王爽 | 情感計算賦能智慧教育的法治風險與傾斜性法律規制

關注“在線學習”

獲取更多資訊！

刊載信息

王爽.(2025).情感計算賦能智慧教育的法治風險與傾斜性法律規制. 中國遠程教育(11),79-94.

情感計算賦能智慧教育的法治風險與傾斜性法律規制
王爽

【摘要】情感計算教育應用具有情感驅動性、高度隱蔽性和深度識別性的特征。在賦能個性化學習、精準化教學和智慧化校園管理方面展現出巨大潛力，但同時也對隱私權、個人信息權益、教育平等和學習自由產生多元沖擊。對此，應以傾斜性保護受教育者作為核心目標，采取傾斜性規制手段：借助心理損害評估機制和推定侵權將情感隱私納入隱私權保護范疇，依憑持續有效的信息披露與動態同意制度強化受教育主體的告知同意權，通過區塊鏈技術實現以技治技；應基于精確目的優化數據標注，并借助解釋水平理論構建算法解釋制度，實現情感計算教育應用的場景化透明；應禁止嚴重觸碰倫理禁區和價值底線的情感計算教育應用并賦予教育主體退出選擇權，以推動情感計算教育應用在公平、安全與高效間取得動態平衡。

【關鍵詞】情感計算; 隱私權; 個人信息; 教育平等; 學習自由

情感計算是建立自然和諧與友好智能人機環境的基礎理論與技術之一，因其能有效推進智慧教育建設、促進信息化目標實現而在教育場景中具有廣泛應用實踐，同時也成為教育領域研究的熱點話題之一（Poria et al., 2017），其對于學生狀態表征、教學過程評價、學習機理闡釋和學習干預等具有重要意義（王一巖 & 鄭永和, 2024）。教育情感計算的理論研究與實踐應用均呈現欣欣向榮的發展態勢。但頗具反轉性的是，2019年年底部分學校宣布停止使用情感計算進行情緒識別，而只使用人臉識別技術識別動作（Xue, 2019），部分科技公司也將情感計算相關詞匯從宣傳文案中刪除（施安, 2018）。2024年歐盟發布的《人工智能法案》明確規定，教育機構使用基于生物識別技術的人工智能系統來推斷或識別自然人的情緒，屬于被直接禁止的人工智能應用范疇（Official Journal of the European Union, 2024）。情感計算教育應用的邊界及限度問題隨之成為關注焦點。學界對教育場景情感計算應用的研究主要基于兩條路徑：一是基于技術路徑，探討情感計算教育應用的技術瓶頸及前景；二是基于教育學理論路徑，研究情感計算教育應用與教育學理論的契合與背離。整體而言，基于法學視角的研究較少。情感計算遵循何種技術邏輯？存在何種領域特征？相關應用能否有效賦能智慧教育新格局？情感計算教育應用會產生何種風險？如何結合教育場景的特殊性進行法律規制？本研究嘗試基于法學理論與技術的雙重視角予以回應與探討。

一、

情感計算教育應用的領域特征

“情感”作為人類社會生活的“文法”（grammar of social living）被認為是人類與人工智能分界線的重要表征。1997年，羅莎琳德?皮卡德（Picard, R. W.）率先提出情感計算技術（Picard, 1997, p.3）。人工智能技術視域下的情感計算是指感知、識別、模擬、影響人類情感狀態的各類智能技術的統稱。情感計算教育應用遵循感知—識別—模擬—影響的技術邏輯（Gretchen, 2021），技術架構可分為感知層、認知層和應用層：在感知層，通過接觸或非接觸式傳感器獲取教師和學生的語音信號、面部表情、肢體語言等體態語以及腦電、眼動、肌電、皮膚電、心電和呼吸等生理信號；在認知層，依托隱馬爾可夫模型等對外在情感信號進行特征提取、分解與分析以識別內在情緒；在應用層，依托已識別的情感進行反饋與干預。情感計算的終極目標是在“識別”基礎上使人工智能具有“模擬”和“影響”教育主體情緒的能力（Ben-Ze’ev, 2000, p.179）。聚焦于智慧教育領域，情感計算技術有助于構建精準、個性和靈活的教育生態系統，促進教育的智慧轉型（曹培杰, 2018），具有情感驅動性、高度隱蔽性和深度識別性三重特征。

（一）情感驅動性

數智技術與教育的深度融合為教育改革和教學創新帶來了前所未有的機遇，相比其他智能技術的外在智力支持，情感計算更加注重對內在情感的觀照。通過識別師生情感狀態，調節學習和教學過程，促進師生情感交互，喚醒學習的自主性和能動性，實現個性化學習、精準化教學和智慧化校園管理。

其一，情感計算賦能個性化學習。個性化學習以尊重學習者個體差異為核心，體現了教育的人性化和生本化回歸（楊雪 等, 2016）。傳統智能技術主導的學習干預多指涉認知維度，忽視了情感驅動在學習過程中的作用，導致干預方式局限于學業測評、認知診斷與資源推薦等單一維度。情感計算通過對學生情感狀態的細粒度、時序性和動態性的畫像，深入挖掘學生的認知偏好和學習風格，精確評估學習效果。更為重要的是，情感計算還能有效提升學生的學習動機，激發其探索精神和求知欲，增強自主學習的意識和能力（王一巖 & 鄭永和, 2024），為個性化學習提供內生動力。

其二，情感計算賦能精準化教學。教學目標是選擇教學資源、實施教學活動、勾勒教學程序、開展教學測評的關鍵性前置標準。好未來教育集團開發的“魔鏡”系統即借助情感計算對師生情感、課堂互動和內容傳授等數據進行建模，從而為教學目標的改進提供建議（新浪教育, 2018）。在設定精準的教學目標并設計教學問題后，能否捕捉適切時機、利用適當場域、采取適恰手段進行干預是精準教學的關鍵（姬曉燦 等, 2020）。依托情感計算生成的情感數據反饋，教師得以洞察學生的學習風格和薄弱環節，進而動態優化個性化教學策略。與此同時，情感計算能有效促進師生情感互動，營造和諧融洽的課堂氛圍，深化課堂互動的質量與深度，并助力教師敏銳捕捉學習困難學生的情感信號，實施更具針對性的情感關懷和學業支持，從而全面提升教學的適配性與實效性。

其三，情感計算賦能智慧化校園管理。在校園安全治理體系中，基于情感計算技術的情緒狀態監測系統正成為構建主動防護機制的重要工具。該技術通過全天候動態掃描和精準分析，實時捕捉兒童情緒波動，為校園安全管理提供智能化解決方案。基于情感計算的智慧化校園管理作為公平優質受教育權的物質保障，自然是教育現代化的重要內涵。例如，蜜棗網開發的幼兒安全成長智能系統，通過情感計算技術，可對每位兒童實現全天候動態監測，系統每天執行超過1,000次的智能掃描，以準確獲知幼童的情緒變化，幫助管理者快捷準確地了解安全隱患（消費日報網, 2018）。

（二）高度隱蔽性

情感計算教育應用的技術優勢主要體現在其無需師生的刻意預設，即能夠實時捕捉真實情感狀態，這使得情感計算教育應用具有較高的靈活性和適用性。與傳統的測謊儀等設備相比，后者雖能夠揭示心理反應與生理信號的對應關系，但其需要設備接觸方能實現，被測者可能因心理防御而掩飾或偽裝情感，導致數據的準確性下降，從而限制其在智慧教育中的應用。此外，這類設備的使用還可能導致被測者的不適感和額外的認知負擔，進一步影響情感數據的真實性。情感計算中除生理信號頻率通常較低，采集時易受外界環境影響，因而通常需要專門的接觸式設備進行采集外，其他情感模態數據通常依賴輕量化、無干擾設備即可“無摩擦式”（frictionless）獲取（EDPB-EDPS, 2021），從而有效規避個體主觀控制對情感數據的干擾。同時，情感計算多被嵌入在線課堂、學習管理系統等教育應用平臺，在與應用的自然交互中，師生可能只關注到教育功能，而忽略了隱藏的情感數據采集與分析。即便師生可能知悉情感計算設備的存在，由于算法黑箱及公眾技術能力的限制，他們也往往難以理解具體的情感推演機制。

（三）深度識別性

不同于其他智能技術多采用結構化或半結構化數據，情感計算教育應用以多模態數據作為燃料，其中必然會存在生物識別信息、醫療健康信息、不滿十四周歲未成年人個人信息等敏感個人信息。①在商業利益驅動下，情感計算教育應用勢必會增加數據處理的“量”與“質”，最大限度地向師生的敏感、私密領域探入（孫宇, 2024）以提升識別精準度。這種數據挖掘不僅針對信息主體本人的情感特征，還可能通過附著線索間接推測出尚未披露的相關信息，從而揭示其背后更復雜的情感狀態。基于面部信息是情感計算的常見識別路徑，但與傳統人臉識別技術主要針對靜態面部表情用于身份認證或行為分析不同的是，情感計算不僅關注面部肌肉細微變化，還結合語音節奏、音調、肢體語言互動模式等建立情感狀態的多維度模型。此種識別路徑通過面部、語音、肢體與生理信號的交互作用，實現對情感狀態的深層關聯、精準識別和動態評估（Sébastien, 2020）。

傳統智慧教育應用多關注學生的作業完成情況、登錄時間、視頻播放次數等表層行為數據，缺乏對學習者心理活動的深入洞察。相比之下，情感計算教育應用通過對情感狀態的深層次捕捉，能夠揭示出學習者更為隱秘的情感狀態。情感計算教育應用對師生內心世界的外部化和量化，推動了智慧教育從“外在行為洞察”到“內在情感理解”的轉型。

二、

情感計算賦能智慧教育的法治風險

從技術哲學視角來看，情感計算賦能智慧教育體現了數字技術可供性及其實現的動態演進過程（Yoo et al., 2012）。但與此同時，情感計算教育應用也呈現出顯著的“雙刃劍”效應，與隱私權、個人信息權益、教育平等和學習自由之間產生了深層次的張力。

（一）情感計算教育應用與隱私權、個人信息權益的潛在沖突

情感計算教育應用獲致的情感信息生成于敏感個人信息之上，具有衍生的敏感性。不同于部分情感計算商業應用將個人信息與情感信息進行剝離，情感計算教育應用需要關注特定情感的指涉對象以實現個性化干預，因而在大多數情況下無法分離情感信息及其主體，因此，情感計算教育應用的情感信息因“可識別性”而落入個人信息范疇。同時，情感信息還可落入隱私權涵攝范圍。原因在于基于公眾普遍認知，每個主體實質上是以復雜多樣的形象呈現，根據場合需要，個體可能會選擇佩戴不同的“面具”以遮蔽真實情感（胡建淼 & 岑劍梅, 2008）。情感計算教育應用的深度識別可能使得師生不愿為人所知的內心情感信息暴露無遺，切斷了其維護自身隱秘事項不為他人所知的能力（王祿生, 2021）。盡管情感信息是情感計算教育應用的基礎支柱和核心驅動，關切個性化學習體驗的優化和教學效率的提升，但是，不論是基于隱私權還是個人信息權益，對情感信息的保護都存在力有不逮之處。

基于隱私權保護視角來看，“不愿為他人知曉”的特征決定了侵犯隱私權導致的損害相對容易判斷，通常會造成受害人社會評價降低、名譽受到影響等后果（周漢華, 2021）。但是在情感計算教育應用中，情感隱私受到侵害可能表現為心理壓力、學習或教學效率下降等，而非直接的社會評價降低。并且情感作為常見的內心活動或表達方式，往往難以與外在化的社會評價變化產生直接因果關系，導致情感隱私的損害事實難以證成（褚婧一, 2023）。

基于個人信息權益保護視角來看，雖然情感信息可能來源于敏感個人信息且具有私密性，但其不必然會造成自然人的人格尊嚴受到侵害或者人身、財產安全受到危害，因而難以被界定為敏感個人信息。例如，在一些情感計算教育應用中，情感信息主要用于關注學生的課堂注意力情況，雖然基于情感信號推測內心狀態的做法可能因將人客體化而侵害其尊嚴，但這類情感信息通常很難被證明與人格尊嚴有直接且緊密的關聯。此外，即使被不當利用，它一般也不會對人身和財產安全造成嚴重損害。所以情感信息在部分場景中并不能被認定為敏感個人信息（褚婧一, 2023）。即便將情感信息認定為敏感個人信息，對敏感個人信息的保護也難以實現。一方面，《中華人民共和國個人信息保護法》第二十九條規定，處理敏感個人信息應取得個人的單獨同意。十四周歲以上的未成年人與學校構成了以管束為基本內容的特別法律關系，其與教師和學校管理方之間存在不對等的服從義務（勞凱聲, 2021），受制于權威式壓迫，其可能做出違背自我意志的同意行為。十四周歲以下的未成年人雖由監護人代為行使同意權，但由于監護人與教師、學校使用情感計算教育應用的初衷具有一致性，可以預估到監護人不會為了反對學校決定而犧牲未成年人的未來，因而監護人可能會打著“為你好”的旗幟做出與其真實想法相背離的虛假同意（Xue, 2019），導致告知同意制度淪為虛置。另一方面，《中華人民共和國個人信息保護法》第三十條規定，個人信息處理者處理敏感個人信息的，還應當向個人告知處理的必要性以及對個人權益的影響。正如前文所述，情感計算教育應用具有高度隱蔽性和深度識別性，情感信息生成邏輯有著不同于其他智慧教育應用的技術復雜性，監護人受制于技術能力，并不能全面認識情感信息的重要性，遑論做出自主的告知同意決策。當情感計算教育應用處理的是十四周歲以上未成年人情感信息時，理論上僅需取得其同意即可，②而未成年人并不具備與處理敏感個人信息適配的認知能力，導致告知同意陷入無意義的窠臼。

（二）情感計算教育應用與教育平等的內在抵牾

《中華人民共和國憲法》（2018年修正）宣告平等權和受教育權為我國公民的基本權利，教育平等權在平等權的涵蓋之下，由平等權與受教育權結合產生。作為平等權的具體表征，教育平等權是公民人格成長與發展的重要前提，兼具公民權與人權屬性（熊文釗 & 吳旸, 2010）。根據羅納德?德沃金（Dworkin, R. M.）的觀點，平等權可細化為兩種類型：第一種是平等對待的權利（right to equal treatment），即像其他人所享有的或被給予的一樣，同樣分享利益和機會。德沃金認為平等對待并非絕對意義上的，合理的差別對待同樣也是平等對待。第二種是作為平等的個人而受到平等對待的權利（right to treatment as an equal）。此種權利強調個人享有平等的關心和尊重，而不是接受某些義務或利益的同等分配。（羅納德?德沃金, 2008, pp.303-306）情感計算教育應用與雙重維度的教育平等均存在對立。

第一，情感計算教育應用的情感歸因（emotion attribution）沖擊平等對待的權利。與以往智慧教育應用不同的是，情感計算教育應用對專業設備的要求更高，需通過腦電、手環、眼動等多種設備，基于心理、行為和生理測量等方式感知師生的多模態情感數據（王一巖 & 鄭永和, 2024），由于部分地區數字基礎設施落后，人們對情感計算技術存在認知鴻溝，導致情感計算教育應用難以普及。即便能夠彌合設備接入條件差距，情感計算也不僅能夠客觀地識別情感，還會在特定模型框架下“解釋”情感（Frank, 2023）。如果其模型未能充分考慮不同群體情感的多樣性和差異化表達，就可能導致對部分師生的不公平對待。具言之，情感計算教育應用中的情緒識別模型主要包括維度情感模型和離散情感模型。其中，維度情感模型本身包括多種理論體系，而在同一理論體系下，維度的具體構成與劃分角度也各不相同。離散情感模型至少存在14種情緒分類方式（吳敏 等, 2018, p.12）。換言之，目前尚不存在能夠準確反映內在情感與面部表情、姿態等外在情感表達之間的通用映射關系。在教育場景中，不同學校擁有各異的組織架構、辦學風格，不同學科也具有獨特的知識體系、學科規律與應用場景，教師教學方式和學生學習方式也不盡相同，導致情緒識別模型難以準確涵攝，這也是作為情感計算底層依據的“基本情感理論”備受詬病的主要癥結。概言之，在情感發生機理尚未形成共識的情況下，基于情感標尺來支配學生的教育資源獲取、教師的注意力分配等資源配置顯失公平。

第二，情感計算教育應用的情感計算化與作為平等的個人而受到平等對待的權利相對立。作為平等的個人而受到平等對待的權利的核心在于個人享有平等的關心和尊重。情感計算教育應用將師生的復雜情感化約為可度量的數據，個體情感標簽取代了真實情感。情感計算教育應用將師生情感視為一種標準數據，而不是以個人特有的方式理解和回應師生的情感需求。由此，情感計算系統未能充分尊重師生作為獨立個體的情感體驗，將人視為手段性存在。同時，情感計算教育應用還將師生主體視為“分體化”存在。吉爾?德勒茲（Deleuze, G.）認為，在控制社會中，傳統意義上完整、不可分割的“個體”（individual）已不復存在，取而代之的是由不同的信息流和數據片段構成的“分體”（dividual）（吉爾?德勒茲, 2022）。情感計算教育應用使得師生個體被分割成一系列情感數據點，還原為可以量化和操控的“分體”。技術權力不再通過規訓和矯正個體的行為來實施，而是通過對分體化的情感數據進行持續監控、計算和干預，將師生從獨立的行動主體轉變為預測和控制的對象。通過對情感狀態的實時追蹤和數據分析，技術系統將個體原本自主和獨立的情感體驗，分解為可操作和可管理的情感片段，并將其轉化為教育過程中可量化的預測目標。師生的情感不再被當作教育中的內在動力，而是成為外部系統調整的參數。教育不再是一個自由表達和情感互動的過程，而變成了一個數據驅動的、以“優化學習效果”為目標的過程。情感計算教育應用由此反向馴化教育場景，規訓學生和教師的行為選擇，促逼教師和學生在技術限定的既定模式關系中生存與互動，未能使每個主體的內心情感獲得平等的關心與尊重，與教育平等產生割裂。

（三）情感計算教育應用與學習自由的邏輯齟齬

基于憲法學視角，受教育權作為復合型權利，兼具自由權和社會權的雙重屬性。在自由權層面，受教育權表現為一種防衛權利，指的是受教育者基于自由意志通過自由行動來實現受教育權，而國家處于消極的不作為狀態，學習自由即來源于受教育權中的教育選擇自由權。學習自由是指公民在接受教育過程中享有依照自我意志進行與學習活動相關的自由想象、思考和創造的權利，具有自行選擇學習時間、課程內容、地點、方式等權利，教育權力和其他權威性權力不能無端干涉（陳恩倫, 2003）。學習自由是人的自由意志為實現其自由個性而產生的本質需求。它在心智發展過程中體現為個體能夠對豐富知識進行獨立選擇。（曹揚 & 鄒云龍, 2018）學習自由的內涵包括：其一，基于消極層面，學習自由是對不符合教育性強制和權威的否定與拒絕。伊曼努爾?康德（Kant, I.）認為：“自由是獨立于別人的強制意志。”（康德, 2017, p.53）賦予學生對教育強制和權威的拒絕權利，方能使學生不被規訓為被動改造的物化客體，學習活動才有實現基本的自主與獨立的可能。其二，基于積極層面，學習自由是對學習活動內容的自主選擇與創造。自由意志是“有意選擇行為的自由，在于它不受感官沖動或刺激的決定”（康德, 2017, p.13）。“自由的東西就是意志。意志而沒有自由，只是一句空話；同時，自由只有作為意志，作為主體，才是現實的。”（黑格爾, 2017, p.13）如果學生所擁有的自由，僅僅體現在對權威與強制的拒絕，那么這只是消極的、無目的的存在狀態。要超越這種狀態，實現真正的自由，學生必須成為自身利益的最佳判斷者。在此過程中，他們得以自主地確定學習目的、深化學習興趣，進行自我定向、選擇、設計與創造（金生鈜, 2004），從而最終彰顯其自由意志。

情感計算教育應用與學習者學習自由的沖突體現在如下三方面。

其一，情感計算教育應用的即時性導致學生難以拒絕不符合教育性的強制與權威。前文已述，情感計算數據采集和推演具有隱蔽性，師生難以知曉數據處理的具體時刻，而這些隱蔽性實際上進一步強化了技術權威，使得系統能夠基于既定的教育目標隨時介入教學過程。即便告知同意機制具有實效，也多為事前的一攬子授權，授權內容往往抽象且覆蓋面廣，學生在面對情感計算教育應用的即時干預時無法真正行使拒絕權。此外，情感計算的數據處理過程復雜且不可見，這種過程不僅讓學生和教師難以理解或監督，還可能通過即時性技術干預限制學生在學習活動中的反思和選擇空間，進而削弱其對教育性強制和權威的拒絕能力。

其二，情感計算教育應用的情感操縱（emotion manipulation）削弱了學生的學習自由。情感操縱是指情感計算教育應用通過對個體情感的精準監測、調節和刺激，以隱蔽或顯性方式施加影響，引導或控制其行為和決策的過程。這種操縱既可能帶來學習效率提升、焦慮情緒疏解等積極效果，也可能會削弱學生的學習自由。具體而言，當情感計算教育應用基于情感判斷自動篩選學習任務時（如降低難度或提供更多鼓勵性內容），學生可能被局限于技術設計者預設的路徑中，無法根據自己的意愿挑戰更復雜或非傳統的學習目標。這種路徑依賴會壓縮學生探索未知領域和創造性的空間。情感操縱可能會通過獎勵與懲罰機制引導學生的學習行為，使學生將注意力從內在的興趣驅動轉移到滿足外部系統期待上。例如，情感計算教育應用可能利用正向反饋（如表揚或積分獎勵）強化特定學習行為，同時利用負向反饋（如警告或提醒）抑制系統認為的不合適行為。這種情感激勵可能會削弱學生對學習過程的內在掌控感和創造性思考能力，使其更傾向于遵循技術進行行動，而非基于自身意志進行選擇和創造。

其三，情感計算教育應用的彌散式存在阻礙了學生的自主選擇。前信息化時代，學校管理者和教師等對學生情感的掌控只能通過肉眼方式進行，無法做到全時段、全對象和全場域的精準式覆蓋，情感計算技術特性在回應上述困境的同時，也以更為溫和且不易察覺的方式掌控了情感等細節信息，從而演變為一種“微分權力”（米歇爾?福柯, 2019, p.240）。情感計算教育應用通過跟蹤和監測學生的學習狀態，使內隱的學習過程逐步外顯化（劉金松, 2021）。使用過程中，始終有一雙眼睛在凝視并捕捉著學生的各種情感，可能導致學生主動或被動地處于非自然的表演狀態，努力展現自己“最好的一面”，引發“霍桑效應”（高德勝, 2019）。事實上，教育的核心或關鍵在于使人成為自由的存在者，教育價值合理性的依據也在于實現人的解放和自由（李江源 & 蔣映洪, 2009），而人在自由的環境下才能自由發展，情感計算教育應用形成的“全景敞式”架構，可能迫使學生戴上情感面具，難以按照自主意志自覺地進行自我選擇與發展。

三、

情感計算賦能智慧教育的法治因應：傾斜性法律規制路徑

面對情感計算的賦能功效和侵害風險，亟須結合智慧教育場景的領域特征，基于傾斜性法律規制理念，運用法律、技術等多種規制手段，由此既契合智慧教育現代化的客觀需要，又充分回應情感計算教育應用的法治困境。

（一）情感計算教育應用的傾斜性規制理念之證成

與其他智慧教育應用相比，情感計算教育應用因觸及個體內心深處的情感而展現出更為強烈的侵入性。與其他場景下的情感計算應用相比，教育場景因其場景特殊而使得風險更為復雜且難以控制：一方面，教育場景覆蓋面極其廣泛，不僅涵蓋全員（從學生到全民），貫穿全程（從學前教育到終身教育），還涉及全方位（家庭、學校、社會“三位一體”教育以及虛實融合的教育形態）。一旦情感計算教育應用出現偏差，其負面影響將快速蔓延并急劇放大。另一方面，教育場景中師生關系的不平等性將進一步加劇情感計算技術帶來的權力失衡風險。學生在認知能力、經濟實力等方面相對于教師和學校管理者處于明顯劣勢，受制于權威式壓迫，師生關系呈現出形式上平等、實質上不對等的格局。在情感計算技術的加持下，教師和學校管理者的權力效應將進一步被放大和固化，蠶食學生的議價空間與選擇自由。

為促進技術理性與價值理性的耦合，實現情感計算教育應用激勵發展與合理規制的相容協調，應采用傾斜性法律規制理念回應情感計算教育應用的法治風險，該理念以受教育者權利的傾斜性保護為核心，通過設定“價值差”為權利配置和制度安排搭建合理性基礎，從而矯正技術賦能可能帶來的權力失衡。傾斜性法律規制理念作為手段是為了實現對受教育者的傾斜性保護，其根植于“弱勢公平”原則，理論基礎源于約翰?羅爾斯（Rawls, J.）的差別原則，該原則指出，社會和經濟的不平等應當有利于社會中的處境最差者，只有當處境較好者有利于處境最差者的最大利益時，處境較好者才能獲取更多資源（約翰?羅爾斯, 2009, pp.58-63）。基于此，傾斜性保護強調依據教育主體的“強弱身份”進行區別對待，矯正教育主體間的失衡關系，實現平等，最終邁向實質正義。

為實現對受教育者的傾斜性保護，情感計算教育應用的傾斜性規制基調應包含以下向度：其一，技術賦能與技術賦權并重。情感計算教育應用雖能有效賦能教育現代化進階，但其片面強調邏輯和規律的重要性，將教育主體到教育效果的多重映射關系等價于單一線性思維，忽視了人的主體性。因此，情感計算教育應用應當強調技術賦能與技術賦權并重，貫徹《中華人民共和國憲法》（2018年修正）“尊重和保障人權”的要求，對受教育者賦予傾斜性權利配置，強化其告知同意權和拒絕權。同時，還可以借助區塊鏈等技術，共同推進情感計算教育應用的合規發展。其二，從結果控制轉向過程控制。現有的技術治理框架通常側重于結果導向，忽視了技術生成過程中的價值偏差和潛在風險，此種方法難以充分應對情感計算教育應用中復雜的數據處理和算法決策問題，尤其是在涉及個體權利和社會正義時，容易導致價值錯位。因此，在傾斜性法律規制理念的指引下，應將治理重心從結果控制轉向過程控制，將法律正義價值嵌入情感計算教育應用的全生命周期，實現技術和法律的“價值對齊”（value alignment）。其三，從場景泛在轉向場景控制。情感計算教育應用實踐呈現出多點開花的樣態，場景設置呈現出一定的無序性與泛在性，未能充分尊重不同教育階段的特殊性，亦未充分考慮不同年齡階段受教育者的心智成熟度。在傾斜性法律規制理念之下，應當審慎考量情感計算介入智慧教育的理性限度，有序建構情感計算教育應用的場景邊界。

（二）情感計算教育應用中情感數據的雙軌化保障

面向情感計算教育應用與隱私權、個人信息權益的沖突，應基于傾斜性規制理念，采用法律和技術雙軌化路徑予以規制。在法律維度，針對情感數據的隱私權保護，應引入心理損害評估機制，合理界定心理壓力、學習效率下降等主觀體驗的損害價值，由此輔助判斷侵權事實。同時，對于因果關系難以直接證明的情感隱私侵害可以采用“推定侵權”，只要能夠證明情感計算教育應用與心理壓力等具有較高關聯性，即可推定侵權成立。在情感數據的個人信息權益保護方面，因情感數據具有深度侵入特征，在個人信息未來立法中應將其列入敏感個人信息序列，適用加強式保護。同時，由于情感數據生成于個人信息處理，還應當通過持續有效的信息披露與建構動態同意制度，強化受教育主體的告知同意權。具體而言，在現有的一次性告知同意模式下，信息披露只發生在個人信息收集前，受教育主體對于后續的個人信息處理過程一無所知。對此，應當實行持續的信息披露，使受教育主體可以全程追蹤個人信息的處理，并根據風險變化對同意做出靈活調整（田野, 2018）。個人信息處理者應當采用清晰、通俗易懂且明確的語言，對情感計算教育應用收集的個人信息內容和范圍、處理方式和目的、監護人權利等內容進行充分告知，盡量避免使用專業性術語。此外，在處理十四周歲以下未成年人個人信息和十四周歲以上未成年人敏感個人信息時，還應翔實告知監護人或未成年人處理敏感個人信息的必要性及對個人權益的影響、潛在風險等內容。基于持續有效的信息披露，應當賦予受教育主體動態化更新同意的權利。情感計算教育應用的動態同意可采用“同意—退出”機制，具體可細化為定期退出和擇時退出兩種并行方式。“定期退出”機制指設定固定時間區間，期限屆滿后，原同意自動失效。此時，個人信息處理者必須重新履行信息披露義務。若未成年人此時已滿足獨立行使同意權的條件，則可由本人直接做出同意表示。否則，仍需由其父母或監護人代為行使。“擇時退出”是動態同意機制的關鍵體現，它賦予未成年人及其父母或其他監護人可隨時決定中止對特定類型信息的繼續處理，或禁止將信息用于特殊用途的權利。在此基礎上，受教育主體還能隨時調整和修改其同意范圍，從而實現對個人信息的持續控制。這一機制有效克服了傳統“一次同意，終身有效”的僵化弊端，且在現有技術條件下具備充分的可行性（石佳友 & 劉思齊, 2021）。

根據羅杰?布朗斯沃德（Brownsword, R.）的“法律3.0”理論，面對技術對法律的沖擊，法律規則的調整尤為重要，而技術本身也可成為解決方案之一（羅杰?布朗斯沃德, 2023, pp.4-5）。例如，區塊鏈技術以其獨特的數據結構，將數據區塊按時間順序鏈式組合，并通過密碼學手段保障數據的不可篡改和不可偽造，這種去中心化、去信任的分布式共享賬本，為情感計算教育應用的情感信息安全提供了技術支持。首先，防止情感信息的泄漏。區塊鏈技術的去中心化存儲架構能夠將情感計算教育應用處理的個人信息轉換為哈希值上鏈，傳輸中的加密過程能有效保障個人信息的安全。其次，防止對情感信息的篡改和偽造。在區塊鏈中篡改某個區塊的數據，不僅需要改變該區塊及后續區塊數據，還需在共識機制的特定時間內完成。因此，區塊鏈的不可篡改性提升了情感計算教育應用處理個人信息的安全系數。最后，防止情感信息的丟失。區塊鏈的分布式存儲架構確保每個節點都保留完整的數據備份，即使某個節點遭到攻擊，其他節點仍然可以正常運轉（王祿生 & 王爽, 2020）。由此，區塊鏈技術可以有效保障情感計算教育應用運行中的個人信息安全。

（三）情感計算教育應用計算正義的場景化校準

情感計算教育應用中數據和算法的正義程度直接關系到應用的整體正義性。對此，需要基于傾斜性規制理念對情感計算教育應用的數據與算法進行全過程的法律規制，這不僅要求關注數據與算法在整體層面的普遍正義實現，還需結合具體應用場景，確保數據與算法能夠體現個體正義。

第一，基于精確目的的數據規制。數據是算法運行的基礎與源泉，沒有合適的訓練數據就無法進行有效的數據訓練，也就無法獲得準確的情感計算教育應用模型。因而，精確的情感計算教育應用訓練數據尤為重要。不同于醫療、交通等領域，教學與學習是非線性活動，因而教育場景沒有標準化與程式化的流程與模式（楊現民 等, 2016），由此也導致教育場景中的情感數據呈現出高度復雜性與多元性。因此，情感計算教育應用模型的人工標注規則和要素選擇應建立在研發專家、法學專家和教育專家的共同論證之上，遵循教育發展邏輯，嚴格篩選算法訓練過程所需的數據樣本，并通過先驗知識對數據樣本進行清洗，減少人為價值判斷的滲透性影響。同時，借助特征工程、機器學習算法等手段建立數據重復識別匹配規則和匹配鏈接規則，并對標注樣本庫質量進行評估，排除歧視性數據（孫曉勇, 2021）。同時，還需對情感計算數據質量進行持續監控與定期更新，以充分保障情感計算數據的可信度以及與教育規律的契合度。

第二，基于正義目的的算法規制。算法是情感計算教育應用的核心要素，算法是否具有正義屬性是算法規制的前提，直接關涉情感計算教育應用的風險大小。教育是一種解釋性和理解性行為，教育過程是將緘默知識顯性化、黑箱知識透明化的過程，教育者需要把握和調控教育對象和教育過程，以實現全局性的風險管理與控制（譚維智, 2019）。因而，情感計算教育應用需要保證算法的可解釋性。算法可解釋性被視為對抗數據個體的主體性和自治性淪陷和喪失的內在之善（張欣, 2019）。雖然公開算法模型和源代碼是破解算法黑箱、防范算法歧視的有效方式，但是公開算法無助于企業保持商業競爭優勢，加之教育主體受認知能力所限，也難以準確理解算法的實際原理，所以公開算法源代碼并無實際意義（張凌寒, 2018）。

對此，可基于解釋水平理論構建算法解釋制度。解釋水平理論認為個體對社會事件的反應取決于個體的心理表征，即個體對目標的解釋而不是目標本身（Liberman & Trope, 1998）。其中，對于遠距離事物傾向于采用高水平解釋，關注事物核心和整體特征；對于近距離事物則應采取低水平解釋，關注事物外圍和具體特征。概言之，低水平解釋關注事情如何做，高水平解釋更關注為什么這么做。此外，時間因素對于解釋水平也至關重要。時間使得結果的整體吸引力更接近于高水平解釋值。當結果的低水平解釋比高水平解釋更加積極時，結果在近的未來更具吸引力，呈現“時間貼現”（time discounting）；當結果的高水平解釋更加積極時，結果在較遠未來更加積極，顯現“時間增強”（time augmentation）（Trope & Liberman, 2010）。情感計算教育應用算法解釋受眾可區分為技術專家、公權力機關、學生和教師。其中，對技術專家解釋是為確保算法的科學性和有效性，同時也為和第三方評估等制度對接；對公權力機關解釋是基于監管需要；對學生解釋是為增加其對技術的理解和接受度，同時，當其了解了情感計算技術運作方式后，也能主動地參與到技術使用中；對教師解釋是為提升情感計算教育應用的實施效果和教學準確性。對此，應基于不同的解釋水平保障信息接收的可行能力。首先，由于學生缺乏技術理論儲備，無須對算法邏輯進行精細化掌握，因而可采取高水平解釋路徑，用通俗語言展示技術理路和對學生的潛在影響。其次，技術專家、公權力機關和教師掌握一定的專業知識，應采取低水平解釋路徑。技術專家的關注重心在于算法科學性和有效性，低水平解釋應盡可能精細刻畫技術理路；公權力機關承擔監管職能，低水平解釋應采用翔實的因果解釋；教師掌握一定的教育知識，并且是情感計算教育應用的直接適用者，需要了解算法如何運轉，進而根據學生的情感反饋調整教學策略，因此，對教師的算法解釋側重執行，低水平解釋的重點在于告知教師數據源、置信區間等細節。最后，由于時間因素會影響解釋水平，因此當師生受到情感計算教育應用影響并提出異議時，其與情感計算教育應用的距離由遠趨近，監管部門應從高水平解釋轉向低水平解釋，不僅應以通俗方式闡明技術脈絡，還應對其進行“場景式”解釋，實現“個體化透明”。

（四）情感計算教育應用邊界的差異化限定

在教育現代化浪潮的推動下，情感計算教育應用場景必將更加多元。教育活動具有個體差異性，并不存在通用的標準化模式。同時，情感計算教育應用效果往往具有不確定性，對學習自由和教育平等的負面影響也并非即刻顯現，特別是情感計算教育應用使用主體多為未成年人，此種利益侵害更為隱蔽且深遠。為防止情感計算教育應用的反噬效應威脅受教育者的主體地位，應當基于傾斜性法律規制理念，厘清情感計算教育應用的場景邊界。

第一，明確情感計算介入智慧教育的基本限度。情感計算教育應用應以人本主義作為基本價值，尊重學生的身心發展規律與學習認知規律，認可學生的主體中心地位，設立培養學生“能夠充分發揮自身功能”的教育目標，把學生的創造性、求知欲和好奇心作為人本主義培養方式的基本手段（王旦 等, 2021）。情感計算教育應用既不能妨礙也不能直接替代受教育主體進行自主決定。情感計算教育應用應基于“輕推”（nudge）的運行理念，以最低干預方式進行，確保提醒和保護方式不對教學生活產生過度打擾。同時，為防范情感計算技術對學習自由的潛在限制，還必須保障教育主體享有隨時退出應用服務的權利。教育主體退出情感計算教育應用的這一“退出權”可溯源至美國學者賈斯珀?特蘭（Tran, J. L.）提出的“注意力保護權”（the right to attention），其核心在于賦予個體對抗算法對其注意力進行捕獲和控制的能力（Tran, 2016）。因此，在線情感計算教育應用不僅應充分尊重受教育者的使用意愿，杜絕強制使用，更需要在操作層面提供顯著且便捷的關閉選項。一旦用戶選擇退出，服務提供者必須立即終止所有相關功能。

第二，情感計算教育應用負面清單的動態化界定。應當禁止嚴重觸碰倫理禁區和價值底線的情感計算教育應用：1）試圖直接操縱、控制他人情緒的情感計算應用。例如，情感計算教育應用通過實時情感識別技術，在檢測到學生注意力下降時，自動觸發強制性情緒調節程序，迫使其保持“積極”情緒狀態。2）追求不正當目的的情感計算應用。例如，情感計算教育應用通過控制學生情緒，使授課教師獲得高教學測評結果，人為制造課堂高滿意度假象，將情感計算異化為教學績效的投機工具。3）利用人性弱點的情感計算濫用式應用。例如，情感計算教育應用通過刻意利用未成年人的年齡脆弱性和情感發育的不成熟性，借助神經反饋機制等成癮性設計，系統性干預和扭曲學生的自然情感體驗（王祿生, 2021）。同時，應建立定期審查和動態更新機制，由專門機構根據技術進步、社會反饋及實際問題及時調整負面清單內容，確保清單始終貼合時代需求和社會價值。

第三，建立情感計算教育應用的審核和責任追究機制。對情感計算教育應用應以是否實現傾斜性保護為基準，進行全面事前評估以決定是否準許應用，并通過定期抽查評估的方式進行及時調整。在構建責任追究制度時，應以教育主體權利受到實質性損害為前提，明確研發、審核、應用主體的差異化責任。對于研發主體，其責任承擔應限定在存在故意或重大過失的情況下，以避免過度約束研發人員的創新空間，從而保障情感計算教育應用的長遠發展，保持其技術創新的活力。

四、

結語

在萬物皆可計算的時代，情感計算在教育領域的應用為智慧教育的縱深式發展注入全新活力，為未來智慧教育的生態體系建構帶來全新機遇。然而，在情感計算技術特殊性和教育場景特殊性的疊加融合下，情感計算教育應用會對隱私權、個人信息權益、教育平等和學習自由產生沖擊。情感計算應用主體、對象及內容都以人為中心，與人格尊嚴密切相關，情感計算教育應用的法律風險還會對人格尊嚴造成不可逆的損害。因此，借助具有強制力的法律途徑以實現對情感計算教育應用的規制就顯得尤為必要。事實上，面向情感計算教育應用的法律規制還存在諸多理論問題和技術細節值得深入研究，例如，情感計算教育應用開發者是否具有領域性的保護義務？學校應當就情感計算教育應用承擔何種義務？這些都應成為未來研究的努力方向。

注釋：

① 《中華人民共和國個人信息保護法》第二十八條規定：敏感個人信息是指一旦泄露或者非法使用，容易導致自然人的人格尊嚴受到侵害或者人身、財產安全受到危害的個人信息，包括生物識別、宗教信仰、特定身份、醫療健康、金融賬戶、行蹤軌跡等信息，以及不滿十四周歲未成年人的個人信息。另外需要說明的是，由于信息和數據的概念邊界模糊，且當前學界對于兩者之間的異同尚存在較大爭議，我國立法也未對兩者進行嚴格界分，因此本研究將根據具體語境交叉使用“情感信息”“情感數據”等表述，不做內涵和外延上的區分。

② 《中華人民共和國個人信息保護法》第三十一條規定：處理不滿十四周歲未成年人個人信息，應取得未成年人的父母或其他監護人的同意。而對于十四周歲以上的未成年人個人信息的處理，《中華人民共和國個人信息保護法》則未予單獨明確。雖然《信息安全技術 個人信息安全規范》（GB/T 35273—2020）規定收集年滿十四周歲未成年人的個人信息前，應征得未成年人或其監護人的明示同意，但是《信息安全技術 個人信息安全規范》屬于推薦性國家標準，不具備強制執行力。因而，情感計算教育應用處理十四周歲以上未成年人的個人信息，理論上僅需取得未成年人同意。

參考文獻

曹培杰. （2018）. 智慧教育：人工智能時代的教育變革. 教育研究（8）, 121-128.

曹揚, & 鄒云龍. （2018）. 從學習自由到創造自由. 社會科學戰線（11）, 276-280.

陳恩倫. （2003）. 論學習權. 中國教育學刊（2）, 24-26, 35.

褚婧一. （2023）. 情感計算的信息隱私法律風險及其應對. 交大法學（3）, 63-77.

高德勝. （2019）. 表現的學校與教育的危機. 華東師范大學學報（教育科學版）（6）, 16-26.

黑格爾. （2017）. 法哲學原理（范揚, & 張企泰 譯）. 商務印書館.

胡建淼, & 岑劍梅. （2008）. 公共攝像監視與公民隱私權保護. 法學（6）, 93-102.

姬曉燦, 成積春, & 張雨強. （2020）. 技術時代精準教學探究. 電化教育研究（9）, 102-107.

吉爾?德勒茲. （2022）. 控制社會后記 （戴陸 譯）. 世界美術（1）, 53-55.

金生鈜. （2004）. 論教育自由. 南京師大學報（社會科學版）（6）, 65-70.

康德. （2017）. 法的形而上學原理——權利的科學（沈叔平 譯）. 商務印書館.

勞凱聲. （2021）. 受教育權新論. 教育研究（8）, 23-34.

李江源, & 蔣映洪. （2009）. 自由：教育的價值之維. 社會科學戰線（1）, 210-218.

劉金松. （2021）. 人工智能時代學生主體性的相關問題探討. 現代教育技術（1）, 5-11.

羅杰?布朗斯沃德. （2023）. 法律3.0：規則、規制和技術（毛海棟 譯）. 北京大學出版社.

羅納德?德沃金. （2008）. 認真對待權利（信春鷹, & 吳玉章 譯）. 上海三聯書店.

米歇爾?福柯. （2019）. 規訓與懲罰（修訂譯本）（劉北成, & 楊遠嬰 譯）. 生活?讀書?新知三聯書店.

施安. （2018-10-30）. 新東方發布教育新產品“AI班主任”，人工智能這把雙刃劍，教育公司到底怎么用？ 36氪網. https://36kr.com/p/1722934067201

石佳友, & 劉思齊. （2021）. 人臉識別技術中的個人信息保護——兼論動態同意模式的建構. 財經法學（2）, 60-78.

孫曉勇. （2021）. 司法大數據在中國法院的應用與前景展望. 中國法學（4）, 123-144.

孫宇. （2024）. 數字經濟中情感計算應用的消費者權益保護. 人文雜志（2）, 98-110.

譚維智. （2019）. 人工智能教育應用的算法風險. 開放教育研究（6）, 20-30.

田野. （2018）. 大數據時代知情同意原則的困境與出路——以生物資料庫的個人信息保護為例. 法制與社會發展（6）, 111-136.

王旦, 張熙, & 侯浩翔. （2021）. 智能時代的教育倫理風險及應然向度. 教育研究與實驗（4）, 34-39, 96.

王祿生. （2021）. 情感計算的應用困境及其法律規制. 東方法學（4）, 49-60.

王祿生, & 王爽. （2020）. 困境溯源與模式創新：基于區塊鏈的個人信息合作治理研究. 中國行政管理（12）, 56-61.

王一巖, & 鄭永和. （2024）. 教育情感計算的價值、困境與出路. 現代教育技術（9）, 71-79.

吳敏, 劉振燾, & 陳略峰. （2018）. 情感計算與情感機器人系統. 科學出版社.

消費日報網. （2018-6-1）. 蜜棗網展現未來人工智能應用場景. 中國日報網. http://qiye.chinadaily.com.cn/2018-06/01/content_36314746.htm

新浪教育. （2018-7-19）. 好未來發布“AI+腦科學”智慧課堂解決方案WISROOM. 環球網. https://lx.huanqiu.com/article/9CaKrnKaycA

熊文釗, & 吳旸. （2010）. 試論高等教育平等權的實現機制. 浙江學刊（1）, 48-52.

楊現民, 唐斯斯, & 李冀紅. （2016）. 發展教育大數據：內涵、價值和挑戰. 現代遠程教育研究（1）, 50-61.

楊雪, 姜強, & 趙蔚. （2016）. 大數據學習分析支持個性化學習研究——技術回歸教育本質. 現代遠距離教育（4）, 71-78.

約翰?羅爾斯. （2009）. 正義論（修訂版）（何懷宏, 何包鋼, & 廖申白 譯）. 中國社會科學出版社.

張凌寒. （2018）. 商業自動化決策的算法解釋權研究. 法律科學（西北政法大學學報）（3）, 65-74.

張欣. （2019）. 算法解釋權與算法治理路徑研究. 中外法學（6）, 1425-1445.

周漢華. （2021）. 平行還是交叉——個人信息保護與隱私權的關系. 中外法學（5）, 1167-1187.

Ben-Ze’ev, A. (2000). The subtlety of emotions. The MIT Press.

EDPB-EDPS. (2021, June 18). EDPB-EDPS joint opinion 5/2021 on the proposal for a regulation of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). European Data Protection Board. https://edpb.europa.eu/system/files/2021-06/edpb-edps_joint_opinion_ai_regulation_en.pdf

Frank, P. (2023). Affective computing at work: Rationales for regulating emotion attribution and manipulation. Artificial Intelligence, Labour and Society, 1-5.

Gretchen, G. (2021). The ethics of AI and emotional intelligence: Data sources, applications, and questions for evaluating ethics risk. Partnershiponai. https://www.partnershiponai.org/wp-content/uploads/2020/07/PAI_The-ethics-of-AI-and-emotional-intelligence_073020.pdf

Liberman, N., & Trope, Y. (1998). The role of feasibility and desirability considerations in near and distant future decisions: A test of temporal construal theory. Journal of Personality and Social Psychology, 75(1), 5-18.

Official Journal of the European Union. (2024, June 13). Laying down harmonised rules on artificial intelligence and amending regulations (EC) No 300/2008, (EU) No 167/2013, (EU) No 168/2013, (EU) 2018/858, (EU) 2018/1139 and (EU) 2019/2144 and directives 2014/90/EU, (EU) 2016/797 and (EU) 2020/1828 (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=OJ:L_202401689

Picard, R. W. (1997). Affective computing. The MIT Press.

Poria, S., Cambria, E., Bajpai, R., & Hussain, A. (2017). A review of affective computing: From unimodal analysis to multimodal fusion. Information Fusion, 37, 98-125.

Sébastien, K. (2020, September 18). Facing affect recognition. Asia Society. https://asiasociety.org/sites/default/files/inline-files/Affect%20Final.pdf

Tran, J. L. (2016). The right to attention. Indiana Law Journal, 91(3), 1023-1062.

Trope, Y., & Liberman, N. (2010). Construal-level theory of psychological distance. Psychological Review, 117(2), 440-463.

Xue, Y. J. (2019, Mar 26). Camera above the classroom. Sixthstone. https://www.sixthtone.com/news/1003759

Yoo, Y., Boland, R. J., Lyytinen, K., & Majchrzak, A. (2012). Organizing for innovation in the digitized world. Organization Science, 23(5), 1398-1408.

The Legal Risks and Bias-driven Regulatory Framework of Affective Computing Empowering Smart Education

Wang Shuang

Abstract:Affective computing applications in education, characterized by their emotional-driven, highly covert, and deeply recognizable features, exhibit immense potential in fostering personalized learning, precision teaching, and intelligent campus management. However, they also give rise to significant conflicts related to privacy rights, personal information protection, educational equity, and freedom of learning. In response, the central objective should be to prioritize the preferential protection of learners, employing targeted regulatory measures. Specifically, affective privacy should be integrated into privacy protection frameworks through mechanisms such as psychological harm assessments and presumed infringement. The informed consent rights of educational stakeholders should be strengthened through continuous, affective information disclosure and dynamic consent systems. Additionally, blockchain technology should be leveraged for tech-based governance. Data labeling should be optimized for specific purposes, and an algorithmic explanation system should be established based on interpretability theory to enhance contextual transparency of affective computing applications in education. Furthermore, applications that seriously infringe upon ethical boundaries and value thresholds should be prohibited, with educational stakeholders granted the right to opt out. This approach would foster a dynamic balance between fairness, safety, and efficiency in the application of affective computing in education.

Keywords:affective computing; privacy right; personal information; educational equality; freedom of learning

作者簡介

王爽，南京信息工程大學大數據法治研究院研究員，東南大學未來法治與數智技術創新實驗室研究員（南京 210044）。

基金項目

江蘇省2025年度學位與研究生教育教學改革課題“面向生成式AI的法學研究生創新能力雙向提升路徑研究”（課題編號：JGKT25_C037）

責任編輯：單玲 陳鳳英

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，是中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 核心期刊、中國期刊方陣雙效期刊、人大復印報刊資料重要轉載來源期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

來源｜中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。