智能化教学模式的构建及应用探究*

曾会珍 ， 吕敬祥

(井冈山大学 a.教育学院； b.电子与信息工程学院， 江西 吉安 343009)

近年来，各国政府对人工智能技术及其与教育的融合表现出前所未有的重视。自2017起，我国政府接连发布《新一代人工智能发展规划》(国发〔2017〕35号)、《教育信息化2.0行动计划》(教技〔2018〕6号)、《高等学校人工智能创新行动计划》(教技〔2018〕6号)等多个文件。这些文件均强调：要加快推进人工智能技术在教学方法改革、人才培养模式革新等方面的应用。美国政府出台的主要政策措施有：《美国人工智能倡议》(2019年2月美国总统特朗普签署的行政令)、《国家人工智能研发战略规划》(2019年6月26日)、《美国人工智能时代：行动蓝图》(2019年12月，新美国安全中心智库CNAS发布)等。2018年7月26日，欧盟25国签署了《人工智能合作宣言》。德国和英国政府分别制定了“工业4.0”计划和“现代工业战略”。韩国政府公布的《人工智能国家战略》提出：到2030年，韩国在人工智能领域的竞争力应位于世界前列。日本政府在《人工智能技术战略》中详细阐述了政府为人工智能产业发展所制定的技术路线图。国内外一系列政策方针的颁布实施，为人工智能的快速发展提供了政策支持。与此同时，机器学习、深度学习等人工智能关键技术也不断取得新进展，为教学模式的变革提供了有力的技术保障。

纵观教学模式演变的进程，传统的教学模式已越来越不利于学生的个性化学习和创新性思维的培养，人们对教学模式改革的呼声越来越高。移动学习、在线学习、慕课学习、混合式学习等不同的学习方式不断涌现，促使越来越多的学者探索人工智能环境下的新型教学模式----智能化教学模式[1]149-154。但是，现有的研究在智能化教学模式构建方面还不能自成系统。本文重点关注在人工智能技术支撑下，如何系统地构建智能化教学模式这一问题。

一、智能化教学模式的研究现状及存在问题

(一)研究现状

1972年，美国教育家乔伊斯在其主编的《教学模式》一书中最早提出教学模式这一概念。此后，我国教育工作者开始对教学模式理论进行系统研究，逐渐构建起适合我国国情的教学模式理论框架。经过几十年对教学模式的探究，成绩斐然。如：李如密深入研究了教学模式的本质问题，认为教学模式是指在一定教育思想的指导下，在丰富的教学经验基础上，为完成一些特定的教学目标和教学内容而形成的稳定且简明的教学结构理论框架及其具体可操作的实践活动方式[2]25-29。张金磊、王颖、张宝辉对翻转课堂的起源及其特点进行了归纳分析，并深入研究了国内外教学案例，构建了一种翻转课堂的教学模式[3]46-51。曾明星、周清平等将MOOC资源与翻转课堂进行结合，构建了MOOC视频替代模式、“MOOC视频+自制视频模式”、二次开发模式三种新型翻转课堂教学模式[4]108-114。刘佳雨、关海爽、张建民将分课堂教学模式恰当地运用于智能控制课程教学，有效地提高了学生的学习积极性和课堂教学质量[5]112-113。唐烨伟、郭雨婷等在国内外STEM教育的基础上，构建了人工智能背景下的STEM跨学科融合模式，从教学环境设计、内容设计等五个方面对该模式进行阐述[6]46-52。戴永辉、徐波、陈海建针对当前混合式教学实践过程中存在的教学资源单一和学生自主性不强等问题，将神经网络、机器学习及情感计算等人工智能技术作为解决上述问题的新技术手段[7]24-31。

(二)存在问题

20世纪后期，现代教学模式的出现对传统教学模式产生了较大的冲击。随着建构主义、实用主义等教育理论及新一代信息技术的广泛应用，许多新的教学模式应时而生。近年来，人工智能正如火如荼地与教育深度融合。融入了人工智能技术的新型教学模式，构建起以学生为中心的结构，推动教学模式向智慧化转型和演进。然而，由于受限于成熟度和前期基础，在现阶段，人工智能与教育的融合还是理论研究较多，大范围应用较少，停留在量变积累阶段。要想迎来质变，还面临诸多问题[8]27-39。其中，最为关键的是人工智能技术与教育融合的难点仍未取得突破性进展，主要有以下两个问题：

1.教学过程中产生的优质数据如何更好地采集 经过60多年的高速发展，人工智能技术已经从计算智能、感知智能发展到认知智能。而优质数据是充分发挥人工智能价值的基础条件，没有优质的数据支撑，人工智能的运用将严重受限。在教育教学活动中，系统要采集以下几类数据：(1)个体相关的学情数据，如个人爱好或兴趣、学习策略及动机、个人能力、学业表现和先验知识等，以及教育部门采集到的，如入学率、通过率、辍学率等数据。(2)个体与社交网络之间的互动数据，包括社交工具的偏好及网络社交活动数据。(3)个体情绪、品德、情感数据。(4)学习环境数据。这些数据目前没有统一的标准，内容丰富，格式多样，很难在这些复杂的数据中提炼出后期所需的高质量数据。

2.教学活动的复杂性增加了人工智能支撑教学模式变革的难度 教学活动的复杂性主要表现在教学系统具有动态性、自主性和不确定性等特点。由于组织构架、办学特点、教学理念等存在很大的差别，不同学校的发展需求也不一样。不同学科具有不同的特点和知识体系。同样，不同的教师在教学过程中也会有不同的方法。由此可见，教学系统本身的复杂性和多样性，必将增加人工智能应用于教学改革的难度，构筑智能化教学模式仍有很长的路要走。

二、智能化教学模式的构建

目前，研究者对教学模式的构成要素仍未达成一致。袁顶国、刘永凤、梁敬清认为，教学模式包含教学结构、教学程序及教学方法这三个核心要素[9]110-114。美国教育家乔伊斯、威尔、卡尔霍恩认为，一个完整的教学模式包含五个要素：理论基础、教学目标、教学过程、技术支撑及评价标准[10]101-108。本研究结合国内外学者对教学模式核心要素的研究，以这些核心要素为基础，构建智能化教学模式的框架(参见图1)。

由图1可知：该教学模式框架，以分布式认知理论及建构主义学习理论为基础，以人工智能技术为代表的新一代信息技术为支撑，以实现智能化教学模式的教学目标为宗旨，将人工智能技术有机地融合到教学的课前、课中和课后三个不同环节，实现差异化和多元评价，通过不断实践，调整教学过程，最终实现教学目标。具体分析如下：

(一)理论基础

要构建一种优秀的教学模式，就需要积极探寻对应的基础理论。没有坚实的基础理论，教学模式将变得毫无生命力。例如：有意义接受学习教学模式的理论基础是认知同化学习理论，发现式学习教学模式、网络探究模式、基于项目学习模式的理论基础是认知结构学习理论。本研究所构建的智能化教学模式框架主要基于以下两种理论：

1.分布式认知理论 该理论是美国加利福尼亚大学Edwin Hutchins教授在20世纪80年代提出来的，着重强调个体与技术、个体与认知环境之间的相互作用。教学中的师生、学校、人工智能技术等与分布式认知理论形成映射，可以对教学模式改革产生新的启发。例如，可以利用技术、工具等“人工制品”转移认知任务，利用智能机器处理简单、重复性的认知任务，进而分配给个体更有创造性、前瞻性的认知任务。另一方面，通过与智能化教学环境的交互，可以重构学习体验，增强个体的认知能力。

2.建构主义学习理论 该理论的核心思想是以学生为中心，特别强调学生对知识的主动探索和自主发掘。这一理论弱化了教师的知识传授作用，认为学生应该利用相关的学习资料和学习工具，通过协作来实现对所需知识的自主建构。因此，在建构主义学习环境下，必须考虑情境的创设问题。在学习方法上，建构主义学习理论倡导既要强调学生在学习过程中的主体作用，又不能轻视教师在学习过程中的引导作用。

(二)教学目标

一般来说，教学目标决定了教学模式的功能、性质及范围，在教学模式的构成要素中处于核心地位。任何一种教学模式都必须以一定的目标为导向。智能化教学模式的教学目标是：有效克服传统教学中存在的缺陷，着力培养学生自主学习的能力，最终实现培养创新型人才的总体目标。智能化教学模式的目标由总目标、教学目标和三维目标组成。其中，总目标定位为培养学生的创新能力，教学目标包括课程目标、单元目标和课时目标，三维目标则由知识与技能、过程与方法、情感与价值观等构成。

(三)教学过程

教学过程分为课前、课中和课后三部分，每一部分都有教师活动、学生活动及人工智能技术参与。

1.课前阶段 教师在人工智能技术辅助下进行智能化备课，制定个性化的预习内容，并把预习内容推送到学生的个人学习空间。在学生预习过程中，教师远程监控学生的学习行为和进度，根据采集到的学生预习轨迹，推送个性化学习资源，以满足不同学生的学习需求。在所有学生预习完成后，智能教学平台会自动生成预习报告并推送给教师，让教师及时了解学生的整体预习情况，以便教师调整教学内容。

在收到教师推送来的预习资料后，学生根据自身情况进行自主预习，但必须在规定的时间内完成相关预习任务。与传统教学模式不同，智能化教学模式可以将学生的预习效果以数据的形式呈现在教师端，让教师及时了解学生的预习情况。另外，学生可以与教师进行互动，就预习中遇到的问题与教师进行沟通，并发表不同意见，提出相关问题，分享较好的学习资料。

2.课中阶段 教师可以通过弹幕方式导入前期预习成果，根据前期预习中学生出现的一些具体问题进行整体点评或少数个体点评，指出预习过程中学生存在的共性问题。之后，教师可以在对学情及个性化精准分析的基础上，创设合理的教学情境，引入新的教学内容。这种合作探究方式可以更好地激发学生的学习兴趣，提高学生的学习欲望，培养学生的主动探索、协作交流及创新思维能力。教师可以通过人工智能系统，实时监控每个学生的学习过程，及时了解学习进展和困难，进而进行个性化指导。在人工智能技术的支撑下，学生可以进行智能化交互学习，通过人机交互重构学习体验。

3.课后阶段 在这一阶段，个性化辅导最为关键。教师可以根据所采集的数据，利用人工智能技术进行识别和分类，推荐给学生差异化的课堂评价和有针对性的学习建议。教师可以根据这些评价，推送差异化的课后作业与学习资料，实现对学生的个性化培养。学生可以通过系统提交作业，客观题可自动批改及时反馈成绩，主观题可推送给教师端。教师可以在线上进行多样化的个性辅导，提高学生分析问题和解决问题的能力。在教学反思过程中，教师应该积极审视课堂教学中出现的问题，及时完善教学内容，优化教学思路，提高课堂教学质量。

(四)技术支撑

人工智能与教育的融合主要包括智能算法、感知技术和认知技术三类。

1.智能算法 智能算法是人工智能应用于教育的核心技术，主要分为机器学习和深度学习两大类。传统机器学习主要有决策树、人工神经网络、随机森林、贝叶斯学习等。随着大数据时代的到来，数据产生的速度不断加快，数据的体量不断增大，数据的种类不断增多。如，在教育领域存在的文本理解、喜好判断、文本情感分析等诸多数据类型。因此，探寻高效的并行策略来处理教学过程中产生的大数据，是今后一段时间机器学习的研究热点。目前，机器学习在准确预测学业成绩、学生行为建模、学习资源推送、精准评价等领域发挥着重要作用。深度学习是指在多层神经网络上运用多种机器学习算法解决问题的算法集合。深度学习可以使机器学习实现更多的功能，从而拓展人工智能的应用领域。深度学习是一种框架，包含多个重要算法，如卷积神经网络、自动编码器、限制波尔兹曼机、多层反馈循环神经网络等。

2.感知技术 在教育领域，感知技术是以生物特征识别和自然语言处理等为基础的智能信息处理及控制技术。感知技术主要有语音识别、语义识别、图像识别、文本识别、人脸识别等。2017年，谷歌、IBM发布的智能语音识别软件，其正确识别率在95%左右。目前，国内语音识别企业，如搜狗、百度、科大讯飞等企业的语音识别软件的识别率达97%。这些感知技术主要运用于学习情境感知、学生生物特征感知及学生社会特征感知等方面。

3.认知技术 如何将情感与机器联系起来，使得机器能识别人的情感并具有认知能力，一直是人工智能领域专家关注的焦点。麻省理工学院教授Ehsan Hoque已研发出一种社交技能训练系统。该系统能在真实情景下进行人机交流。认知技术在教育领域的运用主要体现在主观题评判、智能问答、机器翻译、心理辅导等方面。

(五)评价方式

在人工智能技术的推动下，实现对学生发展状况的自动评估是智能化教学模式的重要一环。智能化测评可以进一步减轻教师的工作量，使教师有更多的精力投入创新性教学之中。传统的教学评价方式单一，往往采用统一试卷和答案，通过考试方式简单评价学生。而智能评价容易实现差异化评价和多元化评价。多元化评价包含评价方式多元化、评价主体多元化、评价内容多元化。差异化评价承认学生本身的差异性，尊重学生的个体特征。

三、智能化教学模式的应用策略

目前，人工智能与教育的融合已逐渐渗透到“教、学、考、评、管、治”各个层面。智能化教学模式已成为加速教学变革的“原动力”之一。它的应用深刻影响着教学策略制定、学情分析、教学资源选择、教学过程实施等各个具体的教学环节。通过人工智能的赋能，智能化教学模式将会有效克服传统教学模式的教学过程单调、教学评价较片面等不足，让教师从繁重的工作中解脱出来，更好地思考教学策略。但我们必须认识到，任何一种技术运用到教学中都有其局限性，都不能像教师那样言传身教潜移默化地影响学生。因此，在智能化教学模式实践中，教师应该更多地重视教书育人。

随着人工智能技术的深度发展，智能化教学模式也将不断演进。本研究认为，要让智能化教学模式得到广泛应用，应该在如下两方面开展进一步研究：

(一)以大数据技术为主的精准个性化学习

借助大数据技术采集学生整个学习过程中的数据，配合人工智能技术，实现对学生的行为分析、学习规律分析，判断学生的主要学习障碍，更加精准地建立学生的学习模型，为学生提供更加精准的个性化学习引导，更好地满足学生的学习需求，提高学生主动学习的兴趣。

(二)人机结合教育新形态

目前，在人工智能与教育的融合过程中，对学生思想品德、情感态度及价值观念的培养存在明显的不足。未来，应充分利用人机结合的方式，进一步完善人工智能的治理体系，制定和嵌入相应的道德标准、情感态度和价值观念的识别方法，研制出更强大、更可信的教育领域人工智能应用系统。

综上，以人工智能为代表的新一代信息技术的兴起被认为是第四次工业革命。在这样的背景下，高等教育的教学模式融入智能化元素已迫在眉睫。为顺应“智能+教育”在全球发展的趋势，本研究建构了一种智能化教学模式，以期有效满足学生的自主学习、个性化学习、线上线下融合式学习的需求。在信息化背景下，随着不断的探索与实践，智能化教学模式将会变得更智能、更精准、更全面、更多元。