人工智能在基础教育教学应用综述

冯 筠，邢嘉琪，赵艾琦，邓 瑶，孙 霞，雷守学

(1.西北大学 信息科学与技术学院，陕西 西安 710000；2.陕西省教育科学研究院，陕西 西安 710000)

0 引 言

人工智能(artificial intelligence，AI)是研究运用计算机系统模拟和延伸人脑功能的综合性学科，旨在运用计算机算法和模型扩展人的智能，让机器自动实现人类水平的智能任务。教育教学是非常复杂的脑力活动，也是繁重的体力劳动，近年来人工智能在教育领域的应用呈现蓬勃发展之势。2017年7月8日，国务院印发了《新一代人工智能发展规划》[1]，提出了“智能教育”，为“人工智能+教育”指明了发展方向。2019年2月，《中国教育现代化2035》发布[2]，提出加快推进信息化时代的教育变革，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，利用现代技术加快推动人才培养模式改革。在这些政策的引导下，一些地区和学校已经开始进行人工智能与教育教学融合的探索。

以中国知网等五大数据库为依据进行检索，教育领域关于人工智能的研究从2015年开始一直呈上升趋势。基础教育指没有专业、职业指向的基本教育阶段，在国内主要包括幼儿教育、小学教育和普通中等教育。基础教育是教育大厦的基石、是提高全民科学素质和文化素质的关键阶段，直接关系着民族发展的未来。因此，如何利用人工智能技术促进教育公平、提升基础教育教学质量、提高学习效能，迎接信息时代的新挑战尤为重要。

该文从教师、管理者和学生三个视角对人工智能在基础教育教学中的应用进行文献综述和实地调研，旨在分析人工智能中的计算机视觉、自然语言处理、大数据挖掘等技术在基础教育教学中的使用情况，并根据调研中发现的问题总结、建议并提出对策。

1 人工智能在基础教育教学应用综述

教育领域主要应用的人工智能相关技术有：图像文字识别、机器学习、计算机视觉、自然语言处理等。人工智能技术不仅可以优化教学环境、丰富教学资源、提升教学管理水平，还可以帮助教师改进教学方法，提高学生的学习积极性、主动性、激发创造性。

1.1 教师视角

问卷和访谈调研结果表明，目前城市教师使用人工智能和互联网技术辅助教学各个环节比较普遍。包括利用知识图谱、搜索引擎、视频处理和互联网等技术进行课件资源组织、在线教学中的答疑、基于大数据技术的智能组卷和学情分析、基于自然语言处理的自动改卷等。

在课件组织方面，基于知识图谱的搜索引擎有力地促进了课件资源的共享和快速检索。文献[3]提出以学习单元为中心、以学习活动为核心的人机协同备课模式。文献[4]设计开发了人机协同的集体备课系统，提出了一种智能辅助备课模式。

文献[5]设计开发针对《汉字的造字法》课程知识纲要，通过TF-IDF(term frequency-inverse document frequency)算法实现问答系统自动交互。文献[6]设计了面向Moodle平台的问答模块，学生可根据自己的学习情况和知识的掌握程度选择参与答疑的方式。文献[7]提出基于知识图谱知识问答系统，实时领域知识自动对话。由于欧美国家信息技术发展较早，英语教学中应用人工智能技术比较领先。文献[8]提出基于知识图谱的英语语法智能题库和自动问答系统，能够高效地从知识库中生成问题答案。基于语音智能分析技术的英语口语纠正已经应用较广[9]。文献[10]提出一种基于序列匹配的音节级发音测评系统，评分结果准确可靠，有效地提高了自动交互的英语口语教学水平。

利用各种试题组卷进行教学效果的评估是教师教学的重要环节。试卷中的题目不仅难度分配要适当，还要求对学生学习内容进行全面考核。文献[11]提出使用遗传算法优化组卷，通过适应度函数来获取适应度函数的最优值，结合运用保优策略和轮盘赌实现对选择操作的优化。文献[12]提出了基因表达式编程算法，通过使用适当的遗传算子，采用线性定长的编码方式，构造了新的智能组卷方法，避免了传统组卷算法成功率低以及适应性差等问题，解决了多约束条件下试卷的分数分配、章节分配、难度等一系列问题。

在基础教育中，试卷的批改工作量较大。随着条码、涂题卡、在线考试的出现，客观题批阅基本解决，但是随着主观题、能力题的权重越来越高，教师批改试卷的时间成本依然很高。利用人工智能进行主观题智能评判有望将教师从繁杂的试卷批改工作中解放出来，提升教师工作效率。文献[13]提出了基于文本相似度的历史主观题智能阅卷技术，使用依存关系和同义词词林相结合的方法计算文本的语义相似度，证明AI和教师评分差异控制在可控范围内。文献[14]通过比较标准答案和考生答案的分词向量之间的相似度进行主观题评判。文献[15]从分析文本结构特征的角度出发,在树搜索匹配理论的基础上提出基于相对距离的词序相似度算法,并通过统计回归方法将关键词相似度与词序相似度进行融合得到文本的综合相似度。

英语和语文作文是基础教育中最复杂的主观题模块，无法通过和参考答案的文本相似度计算来打分。得分的关键要素是语言是否通顺、好词佳句是否运用得当、结构是否合理、观点是否鲜明、甚至立意是否新颖等等。因此，作文自动评阅对AI挑战较大。文献[16]提出一种基于篇章结构的英文作文自动评分方法,在词、句、段落3个层面上提取作文的词汇,句法以及结构等特征,并使用支持向量机、随机森林以及极端梯度上升等算法对篇章成分进行分类,最后构建线性回归模型对作文的篇章结构进行评分。文献[17]提出了一种基于作文扣题度的自动作文评分计算方法,实现对非扣题作文的检测和发现,作文参考范文和学生作答作文的文本匹配程度是作文评分的一个重要特征,通过一种新颖的方式构建了图神经网络,综合了各个句子的相似度计算作文扣题度。文献[18]提出一种基于语句通顺度的自动作文评分计算方法,将语句通顺度指标应用到自动作文评分领域,用于实现检测发现作文中语义不通顺语句的功能,并且对作文中出现的语义无关词语和病句有更低的打分。

传统教学中，教师对学生个体学习情况的掌握主要凭借集体测验、单独提问等方式进行，缺乏精准性，难以为学生提供个性化指导。基于学科知识图谱和答题数据挖掘的自动化认知诊断及漏洞检测，可以自动判定学生知识点掌握情况、个人能力知识图谱、知识遗忘度等。文献[19]提出面向知识水平学生知识掌握情况，采用认知诊断的规则空间模型(rule space model，RSM)，将不可观察的知识水平用属性掌握模式来量化表示。文献[20]提出一种基于能力的学习者模型，将学生个体能力按照高中数学领域知识点抽象成综合能力、间接分析能力、计算能力、抽象能力等多个维度表示的个体特征库，再根据学生每个知识点的掌握情况进行细分和量化，最终映射出学生存在漏洞的知识点。

基于大数据的智能学情分析技术一方面汇聚了单个学生的学习态度、学习风格、知识点掌握情况等信息，使教师能够精准掌握学生个体的学习需求；另一方面统计了班级整体的学习氛围状况、薄弱知识点分布、成绩分布等学情信息，使教师能够精准掌握班级整体的学习需求，合理规划教学资源、恰当选取教学方式提供专业指导意见，实现教学过程的精准化。文献[21]设计了以Hadoop为核心的学情分析系统，提出了基于学情分析系统的数据挖掘并行算法分析平台设计，实现了一种基于数据的智慧校园平台。文献[22]设计了基于Echarts的可视化学情分析系统，该系统可对学生的学习效果做出可视化反馈，便于教师改善教学，提高学生的学习效率综合素质能力。

1.2 教学管理者视角

教学管理是基础教育中非常重要的环节，是保证学校的正常教学秩序、提高教学质量的关键。常见的教学管理人员包括：教育管理部门(教育厅、教育局)的管理者、教学研究员、学校的管理者、教务处、年级组管理者、信息管理者等。

校园安全一直都是全社会关注的问题。在人工智能技术日趋成熟的今天，利用计算机视觉、语音识别等技术可大大提高安全管理的效率，减轻常规检查、筛查等工作给管理者带来的负担。近年来，用于罪犯追查、人口跟踪的身份识别系统已经应用比较广泛[23-24]。文献[25]提出了基于高斯混合模型的复杂背景陌生人鉴别算法，能够满足实际监控场景需求。为了更好地应对疫情，文献[26]提出了一种基于Eaidk-310嵌入式平台的戴口罩的人脸识别。中小学校的人口密度较大，往往呈现出固定的时间点内人流量集中的情况，例如放学、聚会等高峰时段。部分寄宿制学校在放假的时候校门口人流和车流量更大，安全隐患较多。利用计算机视觉技术对人数密集区域进行统计和预警，有助于高效疏导，防患未然。文献[27]提出了基于质心匹配的人头追踪算法，结合对行人的越界检测以及与运动方向一致性判断，人数统计准确率在92%以上。

当前，用于考勤签到的指纹识别、人脸识别应用也较多。通常包括在线和离线两种活体检测方案，有效抵御视频、翻拍、3D模型等作弊手段，并能够同时捕捉多张人脸，实现多人同时考勤，提高考勤效率。文献[28]提出的面向复杂背景的人脸识别系统可成功用于课堂自动化考勤。文献[29]提出基于ResNet(residual neural network)的小人脸识别技术，能够实现大规模上课学生，特别是走班制学生的考勤。文献[30]提出基于轮廓的人头检测方法检测自习室人数，方便管理人员的资源配置。

随着计算机视觉技术的发展，识别学生在课堂上的行为、表情、微动作、把玩物品等要素，综合评估上课专注度，可为学校、教育机构评估教学质量提供精准依据。文献[31]提出了基于Viola-Jones的侧脸、抬(低)头、眼睛张合度识别和学生上课专注度算法，取得了较高的人脸检测率和专注度判断的效果。文献[32]提出了一种基于DS(Dempster-Shafer)理论的学生专注状态评估算法，通过检测学生的面部姿势的欧拉角来评估学生注意力，准确性达到85.3%。文献[33]提出了基于多路特征融合的Faster R-CNN(Region-CNN)与迁移学习的正常学习、睡觉、低头等行为检测方法。

通过大数据的收集和分析可建立智能化数据管理平台，可形成人机协同的决策模式，让管理者洞察教学运行过程中问题本质与发展趋势，实现更高效的资源配置。例如讯飞教育大数据平台，构建了区、校两级教育管理与决策的分析体系和指标模型。可促进区、校有效监管和可视展现。文献[34]提出五阶段消除抑制因素的信息系统构建策略，有助于在大数据背景下确定并消除与信息管理系统相关的抑制性变量。利用该教育决策模型可以进一步指导学校把传统的主观教育管理转变为数据驱动的精准管理。文献[35]提出了基于云计算的教育基础数据的采集与应用研究方法，将现阶段的研究热点云技术和数据量多且杂乱的教育基础数据的采集技术相结合，通过云存储、云计算、云服务、云集成等技术，提高基础数据的集成应用能力与决策分析支撑能力。

1.3 学生视角

目前，国内对基础教育的要求由应试教育向个性化素质教育进行转变，而人工智能可根据学生自身的兴趣、习惯等为学生学习提供指导，实现个性化教学，提高学习效率。

伴随着计算机网络以及移动通信技术的发展与普及，网络在线教育在中小学教育过程中如火如荼，涌现出类型多样、针对性强的在线题库和作业系统。在线试题库为“教师的教”和“学生的学”提供了更便捷的途径和更多样化的选择，能够为学习者提供更有针对性的指导。著名的题库及作业系统有：作业帮、小猿搜题、作业盒子、一起作业等。作业帮和小猿搜题致力于利用图像切割、校准和图像文字识别(optical character recognition，OCR)等技术进行习题搜索和讲解；一起作业专注小学英语和小学数学学科，为老师、学生和家长三方提供在线互动教学服务；作业盒子则通过作业数字化、数据化切入日常教学场景，为师生提供移动的作业工具。虽然目前题库和作业系统的功能日渐强大，然而其中如何系统地利用嵌入在多个异类数据(例如文本和图像)中的丰富语义信息以精确地检索相似练习的问题仍然悬而未决。为此，Liu等人[36]开发了一个新颖的基于多模式注意力的神经网络(multimodal attention-based neural network，MANN)框架，通过从异类数据中学习统一的语义表示，可以在大型在线教育系统中找到类似的习题。

智能推荐引擎可以较好地解决学习过程个性化的问题。智能推荐引擎一方面基于对学生数据的全面掌握，即根据学生已有的知识储备、学习风格和偏好来设计、选取教学内容，准确刻画学生的个性特征与学习需求；另一方面基于对学习资源内容和使用状况的智能分析，实现资源特性的标签化，能够让学习者根据自身偏好对互联网上广泛的资料进行筛选，最终根据每个学生的真实需求，智能化推送合适的学习资源，以实现学习过程的个性化。Aher和Lobo[37]基于学习者的历史数据使用聚类算法(K-means)和关联规则算法(Apriori)为新生推荐课程取得了较好的效果。Ghauth和Abdullah提出一种新型的整合优秀学习者评分的基于内容的推荐算法[38]，可以为学习者推荐高质量的学习资源。Milicevic等人设计了一种可以自动适应学习者的兴趣(包含学习风格和学习偏好)和知识水平的推荐模型[39]，平行组实验结果表明该模型可以根据学习风格、偏好和知识水平向学习者推荐合适的学习活动。

Kurilovas等人根据学习者的学习风格推荐个性化的学习路径以节省学习时间[40]。Intayoad等人提出一种基于社会情境感知的个性化学习路径推荐方法[41]，使用K近邻和决策树技术基于采集到的社会情景(即学习者与学习目标的交互信息)对学习者进行分类，最后采用关联规则向学习者推荐合适的学习路径。然而，学习者的学习水平在学习过程中是动态变化的，因此师亚飞、彭红超等人研究设计新型个性化学习路径推荐模型[42]。根据学习者的学习状态，向学习者动态推荐学习元列表，让学习者主动选择其中最适合的一个学习元。

知识追踪技术是根据学生过去的答题情况对其知识掌握情况进行建模,从而得到学生当前知识状态的有效表示，进而预测其回答某个问题的正确性。Corbett和Anderson的智能导学系统(intelligence tutoring system，ITS)[43],提出一种高度有约束和结构化的算法，准确反映学生的学习水平、知识结构等一系列个性化数据。Piech等人[44]提出使用深度学习技术追踪学生知识点的隐含掌握情况并取得了很好的答题预测效果。Zhang等人[45]针对DKT(deep knowledge tracing)只将习题和作答结果作为输入的问题，提出通过在习题层面纳入更多特征。Yeung等人[46]提出增加DKT算法三个正则项，增强答题预测的一致性。2018年Minn等人[47]提出了一种基于学生聚类的改进的DKT算法，同样在知识追踪任务中取得了良好的效果。Wang等人[48]设计了一种新颖的基于DKT(deep knowledge tracing)的算法，能够捕获习题的顺序依赖性和内在关系，从而在预测学生未来做题结果时取得了准确性上的进一步提高。Zhang等人[49]改进了MANN网络并用于知识追踪任务，从而提出了基于动态键值记忆网络的知识追踪算法(dynamic key-value memory networks，DKVMN)。该算法通过添加一个静态矩阵和一个动态矩阵作为外部存储器，摆脱了训练参数与模型的存储能力之间的联系，提高了网络的序列建模能力，在知识追踪任务上取得了目前最好的表现。

2 人工智能应用存在的问题

人工智能技术对当前教育的发展既是机遇也是挑战，人工智能技术的引进可以更好地为教育服务，改变传统的教学模式，赋予教学新的活力和更丰富多元的形式，对促进学生个性化和全面化的发展具有很大的帮助。但同时人工智能在基础教育应用过程中依然存在着很多问题。结合文献综述，还采用了问卷调查、个案访谈两类调研方法，结果发现目前人工智能在基础教育应用中存在以下问题。

2.1 教师缺乏经验

对300多名省级示范学校的调研结果可以看出，教师对于人工智能辅助教育教学的效果给予认可的态度，绝大多数的教师希望通过人工智能对自己的教学工作给予一定的帮助，但就应用的层面来讲，较多的教师仅停留在基础传统的智能化设备，甚至只停留在搜集资料，没有真正利用人工智能的优势与特点使教学质量得到较大的提升。在疫情的冲击下，在线教学大面积开展，但大部分基础教育教师只停留在简单的操作阶段，不能熟练运用教学平台人工智能辅助教学的功能。

在调查中发现，即使学校拥有较好的智能设备，绝大多数教师由于没有时间和精力也不经常使用。由于人工智能的识别率、准确性还不够高，教师对于利用人工智能教学信心不足。

2.2 学校缺少培训

许多教师希望人工智能能够解放教师机械劳动，精准配合教师进行更多样化、个性化的教学。例如在课表排布，综合管理学生信息，虚拟现实技术模拟实验，人脸识别进行学生课堂专注度分析等方面更好应用，但对30多个省级示范学校的调研结果表明，学校开展有关人工智能在教育教学应用的培训的普遍度不够，这就导致很多教师对于人工智能还仅仅停留在“人工智能”四个字的最简单层面，对于其优势，案例没有清晰了解。

2.3 政府支持力度不够

在调研中发现，教师和校长认为当前人工智能在教育教学应用中存在的普遍问题是所获资金不足，影响了购买智能功能设备的能力。其次是时间不足，相比高等学校教师，基础教育教师大多教学任务繁忙，较少时间进行新生技术的研究和训练。再次是资源不足，基础教育学校中对人工智能技术比较了解的人员比较少，难以开展培训。

2.4 学生难以自制

大多数人工智能系统和平台需要学生使用智能终端在网络上进行，基础教育阶段学生的上网行为难控制。中小学生接触电子产品过长，不宜于身心健康，有损视力。作业帮等智能产品又容易使中小学生产生依赖心理，不愿自主思考。因此家长和老师基本上对学生的电子产品使用采取管控态度，从一定层面上限制了人工智能的应用。

3 对策建议

针对以上问题，提出以下建议和对策：

3.1 教师培养和培训应比设备设施资源优先发展

面对信息技术和人工智能的日新月异，教师们纷纷表示要紧跟发展信息化的步伐，主动拥抱人工智能，进一步推动信息化在教育教学、教育管理、教育服务过程中的应用，通过多元化的培训支持保障机制，培养人工智能普及教育的卓越教师，让更多胜任的专业科技教师在校内外教育中发挥作用。能使教师真正利用智能技术支撑人才培养模式的创新，支撑教学方法的改革，成为掌握人工智能技术、具有创新思维的教师，为推进学习AI科技样板学校的创立和发展而努力。

3.2 加强人工智能在基础教育应用的政策保障

建立全方位、可操作指导政策体系，着力从财政上给予支持，并有效调动利用丰富的社会资源。促进社会科技企业与学校开展合作，这样的合作策略有助于多方的共同发展与进步，企业在不断进行科技创新的同时，持续致力推动人工智能基础教育普及，从而共同推动全市的教育改革实践，多维度培养了未来社会需要的人才，使得学校、政府、企业的深入合作站在了较高的起点上，学校的压力也自然得到了解决。

3.3 利用人工智能技术加强对网络教学质量与网络教学时间的监管

一方面，学校应建立全方位、可操作指导政策体系作为保障，统一规范人工智能在教育平台的应用。加强对教师教学质量的把控和审核，统一规范教学使用平台，体系化规范化的授课，便于提高学生的学习效率，更好地适应新的教学方式，保证无论是线下授课还是网络教学，教学质量都不受影响。同时也要规范网络教学的上课秩序，增设网络课堂专注度分析功能，加强对学生听课质量的监督。另一方面把控好授课时长，合理分配学习与休息时间，避免长时间使用电子设备对学生身心健康产生不良的影响。

3.4 培养学生的人工智能意识，提高课堂互动性

学校可以适当普及人工智能课程。开展VR技术、3D打印技术、智能无感等技术的科普讲座和体验课程，一方面可以帮助学生在情境模拟及空间建构中，更好地理解复杂、抽象的内容，并增强学生的参与性与能动性，提高学生的兴趣以及加深对人工智能的了解，从而使学生更加关注人工智能方面的知识与内容，提出关于完善平台的建议和想法。有利于提高学生上课的积极性和互动性，也能使学生成为人工智能应用的督促着和促进者。

总体来说，提出从教师，学生，学校，社会，企业多个领域，结合利用多方资源更好地使人工智能赋能教育教学，更好地推动学校育人方式转型发展。

4 结束语

人工智能技术的发展，将使得未来教育发生重大的结构性变革。虽然具体变化形态是多样的，但可以预测，未来教育会既实现大规模覆盖，又实现与个人能力相匹配的个性化发展。

随着人工智能技术在教育教学上的应用，教师将有更多的时间和精力关心学生心灵、精神和幸福，跟学生平等互动，实施更加人本的教学，使得学生更具有创造性。

该文通过教师、管理人员、学生三个视角对综述并发现目前人工智能在中小学基础教育中应用的不足，建议结合多方资源进一步推动基于教育教师的培训。最后，在人工智能飞速发展的时代背景下，预计还有3～5年时间人工智能将在基础教育中得到广泛普及和应用，真正实现基础教育的智能化管理和智慧教学。