AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

AI 教育史

创建 2026-08-23 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

AI 教育史 —— 研究人工智能与教育自 20 世纪中叶以来如何共同演化，以及过去的概念、术语与设计选择如何持续塑造着今天关于学习中 AI 的争论。历史透镜并不把生成式 AI 当作一股突如其来的、史无前例的力量，而是揭示出反复出现的张力——控制对能动性、标准化对创造力、自动化对增强——这些张力自 AI 教育诞生之初就一直在结构着它。

值得思考的问题

  • 今天的生成式 AI 常被描述为一场史无前例的革命。这种框架（"现时中心主义"）如何可能妨碍我们看到其下反复出现的模式？
  • 这个领域几乎被命名为"控制论（cybernetics）"而不是"人工智能"。这单单一个命名选择，可能如何塑造了我们是把机器看作独立智能、还是把它看作相互联结的反馈系统的一部分？
  • 本页把 AIED 史框定为控制（Anderson 的认知导师优化教学）与能动性（Papert 的建构主义赋能学习者）之间的张力。你自己的 AI 教育选择落在这条光谱的何处——为什么？
  • 本页论证，个性化有两重含义：通向同一结果的不同路径，或使多样的、由学习者主导的结果成为可能。你的机构实际追求的是哪种个性化？你认为它应该追求哪种？
  • 如果今天的 GenAI 争论"镜像"了这些历史张力，我们可能在重复哪些过去的错误——又有什么可能因记得它们而得以避免？
  • 本页主张，技术设计选择嵌入了关于学习目的的价值判断。你能在你用过的一个 AI 教育工具中，指出一个悄然偏向标准化而非学习者能动性——或反之——的设计决策吗？

引言

这个领域的历史不是一条线性进程，而是一系列偶发决策，其影响至今回响。理解这段历史能抵御"现时中心主义"（把当下发展当作独一无二地具有革命性的偏见），有助于避免重蹈覆辙，并揭示出关于框定与术语的选择——而不只是技术——如何引导 AI 教育的轨迹。

主要历史脉络

从控制论到"人工智能"。 当 John McCarthy 筹划 1956 年达特茅斯夏季研究项目时，他刻意选择了人工智能而非控制论这一术语——部分是为了把这个领域与 Norbert Wiener 及其对模拟反馈的关注拉开距离。这一命名决策把机器能力放在与人类认知的直接比较之中（拟人化框定），在数十年间引导着研究优先级、公众认知与伦理辩论。文章设想，倘若这个领域保住了控制论的框定，我们今天也许会说"控制论学习系统"，强调反馈与相互联结，而不是说"AI 导师"，把机器定位为独立的智能来源。

认知革命与 ITS 的根源。 早期先驱——Herbert Simon、Allen Newell、Marvin Minsky、John Anderson——不只是在建模认知；他们在探究关于学习与教学的根本问题。他们的工作产出了人类认知的信息加工模型，这些模型成为教育心理学的基础，并导向了智能辅导系统（ITS），后者扎根于 1960–70 年代 AI 的启发式搜索与专家系统范式。这些系统与既有的测评和标准化结构天然契合，最终汇聚成 AIED 共同体。

控制对能动性：Anderson 与 Papert。 出现了两种相互竞争的愿景，分别体现在 John Anderson 与 Seymour Papert 身上。Anderson 的认知导师（ACT/ACT-R 理论）把知识分解为产生式规则，提供精确的个性化反馈，并强化了传统教育结构——这是一幅 AI 作为优化教学之工具的愿景。Papert 的建构主义（Logo、"微世界"、调试即学习）把计算机看作儿童通过创造性实验建构知识的环境——这是一幅 AI 作为智力赋能之手段、挑战机构层级的愿景。这种控制与能动性之间的"本质张力"，是这个领域历史的贯穿主线。

两种形式的个性化。 个性化有两种不同解释，分别对应这两种愿景。第一种保持统一结果而改变路径（根植于 Skinner 的教学机器；Khan Academy 的精熟辅导愿景）。第二种拥抱多样的结果——学习者追求个人兴趣与才能，不受标准课程边界的约束（Zhao，2024）。ITS 模型支持前者；建构主义支持后者。

给 GenAI 时代的教训。 今天关于生成式 AI 的争论，密切镜像了这些历史张力。GenAI 常被定位为下一代智能导师（延伸 Anderson），由此引出关于监控、数据收集与标准化的担忧。或者它可以成为创造性能动性的工具（延伸 Papert），要求我们重新思考测评并接受更模糊的结果。正如Mishra 等所总结，机构力量反复地偏爱那些强化既有结构的方法——而我们选择的语言与隐喻将塑造未来的可能性。Rismanchian 与 Doroudi 的 AI×Ed 框架为这一直觉提供了经验基础：把 AIED 会议论文集（1985、1993、2021、2024）与 IJAIED（2004、2014、2021）中的论文，沿着两条轴定位——AI 的角色（应用工具对类比人类智能）与终端用户——他们追踪到一个从多样混合（包括相当多把 AI 用作人类智能类比的早期研究：学习的计算模型、Papert 的微世界、知识获取的智能体模型）走向到 2000 年代近乎排他地聚焦应用性、工具性用途的领域。值得注意的是，生成式 AI 时代似乎部分地逆转了这条轨迹：在 AIED 2024 上，该领域"AI 作为类比"象限的四篇论文中有三篇是基于 LLM 的，其中包括关于基于 LLM 的可教智能体的最佳论文工作。

生成式 AI 近年来的影响

生成式 AI的到来——一个包含大语言模型（文本）以及图像、音频与视频生成器的大家族——标志着 AIED 史上自该领域创立以来最具后果的转折点。LLM 是这一家族中最显赫的成员，也是多数课堂影响的驱动者，但生成式 AI 作为一个整体（能够产出新文本、图像、声音与代码）是重塑教育的更宏大力量。它最好被对照 AIED 历史来理解，而非当作一次干净的断裂。有几个特征使生成式 AI 时代与众不同：

规模与触及。 不同于早几十年的认知导师与 ITS 运行于受控的实验室与课堂环境，LLM 在发布后数月内就触达了数亿学习者与教育者，几乎立刻就进入了日常写作、作业与教学。GenAI 争论以史无前例的速度从专业期刊走进课堂、董事会与立法机关。

一种新能力。 早期 AIED 系统建模认知并传递结构化教学（Anderson 传统）。LLM 执行开放式生成——产出文章、解释、代码与对话——以前期 ITS 做不到的方式把学习者能动性与创造力（Papert 传统）置于前景。这正是当下时刻如此尖锐地重新点燃控制对能动性张力的原因：同一个工具既可以部署为下一代智能导师（控制结果），也可以部署为创造性共笔者与思考伙伴（放大能动性）。

获取方程的逆转。 历史上，个性化辅导稀缺而昂贵；GenAI 使自适应的一对一支持近乎免费且普遍——大幅降低了塑造早期 AIED 的可及性与成本壁垒。但它也引入了新的风险：算法偏置、幻觉、监控、数据收集与教育者的技能退化。

对 AI 素养与滥用的 renewed 关切。 生成式 AI 时代使AI 素养变得紧迫，并重塑了学术诚信争论（检测对对话），同时复活了关于自动化、标准化与认识论依赖的长期关切。这些是该领域原始张力的现代表达。

现时中心主义的风险。 正如Mishra 等所警告，围绕生成式 AI 的炒作常缺乏历史意识，让技术布道者主导了对话。理解今天的 GenAI 争论回响着 Anderson–Papert 的分野与 1955 年控制论的命名决定，有助于我们作出深思熟虑的选择，而不是把当下当作不可避免。真正的问题不是生成式 AI 工具能做什么，而是我们想让它们做什么——这个决定由我们曾走过何处所塑造。

影响

  • 以历史方式读炒作。 认识到每一波 AI 新浪潮都被框定为革命性的；历史意识揭示连续性，并帮助抵御企业对话的主导。
  • 把设计选择看作价值选择。 关于教育中 AI 的技术决策嵌入了关于学习目的的意识形态立场——把它们揭示出来并加以追问。
  • 审慎地权衡控制与能动性。 AI 应当朝标准结果优化，还是应当使多样的、由学习者主导的结果成为可能，这是一个真正的选择，带有机构与政治后果，而非技术给定。
  • 保有学习者能动性。 反复出现的、对标准化与控制的反抗、对开放式与以学习者为中心方法的偏好，是一条值得捍卫的持久线索。

关联概念

关联文章

元数据

学习与教学建构主义, 学习理论
技术与方法生成式人工智能, 智能辅导
教育中的人工智能基础学习者自主性, 教育中的人工智能, AI 教育史
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。