企业合作创设人工智能技术赋能高等教育的平台。根据词频统计“技术”“人才”为高频词，与国外不同，我国特别重视对“人”的关注，致力于打造出一批高素质、高层次的复合型技术人才助力人工智能对高等教育的赋能。在2016年颁布的《机器人产业发展规划（2016-2020 年）》中就强调需加强对机器人产业的人才培养，以实现对人工智能在教育领域，尤其是高等教育领域中的运用，工信部、财政部两部门发布的政策鼓励地方政府对人才培养的支持，呼吁尽快培养引进一批高端人工智能技术人才助推高等教育发展。与美国、德国等发达英美国家不同，我国未能抓住人工智能发展的早期机遇，在人才培养方面处于后发境地，重视对人才的培养是结合当下实际情况的重要举措。由此可见，对“器物”与“人”的同步关注，是我国人工智能赋能高等教育的政策吸收西方先进理念与结合自身实际，在“借鉴”中“探索”的重要体现。