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

开放教育

创建 2026-10-28 · 更新 2026-10-28

本页是英文页面的机器翻译，尚未经母语者审校。

开放教育（Open Education）——用开放许可的内容进行教学的运动与实践，也是一种把学生当作内容生产者而非消费者的教学法。它的两件人工制品是开放教育资源与开放教学法作业；许可让再利用合法，而它的主张是既降低成本、又扩大作者的范围。生成式 AI 如今同时挤压这三者：它让制作内容的成本趋近于零，让一份被改写的资源究竟出自谁手变得模糊，也为机构提供了一个廉价替代品，去替代那些原本被要求出资维护的公地。

值得思考的问题

  • 如果一个模型能在几分钟内写出一个课程单元的初稿，那么开放内容所携带的许可、署名链条与审校流程，还剩下什么理由？
  • 一份资源可以在许可上是开放的，在实践中却是封闭的：文件可以下载，但它周围的课程假定了一间实验室、一种语言，或一条学生并不拥有的网络连接。当你报告采用情况时，你测量的是哪一种开放？
  • 开放教学法要求学生发表自己的作品。学生用生成式工具做出的东西归谁所有，谁同意将其发布，而它出错时又由谁承担代价？
  • 教师的 AI 素养能预测开放教学实践，但随着机构支持上升，这一关系反而减弱。对于一个建立在"支持只会带来帮助"这一假设之上的培训项目，这种反转意味着什么？
  • 如果 AI 生成的文本不受版权保护，那么一本机器撰写的教科书是否自动就是开放的？这又如何影响为 OER 提供公共资金的理由？

引言

开放教育不是开源，混淆二者会让两边都受损失。开源关乎开发者交付并许可的人工制品，主要是代码、模型权重与数据集，目的是让一个系统可以被许可、审计、修改与再部署。开放教育关乎教师布置什么、学生产出什么，它的许可制度之所以存在，是为了让第二所机构无需请求许可就能替换、翻译、改写或纠正一份资源。两者共享一套法律机制（教育中的 Creative Commons，代码中的宽松软件许可）、一种生产模式（由志愿者与资助维持的社群），如今还共享同一个对手——生成式 AI：它近乎免费地生产人工制品的能力，动摇了二者的经济理由。

它们的分野在要紧之处。一次开源发布，评判标准是这个系统能否被重建和检视。一份开放资源，评判标准是一位学生不同、语言不同、预算不同的教师究竟能不能用；这是一个教学主张而非技术主张，也正是开放教育始终在许可论证之外带着一条实践论证的原因。Deimann 与 Lukács（2026）把这一点说得最锋利：在 25 年倡导开放之后，教育中层的制度安排依然原封不动，因为这场运动把力气集中在宣言与边缘项目上。

因此，本知识库中 AI 时代的文献同时谈三件事：资源、实践，以及当生成近乎免费时两者是否都还能存续。就资源而言，问题是：谁制作、谁许可，AI 写的东西算不算。就实践而言，问题是：开放教学法对学生要求什么，以及它是否教给了他们任何可测量的东西。

开放究竟覆盖了什么

开放教育资源是在允许再利用、修订、改写与再分发的许可下发布的内容。这一领域其余的一切都处于这项许可、以及为其署名之义务的下游。González Miy（2026）展示了一个小项目里这项义务的样子：11 名参与者在线上工作两周，产出一个 6 页的网站、一个聊天机器人、一本手册与 5 个视频教程，以 CC BY-NC-SA 发布；成品的资源包在透明性上得分很高，而在许可、可复现性、可适配性与可访问性上只得中等。名义上开放，使用上部分开放。

许可文献之所以细密，是因为失败也细密。Ryu（2026）依据一个目的抽样的语料——16 篇核心论文、17 篇扩展论文与 36 条定向参考文献——为评审开放许可的 AI 素养材料构建了一套 7 原则评分标准。Atenas、Farrow、Caldwell、Costello 与 Havemann（2026）主张，治理的单位应当从资源移到承载资源的基建设施，因为一堆没有受维护平台支撑的单个文件构成的公地，是碎片化问题而不是公地。

生成成本崩塌与数字公共产品的转向

课程生产是变化已经可测量的地方：MAIC报告，在 LLM 驱动的多智能体生成之下，MOOC 的生产从每门课程约 $25,000 与 60 小时，跌到不足 $2 与 30 分钟。如果生产成本趋近于零，"OER 省钱"的论证就失去力量，剩下的只是许可自由、可验证性与质量保证。

Tlili、Farrow、Bozkurt、Amiel、Wiley 与 Downes（2026）把这一转向组织在 5 个框定问题周围，并得出一个令人不安的法律读法。由于美国版权局认为仅有提示词不足以构成作者身份，一份纯由 AI 生成的资源可能落入公有领域，按严格读法便默认合格为开放。他们对相反方向的失败所用的词是 openwashing（开放洗白）：一份人工制品被呈现为开放，而其训练数据、流水线或许可不开放。作者身份问题在成为许可问题之前先是一个法律问题，而法律与版权的一面既贯穿所有权，也同样贯穿不当行为。

这批文献中的政策回应是重新分类。Atenas 及其同事提议把 OER 当作数字公共产品，这就把补救办法从生产更多内容，转向建设受公共治理的非商业基础设施。他们用 ROAM-X 原则与 FAIR 数据标准来衡量这套基础设施，并描绘了一个已经容纳逾 20 亿件开放许可作品与 303 项互联网普遍性指标的图景。对于一个在内容生产上花掉二十年的运动来说，这是一次站得住脚的转向。

开放的制度理由也从自主性一面提出。Panda（2026）在一篇社论中主张，开放与灵活学习中的数字化转型是教学转型而非技术采纳，一项技术只有与本地语境中恰当的教学法相契合时才赢得可信度。Rodés-Paragarino 与 Atenas（2026）把它变成一套 7 支柱框架，用于 OER 与生成式 AI 的负责任整合，其构建依据是文献分析加上专家验证，以及 2025 年 12 月在毕尔巴鄂与 81 名参与者共同进行的参与式工作坊。

开放教学法与实践转向

开放教学法把学生从消费者变成贡献者：一份作业产出某种被发表、被许可、可再利用的东西。Clinton-Lisell（2026）提供了这一理念在本领域最干净的检验。一门儿童发展入门课程的两个班更新同一本教材，其中一个班使用生成式 AI 工具。在 113 份作业中，两个班的学生都报告信息素养技能有所增长，且这一增长在两者之间统计上无法区分：时间效应为 F(1, 84) = 47.30, p < 0.001, partial η2 = 0.36，而时间与班级的交互为 F(1, 84) = 0.04, p = 0.85。AI 班完成的工作更多，得分略低，180 分制下为 174.73 对 173.86。

实践有它自己的成熟度文献。Duan（2026）按 PRISMA 2020 从 540 条记录中筛出 14 种开放教学实践模型，在 3 个维度上加以比较，结论是生成式 AI 位于既有模型的下层而非取代它们；论文把这一论证放在与 TPACK 相对的坐标上。Ahmadfard（2026）在一项上溯至 1970 年的结构化综述中，就交互性得出类似结论：交互功能更像一个设计论证而非已被证明的效应，它报告的最强效应量借自早先的物理教育研究，而非在 OER 中测得。

另外两项研究显示实践层多快会变成治理层。Patiño、Martínez-Pérez、Ramírez-Montoya 与 Miranda（2026）记录了一次 UNESCO 与 ICDE 的驻留项目：来自 13 个国家的 110 名参与者、10 个团队；但他们的调查基础是来自 54 所机构的 72 份回答，且未给出应答率，对于一份瞄向联合国 2030 议程的路线图来说，这是薄弱的支撑。而Guo、Lu 与 Gao（2026）调查了中国 30 个省的 512 名教师，考察 AI 素养是否转化为开放教学实践，发现经由创新行为的中介路径在机构支持低时为 0.218，在支持高时降到不显著的 0.042。

公平、可持续性与全球南方

开放内容的公平论证是最古老的一个：没有价格的资源不会因价格而被排除在外。它也是最容易被断言、最少被检验的一个。AI 时代的版本更为谨慎。Atenas 及其同事把 OER 框定为边缘化社群以及有意义地参与数据收集的杠杆，同时警告过度依赖生成资源有贬低人类创造力与判断的风险。Tlili 及其同事点出了生成削弱这根杠杆的机制：翻译错误、训练数据偏差，以及一个幻觉循环——生成的内容被回收进训练下一个模型的语料。

可持续性两次出现，一次作为经费，一次作为能耗。数字公共产品的论证本质上是一个可持续性论证：一堆由资助产生的文件构成的碎片化公地活不过它的资助期，而受公共治理的基础设施或许可以。环境论证出现在更广阔的开放文献中，也出现在本知识库的可持续性概念里，那里把模型推理成本的报告当作开放实践的一项义务，而非事后补记。

全球南方这一维度是证据最稀薄的地方。本批次的非西方案例真实但很少：一次拉丁美洲的合作驻留、中国开放大学的教师，以及把基础设施框定为参与前提的一种思路。开放会自动重新分配能力这一主张，并未得到这些研究的支持，其中若干篇自己就这么说。

写作与推荐系统同论证相遇之处

本批次有两篇论文谈的是生产系统而非政策。Peng（2026）为 OER 开发了一个混合深度推荐器，在 2,400 条交互记录上报告 93.6% 的准确率、92.5% 的精确率、91.0% 的召回率与 90.2 的 F1 值。它自己的对比表显示，BERT4Rec 基线在召回率相同的情况下 F1 为 90.8，而数据集一节把用户数、条目数与稀疏度留作占位符。建模上的主张是克制的；这个模式却似曾相识——相对一个强基线的改进，比标题所暗示的要小。

第二篇提醒我们，一个生成系统可以是开放的，而它的内容是封闭的。OATutor 把一个 MIT 代码库与 CC BY 的 OpenStax 代数教材配对，这意味着代码与内容的许可必须靠设计保持兼容。这一条技术义务，正是开源与开放教育关系最清晰的实践形态：对象不同，法律机制相同，而兼容性约束落在同时组装两者的人身上。

常见误解

"开放教育与开源是同一种开放。" 它们共享许可机制与生产模式，却不能互换。开源是关于一个可构建、可检视的系统的主张；开放教育是关于一份可用、可适配的教学资源的主张。一所学校完全可以在封闭教材之上运行全开源软件，许多学校正是如此。

"开放意味着对学生免费，而这就是全部好处。" 成本是可测量的那一半。另一半是许可：一份可以修订的资源，才是第二所机构能修正、翻译与本地化的资源。本批次的研究报告完成度与满意度的频率远高于适配，这也是适配主张大体仍未被检验的原因。

"AI 让内容变得如此便宜，OER 已经过时。" 相反的读法同样成立，而且得到更好的支持。如果生成近乎免费，那么稀缺之物就变成许可、署名链条、审校流程与受维护的平台。这正是这批文献汇聚于治理与基础设施而非生产的原因。

"在开放作业里加入 AI 工具会改善学习。" 此处唯一一项准实验检验发现，两个组都报告了技能增长，两者之间没有可检出的差异，同时 AI 班的完成率更高、得分略低。AI 改变了学生产出什么，却没有改变他们报告自己学到了什么。

关联概念

关联文章

相关资源

  • AI + OER Case Studies: A DOERS Project
    An open anthology of eleven case studies on where generative AI meets open educational resources in higher education, in three parts with four policy priorities, covering system-level guidance, professional development, textbook revision and classroom practice.

元数据

层次Higher Ed, Adult Learning
目标读者Instructors, Administrators, Policymakers, Curriculum Designers
学习与教学主动学习, 协作学习
技术与方法开源, 生成式人工智能
机构与政策教育人工智能政策, AI 治理
公平、伦理与负责任使用公平性
教育中的人工智能基础课程设计
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。