桑新民 谢阳斌 余中 刘永贵 ｜ 教育数字化转型系统工程笔谈

本文由《现代教育技术》授权发布

作者：桑新民 谢阳斌 余中 刘永贵编者按

数字化转型是当前国内外各领域、各行业发展的大趋势，也是教育理论与实践创新发展的热点话题。二十多年来在我国教育信息化建设发展中，热点曾不断出现，围绕热点的研究、争论和实践创新也热闹非凡，但热过之后能够留得下来的理论与实践创新有多少？这是值得认真反思的。经验与教训告诫我们，在热点兴起之时，要善于进行理智、科学的“冷思考”。本专栏围绕这一话题，特约4位作者从不同视角进行理论与实践结合的对策思考，并请桑新民教授（简称“桑”）以专栏主持人的形式组织对话和点评，这种文体的新风格也希望读者评判。

关键词：数字化转型；教育智能化；大数据；知识图谱；学习者画像；IT治理教育数字化转型：热点中的“冷思考”

教育数字化转型系统工程笔谈

桑新民 当前国内外围绕数字化转型展开的研究复杂多元，如何厘清其中的理念混乱、实践困惑、技术瓶颈、政策及其背后各种利益的博弈？我们从信息化、智能化、数字化这三个基本概念及其相互关系的解读入手，请不同背景的学者分别从不同视角阐述了教育数字化转型的目标与价值导向、内涵与评价体系、技术路线与知识图谱、学习者画像等人工智能前沿技术及其在教育领域应用的个案与启示，教育数据基础制度建设中的体制创新与管理流程优化再造等专题，力图展现和透析教育数字化转型系统工程的全貌与攻坚战。 一、热点、痛点、生长点 教育数字化转型是一项极其复杂的教育改革发展系统工程，对其中热点问题的思考必须从现实存在的问题出发，在理论、实践、技术、政策的系统思考和整体把握中，寻求破题之道和解题之术。能否选准有价值的“真”问题，是最难也是最关键的。现实教育中存在的问题很多，既有长期积淀的老大难问题，又有大量信息化发展过程中遇到的新问题，要从中筛选出严重制约当前教育发展的“痛点”问题，同时又必须是有条件、有可能解决的现实难题，这往往正是当前教育创新发展的“生长点”。 比如因材施教问题，这是古今中外教育家共同追求的理想。但工业文明造就的千人一面、千篇一律的学校、课程，将教师、学生都变成了流水线上机械化的“操作工”和“标准件”，并在“应试教育”评价体系和政策机制、习惯势力的影响下，成为影响教育健康发展的“老大难”问题。在信息化的新时空是否有可能破解这一难题？破解的思路何在？这显然是教育数字化转型必须深入思考的问题。如何思考和破解这一难题？从理论和方法论入手，有必要梳理清楚三个基本概念之间的关系。 二、信息化、智能化、数字化三者关系解析 当前倡导和推动数字化转型的实践、理论和政策导向中，对这三者关系的认识并不清晰。要克服实践的盲目性、保持政策导向的科学性、稳定性，就必须在贯穿历史、现实、未来的大视野中，持续不断地深化理论建设，坚持历史与逻辑的统一。 我们可以用一句话简要概括这三个基本概念的关系：信息化是上位的大概念，智能化是信息化发展的一个阶段，数字化是前两者的技术基础，并在“化”（应用过程中的广泛深入普及）的过程中成为信息时代的工作、学习、思维、生活方式。对此做进一步深入解析，需要从“信息时代”这一重要历史哲学概念的解读入手。 信息化和教育信息化都是一个动态的过程，是指人类社会从工业文明向信息时代的转变。只有将此过程置于整个人类文明发展的历史长河中，才能看清其价值和本质，更清醒地认识教育决策、管理者和广大教育工作者面临的时代挑战和肩负的历史使命。 对人类文明发展规律的认识和把握，是历史哲学研究的课题，其基础理论和方法论涉及生产方式范畴和生产力、生产关系的矛盾运动。唯物史观是把生产力发展水平作为划分历史时代的客观依据，以制造生产工具的物质材料之变革作为区分不同时代生产力发展水平的客观尺度，据此深刻地揭示了石器、青铜器、铁器的更替所导致的生产力发展之质变，以及由此决定的生产关系之变革。当机器生产取代手工工具之后，生产力的质变又以什么为标志呢？唯物史观剖析了以蒸汽机、电动机的诞生为标志的两次工业革命和生产力质变引发的生产方式之深刻历史变革，揭示了人类社会从农业文明向工业文明历史转变的过程和规律。工业革命减轻了人的体力劳动，却使生产过程中需要迅速处理的信息量剧增，这又同人的脑力发生了尖锐矛盾，计算机的诞生延伸了人脑，使得生产过程中信息处理和控制系统发生质变，计算机在生产过程中的普遍采用，势必要求信息传输、加工、存储、选择利用等系统随之发展，从而推动了计算机、互联网、人工智能等当代信息技术的迅速发展。历史哲学将当代生产力技术构成的最主要因素归结为材料、能源和信息三要素，在不同时代，这三者对生产力发展之影响是不同的，主要表现为以下规律：生产力的质变先后以材料、能源和信息为标志，这是生产力内在矛盾运动的必然结果，体现了生产力发展中主要矛盾的转移。这一理论告诉我们：物质、能源、信息被视为现代社会的三大战略资源，他们分别是人类肢体器官的延伸、动力系统的延伸、大脑和神经系统的延伸。随着人类从工业文明向信息时代的历史发展，信息资源的战略地位也日益凸显，成为比物质、能源更重要的战略资源[1]。当代历史哲学的理论和方法论，给我们提供了一个深刻理解从工业文明向信息社会转变这一历史过程，也可称之为“信息化过程”的战略视野。这是当代各领域、部门，各层次领导决策者、管理者都必须具有的视野、意识和历史使命。 对信息社会和社会信息化有了这样一种深刻的认识，就可以进一步探讨信息化与智能化、数字化的关系问题了。 信息化经历了不同的发展阶段。其中人工智能理念和技术的诞生，开启了从早期的信息化向智能化攀升的希望之旅。面对爆炸式剧增的知识，人工智能在海量数据的搜索、挖掘中大显身手，人的智慧创造出比人脑强大亿万倍的“算力”，在大数据、云计算、物联网、智能终端等快速发展的数字技术支持下，语音识别、图像识别、机器翻译、数据挖掘、深度学习以及将这些人机交互技术整合在一起的机器人技术的快速发展与广泛应用，创生了人机结合的“增强智能”，人工智能技术依靠越来越强大的算力和不断创新的算法，对海量数据所包含的信息进行的深度挖掘，远远超越了人类加工信息的能力，使人类个体和群体的创造性学习与实践能力获得了巨大的提升。数字革命的预言者、数字化生存教父—尼葛洛庞蒂在风靡世界的代表作《数字化生存》（Being Digital）中，对数字化转型的深层含义做了通俗的解读：从农业文明到工业文明，世界的DNA是原子（物质实体的基石）；而在信息时代，世界的DNA则是比特（数据的最小单元）[2]。其中还有一点需要特别强调：物质、能源都属于不可再生资源，其开发和利用过程中还会带来环境的污染和破坏；而信息是可再生资源，只有在快速流通、共建共享过程中，信息才会迅速增值，并促进物质资源和能源的合理配置与开发利用，产生巨大的经济价值、社会价值、生态文明价值。 三、实践、技术、体制、文化 在人类文明的进程中，科技创新历来都是“双刃剑”。互联网创生的数字化新时空既带来了急剧增长的丰富信息资源，又制造了最大的“文化垃圾厂”，这里充满机遇又布满陷阱。在信息化、智能化、数字化的时代挑战面前，人类必须更快地学会辨真伪、明善恶、识美丑，这当然是人类特有、不可替代的智力内涵与功能，但面对与日激增的“信息海洋”又必须借助具有超强算力的智能化“外脑”，才可能适应这种新的生存环境。这在科技和人文的结合点上更深刻地揭示了人工智能和人类智能的边界，展现了人类智能与人工智能双向建构、携手创新发展的广阔前景。人工智能绝不仅仅是一种新技术，其本质是在对人类智力进行深入研究、深刻反思基础上的科技创新、体制创新、文化创新、文明觉醒。这是教育领域从信息化向智能化攀升的目标追求与时代使命，也是师生进入数字化生存新时空的通行证和护照[3]。 更深入的探究我们请到三位学者分别从技术、教育、体制创新的不同视角，做理论与实践结合的阐述。为聚焦本专栏主题，我将进行必要的插话和点评。 

参考文献：

[1]桑新民.用理论解读“IT”[J].中小学信息技术教育，2002，（Z1）：42-47.

[2]（美）尼葛洛庞蒂.数字化生存[M].海口：海南出版社，1996：21-27

[3]桑新民.人工智能教育与课程教学创新[J].课程·教材·教法，2022，（8）：69-77.教育数字化转型的系统思考与攻坚战

教育数字化转型系统工程笔谈谢阳斌 桑：伴随着我国教育信息化发展的进程，我们学术团队立足于课堂学习方式创新和人才培养模式变革，在理论与实践的结合中艰难探索20多年了。谢阳斌博士（简称“谢”）从本科到硕士、博士、博士后，是我们南京大学创业团队的亲历者，毕业后在中国海洋大学教育技术学专业和全校学习指导中心继续从事学习科学与课程教学创新研究，最近又调入浙江之江实验室专门从事智能教育研究与实践。学生、教师、研究者三种不同角色都是在信息化新时空中亲身体验过来的，请他介绍对教育数字化转型的独特思考和感悟。 谢：我有幸从本科开始就加入了南京大学探索课堂学习方式变革的创新团队，近20年来经历了信息化、智能化、数字化发展的不同阶段，领略了一次又一次教育创新“热点”像“过山车”般的跌宕起伏。人工智能理论中有一个重要课题是研究“专家与新手的区别”，我们学术团队中既有不同经历、水平的专家，又有不同层次、类型的学生、新手，这为我提供了难得的学习和探究环境、资源，积累了从新手向专家攀升的经验教训、方法策略。下面很多思考大多得益于导师的言传身教与团队共识。 一、反思中的系统思考 我国教育信息化已走过了20多年的历程，在信息化基础设施建设、资源建设和人才培养等方面都取得了显著成效。但在学校课堂教学第一线学习方式的变革方面效果却并不明显，这里的原因是需要深刻反思的。教育信息化是一项极其复杂的教育创新系统工程，要整体设计、分步实施、上下联动，这些我们都有明确的部署和力度较大的推动，但为什么到教学过程中就推不动了呢？教师满堂灌、学生死记硬背应付考试的教学模式为什么始终还是现实课堂中的常态呢？从我们团队在教学第一线的切身感受来说，至少有以下几个“痛点”： 首先是缺少与教育信息化目标和价值导向相适应的评价和平台。学生评价、课程教学评价、教师评价、学科专业评价、学校评价……环环相扣，改革评价体系必须整体联动，这显然需要理论、实践、政策协调一致，宏观、中观、微观政策体制机制协同创新，任何一个环节的缺失都会使改革发展却步。比如前几年大力推动了“三通两平台”建设，且不说管理平台和资源平台的设计思路和智能化程度如何，这两个平台功能的有效发挥，最终都必须都要落实到以学习者为中心的智能化学习平台上，但至今我们学校所使用的基本都还是以教师讲授灌输为中心的课程教学平台，这种平台支持的只能是传统评价模式，使改革的阻力有增无减…… 另一个“痛点”是智能学习终端设计和使用的方向和价值导向混乱，学习终端发展很快，电脑、手机、平板、电子白板、电子书包五花八门，智能化水平越来越高，但学生使用后所产生的正反两方面效果确让教师、家长、社会产生了极大困惑，问题究竟出在哪里？如何破解？当前一个更严峻、紧迫的难题是，在后疫情时代如何协调疫情防控与学校正常教学活动？如何保证线上教学质量？如何在数字化转型和智能化攀升中减轻师生负担，实实在在地提高教学质量和效率？ 所有这些痛点和难点是现实教育面临的严峻挑战，也是教育数字化转型必须破解的难题、发展的机遇。 二、转型中的重点突破 数字化生存新时空为这些难题的解决提供了新的可能性。当前迫切需要在智能技术和教育创新的内在结合上选择突破口。其研究思路和方法论必须是问题导向、从教育信息化的目标着眼、从当前教育的痛点出发选择技术，在数字化转型中重点突破。 教育信息化追求的根本目标是要走出工业文明“三中心”的教学模式，实现因材施教，但以教师讲授为主的班级授课制只能照顾到大多数学生，两头的学生必然吃不饱或跟不上，这是其厌学、低效的根本原因。有经验的优秀教师善于抓住教学的重难点，采取适当的方法进行分层教学、分类指导。但一个老师面对众多学生，具体实施难度很大。课程教学的数字化转型展现了破解这一难题的希望。但需要在三条战线组织教育和人工智能专家协同创新、重点突破。 第一条战线是主攻课程教材的数字化转型，这是教学内容和资源建设的重大课题，技术支撑主要是人工智能中的知识图谱[1]； 第二条战线是对学生学习难点分类研究的数字化转型，这是实现分层教学、因材施教的前提和依据，技术支撑主要是人工智能中的学习者画像[2]； 第三条战线是在前两条战线的基础上创建人机结合的智能化、自适应学习系统，实现教学和评价体系的数字化转型，技术支撑主要是整合各类人机交互技术基础上的增强智能、深度学习、教师画像。 目前，围绕这三条战线，已积累了大量典型经验和成功个案，但缺乏智能化评价筛选和集成创新、快速迭代、推广应用的平台、技术、人才培养、体制机制。 桑：知识图谱、学生画像、教师画像这是人工智能中比较成熟的三种技术，三者之间有密切联系，近两年在教育智能化领域也被炒得火热，但真正成功、成熟的案例却为数不多，一个重要原因正是缺少技术与教育之间的对话、沟通、融合。这里有大量深入细致的工作要做，首先是要采集大量有效数据，并对数据进行科学精准分类。以学科知识图谱为例，首先要在学科概念的层次上梳理概念之间的复杂网络关系，以学科知识为核心，建立各个知识点概念的层级关系，大知识点包含多个小知识点，小知识点下面还有更细的知识点，知识点之间的层级关系、关联关系、前后序关系，构成学科知识图谱，由此把握知识之间复杂的相关性，这即使对于专业化的课程专家来说也是一件难事，因为现行的纸介媒体教材都是线性的知识结构，跨越章节之间不同概念、知识之间的联系在教材上显现不出来，也很少有人去关注，对于一线教师来说把握这种非线性联系就更困难了，但按照知识图谱技术的要求整体建模，则必须把不同章节知识分解、细化到概念层次，并将众多概念之间复杂的非线性关系以直观的图像形式（概念图）梳理、展示出来，在此基础上才可能按知识图谱的要求建模；接下来要综合利用人工智能中的知识推理、知识挖掘等技术，对所构建的知识图谱模型进行质量评估与补全，然后再根据不同专业知识的需求设计不同的应用场景，进入智能化深度学习，在这样的超循环快速迭代中，使知识图谱在人机结合的应用过程中不断完善。学习者画像是在知识图谱基础上的深化，知识图谱刻画的是静态的知识结构，尤其对理工科来说都是逻辑性很强的结构化显性知识体系，而学习者画像（“打标签”）是刻画学习者动态的知识学习过程，利用知识测评系统来精准了解学习者在该学科知识结构上的具体掌握情况，发现学习中薄弱点，给出针对性的解决方案，并为学习者推荐相关内容及学习策略、学习路径规划，指导学习者开展自适应学习，消灭知识盲区和认知误区、提升学习能力。对学习者的学习过程进行多维度分析挖掘，不限于测试成绩、学习记录等行为轨迹中挖掘其薄弱知识这些显性特征，同样可以挖掘一些深层次的学习速度、学习偏好、认知水平等隐形特征，学习者画像是对人的行为画像，其中包含大量情感、态度、价值观等隐性知识，复杂性和难度要大得多。再进一步深入到对教师行为的画像就更加复杂，因为优秀教师的行为已经超越了严格规范的科学的疆界，深入到出神入化的教学艺术境界，这既是教育研究的千古之谜和永恒难题，也是人工智能虽奋力攻关但至今仍难以征服的高科技前沿……要能够有效从事这样的创造性工作，一定要有两个乃至众多领域专家团队之间的默契配合，并在大量经验教训的积累中逐渐成熟起来的。我们团队在《学习科学与技术》课程研发和教学创新实践中精耕细作20多年，2004年出版的教材就对每个章节和全书的知识结构作了思维导图，2017年再版的教材在目录上专门设计了多种学习路径，电子版教材还可以进入快速迭代的超循环更新，但与人工智能的结合仍然步履艰难。这里需要特别强调，大量的数据采集不是一次性的，而是一项广泛持久、不断深化提高的常态化工作，而且要有越来越智能化的平台和数据库支撑，还要有稳定的应用场景、试验基地和人才、资金、政策、体制机制的支持。 谢：具备这样条件的教育智能化创新团队是非常少有而可贵的。我曾就此问题专门对上海市宝山区教育局张治局长进行了深度访谈，他详细介绍了在担任上海电教馆长时主持的国家项目“基于数字画像的综合素质评价”[3]，在项目进展过程中，他们开发了大规模在线开放应用学习系统MOORS（Massive Open Online Research System）平台，目前上海每天大概有5万多学生在上面做课题，高峰时全国每天有28万学生在线做课题，学生在专家系统引导下进行探索性学习，实现了对研究的过程性导航和智能支持，平台上采集了大量学生课题研究的行为数据，对数据做了清洗之后作建模分析，在此基础上刻画出学生的批判性思维、团队合作、创造力等，这是人工智能技术中学习者画像的探索性应用，该项目曾获得国家教育成果一等奖[4]，但张局长在反思中深刻揭示了他们所遇到的三大瓶颈：数据采集中的选择瓶颈、伦理瓶颈、建模瓶颈，这是在教育人工智能领域里深耕细作、有真才实学、真知灼见的专家型领导才能想得到、提得出的真问题、关键难题。 

参考文献：

[1]王昊奋，丁军，胡芳槐，等.知识图谱[M].电子工业出版社，2019：4-6.

[2]胡艺龄.学习者画像[M].教育科学出版社，2022：7-18.

[3]张治.MOORS助力研究型课程实施[J].未来教育家，2019，（7）：18-20.

[4]中国教育报道.教学成果奖|MOORS平台成上海学生研究型课程好帮手[OL] 数字化转型的技术基础与实施方略及教育启示

教育数字化转型系统工程笔谈余中 桑：余中博士（简称“余”）是信息技术和人工智能领域的专家，1997在美国加州理工学院获得博士学位，导师是信息论创始人香农的传人Robert McEliece教授，另一位论文导师是神经网络机器学习理论的奠基者、著名人工智能专家John Hopfield教授，毕业后曾担任全球最大的通信公司美国AT&T的技术总监及总体架构师，2010年余博士作为“北京市政府特聘专家”归国参加国家医疗大数据建设，创建智能医学服务平台和中西医全科医疗AI系统，积累了人工智能在医疗健康系统创造性应用的丰富经验，现在还是清华大学人工智能国际治理研究院特聘专家。我们请他从技术的视角谈谈对数字化转型的切身体验。 余：近两年在和桑教授的深度交流中，我深感人工智能在医疗和教育这两大民生领域的应用有很多相似之处。例如，优质医疗资源和优质教育资源的稀缺，是制约全民健康水平和幸福指数、解决社会公平的时代难题；又如，医疗服务对象的病人是千差万别的，如何进行个性化的精准医疗，是医疗服务面临的大难题；而教育领域如何超越整齐划一的课程教学模式，真正实现因材施教，是教育数字化转型的大难题。人工智能的广泛应用是破解这两大难题的有效途径和必由之路。 第一篇文章中桑教授对信息化、智能化、数字化三者关系的论述清晰、简洁、通俗，下面我从技术的视角作进一步阐述。 一、数字化是信息化不断升级的技术基础 纵观几十年来世界信息化的发展，每一阶段的攀升都与数字技术的创新密切相关。信息技术的实质是人类接收、加工、存储、交流信息能力的外化、延伸和强化。其实现的技术路径是要把人的感觉、思维和相应的语言、文字、图像等符号体系，转化为可以用光电信号处理的数据，而破解这一难题的正是数字技术。计算机的诞生是数字技术在数学逻辑运算领域的突破，创造了二进制的计算机语言和程序，实现了大大超过人脑的强大算力和逻辑转化与推理能力；经过几十年的发展，计算机先后破解了文字、声音和图像等数字化难题，使“电脑”越来越像人脑，人机之间的交流也越来越人性化，这就为计算机的应用和普及铺平了道路。互联网的诞生是人类传递生物信息的神经系统之外化和数字化，由此实现了无数电脑和人脑的“联网”，并创造出每时每刻海量增长的大数据海洋，远远超出了人脑和神经系统加工处理信息的能力，人工智能呼之欲出、应运而生。 二、智能化是引领数字化的目标与价值导向 对人类的智力发展来说，“大数据”既是挑战又是机遇。大数据是潜在的资源，从“资源”转化为“价值”，必须实现有效数据分析、数据挖掘。最有效的数据分析就是近些年来不断升级的人工智能机器学习算法。什么是人工智能？桑教授有一句通俗、生动的表述“人工智能的本质是让机器学会学习。”用技术的专业语言来表述，人工智能的核心技术主要包括：①机器学习，其学习模式可分为监督学习、无监督学习、强化学习等，学习方法可分为传统机器学习和深度学习；②知识图谱，是把各种类型信息连接在一起而得到的一个关系网络，从“关系”角度分析问题的能力；③自然语言处理，是利用计算机技术实现不同自然语言的机器翻译，并实现对文本篇章的语义理解，让计算机用人类自然语言与人交流的问答系统；④计算机视觉，是使用计算机模仿人类视觉系统，让计算机拥有类似人类提取、处理、理解、分析图像和图像序列的能力，包括计算成像学、图像理解、三维视觉；⑤生物特征识别，是通过个体生理特征或行为特征对个体身份进行识别认证的技术，包括指纹识别、人脸识别、虹膜识别、声纹识别、步态识别等。 当今迅速发展的智能化浪潮，其技术基础都是数字化的升级换代，在迭代中飞速提升的智能化算法和算力，在软硬件开发和各行各业广泛应用中不断取得新突破。支撑深度学习的深度神经网络是非常庞大的系统，需要海量数据、强大算力的支撑来进行网络训练。深度学习算法模型对于算力的巨大需求，推动了芯片业的创新发展，例如训练深度神经网络用到的GPU、TPU等特殊人工智能芯片的开发设计和应用。深度学习框架是进行深度学习的基础底层框架，包含主流的神经网络算法模型，提供稳定的深度学习API，支持训练模型在服务器和GPU、TPU间的分布式学习，部分框架还具备在包括移动设备、多种平台上运行的移植能力，从而为深度学习算法带来前所未有的运行速度和实用性。目前主流的开源算法框架有TensorFlow、Caffe/Caffe2、CNTK、MXNet、Paddle-paddle、Torch/PyTorch、Theano等。 随着人工智能在各行各业的广泛应用，人们越来越清晰地认识到，为满足人工智能在应用中不断增长的需求目标（如人工智能的可解释性、知识自动生成、通用性等），仅靠“数据驱动”的机器学习是有一定的瓶颈和局限性的，只有依靠凝聚了人的智慧、经过长期积累筛选建立的不同行业的专业知识才能有效破解，这就必须实现“数据驱动”与“知识驱动”内在结合。知识驱动是基于专业知识的人工智能“逻辑推理”，早期人工智能“重推理”，近期的人工智能转向“重学习”（数据驱动的机器学习），如何将此二者相结合，是新一代人工智能创新发展的大趋势与攻坚战，也由此引领数字化发展的目标和价值导向。 三、人机协同的增强智能是破解医疗、教育难题的希望之路 当代人工智能发展与应用前沿的虚拟现实/增强现实（VR/AR）和“元宇宙”（Metaverse）值得特别关注。VR/AR面临的挑战主要体现在“智能获取、普适设备、自由交互和感知融合”四个方面，智能化视听技术生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境，包括数字人、数字孪生、平行系统、平行世界（元宇宙）等，用户借助智能装备与数字化环境中的对象进行交互，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现更深层次的人机交互，包括语音交互、情感交互、体感交互、脑机交互。 元宇宙是基于VR、AR等人机交互技术，建立完全数字化环境，支撑数字逻辑实现的现实世界的业务逻辑重构。元宇宙覆盖的内容不仅是信息的表示、呈现和传播，还包含人类生产、生活的全部内容。元宇宙系统实现数字化的方式，既有数字孪生也有数字原生，还有虚实相生。数字孪生不仅把现实世界中物理性存在的内容映射为数字化内容，而且将现实世界中非物质性存在的内容，如法律、制度、规范、风俗、习惯等内容映射为数字内容。元宇宙系统还包含大量数字原生内容，这是纯粹数字世界自己生成的数字化内容，它们在物理世界中并不存在对应的对象，这些数字化内容与现实物理世界还将发生各种关联，生成更多数字世界虚实相生的新内容。元宇宙特征包括沉浸体验、高仿真，实时运营、多维互动，高效内容生产，身份与规则以及保障大规模用户持续在线。图1是元宇宙特征对应技术群支撑系统框架图，包括关键技术、角色及细分技术三大部分。 

图1 “元宇宙”特征对应技术群支撑系统框架图 这是在信息化向智能化不断攀升过程中降临在人类面前的数字化生存新时空、新天地，展现了包括教育医疗等所有领域走出工业文明步入信息时代的希望与未来。 下面简要介绍近十年来我们团队在探索人工智能、大数据等前沿信息技术运用于我国医疗健康系统，破解该领域一系列难题的做法和感悟。 当前中国医疗健康服务体系有二大痛点：其一、没有家庭医生/全科医生服务体系，其二、90%的优质医疗资源集中在不到10%人口居住的大城市，导致的结果是“无序就医”，“看病贵、看病难”。 2010年我们创建了北京智慧经纶健康科技公司，团队专家包括国内外大数据与人工智能专家、国家医疗健康信息化专家，与中华医学会、中国健康促进基金会、国家疾病预防控制中心、全国近700家三级公立医院等合作开展了一系列国家级医疗健康大数据科研项目，采集、治理（数据清洗与结构化处理）与分析（数据建模与分析）一亿人的医疗健康大数据，将基于西医循证医学与中医辨证施治的医学临床路径与基于机器学习的大数据疾病预测模型相结合，开发了基于“知识图谱/贝叶斯推理网络+机器学习”的“医学AI大脑”（探索新一代人工智能技术在医疗健康领域的创新应用与发展），开发了“AI三云联动”（全科医疗AI云、专科医疗AI云、家庭健康AI云）全民健康智能服务平台，为患者/客户提供中西医智能诊疗和“预防、保健、诊疗、康复”全流程一体化的医疗健康服务体系（如图2所示）。 在国家卫健委指导和支持下，我们部署了人工智能赋能基层医疗的示范工程，入选国务院发展研究中心智库《改革开放40周年成果：中国样本》成功案例，被誉为“人工智能赋能的21世纪赤脚医生”，世界银行和世界卫生组织专家团实地考察后给与高度评价。“AI三云联动”全民健康智能服务平台现已部署两千多个医疗机构、服务覆盖一千多万人。人工智能与人类智能的“共生系统”（人工智能赋能医生服务/患者管理，全流程服务与管理数据反馈优化人工智能，两者建立相互支撑、增强学习的共生系统），是快速提升百万级数量全科家庭医生的医疗服务能力、实现具有自学习能力的医学人工智能、提供普惠医疗与全民健康服务的有效方法与实施路径。2022年春节后新冠病毒在香港全面爆发，我们应邀通过医学AI大脑开发和部署了“新冠中医AI诊疗与防控系统”，助力香港医生实现了新冠患者中医诊疗临床全过程AI数字化管理服务（诊断、治疗处方、药品出单及配送、初诊复诊、疗效评估、统计分析等），极大地提高了香港医生的新冠诊疗能力、效率、专业化水平及患者管理能力，得到香港医生、特区政府、国家援港抗疫中医专家组的高度评价。 

图2 “AI三云联动”健康智能服务平台/人类智能与人工智能医学共生系统示意图 我们希望能与教育领域的同行开展更深入的合作，携手破解我国人才培养和健康生态文明建设的数字化转型难题。 桑：余博士介绍的经验、成果和感悟，对智能化、数字化的内涵、结构、前沿、趋势作了系统化、专业化的解读，尤其是总结和展现了人工智能技术在医疗健康领域创造性应用的成功案例，其中有三点特别值得借鉴：其一是创建“三云联动”的“医学AI大脑”，整合了国家医疗健康部门、医院、患者的多层次、多样化需求和提供这些需求服务的各类资源，并在人机结合的数据挖掘、深度学习中形成了快速迭代的智能化超循环生长系统；其二是开发出直接面向患者、家庭和基层医生的中西医AI终端设备，在基层医院和三甲医院创建支持该终端的全科-专科医生AI工作站，并与云端的“医学AI大脑”联网，提供“预防、保健、诊疗、康复”全流程、智能化的医疗健康服务体系；其三是深入持久地开展人工智能专家（PhD）与医学专家（MD）的深入交流对话与有效协作，实现人工智能专业技术语言、思维方式，与医疗健康领域专业术语和思维方式的交流、沟通，培养出一批能听懂和理解对方语言的跨学科人才，由此创建各领域智能化人才培养的新模式。这些对破解当前教育数字化转型中的痛点和难题具有很强的启示。 数字化转型中的IT治理与管理流程再造

教育数字化转型系统工程笔谈刘永贵 桑：在教育信息化艰难探索中，体制、机制始终是困扰教学创新的难题和必须突破的瓶颈。刘永贵博士（简称“刘”）2001年加入我们团队，是南京大学教育技术创业团队的核心成员，其博士论文的主题就是高等教育信息化体制创新与管理流程改造，现任南京邮电大学教育科学与技术学院副院长，十多年来对教育信息化体制机制创新有深切的感悟，我们听听他的见解。 刘：教育数字化转型是以大数据、云计算、物联网、人工智能等新一代信息技术为基础，以教育数据为生产要素，在与课程、教学、师生、评价、管理等各教育要素的融合中，发挥数据潜能，促进教育变革，重构教育新生态的过程。20多年来，我们团队关注教育信息化宏观、中观的战略研究，同时与政府教育信息化部门、IT企业合作，深耕教育信息化实践舞台，亲身经历了从教育信息化1.0、2.0到教育数字化转型的演进发展，深切感受到体制一直是制约信息技术与教育深度融合创新的主要瓶颈。工业文明造就的行政管理体制条块分割，成为信息流通的壁垒，教育数字化产品供给主体割裂，各部门对数据所蕴含权利的“撼守”导致我国教育数据治理举步维艰。为突破这一屏障，2022年12月20日，国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》[1]，为以深化教育数据治理，促进教育数字化转型提供了契机。抓住这一机遇，从教育数据基础制度建设入手，在跨层级、跨部门、跨领域的教育数据开放、共建共享中推动管理流程再造与教育行政部门职能重构，建立多元主体参与的现代教育治理体系，提高管理服务水平和绩效，是当前教育数字化转型的重要使命和必由之路。 一、完善教育数字化治理体系，在管理向服务的转型中提高绩效 数字化硬件、软件、平台的互通是消除信息孤岛的技术基础，也是当前国家教育新基建的基本原则。然而我国教育数字化建设主体复杂多元，厘清教育数字化建设主体权责并促进其协同创新，是实现“数通、数融、数治”的关键。具体实施需要从以下三方面入手。首先需要整合电教、装备等教育数字化管理部门，从决策管理层打破政出多门的数据分隔状态；其次，将下级政府教育CIO（Chief Information Officer）纳入上级数字化规划决策体系，打破纵向体系中的“结构僵化”问题，实现各层级教育数字化系统在互通中的协调一致；第三，明确政府的教育数字化服务者角色，超越“重管理、轻服务”的权力控制惯性，上级政府主动为作为用户的下级政府、学校提供服务，以形成用户体验驱动的教育数字化产品良性迭代机制，走出“教育数字化产品多，师生却无好产品可用”、教育数字化产品供给“强推强用”的怪圈。 二、建设教育数据基础制度，推动管理流程的优化再造 教育数字化治理体系的完善为数据的萃取整合、交换共享提供了体制保障，然而数据是否能对教育发展产生价值，取决于政府与社会对数据及数据能够赋予教育何种意义的理解，其本身无法自动产生价值和有意义的制度安排。建立教育数据基础制度，推动跨层级、跨部门、跨领域、跨时段的教育数据流动，并在数据协同中推动管理业务流程再造与协同治理发展，是以数字化转型推动教育治理体系现代化的有效路径。教育数据基础制度的建立必须站在全局高度对教育数据标准、产权、流通、使用等进行顶层设计与统筹规划，数据壁垒的背后是部门利益，甚至官员个人利益和控制权力。教育数据生产、流通、分享、使用过程的厘清必然会推动管理流程的优化与再造，形成新的跨层级、跨部门、扁平化、网络化的教育组织结构与业务协同联动。对各参与方教育数据持有权、加工权、使用权等的厘定，必然会带来各群体数据权利的重构，推动教育行政部门职能调整、岗位精简、功能创新。在教育数据的整合互通和互操作中，形成多部门联动的事前预警、事中处理、事后完善的协同治理模式。 三、加强各群体教育数据合法权益保障与数字素养提升 教育数据治理过程是从单一权力中心向多中心发展的民主化过程。然而既有的权力惯性与集权管理思想使得政府在教育数字化建设中更愿意采用全面负责、行政强推的干预模式，走向“数字集权”。事实证明，依靠行政命令是不可能产生真实的高质量数据，更不可能为人民提供满意的数字化教育服务。《关于构建数据基础制度更好发挥数据要素作用的意见》明确提出不得采取“一揽子授权”、强制同意等方式过度收集个人信息[2]，这为教育数据治理的民主化提供了政策依据。要认识到人工智能、大数据赋予教育行政部门的不应是向各类教育主体“单向强制索取数据、监控下级教育组织”的数字集权，而是更好地向各群体主动开放政府公共教育数据，实现政务数据、教育决策过程公开透明，提供基于数据教育服务的能力，是赋能多元主体借助数字技术多渠道直接或间接参与教育决策、执行和监督的治理能力，是更好地为人民提供基于数据的个性化服务，办人民满意教育的能力。教育数据潜能的激发是以海量教育数据规模的形成和丰富教育应用场景的探索为依托，而各级教育主体参与教育数据治理的意愿与能力是关键。要对教育行政部门、事业单位依法履职或提供教育公共服务过程中产生的数据做出明确规定，在确保数据安全的前提下主动分享教育公共数据。要明确个人信息数据确权授权机制与合法权益保护制度，确保其个人信息数据是依法依规授权有关单位使用，并充分保护数据来源者享有获取或复制转移由其促成产生数据的权益。与此相适应，全面提升相关群体的数据素养，提高其基于数据参与教育治理的能力。个体间数字素养差异有可能带来群体间教育权利新的不平等，政府要依托教育技术学、大数据等相关专业培养教育数据治理专门人才，提升教育数据治理水平。同时更要全面提升教育决策管理者、师生、家长等群体的数据素养，消除不同区域间、人群间的数字鸿沟，这是教育数字化转型中更基础、更根本的信息文化新生态建设。 参考文献：[1][2]新华社.中央中共国务院关于构建数据基础制度更好发挥数据要素作用的意见[OL]. 文章引自：桑新民，谢阳斌，余中，刘永贵.教育数字化转型系统工程笔谈[J].现代教育技术，2023，（1）：5-16.

本文系“MOOC”公号转载、编辑的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时内审核处理。