英教育家重磅报告:AI 教育改革不能再观望

2026年9月22日，英国著名教育家安东尼·塞尔登 (Sir Anthony Seldon，曾出版《第四次教育革命：人工智能如何改变教育》，中译本2019年由机械工业出版社出版)和风险投资家蒂姆·邦廷 (Tim Bunting) 联合撰写的《英国前所未有的教育机遇：为何我们的AI教育仍停留在起跑线上，又该如何突围》（Britain’s Greatest Education Opportunity Ever：Why our approach to AI is stuck in the starting blocks; and how to get out）报告发布。报告阐述了为何英国教育AI的进程停滞不前，并提出了打破僵局的方案，其中包括一份针对政府的“十点行动计划”。报告的主要内容概述如下：

一、报告的核心论点

1.英格兰正在为一个已经不复存在的无AI世界办教育

报告指出，现代教育体系是为一个知识获取不均、高质量解释和专家反馈稀缺、信息复制与处理能力具有明显经济价值的世界而建立的。

学校、学院和大学也因此相应地组织起来：学生按年龄分组，以班级形式接受教学。限时考试成为教育“筛选”的主要工具。如果学生能够独立完成答题，那么他很可能已经理解了所学内容。

但那个世界已不复存在，尤其是2022年底ChatGPT发布以来。何时以及如何应用AI，不仅仅是一个“教育问题”，更是一项全人类面临的挑战，而教育界向社会各领域汲取经验至关重要。

2.AI与以往的教育技术浪潮有着根本的不同，因为它具有生成性和前瞻性

报告指出，AI应用规模的增长，不仅仅是新技术（如早期的互联网接入或第一、二代信息技术产品）进入校园的又一例证。随着广泛应用且开源的AI技术的出现，教育领域所面临问题的性质发生了根本性变化，具体体现在三个方面：可观测的对象、可观测的规模，以及针对这些情况可采取的应对措施。

首先，可收集并进行分析的数据量呈指数级增长。

其次，可收集的数据类型的扩展。早期的教育技术（EdTech）只能捕捉那些已转化为机器可读格式的信息，学习的实质内容（如长篇写作、口头讲解以及通过对话展现的推理过程）在软件眼中往往是“不可见”的，因为对其进行评估需要人工介入，从而产生高昂成本。大语言模型（LLM）极大地降低了这一成本。教师所关注的评估内容，如今首次能够实现持续且大规模的评估。

第三，AI具备了自适应能力——它能够根据对更丰富、更优质数据的分析，生成并呈现相应的内容。综合来看，这种对学习过程更深入的理解，加上未来教学工作的自适应特性，意味着预测结果将更加精准。

正因如此，当前英格兰的许多讨论，甚至国际学术界中的大量研究，都显得过于狭隘。这些讨论提出的问题如“AI如何影响教师工作量、作弊行为、课外辅导、评估方式或学业成绩？”固然重要，但它们仅仅局限在现有教育体系内部。

更深层次的问题触及了这一挑战的本质：技术如何以一种自发生成的方式支持学习？在一个曾经被视为人类智慧与努力的结果的能力不再为人类所独有的世界里，教育的意义何在？答案绝不应仅仅是因循守旧、一成不变。

应对之策不应是退而求其次，仅仅空谈所谓“未来技能”。知识依然至关重要。基础的读写与计算能力至关重要。

学科专业知识也至关重要。如果缺乏历史知识，学生便无法识别历史论文中由AI生成的劣质内容；教师如果不懂教学法与学习过程，便无法判断AI生成的教学序列是否有助于学生建立理解。正如那些致力于构建、评估或部署AI系统的人，必须理解其创建与部署背后的基础数学原理一样，专业知识并未过时。

在许多重要方面，专业知识反而变得愈发宝贵。然而，教育价值的重心正在发生转移。既然机器已日益能够提出高质量的问题并给出合格的答案，那么各级各类学校就必须更加重视那些支撑“生成答案”这一过程的能力：包括判断力、解读力、批判性思维、伦理推理、口头阐述、专注力、协作能力、创造力以及跨领域整合思想的能力等。

3.AI问题的核心，本质上是一个关于数据力量的问题——一个已被更广泛的社会和经济所接受的问题

正是在这一点上，当前的英国教育体系显得日益脆弱。在一个数据驱动的社会中，它却缺乏数据支撑；本应广博之处，它却显得狭隘；本应灵活应变之处，它却在结构上墨守成规。它依然倾向于将改革视为在既有体制内微调问责机制的问题，而不是去反思这套体制最初是否是为了适应一个截然不同的时代而建立的。

外界经验表明，若缺乏丰富详实的核心数据，教育的进步将步履维艰。教育涉及的数据维度无穷无尽：学生的精确年龄、社会环境指标、最近一次形成性评估的表现（细化到能识别具体认知误区的题目及子题层面）、周围同学的表现、键盘敲击记录，甚至是考试时的室温。

不过，一个好的教育数据战略绝不仅仅意味着收集更多的学生信息或学业成果数据。它需要构建具有互操作性的数据维度——即一种能够持续进化的数据结构；这种结构之所以能不断进化，正是因为它能与其他数据源结合，从而解答单一数据集无法回答的问题。

这些“数据湖”将为机构的决策制定与行为预测提供依据，因此必须加以构建。如果这一切成为现实，教师的生产力将发生巨大变化，而学生与教师的学习模式也将变得永无止境。

4.当前的教育政策可能将AI引入一个表现不佳且无法自我改进的系统中

主张英格兰改变教育方针的理由始于一个许多决策者不愿承认的严酷事实：现行教育体系的表现并不足够出色，因此并不享有“理应维持现状”这一预设优待。支持者或许有理由指出，英格兰在阅读、数学和科学方面的表现强劲——这得益于“知识与标准”议程所取得的成就——并以此作为国际比较中的有力佐证。然而，这些优势掩盖了深层的不平等问题。

与此同时，教育体系在其他大多数衡量指标上也已不堪重负，甚至陷入困境。教师的招聘与留任依然是亟待解决的政策难题；对于日益增多的有特殊教育需求及残障的儿童，以及心理健康需求未获满足的群体，相关支持力度严重不足；越来越多的年轻人离校或结业后处于“无去向”状态；此外，人们对高等教育价值的质疑声也日益高涨。教育体系在“哑铃型”分布的两端均未能交出满意答卷——无论是针对能力最弱的学生，还是针对能力最强的学生。

因此，英格兰并非从一个稳定或明显合法的基准开始。生成式AI加剧了这种不稳定性，并促使超越那种因循守旧的体系。如果某种“成功”的基准或愿景已无法适应学生即将步入的AI时代，那么继续追求它便毫无意义。

问题不仅在于现行体系未能实现其既定目标，更在于它缺乏自我完善的机制。若任其自然发展，它将无法进行大规模的变革与适应，从而难以把握AI带来的机遇（或规避其风险）。

英格兰的教育体系处于“结构性停滞”状态：它无法自发变革，即便面对第五次工业革命的迫近，各方也未就其对教育未来的影响展开实质性探讨。

5.如果不采取明智的行动，就有可能导致人类能力下降和知识丧失

AI并非百利而无一害，现在面临的任务绝非任由其在教育领域肆意渗透。在教育中广泛应用AI，其风险不仅仅在于学生可能利用它作弊，或导致评估监管变得更加困难；但全盘拒之门外也并非良策。真正的挑战在于：既要最大化发挥AI的积极作用，又要防范它可能对人类自身发展、自主性及自信心造成的侵蚀。

若教育模式不做出改变，AI将逐步瓦解人类智能、自主性及自信心赖以形成的根基。一个习惯于将思考任务“外包”给大语言模型的孩子，虽然能产出更精致的成果，但其内在能力却可能不进反退。若AI应用不当，教育系统可能导致大规模的依赖心理、思维同质化以及学习上的被动性。

这便潜藏着一种逐渐滑向“幼儿化”的风险：人类的能力正一步步让渡给那些旨在进行预测、推荐、说服及决策的系统。其危险之处不仅在于低阶思维占据主导，更在于人类在深度思考与成熟自主行为所需的各项素养（如专注力、记忆力、判断力、自制力、解读力、质疑精神及耐力）上的实践与磨练日益匮乏。

从这个意义上讲，真正的威胁并非AI本身，而在于教育体系在缺乏充分的防护机制、审慎判断及明确目标的情况下，对AI产生过度依赖。

6.但当前英国政府的政策并未推动关于明智采纳和防止弊端的讨论

英国政府似乎比世界上几乎所有国家都更擅长制定AI政策，但在将AI应用于公共服务方面却很差。

教育领域就是其中一例。政策构想是正确的，目标也相当宏大。然而，在学校等场所，英国的进展却远远落后。在英国的教育竞争对手中，AI驱动的产品已被广泛应用：从个性化辅导、生成教学资料，到辅助有言语和语言障碍的儿童，再到缓解合格教师短缺问题以扩大教育覆盖面，不一而足。

不能想当然地认为，技术变革的到来会足够缓慢，以至于教育体系能够按部就班地逐步消化——即认为技术会迁就政策制定、研究进程或政治日程，从而有时间等待“完美”的解决方案或“完美”的时机。AI的飞速发展要求必须主动介入。

因此，当务之急是有意识地采取行动，并加快步伐：明确发展方向，划定边界，提升能力，并做出阶段性决策，以便随着证据的不断积累对决策进行适时调整。

7.惯性并非一个令人满意的答案，因为它会引发对国家资助体系整体合法性的质疑

面对针对公共服务的突发外部冲击，政策制定者和体制内的惯常反应往往是“按兵不动”，静观事态发展。这种做法通常不无道理：行动过快容易将早期信号误判为干扰信息，从而在问题尚未真正达到稳定状态时就仓促应对。

针对新事物出现的早期迹象，往往无法反映其大规模应用后的实际影响，这意味着政策干预可能会出现偏差。

教育改革在政治层面上常被视为高风险之举，部分原因在于教育在各项国内政策领域中享有某种特殊的“受保护”地位。即便教育体系本身已承受巨大压力，人们往往仍倾向于认为维持现状是风险最低的选择。

无论是政策制定者、政府官员还是相关利益方，都普遍缺乏一种认识：不作为（或加速行动）本身也是一种选择，而且这种选择往往伴随着日益高昂的代价。

在节奏相对缓慢的时代，这种逻辑或许尚可接受；但在技术实时迭代、且在政策法规尚未跟上之前便已深入儿童生活的当下，这种做法则显得愈发难以容忍。

由于缺乏关于学习成效和技能差距的及时且可比的数据，教育体系往往无法具备足够的灵活性，以适应社会及劳动力市场不断变化的需求。这也意味着英格兰的教育体系将无法在世界舞台上竞争。

当前大量研究正确地警告称，如果过度使用或过早应用AI，可能会削弱认知发展，鼓励学生将任务外包而非投入努力，并降低学生、教师和家庭之间的信任。这些担忧不应被忽视。

但还存在一个尚未被充分重视的第二大风险：如果家庭、工作场所以及更广泛的文化环境被AI充斥，而学校和大学却表现出仿佛AI只是暂时性污染，需要加以隔离的态度，那么整个系统的正当性就会开始动摇。学生、家长和雇主都将察觉到这种差距。教育机构将不再被视为对生活与工作的认真准备，而更像是一个保护性的虚构幻象。

8.其他国家则走的更远、更快

目前英国的教育体系（此处主要指基础教育和中等教育系统，尽管与大学有许多相似之处）并未被建立为能够充分利用AI这一机遇。

例如，爱沙尼亚在欧洲最为人所知的是其在采用AI方面的工作，这不仅体现在教育领域，还体现在所有公共服务领域。“AI Leap”是一项国家级计划，它将生成式AI视为一种公共基础设施，而非将采购决策权下放给学校。新加坡、澳大利亚、中国、欧盟等也都做出了积极行动。韩国则是一个弄错了方向需要扭转局面的案例，其数字教科书投入巨大但采用却不高。

9.挑战与机遇属于每个人——政府、学校管理者、企业以及家长和年轻人

AI为英国教育领域带来了最大的机遇——即构建一个高度个性化、具备预测能力且能自我优化的系统，让每一位年轻人都能从中受益。与此同时，AI并非是绝对好事。其使用与滥用伴随着诸多弊端；正如世界其他国家和教育体系所做的那样，建立相应的“护栏”机制来规范AI工具的开发、传播、使用及解读，是完全必要的。

然而，这不应也不可能仅仅由政府一力承担。从更广泛的层面来看，AI是一项具有时代意义的技术，它必将像历史上那些划时代技术一样，彻底重塑并挑战经济、社会及地缘政治的根基。面对如此巨大的机遇与挑战，单靠政府的力量是远远不够的。

政府应当确立边界并引领市场发展。英国素来擅长制定宏伟蓝图，但在执行层面却往往不尽如人意。由学校及校领导针对这项技术各自做出数以千计的单方面决策，既不合理也不公平。

然而，恰恰是学校和校领导负责将这些技术落实到日常教学中，并负责采购及向学生推广应用。他们已无需再纠结于AI是否会进入校园——因为它早已无处不在。

各类企业——无论是否直接涉足教育类人工智能产品的供应——也在塑造着这一技术应用的大环境。企业及其他行业同样面临着诸多类似的挑战。尽管它们的行动更为迅速，但也并非无所不知，许多企业同样对未来的发展路径感到迷茫。若各行业在应对相同挑战时各自为政、无法相互借鉴，无疑是一种低效之举。

最后，家长和年轻人既是这项技术的使用者与受益者，也最容易遭受其潜在危害。民调结果明确显示，年轻人已全面拥抱AI能，并同时掌握着这项技术所带来的机遇与风险。政府的职责不仅在于向他们学习，更在于建立一套体系，让他们能在适宜的年龄和方式下，与技术共同学习成长。唯有齐心协力，英国才能迈出起跑线。

10.解决这个问题的最佳时机是几年前，但次佳时机就是现在

将AI与英国教育体系面临的他挑战同等视之，属于范畴错误。对于国家资助的教育体系而言——其宗旨在于帮助年轻人为未来的工作、社会生活及个人人生做好准备——AI构成了一种关乎根本的挑战。

尽管时光无法倒流回2022年甚至2012年，但英国可以汲取起步迟缓的教训，即刻奋起直追。英国教育体系拥有诸多优势，完全有能力驾驭这项技术并化解其潜在弊端。

二、英国青年AI的使用现状

该报告不仅参考了最新的国际研究成果，还利用了由Public First机构针对英格兰4000名年轻人开展的大规模新民调数据，深入探讨了他们在学业及日常生活中使用AI的现状，以及这对学习方式的影响。调查结果显示：

1.87%的英格兰年轻人使用过AI工具；其中13-14岁人群的使用率最高，达到90%；

2.来自最高社会阶层的年轻人中，92%使用过AI，而来自最低社会阶层的这一比例为79%；此外，1/5处于NEET状态（即未就业、未受教育或未接受培训）的年轻人从未用过AI工具。

3.当被问及AI是否降低了学校教育的重要性时，42%的人认为重要性降低了，而35%的人认为重要性提高了。

4.尽管2/3的年轻人认为学校有责任教导他们负责任地使用这些工具，但仅有9%的人认为学校和大学在帮助他们适应AI时代方面做得很好。

5.2/5的年轻人曾利用AI探讨问题或倾诉感受，40%的人曾利用它获取健康建议。

6.在核实事实时，年轻人更信任AI而非真人（信任度分别为47%和21%）；在年轻男性群体中，这一比例更是高达52%。

7.38%的年轻人认为自己使用AI的能力优于老师。

8.71%的年轻人认为，AI将导致就业岗位减少。

三、AI时代英国教育的五种可能情境

报告指出，任何自信地预测AI在教育领域的未来走向、规模及影响的出版物，最终都很可能会被现实“打脸”。变革的节奏及其非线性发展特征，使得预测与规划这一变革变得比在其他任何领域都更为艰难。但这并不意味着应当停滞不前，或非要等到一切确定无疑才采取行动。

因此，证据至关重要。然而，相关的证据体系尚处于形成阶段，等到证据确凿、格局稳定之时，当初所考察的许多状况恐怕早已发生了变化。技术模型会不断改进，人们的行为模式会发生改变，而新的依赖关系、创造力形式、优势与弊端也将随之涌现。

为了帮助决策者深入思考如何应对AI议题，并推动英国在这一进程中迅速起步，该报告采用了基于情境分析的方法。

虽然无法阻挡AI进步的步伐，但可以决定教育系统应如何应对这一变革。其目标既不应是简单模仿这些系统，也不应退避三舍，而应着力深化那些让人类超越“孤立且可自动化任务之总和”这一范畴的核心能力。

这意味着要保护专注力、自主性、伦理判断力、创造力、人际关系、责任感以及人生目标感。这意味着需要探究是什么赋予了人的独特性，以及教育系统应如何维护并深化这种独特性。如果“机器智能高度普及”的时代真的已经来临，那么一个根本性的教育问题便无法回避：归根结底，教育究竟是为了什么？

为了帮助思考变革将发生在哪些领域以及变革后的图景，报告提出了五种情境。这些情境并非处于“变革程度由低到高”、从“传统”到“进步”或从“好”到“坏”（反之亦然）的线性光谱之上。它们都是切实可行的发展路径，每种路径都侧重于不同的价值目标，伴随着不同的风险，并需要不同的领导力举措。

总体而言，每种情境都考量了学校运作五大关键领域中的变革：课程、教与学模式、评估、经费体系以及学校的日常运作方式。针对这些及其他领域，每种情境都要求采取不同类型的改革，并基于对教育宗旨的不同理解，以及对哪些方面值得保留、哪些方面已不再站得住脚的不同判断

情境1：现状强化版（Status Quo+）——在英格兰现有系统架构中更快速、有限制地推进AI的应用

这一情境设想：英格兰的教育体系保留了其现有的核心架构——即注重知识积累的课程、循序渐进的培养路径、教师的权威地位以及高标准要求——但在这些既定框架内，更加审慎且相对快速地引入AI技术。

其核心观点在于，政府倾向于审慎行事的态度并非错误：学校本质上是承担育人与照管职责的机构，而非技术试验场，且草率应用AI确实伴随着现实风险。然而，审慎并不意味着无所作为或任由事态随波逐流。在此模式下，教育体系在保持连贯性的同时实现优化与务实提升：它打造了一个响应更灵敏、更具公信力且支持体系更完善的现有教育体系，利用AI改进教学实施、减少运行阻力、扩大支持服务的覆盖面，并帮助年轻人更切实地为AI时代的生活与工作做好准备，而无需从根本上重构整个教育体系。

情境2：人的繁荣发展（Human Flourishing）——一个更加重视培养判断力、品格、目标以及独特的人类能力的教育体系

这一情境始于一个关于目的的问题：教育的终极目标究竟是什么？

在生成式AI时代，这一问题显得尤为重要，因为我们正面临一个关键的抉择：AI既可能增强人类的主体性，也可能削弱它。在理想情况下，它能拓宽获取知识的途径，提供个性化支持，并将人们从繁琐的劳作中解放出来；而在最坏的情况下，它会导致人们在付出努力、行使判断和承担责任方面逐渐退缩，使人类的能力一步步让渡给那些旨在进行预测、说服、推荐和决策的系统。

当今社会的许多文化倾向正指向后者。该情境旨在扭转这一失衡局面，优化教育模式，更加有意识地培养那些对成熟人生至关重要的品质：智慧、判断力、人际关系、意义感、贡献意识与安全感。

情境3：跨学科学习（Multi‑disciplinary Learning）——跨越传统学科边界，强调跨学科性和技能

这一情境探讨了当AI削弱了“给出单一标准答案”这类技能的价值，却提升了“综合融通、知识迁移与判断力”的价值时，教育应如何进行优化。

其核心主张在于：在一个工作与公共生活日益呈现出流动性、复杂性与跨学科特征的世界里，教育应当更加宽广，避免过早进行专业细分，并应有意识地致力于帮助年轻人建立跨领域的知识联系。目前，英国的一些大学、私立学校、国际学校网络以及若干国家的教育体系，均已构建了此类模式的各种版本。

在此基础上，该情境提出了一种旨在优化广度、综合融通能力以及“跨学科间隙”思维能力的教育体系，而非侧重于知识的窄化与单一学科的专注。

情境4：加速学习（Accelerated Learning）——一个完全个性化的系统，按阶段推进，而非按年龄

这一情境探讨了如果英国选择以“掌握程度、学习节奏、响应能力及挖掘个人潜能”为核心目标，并辅以一套全面整合的AI系统来支持师生，教育将会呈现何种面貌。

在此情境下，AI使教育得以摆脱“工业化课堂”模式，转向个性化且包含丰富辅导支持的学习方式；常规教学环节得以精简，从而将人力资源更多地投入到指导、项目实践、挑战性任务及个性化支持之中。学生不再受限于既定的时间表，而是根据对知识的实际掌握情况来推进学习进度。

这一情境包含多种变体，能够为个体学生、学校乃至整个教育体系提供相应的灵活性。

情境5：好奇心驱动的终身学习（Curiosity Driven Lifelong Learning）——颠覆关于教育资金应投向何人及何时投入的既有观念

这一情境侧重于重心的转移：从单纯的“合规”转向“深度参与”，从追求“绩效”转向“探索发现”。

在AI让人们无需深思熟虑即可轻松完成工作的时代，教育体系更应刻意将“好奇心”置于核心地位。该模式致力于促进探索、自主学习与持久的学习动力；它利用AI并非为了让课业自动化，而是为了让学习过程更具趣味性，并增强教育与外部世界的互通性。

同时，它将终身学习、预期寿命延长以及劳动力市场变革等议题从空谈变为现实，并重新定义了何处才是当今投资回报率最高的领域。

四、对英国政府的十点建议

报告指出，AI正以惊人的速度飞速发展。本月刚入学的孩子们，将在21世纪40年代初步入职场。届时，AI将彻底重塑世界，使其面貌与今日截然不同。

我们绝不能再忽视当下的紧迫形势。英国政府虽有良好初衷，但其应对举措既非世界领先，也缺乏魄力，显得过于审慎而不够果敢。

创新速度意味着，若能在教育领域（乃至其他所有行业）有效优化AI的应用，国家将获得指数级的竞争优势；反之，若我们行动迟缓，劣势便会进一步加剧。当其他国家在赛道上加速驰骋时，英国却仍滞留在起跑线上。

报告提出的10点行动计划阐明了国家层面应如何应对——即必须具备相应的紧迫感、活力、领导力、协调能力，并充分了解全球动态。这份计划的制定刻意追求高效迅速，这也是形势使然。它要求英国展现出如同应对过去历次国家级危机（包括世界大战和全国性疫情）时那般的紧迫感与行动力。

1.首相应在2026年年底前——即詹姆斯·卡拉汉（James Callaghan）在拉斯金学院（Ruskin College）发表那场著名演讲的50周年之际——就AI在教育领域的应用发表具有里程碑意义的演讲，以彰显在AI推动下，使教育与现实世界相接轨的重要性。他应宣布制定一项“国家AI教育应用框架”；该框架应于2027年春季完成开发，以便从2027年9月起在各类学校及高等院校推广实施。此外，还应在2027年夏季学期开始前出台相应的教职员工发展与培训国家计划（旨在加速推进新的“数据与数字技能发展路径”）。

2.各学校及院校应在经其管理机构批准的“学校/院校AI战略”中，明确如何结合自身实际情况落实“国家AI教育应用框架”，并确保该战略于2027新学年伊始正式启动。相关战略应基于政府于2027年春季向各机构发布的模板进行制定。每所学校都应在教职员工和学生群体中指定“AI推广先锋”（AI Champions），致力于帮助所有人加深对AI的理解。

3.政府应立即启动大规模的AI宣传普及活动，面向各年龄段人群提供资源，使公众认识到学习AI与数据知识的必要性，并了解其中的机遇与风险。公众的认知与理解将是政府AI改革取得成功的基石。从托儿所、各级学校、高等院校到成人社区教育及就业服务中心，政府需覆盖学习者、家长及求职者等各类群体，紧急开展全民教育，强调安全有效使用AI的重要性，培养关于AI本质（即AI能做什么与不能做什么）的批判性思维，并普及有关数据的作用、风险及来源的知识。

4.政府应在2027年9月新学年开始前，遴选出100所在AI应用方面处于领先地位的小学、中学、特殊教育学校及院校，组建“AI推广先锋学校与院校”网络。全国所有学校及院校均应与其中一所建立联系（每所先锋学校对接约250所学校），以便向其学习并促进彼此间的交流互鉴。政府应与顶尖AI专家合作，确保遴选过程的质量。

5.英国教育标准局（Ofsted）应要求学校和学院制定并实施“AI战略”，并展示其对创新的承诺；对于未能做到这一点的机构，应下调其评级。该要求需在2027年9月前落实到位。Ofsted的督导员应接受培训，依据与获批第三方机构协商制定的学校认证标准来评估这些计划。Ofsted还应确保为所有在职教师及辅助人员提供高质量的专业发展培训，并确保所有新入职教师接受关于教育领域AI应用及AI基础知识的适当培训；随着AI技术的发展，此类教育培训也必须持续进行。特别值得关注的是，Ofsted应考察学校在创新数据收集、开放数据共享、学习意愿以及通过协作网络持续学习等方面的表现。在学校应用AI将是一个持续推进的过程。

6.负责在线安全的部门（隶属于文化、媒体和体育部，即DCMS）应在AI安全研究所（AISI）的意见和指导下，负责制定并发布针对学校和学院的先进指导方针与安全护栏，以降低AI给青少年带来的重大风险；相关工作应在2027年春季学期结束前完成。该部门应与全国防止虐待儿童协会（NSPCC）和Internet Matters等致力于儿童在线安全的机构开展合作。出于国家安全与保障的长远考量，政府应在现有“主权AI”基础工作（包括针对AI与学习的主权基准测试，以及Oak机构在Aila项目和课程知识图谱方面的成果）之上加快推进相关建设，以此构建一套连贯的国家级教育领域主权AI战略。

7.政府应变革英国学校和院校收集及使用数据的方式，以促进学生进步并提升教育标准。政府应持开放态度，收集各类被教育机构认为与预测成功相关的指标数据。可先从教育培训领域已知的基本数据入手，并就如何收集和利用此类数据向学校和院校提供指导。应建立一种联邦式数据模型：学校和院校保留各自的匿名化数据，但在安全治理框架下实现数据的开放访问与可移植性，确保数据能伴随学生在不同教育阶段的求学经历进行流转。在这一领域，教育不应成为孤岛，而应借鉴医疗、商业和体育等行业中已卓有成效的私营数据提供商及第三方专家的经验。应责成“主权AI基金”（Sovereign AI fund）投资第三方服务商，以加速相关经验的学习与应用推广。

8.首相应参照“国家网络安全咨询委员会”（NCAB）的模式，设立“国家AI教育咨询委员会”（NAIEAB），以整合业内各项领先举措，并赋予其正式的参与地位。该委员会应吸纳教育捐赠基金会（EEF）、Open Education AI（OEAI）及慈善机构“AI in Education”等组织——认可“AI in Education”在推广良好实践方面的教师认证工作等成果——并联合教育界以外的创新型机构，针对哪些措施行之有效、哪些无效，提供基于数据的快速实证分析。评估重点必须在于工具停用后所保留的能力，而非仅仅关注参与度或满意度。该委员会将由AI事务大臣与资深业界人士共同主持，以定期且富有成效的互动机制取代虚有其表的“敞开大门”政策，并以一年一度的旗舰活动“AI教育峰会”作为核心支撑。

9.政府应采纳OECD提出的“促进人类蓬勃发展的教育框架”（Education for Human Flourishing Framework），着力深化学生与教职员工的五项人类特有能力——理解世界、欣赏世界、在世界中行动、适应性解决问题以及伦理素养——所有这些能力都建立在“知识丰富型课程”（knowledge-rich curriculum）所取得的显著成就之上。该框架被视为应对AI挑战的最佳方案。该方案还针对了当前人们广泛关注的“重考试”课程体系所带来的弊端：这种体系在客观上挤压了学校在艺术、体育与身体活动、品格培养、创业精神及个人责任感方面的教育空间，并加剧了青少年心理健康问题的普遍化。自新冠疫情以来，OECD与七个PISA表现优异的国家合作，历时五年开发了这一模型。该模型在汲取现有教育模式优点的基础上，致力于发掘、培育并发展每位年轻人的独特好奇心与天赋，从而最大程度地提升他们善用AI的能力，避免过度依赖AI或因过度依赖而导致能力退化（即“低龄化”倾向）。

10.政府应联合英国资格认证与考试监管局（Ofqual）及各考试机构，改革考试内容与评估方式，利用AI技术以可负担的成本实现更大规模、更丰富的评估模式。若不改变考试内容与形式，学校或学院制定的“AI战略”恐将沦为一纸空文，而无法真正带来实践层面的变革。在参考弗朗西斯（Francis）评估报告关于缩短“关键阶段4”（Key Stage 4）考试时长的建议基础上，政府应引入深度探究、口头答辩、项目作业及跨学科任务，与传统正式考试并行，以此考察那些AI无法复制的人类核心能力。政府应采取“双轨制”评估模式：对于教育历程中关键节点的少数高利害关系考试，保留严格监管下的安全评估方式；而对于其余评估环节，则采用AI辅助的持续性评估，以考察学生的知识掌握情况。这一做法借鉴了澳大利亚高等教育监管机构的经验，即将评估分为两类：一类是确保关键学习节点成效的安全线下任务；另一类是贯穿学习过程的开放式任务——在这些任务中，AI的使用受到引导与支持，而非被简单禁止。随着时间的推移，这种基于数月学习过程而非单次考试所形成的持续性评估图景，既能减少对课程终结性评估的过度依赖，又能确保评估体系的严谨性与公信力。

资料来源：

Sir Anthony Seldon & Tim Bunting. Britain’s Greatest Education Opportunity Ever：Why our approach to AI is stuck in the starting blocks; and how to get out. https://assets.nationbuilder.com/stonehaven/pages/6430/attachments/original/1790070901/Britain's_Greatest_Education_Opportunity_Ever_report.pdf?1790070901