数字教育常被描绘成技术普惠的浪漫史诗：一块屏幕抹平城乡差距，一套算法定制千人千面。然而，当我们穿透这层光晕，会发现真正发生的并非知识的下沉，而是知识权力的迁徙——从教师、教科书和教室等传统权威节点，转移到平台架构师、数据模型和交互设计师手中。这场迁徙没有宣言，却已在每一次点击、每一次智能推荐中完成了制度性重塑。传统教育中的权力虽然僵化，但至少是可见的：教材上的知识由学科共同体审定，教师的权威需要面对面的辩护。而数字平台上的权力是隐形的，它藏在推荐算法的排序逻辑、学习分析的标签体系、甚至是进度条和积分奖励的微妙设计之中。学生以为自己在自主探索，实则行走在由产品经理预设的认知地图上。
更深层的矛盾在于，数字教育宣称的“个性化”往往建立在数据分类的粗暴简化上。一个学生在系统里被抽象成若干维度的画像：答题速度、正确率、停留时长、跳转模式。这些维度代表了技术中介对“学习”的特定解释——可量化、可分拆、可优化的行为序列。而传统教育中那些难以捕捉的认知路径，比如顿悟式的跳跃、发散式的犹豫、情感化的记忆，都被算法主动忽略或视为低效信号。于是，数字教育不是在服务学习，而是在训练学习者适应机器的评价系统。那些更擅长线性思考、更能忍受碎片化刺激、更适应即时反馈的学生，会被判定为“优质用户”，获得更多资源和正向激励。而那些思维具象、偏好深度叙事、需要缓慢建构概念框架的学习者，则被系统逐步边缘化，最终形成一种新型认知鸿沟——不是基于经济条件，而是基于认知风格与平台设计之间的匹配度。
对比传统教育，其知识权力虽然集中，却保留了一种重要的缓冲地带：教师可以在课堂上临时偏离教材，学生可以举手质疑，知识的合法性可以通过多元解释得以协商。数字教育则用标准化流程替换了这种协商空间。每个学习单元被切成等长的视频片段，每次测验被限定在固定选项中，每一条反馈都来自预先写好的脚本。看似提高了效率，实则剥夺了知识生成过程中的偶然性与冲突性。更令人警惕的是，全球数字教育平台的中坚力量几乎全部来自硅谷或少数发达地区，他们的界面设计、案例选择、语言习惯乃至价值排序，都隐含着特定的文化优越感。当非洲的教师用美国平台教授科学，当东南亚的学生用硅谷的框架理解历史，知识被又一次殖民——这次不是通过枪炮，而是通过数据包和API接口。
那么，我们是否需要回到前数字时代？不。数字教育是既定事实，也是未来向度。真正需要的是重新定义数字教育的底层伦理。我提出“认知多样性优先”原则：承认算法不可能代表所有思维模式，平台设计应当留有大量可篡改、可旁路、可非线性跳转的空白区。让教师成为平台规则的共同作者，而非仅仅是内容上传者；让学生保有对学习轨迹的数据自治权，拒绝被画像；让技术系统学会说“我不知道”，而非总是给出自信的推荐。这场权力迁徙已经发生，我们无法否认它，但可以让它进行一次诚实的公开谈判。只有当知识权力不再被无意识地封装在冰冷的代码里，数字教育才能真正配得上“教育”二字。
