你会支持在你孩子的教室里安装摄像头吗？如果这个摄像头，不仅仅用于考勤、考试监考，还能搜集“大数据”解读你孩子的学习习惯、行为习惯，你会为此鼓呼还是倍感焦虑？
这很可能就是你已经面对，或即将思考的问题。这套“智慧课堂行为管理系统”近日已经被杭州第十一中学引入课堂。根据《新京报》的报道，该校的教室内安装摄像头来实现刷脸考勤，学生上课起立时，几秒钟便可完成点名。系统每隔30秒会进行一次扫描，针对学生们阅读、举手、书写、起立、听讲、趴桌子等6种行为并结合面部表情，分析出学生们在课堂上的状态。如果不专注的行为达到一定的负分值，系统就会向任课老师的显示屏推送提醒。
管理系统的结果还可以作为教师反思课堂效果的依据。比如，A教师与B教师在上同样一节同一单元的课程，如果B教师的课堂学生表现出来的分值较低，他便要反观是不是自己的教学行为导致课堂气氛不够活跃。
目前系统运行结果所形成的报告仅对任课教师开放，但接下来学校有计划通过微信平台向家长及学生开放，以供他们参考。
把人工智能引入课堂，有人认为这是对学生隐私权的侵犯，终日生活在监控中是对孩子心理的一种伤害；也有人认为这是教育创新，因为以往也会人工记录学生的考勤和课堂表现，新方法还能够提高教学管理的效率。
你怎么看待这个问题呢？
让我们用实践论证的框架来依次分析考虑：
学校的目标正当吗？
监控的手段可以实现目标吗？
监控是实现目标的必要手段吗？也就是，综合判断利弊后，监控手段比其他手段更好吗？
目标：监控的目标正当吗？
学校的目标，具备一定的合理性。进行考勤这一基本教学管理，促进学生参与课堂，帮助教师反思课程设计从而改进课程质量，都是正当的管理目标。
然而，目标正当，动机良好，不代表采取的手段就是恰当的。监控可以实现考勤的目标，却难以真正让学生爱上课堂，让教学内容得到提高。
手段的有效性：监控手段可以实现目标吗？
任课老师在收到系统提示学生上课注意力不集中后，确实可以提醒学生，要求其专注听讲。在监控系统的驯化下，一些不喜欢听课的学生，也会慢慢装作看上去很专注。就像该校高一学生王某在接受收集时表示，“如果自己状态不好，收到信息反馈后，在下节课或者第二天便会积极做出调整”。这样，不同班级的负值有可能逐渐趋同，也难以产生不同课堂之间的比较。而这种不同课堂专注度的比较，一旦成为对教师的评估标准之一，一个可能的后果就是教师会用更严厉的态度要求学生专心听讲。
这种做法只注重了表面现象，却没有涉及到问题的根源。学生学会了伪装，深层问题却被掩盖。他们为什么不专心听讲？是校园、家庭生活中发生的其他问题在干扰着他们，还是课程太难跟不上、课程太无趣、或者课程和他们的生活太不相关了？这些问题并不容易解决，也是我们传统的填鸭式教学所不愿意面对的。
手段的必要性：监控是实现目标的必要手段吗？
监控的方法，未见得能实现提升课堂成效的目标。退一步说，假设它可以帮助实现目标，它会是必要的手段吗？它的好处和坏处分别是什么，会不会有比它更好的手段？如果它并不是最优的手段，我们就无法说它是必要的。而“必要性”，也是我国法律对于个人信息收集的法定要求。
人工智能监控的课堂，利在可以迅速采集信息，以及进行事后的大数据分析，但弊端也非常突出。
其一，学生长期处于监控之中，课堂上无时无刻不在被机器分析，这将带来极大的心理上的压抑感和不自由感。
北大六院儿童病房主任曹庆久提出，有些学校用智能系统监控学生，学生往往会有一些心理方面的反应。很多青春期的孩子正处于自我意识快速发展的阶段，要求有隐私权，要求得到别人的尊重，要求得到别人的信任。如果装监控系统是为监测孩子注意力，往往会引起孩子的反感，要注意它对孩子心理方面的影响。
虽然还没有对监控下的学生心理状况的直接调研，但是学者曾对中国、以色列和澳大利亚的共计748位老师和5521名学生的调研，发现在三个国家都有这样的情况：老师在课堂上的纪律惩罚和干涉越多，学生的分神和对老师的负面情绪就越多（Ramon Lewis etc., Students’ reaction to classroom discipline in Australia, Israel, and China）。如果监控的提示进一步强化了教师对学生的干预，那么学生的负面情绪也将增多。
其二，学生个人信息的大量采集、分析和保存，可能会形成新的隐患。
大数据时代的到来，让我们逐步变成了透明人。我们在某年某月某日购买了什么，又打车从某地到另一地，都变成电子信息的形式永远留存在大数据中，有可能永远都不会消失，也很有可能被他人所盗取。
麦肯锡公司在2015年发布的“Protecting Student Data In A Digital World”（《在电子世界中保护学生》）的报告中指出，许多美国家长、教师和学校管理者抵制引入基于学生的数据分析而个性化定制的学习产品，原因之一就是害怕基于这些数据，部分学生会被过早地或永久地被贴上“学习不好”的标签。
试想一个学生背负着较多的上课不专心记录，新的老师会如何看待他？这些信息，有没有可能成为将来升学、评奖等场景下，评价他的依据？甚至作为预测他将来发展的依据？
白宫在2016年5月公布了2016大数据报告《大危机、大机遇：大数据和民权的交叉》（“Big Risks, Big Opportunities: the Intersection of Big Data and Civil Right”），同样谈到在运用大数据分析时可能对一些公民造成的歧视性后果。
例如，美国大学时常运用大数据分析来预测学生的毕业率，发现低收入家庭的学生退学率较高，这使得一些大学在一开始招收学生时倾向拒绝低收入家庭的学生。但低收入家庭的学生中途退学的原因多是无法负担高额学费，而未必是在校成绩不佳。运用大数据分析却忽略其中的因果关系，就会造成对低收入家庭学生的歧视性结果。
而那些不专心听讲的学生，也未必就是学习能力低下的人，却有可能被贴上无法撕掉的标签。
其三，人工智能监控需要比传统手段高得多的成本。这部分公共投入的预算，在实体内容和审批程序上，是否获得了纳税人的许可，也是值得追问的。
中学生的座位往往是固定的，缺勤情况一目了然。教师站在讲台上，台下学生的学习状态其实也是悉数纳入眼中。学生们听懂没听懂，觉得课程有意思没意思，哪些知识点反馈积极，哪些讲法不受欢迎，老师通过和学生的目光接触，也完全可以掌握十之八九。人工智能监控的方法真的在实质上能比传统方法效果好多少，需要打一个大大的问号。
但即使是未来人工智能的精细化超过传统的人工纪律管理，根本上还是体现了一种行为主义的教育理念——只用外部控制去强化服从。但是这种方法无法真正让学生们学会自我管理。就像我们经常听闻的，许多孩子在父母和教师的严格监管中考上了大学，却在大学生活中迷失了自己，不知道该做些什么，甚至堕落下去。
而与此相对的是建构主义的教育理念，即帮助学生们由内而外地建立有效的行为规则和价值观，他们才能真正成为更理性的人，以自尊自律的态度去把握自己的学习和人生。
学校和老师要回归教育的本质，学习的本质，依靠课程内容和互动形式的改变，去吸引学生。越来越多的创新学校、PBL（项目制学习）已经开启了这场教育的革命。而只在传统应试教育的框架内打转转，用更加严密的监控去管制学生，不仅无法让他们拥抱真知，还进一步损害了他们，只会和真正的教育目标渐行渐远。
本文转自微信公众号“C计划”，作者叶明欣。文章为作者独立观点，不代表芥末堆立场。
来源：C计划