一句“毫无疑问” pp. 369–370
“毫无疑问，人工智能将在教育中无处不在；我们需要让学生为工作和社会的转型做好准备。”
经合组织（OECD）工作论文 · 被这篇综述引在开头（作者转引，pp. 369–370）· 中文意译
这句话对不对？→我们怎样谈论 AI，本身就在影响大学怎样回应它
作者 · p. 370 · 中文意译
大学如何回应 AI，不只取决于 AI 是什么，也取决于人们把它理解成什么。
HIGHER EDUCATION《高等教育》· 86 · 2023 · pp. 369–385 · 2022.10 在线
Discourses of artificial intelligence in higher education: a critical literature review
《高等教育中的人工智能话语：一项批判性文献综述》
Margaret Bearman · Juliana Ryan · Rola Ajjawi
Bearman、Ajjawi · 迪肯大学 评价与数字学习研究中心（CRADLE）Ryan · 拉筹伯大学 教育学院
分析学术文本对教师的调查
读了哪些文本 pp. 371–373、382
→
92 篇
检索“artificial intelligence”
明确符合 → 直接纳入；只在参考文献等正文之外提到 → 排除；其余由两位研究者阅读，与第三位反复讨论
论述 11实证研究 11案例描述 5技术模型 2
以 AI 或含有 AI 的工具为主要关注点：10 篇
1980s2020
年代跨度 · 原文年代分项合计 28，与纳入总数 29 不一致，这里不列分项（p. 373）
边界 · p. 382
只检索这一个词 → 可能漏掉用机器学习、数据挖掘等名称讨论的文章
检索截至 2020 年 11 月 · ChatGPT 之前
怎么读出话语 p. 373 · Gee 的话语分析
从五个角度读
举个例子 · 原文所见用词
前所未有革命转型→ 先规定了变化的速度和规模
反乌托邦：“被释放出来”
乌托邦：“解决方案”
下面的两套话语，是作者在这样的解读中形成的概括；可以出现在同一篇文章里
机器里的幽灵 pp. 374、380–381
第一个发现：定义很少
80s80s80s80s
29 篇中 5 篇讨论或给出定义（琥珀色），其中 4 篇来自 1980 年代
“如果计算机的行为，在人做出时会被看作‘智能’，就说它表现出了‘人工智能’。”
Barker (1986) · 原文 p. 374 引 · 中文意译
定义含混，有的循环，常借人的行为来说明机器
AI常和数据分析等其他技术缠在一起出现
p. 380
有实实在在的影响，在文本里却几乎看不见，像一种隐藏的成分
AI 这个概念同时充当 · p. 381
具体技术抽象理想修辞手段隐喻社会想象
意思没说清，讨论却照样在进行
必须响应：学校 pp. 374–376 · 表 2
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
必须响应（imperative response）
AI 被描绘成迅速而重大的变化 → 大学、教师、学生都必须回应
反乌托邦已经到来⟷乌托邦就在眼前
偏悲观
大学必须抵抗，才能生存；重申高等教育的公共价值
偏乐观 · Moscardini 等，p. 376 引
“大学的转型不只是个好主意，而是生存的必需。”
必须响应：教师与学生 pp. 376–377
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
乐观一端
AI 增强教学，如自动写作反馈，让教师腾出手做别的事
→ 都指向：教师必须学习新能力
也有超出二分的讨论 · Bayne 2015，p. 376
人类教师与非人教师，怎样共同教学？
作者还注意到 · p. 377
助教、行政岗位被说成可被 AI 替代 → 保留专家学者，缩减其他岗位
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
一种说法 · Shibani 等，p. 377
AI 反馈工具的目的：培养学生的自我评估能力
另一种说法 · Williamson 等，p. 377
学生失去对话和独立思考的机会
立场不同，都在说：学生必须学会新东西，否则会被削弱
改变权威：学校 pp. 377–378
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
改变权威：学术工作中的权威和能动性，正在移动
Liu 等，p. 377 引
教学质量问卷 → 神经网络 → 教学行为的模式
作者解读：量化被赋予了评价教学质量的权威
技术被称为“成熟的”“专家的”
AI 本身呢？· p. 378
一个“热门话题”，一种需要数据驱动的“配料”
讲到数据管理的批评时，AI 反而退到了背景里
改变权威：教师与学生 pp. 378–379
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
权威在哪里？教师技术企业学生
1986 · Knapper，p. 378 引
程序模仿好的教师、调整教学策略 → 把教师的权威放进技术
2020 · Loftus & Madden，p. 378 引
怎样做批判的参与者，而不是被动地被追踪的对象？
一些叙述里：教师的能动性和权威受到削弱，权威转向技术，也转向技术背后的企业利益
学校教师学生必须响应必须回应，才能生存
增强 vs 削弱 → 学新能力
学新东西，否则被削弱
改变权威权威移向量化与数据
权威在教师、技术、企业之间
赋权 vs 失去能动性
据表 2 概括 · 同一篇文章可同时出现两套话语
悲观叙述 · Williamson 等，p. 379 引
学生被看成数据的“发射器”，而不是在对话中理解意义的人
两组对立与三个方向 pp. 380–382
眼前的反乌托邦⟷即将到来的乌托邦
人⟷机器
p. 380
二元对立本身不一定是问题：悲观的叙述也能提醒真实的风险
问题是：鲜明的对立，盖过了对 AI 本身含混的理解
作者提出的三个研究方向
① 更细致的 AI 语言
区分：
含有 AI 的计算物件
和
AI 系统：人 + 情境 + 机器
② 追踪问责和劳动
决定由谁负责？
出了错会怎样？
被说成可替代的岗位，被自动化之后，实际发生了什么？
③ 研究关系，不只研究单个创新
教师管理者企业机器学生
怎样彼此配合、绕行和影响
带回今天 编辑延伸
检索截至 2020 年 11 月 · 分析的是文本 · 没有调查教师 · 没有证明 AI 改善或损害了学习
“提高效率” → 减轻了谁的工作？又可能把复核交给了谁？
四问是编辑依据论文整理的阅读练习，不是原文提出的量表
Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: a critical literature review. Higher Education, 86, 369–385.