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

终身学习

创建 2026-09-22 · 更新 2026-11-07

本页是英文页面的机器翻译，尚未经母语者审校。

终身学习与人工智能：人工智能如何支持正规学校教育之外的持续教育与技能发展，以及它如何重塑成人学习和职场学习。人工智能能够为成人提供个性化、脚手架式的支持，让按需学习更易获得，同时也提出了关于自主性、自我导向，以及在人工智能中介的环境中由谁掌控学习过程的问题。

值得思考的问题

  • 回想一下你在正规学校教育之外学到的最后一项新技能，无论是在工作中、在网上，还是自学。是谁决定了学什么、怎么学，以及你何时算“学完了”？人工智能会如何改变这一图景？
  • 本页的一个核心问题是自主性：当人工智能参与识别你的学习需求、设定你的目标，甚至生成内容时，你自己的学习中还有哪些部分真正是自我导向的？
  • 正规教育把时间视为固定的，把课程视为有先后顺序的。本页提出“学习图谱”（Learnity graphs）：由相互关联的知识单元组成，学习者可以在整个生命历程中灵活地在其中穿行。把学习从固定顺序中解放出来，你会得到什么，又可能失去什么？
  • 人工智能既能支持成人学习者，也会改变成人必须不断更新的技能。如果人工智能持续重塑你所在的领域，你会投入培养哪些任何工具都无法直接给予的能力？
  • 终身学习常常被表述为个人的责任。但贯穿生命历程的学习机会同样是一个公平问题。作为成人，谁有时间、资源和支持来持续学习？人工智能又可能如何扩大或缩小这一差距？

引言

终身学习指贯穿一生的持续教育：技能提升、技能再造、专业发展，以及正规学位之外的非正式学习。人工智能在其中日益居于核心位置，它既是支持成人学习者的工具，也是改变成人必须不断更新之技能的力量。

终身学习在研究中的呈现方式

  • 成人学习的设计准则：AI-ALOE 研究所的研究综合了面向人工智能成人学习技术的、有实证依据的设计准则，强调实用且贴合情境的支持。

  • 人工智能引导的技能习得：人工智能引导的音视频学习展示了人工智能如何为技能习得中“接触、理解、模仿”各阶段提供脚手架，并使媒体适配学习者。

  • 从固定课程到自适应结构：学习图谱提出把固定的高等教育课程重新构想为相互关联的知识单元，学习者可以在整个生命历程中灵活穿行。

  • 自主性与自我导向：成人教育学与认知委托在人工智能中介的认知委托条件下重新审视成人学习理论，追问当人工智能参与识别需求、设定目标和生成内容时，还有哪些部分是自我导向的。

  • **成人想从这种委派中得到什么。**在美国三所大学对 60 名初筛成人学习者中 20 人的访谈中，学习者把 AI 描述为一个协作学习的智能体，他们从中学习、与之共同学习，而不是一个给答案的神谕。他们说，与其要一个完美的零错误系统，不如要一个始终留在回路中并适应自己的系统（Kim 等人，2026）。按这一证据，自我导向是成人期望留在互动之内、而不交给互动的东西，而这正是自主性问题所需要的设计目标。

  • 政策与社区：终身学习政策中的人工智能与以社区为中心的人工智能教育探讨成人人工智能学习的制度维度与公平维度。

  • 专业能力的再生成本身正面临风险。 在 AI 暴露程度最高的美国职业中，22–25 岁劳动者的相对就业下降了 16%（2022 年 10 月—2025 年 9 月），而 35–49 岁者增长了超过 8%，且验证 AI 输出所需的深度专业能力，正依赖这一衰退所消除的入门级岗位（Lovett（2026））。

关联

终身学习与成人学习者和职场学习（其主要情境）、个性化学习和自适应学习（支持它的智能机制）、自我调节学习和元认知（涉及的学习者过程），以及公平性（贯穿生命历程的学习机会）相联系。当教育者本人就是终身学习者时，它还牵涉教育发展。

常见误解

“AI 暴露主要威胁入门级任务，因此有经验的劳动者是安全的。” 就业模式反转了这一假设的一部分，而专长问题更为深层。在 AI 暴露程度最高的美国职业中，22 至 25 岁劳动者的相对就业下降了 16%（2022 年 10 月至 2025 年 9 月），而 35 至 49 岁者增长了超过 8%，这种保护附着于累积的专长。但产出这种专长的管道正穿过如今被削减的入门级工作，因此这种保护是有时限的，而横截面数字掩盖了这一点。专长的再生本身面临风险：如果形成性的工作消失，将成长为有经验从业者的那个队列就会变小。

“终身学习意味着成年人上更多课程。” 上课是更宽要求的一种交付形式：在任务变化时维持并重建胜任力。一个需要持续再生的劳动力不缺课程供给，缺的是新胜任力真正得以形成的练习机会。

“终身学习是个人责任，因此制度设计是次要的。” 再生问题是结构性的，它关乎形成性工作究竟在何处存在，而个人无法创造自身发展所需的工作。把它框定为动机，无法解释集中在年龄分布底部的 16% 下降。

实践启示

对雇主与培训设计者

  • 保护建构专长的形成性工作，而不只是交付产出的任务。如果入门级工作被移除，十年后的资深从业者就没有被招聘过。
  • 把带反馈的结构化练习建入持续发展，因为胜任力再生取决于在监督下做那件工作的更难版本，而不是完成课程。
  • 按队列而不仅按人头追踪进展。一个劳动力可以整体增长，同时其入门管道在收窄。

对教育者与课程设计者

  • 为在职成人的约束而设计：短、间隔、可应用，使练习经得起与就业的接触。
  • 使从受助到独立表现的路径显式化，因为对练习完全由工具中介的学习者而言，卸载风险最高。

对研究者与政策制定者

  • 按年龄段而不是按总量置换数字报告就业效应；16% 对 8% 的对比才是发现。
  • 研究形成性工作在何处消失，因为这是当前增益变成未来短缺的机制。

关联概念

关联文章

元数据

层次Higher Ed, K 12
学习与教学终身学习, 职场学习, 脚手架
技术与方法自适应学习, 生成式人工智能, 智能辅导, 大语言模型（LLM）, 个性化学习
来源历史编辑对话

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。