迈向敏捷治理，构建基础教育人工智能应用分类分级治理体系

“深入实施教育数字化战略”是“十五五”时期“办好人民满意的教育”的主要任务之一。[1] 2026年全国教育工作会议明确提出“扎实推进人工智能赋能教育，加快普及全学段的人工智能通识教育”等新一年重大任务。2026年3月，教育部召开国家教育数字化战略行动2026年部署会，强调要用好人工智能这一关键变量，以“人工智能+教育”为抓手，推动人工智能融入教育全要素、全过程、全场景，奋力开创国家教育数字化战略行动2.0新格局。自2026年3月1日起，《可能影响未成年人身心健康的网络信息分类办法》（简称《分类办法》）正式施行。针对未成年人，《分类办法》对网络信息内容分类管理作出专门规定，并对算法推荐、生成式人工智能等新技术、新应用、新业态可能带来的内容风险提出了防范要求，标志着未成年人网络保护进入精细化治理新阶段，同时也为我国加快构建基础教育人工智能应用分类分级治理体系提出了新目标、新要求和新依据。

基础教育人工智能应用分类分级治理的意义

人工智能对教育底层逻辑和样态重塑带来系统性影响、对教育培养创新人才和供给科技创新成果提出紧迫需求、对教育促进人口高质量发展带来全新机遇、对教育加强学生价值观引领和防范伦理挑战等提出全新课题。落实《分类办法》，加快构建基础教育人工智能应用分类分级治理体系，在战略层面，将未成年人保护与教育数字化战略实施有机融合，体现了保护与发展并重的治理理念；在制度层面，为破解当前人工智能教育应用管理中的标准缺失、监管缺位等难题提供顶层设计参考；在实践层面，为各地探索分类分级管理实践提供了方向性遵循。

（一）政策背景：从立法到落实的治理要求

《分类办法》由国家互联网信息办公室、国家新闻出版署、国家电影局、教育部等八部门联合印发，是根据《中华人民共和国未成年人保护法》《中华人民共和国网络安全法》《中华人民共和国个人信息保护法》等多部上位法，落实《未成年人网络保护条例》的关键配套制度。《分类办法》对网络信息内容生产者、网络产品和服务提供者提出“明确内容呈现管理”“添加显著提示标识”“健全技术保障措施”等要求。[2] 其第九条明确规定：“提供算法推荐、生成式人工智能等服务的，应当建立健全安全管理制度和技术措施，不得向未成年人推送可能影响其身心健康的网络信息。”基础教育阶段作为未成年人成长的关键阶段，人工智能应用场景广泛、影响深远。当前，全国基础教育领域人工智能应用呈现快速发展态势，已从“工具辅助”迈向“深度融入”，逐步嵌入教、学、评、研、育、管全链条，初步形成覆盖课堂教学、个性学习、教育评价、教师研修、五育融合、教育治理六大核心场景的立体化格局。人工智能技术的快速迭代与基础教育应用场景的特殊性，使得分类分级治理面临诸多挑战。如何将《分类办法》原则性规定转化为可操作的具体规则，建立符合教育规律和未成年人保护要求的分类分级治理体系，成为亟待解决的重要课题。

（二）现实意义：安全发展并重的双重诉求

当前，全球人工智能治理正处于探索初期，面临着“科林格里奇困境”（Collingridge Dilemma）与“步调难题”（Pacing Problem），即规制的时机和力度一旦把握失当，过早或过严可能扼杀技术创新、制约产业发展；反之则难以有效管控风险，或极大推升治理成本与难度。[3] 如何在防范系统性风险与维持技术活力之间寻求平衡点，已成为各国亟待破解的治理难题。针对这一挑战，2023年10月18日，中华人民共和国国家互联网信息办公室发布国际治理框架文件《全球人工智能治理倡议》，明确提出“推动建立风险等级测试评估体系，实施敏捷治理，分类分级管理，快速有效响应”。人工智能教育治理同样面临安全与发展并重的诉求，亟须引入敏捷治理理念。[4] 具体到教育场域，敏捷治理要求突破传统静态监管的局限，构建“监测—预警—响应—迭代”的动态闭环机制。[5]鉴于此，人工智能教育治理亟须依据不同场景的风险特征，设定差异化风险阈值和准入标准，建立多方参与的协同共治格局，从而在保障伦理安全底线的前提下，实现教育数字化转型的包容审慎与刚柔并济。

1.健全未成年人身心健康的防护体系

基础教育阶段的学生正处于身心发展的关键期，对网络信息的辨别能力、自我保护能力相对较弱。人工智能在提升教学效率、促进个性化学习的同时，也可能带来内容安全、数据隐私、算法偏见等方面的风险。建立科学有效的分类分级治理体系，能够为识别、过滤可能危害未成年人身心健康的信息提供明确标准，降低识别难度和执行成本，实现从事后处置向事前预防、事中控制的治理模式转变。

2.推动基础教育数字化转型的制度保障

教育数字化转型是“十五五”期间教育改革发展的重要方向。人工智能与基础教育的深度融合，需要规范有序的制度环境作为支撑。分类分级治理体系构建通过明确准入标准、使用规范、监管要求，能够为基础教育人工智能应用的创新探索划定安全边界，既鼓励技术赋能教育变革，又防范潜在风险，实现保护与发展双赢。

3.提升教育治理现代化水平的重要抓手

教育治理体系和治理能力现代化要求建立科学、规范、高效的治理机制。分类分级治理体系作为教育治理现代化的重要组成部分，通过标准引领、多方协同、技术支撑等路径，能够提升教育治理的精准性和有效性。深化“AI for教育治理”，提升教育治理现代化水平，可以推动基础教育人工智能应用打破部门壁垒、协同各方力量、精准配置要素，形成政府、学校、企业、社会协同治理的新格局。

基础教育人工智能应用分类分级治理的挑战

基于对我国基础教育人工智能应用现状分析发现，构建基础教育人工智能应用分类分级治理体系既必要且迫切，同时仍面临以下问题与挑战。

（一）制度体系层面：需要加强标准建立与政策衔接

一是分类分级标准体系亟待建立。目前尚缺乏全国统一的分类分级管理细则，各地在标准制定、执行尺度上存在较大差异。《分类办法》虽然明确了13类“可能引发或者诱导未成年人模仿或者实施不良行为的信息”，但针对教育场景的细化标准、风险评估指标、分级管理要求等尚未形成系统化框架。学校在引入人工智能产品时缺乏明确的准入标准和风险评估依据，容易导致管理尺度不一，部分学校为规避风险采取“一刀切”甚至禁用的管理方式，缺乏精细化分类指导。

二是政策衔接落地机制有待完善。《分类办法》需要地方配套实施细则才能有效落地。多数地区现有教育数字化相关政策文件多为方向性指导，比较缺乏可操作的具体分类标准。教育、网信、市场监管等部门在人工智能教育产品监管中的职责边界还不够清晰，跨部门协同机制尚未健全，政策落地存在“最后一公里”问题。

（二）内容安全层面：需要明确审核机制与责任划分

一是内容审核主体责任有待明确。基础教育人工智能应用因涉及未成年人，一般被视为高风险场景。因此，审核责任更重且要求更严。2025年5月，教育部基础教育教学指导委员会发布《中小学生成式人工智能使用指南（2025年版）》（简称《使用指南》），强调“各级教育行政主管部门、教育教学机构、教育工作者、学生、家长以及社会各界应当形成协同治理格局，加强统筹协调，明确责任边界，确保生成式人工智能技术在基础教育阶段应用的安全可控、规范有序”。但目前协同治理格局尚未完全形成，各主体责任仍有待明确和落实。

二是审核标准与能力仍有待匹配。当前，对人工智能生成内容的价值导向、科学性、适宜性等尚缺乏统一评判标准。不同学科、不同学段的内容审核要求差异大；同时多数学校缺乏专业的内容审核团队或第三方审核支持，教师数字素养仍有待提升，对人工智能生成内容的识别能力参差不齐，难以发现隐蔽性风险。

（三）技术合规层面：需要强化数据治理与算法透明

一是数据安全监管存在合规风险。《使用指南》明确要求“构建覆盖数据安全、伦理审查、内容监管和风险防控的全链条保障机制”，但落地执行层面数据安全合规问题依然突出。依据《中华人民共和国个人信息保护法》第二十八条，不满十四周岁未成年人的个人信息属于“敏感个人信息”，需履行严格的处理义务。但当前部分人工智能教育应用仍呈现出三类失范：采集越界，违背必要性原则超范围“过度采集”数据；防护薄弱，部分供应商在存储与传输环节存在数据泄露隐患；授权虚化，对学生数据的使用目的、范围及保存期限等缺乏清晰透明的告知与授权机制，“数据最小化”和“目的限定”原则难以贯彻。

二是算法决策可解释透明性不足。自适应学习、智能评测等人工智能在教育场景中的应用依赖算法模型，而“算法黑箱”问题尤为突出。大多数学校、教师难以理解算法作出特定推荐或评价的内在逻辑，学生及家长更无法获知影响学业评价的关键因子。这种不透明性不仅会削弱教育评价的公正性，也会增加纠正算法偏见的难度，与“提高人工智能可解释性、透明性、安全性”的要求尚有差距。[6] 尽管在互联网信息服务领域已有《互联网信息服务算法推荐管理规定》等算法治理相关制度，但面向基础教育场景的算法备案、安全评估及第三方安全评估机制尚不健全，缺乏可操作的实施细则、审查标准和技术工具，导致算法监管在基础教育人工智能应用实践中难以有效落地。

（四）育人实效层面：需要健全伦理审查与应用评估

一是伦理审查预警机制尚未健全。随着人工智能在基础教育领域应用加速推进，其潜在的伦理风险日益凸显。2026年3月，工业和信息化部等十部门联合印发《人工智能科技伦理审查与服务办法（试行）》，[7]填补了人工智能领域专门性伦理审查制度的空白。但我国科技伦理治理体系的构建与完善依旧任重道远，特别是在基础教育人工智能应用领域仍亟待细化落地。在产品端，人工智能教育产品在投入使用前独立的伦理与安全审查机制亟待健全；在学校端，常态化人工智能伦理审查委员会及审查流程急需建立。

二是人工智能应用成效评估不足。当前，基础教育领域对人工智能应用的评估多停留在“是否部署”“使用频率”等技术采纳层面，对人工智能应用的教育成效的严格审核与动态评估机制仍亟待建立与完善。人工智能工具在多大程度上促进了学生的批判性思维、创新能力和价值观养成，尚未形成系统化评价指标与测量工具。多数学校仍主要关注其对学业成绩的影响，对学生认知发展、心理健康、社会情感能力等长效育人目标的追踪评估不足。部分人工智能产品以“提分神器”“刷题利器”为卖点，会加剧“重技术、轻育人”的倾向。

人工智能分类分级治理国际经验与启示

当前，国际社会已形成一系列人工智能分类分级治理经验，[8] 可为我国构建科学有效的基础教育人工智能应用分类分级治理体系提供重要参考。

（一）建立基于风险分级的分类准入与差异化监管体系

国际上普遍采用“基于风险”的治理逻辑，按潜在风险等级对人工智能系统分类，实施差异化准入与监管。欧盟《人工智能法案》确立“不可接受风险、高风险、有限风险、低风险”四级框架，将教育领域的智能辅导、自动评分等归为“高风险”，强制要求数据治理、算法透明度及上市后监控，同时禁止校园情绪识别和基于生物特征的远程分类。新加坡采取“国家平台+分级准入”集中治理模式，通过教育部主导的“学生学习空间（SLS）”统一供给人工智能工具，实施第三方工具白名单审批制，要求采用具有代表性的本地数据训练以减少偏差，并依据伦理风险划分禁用、限制、鼓励三类应用场景。受国际经验启示，我国应加快建立全国统一的人工智能教育应用分类分级目录，明确不同风险等级对应的场景边界、准入门槛与监管强度，实现精准施策。

（二）强化全生命周期数据保护与年龄适宜性设计准则

未成年人数据保护与产品设计前置考量是国际治理重点，核心是“数据最小化”与“设计即保护”理念。美国《儿童在线隐私保护法（COPPA）》及修订版规定，面向13岁以下儿童的在线服务收集个人信息前须获得“可验证的家长同意”，遵循数据最小化原则，新增人脸识别等同意方式，并收紧数据保留期限。英国《年龄适宜设计准则（AADC）》要求面向儿童的服务默认开启最高隐私保护（关闭数据追踪、禁用精准广告），强制开展数据保护影响评估，鼓励设立儿童事务专员落实“设计即保护”。联合国教科文组织《教育与研究领域生成式人工智能指南》建议将课堂使用人工智能工具的最低年龄设定为13岁，并采用全球、区域或国别数据保护和隐私标准。我国可借鉴以上经验，强化全生命周期数据保护与年龄适宜性设计准则，对人工智能教育产品严格区分未成年人与成人应用场景，建立监护人授权通道与年龄适宜性评估机制，要求产品架构设计阶段嵌入隐私保护要求，从源头上规避风险。

（三）明确技术辅助属性与高风险环节的人工把关规则

各国普遍强调“以人为本”，严防技术越界替代教育者主体地位。美国多个州发布K12人工智能指导文件，构建涵盖“负责任（批判验证、透明披露）”和“合乎伦理（保护隐私、维护主体性）”的双重框架，依托分类分级标准平衡创新与风险。德国建议教师始终掌握评价权，确保考试形式能有效确认学生作品的原创性。日本《初等中等教育阶段生成式人工智能利用指南（2024版）》强调“人类中心原则”，详细列举教学与校务场景的应用边界，明确教师的主体责任和最终裁量权。菲律宾2026年发布的《基础教育人工智能应用指南》确立“AI是工具，而非教师”的基本原则，严禁在成绩评定、学生评价及重大学术决策中完全依赖算法决策。这启示我们，必须确立人工智能在基础教育应用中的辅助定位，划定高风险环节的“人工红线”；针对低龄学生使用人工智能的场景，应建立教师监督与家长知情同意机制，并开展前置性伦理审查，切实保障教育的人文关怀和价值引领。

综上，我国构建基础教育人工智能应用分类分级治理体系：首先，应夯实标准体系建设基础，建立科学、可操作的全国统一分类分级框架，明确不同风险等级对应的应用场景与准入条件；其次，应将差异化监管作为关键抓手，依据产品风险、学段类型及区域特点精准施策；再次，需要将教师、学生及家长的数字素养能力提升作为重要保障，并依托技术创新开发智能监管工具，提高治理的精准度和效率；最后，要确立政府、学校、家庭、企业及社会多方协同治理的发展方向，实施敏捷治理并建立常态化评估与动态调整机制，确保治理体系能有效适应技术的快速迭代与教育教学实践的不断变化。

构建“四位一体”人工智能应用分类分级治理体系

综上所述，构建基础教育人工智能应用的分类分级治理体系是兼顾安全底线与创新发展的现代化治理范式。这一体系既通过精细化风险管控筑牢教育伦理与数据安全的“防火墙”，又为技术赋能个性化学习、教师专业发展等场景预留了创新空间，实现了治理效能与教育价值的平衡。我国应尽快构建“标准引领、监管协同、能力提升、技术创新”四位一体的基础教育人工智能应用分类分级治理体系，通过全链条、多主体的协同发力，推动《分类办法》真正落地见效。

（一）标准引领：建立规范标准体系

可借鉴“基于风险监管”模式，由教育部门联合网信、市场监管等部门出台基础教育人工智能应用分类分级管理指南等，确立全国统一的“场景—风险—学段”三维标准框架。可以依据促进学生成长、辅助教师教学、支撑教育治理、赋能科学研究等不同场景，结合数据敏感度、算法透明度等指标，将风险划分为不可接受风险（禁止）、高风险、有限风险和低风险四个等级，并针对不同学段或未成年人年龄阶段匹配差异化的准入与监管要求。

（二）监管协同：完善全链条监管机制

标准的生命力在于执行。应着力构建“国家—省—市—校”四级监管体系，明确各层级在政策制定、日常巡查和校内管理中的权责边界，并建立教育、网信、公安、市场监管的跨部门协同机制，打破数据孤岛与监管壁垒。在执行层面，必须严格落实数据本地化存储与去标识化处理要求，建立严格的数据安全审计机制。对未成年人数据进行全流程保护，建立畅通的投诉举报渠道与快速响应的闭环处置机制，确保对人工智能产品从入口到运行的全过程管控。

（三）能力提升：强化多方能力建设

技术是双刃剑，人的素养决定了技术使用的边界。应将数字素养与人工智能伦理教育纳入国民教育体系，从小学阶段开始培养学生的风险识别能力，并将人工智能应用能力作为校长、教师继续教育必修内容。同时，通过家长学校和社区教育中心提升家长的监护能力与风险意识，形成家校社协同育人合力，确保分类分级制度不仅在纸面上，更能在每一个应用场景中被执行和理解。

（四）技术创新：推动技术赋能治理

面对人工智能技术的快速迭代，传统的人工监管模式难以为继。可依托高校和科研机构等建设国家级人工智能教育应用测试验证平台，开发自动化的内容审核与风险评估工具，降低企业的合规成本和政府的监管负荷。应建立常态化效果评估与风险预警机制，结合区域试点经验，动态调整分级标准与政策工具箱，确保治理体系既能守住安全底线，又能包容技术创新的活力。

面向未来，随着生成式人工智能等技术的迭代演进与教育实践的深度融合，还须持续深化三个方面的研究：一是完善敏捷治理机制与动态化分类分级标准，确保政策能快速响应技术新形态、新风险；二是探索区域差异化治理路径，针对城乡教育资源禀赋差异制订适配性方案，缩小数字鸿沟；三是积极参与全球教育人工智能治理规则制定，将我国坚持以人为本、普惠公平、智能向善、开放共创的特色经验转化为国际共识。通过持续迭代优化治理方案，不仅能为我国基础教育高质量发展保驾护航，更能为全球教育人工智能治理贡献中国智慧和中国方案。

参考文献

[1] 中共中央关于制定国民经济和社会发展第十五个五年规划的建议[EB/OL].2025-10-28. https://www.gov.cn/zhengce/202510/content_7046050.htm.

[2]《可能影响未成年人身心健康的网络信息分类办法》答记者问[EB/OL].2026-01-23. https://www.cac.gov.cn/2026-01/23/c_1770728780859711.htm.

[3] 林子涵.国际社会多元求解AI安全命题（环球热点）[EB/OL].2026-03-21. https://baijiahao.baidu.com/sid=1860231396393298975&wfr=spider&for=pc.

[4] 陈万球. 科技伦理敏捷治理的三重维度[N]. 光明日报，2023-09-18（15）.

[5] 王佑镁，王旦，梁炜怡，等.敏捷治理：教育人工智能伦理治理新模式[J]. 电化教育研究 ，2023（7）：21-28.

[6] 人工智能全球治理行动计划[EB/OL].2025-07-26. https://www.gov.cn/yaowen/liebiao/202507/content_7033929.htm.

[7] 工业和信息化部等十部门关于印发《人工智能科技伦理审查与服务办法（试行）》的通知[EB/OL].2026-04-02. https://www.miit.gov.cn/zwgk/zcwj/wjfb/tz/art/2026/art  c5039010f5d24e1593152a9355f9c51c.html.

[8] 孔祥渊，陶甜甜，李玉子. 人工智能教育应用治理的国际经验及其反思—基于2019—2025年全球19份相关政策文本的分析[J]. 上海教育科研，2026（3）26-31+74.

本文系北京市教育科学“十四五”规划2023年度重大课题“首都基础教育高质量发展评价研究”（BAMA23001）的阶段性研究成果

（作者郭秀晶系北京教育科学研究院教育发展研究中心主任、研究员；冯洪荣系北京教育科学研究院党委书记）

《人民教育》2026年第10期