呼吁构建可解释人工智能教师能力框架

　　近日，欧盟发布《教育领域可解释人工智能：促进人类监督与责任共担》报告，特别强调了可解释人工智能（Explainable AI，简称XAI）在教育领域应用时教师所需具备的能力和承担的责任。

　　可解释人工智能，是人工智能的重要子领域，指能够让人类理解其决策过程、逻辑和依据的人工智能技术，要求人工智能应用具备高度的透明度和可理解性，如智能学习辅助系统需为学习者解释“为何推荐某类习题”、“成绩评估依据是什么”等，帮助其理解学习路径并增强自主学习能力。

　　报告提出，XAI的落地依赖教师能力的升级。基于不同教育阶段特点，报告构建了分层能力框架：基础教育阶段，教师需掌握基础XAI概念，能借助可视化工具解读AI输出，例如通过AI作业分析系统识别学生共性知识漏洞，并向学生解释练习推荐逻辑。职业教育与高等教育教师则需具备批判性评估能力，包括理解AI模型的局限性、识别训练数据中的潜在偏见等。例如，在医学教育中，教师需验证AI诊断辅助工具是否对特定病例存在误判倾向。

　　报告建议，教师培训应融入XAI实践案例，如通过AI模拟决策活动，让教师体验如何在AI推荐与教学经验之间作出决策，培养“人机协同”教学思维。教师需具备评估AI工具的能力，理解系统决策逻辑是否符合教学目标，识别潜在偏见如对非母语学生的评分偏差等，并能根据课堂实际调整建议。同时，可解释人工智能应用需嵌入“人工干预通道”，允许教师手动修改学习路径或评分标准。

　　（毕心如）

《中国教育报》2025年09月04日 第09版