人工智能赋能中小学精准教学的现实价值与基本路径

吴小凡 赵磊磊 赵可云

（1. 江南大学 教育学院，江苏 无锡 214122； 2. 曲阜师范大学 传媒学院，山东 日照 276826）

一、问题的提出

1956年，达特茅斯会议首次提出“人工智能”概念，自此，人工智能成为技术发展的核心领域。20世纪70年代，人工智能正式进入教育领域，开启智能教育新纪元。麻省理工学院人工智能实验室的研究人员认为，智能计算机辅助教学可助力以知识为导向的理解性教学[1]。20世纪80年代的智能教学系统及其发展前景个性化教育，促进了教育学的发展。在教学任务中，人工智能可用于模拟教师或学习者的行为[2]，对于教师的精准教学进行大数据分析与引导。进入21世纪，

以大数据为基础的精准教学模式进入快速发展阶段，成为数据密集型科学范式的典型之一，为打造智能化、个性化的教学模式开辟了新的方向。2019年国务院《政府工作报告》中提出“智能技术赋能”的倡议，即促进智能技术在各领域持续发力，因此催生了“人工智能+教育”的模式，鼓励中小学推广人工智能赋能教育教学环节。2022年4月，教育部颁布的《义务教育课程方案和课程标准》从深化教学改革、改进教育评价、强化专业支持等多方面鼓励中小学重视新技术的支持，探索智能技术与精准教学的深度融合[3]。从助力中小学精准教学的角度而言，人工智能的发展依然存在问题亟待解决，如：人工智能与中小学教学存在哪些内在契合？教学中的人工智能应用体现出哪些技术特点？人工智能为中小学精准教学带来哪些现实挑战与转变机遇？基于上述问题，本文探求人工智能赋能中小学精准教学的现实价值与基本路径。

二、人工智能赋能精准教学的现实价值

随着科学技术的不断发展，教育领域对于精准教学的需求不断提升。面对当前的智能教育，国家正在努力推进人工智能走进中小学校园，重塑原有的教育资源、教育空间、教育生态，将面对面教学与基于人工智能的在线学习相结合，建构基于人工智能的面对面人机融合式学习环境，从设计、实施、反馈、管理这四个方面提供技术支持，实现人工智能赋能中小学精准教学。

（一）设计层面：自适应学习助推个性化指导

自适应学习体现了系统分析学习者特征、诊断学习问题、预测学习表现等方面的逻辑与规则，是精准教学的重要内核。其一，自适应学习系统可根据学生模型、教学模型的反馈，实现有组织的学习行为数据修改与学生模型维护，以促进教学模型及时更新，匹配合适的教学方式。其二，自适应学习可推送适合学生学习水平的课程资源，针对性地提供课后练习服务，自行调整学生后续习题的难度，具体而言，学生回答正确后的习题难度会递增，反之难度递减。例如，自适应学习根据学生双曲线习题的正确率可自动调整推送的习题内容难度与顺序。其三，教师可基于自适应学习动态调整教学，通过教学实施中学生出现的问题进行讲解，调节教学节奏以满足学生的个性化需求。智能系统可依据自适应学习过程的数据特点，将班级进行分层教学、小组讨论，采用翻转课堂、混合式教学、微课等多种形式，为不同学习水平与兴趣各异的学生设计具有区分度的教学形式[4]，针对每位同学的学习需求进行个性化教学，使学生课堂参与度最大化。

（二）实施层面：机器学习支持教师素养提升

机器学习具有类人属性与技术逻辑，可根据海量数据自行筛选搜集信息，基于经验在算法更新中获得成长，是教师精准教学的得力伙伴，为教师数据素养的发展给予支持。基于此，机器学习对于教师的数据素养提升体现在三个方面：其一，教学互动，通过分析学习者对于问题的解答，机器学习为学生提供纠正性的内容反馈或提示，从而建立类似于师生对话、互动的学习支架，引导学生自行解决问题[5]；其二，教学匹配，机器学习系统根据不同学生的练习表现形成学习者知识图谱，每当学生完成练习后，系统自行分析其学业成绩和学习行为，将学习者与新知识或新技能匹配，教师尝试将教学评估与学生的学情分析交给智能系统进行处理；其三，教学指导，机器学习可根据教师教学风格，通过算法从数据库中搜寻适合教师自身发展的课程资源，制订推介专家型教师的教学方案，突破以中小学教研组为核心的教师发展途径，为教师的持续学习提供资源支持。

（三）反馈层面：伴随式采集多模态数据

在智能教育时代，教育大数据的应用能为学生提供个性化服务，精准制订教学目标，设计教学内容的内在诉求。教学反馈应关注全样本的、即时的数据信息，利用平台系统及各类智能教育硬件设备全过程、全方位、多维度地采集数据，改变传统人工记录的数据记录方式，以促进高效的精准教学评价[6]。伴随式数据采集能够实时采集教师课堂教学、学生在线学习、学生成长记录等多模态数据，为教师的精准教学、学生的个性化学习等提供多模态数据服务，助力教学反馈。面向个性化学习的多模态数据涵盖三种类型：第一类是学习者个性特征数据，体现学生的爱好、学习兴趣与学习知识的能力强弱；第二类是学习行为数据，学生的学习时长、发言评论与习题练习情况等体现学生学习行为与习惯的非结构化数据；第三类是学习水平数据，体现学习者的知识掌握与能力表现的图像、文字、语音等多模态数据。以数据为基础，通过数据挖掘可进一步处理学习者数据，进而优化精准教学的实施。

（四）管理层面：数据深度挖掘助力教学决策

精准教学的教学管理需以数据为驱动[7]，以数据挖掘技术为引擎，进行学情分析与教学内容定位。数据挖掘可利用神经网络、决策树方法、统计分析方法等技术从海量数据中挖掘内在规律，提炼出有价值的知识。教学决策需基于教育数据挖掘，剖析教学现状与学生学习水平，利用教育数据结构模型进行预处理，将个性化学习与群体学习结合，探寻适合的精准教学管理方式，制定合适的教育管理策略。一方面，数据挖掘有助于制定更科学的决策，制定可应对新趋势的教育机制。例如，重庆市基础教育质量监测数据库的建立为学校的教学管理提供了依据，将日常评价与大规模监测相结合，从而实现减负政策文件的科学制定，以此改革课程设置，改进教师的精准教学行为，提升了中小学教育质量。另一方面，教学决策将人力因素与智能算法相结合，帮助管理人员制订计划，优化运营，既重视中小学实际发展的需求，又参考数据挖掘的分析，建立层级明确的网状监管体系，结合教学现状与教学质量标准采取相应策略。

三、人工智能赋能中小学精准教学的现实困境

受教师专业素养、学校环境建设等多重因素的影响，精准教学的人工智能应用往往局限于网络阅卷、智能评测等方面工作，智能技术应用于教学的优越性导致教师容易忽视教育教学育人为本的本质规律。人工智能赋能精准教学能否接受中小学教学的种种挑战，本研究将从教学设计、教学实施、教学反馈、教学管理层面剖析人工智能赋能中小学精准教学的现实困境。

（一）教学设计难以回应情感诉求与人文观照

学习者看似通过人工智能反馈的数据就能实现自主学习，事实却并非如此，倘若教师不参与教学设计过程，仅凭人工智能与大数据计算的教学方式缺乏互动性与参与度，学生的情感诉求难以实现。因此，教学反馈难以回应情感诉求与人文观照。一方面，学习是一项社会性的活动，教师与学生、学生与学生间的交流互动是课堂教学的有效途径，过度自动化可能会减少人与人之间的互动需求。若学生被人工智能数据引导、算法操控，一味追求个性化、多样化，忽视与教师、同伴的互动交流，则难以形成和谐平等的人际关系，学生的归属感、自我认同感将逐渐降低，因而教学设计不得忽视学生的情感问题与发展固化。另一方面，人工智能可实现多样化的学习资源供给，通过虚拟技术调动学生感官，创设具身学习环境，促进学生对于所学知识的理解与应用。然而，由于中小学生的身心发育尚未成熟，面对学业挫折、社交恐惧等问题时极易受智能技术影响沉溺于虚拟现实中，学生过度依赖及迷恋人工智能的“智能魅力”，脱离与教师的现实互动，缺乏教师的正确引导，难以形成健全的人生观、价值观，实现精准教学内含的人文关怀。

（二）教学实施受阻于教师数据素养缺失

人工智能赋能精准教学对于教师的必备能力提出了新要求，尤其是在教学实施时，教师需具备整合智能技术与学科知识的能力，才能实现智能时代的精准教学。2022年4月，教育部发布的 《新时代基础教育强师计划》明确指出需推进教师队伍建设信息化[8]，为智能时代的精准教学实施提供保障。鉴于地区经济情况与教师专业发展的差异性，我们可以发现，教学实施受阻于教师数据素养缺失：首先，不同地区师资配置不均衡，数字鸿沟由于设备鸿沟与资源使用仍然存在，部分教师尚不具备将智能技术与学科知识整合的能力，依然沿用教师全程讲授的教学方法。其次，处于不同专业发展阶段的教师，其数据素养的掌握程度也有所不同。教师的数据素养与教龄、学历等因素具有一定相关性。最后，目前教师专业发展仍以教师个体发展为培养模式，教师个人与教师团体发展的结合较为有限。多位学者通过研究证明，数据素养的发展需要教师专业共同体的互相扶持，精准教学实施需要教师在自我学习与团体学习的过程中提升。例如，有研究根据教师的数据使用情况，发现协作时间的延长可提升教师对于智能技术使用的熟练度[9]。

（三）教学反馈受困于低质量数据资源集合

人工智能赋能的过程性评价可为精准教学带来诸多益处：实现教学过程可视化，预测并模拟学习进展，提升教育干预的有效性。教学评价与反馈可整合学习者的知识、兴趣、元认知和态度，根据学生的课堂表现与课后作业完成情况，形成以学生为主体的学习者模型，使教师快速、直观地接触学生的数字画像。然而，数字画像以数据为核心，结构异质的多样化数据导致教学反馈质量有限，因此，教学反馈受困于低质量数据资源集合。一方面，数据资源质量参差不齐。智能技术采集的数据没有特定的目标性，未将数据进行特殊筛选，非结构性数据难以直接通过数据挖掘进行识别与诊断。精准教学反馈实质上需通过数据分析与算法运行处理学生的学习行为数据、个性特征数据与学习水平数据[10]，此类数据以行为动作、表情神态为主，数据挖掘难以洞悉学生的认知存在。数据驱动的定制化服务与学生学习兴趣的相似度存在一定差距。另一方面，教学反馈的结果呈现同质化的特点。精准教学的学生分析以大数据技术为支撑，采用概率论指导个性化服务，但这种寻优方法具有局限性，可生成的教学评价通常参考数据库内已有的教学方法，往往采用预设话语对学生状态进行干预，精准教学反馈的准确性与针对性有待增强。

（四）教学管理受制于人工智能伦理失范

精准教学管理以数据为核心，围绕数据的收集与使用进行教学决策，而数据涉及的隐私泄露已成为数据治理的关键问题，数据的透明度关乎数据的个人隐私与安全性，很可能成为数据智能释放的关键瓶颈。隐私保障是人工智能系统开发的基本伦理原则，因此，教育管理受制于人工智能伦理失范。首先，教学管理所处理的数据通常是高度个人化的，若用于评估学生表现，需保障学生数据的隐私安全与权益。例如，2014年，美国InBloom（一个非营利性学生数据存储机构）对第三方教育机构共享开放数据，导致学生的隐私受到损害，项目被迫终止[11]。其次，当前数据类型多样，除文字、表格等结构型数据，还包含非结构性数据，如学习行为、课堂表现等表情动作均可被智能系统捕捉，收集学生的人脸信息与面部表情用于监测学生的课堂状态可能涉及对隐私权的侵犯，采集学生在课堂内的所有数据很可能侵犯学生的人格与尊严，学生在监控下做出的课堂反馈未必具有较强的真实性，学生为应对数据采集与教师监督，有可能形成表演型人格，对于学生的人格培养造成不良影响。此外，教学管理还涉及教学组织、教学质量的监测与管理，当前教学监管仍以课堂观察与诊断式的校本研修为主，中小学的教学管理组织尚未形成区域化的监管机制。

四、人工智能赋能中小学精准教学的基本路径

基于人工智能赋能中小学精准教学的现实困境可发现，当前中小学教学的主要问题存在于教学设计、教学实施、教学反馈、教学管理等个方面，具体来说，笔者将从以下四个方面分析人工智能赋能中小学精准教学的基本路径。

（一）聚焦人文关怀，打造融入情感诉求的人机交往模式

尽管智能资源丰富多样，但人机互动的智能程度有限，倘若脱离教师的指导，未成年学生尚未具备进行开放式自主学习的能力，多倾向于采用游戏化学习形式，很可能忽视真实的学习与情感诉求，因此，需聚焦人文关怀，打造融入情感诉求的人机交往模式。其一，教师需以人际互动补充人机互动的缺失，将知识传授与情感诉求相结合，调节学生的学习动机与情感态度。学习过程中学习者的动机需要人与人的互动进行激发与强化，因此需要教师结合智能机制的判断，为学生示范如何与人交际、如何克服学习焦虑，建立积极的学习情绪，教师的情绪处理示范不可替代。其二，教师需在教学设计中体现学生与学生间的交流互动，以智能平台为支撑，通过小组交流合作、同伴互评促进学生之间的感情，减轻学生的学习压力，使学生更加关注现实学习与生活。其三，教师进行教学设计时需着眼于学生的身心健康与全面发展，适当增强社会情感的学习，有助于调节学生自身与社会性发展内容。在智能教育中，要高度重视学生自我意识、自我管理、社会意识等方面的发展。教师有意识地创设现实情境，通过提出日常工作、生活中的问题引导学生产生兴趣，设计各式各样的学生活动，在教学中培养学生敢于思考、勤于实践的能力，让学生学会与他人相处，更好地处理人与自我、智能技术、社会和自然的关系，提高学生对于社会价值观的认同感。

（二）注重数据素养，创设人本化的智能研修共同体

智能时代，教师不单是知识的传授者，而要成为学生学习的促进者、学术探究的合作者。因此，为适应智能时代的精准教学，教师需增强自身学习能力，结合智能技术实现角色转变，注重数据素养，创设人本化的智能研修共同体。首先，促进教育公平，尊重多样性，各级各类学校共享优质教育资源，将先进的教育理念与技术传递给薄弱地区的教师，授予学习者必要的学习技能，避免数字鸿沟。例如，教育部推进的“双师课堂”打破了地区与学校间的资源壁垒，促进偏远地区教师的数据素养发展[12]。其次，学校要加强教师的职前培训与在职培训，让教师在具体的教学情境中学会利用智能技术进行教学设计与应用，开展智能技术赋能精准教学的实操课程。只有教师具备数据素养，学会运用、创造数据资源，与教、学、评三者有机结合，才能有效培养学生的数据素养。例如，2018年2月，浙江省创建基础教育精准教学研究院，与科大讯飞携手研究人工智能背景下的精准教学问题，围绕“智慧教育背景下精准教学的设计与实践”开展精准教学理论和实操的师资培训[13]。再次，升级教师网络研修平台，提升教师队伍数据素养，创设人本化的智能研修共同体。2021年4月，教育部办公厅发布《关于开展第二批人工智能助推教师队伍建设试点推荐遴选工作的通知》[14]，旨在构建区域智能研修共同体，构建线上线下、选学推送相结合的教师智能研修模式[15]。例如，潍坊市构建区域普及中小学人工智能教育的生态系统，依托科研机构举办教师培训，在教师群体中开展常态化研修活动，构建学习共同体、研修共同体、实践共同体。此外，全国多所人工智能实验校开展教师队伍数据素养培养，又如，深圳市坪山区中山中学开发“一堂四研”智慧研修模式，融合智慧课堂、AI智能精准研修、大数据课堂观察研修、远距教学研修和名师课堂教学研修多种课程。

（三）关注知识与数据双驱动，健全指向循证理念的教学诊断机制

数据驱动的智能教育对于学习者而言是一种规训，强化学习者的当前学习习惯，使学习者模型趋于相对静态。因此，需及时修正关于学生个性化学习的过程数据，关注知识与数据双驱动，健全指向循证理念的教学诊断机制，使教育回归本位。首先，教学反馈需要突破传统单一数据源与算法，改变相对固定和单一的学习路径推荐，以知识学习和数据挖掘为驱动，以学生为中心，从学生自身角度满足个性化学习要求。国内外众多教育平台都在积极探索循证理念与教学反馈的融合，试图激发学生的学习兴趣，开发应用于精准教学的实际功能。其次，教学反馈需关注学习者的个体差异，以学习者的知识图谱为依据，关注学习者特征，分析收集的学习过程数据，健全学习者画像，根据数据挖掘的学习者信息提供个性化服务指导。智能系统匹配精准的学习资源和个性化学习路径，教师则可根据学生的性格特点、学习水平，为学生安排互相促进的学习同伴。再次，教师可弥补多模态数据的不足，鼓励学生充分挖掘和发挥自身的兴趣和潜能，助力精准的教学评价与反馈。最后，教学反馈需以过程性、形成性评价理念为指导，健全基于循证理念的教学诊断机制。人工智能赋能教学反馈除了进行文字、语言的识别评测，还需基于学生的学习行为，进行过程性和结果性评价。例如，2020年10月，北京圣陶教育发展与创新研究院打造的“人工智能赋能理化实验操作评价系统”为学校改进日常实验教学提供诊断与反馈，多角度记录并分析学生的实验行为，自动输出过程性和结果性评价的评价反馈。

（四）落位隐私保护，构建基于数据治理的伦理风险监管体系

精准教学管理以信息与数据作为支撑，教育数据的应用与治理关乎中小学生的个人隐私与合法权益，未成年人处于成长阶段，心理敏感，一旦数据泄露后果不堪设想，鉴于此，需落位隐私保护，构建基于数据治理的伦理风险监管体系。其一，遵循知情同意原则，尊重数据主体的隐私权益，将限制识别技术嵌入教育产品的开发与应用中。2021年6月，《中华人民共和国数据安全法》对于规范数据处理活动、保障数据安全提出明确的法律要求，教育领域的数据应用依法受教育部门监管。对此，针对中小学学生的数据采集，学校需充分尊重学生及家长的知情权，未经授权许可不得私自采集或传播数据，尤其不得泄露给校外机构。其二，提升教育主体的隐私保护意识，建立中小学伦理风险预警机制。学校需增设人工智能教育伦理课程，提升教育主体的隐私保护意识，加深对人工智能伦理的认知，使教师、学生在面对潜在侵犯自身合法权益行为时可采取有效措施，保障自身权益。此外，中小学应在学生信息保护方面达成共识，成立专项委员会监督学校数据的规范使用，建立风险预警机制与动态的教育质量监控体系，精细捕捉数据之间的变化并进行调控，谨防隐私泄露问题的发生。其三，构建系统的学生法律保护体系，完善智能教育伦理法规。世界各国已出台一系列保护学生隐私权益的法律法规，例如美国出台的《儿童在线保护法》《儿童在线隐私保护法》[16]，我国出台的《儿童个人信息网络保护规定》。2021年9月1日起施行的《未成年人学校保护规定》要求学校应当依照法律法规制定相应校规，明确保护学生的隐私权和个人信息[17]。然而地方政府对于学生权益保护的政策有所欠缺，由此需明晰数据采集与使用的权责界限，制定地方性教育伦理法规，构建基于数据治理的伦理风险监管体系。

五、结语

随着人工智能赋能中小学精准教学，人工智能技术在应用教育领域越发受到重视。整体而言，从20世纪60年代借助工具测量进行实证教研的精准教学，到今天以智能技术实现的更为科学的精准教学，教与学的形式发生了巨大变革与创新。基于中小学教学的当前困境，人工智能多项技术的应用促进了教学方式的改进与教学水平的提升，从中小学教学的未来方向而言，人工智能赋能的精准教学是提升课堂教学效率、激发学生学习兴趣的必经之路。尽管教学中试图将人工智能纳入教学的全过程，但依然要坚持以学生为中心的理念，不断探索精准教学的最优途径。中小学精准教学不得盲目滥用大数据、人工智能等智能技术，以免导致道德挑战与伦理风险的发生。在智能教育领域，中小学精准教学如何在注重技术应用的同时兼顾人文关怀，达到人机协同、人机关系和谐的境界，亟待学者进一步探索。