孫發(fā)勤 馮 銳

（1.揚州大學 新聞與傳媒學院，江蘇揚州 225009；2.南京農業(yè)大學 公共管理學院，江蘇南京 210095）

一、引言

新一輪科技革命和產業(yè)革命的孕育興起，對人才需求發(fā)生了巨大變化，對教育也提出了新的要求，在中小學階段開展人工智能與編程教育成為大勢所趨。2017年7月，國務院在《新一代人工智能發(fā)展規(guī)劃》中首次明確提出，要“實施全民智能教育項目，在中小學階段設置人工智能相關課程，逐步推廣編程教育”[1]。在2018年新發(fā)布的課標方案中，信息技術、通用技術、數(shù)學等都加入“了解物聯(lián)網、人工智能、大數(shù)據處理”等與編程教育相關的知識內容[2]。由教育部發(fā)布的 《2019年教育信息化和網絡安全工作要點》也指出，要“推動在中小學階段設置人工智能相關課程，逐步推廣編程教育”[3]。因此，為了提高基礎教育階段學生的未來數(shù)字適應力，現(xiàn)階段迫切需要在中小學推廣實施編程教育的相關課程。

智能導師系統(tǒng) （Intelligent Tutoring System，ITS）最早出現(xiàn)于20世紀80年代初，是一種基于規(guī)則的專家系統(tǒng)，研究和開發(fā)的最初目標是模擬學生與人類導師之間的教學和互動。智能導師系統(tǒng)根據學生在某一特定領域的知識現(xiàn)狀，動態(tài)調整呈現(xiàn)給每位學生的個性化學習內容，并提供學習支持和反饋，以支持學生的認知。其主要優(yōu)勢在于：它是具有智能的交互式應用程序，能夠根據學生的需求和偏好，動態(tài)改變學習材料的內容、呈現(xiàn)和反饋，并及時調整教學過程和教學策略。智能導師系統(tǒng)可以提供與學習者一對一的個性化學習指導和全面詳細的教學反饋，是一種基于學習者需求的定制教學，能幫助有著不同學習需求和特征的學習者，更精準地獲得知識和技能[4]。

目前，傳統(tǒng)學科的智能導師系統(tǒng)已受到廣泛關注，并形成不少成功的應用案例。比如，在數(shù)學應用領域，Brown根據學習者模型設計的減法導師，根據兒童在減法中遇到的問題，設計了針對學習者水平的減法學習資源[5]；林建祥等著重研究了領域知識的專家系統(tǒng)，如何訓練和指導學生的微積分演算求解能力[6]。在外語應用領域，蔣艷等研究了“句酷批改網”的工作原理，然后通過實例分析了“句酷批改網”作為智能導師系統(tǒng)所面臨的挑戰(zhàn)[7]；梁迎麗等設計了基于語音評測的英語口語智能導師系統(tǒng)[8]。在生物學應用領域，Olney等在生物學課程中利用自然語言理解技術，分析學生的話語，然后提供適當?shù)闹笇Ш托纬尚苑答乕9]。王世敏、賀繼東等在系統(tǒng)架構上，對通用智能導師系統(tǒng)進行過研究[10-11]。

從目前的研究現(xiàn)狀開看，相關研究主要集中在傳統(tǒng)的學科領域，受時代背景的制約，大部分都是基于早期的專家?guī)煜到y(tǒng)，編程教育的相關應用研究，目前仍比較鮮見，尤其是人工智能時代背景下關于K-12階段的編程教育的編程導師研究，更是鳳毛麟角。

二、智能導師系統(tǒng)應用于K-12編程教育中的必要性

（一）編程教育的特殊性需要智能導師系統(tǒng)支持

關于編程的定義有很多種，一種典型的定義是：在計算機或任何其他自動化設備上，通過使用預定義的規(guī)則和語義，來表示事實、數(shù)據或信息，從而對問題的解決方案，進行編碼、建模、模擬或呈現(xiàn)過程[12]。因此，相對于其他學科，編程有如下三個重要的特征：第一，編程強調全過程再現(xiàn)。編程者與計算機的“對話”應該包含解決問題過程的每一步，步驟的分解顆粒度應該小到編程語言的“元操作”。如，采用Scratch編程，則過程必須細化到利用現(xiàn)有的“積木塊”如何解決問題的每一步驟。第二，觀察學習成為重要學習方式。學習者無需言語即可與講授者進行交流，只要通過觀察演示者編程的過程，就能學習到演示者是如何對問題進行界定、分解和解決的。如，直播網站Livecoding.tv通過實時編程過程的直播，來提高學習者編程能力。第三，編程需要學習情感的支持。傳統(tǒng)的編程過程是一個與機器交互的過程，機器是冷冰冰的，無法感知到學習者的學習情感，也無法與學習者進行情感交流。當學習者長時間面對沒有情感的冷漠的計算機屏幕，而感受不到師生交互的樂趣和教師的情感激勵時，不僅容易對學習產生反感，影響學習效果，而且還可能危害到學習者的心理健康[13]。

（二）解決師資匱乏需要智能導師系統(tǒng)支持

編程教育師資力量薄弱且分布不均。首先，在高考和中考政策的指引下，現(xiàn)階段K-12教育的師資重點分布在中考、高考的考試學科中，作為“副科”且又是新興學科的編程教育，師資儲備極為缺乏，因此，編程教育師資資源很難在短期得到滿足。其次，僅有的師資主要分布在經濟發(fā)達地區(qū)，城鄉(xiāng)差異大，且相關師資主要來自信息技術老師、合作院校的研究生及部分產品廠家的宣講講師，由于信息技術教師課程知識結構陳舊，合作院校的研究生水平參差不齊且流動性大，合作廠商的講師知識局限及服務時間短，因此，在這些學校開展編程教育同樣存在較大教師資源壓力。最后，一些鄉(xiāng)村及邊遠貧困地區(qū)的學校甚至連基礎課程師資都很缺乏，更談不上發(fā)展編程課程的師資。而編程智能導師系統(tǒng)擁有的大量在其他發(fā)達地區(qū)形成的優(yōu)秀課程資源，以及編程智能導師系統(tǒng)所具有的共享交流、遠程協(xié)助、智能輔導等相關學習輔助功能，能有效降低編程教育對當?shù)叵嚓P師資數(shù)量及質量的需求，在一定程度上能解決邊遠及欠發(fā)達地區(qū)的師資問題，落實國家關于在中小學逐步推廣編程教育的難題。

（三）未來個性化學習需要智能導師系統(tǒng)支持

隨著物聯(lián)網、大數(shù)據和人工智能技術與教育應用場景的深度融合，未來的學校教育將全面進入“人機協(xié)同”時代：機器將承擔更多“教”的功能，人類教師則會把更多精力放在“育”上，因此，智能導師將是未來教育中“授業(yè)解惑”的主體存在。傳統(tǒng)的“一刀切”學習系統(tǒng)已不再有效，學習者在動機、先驗知識、個性、情感、文化等特征上存在差異，將影響教育主體者的教育實施過程。因此，為每個學習者提供個性化教學也將成為一種必然的選擇。

智能導師系統(tǒng)支持的個性化教學分為三個層面。第一，個性化學習服務。以學習者為中心，學習環(huán)境、步調和教學方法都是根據學生的獨特需求、優(yōu)勢和興趣量身定做的。第二，個性化安排服務。學習者對自己的學習擁有主動權，可以制定和調整智能導師的學習計劃，為學習者設定目標、定期評估學習情況、理解和反思學習過程提供了機會。第三，個性化互動服務。學習者定期與其他在線學習者、教師或業(yè)界工程師合作，通過多種途徑交互，感受真實的編程體驗。智能導師系統(tǒng)利用全新的技術手段，從學習行為軌跡、學習狀態(tài)數(shù)據中，尋找學習者的學習困難和瓶頸位置，為學習者提供有針對性的學習干預和個性化學習[14]、安排及互動支持服務。

三、K-12編程教育智能導師系統(tǒng)的架構

（一）傳統(tǒng)的智能導師系統(tǒng)架構

智能導師系統(tǒng)的設計和開發(fā)，是以計算機科學、認知科學、心理學、學習科學、計算語言學、人工智能等學科的理論和模型相結合為技術基礎的，其最初研究和開發(fā)目的，在于模擬學生和人類導師之間的教學和互動。例如，2014年康斯坦蒂娜（Chrysafiadi K.）提出，一個典型的智能導師系統(tǒng)架構結構應包括四個部分，即知識領域模型、學生模型、教學模型、互動模型[15]。其中，知識領域模型，存儲向學生講授的學習材料；學生模型，存儲關于學習者的知識水平、能力、偏好和需求的信息；教學模型，提供學生診斷和輔導控制，并根據智能導師系統(tǒng)的其他組成部分提供的信息，做出適當?shù)慕虒W決策；互動模型，提供系統(tǒng)與學習者交互的界面，如圖1所示。

圖1 康斯坦蒂娜智能導師系統(tǒng)架構

Murphy與Robert也認為，一個典型的智能導師系統(tǒng)架構，至少應該包括三個相互作用的部分：領域模型、學生模型和輔導教學模型[16]。劉清堂等認為，智能導師系統(tǒng)應該包含四部分內容：領域知識庫、學生模型、教學策略與推理模塊、人機接口[17]。李紅美等在研究智能教學系統(tǒng)支持英語學習的研究中，將智能導師系統(tǒng)概括為包含學習模型、教師模型、專家模型及智能接口四個部分[18]。

通過對國內外智能導師系統(tǒng)架構的相關文獻梳理，我們發(fā)現(xiàn)，典型的智能導師系統(tǒng)，包括知識模型（領域模型）、學生模型（學習模型）、教學模型（教學策略/教師模型）三部分內容；部分擴展的模型加入了智能接口，實現(xiàn)了和學習者的智能互動。從文獻分析來看，目前的智能導師系統(tǒng)架構，都無法滿足在編程教育中實現(xiàn)對編程過程記錄、編程情感支持及編程知識獨有的呈現(xiàn)方式的需求。因此，需要對現(xiàn)有的模型進行擴充和改進，建立符合編程需要的編程智能導師系統(tǒng)。

（二）K-12編程智能導師系統(tǒng)架構的設計

鑒于編程學科與傳統(tǒng)學科（如，數(shù)學、生物等）的教學及實施過程不同，為了建設符合編程教育特點的智能導師系統(tǒng)，在設計K-12編程智能導師系統(tǒng)時，需要重點考慮以下三個核心問題。

1.建立對學生全方位的立體畫像

傳統(tǒng)的智能導師系統(tǒng)可能只需要關注學生的靜態(tài)特征（如，學生的人口屬性、認知特征、元認知特征、學習準備等）和知識水平，知識水平評估也更多表現(xiàn)為終結性評估，對學習過程中的形成性評估關注較少。全方位立體畫像除了要包含學習者上述的靜態(tài)特征外，還應該包含學習者知識模型特征及學習者問題解決模式特征。因此，在編程智能導師系統(tǒng)中，需要從編程的過程中，全程把握學習者認知水平及認知過程，重新刻畫出一個“活生生”的學習者“畫像”。在這個過程中，需要加入知識評估模型，對編程過程中的學習者進行實時知識水平評估及問題解決模式評估。對編程過程的記錄，需要在智能導師系統(tǒng)架構中加入追蹤模型。

2.提供情感感知、情感支持服務

智能導師系統(tǒng)不僅僅在知識學習上為學習者提供精準服務，還應該是一個具備情感支持系統(tǒng)的智能系統(tǒng)[19]。要做到情感支持首先必須做到情感感知，如何讓智能導師系統(tǒng)能感知到機器面前的學習者情感？為智能導師系統(tǒng)配備合適的傳感器接入系統(tǒng)，就顯得非常重要。如，攝像頭可以獲得學習者表情數(shù)據；手環(huán)可以獲得學習者的脈搏數(shù)據；智能椅墊可以獲得學習者的坐姿數(shù)據；互動文本可以獲取學習者的情緒數(shù)據等等。因此，需要構建一個追蹤模型，來實時獲取和處理學習者學習過程中的情感數(shù)據，以便為其提供相應的學習情感支持。

3.優(yōu)化編程知識呈現(xiàn)方式

編程過程其實是在特定語法框架下對問題解決流程的再現(xiàn)，因此，編程知識最好的呈現(xiàn)方式就是過程再現(xiàn)。當然，在編程學習過程中，也有需要識記的基本概念和使用規(guī)范等，使用不同的知識載體承載知識，會有“認知帶寬”的差異。因此，需要使用媒體模型，根據學習者學習風格及知識的不同選取合適的方式，向學習者呈現(xiàn)知識。

基于以上分析，我們在傳統(tǒng)的智能導師系統(tǒng)架構中，加入對規(guī)則化編程行為全過程（行為、情感、其他生理數(shù)據）記錄和分析的追蹤模型、知識水平評估及問題解決模式評估的評估模型，包括自動適配知識承載方式的媒體模型，形成K-12編程智能導師系統(tǒng)架構，如圖2所示。

圖2 K-12編程智能導師系統(tǒng)架構

四、K-12編程教育智能導師系統(tǒng)模型的設計

（一）領域模型

領域模型描述了學習者需要學習的學科知識體系。包含學科所有概念、技能及它們之間的相互關系。即通過學科領域專家，將某一領域的知識簡化為解決問題所需要知識結構，在編程領域，表現(xiàn)為通過自動化工具提取編程學習的領域模型[20]。領域內的知識劃分應按照顆粒度粗細，分為不同層次。具體而言，首先將學科總知識目標需求分為一個個知識（技能）塊；其次將知識塊分割為不同的知識條（群）；最后將知識條分解為具體的知識點。如，在Scratch教學中，“角色呈現(xiàn)”可以描述為知識塊，“角色移動”就是其中一個知識條，而關于“坐標、正負數(shù)”則屬于知識點，如圖3所示。

圖3 領域模型：塊→條→點三級知識結構

知識圖譜（Knowledge Graph）是構建領域模型的重要手段，它通過利用計算機符號來表示和處理知識，通常使用圖的方式來存儲知識。在Scratch教學中，圖4顯示了使用SPO（Subject-Predication-Object）三元組，來描述“移動”這個知識條所包含的知識結構：學習者掌握“移動”，需要了解坐標，坐標包含方向、數(shù)值和單位，數(shù)值包含正負數(shù)、單位和單位長度有關的知識點，而單位長度依賴于“舞臺大小”和“舞臺”這兩個知識條產生關聯(lián)。

圖4 知識表示：資源描述框架（RDF）有向標記圖

（二）學生模型

建立有效的學生模型是智能導師系統(tǒng)的關鍵因素。趙小丹等認為，在智能導師系統(tǒng)中，學生模型主要包括學習者的基本信息、學習風格、知識水平、學習歷史及心理狀態(tài)等幾個方面[21]。鑒于上述編程課程注重過程化的特點，本文中的學生模型指的是學習者所特有的靜態(tài)與學習相關的特征，包括人口屬性、認知特征、元認知特征、學習準備等，如圖5所示。需要指出的是，本文將與學習者知識水平相關的動態(tài)特征數(shù)據，劃分到評估模型，并將與學習過程、學習情感相關的學習過程數(shù)據，劃分到追蹤模型。

圖5 學生模型：學習靜態(tài)特征描述

如圖5所示，學生模型主要包括：（1）人口屬性。Cabedo等認為，學習者在開始在線學習之前，自身所具有的特征很重要[22]。本研究中的學習者人口屬性，包括性別、年齡、教育層次及專業(yè)背景等方面信息。學習者人口屬性信息可以直接從學習平臺的學習者基本信息脫敏后獲得。（2）學習準備。學習準備指學習者在從事新的學習時，原有的知識水平或原有的心理發(fā)展水平對新知識的適應性，包含學習動機和初始能力[23]。良好的初始知識和具備良好初期表現(xiàn)的學習者，往往能夠在最終獲得“成功”[24]。（3）認知特征。認知特征是指影響學習者感知、組織、加工和記憶信息能力的因素，如智力、工作記憶能力和學習風格等。（4）元認知特征。元認知特征是指能夠使學生意識到自己的知識和能力，并使其能夠監(jiān)控和指導自己的學習過程。

（三）評估模型

評估模型包含：學習者已經掌握了的知識及程度，即學習者的學習地圖；學習者解決在學習過程中因誤解和錯誤而導致的問題，即對問題解決模式的評估。

貝葉斯知識追蹤（BKT）是一種常用的機器學習技術，用于建模學習者的知識。這種技術可以根據學習者之前的表現(xiàn)，推斷出學習者所具有的知識。它是一個隱馬爾可夫模型，其中學習表現(xiàn)是一個可觀察的變量，而學習者的知識則是一個隱藏的變量[25]。BKT為每個知識元素定義了兩個狀態(tài)：已學習或未學習；并定義了學習者答題情況的四個概率：（1）學習者已經知道某概念的概率；（2）學習者在經過練習后學會該概念的概率；（3）學習者沒有掌握該概念，但是蒙對的概率；（4）學習者已經掌握該概念，但答題失誤的概率，模型在學習者提交的每一個答案后自動更新[26]。這種方法可以對學習者知識模型進行評估，但缺點是沒有考慮到學習者的遺忘因素及學習者的個性因素。加入LSTM網絡結構的深度知識追蹤，能較好地解決上述問題。

知識水平并不是知識評估的唯一特征，在學習過程中，學習者的誤解和錯誤也是學習者知識評估的一部分。錯誤的思想或錯誤的事實，都可能導致學習者在學習過程中產生錯誤的理解。智能導師系統(tǒng)同樣需要對學習者的錯誤和錯誤概念進行建模，最常用的模擬學習者錯誤和誤解的方法是微擾模型。再者，編程教育特別強調問題解決能力的培養(yǎng)，因此，評估模型還需要進一步了解他們是如何掌握這些知識的，即問題解決模式評估，問題解決模式評估模型決定了系統(tǒng)如何引導學習者有效解決問題。

根據學習者解決問題的思路過程，學習者問題解決模式分為獨立傾向、猜測依賴、求助傾向、求助依賴及放棄努力五種情況，其解決問題的行為路徑如圖6所示，不同問題解決模式的行為特點如表1所示。具有獨立傾向的學習者的問題解決模式以探索為主，他們會先思考后探索，兩次解決問題的行為之間的時間間隔較長，且分布隨機，他們喜歡獨立思考，不愿意向他人或系統(tǒng)求助；屬于猜測依賴的學習者往往不經過思考直接嘗試解決問題，兩次解決問題之間的時間間隔較短，且分布集中；具有求助傾向的學習者與獨立傾向的學習者問題解決行為類似，不同之處在于他們遇到問題后，更傾向于向外界發(fā)出求助而不是獨立解決；求助依賴的學習者在遇到問題后，不愿意探索也不愿意猜測，而是會反復向外界發(fā)出求助請求，直至問題解決；放棄努力的學習者在遇到問題后不嘗試使用任何解決問題的方法，直接放棄任務。

圖6 不同問題解決模式行動圖

表1 不同問題解決模式的行為特點

（四）追蹤模型

對學習者學習過程數(shù)據的收集與分析，一直是智能導師系統(tǒng)中的關鍵環(huán)節(jié)[27]。追蹤模型是對學習者問題解決的全過程行為數(shù)據進行建模。在學習過程中，情緒是學習者的一項重要的內隱式學習特征，情緒互動的缺失，容易引發(fā)學習者產生倦怠和迷茫，進而導致學習動機的下降[28]。智能導師系統(tǒng)通過追蹤模型分析編程行為狀態(tài)（模塊選擇、鼠標移動、鍵盤敲擊、表情、脈搏等），了解學習者瞬時的認知情感并及時對負面情感進行干預，如圖7所示。

圖7 追蹤模型的數(shù)據來源

（1）追蹤編程過程：詳細記錄編程過程中鼠標的懸停位置與時間、每次點擊的位置與時間、Block的選擇、Block 的拖放、Block 的移動、Block 的刪除、Block屬性的變化（初值與終值）、鼠標移動軌跡等。追蹤編程過程可以分析并推斷出學習者的問題解決模式。

（2）追蹤認知情感：所有的“認知”都帶有“情緒”，情感狀態(tài)與知識同化和建構活動有關。情感產生于環(huán)境與人的相互作用活動中，并影響認知行為，如困境導致的困惑和挫折對學習有負面作用。情感狀態(tài)雖不能直接測量，但可以通過分析學習者表情和學習者行為來“推斷”。因此，通過編程過程中學習者表情數(shù)據與脈搏數(shù)據，可以了解學習者認知情感狀態(tài)。

（3）追蹤互動數(shù)據：利用在線協(xié)助，在線學習者可以通過眾籌的方式，實現(xiàn)學習互助，系統(tǒng)追蹤求助過程的時間、方式、對象、問題等全過程信息。通過充分應用文本分析、機器學習、知識圖譜等技術，形成問題解決知識庫；應用文本情感分析完善學習者的認知情感，通過文本主題分析完善學習者知識地圖；通過優(yōu)秀作品分享提高受助者的編程能力，同時提高了分享者的學習積極性。

（五）適應模型

適應模型的主要功能為學習資源推薦、問題解決思路提醒及學習路徑規(guī)劃。通過綜合領域模型（領域地圖、知識庫/案例庫）、學生模型（學生畫像）、評估模型（學習地圖、問題解決模式）及追蹤模型（學習行為數(shù)據及情感數(shù)據）等“冷、溫、熱”數(shù)據，智能導師系統(tǒng)能動態(tài)監(jiān)測到學習者所遇到的問題，通過知識推理追溯問題來源，提供解決問題的思路，推薦解決問題所需學習資源；同時，拓展問題的外圍知識，建議下一步學習路徑等。適應模型是智能導師系統(tǒng)的核心功能，該模型能夠根據學習者當前的學習需求，與學習者進行個性化互動，如圖8所示。

圖8 追蹤模型結合學習過程中的“冷、溫、熱”數(shù)據形成決策

（六）媒體模型

媒體模型可提供面向不同用戶、不同場景下知識的呈現(xiàn)方式。每個學習者都有其特定的學習風格，因此，需要將領域模型中所包含的教育資源與學習者的特點和需求相匹配，并通過媒體模型來提供符合學習者學習風格的知識呈現(xiàn)方式。不同的媒體類型不僅呈現(xiàn)方式不同，其匹配的技術、知識編碼系統(tǒng)及信息帶寬也不同。圖9顯示了在編程教育中常見的知識承載方式，相對于傳統(tǒng)學科，流程演示、生活場景是編程教育中所特有的知識承載方式，它們都是編程教育中滿足觀察學習所需的資源呈現(xiàn)方式。

圖9 編程教育中知識的承載方式

五、K-12編程教育智能導師系統(tǒng)應用探索

為了讓K-12編程智能導師系統(tǒng)能真正落地，并有效彌補當前編程師資缺乏，解決編程教育中的教育公平問題，切實助力我國K-12編程教育的發(fā)展，我們需要進一步解決如下兩個問題：（1）K-12編程教育智能導師系統(tǒng)的應用模式是什么？（2）應用的過程中有哪些問題需要我們注意？

（一）編程智能導師應用模式探索

1.課前預習與探索

課前的預習有利于學習者盡早了解課堂中需要解決的問題，并對問題進行初步探索。通過編程導師系統(tǒng)的幫助，學習者可以通過前期已學的知識，對要解決的問題進行初步分析建模，并在編程導師系統(tǒng)中探索解決問題的路徑。在探索的問題解決的過程中，學習者通過先前知識的局限與新問題的矛盾，從而發(fā)現(xiàn)自身的認知不足與認知沖突，引發(fā)了他們強烈的內部學習動機，從而為后續(xù)的學習提供動力。

2.課中答疑與輔導

在編程課堂進行前，教師可以通過對前期學習者課前預習與探索過程中遇到的問題，進行匯總與總結，找出本次課中學習者容易混淆或出錯的相關知識點及操作步驟，在課堂教學時就可以有針對性進行。由于編程過程是一個相對開放的過程，即使在同一思路指導下，每個學習者都會給出不同的步驟來實現(xiàn)，在這個過程中學習者會出現(xiàn)各種各樣的問題。如在我們所組織的編程公益課堂中，主講教師只需要1名，為了達到較好的教學效果，每4名同學就需要安排1名輔導老師，由此可見輔導工作量的巨大。通過編程智能導師系統(tǒng)，系統(tǒng)可以根據學習者的具體情況，進行智能化的答疑和輔導，從而大大降低輔導工作量。

3.課后分享與提高

在編程教育中，每個編程問題往往都有很多種不同的實現(xiàn)方式。通過線下教師指導或線上智能導師輔導后，學習者會形成一個自己對該問題的解決思路。在智能導師系統(tǒng)中，學習者可以將其解決思路或系統(tǒng)記錄的其解決問題的步驟在共享區(qū)共享，在分享的同時，他也可以學習到其他學習者的解題思路。學習者通過對比回放其他學習者的解題及實現(xiàn)思路，來學習多角度分析問題、解決問題的方式，以達到提高自身編程水平的目的。

（二）編程智能導師應用問題探索

1.以可視編程為基礎，開展可視化編程教學

處于K-12階段的孩子有著豐富的想象力與創(chuàng)造力，利用可視化編程工具可以降低編程的門檻，孩子們可以將繁冗的語法暫擱一邊，利用他們熟悉的“搭積木”模式進行可視化編程，這種編程模式更利于孩子創(chuàng)意的自由表達，提高編程的樂趣?，F(xiàn)階段有很多可視化編程工具，如，Scratch、Google Blockly以及由這兩種平臺擴展開發(fā)的其他平臺等。通過這些可視化平臺，不僅可以降低孩子們編程的復雜性，還可以降低追蹤學生編程行為的復雜度。因此，建議K-12編程智能導師系統(tǒng)能提供類似于Scratch、Google Blockly的編程環(huán)境。

2.以協(xié)作編程為手段，推進協(xié)作化編程學習

協(xié)作學習作為一種有效的學習模式正被越來越廣泛的應用，但現(xiàn)有的可視化編程平臺都不具備協(xié)作學習的功能。雖然，Scratch社區(qū)可以讓全球的開發(fā)者將作品上傳到社區(qū)中，學習者可以通過社區(qū)進行相互交流，但因其社區(qū)和編程平臺是分離的，而無法在編程過程中進行協(xié)作學習。因此，需要將協(xié)作編程的功能加入到K-12編程智能導師系統(tǒng)中，以實時在線交互功能融入到圖形化的編程環(huán)境中。

在協(xié)作學習過程中，學習者可以通過自我調節(jié)、合作調節(jié)和共享調節(jié)三個不同層次的方法，來調節(jié)學習，因此，平臺中還可以加入合作編程及共享編程的功能。學習者在編程的過程中，就像玩網絡游戲一樣，可以通過在線交流工具，與學習同一個內容的學習者，進行文字交流或通過網絡共同完成問題的解決；對于優(yōu)秀的編程作品也可以分享在編程窗口的交流區(qū)，通過對優(yōu)秀作品的回放，學習者可以通過觀察學習方式，學習優(yōu)秀作品的問題解決思路與過程。

3.以開放接口為依托，開啟多模態(tài)數(shù)據采集

為了實現(xiàn)對編程過程中認知情感、編程過程及互動數(shù)據的追蹤，系統(tǒng)應該提供開放的數(shù)據采集接口。制定數(shù)據規(guī)范、開放數(shù)據接口，有利于在編程平臺上接入多種學習過程數(shù)據，如，攝像頭采集的用戶表情數(shù)據、手環(huán)采集的用戶脈搏數(shù)據、眼動儀采集的用戶注意力數(shù)據、智能椅墊采集的用戶坐姿數(shù)據、屏幕監(jiān)控程序采集的鼠標移動軌跡、編程模塊拖放記錄數(shù)據、用戶畫像的問卷數(shù)據等等。利用人工智能、機器學習等數(shù)據處理技術，對學習過程中產生的多模態(tài)數(shù)據進行綜合處理、分析挖掘，對學習者進行準確畫像，可以精準把握學習者認知水平與情感狀態(tài)。

4.以智能導師為核心，實施智能化精準輔導

智能導師系統(tǒng)根據學習者畫像、認知水平與情感狀態(tài)，為學習者制定特定的學習計劃，提供個性化干預及符合用戶認知風格的教學資源。利用知識表示、知識推理與學習案例庫等知識引擎，為學習者提供精準的知識支持。由于智能導師系統(tǒng)在剛開始運行時都會涉及到“冷啟動”問題，即系統(tǒng)剛開始運行時由于缺乏數(shù)據而導致系統(tǒng)失效。因此，要充分利用智能導師系統(tǒng)協(xié)作編程優(yōu)勢，利用“人機協(xié)作”來解決編程過程智能導師暫時不能解決的疑難問題，并對解決過程進行記錄，形成疑難問題解決知識庫。

編程智能導師系統(tǒng)不僅要提供知識支持，還應該提供情感支持。通過對學習過程中學習行為、認知情感與問題解決模式的追蹤，系統(tǒng)能及時了解學習者在編程過程中是愉快還是困惑，通過系統(tǒng)內智能代理為學習者提供情感激勵，以提升學習者編程過程中的興趣，幫助其克服編程過程中的困難和不足。

5.以智能伙伴為手段，開展個性化快樂學習

相對于面對冰冷的電腦屏幕，有生動形象的虛擬導師的陪伴，可以減少學習過程的孤獨感[29]。智能伙伴是學習過程中情感陪護的一種常見形態(tài)，學習智能伙伴是一種以學伴的身份出現(xiàn)的教育智能體，智能伙伴通常以一個虛擬的形象呈現(xiàn)在學習者的屏幕上，通過模擬社會交互行為，來提升學習者的學習表現(xiàn)及學習動機[30]。

利用人工智能技術設計的智能導師，應該具備語言表達、表情呈現(xiàn)及部分肢體動作等功能。通過與虛擬智能伙伴的互動，不僅可以激發(fā)學習者的好奇心與求知欲，而且還可以培養(yǎng)貧困地區(qū)學習者的普通話水平，彌補在學習過程中遇到的語言環(huán)境缺失。綜上所述，通過與虛擬編程教師一對一的互動交流，可極大提高學習者的學習興趣。

六、總結

智能導師系統(tǒng)是未來教育的新方向，現(xiàn)階段編程教育的普及、師資缺乏及教育公平的實現(xiàn)，都迫切需要對K-12編程智能導師系統(tǒng)進行研究。本文從編程教育的特點入手，結合了傳統(tǒng)智能導師系統(tǒng)設計模型，首次提出了包含領域模型、學生模型、評估模型、追蹤模型、適應模型、媒體模型六大核心模塊的編程智能導師系統(tǒng)架構；具體分析了每個模塊的核心功能和技術方案，提出了K-12編程智能導師的應用模式；最后指出系統(tǒng)應用時，要從可視化編程、協(xié)作編程、開放接口、智能導師及智能學伴等五個方面重點實施，以實現(xiàn)編程教育的可視化、協(xié)作化、智能化、個性化的快樂學習。

由于現(xiàn)階段尚沒有面向編程教育的智能導師系統(tǒng)，后續(xù)研究應就如何建立高質量的編程教育智能導師系統(tǒng)，探尋如何將智能導師系統(tǒng)有效應用于編程教學的新模式。智能導師系統(tǒng)應用于編程教學中的效果測評，以及如何建立國家甚至全球層面的編程教育共同體，還需要進行詳細且深入的研究。

總之，智能導師系統(tǒng)是一門跨學科研究，相對于教育智能體重點關注促進學習者的認知學習而言，智能導師系統(tǒng)還具備了輔助教師教學的功能。值得關注的是，要建立一個適應多用戶層次、有效實用、學習者喜歡、對教師有幫助的智能導師系統(tǒng)并非易事，需要不同領域專家的通力合作。