基于BTM的人工智能赋能职业技能习得的伦理风险.pdfVIP

Vol.33 No.7 2023 基于BTM 的人工智能赋能职业技能习得的伦 理风险* 张栋科1 李金金1 吴南中2 （1．河北大学 教育学院，河北保定 071002 ； 2 ．西南大学 数学与统计学院，重庆 400715 ） 摘要：人工智能与职业教育教学的深度融合，是助推职业教育数字化转型和智能升级的重要途径。然而，人工 智能技术的跃迁式发展会对职业教育教学进行技术性反向控制，较易引发教育伦理风险。基于此，文章结合双 词主题模型 （Biterm Topic Model ，BTM）数据挖掘和文本共线网络分析数据可视化的优势，设计了基于BTM 的 研究框架。依托此框架，文章开展了实验语料库搭建、运行BTM 、伦理风险释义，并利用文本分析方法分析了 人工智能技术应用于职业技能习得的伦理风险案例，总结出当前人工智能赋能职业技能习得过程中存在的五对 伦理风险，即思维僵化与信息茧房、情感遮蔽与职业失德、资源割裂与学习浅层、角色迷航与操作僵化、工具 理性与自我困厄。文章对案例数据的挖掘和解释，有助于规避和约束伦理风险。 关键词：BTM ；人工智能；职业技能；职业教育；伦理风险 【中图分类号】G40-057 【文献标识码】A 【论文编号】1009—8097 （2023）07—0025—10 【DOI 】10.3969/j.issn.1009-8097.2023.07.003 加快数字化发展、建设数字中国、发展数字经济，是贯彻新发展理念、推动高质量发展的 战略举措，深刻影响着教育领域的变革。在此背景下，《教育部2022 年工作要点》正式提出 “实 [1] 施教育数字化战略行动” 。而教育数字化既是大势所趋，又是当务之急，给职业教育的变轨超 车带来了历史机遇。对此，教育部职业教育与成人教育司印发《关于2022 年职业教育重点工作 [2] 介绍》，明确强调要推动职业教育数字化升级 。而以人工智能为代表的数字技术，通过与职业 教育教学深度融合，推动了职业教育数字化转型的整体跃升，服务于高质量现代职业教育体系 建设。然而，人工智能技术的跃迁式发展会对职业教育教学进行技术性反向控制，较易引发教 育伦理风险。因此，人工智能赋能职业技能习得的伦理风险是职业教育数字化转型过程中亟待 解决的问题。基于此，本研究利用文本分析方法，基于BTM 来分析当前人工智能赋能职业技能 习得的伦理风险案例，进而探究当前人工智能赋能职业技能习得的伦理现状，以期为规避相应 的伦理风险提供实证依据。 一 BTM 与人工智能教育伦理 1 BTM 研究概况 目前，国内外学者针对BTM 的研究主要集中在BTM 的历史演变和BTM 的应用研究两个 方面：①BTM 的历史演变主要经历了潜在语义分析（Latent Semantic Analysis ，LSA ）、隐含狄 利克雷分布（Latent Dirichlet Allocation ，LDA ）、BTM 三个发展阶段。1990 年，美国学者Deerwester [3] 等 最早提出“主题模型”的概念，并创造性推出LSA 模型。为解决LSA 模型过拟合的问题， [4] 2003 年美国学者Blei 等 结合贝叶斯思想，推出目前应用十分广泛的LDA 模型。为解决短文本 [5] 数据稀疏性而导致模型效果不佳的问题，2013 年Yan 等 推出针对短文本的BTM 。②BTM 的 25 Vol.33 No.7 2023 应用研究主要聚焦于主题时间演化、主题文本聚类、主题话题提取三个方面。例如，王曦等[6] 基于BTM ，聚焦考研复试期间国内主流网络社交平台的讨论文本，成功刻画了教育舆情随时间 [7] 推进的演化路径；高慧颖等 基于BTM ，提出了一种基于词共现分析的双词主题模型，并证明