人工智能时代的教与学变迁与开放大学2.0新探*

2018-05-24鲍日勤

远程教育杂志 2018年3期

鲍日勤

（衢州广播电视大学，浙江衢州 324000）

一、问题的提出

近年来，国内外人工智能（AI）技术的快速发展，我们正从信息时代迈向智能时代，从智能机器人、智能家居、智能医疗、智能汽车，到智能移动终端里的各种智能应用APP，我们的工作、生活越来越受到人工智能的渗透与影响。教育领域自然也不例外，与AI相关的技术，正与“大数据+学习分析+人机交互+计算机视觉”等相互融合，综合影响着教与学的方方面面。换言之，AI时代的教与学正在发生着一系列的变迁，从知识的生成与流动，学习的形式与交互方式，学习资源的形式与构建，教学内容的组织与实施到教学绩效的评价与管理，等等。

开放大学作为基于网络、主要面向成人学习者的新型大学，它的特质就是与技术的高度融合，并通过这种融合来推动自身办学理念和办学模式的践行与革新。基于网络的成人学习者与全日制在校青年学习者的不同特点，使得开放大学与普通高校相比，更容易受到这种教与学变迁的影响。所以，更需要主动研究并应对这种影响与变化。即我们需要具有前瞻性的视野，来研究AI时代的开放大学所需要面对的诸多挑战与问题，需要不断提升内涵，打造符合AI时代学习者需求的全新大学。换言之，我们需要把从原先基于广播电视大学转型的开放大学1.0，转向并构建符合AI时代需要的新开放大学——开放大学2.0。

目前，国内对开放大学的研究，主要还停留于信息时代的思维框架中，是基于传统电大的功能升级、拓展等，还很少直面人工智能技术渗透对教与学带来的巨大影响——我们所需要研究与思考的问题。根据 “中国知网”的文献统计研究，2012年1月-2018年3月，以陈丽、刘永泉等293名学者，在核心期刊（CSSCI）发表了以“开放大学”为关键词的学术文献共422篇，对开放大学的办学体系建设、功能定位、运行机制、课程建设、教学模式、学习环境、学习需求等方面进行了深入研究。而进一步以“开放大学”+“人工智能”（AI）作为关键词搜索，发现目前还没有关于AI与开放大学建设与发展方面的研究文献。

因此，基于人工智能发展的视角来研究开放大学，具有一定的前瞻性与创新性。随着国家对人工智能发展的高度重视，以及教育部最近出台的《高等学校人工智能创新行动计划》，都已把新一代人工智能作为推进高校创新发展与人才培养的重要内容。就此而言，对同样作为高校系统的开放大学来说，无疑是一个新的重要发展契机。我们有必要充分研究AI时代的开放大学所具有的新内涵、新特点与新应对，即应该如何构建开放大学2.0？基此，本文将就以上问题作些研究与探讨，并提出一些思考与应对之策，旨在为开放大学2.0建设提供借鉴与参考。

二、影响远程开放教育的人工智能关键技术

从教育发展的历史看，教育的形态总是随着技术的发展和生产关系的变迁而不断发生变革。在古代，低下的生产力水平和简单的生产关系，决定了私塾教育的特征是小规模、个性化；近代工业革命兴起，特别是进入18世纪60年代后，蒸汽机技术推动了生产力的快速发展，以批量式、标准化、集中化为特征的班级授课制走上了历史舞台，这种教育形态很好地适应并促进了社会、经济的发展；到了20世纪末，随着计算机、网络信息技术等的发展，以大规模、标准化、多元化为主要特征的现代远程教育应运而生并在全球迅速展开。当前，新一代人工智能技术正在迅猛发展，它必将推动生产力和生产关系的进一步变革，并深刻改变远程教育的教与学形态。我们可以预计，随着人工智能各种关键技术的不断影响与有效应用，将进一步推动现代远程教育朝着人性化、个性化、精细化的方向发展。

（一）助力教与学的智能技术

在信息时代的网络教与学中，谁在学？学什么？如何学？学得怎样？诸如此类基本问题，我们并不能很好回答和掌控。但随着AI技术发展与应用，一些教与学的智能识别等技术，已经能够帮助我们回答、分析网络学习中谁在学、学什么、怎样学等问题。

1.网络学习交互或讨论的语音识别

语音识别就是让机器自动识别和理解人类口述的语言，把语音信号转变为相应的文本或命令的技术[1]。近年来，随着大数据、深度学习等技术的快速发展，国内外许多知名企业，如微软、苹果、谷歌、科大讯飞等，都在研发以深度神经网络（DNN）及卷积神经网络（CNN）为技术的语音识别算法，取得了比人类更高的语音识别能力。

目前，语音识别技术在网络教与学中的典型应用包括：（1）在教学过程中，帮助学习者、教师在移动终端利用语音输入，提高文本输入效率，方便师生在移动终端开展人机交互；（2）在智能学习系统中，对学习者的学习情况进行实时监测、自动化评估；（3）在智能学习系统中通过声纹记录学习者特征，初步构建学习者的数字化模型，以区分不同的学习者。

2.对学习者或内容组织的图像识别

图像识别技术是计算机对图像进行处理分析、识别、理解的过程，主要包括人脸识别和文本识别。自2012年以来，随着四个优秀的卷积神经网络（CNN）AlexNet （8 层）、VGG （19 层）、GoogleNet（22层）、ResNet（152层）用于模型训练机器学习图像识别，计算机图像识别能力取得了突破性进展。最具标志性意义的是在2015年ImageNet计算机识别挑战赛中，微软亚洲研究院凭借应用152层卷积神经网络ResNet，以错误率低至3.57%获得第一，使计算机的识图能力首次超越了人类[2]。图1所示便是近年来图像识别模型的发展情况。

图1 图像识别模型的发展（来源：百度传课）

目前，图像识别技术在网络教与学中的应用主要在三个方面：（1）通过图像识别，精准识别不同的学习者；（2）通过图像识别，识别所需要的学习内容；（3）通过图像识别，有效组织学习内容。

3.学习行为过程的智能视频追踪与分析

智能视频分析是一种基于目标行为的智能监控技术，主要涉及图像处理、模式识别等领域，它是计算机图像视觉技术在安防领域应用的一个分支[3]。智能视频分析技术在网络教与学中应用广泛，主要是利用智能终端设备的摄像头，对学习者的学习行为过程进行视频追踪分析。它包括四个方面的功能：（1）检查学习者是否在学习；（2）识别学习者的特征身份；（3）追踪学习者学习行为过程；（4）监测学习者注意力与情绪状态等。

4.学习者心理状态的情感计算

情感计算是计算机综合使用视觉技术、听觉技术和生理指标采集技术，通过赋予计算机识别、理解、表达和适应人的情感等能力来建立和谐人机环境，并使计算机具有更高的、全面的智能。情感计算主要包括面部表情识别、语调表情识别、姿态表情识别和生理指标识别等[4]。

情感计算技术目前在网络教与学中的应用，主要是识别学习者在在线学习中的情绪状态。在远程教育学习过程中，由于学习者、教师与学伴更多的处于分离状态，彼此之间的情感联系极大衰减和削弱，认知与情感的失衡，会导致无效或低效学习，丧失必要的信任、友谊和人际支持。在传统的信息技术环境下，我们很难有效监测到学习者的情绪状态。但借助于新一代人工智能技术的学习环境，能够通过情感计算技术等实时监测到学习者的情绪状态，并实时做出可视化的诊断报告反馈给教师。这样，教师可以根据具体情况，进行线上和线下的心理辅导；同时，智能化云平台还可以向学习者推荐合适学伴，帮忙学习者缓解学习中的不良情绪。

（二）服务学习者的学习分析技术

学习分析是通过分析收集到的学习者所产生的相关数据，来评估学习者的学业成就、预测其学习表现以及发现、矫正存在问题的过程。通过学习分析，有助于我们探究学习者的学习过程和学习情境，发现每个学习者个体的学习特点与规律，动态评价学习者的学习表现，以促进学习者更加有效地学习[5]。在网络教育领域，智能化的学习分析技术，正推动、支撑个性化学习的实现，成为网络教育自适应和个性化学习的关键。

1.学习者情况的评估

由于学习者尤其是成人学习者在个人学习偏好、兴趣、背景和目标上存在一定的差异，因此，学习者情况的评估可以为学习者提供精准的个性化学习服务奠定基础。所谓学习者情况的评估就是基于学习分析与计算理念，通过对学习者基本特征的个人数据进行搜集和描述，刻画出每个学习者个体数字化学习肖像特征（AI智能画像与建模）[6]。

目前，在网络教育中对学习者情况评估，主要通过以下四个方面来实现：（1）基于眼动行为的探测，判断学习者的学习注意力；（2）基于脸部行为的探测，识别学习者的学习表情；（3）基于心理行为的探测，分析学习者的学习情绪；（4）基于脑部行为的探测，推理学习者的学习心智[7]。

2.学习结果的动态预测

学习结果的动态预测是指通过智能学习系统，对学习者的学习状态、注意力状态、心理状态和学习绩效等数据进行综合分析，实时监测与评估学习者的学习情况，预测学习结果，并作可视化的输出[8]。

网络教育中学习结果的动态预测，可以及时反映学习者的学习状况，并通过智能学习系统以仪表盘等形式，将学习活动和结果进行可视化呈现，及时反馈给学习者和教师，让学习者实时或动态地了解自己的学习状况；教师则可以根据这种学习状况的强弱及变化情况，判断是否要进行在线干预或在线下专门指导，及时调整教学内容与策略。

3.学习效果诊断与在线干预

学习效果诊断是通过学习分析技术对学习者的学习绩效进行评价，得到可视化的报告。它有助于学习者有效利用数据分析，构建一个适合自我需要的主动学习过程；教师则可以对学习者进行有针对性的在线干预。例如，美国普渡大学（Purdue University）研究者就利用Blackboard和Signals系统，成功地对学生学习进行跟踪，对存在潜在危险的学生发出警告并实施干预[9]。

在网络教育中，智能学习系统可以自动探测学习者学习效果、进行数据诊断，以判断学习者的学习状况。若发现学习者存在学习困难，系统可降低难度向学习者推送适宜的学习资料；若再次进行学习效果诊断，发现学习者还是存在学习困难，那么，智能学习系统就会把学习者的学习报告推送给教师，教师根据诊断报告制定出个性化的教学策略，对学习者进行个性化指导，从而实现人机协同教学。

4.教师教学过程的优化

利用智能化学习分析技术及其相关分析工具，教师可获得有关学习者的动态学习状况、注意力情况以及心理状况等可视化信息，这些信息可以为教师改进教学提供真实依据，从而优化教学设计与实施，对学习者的学习提供有效干预[10]。例如，当教师从智能教学系统推送的可视化报告中，发现有一定数量的学习者在同一个知识点都出现了学习困难，那么，教师可以判断是该知识点的教学材料或课程设计存在缺陷。于是就需要及时修正、改进原来的教学设计，并重新录制该知识点的教学视频等。

（三）助推个性化学习的智能技术

服务于学习者个性化学习的智能化技术，是技术与教育融合的高级阶段，它能够促使学习者在学习活动中充分、自由、舒适地发展自我能力与个性。目前，基于个性化学习的智能化技术应用的重点与趋势，在于有效、精准地把握学习者的心智特征，并以此为基础，推送符合不同学习者个性需求的学习内容并有效反馈，以实现自我导向式的有意义学习，进而培育学习者自主发展的核心素养[11]。

1.提升个性化学习的智能代理/助理

智能代理，即 Intelligent Agent，又简称 Agent，目前已经广泛应用于人工智能、分布式计算、人机界面等领域。智能代理能够从过去的经验中不断积累知识，并能根据知识的变化来改变自己的行为，具有高度的智能性和自主学习性。

在网络教育过程中，智能代理能够动态跟踪和实时监控教与学的各种行为，分析学习者学习的情况，识别学习者的认知水平，并对不同认知水平的学习者或不同的教学内容采用不同的教学策略，支持和促进学习者对复杂、抽象概念的学习与理解，进而能够基于情感态度的自动辨别与感知等，为学习者提供适应其个人爱好的学习资源与学习方式，以实现对学习者具有针对性、有实际价值的指导与帮助，真正实现因材施教[12]。

2.按不同需求组织与精准推送

由于每个学习者之间在认知能力、认知结构、知识基础和学习动机等方面存在较大的差异，他们对于学习自然有不同的需求与偏向。因此，我们需要采用智能推送技术，将资源特征和学习者偏好和需求尽量匹配起来，以提供符合不同学习者口味的学习内容，并适时、精准推送给学习者[13]。

在网络教育中，学习者个性化学习内容推送是当今智能化学习平台的基本功能。学习内容的精准化定位与推送，在于通过收集学习者认知状态的信息与数据，提取学习者的生理特征信息，识别学习者所处物理环境教与学的场景，精准定位其教与学需求，适时为学习者推送所需的数字化教育资源[14]。

3.基于学习效果的动态评价与大数据分析

在信息时代，传统评价是在特定时间评价被试者的学习效果，是一种结果评价，目的不是为了改进学习效果，大多是一种教学管理的程序。而动态评价是对评价对象的教学发生和学习过程进行实时性评价。其主要目的是为了通过评价活动为学习者提供教学辅助，改进教学方式，以此来改善学习者的学习效果[15]。

近年来，在网络教育中基于大数据分析的学习效果动态评价越来越常态化，通过教与学产生的各种大数据采集与挖掘，构建起学习效果动态监测评价数据集，再利用云网络计算平台，实现基于大数据的动态监测与分析评价。并将这种监测与分析的结果，动态反馈给学习者和教师，以此重新设计学习路径，改善教学环节，推送有价值的学习资料等。可见，动态评价与大数据分析，它们成为网络教育中实现个性化学习的关键要素。

三、人工智能时代远程开放教育教与学的变迁

（一）知识生成与流动的变迁

知识是 “人类认识的成果或结晶”（辞海，1999）。在计算机网络诞生之前，知识主要载体是纸质书本以及广播电视媒体。这些媒体具有制作成本高、单向传播、信息流通与交换速度较为缓慢等特征，因而知识更新的速度也相对比较缓慢[16]；进入信息时代，知识（信息）主要以文档形式出现，超链接技术使得知识不断变幻各种形态，成为动态的网络生态，而不再像书本和广播电视中那样呈静态的层级结构[17]；而到了人工智能时代，网络从以文档为主体向数字为主体转移，信息主要以数字形式出现。这时，不仅人可以读懂这些信息，机器也可读懂这些信息，而且所有的信息都处于流动、不断变化之中，这些信息可以根据学习者的需要动态地聚合在一起，通过分析判断学习者的学习需求与习惯，推送获取所需要的信息[18]。同时，“人工智能+教育”使得学习者由知识的消费者转变为知识的创造者。知识在交互中生成，比如，通过智能搜索，人人生成并通过网络交互拓展、聚集与嬗变，学习者本身既是信息消费者，又是信息的发布者[19]。

（二）学习资源形式与构建的变迁

从信息时代到人工智能时代，远程开放教育学习资源的变迁体现在三个方面：一是学习资源的形式变迁。从教材+课件资源，向教材+课件资源+互联网资源转变；特别是学习资源的微型化，是开放大学学习资源建设面临的重要变革。随着机器学习、深度学习、视觉技术不断发展，不论学习资源的长度如何，原有的视频资源都可以通过视频分析技术，实现对视频进行切块、标记，分割成众多小资源以推送给不同需要的学习者；二是学习资源的结构变迁。由单结构化向适应于学习者个体的跨媒介型、非结构化形式转变[20]；三是学习资源的生成变迁。由静态向个性化动态生成变迁。比如，在智能化学习系统里，虽然不同学习者学习同样的知识，但系统给他们设定的学习路径、推送的学习资源往往并不一样[21]。

（三）教学内容组织与实施的变迁

为了实现教育教学目标，需要选择合适的教育教学内容，并加以科学组织，形成了各种课程。在信息时代，远程开放教育教学内容由教师组织与实施，具有结构化、固定化、超链接的特点，对所有学习者都呈现一样的教学内容和结构。进入人工智能时代，教学内容将由人工智能组织与实施，智能技术会充分应用学习分析和数据分析，给予学习者AI智能画像与建模，智能地把握学习者的心智特征，分析、判断学习者的学习需求与习惯，匹配资源做到和学习者偏好和需求相吻合，以精准推送个性化的教学内容给学习者。因此，每个学习者具有不一样的学习路径，教学内容和组织方式呈现出非结构化、精准化、个性化、动态化的特征。

（四）教学绩效评价与管理的变迁

在传统教育的环境下，由于针对学习者的个性化和发展性评价的操作难度较大，因此，对学习者进行教学绩效评价的主要形式是纸笔考试，而且一般只在课程教学结束后实施评价。这种评价方式的主要问题是偏重结果评价，忽略过程评价，偏重群体发展，忽视个体发展等。

在“人工智能+教育”的环境下，新技术为实施个性化学习评价成为可能。正如前述，大数据技术支持对学习者进行过程性评价和个性化评价，通过记录学习者的所有在线学习行为，包括学习路径、答题情况、考试评价、师生互动信息等，每个学习者都有个性化的学习行为数据。实现对学习者学习行为作出精准的学习分析，达成学习者评价的个性化。目前，一些研究机构已经推出应用产品。例如，美国普渡大学的“课程信号灯”，通过采集和计算学习者的课程学习表现、学习努力程度、学习者特征等数据，实时预测学习者课程学习绩效，帮助学习者取得课程学习的成功[22]。

四、人工智能时代的开放大学2.0框架

我们通过前面的论述与分析可以发现，借助于新一代人工智能技术，今天的网络教与学正在发生巨大的变化，开放大学也将迎来全新的2.0时代。展望未来，人工智能技术支撑下的开放大学，将通过组织模式和服务模式等的创新变革，有效地解决远程教育需求与远程教育服务之间的矛盾，这也是开放大学改革与发展的新机遇。换言之，人工智能所构建的智能化学习空间、环境，将使远程教育真正突破时空限制，让因材施教、“时时、处处、人人”的终身学习与个性化、舒服式学习成为现实。

（一）开放大学2.0面临的时代场域

1.人工智能对当前工作与职业的冲击

近年来，人工智能在全球范围的迅猛发展之势，开始引发了人们的焦虑。2017年底，《纽约客》杂志封面刊登的“人类向机器人乞讨”图片，更引发社会大众对AI发展的关注与思考。一些知名经济学家指出，人工智能正在摧毁更多的就业机会，将影响和冲击人类生活和社会结构。例如，美国“皮尤研究中心”最近发布的《工作和职业培训的未来》研究报告指出，人工智能时代的工作领域将呈现三大趋势：一是工作被机器替代。特别是那些无需天赋经由简单训练即可掌握技能的工作，以及只需熟练、无需动脑的大量重复性劳动的岗位被机器取代的可能性非常大；二是工作岗位供给不足，预计在2015-2020年期间，2/3的办公室和行政类职位将被减少，导致越来越多的人面临失业；三是“云劳动”已经出现，它是一种“按需式”的全新工作系统，开创了新的工作形式[23]。

2.人工智能产生新的教育需求

如同蒸汽机、电力的发明与应用一样，人工智能本质上也是一种生产力的变革。如上所述，在未来将有更多、更复杂的工作被人工智能系统所逐步取代。职业的变迁会越来越常态，而不断变化的劳动力需求、职业市场，会产生更多不同类型的教育与学习新需求，这些新的教育需求包括：（1）自动化的进程促使劳动者转型而产生新学习需求；（2）劳动力需要适应“人机共存”的就业环境而产生新学习需求；（3）劳动者为了应变“云劳动”而产生新学习需求[24]。这一时代的变化场域，对面向成人学习者的开放大学来说，无疑是一个机遇、是一种利好。因此，开放大学应该担当责任，尽可能多地培养符合产业所需的各类技术人才；提升现有劳动者素质以适应岗位变化，帮助劳动力保持或取得就业资格。

3.人工智能对劳动力素质提出了新要求

进入人工智能时代，社会对劳动力素质提出了新的要求：（1）适应能力是人工智能时代的关键技能，也是未来人类所需的最重要技能；（2）社交能力、协商能力以及人情练达的能力；（3）富有同情心，真心实意地扶助、关心他人；（4）创意和审美能力；（5）团队合作和解决冲突的能力；（6）学会与智能机器、智能伙伴相处，即学会“人机协同”工作。可见，进入人工智能时代，人的素养体现出更高价值，比如，好奇心、创造力、主动性、批判性思维、从零开始等[25]。

因此，开放大学的培养目标，必须根据AI时代变迁对劳动者素养的新要求，进行全新设计，以培养学习者较好适应AI时代工作需要的新素养与技能。

（二）开放大学2.0的新内涵

1.开放大学2.0教与学的基本架构

进入人工智能时代，开放大学会呈现一种全新的图景：知识传授可以由人工智能来取代，人工智能技术不断融入从学习者选择专业、学习过程、学习评价到毕业、就业的整个过程中。开放大学的教师、教学、管理、学习环境/空间等都需要注入全新的理念，需要重组与再设计，特别是教与学的框架、流程需要根据不断变化的职业市场与学习者需求，进行动态而灵活的再造。这一切，显然与以往的电大与开放大学1.0具有很大的不同。为此，我们勾勒了开放大学2.0教与学基本架构与流程，如图2所示。

图2 开放大学2.0教与学基本架构与流程

具体来说，人工智能通过语音识别、智能助理与学习者互动，了解学习者的工作学习需求情况，分析学习者的专业学习需求，为学习者提出专业选择建议，并通过大数据分析技术帮助学习者制定专业学习计划；通过学习分析技术，智能探测学习者学习状态，向学习者精准推送学习内容，当学习者学习状态不适合人工智能所推送的学习内容时，会给教师推送可视化学习诊断报告，教师根据报告，针对有关教学内容，给予学习者个性化指导；人工智能还通过图像识别和智能视频追踪与分析，智能化探测学习者的注意力与情绪状态。当探测到学习者注意力分散时，会提醒学习者，并给学习者智能推荐兴趣、爱好、学习状态相符的学伴，方便学习者开展群体学习与交流；当人工智能通过情感计算等技术探测到学习者心理状态不稳定时，会向心理辅导师发送可视化心理诊断报告，心理辅导师及时对学习者开展心理疏导。而当学习者完成一门课程学习后，人工智能通过大数据分析与动态评价技术，结合学习者识别技术，对学习者开展学习评价，并出具可视化的课程学习评价报告。人工智能还将通过学习数据，智能评价教学计划完成情况，判断学习者是否完成所有学分，是否准予毕业，并给出详细的学习者综合评价报告。

2.开放大学2.0教师形态的变革

进入人工智能时代，伴随教与学形态的变迁，相应也带来了教师形态的变革。如图3所示，开放大学2.0教师形态的变革，主要表现在：一是知识体系传授已经由人工智能取代，人类教师要从面向知识体系的传授，转向面向核心素养的培养，重在培养学习者的创造能力、审美能力、协作能力、知识的情境化以及社会化应用能力，即把更多的精力投入到对学生高阶思维能力、价值观、社会交互等方面的培养上[26]；二是教师的功能主要转向心理疏导、技能培训、组织社会活动等，帮助学习者成长，教师成为学生的人生导师或者心理咨询师，帮助学习者发现优点，实现人生价值[27]；第三，人类教师要与人工智能系统之间开展协同工作，共同为学习者提供更有个性化的、更有效的教学体验，帮助学生顺利进行学习。

图3 开放大学2.0教师形态

（三）开放大学2.0教与学的基本特征

我们通过以上分析可以发现，开放大学1.0和2.0有着较大的差异，具体如表1所示。

表1 开放大学1.0与开放大学2.0的不同特征

概括来说，AI时代赋予开放大学2.0的功能主要具有以下四个基本特征：

1.学习体验个性化

个性化学习既是人工智能时代人才培养的需要，也是开放大学2.0最重要的特征。从培养目标的个性化，到学习路径、教学方式、学习内容、学习评价的个性化，人工智能让学习者得到了无与伦比的个性化学习体验，这是传统的学校教育与现有开放大学无法企及的。

2.学习过程可视化

学习过程的可视化也是开放大学2.0教与学的主要特征。在线智能学习系统等可以通过各种可视化技术，把巨大、繁杂和难于理解的数据可视化，精准提供给教师和学习者。学习者能够直观发现自己的学习情况，有效地进行理解和学习；教师也可以非常直观地了解每个学习者的学习动态，便于及时给予干预。比如，智能识别技术会对学习者的学习进行全过程监测，通过建立学习者数字化肖像，从收看学习材料，到综合评价，人工智能随时都对学习者进行识别。谁在学，学什么，是如何学的，学得怎么样，学习心情怎样，这些学习情况都可以可视化输出，从而可以保证对学习者的整个学习过程动态参与，确保学习质量。

3.学习评价全程化

对学习者的学习过程进行全程评价，是与上面的全程跟踪学习者的学习状态相对应的，目的在于及时改进教学，这是开放大学2.0的重要手段之一。从学习者开始课程学习起，智能学习系统无时不在对学习者的各项行为指标进行检测，不论是学习状态情况，还是注意力情况以及心理状况。通过实时监测，不断计算学习者的学习表现和学习目标之间是否存在差距。一旦学习表现低于学习目标，系统就会降低难度精准推送学习资料，若学习者对智能学习系统的推送的学习资料表现出困难，则推送可视化报告给教师，由教师制定个性化的辅导策略，开展线上和线下辅导。

4.线下交互社交化

长时间的线上学习可能会影响到学生正确地感知真实的社会关系和自我角色。因此，通过线下活动来强化社会网络关系，实现“自我的世界”与“他我的世界”的交流和对话，显得更加重要。开放大学2.0学习平台的智能学伴推荐功能，可以把价值观和志趣相投的学伴相互推荐给对方，为他们在线下开展社交活动提供基础。通过线下交互，提高了学习者社交能力与团队合作意识。因此，人工智能时代学习者与学习者之间、教师和学习者之间，线下社交活动会赋有新的内涵与特点。

五、人工智能时代开放大学2.0的思考与展望

我们认为，新一代人工智能将给开放大学带来巨大的变革。它既给开放大学带来了机遇，同时也带来了巨大挑战。例如，普通高校凭借其人工智能技术、人才优势，在线教育机构凭借其资本优势，它们所产生的对技术和人才的“虹吸效应”，都可能会在一定程度上挤压开放大学的办学空间。因此，开放大学必须通过转变观念、变革机制、开拓创新，从价值观念到技术手段、从管理制度到结构体系均需进行系统地改革和重构。

（一）顶层设计：制定开放大学 “人工智能+教育”发展规划

当前，从国外到国内，从国家层面到各行各业都在抢占人工智能发展的制高点。例如，2017年7月，国务院出台了《新一代人工智能发展规划》，2017年8月，工信部又出台了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等政策文件，旨在推动人工智能技术研发和产业化发展。特别是教育部最近出台的《高等学校人工智能创新行动计划》，已经把新一代人工智能作为推进高校创新发展与人才培养的一个重要载体。

目前，一些普通高校和在线教育机构都纷纷在布局“人工智能+教育”研究和应用，并取得了一些实用性成果。在这种形势下，开放大学更要有使命感，必须主动适应这种发展，积极应对新技术的挑战，抓住新技术的机遇。我们认为，当务之急是尽快落实教育部“人工智能促进高等教育创新发展与人才培养”的指示精神，研究、寻找开放大学新的切入点，抓紧制定、出台《开放大学“人工智能+教育”的发展规划》这类指导性文件，推动开放大学人工智能教育应用的发展目标，明确人工智能教育如何更好地促进人才培养。要配套相应的开放大学人工智能应用支持要素，逐步推进人工智能在开放大学教育教学中的实践探索与应用。同时，还要研究与社会资本合作的模式，利用社会资本参与开放大学“人工智能+教育”项目实施和成果转化应用等。

（二）技术支持：构建“国开大脑”+“开源系统”+“国开大数据”的深度学习平台

“国开大脑”是从“谷歌大脑”引申过来的一个概念，它由数以万计的强大计算机集群构成。国家开放大学是一个超大学习者规模的巨型大学，智慧学习平台由超大规模的学习者及数据构成，因此，国家开放大学系统建立“国开大脑”非常必要。虽然在当前，开放大学建设“国开大脑”的深度学习平台尚不现实。但随着技术的不断进步，建立“国开大脑”成本会不断下降，届时，国开系统可适时实施“国开大脑”建设工程。

事实上，当前开源人工智能系统为开放大学人工智能的研究与应用提供了一条有效的路径。国内外都有人工智能开源系统，例如，国内360公司的XLearning平台，国外 TensorFlow、Caffe、Theano等。其中，Google公司推出的TensorFlow是一个较成熟的开源平台，在国开大数据分析领域可实现的应用主要有：一是文本分类、卷积神经网络等，可以实现开放大学大数据分析领域中的问答系统、情感分析等应用；二是图像自动批注和注解，可通过使用深度学习来为开放大学现有海量数据库中的图像提供相应的描述；三是海量视频资源分析技术，对开放大学现有精品视频课程资源进行智能分析，实现优质教学资源的结构化，对视频按知识点来打上标记和分割，为视频资源的大规模智能应用打下基础。

中国国家开放大学的优势就是规模超大，作为全球规模最大的巨型大学，在校生数超过300多万人。开放大学数字化教学平台，拥有学生学习和教学交互的海量数据，这是开放大学所具有的比普通高校和在线机构在发展“人工智能+教育”方面的最大优势。应加强云服务平台“国开大数据”的应用整体设计，数据模型要能实现对教学进行有效监测、评价、诊断和预测的核心支持。对教学过程数据的采集，要考虑数据分析的需要，完整记录教与学过程，方便对数据的分析应用[28]。

（三）人才支撑：重点打造技术研发、教学设计和心理咨询三支教师团队

随着“人工智能+教育”的不断推进，教育部对“人工智能+”教师队伍建设给予了足够的重视。2018年2月，教育部发布了《关于全面深化新时代教师队伍建设改革的意见》，指出教师应主动适应信息化、人工智能等新技术变革，积极有效开展教育教学。同时，教育部还要启动“人工高智能+教师队伍建设行动”计划。具体到开放大学来说，在开放大学2.0架构下，开放大学应重点打造三支教师团队：

一是人工智能技术研发团队。开放大学应该以国开总部与省级分部为主导，组建多个人工智能研发团队。要集聚开放大学系统内的计算机科学人才、统计学人才、数据库和软件工程师等与人工智能相关的人才，组成一支高水平的人工智能研发团队；同时，还应该积极从学校外部引进人工智能专业人才，充实到开放大学人工智能系统的研发队伍中来，为智能教学系统研发与应用提供基本保障。

二是教学设计团队。尽管开放大学2.0在教与学体系中体现出教师形态的变革，人类教师传授知识的任务或许被人工智能取代。但作为开放大学的学历教育来说，还是需要有结构化的专业课程学习资源。国开总部和省级分部需要构建各自的教学设计团队，构建智能化学习空间，开展多元化教学设计，不断开发与更新教学资源；学习中心教师的基本任务是基于智能学习系统反馈的学习状态诊断报告，帮助学习者解惑答疑，解决课程学习中的难点。

三是心理咨询团队。心理咨询人才将是人工智能时代的紧缺人才。剑桥大学的一项研究指出，心理医生职业被人工智能替代的概率仅0.7%。对于开放大学来说，学习者在网络远程学习过程中产生的孤独感，比其他人群更容易产生心理问题，因此，当教师教授知识的主要职能被人工智能替代后，学习者心理辅导的职能将会增大，教师应及早发现学习者的心理问题并及时给予干预。开放大学2.0特别是开放大学2.0基层学校，需要培养、储备一定数量的心理咨询人才。从而能够有效保障开放大学把学习者培养成既有适应AI时代发展需要的专业能力，同时又具有健康人格的新型劳动者。

（四）应用路径：有序开展智能学习平台开发、教学应用和教学研究

开放大学2.0需要有智能技术的智能教育云服务平台作为支撑。开放大学智能教育云服务平台建设，可参照开放大学2.0教与学基本框架，实现智能的化探测学习者学习状态，智能化探测学习者注意力状态，智能化探测学习者心理状态，智能化推送可视化学习内容、注意力和心理诊断报告，为学习者提供精准的、个性化的自适应服务与支持。

我们要坚持建设与应用并举的方针，云服务平台建设和教学应用宜同步开展，在建设中应用，在应用中优化。同时，在教学应用中，需要不断开展人工智能教学实践探索，探索如何人工智能环境下促进在线教学和学习者的发展；开展人工智能教学应用的创新案例研究，开展开放大学利用平台大数据进行学习分折，以及教学改革、资源建设、教学法创新、学习支持服务和考试测评研究；开展开放大学以人工智能改革教学摸式的研究，探索人机协作教学的新规律；开展人工智能系统学习者持续使用研究，开展智能平台使用满意度研究等等。在这些研究中发现问题，优化系统，逐步打造让学习者满意的开放大学2.0教与学。

六、结语

人工智能作为最具发展潜力，也最具革命性的新技术，已经深刻地影响着我们的生活、工作、学习、交往、出行、医疗及娱乐等方方面面。作为远程开放教育领域的工作者，我们必须面对这一时代的变化趋势，需要认真研究“人工智能+教育”与开放大学的新关系、新命题、新问题。

本文探讨了人工智能影响现代远程开放教育的关键技术，分析了人工智能时代教与学的变迁，提出了人工智能时代开放大学2.0的基本框架，并对开放大学2.0作了一些思考和展望。虽然这些研究对于开放大学顺应“人工智能+教育”的发展，具有一定的理论和现实意义。但作为一个全新的研究领域与具有诸多复杂因素的新命题，我们对人工智能时代的开放大学2.0建设与发展的构想，目前还是初步的、粗线条的。希望该研究能够引起国内外同仁们的广泛关注和重视，并做出更为深入的研究和更务实的实践性探索，共同推进开放大学2.0，以更好地服务人工智能时代的社会经济发展与学习者需求。

[参考文献]

[1]戴礼荣，张仕良，黄智颖.基于深度学习的语音识别技术现状与展望[J].数据采集与处理，2017，32（2）：221-231.

[2]吴宁川.计算机视觉逼近拐点，微软算法正在尝试跨越这“一步之遥”[EB/OL].[2016-01-22].http：//www.tmtpost.com/1500298.html.

[3]黄凯奇，陈晓棠，康运锋，谭铁牛.智能视频监控技术综述[J].计算机学报，2015，38（6）：1093-1118.

[4]贺斌.e-Learning情感计算模型设计研究[J].远程教育杂志，2011，29（4）：103-110.

[5]顾小清，张进良，蔡慧英.学习分析：正在浮现中的数据技术[J].远程教育杂志，2012，30（1）：18-25.

[6][7]牟智佳.学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J].远程教育杂志，2016，34（6）：11-19.

[8][10]武法提，牟智佳.基于学习者个性行为分析的学习结果预测框架设计研究[J].中国电化教育，2016（1）：41-48.

[9]杨雪，姜强，赵蔚，李勇帆，李松.大数据时代基于学习分析的在线学习拖延诊断与干预研究[J].电化教育研究，2017，38（7）：51-57.

[11][13]牟智佳.“人工智能+”时代的个性化学习理论重思与开解[J].远程教育杂志，2017，35（3）：22-30.

[12]何克抗.促进个性化学习的理论、技术与方法——对美国《教育传播与技术研究手册（第四版）》的学习与思考之三[J].开放教育研究，2017，23（2）：13-21.

[14]余亮，陈时见，吴迪.多元、共创与精准推送：数字教育资源的新发展[J].中国电化教育，2016（4）：52-57+63.