基于人工智能的教育智能化技术及应用场景研究*

摘  要  我国教育改革正从“人工智能+教育”转变为“教育+人工智能”，教育智能化发展是我国未来教育改革的主要方向。在解析人工智能概念、总结其发展历程的基础上，分析现阶段人工智能的主要支撑技术，探讨智能技术在教育智能化中的具体应用场景，最后对我国教育智能化进行思考并提出发展建议。研究成果对推动我国教育智能化发展具有一定的参考和应用价值。

关键词  人工智能；教育智能化；自适应学习；沉浸式学习；智能辅导；自动评测系统

中图分类号：G434    文献标识码：B

文章编号：1671-489X（2022）22-0038-04

0  引言

近年来，人工智能与教育的融合发展成为国内外教育科学研究的热门议题。2017年，国务院印发《新一代人工智能发展规划》，明确指出人工智能技术是推动教学手段和教学方法改革的重要推

手[1]。2020年，时任教育部部长陈宝生在第二届国际人工智能与教育大会上指出，人工智能技术是推动教育变革的重要利器[2]。在此背景下，我国人工智能教育得以迅猛发展。但在人工智能技术不断升级推动下，人工智能与教育的融合也从早期的“人工智能+教育”转变为“教育+人工智能”，这对教育智能化发展提出新的要求。因此，本文在阐述人工智能概念与发展历程基础上，分析现阶段人工智能的主要支撑技术及其在教育智能化中的具体应用场景，探讨我国教育智能化的发展策略。

1  人工智能概念与发展历程

人工智能是融合计算机科学、信息学、统计学、语言学和神经生理学等众多学科的一门综合性科学，它通过各种技术支撑来模拟人类思维处理信息的过程，进而实现“类人智慧”[3]。在人工智能运用领域，它可以高效地辅助人类实现想法和完成预设目标。总体来说，人工智能的诞生是为了解决一些依靠人类自身无法完成或者较难完成的任务和工作。

1956年8月，在达特茅斯学院召开的研讨会上，数学家麦卡锡（John McCarthy）、认知学家闵斯基（Marvin Minsky）、信息论创始人香农（Claude Shannon）、计算机科学家纽厄尔（Allen Newell）和经济学家西蒙（Herbert Simon）等众多科学家讨论了如何利用机器来模仿人类学习，人工智能的概念被提出，自此，1956年被称为人工智能的发展元年。

在60多年的发展历程中，人工智能主要经历了符号主义、行为主义和连接主义三大发展阶段[4]。其中，符号主义发展阶段主要强调运用基本符号进行逻辑推理；行为主义发展阶段关注于学习模型，通过感知与控制来实现智能化；近几年出现的连接主义强调运用神经网络构建语言处理、视觉感知和行为模式识别等高级智能功能。

在经历上述三大发展阶段后，研究者将人工智能应用技术划分为弱人工智能、强人工智能和超级人工智能三种类型[5]。当前广泛应用的人工智能技术属于弱人工智能，以满足人类的内在需求为主，如提高生活的便捷性，这类人工智能更多地表现为工具作用；强人工智能更加注重分析和解决问题的能力，能够实现自我学习；未来有可能出现的超级人工智能可能实现智能机器的自由意志[6]。

2  人工智能支撑技术

现阶段，人工智能的支撑技术主要有以下四类。

2.1  机器学习技术

机器学习技术是机器具有智能的重要途径，也是人工智能的核心技术之一。机器学习通过计算机预先设定的程序对输入的信息数据进行处理分析，进而模拟人类的学习能力，实现学习行为。计算机预先设定程序通常称为编程，它的表现形式是系列算法，且算法之间呈现出逻辑关系。因此，机器学习能力的核心是编程，它是机器处理收集数据并得出结论的主要手段。但机器学习通常只能做预先设定编写过的事情，不能处理除此以外的其他事情。在机器学习技术中，人工神经网络技术是近几年运用最广的技术之一，该技术模仿人脑的神经元结构，通过设计与人脑神经元类似的网络结构模拟人脑处理信息的方式[7]。运用人工神经网络技术可以提高机器的自主学习能力，解决机器只能根据预设程序进行学习的困境。

2.2  语言处理技术

语言处理技术是实现人与机器通过自然语言进行交流的一项技术，包括语言翻译、语义理解和语言问答系统等三种类型，通常又被称为“人机对话”[8]。自然语言处理技术可以让机器学会人类语言，理解人类语言所表述的指令与意义，进而做出快速处理。

2.2.1  语言翻译

语言翻译是自然语言处理技术的第一种类型，当下流行的世界语言翻译器就是具有语言翻译技术的智能产品。

2.2.2  语义理解技术

语义理解技术通过拆分句子，从语句分词、词法分析、语法分析和语义分析等层面实现对句子含义的理解。其中，语句分词是指根据句子含义，对句子进行词组拆分，把完成的句子划分为不同的词组组合形式；词法分析是对语言的词头、词根和词尾进行拆分，根据词语的词性（如名词、动词等）对词汇进行分类；语法分析是指通过编程算法来分析句子中所包含的元素；语义分析是指在上述分析基础上，通过正确语法，把句子所表述的含义表示出来。

2.2.3  语言问答系统技术

语言问答系统技术可以实现机器与人们的自然语言交流，天猫精灵等智能终端语言助手和聊天机器人等就是运用语言问答系统技术的智能产品。

2.3  视觉处理技术

视觉处理技术是使机器模拟人类视觉系统，让机器具有分析图像能力的一种智能技术[8]。通过该技术，机器可以在提取图像或视频信息的基础上，把提取的信息转化为数据信息，进而通过分析数据信息实现视觉目标的解读。分析图像是人类获取外界信息的重要途径之一，因此，视觉处理技术就是机器获取智能，模拟人类分析问题和解决问题的必要方式。最近几年流行的手机人脸识别和支付功能就是视觉处理技术的具体应用。

机器视觉处理的图像包括动态影像和静态图片两种类型，其中，静态图片容易识别，只需把所获取的图形信息与机器数据库内的存储信息进行模糊配对，即可实现图像识别；而动态影像的识别则相对较难，在进行识别时，首先需要对所获取的信息进行分析与归类，然后进行二次分析，才能实现图形识别。

2.4  虚拟现实技术与增强现实技术

虚拟现实技术与增强现实技术是综合视觉与听觉两种信息处理技术的新型智能技术。虚拟现实技术通过各种设备，如显示设备、数据抓取设备和交互设备等，生成模拟真实环境的虚拟环境，让人与虚拟环境进行信息交互，取得与现实环境相似的体验。增加现实技术是在虚拟现实技术基础上发展而来的一种将真实世界与虚拟世界信息进行集成的新技术[9]，把由虚拟现实技术生成的信息叠加到真实世界中，让人们在真实世界中感知由虚拟环境与真实环境叠加而成的现实环境，可以让人们感受到超越现实的感官体验。

3  人工智能的教育智能化应用场景

在人工智能技术不断发展的同时，人工智能与各行各业的融合逐渐加深，教育领域正在从“人工智能+教育”发展模式转向“教育+人工智能”的深度融合模式。模式的转变意味着两者的融合重点从智能技术的教育应用转变为教育智能化的发展，通过重新定义教育价值、教育发展目标与愿景，根据教育的具体运用场景，深度融合人工智能技术，从而真正发挥人工智能在教育领域的实践效益。目前常见的教育人工智能场景主要有以下五种。

3.1  智能辅导

智能辅导出现于20世纪70年代，其主要功能是在教学中引导学生开展学习活动。早期的系统关注低阶学习者与高阶学习者之间的差异，并根据差异情况在教学过程中进行合理干预和引导。在人工智能技术支持下，智能辅导系统逐渐转变成智能答疑系统。智能答疑系统是在学习者学习过程中，通过语音识别技术辨别学习者所提的问题，进而以模拟教师的答疑形式进行自动化反馈。智能写作助手就是利用智能答疑系统开发的一款辅助学生提高作文写作能力的教育智能产品。智能写作助手在学生学习过程中承担辅导教师的角色，其运行机制是通过建立海量作文资料库，然后把学生所写作文与资料库中的范文进行比对，从作文的写作逻辑、语句表述和用词准确等方面给出修改意见。智能钢琴是在实体钢琴中嵌入智能辅导系统，用来指导学生日常练习的智能产品。该智能辅导系统通过收集练习数据，运用智能系统进行分析，进而针对练习者经常出现的错误点进行提醒与纠正，提高练习者自主练习的正确率。

3.2  自动评测

与人类相比，机器更适合处理大量具有明确规则的重复事件，因此，自动评测系统很早就被运用于批改考试试卷中的客观题，如大学英语四六级考试的选择题就是运用自动评测系统完成批改。在人工智能技术的加持下，自动评测系统能够针对主观性较强的各类试题进行评测。在构建评价标准模型的基础上，通过语言处理技术和大数据分析技术，自动评测系统能够对作文等主观性题目进行科学评测。如在由美国教育考试服务中心举办的托福考试中就运用语言处理技术，通过智能机器对考生的发音、词汇量和语法运用正确率进行判定[10]。除了运用在试卷批改上，在可穿戴设备和图像记录仪器的辅助下，自动评测还可运用于实验操作、体育等实践类考试的评价中。

课堂评价是自动评测系统的另一个重要应用。课堂评价是整个教学评价过程中的重中之重，也是最难评价的环节。依托人工智能的语言处理和视觉处理技术，如图像识别、语音识别等，教师可实现对课堂教学环节的科学准确评价。通过人工智能技术，可以精细化采集教师在授课过程中的表现和学生在课堂上的学习状况，如教师的提问次数与教学表情、学生的回答问题次数和学习表现等。在获取数据后，经过系统分析、整合和重组，即可形成实质性的评价结果。

3.3  自适应学习

自适应学习强调为学习者提供恰当的学习资料，让学习者进行自我学习、总结与发现，最终能够自主解决问题。因此，如何根据学习者自身特质与学习水平为其提供有效的学习资料与合适的学习路径，是自适应学习模式能否实现教学目标的重点。随着人工智能技术的嵌入，自适应学习系统通过不同的机器学习算法构建具有复杂结构的知识网络，并配套相对应的学习资源。当学习者开始使用自适应学习系统后，系统可以根据学习者的学习数据形成个人知识图谱框架并分析学习者的个人能力，再结合学习者的个人背景与学习习惯，最终可形成学习者的个人特征画像。在获得学习者特征画像后，系统就可以为学习者提供精准的个性化学习资源与学习反馈，帮助学习者提高学习效率，促进学习个体的良好发展。

3.4  沉浸式学习

近些年，随着虚拟现实技术的出现，人工智能的教育智能化应用出现沉浸式学习的新场景。沉浸式学习是通过虚拟现实技术为学习者提供一个近似于真实学习环境的虚拟学习环境，在这个虚拟环境中，学习者可以获得更加直观与丰富的学习体验。除了提供高质量的学习环境，在沉浸式学习过程中，系统还可通过人工智能技术对学习者的学习过程进行全面的数据采集，并依据数据进行测评和反馈，进而构建出符合学习者个性的智能学习空间。如在虚拟现实博物馆中，智能系统能根据学习者的个人喜好呈现符合学习者自身兴趣的展品和游览路线。同时，系统还会根据学习者的年龄段和学习需求构建虚拟的学习伙伴与学习者进行交流，增强游览的趣味性。

3.5  教育决策

为教育主管部门提供教育政策指引和确定治理决策，也是人工智能技术在教育领域应用的重要场景之一。适宜的教育政策需要建立在大量的调研与分析基础上，因此，教育主管部门利用人工智能搭建数据分析平台，通过收集学生、班级、家庭和学校等不同等级教学参与者的协同数据，建立管理区域内的教学数据库，进而为制定政策和确定治理决策提供依据与支撑。不同等级教育数据的采集有助于教育主管部门预测管辖区域内教育发展的趋势，分析学校之间发展的差异，构建教师专业发展的路径等。

4  教育智能化发展思考

当前，我国的教育信息化建设还不够完善，不同级别的教育机构仍处在“互联网+教育”的应用阶段，而人工智能技术为教育的智能化发展提供了更高的发展机会，同时让教育管理部门和不同的教育参与者猝不及防，未做好准备。适应智能时代的教育理念尚未形成体系，教师缺乏使用智能技术的教学经验，新型教学内容载体和配套教材不足，等等，这些问题都给教育管理机构和教育实施者带来困惑。要解决这些困惑，就需要在教育智能化发展中，针对具体问题，拓宽教育智能化的应用空间，从顶层设计好适应智能时代的人才培养体系。因此，我国未来智能化教育的发展应注重以下四点。

4.1  加速教育与人工智能融合进程

在教育智能化过程中，应该充分利用已有的智能技术，提升智能导学在辅助教学中的介入深度，充分利用教育大数据优势，推广自适应学习与教学自动测评。同时，继续建设和优化个性化学习平台，利用虚拟现实等设备扩大沉浸式学习环境的使用范围，提高其使用频率，助力教育教学从信息化向智能化的升级。

4.2  加快教育理念转变

当前教育智能化的使用主要注重知识的传授，教学目标仍停留在让学生高效接受知识的层面。但是在智能时代，教育目标已经发生根本改变，对学生的综合能力也提出更高要求。因此，教育智能化发展必须加快教学理念的转变，要让学生从灌输式的教育中解放出来，着重培养学生独立思考能力、创新合作能力以及动手实践能力，并树立终身学习的意识。

4.3  加强教育数据保护

教育大数据是教育智能化的基础，具有数据量大、种类繁多和层次复杂等特点。通过改进数据采集和分析技术，可更精确地运用到学习者画像的构建、教学环节的自动评价和教育政策的科学制定等方面。但在数据处理过程中应注意数据的个人隐私。数据隐私泄露会引发众多不良社会问题，将给教育实施者和学习者造成不利影响。因此，在教育智能化发展过程中，保护数据隐私安全是政府和教育管理机构的重要任务，应制定相关政策并不断优化数据隐私的安全技术。

4.4  加强技术与理论结合

在不断深入发展应用技术的同时，还需要加大理论的研究范围与力度。教育智能化在提高教学效率、减轻教学实施者负担和提高学习者学习质量等方面具有良好的作用，但仅关注技术创新无法引发教育的智能化变革，还需要引入正确的价值引导，同时与心理学、计算机科学等其他学科的相关理论相结合，共同促进教育智能化的健康发展。

5  结束语

本文在分析人工智能概念与发展过程的基础上，探讨人工智能的主要支撑技术以及在教育智能化中的具体应用场景，对我国的教育智能化发展进行思考并提出相关建议。在人工智能联接万物的发展时代，未来教育的发展必定是与人工智能的深度融合。因此，为适应智能时代发展需求，需要培养具有创新智能思维的综合型人才。机器学习技术、视听信息处理技术和虚拟现实技术等技术的不断发展，也将进一步提高教育智能化程度。与此同时，教育管理者与实施者更应关注学生的自我成长，促进学生德智协同发展。

参考文献

[1] 国务院关于印发新一代人工智能发展规划的通知[A/OL].（2017-07-08）[2020-01-12].http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2] 承担教育使命 共同谋划教育未来：陈宝生出席国际人工智能与教育会议[EB/OL].（2020-12-07）[2021-02-12].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/202012/t20201207_503933.html.

[3] 唐雯谦，覃成海，向艳，等.智慧教育与个性化学习理论与实践研究[J].中国电化教育，2021（5）：124-137.

[4] 董艳，李心怡，郑娅峰，等.智能教育应用的人机双向反馈：机理、模型与实施原则[J].开放教育研究，2021，27（2）：26-33.

[5] 肖睿，肖海明，尚俊杰.人工智能与教育变革：前景、困难和策略[J].中国电化教育，2020（4）：75-86.

[6] 钟绍春.人工智能支持智慧学习的方向与途径[J].中国电化教育，2019（7）：8-13.

[7] 李帅.人工智能威胁论：逻辑考察与哲学辨析[J].东北大学学报（社会科学版），2019，21（1）：14-19.

[8] 梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018（3）：24-30.

[9] 刘凯，胡祥恩，王培.机器也需教育？论通用人工智能与教育学的革新[J].开放教育研究，2018，24（1）：10-15.

[10] 唐雯谦，覃成海，向艳，等.智慧教育与个性化学习理论与实践研究[J].中国电化教育，2021（5）：124-137.

*项目来源：安徽省社会科学创新发展研究课题项目“‘人工智能+教育发展形态研究”（基金编号：2020CX150）。

作者：王志鹏，安徽建筑大学建筑与规划学院，讲师，研究方向为教育智能化（230601）。