“人工智能+教育”融合的实施路径研究

肖卓宇 徐运标 陈果 郭杰 黄俊

摘  要： 文章以“人工智能+教育”融合的有效实施路径为目标，分析了“人工智能+教育”融合的现状，探究了智能教学协助、智能教学环境构建、智能教学过程设计、智能教学评价、智能教学服务5种应用场景的特征，丰富了人工智能赋能教育的应用视角，有助于全方位提升课堂教学质量。

关键词： “人工智能+教育”; 融合; 实施路徑; 智能教学; 多模态数据

中图分类号：G642          文献标识码：A     文章编号：1006-8228（2020）11-103-03

Abstract： Taking the effective implementation path of "artificial intelligence plus education" integration as the goal， the current situation of integrating artificial intelligence with education was analyzed， the characteristics of five application scenarios， i.e. the intelligent teaching assistance， the construction of intelligent teaching environment， the design of intelligent teaching process， the intelligent teaching evaluation and intelligent teaching service were discussed in this paper， which enriches the application perspective of artificial intelligence enabling education， and helps to improve the quality of classroom teaching.

Key words： "artificial intelligence plus education"; integration; implementation path; intelligent teaching; multimodal data

0 引言

2017年国务院《新一代人工智能发展规划》中提出了智能教育概念，为“人工智能+教育”从政策层面指引了发展方向[1-2]。文献[3]提出“人工智能+教育”融合的核心在于，教师通过AI技术对多模态数据进行处理，进而进行个性化教学。文献[4-5]提出需要整合多模态数据，为人工智能技术提供教育大数据支持，并实现有效教学决策。文献[6-7]提出智能教育时代应关注因材施教、人性为尊的教育理念。文献[8-9]探究了计算思维与教育人工智能协同发展的特点与趋势。文献[10-11] 提出智慧教育时代应该通过AI技术进行学生个体画像，鼓励学生参与式、个性化教学。文献[11-18]从技术层面对人工智能多元化实施应用场景进行了实施应用。

总而言之，目前“人工智能+教育”融合的实施路径存在“教育大数据的多模态”、“人工智能技术赋能教育的有限性”等众多问题。因此，在当前智能教育飞速发展形式下，亟需对“人工智能+教育”融合的现状与实施路径进行深入研究，以丰富人工智能赋能教育的多元化场景，提升教育质量，促进新时代人才的培养。

1 “人工智能+教育”融合的现状

近些年人工智能赋能教育得到了快速发展，一定程度上促进了个性化教学、参与式教育、混龄教学、碎片化学习等新型教育理念与方式开展，提升了教学质量，但同样也存在一些典型问题，以下分教学大数据多模态问题、人工智能技术赋能教育的有限性问题、“人工智能+教育”融合的伦理问题、人工智能技术赋能教育的认知问题四个方面进行详细阐述。

1.1 教育大数据的多模态问题

2012年随着MOOC的发展，国外一些主流教育平台Udacity、edX、Coursera等得到了飞速发展，近些年，国内一些有代表性的MOOC平台也雨后春笋般快速扩张，如中国大学MOOC、网易MOOC等，这些MOOC平台将产生丰富的文本、音频、视频等教育大数据。由于目前人工智能技术需要教育大数据作为输入，除开传统的文本、音频、视频等数据，一些智能教育辅助设备甚至会产生面部特征、肢体特征，血压、脑电波、心跳等生理特征信息，这些教育大数据异构问题将是“人工智能+教育”融合的重要挑战。

1.2 “人工智能+教育”融合的伦理问题

当前教育大数据存在隐私数据保护不完善、AI技术滥用、监管不力、智能教学中不同角色出现权利越界等系列问题。究其原因，由于政策法规等对于技术的约束尚未同步，技术滥用导致的考试作弊、刷课、代考等学术不端问题屡见不鲜。此外，智能手环、智能面部识别等智能终端设备用来采集大量的个人行为数据，如果这些数据被非法泄露，或缺乏有效的数据脱敏，甚至可能导致违法事件发生。

1.3 人工智能技术赋能教育的有限性问题

Geoffrey Hinton、Yann LeCun和Yoshua Bengio将深度学习技术赋能各个领域，引领了第三次人工智能的热潮。人工智能赋能教育是其中一个重要方向，目前“人工智能+教育”在疫情期间得到了较好的发展，但也存在教育人工智能产品功能过于单一、智能学习过程监控不能完全满足智能教学需求、智能教学评价维度不完善、智能教育缺乏对学生心理成长有效关注等问题。

1.4 人工智能技术赋能教育的认知问题

目前，教师、学生和家长三个维度对人工智能技术赋能教育的价值认知存在两极分化问题。部分观点对人工智能技术赋能教育持否定态度，认为概念炒作的成分多于教学本身;另一部分观点对人工智能赋能教育持乐观态度，认为人工智能技术能全方位为教师与家长减负、为学生提供了新的学习途径，极大的促进了教育公平，提升了教学质量。

2 “人工智能+教育”融合的实施路径研究

“人工智能+教育”融合的实施路径指人工智能赋能教育的应用场景。目前，“人工智能+教育”融合被广泛应用于教学的各个阶段，本研究通过探究文献[1-3，6，10]的研究成果，并应用Wordart构建了图1的“人工智能+教育”融合的实施路径关键词云图。图1以关键字词频为依据，将“人工智能+教育”融合的实施路径分为智能教学协助、智能教学环境构建、智能教学过程设计、智能教学评价、智能教学服务五个主要部分进行深入研究。

2.1 智能教学协助

传统教学方式中，教师批改作业、试卷等单调与重复的劳动占据了较多的时间，这些重复而繁重的工作严重困扰着教师的自我提升与备课时间。智能教学平台可以实现填空、选择、判断等客观题的自动阅卷，部分智能教学辅助工具甚至能够根据学生答题的关键词与核心句子，通过自然语言处理中的问题向量距离相似性技术实现主观题阅卷给分。这项工作能够一定程度上将教师从繁重的重复工作中解脱出来，进而将更多的精力用于提升自身知识水平、完善教学活动设计、组织个性化教学实施。

2.2 智能教学环境构建

智能教学环境构建关注教育人工智能赋能教学中的学习空间构建。光线、温度、课堂氛围、湿度等要素影响了课堂效果，目前智能教学环境构建关注学习空间规划、学习空间环境服务两个方面。现阶段教学的组织形式多样、交互性更强，因此學习空间规划应该具有开放性、灵活性与层次性，学生、教师和教学资源成为三个最主要的维度，图2厘析了三个维度及其影响因素之间的关系，这项工作有助于构建和谐、平等的智能教学环境。此外，学习空间环境服务关注教学活动中用户体验及感受，为此，个性化照明、智能座椅调节、智能温度控制等智能家居提供了更多个性化服务。可以预见，不久的将来智能家具将逐渐普及，并广泛应用于智能教学环境中。

2.3 智能教学过程设计

智能教学的出现使得教师角色的定位发生了改变，由传统的“知识的传播者”转向为“教学的管理者”。教师角色的转变使得教师能够针对性的对各阶段教学活动进行精心设计，鼓励学生融入参与式教学，促进教师主体、学生主体与人工智能技术的交互，有助于提升教学质量。图3描述了详细的智能教学过程设计步骤，智能教学形势下，教学过程设计采用以问题为导向的原则，首先对待解决的知识问题进行构想;之后，对可以解决问题的多种方案进行优劣分析，选取最佳方案;再之，通过多元化应用场景对决策方案进行实施应用，并对处理结果进行评价;最后，归纳分析实施效果，对问题进行适应性反馈。

2.4 智能教学评价

传统教学以升学率、竞赛、分数为评价指标，而智能教学时代构建的教学质量综合评价体系中更加关注学生兴趣爱好、品德、学习的交叉融合等方面的指标，学生参与课堂学习的积极性、参与性、思维引导等得到了重视。评价机制由以往“结果为导向”转向为“以过程为导向”。此外，智能手表、智能头环等智能辅助终端设备将记录个人相关学习数据，而这些数据被及时反馈到智能模型后，将针对个人提供定制化的建议服务，从而使得教学相长、因此施教等理念真正得以有效实施。

2.5 智能教学服务

人工智能技术赋能教育，需要以各个教学平台获取的教育大数据为输入，通过大数据采集、预处理等阶段处理后才能有效服务与人工智能算法。而文本、视频、音频、图片、心跳、脑电波等异构型多模态数据的有效转换能有助于人工智能与教学工作的融合，实现教学资源的配置优化，使得AI学习者画像、智能知识资源推送、智能学习诊断、面向教学知识点的知识图谱等服务得以有效开展。智能教学服务使得教育资源匮乏的边远山区学生和教育资源丰富的城市学生拥有同样的学习平台，有助于促进教学公平，并提升教学质量。

3 结束语

本文研究了“人工智能+教育”融合的实施路径。分析了“人工智能+教育”融合的现状，探究了智能教学协助、智能教学环境构建、智能教学过程设计、智能教学评价、智能教学服务五种应用场景。未来工作，将致力于厘析人工智能技术与学习空间、教学方法的层级矩阵与关联关系研究，并构建“人工智能+教育”融合的生态与基础理论模型。

参考文献（References）：

[1] 曹培杰.智慧教育：人工智能时代的教育变革[J].教育研究，2018.39（8）：121-128

[2] 郑庆华.人工智能促进智慧教育，提升人才培养质量[J].高等工程教育研究，2019.37（4）：128-132

[3] 袁利平，陈川南.人工智能视域下的宽度学习及在教育中的应用[J].远程教育杂志，2018.36（4）：49-56

[4] 肖卓宇，宋艺.基于CDIO的大数据技术课程教学研究[J].长沙民政职业技术学院学报，2018.25（2）：125-126

[5] 肖卓宇，叶嘉笑.基于CDIO的IT类应用型创新人才培养模式的研究[J].湖南邮电职业技术学院学报， 2019.18（1）：89-90，97

[6] 曹培杰.人工智能教育变革的三重境界[J].教育研究，2020.41（2）：143-150

[7] 陈凯泉，沙俊宏等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J]. 远程教育杂志，2017.35（5）：40-53

[8] 肖卓宇，黎妍，叶嘉笑.以计算思维为导向的大学生程序设计能力培养研究[J].计算机时代，2017.35（1）： 79-81

[9] 肖卓宇，陈果，徐运标，郭杰.新工科视角下以计算思维为导向的高职信息类学生程序设计能力培养研究[J].计算机时代，2020.38（6）：106-108

[10] 戴永辉，徐波，陈海建.人工智能对混合式教学的促进及生态链构建[J].现代远程教育研究，2018.31（2）：24-31

[11] 肖卓宇，余波.大学生参与式教学方法在数据结构课程中的应用研究[J].湖南邮电职业技术学院学报，2018.17（1）：88-90

[12] 肖卓宇，何锫.多阶段可松弛的设计模式变体检测方法[J].华中科技大学学报（自然科学版），2018.46（1）：26-31

[13] 肖卓宇，何锫，余波.一种多阶段交互式线索驱动的设计模式识别方法[J].北京航空航天大学学报，2017.43（9）：1746-1756

[14] 肖卓宇，黄海，何锫，李港，杨道武，彭逸凡，董泽民.设计模式检测工具有效性评估策略[J].计算机科学与探索，2018.12（3）：380-392

[15] 肖卓宇，何锫，余波，黎妍，杨鑫维.一种形式化上下无关文法关系驱动的设计模式检测方法[J].工程科学学报，2016.38（10）：1499-1508

[16] 肖卓宇，何锫，李港，杨道武，彭逸凡，董泽民.注入间接线索的设计模式变体分类检测[J].小型微型计算机系统，2018.39（6）：1335-1341

[17] 肖卓宇，何锫，余波.非标准设计模式的恢复[J].计算机工程与设计，2019.40（1）：143-148，208

[18] 肖卓宇，何锫，杨鑫维，杨邦平，陈俊旭，胡振涛.基于文法产生式优化的设计模式识别方法[J].电子科技大学学报，2017.46（3）：569-576