预见学习的未来:人工智能学习准备度的框架研制及实践进路

为人工智能的未来做好准备是推进教育生态高质量、可持续发展的关键抓手。然而,学习者应提前做出哪些准备?学界尚缺乏科学完善的标准和依据。鉴于此,该研究采用文献元分析、德尔菲和层次分析法,遵照“确定指标体系→计算指标权重”的研制流程,确立了人工智能学习准备度的指标结构及各指标权重。研究结果显示,4个一级指标权重依次为:智能能力准备(0.5184)>智能知识准备(0.1850)>技术思维准备(0.1603)>智能条件与支持(0.1363)。10个二级指标权重依次为:非认知能力(0.3911)>认知能力(0.1273);软知识(0.1460)>硬知识(0.0390);人机协同思维(0.0679)>主动转变思维(0.0553)>计算思维(0.0213)>设计思维(0.0158);智能化投入(0.1019)>社会性支持(0.0345)。36个三级指标中,排在前三位的是:智能心智知识(0.1228)>智能志趣(0.1134)>技术焦虑管理(0.0815)。基于度量结果,为增强人工智能学习的充分就绪性,提出未来优化方向:管理技术焦虑,提升学习者的非认知能力;重视情意心智,增长学习者的智能软知识;适应人机协同,转变学习者的智能化思维;优化制度保障,调动学习者的主动性心态。