□[加拿大]安东尼·威廉·贝茨肖俊洪译
【摘要】
计算机领域的科学家越来越乐观地认为，在不久的将来我们可以通过软件运算实现教学自动化从而取代教师。本文对这种想当然的观点提出质疑。我们认为，不管是现在还是未来，机器没有能力复制学生在知识社会、数字化社会发展所必须掌握的知识和技能。相反，我们应该探索如何使技术发挥赋权作用：不但给教职员工赋权，也要给学生赋权。
【关键词】
自动化；赋权；在线学习；人工智能；大数据
【中图分类号】G420【文献标识码】B【文章编号】1009—458ｘ（2016）04—0005—07
导读：安东尼·威廉·贝茨教授是现代远程教育开拓者。贝茨教授1969年加入英国开放大学，成为该校第20名员工，是名副其实的英开元老和现代远程教育元老。他在英开工作长达20年之久，是该校教育媒体研究教授（ProfessorofEducationalMediaResearch），一开始主要负责评估英国广播公司（BBC）为开放大学制作的广播电视节目的学习成效，后来负责评估开放大学所使用的新媒体技术，参加远程课程建设和远程教学工作。1989年，贝茨教授移居加拿大，就职于英属哥伦比亚开放学习机构（OpenLearningAgency），担任战略规划执行主任一职，5年后就任英属哥伦比亚大学（UniversityofBritishColumbia）远程教育和技术中心主任，负责该校第一门在线课程的设计、制作和教学，并帮助建设第一批完全在线学习的学位专业。2003年，贝茨教授从英属哥伦比亚大学退休，成立自己的顾问咨询公司，至今已经为加拿大、美国和欧洲的50多所大学以及多家政府机构提供在线和混合式学习战略的咨询服务，同时还接受一些国际组织的委托开展专项研究工作，比如世界银行、联合国教科文组织和经济合作与发展组织。贝茨教授2016年1月1日出任加拿大瑞尔森大学（RyersonUniversity）杰出客座教授。在40多年的职业生涯中，贝茨教授在远程/在线教育理论研究方面的建树令人肃然起敬，其丰硕的学术成果包括数十部专著和数百篇学术论文/学术讲座/学术会议主旨演讲等，为远程/在线教育的理论建设做出卓越贡献。2014年，75岁高龄的贝茨教授正式宣布“退休”——不再从事有偿工作。但是，尽管如此，我们依然能够感受到贝茨教授作为学者的社会责任感和对远程/在线教育事业的挚爱，因为他继续关注这个领域的发展动态，继续通过各种方式与世界各地同行分享他的思考和真知灼见。这篇文章便是一个很好的证明。
我从2013年初承担“国际论坛”组稿工作以来一直希望能够得到贝茨教授赐稿，但是由于种种原因迟迟没有向他发出邀请。现在回想起来，最主要的原因应该是担心会被他婉拒。2014年本来已经拟好约稿函，但恰好当时贝茨教授宣布“正式退休”，于是我不敢冒昧打扰。但是我一直在想，如果本刊的“国际论坛”缺少贝茨教授这样德高望重的现代远程教育开拓者的声音，那么这将是一个我永远无法原谅自己的遗憾。我不想留下遗憾，于是，今年1月份，我给贝茨教授写了一封长长的邮件，向他汇报我学习他的研究成果的心得体会，介绍“国际论坛”的情况，恳请他赐稿。令我喜出望外的是，贝茨教授很快给我回邮并欣然应允我的稿约！
技术决定论从来没有在教育领域消失过。我在2002年的一篇文章中批驳了一位学者的观点：“新办网上远程教育不像新办实体学校那样需要校舍、图书馆、运动场和教职工，只要有几台计算机(服务器)，注册一个域名，组织网上的课程资源就可以搞起来。”①今天如火如荼的在线学习，尤其是以X型大规模公开在线课程（xMOOC）为代表的在线学习，从某种意义上讲，不正是技术决定论的“复活”吗？时下技术决定论重新抬头，由于全球顶尖级大学的加入和商业公司的推波助澜乃至政治家们的青睐，出现愈演愈烈之态势。在这种背景下，贝茨教授的这篇文章从历史的角度全方位对在线学习何去何从进行剖析以正视听。
的确，技术的应用是为了实现教学（学习）自动化还是更好赋权于教师和学生，这不是一个新问题。自动化的目的无非是为了最大限度减少人力资源（师资）的投入，甚至是完全取代教师，实现经济效益的最大化。因此，有学者认为“在线教育的深层问题是教育仅被看成是一个技术问题，即传送内容的问题；人们天真地认为有了传送教育的技术必然意味着学习的发生。20世纪初人们已经开始尝试用技术代替教师——这是一种机械论。”②
但是，与此同时，也有学者“希望计算机技术能赋权于学习者，而不是直接扮演教学的角色”。贝茨教授认为建立在客观主义（objectivist）或行为主义（behaviourist）世界观基础上的学习自动化无法培养生活在数字化时代的人所必须掌握的“批判性思维、创新、创业、解决问题、深度多媒体交流，特别是高效知识管理等方面的技能”。
学习自动化迎合了教育商业化的需要，教育商业化又进一步推动学习自动化。从学习的本质和特点看，这两者的“相得益彰”对教育的危害不言自明，除非我们选择昧着良知视而不见，以一己之利为利。文章从5个方面阐述了学习自动化的弊端：第一，学习自动化的主张其实就是技术至上，或者说技术决定论；第二，建立在客观主义哲学观基础上的教学/学习方法没有充分考虑人类学习行为的复杂性和多层次性；第三，忽视计算机的操作系统与人类操作系统的不同；第四，迫使学习者以最适合机器操作的方式学习，削足适履，本末倒置；第五，由预先编制的算法评价学习行为缺乏充分理据。文章最后两节阐述了在线学习的未来发展方向和“如何防止在线学习朝着自动化的方向发展”，作者的主要观点是“培养今天社会所必须掌握的知识和技能绝对离不开学科专家、教师或引路人。当然，教师的角色必将经历很大的变革……”，同时也需要利益相关各方的共同努力。
早在20世纪60年代初，有学者便指出“教学是一种充满人性的职业”（teachingisanintenselyhumanvocation）③。近年来，随着技术在教育中的应用范围越来越广泛，学者们适时提出忠告：即使是一所现代数字化大学，最重要的因素仍然是各种人际关系，我们无法阻挡数字化革命的潮流，但是我们能够在适应数字化革命的同时继续继承高等学府的传统精华④，我们仍然需要人的干预，即需要充满爱心、富有创造力和反思精神的实践者鼓励和启迪学生⑤。任何去人性化的企图都与人类学习的本质和规律相悖，会导致人类的“傻瓜化”——这绝非危言耸听。希望贝茨教授的主张和呼吁——在线学习应该成为给师生赋权的工具而不是为了实现学习自动化——能引发我们对技术与教育的关系进行辩证的思考，我们不“反对技术的教育用途，而是主张明智使用技术”。换言之，技术服务教育而不是反之。
最后，谨向我们的前辈安东尼·威廉·贝茨教授致以崇高的敬意！（肖俊洪）
①肖俊洪.2002.网络时代的中国远程教育：问题与出路[J].开放教育研究，3，8-12；《成人教育学刊》2002年第8期全文转载.
②琳达·哈拉西姆.2015.协作学习理论与实践——在线教育质量的根本保证[J].中国远程教育，8:5-16.
③Stansfield,R.N.(1961).Thehumansideofteaching.PeabodyJournalofEducation,38(6),345-350.
④McCluskey,F.B.,&Winter,M.L.(2012).Theideaofthedigitaluniversity:Ancienttraditions,disruptivetech⁃nologies,andthebattleforthesoulofhighereducation.Washington,DC:WestphaliaPress.
⑤Dziuban,C.D.,Hartman,J.L.,&Mehaffy,G.L(2014).Blendingitalltogether.InA.G.Picciano,C.D.Dzi⁃uban,&C.R.Graham(Eds.),Blendedlearning:Researchperspectives(Volume2)(pp.325-337).NewYork,NY:Routledge.
一、在线学习面临的问题
随着计算机性能越来越强大，摆在我们面前的一个关键问题是：这种技术是否应该以通过实现教学自动化从而取代教师为目标，或是技术应该成为赋权工具，不但给教师赋权，而且也给学习者赋权。这个问题的答案不是非此即彼，而是往往要兼顾上述两个方面，因此，如何平衡这两个方面至关重要。
二、一个并非新的而又日益重要的问题
为了实现教学自动化还是赋权于人？这不是一个新出现的问题。斯金纳（Skinner,1968）早在20世纪60年代初研发教学机器的时候就提出了这个问题。当时很多人认为教学机器最终必将取代教师。虽然斯金纳的确预言教学机器会彻底改变教师的角色，但是他本人并不认为机器会取代教师。西摩·派珀特（SeymourPapert）希望计算机技术能赋权于学习者，而不是直接扮演教学的角色（Papert,1980）。20世纪80年代初，派珀特教孩子们写计算机代码，以改进他们的思维方式和提高解决问题的能力。派珀特深受皮亚杰的认知发展理论影响（Piaget,1957），尤其是孩子们建构知识而非吸收知识这种观点的影响。
在20世纪80年代，随着个人电脑越来越普及，计算机辅助学习（computer-assistedlearning，简称“CAL”）也随着流行起来，大量使用计算机评分的考试和形式简单的自适应学习（adaptivelearn⁃ing）。在自适应学习过程中，如果学习者答错某个问题，计算机会根据错误类型自动指导他们学习新材料，学习者只有完全掌握这些材料才能继续学习新内容。也是在同一时期，人们开始把人工智能的早期成果应用在智能数学辅导系统中。当时人们认为人工智能具有代替教师的潜能并对此做出种种令人兴奋的预言——这一幕今天正在重演。
随之而来的是因特网。我第一次接触因特网是在温哥华一个朋友的地下室里，后来我在《远程教育期刊》（JournalofDistanceEducation）创刊号发表了一篇文章，题目为《信息技术在远程教育中的作用：计算机辅助学习还是交流？》（Bates,1986）。我在这篇文章中提出因特网和计算机技术的真正价值在于使师生之间和生生之间的异步互动和交流成为可能，而不是作为教学机器。当时人们的尝试更侧重于运用建构主义理论指导计算机在教育中的运用，梅森和凯（Mason&Kaye,1989）这本书反映了人们在这方面的努力。而琳达·哈拉西姆（LindaHarasim）则从20世纪80年代以来一直认为协作学习本身是一个重要的学习理论（Harasim,2012）。
20世纪90年代，约克大学（YorkUniversity）的大卫·诺布尔（DavidNoble）对在线学习进行抨击，尤其提到在线学习把大学变成“数字化文凭工厂”（DigitalDiplomaMills）（Noble,1998）：“眼下大学不仅仅正在经历技术层面的转变。这种变革的背后是另外一种转变（但常常被技术层面的转变所掩盖），即高等教育的商业化。”诺布尔认为：“在这些大学，高科技常常不是用于提高教学和研究的水平，而是作为传播学术‘超级明星’们的二手和权威产品的工具，扼杀普通教师的洞察力和声音。”
然而，与诺布尔的警告相反，过去15年来北美大多数大学层次在线课程更多的是采用师生和生生交流与互动的路子，而不是计算机辅助学习或教学视频的路子。正因如此，诺布尔对在线学习的抨击在不经意间被人遗忘了。
继因特网之后是课堂录播技术（lecturecap⁃ture），于是在2011年，Coursera、Udacity和edX推出了X型大规模公开在线课程（xMOOCs）。这一类的在线课程得到一些精英型、选拔性很强的美国大学的支持，比如斯坦福大学、麻省理工学院和哈佛大学。它们声称要让任何人都可以免费聆听世界最优秀教授的授课。诺布尔的噩梦突然间变成现实。与此同时，这些大规模公开在线课程导致人们对大数据和学习分析技术更感兴趣，自适应学习死灰复燃，人工智能将引发教育革命的老调又重弹起来。这是因为除非教学自动化，否则很难对学生规模如此庞大的课程进行管理。
由于计算机性能突飞猛进地发展，硅谷式（Sili⁃conValley）创业思维盛行，加之那些希望实现教育商业化的人在政治层面进行不懈推动（详见下文），现在我们正在目睹学习自动化的回潮。这种现象的背后是哲学观与教学法之间的根本冲突：学习自动化是建立在客观主义或行为主义世界观的基础上的，而在线协作学习则必须采用建构主义教学法。
在线学习的未来等待我们做出抉择，这是不可避免的，而且越来越严峻。
三、学习自动化与教育商业化
今天，伴随着技术发展而出现的是美国、中国、印度和其他国家私营公司对在线学习商业化的大力推动。换言之，在当今社会，教育越来越被看作是可以买卖的一种商品。这种交易不是通过诺布尔所担心的美国商业性在线大学这些声誉不佳的大型数字化文凭工厂进行，比如凤凰城大学（UniversityofPhoe⁃nix），而是得到那些进军教育领域的商业性计算机公司的鼓励和支持，比如Coursera、Lynda、Tu⁃torGroup以及（中国的）一起作业网（17zuoye）。
根据奥德丽·沃特斯（Watters,2015）和温特斯（Winters,2015）的研究，2015年美国教育技术的“交易额”高达10-20亿美元。企业家们正在努力探索投资教育技术的可持续商业模式，这是因为很多国家的教育投入来自公共财政，真正意义上的市场受到限制。一些政客、企业家和决策者，尤其是在美国，越来越把向教学自动化转变看作是减少政府教育经费的一种途径以及向更加商业化企业“开放市场”的一种方法。
公立教育的另一个威胁是一些富可敌国的企业家的“善举”，比如盖茨（Gates）夫妇、休利特（Hewlett）夫妇和扎克伯格（Zuckerberg）夫妇，他们将巨额个人财产转入“慈善”基金会或公司，把这些钱用在他们自己“钦定”的“教育”项目上，而这些项目则会给他们的生意带来间接的好处。伊恩·麦古根（McGugan,2015）在加拿大《环球邮报》（GlobeandMail）撰文指出，他估计“陈·扎克伯格计划”（ChanZuckerbergInitiative）的潜在价值是450亿美元。麦古根说这个计划的目的之一是促进学习的个性化。因为出售个人数据资料是脸谱（Face⁃book）的财源之一，有人怀疑扎克伯格夫妇的这个计划是收集学生数据资料的一种较隐蔽途径，其中很多学生可能是未来高收入群体。从逻辑上讲这种怀疑有一定道理。此外，因为有了“陈·扎克伯格计划”，他们摇身一变成为一家免税的“慈善”公司，所以能够避税，来自脸谱的收入可以不交税。这些富人本来应该纳税，税收则可用于支持公立教育。然而，成立了资金雄厚的基金会不但可以避税而且使得少数企业家能够影响计算机技术的教育用途。
四、技术为何无法颠覆教育？
目前，技术几乎在颠覆各行各业，那么为什么不能颠覆教育？教育（尤其是高等教育）需要大笔资金的投入，其中绝大部分来自税收和学费，但是我们很难把结果与投入直接联系在一起。毫无疑问，我们应该探索技术变革教育的各种途径，使人们有更多接受教育的机会，更能负担得起教育费用，更加有效地学习在今天和明天的社会生存所必须掌握的知识和技能。
我并不是反对变革，教育的确需要变革，我质疑的是今天倡导教育变革的这种方式。从本质上讲，向自动化学习转变虽然能够节省成本但无益于提高学习质量，尤其是数字化时代所要求的高层次心智技能（intellectualskill）的学习质量，包括批判性思维、创新、创业、解决问题、深度多媒体交流，特别是高效知识管理等方面的技能。未来社会最需要的正是这些高级技能。它们在建设发达经济体方面发挥关键作用，因为发达经济体是建立在创业精神、创新能力和增值物品和服务的基础之上。
为什么自动化学习的方法更难以培养21世纪所要求的知识和技能呢？要理解这个问题，我们必须重点了解学习自动化所使用的工具和采取的方法。
五、学习自动化的问题
1.自动化学习的主张
人工智能和自适应学习主要得益于暴力算法（bruteforce）这种具备更强大计算能力的技术，因此很多人认为人工智能和自适应学习迎来了一个新时代。萨斯坎德夫妇（Susskind&Susskind,2015）是持这种观点的典型代表。萨斯坎德夫妇认为人工智能之所以在20世纪80年代一败涂地，是因为计算机科学家试图模仿人类的思维方式，而当时计算机处理信息的能力远不如今天。今天的计算机已经能够以人类以前从未想到的方式分析海量数据从而解决过去的难题。
的确，克里斯·安德森（ChrisAnderson）在《连线》（Wired）杂志撰文指出大数据甚至导致科学方法都被淘汰了：
“海量的数据和应用数学取代了所有其他可能派得上用场的工具——这就是今天的世界。任何一种人类行为的理论——从语言学到社会学——都过时了。把分类学、本体论和心理学也都忘了吧！谁知道为什么人们做某件事？关键是他们做了，而我们能够以前所未有的精确度跟踪和分析他们所做的事情。只要有足够的数据，数字便能说明一切。”
“然而，大数据应用的主要目标不是在宣传它的能耐，它冲击的是科学。科学方法是以可检验的假设为基础的。在科学家的脑海里这些模型在很大程度上是一个个的系统。这些模型要经过检验，实验能证实或推翻这些涉及世界如何运作的理论模型。这就是已经沿用了几百年的科学方法。”
“然而，在大数据时代，这种科学方法——提出假设、建模、验证——正变得越来越不合时宜。”（Anderson,2008）
2.人类学习的行为主义方法
在教与学过程中计算机能够取代教师这种论调值得质疑。通过因特网发布教学视频的信息传输和管理、计算机评分作业、自适应学习、学习分析技术和人工智能体现的是客观主义哲学观，建立在客观主义基础上的计算机用途面临的最大挑战是其学习模式的实际应用受到很大限制。行为主义有助于机械记忆和低层次的理解，但是在深层学习、批判性思维和培养数字化时代不可或缺的其他技能方面却无能为力。因此，我们必须采用更能体现建构主义理论的方法，鼓励批判性思维、独创能力和创新能力，而计算机智能在这些领域所能发挥的作用极其有限。
3.人类与计算机有着不同的操作系统
学习自动化的另一个弊端是忽视了计算机的操作系统与人类的操作系统不同这一点。计算机是机械性的，从本质上讲是二进制操作系统。人类是生物性的，其操作系统远比计算机复杂，能够创造语言和理解语言，有直觉和推理思考能力。情感和记忆驱动人类行为，包括学习。再者，人类是社会性动物，学习在很大程度上依赖于与他人的社会接触。从本质上讲，人类的学习方式不同于机器自动化的操作方式。
令人遗憾的是，计算机科学家经常忽视或不了解有关人类学习的研究成果。尤其必须指出的是，他们不知道学习在很大程度上讲是一个发展过程，学习通过建构实现。因此，他们采用的建立在行为主义和客观主义认识论基础上的教学方法是一种过时且不太合适的教学方法。如果我们希望学生能够掌握数字化时代必不可少的知识和技能，那么我们必须采用更加体现建构主义理论的学习方法。
4.生物学与工程学之争
学习自动化的支持者还犯了另外一个错误，即高估或误解人工智能和学习分析技术对教育的作用。这些工具代表着一种高度客观主义的教学方法，换言之，我们可以预先对相关程序进行分析和系统化。然而，虽然总的说来我们对学习有了很多了解，但是我们对于生物学层面个体如何思维和决策知之甚少。同时，虽然脑科学的研究有望揭开一些秘密，但是大多数脑科学家认为，尽管我们开始对大脑活动与具体行为的关系有所了解，我们目前仍然无法解释这些机制如何影响学习或如何影响某一个人的学习；前方的路还很漫长。神经元放电（firingofneurons）与计算机“智能”之间同构（isomorphic）的匹配涉及诸多因素，比如情感、记忆、感知、交流和神经活动。这意味着很难做到对人类学习和人类行为的很多方面进行“映射”和“标准化”，尤其是涉及高级思维的那些方面，如果不是不可能做到的话。
学习自动化的危险在于我们迫使学习者以最适合机器操作的方式学习，因而导致他们无法发展更高层次的思维能力，这些思维能力正是人与机器的区别。例如，人比机器更善于处理反复无常、不确定、复杂和模棱两可的情况，而这些情况是现今社会的常态。人更善于凭直觉思考问题，比如，凭直觉对那些发生的可能性或风险仍然未知或不容易估算的事情进行判断。
5.算法是谁编写的？
人工智能和自适应学习都离不开能预测或指引人类行为的算法，但终端用户并不明白这些算法。比如，用于发现有学习困难的“高危人群”的学习分析技术是建立在过去学生的各种在线行为的相关性这个基础上的。然而，对于学生而言，难道应该由某一个软件程序来决定他/她是否适合高等教育的学习或某一门课程的学习吗？如果这样，学生难道不应该知道这个决定的依据是什么吗？难道他/她不能质疑这个算法或至少质疑这个算法的设计原则吗？是谁负责这些算法的编写？是计算机科学家根据相关数据进行编写，还是由关注教育机会平等的教育工作者负责编写？学习的自动化程度越高，造成意想不到的后果的危险越大，因此，更加需要教育工作者而不是计算机科学家控制这方面的决策。
六、未来的发展方向
过去在设计和开展在线学习时，我把计算机科学家当成是同事和朋友，现在我越来越把他们看作是敌人，至少其中一部分人如此。这在很大程度上跟硅谷式的傲慢自大有关，硅谷鼓励计算机科学家们要相信自己无须了解需要解决的问题便能把问题解决了。建立在预先录制教学视频基础上的大规模公开在线课程便是一个典型例子，这些课程主要是由几位斯坦福大学的计算机科学家制作的（不幸的是，很多大学教师盲目模仿这种做法，虽然作为教师他们应该比计算机科学家更懂得应该如何教学）。
我们应该如何培养学习者掌握今天社会必不可少的知识和技能？这个问题应该是我们的出发点。我曾经主张我们必须培养大批掌握高级心智技能和实用技能的人才（Bates,2015），这些技能与知识的建构密不可分，能使学习者发现知识、分析知识、评价知识和恰当地应用知识。
要达成这样的学习目标，我们就必须采用建构主义学习方法。学习的发生取决于知识专家和学习者之间高质量的互动，因此自动化学习不合适。达成这个目标的途径多种多样，技术能够发挥重要作用，包括使知识能方便获得、提供体验式学习环境下的实践机会、搭建连接学者和学生两类群体的桥梁、实现海量学习资源的开放获取，最重要的是使学生能够借助技术工具恰到好处地获取知识、管理自己的知识和展示自己的知识。
然而，上述活动和方法虽然能够取得更好的学习效果，或许也能取得一些小规模经济效益，但却难以通过自动化实现大规模经济效益。自动化有助于培养某些基础性的东西，比如初级理解能力或语言学习。但是，从本质上讲，培养今天社会所必须掌握的知识和技能绝对离不开学科专家、教师或引路人。当然，教师的角色必将经历很大的变革，师资培训和专业发展必将是成功的关键，我们也必将运用技术手段使学生能够对自己的学习负起更大责任。但是，以为自动化是解决21世纪学习问题的灵丹妙药却是一种危险的幻想。
七、捍卫未来
如何防止在线学习朝着自动化的方向发展？第一，教育工作者，尤其是大学校长和身居高位、负责教育事务的政府官员必须大声疾呼警惕学习自动化的弊端和建立在自动化基础上的目的在于取得更大成本效益的技术方案的弊端。我不是反对技术的教育用途，而是主张明智使用技术以便能够培养21世纪所需要的人才。
第二，计算机科学家必须更加尊重教育工作者，少一些傲慢。换言之，计算机科学家要与教育工作者相互协作，相互尊重。
第三，我们（教师和教育技术专家）必须把有效教与学的研究成果应用到我们自己的工作之中并且更好地传播给非教育界人士。
第四，教育工作者应该拿出有吸引力的技术方案来代替自动化路径，新的教学法应该把重点放在数字化时代所需要的那些知识和技能的培养上，包括：①借助虚拟现实开展体验式学习（比如加拿大皇家学院[LoyalistCollege]采用这种方法培训边境移民官员）；②为学习者提供联系在职专业人士的在线网络，共同解决现实世界问题（比如麦克马斯特大学[McMasterUniversity]为在校生开设的综合理科专业采用的是在线和混合教学模式）；③开发基于联通主义的大规模公开在线课程，以此建设强大的实践社区，解决全球问题；④允许学生使用社交媒体开展研究并以多媒体电子档案袋的形式展示自己掌握的知识（比如英属哥伦比亚大学[UniversityofBritishCo⁃lumbia]ETEC522这门课程）；⑤设计开放式、由学生发起的高质量模拟和游戏活动，但设计和监控这些活动的是学科领域专家。
第五，政府对教与学研究的投入不能少于对业界创新的投入。如果我们没有适合数字化时代的更好、更经得起检验的学习理论，那么那些自以为手上有最好的“万金油”的江湖骗子或机会主义者就会乘虚而入。更重要的是，如果我们能传播并恰到好处地运用更好的学习理论和学习领域更好的研究成果，我们便能取得与时代相适应的学习结果，而且是更具成本效益，培养更具竞争力的劳动力，促进社会公平。
第六，我们必须使政治家们明白通过学习自动化推动教育商业化是非常危险之举；我们必须为建设更加平等的社会而斗争，技术应用所带来的财政回报应该更加平等地分享。
第七，我们要成为“教育朋克”（Edupunk）①（Lamb&Groom,2010），夺回万维网，在教育领域使用开源、低成本、便于使用的工具，使其远离强大的商业利益。当然，这些工具必须能够保护我们的隐私，学生和教师也能够控制这些工具的使用。
计算机化学习正在快速发展，涉及面也在迅速扩大。但是，我们必须对其严加控制并谨慎用于教育用途。人的需要优先于商业公司的需要，不能削足适履通过操纵人的需要来适应机器的局限——这点我们必须谨记心头。技术必须服务于人，而不是相反。与其他任何人类活动领域相比，教育领域更应该遵循上述原则。这是因为教育关乎我们的未来、关乎我们的子孙后代！
[参考文献]
[1]Anderson,C.(2008).Theendoftheory:thedatadelugemakesthe
scientificmethodobsolete.WiredMagazine,June23(Retrievedfromhttp://www.wired/2008/06/pb-theory/).
[2]Bates,A.(1986).Computer-assistedlearningorcommunications:whichwayforITindistanceeducation?JournalofDistanceEduca⁃tion，（1）1(RetrievedfromComputerassistedlearningorcommuni⁃cations:whichwayforinformationtechnologyindistanceeducation?).
[3]Bates,A.(2015).TeachinginaDigitalAge.VictoriaBC:BCcampus.TeachinginaDigitalAge.
[4]Harasim,L.(2012).LearningTheoryandOnlineTechnologies.NewYork/London:Routledge.
[5]Lamb,B.&Groom,J.(2010).NeverMindtheEdupunks;or,TheGreatWeb2.0SwindleEDUCAUSEReview,August5(Retrievedfromhttp://er.educause.edu/articles/2010/8/never-mind-the-edu⁃punks-or-the-great-web-20-swindle).
[6]Mason,R.&Kaye,A.(Eds).(1989).Mindweave:communication,computersanddistanceeducation.Oxford:Pergamon.
[7]McGugan,I.(2015).Whya$45-billiondonationfromMarkZucker⁃bergisn’tsuchabundleofjoy.GlobeandMail,December2(Re⁃trievedfromhttp://www.theglobeandmail/report-on-business/rob-commentary/executive-insight/why-a-45-billion-donationfrom-mark-zuckerberg-isnt-such-a-bundle-of-joy/arti⁃cle27571942/).
[8]Noble,D.(1998).Digitaldiplomamills:theautomationofhigheredu⁃
cation.FirstMonday,3(1)(Retrievedfromhttp://firstmonday.org/ojs/index.php/fm/article/view/569/490).
[9]Papert,S.(1980).Mindstorms:Children,ComputersandPowerfulIdeas.NewYork:BasicBooks.
[10]Piaget,J.(1957).Constructionofrealityinthechild.London:Rout⁃ledge&KeganPaul.
[11]Skinner,B.(1968).TheTechnologyofTeaching.NewYork:Apple⁃ton-Century-Crofts.
[12]Susskind,R.&Susskind,D.(2015).TheFutureoftheProfessions:HowTechnologywillChangetheWorkofHumanExperts.OxfordUK:OxfordUniversityPress.
[13]Watters,A.(2015).TheBusinessofEdTech.HackEdu,undated(Retrievedfromhttp://2015trends.hackeducation/business.html).
[14]Winters,M.(2015).Christmasbonus:USEdTechSetsRecordwith$1.85billionraisedin2015.edSurge,December21(Retrievedfromhttps://www.edsurge/news/2015-12-21-christmas-bonusus-edtech-sets-record-with-1-85-billion-raised-in-2015).
收稿日期：2016－02－24
定稿日期：2016－02－25
作者简介：安东尼·威廉·贝茨（AnthonyWilliamBates），博士，在线/远程教育开拓者，加拿大瑞尔森大学（RyersonUniversity）杰出客座教授。
译者简介：肖俊洪，汕头广播电视大学教授，DistanceEducation(Taylor&Francis)期刊副主编，System:AnInternationalJournalofEducationalTechnologyandAppliedLinguistics(Elsevier)编委。
责任编辑郝丹
①Edupunk（教育朋克）是education和punk拼缀而成的一个词，体现的是一种教学态度，即DIY（自己动手）的态度。有学者认为“教育朋克”指的是避免使用主流工具（如PowerPoint和Blackboard）、将20世纪70年代乐队的那种反叛态度和自己动手的风气带到课堂上的一种教学方法（参见https://en.wikipedia.org/wiki/Edupunk）。——译注。