人工智能驱动的高校智慧教学空间融合研究

詹国辉，刘 涛，戴芬园

人工智能驱动的高校智慧教学空间融合研究

詹国辉1，刘 涛2，戴芬园3

（1. 南京财经大学 公共管理学院，江苏 南京 210023；2. 南京财经大学 改革发展办公室，江苏 南京 210023；3. 南京财经大学 学术期刊编辑部，江苏 南京 210023）

人工智能驱动的高校智慧教学融合了高校教学与人工智能技术的优势，已成为大数据环境下现代高校教学改革与发展的重要现实课题之一。本研究基于人工智能驱动的视角，审视其内嵌于高校智慧教学空间的融合实践可能性，试图构建一种将方法、技术、资源融为一体的“三维空间设计（物理空间、虚拟空间、数据联通空间）”。为此，面向不同主体（教师、学生和教学过程）来刻画人工智能驱动的智慧教学应用图景，以期理顺智慧教学空间融合的实践面向逻辑，旨在进一步助推高校智慧教学的高质量发展。

人工智能；智慧教学；教学空间；空间融合

随着信息新技术尤其人工智能技术的不断更新与发展，高等教育势必会面向“智能化”的趋势。在此背景之下，“智慧教学”创新行动模式得以呈现出扩散。那么，传统单一向度教学形态和教学空间将会面临“断裂--重构”之图景，不断地推进了信息技术与高校教学的深度融合，实现了高等教育的技术赋能。高等教育信息技术得到了长效发展，进而推动高校教学环境和教学模式的深度性变革。事实上，《教育信息化十年发展规划（2011-2020 年）》尤其关注要加快推进高校教学的信息化建设；重点强调以“智慧教育”引领教育信息化，提高智慧教学质量；关键在于创新智慧教学模式，助推智慧教学空间的融合。[1]由此认为，智慧教学空间的融合正悄然重构了智能时代下高校教学的新生态。智慧教学模式作为智能时代下开展远程教学和网络的主要模式，具有把传统教学方式和智能化教学的优势互补的特征，充分发挥多方主体的主动性、积极性与创造性，实现了混合式空间的交融。

一、人工智能嵌入高校智慧教学的可能性

（一）人工智能及其政策发展

人工智能最初诞生于20世纪50-60年代，图灵提出了“有思维的机器”之概念，具体反映出能够在各类环境中自主地或交互地执行各种拟人任务的机器，这已然是人工智能的初始表达。目前，人工智能主要分为逻辑学派、仿生学派和生理学派等。但从本质上讲，是研究用机器来模仿和执行人脑的某些智力功能，抑或是以计算机模拟来实现人类智能，一致性呈现出对人的思维、意识、活动过程的模拟，最终达到如智人一般的思考，甚至超过人的智能，并且具备“深度学习”的能力。[2]

事实上，随着近年来“围棋机器人AlphaGo、IBM沃森的智能诊断、科大讯飞的智能翻译”等多维AI技术的不断发展和应用，为世界场域下的人类社会与生活带来了不可估量的影响，同时这亦显现出了人工智能作为实务与学术的热点现象。2016年10月，美国发布《美国国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》，对人工智能的伦理、技术标准、培训、人才培养等做了战略部署。2017年，日本政府制定了《人工知能産業化路線図（人工智能产业化路线图）》，预计是在2020年后的十年计划内分为三阶段，有步骤地人工智能的产业化。2017年7月，我国国务院发布《新一代人工智能发展规划》，这一顶层设计的制度安排进一步将“人工智能”纳入并上升到国家战略层面，为中国发展提供了智能性支持。

上述各方战略规划恰恰都反衬出世界各国对人工智能的极度重视，亦映射出人工智能对其他多领域的外部嵌入。诚如著名人工智能专家尼克·波斯特罗姆（Nick Bostrom）所认为，“在几乎所有领域，都比最聪明的人类大脑聪明很多，包括科学创新、通识和社交技能”。当然，人工智能不再是以往科幻小说和科幻电影中的“笑料产物”，已然是改变现实生活实存在的“超级技术”，诸如无人驾驶、无人超市、百度大脑、机器人、脸部识别等等，都在不断进驻世界场域空间之中。

（二）人工智能嵌入高校教育的深度耦合

事实上，美国上述两份报告中都刻意寻求人工智能方向上的教育目标的追求，此外，在教育领导力、技术保障、负责任发展等教育理念都发生了断裂和重塑。[3]由此可以认为，其在某种意义上映射出人工智能技术支持美国高校教育变革战略的深刻变革方略。从“NSTC规划”到“CSIS规划”的演变，恰巧彰显出了美国在人工智能赋能教育的颠覆与创新。

当然，国务院关于印发《新一代人工智能发展规划的通知》恰恰为中国场景下人工智能发展，尤其对于人才培养方面提供了顶层设计，即，依托于人工智能技术的外部嵌入，加快有效地推动中国化人才培养的创新模式，此中囊括了构建出“智能学习、交互式学习”的新型高校教育体系。随着对技术的不断更新，人工智能技术的赋能效应使得其可以进一步地模拟行动主体对知识的理解、识别、认识等等的再思考之能力。应该说，人工智能的出现，进一步缩短了身处异地空间的主体人的沟通障碍与沟通时间，尤其是借助于人工智能技术的中介载体（智慧教育机器人），通过不断地与教学主体者交流、沟通，进行深度化教学与学习，进而得以实现多层次，乃至于多学科的交流与发展。

智慧教学是建立在智能化环境基础之上，以智能主体与客体间的“教授&学习的双向互动”为积淀，探索智慧教学模式与建构智慧教学空间，力图实现培育出智慧教学的中国化土壤。[4]基于此，以人工智能的外部嵌入，实现其驱动高校智慧教学的深度融合，引发教学模式变革创新的“裂变效应”。当然，如上所述的人工智能的技术嵌入，其成效有赖于神经网络、机器学习等关键技术的长效发展，进而促成主体人的支撑载体的转型，数据智能挖掘更为精准，诸如学习者在学习过程中产生的海量图像、语音、文本数据、个性化特征信息等，进一步实现了人工智能与智慧教学的深度耦合，旨在推动人工智能驱动的高校智慧教学空间的融合。

（三）人工智能内嵌于智慧教学融合发展的可能

应该说，智能化的技术治理是实现全民网络时代下个性化教育服务的应用基础。那么其所隐含的另一层逻辑是追崇“因材施教”的个性化准则。但是，面向中国当下发展趋势，应试教育仍未可以被超脱，千篇一律的应试仍是主流，其结果是教学和教材的固化效应。事实上，如上的现实往往对今后AI教学提出了不可避免的现实挑战。

因此，面向人工智能时代，无论是算法技术还是大数据技术等等的广泛应用无疑都将对高等教育知识体系产生颠覆作用，甚至经历“断裂—重构—再断裂—再重构”的循环往复历程。如上行动会进一步模糊差异化学科之间的空间边界和界限。可看的见的是当下盛行的互联网通识教育以及个体在线教育，都在不断地扩宽高校教学的创新模式以及实现了高等教育内容的多样性。事实上，人工智能作为一个内嵌了自主创新的复合技术科学，其有效融合了多维智能化前沿综合学科，诸如计算机科学、大数据、云计算、脑科学、教育神经科学、仿生学等等。当然，人工智能的终极目标无非是希冀于智能机器人能够与人类相匹配的智力，从而达到“模式识别、认知、感知和决策”等类人化的智能功能。[5]由此可见，构建在以人工智能的高校教学智慧教学空间的融合，必然需要借助于人工智能技术的广义平台，可以完全实现对教授者和学习者之间双向互动的行为集合体数据的可视化记录，此中囊括了个体化的“教学—学习”的双向兴趣、“教学—学习”的互动偏好以及“教学—学习”的差别程度等等，智慧系统以此大数据从而得以构建出匹配众多教学和学习的内容、方法、进度，最终力图真正地实现了智慧教学空间的融合个性化服务。

随着当下人工智能时代的广泛技术发展，智能化应用已经不仅仅局限于军用和商用，应用于教育发展已然成为新时代教育信息化的实践行动之一。从学科视角而言，人工智能的多维方向不仅仅在于一般意义下的智能机器人，还包含了其他技术应用，诸如语言识别、图像识别、自然语言处理和专家系统等。[6]基于此，“教育人工智能”特指需要将人工智能技术嵌入到高校教学场景之中，使得其与教育技术、教育科学理论等深度融合。需要看到的是，面向人工智能的教育机器人的创生与发展，无疑扩展了高校教育本地化实践，兼具了强烈的沟通互动能力特征，身兼多种角色（既扮演教师的角色，又扮演同伴者）。因此可以说，智能教育机器人有效的调动了教学与学习之间的互动兴趣，不但解构了教师传统“只进不去”的粗放式教学模式，还得以激发了教师个体的内生创造能力，由内而外地打造出高校智慧教学的高质量发展格局。

图1 人工智能驱动智慧教学知识生产的多维空间

二、人工智能驱动智慧教学空间的建构设计

智慧教学空间是高校在智能时代下开展教学活动的重要现实载体，建立在大数据环境中的智慧教学空间中外部嵌入人工智能技术，将数据联通空间作为中介，使得教学者与学习者的物理空间和虚拟空间能够实现其无缝式耦合，为其搭建一个“无处不在、无时不在”的学生学习和教师教学相互交融的混合复杂空间，有助于促进智能时代下高校教学的改革，增强学习与教学的个体体验，以促教学质量的有序提升。为此，基于人工智能驱动的知识生产空间架构得以重构，如图1所示。

事实上，正如图1中所呈现的图景恰恰融合了“人工智能+空间”框架的全新教学模式。依此逻辑得以审视可知，为了能够契合诸多需求，诸如教学、学习、研讨、观摩、演讲等等，势必需要拓展其内在知识生产空间。在此基础之上，以数据作为中介载体，构造出物理与虚拟的双向互动空间，同时以“方法、资源、技术”为中轴媒介，借助于人工智能、大数据等技术优势，构建出SPOC学习平台、人工智能平台，希冀于实现高校教学的智能化，以期推动高等教育与教学的高质量发展。

（一）方法、资源与技术

嵌入人工智能的高校教学空间的构建势必需要融合智能教育的内核。从高等教育治理创新的视角来审视，智能教育理念的内核仍然是“以人为本”，强调多元化的智慧学习、自主学习、协作学习、项目学习、团队学习、研究性学习以及个性化评价。

在嵌入人工智能的智慧教学空间之中，学习者自主选择能够匹配自我的学习模式与工具，同时还能依据学习者的自我需求达成自动推送和选择学习资源，进而在“教学资源云”中生成性资源存储，力图可以实现随时随地的选择应用。[7]当然在此过程中不应忽视的是，建立在智能学习管理平台的优势基础之上，借助于人工智能技术（大数据、虚拟仿真分析、可视化）实现了日常教学与学习的常态化运营管理。如若以此逻辑得以顺利进行，自然可以达成对整体性智能教学与再学习的科学化、精细化管理，意在有序提升智能教学质量。

（二）物理空间

置身于智慧教学语境下的物理空间则有别于以一般下的物理空间，其更多指向了与智慧教学相关的基础设施建设以及教学内容的呈现，同时还应该囊括了一系列外部空间数据内容，诸如教学过程记录、环境管理和空间布置等等。[8]如若需要厘清人工智能驱动智慧教学空间，则必然建立在物理空间的基础之上。由此可见，物理空间的健全与完善则有赖于如下四个层面的建设：

首先，提供全信息化环境设施。要达成课堂教学的全智慧化，高校主体应将现代化智慧纸笔书写大屏显示，以此来替换传统意义下的多媒体视频和黑板，同时应当实现多屏幕的共享差异化教学内容。此外，亦不可忽视借助于教学管理的终端来审阅学习者的回应和作业。与之相对应，学习者同样利用智慧化的纸笔来完成课堂练习，并以学习终端力图达成课堂测试的实质目的，由此实现了无缝隙链接，进一步融合了物理空间与虚拟空间。[9]

其次，视频采集设施。通过智能化的视频终端来记录双方主体（教授者与学习者）在智能化教室的自身行为（教学&学习），同时应当有效识别个体人的自然属性的数据，诸如身份、情绪、位置、面部表情、身体动作等等。另外，还应当利用语音识别智能技术将教授者的教学内容转化为文本数据，并厘清和分析其数据内在的情绪。[10]事实上，以文本数据更有益于主体人的内容识别和情绪识别，还可以刻画出学习者在用户终端的操作行为图景。

再次，人性化的空间布置。在物理空间的设置过程中要着眼于人性化功能，关键在于如何构建出人性化的多样形态的教学场景（诸如小组讲授、研究性学习、小组讨论、团队沙龙等），当然可以采取可移动可拼装的异型桌椅。

最后，空间环境管理。空间环境管理的症结在于如何智能化辨识和找寻出环境数据，具体包含记录教室环境参数数据，包括温度、湿度、噪声、PM2.5、光亮度等时序数据。同时面向物理环境管理，实现对智慧教学设备的智能化控制，还应提供了智慧教室设备（包括智能通讯、录制设备、直播互动设备、显示设备等）的发现、通信、监控功能。

（三）虚拟空间

智慧虚拟空间的构建是建立在智能化自主学习空间的基础之上，同时搭建了混合式学习的空间平台。[11]那么从这个意义来说，客观维度上构建了集合体，以期实现资源、服务、数据的互相融合一体，力图支持主体间的共享、交互、创新等业务。由此，在高校智慧教育行动场域之中，虚拟空间的构建无疑应当嵌入于智慧教育行动中，当然需要建立在教学系统软件的整体性整合，在全面感知智能设备的积极应用下，实现“远程—异地—并班”的多样化教学，无疑有助于资源共享、教学支持、学习交互、决策评估和数据分析功能的发挥，以此来能够满足多元主体（教师、学习者、教育管理者）的差异角色需求。

为此，厘清其内在的虚拟空间，主要包含如下五维度：

一是课堂智能感知模块。基于智能感知技术，以此来达到智慧教学实践活动中的自动化控制，诸如一键控制、教室灯光智能控制、教学设备自动启动、学习终端的自动感知等等。

二是SPOC学习管理模块。依托智慧教学系统，采取多教室的联动并班教学，可达成教学资源的同步更新与播放，教授者与任一教室之间可实现即时互动，进一步可查看学习状态，以及利用学习终端来实现一系列教学活动，诸如测验、辩论、讨论、练习等。智慧支持在线的交流，例如文字书写、视频交互等等内容，都需要以移动端用户和教学者同时参与进课堂教学，获取双方互动交流和学习行为数据。[12]当然亦不可忽视终端投屏技术，实现智能化投屏替换传统的黑板式教学模式，以期定期与不定期地查看、展示和批阅学习内容；以及方便差异化主体间的资源互动与交流。

四是大数据分析模块。关键在于教学数据的大样本采集，并基于个体行为及其大数据的分析以此达到个性化评估。其中，其一获取教学环境感知的大数据，可从传感器和智能化视频终端的获取路径；其二获取智能化教学系统平台的大数据，尤其是平台中涉及主体间的“教学—学习”行为记录数据等；其三获取学习者个体的大数据，从智能化系统中获取学习者的个体性习惯、情绪，乃至于兴趣等。

五是可视化展示模块。可视化展示主要反映出智能教学平台的集中化管理和控制，力图能够实现对站内实况的直观查看，以及监管站内设备；与此同时，采集和汇聚不同主体间（学习者和教师）的多维度信息，在此基础之上实现系统化建模，最终形成数据分析的可视化图表。

图2 虚拟空间中的五大模块

（四）数据联通空间

从众多的调查发现，数据是联通物理空间和虚拟空间的关键性中介，换而言之，数据作为驱动了物理空间和虚拟空间相互交融的媒介。那么从这个意义来说，正是伴随着大数据、云计算、虚拟现实、人工智能等新技术的不断嵌入，进一步深化了其与智慧教学的深度融合，其结果是原先的封闭式教学物理空间逐渐裂变，进而拓展为一种无边界的虚拟真实融合的学习场域空间。[13]传统意义下的教和学之间的主体在某一个物理空间所存留的各种行为数据都可能会被数字化的形式而得以存储，自然可见的是以往书本教学内容势必会以多样化的形式，诸如文字、图片、声音、视频、虚拟场景等，共生共在于学习管理平台，甚至在VR/AR应用软件下得以呈现。

由此可见，人工智能驱动的智慧教学过程与结果的多重复合数据会持续通过智能化设备和平台采集，并得以汇聚为教学大数据。更为重要的是，教学大数据的定向流动会进一步地产生出具有正向性反馈机制的教学链条，重构出智慧教学的数据联通空间。[14]从这一行动逻辑可知，数据联通空间的存在意义无非是将物理空间和虚拟空间中的各个教学环节实现无缝融合。依托于智能化的深度挖掘技术，力图将大数据转化——“翻译”成有价值的他者讯息，例如学习者学习注意力情况、知识点学习情况、教学目标达成情况等，最终能够为教学主体人提供一种教学决策参考的现实意义。

三、人工智能驱动的智慧教学空间融合的实践面向

事实上，人工智能驱动的智慧教学空间融合本质上属于复杂系统的融合实践面向，那么，相关的教学应用涵盖众广。为此，基于不同主体视角，探究人工智能驱动智慧教学空间融合的实践面向逻辑，具体是以面向教师、学生和面向教学的人工智能驱动智慧教学典型应用进行探讨。

（一）面向教师主体的教学空间融合实践行动

基于学生主体的学习需求，使得教学主体的教师自然要以实践行动来满足。那么从这个意义来审视教学空间融合实践行动的核心，自然切入到教师主体的教学空间融合的业务范畴。

1. 智能评测

智能评测主要指教师主体对受智慧教育的学习主体在具体的某一学习过程，抑或某一学习行为中的大数据所进行的智能化测评。其中，囊括了大规模自主智能评估、个性化即时反馈等两种形式。前者侧重于依托智能化大数据分析技术，以便于能够对个体学习行为和成效测评；那么后者而言，则是指通过对某位或某一群体学生的学习行为和学习过程数据的测评分析，并得以进行及时个性化反馈。

事实上，依托于人工智能技术的智能评测的实际应用主要在“口语考官和试卷批改机器人”等方面。目前伴随着智能化语音识别程序的广泛应用，识别率在不断地提升，就可以实现以“人工智能口语考官”来进行英语听说考试测评。例如美国教育考试服务中心在部分英语考试项目中借助于人工智能技术来评测打分；与此同时国内科大讯飞公司尝试将智能语音技术应用于广东省2018年英语口语环节考生答卷的批阅。

当然测评对于任何教师并不陌生，但阅卷工作反而会受制于主观因素的影响而诱致偏差的发生，因而智能阅卷机器人应运而生。国际上Gradescope开发批改卷面试题软件，多所常青藤高校，诸如伯克利大学、斯坦福大学、麻省理工学院等都纷纷采用；国内的阿里AI智能阅卷、科大讯飞智能评卷系统等智能化应用正在大力推广。

2. 智能应答

基于人工智能技术（诸如自然语言处理、知识推理文本语音和图像分析）实现的大规模知识处理与反馈的自动应答系统，即可被称为智能应答。由此可知，其内在实质更多是从语义理解和答案搜索方面来实现对学习者疑问的普遍性解答。智能应答的行动逻辑是智能化后台在接收到文字、图像或语音等等多维信息后，首先从文本内容上语义解读，进而依照智能逻辑给予恰当而又合理性回复。[15]

因此，在智慧教学行动中，教授者与学习者之间的互动交流是建立在学习者个体所能发出的语义信息，可以从文本、语音和图像渠道，在此基础之上借助于深度学习、机器学习、神经网络等技术来实现智慧教学应答业务。

3. 个性化教学

以应然视角观之，“如何针对学生的个性特征来实现‘因材施教’”一直是教育学界的常态化命题，实则是一种理想化的教育图景，而在具体实践过程会面临着多重困难。那么从这个意义来审视，个性化教学势必需要建立在智能化社会化，依托于“教学资源的个性化智能推荐”来达成。因此可以说，“教学资源的个性化智能推荐”关键在于依据个体的学习习惯和行为，智能化预测其个体兴趣偏好，专属性推送合适的教学资源。在如上逻辑的指导下，诸多基于学习行为数据建模的各种推荐算法（如关联规则、蚁群聚类、协同顾虑、机器学习等）纷纷被采纳。[16]那么在智慧教学空间中，基于个体学习者以往的行为数据，诸如网上浏览文本、语音、图像、视频等资源，就此进行特征提取，得以构造出非结构化数据集合体。利用人工智能的深度学习推荐算法，最终可以为个体学习者提供个性化教学资源的智能化推荐。

（二）面向学生主体的教学空间融合实践行动

1. 智能识别

在所有人工智能教学应用中，智能识别应用到目前为止视为最为成功的技术。此中，不管是语音识别、图像识别、人脸识别，还是脑波识别，都可以归属为智能识别之范畴。事实上，基于人的主体性语音天生蕴藏了情感要素，因而所创生的基于语音情感库的情感识别被广泛应用智慧化教学空间之中，诸如软银情感识别智能机器人Pepper、小影印象APP应用等等。

2. 智能导学

从行动逻辑审视智能导学可知，其需要对学科领域中的知识结构体系得以分解，以便于能够单一化的知识元，进而以导学关键点作为一个中介得以进行语义定义。在此基础之上，将如上所论被定义后的知识元得以归纳与整理，以期能够构建出智能化体系，并由此刻画出其内在的逻辑知识地图，最终实现个性化学习路径。那么从这个意义来看，在人工智能时代下，依托于人工智能的数据化分析技术优势，教授者、学习者以及管理者都可对智慧教学空间中的个体行为以及知识量进行全面扫描评估，力图找寻出其知识结构体系中的缺陷之所在，并就此能够得以解构并设计出自适应性的互动学习路径，提高智慧空间融合效率。总而言之，智能导学能否成功的症结在于如何实现智慧教学空间中的主体者的画像描写与适应性指导。[17]更为重要的是，厘清智能导学在智慧空间融合的实际应用领域，诸如学习路径智能化引导、薄弱环节自行检测、学习进度有效控制等等。

图3 智慧课堂的构建

（三）面向教学主体的教学空间融合实践行动

1. 智慧课堂

主体人（学习者）配备有虚拟—现实（VR、AR）设备、人体眼神姿态识别仪、EEG/ERP脑波检测器等数字化设备，可以将主体人的多维数据信息（诸如面部表情、身体姿态和脑电波等）俘获并储存于后台数据库，再经过人工智能技术（深度学习、数据挖掘等）的分析，除此之外还借助于文本、图书、音频以及视频等数据来源，以便于能够搭建出智慧课堂。其具体的运作逻辑，详见图3所示。正是囿于人的主观能动性，使得其内在的脸部表情、情绪、身体状态以及脑波动难以被描述和记录，因而借助于现代人工智能技术，实现了个体主体性数据的历史对照分析，以期能够有效辨识个体状态，诸如注意力是否集中知识点的掌握程度如何？因此，从这个意义来看，依托于人工智能技术的智慧课堂有效契合了当下个体智慧化需求的满足之感。

2. 智能在线考试

事实上，智能在线考试系统除了一般的常规教务功能之外，还兼具了他者功能，诸如智能组卷、在线作弊防范监测等功能。另外，还可对历次考试结果进行大数据分析，以便于能够对以往考试规律进行探究，从而研判出试题与学生互动成绩的关系。[18]更为重要的是，其内嵌了数据挖掘统计功能，也就是说，依托于智能在线考试系统能够对每次考试行为和考试结果的诸多数据进行深度挖掘与统计，进一步显现出教学者与学习者的互动成效，从而刻画出智能考试的客观规律。

四、结语

当前，立处于中国新时代，新一代的人工智能迅猛发展并得到整体推进，其已在中国各行各业中引发了“链式突破”，从而推动了中国政治、经济、社会与文化的多领域从数字化、网络化向一种快速智能化的大踏步提升。当然，在肯定如上人工智能所带来的机遇的同时，也增添了多重挑战，尤其是对高等教育的教学方式、学习方式、学生全面发展带来革命性的变化，那么其将怎样进一步促进高等教育均衡，提高高等教育的教学质量？基于此，本研究基于人工智能驱动的视角，审视其内嵌于高校智慧教学空间的融合实践可能性，试图构建一种将方法、技术、资源融为一体的“三维空间设计（物理空间、虚拟空间、数据联通空间）”，旨在进一步助推高校智慧教学的高质量发展。

事实上，人工智能技术无疑会有效推动高等教育的教学空间的拓展，同时人工智能也在倒逼大学教学方式的变革。在此情景下，无论是教师，还是学生个体，主体内在的个性化学习需求会慢慢放大，或者说这一核心主题会越发凸显，任何一个人都将成为学习者。以慕课等大规模开放式在线教育为发端，未来甚至可能会产生跨国家跨地区的云端虚拟大学综合体，通过科学配置、共建共享高等教育资源，为学习者提供个性化、体验式的学习机会。

可以说，未来已来，更为重要的是应当看到人工智能不仅仅将其简单视为“一种技术抑或一种专业”，而应当视为“新的创新思维方式、创新教育方式、创新生产方式”。高校如何去拥抱人工智能，助推其内涵式发展，这是新的未来高等教育治理现代化的新课题。

［1］ SANCHEZ N M, VALDIVIA Z Z G, LORENZO M M G, et al. Conceptual Maps and Reasoning Based on Cases: A perspective for the Intelligents Teaching/ Learning Systems[J]. IEEE Latin America Transactions, 2010, 8(5): 571-578.

［2］ 安富海. 人工智能时代的教学论研究:聚焦深度学习[J]. 西北师大学报: 社会科学版, 2020(5): 119- 126.

［3］ 张继明. 智造社会背景下一流本科教学的课堂重构——大学教学内向型改革的微观视角[J]. 大学教育科学, 2020(4): 1-9.

［4］ MANDELL A, lUCKING R. Investigating AI with Basic and Logo. Teaching Your Computer to Be Intelligent[J]. Journal of Computers in Mathematics & Science Teaching, 1988(7): 79-81.

［5］ 孙婧, 骆婧雅, 王颖. 人工智能时代反思教学的本质——基于批判教育学的视角[J]. 中国电化教育, 2020(6): 16-21.

［6］ AMAL T, AROUA H, LEJOUAD C W. Knowledge tracing with an intelligent agent, in an e-learning platform[J]. Education and Information Technologies, 2018: 1-31.

［7］ ÖZCAN Özyurt, HACER Özyurt, Baki A. Design and development of an innovative individualized adaptive and intelligent e-learning system for teaching–learning of probability unit: Details of UZWEBMAT[J]. Expert Systems with Applications, 2013, 40(8): 2914-2940.

［8］ 李洪修, 田露. 人工智能背景下教学自由的价值意蕴及其限度[J]. 湖南师范大学教育科学学报, 2020(4): 1-7

［9］ 张海燕, 周海涛. 人工智能与教学的交集:历程检视与路向选择[J]. 当代教育科学, 2020(5): 20-24.

［10］MARIA José MFerreira. Intelligent classrooms and smart software: Teaching and learning in today's university[J]. Education & Information Technologies, 2012, 17(1): 3-25.

［11］张志勇. 未来学校教育治理的背景和走向[J]. 宁波大学学报: 教育科学版, 2021, 43(6): 7-10.

［12］崔亚强, 甘启宏, 王春艳. 高校智慧教学环境的建设和运行机制思考——以四川大学为例[J]. 现代教育技术, 2020,30(3): 95-100.

［13］HWANG L. Design and application of a research-based network teaching platform with intelligent evaluation[J]. Experimental Technology and Manage- ment, 2014, 90(suppl): 39.

［14］KRISHNAMOORTHY V, APPASAMY B, SCAFFIDI C. Using Intelligent Tutors to Teach Students How APIs Are Used for Software Engineering in Practice[J]. IEEE Transactions on Education, 2013, 56(3): 355-363.

［15］王艳梅, 徐明祥. 应用技术型大学学术漂移的扩散机制分析——基于全国12所学校的研究[J]. 宁波大学学报: 教育科学版, 2020, 42(2): 75-83.

［16］黎琼锋. 唤醒主体: 高校智慧教学的实现路径[J]. 高等工程教育研究, 2019(6): 149-154.

［17］赵忠君, 郑晴, 张伟伟. 智慧学习环境下高校教师胜任力模型构建的实证研究[J]. 中国电化教育, 2019(2): 43-50.

［18］梁泽鸿, 全克林. 面向智慧教育的高校教师信息化教学能力提升[J]. 中国成人教育, 2018(19): 145-147.

AI-Driven Integration of Intelligent Teaching Space in Colleges

ZHAN Guo-hui1, LIU Tao2, DAI Fen-yuan3

( 1 . School of Public Management, Nanjing University of Finance and Economics, Nanjing 210023, China; 2. Reform and Development Office, Nanjing University of Finance and Economics, Nanjing 210023, China; 3. Editorial Dept. of Academic Journals, Nanjing University of Finance and Economics, Nanjing 210023, China )

The AI-driven intelligent teaching has become one of the much-concerned practical issues of teaching reform and development in modern colleges and universities in the era of big data. This study examines the possibility of embedding instructions in the intelligent teaching space in colleges and universities from the perspective of artificial intelligence, in an attempt to build a three-dimensional space design (physical space, virtual space, and data connectivity space) that integrates methods, technologies and resources. It therefore describes the application prospect of smart teaching driven by artificial intelligence for different subjects (teachers, students and teaching process), in order to straighten out the practice-oriented logic of intelligent teaching space reproduction, to further promote the high-quality development of intelligent teaching in colleges and universities.

artificial intelligence; intelligent teaching; teaching space; space reproduction

国家社会科学基金教育学青年课题“教育结果公平视角下贫困家庭子女的义务教育补偿机制研究”（CFA200249）；南京财经大学高等教育及改革发展专项重点课题“财经类高校科研人员风险感知对成果转化‘抗拒’行为的作用机理及实证研究”（GJ201808）

詹国辉（1989-），男，江西婺源人，讲师/博士，研究方向：高校教学改革与教育政策评估。E-mail: zhanguohui0326@126.com

G40-01

A

1008-0627（2022）03-0066-09

（责任编辑 周 密）