單美賢 張瑞陽(yáng) 史

（南京郵電大學(xué) 教育科學(xué)與技術(shù)學(xué)院，江蘇南京 210023）

2011年，IBM 公司的Watson 在美國(guó)智力問(wèn)答節(jié)目Jeopardy（危險(xiǎn)邊緣）中，戰(zhàn)勝了人類(lèi)智力競(jìng)賽冠軍并贏得了比賽，展示了自然語(yǔ)言處理以及快速搜索數(shù)據(jù)庫(kù)以識(shí)別和排序答案的能力。Watson的目標(biāo)是在計(jì)算模型中模擬人類(lèi)的思維過(guò)程，即認(rèn)知計(jì)算（認(rèn)知科學(xué)與計(jì)算機(jī)科學(xué)的結(jié)合），提供了實(shí)現(xiàn)人工智能的現(xiàn)實(shí)路線圖。業(yè)界普遍認(rèn)為，認(rèn)知計(jì)算代表了計(jì)算的第三代：第一代（始于19世紀(jì)）是被稱(chēng)為“計(jì)算機(jī)之父”的查爾斯·巴貝奇（Charles Babbage）提出的可編程計(jì)算機(jī)概念；第二代（興起于20世紀(jì)40年代） 經(jīng)歷了諸如ENIAC 之類(lèi)的數(shù)字編程計(jì)算機(jī)，并開(kāi)創(chuàng)了現(xiàn)代計(jì)算和可編程系統(tǒng)的時(shí)代；第三代則是認(rèn)知計(jì)算，它包含信息分析、自然語(yǔ)言處理和機(jī)器學(xué)習(xí)領(lǐng)域的大量技術(shù)創(chuàng)新，能夠助力決策者從大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中實(shí)現(xiàn)非凡的洞察與關(guān)聯(lián)性。進(jìn)入人工智能時(shí)代，基于認(rèn)知科學(xué)以及機(jī)器學(xué)習(xí)和大數(shù)據(jù)共同支持的認(rèn)知計(jì)算，將個(gè)性化帶入我們社會(huì)生活的每個(gè)角落，被運(yùn)用于醫(yī)療診斷、商業(yè)應(yīng)用及決策評(píng)估等多個(gè)領(lǐng)域。教育領(lǐng)域中認(rèn)知計(jì)算的發(fā)展是由其在學(xué)習(xí)中的巨大潛力所激發(fā)，但到目前為止只實(shí)現(xiàn)了一小部分，認(rèn)知計(jì)算的教育應(yīng)用仍處于初級(jí)階段[1]。目前，國(guó)內(nèi)外尚未有對(duì)認(rèn)知計(jì)算教育應(yīng)用進(jìn)行系統(tǒng)梳理的相關(guān)研究，鑒于此，本文首先通過(guò)梳理認(rèn)知計(jì)算的發(fā)展脈絡(luò)，來(lái)理解認(rèn)知計(jì)算的含義以及認(rèn)知計(jì)算與人工智能之間的關(guān)系；然后從認(rèn)知計(jì)算的四個(gè)模型來(lái)把握認(rèn)知計(jì)算是如何模擬大腦的運(yùn)算模式，以此為基礎(chǔ)，提出了應(yīng)用于教育領(lǐng)域中的認(rèn)知計(jì)算集成框架；最后重點(diǎn)分析并探討了認(rèn)知計(jì)算在教育領(lǐng)域中的應(yīng)用前景，以期為認(rèn)知計(jì)算今后在教育領(lǐng)域中的應(yīng)用研究，提供一些參考。

一、認(rèn)知計(jì)算的發(fā)展與系統(tǒng)架構(gòu)

（一）“認(rèn)知即計(jì)算”的由來(lái)與演進(jìn)

盡管學(xué)術(shù)界已對(duì)人類(lèi)認(rèn)知進(jìn)行了廣泛的研究，但卻沒(méi)有一個(gè)公認(rèn)的定義。美國(guó)心理協(xié)會(huì)APA 把認(rèn)知定義為認(rèn)識(shí)（包括注意、識(shí)記和推理）的過(guò)程；當(dāng)今心理學(xué)關(guān)于認(rèn)知的定義是：認(rèn)知是指思維，即認(rèn)知通常是指思考與認(rèn)識(shí)的過(guò)程[2]。認(rèn)知是負(fù)責(zé)創(chuàng)造知識(shí)和通過(guò)獲取對(duì)世界的抽象以表示進(jìn)行理解的思維過(guò)程。經(jīng)典的認(rèn)知科學(xué)認(rèn)為，認(rèn)知即計(jì)算[3]，其直接的哲學(xué)根源源自托馬斯·霍布斯（Thomas Hobbes）的“所有推理只能是計(jì)算”這一思想，其含義是人的思想可以被理解為一種計(jì)算或通常是無(wú)意識(shí)地對(duì)存儲(chǔ)在心智中的符號(hào)邏輯規(guī)則進(jìn)行形式操作?；舨妓顾f(shuō)的“計(jì)算”是狹義、具體的[4]，萊布尼茨（Leibniz）則進(jìn)一步發(fā)展了霍布斯的觀點(diǎn)，認(rèn)為“所有理性真理最終都可以歸結(jié)為某種計(jì)算”，并設(shè)計(jì)了用于模擬人類(lèi)思維的“理性思維機(jī)器”[5]。20世紀(jì)30年代，圖靈機(jī)概念的提出證明了通用計(jì)算理論，給出了計(jì)算機(jī)應(yīng)有的主要架構(gòu)。在推動(dòng)認(rèn)知與計(jì)算實(shí)踐轉(zhuǎn)向的同時(shí)，經(jīng)典的計(jì)算功能主義研究綱領(lǐng)開(kāi)始逐漸形成[6]，有力地推動(dòng)了認(rèn)知科學(xué)領(lǐng)域的相關(guān)研究，并取得了豐碩的成果。

計(jì)算理論是現(xiàn)代計(jì)算機(jī)之基礎(chǔ)，這個(gè)研究領(lǐng)域是由數(shù)學(xué)家和邏輯學(xué)家在20世紀(jì)30年代試圖理解“計(jì)算”的含義時(shí)開(kāi)始。在理論計(jì)算機(jī)科學(xué)和數(shù)學(xué)領(lǐng)域中，計(jì)算理論是處理如何使用算法在計(jì)算模型上有效解決問(wèn)題的分支，是一門(mén)致力于研究自然、人造或虛構(gòu)計(jì)算一般屬性的科學(xué)學(xué)科，旨在了解有效計(jì)算的本質(zhì)，為研究計(jì)算奠定了數(shù)學(xué)基礎(chǔ)。從20世紀(jì)50年代開(kāi)始，哲學(xué)家和科學(xué)家圍繞“計(jì)算機(jī)能否模擬人的大腦”展開(kāi)了深入的探索，推動(dòng)了認(rèn)知科學(xué)和人工智能的研究進(jìn)展。由于“認(rèn)知即計(jì)算”這一觀點(diǎn)所倡導(dǎo)的“計(jì)算”是一種狹義的計(jì)算定義，為此，認(rèn)知科學(xué)界展開(kāi)了批判的浪潮：有研究者提出了擴(kuò)展計(jì)算的定義，探索替代圖靈計(jì)算的計(jì)算模型[7]；4E（Embodied，Embedded，Extended，Enactive）認(rèn)知觀則認(rèn)為，認(rèn)知并非是心智的表征計(jì)算，而是具身的、嵌入的、延展的和生成的[8]。從人工智能的發(fā)展來(lái)看，人工智能的研究以構(gòu)建能夠像人類(lèi)一樣理性地思考和行動(dòng)的智能系統(tǒng)為目標(biāo)，經(jīng)歷了兩次低谷期和三次熱潮期，認(rèn)知計(jì)算則是在第三次熱潮期開(kāi)始崛起[9]。由此可見(jiàn)，學(xué)術(shù)界持續(xù)深入地開(kāi)展關(guān)于認(rèn)知的計(jì)算研究，正不斷豐富并發(fā)展著計(jì)算和認(rèn)知的內(nèi)涵。

（二）認(rèn)知計(jì)算概念的提出

認(rèn)知計(jì)算這一概念最初由維利艾特（Valiant）于1995年提出，他把認(rèn)知計(jì)算定義為“將神經(jīng)生物學(xué)、認(rèn)知心理學(xué)和人工智能聯(lián)系在一起的學(xué)科”[10]。隨后，不同的研究者給出了不同的定義：齊曼斯基（Szymanski）和海斯（Hise）指出，認(rèn)知計(jì)算是“一個(gè)新興的研究領(lǐng)域，它借鑒了行為、認(rèn)知、計(jì)算機(jī)和相關(guān)科學(xué)的原理”[11]。王英旭則利用通過(guò)模仿大腦機(jī)制的自主推理和感知來(lái)實(shí)現(xiàn)計(jì)算智能的認(rèn)知信息學(xué)，把認(rèn)知計(jì)算定義為“一種基于認(rèn)知信息學(xué)的智能計(jì)算方法和系統(tǒng)的新興范式”[12]。莫達(dá)（Modha）等通過(guò)陳述認(rèn)知計(jì)算的目的來(lái)描述認(rèn)知計(jì)算，旨在“開(kāi)發(fā)受思維能力啟發(fā)的連貫、統(tǒng)一、通用的機(jī)制”[13]。那哈莫（Nahamoo）將認(rèn)知計(jì)算定義為“從根本上來(lái)說(shuō)，是一種用于解決現(xiàn)實(shí)世界中問(wèn)題的新型計(jì)算范式，通過(guò)與人類(lèi)和其它認(rèn)知系統(tǒng)進(jìn)行交互的大規(guī)模并行機(jī)器來(lái)利用大量信息”[14]。其他研究人員則選擇通過(guò)陳述認(rèn)知計(jì)算的主要原理來(lái)概述認(rèn)知計(jì)算，例如，克拉克（Clark）指出，在認(rèn)知計(jì)算中“存在適當(dāng)?shù)姆椒▉?lái)抽象具體的行為，并從高層次上討論目標(biāo)、計(jì)劃、約束和方法”[15]。德勤咨詢(xún)首席分析師羅馬（Roma）指出，認(rèn)知計(jì)算能自動(dòng)地從數(shù)據(jù)中提取概念和關(guān)系，理解其中的含義，并獨(dú)立地從數(shù)據(jù)模式和先前經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí)——拓展人或機(jī)器可自行完成的工作[16]。

雖然，目前對(duì)于認(rèn)知計(jì)算尚沒(méi)有統(tǒng)一的定義，但現(xiàn)有定義具有一些共同特征：該術(shù)語(yǔ)主要是指來(lái)自對(duì)人腦功能的研究而得出的一系列技術(shù)；它描述了各種人工智能和信號(hào)處理的結(jié)合，是一種模仿人腦處理信息并增強(qiáng)人類(lèi)決策能力的技術(shù)。值得注意的是，大腦（Brain）和思維（Mind）常包含在認(rèn)知計(jì)算的定義中，且可以互換使用。但大腦和思維顯然是不同的，思維是指人類(lèi)能夠感覺(jué)、思考和認(rèn)識(shí)的一系列活動(dòng)；而大腦則是賦予人類(lèi)感覺(jué)、思考和認(rèn)識(shí)能力的器官。因此，認(rèn)知計(jì)算的重點(diǎn)應(yīng)放在模擬大腦并賦予計(jì)算機(jī)系統(tǒng)那樣的感覺(jué)、思考和認(rèn)識(shí)能力的機(jī)制上。簡(jiǎn)言之，認(rèn)知計(jì)算是一個(gè)多學(xué)科的交叉研究領(lǐng)域，旨在基于大腦、認(rèn)知科學(xué)和心理學(xué)的神經(jīng)生物學(xué)過(guò)程，設(shè)計(jì)計(jì)算模型和實(shí)現(xiàn)決策機(jī)制，以賦予計(jì)算機(jī)系統(tǒng)認(rèn)識(shí)、思考和感覺(jué)的能力。

（三）認(rèn)知計(jì)算與人工智能之關(guān)系

認(rèn)知計(jì)算是一個(gè)與AI 密切相關(guān)的領(lǐng)域，正在從感官知覺(jué)、演繹推理、學(xué)習(xí)和數(shù)據(jù)處理各個(gè)方面復(fù)制人類(lèi)的能力：在感覺(jué)感知層，諸如計(jì)算機(jī)視覺(jué)和語(yǔ)音處理之類(lèi)的技術(shù)，提供了更好更快的洞察力，以實(shí)現(xiàn)卓越的用戶(hù)體驗(yàn)；在決策層，諸如機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之類(lèi)的技術(shù)，正在幫助系統(tǒng)解釋信息并得出有效明智的決策；在處理層，諸如動(dòng)態(tài)本體、圖形數(shù)據(jù)庫(kù)等知識(shí)表示技術(shù)，正在幫助智能系統(tǒng)廣泛而深入地尋找連接。認(rèn)知計(jì)算的系統(tǒng)架構(gòu)圖如圖1所示[17]，在當(dāng)前5G 網(wǎng)絡(luò)、物聯(lián)網(wǎng)、智能機(jī)器人和云計(jì)算基礎(chǔ)設(shè)施等技術(shù)的有力支持下，涉及人機(jī)交互、語(yǔ)音識(shí)別和計(jì)算視覺(jué)任務(wù)（如人臉識(shí)別）得到了大規(guī)模的實(shí)施，支持的上層應(yīng)用可以是健康監(jiān)管、智慧教育、智慧城市、智慧交通等，使其系統(tǒng)體系結(jié)構(gòu)的每一層，都有相應(yīng)的技術(shù)挑戰(zhàn)和功能要求。

當(dāng)下的人工智能系統(tǒng)，大多是根據(jù)內(nèi)部所提供的規(guī)則和參數(shù)進(jìn)行工作；而基于認(rèn)知計(jì)算的系統(tǒng)則通過(guò)解釋命令然后得出推論，并提出可能的解決方案來(lái)進(jìn)行工作。認(rèn)知計(jì)算是大規(guī)模學(xué)習(xí)、有目的地推理并與人類(lèi)自然互動(dòng)的系統(tǒng)，它是計(jì)算機(jī)科學(xué)和認(rèn)知科學(xué)的交叉融合，即對(duì)人腦及其工作方式的理解。在本質(zhì)上，認(rèn)知計(jì)算是一組功能和特性，使機(jī)器變得更加智能的同時(shí)也更加友好。也就是說(shuō)，機(jī)器應(yīng)該考慮人類(lèi)行為的概念和所處的社會(huì)環(huán)境。機(jī)器學(xué)習(xí)已經(jīng)是一種復(fù)雜的技術(shù)，它允許根據(jù)經(jīng)驗(yàn)進(jìn)行自我改進(jìn)。但只有認(rèn)知計(jì)算階段的用戶(hù)，才能真正享受到與實(shí)用智能技術(shù)的交互，不僅提供對(duì)結(jié)構(gòu)化信息的訪問(wèn)，還可以自主編寫(xiě)算法并提出問(wèn)題的解決方案。例如，車(chē)載汽車(chē)導(dǎo)航系統(tǒng)依靠大量的地形數(shù)據(jù)，對(duì)其進(jìn)行分析以生成地圖，然后顯示地圖，其中包含諸如從請(qǐng)求點(diǎn)A到點(diǎn)B的路線，并適當(dāng)考慮了用戶(hù)的旅行偏好和先前的路線選擇數(shù)據(jù)，這依賴(lài)于機(jī)器學(xué)習(xí)。但當(dāng)車(chē)載機(jī)器提出避免繁重交通的特定路線，同時(shí)結(jié)合我們的習(xí)慣時(shí)，它才開(kāi)始近似認(rèn)知計(jì)算。

可見(jiàn)，認(rèn)知計(jì)算的目標(biāo)是建立一個(gè)由人類(lèi)思維能力激勵(lì)的理性、組合和集合的機(jī)制[18]。認(rèn)知系統(tǒng)具有學(xué)習(xí)、記憶和分析問(wèn)題的能力，它具有以下關(guān)鍵特征：學(xué)習(xí)能力和無(wú)需重新編程即可提高其知識(shí)水平，并根據(jù)系統(tǒng)當(dāng)前的知識(shí)庫(kù)來(lái)開(kāi)發(fā)和分析假設(shè)。在認(rèn)知計(jì)算中，計(jì)算模型捕獲人類(lèi)的思維過(guò)程，并且對(duì)系統(tǒng)每次犯下的錯(cuò)誤進(jìn)行即興處理，這種自我學(xué)習(xí)機(jī)制可以極大地受益于基于大量數(shù)據(jù)的分析以做出更好決策。因此，認(rèn)知計(jì)算可以檢查各種類(lèi)型的數(shù)據(jù)并對(duì)其進(jìn)行解釋?zhuān)援a(chǎn)生豐富的見(jiàn)解[19]。

二、認(rèn)知計(jì)算的四種常見(jiàn)模型

認(rèn)知計(jì)算中的認(rèn)知建模是一個(gè)跨學(xué)科領(lǐng)域，使用計(jì)算機(jī)科學(xué)、人工智能和認(rèn)知心理學(xué)等方法來(lái)開(kāi)發(fā)人類(lèi)認(rèn)知過(guò)程的計(jì)算模型。多年來(lái)，其核心目標(biāo)是開(kāi)發(fā)一種統(tǒng)一的認(rèn)知理論[20]，即一種包含通用數(shù)據(jù)結(jié)構(gòu)并實(shí)現(xiàn)通用問(wèn)題解決方法的認(rèn)知理論。從20世紀(jì)50年代認(rèn)知符號(hào)計(jì)算模型的誕生，到20世紀(jì)80年代聯(lián)結(jié)主義認(rèn)知模型的出現(xiàn)，符號(hào)主義和聯(lián)結(jié)主義成為認(rèn)知科學(xué)的兩種關(guān)鍵范式；但自2016年之后，受腦科學(xué)和心理學(xué)等學(xué)科的啟發(fā)與影響，認(rèn)知模型的計(jì)算已實(shí)現(xiàn)從感知決策與控制，開(kāi)始向認(rèn)知決策與控制的方向轉(zhuǎn)變。

（一）符號(hào)主義認(rèn)知模型

符號(hào)主義認(rèn)知模型旨在用計(jì)算機(jī)來(lái)模擬人的認(rèn)知活動(dòng)，其特點(diǎn)是使用產(chǎn)生式規(guī)則來(lái)描述人類(lèi)在推理及問(wèn)題解決過(guò)程中的信息加工過(guò)程，目前主要的符號(hào)主義認(rèn)知模型有：ACT-R 和SOAR模型。

ACT-R（Adaptive Control of Thought-Rational）主要是由卡內(nèi)基·梅隆大學(xué)的安德森（Anderson）所開(kāi)發(fā)的一種關(guān)于人類(lèi)認(rèn)知機(jī)制的理論模型，其研究目的在于最終揭示人類(lèi)組織知識(shí)、產(chǎn)生智能行為的思維運(yùn)動(dòng)規(guī)律。ACT-R 中心思想是：人類(lèi)認(rèn)知是在許多特定的、不可分割的小知識(shí)單元之間相互作用的結(jié)果[21]。從表面看來(lái)，ACT-R 類(lèi)似編程語(yǔ)言平臺(tái)，平臺(tái)的構(gòu)建基于許多心理學(xué)研究的成果；但基于ACT-R 構(gòu)造的模型，其所反映的是人類(lèi)的認(rèn)知行為。ACT-R 通過(guò)研究人員編程實(shí)現(xiàn)特定任務(wù)的認(rèn)知模型構(gòu)建，利用ACT-R 內(nèi)建的認(rèn)知理論，加上特定任務(wù)的必要性假設(shè)和知識(shí)描述，構(gòu)造特定任務(wù)的認(rèn)知模型；并通過(guò)對(duì)模型結(jié)果和實(shí)驗(yàn)結(jié)果的比較，來(lái)驗(yàn)證模型的有效性，再利用符合人類(lèi)認(rèn)知行為的模型指導(dǎo)工作，從而實(shí)現(xiàn)預(yù)期的任務(wù)預(yù)測(cè)、指導(dǎo)和控制的目的。ACT-R 主要建立在兩個(gè)假設(shè)之上：一是對(duì)人類(lèi)認(rèn)知的理性分析；二是陳述性知識(shí)和程序性知識(shí)的區(qū)分[22]。

SOAR模型（State Operator And Result）是由卡內(nèi)基·梅隆大學(xué)的萊爾德（Laird）、紐厄爾（Newell）和羅森布魯姆（Rosenbloom）所創(chuàng)建的一種符號(hào)認(rèn)知體系，1983年首次提出并出現(xiàn)在1987年發(fā)表的論文中，現(xiàn)已被人工智能研究人員廣泛地用于模擬人類(lèi)行為的各個(gè)方面。SOAR的主要目標(biāo)是能夠處理智能體的全部功能（從日常事務(wù)到極端困難的開(kāi)放式問(wèn)題）[23]，基于產(chǎn)生式規(guī)則系統(tǒng)，解決問(wèn)題的過(guò)程可以粗略地描述為對(duì)目標(biāo)狀態(tài)的問(wèn)題空間進(jìn)行搜索。即通過(guò)搜索使系統(tǒng)逐漸接近其目標(biāo)的狀態(tài)來(lái)實(shí)現(xiàn)，每一步都包括一個(gè)決策周期和一個(gè)決策過(guò)程。SOAR也是通用的問(wèn)題求解程序，以知識(shí)塊理論為基礎(chǔ)，利用基于規(guī)則的記憶，以獲取搜索控制知識(shí)和操作符。即它能從經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí)，能記住自己是如何解決問(wèn)題，并把這種經(jīng)驗(yàn)和知識(shí)用于以后的問(wèn)題求解過(guò)程之中，從而實(shí)現(xiàn)通用問(wèn)題的求解[24]。

ACT模型和SOAR模型都是模擬人類(lèi)行為的程序，這些模擬可以在簡(jiǎn)單的心理實(shí)驗(yàn)?zāi)Ｐ图?jí)別上進(jìn)行，也可以模擬復(fù)雜任務(wù)（如駕駛飛機(jī)）中的人類(lèi)表現(xiàn)。但本質(zhì)上兩者都是圖靈完備式的編程環(huán)境，對(duì)于人類(lèi)認(rèn)知的實(shí)現(xiàn)模型而言，仍然嚴(yán)重依賴(lài)于聰明的編程這一現(xiàn)狀，成為其一個(gè)主要限制。

（二）認(rèn)知聯(lián)結(jié)主義模型

基于聯(lián)結(jié)主義的認(rèn)知計(jì)算，則把認(rèn)知理解為利用多個(gè)形式神經(jīng)元所組成的神經(jīng)網(wǎng)絡(luò)來(lái)處理信息的一種信息計(jì)算系統(tǒng)。它的認(rèn)知信息通常是一組特定的信息，是具有交互作用的形式神經(jīng)元激活模式，信息并不存在于特定的形式神經(jīng)元中，而是存在于神經(jīng)網(wǎng)絡(luò)的聯(lián)結(jié)中或權(quán)重中，即通過(guò)調(diào)整權(quán)重就可以改變網(wǎng)絡(luò)的聯(lián)結(jié)關(guān)系并進(jìn)而改變網(wǎng)絡(luò)的功能，這也是“聯(lián)結(jié)主義”概念的基本內(nèi)涵。

當(dāng)今流行的聯(lián)結(jié)主義方法，最初稱(chēng)為“并行分布式處理模型”（PDP：Parallel Distributed Processing），是一種強(qiáng)調(diào)并行性和分布性的人工神經(jīng)網(wǎng)絡(luò)方法。由于它試圖以實(shí)際發(fā)生在大腦中的方式，對(duì)信息處理進(jìn)行建模，于是現(xiàn)在人們普遍地把PDP 完全等同于聯(lián)結(jié)主義[25]。認(rèn)知聯(lián)結(jié)主義模型具有以下三個(gè)基本原則：（1）信息的表示是分布式的（不是本地的），分散于多個(gè)并行操作的簡(jiǎn)單處理單元上；（2）特定事物的記憶和知識(shí)不是顯式存儲(chǔ)，而是存儲(chǔ)在單元之間的連接中；（3）計(jì)算是基于相似度，由問(wèn)題域的統(tǒng)計(jì)結(jié)構(gòu)所驅(qū)動(dòng)，并隨著經(jīng)驗(yàn)的增加，連接強(qiáng)度會(huì)逐漸發(fā)生變化從而發(fā)生學(xué)習(xí)[26]。

聯(lián)結(jié)主義模型為認(rèn)知計(jì)算模型帶來(lái)了新的思維方式：一是聯(lián)結(jié)主義模型計(jì)算功能強(qiáng)大且易于使用，二是作為神經(jīng)元模型，在生理上似乎也是合理的。建立人類(lèi)認(rèn)知模型的聯(lián)結(jié)主義框架，也導(dǎo)致了一系列認(rèn)知功能的顯式計(jì)算模型的發(fā)展。在不同的計(jì)算認(rèn)知模型中，神經(jīng)網(wǎng)絡(luò)是迄今為止最常用的聯(lián)結(jié)主義模型。神經(jīng)網(wǎng)絡(luò)的一種特定變體，稱(chēng)為循環(huán)神經(jīng)網(wǎng)絡(luò)，其哲學(xué)思想是學(xué)習(xí)需要記憶。而遞歸神經(jīng)網(wǎng)絡(luò)，當(dāng)前正在成為認(rèn)知科學(xué)的一種流行計(jì)算模型。

（三）貝葉斯腦模型

貝葉斯腦模型是一類(lèi)神經(jīng)計(jì)算模型，旨在最小化預(yù)測(cè)誤差的單個(gè)計(jì)算原理下，成為實(shí)現(xiàn)感知、認(rèn)知和行為的基礎(chǔ)[27]。貝葉斯腦理論認(rèn)為，大腦的工作是對(duì)感官數(shù)據(jù)做出預(yù)測(cè)，將其與實(shí)際數(shù)據(jù)進(jìn)行比較，并估計(jì)預(yù)測(cè)誤差以更新其模型。其主要目的是使預(yù)測(cè)誤差盡可能小，并隨著其期望與現(xiàn)實(shí)之間的不匹配最小化，實(shí)現(xiàn)感知、行為和認(rèn)知。該理論可以將認(rèn)知科學(xué)與更廣泛的自然科學(xué)統(tǒng)一起來(lái)，但目前尚無(wú)法解釋認(rèn)知和行為之間的關(guān)鍵要素。因?yàn)槿说男袨槭怯深?lèi)似信念和類(lèi)似欲望的動(dòng)機(jī)所驅(qū)動(dòng)，即分別定義世界上哪些狀態(tài)是最可能和最有價(jià)值的，這也是整個(gè)認(rèn)知科學(xué)理論的一個(gè)關(guān)鍵特征與難點(diǎn)所在。例如，認(rèn)知模型表明，目標(biāo)導(dǎo)向的行為取決于行為與結(jié)果（工具信念）和結(jié)果與價(jià)值（激勵(lì)）之間的獨(dú)立關(guān)聯(lián)。類(lèi)似的區(qū)別也是經(jīng)濟(jì)選擇模型的基礎(chǔ)，在這種模型中，決策被認(rèn)為反映了效用（此選擇有多好）和概率（我有多確定性要獲得它）的組合[28]。

如果人的大腦是貝葉斯腦，也就是說(shuō)，預(yù)測(cè)性處理是認(rèn)知的基本原理，那意味著我們所有的感知、思考和行為都取決于做出預(yù)測(cè)。即大腦是一個(gè)預(yù)測(cè)機(jī)器，大腦的主要功能是對(duì)身體意向進(jìn)行預(yù)測(cè)。想象一下籃球投籃，在貝葉斯推理行為的理論中，“信念”將是我們的大腦已經(jīng)知道的關(guān)于世界的本質(zhì)（重力如何工作、球如何表現(xiàn)、我們?cè)?jīng)投籃過(guò)的每一個(gè)動(dòng)作等）；而“證據(jù)”是有關(guān)當(dāng)前情況信息的感官輸入（是否有微風(fēng)、到籃筐的距離、有多疲倦以及對(duì)方球員的防守能力等）。我們的大腦會(huì)收集不同運(yùn)動(dòng)任務(wù)的統(tǒng)計(jì)數(shù)據(jù)，并將這些信息以貝葉斯方式與感官數(shù)據(jù)相結(jié)合，并作出可靠性的估計(jì)[29]。

（四）直覺(jué)推理與因果模型

生物智能體的計(jì)算結(jié)構(gòu)是建立在大腦和神經(jīng)系統(tǒng)基礎(chǔ)之上，計(jì)算過(guò)程是應(yīng)用風(fēng)險(xiǎn)判斷和價(jià)值判斷來(lái)適應(yīng)環(huán)境的過(guò)程，信息處理機(jī)制有兩個(gè)方面[30]：一個(gè)是自然進(jìn)化過(guò)程，要求生物智能系統(tǒng)能夠?qū)Νh(huán)境及其本身的狀態(tài)進(jìn)行建模，然后提供一種“可解釋的模型”以形成風(fēng)險(xiǎn)和價(jià)值的衡量標(biāo)準(zhǔn)；另一個(gè)是“選擇性注意”，它提供了一種可以對(duì)風(fēng)險(xiǎn)或價(jià)值進(jìn)行綜合判斷的有效機(jī)制，并篩選出復(fù)雜環(huán)境中的關(guān)鍵因素。在許多情況下，基于認(rèn)知模型的風(fēng)險(xiǎn)和價(jià)值判斷是連續(xù)的預(yù)測(cè)和選擇的循環(huán)性思維活動(dòng)，并在驗(yàn)證思維活動(dòng)的過(guò)程中不斷發(fā)展和完善認(rèn)知模型。例如，把經(jīng)驗(yàn)抽象或公式化為一個(gè)定理。

因此，認(rèn)知計(jì)算的流程，需要構(gòu)建因果模型來(lái)解釋和理解世界，并使用因果模型通過(guò)觀察值（后驗(yàn)概率）更新預(yù)測(cè)值（先驗(yàn)概率）。認(rèn)知計(jì)算的流程，包括以下步驟：下一步該做什么？ 產(chǎn)生預(yù)期的結(jié)果了嗎？是否需要進(jìn)一步努力或嘗試其他方法？在此過(guò)程中，基于推理和經(jīng)驗(yàn)（長(zhǎng)期記憶）可以豐富對(duì)環(huán)境的理解與指導(dǎo)，并相應(yīng)地增強(qiáng)“驗(yàn)證”的能力。

上述所描述的四種認(rèn)知計(jì)算模型，均通過(guò)對(duì)人腦的結(jié)構(gòu)、功能和行為進(jìn)行研究，以探索大腦的運(yùn)算模式（如圖2所示[31]）。例如，認(rèn)知計(jì)算中的因果模型可以通過(guò)身體和心理水平上的認(rèn)知，推斷并追蹤時(shí)空的發(fā)展，這意味著學(xué)習(xí)過(guò)程受心理狀態(tài)的指導(dǎo)。比如，日常生活中某孩子在觀賞別人玩游戲時(shí)，會(huì)記住獎(jiǎng)勵(lì)和懲罰；當(dāng)他玩同一個(gè)游戲時(shí)，分根據(jù)別人如何玩游戲的記憶，迅速找到如何處理類(lèi)似場(chǎng)景的方法。認(rèn)知計(jì)算模型致力于模擬并效仿人腦的感覺(jué)、行為、互動(dòng)以及認(rèn)識(shí)能力。隨著腦科學(xué)和計(jì)算科學(xué)的發(fā)展，將進(jìn)一步增強(qiáng)認(rèn)知計(jì)算模型在教育領(lǐng)域中的應(yīng)用。

三、認(rèn)知計(jì)算的教育應(yīng)用集成框架

認(rèn)知計(jì)算在教育中的應(yīng)用潛力巨大，這種應(yīng)用的總體目標(biāo)是設(shè)計(jì)一種計(jì)算框架，以通過(guò)利用有關(guān)學(xué)習(xí)過(guò)程和活動(dòng)中的數(shù)據(jù)，來(lái)幫助學(xué)習(xí)者更好地學(xué)習(xí)。我們可以從以下兩個(gè)方面得到推進(jìn)和延伸：第一，研究關(guān)于學(xué)習(xí)者如何學(xué)習(xí)的機(jī)制；第二，研究學(xué)習(xí)活動(dòng)的外部表現(xiàn)，目前很多研究都集中在后一個(gè)方面。認(rèn)知計(jì)算的目的是模仿人類(lèi)的思維，重點(diǎn)在于表示和處理信息。在日益智能化的教育和學(xué)習(xí)環(huán)境中，通過(guò)學(xué)習(xí)活動(dòng)生成了大量數(shù)據(jù)，也帶來(lái)了巨大的挑戰(zhàn)。認(rèn)知計(jì)算聚焦教與學(xué)過(guò)程中產(chǎn)生的大數(shù)據(jù)，旨在與教育領(lǐng)域中的動(dòng)態(tài)任務(wù)環(huán)境進(jìn)行互動(dòng)的過(guò)程中，生成時(shí)間戳行為流；再根據(jù)認(rèn)知計(jì)算模型進(jìn)行預(yù)測(cè)與推理，以更好地支持個(gè)性化學(xué)習(xí)和為教育決策服務(wù)。應(yīng)用于教育領(lǐng)域的認(rèn)知計(jì)算集成框架，如圖3所示。

第一，認(rèn)知計(jì)算的核心是數(shù)據(jù)聚合的過(guò)程，大數(shù)據(jù)范式以及由此創(chuàng)建的數(shù)據(jù)收集和聚合的提升是必不可少的。在當(dāng)前智能化教育和學(xué)習(xí)環(huán)境中，大數(shù)據(jù)的5V（Volume，Variety，Velocity，Veracity，Value）特征中前四個(gè)V 顯而易見(jiàn)，例如，以Moodle 為代表的學(xué)習(xí)管理系統(tǒng)或MOOC 課程都會(huì)生成大量數(shù)據(jù)。此外，數(shù)據(jù)也以多種形式出現(xiàn)，例如，學(xué)生對(duì)定量問(wèn)題的回答以及論文中的問(wèn)題，這些數(shù)據(jù)在很多方面都有很大的不同。通常，數(shù)據(jù)是連續(xù)不斷地高速生成的，如果我們收集學(xué)生的參與程度或他們對(duì)材料的理解程度的數(shù)據(jù)，這些數(shù)據(jù)中將存在不確定性[32]。認(rèn)知計(jì)算在擁抱大數(shù)據(jù)的同時(shí)，在三個(gè)方面超過(guò)了大數(shù)據(jù)分析技術(shù)：可擴(kuò)展性、動(dòng)態(tài)性和自然交互性。它與僅處理給定問(wèn)題的人工智能系統(tǒng)不同，認(rèn)知計(jì)算通過(guò)研究模式來(lái)學(xué)習(xí)，并建議人們根據(jù)其理解采取相應(yīng)的行動(dòng)。因此，認(rèn)知計(jì)算為人們提供了更快、更準(zhǔn)確的數(shù)據(jù)分析能力，以幫助人們進(jìn)行有效決策。

第二，推理和預(yù)測(cè)是思考過(guò)程的關(guān)鍵組成部分，推理與預(yù)測(cè)功能來(lái)自數(shù)據(jù)建模層，它可以對(duì)信息檢索并進(jìn)行智能化論證。教育領(lǐng)域中的認(rèn)知計(jì)算還要求檢測(cè)學(xué)習(xí)者的情緒，以使學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)與個(gè)人興趣相關(guān)，這樣可以增強(qiáng)學(xué)習(xí)者的學(xué)習(xí)動(dòng)機(jī)并提高他們的整體表現(xiàn)，在此情況下，動(dòng)態(tài)構(gòu)建有意義的學(xué)習(xí)模塊是最明顯的應(yīng)用方案之一。情感挖掘和社交網(wǎng)絡(luò)分析的進(jìn)步，提供了新的見(jiàn)解和解決方案，例如，通過(guò)學(xué)習(xí)和認(rèn)知障礙的檢測(cè)和支持，以及對(duì)學(xué)習(xí)者個(gè)人資料數(shù)據(jù)的大量處理以進(jìn)行高級(jí)教育決策。例如，根據(jù)有關(guān)學(xué)習(xí)者情緒的匯總數(shù)據(jù)創(chuàng)建一個(gè)有效的關(guān)系框架，并以該框架來(lái)測(cè)試給定目標(biāo)群體的期望；然后，再審視或測(cè)評(píng)他們對(duì)這些線索的反應(yīng)，可以收集更詳細(xì)的信息，進(jìn)而提升學(xué)習(xí)質(zhì)量。

第三，教育系統(tǒng)中更好地使用認(rèn)知計(jì)算服務(wù)還體現(xiàn)在實(shí)踐應(yīng)用環(huán)節(jié)，即通過(guò)提供個(gè)性化的學(xué)習(xí)支持服務(wù)和認(rèn)知計(jì)算驅(qū)動(dòng)所產(chǎn)生的教育策略，以改善整個(gè)學(xué)習(xí)與教學(xué)過(guò)程。從學(xué)習(xí)過(guò)程的角度來(lái)看，我們需要考慮兩個(gè)不同的方面：一是學(xué)習(xí)者將通過(guò)所采用的教育策略和方法來(lái)獲取新知識(shí)；二是機(jī)器、系統(tǒng)和平臺(tái)借助認(rèn)知服務(wù)，獲取學(xué)習(xí)者及其個(gè)體學(xué)習(xí)過(guò)程的信息。以學(xué)習(xí)者為中心的認(rèn)知計(jì)算模型，可以利用教育環(huán)境中的數(shù)據(jù)在深度算法級(jí)別上實(shí)現(xiàn)人機(jī)交互，從而突破機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)的依賴(lài)性。也正因?yàn)槿绱?，教育領(lǐng)域中的認(rèn)知計(jì)算為探索學(xué)習(xí)者的學(xué)習(xí)規(guī)律，提供了一條有效的途徑，進(jìn)而為學(xué)與教提供更智能的數(shù)據(jù)分析與服務(wù)。

四、認(rèn)知計(jì)算在教育領(lǐng)域中的應(yīng)用與分析

近年來(lái)，隨著新技術(shù)的不斷進(jìn)步，正給教育與學(xué)習(xí)帶來(lái)了新的變革，大數(shù)據(jù)范式、數(shù)據(jù)挖掘、視頻分析、神經(jīng)網(wǎng)絡(luò)和模糊邏輯等技術(shù)發(fā)展表明：建立個(gè)性化、定制化的教學(xué)環(huán)境，以提升學(xué)習(xí)者學(xué)習(xí)表現(xiàn)的方法是可行的。而認(rèn)知計(jì)算過(guò)程結(jié)合了人工智能、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和情感分析，來(lái)解決人們的日常問(wèn)題，從而為不斷發(fā)展的技術(shù)增強(qiáng)學(xué)習(xí)領(lǐng)域注入了新的動(dòng)力：一方面，認(rèn)知計(jì)算作為一種方法和方法學(xué)，是封裝新興技術(shù)并允許建立和利用它們之間協(xié)同作用所形成的廣泛框架；另一方面，機(jī)器學(xué)習(xí)對(duì)認(rèn)知計(jì)算如此之重要，這是實(shí)現(xiàn)教育交互性、個(gè)性化學(xué)習(xí)體驗(yàn)等非常重要的基礎(chǔ)。

人工智能技術(shù)在教育領(lǐng)域的運(yùn)用已逐步增多，AI閱卷、拍照搜題、教育機(jī)器人等AI 教育工具在教育領(lǐng)域中的運(yùn)用日益成熟?！爸悄?”教育時(shí)代的學(xué)習(xí)離不開(kāi)認(rèn)知計(jì)算，正如羅斯瑪麗·盧金（Rosemary Luckin）在《智能學(xué)習(xí)的未來(lái)》中寫(xiě)道，“教育體系唯一正確的路徑和方向，就是要讓人類(lèi)比人工智能更善于學(xué)習(xí)”。未來(lái)將是一個(gè)超級(jí)智能化的社會(huì)，為此，我們必須為自己的能力發(fā)展范疇建立起一個(gè)認(rèn)知框架[33]。

（一）認(rèn)知計(jì)算有助于更好地理解“學(xué)習(xí)”

認(rèn)知計(jì)算除了成為許多“智能”技術(shù)背后的引擎外，還是一個(gè)打開(kāi)“學(xué)習(xí)黑匣子”的強(qiáng)大工具，使我們能夠更深入地理解學(xué)習(xí)實(shí)際發(fā)生的方式（例如，學(xué)習(xí)者的社會(huì)經(jīng)濟(jì)和物理環(huán)境是如何影響學(xué)習(xí)）。認(rèn)知計(jì)算采用類(lèi)似于人類(lèi)的推理和問(wèn)題解決方法，其解決方案是在神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)之類(lèi)的數(shù)字?jǐn)?shù)據(jù)處理技術(shù)之上，使用符號(hào)邏輯來(lái)追求知識(shí)，以使學(xué)習(xí)者可以查看黑匣子內(nèi)部。UCL（University of College London）知識(shí)實(shí)驗(yàn)室教授盧金（Luckin）表示[34]：“當(dāng)我們根據(jù)對(duì)學(xué)與教（即學(xué)習(xí)科學(xué)）知識(shí)的了解來(lái)設(shè)計(jì)人工智能時(shí)，可以將其與有關(guān)學(xué)習(xí)者的大數(shù)據(jù)結(jié)合起來(lái)，以解開(kāi)學(xué)習(xí)的黑匣子。在支持學(xué)習(xí)者提高學(xué)習(xí)效率的同時(shí)，幫助他們學(xué)習(xí)知識(shí)和掌握技能”。

正如前述，認(rèn)知計(jì)算是一個(gè)跨學(xué)科領(lǐng)域，在于利用認(rèn)知科學(xué)和腦科學(xué)等學(xué)科的最新研究成果，更好地理解學(xué)習(xí)過(guò)程，從而建立更準(zhǔn)確的模型來(lái)預(yù)測(cè)和影響學(xué)習(xí)者的進(jìn)度、動(dòng)機(jī)和毅力。布里斯托大學(xué)教育神經(jīng)科學(xué)教授霍華德·瓊斯（Howard-Jones）的研究表明，當(dāng)學(xué)習(xí)與不確定的獎(jiǎng)勵(lì)聯(lián)系在一起時(shí)，學(xué)習(xí)可以得到改善[35]。瓊斯的發(fā)現(xiàn)，為神經(jīng)科學(xué)如何幫助認(rèn)知計(jì)算系統(tǒng)進(jìn)行設(shè)計(jì)，提供了支持。在計(jì)算機(jī)游戲世界中，不確定獎(jiǎng)勵(lì)的使用更為普遍，因此，我們?cè)谠O(shè)計(jì)教育游戲時(shí)，可以利用這些不確定獎(jiǎng)勵(lì)的機(jī)制，來(lái)吸引學(xué)習(xí)者并促進(jìn)他們進(jìn)行學(xué)習(xí)。就此而言，將認(rèn)知計(jì)算添加到這些教育游戲的設(shè)計(jì)中，在提供不確定獎(jiǎng)勵(lì)時(shí)，可以根據(jù)學(xué)習(xí)者對(duì)給定不確定性水平的個(gè)人反應(yīng)進(jìn)行校準(zhǔn)，以支持其投入學(xué)習(xí)的探索。

斯坦福大學(xué)教授德韋克（Dweck）一直在探索“思維”在學(xué)習(xí)中的作用，她把思維分為成長(zhǎng)性思維和固定性思維。擁有成長(zhǎng)性思維的學(xué)習(xí)者樂(lè)于接受挑戰(zhàn)，更加重視努力，堅(jiān)持不懈，這促使他們獲得了更大的成功。很多研究表明，成長(zhǎng)性思維是可以教授的，學(xué)習(xí)者思維的改變對(duì)其學(xué)習(xí)成績(jī)有著顯著影響[36]。在幫助學(xué)習(xí)者發(fā)展成長(zhǎng)性思維方面，認(rèn)知計(jì)算將帶來(lái)更大的可能性：認(rèn)知計(jì)算系統(tǒng)可以捕獲學(xué)習(xí)者隨時(shí)間變化的思維方式，并相應(yīng)的調(diào)整教學(xué)過(guò)程，幫助學(xué)習(xí)者以最有效的方式發(fā)展成長(zhǎng)性思維。德韋克團(tuán)隊(duì)開(kāi)發(fā)的Brainology[37]，就是一款旨在為發(fā)展學(xué)生成長(zhǎng)性思維提供支持和內(nèi)容的軟件，它通過(guò)捕捉學(xué)習(xí)者隨時(shí)間變化的思維方式脈絡(luò)，支持每個(gè)學(xué)習(xí)者以最有效的方式發(fā)展其成長(zhǎng)性思維。

大量研究表明，學(xué)習(xí)者的情感狀態(tài)和行為方式對(duì)學(xué)習(xí)存在著顯著影響[38]。未來(lái)教育領(lǐng)域中的認(rèn)知計(jì)算系統(tǒng)，將通過(guò)多模態(tài)數(shù)據(jù)獲取方式，動(dòng)態(tài)捕捉學(xué)習(xí)者的情感狀態(tài)和身體狀態(tài)，構(gòu)建起復(fù)雜的學(xué)習(xí)模型，為教與學(xué)過(guò)程提供學(xué)習(xí)者身心健康以及認(rèn)知發(fā)展的實(shí)時(shí)數(shù)據(jù)；并在進(jìn)行判斷決策的同時(shí)，進(jìn)一步促進(jìn)我們對(duì)智能時(shí)代學(xué)習(xí)方式的理解與支持。西班牙馬德里人工智能部的坎伯拉多（Imbernon Cuadrado）團(tuán)隊(duì)研發(fā)的ARTIE （Affective Robot Tutor Integrated Environment） 機(jī)器人[39]，其功能專(zhuān)注于三種認(rèn)知狀態(tài)：專(zhuān)心、分神和不活躍。ARTIE的主要作用是通過(guò)鍵盤(pán)擊鍵和鼠標(biāo)操作，來(lái)識(shí)別學(xué)生的情緒狀態(tài)，然后通過(guò)算法，選擇所需的、最合適的干預(yù)措施（包括激勵(lì)響應(yīng)、情感支持），從而為學(xué)生提供個(gè)性化的社交支持和情感反饋。研究發(fā)現(xiàn)，ARTIE的社交支持行為，對(duì)學(xué)習(xí)者的學(xué)習(xí)能力產(chǎn)生了積極影響。

（二）認(rèn)知計(jì)算推動(dòng)智能化學(xué)習(xí)的創(chuàng)新發(fā)展

1.幫助學(xué)習(xí)者掌握21世紀(jì)核心技能

一些研究指出，智能化時(shí)代人的技能日顯重要。到2030年，學(xué)生畢業(yè)時(shí)尤其需要掌握[40]：一是知道如何利用不斷變化的技術(shù)（例如AI）來(lái)發(fā)揮自己的優(yōu)勢(shì)；二是了解如何與團(tuán)隊(duì)成員一起有效解決問(wèn)題。斯班克特（Spector）指出[41]，培養(yǎng)21世紀(jì)的“4C 技能”（創(chuàng)新能力、批判性思維、交流能力和合作能力），至少需要解決兩個(gè)突出的挑戰(zhàn)：（1）必須制定可靠且有效的指標(biāo)，包括難以衡量的特征（例如，創(chuàng)造力和好奇心），以便能夠追蹤學(xué)習(xí)者技能和能力方面的進(jìn)步；（2）需要更好地了解最有效的教學(xué)方法和可以發(fā)展這些技能的學(xué)習(xí)環(huán)境。近年來(lái)，眾多的研究報(bào)告認(rèn)為，“4C 技能”是21世紀(jì)學(xué)習(xí)者的核心技能。

認(rèn)知計(jì)算可以從以下兩個(gè)方面提供幫助：（1）認(rèn)知計(jì)算擁有進(jìn)行細(xì)粒度分析的工具和技術(shù)，使我們可以跟蹤每個(gè)學(xué)習(xí)者隨著時(shí)間的推移其能力的發(fā)展?fàn)顩r，然后根據(jù)需要調(diào)整與改進(jìn)每個(gè)學(xué)習(xí)者的情況。越來(lái)越多的數(shù)據(jù)采集設(shè)備（如，生物數(shù)據(jù)、語(yǔ)音識(shí)別和眼動(dòng)追蹤等），將使認(rèn)知計(jì)算系統(tǒng)能夠?yàn)楫?dāng)前難以評(píng)估的技能提供新證據(jù)，例如，可以使用語(yǔ)音識(shí)別和眼動(dòng)追蹤數(shù)據(jù)源的組合，評(píng)估基于實(shí)踐的學(xué)習(xí)效果。（2）認(rèn)知計(jì)算系統(tǒng)將使收集教與學(xué)過(guò)程中的海量數(shù)據(jù)成為可能，這些數(shù)據(jù)能夠針對(duì)不同的教學(xué)方法跟蹤學(xué)習(xí)者的學(xué)習(xí)過(guò)程，從而可以針對(duì)不同的21世紀(jì)技能發(fā)展要求，動(dòng)態(tài)設(shè)計(jì)最佳教學(xué)流程；有助于進(jìn)一步優(yōu)化或調(diào)整情境因素（例如，技術(shù)、教師和環(huán)境的結(jié)合），以提高特定教學(xué)方法的有效性。

2.為協(xié)作學(xué)習(xí)提供智能化支持

協(xié)作學(xué)習(xí)與獨(dú)立學(xué)習(xí)相比，無(wú)論是共同完成項(xiàng)目的同伴學(xué)習(xí)，還是參加在線課程中學(xué)習(xí)群體間的合作，都能取得更好的學(xué)習(xí)成果，還可以增強(qiáng)學(xué)習(xí)動(dòng)力[42]。協(xié)作學(xué)習(xí)之所以有效，在于通過(guò)建設(shè)性的對(duì)話與探討解決問(wèn)題，它要求協(xié)作成員具有有效協(xié)作所需的社交互動(dòng)能力。認(rèn)知計(jì)算可以從以下幾個(gè)方面成為協(xié)作學(xué)習(xí)的促進(jìn)者：

第一，自適應(yīng)協(xié)作小組的分組與形成：使用AI分析學(xué)習(xí)者模型中參與者的先驗(yàn)知識(shí)并有針對(duì)性的分組，分組原則可以是一組認(rèn)知水平和興趣相似的學(xué)習(xí)者，也可以是具有互補(bǔ)技能并且可以互相幫助的學(xué)習(xí)者，以組成適合特定協(xié)作任務(wù)的小組。

第二，專(zhuān)家協(xié)助：使用有效的協(xié)作模式為協(xié)作學(xué)習(xí)者提供交互支持，這些模式由系統(tǒng)提供或從以前的協(xié)作數(shù)據(jù)中挖掘而來(lái)。諸如機(jī)器學(xué)習(xí)或馬爾可夫建模之類(lèi)的AI技術(shù)，已被用于識(shí)別有效的協(xié)作問(wèn)題解決策略。可用于訓(xùn)練系統(tǒng)以識(shí)別學(xué)生何時(shí)難以理解他們彼此共享的概念，或者在適當(dāng)?shù)臅r(shí)間提供正確或有效的針對(duì)性支持，還可以向?qū)W生（和教師）展示個(gè)人對(duì)小組工作的貢獻(xiàn)程度。

第三，智能虛擬代理：在協(xié)作過(guò)程中引入智能虛擬代理，可以充當(dāng)不同角色來(lái)引導(dǎo)協(xié)作學(xué)習(xí)者的互動(dòng)或直接促進(jìn)對(duì)話。比如，專(zhuān)家、與學(xué)習(xí)者具有相似認(rèn)知水平但有能力引入新穎想法的虛擬同伴。

第四，智能審核：當(dāng)協(xié)作小組中有大量的成員時(shí)，學(xué)習(xí)者可能無(wú)法理解討論過(guò)程中生成的大量數(shù)據(jù)，智能審核則使用認(rèn)知計(jì)算技術(shù)（如，機(jī)器學(xué)習(xí)或淺層文本處理）來(lái)分析和總結(jié)討論，以使導(dǎo)師可以指導(dǎo)學(xué)習(xí)者進(jìn)行富有成效的交流。

3.推動(dòng)教育評(píng)估的科學(xué)化

認(rèn)知計(jì)算在教育評(píng)估中的使用，將使我們擁有更科學(xué)、精確的教育評(píng)估方法。即通過(guò)實(shí)施合理的通用數(shù)據(jù)標(biāo)準(zhǔn)和數(shù)據(jù)共享要求，能夠提供各個(gè)層次（學(xué)科、班級(jí)、學(xué)院、地區(qū)乃至國(guó)家）的教與學(xué)大數(shù)據(jù)分析，可以通過(guò)認(rèn)知計(jì)算模型分析、獲得不同國(guó)家教育系統(tǒng)績(jī)效的證據(jù)，甚至可以對(duì)PISA 和TIMMS 等國(guó)際測(cè)試的精準(zhǔn)性分析提供幫助。今后，認(rèn)知計(jì)算將通過(guò)以下三種方式改善教育評(píng)估：

首先，認(rèn)知計(jì)算將提供及時(shí)的評(píng)估以改進(jìn)學(xué)習(xí)效果。技術(shù)在教育中的持續(xù)使用，使得所收集到的學(xué)習(xí)者和教師的數(shù)據(jù)越來(lái)越多，大數(shù)據(jù)已廣泛應(yīng)用于學(xué)習(xí)分析領(lǐng)域，以識(shí)別與分析具有潛在教育價(jià)值的各種數(shù)據(jù)。因此，應(yīng)用認(rèn)知計(jì)算+學(xué)習(xí)分析，可以高精準(zhǔn)度地用于預(yù)測(cè)學(xué)生的學(xué)業(yè)情況及課程評(píng)估，可用于提供及時(shí)的干預(yù)措施以幫助學(xué)生提高學(xué)習(xí)績(jī)效。

其次，認(rèn)知計(jì)算將提供有關(guān)學(xué)習(xí)進(jìn)展情況的新分析。在教學(xué)過(guò)程中及時(shí)獲得的大量數(shù)據(jù)，能為我們提供新的發(fā)現(xiàn)，而這些發(fā)現(xiàn)通常是無(wú)法從現(xiàn)有評(píng)估中確定。例如，除了確定學(xué)習(xí)者是否給出了正確答案外，還可以對(duì)數(shù)據(jù)集進(jìn)行分析，以幫助教師了解學(xué)習(xí)者是如何得出答案。這些數(shù)據(jù)還可以幫助我們更好地理解諸如記憶和遺忘之類(lèi)的認(rèn)知過(guò)程，以及這些過(guò)程對(duì)學(xué)習(xí)和學(xué)生成績(jī)的關(guān)聯(lián)影響。認(rèn)知計(jì)算分析還可以識(shí)別學(xué)生是否以及何時(shí)感到困惑、無(wú)聊或沮喪，以幫助學(xué)習(xí)者調(diào)整學(xué)習(xí)中的情感狀態(tài)。

再次，認(rèn)知計(jì)算將幫助我們超越已有的“stopand-test”方法[43]。即通過(guò)對(duì)學(xué)生學(xué)習(xí)中的認(rèn)知計(jì)算進(jìn)行持續(xù)分析，可改進(jìn)當(dāng)前許多教育評(píng)估中依靠學(xué)生所學(xué)知識(shí)的小樣本這樣一種傳統(tǒng)評(píng)估方法。認(rèn)知計(jì)算驅(qū)動(dòng)的教育評(píng)估，將內(nèi)置到有意義的學(xué)習(xí)活動(dòng)中，甚至可對(duì)所有教與學(xué)活動(dòng)進(jìn)行全程評(píng)估。

（三）推進(jìn)學(xué)習(xí)支持服務(wù)的各種應(yīng)用

1.輔助學(xué)習(xí)分析并預(yù)測(cè)學(xué)習(xí)效果

學(xué)習(xí)分析把教育數(shù)據(jù)挖掘與認(rèn)知計(jì)算的推理預(yù)測(cè)相結(jié)合，可以將其視為規(guī)范性分析[44]。學(xué)習(xí)分析通過(guò)對(duì)學(xué)習(xí)者及其背景數(shù)據(jù)的測(cè)量、收集、分析和報(bào)告，以理解并優(yōu)化學(xué)習(xí)以及學(xué)習(xí)發(fā)生的環(huán)境[45]。旨在使每個(gè)學(xué)習(xí)者可以實(shí)時(shí)跟蹤其數(shù)據(jù)軌跡，并為其提供未來(lái)學(xué)習(xí)進(jìn)度的自動(dòng)預(yù)測(cè)[46]。認(rèn)知計(jì)算結(jié)合學(xué)習(xí)分析可以建模技術(shù)為基礎(chǔ)，包括學(xué)習(xí)者建模、認(rèn)知建模、行為建模、學(xué)科知識(shí)結(jié)構(gòu)建模等，并在這些模型上構(gòu)建預(yù)測(cè)模型，為每個(gè)學(xué)生確定最適合的學(xué)習(xí)方式，最大程度地提高其學(xué)習(xí)成績(jī)。隨著教育領(lǐng)域中智能化技術(shù)應(yīng)用的增多，可以實(shí)時(shí)收集有關(guān)學(xué)生學(xué)習(xí)進(jìn)展的各種數(shù)據(jù)并進(jìn)行分析。除結(jié)構(gòu)化數(shù)據(jù)外，這種分析還包括半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。

與教育數(shù)據(jù)挖掘相比，認(rèn)知計(jì)算結(jié)合學(xué)習(xí)分析更能體現(xiàn)對(duì)學(xué)習(xí)效果的預(yù)測(cè)。教育數(shù)據(jù)挖掘?qū)Ｗ⒂谧詣?dòng)化，經(jīng)常關(guān)注從數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式，而學(xué)習(xí)分析則更注重整體性和以人為本。雖然預(yù)測(cè)學(xué)生的表現(xiàn)是教育數(shù)據(jù)挖掘的核心問(wèn)題，但學(xué)習(xí)分析更注重預(yù)測(cè)學(xué)習(xí)方法或?qū)W習(xí)系統(tǒng)的結(jié)果，因此，各種分析工具（例如，話語(yǔ)分析、社交網(wǎng)絡(luò)分析）應(yīng)用得較多。但由于這兩個(gè)領(lǐng)域的共同目標(biāo)和利益相關(guān)者之間的界限有時(shí)會(huì)變得模糊，加上這兩個(gè)領(lǐng)域都涉及預(yù)測(cè)模型（盡管適用于不同領(lǐng)域），所以與機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘有關(guān)的許多計(jì)算技術(shù)，可以在它們之間實(shí)現(xiàn)通用。認(rèn)知計(jì)算便是這種通用的最佳介入方式，認(rèn)知計(jì)算可以并行構(gòu)建學(xué)習(xí)分析策略和標(biāo)準(zhǔn)，以理解學(xué)習(xí)者行為并增強(qiáng)高級(jí)決策集成分析能力。

2.學(xué)習(xí)成績(jī)預(yù)測(cè)模型與智能課程推薦

應(yīng)用認(rèn)知計(jì)算對(duì)學(xué)生學(xué)習(xí)成績(jī)進(jìn)行預(yù)測(cè)，旨在預(yù)測(cè)學(xué)生或小組在學(xué)習(xí)任務(wù)中的表現(xiàn)，這樣可以提供教師進(jìn)行指導(dǎo)、建議和早期反饋，從而有助于提高學(xué)生的知識(shí)獲取和學(xué)業(yè)成績(jī)；它也可以用于識(shí)別有可能失敗的高風(fēng)險(xiǎn)學(xué)生。從長(zhǎng)遠(yuǎn)來(lái)看，認(rèn)知計(jì)算可以使用良好而可靠的預(yù)測(cè)模型為學(xué)習(xí)者定義最佳的課程路徑，從而減輕學(xué)習(xí)者的考試壓力和教師的教學(xué)工作量。成績(jī)預(yù)測(cè)可以為課程模塊、單個(gè)課程內(nèi)容項(xiàng)提供更明智的指導(dǎo)和明確的選擇建議，進(jìn)而最大化地發(fā)揮學(xué)習(xí)者的潛能。這種學(xué)習(xí)成績(jī)的預(yù)測(cè)，還可以幫助大學(xué)在錄取過(guò)程中選擇最佳的申請(qǐng)者。即借助于訓(xùn)練機(jī)器學(xué)習(xí)算法，在以往的學(xué)生數(shù)據(jù)及其相應(yīng)的歷史成績(jī)指標(biāo)之間建立映射功能，然后將其用于響應(yīng)新學(xué)生數(shù)據(jù)并進(jìn)行實(shí)時(shí)的成績(jī)預(yù)測(cè)。學(xué)習(xí)成績(jī)預(yù)測(cè)模型，可提供不同粒度等級(jí)的成績(jī)指標(biāo)：可以是通過(guò)/未通過(guò)，或者是A、B、C、D、E 分類(lèi)等級(jí)；也可以精確到0-100 間的分?jǐn)?shù)，在回歸模型和分類(lèi)模型之間選擇以匹配輸出類(lèi)型。其模型如圖4所示。

而將認(rèn)知計(jì)算應(yīng)用于智能課程推薦系統(tǒng)，主要價(jià)值在于為學(xué)習(xí)者推薦合適的課程：（1）充分利用可用的學(xué)習(xí)資源；（2）避免時(shí)間分配上的沖突；（3）符合學(xué)校的教學(xué)規(guī)范要求；（4）使學(xué)生的興趣和領(lǐng)域情況相匹配；（5）最優(yōu)化學(xué)習(xí)效率和效果；（6）最大限度地提高學(xué)生滿意度；（7）最大限度地利用學(xué)習(xí)者的現(xiàn)有能力和潛在能力；（8）實(shí)現(xiàn)學(xué)生的發(fā)展目標(biāo)；（9）支持學(xué)生未來(lái)的職業(yè)計(jì)劃。圖5展示了一個(gè)以成績(jī)預(yù)測(cè)驅(qū)動(dòng)的智能課程推薦系統(tǒng)框架，該框架在課程選擇階段，針對(duì)每個(gè)選擇主動(dòng)使用上述的成績(jī)預(yù)測(cè)模型，以提供最合適的課程排序，從而幫助學(xué)生做出具有價(jià)值的路徑選擇。融入認(rèn)知計(jì)算的智能課程推薦系統(tǒng)，將最大程度地提高學(xué)生的預(yù)期表現(xiàn)和發(fā)展水平。并隨著信息化學(xué)習(xí)環(huán)境廣泛應(yīng)用于各種學(xué)習(xí)和培訓(xùn)過(guò)程，比如，可幫助學(xué)習(xí)者從大量的電子學(xué)習(xí)資源和公開(kāi)課程中，自主選擇最合適的學(xué)科領(lǐng)域、課程、知識(shí)項(xiàng)目和主題。

3.服務(wù)與促進(jìn)個(gè)性化學(xué)習(xí)

在教育領(lǐng)域中，認(rèn)知計(jì)算目前更多地運(yùn)用在智能導(dǎo)學(xué)系統(tǒng)以及自適應(yīng)/個(gè)性化學(xué)習(xí)系統(tǒng)或推薦系統(tǒng)中，用以整合學(xué)習(xí)者的認(rèn)知數(shù)據(jù)，形成更為完整的學(xué)習(xí)者模型，以便作出更準(zhǔn)確的個(gè)性化判斷[47]。20世紀(jì)70年代以來(lái)，智能導(dǎo)學(xué)系統(tǒng)（ITS）一直處于人工智能研究的前沿，雖然其應(yīng)用范圍較為廣泛，但離實(shí)現(xiàn)其全部潛力仍很遙遠(yuǎn)。ITS的發(fā)展離不開(kāi)幾十年來(lái)對(duì)人類(lèi)認(rèn)知和智能化的研究，如今，ITS的前沿研究集中于編程方面，比如，最近一些研究討論了幫助學(xué)生學(xué)習(xí)編程的問(wèn)題[48-50]，特別是在編碼時(shí)實(shí)時(shí)向?qū)W生提供有用的提示，這便是認(rèn)知計(jì)算應(yīng)用的一種表現(xiàn)。原因在于：即使對(duì)于非常簡(jiǎn)單的編程任務(wù)，在語(yǔ)法和語(yǔ)義上也存在多種不同的解決方案，即使將語(yǔ)義方面（即基礎(chǔ)算法）限制為一個(gè)方面，實(shí)現(xiàn)該算法的句法變體也為提示生成帶來(lái)了艱巨的挑戰(zhàn)。在這方面，認(rèn)知計(jì)算的應(yīng)用仍有較大的空間。

如今，網(wǎng)絡(luò)學(xué)習(xí)是一種以學(xué)習(xí)者為中心的最主要途徑，最能體現(xiàn)個(gè)性化學(xué)習(xí)[51]。融合認(rèn)知計(jì)算應(yīng)用的網(wǎng)絡(luò)學(xué)習(xí)，把學(xué)習(xí)視為個(gè)人知識(shí)網(wǎng)絡(luò)的不斷創(chuàng)建過(guò)程，學(xué)習(xí)的結(jié)果是對(duì)個(gè)人知識(shí)網(wǎng)絡(luò)的重組、拓展或關(guān)聯(lián)，即通過(guò)新的知識(shí)節(jié)點(diǎn)擴(kuò)展個(gè)人的外部網(wǎng)絡(luò)，并重新構(gòu)建個(gè)人認(rèn)知。因此，它可以從多個(gè)角度定義個(gè)性化學(xué)習(xí)，一種是讓學(xué)習(xí)者按照自己的步調(diào)前進(jìn)，即可以自由地以任何順序探索某個(gè)學(xué)習(xí)內(nèi)容；另一種是自動(dòng)生成評(píng)估，在提供腳手架支持的同時(shí)，提供有關(guān)評(píng)估的即時(shí)反饋。這兩種方式都主張個(gè)性化學(xué)習(xí)是由目標(biāo)驅(qū)動(dòng)的，具有三個(gè)可識(shí)別的階段：一是目標(biāo)設(shè)定，二是執(zhí)行，三是評(píng)估。

由于每個(gè)學(xué)習(xí)者具有不同的個(gè)性、思維方式、認(rèn)知水平和學(xué)習(xí)能力，即使在完全相同的學(xué)習(xí)環(huán)境中，他們的學(xué)習(xí)方式和學(xué)習(xí)效果也存在著很大的差異。融入認(rèn)知計(jì)算的個(gè)性化學(xué)習(xí)旨在跟蹤分析學(xué)習(xí)者的每一個(gè)學(xué)習(xí)旅程，最大程度地發(fā)揮其學(xué)習(xí)潛力，以實(shí)現(xiàn)其教育目標(biāo)[52]。認(rèn)知計(jì)算服務(wù)與促進(jìn)個(gè)性化學(xué)習(xí)還包括：推薦能最適合、最大程度地發(fā)揮學(xué)生潛力的特定模塊、課程、知識(shí)單元和支持材料；優(yōu)化知識(shí)獲取過(guò)程，以匹配單個(gè)學(xué)生的有效學(xué)習(xí)模式；定制最適合學(xué)生獲取的知識(shí)單元等。

在應(yīng)用認(rèn)知計(jì)算構(gòu)建個(gè)性化學(xué)習(xí)的框架方面，古迪瓦達(dá)（Gudivada）分析了由教育數(shù)據(jù)挖掘、學(xué)習(xí)分析和認(rèn)知分析驅(qū)動(dòng)的個(gè)性化學(xué)習(xí)系統(tǒng)ISPeL[53]，查蒂（Chatti）和莫斯林（Muslim）提出 了PERLA 框架（Personalization and Learning Analytics），旨在將個(gè)性化與學(xué)習(xí)分析融合，以支持不同環(huán)境中的個(gè)性化學(xué)習(xí)；同時(shí)，提供了一個(gè)全面的框架，為學(xué)習(xí)分析的研究人員和開(kāi)發(fā)人員提供較為系統(tǒng)方法，來(lái)設(shè)計(jì)與開(kāi)發(fā)支持個(gè)性化學(xué)習(xí)的指標(biāo)[54]。另外，MATHIA[55]使用“知識(shí)追蹤”（確定學(xué)生對(duì)不同概念的理解過(guò)程）以及“模型追蹤”（理解學(xué)生解決問(wèn)題的方法過(guò)程），從而為每個(gè)學(xué)習(xí)者的思考過(guò)程給予支持。Thinkster Math[56]是一款輔導(dǎo)應(yīng)用程序，它將真實(shí)的數(shù)學(xué)課程與個(gè)性化的教學(xué)風(fēng)格融為一體，使用人工智能和機(jī)器學(xué)習(xí)來(lái)可視化學(xué)生在解決問(wèn)題過(guò)程中的想法，以便老師可以快速發(fā)現(xiàn)導(dǎo)致學(xué)生陷入困境的思維和邏輯問(wèn)題，并通過(guò)即時(shí)的個(gè)性化反饋為他們提供幫助。

4.為學(xué)習(xí)者提供智能認(rèn)知助手

智能認(rèn)知助手利用機(jī)器智能來(lái)協(xié)同工作，以增強(qiáng)人類(lèi)的認(rèn)知和身體能力。從認(rèn)知計(jì)算的角度審視，智能認(rèn)知助手可以主動(dòng)解釋數(shù)據(jù)并從數(shù)據(jù)中學(xué)習(xí)，利用所學(xué)知識(shí)解決不熟悉的問(wèn)題，并以人腦的工作效率運(yùn)行，主要通過(guò)所擁有的個(gè)人知識(shí)圖、社交圖、活動(dòng)圖和社群知識(shí)圖，預(yù)測(cè)學(xué)習(xí)者的需求與愿望，為學(xué)習(xí)者提供服務(wù)，如圖6所示。融入認(rèn)知計(jì)算的智能認(rèn)知助手的目標(biāo)，在于創(chuàng)建對(duì)人類(lèi)具有實(shí)用性的系統(tǒng)，特別是在利用機(jī)器智能來(lái)增強(qiáng)人類(lèi)認(rèn)知和模仿人類(lèi)解決問(wèn)題的能力方面，未來(lái)它將在許多方面超越人類(lèi)的溝通和記憶能力。

融入認(rèn)知計(jì)算的智能認(rèn)知助手所具有的優(yōu)劣，將成為教育領(lǐng)域的出色工具，尤其是在教育教學(xué)過(guò)程中需要大量數(shù)據(jù)和決策支持時(shí)，這種認(rèn)知助手具有四個(gè)幫助特征：提供信息檢索支持、為用戶(hù)提供推薦系統(tǒng)、自適應(yīng)學(xué)習(xí)能力和服務(wù)委托系統(tǒng)[58]。今后，其在高等教育中的應(yīng)用主要集中在三個(gè)領(lǐng)域：

第一，課堂中的應(yīng)用，以改善教育者和學(xué)生的體驗(yàn)，并提升學(xué)習(xí)績(jī)效。目前典型的應(yīng)用主要有：佐治亞理工大學(xué)的Goel 團(tuán)隊(duì)開(kāi)發(fā)的Jill Watson 助教，用以幫助教師管理AI 課程中的問(wèn)題[59]；麥格勞-希爾教育公司開(kāi)發(fā)的ALEKS（Assessment and Learning in Knowledge Spaces）“個(gè)性化數(shù)學(xué)學(xué)習(xí)自適應(yīng)學(xué)習(xí)系統(tǒng)”，它使用AI 為每個(gè)學(xué)生量身定制學(xué)習(xí)內(nèi)容，確定學(xué)生的優(yōu)劣，并在學(xué)習(xí)者需要時(shí)提供精確的指導(dǎo)[60]；Pearson 開(kāi)發(fā)的Watson 智能導(dǎo)師，可構(gòu)建自適應(yīng)學(xué)習(xí)體驗(yàn)[61]；人工智能研發(fā)公司（CTI）開(kāi)發(fā)的自動(dòng)生成定制教育內(nèi)容的AI，引擎使用深度學(xué)習(xí)為學(xué)生創(chuàng)建定制的學(xué)習(xí)工具，教師可將教學(xué)大綱導(dǎo)入該引擎，然后使用算法并根據(jù)核心概念，來(lái)創(chuàng)建個(gè)性化的教科書(shū)和課程內(nèi)容[62]。

第二，校園中的應(yīng)用，以提高學(xué)生的參與度和持久性。主要有：Campus Management 發(fā)布的Retention360，其中AI 角色會(huì)根據(jù)學(xué)生檔案、最佳實(shí)踐和其他輸入自動(dòng)啟動(dòng)干預(yù)[63]；AdmitHub 公司使用AI聊天機(jī)器人作為學(xué)生的“校園教練”，使新生入學(xué)指標(biāo)得到了顯著改善[64]；智能學(xué)生助理StuA 能夠回答有關(guān)學(xué)者、考試、圖書(shū)館和額外課程活動(dòng)的所有大學(xué)新生的查詢(xún)[65]。這種應(yīng)用現(xiàn)在已越來(lái)越多。

第三，職業(yè)分析工具，幫助學(xué)生建立個(gè)人職業(yè)理想并為實(shí)現(xiàn)這些目標(biāo)提供清晰的路徑。大數(shù)據(jù)尤其是非結(jié)構(gòu)化的數(shù)據(jù)，可以支持職業(yè)指導(dǎo)，以幫助學(xué)習(xí)者適應(yīng)其一生中不斷變化的勞動(dòng)力需求?；谡J(rèn)知計(jì)算的智能助手，一方面，為學(xué)生提供有效指導(dǎo)，以幫助他們探索和追求職業(yè)目標(biāo)；另一方面，這些職業(yè)發(fā)展路徑將成為支持基于AI 訓(xùn)練工具的數(shù)據(jù)集，學(xué)生將擁有可提供定制分析和建議的工具[66]。比如，Burning Glass Technologies 所提供就業(yè)市場(chǎng)數(shù)據(jù)的實(shí)時(shí)數(shù)據(jù)庫(kù)，可支持決策與分析服務(wù)[67]；Roadtrip Nation 開(kāi)發(fā)的視頻采訪庫(kù)，內(nèi)容涉及不同個(gè)體的職業(yè)道路，這些視頻可以幫助學(xué)生和求職者進(jìn)行個(gè)性化的職業(yè)選擇[68]。

（四）驅(qū)動(dòng)教育管理與決策的精準(zhǔn)化

教育領(lǐng)域開(kāi)始進(jìn)入計(jì)算與數(shù)據(jù)驅(qū)動(dòng)的時(shí)代，各種系統(tǒng)的可用性、各種類(lèi)型的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及微內(nèi)容的提供并允許采用機(jī)器學(xué)習(xí)和人工智能技術(shù)，都成為認(rèn)知計(jì)算的用武之地：無(wú)論是有監(jiān)督和無(wú)監(jiān)督的學(xué)習(xí)算法、情感分析、軟計(jì)算和模糊邏輯還是神經(jīng)網(wǎng)絡(luò)，都可以用來(lái)處理與分析教育領(lǐng)域中的各種數(shù)據(jù)，從而為教育管理部門(mén)以及教育質(zhì)量評(píng)估的各個(gè)方面提供服務(wù)。可以說(shuō)，認(rèn)知計(jì)算驅(qū)動(dòng)教育管理與決策是一個(gè)不斷融入和完善的過(guò)程，正在促進(jìn)并增強(qiáng)以下五個(gè)方面的發(fā)展：

第一，行政管理能力：從學(xué)習(xí)管理系統(tǒng)、社交媒體和第三方應(yīng)用程序收集的數(shù)據(jù)，可為高級(jí)管理人員提供新的、有意義的報(bào)告。

第二，政策制定與執(zhí)行：認(rèn)知計(jì)算研究及其集成的組成部分，可以促進(jìn)地方、國(guó)家和國(guó)際各級(jí)教育政策的設(shè)計(jì)、執(zhí)行和監(jiān)控。通過(guò)標(biāo)準(zhǔn)化問(wèn)題、教育流程建模、與教育政策保持一致的服務(wù)設(shè)計(jì)，將提供一個(gè)完整的“數(shù)據(jù)—流程—決策”綜合能力的生態(tài)系統(tǒng)。

第三，績(jī)效和評(píng)估：認(rèn)知計(jì)算進(jìn)一步促進(jìn)以學(xué)生為中心、以過(guò)程為中心、以資源為中心、以目標(biāo)為中心的智能化教育發(fā)展。隨著認(rèn)知計(jì)算的發(fā)展及其在教育領(lǐng)域中的應(yīng)用，將采用新的內(nèi)容豐富、政策整合、創(chuàng)新和針對(duì)行業(yè)特點(diǎn)的方法進(jìn)行評(píng)估。高校也將使用多種方法和工具，以使其能力和技能發(fā)展計(jì)劃與行業(yè)創(chuàng)新驅(qū)動(dòng)的需求保持一致。

第四，教學(xué)法：認(rèn)知計(jì)算將提供新穎的見(jiàn)解和服務(wù)?；谄饰龊徒忉寣W(xué)習(xí)者需求的編碼學(xué)習(xí)內(nèi)容的發(fā)現(xiàn)，將為動(dòng)態(tài)構(gòu)建有意義的學(xué)習(xí)模塊，提供不可預(yù)見(jiàn)的計(jì)算能力，教學(xué)流程也將重新設(shè)計(jì)。將匹配算法與神經(jīng)網(wǎng)絡(luò)以及社交挖掘服務(wù)相結(jié)合，還將促進(jìn)團(tuán)隊(duì)學(xué)習(xí)和團(tuán)隊(duì)領(lǐng)導(dǎo)的技能提升。當(dāng)然，這也將帶來(lái)一系列挑戰(zhàn)：促進(jìn)小組學(xué)習(xí)和團(tuán)隊(duì)技能發(fā)展的正確策略是什么？對(duì)于小組學(xué)習(xí)和主動(dòng)學(xué)習(xí)而言，哪些是技術(shù)增強(qiáng)學(xué)習(xí)的正確模式？

第五，課程設(shè)計(jì)：在智能化時(shí)代，課程形態(tài)將走向多學(xué)科、跨界的整合。認(rèn)知計(jì)算可促進(jìn)、提供有益的多元化服務(wù)，例如，對(duì)等匹配、自動(dòng)學(xué)習(xí)模塊集成、動(dòng)態(tài)學(xué)習(xí)路徑的開(kāi)發(fā)以及學(xué)習(xí)網(wǎng)絡(luò)的組成。

據(jù)國(guó)內(nèi)外一些分析師預(yù)測(cè)，認(rèn)知計(jì)算市場(chǎng)從2020年至2026年，將增長(zhǎng)490 億美元[69]。基于認(rèn)知計(jì)算的分析與決策將是教育系統(tǒng)收集和分析數(shù)據(jù)，用以指導(dǎo)和支持教育管理與教育決策的“新常態(tài)”。數(shù)據(jù)的使用可以被描述為一個(gè)循環(huán)過(guò)程，在這一過(guò)程中，解釋和診斷數(shù)據(jù)以及采取行動(dòng)的各個(gè)階段環(huán)環(huán)相扣。因此，基于認(rèn)知計(jì)算的教育決策，在于把基于數(shù)據(jù)的決策和直覺(jué)指導(dǎo)下的人類(lèi)決策有機(jī)結(jié)合的最佳體，這也是智能教育中人機(jī)協(xié)同的一種新型方式。

總之，在“智能+”教育的背景下（以學(xué)習(xí)分析為重點(diǎn)）整合認(rèn)知計(jì)算，可以定義決策制定和學(xué)習(xí)各個(gè)維度新的定性和定量標(biāo)準(zhǔn)，可以展現(xiàn)多樣性和互補(bǔ)性。與其他領(lǐng)域相比，教育領(lǐng)域中的認(rèn)知計(jì)算需要考慮復(fù)雜的認(rèn)知和行為成分，用于學(xué)習(xí)的認(rèn)知系統(tǒng)設(shè)計(jì)中的不確定性和復(fù)雜程度更高，這使得建模和預(yù)測(cè)行為都變得更為困難。另外，各種教育數(shù)據(jù)所需的數(shù)據(jù)聚合，還必須考慮到與人類(lèi)參與者有關(guān)敏感的道德問(wèn)題。因此，教育領(lǐng)域關(guān)于復(fù)雜的認(rèn)知計(jì)算技術(shù)許可，需要有更適切的政策制定作為基礎(chǔ)。

五、展望與思考

2017年7月，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》[70]，要求發(fā)展智能教育，推動(dòng)人工智能在教學(xué)、管理、資源建設(shè)等全流程應(yīng)用；強(qiáng)調(diào)開(kāi)展跨學(xué)科探索性研究，推動(dòng)人工智能與神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理學(xué)、社會(huì)學(xué)等相關(guān)基礎(chǔ)學(xué)科的交叉融合?？梢?jiàn)，在計(jì)算機(jī)科學(xué)、認(rèn)知科學(xué)和腦科學(xué)共同支持下的認(rèn)知計(jì)算，將在下一階段的教育改革中發(fā)揮關(guān)鍵作用[71]。具體表現(xiàn)在：在“智能+”教育中，認(rèn)知計(jì)算與學(xué)習(xí)科學(xué)的結(jié)合，可以促進(jìn)適應(yīng)性學(xué)習(xí)環(huán)境和其他人工智能教育應(yīng)用工具的發(fā)展；認(rèn)知計(jì)算在教育領(lǐng)域中的應(yīng)用，將最大程度地實(shí)現(xiàn)“增強(qiáng)智能”，特別是在利用機(jī)器智能來(lái)增強(qiáng)人類(lèi)認(rèn)知和模仿人類(lèi)解決問(wèn)題的能力方面，能夠更好地理解“學(xué)習(xí)”，推進(jìn)學(xué)習(xí)支持服務(wù)，培養(yǎng)學(xué)習(xí)者的成長(zhǎng)性思維，為學(xué)習(xí)者提供學(xué)習(xí)伴侶和智能化工具的支持；并為各個(gè)層次（學(xué)科、班級(jí)、學(xué)院、地區(qū)或國(guó)家）教與學(xué)的分析，提供有力的技術(shù)支撐。

今后，在認(rèn)知計(jì)算教育應(yīng)用的探索過(guò)程中，還需面對(duì)的一個(gè)問(wèn)題是：如何區(qū)分并有效應(yīng)用認(rèn)知計(jì)算與情感計(jì)算？ 情感是人工智能角色與人類(lèi)互動(dòng)的重要組成部分：角色需要情感模型來(lái)合成情感并表達(dá)情感；情感模型應(yīng)該使人工智能角色能像人類(lèi)一樣具有情感。認(rèn)知計(jì)算系統(tǒng)可以被視為“更人性化的”人工智能，教育領(lǐng)域中的認(rèn)知計(jì)算系統(tǒng)需要與用戶(hù)進(jìn)行自然的社交互動(dòng)，以說(shuō)服用戶(hù)AI 具有理解人類(lèi)思想（包括情感）的能力。為此，需要一種能夠在社交情感互動(dòng)中表現(xiàn)出適當(dāng)、可信行為的人工情感智能，而情感理論目前在認(rèn)知計(jì)算系統(tǒng)項(xiàng)目中的應(yīng)用鮮有研究。隨著情感計(jì)算的發(fā)展，使機(jī)器具備感知和識(shí)別人類(lèi)情感表達(dá)（如興趣、困擾和愉悅）的能力將成為可能。未來(lái)開(kāi)發(fā)情感計(jì)算模型作為人工智能和認(rèn)知計(jì)算的核心研究重點(diǎn)，在于使用由兩個(gè)過(guò)程同時(shí)驅(qū)動(dòng)的認(rèn)知架構(gòu)：（1）理性的推理和思考，自上而下（給定的任務(wù)、超級(jí)目標(biāo)、承諾）；（2）對(duì)刺激的情感反應(yīng)，自下而上。由此可見(jiàn)，認(rèn)知計(jì)算與情感計(jì)算的結(jié)合，可以更好地適應(yīng)人們的感受和行為方式。

認(rèn)知計(jì)算在“智能+”教育中的應(yīng)用雖然尚處于起步階段，但其具有廣闊的應(yīng)用前景，這就需要我們?cè)陉P(guān)注技術(shù)本身發(fā)展的同時(shí)，思考在智能化教育中的認(rèn)知計(jì)算產(chǎn)品如何有效應(yīng)用，使其更好地為學(xué)與教服務(wù)；建立創(chuàng)新與協(xié)作的教育生態(tài)系統(tǒng)（如，共享數(shù)據(jù)標(biāo)準(zhǔn)、共享學(xué)習(xí)模型），致力于服務(wù)所有學(xué)習(xí)者的學(xué)習(xí)廣度和學(xué)習(xí)質(zhì)量的提高，以進(jìn)一步促進(jìn)其個(gè)性化學(xué)習(xí)與21世紀(jì)技能的發(fā)展。