国内外“人工智能+教育”研究热点、异同比较及发展启示

王 毅，吴玉霞

(1.贵州师范大学 教育学院，贵州 贵阳 550025；2.贵阳市三桥小学，贵州 贵阳 550001)

2017年7月，国务院印发的《新一代人工智能发展规划》提出，运用智能技术从人才培养、教学方法和学习方式等多方面构筑新型教育体系。2018年4月，教育部印发的《教育信息化2.0行动计划》指出，智能环境已对教育理念、文化和生态都带来了深刻影响与变革。同年8月，教育部办公厅发布的《关于开展人工智能助推教师队伍建设行动试点工作的通知》强调，教师要主动适应并积极应用人工智能等新兴技术有效开展教育教学。在人工智能逐步推动传统教学改革创新、促进教育过程不断优化的背景下，国内外学者对“人工智能+教育”主题开展了长期、广泛和深入的研究，从不同视角运用不同方法研究人工智能技术发展及其教育应用，形成了丰硕的研究成果。本文筛选2000—2020年以“人工智能+教育”为主题的国内外核心期刊文献，综合文献计量分析与系统文献综述方法，借助Bicomb、Ucinet和Spss软件，深入分析近二十年来人工智能在国内外教育领域的研究进展并进行比较，进而提出未来我国“人工智能+教育”研究的发展启示。

一、国外“人工智能+教育”研究热点

(一)教育4.0的内涵定位研究

教育4.0(Education 4.0)是同工业4.0多次共现的高频关键词，同时也与“人工智能+教育”存在必然的逻辑关系。从内涵定位上看：其一，国外研究皆围绕创新、智能终端和工业4.0等关键词对教育4.0进行内涵解读。智能化是工业4.0的外在表现，教育4.0是工业4.0时代培养未来劳动力的一般方法或趋势[1]；其二，面对智能时代对社会岗位和人才知识结构变革的双重压力，教育4.0对学生能力框架和学校未来发展等方面进行了重新定位。从实现条件来看，由物联网、云技术、增强现实和虚拟现实等技术支持的工业4.0在教育中发挥着重要作用，为教育4.0发展提供强有力的技术支撑，如对技能型劳动力的高级终身培训支撑，让校园物理系统和数字系统融合成为可能。正如Masschelein等人结合具体数据、技术和框架，预测未来学校将呈现“时间——空间——物质”上的特殊安排[2]。

(二)智能虚拟现实的教学应用研究

智能虚拟现实(Intelligent Virtual Reality，即IVR)技术在可视化和沉浸交互方面的优势越来越受学界青睐：一方面，IVR可为学生搭建基于游戏的虚拟现实环境，利用多种技术和软件(如凝视、手势控制、触觉、语音界面和人工智能)，使真实环境和虚拟的人工环境相重叠，从而产生感官上的混合现实体验，以达到激发学生兴趣、强化互动参与的目的。如Bouali等人介绍了一款基于VR的学习游戏Imikode，其支持计算机教育中面向对象编程(OOP)概念的教与学，除了可以引入人工智能扩展游戏功能，还可解析学生游戏中的编程错句，并提供修复错误说明[3]。另一方面，IVR适用于程序性任务教学，以助学生产生沉浸感，在体验式学习中获得认知技能。尤其在语言类教学中，虚拟现实技术用于营造第二外语氛围，人工智能代理用于模拟进行语言训练与真实对话的伙伴角色；或结合情感识别、人脸监测或语义分析等人工智能技术，开发沉浸式虚拟现实教学模拟器。然而，Radianti等人揭示IVR应用尚存不足，如在开发应用时没有考虑用学习理论来指导学习结果，组织的应用评价集中在虚拟现实应用可行性上，而没有关注学习结果[4]。

(三)智能教学机器人的角色研究

智能教学机器人(Intelligent Tutoring Robot，即ITR)基于机器学习技术的快速发展，扮演着现代教育中的同伴、教师和辅助工具等角色。与传统教学机器人相比，ITR具有模式识别和自然交互能力上的优势，当学习者与实体机器人系统接触时表现出更有利于学习的社交行为[5]。譬如，基于谷歌技术的Dialogflow框架，可设计开发用于管理和学习支持的聊天机器人FIT-EBot，能与学生进行持续互动[6]。ITR将有望成为创新学习环境中的学习伙伴首选项。当ITR作为教师时，早期Hsiu团队专门研发了一款应用于监督辅导与及时干预的中学教育机器人Trikebot[7]。随后针对一对一教学，学界形成了类似儿童第二语言技能教学机器人Tega的ITR研究设计思路[8]。此外，ITR还作为嵌入STEM主题教育中极有效的教学媒体和学习工具，被看作是激励现代化教学方式的最佳途径[9]。Mehdipour等人采用由人工智能授权的机器人辅助新西兰小学教育工作者开展STEM教育，结果发现：教师对ITR在协助搜索和准备资料方面的性能作出了积极反响。相比助教，教师更愿意采用ITR作为教学辅助工具[10]。

(四)机器学习的综合研究

机器学习(Machine Learning，即ML)作为人工智能发展的核心动力，主要分为监督学习、非监督学习和强化学习[11]。在教育领域，国外学者综合探讨了机器学习的理论发展和应用研究。在理论发展上，机器学习与统计学、信息论、博弈论等数学分支学科有共同的关系脉络。机器学习理论可作为各种焦点推测和理性分析的中心点，通过提供逻辑框架来组织新的机器学习算法，间接推进编程的前沿发展[12]。在应用研究上，机器学习技术使用一系列统计分析方法(算法)收集、构造和分析计算性的大数据集，从而具有识别模式、构建分类、预测模型[13]等功能。如Duzhin提出了三种机器学习算法，分别用反向传播(BP)、支持向量回归(SVR)和长短期记忆(LSTM)来预测学生学习成绩[14]。Zea等人使用二元分类学习算法识别具有弃学风险的学生[15]。由英国开放大学研制的“OU Analyze高危学生预测系统”则允许学生自主选择是否参与数据监测。如此，从人文关怀上尊重学生选择权，减少了学生个人与数据操控者之间的权力不平衡，是机器学习算法在人权和伦理道德考量上的具体表现。

(五)智能导师系统的功效研究

智能导师系统(Intelligent Tutoring System，即ITS)是一种以知识为基础的软件系统，由早期计算机辅助教学发展而来，主要基于领域模型、教学模型、学习者模型和交流模型四种动态交互模型[16]，实现个性化教学辅导、诊断学生知识优缺、按需策划学习路径以及进行知识评估等四个主要功能。国外学者围绕这四个功能，针对不同算法和模型开展了研究。个性化教学辅导的典型研究有：Karaci将模糊逻辑与基于约束的学生模型(CBM)相结合，建立了混合式智能教学系统，根据学习者回答特定问题的时间来确定学习水平，从而提供有针对性的个性化教学辅导[17]。在诊断学生知识优缺上，Chayaporn等人提出基于两步聚类(TSC)方法的数据挖掘技术，建立了智能诊断框架(IDF)以适应不同语言能力的英语课堂教学[18]。为实现按需策划学习路径，Rastegarmoghadam等人利用蚁群算法(ACO)开发改进了ITS中的学生建模方式，调整了适应学习者学习特点和学习倾向的最佳路径，助力学习者学习效率的提升[19]。最后，评估学生知识获取水平也是ITS的首要任务之一，旨在衡量学习者认知水平，决定学习者学习需求。鉴于此，Ramirez-Noriega Alan开发了基于贝叶斯网络的推理机，并在实证基础上得出结论：ITS测试评估比计算机考试和传统纸质测试更有效[20]。

(六)人工智能对K12教育的影响研究

人工智能对国外K12教育的影响研究主要集中在两方面：一是教育组织者愈加重视对K12阶段学生人工智能知识体系的构建。美国人工智能协会(AAAI)和计算机科学教师协会(CSTA)发起的K12人工智能工作组(AI4K12)建议：K12阶段学生应具备语音系统互动能力，体验过机器视觉，并能对人工智能作出正确认知和判别[21]。在中小学计算机课程教学和框架中引入人工智能相关内容时，要充分构思设计有意义的活动，揭示学生的基本人工智能思想。基于此，Burgsteiner等人开发了一门涵盖问题解决、数据结构和机器学习等人工智能主题的课程。课程评估结果显示：参与学生能熟练掌握各种概念和主题，研究者也打算在未来中学科学教育中积极整合人工智能知识理论[22]。二是强调依托人工智能提升中小学课堂互动性、直观性和趣味性的同时，促进学生思维和技能养成。例如，在高中物理力学课中，Sanchez-Guzman等人采用“安第斯”智能代理来促进学生学习和技能的发展[23]。Sung等人研究了一款互动性极强的战略性电子编程游戏《森林之友》。与其他教育类编程游戏不同的是，《森林之友》包括人工智能编码组件，可针对年轻的中学年龄学习者(11—13岁)，让他们在轻松愉快的非正式环境中完成编程任务——游戏编程部分没有预设的“标准”答案，旨在提高学生对计算思维技能的理解能力，并建立参与计算机科学的身份认同感[24]。

(七)人工智能在高等教育的应用研究

人工智能变革影响着传统高等教育的教、学、考、评、管，具体表现在分析与预测、评估与评价、智能辅导系统，以及适应性系统与个性化四个分野[25]。在分析与预测上，为了提前防控高等教育中的未知风险，相关研究提供了人工智能技术组建的早期预警系统，作为识别某些方面存在风险的学生的手段。使用人工智能范式之一的人工神经网络来表示不同数据集之间复杂、主观、非线性和未知关系的辍学情况，可主动、持续、准确地识别出容易辍学的学生，并制订个性化预防或干预方案[26]；在学业成绩方面，Howard等人实现了在平均绝对误差为6.5%的基础上，合理预测学生期末成绩[27]。在评估上，人工智能打破了传统单一、机械的评估方式，转而整合多种人工智能算法进行学术评估、教学评估、自动评分和反馈参与，如采取机器学习算法评估学生作业间的相似性[28]，使用数据挖掘算法评估讲师的课程表现[29]。智能教学系统作为高等教育阶段集中的应用研究之一，除了上述主题讨论结果外，Steenbergen-Hu等人通过对39项研究和22种智能辅导系统的评估发现：智能辅导系统虽在提高高等教育教学效果方面不存在显著优势，但优于课堂教学、阅读印刷材料和家庭作业等传统教学辅导[30]。最后，适应性系统可针对学生的个性化需求，通过高等教育远程系统开发创建具有适应性的课程[31]。与非适应性网络学习课程相比，进行适应性学习的学生学习效果和学习成绩更佳。

二、国内“人工智能+教育”研究热点

(一)人工智能促进教育信息化发展

智能化是教育信息化的发展趋势之一，整合人工智能技术满足我国教育现代化发展需求已成为广泛共识。以智慧教育为代表的教育新生态是借助人工智能技术变革教育结构的新系统，也是信息化教育发展的高级形态[32]。2013年起至今，海淀区在智慧教育管理机构改革、顶层设计规划制订以及科学管理体系的建立上，加快推进了智慧教育的发展进程[33]。此外，为了深入探讨人工智能促进教育信息化及智慧教育发展的具体对策，学者们关注了智慧教学模式、智慧教育生态和智慧学习空间的构建策略：打造“2P-7E-2E”的小学数学智慧教学模型[34]；围绕高校教育信息化发展的人才培养需求内涵，结合教育教学质量大数据平台框架，搭建以AI驱动的智慧教育生态[35]；基于虚拟现实、电子书包[36]或“5G+AI”的技术视角实践，探索智慧学习空间的建设与应用[37]。

(二)智能技术缓解在线教育开展困境

目前，在线教育平台不断涌现，在线教育资源日趋丰富。尽管如此，我国在线教育依然面临困境：一方面，难以释放以学习者为中心的线上网络学习空间；另一方面，针对学生的个性化资源重建还有待增强。为此，教育部在《教育信息化“十三五”规划》中提出，网络学习空间建设应满足个性化学习需求，实现“一生一空间、生生有特色”。鉴于此，智能技术成为赋能个性化在线教育的有效途径。早些年，我国在扩展远程教育覆盖范围之外，就已提出采用Agent技术修复远程教育智能导学系统的基本逻辑理路。近年来，学界更加重视构筑高智能化和强参与度的个性化学习环境，提出了智慧教育视域下混合式学习空间框架[38]和物理、信息空间等多形态相融通的学习空间建设思路[39]。面对在线教育学习用户陷入资源迷途等新问题，学者建议采用人工神经网络算法、蚁群算法等多重智能型算法建立个性化学习路径推荐模型[40]，充分考虑在线用户个体的差异性。

(三)“人工智能+”融合构筑新工科改革框架

新工科被看作是应对世界新技术、经济新常态，培养卓越工程人才的新型教育，智能技术也反作用于新工科，成为推动新工科建设的核心驱动力。面对人工智能技术和新工科变革的双向扩展，“人工智能+新工科”的概念涌现。对此，学界进一步提出了人工智能技术背景下新工科发展的研究思路：其一，基于人工智能基础和人工智能共性技术的视角，可开发、重组各类“人工智能+新工科”课程体系。其二，人工智能作为时代衍生的“新”工科专业，人工智能专业人才培养也是新工科背景下学界关注的焦点，需要从学生培养要求、多元化人才培养和新工科教育创新思考三个维度来认识人工智能专业人才培养[41]。例如，徐晓飞等介绍了“哈工大新工科‘Ⅱ型’方案”，对我国高校新工科专业人才培养教育体系发展具有较大的借鉴价值[42]。

(四)创新教育对人工智能发展需要

机器人教育、创客教育和STEM教育是当前国内学者探讨智能技术发展下创新教育转型的关键词，呈现两两结合又相互独立的研究脉络：首先，创客教育浪潮为机器人教育发展提供了契机，如创客理念支持下的机器人教学模式构建。其次，STEM教育提倡的跨学科思维与机器人教育多学科融合的本质相匹配。最后，机器人教育、创客教育和STEM教育与人工智能技术基本保持两类关系：一是将人工智能技术视为知识领域，在创客教育、机器人教育和STEM教育中融合相关技术知识开展教学；二是人工智能技术作为外部支撑条件，赋能机器人教育、创客教育和STEM教育，为教与学营造智能化环境。如唐烨伟等人通过设计人工智能技术下的STEM跨学科融合模式，从理论模型上将人工智能技术与STEM教育相结合[43]。针对机器人教育中存在的教学内容单一、缺乏跨学科性、脱离实际生活等问题，吴永和等人以“氪5号”教育机器人在课堂中的应用为例，指出教育机器人在教学中的应用可以在一定程度上帮助学生解决上述难题，激发问题意识[44]。

(五)自适应学习系统延展个性化学习路径

学习分析技术，从2013年起被认为是未来五年影响生活、工作及教育的关键技术。与此同时，教育过程中的一切行为都可被技术转化为教育数据，采集、处理和挖掘教育数据是实现个性化自适应学习的前提。与国外相似，目前，国内大部分学者也在尝试将高级分析和深度学习技术应用于识别困难学生和预测学习偏向中。然而，仅依附于学习分析开展学习过程监控，还未充分发挥人工智能技术本体价值。对此，个性化适应性学习作为智慧学习环境的重要组成部分，有开展深入研究的必要性。如黄伯平等人具体比较了AHAM、LAOS、XAHM和WebML四种自适应学习系统参考模式[45]；赵呈领等人总结了适应性学习系统中推荐路径的三种算法：智能优化算法、数据挖掘算法和基于知识的推荐算法[46]；菅保霞等人从元分析视角探讨了自适应学习个性特征模型，并分析了一个能够实现可见内容个性化自适应调整的学习系统原型——AC Tutor(Adaptive Courseware Tutor)[47]。

(六)智能时代需求引领未来人才培养方向

2018年4月，教育部提出探索“人工智能+X”的跨学科人才培养模式，即未来教育人才培养模式、结构及要求都将随人工智能的脉动而进行调整和重构，尤其是职业教育更要考虑培养的技能人才有随时被机械人工智能替代的风险。因此，追踪产业智能化升级和人才市场新动态，培养适应智能时代的高素质技能人才是职业教育面临的新命题。对此，国内学者多从技术和经济发展视角，以人才培养目标、培养模式、教学方式、学科重组和课程建设为锚点，将人工智能发展需求下沉至当代教育中进行考虑。未来职业教育要实现从适应人工智能、应用人工智能到引领人工智能的转变[48]，以培养生态型、智能型、创新型和复合型人才为目标[49]。为了实现以上定位，张海燕等人提出了指向学生主体，面向智能时代职业岗位需求的职业性特质、信息时代社会交往的社会性特质、个人未来发展的个性化特质的“一体三面”人才培养逻辑框架[50]。

三、国内外“人工智能+教育”研究异同比较

在不同的社会需求背景下，国内外“人工智能+教育”研究主题既有共同指向，又有内涵差异。基于此，通过比较国内外“人工智能+教育”研究异同，能为我国“人工智能+教育”发展提供参考与借鉴。

(一)国内外“人工智能+教育”研究的相同之处

1.高度重视“人工智能+教育”领域研究

从数量上看，国内外近二十年来对“人工智能+教育”研究的文献贡献量只增不减，2020年文献数量达到峰值状态；从热点分布上看，国内外聚类效果较好，分别形成相关研究主题，而且每个主题各有特色，又存在技术和功能相互重叠的关系。

2.人才培养战略重心指向人工智能领域

人工智能作为工业4.0时代的特征正在改变人才培养目标和结构，在K12教育和高等教育方面都分别形成了各自的研究热点。K12教育一方面注重利用人工智能激发学生学习兴趣和提升学习效果；另一方面将人工智能的基本原理、方法作为教学内容培养学生智能素养，以及为高校输送人工智能专业人才。高等教育阶段则强调拓宽人工智能在管理、服务、学术研究、课程资源等方面的应用范围，为人工智能全面介入高等教育人才培养作好准备。

3.治理准则研究零散，没有形成单一主题集群

人工智能在教育公平、教育伦理和教育数据隐私等方面的治理问题研究还不够丰富，中心性和集成度较弱，国内外学者有关该问题的研究占比偏低，现状分析和策略性建议居多，有待在国际范围内积极探索“人工智能+教育”治理的规范标准。

4.主题聚焦人工智能技术与教育相互赋能

国内外研究主题又可划分为两大板块：一是将人工智能作为教育改革发展的驱动力，如国外研究的智能虚拟现实、智能教学机器人和智能导师系统热点类团，以及国内应用智能技术缓解在线教育开展的热点类团，都是技术赋能教育的具体表现。二是人工智能的再创紧紧依靠教育提供可能。如全球对教育4.0的内涵探讨和国内以创新教育迎合人工智能的主题，共同导向了以人工智能作为教学内容培养人工智能人才的教育愿景。

(二)国内外“人工智能+教育”研究的不同之处

1.指导思想与发展路向不同

国外人工智能发展与工业4.0发展动向一脉相承，相应地教育4.0全球框架也致力于创建教育新形态；而国内技术与教育融合以教育信息化为发展脉络，从传统教育生态着手，挖掘人工智能变革传统课堂教育和线上教育的潜力。

2.技术融合敏感程度不同

国内外在智能导师系统、自适应学习系统和智能教育机器人的应用研究方面关注度相当，但国外对新兴技术的敏感程度和研究行动力优于我国。比如，国外对人工智能与虚拟现实的融合应用研究已成为一大类团，突显了国外人工智能技术与虚拟现实技术交互较为频繁；而国内在技术融合方面暂时没有集成新关键词，说明跨媒介融合的广度和深度不够。

3.机器学习研究思路不同

国内外都倾向于发挥机器学习技术在识别和预测上的优势，从而在教育管理方面更好地评估学生行为表现。不同的是：国外教育领域对机器学习技术研究的系统性更强，研究不仅包括应用开发，还有理论、算法的深化；而国内目前较少讨论机器学习理论基础，而是将机理问题归于计算机科学领域，相关研究大多直接上移至基于智能系统的教学模式分析和构建，有待进一步开展实证研究。

4.技术应用价值取向不同

国外无论在K12教育还是高等教育阶段，都积极借助人工智能产品和系统预测学生学业动机、激发学生学习兴趣，尤其在K12教育阶段强调建立学生计算机科学身份认同感；国内各教育阶段研究思路则紧紧围绕未来创新人才培养变革，且集中关注高等教育和职业教育面向人工智能岗位的人才培养。

四、我国“人工智能+教育”研究的发展启示

综上所述，当前，国内外正处于人工智能赋能教与学发展的转型期，同时也是人工智能技术研发的关键期，推动“人工智能+教育”深度融合已成为全球持久的战略布局。未来我国还应该持续突破人工智能在助推学校教育管理、教师专业发展、学生学习和教育评价方面的相关研究。

(一)人工智能助推学校教育管理研究

未来学校将朝着教育资源互享、教育数据互通、多元主体互联的智能化管理趋势发展。2019年，中共中央、国务院印发《中国教育现代化2035》，提出了 “建设智能化校园，统筹建设一体化智能化教学、管理与服务平台”的战略任务。现有智慧管理服务体系也已在各校初具规模，如南昌大学附属中学基于IS平台构成了集校务、教师和学生管理为一体的智慧管理系统[51]；湖南工商大学以可视化的教学资源平台、教学环境、课堂评估系统、师生画像系统和信息安全保障平台搭建智慧教育管理体系[52]。可以说，目前，人工智能在教育管理体系中的应用还处于初级阶段，仍存在功能集成度弱、社会参与度低、运行机制有待探索等不足。为符合教育4.0发展的规划蓝图，未来研究要从技术支撑上打破单一的无纸化办公、数据库管理和学业质量监测的技术研究思路，深入探索自然语言处理、眼球追踪、知识图谱等技术对多源异构的数据采集，补充完善人工智能在学校教育管理中的情感分析、数据决策等功能缺陷。从研究主体上，要探索融合多元教育管理者的平台系统设计和应用，实现学校、家庭、社区、政府、企业间的内外联动，增强人工智能在管理评价反馈中的中介作用。在实践应用上，要从学校、教师和学生研究视角，科学论证智慧教育管理系统的优势及不足，审视技术治理在学校教育管理中泄漏师生个人信息的安全问题和伦理风险，积极探索法律策略和治理方案，细化技术治理下智慧教育管理机制研究。

(二)人工智能助推教师专业发展研究

促进人工智能在教师专业发展领域的影响研究，可以进一步帮助教师切实履行人工智能时代的角色担当。2018年，教育部等五部门印发的《教师教育振兴行动计划(2018—2022年)》强调，要注重教师技术应用的养成，推动云计算、大数据、虚拟现实、人工智能等信息技术与教师教育的有机融合[53]。这充分表明技术变革对教师知识能力结构提出了新的要求和挑战，也为教师专业发展提供了强有力的支持。目前，学界研究主要聚焦于人工智能时代教师角色转变探赜，针对教师智能教育素养的理论与实践探索还不够深入，教师运用人工智能提升微观课堂教学质量的实证研究还不够丰富，挖掘智能技术赋能教师专业发展培训、研修典型案例还不够充分。因此，一要加强教师智能教育素养的内涵构建及培养策略研究，包括针对教师人机共教意识、智能知识、智能教学应用能力、智能教育伦理的理论与案例研究，为教师适应“人工智能+”教育场域以及提升教学水平赋予丰富的理论空间，同时探寻国家、地方、学校三位一体的教师智能教育素养形成策略。二要持续迭代研究“教师—智能机器”协同创新提升课堂教学质量的实证案例，探索教师应用智能导师系统、虚拟现实教学系统、学习预测分析系统和自适应学习系统开展高效人机协同课堂教学的有效规律，为帮助一线教师提高智能教育环境下的课堂教学质量提供借鉴与参考，回应人工智能时代教师教学能力新诉求。三要继续挖掘人工智能赋能教师专业发展高质量培训研究，助推教师队伍建设。在培训模式上，从制订精准培训计划着手，研究人工智能赋能教师个性化发展培训的实践向度，借助智能研修平台构建“U(高校)—G(政府)—S(中小学、幼儿园)—T(技术支持者)”多方联动的教师培训模式，助推教师专业发展；在培训内容和活动上，持续研究利用智能研修平台获取、分析、精准计算教师研修学习与日常教学数据，动态调整基于教师个人发展需求的拔高内容和活动；在技术运用上，关注智能虚拟现实在培训中调动教师学习体验感的有关研究，利用增强现实、虚拟仿真、视线跟踪等技术，使教师产生沉浸式和持续性的学习体验，增强培训效果，促进教师专业发展。

(三)人工智能助推学生学习研究

人工智能技术正对学生学习场景和学习方式产生着结构性变革，有利于引导个性化学习和培养创新能力。构筑网络化、数字化、智能化和个性化教育体系的学习型社会，是《教育信息化2.0行动计划》设立的总体要求。当前，智能导师系统、智能教学机器人、自适应学习平台等智能设备在实现人机协同、提高学生学习质量、评价学生学习能力上的实践研究方兴未艾，但研究结论各异，缺少实践指导价值，针对个体的适应性学习难以落实到位。因此，为进一步提升人工智能在提高学生学习效率中的作用，首先，要积极探索人工智能针对不同学段、学科的实际应用研究，获取多模态数据，以合理配套的智能化教学资源和教学策略促进学生学习。其次，要增强人工智能在学习中的使用时长和地域差异的关系研究，探寻人工智能在不同场域下对学生学习产生持续正向影响的长久策略，如在课堂教学中探索混合现实技术在增强学习体验、打破时空隔阂上的集成研究。最后，要改变局限于教育学领域的研究现状，尝试将教育学与心理学、脑科学等多学科结合，开展跨学科研究，探究人工智能对学生学习影响的个体逻辑。

(四)人工智能助推教育评价研究

积极利用人工智能提高教育评价的科学性、准确性和公平性，是推动我国教育治理现代化发展提质增效的有效途径。2020年，中共中央、国务院印发《深化新时代教育评价改革总体方案》，提出要“创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生学习全过程的纵向评价”[54]。基于此，现有研究立足“四个评价”和服务“五类主体”，提出了技术助力教育评价的发展路向，尤其关注人工智能助力更加科学、公正的学生考试评价制度改革，全面综合素质评价的建设，以及教师教学、科研成果评价和学校质量跟踪评估。但服务多元主体的评价研究亟待深化，智能教育评价手段也尚待扩展。鉴于此，一要关注基于大数据的智能化教育决策和治理研究，使教育评价贯穿教育管理全过程，提升政府履行评价职责的能力和水平；二要以教师成长档案数据管理为重心，通过获取多维数据达成对教师师德师风、教学绩效、学生工作和科研水平的评价研究；三要充分研究人工智能助力学生成长性评价、过程性评价、表现性评价和情感评价的技术优势，赋能学校、教师、家长评价学生成长状况、行为习惯、情感态度和学业水平。