人工智能在智慧教育中的应用策略分析

杨力

摘要：随着人工智能技术的不断发展，智慧学习将迎来更加广阔的发展前景。通过协作、广泛应用、管理优化、融合发展了解人工智能在高校应用的特点，分析了智慧教育转型与变革的五个维度。建立了主动智能的教育系统，根据学生的特点和需求，提供个性化、智能化的学习支持和辅导，基于Logistic模型和因子分析追踪和预测学生学习状态，提升学生答题的准确率。利用学习曲线和学生个体的数据，建立学生能力和知识难度的关系，分析学生的学习状态。分析结果表明，学校在投入智慧学习设施后，学生对教育系统的满意度整体较高，大多数评价项的均值在4.4以上。

关键词：人工智能；智慧教育；应用策略；知识追踪；因子分析

一、前言

本文充分了解人工智能在高校应用的特点，然后从五个维度，对智慧教育的转型与变革进行全面分析。通过建立主动智能教育系统，能够提高学生的自主学习能力。利用学习曲线和学生个体数据建立因子分析模型，了解学生能力和学习过程中面临的困难，以跟踪和分析学生的学习状况。

二、人工智能技术对智慧学习支持分析

人工智能技术对智慧学习的支持主要体现在个性化学习支持、智能教学辅助、智能评估和反馈，以及自主学习和合作学习的支持等方面。通过这些支持，智慧学习能够更好地满足学生的个性化需求，提高学习效果和学习体验[1]。

（一）人工智能在高校中应用的特点

人工智能在高校应用的特点包括四个部分：

1.协作

引入人工智能可以促进高校各部门之间的协作与资源共享。通过集成开发教育测量指标的多维特征，可以建设共享的数据库系统，实现数据的共享与互联，促进共同创新[2]。

2.广泛应用

高校是复杂工作的集中场所，人工智能数据采集终端的设计和应用可以提高高校的智能化水平。人工智能技术广泛应用于教学、科研、学生服务等方面，提供了更高效、精确和个性化的支持[3]。

3.管理优化

人工智能在高校的日常管理中发挥着重要作用，从最初的工具逐渐演变为重要的管理工具。通过应用人工智能技术，可以优化高校的资源配置、教务管理、人事管理等方面的工作，提高工作效率和质量[4]。

4.融合发展

目前，高校在推动“人工智能+教育”发展中发挥着重要作用。高校资源整合属性日益显现，智能算力运用领域几乎全面整合，通过融合不同领域的智能技术和教育资源，提供更全面、多样化的智能化教育服务。

人工智能在高校应用中仍面临一些挑战，如隐私与数据安全、算法公平性等问题。因此，需要高校积极探索适合自身情况的人工智能应用模式，并建立有效的管理与监管机制，以确保人工智能技术的合理应用和最大化效益的实现。

（二）智慧教育转型

智能时代的智慧教育，依托于智能技术与教育的深度融合，在基础环境、智能形态、培养模式、教育生态、育人目标五个维度，全面促进教育的转型与变革，在教育全过程中使用新技术、服务新场景、创生新业态、提供新服务。智慧教育转型与变革的五个维度，在人工智能时代智慧教育在基础环境、智能形态、培养模式、教育生态、育人目标等各个维度上展现出新的特征和趋势，为教育提供了更广阔的发展空间和机遇。通过深度融合智能技术与教育，智慧教育能够实现个性化、智能化和全面发展的目标，为学生成长和社会进步做出积极贡献。

智慧教育在基础环境方面加强了信息技术基础设施的建设，提供了网络覆盖、云计算、大数据等技术支持，为教育提供了强大的技术基础和资源保障。主动智能的教育环境是指利用人工智能技术和先进的教育科技，为学生提供具有主动性和针对性的学习环境。在主动智能的教育环境中，学生通过与智能教育系统的互动和合作，能够主动参与学习活动并获取个性化的学习支持。

主动智能教育系统能够根据学生的学习特点和需求，提供个性化的学习支持和资源。通过分析学生的学习数据和模型，系统能够自动匹配合适的学习内容、教学活动和评估方式，以满足不同学生的学习需求[4]。教育系统通过人工智能技术能够对学生的学习行为和表现进行监测和分析，提供智能辅导和个性化的学习反馈[5]。

三、智慧教育应用策略

（一）基于Logistic模型的知识追踪

人工智能中的Logistic模型通过知识追踪帮助教师和教育机构更好地了解学生的学习情况，及时发现学生的知识漏洞和困难，提供个性化的教学和辅导。同时，对于学生而言，知识追踪可以帮助学生更清晰地了解自己的学习进展，发现自身的优势和不足，并根据追踪结果调整学习策略。基于Logistic回归方法脉络图如图1所示，分为项目反应理论和因子分析模型等类型。该模型基于Logistic函数，用于表示学生回答题目的概率，并利用历史学习数据来预测学生的答题情况，该模型在知识追踪和学生建模中具有重要的应用和研究价值。

（二）项目反应理论

项目反应理论作为现代心理测量理论，用于分析学生在特定题目上的作答情况。在IRT模型中，以Logistic模型作为项目反应函数。模型运算公式如下：

（1）

p（a）表示学生在给定能力θ的情况下回答某個项目正确的概率，βj表示项目的难度参数。通过IRT模型的分析，获得更准确和精细的测量结果，给教育决策提供有价值的信息。

（三）基于知识追踪的因子分析

因子分析模型和IRT模型在某种程度上相似，两者都尝试通过参数估计学生正确回答题目的概率。然而，因子分析模型和IRT模型在建模方法和假设方面存在一些差异。

学习因子分析主要用于学习曲线的研究，是一种半自动化的方法，结合了统计模型、人类专业知识和组合检索等认知模型。LFA模型设定不同学生的学习速度相同，并指定了学生的初始水平和学习增长率等参数。LFA模型的标准形式如下：

（2）

在LFA模型中，Xi和Yj被看作学生i和知识点j的协变量，αi表示学生i的先验知识水平，∑表示题目涉及的知识点数量，参数γj表示题目涉及的知识点j数量，p（θ）表示对正确答案的概率估计。

PFA是对LFA的改进方法。相比于LFA只考虑学生的练习时间，PFA考虑了学生的正确和错误回答，更加细致地分析学生的学习过程。在PFA中，每个学生被视为独特的个体，通过自身的正确和错误回答来积累知识。PFA在LFA的基础上进行调整，得到如下表达式：

（3）

fij表示学生i次尝试失败知识点j的次数。ρj代表相应的权重参数。

PFA的改进在于从学生的正确和错误的尝试中提取信息，更准确地评估学生的学习情况。通过考虑学生个体的不同学习方式和经验，PFA能更好地解释学生在知识点上的表现。这种方法对于个性化教育和智能辅助学习系统的开发具有重要的意义。

四、实验结果分析

（一）硬件环境

智慧教育利用人工智能技术，可以为学生和教师提供个性化的学习和教学支持。通过充分配备硬件设备，如电脑、平板、智能手机等，学生可以方便地使用智慧教育软件和应用程序进行在线学习、教学资源获取和互动交流。课堂硬件环境情况见表1，可以观察到各个学习类别的占比情况。Pad智慧教室是被使用最广泛的学习类别，占比达到了91.48%。数字纸笔教室是次受欢迎的学习类别，占比为74.32%。VR/AR教室占比为50.21%，显示了它在学习中的一定受欢迎程度。多媒体教室占比为38.74%，在学习中也有一定程度的应用。录播教室在使用方面较少，占比为16.54%。其他学习类别占比为8.11%，包含了其他不同的学习环境或设备。通过对各学习类别的占比分析，可以根据实际情况优化和提升受欢迎度较低的学习类别，并进一步满足学生对不同学习环境的需求，提供更全面、多样化的学习体验。

（二）软件环境

除了硬件环境的充分配备，软件环境在实现智慧教育中的应用也起着至关重要的作用。软件环境包括教育应用软件、学习管理系统和智能教学平台等，它们提供了丰富的学习资源和功能。

在智慧教育中，教育应用软件可以为学生提供个性化的学习支持和资源，包括在线课程、电子教材、学习游戏、智能练习等。这些应用软件结合了人工智能和大数据技术，能够根据学生的学习特点和需求，提供定制化的学习内容和推荐。教育应用软件的丰富性和多样性能够满足不同学生的学习需求，促进个性化学习的实现。

表2为学生学习系统使用情况，结果显示微课学习类学习系统是使用最多的系统，占比达到81.34%。其次是作业考试类学习系统，占比为72.68%。互动学习类学习系统的使用较少，仅占比36.82%。

（三）学习者学习环境满意度的影响分析

学习者对学习环境的满意度会对其学习和教育体验产生影响。在此分析中，通过调查问卷来了解学生对智慧教育系统的满意度，以评估学习环境对学生的影响。在各个班级发放48份调查问卷，学生均填写了《智慧教育系统满意度调查表》，问卷调查表的回收率为100%。问卷通过老师在课堂上组织学生填写。设定最高分为5分，调查结果发现实验班和对照班的学生普遍对智慧教育系统较为满意。各维度平均值均超过4分，表明学生对智慧教育系统的使用体验非常满意。反映了学生对系统功能、界面设计、学习资源和交互体验的欣赏和满意度，智慧教育系统满意度测量值见表3。

根据给定的数据，能够得出教学系统在大多数评价项上得到了较高的分数，均值通常在4.4及以上，说明学生对教学系统的满意度较高。教学系统在提高课程质量、拓展学习视野、帮助知识发现和构想、支持学生的学习期望等方面得到了较高的评价。教学系统在交互性和支持合作学习方面的表现得到了较好的评价，这对于鼓励学生的互动和合作非常重要。教学系统在提供学生指导方面得到了较高的评价，这说明教学系统能够为学生提供必要的支持和指导。绝大多数学生表示愿意在教学系统上进行后续课程学习，这表明他们对这个学习系统的信任和认可。

根据学生的学习数据和模型，利用人工智能技术为学生提供个性化的学习推荐，以满足不同学生的学习需求。教师可以通过智能教学助手或辅助教学工具，利用人工智能技术快速分析学生的学习情况，提供个性化的教学反馈和指导。通过人工智能技术，可以根据学生的学习进展和理解程度，自动调整学习内容和难度，使学习过程更加适应学生的能力和需求。

五、结语

介绍了人工智能在高校应用的特点，然后从五个维度分析智慧教育的转型与变革，以及人工智能在教育中的应用特征。通过主动智能教育系统，进一步提高学生的学习体验和教学效果，促进智慧教育的发展和创新。通过Logistic模型和因子分析模型的应用，分析了学生对教学系统的满意度。结果表明，学生对教学系统的满意度整体较高。大多数评价项的均值在4.4以上，说明学生对主动智能教育系统的各方面表现十分认可。

参考文献

[1]谢娟.如何识别与判定人工智能教育应用伦理问题——基于伦理策略形成的视角[J].电化教育研究，2023，44（01）：36-41.

[2]陈增照，石雅文，王梦珂.人工智能助推教育变革的现实图景——教师对ChatGPT的应对策略分析[J].广西师范大学学报：哲学社会科学版，2023，59（02）：75-85.

[3]邱叶.基于人工智能的应用型高校思政理论课精准教学模式构建与实践[J].职业技术教育，2022，43（05）：46-50.

[4]顾小清，胡艺龄，郝祥军.AGI临近了吗：ChatGPT热潮之下再看人工智能与未来教育发展[J].華东师范大学学报：教育科学版，2023，41（07）：117-130.

[5]蔡子凡，蔚海燕.人工智能生成内容（AIGC）的演进历程及其图书馆智慧服务应用场景[J].图书馆杂志，2023，42（04）：34-43.

基金项目：1.广东省教育厅2022年广东省普通高校特色创新类项目“3D 打印技术与高职院校教学应用研究”（项目编号：2022WTSCX302）；2.茂名市2023年度哲学社会科学规划一般项目“茂名地区非农高职院校助力新时代乡村振兴的路径研究”（项目编号：2023YB03）

作者单位：广东茂名幼儿师范专科学校

责任编辑：王颖振、周航