新时代人工智能教育理论的应用对策研究

钟彩，潘梅森，蒋毅，肖桂霞

摘要：新时代人工智能教育理论的应用对策研究，首先需要客观分析人工智能在教育中的应用优势，其次结合教育情况认清教育风险，最后完善应用方案。目的在于加大对人工智能教育理论的推广，为智能教育的实现奠定基础。

关键词：人工智能教育;模式创新;教育风险;数据管理

中图分类号：TP393      文献标识码：A

文章编号：1009-3044（2021）21-0009-02

开放科学（资源服务）标识码（OSID）：

新时代人工智能教育理论的应用，是对教育模式的创新与发展。科学技术发展背景下，人工智能的应用研究，以人智慧为核心进行延伸与扩展，人工智能属于技术科學类型，在教育中应用人工智能，为教育资源的丰富与教学模式的创新提供了帮助，同时不断增加教育优势。我国在人工智能教育理论应用方面非常重视，国务院就人工智能未来发展提出《新一代人工智能发展规划》，并将其与教育充分结合，打造智能教育模式，为智能社会建设寻找更适合的教育契入点，采取智能技术进行人才教育培训，积极改革传统教育方法，完善在线教育培训平台，制定更完善的教育规划，坚持做到教育发展与时俱进，拓宽教育培训道路。

1 人工智能在教育应用中的优势分析

人工智能教育理论的应用，是教育智能化发展的技术支撑。尤其是现代化教育模式创新，人工智能技术为其提供更多教育内容与理念，并且教育优势逐渐凸显。人工智能教育理论实际应用期间，在很多方面为教育提供更便捷的教育工具，并且准确详细地展现出知识讲解思维方式。以数字化形式将教育理论的动态特性充分展现，为教师与学生提供更多交流与知识互动的机会，打破传统教育模式的限制。在教育与人工智能的相互合作、协调下，挖掘更多教育潜力，拓展教育指导与培训领域。

1.1 人工智能为学生学习创造更多有利条件

人工智能教育理论的应用，为学生学习创造了更多有利条件，尤其是互联网时代，智能设备成为生活必备物品，如智能手机、平板、电脑等。人工智能教育理论下，积极开展线上教育，以各种App形式进行为学生创造学习条件。学生可以根据自己的学习需要选择复习或者需要学习的内容，并学习时间更自由，提高学生学习时间的安排效率，并真正做到随时随地学习。学生根据学习情况认识到自身的不足，及时向教师请教。在此基础上人工智能还积极开展个性化教育，学生有更多学习选择权。人工智能教育模式下，结合学生知识掌握情况，学生关心的内容等灵活调整学习主题，针对学生弱项进行加强，针对学生强项进行巩固等[1]。综合分析学生的学习资料与测试情况，针对性地制定学习方案，帮助学生实现全面性进步。

1.2 人工智能帮助教师更好地了解学生

人工智能教育理论的应用，及时对学生学习情况进行统计，根据学生日常测试以及经常查询的问题等，及时发现学生在学习中的弱项，并为教师提出指导性建议，帮助学生更全面、详细地了解学生。应用程序在进行学生学习统计与指导过程中，教师可以积极参与其中，及时与学生沟通交流，帮助学生制订学习计划。

2 新时代人工智能教育理论的应用风险

2.1 伦理安全问题

人工智能技术如同达摩克利斯之剑，为人们提供便捷性的同时，也形成了复杂的安全伦理问题。如数据鸿沟、数据泄漏等。科学技术的发展在一定程度上推送了应用伦理学的完善，而人工智能发展所形成的威力是传统核物理的几十倍，受客观因素影响，人工智能技术伦理对于人工智能教育的涉及相对较少[2]。当前人们虽然极为重视人工智能教育的伦理问题，但具有实际性的活动相对较少，开展人工智能教育时经常出现各种问题。如以大数据为基础的人工智能运行期间有着较强的无序性，企业的数据安全也没有较强的约束，对学生的隐私信息缺少尊重性。数据伦理在人工智能伦理中有着重要的地位，实际操作与意识是人工智能伦理教育中需要重视的两个方面，需结合实际情况制定合理的价值导向与价值观，还应主动完善人工智能教育标准，由学校统一进行伦理教育，并以此为基础创建人工智能教育制度，制定制度与严抓教育是真正解决伦理安全问题的主要方法。

2.2 人才与行业发展不匹配

科学技术的不断进步为人工智能教育的发展提供了有力的支撑。当前人工智能教育正处于快速发展的阶段，行业即是产品与人工智能的供应者，也是利用教育信息化实现教育现代化的设计者，更是实现长期应用与策源地创新的支持者。我国一些地位为了更好地解决技术性问题，通常根据实际情况与企业合作，创建教育平台，搭建教育系统。如建立教育评估中心、教育监督中心、质量检测中心、数据中心，保证市、县、校、班、生之间具有良好的贯通性，同时学生、学校与区域的发展也具有联动性。这些都表示企业在人工智能教育中有着极重要的地位与作用。但具有丰富教学经验与人工智能技术的复合型人才以及教育建模人才相对较少，这也是企业面临的主要问题[3]。我国近几年虽然制定了相应制度，学校也开设了人工智能专业，但实现批量产出还需要时间，同时培养人工智能教育人才的专业方案数量也相对较少，这在一定程度上阻碍了人工智能教育的发展。

2.3 数据分析模型缺少科学性

人工智能教育的应用基础就是数据建模分析，以数据的可能性为基础进行数据建模，通过用脑、教育学以及学习等，确保数据分析模型逐渐成形，接着就可利用算法实现数据分析。选择的数据主要由数据分析模型决定，怎样利用数据判别价值对数据分析结果有着极为重要的意义。数据范式正处于新兴发展阶段，需较强的综合创新水平。企业是人工智能教育应用服务的基础，虽然其拥有大量经验丰富的人工智能人才与计算机人才，但教育信息化能力仍有待提升，教育数据建模人才也相对较少，这就导致数据建模仍不完善，应用展示的成果虽较为优秀，但建模却缺少科学性[4]。