人工智能视域下开放大学个性化教育的实践路径

苏子 苏晨

（1.厦门城市职业学院，福建厦门，361008；2.福建省龙岩市永定区坎市中学，福建龙岩，364105）

《教育信息化2.0行动计划》指出要“站在新的历史起点，将教育信息化作为教育系统性变革的内生力量，推动教育理念更新、模式变革、体系重构”[1]。作为与信息技术高度融合的新型大学，大数据技术、人工智能、移动互联网、云计算、物联网等信息技术的发展深刻影响了开放大学的人才培养与教育形态。信息技术2.0时代，各类技术应用变革了开放大学的教学模式，重构了开放教育的教学生态，使“因材施教”的个性化教育得以有希望真正实现。笔者拟从人工智能技术支持开放教育这一视角，对开放大学个性化教育的模式构建与实施策略进行探讨。

一、开放大学与个性化教育

开放大学的学习群体具有很强的个性化学习需求。一是学习动机个性化。张仕华(2016)的调查统计中发现开放大学学生选择开放教育的学习动机分化明显：35.8%的学生基于获取求职或职务提升所需学历文凭的目的；12.5%的学生基于更新知识体系、提升自身素质的目的；17.8%的学生基于提升在他人心中认同度的目的；9.7%的学生基于家人或亲朋期望与压力的目的[2]。开放大学学生差异化的学习动机导致其对学习内容的需求不同，学习热情与学习参与度也不尽相同。二是学习方案需求个性化。传统的学历教育是全日制教学设置，学生在学校安排的学制内，接受统一、预定的教学活动，完成学习全过程。选择开放教育而非传统学历教育的学生，通常存在一些经济上、时间上或者身体上的困难，难以接受所有学生整齐划一的学习活动安排（德国奥尔登堡大学开放教育研究中心COER团队，2021）[3]。因此，开放大学学生对整体学习周期以及具体的教学活动时间安排等教学方案的需求都更加个性化。三是学习参与路径需求个性化。开放大学学生的教育背景、年龄分布、从业所属领域、岗位级别等特征存在极大不同，导致学生学习能力、知识结构、学习习惯均有极大差异。为了更好地以学生为本，尊重学生个性特征，挖掘学生发展潜力，提供多样路径的个性化教育才能更好地满足开放大学学生的学习需求。

个性化学习需求的满足亟需人工智能技术赋能。传统教学活动受教学成本约束与教学技术手段的局限，通常对批量的受教者提供规模化的教育服务。传统教育环境中“计算机+投影”式的教学活动，主要基于学生整体进行教学设计与教育支持，在教学资源、师资力量、教学模式等方面都难以支持个性化教学。人工智能技术作为一种新型生产力，与引擎推荐技术、深度学习、语音识别、情感计算、图像识别等技术结合，在教育活动中逐步推广应用。随着人工智能等信息技术与教育教学的深度融合，这些技术不断对教育赋能，增强了教育教学力量，提高了教学环境的智慧，使教育从规模化走向个性化成为现实（褚宏启等，2019）[4]。

开放大学作为一所新型高等学校，是没有围墙的大学，现代信息技术是开放大学教学活动开展的重要支撑条件（杨志坚，2013）[5]。开放大学的教学活动要与信息技术深度融合，引领教育改革的潮流。开放大学学生与教师之间基本处于准分离状态，在线学习是开放大学学生的主要学习方式。在线学习的学习方式，为人工智能技术在开放大学教学模式改进、教学流程重构及教学过程监测等方面的综合应用提供了必要条件，使开放大学利用人工智能技术推进个性化教育的理想有望实现。

二、影响个性化教育的人工智能关键技术

人工智能技术作为模拟与延伸人类智能的计算机科学分支，目前正处于迅速发展阶段，而且引发各个行业链式变革。人工智能技术与教育的融合为智慧教学活动开展提供了有力支持，促进教育质量提升。支持个性化学习的人工智能关键技术主要有三类：用于构建学习者画像的智能技术、建构学科知识图谱的智能技术、进行个性化学习干预的智能技术（苏子，2021）[6]。

（一）准确构建学习者画像的智能技术

学习者画像是用户画像的一种特殊形态，主要用于描述学习者的学科知识、认知能力、学科素养、学习风格以及情感状态等方面的个性特征，从而发现学习者的个性化学习规律。准确刻画出学生的个体画像，是对学生开展个性化支持服务的前提与基础。

学习者画像模型的构建一般包括三个环节：学习行为数据获取、学习行为数据分析、用户标签抽取及用户画像生成（王颖，2018）[7]。其中学习行为数据获取环节，需要能支持学生学习过程交互的语音识别、图像识别等人工智能技术的支持，这些技术有助于判断学习者身份，识别学习内容，促进学生与计算机教师之间的人机便捷交互。学习行为数据分析环节，需要有情感计算技术、智能视频分析与追踪技术等智能技术支持，这些技术可以对学生学习过程的心理状态、学习积极性进行分析，以实现学习系统对学生的动态支持。学习者画像生成环节，需要深度学习、大脑神经卷积等智能技术支持，基于学生与智能教育系统之间实时交互的信息及学习状态个性特征变化分析数据，建立“学习者动态模型”（何克抗，2017）[8]。

（二）建构各类学科“知识图谱”的智能技术

在人工智能技术支持的开放教育个性化教学中，人工智能机器人作为教师团队的新力量，与人类教师共同参与教与学的全过程。构建一套机器有能力快速认知与识别的教学资源体系，是“机器人教师”充分发挥作用的必要支撑条件。借助知识图谱、数据挖掘、深度学习等智能技术，建构面向学科教学与测试的语义化聚合的教学资源，有助于实现“人工智能教师”对各个学科门类的准确认知。

学科知识图谱的构建，需要利用聚焦爬虫技术在互联网系统抓取符合主题特征的教学资源网页，利用数据抽取技术进行内容抽取整理；利用知识图谱技术，基于不同学科的内在关联特性，对各类教学资源进行知识化标引与链接，建构网状的知识结构图；利用知识可视化技术，将教育传播的对象——“知识”——进行设计、开发、应用、管理与评价，从而改善教学过程，使教学效果最优化。

教育的过程，是知识传播的过程，并且在知识传播过程中对学生技能、品质及素养进行培育。聚焦爬虫技术与知识图谱技术将现实中大量非结构化的数据建立联系，让机器具备认知能力，从而真正被赋以“智慧”。“机器人教师”迅速识别、抽取、推送教学资源，助力知识传播的教学过程开展，这是开放大学个性化教育得以实现的基石。

（三）基于个体学习干预的智能技术

人工智能教学时代的教学组织不再使用整齐划一的传统教学方法，而是基于每一位学生的动态学习者画像精准推送学习资源，立体诊断学习效果，并给予学生智能反馈与陪伴，提供符合学习者特点的个性化学习路径支持。个性化与智能化干预的教学过程，既全程、全方位采集了学生的学习数据，又支持了学习者画像的动态建模，实现了对个性化学习动态、闭环的支持服务。

基于个体学习干预的智能技术主要包括三类。一是推送个性化学习内容的智能代理技术，智能代理技术实现了个性化学习内容的生成、汇聚，学习内容支持方式从“学生找资源”转换为“资源找学生”（余胜泉，2018）[9]25。二是支持学生个性化学习路径构建的学习效果诊断技术、知识追踪技术，以此实现智能学习系统科学性强、全周期、多维度、动态的个体学习效果诊断。知识追踪技术得出的预测，加上智能推题引擎基于学科知识及学生特点，向学生个性化推荐适合的试题，可以实现高效练习和个性化学习（王亚飞，2018）[10]。三是促进个体问题解决的智能技术，这需要语言处理技术、人机交互技术、机器人技术、虚拟现实技术等技术的综合支持，对不同学生的学习问题及障碍提供个性化解决方案。

当动态建模形成的学习者画像遇到个体问题，智能教育系统会通过知识图谱资源抽取、场景创设、学伴交互等方式，让学生在充满教育智慧、教学经验、新技术支撑的外部系统中充分体验，从而实现与个体学习能力和学习兴趣高度匹配的知识与能力建构。

三、开放大学个性化教育模式构建：模式及特点

（一）个性化教育模式

开放大学个性化教育在人工智能技术赋能下，由人类教师与机器人教师共同提供教育支持服务，助力学生实现学习需求，完成学业任务。开放大学个性化教育模式主要通过四个模块实现（见图1）。

图1 人工智能技术赋能下的开放大学个性化教育模式

一是定制个性化学习方案，实现“一生一案”。基于语音识别技术、图像识别技术等交互技术支持，机器人教师充分收集学生的学习需求、学习目标、学习偏好、学习能力等数据（鲍日勤，2018）[11]29。人工智能教师基于深度学习技术、大脑卷积技术的支持进行智能技术分析，人类教师与学生进行咨询、分析和沟通，协助学生选定专业，并为学生定制“一生一案”的个性化学习方案。在“学生个体-机器人教师-人类教师”三个主体共同拟定的个性化学习方案中，每位学生的学习周期设置、课程科目、学时安排都各有差异。

二是实时智能推送课程资源，学生学习界面“千人千面”。由于不同学生的学习课程、学习时间都不同，机器人教师根据学习方案智能推送课程资源，提供符合内容需求、时间需求、能力需求的课程资源。在传统信息化教学时代，教学平台以班级为单位进行建设，班级每个同学获取统一的学习界面、统一的学习资源进行学习。个性化教学时代，教师基于聚焦爬虫技术、知识图谱技术的支持，建立规模庞大且易于被机器智能识别的教学资源图谱。机器人教师基于智能代理技术，根据实时建构的动态学习者画像，精准推送符合学生学习能力与学习需求的学习资源，实现学生学习界面的“千人千面”，每位学生均可获取符合学习兴趣、学习能力的教学资源。

三是全程追踪学生学习行为，机器智能分析学习行为的“一人千面”。学生知识与技能的获取是通过学习行为对知识进行内化而形成的，因此对学生学习过程的学习行为进行追踪十分重要。机器人教师借助智能视频技术收集学习者微表情变化、语言表达等学习数据，通过情感计算技术探测学生的学习注意力、参与度等因素，实时评估学习者的学习状态与心理变化。如果学生符合既定能力需求，则继续学习；如果不符合学生能力需求，则调整资料的难度、学习资源的类型，学习资源的数量，动态调整课程资源的推送内容，提高学习资源与学习行为的匹配度，提升学习效率与效益。

四是数据化、立体化、实时、多维度评价学生的学习效果，及时调整学习方案与资源推送。智能评价体系既是学生学习管理的必要环节，也是保证学生培养方案往正确方向发展的重要手段。智能学习系统基于学习效果诊断技术、知识追踪技术，对学生学习效果进行智能评价。基于学习评价结果，机器人教师及时调整学习策略；人类教师针对学生的知识获取维度、能力建构维度、心理维度等层面的评估结果，进行相应干预并提供学伴支持，同时借助机器人学技术、语言处理技术、人机交互技术、虚拟现实技术等技术支持，对学生下一阶段的学习活动予以针对性支持，实现良好的闭环管理。

（二）人工智能赋能的个性化教育的特征

教育过程是由教育者借助相应的设备，结合教育要素，对受教育者提供教育服务的过程。与开放大学传统信息时代的教育相比，人工智能技术赋能的个性化教育具有以下四个基本特征。

特征一：教师团队变革，机器人教师全程参与教学过程。智能技术支持的个性化教育改变了师生之间的交互方式：从“教师为中心”的课堂讲授为主，向“学生为中心”的教学资源推送与心理辅导相结合的综合教育支持服务转变（李中亮、程龙，2020）[12]。在人工智能时代，教师团队由原来人类教师单一主体，改变为人类教师与机器人教师协同合作育人。机器人教师将多个方面支撑学生的学习活动，包括但不限于：自动出题和自动批阅作业、自动诊断学习障碍与自主分析反馈、能力综合测评与提升支持、心理素质测评与改进、个性化智能教学指导、学生个性化问题解决的智能导师、个性化学习内容生成与汇聚的智能代理、数据驱动的教育决策助手（余胜全，2018）[9]25-27。

特征二：教学环境变革，智能化、多元化设备构建智慧学习环境。传统信息化时代的开放教育远程教学仅需要连接教师与学生的“端到端”联系工具即可，主要由“互联网+电脑”组成。人工智能赋能下的在线教育活动需要有支持智能算法所需的大型中央处理器，也需要能采集学生学习数据的可穿戴设备，还需要支持语音及图像交互的语音输入输出设备及图形输入输出设备。智慧学习环境中的智能设备与技术实时收集学生数据，提供个性化学习支持服务，构建虚拟仿真现场教学的学习情境，强化学生主动学习意识。

特征三：教学驱动要素变革，数据成为驱动个性化教学实施的重要要素。开放大学的个性化教育课程以智能教学平台为核心平台，序化教学全过程，集中采集学生学习全过程的数据。智能教学平台除了具备传统信息化教学平台储存教学资源、拓展教学时空边界、实现师生线上沟通的作用以外，还能针对学生学习过程、结果、心理、情感等数据进行智能定量分析，在分析学生知识短板、学习态度、学习兴趣等特征的基础上，对个体的学习提供个性化支持。开放大学个性化教育中依托智能教学过程的数据分析与建模，不再是模糊简要的群体式学生画像，而是精准的学习个体画像。数据既是在线教学活动自然产生的学习痕迹记录，也是驱动下一步教学方法选择的重要影响因素。

特征四：教学设计导向变革，以学生个体学习体验为原则开展教学，激发学生学习主动性。进行教学模式设计时，基于智能算法支持，充分分析学生个体学习周期时间需求、学习能力等不同学情特征，教学实施过程中设置形式丰富的学习活动，以充分调动学生的学习积极性。教学实施时，借助智能技术的教学手段开展教学过程，从学生视角出发，设计丰富的学习活动，构建多元化的学习模式，有效激发学生的学习积极性，使学生学习过程中有获得感、成就感，变“要我学”为“我要学”。

四、开放大学个性化教育的实施策略

人工智能时代，实现开放大学个性化教育有赖于以下途径：一是构建“专业+X”人才培养体系；二是建设“人工智能+X”智能教学系统；三是建设“人-机”协作的教师队伍。

（一）顶层设计着手，构建“专业+X”人才培养体系

开放大学的个性化教育模式不仅仅是某个教学环节的优化改进，而是从学生学习需求端开始，到学生完成学业为终点的整体学习模式的变革。开放大学要从顶层设计着手构建个性化、智能化的开放教育整体教学方案，建设整体化的“专业+X”人才培养体系，才能真正达成个性化教育方案的实现。其中，“专业”是指学校根据学科特征划分的大专业群范畴，“X”是指学生个体定制的专项学习领域。

智能型开放教育应当在人才培养方案设定、教学资源供给、教学信息系统支持、教师团队建设、学习时间安排等维度均体现智能化。基于开放教育大量的线上课程资源知识图谱，融合人工智能技术应用，开放教育可实现为学生提供基于不同教育背景与实践经历的个性化人才培养模式，提高学生的学习效用。

人工智能技术的应用尚属开始阶段。技术的应用实践需要大量时间、精力进行探索；智能化教学信息系统的建设与使用需要大量经费和资金支持。在组织保障层面，开放大学校领导应担任学校“信息官”，全面统筹学校信息化规划与建设。在制度层面，开放大学应制定支持教师探索人工智能技术教学实践运用的相关制度办法。在经费层面，应划拨专项预算，用于保障人工智能设备采购与技术研发应用。开放大学还可以引入第三方企业机构，协助进行智慧教育发展的评测工作。

（二）构建智能教学系统，提供“学习者为中心”的教育支持

智慧教学是教育与技术深度融合的产物，技术赋能教育的趋势仍然是以学习者为中心（陈丹丹、许之民，2021）[13]。以学习者为中心的智慧教学系统立足学习本质与学习者认知建构过程，通过机器智能深度融合的应用方式，支持学生智慧学习。一是智能推荐不同载体的学习资源，通过不同学习形式的多感官刺激，激活学习者神经细胞，促进知识连接；二是“做学结合”的教学活动中，机器教师通过智能布置测试、智能评阅等方式，实时评价学生的操作活动，激发学生学习兴趣，促进参与学习的主动性；三是机器智能建构个性化学习路径，促进学生在自由学习中选择并探索个人学习空间，提升学习成效；四是机器基于对学习者学习数据的分析，智能匹配推荐与学习偏好高度契合的学习资源，激发学生的学习潜能。

开放大学个性化教育的智能系统从应用框架看，应当包括设备硬件层、数据采集层、特征提取层、应用场景层四个层级(见图2)。设备硬件层主要由中央处理器、学习中的可穿戴设备、图形处理器、存储设备、网络设备等组成，实现与学习者的连接，是各类智能技术应用的基础层。数据采集层主要采集基于可穿戴设备的学习行为数据、情感数据，建构教学资源知识图谱。拥有海量的数据基础才能为人工智能中机器学习、深度学习等算法提供大量丰富的数据样本，使数据分析结果更加接近个性化学习支持目标。特征提取层主要利用人工智能技术中深度学习技术的非线性计算特点，提取学生特征，构建个体学习者画像。应用场景层借助机器智能的计算优势与深度学习智能，为学生智能推荐个性化学习内容、解决个性化问题，促进学生有效学习，实现自我成长。

图2 智能教学系统设计框架

（三）打造“人-机”配合、协同支持的新型教师团队

技术的本质是生产力的变革。人工智能技术作为新型生产力，能够有效辅助教师团队开展教学服务工作。人类教师与机器人教师协同合作的“人-机”共存教师团队，将是未来开放教育常见的工作场景。“人-机”共存的智慧教育时代，开放大学教师在教学活动实践、教学管理模式和信息素养提升等方面将面临更多机遇与挑战，教师需在角色上进行转型。

一是转型为“机器人教师团队建设与维护者”，做好人机协同。机器人教师可以根据预先设定的规则，开展资源推送、习题批改、学伴支持等教学工作，但是触发机器人教师执行教学活动指令的规则、算法、参数等，需要人工去定义。机器人教师得以在智能教育中发挥作用，离不开人类教师对其运行规则的定义与运营维护。机器人教师在运行过程中可能出现异常情况，需要人类教师去维护。未来，开放教育领域亟需掌握人工智能技术原理与应用维护技能的人类教师，担任“机器人教师团队建设与维护者”，完成师生、人机交互规则设定、流程设计、数据分析等工作。

二是转型“课程资源”制作者。机器人教师得以发挥作用，是建立在数量丰富、质量优异的课程资源基础上的。体系完整、形式多元化的教学资源需要人类教师发挥智慧与专业特长进行开发与建设，构建满足智慧环境下不同学习者需求的专业教学资源知识图谱。一方面，人类教师要培养自己的结构化数据思维，将教学资源与内容转换为结构化数据，人工智能技术才能在海量学习资源数据中准确识别，精准推送。另一方面，学习资源的趣味性、颗粒度、表现形式，对开放教育学生的移动学习意愿有积极的影响（鲍日勤，2018）[11]28。人类教师应当结合专业特长与教育学、心理学知识，设计符合专业培养要求、媒体表现形式差异化、内容幅度微型化的教学资源，匹配学生个性化学习的需求。

三是转型心理支持人员。人工智能技术在计算智能、感知智能等方面有卓越能力，但是在社交能力、协调能力，对情感的关注、创意和审美上，机器人教师很难胜任。开放大学教育不仅要培育学生专业知识，也需要培育学生具备沟通能力、创新能力等人文素养。机器人教师难以完成后者这类教学活动，人类教师应当充分发挥人类在理解、决策上的难以被替代的能动性，提升管理能力与心理支持能力，转型心理支持人员。

五、结语

教育部在《教育部关于同意在中央广播电视大学基础上建立国家开放大学的批复》中，对开放大学提出要求：“努力满足人民群众多样化、个性化的学习需要，为构建灵活开放的终身教育体系作出应有的贡献”[14]。个性化教育是人工智能时代学习者的需求，也是开放大学在信息2.0时代下教学生态转型的新方向。我们期待在智能化教育环境、开放式教育理念中，开放大学通过顶层设计、智慧系统构建、师资队伍建设等措施，促进“专业+X”的个性化教育生态落地，满足每一位学习者的个性化学习需求。