一、问题的提出 随着互联网、人工智能、大数据等新兴技术的发展，教育结构和形态被不断重塑。教育活动不再限于要求创造就业机会和劳动资源，而是要求教育目的、内容、方法、环境等都发生质变，推进教育事业的数字化转型和智能升级已经成为时代发展的必然趋势，智慧教育渐成为教育领域的主流话语。目前，业界对智慧教育的内涵尚未形成统一定论。纵观现有讨论，可以明确智慧教育属教育信息化发展的高阶形态，是对教育生态系统和结构的全面重塑。与传统教育信息化相比，智慧教育具有显著的理念跃升和技术迭代。在指导理念上，它以培育具有高阶思维能力、综合创新能力和终身学习能力的高素质创新人才为目标[1]；在技术支撑上，它以物联网、云计算、大数据、人工智能、虚拟现实等新兴技术为依托，强调打造技术与教育活动深度融合的人机协同式教育，具有集成化、体验化、智能化、泛在化、个性化、感知化与开放协同的总体表征[2]。当前，智慧教育的具体呈现形态包括但不限于在线学习平台、虚拟实验室、虚拟课堂、人工智能教学辅助系统等。 不可否认的是，智慧教育的推广和应用已经打破了传统教学模式和教育体制，学生权力运行的生态环境也将因此发生骤变。以技术赋能为典型特征的智慧教育，不只是简单的“科技+教育”式产品应用，更是“科技×教育”式的发展前景，其兼具教育活动本身及现代科技的非线性运行特征将会被进一步放大[3-4]，进而比传统教育形态面临更多难以预料的“特殊事件”[5]，这给在教育场域中最为核心的受教育权的实现带来了诸多机遇和挑战。现有研究主要从技术和伦理角度分析了智慧教育应用中的问题和风险。从法学视角出发的研究成果多关注的是各类新兴技术本身带来的法律风险和法理问题，以及信息技术在其他领域对个人信息、隐私权、知识产权等其他权益造成的影响，尚未聚焦到智慧教育领域以及在基本权利体系中有着举足轻重地位的受教育权。同时，现有讨论仍限于静态的、局部的、具象化的视角，尚未关注到智慧教育作为一种复合教育生态系统，给受教育权带来怎样的风险和挑战。实际上，在具有“多维镶嵌性”的智慧教育生态系统下[6]，受教育权不仅会受到系统内部各要素(如教育主体、内容、目标等)的配置和运行状态的影响，还会受到系统外部环境因子(如政治环境、经济环境等)的约束，并在系统内外物质、能量、信息的交互过程中面临不易预见的潜在风险[7]。 从权利构造来看，受教育权依然是智慧教育语境中权利向度的核心和关键，受教育权的充分保障始终是衡量智慧教育目标实现的根本标准。按照通说，受教育权兼具社会权和自由权的双重属性[8]。因此，智慧教育对受教育权的冲击，在具体表现形式上，可划分为对作为社会权的受教育权的冲击和对作为自由权的受教育权的冲击。本文将立足于系统论思维，分别讨论不同面向下受教育权所面临的问题及症结，探索构建智慧教育生态系统中受教育权保障的新路径，以期真正达成智慧教育助力教育公平均衡和高质量发展的战略目标。 二、智慧教育对作为社会权的受教育权的冲击 受教育权作为一项母体性基本权利，其内容由诸多具体子项权利共同构成。在社会权面向下，受教育权的内容侧重教育机会平等。因此，智慧教育对作为社会权的受教育权的冲击，集中表现为对教育机会平等权的冲击。教育机会平等权是指每个人都享有平等的机会接受教育的权利，既包括起点阶段的入学机会平等，也包括过程阶段的教学待遇平等[9]。智慧教育对教育机会平等权的冲击，主要体现在后者。 1.外部结构环境加剧教育不公 (1)区域差距：设备接入条件不对等 目前，智慧教育的应用模式主要通过在线界面接入和访问，并以计算设备为主要交互点[10]。因此，获取设备和充分的互联网接入口是智慧教育推行的先决条件。然而，从全球视角来看，农村和贫困地区对智慧教育基础设施的投入往往难以得到有效保证，其互联网访问机会和程度也因此受限，经济发展水平落后的国家与之同理。同时，家庭环境和条件对智慧教育推行效果的影响也至关重要。据统计，新冠疫情暴发后，我国不少地区的网络软硬件设备、网络环境等方面无法满足线上授课和居家学习的现实需求[11]，尤其是西部地区在几乎所有数据指标上都显著落后于东中部地区[12]。 表面上，智慧教育的推行在促进优质资源共享、缩小教育差距、实现教育公平等方面具有积极意义；实际上，受这些结构性原生困境的影响，广大农村和贫困地区学生很难享受到智慧教育的红利，同等学习条件难以得到保证。智慧教育在形式上似乎为弥合教育鸿沟和保障平等受教育权提供了强大助力，但实质上可能进一步拉大区域、城乡间的教育鸿沟，加剧教育不公。 (2)技术局限：隐性的偏见和歧视 智慧教育应用场域中潜在的技术偏见也会加剧教育不公，影响教育机会平等权的实现。在智慧教育场域中，个性化的教学方案和教学资源的精准推送都是基于算法技术生成的。其背后的运作原理是按照预先目标设定，通过机器学习、训练操作、数据运算等一系列步骤模拟人类的思维过程和行为方式[13]。由此可见，算法高度依赖所收集的样本数据和计算规则，然而数据样本是经过一定筛选和选取的，计算规则更是受技术设计者的价值观左右。算法背后所基于的数据类型和计算逻辑是否带有偏见和是否混入虚假或质量较低的数据，都会直接影响其对学生学习成效、课堂表现等的公正评价。 这种算法偏见所带来的教育不公风险尤其对弱势群体的冲击更大。教育领域同样存在性别、种族、家庭环境、教育条件等参差不齐的背景样本，当前算法技术尚难对这些海量复杂的样本进行全面评估和预测，甚至难以将这些数据样本全部带入算法中进行结果分析，在这种数据样本基础上生成的学习模型和教学方案也容易以偏概全，进而导致教育不公不可避免地被放大。因此，受限于当前智慧教育中应用技术自身发展，即便是在表面上共同使用智慧教育产品的受教育者之间，也难以得到平等的教学待遇。
