中小学人工智能课程开设情况的影响因素分析

张慧华 徐 力

人工智能技术一直受到人们密切地关注，它已经融入了现代社会中的各行各业，成为推动当今时代发展的重要力量。人工智能教育也在迅速发展，成为教育领域重点研究和发展的主题[1]。国务院在2017年7月20日发布了《新一代人工智能发展规划》，提出“实施全民智能教育项目，在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广”[2]，从而进一步鼓励中小学开设人工智能课程。随之，中小学人工智能课程受到推广和重视，一些学校已陆续开设了人工智能相关课程。同时，如何促进中小学开设人工智能课程成为人工智能教育领域研究的热点问题。由此，本研究对人工智能课程开设情况的影响因素进行分析研究，建立影响因素间的解释结构模型，在此基础上提出促进中小学人工智能课程开设的几点建议。

一、研究设计

本研究采用随机抽样的方式，在《中国现代教育装备》杂志的帮助下，对全国范围的中小学进行调查研究，抽取的省市包括：北京、江苏、河南、河北、山东、四川、安徽、甘肃及广州、鄂尔多斯等10个不同类别的行政区域，访谈对象为这些区域内中小学教学工作者102位，其中包括信息技术教师50位、其他学科教师13位、行政人员7位、管理人员32位。

本研究采用自编访谈提纲对访谈对象进行半结构化访谈。访谈提纲是由研究小组内多次讨论制订的，包含4个问题：(1)您了解国家对中小学开设人工智能课程的文件和精神吗，您怎么看待这个问题？(2)您认为在中小学开设人工智能课程具备条件吗？应该具备什么条件？(3)如果贵校已经开设了人工智能课程，具体是怎么开设的？如果没有开设而计划开设，您认为这门课程应注意在哪些方面对学生进行培养和教育？(4)请谈一下您对人工智能及其课程的理解。

二、内容分析法

采用内容分析法是对访谈的录音进行转文之后，对这些文本内容进行编码[3]，即对访谈资料反复通读，从中提取与人工智能课程开设情况相关的影响因素。编码的过程为：由3个研究人员进行独立编码之后，将各自编码结果进行汇总，经过小组内讨论后，对影响因素进行筛选、修改，最终使编码员之间意见达成一致。例如，针对下面两段访谈资料进行分析。

(1)我感觉就我们学校来说是可以开展的，但是开展起来比较困难。主要的困难在于师资力量，在学校里面从事这方面的教师比较少。另外就是硬件设施不具备。但是我觉得如果学校重视这件事情的话，我们从这些方面来起步的话还是慢慢可以开展的。

(2)目前我们学校开设人工智能的条件是不具备的，我觉得现在急需具备的条件就是教师，如果不能给我们的信息技术教师进行技术培训的话，那就应该给我们派高层次的教师，能够胜任这项工作。接下来，硬件软件的设施我觉得都好解决，钱的问题不是问题，对于东胜校区，我是这么想的，所以我觉得这个教师很重要。

编码的具体过程为：从第(1)段中提炼出“师资力量”“硬件设备”“学校重视程度”这3个影响因素，其中“硬件设备”和之后的“软件设备”一起归为“教学设备配置”因素中；第(2)段中“师资力量”“教学设备配置”这两个因素又被提到，出现了新的影响因素“教师培训”“钱的问题”，并将“钱的问题”纳入了“学校资金投入”这一类中。

本研究最终确定了20个影响因素，具体为：(1)教学设备配置；(2)教师培训；(3)师资力量；(4)教师的专业能力；(5)学校的重视程度；(6)学校的经济实力；(7)政府支持；(8)学校资金投入；(9)教师对相关文件的了解程度；(10)教师对人工智能课程作用的意识和态度；(11)学生的兴趣；(12)评价机制；(13)时代发展趋势的带动；(14)学生未来发展需求；(15)学生的相关知识水平；(16)课程类型的定位；(17)教学场地；(18)课时问题；(19)考试方式；(20)学生的接受能力、适应性。

三、解释结构模型法分析

解释结构模型(简称ISM)是1973年由美国的J•Warf i eld教授开发的，其核心功能是对系统要素间的关系(尤其是因果关系)进行层次化处理，最终形成具有多级递阶关系和解释功能的结构模型。ISM分析法基本程序为：(1)设定问题；(2)找出问题影响因素；(3)列举各个因素的逻辑关系；(4)建立邻接矩阵和可达矩阵；(5)矩阵层次化处理；(6)作出多级递阶有向图；(7)建立解释结构模型[4]。本研究利用解释结构模型的工作原理对各影响因素之间的关系进行分析。

1.分析各个影响因素相互关系，建立邻接矩阵

成立ISM分析小组，对20个影响因素(用e1至e20表示)的相互关系进行讨论，依据组内分析者的相关经验和主观意识判断而确定，最终确定了因素之间的逻辑关系，形成关系图。根据关系图得到邻接矩阵A(如图1所示)。邻接矩阵A中元素记为aij，其中：

图1 邻接矩阵

2.求解影响因素的可达矩阵

可达矩阵的定义为：将邻接矩阵A加上单位矩阵I，然后用布尔代数规则(0+0=0，0+1=1，1+1=1；0×0=0，0×1=0，1×1=1)进行乘方运算，直到两个相邻幂次方的矩阵相等为止，相等的矩阵中幂次最低的矩阵即为可达性矩阵。由于本研究的影响因素较多，计算过程较为烦琐，因而借用C语言编译的ISM运算程序进行辅助计算，得到可达矩阵B = (A+I)2= (A+I)3，如图2所示。

图2 可达矩阵

3.对可达矩阵进行层级划分

可达矩阵的层级划分方法为：根据可达矩阵求解可达集R(ni)和先行集M(ni)，其中可达集R(ni)由可达矩阵行的元素为1的列所对应的元素组成，先行集M(ni)由可达矩阵列的元素为1的行所对应的元素组成；当元素ni为满足M(ni)=M(ni)∩R(ni)时，就可确定为最底一级要素；然后将可达矩阵中相应的行和列划去，接着从余下的可达矩阵中通过上述方式寻找新的最底层要素；以此类推[5]。

按照上述方法，可将中小学人工智能课程开设情况的影响因素集描述为递升的层次结构，共有7级：L1={e6，e7，e9，e10，e12，e13，e15，e18}，L2={e11，e14}，L3={e5，e20}，L4={e8，e16}，L5={e1，e2，e17，e19}，L6={e4}，L7={e3}。将各影响因素按层级进行排列，并依据各因素的相互关系，建立系统的整体结构模型(如图3所示)，图3中将各因素以ei的形式呈现，其中将“中小学人工智能课程开设情况”视为因素“e0”。

图3 系统结构模型

4.建立解释结构模型并进行分析

将图3中的序号转换成对应的影响因素，可得到本研究的影响因素的解释结构模型(如图4所示)。

根据模型结果可以看出，通过全国范围的抽样调查发现的中小学人工智能课程开设的影响因素可以分为七层。自下而上的箭头表示该层级的因素对上一层级因素的直接影响。其中层数从低到高来看，其影响因素由宏观、稳定逐渐变得具体、不稳定。从模型中可以呈现出导致人工智能课程开设的直接因素是教学设备的配置、师资力量、教学场地、考试方式、课时问题、学生的接受适应能力，其中师资力量受到教师专业能力的影响，而教师培训可促进教师专业能力的提升，从而间接影响着师资力量；而教学设备的配置、教师培训和教学场地的决定性因素正是学校的资金投入，考试方式、课时问题的决定因素则是学校对人工智能课程类型的定位；学校资金投入和人工智能课程类型的定位都取决于学校对人工智能课程的重视程度，其中学校的资金投入在很大程度上还受到学校的经济实力和政府支持的影响；而教师对相关政策文件的了解程度、教师对人工智能课程的态度和学生未来的发展需求影响着学校的重视程度，其中学生未来的发展需求是由时代发展趋势推动的；另外学生的现有知识水平和学生兴趣决定了学生对这门课程的接受适应能力，而合适的评价机制有利于学生对人工智能课程兴趣的提升。

图4 解释结构模型

四、提出建议

结合以上分析结果可知，在整个影响因素系统中，可分为三条因素链，分别为“资金链”“课程链”“学生链”。其中“资金链”包括的因素有学校经济实力、政府支持、教师对政策文件的了解程度、教师态度、时代发展趋势、学生未来发展需求、学校的重视程度、学校资金投入、教学设备配置、教师培训、教学场地、教师职业能力、师资力量；“课程链”包括的因素有教师对政策文件的了解程度、教师态度、时代发展趋势、学生未来发展需求、学校的重视程度、课程类型定位、考试方式、课时问题；“学生链”包括的因素有学生知识水平、评价机制、学生兴趣、学生的接受适应能力。此外，“资金链”和“课程链”属于交叉关系，其中教师对政策文件的了解程度、教师态度、时代发展趋势、学生未来发展需求、学校重视程度这5种因素，既属于“资金链”又属于“课程链”。

从这三条因素链的角度出发，根据各因素间的关系对如何促进中小学人工智能课程的开设提出以下几点建议。

第一，从“资金链”的角度分析可知，学校的资金投入在整条链中起着关键作用，它直接决定了教学设备配置、教师培训、教学场地这三方面的发展状况，从而决定着人工智能课程的开设情况。因此，要加大学校对人工智能课程建设的资金投入，主要从以下两方面着手：一方面，呼吁政府以及相关部门加大资金支持，缓解学校的经济压力，改善课程建设的资金状况；另一方面，增加中小学人工智能课程的宣传力度，提高其在素质教育中的影响力，引导教师对人工智能课程态度的转变，提高教师课程的改革、创新意识以及对相关政策的了解，使其理性客观的认识人工智能课程，从而提高学校对该课程的重视程度，加大人工智能课程建设的资金投入。

第二，从“课程链”的角度分析可知，课程类型的定位决定了该课程的考试方式和课时问题。其中考试方式对教学起到相应的激励、诊断的作用，课时问题也成为保障教学质量的关键，两者直接影响了该课程的开设情况以及之后的课程发展。因此，进行恰当的课程定位起到至关重要的作用。可以从以下三方面考虑：首先，加大人工智能教育相关方面的教师培训，提高教师对人工智能课程及其相关政策的了解；其次，鼓励教师参与人工智能课程的研究课题，激发教师的兴趣，转变传统的教学态度，从而提高对人工智能课程的重视程度；最后，学校应时刻关注国际教育发展趋势，顺应时代潮流，紧密结合学生未来发展需求来正确定位课程类型。

第三，从“学生链”的角度分析可知，提高学生的接受适应能力对改善人工智能课程开设情况十分关键。可以从以下两方面考虑：一方面结合学生现有的知识水平进行教学，使人工智能知识普及化、实用化、具体化，符合学生的认知特点，使学生易于理解和掌握；另一方面，建立合理的评价机制，并联系学生的生活实际进行教学，激发和提高学生对人工智能学习的兴趣。

参考文献

[1]马玉慧,柏茂林,周政.智慧教育时代我国人工智能教育应用的发展路径探究:美国《规划未来,迎接人工智能时代》报告解读及启示[J].电化教育研究,2017,38(3):123-128.

[2]国务院.国发〔2017〕35号新一代人工智能发展规划[Z].2017-07-08.

[3]迈尔斯,休伯曼.质性资料的分析:方法与实践[C].重庆:重庆大学出版社,2008.2.

[4]汪应洛.系统工程理论、方法与应用[M].北京:高等教育出版社,2001.

[5]贾斌,徐恩芹,谢云.基于解释结构模型的大学生课堂学习绩效影响因素分析[J].现代教育技术,2014,24(03):42-49.