人工智能技术支撑下高校教学管理改革探究

李晓烽

（福建商学院教务处，福州 350012）

人工智能技术能够分析处理高校教学大数据，借助算法建立模型，预测学生的学习行为，推荐符合学生个人特点的学习内容，拟合复杂的教学问题，并量化评价教学过程，进而为高等院校革新教学管理方法创造多元化的路径。文章针对以上情况开展探索和归纳，以期拓展高等教育的发展空间。

1 基于人工智能技术的高校教学管理模式特征

1.1 以教学管理大数据为驱动力

人工智能具有五大核心技术，包括机器学习、自然语言处理、计算机视觉、机器人技术以及生物识别技术，其适用场景各不相同，但都以大数据为驱动力。以机器学习为例，其在高校教学管理中的应用价值体现为自定义教学管理流程、评估教学过程、评价学生表现、优化入学管理等。机器学习利用大数据训练算法模型，待模型成熟后，再用于分析新数据，预测某种趋势，形成预测结果。通常随着数据处理规模的增加，机器学习算法模型的预测效果也会逐步提升，人工智能中的其他技术具有类似的特点[1]。可见，高校教学管理大数据能够驱动人工智能技术，使其服务于教学管理工作。

1.2 以算法模型为决策逻辑

人工智能的核心决策逻辑为底层的算法模型，其本质为处理特定问题的计算机程序指令，作用方式包括逻辑推理和数值运算，原始数据输入算法模型，经处理后输出结果。如国内某高等院校的智慧教室设计了智能考勤系统，依托计算机视觉，由部署在教室前方的摄像头采集学生图像，通过人脸识别算法自动判断在册学生是否旷课，其处理逻辑为获取图像数据→人脸关键点定位→人脸矫正对齐→活体检测→人脸特征提取→特征值对比→输出识别结果。人工神经网络常用于构建人脸识别的算法模型，因此，基于人工智能技术的高校教学管理系统以算法模型为决策逻辑。

2 基于人工智能技术的高校教学管理改革

2.1 高校教学管理环境改革

人工智能技术依托于特定的网络信息化环境，高等院校应根据其实现原理，改革传统的办公及教学环境，配置软硬件基础设施，为人工智能在教学管理中的应用创造条件。教学环境改革的重点包括以下四个方面。

2.1.1 数据采集终端 数据采集终端用于获取训练、检验人工智能算法模型的各类大数据，终端类型与人工智能的应用场景密切相关。从数据类型的角度出发，常见的人工智能数据采集终端有两种。一是影像采集终端。影像数据在高校AI点名、课堂教学效果评价、智慧监考、智慧阅卷中发挥着重要作用。以课堂教学评价为例，传统的评价方法难以建立量化的指标，学生的专注度、课堂互动性、疲劳度、对课程内容的接受度均不能获得可靠的数据支撑。但在人工智能时代，算法模型能够从课堂影像资料中提取特征信息，建立评价指标体系。学生的面部表情、身体姿态、视线为算法提供了判断依据。引入计算机视觉技术的智慧教室通常要部署全景摄像头，用于采集教师和学生的课堂影像原始资料，并且摄像头也是课堂录播的必要设备[2]。二是声音采集和播放终端。高等院校的公共基础课和选修课多采用大班教学制，一堂课的参与学生可达到数百人，授课场所以空间较大的阶梯教室为主，因而容易出现声学信号分布不均的问题，影响部分学生的听课效果。在智慧教室中可部署电声采集终端，运用人工智能算法优化声学信号，调整不同方位的声学效果。如国内某高等院校投入使用的“声音大脑”以麦克风阵列、音箱、无线麦、桌面麦为声音终端，在软件层面设计了声环境检测、数据分析、设备自适应调节等功能，有效地改善了教室内的声学分布。

2.1.2 通信网络 由于人工智能以大数据为驱动力，其分析处理的数据类型涵盖了视频、语音、图片、文字、数值，数据体量较传统网络系统成倍增加。为保证人工智能应用的稳定性，高校应提升网络通信速度。根据《教育信息化十年发展规划（2011—2020年）》的相关要求，高校的网络带宽需提升至1 Gbps以上。工业和信息化部于2021年发布的《关于提高高等学校网络管理和服务质量的通知》，其中要求逐步扩大5G信号对高校的覆盖，5G的理论峰值传输速率可达到10 Gbps，能够为高校人工智能应用提供稳定的网络传输服务。

2.1.3 数据存储系统 伴随大数据和人工智能在高校教学管理中的应用，软件系统和应用服务对数据存储规模、响应速度、数据安全的要求逐步提高。当前，云存储是高校主流的数据存储方式，具体可分为私有云、公有云以及混合云。科研型高校为保证数据安全性，多采用私有云，其优点为高等院校自主运维服务器，缺点为部署周期长、搭建及维护成本高。公有云由商业化公司提供云存储服务器，用户无需购买和运维硬件设备，但缺点为数据安全性相对较低。混合云兼顾公有云和私有云的优点，用户的重要数据以本地化方式存储，敏感性较低的应用服务部署在公有云服务器上，有利于降低高校的云存储使用成本，同时满足安全性要求。混合云在高校教学管理中具有更大的发展前景。

2.1.4 教学管理应用软件 人工智能主要用作各类应用和服务的底层处理逻辑，高校的教学管理人员和学生需通过软件平台实现人机交互。因此，开发必要的应用软件是高校教学管理环境的改革重点。目前较为成熟的通用高校教学软件平台包括雨课堂、腾讯会议、腾讯科研云、超星学习通等。以腾讯的科研云为例，其中主要提供AI、物联网及大数据支持，已经与国内部分重点高校建立了合作关系。再如，清华大学和学堂在线共同研发的雨课堂为高校教学管理提供课前—课中—课后全流程服务，该平台借助大数据和人工智能技术评估学生的日常学习表现、发出预警信息。部分高校技术能力较强，自行开发适用于本校的人工智能教学管理软件平台，浙江大学投入应用的“智慧教室3.0”系统集成了云电脑、同步课堂、声音大脑，依靠算法模型改进课堂环境。在线上教学方面，该校推出了一站式智能教学平台，具备用户画像、预测分析、精准推荐、决策支撑四项智慧功能。平台于2020年上线，教学效果显示，在计算机学院人工智能课程的教学中，238名学生的通过率从2019年的95%上升至2020年的98%，80分以上学生占比从82%提升至93%，不及格学生的占比从5%下降到2%。

2.2 高校教学管理模式改革

人工智能技术对传统的教学管理模式进行了全方位的革新，形成了各种新型教学路径，师生角色、教学过程、评价方式等均发生了变化，主要有以下三种融合了人工智能技术的新型教学管理模式。

2.2.1 融合人工智能技术的个性化教学模式 该教学模式的实现方法包括三个层面，分别为技术支持、学习路径、学习活动，如图1所示。在技术层面需借助教学大数据建立学习任务模型，利用推荐算法向学生推送个性化的学习方法和学习资源，形成符合学生个人特点的电子档案。其中运用到的人工智能技术包括机器学习、深度学习、自然语言处理等，相关算法从学生的个人学习数据中提取特征信息、构建“学生画像”，通过大量的数据训练掌握学生的学习习惯和认知特点，进而对新的学习任务作出预测[3]。融合人工智能技术之后，学生的学习路径和学习活动呈现出个性化特征。

图1 融合人工智能技术的个性化教学模式

2.2.2 融合人工智能技术的情境化教学模式 高等院校的部分专业对教学情境具有较高的要求，典型的如外语类专业、市场营销、医学类专业，人工智能技术有利于创设贴近现实的复杂情境，形成有效的情境化教学模式，其实现方法如下：（1）由设计者确定真实问题的情境表述，设置情境化课题。（2）针对问题情境开展学情诊断，以情境化的方式提出问题。（3）分析教学管理大数据，区分情境角色，形成角色任务分工。（4）提供情境化的认知工具，支持虚拟仿真。当前，VR技术（虚拟现实）、AR技术（增强现实）、MR技术（混合现实）逐渐应用于高校情境化教学。VR、AR、MR等技术的发展与人工智能存在紧密的联系，AI能够实现虚拟对象智能化、交互方式智能化、虚拟现实内容研发智能化，从而促进高校情境教学[4]。（5）通过多元化评价活动进行教学反思和交流互动。（6）收集情境教学的大数据，为改进教学方法提供依据。

2.2.3 融合人工智能技术的混合式教学模式 以人工智能技术为基础，高等院校在教学管理中可便捷地开展线上线下混合式教学，同时将翻转课堂融入教学模式中，从而改变传统教学模式下的师生角色。学生在线下阶段自主学习教师指定的内容或者系统推送的内容，在课堂阶段开展合作学习或者自主探究，在课后阶段进行高阶的拓展训练。人工智能技术用于自动推荐教学内容，构建课前、课中、课后深度学习模式。如华南农业大学利用华为全栈AI开展人工智能技术智慧农业应用导论课程教学，在中国大学慕课的基础上建立了线上线下混合式教学模式，其线上部分提供课前预习、线上讨论、线上作业、线上考试四项功能，线下授课部分涵盖知识体系、教师答疑、课堂互动。

2.3 高校教学评价改革

传统的高校课堂教学效果评价包括过程评价和结果评价两部分，前者主要采用督导评价、同行评价、学生评价，后者通过客观的考试成绩进行量化评价。过程评价中大多以教师和学生的直观感受为判断依据，缺乏可靠的数据支撑，因而其评价结果具有一定的主观性。将人工智能技术引入教学管理工作后，评价方式的客观性将显著提升。

2.3.1 人脸及表情识别技术 教师和学生的面部表情承载着丰富的情感及态度信息，通过面部表情能够判断学生对课程内容的专注度、喜爱程度、接受程度。部署在智慧教室中的视频采集终端实时抓拍师生的面部表情信息，从而收集相关的数据源。然后由人工智能技术建立算法模型，从视频和图片中提取师生的面部特征信息，利用算法模型检验特征值，从而判断学生当前的情感态度。国内研究人员对人的嘴唇、鼻子、眼睛、眉毛、面部轮廓建立了68个特征点，通过大量的数据训练形成人脸及面部表情识别模型，人工智能中的图像识别技术、深度学习技术在这一过程中发挥了关键作用。以课堂视频和图片资料为分析对象，统计学生在不同时段的听课状态，分为倾听、疑惑、理解、抗拒、不屑等态度，从而以量化的指标评价授课效果。人脸及表情识别技术的核心模块主要有两个：一是人脸检测模块。人脸检测相关的算法模型较为丰富，其底层逻辑包括人工神经网络、卷积神经网络、分类器、图像特征、模型可变参数等。该模块的主要作用是从教学图像中准确地定位和识别人脸区域，为后续的表情识别创造条件。二是表情识别模块。该模块以人脸检测的结果为分析处理的对象，将学生的心理状态分为积极和消极两种，积极心理对应的表情状态为理解、微笑、疑惑、倾听等，表明学生对课程内容保持良好的专注度。消极心态包括抗拒、不屑、无反应等，表明学生对课程内容缺乏兴趣。具体的识别路径为确定人脸窗口尺寸、标定人脸特征点、提取面部HOG特征、训练和检验识别模型。

2.3.2 视线追踪技术 视线反映出学生在线上线下学习时的实际关注区域和关注时长，可作为评价教学过程的重要依据。视线追踪技术依托于人工智能和硬件设备，能够准确掌握学生的视线方向和落点。视线追踪技术实现原理主要包括以下几方面：一是确定眼动指标。眼睛的基本动作包括注视、眨眼、上下翻动、左右平扫等，教学评价的主要依据为学生对教学内容的关注情况，据此建立的眼动指标涵盖注视方向、注视总时长、注视次数、平均注视时长。以注视总时长为例，学生对课程内容的关注时间越久，表明课程内容的吸引力越强。因此，眼动指标有利于量化教学过程评价方式。二是采集眼动数据。眼动仪是采集学生眼动数据的常用设备，此类仪器在基础心理学研究中发挥着重要的作用，由硬件和软件两部分组成。在视线追踪技术中可利用眼动仪采集大量的学生眼动数据源，并对数据进行初步处理，以便训练和检验算法模型[5]。除此之外，将摄像头拍摄的视频、照片作为素材，利用人工智能算法分析图像中的眼睛动态，亦能达到获取眼动数据的目的。三是关注区域分析。在获取眼动数据之后，利用算法构建学生视线热点图，锁定集中关注的区域。热点区域的判断依据为AOI关注度，其含义为AOI区域的关注时间与总关注时间的比值。

在高等院校的教学评价中可借助视线追踪技术研究不同内容呈现方式、不同空间位置对学生关注区域的影响。如国内某高校利用该技术对比研究了手机屏幕、传统板书以及计算机屏幕对学生AOI的影响，观察对象为20人，学生的手机屏幕平均AOI关注度为0.489 5，计算机屏幕平均AOI关注度为0.697 7，传统板书平均AOI关注度为0.199。说明这三种呈现方式对学生的吸引力存在较大的差异，当内容呈现方式为电脑屏幕时，学生的关注度最高。

2.4 课程教学方法改革

人工智能技术是分析问题、处理问题的重要工具，有助于促进高校专业课和公共基础课的教学技术发展，为教师和学生创造模拟复杂、抽象问题的途径。与此同时，人工智能本身也是当前的热点学科，其发展速度较快，需借助统计学、函数、解析几何等数学知识推进算法研究。

2.4.1 借助人工智能技术改革课程教学方法 在教学方法层面，人工智能技术的价值体现为模拟分析特定问题、构建仿真实训平台等。如在医学领域，AI能够辅助完成药物挖掘，提升药物研发的效率，降低药物研发的成本。人工智能技术在医学影像学中能够辅助和代替医生查阅CT胶片。相关的教学方法已经成为医学类专业的重要研究方向，并取得了一定的研究成果。

2.4.2 借助人工智能技术开展学科交叉 高校内大量的理工科专业都建立在数据实证的基础上，人工智能拥有强大的数据分析和计算能力，基于人工智能开展学科交叉逐渐成为重要的教学改革方向。如国内某高校整合了量子感知与智能计算，实现AI与量子科学的交叉。智能AR、智能VR则是将AI与AR、VR进行交叉的新型学科发展方向。

2.5 基于人工智能技术改革高校师生的能力素质要求

《中共中央 国务院关于全面深化新时代教师队伍建设改革的意见》《教育信息化2.0行动计划》分别指出应该全面提升教师和学生的信息化素养，人工智能技术下的高校教学管理环境对师生的能力素质产生了较高的要求。

2.5.1 人工智能技术强调教师的数据分析能力 高等院校专业门类丰富，不同院系和专业的教师在信息化应用能力、数据分析能力方面存在较大的差异，文史哲法类专业的任课教师对信息化工具的应用相对较少，数据分析能力较为匮乏。大数据是人工智能技术的驱动力，如果人工智能成为高校的常态化教学管理工具，那么相关软件平台对数据的依赖性将显著提升。对于教师而言，日常教学的重要工作之一为收集各类教学大数据，并借助人工智能平台开展分析，根据数据分析的结果判断当前的教学情况。因此，在人工智能时代，高校教师新增了数据分析者的角色，高校教师在人工智能时代应全面提升自身的数据分析能力，加快信息化素质建设。

2.5.2 人工智能技术强调学生的自主学习能力 国家教育信息化改革的重点之一是实现“个性化学习空间人人通”。高等院校的日常教学以线下课堂为主，人工智能技术及平台主要作为分析学情、推荐自主学习内容、改变教学模式的工具，承载着为学生营造个性化学习空间的重要功能。例如，在打造教育信息化“三通两平台”的背景下，“国家高等教育智慧教育平台”成功上线，汇集了数万门优秀课程，为广大高校学生提供了丰富的自主学习资源。高校学生在人工智能背景下应树立自主学习的意识，具备运用信息化工具开展自主学习的能力，从而全面融入基于人工智能技术的教学管理大环境。

3 结 语

人工智能技术对高校教学管理的改革具有多方面的促进作用[6]。在教学环境方面主要提升终端信息采集能力、网络通信速度以及教学应用软件；在教学模式方面可借助AI技术实现个性化教学、混合式教学、情境化教学等；在教学效果评价方面依托AI实现表情识别、视线追踪以及其他评价技术；教师的数据分析能力和学生的自主学习能力是学生能力素养革新的重点；在学科建设方面可借助AI技术实现学科交叉，创新课程教学方法。