人工智能在教育领域有哪些应用场景？有哪些注意事项？10月26日，在2024年北京市数字教育工作推进会上，《北京市教育领域人工智能应用指南（2024年）》（以下简称《指南》）正式公布，明确了人工智能在教育领域应用规范，指导学校、师生稳妥、有序地开展应用实践。该指南也是由北京市教育行政主管部门委托研制并发布的首份教育领域人工智能应用指南。

该《指南》由北京市教委委托，北京教育科学研究院牵头，联合北京师范大学、北京智源人工智能研究院共同研制。《指南》旨在对学校教育应用人工智能进行引导和规范，为教育工作者提供系统化的指导，帮助他们将新技术更好地融入到教学与管理中。

引导规范29个典型场景 学校教育关键领域全覆盖

记者了解到，《指南》明确了以“智”助教、以“智”助学、以“智”助评、以“智”助育、以“智”助研、以“智”助管等六大重点应用领域，全面涵盖了人工智能在学校教育中的所有关键应用层面。

同时，《指南》对六大重点应用领域中的29个典型场景提出了引导和规范，确保人工智能技术在教学、管理、科研等各个环节中充分发挥作用，为教育工作者提供明确的操作框架，使复杂的技术应用变得易于实践。

AI学伴协助规划学习路径、语言学习助手助力口语听力技能提升、利用人工智能提供个性化学习辅导、以VR模拟身临其境的学习体验……在以“智”助学方面，《指南》强调，学校要围绕“以学生为中心”理念，积极利用人工智能技术助力学生个性化学习、研究和实践，促进学生在不同学习环境下的自主学习能力和探索性、创新性思维发展。

在人工智能技术赋能教学方面，《指南》提出，学校可以为教师提供智能教学助手，在智能课程设计、智能备课、个性化教学、智能课堂管理、智能教学分析、智能作业批阅、智能辅导答疑、智能学情分析等应用场景方面开展实践探索，提升教育教学质量，实现教师工作提质增效减负。

《指南》还引导学校利用人工智能构建面向师生的多元化评价体系；积极利用人工智能技术在智能阅读、智能体育训练、智能美育教育、个性化心理支持等方面开展实践探索；借助人工智能积极构建新型智能教研生态；利用人工智能实现多模态、全景式、动态化的校园智能化管理。

人工智能技术应用要“以学生为中心”

与此同时，《指南》还对学校的教育人工智能应用作出规范要求，包括不得使用人工智能危害国家安全和利益、损害国家形象或宣扬法律法规禁止的内容，不得违背基本的教育教学规律和学生身心成长规律；全面了解生成式人工智能的风险、局限性与不足，严格保护个人隐私、敏感信息和涉密信息。

针对未成年人使用人工智能技术，《指南》明确表示，未成年人要在教师或家长的许可和引导下，适度使用生成式人工智能。及时干预学生沉迷或接触不良人工智能产品的情况，主动告知监护人，推动家校社协同，共同引导学生正确使用人工智能技术。加强人工智能通识教育，鼓励高校探索利用数字人、智能体等人工智能技术开设相关课程。

“无论技术如何发展，教育的核心始终是人的发展。”推进会上，北京教育科学研究院院长冯洪荣在解读《指南》时表示，《指南》研制过程中充分考虑了人工智能技术对不同年龄段学生的影响，确保技术应用的最终目标是促进学生健康成长，人工智能应用应立足于学生的全面发展，其价值在于引导学生进入更深层次的思维，促进科学发现和创新能力的提升。

同时，《指南》强调了批判性使用人工智能的理念。教育系统应成为人工智能技术的引领者，通过合理使用人工智能，确保它成为教育创新的助推器，而非束缚学生思维的工具。人工智能是实现高质量教育发展的重要工具，但其使用方式应始终围绕学生个性化发展、教师专业成长和教育质量的提升展开。

北京启动“数据集”“测试场”建设

日前，北京发布的《北京市教育领域人工智能应用工作方案》（以下简称《工作方案》）提出，三年内，北京市将建立健全教育领域人工智能应用和研发双向促进的长效机制与保障措施。

10月26日，北京市教育领域人工智能高质量数据集和人工智能应用测试场建设正式启动。

启动建设后，高质量数据集将致力于研发教育领域人工智能数据运营平台，并围绕“五育并举”提取具有育人特色的知识体系、专业术语、算法规则和表达逻辑，在北京数据基础制度先行区内，建立大模型预训练“沙盒”，为教育领域大模型落地应用提供有力的数据支撑。

人工智能应用测试场将模拟真实场景开展测评，形成符合教育教学规律的智能教育通用评价标准，加快推动全市教育领域人工智能大模型的合规准入，并定期对人工智能产品进入学校后进行动态监测，营造健康有序的应用氛围。

推进会上，北京师范大学人工智能学院院长黄华对人工智能应用测试场的建设思路进行了解读。他介绍，为了客观评测基础教育大模型产品的安全可靠性，北京师范大学和智源人工智能研究院携手构建的基础教育大模型测试场，将围绕“教育基础能力”“教育专业能力”和“安全可信能力”三大维度制定评测标准。在评测标准的指导下，收集多学科、多学段、多教育场景下的高质量教育数据，构建评测数据集，建设多维度的人机混合评测全流程。基础教育大模型评测平台建设完成后，将为教育人工智能产品提供评测服务，帮助产品及时发现问题。