人工智能与教育融合发展问题的思考及建议

2020-07-16熊媛盛群力

教学与管理(理论版) 2020年5期

熊媛盛群力

摘要人工智能与教育融合发展，对教育教学方式的变革起着至关重要的作用。首先，以人工智能+教育作为关键词搜索教育学CSSCI源刊文献数据并分析后发现，人工智能在教育中的研究和应用正处于加速发展态势;其次，根据学习方式分类学，提出了关于人工智能+教育融合发展历程的四个分类阶段，即被动融合、主动融合、建构融合和交互融合，并且认为目前人工智能+教育仍处于第二个阶段（主动融合阶段）;最后，根据人工智能与教育融合现状，提出了加速人工智能+教育融合进程、加强人工智能素质和两类人才培养力度的建议。

关键词人工智能与教育 AI 思考与建议学习方式分类学

人工智能作为高科技前沿的代表，正快速地“渗透”到生活的各个角落。政府工作报告已将人工智能应用和研究列入发展规划。教育部印发了《高等学校人工智能创新行动计划》，人工智能+教育正式进入大发展的“新时代”。因此，在教育研究领域应当加大人工智能与教育相结合的研究力度，利用人工智能技术改革现有教育模式和教学方法，将人工智能纳入到课堂教学之中，推动人工智能在各类教育中的普及。通过对1970年以来中国知网（CNKI）“人工智能”的关注度指数分析可知，截止至2018年第一季度，各行业对人工智能的关注度逐年上升，特别是自2014年以来，关注度大幅上升且有不断加速的趋势。

一、相关文献分析

为了研究人工智能+教育的现状及未来，本文利用自1982年至2018年第一季度止的CSSCI教育学类37种源刊数据作为研究样本对象，利用CNKI搜索人工智能+教育关键词获得了245篇相关论文。然后，运用CNKI统计工具获取了关键词共现网络图、关键词聚类网络图、研究层次分布图和学科分布图等数据分析图，并对这些图进行如下数据分析。

1.研究持续升温

通过利用CNKI的统计工具，获取词频大于5的关键词共现网络图三张，从2016至2018年（2018年为第一季度数据）每年一张。通过对这些图分析后发现，2016年图中“人工智能”节点为灰色，这说明该年中没有词频大于5的人工智能+教育文献出现;2017年图中“人工智能”节点有8篇关于人工智能+教育文獻出现;2018年第一季度图中“人工智能”节点有14篇关于人工智能+教育文献出现。同时发现，2018年第一季度的文献数量就已经达到2017全年文献数量的175%。因此，可以预测自2018年起有关人工智能+教育的研究将呈现爆发式增长的趋势，人工智能+教育的研究正处于一个历史的拐点。

2.研究加速融合

通过对关键词聚类网络图分析可知，人工智能和学习是两个重要的关键词，而围绕在“人工智能”节点周围的关键词节点有：大数据、学习分析、虚拟现实、智慧教育、远程教育、教育技术、教育信息化、个性化学习、知识工程以及教学设计等等。这些关键词以人工智能为核心呈扩散的态式，并且均与学习和教育相关。这些关联性进一步说明了人工智能+教育研究的广泛性和多样性。而对于以“学习”节点为中心的区域，是一块传统教育理念的聚积区，它包含：创新、教学、学习科学以及教育等关键词。两块区域联结于教育和创新，这表明许多研究者正在将人工智能融入教育并创新教育方式来改革传统的教育理念。然而，通过对图的连接线分析发现，学习节点与教育节点之间连接线很粗，说明人们渴望通过教育来学习所需要的知识，而教育与人工智能的连接线很细，说明人工智能与教育相距较远，两者的融合度不高，还需要人们不断地努力，提升人工智能与教育的融合度。

3.研究不断拓展

通过对研究层次分布图分析可知，文献中从事人工智能+教育社科类相关的基础研究占很大的比重，达到总文献数的76.86%。这些文献发表的时间大多集中在人工智能教育1.0期间和之前，当时人工智能还只是初步应用，达不到深度融合，因此基础理论研究较多也在情理之中。这方面的研究涵盖了高等教育、中等教育和基础教育的内容，其中高等教育的比重较之其他两类教育达到80.56%，这一原因主要在于从事相关研究的学者大多为高等院校的学者，他们熟悉高等教育，而且也是高等教育适应经济社会发展的迫切要求。在人工智能+教育的应用研究方面，还仅仅是初步的试探性应用研究，未出现暴发式的增长，这当然与人工智能技术相对不成熟、与教育结合的技术可能性较低等因素有关。

二、应用研究状况

目前，人工智能+教育的应用主要分布在智能教学、智能评测、教育类智能游戏和教育类智能机器人等几个方面。这些应用以大数据和云计算等技术为支撑，利用语音识别、自然语言处理、计算机视觉和情感计算等关键技术为人工智能+教育应用实现的基础[1]。下面将基于以上文献来阐述人工智能+教育在这几个方面的研究进展。

1.智能教学系统

智能教学系统应该是一种能够全面承担人类教师职责的教学系统（见图1）。余胜泉认为人工智能教师应该是具有全面智能素质的智能教学系统[2]。刘凯等人认为利用人工智能+教育可以突破人的教与学之局限性[3]。叶海智等人认为将3D手势应用于教学中能有效提升学生的学习兴趣和对复杂知识的理解[4]。郝兆杰等人将人工智能应用于翻转课堂的教学[5]。科大讯飞的吴晓如等人倡导个性化教育的推广，该公司专注于个性化教育产品的开发与应用[6]。

2.自动化测评系统

刘勇等人介绍了人工智能之深度学习技术应用于教育教学的学情追踪、阅卷、助教及外语辅导等方面的案例[7]。科大讯飞的汪张龙等人介绍了该公司开发的智能网上评卷系统[8]。牟智佳等人阐述了以教育大数据为基础的个性化学习结果预测框架[9]。自动化测评系统使教师从繁重的阅卷工作中解放出来，专注于教学工作，从而有效地提升教学质量（见图2）。

3.教育游戏

祝士明等人认为教育游戏能提高学生的自主学习积极性，从而激发学生的学习兴趣和效果[10]。李敏建议基于当前学历体制下游戏与学习的关系应该要考虑两者之间的平衡与冲突[11]。当前，游戏化学习的理念已形成共识，特别是随着人工智能技术的发展，将人工智能技术融入游戏化学习的各个阶段是教育游戏发展的趋势（见图3），但是真正成功的教育游戏仍然是凤毛鳞角。

4.教育机器人

李志河等人阐述了陪练机器人在音乐教育中的应用，探讨了促进人工智能+教育的深度融合的话题[12]。唐仕喜介绍了智能机器人应用于教育图像的搜索[13]。方海光等人介绍了基于区块链的面向中小学生的智慧学习机器人[14]。陆文虎等人呼吁通过机器人制作竞赛的方式来普及机器人相关知识和促进机器人产业的发展[15]。王益等人思考了教育机器人资源网站的建设，为开发实用的教育机器人打下坚实的数据基础[16]。

5.智能教育开发工具

Tensorflow是谷歌开发的人工智能工具软件，可用于教育应用的开发[17]。目前最为流行的工具是Tensorflow和Caffe，本土工具有百度的Paddle Paddle。人工智能教育应用需要多种技术来实现，但是其核心技术在于人工智能算法，而算法的实现需要人工智能工具包，因此，了解各类人工智能开发工具也是非常重要的。本文建议使用百度工具包，它具有良好的性能，支持国产AI软件，也是支持提升我国AI国际地位的一种体现。

三、发展历程

人类是真正智能体，机器只是学习并试图具有类似人的智能。如果机器需要一个学习和进化过程才可能具有类似人的智能，那么对于机器智能（人工智能）的分类完全可以利用教育心理学的理论——学习方式分类学[18]，将人工智能+教育的发展历程归纳分类为以下四个阶段。

1.被动融合

被动学习在教育心理学上主要是指对相关信息予以被动关注等心理活动。韩光迪在1986年阐述了当时校方对计算机进入学校教育的被动接受态度[19]。现在看来，计算机融入学校教育是势不可挡的，由于当时的人工智能技术尚处于萌芽阶段，人工智能与教育的融合是很初级，是被动融合阶段的开始。从文献发表时间的角度来看，经过不到7年的发展过程，1993年柴志浦介绍了人们对计算机与教育之融合的新思考，标志着人工智能与教育的被动融合阶段结束，即将进行入新的阶段——主动整合阶段[20]。

2.主动融合

主动学习在教育心理学上表示主动参与信息学习和接收的过程。1993年宋云娴[21]介绍了人工智能与CAD相结合开发的模拟电子线路相关课程的教学系统[21]。基于本文所研究文献，可以认为这是主动融合阶段的开端。2000年蒋碧波等人提出建立影音及文本知识库供学生课外学习的想法[22]（现在已经成为现实，如慕课等）。2008年李鸣华介绍了利用虚拟现实技术与人工智能创建的虚拟教室系统[23]。2017年唐烨伟等人提出了基于人工智能+教育的STEM跨学科融合模式，该模式是基于主动方式来促进STEM跨学科之间的融合[24]。因此，是主动融合方式。由于教育所涉内容很广，主动融合阶段将会是一个长期的过程。

3.建构融合

建构学习指学习现有材料过程中实现超越并产生新知识。大数据、计算能力的提升和良好的人工智能算法成就了今天的人工智能及其应用。然而，当前人工智能是基于某种特定的场景，受条件限制的人工智能，人工智能的目标仅仅是依照一定的预设来行动，没有灵活性，只能照章办事，不能产生新知识。人们需要的是具有理解能力的人工智能。而具有理解力的人工智能必须建立在人工智能具有常识的基础之上。因此，人工智能+教育的建构融合阶段还需要一个漫长的时间才能实现。

4.交互融合

交互学习指两个及以上学习个体相互协同，在不同学习者之间展开激活思想、启发思路和补充不足等建构性学习活动。只有将感性知识的世界统一起来，进入建构融合阶段，人工智能具有理解和思维判断能力后，人工智能才真正进入交互融合阶段。日前，将数据（符号向量）和行为（特征向量）融合几乎不可能，因此，机器无法变得更智能。在人工智能+教育的路上，现在走得并不遠，还在出发点附近，但是人工智能+教育永远在路上，这也许正是其魅力之所在。

四、思考与建议

拥有大量人工智能素养人才是把握人工智能新时代脉搏的关键，因此，本文提出以下几个方面的思考和建议。

1.加速融合进程

充分利用现有人工智能技术，深度开发智能导学系统，提升人工智能辅助教学的融入度，挖掘学生学习数据推广自适应学习和自动测评。继续深度融入人工智能技术推进个性化学习的网络平台建设。利用虚拟现实、增强现实以及混合现实，建立沉浸式人工智能学习环境。将教育信息化向教育智能信息化提升。近一两年以来，随着信息识别与获取等人工智能技术的创新发展，人工智能已从1.0时代——只有小众精英群体应用和了解，过渡到2.0 时代——各行各业大量的应用。图4展示了人工智能2.0时代新型智能教学系统的构建与运行模型。该模型新增了智能信息感知与识别引擎，这些引擎不仅能捕捉、识别相关的人体数据及媒体信息，还能智能推理和决策，同时还能给用户反馈信息。该例子说明，随着人工智能技术的发展，人工智能+教育的融合力度得到了进一步的加强。

2.加强人工智能素质培养力度

人工智能素质是指熟悉各类人工智能应用资源，并且能高效利用其来分析和解决问题的能力。人类必须从繁重的记忆活动中解脱出来，利用人工智能技术搜索知识，加强人工智能素质和卓越分析能力的培养。人类是基于人工智能的记忆和搜索获取信息来进行更高层次的分析，因此人类应该具备高于智能机器的分析能力。通过岗前培训和职后培训来提升教师的人工智能素质。

3.加强两类人才培养力度

在人工智能情境下，应该厘清具有人工智能的机器和人类之间的关系，也就是说，机器可以代替人类做些什么。人工智能时代也是一次伟大的工业革命，机器能做的，人类不要与之争抢，人类应该做机器不能做和不擅长做的事。教育应该培养控制机器（如软硬件工程师等）和机器无法介入（如创新和创造力等，这些能力是基于对人工智能产生的智能分析结果的综合创新和创造力）两类领域的人才，对这两类人才的培养要有近期和长期的规划。

总之，人工智能必然会与未来教育逐步深度融合，不断融合的结果必然逐步呈现给人们：以人为本、多样性和自适应的教育，以创新探索为主题的教育，平等享有优质教育资源的教育，强调终身学习和快乐学习的教育，开放式和多维度的教育，智能化和网络化的教育。同时，教育反哺人工智能的发展，二者融合发展，是相互促进的关系。

参考文献

[1] 梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018（03）.

[2] 余胜泉.人工智能教师的未来角色[J].开放教育研究，2018（01）.

[3] 刘凯，胡祥恩，王培.机器也需教育？论通用人工智能与教育学的革新[J].开放教育研究，2018（01）.

[4] 叶海智，刘骏飞，王春丽，等.3D手势计算支持的教学应用研究[J].远程教育杂志，2017（01）.

[5] 郝兆杰，潘林.高校教师翻转课堂教学胜任力模型构建研究——兼及“人工智能+”背景下的教学新思考[J].远程教育杂志，2017（06）.

[6] 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（02）.

[7] 刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017（05）.

[8] 汪张龙，徐俊，李晓臻，等.纸笔考试智能网上评卷系统的设计和应用——智能教育应用之“考试评价”篇[J].现代教育技术，2018（03）.

[9] 牟智佳，武法提.教育大數据背景下学习结果预测研究的内容解析与设计取向[J].中国电化教育，2017（07）.

[10] 祝士明，王田.游戏化学习环境下的教与学[J].现代教育技术，2017194（06）.