创设学习的自动化反馈

杨晓哲

微软表情识别

随着技术的不断发展，人工智能不仅可以识别出猫，还可以识别出人脸，更进一步可以识别出人的表情和情绪。去年，微软就开放了自己的表情识别API技术，允许开发者通过微软表情识别技术及时读写人脸表情。

教育联想

当我们坐在计算机前观看网络课堂的视频时，系统并不知道我们的情绪如何。研究表明，当学习者情绪正向的时候，对网络课程的学习最有利；当学习者情绪负向的时候，对网络课程的学习并非完全不利，但需要引起课程设计者注意其负向情绪产生的原因；而当学习者观看网络课程完全没有情绪的时候，也就是毫不在乎的时候，对课程的学习是最不利的。

過去，教学者获得学习者情绪的方式往往是问卷，并不是通过技术自动化捕捉的方式。而如今，已经开始有在线网络课程要求学习者打开摄像头进行课程学习了，这样，在线课程学习系统就可以自动化地捕捉学习者表情，分析情绪，并给出反馈，进而有效地提高教学效率。

机器人助教Watson

在美国佐治亚理工大学，一位名叫吉尔·沃特森（Jill Watson）的机器人作为助教为学生授课五个月，在每次课结束后，系统都要求学生以邮件的方式向助教至少提一个问题，助教以邮件反馈的方式进行解答。在这五个月的学习时间里，没有任何一位学生发现问题。直到被告知真相，学生们才意识到他们的助教是机器人，许多人对此深感震惊。学生詹妮弗·凯文（Jennifer Gavin）表示：“这很像正常人之间的交流。”另一位学生彼得罗·贝拉（Petr Bela）也称：“我刚想提名沃特森为杰出的助教。”

教育联想

网络课堂的最早雏形就是把视频以直播或录制的方式分享到网络上。从最早的远程教育，到后来的精品课程，再到微课与慕课（MOOC），无论是草根还是大学里的知名教授，无论是业余爱好者还是专业人士，都可以分享自己的教学视频。例如，仅仅可汗一人就分享了3000多个数学教学的短视频，其内容涵盖小学低年级的加减乘除一直到大学的应用数学。而被称之为慕课三驾马车之一的Coursera则有上万门课程开放出来。这些课程以视频的方式广泛传播，然而，虽报名参与者众多，但最终完成学业的学生人数不到千分之一。尽管这千分之一对很多学习者来说影响深远，因为他们的关于某个领域的好奇就此开启，他们的关于某门学科的理解彻底打开，但是，客观地说网络课堂直到目前为止，仅仅最大限度地利用了技术使学习者可以不限时空、无限次数地重复学习视频。在这个过程中，教师虽然收集了学生们的大量线上数据，但是却无暇顾及，甚至比不上真实课堂上不认真听讲时被教师盯上一眼的关注。

因而，对于通过人工智能自动化地给予学生们反馈这一方式来说，虽然一开始看上去像是一个简单的客服系统，而未来将会据此进一步演变出一种学习的及时反馈，甚至达成一种学习陪伴的学习体验。