人工智能时代教学模式变革研究

李 青

（上海海洋大学信息化管理办公室 上海 201306）

0 引言

《教育信息化2.0行动计划》中提出教育信息化是顺应智能环境下教育发展的必然选择，人工智能等新技术会深刻改变当前的人才需求以及教育理念、形态和生态。我们国家于2017年7月发布了《新一代人工智能发展规划》，其中强调发展智能教育，主动应对新技术浪潮带来的新机遇和新挑战[1]。

发展人工智能方式教育是指利用新技术推动人才培养，使传统教育教学方式发生变革，形成智能学习、交互学习、深度学习的新型教育形态[2]。利用人工智能、大数据来提供数据支撑，全面、智能、科学地进行教育教学过程分析，帮助学习者在立体教育环境中，准确掌握自身学习状态。通过新技术应用加快建设教育资源建设，管理方式改变，建设以学习者为中心的教育生态，提供精准指导，使智能教育贯穿于日常教育中，辅助学习。

1 人工智能教学模式是教育现代化的必然要求

人工智能赋能教学会伴随着诸多问题的产生。第一，教师未建立对人工智能的信任，使用意愿不强，缺少专业应用指导。第二，技术与教学未充分融合，在教和学的双向活动中，人工智能技术仅是知识单向传递的手段，造成空间差异下的距离感，缺失温度和情感。第三，教师缺乏对自身角色转变的正确认知，未明晰人机学习关系、人机协调等关系。最后，外部环境也存在诸多待解决的问题，如人工智能应用解决方案、专业人才队伍、应用场景资源等。

人工智能应用于教学成为新时代背景下教育趋势，人工智能教学模式是教育现代化的必然要求，通过对人工智能在教学领域的应用问题研究，需进一步研究人工智能关键技术在教学中的应用，从关键技术的认知中明确人工智能的核心功能，优化教师实行智能化教学的行为，启发学生思维实现个性教学[3]。

2 教育教学模式变革研究

人工智能技术是一种强有力的新技术，与教育教学结合后，可以大力推动当前教育变革，使目前的教育模式发生翻天覆地的改变，也可以说成是一种冲击。教育模式可以包括教学空间与资源建设、教学方法与范式、教学指导与评价等方面，本研究尝试从这三点入手，探讨人工智能在教育教学模式方面带来的变革和挑战。

同时，任何科技都需要以“科技向善”为应用宗旨，无论科技如何改变教育模式变革，都不可改变教育的本质，新科技的应用突破了现有教育模式，扩展了教育边界，目的是让学习者在数字时代背景下，利用新技术更好地培养个人必备品质和关键能力，更好地理解数字时代下社会与技术的关系，处理好社会与技术的问题，使自身的核心素养得到真正地提高，充分达成全面发展、立德树人的育人目标。

3 教育模式的变革及实践方式

3.1 教学空间与资源建设

资源环境的改变是教学变革的基础，传统教室采用标准化设计，适合知识传授型教学，创新线下教学环境是让空间和设施均可作为教学互动的场所和工具，向学生充分传递知识内容，通过“人工智能+智慧终端+统一数据采集”的方式搭载智慧设施，构建灵活多变的空间，实现教学环境中的高维互动。

线上学习空间已经成为教学环境重要组成部分，学生可以在线上完成资源搜索、知识学习、协作交流、开展探究活动等。线上线下教学环境旨在培养核心素养视域下，以学生发展为中心，建立全新的线上线下育人环境，让教学环境走向“虚实融合”的形态，在两个空间中利用好各自优势，实现学习空间上的数字孪生。在这个全新的学习空间中，传统的教师角色会发生变化，将由知识传授转为学习指导，教师需要帮助学生如何去创设学习场景，建立学习过程，指导学习难点，评价学习效果，让学生发展知识和能力素养的全面培养。传统教师的教学任务也会从课前备课，讲稿设计转变为设计个性化教学，制作引导性任务，布局线上教学空间。

在教学资源方面，人工智能的语义分析技术、聚类分析技术可以对学习资源进行语义分类、资源汇聚，建成标签化的学习资源，面对学生需求时，可以通过自适应的方式将资源送达学生端。知识图谱是构建教学资源的重要抓手，知识图谱不仅仅是教学知识点通过结点以及结点之间的关系形成的图状关系网，更需要标记出知识与能力的素养对应关系，每个结点需要与相关的教学资源关联，每个结点具有唯一性，可以将知识图谱扩展为“知识素养图谱”，通过多学科、多模态的知识素养图谱，建立学科内核心素养的关联，建立学科间跨学科能力地图，强调本学科、学科间的相互关联，淡化单一知识点的关联，这样对于研究学习者知识素养的掌握提供了科学依据，也可以通过此向学习者推送相适应的学习资源，教师也可由此掌握教学效果，建立更多类的教学资源应用，可建设包括课标库、学历案库、学后反思库、真实情境案例库、自适应题库等多种资源应用。

（1）课标库。将课程标准的要求进行拆分，对应至知识图谱。

（2）学历案库。集中存储公开的优秀学历案、教师制作的学历案，供教师学习和备课参考。

（3）真实情境库。用来激发学生达成深度学习的各种问题、任务或者项目式活动，根据学科汇总，方便教师教学备课选用。

（4）学后反思库。提供常见的学后反思引导模板、汇总优秀的学后反思。

（5）自适应题库。以项目反映理论（Item Response Theory，IRT）为建设基础，采用自适应的遗传算法原理，为不同层次的学生提供个性化测试服务，以此准确，科学地分析每位学生的学习状况。

3.2 教学方法与范式

人工智能在教学空间与资源建设方面提供了一系列转变可能，进入到教学阶段后，人的参与是将技术如何融合到教育变革中的关键一步，教师在教学方面，首先需要熟悉及认知人工智能给教育带来的变革，其次要学会使用大数据、可视化、虚拟现实等各种人工智能学习平台或资源，利用好这些工具辅助备课，生成个性化测试内容，开展智能化精准指导教学，从一位育人者的角度开展教学工作。

（1）建设满足教学的备课系统。支持教师在线备课，存储教师在线备课成果。支持初备、主备、复备、补备多种备课模式，教师可将历史教案导入后再编辑。在线备课时，教师可调用知识素养图谱中的知识及资源，查看学情分析数据，让教案设置更有针对性，支持从教案库中搜索和引用推荐教案，备课时上传的图片、附件、音频、视频、链接、文档等资源自动汇聚至学校云空间，方便非结构化数据的存储及重复利用。备课系统通过人工智能技术，提供全库智能教案对照分析，分析教案库每学科、名家教案、推荐教案、学校优秀教案被引用次数、被引用量。

（2）建设试题制作工具。智能化识别文档中的试题，批量采集并设置提醒、关键字、难易程度、适应课程、关联知识点等属性，导入试题库时支持查重筛选，快速完成试题的批量上传与管理。

（3）建设个性化作业制作系统。教师在布置作业时，可根据学习者模型中的动态学情数据，为不同层次的学生设计制作个性化作业。

人工智能下的教学方式变革，也需要学生积极转变学习方式，学生需要具备对智能化平台及资源的熟练使用能力，认真对待每一次学习过程，改变以往被动学习的态度，积极做好自适应下的新知预习，学习过程思考及交互测试，帮助智能化平台更好地描绘学生知识能力画像，使个性化学习路径、学习者模型、个性化学习服务的生成更精准。

（1）基于人工智能、大数据等技术开展个性化学习支持，推荐个性化学习路径，按需推送学习资源。

（2）建立学习者模型。参考PAPI(Public and Private Information)规范、IMS-LIP(IMS Learner Information Package)规范和CELTS-11学习者模型规范基础，从基本信息、学习目标、认知水平、学习行为、学习风格5个维度构建学习者模型[4]。学生深度学习的成效需要结合量化指标和质性指标完成，量化指标方面利用动态采集到的学习跟踪数据（学习活动、学习时间、学习空间、学习内容、学习方式、学习评价、学习成果等）评估学生的认知水平，质性指标通过在教学活动过程中依据评估量表打标记录，作为学生个性化发展性评价依据。

（3）建立个性化学习路径模型。一方面利用等级反应模型和布鲁姆教学目标分类理论，结合知识图谱、分层作业难度，实现对学生整体知识理解水平的评估；另一方面利用人工智能算法（矩阵分解算法、隐马尔科夫模型），实现依据学习行为数据（学习时间、点击次数、问题解答时间与尝试次数）实时跟踪诊断学生对于题目难度级别的适应情况。从学生个体和群体行为中，挖掘最佳学习路径，并通过评价反馈或者人工干预调整。

（4）建立个性化学习服务。根据学生学习特征实现AI学情诊断，为学生输出个人学习报告，倡导学生自我驱动，主动调整学习过程，完善自身知识体系。

3.3 教学指导与评价

未来教师对学生的关注点会由学习成绩转变为学生核心素养的培养，更加关注学生的价值观、情感与行为等核心素养的养成。通过人工智能技术下的教学空间和教学方式优化，整个教育过程中的行为数据会逐步积累，从海量信息数据中提取用户个性化数据，对学生行为特征进行刻画和分析，会对传统教学指导和评价产生变革。通过建立学生画像模型，可以为其匹配精准化的教学服务，同时也可以辅助教学效果评价的生成。

学生画像的建立可分为几个步骤：

（1）构建评价模型。针对学生发展的核心素养，将核心素养与教学理念对接，结合学习者模型，考虑不同学科的要求，整体设计，构建个人多维度评价模型。

（2）数据采集与预处理。学生的个性化发展数据基于学习者模型实现，需要对贯穿整个教学过程和学习周期的线上线下教学数据进行采集和预处理。数据来源包括线上学习平台、教学系统、作业系统、研究性学习系统的各类结构化数据与非结构化数据。对采集到的数据进行整合、清洗、转化，排除干扰数据，精简处理数据规模。

（3）建立标签库和语义化标签。将预处理的数据利用主成分分析和因子分析法提取特征标签，根据学生在学习中的特征进行归类，反映学习偏好、学习效果、互动频率、高阶思维、学习的持续性和稳定性等。可将标签进行趣味化命名，引起学生的兴趣，如学霸高手、单元测试达人等称号。标签库包括与客观数据关联的事实标签，与统计相关的模型标签，与预测评价相关的预测标签。

（4）数据可视化。在因子分析基础上，根据提取出的标签和学生数据，对学生进行特征分析和聚类分析。通过人工智能可视化数据，精准刻画出“学生画像”。

4 结束语

教育的本质是基于美好、创造美好的，让学生通过学习，树立正确价值观，必备品格和关键能力，对知识与技能、过程与方法、情感态度价值观三维目标进行整合[5]。人工智能时代的到来，通过智能技术和数据赋能让学生更了解自己，让教师更了解学生，让家长更了解孩子，其带给教育领域的教学模式变革必将成为一项新的发展战略，人工智能技术在教育教学模式变革的落地关键在于：利用好技术，创造线上线下教育空间，精准识别教师和学生在教学任务、学习情境、教育评价过程中所需要的服务和问题解决能力，建立教学模式和学习需求的完美匹配，让每一个人在属于自己的社会属性中找到最适合自己发展的教育轨道。