问题——教育智能化快速推进，公平与包容面临“再分配”考验。 随着智能工具进入课堂、作业评估与招生管理等环节，教育资源的获取方式与分配机制正发生变化。报告将“公平”界定为尽可能消除性别、族群、残疾等背景差异对教育机会与潜力实现的限制，将“包容”理解为尊重多样性、持续支持不同学习者参与教育的过程。报告指出——若治理与保障措施滞后——技术可能在提升效率的同时固化甚至放大既有差距，形成新的不平等。 原因——三类工具扩散路径不同，风险点各有侧重。 一是学习者中心工具扩张快、覆盖面广。智能辅导系统、对话式答疑、沉浸式模拟以及面向特殊教育需求的辅助工具，为个性化学习与及时支持提供了新可能。但该类应用高度依赖终端、网络与数据供给，弱势地区、弱势学校在设备与带宽、维护能力上的不足，容易把“可用”变为“不可及”。同时，算法训练数据与模型设计若存偏差，可能在推荐、评价与学习路径中产生隐性歧视；过度依赖技术还可能挤压同伴互动与社会情感能力培养空间。 二是教师主导工具重在提效，但成本与能力差距突出。智能批改、资源整理、课堂管理辅助以及学习障碍早期识别等应用，有助于减轻教师事务性负担，并可为教师提供分层培训与专业发展支持。然而，工具采购与持续服务成本偏高，可能导致资源向少数学校集中；全球范围内教师对应的培训机会不均，数字技能基础薄弱地区更易出现“会用者更强、不会用者更弱”的分化。 三是机构级工具影响深远，关涉治理公正与权利边界。招生筛选、辍学风险预测、教育数据决策支持等应用，能够提升管理科学性与响应速度。但此类系统一旦嵌入关键决策链条，算法偏见可能直接转化为制度性影响，并伴随“标签化”风险，对学生产生污名化后果。加之教育数据敏感度高，一旦发生隐私泄露，后果难以逆转。报告同时提示，相关证据研究较多由商业机构推动，独立、可验证的大规模评估仍显不足。 影响——技术可能同时带来“机会扩大”与“差距再生产”。 从积极上看，智能工具有望将优质资源以更低边际成本扩散至更广人群，提升学习的适配性和及时性，尤其特殊教育支持、学习困难干预诸上具有潜在增益；对教师而言，合理应用可释放教学时间，提高课堂组织与评价的精确度；对教育管理部门和高校而言，数据驱动决策可提升治理效率。 但从风险侧看，数字鸿沟叠加算法偏见，可能让弱势群体在“接入—使用—受益”链条上层层受限；商业化压力若缺乏约束，教育目标可能被流量、市场份额和成本收益逻辑挤压；隐私保护与问责机制不健全，则会削弱公众信任，影响技术在教育中的长期可持续应用。 对策——以制度供给补齐治理短板，守住公平底线与价值坐标。 报告提出的政策主张集中于六个方向：一是鼓励个性化学习创新的同时，完善隐私保护、伦理审查与问责体系，明确数据采集、使用与共享边界；二是利用技术增强文化与语言适配性，并通过可解释性、偏差测试与持续监测等手段管控算法偏见；三是在提升可及性的同时警惕“技术能力主义”，避免把工具熟练度异化为新的筛选标准，并为社会情感学习保留必要空间；四是将教师能力建设作为关键抓手，系统提升教师对工具选择、课堂整合、风险识别与数据素养的综合能力；五是在资本与平台广泛参与背景下，强调教育公共性与育人目标优先，防止商业利益凌驾于教育规律之上；六是推动跨学科、独立性研究与评估，强化国家层面的统筹监管角色，以顶层设计缩小区域、校际差距，形成可复制、可推广的公平治理路径。 前景——教育智能化将走向“以人为本”的深度治理阶段。 报告判断，未来教育领域智能工具应用仍将加速，但竞争焦点将从“有没有”转向“好不好、稳不稳、公不公”。对各国而言，关键在于将技术能力转化为公共治理能力：既要通过基础设施与公共服务投入降低门槛，也要以规则、标准与评估体系确保透明、公正与可追责；既要释放技术对教学与管理的增益，也要把学生权益保护、教师专业成长与教育价值守护置于优先位置。只有在制度护栏与公共投入共同作用下，技术红利才可能更多惠及弱势群体，实现包容性扩张。
教育数字化是大势所趋，但技术本身是中立的，其影响取决于如何应用；当前的关键在于政策制定者、教育工作者和技术开发者需要形成共识，将教育公平和包容作为数字化改革的首要目标。唯有通过完善的制度设计、充分的资源投入和有效的监管，才能让数字技术真正成为缩小教育差距的工具，而不是加剧不平等的推手。这既是对教育本质的坚守，也是对未来社会公正的投资。