基于互联网+人工智能的个性化学习创新与探索

2018-10-31浦慧忠

智能计算机与应用 2018年6期

浦慧忠

(无锡城市职业技术学院，江苏无锡 214153)

引言

近年来，人工智能(AI)技术的影响范围正日趋广泛，这也为农业、医疗、教育等行业提供了新的发展机遇。人工智能本身就是一个模拟人类能力和智慧行为的跨领域学科[1]，其中涉及到计算机科学、控制论、信息论、神经生理学、语言学、心理学等多个学科门类；同样，学习科学也是一个跨领域学科，旨在重点关注学习如何发生以及如何获得高效率学习等研究课题，其学术背景即是依托于教育学、心理学、语言学、社会学等多个学科门类[2]。

教育人工智能(EAI)是将人工智能与学习科学相结合而形成的一个新的研究方向[1]。教育人工智能要强势助推自适应学习环境的尽快创建，从而在教育中实现高效、灵活及个性化的使用人工智能工具[1]和“使用精确的计算和清晰的形式表示教育学、心理学和社会学中含糊不清的知识”[1，3]等学科目标。人工智能关键技术的深度探索，也必将推进教育人工智能的进一步发展与成熟。

1 国内外研究现状及趋势

人工智能专家普遍认为，深度学习是最接近人类大脑活动的一种机器学习方式，这种机器学习的方式可能给各种社会研究实践带来重大影响与变化。人工智能在近年来取得了一些突破性进展，其源动力就在于深度学习。美国有一个著名的麦肯锡咨询报告。报告中对社会上各种各样的人类活动做了深入分析，由此而得出如下结论：到2030年，45%的人类活动都可以被人工智能所替代。而且不仅限于低级活动，还包括一些高层的企业决策，据称20%将能够为人工智能所替代。

人工智能从“能听会说”升级为“能理解、会思考”，因而目前已经成为业界瞩目的一个技术制高点，各国都在制定或启动相关的计划或项目，如华盛顿大学图灵中心、东京大学等都在研发先进的考试机器人，国内则有诸如科大讯飞牵头承办的国家“十二五”863计划信息技术领域“基于大数据的类人智能关键技术与系统”项目，研究相关类脑计算关键技术和类人答题系统。该项目的目标是2020年机器人能够参加高考并能够达到“本一”的水平。

2 人工智能时代的教、考、学

在人工智能带来效率高度提升的情况下，试想若能将互联网和人工智能叠加起来，就必将给教育带来颠覆性的重大变化。由于人工智能高度依赖于数据，经过分析可知，能否获得数据即已成为实现教育大数据的基础和前提。数据的来源一般有2种途径。一方面是重新构造一个数字化教学的环境，所有教学、学习的行为都被数字化，由此形成数据；另一方面是将已经存在的大量信息加以数字化，进而将其数据化，这也是形成数据最重要的过程。

得到了数据之后，为使其能够支撑学习，就需要全方位地深入分析当前研究视野下的教学活动。人工智能提升教学活动的前提之一就是把教学活动结构化。接下来，教师的教学行为是否可以被结构化，比如教师教学决策过程中的某些环节，一些关键性的工作量繁重的工作，如批改作业和试卷行为等。能否合理利用这些数据，还将取决于在研究中设计匹配上优良的教学评价方式。具体研究内容可分述如下。

2.1 教

一个优秀的智慧教学系统需要具备3个方面，可表述为：必须有海量优质资源；教学环节更容易形成师生、生生之间、甚至教师和家庭之间的互动；能否对学生急欲了解的问题进行精准讲解。对此可展开研究论述如下。

2.1.1 海量优质资源

资源获取渠道有3个。首先，是现有各门课程平时所累积的各种资源，当下的多门课程均已形成了从资源产生到使用的良性循环；其次，是制作精美、设计精良的各种数字化、多媒体互动的精品资源，主要由专业教育机构开发推出；第三，是试题库。综上这3种资源即可为教学提供强大的后台保障，教师授课时的资源智能推送也将不再成为困扰性难题。

2.1.2 构建学校和课堂师生教学活动所依赖的数字化环境

必须形成一种从云端到班级网端、再到师生使用的移动终端三位一体的交互方式，研究后可得阐释解析如下。

(1)未来，教师授课要从曾经的固定式讲台转变为移动式讲台，把班级的讲解活动融入进一个立体、生动的数字化环境中。各种投影仪、电子白板等设备成功对接以后，教师仅需按动一个指令键就可以启动投屏，教师手持一个简单的移动设备即可置身于学生中间。

(2)在班级加配一个微云服务器，搭建有助于师生互动以及学生之间互动的良好环境。教师借助手上的终端设备就可灵活调用云端丰富、大量的各种教学课件、题库资源和精彩的讲解视频。

(3)微课录制。教师授课时是各类资源的集结地。当教师在讲解一个知识点时，所有的学生不可能都会当场领悟，教师可以随时将一些知识点和题目的讲解录制成微课上传到云端，学生于课下随时聆听学习，从而增强对课程知识的理解与感悟。

2.1.3 对学生学习效果的准确反馈

在数字化环境中还将具有对师生行为的实时数据采集和个性分析功能。比如可以通过数据驱动的方式使教师精准把握课堂上学生的某些行为、考试中的一些知识难点。又比如当学生考试过后，在大数据的有效支撑下，教师可以得到一份报告，考试中的精彩学生答题可以直观呈现在课堂的大屏幕上，同时还可就大部分学生都容易出错的一些题目进行有针对性的讲解。

2.2 考

阅卷过程的数据化与自动化。将教师从简单重复的阅卷工作中解放出来，同时实现对考试数据的采集。考试形式也不仅限于笔试，可以增加类似口语对话的形式。口语考试的最终目的是以测促学，通过考试的引导学生再转入学习中，其目的性也会更加明确与清晰。在传统模式中，口语学习在课堂的设置上一直以来都颇具难度。因为这必然涉及到一对一的教学。在课堂中引入了人工智能，就可以进行人机对话仿真训练，指出学生当下存在的问题，通过以测促学帮助学生找到快速提升自身实力的学习捷径。

当然，传统的执笔阅卷面对的还是频繁大量的考试，机器在一定程度上已经解决了这个问题，通过对试卷的自动扫描，然后采用认知智能技术对试卷的自动评阅已经基本达到了可用的程度。目前的统计数据表明，扫描阅卷对于字符集的准确度可以达到96%以上。执笔阅卷技术在考试领域已经完全可以通过扫描、再去识别的形式来完成。而且毋庸置疑，其整体的评测速度或效率均已超越了人工。

2.3 学

从数字化时代进入到数据时代。计算机上曾经存储的很多数字化信息，如口语信息、试卷扫描信息等均是计算机难以识别和分析的，而在设计中若可通过模式识别、感知智能技术处理，将其转换为计算机能够识别的字符，利用计算机就能够对其做出客观评价。而在将作业、课堂行为、考试成绩等所有这些数据全部辅以汇总整合后，此后所得结果就能够综合表征一个人的学习行为。

每一次考试后生成一个即时评价报告来帮助学生做出分析，除去告知学生哪对哪错、对错的原因外，还可以通过知识图谱提示学生该问题暴露出该生在哪部分知识点存在着欠缺与不足，在此基础上还可以适宜推送与其相关的各类学习素材。

数据支撑的个性化学习不仅仅只是局限于分数。在不久的将来，通过数据支撑技术，由此衍生的人工智能会给家长和学生提供良好的高考服务，以备后期家长和学生在填报高考志愿时面对的专业遴选问题。因为在日常的学习过程中，人工智能会引导学生去回复一些开拓思路类问题，长期累积下来，在必要时计算机就可以给出一些在准确性上也许丝毫都不会逊色于家长判断的辅助参考性建议。

3 教育人工智能(EAI)研究中关键问题探析

3.1 教师与人工智能系统的协同机制

研究表明，当人脑与人工智能技术相结合的时候，往往能够取得更好的工作效果。例如，一项医学研究发现，当通过照片判断淋巴中是否存在癌细胞时，如果仅使用人工智能技术的错误率为7.5%，而如果只由医疗专家来判断的错误率为3.5%，但如果能将两者结合起来，错误率将可以整体下降至0.5%[4]。而将其拓展至教育领域，将人工智能教学系统与教师面授相结合，使教师与人工智能系统之间相辅相成、互为补益，以最大限度地发挥两者的协作优势，共同为学生提供更为个性化的、更加有效的教学体验，迄今为止就已然成为当前教育人工智能亟待深度探讨与思考的研究问题之一。

3.2 人工智能人才的培养与储备

人工智能的发展，追根溯源还需依靠专业人才的培养。有资料显示，目前人工智能领域人才处于明显缺乏状态，而这种状况还有继续扩大的趋势[4]，高校、企业之间人才争夺已经拉开帷幕[5]。“领英”数据分析进一步发现，美国拥有10年以上经验的人工智能人才比例接近50% ，而国内在此方面却只有25%。总体而言，国内人工智能专业人才总量较美国和欧洲发达国家来说还较少，10年以上资深人才尤其短缺。因此，应尽快了解国内人工智能领域的人才状况，着手建立人才数据库，并根据社会发展需要加大人工智能人才的培养力度。

3.3 教育人工智能的伦理、社会及安全问题

在图像识别技术上，一般情况下考虑对当事人隐私或者某些信息的保护，电视和网络会将文字或脸部执行像素化操作。但随着人工智能的发展，这种保护隐私的方法已经不再可靠。研究发现，神经网络只要通过主流的机器学习方法进行训练，就能够识别图像中的隐藏信息。在某些数据库和隐私技术上，神经网络的成功率已经直追 80%，甚至更高。在像素化图像方面，随着图片模糊程度增加，神经网络的成功率会降低，但仍然能够达到50%～75%的数值[6]，具体则如图1所示。研究需强调的是，伦理道德和安全保障是教育人工智能必须面对的挑战之一。为此，一方面应将伦理道德教育纳入人工智能课程中，树立伦理道德意识；另一方面，还应加强人工智能教育应用的监管，制定与发布安全应用相关的规定，运用区块链等技术保护使用者的隐私和权益，推动教育人工智能朝着良性的方向积极、快速的发展。