AI之眼下的教与学--CCF YOCSEF广州激辩行为分析技术赋能教育的路径与边界

朱鉴陈炳丰王甜甜李雯霖

当AI开始“看见”学生的专注度、情绪状态和互动表现，教育迎来图像与视频行为分析技术赋能。一方面让课堂反馈、教学评估和课程调整变得更加可量化，另一方面也将学生隐私、行为规训与教育边界等问题推到了聚光灯下。为此，中国计算机学会（CCF）青年计算机科技论坛（YOCSEF）广州分论坛于2026年3月29日在广东工业大学计算机学院举办了题为“AI之眼下的‘教’‘学’：教育赋能还是数字规训”观点论坛。

本次论坛由CCF主办，YOCSEF广州学术委员会组织，广东工业大学计算机学院和广州唐邦信息科技有限公司联合支持。YOCSEF广州副主席朱鉴（广东工业大学）和AC委员、候任副主席陈炳丰（广东工业大学）担任本次论坛执行主席。论坛邀请了暨南大学官全龙教授、华南师范大学詹泽慧教授、香港教育大学孙丹儿副教授担任引导嘉宾，上海大学岳晓冬教授、南京邮电大学张珺教授、广州青鹿教育科技有限公司廖力副总经理担任思辨嘉宾。广东工业大学计算机学院院长李小平教授，CCF广州分部秘书长吴一冰（YOCSEF广州2021-2022主席），广东工业大学谭台哲（YOCSEF广州2014-2015主席）、中山大学李冠彬（YOCSEF广州2024-2025主席），往届副主席高静（广东恒电信息科技股份有限公司）、孙为军（广东工业大学），荣誉AC刘雷（广东科技报社），YOCSEF广州现任主席苏申（广州大学）、现任副主席姜思羽（广东外语外贸大学）、陈俊颖（华南理工大学），现任学术秘书李雯霖（广东财经大学），AC委员黄培涛（广州唐邦信息科技有限公司）、崔金荣（华南农业大学）、张帆（云米）、李宇翔（头歌平台），候任AC委员邱少健（华南农业大学）、胡宇（广东工业大学），以及陈薇（广东工业大学）、王甜甜（北京优诺UINO）、王映梅（广州唐邦信息科技有限公司）、潘俊修（广州恒联）等来自多家单位的40余位代表参与论坛。

在论坛开幕环节，首先由执行主席朱鉴介绍论坛背景，本次论坛以“AI之眼下的‘教’‘学’：教育赋能还是数字规训”为主题，围绕AI进入教育场景后带来的教学优化、隐私保护、算法公平与教育边界等问题展开讨论。再由本次论坛共同执行主席陈炳丰介绍与会嘉宾。

图1 论坛执行主席朱鉴介绍论坛背景

图2 论坛执行主席陈炳丰介绍与会嘉宾

随后，广东工业大学计算机学院院长李小平教授致欢迎辞，对论坛的召开表示祝贺并寄予厚望。接着，YOCSEF广州主席苏申围绕YOCSEF的定位与文化内涵，介绍了YOCSEF的名称由来、核心理念、分论坛机制以及YOCSEF广州的特色文化。

图3 广东工业大学计算机学院院长李小平教授致欢迎辞

图4 YOCSEF广州主席苏申介绍YOCSEF文化

引导报告环节，三位行业专家从技术实践、场景应用、与理论研究等角度切入，分享了对人工智能赋能教育的前沿观察与思考。暨南大学官全龙教授以“教育知识表征与推荐技术应用探索”为题，分享了教育知识图谱构建、多模态知识表征等核心技术，结合智慧教育场景详解个性化学习资源精准推荐的实践路径，介绍了相关科研成果与案例，为教育数字化转型与智能导学系统研发提供了可行技术思路。

图5 暨南大学官全龙教授作引导报告

华南师范大学詹泽慧教授以“因材施教，技术何为？”为题，分享了智能技术赋能因材施教的核心理念与实践路径，结合智慧教学场景剖析大数据、AI 在学习诊断与精准教学中的应用，探讨技术如何破解规模化教育与个性化培养的矛盾，为智慧教育创新发展提供了务实思路。

图6 华南师范大学詹泽慧教授作引导报告

香港教育大学孙丹儿副教授以“AI赋能的教育研究：理论与进展”为题，分享了人工智能赋能教育的核心理论框架与前沿研究进展，梳理了AI在学习分析、智能评价、个性化教学等场景的发展脉络与前沿趋势，进一步明确了未来研究需要关注的核心问题。

图7 香港教育大学孙丹儿副教授作引导报告

在三位引导发言嘉宾作报告后，YOCSEF往届主席谭台哲、吴一冰、李冠彬分别为引导嘉宾颁发感谢牌。

图8 谭台哲、吴一冰、李冠彬为引导嘉宾颁发感谢牌

随后，论坛进入思辨发言环节，该环节的嘉宾包括：上海大学岳晓冬、南京邮电大学张珺、广州青鹿教育科技有限公司廖力以及众多与会嘉宾。与会嘉宾围绕以下三个议题，从不同立场与实践经验出发进行了深入讨论。

思辨议题1：如何看待行为分析技术在挖掘学习规律过程中，对教育本质的影响？

与会嘉宾围绕“行为分析技术在挖掘学习规律过程中，将如何影响教育本质”这一议题进行探讨。与会嘉宾认为，人工智能与行为数据分析使原本隐性的学习过程得以被观察和识别，为理解学生差异、优化教学策略提供了新的可能。然而，教育不能被简单还原为可量化的行为指标。如果过度依赖数据评价和行为监测，容易将学习异化为迎合算法的“表演”，进而削弱教育应有的多样性与公平性。

思辨议题2：数据驱动的课堂如何在促进“智慧教育”的同时，避免潜在的“数字规训”倾向？

与会嘉宾围绕“数据驱动的课堂如何避免滑向数字规训”这一议题展开讨论。与会嘉宾认为数据系统应定位于服务教学与支持学习，而非对师生进行持续监管。技术不应成为“牢笼”，而应该成为“阶梯”。课堂中的技术系统，不在于强化学校的管理力度，而在于通过更科学的数据治理，帮助教师优化教学、帮助学生获得更有针对性的学习帮助，使教育管理更加精准、合理与人性化。

思辨议题3：AI技术赋能教育的能力边界在哪里？哪些场景适用，哪些存在滥用风险？

与会嘉宾针对“AI赋能教育的能力边界和场景在哪里，哪些场景及风险”议题进行思辨。与会嘉宾认为AI技术赋能教育有助于提升教学效率，其最适合应用于标准化、重复性和数据密集型环节，如学习路径规划、过程性评价和教学反馈等层面。然而，AI无法完全替代教师在价值引导、情感交流和因材施教等方面发挥的作用。如果过度依赖AI进行课堂互动、学生评价甚至能力判断，不仅容易造成师生隐私泄露等问题，也易导致对学生个体的隐性需求与创造力培养的忽视。因此，教育中的AI应用需坚持“人机协同”，让技术始终服务于教育，而非取代教育。