2025年3月3日，北京大学中国教育财政科学研究所（简称“北大教育财政所”）组织“AI+教育及科技财政政策”教学科研专题研讨，总结了人工智能技术赋能教育财政、科技财政及教育公共政策研究的新进展，会议聚焦基于AI的知识图谱和多模态建模工具的开发与应用展开了研讨。全所科研团队及研究生30余人参与了本次会议。

会议首先就北大教育财政所本学期的教学工作计划展开了讨论。2025年春季学期，实施 “三课合一” 教学改革，通过教育财政研究专题、中国教育财政研究导论、政府与教育：教育政治经济学的多维视角三门核心课程的跨学科融合，设置四次 AI 专题教学模块。闵亦杰助理研究员介绍了现有教学工作中与AI相关的安排，主要针对国家重点实验室科研及成果转化大数据分析和世界科技前沿领域知识图谱开发及应用两大专题领域。

目前，教育财政所研究团队积极开展AI+教育及科技财政政策的相关研究。研究生展示了多个AI赋能的研究项目，其中周向儒、李小仪、杨佳郑等进行了报告。周向儒介绍其利用知识图谱技术刻画不同政府层级、不同政府部门在特岗教师政策演变过程中的互动关系，尝试探索用AI技术整理文献，以展示不同层级文献的联动关系与时序变化，并努力为其他政策梳理工作提供复刻性较强的分析思路与模板。课题组拟在知识图谱的基础上，研发基于大语言模型的政策问答系统，未来将实现政策文件的智能解读与定制化分析。

在技术应用研讨环节，研究团队就 AI 技术的双重属性展开深入讨论。部分研究人员认为，AI的应用打开了相关研究的边界，在多模态建模、政策文本挖掘等领域展现出显著优势；部分研究人员认为，AI在教育政策研究中仍然存在较大的局限性，例如：很多情况下，由于缺少足够的专业判断力，机器学习无法替代人工标签，需要开发针对专用领域的基于AI人工智能的知识图谱。北大教育财政所研究团队在专业领域的知识图谱领域已经做了一定探索，未来需要进一步加大投入，使知识图谱的生成过程更智能化。

北大教育财政所围绕AI+教育展开系列前沿研究。例如，在科技财政政策研究中，构建半导体领域知识图谱，分析芯片企业应对中美科技贸易摩擦的策略及相关影响因素；利用知识图谱技术对重点学科在国内和全球科技前沿的研究成果及其转化进行智能化聚类，并研究科技进步的路径和科研产出的行动特征；着手构建基于AI的科技财政研究的专家系统，以快速把握我国及全球科技前沿中的焦点问题动态演变特征，评价相关科技财政政策所产生的复杂影响。在教育评价相关研究中，教育财政所研究团队利用多模态方法，通过动态行动实验对学生的非认知能力进行了过程性测量，研究的成本和测量精度显著优于传统方法。在政策文本分析和舆情分析方面，使用大语言模型高效梳理政策演变、提取关键词并分析利益相关者话语，借助多种算法剖析教育领域中各种公共诉求及其神经网络结构关系等。

北大教育财政所的AI+教育的实施路线包含两部分内容。第一部分是利用成熟、稳定的AI技术支持科研工作开展，替代部分机械重复性的基础工作，提高工作效率，让科研人员能集中精力从事创新性科研活动，此部分工作将主要依托所内现有软硬件资源和技术力量开展。第二部分是前述重点介绍的AI研究项目如何有计划的实施。我们将结合近年来所内项目经验和外部调查研究，在模型选择、是否本地化部署、人力资源和软硬件算力投入上探索既能追赶AI前沿研究又符合我所实际情况的高效路径，确保AI+教育研究快速、有序开展。一方面积极使用云算力确保前沿研究项目快速开展，一方面整合现有算力资源开展本地化部署工作，同时动态调整所内研究力量，为AI+教育研究项目提供教育财政研究领域的“专家支持”。

北大教育财政所研究团队认为，现有研究成果为深化 AI 技术在教育财政、科技财政和教育公共政策领域的应用创新提供了重要基础，并为进一步开发可计算社会科学领域所必须的AI建模工具做出铺垫。未来仍需进一步推动人工智能技术与教育政策研究的深度融合与创新，为智能时代的教育研究和政策制定提供坚实的科学依据。