楊曉哲 任友群

摘要：人工智能的發(fā)展備受矚目，而在教育領(lǐng)域中的研究與應(yīng)用仍屬剛剛起步。不少教育人工智能的研究與應(yīng)用方興未艾。該研究進(jìn)一步定位教育人工智能的內(nèi)涵，架構(gòu)其技術(shù)框架，并指出八個(gè)教育人工智能的應(yīng)用場景，分別是智能輔導(dǎo)、微格教學(xué)、自適應(yīng)學(xué)習(xí)、沉浸學(xué)習(xí)、自動(dòng)測評(píng)、課堂評(píng)價(jià)、數(shù)據(jù)決策、智能治理。從而提出教育人工智能的下一步推進(jìn)策略：抓住關(guān)鍵應(yīng)用場景，促進(jìn)智能賦能;提升全員信息素養(yǎng)，促進(jìn)教學(xué)創(chuàng)新;兼顧短期長遠(yuǎn)結(jié)合，促進(jìn)多方協(xié)同;開好信息技術(shù)課程，建設(shè)教師隊(duì)伍。研究為教育人工智能的下一步發(fā)展提出技術(shù)框架，應(yīng)用場景與推進(jìn)策略的建議。

關(guān)鍵詞：教育人工智能;人工智能;應(yīng)用場景

中圖分類號(hào)：G434

文獻(xiàn)標(biāo)識(shí)碼：A

近些年來，人工智能在教育領(lǐng)域中的應(yīng)用是一個(gè)被廣泛熱議的話題。2016年，美國在《人工智能研發(fā)戰(zhàn)略規(guī)劃》中指出，人工智能技術(shù)將進(jìn)一步促進(jìn)個(gè)性化學(xué)習(xí)[1]。2018年，日本發(fā)布了《人工智能戰(zhàn)略草案》，全面推進(jìn)培養(yǎng)日本中學(xué)生的數(shù)字素養(yǎng)和人工智能專業(yè)人才。2019年，美國國家科學(xué)基金會(huì)進(jìn)一步發(fā)布了《人工智能研究院建設(shè)計(jì)劃》，重點(diǎn)支持“智能教育”等六個(gè)方面[2]。2020年，歐盟委員會(huì)發(fā)布了《人工智能白皮書》旨在為“塑造歐洲數(shù)字未來”提出新的戰(zhàn)略方向。我國也高度關(guān)注教育領(lǐng)域中的人工智能應(yīng)用。國務(wù)院于2017年印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，指出“發(fā)展智能教育，利用智能技術(shù)加快推動(dòng)人才培養(yǎng)模式、教學(xué)方法改革”[3]。五部委于2020年聯(lián)合發(fā)布了《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》，進(jìn)一步指出了人工智能在教育領(lǐng)域的主要方向與標(biāo)準(zhǔn)[4]。

教育人工智能指向人工智能在教育領(lǐng)域的應(yīng)用與研究。盡管各方高度關(guān)注與重視，但客觀來說，教育人工智能依舊鮮有突破。如何進(jìn)一步定位教育人工智能的內(nèi)涵與價(jià)值，建構(gòu)教育人工智能的技術(shù)框架，抓住關(guān)鍵的應(yīng)用場景，找準(zhǔn)有效的推進(jìn)策略，正是下一步發(fā)展的關(guān)鍵。

一、何為教育人工智能

人工智能作為一個(gè)新興領(lǐng)域，通常來說，是指通過計(jì)算機(jī)模擬、產(chǎn)生、拓展人類的智能。人工智能的實(shí)現(xiàn)離不開對(duì)智能產(chǎn)生機(jī)理的元認(rèn)知[5]。人工智能發(fā)展的過程中不斷融入了信息論、控制論、神經(jīng)生理學(xué)等相關(guān)學(xué)科領(lǐng)域的最新發(fā)展。人工智能歷經(jīng)三個(gè)重要的發(fā)展階段，分別是符號(hào)主義、行為主義和連接主義[6]。符號(hào)主義是基于基本的符號(hào)與邏輯推理。行為主義主要采取強(qiáng)化學(xué)習(xí)等模型，在感知與控制中不斷修正。而近十年來，隨著算力的提升、數(shù)據(jù)的豐富，廣泛采用的連接主義則更多地通過卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)建立起自然語言處理、計(jì)算機(jī)視覺、模式識(shí)別等人工智能感知功能。

隨著人工智能的發(fā)展，學(xué)者開始將人工智能分為三大類：弱人工智能，強(qiáng)人工智能，超人工智能[7]。弱人工智能是指那些擅長于單個(gè)方面的人工智能。比如戰(zhàn)勝人類世界圍棋冠軍的人工智能AlphaGo也只是弱人工智能。雖然，AlphaGo會(huì)下圍棋，但無法跨領(lǐng)域完成其他任務(wù)。而強(qiáng)人工智能，則是具備一定跨領(lǐng)域的智能，也就是說強(qiáng)人工智能具有一種寬泛的心智能力，能夠?qū)Σ煌I(lǐng)域進(jìn)行分析問題、解決問題，以及自我學(xué)習(xí)。進(jìn)而有學(xué)者提出，超人工智能，并將其定義為在絕大多數(shù)領(lǐng)域中超越了人類智慧的總和，具備通用智能與社交能力，能夠在不同智能體之間展開協(xié)作。盡管當(dāng)前的人工智能在某些方面已經(jīng)初步顯現(xiàn)出“智能”的表征，但幾乎所有的人工智能仍然屬于弱人工智能[8]。短期內(nèi)，我們還難以實(shí)現(xiàn)強(qiáng)人工智能或超人工智能，這也是教育領(lǐng)域內(nèi)應(yīng)用人工智能需要考量的定位。

國內(nèi)外研究者圍繞人工智能在教育中的應(yīng)用展開論述。人工智能教學(xué)應(yīng)用研究可以追溯到程序性教學(xué)機(jī)器[9]。在后續(xù)的發(fā)展中，逐步形成了智能導(dǎo)學(xué)、自動(dòng)測評(píng)、智能代理等領(lǐng)域?qū)嵺`[10]。教育人工智能應(yīng)聚焦于利用人工智能與教育過程深度融合，實(shí)現(xiàn)1+1>2的成效[11]。艾休克·戈?duì)枺ˋshock Goel）認(rèn)為，人工智能可以代替教師回答學(xué)生們的問題。這種新的交互方式在線上課堂中采用，大多數(shù)學(xué)生甚至都沒有察覺異樣。楊現(xiàn)民等認(rèn)為教育人工智能主要有三個(gè)方面：面向特殊人群的補(bǔ)償性教育，針對(duì)常規(guī)性業(yè)務(wù)的替代式教育，服務(wù)個(gè)性發(fā)展的適應(yīng)性教育[12]。余勝泉認(rèn)為人工智能在教育中的應(yīng)用不應(yīng)高估也不應(yīng)低看，要重在探索人工智能在教育場景中所扮演的教師角色[13]。閆志明等則認(rèn)為，利用人工智能技術(shù)能夠更加微觀、更加系統(tǒng)、更加全面地揭示學(xué)習(xí)發(fā)生的機(jī)理，進(jìn)而為學(xué)習(xí)創(chuàng)造新的方式與條件[14]。

根據(jù)前期研究與學(xué)者觀點(diǎn)分析，筆者認(rèn)為，人工智能在教育中的融合將從表面地輔助教與學(xué)的過程到重構(gòu)教育系統(tǒng)。這就需要將人工智能更加深度地與學(xué)習(xí)科學(xué)、心理學(xué)、社會(huì)學(xué)、神經(jīng)科學(xué)、教育學(xué)、教育技術(shù)等進(jìn)行交融。在用人工智能重新表征學(xué)校內(nèi)外教育教學(xué)的過程中，將促進(jìn)開發(fā)者、研究者、管理者、教育者、學(xué)習(xí)者重新理解教育中的諸多要素，并反思背后的邏輯與機(jī)理。筆者認(rèn)為，教育人工智能是運(yùn)用人工智能技術(shù)，以全過程大數(shù)據(jù)作為基礎(chǔ)，以機(jī)器學(xué)習(xí)等算法模型進(jìn)行分析、模擬、預(yù)測與判斷，構(gòu)建自適應(yīng)學(xué)習(xí)環(huán)境，形成人機(jī)耦合的教學(xué)生態(tài)，發(fā)現(xiàn)學(xué)習(xí)發(fā)生機(jī)理，為學(xué)習(xí)者創(chuàng)造新型學(xué)習(xí)條件，促進(jìn)現(xiàn)代化教育智能治理。

二、教育人工智能的技術(shù)框架

結(jié)合教育人工智能的內(nèi)涵與定位，構(gòu)建整體的技術(shù)框架有助于人工智能在教育領(lǐng)域內(nèi)的系統(tǒng)建構(gòu)與應(yīng)用研究。楊現(xiàn)民等認(rèn)為：教育人工智能的技術(shù)框架應(yīng)包含教育數(shù)據(jù)層、算法層、感知層、認(rèn)知層、教育應(yīng)用層[15]。根據(jù)前期的研究分析，筆者進(jìn)一步構(gòu)建了教育人工智能的技術(shù)框架（如圖1所示），包含四個(gè)層面，分別是：基礎(chǔ)層、感知層、認(rèn)知層、應(yīng)用層。

（一）基礎(chǔ)層

技術(shù)框架中位于最底部的是基礎(chǔ)層，其包含數(shù)據(jù)、算法、算力三個(gè)主體。人工智能的發(fā)展離不開這三大基礎(chǔ)要素。大數(shù)據(jù)被形象地稱之為人工智能的“數(shù)據(jù)燃料”。人工智能在教育領(lǐng)域內(nèi)的應(yīng)用離不開教育大數(shù)據(jù)，離不開對(duì)數(shù)據(jù)的采集、整合以及進(jìn)一步結(jié)構(gòu)化的過程。表面上看教育的數(shù)據(jù)并不稀缺，既有學(xué)生個(gè)人信息數(shù)據(jù)、教師學(xué)?；A(chǔ)數(shù)據(jù)、教學(xué)過程性數(shù)據(jù)，以及教育管理行政數(shù)據(jù)。但是，教育數(shù)據(jù)稂莠不齊，錯(cuò)綜復(fù)雜，離散分離。沒有基礎(chǔ)層對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一規(guī)范與對(duì)接，將難以“喂養(yǎng)”給人工智能系統(tǒng)。算法是人工智能最為核心的組成部分。在算法部分，已有不少算法模型可以直接采用與優(yōu)化。采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等領(lǐng)域內(nèi)的算法，結(jié)合有效且多維度的數(shù)據(jù)，加之算力支持，共同構(gòu)成教育人工智能的基礎(chǔ)層。

（二）感知層

感知層讓機(jī)器具備了像人一樣的“五官”功能。該層涉及文字識(shí)別、語音識(shí)別、圖像識(shí)別、影像識(shí)別等。通過感知層，使得系統(tǒng)能夠?qū)ξ淖帧⒄Z音、圖像、視頻等信息進(jìn)行分析。例如，基于語音轉(zhuǎn)文字技術(shù)，就能夠?qū)φn堂中的語音進(jìn)行文字轉(zhuǎn)寫，形成一種課堂做筆記的新方式。又比如，在智能手機(jī)上閱讀電子圖書，通過前置攝像頭基于圖像識(shí)別技術(shù)，可以采集與分析閱讀者的面部，從而能夠建立起文字段落與閱讀者面部的關(guān)聯(lián)。總之，這些分類的感知專項(xiàng)為后續(xù)的認(rèn)知層與應(yīng)用層提供重要發(fā)展前提。

（三）認(rèn)知層

認(rèn)知層是建立在感知層之上的架構(gòu)，包含了自然語言處理、知識(shí)圖譜、用戶畫像等。有別于感知層對(duì)某種數(shù)字化載體類型的識(shí)別，認(rèn)知層則是更進(jìn)一步的推理、詮釋與理解。如果說感知層是看得到、聽得到，那么認(rèn)知層就是看得懂、聽明白、能理解。認(rèn)知層在教育領(lǐng)域內(nèi)往往會(huì)整合教育的客觀與主觀經(jīng)驗(yàn)。例如，對(duì)課堂教師提問進(jìn)行分析。通過感知層可以對(duì)教師的話語進(jìn)行語音轉(zhuǎn)文字，在此基礎(chǔ)上通過自然語言處理判斷出哪些句子是教師的提問語句。再進(jìn)一步結(jié)合教育大數(shù)據(jù)與專家評(píng)價(jià)標(biāo)準(zhǔn)，確定教師提問中哪些是有效問題，哪些是無效問題，并進(jìn)一步劃分課堂中問題的類型。認(rèn)知層不是一個(gè)孤立的技術(shù)處理過程，而是結(jié)合教育的深度解析過程。

（四）應(yīng)用層

教育人工智能的最頂層為教育應(yīng)用層。當(dāng)前的人工智能仍然屬于弱人工智能，特別是在面對(duì)教育如此復(fù)雜的真實(shí)情境應(yīng)用時(shí)，人工智能短期內(nèi)還難以實(shí)現(xiàn)跨越多個(gè)教育場景的效果，形成教育中通用的人工智能。因此，明確教育人工智能的應(yīng)用場景至關(guān)重要。筆者認(rèn)為可以將教育應(yīng)用層分為四大類，分別是教學(xué)、學(xué)習(xí)、評(píng)價(jià)、治理。在教學(xué)分類中，人工智能一方面充當(dāng)智能教師角色，開展個(gè)性化智能導(dǎo)學(xué);另一方面反過來對(duì)教師教學(xué)與教師教育提供智能指導(dǎo)與反饋。在學(xué)習(xí)分類中，人工智能側(cè)重對(duì)于學(xué)生學(xué)習(xí)過程的支持，并結(jié)合新興技術(shù)，構(gòu)建人機(jī)耦合的新型學(xué)習(xí)環(huán)境。在評(píng)價(jià)分類中，一方面?zhèn)戎赜趯?duì)于學(xué)習(xí)結(jié)果的自動(dòng)化評(píng)價(jià)，另一方面關(guān)注課堂學(xué)習(xí)過程中的全方面多模態(tài)評(píng)價(jià)。在治理分類中，更關(guān)注教育管理者應(yīng)用人工智能技術(shù)進(jìn)行教育決策與動(dòng)態(tài)智能治理。因此，四大類中典型應(yīng)用場景分別是智能輔導(dǎo)、微格教學(xué)、自適應(yīng)學(xué)習(xí)、沉浸學(xué)習(xí)、自動(dòng)測評(píng)、課堂評(píng)價(jià)、數(shù)據(jù)決策、智能治理這8個(gè)方面。筆者將在下一部分進(jìn)一步展開論述。

三、教育人工智能的應(yīng)用場景

近五年來，隨著人工智能逐步賦能各行各業(yè)，教育領(lǐng)域內(nèi)逐步從“人工智能+教育”轉(zhuǎn)向“教育+人工智能”的深度嘗試與探索。這不僅代表著先后次序，更重要的是從教育的價(jià)值、目標(biāo)、愿景、使命感與定位出發(fā)，結(jié)合具體場景，深入應(yīng)用人工智能，釋放其在教育上的效益。以下列舉了八個(gè)目前已經(jīng)有初步應(yīng)用的教育人工智能場景，需要指出的是每個(gè)場景中教師、學(xué)生、管理者、技術(shù)人員都在扮演各自本來角色的同時(shí)，扮演著學(xué)習(xí)者或指導(dǎo)者的角色。

（一）智能輔導(dǎo)

早在20世紀(jì)70年代，智能導(dǎo)學(xué)系統(tǒng)（Intelligence Teaching System，ITS）就備受關(guān)注。智能導(dǎo)學(xué)系統(tǒng)在教學(xué)中扮演著引導(dǎo)學(xué)生學(xué)習(xí)的重要功能。早期的智能導(dǎo)學(xué)系統(tǒng)關(guān)注新手型學(xué)習(xí)者與專家型學(xué)習(xí)者的差異，并由此在重點(diǎn)環(huán)節(jié)中進(jìn)行學(xué)習(xí)干預(yù)與引導(dǎo)。近些年來，隨著人工智能技術(shù)的介入，智能導(dǎo)學(xué)系統(tǒng)借鑒了智能客服機(jī)器人的新形式，轉(zhuǎn)為教育領(lǐng)域中的智能答疑。智能輔導(dǎo)在面向?qū)W習(xí)者學(xué)習(xí)的過程中，能夠根據(jù)學(xué)習(xí)者提問進(jìn)行語音識(shí)別，進(jìn)而自然語言處理，并模擬人類導(dǎo)師風(fēng)格進(jìn)行人機(jī)對(duì)話等多種形式的自動(dòng)化反饋。隨著智能終端的普及、移動(dòng)學(xué)習(xí)的興起，智能輔導(dǎo)更多以一種線上教育中的虛擬形態(tài)出現(xiàn)。例如，利用人工智能自然語言處理系統(tǒng)進(jìn)一步開發(fā)的智能寫作助手，其扮演了學(xué)習(xí)者寫作過程中的智能輔導(dǎo)角色。在建立億級(jí)作文語料庫的基礎(chǔ)上，對(duì)作文進(jìn)行不同水平的分級(jí)，并通過專家進(jìn)行模型修正，能夠針對(duì)學(xué)習(xí)者的文段邏輯、語段連貫、用詞準(zhǔn)確等給出輔導(dǎo)建議。從而，根據(jù)學(xué)習(xí)者的反饋再完善整體模型。

再比如，某智能鋼琴AI系統(tǒng)，將人工智能系統(tǒng)嵌入實(shí)體鋼琴中，并通過互聯(lián)網(wǎng)實(shí)時(shí)同步數(shù)據(jù)。學(xué)生彈奏時(shí)，鋼琴AI系統(tǒng)會(huì)自動(dòng)判斷彈奏的力度、旋律，以及節(jié)奏是否正確。通過大數(shù)據(jù)累計(jì)與人工智能分析，針對(duì)新手型學(xué)習(xí)者經(jīng)常出現(xiàn)的錯(cuò)誤關(guān)鍵點(diǎn)給予提醒。這種線上與線下互通的方式，使得智能輔導(dǎo)仿佛就在身邊，如影隨形。

（二）微格教學(xué)

在人工智能應(yīng)用于教學(xué)方面，除了直接扮演起人工智能教師角色，同時(shí)也能夠反過來促進(jìn)教師的專業(yè)成長。特別是在教師職業(yè)培訓(xùn)中提供諸多智能反饋與指導(dǎo)建議。微格教學(xué)是一種利用現(xiàn)代化教學(xué)技術(shù)手段來培訓(xùn)師范生和在職教師教學(xué)技能的系統(tǒng)方法。微格教學(xué)實(shí)際上是提供一個(gè)練習(xí)環(huán)境，使日常復(fù)雜的課堂教學(xué)得以精簡化，并能使練習(xí)者獲得大量的反饋意見。從極其復(fù)雜多變的課堂教學(xué)中抽離出來，恰恰能夠更加充分地結(jié)合人工智能技術(shù)，對(duì)教師教學(xué)給予更多可控制、有針對(duì)性、可操作性的指導(dǎo)。

在微格教室中，加裝音視頻采集裝置，以及眼動(dòng)儀、腦電波等設(shè)備，從而在技術(shù)架構(gòu)中的基礎(chǔ)層獲取更多數(shù)據(jù)。在微格教室中能夠更加準(zhǔn)確地采集聲音，進(jìn)行語義分析;并能夠更加高清地捕捉圖像畫面，進(jìn)行表情識(shí)別與動(dòng)作分析;加之其他數(shù)據(jù)類型結(jié)合算法的應(yīng)用，使得人工智能在典型的微格教室中可以深入地展開微觀與系統(tǒng)的教師教學(xué)模擬分析。在微格的主控室中可以看到多個(gè)微格教室的過程性數(shù)據(jù)反饋結(jié)果與智能分析報(bào)告，有助于其他同行教師或?qū)＜疫M(jìn)行基于數(shù)據(jù)采集點(diǎn)與人工智能反饋結(jié)果的點(diǎn)評(píng)、指導(dǎo)與教研。

（三）自適應(yīng)學(xué)習(xí)

一直以來，教育者一直尋求某種方式，能夠根據(jù)學(xué)習(xí)者的已有經(jīng)驗(yàn)和水平，推送有效的學(xué)習(xí)資源以及適恰的學(xué)習(xí)路徑，從而提高學(xué)習(xí)效率，促進(jìn)學(xué)習(xí)者個(gè)性化發(fā)展?；跈C(jī)器學(xué)習(xí)的算法，研究者進(jìn)一步嘗試以學(xué)習(xí)者為中心的學(xué)習(xí)系統(tǒng)，廣泛采用知識(shí)圖譜，構(gòu)建學(xué)習(xí)者畫像，為學(xué)習(xí)者學(xué)習(xí)提供精準(zhǔn)化、個(gè)人化的學(xué)習(xí)資源、學(xué)習(xí)診斷，以及學(xué)習(xí)反饋。

例如，ALEKS自適應(yīng)學(xué)習(xí)系統(tǒng)，為學(xué)習(xí)者提供一種個(gè)性化的學(xué)習(xí)方式，能夠根據(jù)學(xué)習(xí)者自身的進(jìn)度進(jìn)行調(diào)整[16]。系統(tǒng)會(huì)盡可能地找出適合學(xué)習(xí)者的學(xué)習(xí)材料，幫助學(xué)習(xí)者在課程中自定步調(diào)地展開學(xué)習(xí)。ALEKS系統(tǒng)最早從數(shù)學(xué)內(nèi)容起步，逐步在基礎(chǔ)算術(shù)之外，加入了代數(shù)、幾何、統(tǒng)計(jì)學(xué)、微積分等板塊，并進(jìn)一步覆蓋化學(xué)、物理、會(huì)計(jì)學(xué)等科目。ALEKS最為鮮明的特點(diǎn)在于能夠在短時(shí)間內(nèi)進(jìn)行精準(zhǔn)的學(xué)生學(xué)習(xí)起點(diǎn)評(píng)估。系統(tǒng)內(nèi)部具有完整的知識(shí)圖譜，并構(gòu)建起每個(gè)知識(shí)節(jié)點(diǎn)的對(duì)應(yīng)題庫。題庫一開始由教研團(tuán)隊(duì)設(shè)計(jì)，之后采用機(jī)器學(xué)習(xí)算法，不斷對(duì)題目進(jìn)行演化變形，最終形成理論上無限的題庫，為有效地診斷學(xué)習(xí)者學(xué)習(xí)情況提供了有力支撐。

通過分析已有的自適應(yīng)學(xué)習(xí)系統(tǒng)，諸如ALEKS系統(tǒng)、Knewton系統(tǒng)、可汗學(xué)院等，其整體架構(gòu)設(shè)計(jì)如圖2所示。大多數(shù)自適應(yīng)學(xué)習(xí)系統(tǒng)采用知識(shí)圖譜作為重要切入口，來表征知識(shí)的網(wǎng)絡(luò)復(fù)雜結(jié)構(gòu)關(guān)系，并配套對(duì)應(yīng)的題庫與學(xué)習(xí)資源[17]。當(dāng)學(xué)習(xí)者進(jìn)入自適應(yīng)學(xué)習(xí)系統(tǒng)之后，通過自身的學(xué)習(xí)就能夠進(jìn)一步形成個(gè)人的知識(shí)圖譜情況，并于此診斷出個(gè)人的能力模型，進(jìn)而結(jié)合背景信息與學(xué)習(xí)風(fēng)格習(xí)慣形成學(xué)習(xí)者畫像。與此同時(shí)，大量學(xué)習(xí)者進(jìn)入學(xué)習(xí)系統(tǒng)學(xué)習(xí)，也會(huì)反過來迭代與修正系統(tǒng)的總知識(shí)圖譜。在群體的不斷貢獻(xiàn)與迭代中，每一個(gè)學(xué)習(xí)者既是用戶，也是系統(tǒng)學(xué)習(xí)過程數(shù)據(jù)的貢獻(xiàn)者，最終形成更加適合每個(gè)人的大規(guī)模個(gè)性化學(xué)習(xí)體系。

（四）沉浸學(xué)習(xí)

近些年來，虛擬現(xiàn)實(shí)技術(shù)取得了進(jìn)一步的發(fā)展。無論是虛擬互動(dòng)場景構(gòu)建，還是用戶配套沉浸虛擬現(xiàn)實(shí)的頭盔進(jìn)入到擬真場景中，都為學(xué)習(xí)者創(chuàng)建了一個(gè)更加直觀、更加多樣、更加豐富的學(xué)習(xí)場景[18]?；诔两摂M學(xué)習(xí)環(huán)境，通過人工智能技術(shù)，能夠充分利用虛擬現(xiàn)實(shí)中對(duì)學(xué)習(xí)者過程性數(shù)據(jù)的全面采集與記錄，進(jìn)行無感測評(píng)與反饋，還能夠模擬大量個(gè)性化交互，從而構(gòu)建一個(gè)面向個(gè)體的智能學(xué)習(xí)空間[19]。

例如：AI虛擬現(xiàn)實(shí)博物館。每個(gè)學(xué)習(xí)者戴上沉浸虛擬現(xiàn)實(shí)頭盔之后，人工智能系統(tǒng)會(huì)根據(jù)學(xué)習(xí)者之前的偏好和經(jīng)驗(yàn)，引導(dǎo)其參觀符合自身興趣的展品。不僅如此，在具體進(jìn)行博物館游覽參觀的時(shí)候，會(huì)根據(jù)學(xué)習(xí)者的年齡段、已有的相關(guān)知識(shí)調(diào)整解說的詞匯量、難度等細(xì)節(jié)。還能夠通過人工智能模擬其他參觀者陪同學(xué)習(xí)者參觀博物館，并與之進(jìn)行對(duì)話交流。

（五）自動(dòng)測評(píng)

計(jì)算機(jī)更擅長處理大量明確規(guī)則的事件，并且不會(huì)倦怠，無需休息。自動(dòng)測評(píng)運(yùn)用于教育評(píng)價(jià)領(lǐng)域?qū)⒐?jié)省教師大量批改作業(yè)與試卷的時(shí)間。將教師從大量重復(fù)性工作中解放出來，關(guān)注于評(píng)價(jià)的設(shè)計(jì)，以及后續(xù)面對(duì)面的交流與反饋。結(jié)合人工智能技術(shù)，自動(dòng)測評(píng)不再局限于客觀題的指定判定，還能夠針對(duì)一些主觀題給出評(píng)分。運(yùn)用自然語言處理，結(jié)合專家評(píng)價(jià)標(biāo)準(zhǔn)的綜合模型，通過大數(shù)據(jù)訓(xùn)練，能夠?qū)χT如語文作文等主觀性更強(qiáng)的題目進(jìn)行測評(píng)。再比如，美國教育考試服務(wù)中心，早在2006年起就采用語音識(shí)別技術(shù)與自然語言處理，對(duì)考生托福口語考試中的發(fā)育準(zhǔn)確度、詞匯量、語法正確性進(jìn)行自動(dòng)判定[20]。

不僅如此，結(jié)合一定的可穿戴設(shè)備與儀器，自動(dòng)測評(píng)也開始運(yùn)用于體育考試，在其他學(xué)科也逐步嘗試應(yīng)用。例如：在物理、化學(xué)、生物實(shí)驗(yàn)操作考試中也開始能夠通過人工智能系統(tǒng)進(jìn)行評(píng)分。上海教委組織下，啟動(dòng)了探索初中物理、化學(xué)、生物中考考試的人工智能自動(dòng)賦分。在不改變學(xué)生實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)器材的情況下，主要通過主側(cè)多個(gè)攝像頭，動(dòng)態(tài)采集學(xué)生實(shí)驗(yàn)過程視頻數(shù)據(jù)。在定義關(guān)鍵考評(píng)點(diǎn)，結(jié)合大量學(xué)生實(shí)驗(yàn)視頻的分段訓(xùn)練下，能夠?qū)忌M(jìn)行的特定實(shí)驗(yàn)進(jìn)行自動(dòng)化賦分。

（六）課堂評(píng)價(jià)

課堂依舊是教育教學(xué)發(fā)生的主要時(shí)空。但是，課堂又是極其復(fù)雜的教育空間。課堂中學(xué)生如何學(xué)習(xí)始終是一個(gè)“黑箱”。某種程度上，即使依靠大量的人力也難以進(jìn)行大規(guī)模課堂觀察與評(píng)估。故而，采用圖像識(shí)別、語音識(shí)別、語義識(shí)別等對(duì)課堂進(jìn)行分析，是人工智能在教育領(lǐng)域內(nèi)應(yīng)用的主要方向之一。華東師范大學(xué)課程與教學(xué)研究所團(tuán)隊(duì)對(duì)多模態(tài)課堂分析進(jìn)行了試驗(yàn)性探索。多模態(tài)課堂分析是對(duì)課堂中的語音、圖像、視頻、空間、姿態(tài)以及多模態(tài)數(shù)據(jù)進(jìn)行采集與分析，全方位追蹤課堂軌跡，采用人工智能技術(shù)，提取與解析課堂多維度數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)智能診斷與智能反饋的一體化課堂教學(xué)與研究。

通過人工智能技術(shù)能夠采集并分析出一系列課堂細(xì)化采集點(diǎn)，諸如學(xué)生舉手次數(shù)、教師提問次數(shù)、學(xué)生回答次數(shù)、教師表情、學(xué)生表情等。但是這些細(xì)化的技術(shù)采集與分析結(jié)果，過于碎片化，如果沒有有效整合與重組處理，難以形成有意義的課堂評(píng)價(jià)，反而容易陷入課堂監(jiān)控與過度反饋。因此，人工智能技術(shù)運(yùn)用于課堂評(píng)價(jià)，需要在尊重?cái)?shù)據(jù)安全與信息倫理的同時(shí)，從細(xì)化的技術(shù)指標(biāo)采集到整合的專項(xiàng)分析，從而能夠?qū)φn堂評(píng)價(jià)與教學(xué)教研產(chǎn)生實(shí)質(zhì)性價(jià)值。

（七）數(shù)據(jù)決策

從教育治理的視角切入，人工智能有助于教育部門建立數(shù)據(jù)中臺(tái)，基于人工智能分析后的有關(guān)信息進(jìn)行數(shù)據(jù)決策。不少地區(qū)的教育主管部門紛紛搭建平臺(tái)，形成區(qū)/校/班/學(xué)生四級(jí)協(xié)同數(shù)據(jù)同步，建立區(qū)域內(nèi)教學(xué)大數(shù)據(jù)基礎(chǔ)，通過標(biāo)準(zhǔn)化數(shù)據(jù)管理和完整教學(xué)數(shù)據(jù)積淀為教育決策提供科學(xué)依據(jù)和有效支撐。教育大數(shù)據(jù)的全面采集，包括學(xué)生層面、學(xué)校層面、家庭層面、區(qū)域?qū)用?，從而通過機(jī)器學(xué)習(xí)等人工智能算法，能夠構(gòu)建學(xué)校發(fā)展畫像分析、區(qū)域教育發(fā)展趨勢預(yù)測、教師專業(yè)發(fā)展路徑分析等。

（八）教育治理

以往的教育治理某種程度上很難連接起社會(huì)需求、技術(shù)發(fā)展變量，以及政治、經(jīng)濟(jì)、人文等相關(guān)因素。而在人工智能時(shí)代，教育治理不再僅限于教育系統(tǒng)的內(nèi)部數(shù)據(jù)，從而進(jìn)一步打破了教育數(shù)據(jù)壁壘。教育數(shù)據(jù)能夠聯(lián)通“城市大腦”，使得教育領(lǐng)域與社會(huì)、經(jīng)濟(jì)、科技、文化等領(lǐng)域協(xié)同，從而實(shí)現(xiàn)數(shù)字化、智能化、動(dòng)態(tài)化、生態(tài)化。隨著智慧城市的發(fā)展，智慧醫(yī)療、智慧交通、智慧生活將逐步與教育體系融通，教育治理也能夠在動(dòng)態(tài)中更好地融入智慧城市的整體建設(shè)中。

四、教育人工智能的推進(jìn)策略

教育人工智能是一個(gè)跨學(xué)科、跨部門、跨體系的新興探索領(lǐng)域。縱然我們鼓勵(lì)自下而上的積極探索，但教育人工智能的推進(jìn)策略，仍需更多地采取雙向賦能策略，兼顧至上而下與至下而上相結(jié)合，兼顧教育主體與企業(yè)政府相輔相成，兼顧前瞻研發(fā)與實(shí)際應(yīng)用顧全平衡。

（一）抓住關(guān)鍵應(yīng)用場景，促進(jìn)智能賦能

目前，人工智能的特性本身在于更擅長實(shí)現(xiàn)明確規(guī)則與目標(biāo)的任務(wù)。因此，抓住核心的應(yīng)用場景，才能夠在深度融合中單點(diǎn)優(yōu)化，挖掘并實(shí)現(xiàn)實(shí)際價(jià)值。應(yīng)用場景的實(shí)現(xiàn)離不開教育信息化。教育信息化是教育人工智能的底盤。沒有教育信息化，也就沒有教育人工智能，也就沒有教育現(xiàn)代化。在教育信息化2.0中所提出的以數(shù)據(jù)為基礎(chǔ)、以體驗(yàn)為中心、以智能為導(dǎo)向也正是教育人工智能的發(fā)展方向[21]。抓住教育教學(xué)過程中的教學(xué)、學(xué)習(xí)、評(píng)價(jià)與治理四大方面，八個(gè)應(yīng)用場景，重點(diǎn)突破，以點(diǎn)帶面，促進(jìn)人工智能對(duì)教育的實(shí)質(zhì)性效益。

（二）提升全員信息素養(yǎng)，促進(jìn)教學(xué)創(chuàng)新

人工智能在教育領(lǐng)域中的研究與應(yīng)用，離不開教育管理者、教師，以及學(xué)生的信息素養(yǎng)提升。教育管理者要有信息意識(shí)，能夠基于數(shù)據(jù)展開決策判斷，能夠基于一定的人工智能算法預(yù)測模型制定政策。對(duì)于教師而言，人工智能并非要取代教師，而是重新分配與部署教師的專業(yè)角色與定位，從而實(shí)現(xiàn)教育現(xiàn)代化的新生態(tài)。技術(shù)不會(huì)取代教師，但技術(shù)會(huì)淘汰那些完全不運(yùn)用技術(shù)的自我封閉群體。在新的“教育+人工智能”的發(fā)展機(jī)遇中，我們應(yīng)更多地鼓勵(lì)因地制宜，試探性地探索人機(jī)耦合的教學(xué)工作場景，避免教師進(jìn)行大量重復(fù)的工作，提升機(jī)器智能與教學(xué)智慧的全方面整合。

對(duì)于數(shù)字化原住民的新一代學(xué)生來說，大量人工智能的應(yīng)用并不新鮮，他們甚至?xí)X得人機(jī)對(duì)話、智能分析、自動(dòng)評(píng)分、個(gè)性化推薦等人工智能應(yīng)用稀松平常。雖然學(xué)生們非常熟悉也更加樂于結(jié)合人工智能的方式展開學(xué)習(xí)，但是學(xué)生的信息素養(yǎng)決定了他們應(yīng)用人工智能展開學(xué)習(xí)的深度與廣度。學(xué)生們需要提升在人工智能與數(shù)字化環(huán)境中自主、協(xié)作、探究的信息素養(yǎng)。學(xué)生能夠?qū)W(xué)習(xí)資源進(jìn)行選擇與判斷，能夠自主對(duì)學(xué)習(xí)材料進(jìn)行再加工與整理，能夠?qū)⑷斯ぶ悄芤暈閷W(xué)習(xí)伙伴甚至是學(xué)習(xí)共同體[22]。他們既不全聽從于人工智能算法判定的結(jié)果，也不拒絕使用，而是在人機(jī)協(xié)調(diào)中綜合判斷，形成數(shù)字化學(xué)習(xí)與創(chuàng)新能力，提升信息素養(yǎng)[23]。

（三）兼顧短期長遠(yuǎn)結(jié)合，促進(jìn)多方協(xié)同

教育人工智能本身就是一個(gè)跨界融合范疇。難以僅僅通過個(gè)別學(xué)校、個(gè)別教育者，甚至個(gè)別技術(shù)團(tuán)隊(duì)的努力實(shí)現(xiàn)重大進(jìn)展，必然是一個(gè)需要高度整合的產(chǎn)業(yè)與事業(yè)。注重頂層設(shè)計(jì)，建立有效機(jī)制，確定具體明確的技術(shù)路線，聯(lián)合政府、學(xué)校、企業(yè)等諸多方面必不可少。相關(guān)的教育部門要統(tǒng)籌協(xié)調(diào)，提供平臺(tái)、條件、資源和環(huán)境，協(xié)調(diào)培訓(xùn)、教研、研究、信息化等部門，共同推進(jìn)教育人工智能。

各方需要理清角色定位，避免各自獨(dú)立研發(fā)，導(dǎo)致過度零起點(diǎn)開發(fā)與資源浪費(fèi)。應(yīng)該說教育專家和企業(yè)部門合作，是一種不可避免的跨界合作，雙方各自優(yōu)勢明顯，但關(guān)注點(diǎn)往往差異較大。專家更關(guān)注學(xué)術(shù)研究成果，企業(yè)則更關(guān)注投入與收益比，關(guān)注產(chǎn)生的經(jīng)濟(jì)效益。故而，雙方需要相互理解，達(dá)成共識(shí)。因此，多方在相互協(xié)作中才能共同發(fā)展，取得教育人工智能的相關(guān)突破。與此同時(shí)，教育人工智能非常容易陷入巨大的效益陷阱中，被某種機(jī)械化的應(yīng)試教育，卷入錯(cuò)誤的方向。辯證看待與處理各方訴求，以學(xué)生發(fā)展為中心尤為重要。

（四）開好信息技術(shù)課程，建設(shè)教師隊(duì)伍

隨著人工智能在教育領(lǐng)域應(yīng)用的不斷深入，開設(shè)好信息技術(shù)等相關(guān)課程是持續(xù)性深入的關(guān)鍵。學(xué)生們不僅能夠在小學(xué)、初中、高中的信息技術(shù)相關(guān)課程學(xué)習(xí)中提升信息素養(yǎng)，還能夠掌握人工智能的相關(guān)知識(shí)與技能，奠定學(xué)生們面向人工智能時(shí)代的終身學(xué)習(xí)能力[24]。2017年全國高中信息技術(shù)課程標(biāo)準(zhǔn)出臺(tái)，在必修與選擇性必修板塊中均凸顯了人工智能學(xué)習(xí)模塊[25]。目前，正在修訂的義務(wù)教育階段信息科技課程標(biāo)準(zhǔn)也將進(jìn)一步加入人工智能與現(xiàn)代社會(huì)等相關(guān)課程模塊。于此同時(shí)，信息技術(shù)課程的開設(shè)離不開廣大信息技術(shù)教師，培養(yǎng)與建設(shè)信息技術(shù)教師專業(yè)隊(duì)伍。這批教師也將是整個(gè)學(xué)校開展人工智能進(jìn)一步應(yīng)用的骨干力量。

五、總結(jié)與展望

從互聯(lián)網(wǎng)到人工智能，每一次重大的新興技術(shù)變革，都給各行各業(yè)帶來思維轉(zhuǎn)變的挑戰(zhàn)與融合創(chuàng)新的機(jī)遇。教育人工智能的下一步發(fā)展，不僅僅是人工智能技術(shù)本身的進(jìn)階突破，而是以教育全過程大數(shù)據(jù)為基礎(chǔ)，建構(gòu)教育人工智能的技術(shù)架構(gòu)，在具體的應(yīng)用場景中形成實(shí)際性效益，從而構(gòu)建自適應(yīng)的學(xué)習(xí)環(huán)境、人機(jī)耦合的教學(xué)生態(tài)、現(xiàn)代化的教育治理。教育人工智能的下一步發(fā)展越來越離不開行之有效的頂層機(jī)制設(shè)計(jì)，離不開師生的信息素養(yǎng)提升。在具體可行的重要路線引領(lǐng)下，各方力量的協(xié)作投入，在小規(guī)模多試的過程中，教育人工智能逐步走向大規(guī)模部署的新階段。

參考文獻(xiàn)：

[1] National Science and Technology CounciI.The National Artificial Intelligence Research and Development Strategic plan [EB/OL].https：// www.nitrd.gov/puhs/nationaLai_rd_strategic_plan.pdf，2020-10-09.

[2]王正青，但金鳳.人工智能技術(shù)在美國學(xué)校教學(xué)中的應(yīng)用領(lǐng)域與推進(jìn)策略[J].比較教育研究，2020，42（6）：43 -49.

[3]國務(wù)院（2017）.國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知fEB/OL].http：//www.gov.cn/zhengce/zhengceku/2017-07/20/content 5211996.htm.2018-01-25.

[4]國家標(biāo)準(zhǔn)化管理委員會(huì)（2020）.國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南[EB/OL].http：//www.gov. cn/zhengce/zhengceku/2020-08/09/content 5533454.htm.2020-07-27.

[5] Gonzalez-Calero J A，Arnau D.et al.lntensive scaffolding in an intelligent tutoring system for the learning of algebraic word prohlem solving[J].British Joumal of Educational Technology，2015，46（6）：1189-1200.

[6] Minsky M L，Singh P，et aI.The St. Thomas common sense symposium：designing architectures for human-level intelligence[J].AI Magazine，2004，25（2）：113-125.

[7] Wikipedia.Artificial intelligence [DB/OL].https：//en.wikipedia.org/wiki/Artificial_intelligence.2017-04-23.

[8]莫宏偉.強(qiáng)人工智能與弱人工智能的倫理問題思考[J].科學(xué)與社會(huì)，2018，8（1）：14-24.

[9][15] Borko.H.Artificial-intelligence And Expert Systems Research And Their Possihle Impact On Information-science Education [J].Education for Information，2017，3 （2）： 103-1 14.

[10]袁利平，陳川南.美國人工智能戰(zhàn)略中的教育藍(lán)圖——基于三份國家級(jí)人工智能戰(zhàn)略的文本分析[J].比較教育研究，20207（2）：9-15.

[11]張坤穎，張家年.人工智能教育應(yīng)用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)[J].遠(yuǎn)程教育雜志，2017，35 （5）：54-63.

[12]楊現(xiàn)民，張昊等.教育人工智能的發(fā)展難題與突破路徑[J].現(xiàn)代遠(yuǎn)程教育研究，2018，（3）：30-38.

[13]余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，24（1）：16-28.

[14]閆志明，唐夏夏等.教育人工智能（EAI）的內(nèi)涵，關(guān)鍵技術(shù)與應(yīng)用趨勢——美國《為人工智能的未來做好準(zhǔn)備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報(bào)告解析[J].遠(yuǎn)程教育雜志，2017，35（1）：26-35.

[16]王碩爍，馬玉慧.國外典型自適應(yīng)學(xué)習(xí)平臺(tái)的基本框架及其關(guān)鍵技術(shù)分析[J].開放學(xué)習(xí)研究，2018，23（1）：48-54.

[17]蔣鑫，朱紅艷等.美國“教育中的人工智能”研究：回溯與評(píng)析[J].中國遠(yuǎn)程教育，2020，（2）：9-20+48.

[18] Yang Xiaozhe.Lin L.et aI.Which EEG feedback works better for creativity performance in immersive virtual reality：The reminder or encouraging feedback？ [J].Computers in Human Behavior，2019.99（10）：345-351.

[19]楊曉哲，任友群.虛擬現(xiàn)實(shí)與腦電聯(lián)動(dòng)系統(tǒng)的開發(fā)及其教育研究功能探索[J].遠(yuǎn)程教育雜志，2019，37（1）：47-54.

[20] VAJJALA S.Automated assessment of non-native learner essays： investigating the role of linguistic features [J].lnternational joumal of artificial intelligence in education，201 8.28（1）：79- 105.

[21]任友群，吳曼瑜等.追尋常態(tài)：從生態(tài)視角看信息技術(shù)與教育教學(xué)的融合[J].中國電化教育，2015，（1）：107-113.

[22]郭炯，榮乾等.國外人工智能教學(xué)應(yīng)用研究綜述[J]電化教育研究，2020.41（2）：91-98+107.

[23]楊曉哲，任友群.高中信息技術(shù)學(xué)科的價(jià)值追求：數(shù)字化學(xué)習(xí)與創(chuàng)新[J].中國電化教育，2017，（1）：21-22_

[24]任友群，隋豐蔚等.數(shù)字土著何以可能？——也談?dòng)?jì)算思維進(jìn)入中小學(xué)信息技術(shù)教育的必要性和可能性[J].中國電化教育2016，（1）：1-8.

[25]任友群，黃榮懷.高中信息技術(shù)課程標(biāo)準(zhǔn)修訂說明高中信息技術(shù)課程標(biāo)準(zhǔn)修訂組[J].中國電化教育，2016.（12）：1-3.

作者簡介：

楊曉哲：副教授，碩士生導(dǎo)師，研究方向?qū)W習(xí)科學(xué)、教育信息化、信息技術(shù)。

任友群：教授，博士生導(dǎo)師，研究方向教育政策、教育信息化、學(xué)習(xí)科學(xué)。

收稿日期：2020年10月20日

責(zé)任編輯：李雅瑄