本观察站在教育与劳动力体系中推进负责任、循证的人工智能政策。我们对技术与供应商持中立立场，对结果持非中立立场：公平、安全、机构能力与长期公共价值。
我们相信人工智能治理应：
• 以结果为导向（衡量影响，而非意图），
• 风险相称（在高风险情境下加强管控），
• 注重实施（供能力有限的真实机构使用）。
证据与方法
证据层级：区分因果证据与相关主张，并明确陈述假设与不确定性。
可复现思维：在提出框架时，力求可检验、可操作（定义、指标、清单、评估设计）。
平衡综合：整合学术研究、实地试点、采购现实与治理约束。
人类系统优先
人类问责：人工智能不应稀释责任。我们强调将问责保留在机构与人类决策者身上的治理结构。
能力建设：教师发展、管理者准备与劳动力技能提升被视为一级政策领域。
公平与包容
分配影响：分析“谁受益、谁承担成本、谁被落下”，包括语言可及性、无障碍与基础设施约束。
全球与低资源敏感：解决方案应在顶尖学校与顶尖企业之外同样适用。
信任、安全、隐私
儿童与劳动者保护：我们强调高暴露人群中的隐私保护实践、安全控制与伤害预防。
数据责任：只收集所需；少存多护；披露清晰。
治理与问责
采购与监督：我们关注机构可执行的内容——合同、评估、事件响应、可审计性与全周期治理。
风险控制：我们鼓励对高风险用途（评估、招生、招聘、职场监测、认证）设置护栏。
