利益相关者

本页是英文页面的机器翻译，尚未经母语者审校。

利益相关者 —— 参与AI 教育、受其影响并对其负责的人类利益相关者的全谱，也是本知识库关于"行动者是谁"之覆盖的伞形概念。AI 教育是一个多利益相关者的领域：使用 AI 的学习者、把 AI 整合进教学的教师与教师群体、治理它的管理者、围绕它构建学习体验的教学设计者，以及监管它的政策制定者。每个受众都有不同的需求、能力、角色与视角，而本知识库把它们当作 AI 工具被设计、部署与评估的人性语境。

值得思考的问题

本页主张，同一个 AI 系统从每一个视角看都不同——学生体验为支持的工具，在教师看来可能是诚信风险，在管理者看来可能是治理决策。你最认同哪个角色，你认为自己容易遗漏其他角色的什么？
在往下读之前，试着列出你机构中受某项 AI 教育决策触动的每一个人——不只是学生和教师。你漏掉了谁，他们各自最在乎的又会是什么？
如果学习者、教师、管理者、教学设计者与政策制定者各有不同的需求与能力，那么关于一个 AI 工具如何部署，谁应当有最终发言权——为什么？
一个学生的"个性化支持"可以同时是一位教师的"诚信风险"。你会如何设计一场对话或一个流程，使每个利益相关者的关切都获得真正的分量，而非让最大的声音胜出？

引言

AI 教育根本上是关于人的——其工作被它改变的学习者与教育者，以及决定它如何被使用的领导者与设计师。理解这些不同的利益相关者至关重要，因为同一个 AI 系统从不同视角看非常不同：学生体验为个性化支持的工具，在教师看来可能是诚信风险，在管理者看来是采购与治理决策，在设计师看来是教学选择。本知识库把这些受众的覆盖组织在若干概念页面中。

利益相关者全景

学习者（学生）。 首要受众——K-12、高等教育与成人学习者中的学生。本知识库通过学生体验、学生参与、关于 AI 的误解、学习者建模与自适应教学、幸福感（Well-Being）与学习者自主性覆盖学习者。学习者的 AIAI 素养、自我调节（自我调节学习）与过度依赖的风险是核心关切。
教师与教师群体。 把 AI 整合进教学的教育者。由教学、教师AI素养、教师教育、教育发展与技术教学内容知识（TPACK）覆盖。教师面对双重挑战：在自己的教学中使用 AI，以及教学生负责任地使用它（参见教学法与教学策略）。
教学设计者与学习技术人员。 围绕 AI 设计课程、课纲与学习体验的专业人士。与学习设计（学科）及课程设计相关，尽管教学设计者的人/角色尚无专门页面——被归在此处。
管理者与机构领导者。 制定政策、分配资源并治理采纳的教务长、院长、CIO 与领导者。由管理者覆盖，并与教育人工智能政策、AI 治理及教育中的人工智能监管相连。
政策制定者与监管者。 设定法律与监管框架的政府及机构主体。与教育人工智能政策、教育中的人工智能监管及AI 治理相关。
家长与家庭。 存在于研究中（例如监测学生的 AI 使用、对 AI 的态度），如今已有专门页面覆盖——作为利益相关者归在此处。

利益相关者在研究中如何呈现

面向特定角色的能力框架。 教师AI素养与技术教学内容知识（TPACK）定义教师有效使用 AI 所需之物；AI 素养定义所有受众（尤其学生）所需之物。
按角色的差异影响。 研究考察 AI 如何以不同方式影响不同受众——学生体验研究学生结果，教学研究教学整合，管理者研究机构战略，教育发展研究专业学习。
多利益相关者的治理。 AI 治理与教育人工智能政策研究强调对齐国家、机构与课堂层面的利益相关者——政策制定者设定期望，管理者执行，教师调适，学生体验结果。
跨受众的公平。 公平性考察 AI 的收益与危害如何在学习者与机构之间分布，把利益相关者连接到公平与接入。
角色差异比观察到更容易被断言。 一项对 152 名高等教育人员 167 份贡献的 SWOT 分析发现，教师、研究者与管理者在相同的优势与威胁上趋同，而完全匿名的收集方式使角色无法辨识，因此该研究无法检验其对比这些角色的计划（Humble 与 Mozelius，2026）。

跨受众的身份

贯穿这些利益相关者的一条共同线索是身份——对"相对于 AI 及本领域，自己是谁、正成为谁"的感知。本知识库把身份视为分布于各受众，而非属于任何单一群体。

学习者身份 —— 学生不断演进的学科性、专业性、创造性与学术性身份（学习者身份）。它与学习者自主性有别但因果相连：能动性是在情境中行动的能力，而身份是从能动性行动中累积起来的持久自我感，它在 AI 下受到作者权丧失与能力怀疑的威胁。
教师身份 —— 教育者的专业自我理解（教学），被 AI 重塑为目的与角色的问题，而不只是技能问题（参见GenAI 作为身份危机）。
设计师与领导者 —— 专业身份也塑造着教学设计者、管理者与政策制定者对 AI 的取向，尽管本知识库明确的身份覆盖集中于学习者与教师。

身份是利益相关者全景的人性锚：它是 AI 必须为每个受众支持（而非侵蚀）之物，也是把原本彼此分离的角色页面——尤其学习者身份、学习者自主性与教学——连接起来的构念。能动性关乎控制，而身份关乎自我，AI 设计必须同时保全两者：对自己学习的控制，以及对本领域中"自己是谁"的健全的作者性感知。

对 AI 教育的启示

为完整的利益相关者集合设计： 有效的AI 教育必须服务学习者、支持教师、告知管理者、并与政策对齐——而不只是优化一个受众。
建立面向特定角色的能力： 教师、学生、设计师与领导者各自需要量身定制的 AI 素养与支持（参见AI 素养、教师AI素养、教育发展）。
跨层级对齐： 本知识库的治理研究显示，当机构领导、教师实践与学生经验对齐而非碎片化时，AI 才会成功。
把家长与更广泛的社群纳入考量： 家庭是 AI 采纳中的利益相关者，其角色与关切值得明确的关注。

关联概念

关联文章

"It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison — 英国高等教育中学生对 GenAI 的体验
Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making — AI 在英国高等教育政策中（学生与机构）
New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — 面向校园幸福感的 AI 驱动工具
Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs — 数学教师教育中的 AI-TPACK 准备度
A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education — 计算领域的机构 GenAI 政策
Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning — 高等教育中伦理 AI 使用的协调博弈框架
It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing — 学生在学术写作中对 AI 使用的合理化
How AI Is Changing Teaching Workflows — AI 如何改变教学工作流
Beyond the Hype: How Higher Education Stakeholders View the Benefits and Concerns of Generative AI for Teaching, Research, and Administration — 高等教育中对 GenAI 的利益相关者认知（Humble & Mozelius 2026）
"We'll Fix It Later": Education, AI, and the Deferral of Student Privacy in EdTech — "We'll Fix It Later": Education, AI, and the Deferral of Student Privacy in EdTech

元数据

层次	Higher Ed, K 12
目标读者	Instructors, Learners, Administrators
教育中的人工智能基础	AI 素养, 学习设计, 教学

Source History Edit Chat