美国发布推进AI教育的12项建议

2025年12月3日，美国南部地区委员会AI教育委员会（SREB AI in Education Commission）发布12项旨在帮助美国各州、学校和大学应用AI工具的政策建议，这些建议有7项于今年2月发布，此次新增了5项。各项建议具体概述如下：

1.建立州级AI网络

各州应建立全州AI网络，以便个人、团体和机构能够连接、沟通、协作并协调各州的人工智能工作。这些全州网络最终可以形成一个区域性小组，由各州AI网络代表组成，定期聚会，分享挑战和成功经验。

在各州、高校和学校实施AI实践、政策和培训时，各州之间的协调至关重要。全州协调在教育领域尤为重要，以确保相关工作的成功和可持续发展。AI有潜力变革学习、教学和行政职能，但如果没有周密的规划和协调，其潜在益处可能无法实现，或者分配不均。

全州网络可以为地方和州级合作伙伴提供机会，讨论、分享并思考“谁、什么、何时、何地、如何以及为什么”等关键问题的答案，这些问题对于达成共识和确定所需资源至关重要。全州协调还可以减少工作重复或脱节的可能性。

整合AI需要对教职员工、管理人员和其他人员进行培训。全州协调有助于解决农村社区面临的支持力度差异问题。

2.制定针对性AI指南

各州应针对在教育领域使用、整合或支持AI的不同群体制定并维护有针对性的指导方针。

例如，各州应涵盖小学生、初中生、高中生、大学生、教师、行政人员、高等院校教职工和行政人员以及家长。

截至2025年4月初，已有35个州发布了州级指导方针，或设立了州级小组负责编写与K-12教育中AI相关的州级指导方针。

3.提供高质量专业发展

各州中小学及高等教育机构应发挥领导作用，与地方学区和院校合作，制定计划，提供并激励高质量的AI专业发展培训。

研究表明：专业学习有助于教师和教职员工提升教学技能，并更好地应对变革。为了帮助教育工作者将AI融入日常教学，各州应支持各类专业项目，为所有教师（包括新教师和资深教师）提供职前培训、专业发展、持续支持和继续教育，从而提升学习成果，并为学生的未来做好准备。

各州应鼓励开展完善的培训项目，帮助中小学及高等教育机构的新老教师了解如何在教学中使用AI工具。此外，持续的专业发展将有助于教育工作者应对在课堂上使用AI所涉及的伦理问题。

4.融入标准与课程

各州应将AI知识和技能融入K-12教育标准和课程体系，使学生为就业做好准备。

为了让学生为AI驱动的职场做好准备，各州需要审查并更新标准和课程体系。这样做可以确保教师能够调整课堂教学实践以符合新标准。

各州应将AI素养融入教育课程，从幼儿时期引入AI基本概念开始，并在初中和高中阶段逐步增加符合年级水平的知识和技能。

此外，课程应着重培养学生的批判性思维能力和适应能力，使他们能够有效地理解和应用AI技术。通过培养学生对AI的深刻理解，他们将更好地适应日益人工智能化的就业市场。

我们需要认识到，AI已经使我们许多传统的教学方法过时，因此我们需要做出调整——就像20世纪70年代袖珍计算器问世时数学老师们所做的那样。

教师们需要从工业时代的“是什么”式教学法（学生被动地吸收经过精心筛选的信息，以便日后复述）转向“为什么”式教学法，将学生培养成通过创造性解决问题来构建新知识的主体。为了实现这一目标，我们必须转向以项目为基础的课程设计，充分利用学生的内在好奇心，同时避免依赖AI。首先，赋予学生自主权，让他们选择一个与课程主题相关的、尚未解决的现实问题。然后，让他们负责为所选问题提出一个新颖而务实的解决方案。

——查德·雷蒙德教授，《高等教育纪事报》

5.评估地方能力与需求

各州应在其辖区内开展AI需求评估，以确定地方学区、中小学和高等院校成功整合AI的能力。

这些评估旨在帮助各州确定哪些机构、学区或学校需要州政府的支持，需要何种类型的支持以及支持力度。

新政策和举措的成功取决于其实施的有效性。数十年的研究有力地表明，教育领域的实施成功取决于领导力、规划、资源、环境、知识、支持和反馈等因素。这些因素共同构成了地方能力。

当地方能力有限时，实施过程可能会举步维艰。因此，政策预期的结果或目标更难实现。

数十年的学校改革研究有力地表明，失败的实施工作往往会加剧抵制，甚至增加对未来变革的抵制，无论这些变革多么重要。因此，各州在将AI融入教育环境的过程中，应特别关注其辖区内的地方能力水平。

6.制定资源分配计划

建议各州制定AI资源分配计划，以确保AI在中小学和高等教育机构的实施能够成功、可持续，并惠及所有学生。

完善的资源分配计划应有助于各州更好地预测和减轻潜在的成本超支，并明智地使用州财政资金。这些计划可以帮助各州发现优化支出的机会，例如采用更具成本效益的AI解决方案、减少对昂贵硬件的依赖或简化培训项目。这有助于各州更好地优先考虑基础设施和培训等关键领域的资金投入，并发现潜在的成本节约点。

各州还可以利用资源分配计划，对维护、软件更新和扩展成本等项目进行多年预测，预测成本如何随通货膨胀、使用量增加和技术升级而变化。多年预测有助于各州长期维持AI项目的财政运转。

7.更新风险管理，以覆盖AI

各州应与学区、高等教育系统及机构合作，确保风险管理政策能够评估并降低AI相关的风险。

为了评估、缓解和管理AI相关的风险，学区和高等教育机构需要制定全面的风险管理计划。这可能只需要更新现有的风险管理政策。

需要考虑的风险管理要素包括治理、数据隐私和安全、减少偏见、风险培训、问责制和监督、透明度和知情同意。

8.制定强有力的AI采购政策

各州应与学区、高等教育系统和机构合作，制定或更新强有力的采购政策，将AI纳入其中。

有效的采购政策将帮助学区和机构找到符合其教育目标的AI工具，明确人员角色和职责，确保透明度和公平性，简化采购流程，提高成本效益，降低风险，实现可持续发展，并支持持续改进。

9.协调K-12、高等教育和劳动力市场

各州应协调教育、劳动力和经济发展战略，以支持AI技能的培养。

为确保各州系统能够有效地帮助学生和劳动者为AI驱动的经济做好准备，各州应协调K-12教育、高等教育机构、劳动力培训系统和经济发展机构的各项工作。这种协调尤为重要，因为各州负责执行关键联邦法律授权的项目，包括《每个学生成功法案》（Every Student Succeeds Act）、《珀金斯法案第五版》（Perkins V）和《劳动力创新与机会法案》（Workforce Innovation and Opportunity Act）。这些系统之间的协调能够确保投资得到有效利用，并共同推进一项连贯的AI技能培养战略。

10.更新安全政策

各州应定期审查其教育技术安全政策，以确保未成年人免受AI使用带来的伤害，并在必要时进行修订。

11.开发高等教育应用手册

各州应与高等院校和教育系统合作，制定AI应用指南，以帮助所有学院、大学和其他高等院校负责任、高效地整合AI。

12.制定评估框架

各州应着手制定评估框架，以确定AI对K-12教育和高等教育的影响。

为了评估AI对教育的影响，各州需要确定需要解答的问题，然后确定需要收集哪些数据来解答这些问题。

以下示例问题和指标旨在帮助有意评估AI对教育影响的州开始制定评估框架。

总体影响

• AI的使用是否符合我们的教育目标？

• AI是否正在帮助我们实现教育目标与宗旨？如果是这样，如何以及为什么？如果没有，为什么？

• 我们遇到了哪些挑战？

• AI在K-12中的应用效果如何？

• AI在高等教育中的应用效果如何？

• AI的影响有多大？

• 是否有任何政策变化可以支持AI在教育中的更好应用？

• 是否有与AI在教育中使用相关的最佳实践示例？

• 迄今为止，有关AI使用的经验教训有哪些？

学生和人工智能

• AI是否可以提高学生的学习动机、出勤率或毅力？

• 学生是否得到了更有针对性的指导和支持？改进的可衡量程度如何？

• AI是否支持批判性思维、创造力或AI素养本身的发展？

• AI是否有助于亚群体的结果？

• AI增强项目能否更好地帮助学生为高等教育或职业做好准备？

• 学生是否感到AI工具赋予了他们权力或对其进行了监视？

• 家庭是否理解并支持如何将AI用于孩子的数据？

• AI如何影响学生的学业成绩和概念掌握？

教学与人工智能

• AI是否可以节省教师评分、备课或行政工作的时间？

• AI工具如何改变教学实践——它们是丰富还是限制教学法？

• 教师是否接受了有效的培训以负责任地整合AI？

• 教育工作者认为AI会支持他们的专业知识，还是会削弱他们的专业判断？

运营与效率

• 与成本相比，AI工具是否能提供可衡量的价值？

• 在日程安排、人力资源、交通或设施方面节省了多少时间和金钱？

• 领导者是否利用AI洞察来做出更好的、数据驱动的决策？

• 试点项目能否在不影响质量的情况下扩展到各个教室、学校或地区？

政策、道德与治理

• AI工具是否符合《家庭教育权利和隐私法案》（FERPA）、《儿童在线隐私保护法案》（COPPA）和州级学生数据保护规定？

• 偏见与公平：产出是否相似或者是否复制了系统性偏见？

• 教师、学生、家长等利益相关者是否了解AI如何做出决策？

• 当AI系统出现故障、出错或造成伤害时，谁该负责？

• 当地雇主、高等教育机构和社区是否看到了AI增强教育的好处（例如劳动力准备情况或与“毕业生概况”技能的一致性）？

• 除了初始拨款或中小学紧急救援（ESSER）资助之外，AI项目是否具有弹性？

• AI重塑治理、资源分配或教学模式是长期的吗？

资料来源：

SREB AI in Education Commission Approves Final Recommendations, https://www.sreb.org/post/sreb-ai-education-commission-approves-final-recommendations.

[本文为教育部国别和区域研究基地中国教育科学研究院国际教育研究中心成果]

本文由中国教育科学研究院“教育国际前沿”课题组成员整理，课题组负责人张永军，编辑刘强，内容仅供参考。点击左下角“阅读原文”可官网查看原文。

本文为原创，转载请注明。