智能之教育应用的发展与创新之路

王铭军

摘要：通过分析在人工智能情景下教育应用的发展趋势，总结了目前教育应用的一些类型，并介绍了一个教育应用的综合实例。最后，随着人工智能技术的发展，教育应用要利用最新的人工智能技术支撑其创新，并给出了四条创新建议，期望能对教育应用的研究者或开发者有一定的启发。

摘要：人工智能；教育应用

中图分类号：G642 文献标识码：A 文章编号：1009-3044（2018）30-0109-02

1 引言

随着人工智能，特别是深度学习的发展，使传统课堂教学模式和学校面临前所未有的挑战。教育与新技术不断地融合，人工智能在教育方面的应用层出不穷。人们已经开始讨论学校的存在性以及教师这一职业可能消失的问题。然而，本文认为这可能这一进程还很漫长。

人工智能已经受到国家和社会的高度关注和重视，并且国家还出台了人工智能发展报告，规划了未来人工智能发展的战略。人工智能已经快步向人们走来，它促进了传统行业在各个方面的转变，人们要适应和主动迎接人工智能的挑战和机遇，教育是百年大计，教育与人工智能的协调发展应该走在前面，创新融合是人工智能技术与教育发展的必由之路。通过对教育应用信息化的调查研究，并对人工智能技术应用于教育方面的趋势预测，开发出更多更好的教育与人工智能相融合的应用级产品和服务，以此来推动人工智能技术在教育领域的发展。

在技术应用方面，教育处于相对滞后的领域，然而，人工智能也逐步渗透和影响着教育应用的方方面面。当前，很多的人工智能+教育的相关应用，这些应用中大部分通过获取学生的行为数据来做挖掘，而支持应用程序对学生个性化学习表现的预测。这一类的人工智能+教育应用主要的出发点是，教育教学模型、教育领域知识模型和学生学习模型是机器对知识的认知的方式，而程序算法是一种关键技术，它用于实现或者说获取这样的知识。

人工智能技術包括很多方面，其中最早发展起来并且一直持续发展不衰的技术是机器学习技术，当然还有现在最热门的深度学习技术，它其实是从机器学习中的神经网络技术发展而来的。早期的机器学习技术是基于少量的数据来发现规律和识别模式，从而预测学生学习成果的技术。而现在的机器学习已经随着计算机技术的发展，能够处理更大量的数据，并且产生更准确的结果，相对于早期机器学习来说，已经在各个方面取得了进步或者说超越。本文通过研究机器学习在教育领域的应用，来分析其发展的潜力和面临的挑战，为教育应用的实践者提供一定的方向和依据。

2 教育应用的研究进展

自从上世纪计算机出现以来，教育就开始与计算机相结合，随着计算机技术的发展，特别是机器学习和人工智能的发展，教育与计算机结合得越来越紧密，但是，相关教育方面的应用所针对的对象也就是几类：学生、教师、管理人员、研发人员等。这些教育应用的目标是提升学生学习和教师教学的效果和效率，以及提高管理者的管理效率。采用的机器学习算法有：隐马尔可夫模型、点击流分析、基于类似的学习、基于解释的学习、最小二乘法、文本分类算法、局部N元模型、脊回归算法和基于案例的推理机制等。主要教育应用集中在以下这几个方面[1]：

1）学习者类型的识别。通过获取学习者阅读，以及对概念的理解等活动的数据，来预测学习者的类型，如：沉默型、开朗型等。通过获取与分析掌握一定技能的学习者问题解决的流程数据，来预测学习者的类型，如：熟练、不熟练、有瑕疵等。

2）学习者行为识别。通过学习者在学习过程中数据的收集，描述和预测学习者的学习行为。这些学习过程数据包括有：学习行为数据、习惯性学习行为数据、学习行为日志数据等。这些行为数据的采集和利用机器学习分析挖掘，可以得到学习者的个性学习行为，从而为其他教育应用的个性化学习推介打下坚实的基础。

3）学习者表现判断。学习的表现数据主要体现在：作业的在线提交数据和作业评分数据、学习者家庭特征关键数据、教师的情感和知识数据、教师的行为数据、学习者基于在线课程学习的记录数据、学习的课程内容数据以及相关的课程支持服务数据、访谈和调查数据等。这些数据的获取是对学习者表现进行判断的基础，通过机器学习分析挖掘这些数据，可以客观地了解学习者的表现，从而为其他教育应用提供学习强度与难度的决策依据。

4）学习者学习缺陷判断。为了判断学习者学习过程中存在的问题和不足，需要获取连续性的学习者真实学习数据、学生家庭特征数据、所学习的课程数据、学习日志数据、各门课程成绩数据等等。这些数据可以使教育应用通过机器学习预测和描述学习者学习存在的缺陷，从而改变学习者的学习习惯和学习资料，使学习者获得更高的学习兴趣和效率。

5）学习效果评测。通过对学习者学习活动的数据、学习者之间及与教师之间的跟踪与交互数据，以及学习者兴趣和习惯的相关数据分析与综合，可以测评学习者的学习效果，此类教育应用可以为教育决策者提供参考数据。

6）学习资源个性化推荐。通过综合分析学习者的行为、学习者学习类型、学习效果评测、学习记录等，可以针对不同的学生个性化推荐相应的学习资源，这里的相应的学习资源是指学习内容的难度、学习强度等可根据学习者的不同情况进行个性化推荐。

以上的教育应用分类总结基本包含了目前教育应用的分布情况，随着人工智能技术的发展，这些教育应用必将与人工智能融合越来越深入。随着计算机技术的发展，计算能力的增长，研究者们应用充分利用教育大数据来更精准地服务于学习者。图1中是以上几个方面的综合教育应用系统，它不仅分析学生行为数据，还分析学生类型等数据，然后针对不同的学生给出个性化的学习方案。

3 教育应用之创新之路

人工智能与教育融合是随着技术的发展而不断创新的。教育大数据是人工智能之机器学习在教育方面应用的基础，由于人工智能技术的不断发展，各种人工智能算法的效率不断提升，人们已经能够对数据和信息有了新的理解，对于智慧与知识有了更深入的体验，这将进一步提高教育应用的智能化。因此，未来的教育应用是一种智慧的教育应用。它应该在以下几个方面进行创新：

1） 教育应用除了继续与人工智能融合以外，还要加入新元素，也就是要多学科交叉；

2） 采用最新的人工智能技术并创新教育应用的技术路线；

3） 适应人工智能技术的发展，创新教育应用的教学方式的智慧性；

4）自适应教育是新的发展方向。

4 结语

本文通过分析人工智能与教育应用相融合的一些趋势，总结了目前教育应用的一些类型，并介绍了一个教育应用的综合实例。最后，本文认为随着人工智能技术的发展，教育应用要利用最新的人工智能技术支撑其创新，并给出了四条创新建议，期望能对教育应用的研究者或开发者有一定的启发。

参考文献：

[1] 余明华， 冯翔， 祝智庭. 人工智能视域下机器学习的教育应用与创新探索[J]. 远程教育杂志， 2017，35（3）：11-21.

[2] 吴晓如， 王政. 人工智能教育应用的发展趋势与实践案例[J]. 现代教育技术， 2018（2）：5-11.

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

[4] 祝智庭. 智慧教育新发展：从翻转课堂到智慧课堂及智慧学习空间[J]. 开放教育研究， 2016（1）：18-26.

【通联编辑：王力】