王銘軍

摘要：通過分析在人工智能情景下教育應(yīng)用的發(fā)展趨勢，總結(jié)了目前教育應(yīng)用的一些類型，并介紹了一個教育應(yīng)用的綜合實例。最后，隨著人工智能技術(shù)的發(fā)展，教育應(yīng)用要利用最新的人工智能技術(shù)支撐其創(chuàng)新，并給出了四條創(chuàng)新建議，期望能對教育應(yīng)用的研究者或開發(fā)者有一定的啟發(fā)。

摘要：人工智能；教育應(yīng)用

中圖分類號：G642 文獻標識碼：A 文章編號：1009-3044（2018）30-0109-02

1 引言

隨著人工智能，特別是深度學(xué)習(xí)的發(fā)展，使傳統(tǒng)課堂教學(xué)模式和學(xué)校面臨前所未有的挑戰(zhàn)。教育與新技術(shù)不斷地融合，人工智能在教育方面的應(yīng)用層出不窮。人們已經(jīng)開始討論學(xué)校的存在性以及教師這一職業(yè)可能消失的問題。然而，本文認為這可能這一進程還很漫長。

人工智能已經(jīng)受到國家和社會的高度關(guān)注和重視，并且國家還出臺了人工智能發(fā)展報告，規(guī)劃了未來人工智能發(fā)展的戰(zhàn)略。人工智能已經(jīng)快步向人們走來，它促進了傳統(tǒng)行業(yè)在各個方面的轉(zhuǎn)變，人們要適應(yīng)和主動迎接人工智能的挑戰(zhàn)和機遇，教育是百年大計，教育與人工智能的協(xié)調(diào)發(fā)展應(yīng)該走在前面，創(chuàng)新融合是人工智能技術(shù)與教育發(fā)展的必由之路。通過對教育應(yīng)用信息化的調(diào)查研究，并對人工智能技術(shù)應(yīng)用于教育方面的趨勢預(yù)測，開發(fā)出更多更好的教育與人工智能相融合的應(yīng)用級產(chǎn)品和服務(wù)，以此來推動人工智能技術(shù)在教育領(lǐng)域的發(fā)展。

在技術(shù)應(yīng)用方面，教育處于相對滯后的領(lǐng)域，然而，人工智能也逐步滲透和影響著教育應(yīng)用的方方面面。當(dāng)前，很多的人工智能+教育的相關(guān)應(yīng)用，這些應(yīng)用中大部分通過獲取學(xué)生的行為數(shù)據(jù)來做挖掘，而支持應(yīng)用程序?qū)W(xué)生個性化學(xué)習(xí)表現(xiàn)的預(yù)測。這一類的人工智能+教育應(yīng)用主要的出發(fā)點是，教育教學(xué)模型、教育領(lǐng)域知識模型和學(xué)生學(xué)習(xí)模型是機器對知識的認知的方式，而程序算法是一種關(guān)鍵技術(shù)，它用于實現(xiàn)或者說獲取這樣的知識。

人工智能技術(shù)包括很多方面，其中最早發(fā)展起來并且一直持續(xù)發(fā)展不衰的技術(shù)是機器學(xué)習(xí)技術(shù)，當(dāng)然還有現(xiàn)在最熱門的深度學(xué)習(xí)技術(shù)，它其實是從機器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展而來的。早期的機器學(xué)習(xí)技術(shù)是基于少量的數(shù)據(jù)來發(fā)現(xiàn)規(guī)律和識別模式，從而預(yù)測學(xué)生學(xué)習(xí)成果的技術(shù)。而現(xiàn)在的機器學(xué)習(xí)已經(jīng)隨著計算機技術(shù)的發(fā)展，能夠處理更大量的數(shù)據(jù)，并且產(chǎn)生更準確的結(jié)果，相對于早期機器學(xué)習(xí)來說，已經(jīng)在各個方面取得了進步或者說超越。本文通過研究機器學(xué)習(xí)在教育領(lǐng)域的應(yīng)用，來分析其發(fā)展的潛力和面臨的挑戰(zhàn)，為教育應(yīng)用的實踐者提供一定的方向和依據(jù)。

2 教育應(yīng)用的研究進展

自從上世紀計算機出現(xiàn)以來，教育就開始與計算機相結(jié)合，隨著計算機技術(shù)的發(fā)展，特別是機器學(xué)習(xí)和人工智能的發(fā)展，教育與計算機結(jié)合得越來越緊密，但是，相關(guān)教育方面的應(yīng)用所針對的對象也就是幾類：學(xué)生、教師、管理人員、研發(fā)人員等。這些教育應(yīng)用的目標是提升學(xué)生學(xué)習(xí)和教師教學(xué)的效果和效率，以及提高管理者的管理效率。采用的機器學(xué)習(xí)算法有：隱馬爾可夫模型、點擊流分析、基于類似的學(xué)習(xí)、基于解釋的學(xué)習(xí)、最小二乘法、文本分類算法、局部N元模型、脊回歸算法和基于案例的推理機制等。主要教育應(yīng)用集中在以下這幾個方面[1]：

1）學(xué)習(xí)者類型的識別。通過獲取學(xué)習(xí)者閱讀，以及對概念的理解等活動的數(shù)據(jù)，來預(yù)測學(xué)習(xí)者的類型，如：沉默型、開朗型等。通過獲取與分析掌握一定技能的學(xué)習(xí)者問題解決的流程數(shù)據(jù)，來預(yù)測學(xué)習(xí)者的類型，如：熟練、不熟練、有瑕疵等。

2）學(xué)習(xí)者行為識別。通過學(xué)習(xí)者在學(xué)習(xí)過程中數(shù)據(jù)的收集，描述和預(yù)測學(xué)習(xí)者的學(xué)習(xí)行為。這些學(xué)習(xí)過程數(shù)據(jù)包括有：學(xué)習(xí)行為數(shù)據(jù)、習(xí)慣性學(xué)習(xí)行為數(shù)據(jù)、學(xué)習(xí)行為日志數(shù)據(jù)等。這些行為數(shù)據(jù)的采集和利用機器學(xué)習(xí)分析挖掘，可以得到學(xué)習(xí)者的個性學(xué)習(xí)行為，從而為其他教育應(yīng)用的個性化學(xué)習(xí)推介打下堅實的基礎(chǔ)。

3）學(xué)習(xí)者表現(xiàn)判斷。學(xué)習(xí)的表現(xiàn)數(shù)據(jù)主要體現(xiàn)在：作業(yè)的在線提交數(shù)據(jù)和作業(yè)評分數(shù)據(jù)、學(xué)習(xí)者家庭特征關(guān)鍵數(shù)據(jù)、教師的情感和知識數(shù)據(jù)、教師的行為數(shù)據(jù)、學(xué)習(xí)者基于在線課程學(xué)習(xí)的記錄數(shù)據(jù)、學(xué)習(xí)的課程內(nèi)容數(shù)據(jù)以及相關(guān)的課程支持服務(wù)數(shù)據(jù)、訪談和調(diào)查數(shù)據(jù)等。這些數(shù)據(jù)的獲取是對學(xué)習(xí)者表現(xiàn)進行判斷的基礎(chǔ)，通過機器學(xué)習(xí)分析挖掘這些數(shù)據(jù)，可以客觀地了解學(xué)習(xí)者的表現(xiàn)，從而為其他教育應(yīng)用提供學(xué)習(xí)強度與難度的決策依據(jù)。

4）學(xué)習(xí)者學(xué)習(xí)缺陷判斷。為了判斷學(xué)習(xí)者學(xué)習(xí)過程中存在的問題和不足，需要獲取連續(xù)性的學(xué)習(xí)者真實學(xué)習(xí)數(shù)據(jù)、學(xué)生家庭特征數(shù)據(jù)、所學(xué)習(xí)的課程數(shù)據(jù)、學(xué)習(xí)日志數(shù)據(jù)、各門課程成績數(shù)據(jù)等等。這些數(shù)據(jù)可以使教育應(yīng)用通過機器學(xué)習(xí)預(yù)測和描述學(xué)習(xí)者學(xué)習(xí)存在的缺陷，從而改變學(xué)習(xí)者的學(xué)習(xí)習(xí)慣和學(xué)習(xí)資料，使學(xué)習(xí)者獲得更高的學(xué)習(xí)興趣和效率。

5）學(xué)習(xí)效果評測。通過對學(xué)習(xí)者學(xué)習(xí)活動的數(shù)據(jù)、學(xué)習(xí)者之間及與教師之間的跟蹤與交互數(shù)據(jù)，以及學(xué)習(xí)者興趣和習(xí)慣的相關(guān)數(shù)據(jù)分析與綜合，可以測評學(xué)習(xí)者的學(xué)習(xí)效果，此類教育應(yīng)用可以為教育決策者提供參考數(shù)據(jù)。

6）學(xué)習(xí)資源個性化推薦。通過綜合分析學(xué)習(xí)者的行為、學(xué)習(xí)者學(xué)習(xí)類型、學(xué)習(xí)效果評測、學(xué)習(xí)記錄等，可以針對不同的學(xué)生個性化推薦相應(yīng)的學(xué)習(xí)資源，這里的相應(yīng)的學(xué)習(xí)資源是指學(xué)習(xí)內(nèi)容的難度、學(xué)習(xí)強度等可根據(jù)學(xué)習(xí)者的不同情況進行個性化推薦。

以上的教育應(yīng)用分類總結(jié)基本包含了目前教育應(yīng)用的分布情況，隨著人工智能技術(shù)的發(fā)展，這些教育應(yīng)用必將與人工智能融合越來越深入。隨著計算機技術(shù)的發(fā)展，計算能力的增長，研究者們應(yīng)用充分利用教育大數(shù)據(jù)來更精準地服務(wù)于學(xué)習(xí)者。圖1中是以上幾個方面的綜合教育應(yīng)用系統(tǒng)，它不僅分析學(xué)生行為數(shù)據(jù)，還分析學(xué)生類型等數(shù)據(jù)，然后針對不同的學(xué)生給出個性化的學(xué)習(xí)方案。

3 教育應(yīng)用之創(chuàng)新之路

人工智能與教育融合是隨著技術(shù)的發(fā)展而不斷創(chuàng)新的。教育大數(shù)據(jù)是人工智能之機器學(xué)習(xí)在教育方面應(yīng)用的基礎(chǔ)，由于人工智能技術(shù)的不斷發(fā)展，各種人工智能算法的效率不斷提升，人們已經(jīng)能夠?qū)?shù)據(jù)和信息有了新的理解，對于智慧與知識有了更深入的體驗，這將進一步提高教育應(yīng)用的智能化。因此，未來的教育應(yīng)用是一種智慧的教育應(yīng)用。它應(yīng)該在以下幾個方面進行創(chuàng)新：

1） 教育應(yīng)用除了繼續(xù)與人工智能融合以外，還要加入新元素，也就是要多學(xué)科交叉；

2） 采用最新的人工智能技術(shù)并創(chuàng)新教育應(yīng)用的技術(shù)路線；

3） 適應(yīng)人工智能技術(shù)的發(fā)展，創(chuàng)新教育應(yīng)用的教學(xué)方式的智慧性；

4）自適應(yīng)教育是新的發(fā)展方向。

4 結(jié)語

本文通過分析人工智能與教育應(yīng)用相融合的一些趨勢，總結(jié)了目前教育應(yīng)用的一些類型，并介紹了一個教育應(yīng)用的綜合實例。最后，本文認為隨著人工智能技術(shù)的發(fā)展，教育應(yīng)用要利用最新的人工智能技術(shù)支撐其創(chuàng)新，并給出了四條創(chuàng)新建議，期望能對教育應(yīng)用的研究者或開發(fā)者有一定的啟發(fā)。

參考文獻：

[1] 余明華， 馮翔， 祝智庭. 人工智能視域下機器學(xué)習(xí)的教育應(yīng)用與創(chuàng)新探索[J]. 遠程教育雜志， 2017，35（3）：11-21.

[2] 吳曉如， 王政. 人工智能教育應(yīng)用的發(fā)展趨勢與實踐案例[J]. 現(xiàn)代教育技術(shù)， 2018（2）：5-11.

[3] 祝智庭， 賀斌. 智慧教育：教育信息化的新境界[J]. 電化教育研究， 2012（12）：7-15.

[4] 祝智庭. 智慧教育新發(fā)展：從翻轉(zhuǎn)課堂到智慧課堂及智慧學(xué)習(xí)空間[J]. 開放教育研究， 2016（1）：18-26.

【通聯(lián)編輯：王力】