事件概要

联合国教科文组织（United Nations Educational, Scientific and Cultural Organization，UNESCO）发布公告，启动“人工智能时代的教育”全球磋商（Global consultation on education in the age of AI）。在数字学习周 2026（Digital Learning Week 2026）之前，UNESCO 发布讨论文件《在人工智能时代维系教育作为共同利益：审议式治理的理由》，并同步公开六份专家背景文件，就人工智能安全、适龄使用、教育采购与数字主权等议题向全球征集意见，截止日期为 2026 年 10 月 15 日。

    01 磋商缘起

当大多数教育系统仍在决定如何回应人工智能时，学生和教师已经在广泛使用它，且得不到指导或支持。文件列举的证据集中在资源较好的地区，但落差处处可见——在美国，2025 年的一项全国代表性调查显示，过半学生与核心学科教师已在使用人工智能，然而只有 45% 的校长表示其学校或学区有相关政策，仅三分之一的学区领导提供过使用培训。

即便有政策，也多半是建议性而非强制性的：截至 2025 年底，美国 35 个州和地区发布的人工智能指南不具约束力，原则宽泛，进入课堂的程度参差不齐。高等教育同样如此——UNESCO 全球大学教席网络中约 400 名学术受访者有 90% 表示在教学中使用人工智能，但只有三分之二表示所在机构已制定或正在制定相关指引；另一项覆盖 28 个国家的研究中，仅 4% 的教师认为本机构的指南“全面”。

文件还指出一个较少被审视的驱动力：商业逻辑。据联合国人工智能独立国际科学小组 2026 年报告，2025 年 91% 的重要人工智能模型出自私营部门，所有权高度集中，单一供应商掌握超过 80% 的关键供应链环节，而决定这些系统行为的决策由少数私营企业做出。

02 六个方向性转变

讨论文件的主体，是六条“方向性转变”——描述当人工智能融入教育的过程由默认发生、未经公共决策塑造时，会出现什么。文件自己说明：这六条是正在浮现的模式，不是已经定论的发现，彼此也不互斥。

转变一：从公共决策，到私人个体选择

教育是共同利益，公共部门本有权决定学习由什么工具中介、按什么条件中介。但人工智能触手可及，基础版常常免费，而免费版正是多数学习者和教师实际在用的——在制度或政府政策之前，自己先用起来。全球调查显示，联网大学生使用率达 86%，英国本科生 95%，加纳与乌干达也出现相近比例。公共决策，已被数以百万计的私人选择取代。

转变二：从培养完整的人，到“能力的幻觉”

教育要培养能批判思考、能监控自己理解的人。其中两个维度在人工智能嵌入学习核心时尤其暴露：批判性推理与元认知。工具一旦直接给出流畅答案，两者都被绕开——学习者推理更少，更难判断自己究竟懂了多少，也最不容易察觉这道缺口。一项覆盖近 2.7 万名中学生的研究发现，用人工智能做作业的学生分数更高、用时更短，但半年后不带人工智能参加考试时成绩下滑，且当初作业完成最快的那批下滑最明显。另一项现场实验得到同向结果：获得无限制人工智能访问的学生在使用期间表现良好，一旦撤走，得分低于从未使用过人工智能的学生。

转变三：从专业判断，到监督自动化系统

教师的价值在于以公众名义行使的专业判断。当人工智能进入核心教学任务，这种判断的行使方式被改写。文件援引“自动化偏见”——人有天然倾向去认同自动化系统，即便它是错的；被置于“审核人工智能输出”位置的教师，容易被推向批准。文件明确指出：没有多少证据表明人工智能正在直接取代教师，更可能、也更隐蔽的风险是——当人工智能代替教师行使专业判断，判断本身开始萎缩。

转变四：从学习者作为人，到学习者作为数据主体

公共教育对学习者负有照护义务，其中包括保管其学习记录。当师生在商业平台上工作，交互被捕获、持有并变现，而这些基础设施公共部门无法评估或审计。学习者由此成为数据主体，被分类、被预测；由人口学、行为与关系数据合成的画像被存储、被与其他来源合并，可能跟随一个孩子多年。文件给出的判断是：照护义务不能合法地委托给不必为此负责的一方。

转变五：从公平转向不平等的加深

AI 被整合进本已不均衡的教育格局中，可能同时作用于多重交叉的不平等（接入、使用、残疾、技能、语言、族裔、性别、阶层、文化等）。数字接入鸿沟依然存在：全球约 22 亿人仍离线；能力更强的模型往往在付费墙后，而资源不足的学习者只能使用能力最弱的免费版本。此外，AI 模型训练数据集中在少数语言和地区，可能进一步边缘化弱势学习者。

转变六：从公共治理能力，到依赖

教育作为共同利益，依赖于公众治理学习方式的能力。但 AI 系统往往由少数商业开发者设计和治理，教育系统在采用时只能选择已被外部决定的产品，缺乏问责手段和影响 AI 开发的能力。118 个国家（主要在 Global South）未参与主要 AI 治理讨论，导致大多数教育部门依赖它们未曾参与塑造的 AI 系统。文件同时给出结论：这种依赖是真实的，但它是一种可以被治理的依赖。

03 六份专家背景文件

六份背景文件由 UNESCO 委托撰写，用于支撑人工智能教育治理政策简报的制定。需要先说明一点：六份文件均在扉页声明“文中观点仅属作者，不应归于 UNESCO”——它们是提交给磋商的专家意见，而非 UNESCO 的官方立场。

《数字与人工智能主权：四个循证案例》（Digital and AI sovereignty: Four evidence-informed cases）——Luciana Benotti、Beatriz Busaniche、Marcos Javier Gómez、Margarita Trovato 著。

文件把“人工智能主权”拆成五个维度：认识论与教学主权、语言与文化主权、数据主权、基础设施与财政主权、管辖与技术主权，并用四个案例分别说明——阿根廷科尔多瓦的教师培训让教师成为人工智能的批判性评估者而非被动使用者；泛非 Masakhane 研究网络以社区主导的数据授权框架保护并回馈本地语言；巴西国家人工智能计划 PBIA 将主权列为指导原则，投资本土算力与葡萄牙语模型；荷兰 GPT-NL 由公共研究与教育机构建设国家级语言模型，把数据留在本国与欧洲司法辖区之内。但是依靠一项政策守住一个维度，可能对其余维度毫无触及——一个国家可以把数据留在本地，却仍完全依赖外国模型。

《人工智能在教育中有适宜年龄吗？——判定人工智能是否适龄及其依据》（Is there a right age for AI in education? Deciding whether AI is age-appropriate and why）——Sonia Livingstone、Kim R. Sylwander、Sandra El Gemayel、Ayça Atabey 著。

文件按学前、小学、中学三个阶段分析，并梳理三个法律年龄门槛——13 岁（美国儿童数据法）、16 岁（GDPR 数字同意默认年龄）、18 岁（《儿童权利公约》的儿童定义），同时强调这些是法律参照点，不是安全年龄。文件归纳五项优先风险：教育风险、数据风险、加剧不平等、文化与语言排斥、社会情感风险。文件做结：“适龄”目前没有确定含义，但这不构成不作为的理由，而是要求政策制定者、研究者与教育者共同建立循证的判断标准。

《安全到足以规模化吗？——一个面向学习者安全的决策系统》（Safe enough to scale? A decision system for learner safety）——Isak Nti Asare 著。

文件的出发点是：该领域正在从“指引”转向“治理”，而抵达学习者的人工智能系统，其进展快于保护他们的 safeguard。文中区分三类系统——用于评分、考勤、监考的窄工具；聊天机器人与导师这类生成式与基础模型；以及能追求多步目标、塑造学习者下一步行为的新兴智能体系统。作者主张教育系统需要一套公共决策架构，来决定这些工具何时可用、何时受限、何时测试、何时扩展或移除，并强调“可用的禁令”与“真正叫停的权力”正变得更加切题。

《教育领域的人工智能采购：人工智能治理中被忽视的杠杆》（AI procurement in education: The missing lever in AI governance）——Kalervo N. Gulson、Xiaonan Huang、Jóse-Miguel Bello Villarino、Penny Vlies 著。

文件指出，对人工智能的注意力集中在“使用端”，而决定工具是什么、如何设计、用哪些数据训练、反映谁的语言与语境的上游环节，受到的关注少得多——恰恰是这些环节在做影响教育公共目的的取舍。文中列出人工智能工具区别于以往教育技术的五点：行为会随底层模型更新而改变，界面上看不出变化；生成式输出是概率性的，无法写进规格书事先验证；对模型、数据管道与基础设施的依赖由供应商控制；边交付边提取数据，形成双向流动；面向广泛行业设计，对教育的适用性不能默认。作者主张以信任、参与、公平三项原则贯穿采购前中后，并指出能力不足的系统可通过联合采购补足。

《超越价格标签：重新思考教育系统人工智能的总体拥有成本》（Beyond the price tag: Rethinking total cost of ownership for AI in education systems）——Keith Krueger、Frankie Jackson 著。

文件的论证起点是：以往技术是固定的、购买时即可知的——教科书印出来就不会变，成本可在采纳前评估、在采购时基本结清。人工智能不一样：它持续更新，签约之后行为仍可能改变；它不只是存储数据，还对数据施加操作，生成推断、预测与画像；它的许多效果与成本只在投入使用后才显现。文件援引 UNESCO 2023 年全球教育监测报告：初始投资通常只占技术最终成本的四分之一或更少，而人工智能放大了这个隐藏部分的比例。

《获得解释的权利：走向教育中可解释的人工智能》（The right to an explanation: Towards explainable AI in education）——Lidija Kralj 著。

文件把可解释性定义为“使人工智能决策可被理解的能力”——清楚展示结果背后的推理、数据与因素。当人工智能被用于评分、录取与个性化学习，无法理解这些系统如何决策，就直接触及公平、信任与学生能动性。文件关注三类问题：不透明与智能体化的系统会侵蚀信任，使个人无法质疑决策，并可能侵犯获得公正程序的权利；问责问题，即人工智能不能取代人的责任；偏见风险，可能强化既有的教育不平等。儿童的处境尤其脆弱——他们未必理解人工智能如何运作，却已被它影响学习路径。作者提出的政策建议包括保障获得解释与人工复核的权利、建立明确的问责框架、通过文档、审计与偏见测试强制技术透明。

    04 如何参与

本次磋商的意见征集窗口为 2026 年 9 月至 11 月，面向专家、学者、政府官员及其他利益相关方开放。

需要说明的是，UNESCO 给出的五个方面不是对六份文件的解释，而是向投稿者提出的问题框架——评议者可围绕这五方面提交意见，其汇总将用于形成政策简报。它们是：

05 写在最后

以下为本刊编者观点，不代表 UNESCO 立场。涉及文件内容的陈述均标注出处。

通读七份文件，我们认为最值得注意的不是 UNESCO 又发布了一份人工智能文件，而是它把问题重新定位了。六条方向性转变中，第一条并非“学生会作弊”或“教师会被取代”，而是公共决策权被私人选择取代（讨论文件，第 8 页）。这是制度层面的诊断：问题不在于某个工具好不好用，而在于“用什么工具中介学习”的决定权，已经先于政策转移到数以百万计的个人手里。讨论文件的回应也相应是制度性的——六项建议行动的第一项，就是要求教育当局设定少量、可达成的公共利益条件，并明确这些条件必须覆盖免费版、捐赠、供应商协议等绕过正式采购的渠道。

第二个值得注意之处，是文件清单本身的结构。六份背景文件中，直接谈“课堂怎么用”的只有一份，其余五份分别落在数字主权、学习者安全、采购、总体拥有成本与可解释性上。这与讨论文件自己的表述一致：决定人工智能对教育之影响的许多东西，在教育部介入之前就已在上游确定。换言之，这一轮治理的重心被放在了供应链与制度能力上，而非教学法上。