《Sustainability》:The Power–Wisdom Gap: Reframing Higher Education for Human Flourishing in the Age of Artificial Intelligence
编辑推荐:
高等教育(Higher Education)越来越被要求为受人工智能、生态不稳定、劳动力市场重构和制度信任下降影响的社会培养学习者。然而,许多大学仍受稀缺模型(Scarcity Model)支配:知识传授、持久证书和经济生产力。本文认为,该模型在结构上与新兴条
高等教育(Higher Education)越来越被要求为受人工智能、生态不稳定、劳动力市场重构和制度信任下降影响的社会培养学习者。然而,许多大学仍受稀缺模型(Scarcity Model)支配:知识传授、持久证书和经济生产力。本文认为,该模型在结构上与新兴条件不匹配,因为核心教育挑战正从知识稀缺转向权力丰裕。更深层的危机不是知识生产的不足,而是形成(Formation)的不足:高等教育未能充分发展人类所需的能力,以明智、有意义且负责任地运用技术增强的权力。本文通过概念设计,嵌入系统化范围综述(Systematized Scoping Review)和主题综合(Thematic Synthesis),涵盖高等教育研究、人工智能治理(AI Governance)、未来与预见(Futures and Foresight)、可持续转型(Sustainability Transitions)、人类繁荣(Human Flourishing)、智慧科学(Wisdom Science)和研究指标(Research Metrics)。研究人员提出繁荣管理(Flourishing Stewardship)作为高等教育的新首要原则:培养能够追求有意义生活、同时维护和促进人类和地球共同繁荣条件的个人与机构。本文贡献了繁荣管理转型模型(Flourishing Stewardship Transformation Model, FSTM),链接外部转型条件、稀缺模型不匹配、权力-智慧差距、六种形成能力(Formation Capacities)和五个机构转型杠杆(Institutional Transformation Levers)。该模型通过设计问题、可研究指标和未来实证检验的命题进行操作化。本文通过将高等教育定位为一种社会技术转型基础设施(Socio-Technical Transition Infrastructure),其目的不仅是让学习者适应技术变革,而是形成管理技术所需的人类主体性,从而为技术预测和社会变革做出贡献。
1. 引言
高等教育最初是为知识相对稀缺、专家权威集中于机构、技术决策后果相对有限的条件而构建的。在此条件下,大学可通过知识保存、知识传授、认证和职业准备来定义自身,这些功能仍具价值,但不足以指导在人工智能、气候风险、劳动力市场波动、民主脆弱性和社会分裂中运营的机构。这一转型不仅是技术性的,更是社会技术性和文明性的。生成式人工智能(Generative AI)使高级认知辅助广泛可用,影响学习、写作、编码、专业沟通、研究和组织决策;同时,气候科学和地球系统研究描述了人类安全且公正的运作空间正在缩小,教育系统涉及转型所需的知识、主体性和责任。劳动力市场分析表明,生成式AI更可能改变各职业的任务内容而非直接消除工作,从而强化了对人类判断、适应和社会对话的需求。关于生成式AI在高等教育中的近期辩论显示,问题不再限于采用或禁止,而是涉及学生和教职准备、评估重设计、AI素养、不平等获取、数据治理、学术诚信以及AI工具对动机、心理健康、作者身份和学习关系的影响。这强化了本文的核心主张:教育问题不仅是AI是否应被使用,而是需要何种判断、责任和机构设计,以使AI使用具有形成性而非仅仅是效率性。在此背景下,高等教育的核心问题不再仅是学生应知道什么,而是当认知能力被技术增强、错误后果可能在社会生态系统中级联时,高等教育应帮助形成何种人、专业人员、公民、研究者和决策者。问题也是机构性的:如果大学要作为知识、意义、公共理性和地球管理的负责任基础设施,它们自身应成为什么?本文认为,许多高等教育系统仍受所谓的稀缺模型支配,即知识被视为稀缺且主要被传授,证书被视为持久的能力信号,机构成功通过经济生产力、声誉和产出衡量。该模型并非全错,但在信息丰富、智能日益人工化、工作被自动化重构、决策风险为行星尺度时,它过于狭窄。知识稀缺与认知丰裕的对比应被视为相对和诊断性的区分,而非声称稀缺已消失。生成式AI扩展了草稿、总结、翻译、辅导和模拟的获取,但可信知识、学科专长、高质量基础设施、语言覆盖、付费工具、数据权利和机构权力仍分布不均。因此,更深层的失败不是大学停止生产知识,而是高等教育系统在智慧、意义、伦理判断和生命保护责任的形成方面投资不足。危险在于日益扩大的权力-智慧差距:技术和机构权力增长快于管理该权力所需的人类能力。这一差距对大学尤为重要,因为它们教育那些设计技术、运营机构、解释证据、制定政策、塑造文化并在累积决定未来社会条件的职业中行动的人。本文将智慧理解为在不确定性条件下,面向共同善的反思性、价值中介的判断,包括认知辨别、伦理责任、视角采择、对局限的谦逊以及跨个人、机构和世代思考后果的能力。本文做出四项贡献:提供嵌入式系统化范围综述和概念综合,诊断稀缺模型与新兴条件之间的结构性不匹配,提出繁荣管理作为高等教育首要原则,并开发繁荣管理转型模型(FSTM),旨在指导研究、机构战略和政策实验。繁荣管理和FSTM的独特贡献在于:命名权力-智慧差距为AI赋能和机构放大能力条件下的核心教育不匹配,连接个体形成能力与机构转型杠杆,将AI治理视为与教育目的不可分离的问题,并将规范性首要原则转化为设计问题、指标和实证检验命题。本文通过将关注点从预测技术能力转向预测负责任管理这些能力所需的机构形成能力,为技术预测和社会变革做出贡献。它位于技术预测、社会变革和高等教育未来的交叉点,因为工作的未来不能脱离教育而理解,AI的未来不能脱离人类形成而治理,可持续性的未来不能脱离能够教育长期责任的机构而推进。
2. 方法:嵌入式系统化范围综述与概念综合
本研究是一篇概念性论文,包含嵌入式系统化范围综述。概念设计适合研究问题——高等教育应如何在新兴社会技术条件下重构——而非单一干预是否产生可测量效果。综述是系统化的,因为它使用透明的搜索域、搜索字符串、纳入标准、编码类别和综合逻辑;它是范围性的,因为目标是映射和整合异质性文献,而非进行可比实证研究的元分析。PRISMA 2020和PRISMA-ScR为综述过程的透明度和报告逻辑提供了基础,但本文仍是理论构建手稿,而非独立的干预效果系统综述。搜索和验证在书目和开放学术平台上进行,包括Google Scholar、Crossref、ERIC、PubMed、ScienceDirect、SpringerLink和Taylor & Francis Online,以及联合国教科文组织(UNESCO)、经合组织(OECD)、国际劳工组织(ILO)、政府间气候变化专门委员会(IPCC)和斯坦福HAI的组织库。搜索字符串结构化,以便在Scopus和Web of Science中由具有机构访问权限的作者或审稿人复制。由于本文开发整合性概念模型,从高等教育目的、未来、AI治理、可持续转型和繁荣研究的高相关来源中使用了前后向引文链。示例搜索字符串包括:“higher education” AND universit* AND future* OR foresight OR transformation AND AI OR “artificial intelligence” OR “generative AI”等。搜索强调2000年至2026年间的出版物,同时保留概念上必要的早期基础来源。当来源至少涉及四个分析问题之一时被纳入:哪些外部转型条件正在改变高等教育目的;AI和社会技术变革如何影响知识、工作和评估;在不确定性和权力下,负责任主体性需要哪些人类能力;哪些机构杠杆可将这些能力转化为系统变革。当来源仅关注学校层面教育而无高等教育含义、描述技术采用而无机构或形成性含义、讨论幸福感而无教育相关性、或涉及可持续性但未连接人类能力、治理或高等教育时被排除。筛选过程产生最终概念语料库78个来源,包括实证研究、概念性文章、系统综述和范围综述、书籍和政策报告。来源按七个类别在电子表格中编码:问题诊断、变革机制、人类能力、机构杠杆、行动层面、模型含义和证据功能。经过两阶段筛选:首先审查标题和摘要是否与四个分析问题相关,然后检查全文以评估概念契合度、证据贡献和模型构建有用性。编码采用溯因法,初始编码类别源于研究问题和六个文献领域,然后随着跨来源出现重复机制而细化。最终FSTM组件因此源于编码证据流与权力-智慧差距概念问题之间的反复比较,而非单一先验理论。综述嵌入在理论构建设计中,其目的是为概念整合提供信息,而非详尽编目所有可用证据。
3. 诊断:稀缺模型不匹配与权力-智慧差距
综合表明,高等教育在五个相互关联的方式上与新兴条件不匹配。第一是认识论层面的不匹配:大学经常继续教授知识,仿佛核心教育问题是获取信息,而学生已处于检索、模拟、综合和生成性生产的环境中。在此条件下,高等教育的独特价值在于培养有纪律的判断、认识论谦逊、解释深度和评估不确定条件下主张的能力,而非传递内容。第二是证书主义不匹配:学位仍具有社会力量,但不再提供持久职业能力的稳定保证。AI和自动化改变任务结构,技能需求变化快于政策周期,学位因此需要代表终身适应、伦理学习和负责任工具使用的能力,而非仅先前内容获取。第三是人类学不匹配:许多政策话语仍将学生视为人力资本,即匹配劳动力市场需求的技能包,这种框架部分有用但道德上不充分。学生也是寻求意义的人、参与机构的公民、嵌入社区的关系性存在以及其决策影响他人福祉的未来专业人员。人力资本理论本身无法解释这些维度。第四是时间性不匹配:许多机构优化于短期绩效——年度排名、招生指标、毕业薪资、出版产出和预算目标,而本世纪决定性问题具有长期地平线、代际性和系统性。气候稳定、民主信任、AI治理和社会凝聚力不能由成功信号奖励短期声誉和产出的机构充分应对。第五是伦理与存在性不匹配:知识生产可与智慧脱钩,技术能力可在无意义、目的或责任的情况下增长。大学可以生产知道如何优化但不知为何、为谁、以何种成本或在何种限度内优化的专家。这就是权力-智慧差距。这一诊断也解释了为何仅添加AI模块、可持续性模块或幸福感服务是不够的,因为这些回应虽可能有益,但若未重组机构目的,则是碎片化的。问题不仅在于大学需要新内容,还在于其潜在价值模型必须改变。未来几十年高等教育的边际公共价值可能更少在于传递稀缺知识,更多在于培养能够管理丰裕权力的人和机构。
4. 繁荣管理作为首要原则
本文提出繁荣管理作为高等教育的首要原则。繁荣管理是培养起来的能力和承诺,即追求有意义的人类生活,同时维护和推进他人、民主社会和生命世界的繁荣条件。它结合了两个常被分离的概念:繁荣坚持高等教育必须认真对待全人发展,管理坚持这种发展绝不单纯是私人的,因为知识和权力在社区、机构、技术和世代间承担着义务。进行评估时,术语用法如下:繁荣指多维人类发展,涉及意义、目的、健康、品格、关系以及过人们有理由珍视的生活的能力;幸福感更具体地指支持学习和生活满意度的主观、关系性和社会心理条件;管理指以保护共同善、未来人和生命世界的方式负责任地使用知识、技术和专业权力。繁荣因此不是幸福、舒适或可雇佣性的同义词。VanderWeele将人类繁荣概念化为涉及心理健康、幸福与生活满意度、意义与目的、品格与美德以及密切社会关系的多维条件。Ryan和Deci展示了自主性、能力和关系性如何支持动机和幸福感。Sen的能力方法强调过人们有理由珍视的生活的实质性自由,Nussbaum发展了赋予教育超越收入生成作用的人类发展账户。管理增加了后果维度,询问当行动影响他人和未来时应如何使用知识、技术和专业权力。负责任创新学术特别相关,因为它从预期、反思性、包容性和回应性角度框架创新。AI伦理框架同样强调人类尊严、透明度、公平性、人类监督和环境影响。在高等教育中,管理意味着毕业生应能够询问不仅某物是否有效,而且是否应被构建、规模化、融资、治理或拒绝。繁荣管理是多元而非家长式的,不规定单一广泛的美好生活教义,但拒绝大学在形成方面可以中立的虚构。机构已通过奖励、衡量、忽视和正常化来形成学生,问题在于形成是保持隐含并受竞争、焦虑和优化驱动,还是使其明确、审议并可辩护于合理的公共目的。繁荣的概念本质上是多元且文化中介的,因此模型将繁荣管理视为需要情境解释的规范性取向,而非普遍固定标准。繁荣管理的机构解释应参与式发展而非自上而下强加,学生、教职、专业机构、社区伙伴、雇主、政策制定者和未被充分代表群体应有机会审议负责任繁荣在特定项目、专业或地区中的含义。该原则也避免了将教育简化为幸福感服务。学生心理健康和支持至关重要,但繁荣管理不是另一种名称的治疗,而是教育和机构原则,整合学科掌握、伦理推理、意义、公民责任、生态素养和技术判断,从而恢复教育更古老的人文和民主目的,同时为AI、行星相互依赖和社会技术转型的条件进行更新。
5. 繁荣管理转型模型
繁荣管理转型模型(FSTM)将首要原则转化为系统模型,设计用于研究人员、机构领导者和政策制定者,他们需要一个简洁但可操作的结构来连接技术和行星转型与高等教育重设计。模型有六个组件:转型条件、稀缺模型不匹配、权力-智慧差距、形成能力、机构转型杠杆和结果。模型指定方向性分析关系而非实证验证的因果效应:外部条件加剧不匹配,不匹配扩大权力-智慧差距,差距识别高等教育必须形成的能力,机构杠杆提供通过这些能力得以发展和评估的机制。FSTM应被解释为组织探究和指导实证测试的启发式框架,而非已确认的因果模型。第一组件识别转型条件:AI扩散、行星风险、劳动转型、认识论混乱和民主脆弱性。这些条件不是背景变量,而是改变知识是什么、工作如何组织、必须治理什么风险以及需要何种公共推理。第二组件诊断稀缺模型不匹配:传递、证书主义和生产力代理不再提供足够组织逻辑。第三组件识别权力-智慧差距作为连接外部变化与教育目的的核心机制。第四组件指定六种形成能力:认识论能力(Epistemic Capacity)指学科深度、证据素养、不确定性推理和智识谦逊;伦理能力(Ethical Capacity)指责任、道德推理、完整性和后果意识;存在能力(Existential Capacity)指意义、目的、天职和反思性身份;公民能力(Civic Capacity)指多元主义、民主对话、机构信任和公共理性;生态能力(Ecological Capacity)指系统思维、相互依赖和对生命世界的责任;技术能力(Technological Capacity)指AI素养、人类监督、数据意识和治理技术而非仅使用技术的能力。存在能力不意味着大学应规定单一美好生活概念,而是指学生反思意义、天职、身份、局限、不确定性和责任相对于其学习领域和未来专业权力的能力。教育上,可通过反思性档案、导师制、社区参与学习、专业身份工作和关于价值观与后果的结构化对话来支持。第五组件识别五个机构转型杠杆:课程、教学法与评估、目的与治理、指标、AI治理。模型的核心主张是形成能力不会仅通过修辞而规模化发展,它们需要与首要原则一致的机构杠杆。反之,AI采用、可持续性倡议和幸福感政策将保持碎片化,除非它们连接到关于高等教育目的的一致叙述。第六组件涉及结果:负责任主体性、公共价值、民主韧性、人类繁荣和行星繁荣。这些结果不应被解释为简单因果终点,而是指导机构设计和实证探究的评估地平线。图2中的反馈箭头表示实施证据应修订模型,因为FSTM是结构化学习的启发式框架,而非总体化理论。模型不假设所有机制在情境中统一运作,而是提供一种结构化方式来检验不同维度如何在特定机构和社会技术条件下相互作用。反馈循环表明结果告知持续机构学习,使模型递归而非严格线性。FSTM链接转型条件、稀缺模型不匹配、权力-智慧差距、形成能力、机构转型杠杆和结果。箭头指示启发式探究和实证测试的方向性分析关系,而非已确认的因果路径。模型还提供了在项目和政策设计中的具体说明,如AI评估重设计、医学与健康专业教育、工程伦理与基础设施设计、大学战略中的可持续性治理、AI辅助法律教育等,表明繁荣管理不规定统一课程,而是提供共同设计逻辑:识别项目或机构分配权力的形式,诊断现有结构假设过时稀缺条件的地方,并将课程、评估、治理、指标和AI政策与负责任主体性所需的形成能力对齐。
6. 对系统重设计的启示
围绕繁荣管理组织的课程不会放弃学科深度,反而会保护它,因为负责任判断需要实质性知识。转变在于学科知识将与其后果关联教授:工程学包括社会与生态后果,商学包括尊严、信任和长期价值,计算机科学包括偏见、劳动、隐私和治理,健康专业包括脆弱性、公平和机构伦理,教育学包括民主、包容和意义。跨项目需要共同形成核心,该核心不必是通用软技能,而应智力上严格并围绕塑造未来的主要条件组织:AI与数据、气候与生物多样性、民主公共理性、全球不平等、健康与脆弱性、和平与冲突、意义天职与责任。这呼应了联合国教科文组织关于教育新社会契约的呼吁及其高等教育路线图。AI素养和生态素养应成为普遍毕业生成果,包括模型局限、偏见、隐私、知识产权、自动化、劳动后果、人类监督和负责任使用,以及系统相互依赖、行星边界、气候风险、生物多样性和公正转型。繁荣管理还需要学生能在不确定性下实践判断的教学法,包括案例学习、项目学习、体验学习、社区参与、工作室批评、模拟、反思性写作、口头答辩和跨学科探究。生成式AI加剧了评估重设计的需要,答案不是全面禁止,而是要求过程证据、作者身份、口头答辩、情境判断、迭代、应用和负责任工具使用的评估。教学法也有关系维度,学生通过信任、反馈、归属和认可的环境而被塑造。繁荣研究表明关系、意义和品格是幸福的核心维度,高等教育证据表明学习经历可测量地塑造繁荣。因此,高等教育需要支持挑战而不具可抛弃性、严格而无羞辱、卓越而无慢性疏离的学习环境。机构目的和治理也必须改变,大学应将自己理解为文明基础设施,帮助社会再生产知识、专长、公共理性和未来制造能力。机构治理应使教学、研究和参与围绕公共价值对齐,研究议程应鼓励解决长期社会生态挑战而不牺牲基础探究,教学应整合学科掌握与伦理、公民和技术判断,参与应超越外展迈向与社区、专业和政策制定者的互惠知识创造。这一机构转变需要学术工作变化,教职不能期望教育管理而晋升标准仅奖励出版量、资助收入和狭隘学科地位。机构需要卓越教学、跨学科合作、社区参与学术、负责任AI创新和公共价值研究的认可系统。负责任指标学术表明,指标应支持专家判断而非替代它,保持对局限的透明,并反映学科和机构多样性。模型还需要多元问责,现有指标如就业率、毕业薪资、出版物、引用、国际化、研究收入测量重要绩效方面,但未捕捉高等教育全部公共价值,且若作为教育质量代理,可能扭曲机构行为。古德哈特定律直接相关:当测量成为目标时,它可能不再是好测量。多元问责框架应包括学习、形成和贡献:AI素养、可持续性能力、伦理推理、归属感、意义、公民参与、负责任研究实践、公共价值伙伴关系和毕业生长期贡献。最后,AI治理是高等教育能否从一致首要原则行动的最直接测试。繁荣管理方法拒绝幼稚采用和防御性禁止。AI可支持可及性、形成性反馈、翻译、模拟、辅导、行政效率和研究协助,但也可能启用监视、加深不平等、加剧数据提取、削弱作者身份和外包判断。治理标准应为形成性:AI使用是否增强或削弱高等教育负责培养的人类能力?当AI扩展可及性、支持反馈、减少不必要行政负担或在不断判断的情况下促成更深入探究时应被鼓励,当它破坏作者身份、隐私、责任、智力挣扎或独立推理能力时应被约束。这一标准将通用AI伦理原则转化为教育设计。教育目标不是培养能在每项认知任务上与机器竞争的人类,而是形成能使用智能系统而不放弃主体性、判断或责任的人类。对政策制定者,FSTM意味着高等教育战略应被视为负责任技术、技能、民主和可持续性政策的一部分,而非独立的供给侧教育议程。劳动力市场对齐仍重要,但应嵌套在更广泛公共价值安置中。质量保证和资助系统可要求机构使用混合方法而非仅依赖毕业薪资或研究量来证明AI素养、可持续性能力、伦理推理、学生归属感、社区参与和负责任研究实践。对机构领导者,FSTM作为对齐审计工具,领导者可检查使命声明、项目批准、评估政策、晋升标准、数字战略、可持续性承诺和学生支持系统是否指向同一方向。对项目团队,模型可转化为简单设计问题:此课程赋予毕业生何种权力,需要何种形成才能使该权力得到良好使用?该问题将课程审查从内容覆盖练习转变为责任映射练习,并允许学科保持其特殊性。对预测研究者,模型邀请比较不同大学未来情景的工作,包括防御性证书主义、效率自动化和繁荣管理,预测这些未来将澄清当前可用的机构选择以及路径依赖的社会风险。实施取决于机构能力、资助结构、监管环境和政治优先事项,因此模型应被理解为方向性框架而非普遍立即可行的蓝图。进一步的实施风险是不平等,资金更强、数字基础设施更好、数据治理专长和教职发展能力更强的机构将比面临高教学负荷、不稳定人员或有限学生支持的机构更有能力实施FSTM。教职工作量尤为重要,评估重设计、口头答辩、档案反馈、AI治理和社区参与学习具有教育价值但劳动密集。框架因此应伴随资源、工作量认可、专业发展和公平敏感适应来实施,否则繁荣管理可能成为另一项象征性指令,加剧机构不平等。
7. 命题与研究议程
7.1. 概念命题与指示性指标
为支持进一步研究,FSTM可转化为命题。这些命题并非作为最终假设,而是作为议程设定主张,供实证测试、比较案例研究、预测练习和政策实验使用。命题区分规范性和实证性主张。规范性主张是高等教育应在权力放大条件下将其目的导向繁荣管理。实证性主张更有限:如果机构将课程、教学法、评估、指标和AI治理与形成能力对齐,那么学生学习、负责任主体性、机构连贯性和公共价值的可观察变化应变得可研究。命题1:如果AI增加高等教育中的认知丰裕,那么大学的边际公共价值将从信息传递转向判断形成,因为智能系统降低内容稀缺性同时增加解释、作者身份和监督的重要性。命题2:如果高等教育系统主要依赖人力资本指标,那么它们将生产不足的伦理、公民和生态能力,因为代理绩效指标比长期公共价值和管理更容易奖励短期产出。命题3:如果繁荣导向学习与学科严格性整合而非仅作为学生支持对待,那么幸福感和认识论参与都可能改善,因为意义、自主性、能力和关系性支持动机和持续学习。命题4:如果AI治理根据其对形成能力的影响而非仅效率来评估,那么大学将采用更负责任的AI实践,因为人类主体性标准暴露了便利性、监视、作者身份和判断中的隐藏权衡。命题5:如果课程、教学法、指标和治理围绕繁荣管理对齐,那么高等教育机构将能更好地为可持续和民主未来做出贡献,因为碎片化倡议将围绕共享目的和转型理论整合。这些命题跨多种方法创建研究议程,包括调查研究、比较案例研究、设计研究、预测研究和政策研究。
7.2. 边界条件与局限
FSTM是启发式框架,而非总体化解决方案。它不声称高等教育能单独解决AI风险、气候变化、不平等或民主衰退,也不暗示每所大学、学科或国家系统应采用相同课程或指标。其目的是帮助机构在技术和行星转型条件下提出关于目的与实践之间对齐的更好问题。若干局限随之而来。第一,繁荣在文化和哲学上存在争议,模型因此将繁荣管理用作多元取向而非单一综合教义,未来研究应检验该原则如何跨文化、机构和学科情境被解释。第二,本文是概念性和系统导向的,提出模型但未实证测试。第三,嵌入式综述是系统化和范围性的,而非具有偏倚风险评估的详尽数据库导出系统综述,这对跨异质性领域的概念综合是合适的,但未来工作应针对特定组件进行更有限的系统综述,如AI评估重设计、繁荣课程或管理指标。未来研究还应检验不同群体在实践中如何解释繁荣管理,需要参与式和跨文化研究来测试框架能否支持多元机构使命而不变得家长式、过度西方化或脱离地方条件。第四,实施约束是实质性的,资金不足的机构可能缺乏深度课程重设计、学生支持、AI治理或公共价值研究的能力,任何政策议程因此必须包括资源、教职发展和公平敏感适应,而非仅道德呼吁。第五,某些学科和专业已比其他更广泛地整合伦理、可持续性和公共责任,模型因此应被诊断性使用,而非声称所有机构从相同基线开始。最后,存在过度扩展的风险,连接AI、可持续性、繁荣和治理的模型可能显得解释过多,保障是操作化。FSTM应通过其是否帮助研究者指定变量、机构设计干预、政策制定者协调激励来判断,其价值不是修辞完整性,而是结构化实验的实用性。模型不旨在替代现有学科或机构框架,而是提供整合层,通过该层可评估它们与新兴条件的对齐。
8. 结论
高等教育曾帮助社会管理知识稀缺,现在面临更困难的任务:帮助社会管理权力丰裕。人工智能、行星风险和机构脆弱性不会使大学过时,反而使大学的形成性目的不可避免。本文论证了主导的稀缺模型与新兴条件不匹配,知识传递、证书化和经济生产力仍重要,但在认知工具广泛可用、工作被自动化重构、人类行动具有行星后果的时代,它们不能作为首要原则。更深层的失败不是知识短缺,而是形成能力不足,不足以与高等教育帮助分配的权力相匹配。繁荣管理提供了一种回应,它要求高等教育培养能够追求有意义生活、同时维护和推进人类和行星共同繁荣条件的个人和机构。繁荣管理转型模型将此原则转化为系统框架,链接转型条件、不匹配、权力-智慧差距、形成能力和机构杠杆。模型不旨在详尽解释高等教育转型的所有维度,而是提供结构化框架来检验目的、能力和机构设计之间的对齐。实践议程要求严格:课程必须变得后果丰富,教学法必须培养实践判断,指标必须超越代理绩效,AI必须作为教育和伦理基础设施而非仅工具来治理,机构必须将自己理解为社会技术和文明基础设施,不仅负责生产知识,还负责形成将使用知识和权力的主体。高等教育未来的相关性不会通过变得更快、更数字化或更以可雇佣性为导向而得到保障,而将通过变得更有智慧得到保障。