你會支持在你孩子的教室裡安裝攝像頭嗎？如果這個攝像頭，不僅僅用於考勤、考試監考，還能蒐集“大數據”解讀你孩子的學習習慣、行為習慣，你會為此鼓呼還是倍感焦慮？
這很可能就是你已經面對，或即將思考的問題。這套“智慧課堂行為管理系統”近日已經被杭州第十一中學引入課堂。根據《新京報》的報道，該校的教室內安裝攝像頭來實現刷臉考勤，學生上課起立時，幾秒鐘便可完成點名。系統每隔30秒會進行一次掃描，針對學生們閱讀、舉手、書寫、起立、聽講、趴桌子等6種行為並結合面部表情，分析出學生們在課堂上的狀態。如果不專注的行為達到一定的負分值，系統就會向任課老師的顯示屏推送提醒。
管理系統的結果還可以作為教師反思課堂效果的依據。比如，A教師與B教師在上同樣一節同一單元的課程，如果B教師的課堂學生表現出來的分值較低，他便要反觀是不是自己的教學行為導致課堂氣氛不夠活躍。
把人工智能引入課堂，有人認為這是對學生隱私權的侵犯，終日生活在監控中是對孩子心理的一種傷害；也有人認為這是教育創新，因為以往也會人工記錄學生的考勤和課堂表現，新方法還能夠提高教學管理的效率。
你怎麼看待這個問題呢？
讓我們用實踐論證的框架來依次分析考慮：
學校的目標正當嗎？
監控的手段可以實現目標嗎？
監控是實現目標的必要手段嗎？也就是，綜合判斷利弊後，監控手段比其他手段更好嗎？
目標：監控的目標正當嗎？
學校的目標，具備一定的合理性。進行考勤這一基本教學管理，促進學生參與課堂，幫助教師反思課程設計從而改進課程質量，都是正當的管理目標。
然而，目標正當，動機良好，不代表採取的手段就是恰當的。監控可以實現考勤的目標，卻難以真正讓學生愛上課堂，讓教學內容得到提高。
手段的有效性：監控手段可以實現目標嗎？
任課老師在收到系統提示學生上課注意力不集中後，確實可以提醒學生，要求其專注聽講。在監控系統的馴化下，一些不喜歡聽課的學生，也會慢慢裝作看上去很專注。就像該校高一學生王某在接受採訪時表示，“如果自己狀態不好，收到信息反饋後，在下節課或者第二天便會積極做出調整”。這樣，不同班級的負值有可能逐漸趨同，也難以產生不同課堂之間的比較。而這種不同課堂專注度的比較，一旦成為對教師的評估標準之一，一個可能的後果就是教師會用更嚴厲的態度要求學生專心聽講。
這種做法只注重了表面現象，卻沒有涉及到問題的根源。學生學會了偽裝，深層問題卻被掩蓋。他們為什麼不專心聽講？是校園、家庭生活中發生的其他問題在干擾著他們，還是課程太難跟不上、課程太無趣、或者課程和他們的生活太不相關了？這些問題並不容易解決，也是我們傳統的填鴨式教學所不願意面對的。
手段的必要性：監控是實現目標的必要手段嗎？
監控的方法，未見得能實現提升課堂成效的目標。退一步說，假設它可以幫助實現目標，它會是必要的手段嗎？它的好處和壞處分別是什麼，會不會有比它更好的手段？如果它並不是最優的手段，我們就無法說它是必要的。而“必要性”，也是我國法律對於個人信息收集的法定要求。
人工智能監控的課堂，利在可以迅速採集信息，以及進行事後的大數據分析，但弊端也非常突出。
其一，學生長期處於監控之中，課堂上無時無刻不在被機器分析，這將帶來極大的心理上的壓抑感和不自由感。
北大六院兒童病房主任曹慶久提出，有些學校用智能系統監控學生，學生往往會有一些心理方面的反應。很多青春期的孩子正處於自我意識快速發展的階段，要求有隱私權，要求得到別人的尊重，要求得到別人的信任。如果裝監控系統是為監測孩子注意力，往往會引起孩子的反感，要注意它對孩子心理方面的影響。
雖然還沒有對監控下的學生心理狀況的直接調研，但是學者曾對中國、以色列和澳大利亞的共計748位老師和5521名學生的調研，發現在三個國家都有這樣的情況：老師在課堂上的紀律懲罰和干涉越多，學生的分神和對老師的負面情緒就越多（Ramon Lewis etc., Students’ reaction to classroom discipline in Australia, Israel, and China）。如果監控的提示進一步強化了教師對學生的干預，那麼學生的負面情緒也將增多。
其二，學生個人信息的大量採集、分析和保存，可能會形成新的隱患。
大數據時代的到來，讓我們逐步變成了透明人。我們在某年某月某日購買了什麼，又打車從某地到另一地，都變成電子信息的形式永遠留存在大數據中，有可能永遠都不會消失，也很有可能被他人所盜取。
麥肯錫公司在2015年發佈的“Protecting Student Data In A Digital World”（《在電子世界中保護學生》）的報告中指出，許多美國家長、教師和學校管理者抵制引入基於學生的數據分析而個性化定製的學習產品，原因之一就是害怕基於這些數據，部分學生會被過早地或永久地被貼上“學習不好”的標籤。
試想一個學生揹負著較多的上課不專心記錄，新的老師會如何看待他？這些信息，有沒有可能成為將來升學、評獎等場景下，評價他的依據？甚至作為預測他將來發展的依據？
白宮在2016年5月公佈了2016大數據報告《大危機、大機遇：大數據和民權的交叉》（“Big Risks, Big Opportunities: the Intersection of Big Data and Civil Right”），同樣談到在運用大數據分析時可能對一些公民造成的歧視性後果。
例如，美國大學時常運用大數據分析來預測學生的畢業率，發現低收入家庭的學生退學率較高，這使得一些大學在一開始招收學生時傾向拒絕低收入家庭的學生。但低收入家庭的學生中途退學的原因多是無法負擔高額學費，而未必是在校成績不佳。運用大數據分析卻忽略其中的因果關係，就會造成對低收入家庭學生的歧視性結果。
而那些不專心聽講的學生，也未必就是學習能力低下的人，卻有可能被貼上無法撕掉的標籤。
其三，人工智能監控需要比傳統手段高得多的成本。這部分公共投入的預算，在實體內容和審批程序上，是否獲得了納稅人的許可，也是值得追問的。
中學生的座位往往是固定的，缺勤情況一目瞭然。教師站在講臺上，臺下學生的學習狀態其實也是悉數納入眼中。學生們聽懂沒聽懂，覺得課程有意思沒意思，哪些知識點反饋積極，哪些講法不受歡迎，老師通過和學生的目光接觸，也完全可以掌握十之八九。人工智能監控的方法真的在實質上能比傳統方法效果好多少，需要打一個大大的問號。
但即使是未來人工智能的精細化超過傳統的人工紀律管理，根本上還是體現了一種行為主義的教育理念——只用外部控制去強化服從。但是這種方法無法真正讓學生們學會自我管理。就像我們經常聽聞的，許多孩子在父母和教師的嚴格監管中考上了大學，卻在大學生活中迷失了自己，不知道該做些什麼，甚至墮落下去。
而與此相對的是建構主義的教育理念，即幫助學生們由內而外地建立有效的行為規則和價值觀，他們才能真正成為更理性的人，以自尊自律的態度去把握自己的學習和人生。
學校和老師要回歸教育的本質，學習的本質，依靠課程內容和互動形式的改變，去吸引學生。越來越多的創新學校、PBL（項目制學習）已經開啟了這場教育的革命。而只在傳統應試教育的框架內打轉轉，用更加嚴密的監控去管制學生，不僅無法讓他們擁抱真知，還進一步損害了他們，只會和真正的教育目標漸行漸遠。
閱讀更多 芥末堆看教育 的文章
