建设学习型社会、学习型大国是建设教育强国的战略举措。当下，数字技术深刻改变着人类的思维、生活、生产和学习方式，促进人人皆学、处处能学、时时可学，为培养终身学习者、建设学习型社会提供了强大助力。围绕“培养数智时代的终身学习者”，“教育新观察”强国号邀请三位教育领域专家展开讨论，一起来看专家观点！

韩锡斌 清华大学教育学院长聘教授

马宁 北京师范大学教育技术学院院长、教授

赵磊磊 南京师范大学教育科学学院教授

1.个体能够在数智时代保持终身学习的核心素养是什么？这些素养应在人生哪个阶段重点培养？

韩锡斌：学习不仅是知识的积累，更是不断塑造自我、完善人格的过程。它旨在帮助每个个体最大限度地完善自己，发掘自身的潜能。无论社会如何变迁、时代如何变化，这一基本理念是不变的，其塑造的核心素养也是不变的。中国古代儒家“学以成人”揭示了一条通过终身学习完善自我、实现德性与心智升华的成长路径。

联合国教科文组织于1996年发布的报告《教育：财富蕴藏其中》强调通过学会求知、学会做事、学会共处和学会做人等四大支柱，全面提升人适应社会发展和变化的综合素质。数智时代上述终身学习的理念以及塑造的核心素养依然没有变，甚至更加强调不断完善人格、超越自我，以应对新时代更大的不确定性。这些核心素养的塑造应贯穿人的一生。

2.在建设学习型社会的过程中，如何才能让“终身学习”从理念变为社会常态？

韩锡斌：要使“终身学习”成为全民实践的常态，需从技术、制度、文化等方面综合推进。首先是提供可及、精准、个性化的学习资源。依托国家智慧教育公共服务平台体系，为不同人群提供精准内容，让学习无处不在、随时可学。其次是建立包容性学习制度和多元激励机制，支持学历教育与非学历教育、正规教育与非正规教育的衔接与转化，让学习成果可视化、可转化、可积累，为学习者提供明确路径。最后是营造全民学习的文化氛围,倡导“人人皆学、处处能学、时时可学”的学习观，提升全民学习的价值认同感。终身学习不只是一个目标，而是社会发展模式的根本转型。唯有技术赋能、制度改革与文化倡导齐头并进，终身学习才能真正成为社会常态，成为每个个体的发展方式和生活方式。

3.数智技术从根本上改变了哪些传统学习逻辑？对建设学习型社会有哪些助力？

马宁：数智技术正从学习场景、学习方式、教学结构、学习过程、评价方式等维度深刻重塑传统学习逻辑，为构建人人皆学、处处能学、时时可学的学习型社会注入强大动力。

打破时空壁垒，重构学习场景。传统学习大多是正式学习，有固定场所、时间、教师和学习伙伴。数智技术使学习突破物理限制，实现在教室、场馆、家中、社区等各种场所、各种时间的泛在学习、非正式学习。

终结“一刀切”教学，迈向个性化学习。传统学习大多采用标准化课程、统一进度，难以适应个体差异。借助ai技术和算法，可对学习者的学习行为、能力图谱、兴趣偏好等进行分析，从而动态生成个性化学习路径，精准推送学习内容与练习，有助于实现大规模“因材施教”。

从一元中心或二元中心教学结构到“师-机-生”三元教学结构。在传统学习中，大多采用“教师为中心”“学生为中心”等一元教学结构，或“教师主导-学生主体”二元教学结构。智能工具在教学系统中的深入应用会打破原有教学系统中各要素的关系，构建“师-机-生”三元教学结构。智能工具可承担ai助教、ai学伴等多种角色，释放教师精力，有助于教师更好地关注学生高阶思维与情感培养。

从阶段性学习到终身学习。在传统学习中，学习被限定在特定阶段（如学校教育），与工作生活分离。随着数智技术的发展，通过学分银行、资历框架、学习成果认证体系，将正式学习、非正式学习、工作场所学习等各类学习成果进行数字化记录、认证与转换，打破时空边界，实现“处处能学、时时可学”的终身学习闭环。

从单一结果到多维过程评价。传统学习中主要依赖考试分数作为主要评价标准。而大数据、学习分析等技术可实时追踪学习者的学习过程，提供多维度、形成性评价，更全面反映学习者能力发展与潜在问题。

数智技术对建设学习型社会提供了核心助力。极大拓展学习机会的广度与深度。低成本甚至免费的在线课程让偏远地区、弱势群体、在职人士等无障碍获取优质教育资源，极大促进教育公平，实现普惠覆盖。灵活的学习形式（微课、证书项目）完美适配职场人碎片化时间与持续更新技能的需求，为终身学习提供技术基础。

精准匹配学习需求与社会发展需要。借助大数据技术可智能分析劳动力市场趋势，预测未来技能需求，引导学习资源向紧缺领域倾斜，实现技能缺口预警。企业也可定制在线培训平台，员工根据岗位需求即时学习，提升人力资本与产业升级的适配性

构建多元化、自组织的学习生态。在线学习社区、知识分享平台促进学习者互助、经验共享与协作创新，形成自下而上的学习网络，形成学习社区。区块链技术赋能微证书、数字徽章体系，使线上课程、项目实践等非正式学习成果获得权威认证，提升学习动力。

优化资源配置，提升学习效率与质量。教育管理者利用学习分析数据，科学调配师资、课程与设施，实现数据驱动的教育决策，可以有效提升公共资源投入效率。ai助教、ai学伴等可实现自动批改、答疑、学习陪伴、情感交流等，使教师可以更多关注学习者高阶思维能力的培养，提升学习质量。

赵磊磊：数智技术正从学习理念、学习空间、学习方式等维度促进传统学习逻辑转型与变革。

在学习理念层面，传统以教师为中心、强调知识单向传递的认知模式正在被消解。基于机器学习、智能感知等技术产物，学习者能够获得关于自身认知架构、知识建构轨迹及策略效果的实时、可视化反馈，逐步从知识的消费者转变为认知过程的协同设计者，从被动的信息接收者演化为主动的意义建构者与知识创新的参与者。

在学习空间层面，学习场域由物理边界明确的教室演进为虚实融合、时空可延展的开放性生态网络。这不仅突破了传统教室的物理局限，更重构了学习体验的深度维度。通过模拟历史场景的时间再现、跨地域项目的空间协作、虚拟实验室的风险规避等方式，为具身认知与同伴协作提供了新的实践平台。

在学习方式层面，学习流程逐渐演变为基于数据驱动的个性化、自适应学习。借力智能化教学监测与评价系统，可通过对学习行为进行全过程、多维度的数据采集与分析，动态描绘学习者的认知画像、情感状态和能力发展轨迹，并以此生成和调整学习路径与资源配置，从而为不同学习者提供差异化、精准化的教育服务。

数智技术为学习型社会建设的助力主要体现在学习资源、学习生态与知识网络等方面。

一是构建开放共享的学习资源体系，夯实学习型社会的数字化基础设施。依托开放教育资源平台、数字化知识图谱与智能化学习系统，推动优质资源跨区域、跨群体普惠化分发，并借助精准推荐算法实现资源与学习需求的即时匹配。这一机制能够有效缩小教育资源鸿沟，为全民、随时随地学习提供坚实的基础设施。

二是形成个体自主驱动的学习生态，培育自主驱动的学习主体。借助学习分析与可视化反馈，学习者能够清晰洞察自身知识结构与能力边界，自主设定目标、调整策略，从而将学习由外部驱动转化为内生动力驱动，以培养具备自我管理和持续进化能力的学习型公民。

三是建设跨领域协同创新的知识网络，推动学习型社会的持续进化。借力物联网、人工智能、元宇宙等技术，构建涵盖学术界、产业界、社会组织、个体学习者等多元主体的虚拟学习社区，促进产业前沿、社会实践与科研成果在多主体协同中的快速流动与转化，助力具备持续适应与创新发展能力的学习型社会构建。

4.结合日常教育教学工作，中小学应如何培养学生适应终身学习的素养？

马宁：中小学校可从课程设计、教学方式、支持系统、评价改革等方面促进学生终身学习素养的培养。

重构课程体系，从“知识传递”转向“能力生长”。终身学习的核心是“学会学习”，需打破传统学科壁垒，通过跨学科、项目化、生活化的课程设计，让学生在真实任务中主动建构知识、发展学习策略。

创新教学方式，从“被动接受”转向“主动建构”。传统“讲授式”教学难以满足终身学习需求，需通过启发式、对话式、游戏化等教学方式和学习方式，激发学生的内在学习动机，培养学生“主动探索、主动建构”的习惯、能力和素养。

构建支持系统，从“单一评价”转向“全要素赋能”。终身学习需要心理支持、工具支持、资源支持的协同，关注学生自我规划、自我管理、自我监控、自我调节等元认知能力的培养；关注学生数智素养、心理韧性建设，帮助学生建立“我能学习”“我会学习”的信心与能力。

改革评价体系，从“结果导向”转向“过程赋能”。传统考试评价侧重“知识掌握程度”，而终身学习需要关注“学习过程与发展潜力”。中小学校可在学生培养过程中融入过程性评价、表现性评价、发展性反馈等评价和反馈，构建多元、动态、发展性的评价体系。

培养终身学习素养的关键，是将“学习”从“学校的任务”转化为“一生的习惯”。中小学需通过课程的生活化、教学的探究化、支持的体系化、评价的发展化等，让学生在日常学习中体验“主动探索的乐趣”“解决问题的成就感”“持续成长的可能性”，最终成长为“会学习、愿学习、终身学习”的人。

5.中小学评价体系应如何创新，才能更好地赋能学生持续学习与发展？

赵磊磊：首先，在评价理念层面，应着重关注过程导向与发展逻辑。评价应被视为学习过程的有机组成部分，而非学习结束后的单一判断。为此，需要通过技术手段精准诊断学习状态，结合动态数据分析导航学习路径，并激发内在学习动力，且需持续记录学生的思维发展轨迹、应对挑战的韧性表现以及协作能力变化，揭示其认知模式、行为习惯与社会情感能力的深层特征。

其次，在评价内容层面，应围绕数智时代终身学习者所需的核心能力群设计。一方面，在跨学科项目平台中跟踪学生处理复杂信息、创造性解决问题、系统性进行风险决策等方面的表现，同时评估其数字素养。另一方面，量化学生在目标设定与路径规划的合理性、策略调整的灵活性以及经验迁移的有效性，并通过协作数据分析测评其社会情感能力。

再者，在评价方法方面，应注重推进多元化证据采集与分析。在数据采集层面，构建覆盖多场景的学习分析系统，整合多源异构数据形成全景式行为画像。在证据呈现层面，可借助知识图谱展示知识结构演化路径，运用可视化工具动态展现能力图谱与成长轨迹。在反馈机制层面，应通过智能化个性反馈系统实现从单向评判到双向对话的转变。可依据学习者的实时数据分析结果，生成针对性建议与资源推荐，并结合教师的专业判断进行补充与引导，形成以数据支撑、师生共建的人机协同评价范式，促使评价真正成为促进学习与发展的驱动力。