减负与基于人工智能的教育创新

曾文婕 　曾育芬　伍晓琪　曾密成　黄甫全

摘 要

以认知负荷理论观照，减负不是一味地减，而是减轻外部认知负荷和内部认知负荷，提升关联认知负荷。基于人工智能的教育创新，为减负提供了诸多新思路。其一，提供个性化和便于意义建构的教育内容以减轻学生的外部和内部认知负荷，提供促进元认知发展的教育内容以提升学生的关联认知负荷。其二，个性化学习、深度学习和自主学习等方式，成为落实减负的有效方式。其三，数据挖掘与学习分析技术、自适应测验、网络化自我评估，为减负提供了多种可能。

关 键 词

减负；人工智能；认知负荷；元认知

中图分类号

G41

文献编码

A

文章编号

2095-1183（2018）05-000-04

减负，近年来备受重视。然而，一轮接一轮的减负行动在某种意义上反映出成效不彰甚至陷入“越减越重”的尴尬境地。[1]今年“两会”期间，减负再次成为会里会外的关注热点之一。减负，需要新思路，而人工智能的发展，为教育理念、内容、方式和评估带来了一系列创新，为减负提供了新的可能。

一、减负的理念创新

减负的研究与实践众多，但是借助人工智能这一新兴手段，深入到学生的认知负荷层面，探讨减什么负与如何减负的研究还较为鲜见。

认知负荷理论已阐明，学生的认知负荷主要包括三类：一是外部认知负荷，受学习材料组织和呈现方式影响；二是内部认知负荷，受学生先前经验影响；三是关联认知负荷，受前后知识之间的意义建构影响。由此看来，减负并不是一味地减，而是减轻前两种负荷而增加第三种负荷。具体而言，包括以下三点：（1）减轻外部认知负荷。要求教师改变不恰当的学习任务组织与呈现方式，例如在设计课件时，要合理组织与整合学习材料，避免不必要的词语、画面或声音等分散学生的注意力，干扰其知识建构过程。（2）减轻内部认知负荷。要求降低教学材料的深奥程度与抽象程度，适当控制教学内容的多寡，保证学生基于原有学习经验能够胜任相应复杂程度材料的学习。（3）增加关联认知负荷（其核心是“元认知负荷”），要求创新学生建构知识的方式方法，促进学生元认知发展，帮助学生加大投入到图式建构及其监控中的认知资源数量，促使学生在不同问题情境中产生不同图式，使学生具备更强的学习能力。换言之，元认知对认知过程起监控作用，强化有意识的元认知监控活动，会增加学习过程中的认知负荷，但这种负荷对启动不同知识之间的意义建构和学习迁移具有显著促进作用，属于应该增加的认知负荷。

当下，人工智能飞速发展的时代已经到来，人工智能与学习科学相结合开创了教育人工智能（educational artificial intelligence）新领域，其关键技术主要体现在知识的表示方法、机器学习与深度学习、模式识别、自然语言处理、智能代理、情感计算等方面，其应用与发展集中表现为智能导师与助手、智能测评、学习伙伴、数据挖掘与学习分析等趋势。实现以上“两减一增”，有赖于基于人工智能的教育创新。

二、减负的内容创新

利用人工智能有助于实现教育内容创新，包括提供个性化和便于意义建构的教育内容以减轻学生外部和内部认知负荷，提供促进元认知发展的教育内容以提升学生关联认知负荷。

（一）提供个性化的教育内容：减轻外部认知负荷

不可否認的是，学校课程中存在冗杂的内容，充斥着无用信息，导致学生的认知资源被过度消耗，在学习新知识时感到负担较重。而人工智能可以根据学生的需要，提供个性化的教育内容，并使内容呈现方式多样化，增加有效学习，减少无用信息的呈现，从而减轻学生的外部认知负荷，达到减负增效的目的。

教学模型、领域知识模型和学生模型是教育人工智能的核心。第一，教学模型，主要包含教学的专业知识、技能和有效方法。第二，领域知识模型，包含了学生所学课目的专业知识体系。第三，学生模型，展现了计算机与学生的互动，通过学生学习活动、情绪状态等了解学生的学习情况。学生模型可以根据学生的具体学习行为反馈其学习情况，教学模型和领域知识模型则通过学生模型反馈的情况来推断学生的学习进度，调整模型中的知识体系以适合学生的学习。

教育人工智能可以通过开展模型建构，即在教学模型的基础上，让学生掌握相应的学科专业知识，结合领域知识模型进行知识的理解和掌握，学生模型则可以根据学生的学习情况及特点进行个性化设置，避免为学生提供重复性内容。对于学生已掌握的知识，则不必每天循环往复地进行学习，而只需要结合认知和记忆规律在必要时候强化学习，从而减少学生重复学习，减轻外部认知负荷，增加学习效率。

（二）提供便于意义建构的教育内容：减轻内部认知负荷

如果学生的原有经验水平难以胜任新内容的学习，就会感受到较大的内部认知负荷，感觉学业负担沉重。当前，通过人工智能技术提供便于意义建构的教育内容，可以帮助学生更好地理解知识，主动建构新旧知识之间有意义的联系。数字教材开发就是一条有效途径。

数字教材将交互式学习环境的个性化优势与通过平板电脑实现的同步和异步协作相结合，以知识管理和协作流程支持学生学习。比如，将一些久远的、抽象的、复杂的历史知识，利用技术力量以场景化的形式呈现，帮助学生快速理解知识。[2]基于人工智能，不仅让知识场景化，更使学生可以与知识进行交互。近年来，人们尝试建构开放性的学习资源框架，允许学生参与学习资源建设，师生共同协作提升资源质量。比如，在保留现有网络学习资源的基础上，使用先进的信息技术，将学习内容中对学生理解知识比较重要的知识点由单层结构改进为多层结构，为知识点添加背景知识、学习案例、关联信息和交流模块，允许学生以知识点为桥梁进行学习交流和学习资源评价。[3]

（三）提供便于发展元认知的教育内容：提升关联认知负荷

需要看到，很多学生并不能将自身剩余的认知资源加以有效利用，这需要教师予以帮助和引导，但教师的精力却又较为有限。在这样的情况下，人工智能技术可以自动记录，学生在学习过程的每一环节投入了多少时间，与同伴的交互程度如何，学习任务受到了教师和同伴的哪些评价。这些信息及分析与解读，都有利于学生反思自身学习，不断发展元认知，进而更有效地监控、管理和调节自己的学习活动，提升关联认知负荷。

三、减负的方式创新

教育人工智能彰显了个性化学习、深度学习和自主学习等理念，成为落实减负的有效方式。

（一）个性化学习：减轻外部认知负荷

没有最好的学习方式，只有最适合自己的学习方式。教育人工智能认同、倡导和支持每位学生以最适合自己的方式来学习。人工智能能够实时跟踪、记录和分析学生的学习过程和结果，利用模糊逻辑、贝叶斯网络和案例推理等技术检测学生隐藏的学习特点和偏好，据此为学生制定个性化的学习方案，推送合适的学习材料，由此大幅减轻学生的外部认知负荷。

（二）深度学习：减轻内部认知负荷

深度学习，要求深度加工知识信息、深度理解复杂概念、深度建构新旧及不同领域知识的意义并有效迁移应用到真实情境中解决复杂问题，实现高阶思维能力的发展。基于人工智能的深度学习方式，通过多样化的学习策略，对学习材料进行分析、整合与应用，有利于达到深刻理解。教育人工智能的联通、感知、适配、记录等属性，将线上空间和线下空间、不同学生的学习空间无缝联结，为学生开展深度學习提供了智慧平台；结合学习目标、学生个体特征及当前学习状态适性配送精准的学习材料、服务、工具，为深度学习提供了技术支持。[4]基于此，教育人工智能优化了学生的学习经验和认知水平，降低了学习材料的复杂程度，从而减轻了学生的内部认知负荷。

（三）自主学习：提升关联认知负荷

学生不再是被动的知识接受者，而是主动的知识建构者和学习管理者。基于人工智能的自主学习，正体现着这一理念，学生通过主动的、积极的学习方式提升关联认知负荷，最终达到自身学习的减负。目前，已有研究人员开发了开放式学习环境，为学生学习和解决复杂问题提供了平台和一系列工具。为了在相应环境中完成任务，学生必须调动元认知来管理、协调和反思相关的认知过程，由此，学生在学习或巩固知识的过程中不断进行着元认知练习。一旦元认知得到发展，学生在今后的学习过程中将面临更小的外部和内部认知负荷。

四、减负的评估创新

在人工智能背景下，教育评估将发生巨大变化，数据挖掘与学习分析技术、自适应测验、网络化自我评估等悄然兴起，为减负提供了多种可能。

（一）数据挖掘与学习分析技术：减轻外部认知负荷

大数据在教育评估领域的具体应用主要有教育数据挖掘和学习分析学。前者旨在借助统计学、机器学习和数据挖掘方法，分析教与学过程中产生的各类数据，[5]后者侧重通过数据的收集与分析，帮助师生理解和优化学习以及学习情境，以便及时发现潜在问题并适时加以解决。教育数据挖掘和学习分析的应用十分广泛，已发展出学生知识、行为和经历建模，学生建档，领域知识建模以及趋势分析等主题。其中，学习仪表盘就是一个典型的学习分析工具，国内外已有诸多在线教育平台。根据自身的服务群体和学习情境设计学习仪表盘，为学生的学习、复习和评估等环节提供了很好的帮助。

（二）自适应测验：减轻内部认知负荷

心理测量学理论的发展与人工智能的有机结合，发展出基于计算机的认知诊断自适应测验，使得测量技术对测验评估的分析更为精准，可以深入到学生的认知过程、认知成分、认知技能和认知策略等层面，是一种量体裁衣式的评估，其目的在于根据学生的认识与能力水平提供相匹配的、更为合适的、难易程度相当的评估项目，为每个学生建构更优化的评估方案，以期减低其内部认知负荷。

基于信息通信技术，使用项目反应理论或认知诊断理论的网络化自适应测评系统，能设计海量的测验题库并与学生的能力水平进行匹配，使测验题项的数量、难度、长度等适应学生的能力水平。当下，如何运用网络化自适应测评系统进行学习评价，正受到越来越多的关注。此外，基于贝叶斯网络的网络化评估系统也已兴起，其强大的推理和预测功能解决了当前众多在线学习平台评估功能薄弱的问题。安第斯物理助手就是贝叶斯网络的一个典型实例，作为学生的家庭作业助手，能帮助学生在完成物理题的过程中不断地自测和评估。

（三）网络化自我评估：提升关联认知负荷

在内部和外部认知负荷较低的情况下，适当增加元认知监控活动，能取得更好的学习迁移效果。[6]教师可以开发一些元认知策略，辅助学生开展自我评估，促进其元认知的发展。同时，还可以借助技术手段，为学生获取自身学习数据提供更为便利的条件，促进其对自身学习过程的认知，包括思考和设定学习目标、考虑和选择学习策略、监控和调整学习步调、检视和控制学习过程、开发和使用反馈信息，从而形成新理解，并将这些新理解与已有知识建立起联系进而改进学习目标或策略等。

随着持续不断的协同努力和深入研发，教育人工智能的发展将越来越繁荣。基于人工智能技术的教育创新，还可以减轻教师设计与实施评估的工作量（如减少试卷批改和分析等劳动），从而让师生都走上科学减负之路！

参考文献：

[1]胡惠闵，殷玉新.我国减轻中小学课业负担的历程与思考[J].全球教育展望，2015（12）：48-58，95.

[2]Roll， I.， Wylie， R. Evolution and Revolution in Artificial Intelligence in Education[J]. International Journal of Artificial Intelligence in Education， 2016， 26（2）： 582-599.

[3]司国东，赵玉，宋鸿陟.基于认知负荷理论的网络学习资源多层次模型[J].中国电化教育， 2013（2）： 79-82.

[4]祝智庭，彭红超.深度学习：智慧教育的核心支柱[J].中国教育学刊， 2017（5）： 36-45.

[5]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究， 2013（10）： 5-13.

[6]龚德英，刘电芝，张大均.元认知监控活动对认知负荷和多媒体学习的影响[J].心理科学， 2008 （4）： 880-882.

责任编辑 徐向阳