人工智能—教育篇

人工智能—教育篇

近年來，人工智能（Artificial Intelligence，AI）受到了全社會的普遍關注，并被提升到了國家戰略的高度。人工智能時代已經到來，AI技術正在悄然改變著傳統行業的方方面面，如何應對人工智能帶來的機遇與挑戰已成為各行各業都必須面對的問題，教育行業也不例外?？拼笥嶏w肩負著建設“國家新一代人工智能開放創新平臺”的重要使命，積極探索AI技術與教育的融合創新應用?；趯ξ覈逃畔⒒l展現狀的深入分析，以及對AI技術在教育領域應用趨勢的前瞻預測，圍繞教育主場景推出了人工智能核心技術服務及其應用產品，在廣泛的實踐過程中取得了良好的應用效果。

一、人工智能教育應用的發展趨勢與現狀

1、新時代呼喚個性化教育理念與模式

在工業化時代，以規?；?、機械化和程序化為主要特征的生產模式，要求通過教育來培養大量具備基礎知識技能、具有嚴格服從精神的高度專業化、標準化人才。而在AI技術日益滲透到各行各業的當今時代，生產過程已由單一、重復的流水線生產模式轉變為大規模、個性化、自動化的智能制造模式。社會更需要勞動者具備創新能力，BBC（英國廣播公司）援引牛津大學學者Osborne等關于“人工智能對未來職業的可替代率”的數據體系進行職業預測：不僅那些可通過標準化訓練的人才如電話銷售員會被大量替代（可替代率達99.0%），“程式化強、重復性高”的高級腦力工作如會計師也會被大量替代（可替代率達97.6%），而只有那些強調“創新、溝通和深入思考”工作如軟件開發人員被替代的可能性低（可替代率僅8.0%）?？梢?，當前教育的重要任務就是培養創新人才。

創新人才的培養離不開個性化的教育方式。心理學家林崇德認為，創新型人才應具備創造性的個性品質。尊重個性品質的發展，就是保護人才的創新能力。美國心理學家特爾曼對800名男性兒童做了長達30年的追蹤調查，發現成就較大的前20%群體與成就較小的后20%群體在性格、情感、興趣、愛好、自我意識等個性特征方面存在顯著差異，前者的個性特征得到了充分的發展 。由此可見，培養創新人才需正視并尊重智力水平、性格特征、興趣愛好等個性差異，同時在遵循身心發展規律的基礎上，選擇最適宜的發展方式來促進個人成長?？傊?，創新人才離不開個性化的教育培養，未來教育必將走向個性化。

2、人工智能推動教育的個性化從理論構想到落地實踐

教育走向個性化的第一步是實現學習活動的個性化，即能夠根據學生自身的學習需求、學習經驗、興趣愛好、風格習慣、文化背景等個性化要素，結合國家教育方針與社會人才需求，量身定制學習內容、學習方法和學習計劃。推動個性化學習需要掌握足夠多的背景信息，并進行大量的數據建模分析和智能決策計算，才可能達成預期效果，鑒于其實現的復雜性，2015年新媒體聯盟《地平線報告（基礎教育版）》就將個性化學習列為具有相當困難的挑戰性工作。而隨著深度神經網絡的廣泛應用、腦科學研究的不斷進步與突破，在大數據、云計算等相關技術的支撐下，人工智能技術被快速地應用到社會各領域中，如面向教育領域的、基于人工智能的信息化系統（即“智能教育應用”）可充分利用教育行業大數據，通過不斷學習頂級的專家知識體系，以達到一流專家的水平。據此，智能教育應用一方面可從海量的學生行為數據中，敏銳地識別每個學生的特點和訴求，并制定相應的學習策略；另一方面可從良莠不齊的海量學習資源中找到合適的學習內容，并推薦給學習者；最終，實現學習活動的個性化。由此可見，在人工智能的支撐與推動下，教育的個性化必然會由理論構想逐步轉為落地實踐，個性化也將成為智能教育應用發展的必然趨勢。

3、人工智能教育應用的發展現狀

作為個性化教育發展基礎的教育信息化，近年來取得了長足進步，據《教育信息化“十三五”規劃》統計：我國中小學的互聯網接入率達到87%，多媒體教室普及率達到80%；優質數字教育資源日益豐富，信息化教學逐步普及；教師及學校管理者的信息化意識與能力顯著增強[7]。隨著教育信息化應用的普及與推廣，傳統的教育教學模式發生了很大的改變，促進了教育公平并提高了教育教學質量，但在應對教育個性化的挑戰時仍顯得有些力不從心，具體表現為以下三個方面：

①學生的學習過程未能實現個性化，學生不能充分了解自己，教師又難以關注到每個學生，因此在課堂內外，即便有信息化應用的支持，也只能獲得標準化的學習內容和學習策略指導；

②教師的教學過程未能實現精準化，教師以一人之力難以從預習、聽課、復習、自學、作業、考試等各類場景應用中，觀察并掌握全班所有學生的個性特點、學習行為與學業成果，更不能精準地指導每位學生的學習；

③學校的管理過程未能實現科學化，學校的各類數據分散在不同的業務系統之中，相互間數據未能融合，學校的決策管理過程難以得到數據的全面支撐，學校在數據割裂的狀態下，也難以為教學精準化與學習個性化提供有力的管理支撐。

二、人工智能教育應用的發展對策與舉措

鑒于人工智能時代教育應用的發展趨勢與發展現狀，智能教育應用必須在教育主場景中解決阻礙教育走向個性化的關鍵問題，才能真正推動個性化教育由理念到實踐的發展。

1、用AI技術解決阻礙教育走向個性化的關鍵問題

①通過智能推薦引擎解決學習過程個性化的問題。智能推薦引擎一方面基于對學生數據的全面掌握，準確刻畫學生的個性特征與學習需求；另一方面基于對學習資源內容和使用狀況的智能分析，實現資源特性的標簽化；最終根據每個學生的真實需求，智能化推送合適的學習資源，以實現學習過程的個性化。

②通過智能學情分析解決教學過程精準化的問題。智能學情分析技術一方面匯聚了單個學生的學習態度、學習風格、知識點掌握情況等信息，使教師能夠精準掌握學生個體的學習需求；另一方面統計了班級整體的學習氛圍狀況、薄弱知識點分布、成績分布等學情信息，使教師能夠精準掌握班級整體的學習需求；最終為合理規劃教學資源、恰當選取教學方式提供專業指導意見，實現教學過程的精準化。

③通過智能決策支持解決管理過程科學化的問題。智能決策支持一方面實現了校園數據的打通、匯聚與交換，形成學生、班級、學校多級數據體系；另一方面實現了校園數據的規整與加工，并基于業務場景創建校園數據倉庫，創建分析、度量、診斷、預測等各類模型，生成可視化分析圖；最終為學校管理者提供基于數據與模型的決策建議，以實現數據驅動的管理過程的科學化。

2、將解決個性化教育核心問題的AI技術打造成核心服務

為系統性提升教育應用對個性化教育的支撐能力，研究中將人工智能相關技術進行封裝，并整合為開放服務，供面向具體教育場景的應用產品集成與調用，稱為“智能教育核心服務”（Core Services for AI in Education），如圖1所示。智能教育核心服務，依托“智能教育平臺”提供的AI技術能力與大數據處理能力[8]，面向具體教育場景，提供“技術”與“業務”兩大類服務。

圖1  智能教育核心服務

（1）智能教育技術類核心服務

該類服務面向具體的教育應用場景，從技術的角度實現對人工智能通用技術的封裝與定制，使各類教育應用產品能夠迅速集成交互界面友好、接口簡單易用的AI技術與服務。從應用產品的角度來看，借助該類服務可以快速獲得AI能力，因此也被稱為“人工智能代理（AI Agent）”，其主要功能包括：

①人機交互技術，指研究人和計算機之間的信息交換，包括語音合成、語音識別、情感交互等具體領域技術；

②自然語言理解技術，指研究能實現人與計算機之間用自然語言進行有效通信的理論和方法，包括機器翻譯、機器理解、問答系統等具體領域技術；

③知識圖譜技術，本質上是構建語義網絡，指研究將各類信息連接在一起形成關系網絡，并利用網絡中的關系分析與解決問題的技術；

④生物特征識別技術，指通過個體生理特征或行為特征對個體身份進行識別認證的技術，包括語音識別、指紋識別、人臉識別等具體領域技術等。

（2）智能教育業務類核心服務

該類服務面向具體的教育應用場景，從業務的角度實現人工智能通用技術與業務流程的融合，以實現學習過程的個性化、教學過程的精準化和管理過程的科學化等具體業務要求，使應用產品能夠快速獲得開展個性化教育的必要能力。從應用產品的角度來看，該類服務掃除了開展個性化教育的技術障礙，使應用系統可圍繞服務展開業務，因此也被稱為“人工智能助手（AI Assistant）”，其主要包括以下三種服務：

①智能推薦服務。在自適應考試、智能口語評測、全學科閱卷等人工智能技術的支撐下，充分利用用戶的學業診斷數據、用戶行為數據，并根據學生的學習目標、學習風格、學習習慣以及對知識點的掌握情況，通過用戶畫像、資源畫像及構建知識圖譜，實現學習資源的個性化推薦。該服務被廣泛地應用于學生自主學習、課后練習等相關場景的產品應用中。

②學情分析服務。實現了各類學情數據和教師教學數據的打通、匯聚、規整與分析，并在數據挖掘技術和學習分析技術的支撐下，使教師不僅能夠全面掌握學生個人的學情信息，還能夠全面掌握全班學生的學情分布狀況。該服務被廣泛地應用于包括教學預設、課堂教學、備課與教研等相關場景的產品應用中。

③決策支持服務?；谟脩艚逃芾頂祿?、行為數據及相關行業數據，利用BI（Business Intelligence）分析、業務建模、數據可視化等技術手段，實現對管理決策活動的數據支撐，并提供監控、模擬和模型預測等功能。該服務被廣泛地應用于學校的校園管理、區域的教育管理與教育治理等相關場景。

三、人工智能教育應用的實踐案例

科大訊飛作為教育技術引領企業，通過人工智能、云計算、大數據等先進技術，為廣大教育用戶提供了覆蓋“教、學、考、評、管”的全場景產品體系，且產品已在全國10000多所學校應用并形成體系。合肥市某省屬重點中學（以下簡稱“該?！保┲饕诮逃鲌鼍爸谐B化應用了科大訊飛的智能教學、智能學習和智能管理系統，從而形成了一系列典型特色的人工智能教育應用案例。

1、智能教學系統的應用實踐

智能教學系統集成了智能教育核心服務中的學情分析服務。該系統采集了班級所有學生的行為數據、基礎信息數據和學業數據，并提交給學情分析服務；學情分析服務通過后臺的大數據分析與智能技術處理，形成對學生個體與學生整體的畫像，生成可視化的學情分析報告并提供給教師。教師根據學情報告中的各項指標數據，準確規劃教學路徑、精確設計教學策略，從而實現教學過程的精準化。智能教學系統的應用模式如圖2所示。

圖2  智能教學系統的應用模式

圖3  作文練習錯誤類型分析圖

本研究以該校英語學科C老師某節作文課的智能教學過程為例，來介紹智能教學系統的應用，其具體過程是：

①利用AI代理完成英語作文練習作業的批改與數據采集，并通過AI助手自動生成班級與個人關于本節課的學情分析報告。其中，學情分析包括各類分析指標，以圖3所示的“作文練習錯誤類型分析圖”為例，該指標可幫助C老師全面了解班級作文練習中的薄弱點分布狀況。

②C老師針對全班學情分析報告中出現的低分組高頻薄弱點（如拼寫錯誤）和高分組高頻薄弱點（如成分缺失錯誤）進行精準講評。

③學生根據個人學情報告和老師講評，在線對作文進行修改，包括訂正原有錯誤、修改完善作文表達等。

④學生修改完成后，AI助手再次向C老師提供班級和個人報告、向學生提供個人報告，以讓雙方得到實時反饋和效果評價，便于學生及時更改、教師進一步推送資源。

⑤通過上傳、共享等方式，C老師將修改后的優秀作文分享至全班，學生利用AI助手分組討論并學習優秀作文的寫作、詞句表達等來取長補短、精準提升寫作水平。借助于AI代理和AI助手，整個寫作的教學過程由此實現精準教學的目的。

C老師將此次英語作文教學重點放在教學設計上，并通過AI助手精準掌握學生學情，實現了以學生為主體的個性化教學；同時，借助AI助手，學生也獲得了個性化作文的學習指導，他們在課堂上進行小組討論、個性化練習作文，極大地調動了寫作的積極性，也顯著地提升了英語寫作水平。據后期統計，在某年7月初的月考中，該班的英語作文平均分較2月初的月考作文分數提高了15%。

2、智能學習系統的應用實踐

智能教學系統集成了智能教育核心服務中的智能推薦服務。該系統基于學生的基礎信息和學情信息，進行數據挖掘，并通過行為建模、經歷建模，結合學科知識點的行業建模生成學科知識圖譜，為學生規劃科學的學習路徑，同時在自適應學習技術的幫助下，為學生智能化推薦教師和系統提供的微課資源、試題資源、課件資源和其它學習資源，輔助學生進行個性化學習。智能學習系統的應用模式如圖4所示。

圖4  智能學習系統的應用模式

圖5  M同學使用智能學習系統后準確率對比

本研究以該校某級M同學的數學學習過程為例，來介紹智能學習系統的應用，其具體過程是：

①AI代理通過圖文識別等技術，自動收集M同學平時的習題練習數據與考試測試數據，并借助AI統計其薄弱知識點，完成對M同學的認知診斷。

②基于散落的知識點并結合知識點學習的先后次序關系，AI助手構建了M同學的學情知識圖譜，通過圖譜可以找出M同學的元認知缺失情況，并形成可視化的學習效果，效果可用圖譜上的不同顏色節點來表示，由此也就形成了M同學數學學習的個性化路徑。

③AI助手根據個性化路徑，按知識點先后次序有針對性地向M同學推送數學微課視頻與鞏固性習題；在完成推薦的資源后，M同學再次進入“數據收集—診斷建?！獋€性化推薦—數據再收集”的個性化線上學習閉環。

④在線下，數學老師通過M同學不同顏色的學情知識圖譜，針對其薄弱知識點進行教學、布置任務等，形成線下學習微循環。由此借助于AI代理和AI助手，M同學用線上線下、集中和自主等多種學習方式補齊自身短板，展開個性化學習。

在某年3月～6月期間，M同學使用智能學習系統后學習效果顯著：一方面，在題量相近時，個性化作業的準確率（0.88）明顯高于非個性化作業的準確率（0.522），且整個班級的答題準確率平均提升21.6%，具體如圖5所示；另一方面，M同學在7月初的的數學月考中分數提升15.2%，而同期統計的一個月作業時間卻相對減少31%。由此可見，使用智能學習系統進行個性化學習，對提高答題準確率、減少作業負擔、提升學習效果有明顯作用。

3、智能管理系統

智能教學系統集成了智能教育核心服務中的決策支持服務，主要包括分析：

①數據采集工具采集區域或學校內的教學、學習、考試、管理等場景數據，并提供給數據加工系統進行存儲、加工，生成用戶畫像，進行相關業務建模；

②數據應用系統在數據可視化等技術手段的支撐下，將數據進行集成展示；

③數據分析系統提供監控、預測和模擬等功能，輔助管理者進行學?；騾^域的教育管理和教育治理。智能管理系統的應用模式具體如圖7所示。

圖6  智能管理系統的應用模式

圖7  師、生的影響力指數

在實際應用中，學校管理涉及面廣，故本研究僅以管理領域內的師生管理為例，并以該校學生為對象，具體的智能師生管理過程是：

①利用AI代理收集學生對教師發布微課的評論、點贊數，學生對老師的私信數，對教師公告信息的回復數，學生間相互作業批改、相互提問以及私信數等互動數據。

②利用AI助手對原始互動數據進行加工，獲得標準化的師生互動數據，并進行師生畫像，構建該校的師生社交網絡；在該網絡中，師、生以節點表示，不同節點間的連線表示不同的師生、生生互動關系，節點連接數與連接比例可表示互動的積極程度。

③通過AI助手，利用圖挖掘算法找到社交網絡中最具影響力的學生與老師，計算出師、生的影響力指數，如圖8所示。

④根據可視化的師生、生生關系，以及數量化的師、生影響力指數，該校管理者在AI助手的支持下做出相應的教育管理制度調整，如針對影響力指數較大的前5位教師進行試管理：建立相應激勵機制，大力加強教學推進工作；建立相應教學資源調控制度，合理規劃資源并提升教學效果；建立相應校內師生申訴制度，及時反饋并解決教學困難。

在學校管理者對師生試管理成效進行了統一調查：通過統計并分析學生成績發現，5位教師所教班級學生的平均成績在全校排名上均有所提升；通過相關問卷調查發現，學生對該5位教師的角色認同感獲得顯著提升；通過對師生的情緒調查發現，學生與教師的負面情緒在逐步消減，而學習積極性與教學積極性則有了顯著提升。