“智能+”校园：教育信息化2.0视域下的学校发展新样态*

曹晓明

（深圳大学 师范学院，广东深圳 518060）

一、教育信息化2.0:新时代学校发展的机遇与挑战

（一）从教育信息化1.0到教育信息化2.0

教育信息化从诞生至今，一直是一个行进中的概念。南国农先生将其定义为：“所谓教育信息化，是指在教育中普遍运用现代信息技术，开发教育资源，优化教育过程，以培养和提高学生的信息素养，促进教育现代化的过程”[1]；何克抗指出，教育信息化是“信息与信息技术在教育、教学领域和教育、教学部门的普遍应用与推广”[2]。近年来，随着新媒体、新技术的跨越式大发展及教育本身在育人目标与路径方面的变革，教育信息化又一次站到了挑战和机遇并存的十字路口。

为实现教育信息化的转型升级，教育部在《2018年工作要点》中明确指出，要实施“教育信息化2.0行动计划”，并于2018年4月18日正式颁布。从词频来看，《教育信息化2.0行动计划》11次明确提及“人工智能”，36 次提及“智能”，11 次提及“新时代”。由此可见，“智能”是教育信息化2.0的重要关键词，是学校迈向“新时代”的重要路径。为促进人工智能在校园的落地，同期，教育部又印发了《高等学校人工智能创新行动计划》，明确了高校的人工智能发展战略。相关教育政策及信息化的实践，正促进人工智能技术融入到整个学校生态系统中，推动学校进入“智能+”新时代。

（二）教育信息化2.0的内涵与特征

教育信息化2.0是教育信息化发展到一定阶段的产物，可从三个维度来理解：一是时间维度的表象概念，将改革开放至今的教育信息化称为1.0时代，将开启新时代的教育信息化称为2.0时代[3]；二是基于目标维度的内涵概念，教育信息化2.0是整个教育生态的重构，通过颠覆性地改变传统的教育模式和方法，最终致力于实现教育的现代化[4]；三是基于教育变革维度的实践概念，包括探索基于信息技术的教学新模式、发展基于互联网的教育服务新模式、探索信息化时代的教育治理新模式等三个转变[5]。

教育信息化2.0的价值取向不仅是技术的更新与应用，更多的是促进技术同教育更好地融合，重塑教育的生态系统，进而推动教育现代化。因此，教育信息化2.0的基本特征应是“生态+人本+智能”（见图1），三者作为教育信息化2.0生态系统的三个重要节点相互影响、协同推进，其中，人本化的服务是目标，生态和智能是构建途径。

图1 教育信息化2.0生态系统的三维特征要素

1.教育信息化2.0更侧重以“数据”为基础

数据是人工智能的燃料，也是驱动教育智慧的基础。教育领域的数据呈现典型的富媒体化、海量化、时序化的特点，其中蕴含的教育价值也日益丰富；也正是基于此，教育领域的数据在研究层面、政策层面和实践层面都日益获得广泛关注。大数据技术的突破与广泛应用也驱动了人工智能的实质进步，未来教育将是教师与人工智能教师协同共存的时代[6]。作为新一代的架构和技术，教育信息化2.0将更注重经济地从广泛可获取的、大容量的、不同结构和类型的数据中获取教育价值。其突出的优势就是分析事物注重“量化证据”，不再仅是进行样本分析，而是依托于所有数据；不仅仅揭示因果关系，而且揭示相关关系。同时，数据也是实现“人本”、“生态”、“智能”三要素协同发展的前提。

需要指出的是，目前教育大数据在中小学中的应用不理想，一个核心问题就是大数据在自然采集和应用两方面存在脱节：一方面，诸如视频监控等终端设备采集了海量数据，但仅能发挥安防等方面的价值；另一方面，缺失连续、全面、科学的数据支持，导致智慧教学容易流于表面。造成这一局面的重要原因，可能是没有充分考虑这种多模态数据融合应用的方法，导致教育大数据的价值难以体现。此外，面向学生综合素养评价的自动评估，涉及到大量的过程性数据附着在学校的各类传感器及应用系统上。因此，将各模态数据完整综合起来考虑其融合性十分必要。教育信息化2.0语境下的数据，应是面向机器学习、深度学习的多模态数据的融合应用。

2.教育信息化2.0更侧重以“智能”应用为途径

在过去的二十年中，人工智能（AI）研究人员一直试图赋予机器识别、解释和表达情绪的能力；在这一领域进行的研究越来越多，加上信号处理和人工智能的进步，将促进先进的智能系统（包括智能教学系统）的发展。根据最新发布的《新兴技术的技术成熟度曲线报告》（The Gartner Hype Cycle for Emerging Technologies，2017版），无处不在的人工智能（AI）刚刚越过曲线高峰（即处于狂热期），并成为推动透明化、身临其境体验技术发展的主要动力，预示未来几年仍是发展人工智能和应用人工智能的黄金期；同时，Alpha Go连续击败世界围棋冠军李世石与柯洁等一系列热点事件，也展现了人工智能深入影响现实世界（包括教育）的可能性与潜力。

教育信息化2.0的重要价值目标是提升教育的效果、效率与效益，而智能化是其重要途径，推动并扩展人工智能的教育应用是教育信息化2.0的重要任务。也正因为此，在整个《教育信息化2.0行动计划》中，“智能”出现了36次，成为词频最高的词之一。其实，不仅是中国，美国战略与国际研究中心于2018年3月1日发布的《美国机器智能国家战略》，也对机器智能做了战略部署；同时，从如何用机器智能来推动教育（培训）和在教育中培养具有机器智能素养的劳动者两个角度，做了全面诠释[7]。

总体来说，国内外智能教育及技术的不断探索与应用，一方面正不断促进教育工作的改进与优化，推进教育系统的变革与提升；另一方面也为今后教育的发展拓展了全新的路径[8]。在教育信息化2.0构筑的开放教育生态里，除了人工智能技术本身以外，异构、异源的数据能够被无感汇聚采集、分析与应用，为更精准地向师生提供个性化服务创造了前提，体现了另一个维度的智能——数据智能；为实现这类“智能”，在海量数据的基础上，未来物联感知、情感计算、图像识别等将是重要的发展方向。在“技术智能”与“数据智能”的双轮推动下，教育信息化2.0将有可能揭开人工智能教育应用的新图景，从供给侧（优质资源、优质教师、优质学伴等）革新突破，从而破解当前优质教育资源不均衡、不充分的难题。

3.教育信息化2.0更侧重以开放教育“生态系统”构建为核心

生态系统的基本特征是整体关联、协同演化和动态平衡。教育信息化2.0致力于构建面向全社会的新型教育生态系统，促进学习型社会的建设，形成灵活开放的终身教育体系，其重要的指导思想应是教育信息生态学（Education Information Ecology）。它是借用生态学原理与方法来研究教育信息、人、教育信息环境三者之间相互作用的过程、规律及其整体生态平衡的一个分支学科。目前，国内关于“教育信息生态学”的研究主要是围绕教育信息化建设和信息化教育应用而展开，重点强调“系统”与“生态”理念，核心思想是“以人为本，构建和谐的教育信息生态系统”，促进人与教育信息环境的协调可持续发展[9]。教育信息生态学融合并发展了信息生态学的系统观和教育生态学的生态理念，以“生态化”的视角来解决当前教育信息系统出现的相关问题，为教育信息化建设及其可持续发展，提供了新的视角和思路[10]。

教育信息化2.0指向的教育生态体系是一个由“教育管理部门—学校—供应商—教育主体（教师、学生等）—社会主体（家长、公众等）”构成的复合社会生态系统。在教育信息化2.0的背景下，“人本化”带来的用户需求的多样性与个性化及富媒体终端带来的数据来源的复杂性，迫切要求以“生态”的策略打造开放教育生态系统。主要有两种策略：一是开放策略，包括开放标准、架构和接口，且需要促进系统内各要素间的协同；二是联结策略，在2.0时代的教育信息化建设中，行业细分与业务垂直划分将更为精细，面向师生个性化服务的供给来自于不同的供应商将是常态，如何以标准的形式联结不同数据的生产者，共享服务能力与服务数据，是后续能发挥数据价值的关键。

4.教育信息化2.0更侧重以“人本”服务为目标

教育信息生态系统是教育信息生态学的重点研究对象，即“在教育信息环境中由人、技术、价值和实践构成的一个有机系统”，该系统将“技术”作为一个重要因素加以强调，但系统的核心要素是技术支持下的人的实践活动，其核心价值在于促进“人的信息化发展”[11]。提出教育信息化2.0的重要出发点之一就是促进技术在培养创新人才方面的作用。教育信息化应从现有满足某一个维度的功能性取向，进化到面向师生的个性化服务、注重个体差异与体验的人本服务取向。为实现人本服务，应“富媒体”化提供多样的服务资源与路径，以智慧的“诊断”作为实现人本服务的策略。

（三）教育信息化2.0时代学校面临的机遇：信息化的系统性变革

教育信息化2.0的目标，要求以教育信息化全面推动教育现代化，全面提升教育品质，构建新时代教育的新生态，其核心是让信息化推动教育生态的变革。我们应站在更高层级的大教育角度，宏观地看待教育信息化在促进教育改革、实现教育现代化中的地位和作用；同时，由于教育信息化2.0建立在新媒体、新技术的最新发展上（例如，大数据、人工智能、虚拟现实、物联网、社交网络等），因此，也要从技术对教育的具体影响的微观层面来落实。

教育信息化2.0是从政府层面提出的关于教育信息化的顶层设计，因此，它为学校对接教育现代化的具体目标的信息化建设提供了纲领性指引，同时必然也带来学校结构与形态的变革，且这种变革是系统性的，如图2所示。从教育信息化2.0的“人本+智能+生态”的理念出发，学校生态重构的价值目标，应是通过个性化的服务促进师生的发展。

图2 教育信息化2.0时代学校发展的系统性变革

围绕该目标，学校建设的方向应是问题导向，解决面向师生个性化服务中的主要问题。从学习环境来看，应能够创设无边界的环境支持师生的个性化发展；从学习空间来看，应是能够感知学生的特征，适配学生的学习需求的；从学习方式来看，应能够支持灵活可变的学习方式。此外，课程体系应是层次可选的，学习资源应能够提供精准服务，社会联结应紧密顺畅，管理体系应支持极致管理的智能决策。

（四）教育信息化2.0时代学校面对的挑战：依托于智慧校园实施路径的迷思

如前所述，教育信息化2.0关于学校信息化建设的指引是全方位、系统性的，目标也是明确的，但如何将设计蓝图转换为具体的建设策略，目前尚未形成统一共识。特别是在如何借助科技和数据理解教师和学生的需求方面，以及支持师生的个性化服务方面，缺少系统化的论述和成熟的具有普遍推广意义的方案。当前，各地较多地将智慧校园视为教育信息化2.0的重要支撑，在研究和实践中均呈现出了一种“泛化”的倾向：

1.智慧校园研究领域的泛化

国内关于智慧校园的研究自2010年就开始了，早于教育信息化2.0概念的产生，也早于人工智能技术发展的新周期。以国内最大的学术期刊数据库——中国知网（CKNI）为数据来源，对主题为“智慧教育”或者“智慧学习”或者“智慧校园”，时间跨度从2010年1月1日至2018年5月20日的文献进行检索，剔除无效或相关度低的论文后，共收集有效论文2596篇。采用文献计量法，从研究趋势、高频关键词聚类和知识图谱三个维度，对智慧校园的研究生态进行统计分析。数据显示，当前智慧校园研究集中凸显三方面问题：

一是研究热点的泛化。由于对“智慧”的解读缺少统一的共识，各类新技术均被纳入智慧校园的研究框架，且热点轮换频繁；二是将“智慧”片面等同于“分析”。虽强调数据应用价值和分析的策略，但缺少系统化的数据建模分析；三是对教育信息化2.0中的“生态”、“人本”、“智能”三要素的关注不足。研究术语中“智慧”的“泛化”，导致智慧校园的研究容易失去焦点，降低了相关研究对实践的指导意义。

2.智慧校园实践领域的泛化

智慧校园实践领域的泛化，集中体现在以下三个方面：一是“数字校园”和“智慧校园”概念的混用，如，有些学校认为只需在原有数字校园的基础上，升级部分新装备（如，移动学习相关装备、物联网相关装备、无线校园相关装备等）；二是以局部应用替代学校整个形态的变化，特别是在各个地区大面积建设智慧校园的大背景下，以“智慧校园”标签出现的学校（如，智慧校园示范校、智慧校园样板校等）已经有了相当大的体量，但这些学校大多仅是在“智慧校园”的某一个或某几个应用维度做了一些探索，远没有达到校园整体“智慧”的程度；三是数据的价值并没有完全体现，导致智慧化程度普遍不高，特别是相关企业仍以自身的产品为导向引导用户，导致在数字化校园阶段普遍存在的“信息孤岛”现象，在当前智慧校园中仍然普遍存在，以“数据驱动教育智慧”尚未能完全实现。

通过以上分析可见，“智慧校园”作为已经发展多年的概念，在研究和实践中远未达到成熟的程度，其“泛化”倾向有可能影响其在教育信息化2.0建设中的指向性作用。由于缺少清晰的结构性框架与可视化模型，“智慧校园”在教育信息化2.0视域下需要重新定义，以更智能、更生态、更人本的样态出现，从而服务教育信息化2.0时代学校发展的系统性变革需求。

二、“人工智能+”校园：面向教育信息化2.0的学校新样态

教育信息化2.0带来的显著改变，将是整个教育生态的重构。学校作为教育信息化的重要载体和具体实践场，必然被要求与教育信息化2.0同步进化，以新的架构与形态——“新样态”，对接新时代的新教育。“样态”本是康德在推动逻辑学从传统形式逻辑走向现代辩证逻辑的过程中所提出的全新术语，他对亚里士多德范畴表进行改造后演变成大类：量、质、关系、样态；其中，“样态”是对事物存在状态的“断定”，用它来描述事物的属性。国内学者陈如平曾用其描述学校的文化表征、校园文化、课程架构与建设模式[12]。本文所论述的“新样态学校”，是指对学校发展的高阶的、动态的、系统化的存在状态的描述，既指向学校的外显（样），也指向其内在的关系和属性（态），对应的则是学校整体架构和内在关系的动态画像。

（一）学校样态变革的“技术-社会”视角

科学技术是驱动人类社会前进的重要动力，其发展带来的巨大物质基础，使得人类的价值取向和社会生活方式也发生了巨大变化。如，石器的发明推动人类进入石器时代（距今二三百万年至公元前4000年），青铜的发明推动人类进入青铜文明时代（公元前4000年至公元初年），计算机的发明应用推动人类进入信息时代（1969年起始）。可见，颠覆性技术往往是划分时代的重要标志，一部人类发展史就是一部科技技术创新史。同时，在整个技术发展的历程中，呈现的另一个特征就是颠覆性技术出现的周期越来越短，存在拐点和加速度。

一般认为，教育的发生、发展，同社会的发展变化以及人类谋求自身生存的各种需要有着本质联系，一定性质的教育是由一定的社会生产方式决定并为一定的社会生活服务的。美国教育家J.杜威在其所著《学校与社会》一书中明确指出，“学校教育制度的改革是受社会进步历程的深刻影响而发生的”。联合国教科文组织的A.M.姆博（Amadou-Mahtar M’Bow）在其所著的《探索未来》一书中也指出，“当前教育的主要问题是学校跟不上现代社会高速发展所提出的各种需求，教育与劳动界未能紧密联系”，可见，技术、社会与学校是三个彼此影响的因素。从教育信息化的角度来看，互联网技术催生了长达20多年的数字校园的发展，学校经历了以信息技术与课程整合为主轴的数字信息时代，当前在大数据、云计算、人工智能等新兴媒体与技术的驱动下，正转向以新技术融合与创新为主轴的智能教育时代，其中，智慧校园作为数字校园的高阶版本也正向“人工智能+”校园演进。具体发展脉络如图3所示。

图3 学校发展的“技术-社会”脉络

从“技术-社会”的视角来看，学校的样态从古至今已发生了多次重大变化，其中，标志性技术是重要的驱动力。特别是近现代几轮工业革命的发展所带来的社会对人才培养需求的变化，呈现了典型的从追求“量”向追求“质”的明显趋势，对应的学校也要从经典的大班授课制向注重个人需求和偏好的个别化教育转变。个别化教育正呈现跨越几千年后的回归态势（古代为面向精英的个别化教育，现代为面向群体的个性化教育或面向个体的个别化智能教育）。各类学校样态的典型特征，如表1所示。

（二）“智能+”新样态校园的内涵与特征解析

由上述分析可见，智慧校园面临着转型和向新的阶段演进的客观需求，其中，重要的路向就是同时具备“生态、人本、智能”三个特征的“智能+”校园。需要进一步明确的是，所谓“智能+”校园，指的是以人工智能为基础的智能化的校园工作、学习、生活和家校连接一体化环境，以更高水平接近人的智能形态，为师生提供个性化的支持与服务。作为智慧校园转型和演进的“智能+”校园，是社会发展和技术发展交互作用的学校发展新阶段；同时，也是学校顺应社会人才培养需求导向变化的路径选择，有可能启动教育领域个性化教育的新浪潮。

1.“智能+”新样态校园的人工智能技术知识域

“智能+”校园是依托人工智能为主体技术催生与发展起来的，因此，人工智能技术是“智能+”校园的物理基础。人工智能在其它领域的成就，为其向教育领域的融合提供了可能性，相关的探索业已展开。2017年12月，网络媒体“搜狐”报道了河南郑州的一项人工智能教育应用的对比实验，78名初中学生分为实验组和对照组，在4天时间里，分别接受AI教学和真人教学，结果显示AI所在的实验组平均提分要高于对照组10分，这引发了一轮AI是否会替代人类教师的广泛思考。教育领域的AI相关技术，正与“大数据+学习分析+人机交互+计算机视觉”等相互融合，综合影响着教育教学的方方面面[13]。从“应用、技术、业态”三个环节构建人工智能+教育生态系统的条件，业已初步具备[14]。通过对人工智能教育应用的技术基础进行系统分析，我们尝试梳理了“智能+”校园的人工智能技术知识域框架模型，如图4所示。

表1 学校发展过程中各样态的典型特征对比

图4 “智能+”校园的人工智能技术知识域框架模型

整个知识域包括数据层、技术层、算法层、框架层、应用层五个部分：

（1）数据层：数据是实现“智能+”校园生态系统得以运转的基础。这里的数据集中体现了教育大数据的特征，包括身份信息、学习日志、学习记录、交互信息等基础数据；同时，考虑到教育数据的多源特征，“智慧+”校园的数据应是多模态的。

（2）技术层：考虑到教育的领域特征，技术层是多种类、多层次技术的集合，包括AI的本体知识域及AI的关联知识域。前者主要指语音识别、图像识别、NLP、SLAM、传感器融合、机器人等技术或中间件；后者指AI的一些相关联的技术，其中，学习分析、学习科学、脑科学、心理科学等教育相关领域技术的应用，是“智能+”校园体现数据价值的关键。

（3）算法层：“智能+”中的算法主要是人工智能的通用算法，常用的有机器学习、深度学习、增强学习等，除此以外，目前迁移学习这个理念被提起的频次也越来越高，其能让现有的模型算法稍加调整，即可应用于一个新的领域和功能的一项技术，颇具潜力。

（4）框架层：包括Tensor Flow、Caffe、Theano、Torch、DMTK、DTPAR、ROS 等框架或操作系统。在框架层面，目前一个重要的趋势就是开源。从最初的Caffe、Theano到现在 Facebook使用的 Torch以及Google使用的Tensor Flow、百度的Paddle平台都选择了开源。开源使得各个框架平台的用户基数进一步扩大，也为“智能+”校园的应用扩展创设了条件。

（5）应用层：应用层指的是围绕教育应用进行的各类功能性、定制性应用，这是“智能+”校园的可视化视图的集中体现，也是“智能+”校园生态系统的最核心组成部分。特别是，它也促使人们深入思考依托人工智能来帮助人类过上更美好生活的可能性，比如，设计更智能的家园，打造更美好的未来城市。

2.“智能+”新样态校园的应用场景与应用模型

当前，人们对人工智能进入校园的重要性已有较广泛的重视，但尚缺少对人工智能在校园中应用场景的系统描述，客观上导致人工智能教育应用的广度和深度都不高。《教育信息化2.0行动计划》中明确要求通过实施教育信息化2.0行动计划，未来四年基本实现“三全、两高、一大”的发展目标，其中，“三全”即“教学应用覆盖全体教师、学习应用覆盖全体适龄学生、数字校园建设覆盖全体学校”。因此，“智能+”校园的应用场景不能是碎片化、不连续、缺少系统观的，而应系统考虑校园中的应用场景进行统筹规划与设计，以构建“人工智能+”条件下的人才培养新模式、发展基于人工智能的教育服务新模式和教育治理新模式。

综合考虑当前的技术成熟度条件及校园具体业务需求模型，我们认为，“智能+”校园有人工智能精准教学、人工智能安保、人工智能学习工具、适应性学习环境、人工智能辅助决策、人工智能辅助评估、人工智能心理服务与人工智能沟通等八大应用场景。每个应用场景又对应具体的AI服务，在AI技术和AI数据的支撑下，实现对师生个性化需求的智能化支持。结合八大应用场景，我们构建的“智能+”校园应用模型，如图5所示。

图5 “智能+”校园的应用模型

三、“智能+”校园的典型应用场景：AI新时代教育的变革与创新

（一）人工智能支持下的精准教学

精准教学（Precision Teaching）本是 Lindsley于20世纪60年代根据Skinne的行为学习理论[15]提出的。所谓“精”指的是“严格”（Rigor），要求教师按照知识的要求展开教学；“准”指的是“相关”（Relevance），要求教师有针对性地培养学生学以致用的知识。后来“精准教学”的相关理论发展为用于教学管理工具的“精准教学框架”，由“国际教育领导研究中心”（International Center for Leadership in Education， ICLE）于1991年提出，用以指导和检验课程、教学和评估的教育过程，帮助学校促进学生接受更“严格”和更“相关”的教育[16]。

经过多年的发展，精准教学的价值也已经获得了广泛认同。在实践层面，不少学校将精准教学同因材施教和高效互动课堂教学相联系，认为精准教学是实施因材的前提和基础。但精准教学在操作上以测量、记录学生的学习表现为基础，以分析频率数据为基本技术。而在大数据与人工智能技术普及应用之前，精准教学的测量、记录多以笔和纸为工作媒介，效率低下，因此，在实践中不易推广[17]。

“智能+”校园带来的第一个显性的变化将是AI支持下的精准教学在课堂中的落地实施。传统课堂将越来越多地采用人脸识别、情感计算、多模态融合、大数据分析等AI新技术，在各类传感器和媒体终端的支持下，演进为人工智能教室（AI Class），并以AI Class来支持精准教学由低阶向高阶不断演进，如图6所示。

图6 人工智能支持下的精准教学演进：AI Class

从目前的发展来看，课堂的行为分析及基于人脸表情识别的情绪识别，已开始出现了部分案例。如，法国巴黎商学院于2017年9月在两门在线课程中，使用人工智能工具Nestor，其工作原理是利用计算机网络摄像头，跟踪学生的眼球运动和面部表情，再对收集到的数据进行分析，以评估学生的课堂参与度和注意力集中程度；国内，杭州某中学在2018年5月部署了“智慧课堂行为管理系统”，用于对班级环境下学生的课堂行为进行分析，并将分析的结果为教师开展精准教学、调整教学策略提供参考。“精准教学”的另一个实践场是在线教学，特别是在当前MOOC流行的态势下，人工智能技术也被用于为学习者量身定做学习方案与精准服务。

人工智能为“精准教学”注入了更强大的生命力，借助AI将可能产生颠覆性的精准教学手段，未来的高级阶段指向即个性化教学。利用AI不仅可以采集学生的学习水平状态，识别环境中的图像、语音和环境数据，还可以通过脑电传感器、电子手环、眼动仪等传感器，获取学生的生物模态信息，通过多模态数据的融合，将更“准”更“高效”。有可能在未来的校园，所有学生的学习任务都是AI来评估和分配的。同时，也有观点认为，基于学生生理特征的生物DNA数据，也可以纳入到精准教学的数据框架里，AI将学生的DNA特征与多元智能进行匹配，即可得出学生培养方案的最优解。

（二）人工智能支持下的智慧决策

人工智能以其逻辑思维的严谨以及超越人类的极端理性，被认为在辅助人类进行决策领域具有广阔的应用前景。同传统的基于大数据的决策不同，AI支持的决策具体表现为：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合的学习；从领域任务驱动智能到更为通用条件下的强人工智能（从经验中学习）。未来AI将改变计算本身，将大数据转变为知识，以支持人类社会更好地决策[18]。“智能+”校园的决策，将依托类型更丰富的传感器所采集的数据，并在对领域建模的基础上，发展出基于学校特征属性的AI决策算法，为学校提供更迅捷、更可信的决策。未来学校的数据中心有可能进一步演化为“学校大脑”，既具备强大的运算能力，又具备丰富的可视化决策视图。

（三）人工智能支持下的量化评价

有效的教育评价依赖于有效的评价依据。目前关于教育评价，较多地从教育大数据的角度来进行分析，将人工智能作为大数据分析的后端处理工具和输出（即以教育大数据作为人工智能的“燃料”），这种策略存在一个问题：认为教育大数据和人工智能是按照时间线的单向联系，会制约评价的效果。事实上，两者的关系应是双向的，人工智能也扩展了教育大数据的数据源，并提供了更高层次的数据分析方法。当前，教育大数据的数据较集中，能够直接分析的数据并不多，且多集中于LMS中的日志或行为记录或良构设计的数据库中的记录，反映的教育问题并不全面。从“无感、自然”的常态化的大数据采集策略来看，学校中的语音和视频数据是另外两种更易于采集的教育大数据形式，其过滤、清洗和加工，将涉及到人工智能中的图像处理、语音识别与图像识别等关键技术。

人工智能应用于评价，在技术上的重要特征是多模态机器学习（Multimodal Machine Learning），为评价系统提供多模态数据处理能力，这将改变传统的基于单一通道/模态的数据处理方法。如，视觉信息通常用CNN处理，文本信息通常使用RNN处理，使用多维度数据对齐的方式（如Attention机制）就可以将视频和文本的信息融合在同一个时间轴上加以处理。由于在大多数场景中，多模态机器学习优于单模态机器学习，因此，可能获得更高的准确率，进而反映的评价信息也更为真实。

（四）人工智能支持下的校园安保

校园安全是信息化建设的传统领域，也是“智能+”校园的重要场景之一。但传统方法一般主要是通过架设摄像头进行长周期的循环监控，存在依赖人力、时效性差、容易产生疏漏等弊端。因此，亟待通过引入人脸识别等AI新技术来拓展人的能力，提高风险预防的精准性、预警的及时性和处置的科学性。具体的应用场景包括：校园重点出入口与区域管理、身份认证与预警、人流量密集场所风险识别与预警、学生安全管理、危险事件实时识别（如，校园欺凌、暴力、自杀等）、定点/定时考勤与监测等。目前AI校园安保采用的技术主要是人脸识别技术，将来也应该采用多模态的方法融入其它来源与类型的数据。

（五）人工智能支持下的心理健康护理与测评服务

心理健康是校园中的另一种安全问题。校园中专业心理咨询师的短缺、市场化中过高的咨询费用、资源分配不均、耻于寻求帮助、很难找到合适的专业咨询师等原因，都使得AI在心理健康评测和护理方面的需求存在迫切性。目前在Facebook上即有一款叫做Woebot的心理咨询机器人，使用AI创建类似人类的对话并为用户提供支持，每周都会进行200万次对话。这类的解决方案并不纯粹是AI技术，而是AI同心理科学的符合，如，Woebot就是基于认知行为疗法（CBT）设计的；已有一项小范围的调查，证实了与Woebot持续聊天两周，可以有效减轻抑郁症症状[19]。

在“智能+”校园中，除了可以采用虚拟的AI护理机器人，也可以部署具有亲和力的实体心理陪护机器人与学生进行交互，其中一种重要的选择就是情感机器人。它是基于“人工情感”理论设计，被赋予了人类式情感的机器人，能够表达、识别和理解喜乐哀怒等人类情感，主要依托情感计算（Affective Computing）、人工心理（Artificail Psychology）和感性工学（Kansei Engineering）等技术开发，具有较高的拟人度。另外，“人机协同”开展心理辅导等，也是发展方向。

（六）人工智能支持下的家校云沟通

家校共育也是人工智能应用的重要场景，其内在需求是解决传统学校和家庭沟通不通畅或不充分的问题，辅助学校和家庭端的沟通。沟通的主要目的包括传递信息、联络情感、反馈评价、完成家校共同任务等。同现有主要采用社交软件或公众号不同的是，人工智能支持下的云沟通应更具有人性化、智能化。目前，旨在同人工客服彼此互补、减低客服成本、提升客服回应速度的智能客服，在企业领域已有较成熟的应用案例，若能结合教育领域特征进行进一步定制，增加可视化界面与人机友好度，将有可能建立一套家校沟通的AI通道。

（七）人工智能支持下的适应性学习空间

随着人工智能等新媒体、新技术的发展，学习空间的定义、形态、结构与目标也在发生变化，其作为学校构成的基本单元，带动了学校整体的变化。美国高等教育信息化协会（EDUCAUSE）于2004年发布的一项“学习基础设施白皮书”已明确指出，学习空间不再像教室那样是为了满足“课堂”的需求，而是以促进“学习”为目的[20]。面向人工智能时代的学习空间具有更丰富的特征，除了应具备灵活性、人性化、开放性、智能性等特征之外，还将凸显包容性、层次性、多样性和协同性[21]。其中，“智能+”校园的学习空间同传统空间最大的差异，应是对自适应教育的支持，将传统的面向共性需求的空间，转换为面向个性化需求、能灵活支持适应性学习的空间。这种适应性应首先体现在物理空间上，Brand等人在其提出的“建筑物核心元素的层次模型”中，将建筑的物理空间分为地点（Site）、外观（Skin）、结构（Structure）、服务（Service）、空间规划（Space Plan）和陈设（Stuff）等六个层次[22]。考虑到地点是不易改变的层次，我们结合人工智能时代校园空间的共性特点，认为学习空间的适应性应包括图7所示的要素。

图7 “智能+”校园中面向适应性学习的学习空间模型

在上述模型中，针对人工智能教育应用的场景，我们将原有“建筑物核心要素层次模型”中的陈设（Stuff）更改为教育装备（Educational Equipment），并着重强调AI相关装备在其中的地位和作用。同时，考虑到适应性是一个系统工程，E、S1、S2、S3、S4 五个元素应是相互协同，彼此关联影响的，其中，教育装备的智能化直接决定了个性化服务的层次。

（八）人工智能支持下的认知工具

认知工具是指能帮助学习者完成对信息的收集、整理、处理、创造和表达等，而有效地进行思考和认知的操作工具，用以支持、引导和扩充学习者思想的过程[23]。一般认为，认知工具对促进学生的认知过程，培养学生的批判性思维和创造性思维有重要性作用。邢晓俊等人基于SOLO理论，将认知工具分为五大类，并初步解释了各类认知工具（见表2的前三列）[24]。但从表2中枚举的案例及其它的调研来看，尽管当前关于认知工具的重要性已达成共识，但在实践层面，认知工具（特别是契合具体认知目标的认知工具）仍然匮乏，一般较多地把传统工具或媒介设定为认知工具。这类方式易于获取，但也存在明显的不足：缺少对认知过程的追踪和评估。因此，我们认为，“智能+”校园应从认知类型的契合度、认知形式的适切度、认知过程的可追踪、认知结果的可评估等四个维度，设计和应用认知工具，通过让AI辅助认知目标的达成实现深度学习。

表2 认知工具及其新分类

由表2可见，“智能+”校园需要种类丰富的认知工具，这为人工智能教育应用提供了一个新的视角——基于小粒度开发认知工具APP。同时，我们也看到生物信息采集和学习分析几乎在所有的认知工具中都是需要的，显示了人工智能在这个领域可以被深度挖掘需求和研发。

四、从智慧校园迈向“智能+”新样态校园的建设策略

“智能+”校园是在《教育信息化2.0行动计划》的理念指引下，重新审视与反思智慧校园的校园信息化建设思维的系统化跃升。我们认为，生态策略、开放策略、基于数据的数字孪生策略，是建设“智能+”校园的三种重要可行的策略，能够解决“智能+”校园的生态构建、应用融合与数据贯通及场景连接与价值输出的问题。

（一）生态策略：构建教育信息化2.0时代的“智能+”校园建设生态圈

从教育信息化2.0对教育生态系统的诠释与要求来看，“智能+”校园建设应是一个系统工程，同时也是一个螺旋式的演化过程。为了快速响应业务需求的变化，适应技术的不断升级更替，延长系统寿命，降低生产成本，系统必须具有柔性的支撑架构，从而做到随需应变、快速构建和持续演化。我们认为，“智能+”校园既是人工智能技术和教育的深度融合，也是相关人力资源的高度复合，应从过往“建、用、评”分离进化到协同创设的共同体。为此，尝试建立了“智能+”校园的生态圈模型，如图8所示。

图8 教育信息化2.0时代的“智能+”校园开放服务生态圈模型

上述模型从教育服务的视角，解释了“智能+”校园生态系统的各要素如何体现生态系统服务功能。“智能+”校园的演化首先是由其开放、动态的特征决定的，信息系统有完整的输入和输出，关联因素有其内在的发展规律，同时受到社会环境、教育政策环境、物理环境及技术支撑环境的影响。具体而言，按照耦合的关系，应包含四个相互影响的生态要素：

1.建设共同体圈（C4）

生态化的系统必然要求建设模式及建设机制是开放和灵活的，协同开发也是其它领域互联网企业得以快速成长的重要原因。由于行业细分及专业门槛的限制，“智能+”校园的相关业务越来越难以由一家企业完成；整合人工智能建设的相关方，并建立筛选和淘汰机制，形成良性的、协同的建设生态圈，是推进“智能+”校园建设的重要保障。

2.人工智能微服务圈（C3）

为了整合来自“建设共同体圈”的多样化应用，从系统层面实现数据的互通和共享，有必要提供开放的服务能力。开放平台最重要的创新，即以微服务为主要粒度提供可重组、可共享、可迭代的服务。所谓微服务，就是将一个完整的应用从数据存储到业务逻辑开发垂直切分为多个不同的服务，每个服务都具有自己独立的生命周期和服务边界，可以独立部署、独立维护、独立扩展，服务与服务之间通过统一风格协议的API进行相互通信[25]。微服务圈即以微服务的形式，实现服务能力的松散耦合及对系统的柔性支持。在模型的运行轨道上表现为一系列经过认证的专项AI微服务，对应人工智能的八大应用场景，并和用户的场景视图实现连接。

3.个性化服务圈（C2）

将开放平台微服务圈的各项微服务进行场景化连接，形成适合师生的个性化服务能力。核心的应用层服务包括三类，即AI+教学云服务、AI+管理云服务、AI+沟通云服务。

4.学习共同体圈（C1）

从促进人的信息发展的角度看，“智能+”校园的最核心目标是通过个性化的服务，促进教学者、学习者、学习伙伴、管理者、家庭、公众，形成彼此促进、协同发展的学习共同体，彼此关联、动态平衡、无缝交互，从而推动信息、知识在共同体内部的充分流动和分享。

（二）开放策略：打造基于开放平台的AI基础平台

生态型的“智能+”校园离不开强大、灵活的AI基础平台的支持，其核心要解决AI数据的汇聚和AI技术的整合这两大问题，因此，作为更高阶的个性化服务支撑环境的AI基础平台，需要采用全新的平台架构。开放平台（Open Platform）是近年来崛起的创新型软件平台架构技术，其本质是一个Web服务平台，通过一组定义好的开放接口向外提供服务。开放平台负责接收应用提交的参数，根据参数执行相应的业务逻辑，并最终返回给应用；其也是一个高效的、简便的、易懂的服务端程序，只需提交一个URL，即可完成服务的访问[26]。

由于开放平台的诸多优势，其已成为当前互联网平台发展的重要趋势。例如，教育部学位与研究生教育研究中心采用分布式的服务化框架Dubbo，实现了一套研究生学位授予信息管理的开放平台[27]。早教机构Babycan，也提供了支持个性化早教功能的开放平台。基于公开可用的开放标准和能力开放体系，处于建设共同体生态圈的开发人员或供应商，可快速添加平台供应商未完成或未设想的功能，从而提升平台的服务能力。因此，基于开放平台打造“智能+”校园有以下具体策略：

1.开放的数据交互标准，解决AI数据的互联互通问题

开放平台的生命力与灵活性来源于其对开放标准的遵循。除了Open Social标准外，目前，面向教育领域可用的开放平台公有的标准和协议主要有OAuth（Open Authorization）协议，最新的 OAuth 2.0的标准协议草案于2010年5月初由IETF发布。同现有大多数标准的使用范围有限不同，OAuth 2.0是一种开放的协议，可为桌面、手机或web应用提供一种简单的、标准的方式，来访问需要用户授权的API服务。与以往授权方式不同的是，OAuth的授权不会使第三方触及到用户的帐号信息（如用户名与密码），即第三方无需使用用户的用户名与密码就可以申请获得该用户资源的授权，因此OAuth是安全的。目前，多平台登录一般是OAuth体系的协议。所有满足OAuth协议的智慧校园服务系统，均可以在无须更改代码与数据结构的情况下实现数据交换。

2.开放的开发框架，解决多样化AI技术的便捷接入问题

由于架构上的不同，目前，开放平台主要有Spring Cloud与Dubbo两类开发框架，这两类开发框架本身也是开放的，为来自不同建设主体的智慧校园服务系统的业务整合提供了前提条件。Spring Cloud是基于Spring Boot的一整套实现微服务的框架，它提供了微服务工具包，为开发者提供了在分布式系统的配置管理、服务发现、断路器、智能路由、微代理、控制总线等开发工具包。从开发角度上说，Dubbo常与Spring、Zookeeper结合，开放的架构为各类AI技术（主要是各类微服务和应用系统）的接入创设了条件。

3.灵活的“微服务”架构，解决复杂AI技术的迭代更新问题

“智能+”校园是一个动态、生成性的生态系统，且人工智能技术更新换代的频率较快，客观上对软件架构的迭代提出了较高的要求。目前，有两种典型的系统架构，一是巨石应用架构（Monolithic Architecture），采用集中的模块化方式组织系统和功能；二是基于平台化服务理念的微服务架构（Micro Service Architecture），采用微服务治理的方式组织松散耦合的系统。

由于“智能+”校园是从数字校园、智慧校园发展而来的，很多系统仍是对原有数字化校园系统直接升级的巨石系统，存在部署不灵活、稳定性不高、扩展性不够等诸多弊端。特别是巨石系统一般是封闭式架构，采用的是自有标准，容易形成数据孤岛，因此难以构筑“智能+”校园的生态。微服务架构是基于垂直切分的系统，将功能划分成更小的粒度服务，并且通过整套完整的服务治理规范以及标准化的通信协议，允许各服务间进行服务组合，满足系统的业务功能和服务管理需求[28]。微服务在服务组件化、服务围绕业务、轻量级通信机制、去中心化治理、去中心化数据设计、基础设施自动化等方面，有着明显的优势，因此，“智能+”校园架构上的进化路径，应是从巨石架构向微服务架构进化。

（三）基于数据的数字孪生策略，体现“智能+”校园的数据价值

步入教育信息化2.0时代，数据逐渐成为一种宝贵的资产，谁拥有了教育大数据，谁就拥有了“智能+”校园的未来。数据价值的体现需要通过“数据即服务”（Data as a Service，DaaS）来实现，其是指与数据相关的任何服务都能够发生在一个集中化的位置，如聚合、数据质量管理、数据清洗等，然后，再将数据提供给不同的系统和用户，而无需考虑这些数据来自于哪些数据源，DaaS将数据作为一种商品提供给任何有需求的组织或个人[29]。在DaaS的框架下，数据采集（Data Acquisition）可来自于任何数据源，如数据仓库、电子邮件、门户、第三方数据源等，因此，特别适合具备富媒体化、多源化、异构性等特征的教育场景，有助于形成多模态的教育大数据应用生态体系，这正是“智能+”校园的典型特征。

数字孪生（Digital Twin）是一种集成多物理、多尺度、多学科属性，具有实时同步、忠实映射、高保真度的特性，能够实现物理世界与信息世界交互与融合的技术手段[30]。建设“智能+”校园的重要目的之一就是借力新一代人工智能技术，实现学校的物理世界和信息世界的互联互通与智能化操作，进而实现智能交互。因此，在“智能+”校园的生态系统中，数字孪生是实现真正意义上的DaaS的重要途径。

五、未来展望与建议

在可预见的未来，“智能”仍将是教育信息化2.0实践场的热点与关键词，需要我们以指数思维（而不仅是线性思维）来看待其对教育变革与创新的影响。作为教育信息化2.0和下一代学习模式共同载体的“智能+”校园，也将伴随人工智能技术的发展和成熟，实现由“点”及“线”到“面”的演进。教育信息化2.0时代的学校样态，将呈现从当前的数字校园、智慧校园转向“智能+”新样态校园的新趋势。人工智能教育应用的量变，也将引发教育人工智能的质变，让教育全方位、系统地迈入人工智能的新时代。我们认为，实现转向需要着重做好以下几点：

第一，从国家层面设定“智能+”校园的标准。建立标准的目的是为了划清概念边界，找准建设主线和方向，防止再次出现智慧建设过程中那样的概念“泛化”问题，这就需要从“技术—社会—学校”三者辩证关系的系统观入手，重新审视当前学校发展的样态和未来的教育人工智能需求，进而进行顶层设计。考虑到人工智能技术的复杂性及相关应用的迭代演化，标准应兼顾灵活性与较长的生命周期。

第二，对应用场景进行具象化建模。教育的领域特征使“智能+”校园的应用场景不够清晰，容易导致重局部轻整体、重技术轻应用等多组矛盾，需要从育人目标及问题导向出发，对人工智能的应用场景进行建模，使“智能+”校园的落地更具可行性。

第三，以生态的智能系统支撑“智能+”教育系统的生态。“智能+”校园需要在技术智能与数据智能的基础上实现育人智能，客观上决定了其系统本身的复杂性。数据如何打通、应用如何协同等老问题，在教育信息化2.0时代依然存在，且由于系统规模与复杂性的增加，在人工智能引入后，问题有可能变得更为复杂。因此，需要以开放平台、微服务等具备生态灵活性的技术，来打造“智能+”校园的根平台。

我们尝试从人工智能与教育深度链接的角度建立“智能+”校园的基本框架，并对其应用场景进行了初步解析，虽然对找准人工智能教育在实践层面的主线有积极意义，但由于具有代表性的“智能+”校园在实践中尚未出现，作为理论层面上的“智能+”校园论述也处在起步阶段，尚不成熟。因此，今后需要在理论建构上进一步加强，特别是要从学习科学、人工智能、教育学等跨学科融合的角度找准“智能+”校园相关理论和实践范式的逻辑起点；也希望能够引起国内外相关研究者与实践者的关注和重视，共同完成“智能+”校园这一跨领域问题的完整拼图。