郭炯 郝建江

摘要：人工智能正在從外置性技術(shù)輔助走向內(nèi)融性技術(shù)滲透，促使學(xué)習(xí)者所使用的規(guī)則、方法、技巧及調(diào)控形式發(fā)生變化，對學(xué)習(xí)條件、學(xué)習(xí)過程、知識獲得、遷移與問題解決等帶來影響，尤其對學(xué)習(xí)過程中信息輸入、加工處理、信息輸出和反饋四個(gè)基本環(huán)節(jié)產(chǎn)生較大的影響，因此需要重新認(rèn)識人工智能環(huán)境下的學(xué)習(xí)發(fā)生機(jī)制。人工智能的發(fā)展使得學(xué)習(xí)環(huán)境設(shè)計(jì)從工具性思維轉(zhuǎn)向人工智能思維，人工智能提供的逼真、豐富的學(xué)習(xí)環(huán)境，促使學(xué)習(xí)從知識學(xué)習(xí)走向知識應(yīng)用場景的學(xué)習(xí);人機(jī)協(xié)同智能結(jié)構(gòu)的形成將分擔(dān)原本全部由學(xué)習(xí)者大腦完成的認(rèn)知活動，形成融合智能，改變信息加工過程;人工智能延展了效應(yīng)器官與外部信息交流的可達(dá)性，支持多路徑的信息輸入，誘發(fā)多重學(xué)習(xí)表現(xiàn)，全方位、全過程采集學(xué)習(xí)者在體驗(yàn)、實(shí)踐、交互中的過程數(shù)據(jù)，促進(jìn)學(xué)習(xí)者自我認(rèn)知發(fā)展，提供實(shí)時(shí)的個(gè)性化反饋與評估。人工智能應(yīng)用于學(xué)習(xí)不能僅停留在知識獲取、技能習(xí)得上，還需要聚焦問題解決、反思、批判性和創(chuàng)新等能力的培養(yǎng)，避免學(xué)習(xí)者過度依賴人工智能而喪失自主學(xué)習(xí)與思考的能力。

關(guān)鍵詞：人工智能;人機(jī)協(xié)同;學(xué)習(xí)發(fā)生機(jī)制;學(xué)習(xí)過程

信息技術(shù)應(yīng)用所帶來的社會變化使人們普遍對技術(shù)改變教育的潛力充滿期待，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人機(jī)交互、自然語言、機(jī)器視覺等人工智能關(guān)鍵技術(shù)的應(yīng)用，使得人工智能產(chǎn)品具有計(jì)算智能、感知智能和認(rèn)知智能，即能存會算、能聽會說、能理解會思考，具有抽象思維、形象思維和靈感思維等思維能力，因此在教育中得到廣泛應(yīng)用，其社交互動性、情境敏感性和連通性正在帶來教育生態(tài)的變化。

人工智能提供獲得優(yōu)質(zhì)教育內(nèi)容的機(jī)會、改善學(xué)習(xí)環(huán)境、產(chǎn)生新的學(xué)習(xí)傳遞方式、感知與分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，并帶來學(xué)習(xí)范式的轉(zhuǎn)變。它能在遵循教育邏輯的基礎(chǔ)上，通過建構(gòu)系統(tǒng)化、高關(guān)聯(lián)、高沉浸、自適應(yīng)的嵌入式學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)基于學(xué)習(xí)者狀態(tài)分析的精準(zhǔn)學(xué)情判斷和學(xué)習(xí)路徑推薦，深化對學(xué)習(xí)者學(xué)習(xí)、認(rèn)知機(jī)制的理解和對教育過程有效性的分析。對人工智能教育應(yīng)用效度的評估已不僅是技術(shù)要求的“效率”“績效”等，更要關(guān)注人機(jī)協(xié)同機(jī)制及技術(shù)改善學(xué)習(xí)條件、學(xué)習(xí)過程的方式等，挖掘技術(shù)進(jìn)入教育后學(xué)習(xí)系統(tǒng)本身運(yùn)行及特征，即人工智能環(huán)境下的學(xué)習(xí)理論。

學(xué)習(xí)理論研究的基本問題橫向分析包括學(xué)習(xí)者是如何獲得個(gè)體經(jīng)驗(yàn)的、學(xué)習(xí)要在學(xué)習(xí)者的頭腦中形成什么、怎樣加工才能實(shí)現(xiàn)學(xué)習(xí)的結(jié)果以及順利完成學(xué)習(xí)需要哪些條件等;縱向分析包括知識的類型及不同類型知識的獲得途徑、如何將獲得的知識應(yīng)用于新的情境、如何對自己的認(rèn)知活動進(jìn)行監(jiān)控與調(diào)節(jié)，以及學(xué)習(xí)的興趣、信念、喜好等。人工智能作為一種技術(shù)手段、一種思維方式和行為方式進(jìn)入學(xué)習(xí)，并不能帶來全方位的變化，但將會對學(xué)習(xí)條件、學(xué)習(xí)過程、知識獲得、遷移與問題解決、元認(rèn)知、情感與態(tài)度等帶來影響，改變原有的認(rèn)知方式，因此需要重新理解人工智能環(huán)境下的學(xué)習(xí)發(fā)生機(jī)制。

一、學(xué)習(xí)環(huán)境與學(xué)習(xí)機(jī)制的一般原理

學(xué)習(xí)機(jī)制是建立在學(xué)習(xí)者元認(rèn)知水平基礎(chǔ)上的認(rèn)知學(xué)習(xí)過程。理解人工智能環(huán)境下學(xué)習(xí)的發(fā)生機(jī)制需要分析和理解人工智能環(huán)境下學(xué)習(xí)的過程與產(chǎn)生，而這需要從學(xué)習(xí)的本質(zhì)談起。

學(xué)習(xí)的本質(zhì)，一直備受心理學(xué)、教育學(xué)領(lǐng)域研究者的關(guān)注。無論是行為主義學(xué)派強(qiáng)調(diào)學(xué)習(xí)的條件反射式的被動性，認(rèn)知學(xué)派強(qiáng)調(diào)人的理性思維的重要性，還是人本主義強(qiáng)調(diào)人在學(xué)習(xí)過程中的認(rèn)知結(jié)構(gòu)的組織，都基本認(rèn)同學(xué)習(xí)是學(xué)習(xí)者利用信息傳播者、信息傳播載體，通過與環(huán)境的接觸、互動，引起其傾向、心智、能力等相對持久變化的過程，這些變化的基礎(chǔ)是所獲得的直接或者間接知識，最終目標(biāo)是解決問題，發(fā)現(xiàn)新知識。

不同的學(xué)習(xí)理論都描述了各自主張的學(xué)習(xí)發(fā)生、進(jìn)行、結(jié)束的過程，以及在這個(gè)過程中學(xué)習(xí)者為了提高效率所使用的規(guī)則、方法、技巧及調(diào)控形式等。學(xué)習(xí)環(huán)境必須介入到具體的學(xué)習(xí)過程中，誘發(fā)學(xué)習(xí)表現(xiàn)，從而判斷其心理及行為變化的關(guān)鍵因素。從多媒體技術(shù)到人工智能技術(shù)的應(yīng)用都在努力創(chuàng)設(shè)學(xué)習(xí)、評價(jià)與反饋環(huán)境，將真實(shí)世界的問題帶入課堂，提供“支架”參與復(fù)雜認(rèn)知活動，獲得智能導(dǎo)師、智能學(xué)伴的指導(dǎo)與反饋。

1.學(xué)習(xí)環(huán)境的演變

學(xué)習(xí)環(huán)境是學(xué)習(xí)發(fā)生的場所，是促進(jìn)學(xué)習(xí)者主動建構(gòu)知識意義和能力生成的外部條件。學(xué)習(xí)環(huán)境設(shè)計(jì)不僅包括信息資源、認(rèn)知工具等物理資源的設(shè)計(jì)，也體現(xiàn)為教學(xué)實(shí)踐層面開展的活動設(shè)計(jì)，二者共同促進(jìn)學(xué)習(xí)的發(fā)生，從而促進(jìn)高階能力的發(fā)展。學(xué)習(xí)理論沒有提供設(shè)計(jì)有效學(xué)習(xí)環(huán)境的簡單處方，但學(xué)習(xí)理論包含了學(xué)習(xí)環(huán)境設(shè)計(jì)原理。不同類型的學(xué)習(xí)目標(biāo)需要不同的教學(xué)方法和不同的學(xué)習(xí)環(huán)境。

行為主義強(qiáng)調(diào)通過強(qiáng)化練習(xí)促進(jìn)行為的變化，學(xué)習(xí)環(huán)境被看成是刺激，有機(jī)體行為被看作是反應(yīng)。行為主義學(xué)習(xí)理論指導(dǎo)下的學(xué)習(xí)是一種心智工作，注重獲得普遍認(rèn)可的知識和經(jīng)驗(yàn)，以獲得他人知識的成果為目標(biāo)和檢驗(yàn)標(biāo)準(zhǔn)。學(xué)習(xí)環(huán)境是被用來支持知識呈現(xiàn)、概念可視化、重復(fù)練習(xí)等的工具，例如程序教學(xué)機(jī)，支持形成“刺激-反應(yīng)”的聯(lián)結(jié)。但一個(gè)嚴(yán)重的后果即形成“呆滯的思想”。這種思想僅為人腦所接受卻不加以利用，難以與真實(shí)情境、新穎的思想等建立聯(lián)系并有機(jī)融為一體，更為嚴(yán)重的是容易使學(xué)習(xí)者喪失學(xué)習(xí)興趣、缺乏知識實(shí)踐應(yīng)用和不能養(yǎng)成自主學(xué)習(xí)能力等。

認(rèn)知主義學(xué)習(xí)理論認(rèn)為學(xué)習(xí)在于內(nèi)部認(rèn)知的變化，比“刺激-反應(yīng)”要復(fù)雜得多。學(xué)習(xí)者不斷接受各種刺激，經(jīng)過內(nèi)心積極的組織，進(jìn)入不同形式的神經(jīng)活動中，從而形成和發(fā)展認(rèn)知結(jié)構(gòu)。尤其建構(gòu)主義強(qiáng)調(diào)情景對學(xué)習(xí)認(rèn)知的影響作用，產(chǎn)生了各種創(chuàng)新性的學(xué)習(xí)環(huán)境，這些環(huán)境被用作創(chuàng)設(shè)學(xué)習(xí)境脈、支持知識建構(gòu)和反思，為學(xué)習(xí)者在最近發(fā)展區(qū)提供模型、思維工具和元認(rèn)知引導(dǎo)等。如基于問題解決學(xué)習(xí)中的思維可視化表征、建模工具、虛擬實(shí)驗(yàn)環(huán)境等，但這些并沒有引發(fā)教學(xué)過程的根本變革。因?yàn)楣ぞ咝运季S指導(dǎo)下的學(xué)習(xí)環(huán)境設(shè)計(jì)難以反映教育過程的要求，只能作為外在學(xué)習(xí)環(huán)境而非嵌入式學(xué)習(xí)境脈。

人工智能的發(fā)展使得學(xué)習(xí)環(huán)境設(shè)計(jì)從工具性思維轉(zhuǎn)向人工智能思維。學(xué)習(xí)環(huán)境的設(shè)計(jì)開始關(guān)注教育過程本身，關(guān)注對認(rèn)知過程的追蹤和評估，包括學(xué)習(xí)者學(xué)習(xí)狀態(tài)監(jiān)測、學(xué)習(xí)性能評估、適應(yīng)性學(xué)習(xí)任務(wù)分配、適應(yīng)性學(xué)習(xí)內(nèi)容推送、學(xué)習(xí)支持、推理引擎和知識庫等系統(tǒng)模塊。人工智能提供的逼真、豐富、內(nèi)容組織合理、學(xué)習(xí)問題提示恰當(dāng)、評價(jià)反饋及時(shí)的學(xué)習(xí)環(huán)境，以及學(xué)習(xí)者能自主選擇學(xué)習(xí)內(nèi)容、決定學(xué)習(xí)進(jìn)度、選擇學(xué)習(xí)方法、支持交互學(xué)習(xí)和小組學(xué)習(xí)的學(xué)習(xí)環(huán)境將為教育過程變革提供足夠的推動力。

2.人工智能促使從知識學(xué)習(xí)走向知識應(yīng)用場景的學(xué)習(xí)

行為主義和認(rèn)知主義兩種學(xué)習(xí)理論體現(xiàn)了從個(gè)體反應(yīng)到個(gè)人內(nèi)部認(rèn)知再到環(huán)境中的認(rèn)知的發(fā)展過程，學(xué)習(xí)環(huán)境在促進(jìn)知識獲取、能力遷移、元認(rèn)知發(fā)展等方面發(fā)生了變化。自然語言理解、機(jī)器學(xué)習(xí)、虛擬現(xiàn)實(shí)等人工智能技術(shù)的應(yīng)用，為營造促進(jìn)學(xué)習(xí)的學(xué)習(xí)環(huán)境創(chuàng)造了條件，如注重真實(shí)教育情境的實(shí)體環(huán)境設(shè)計(jì)、虛擬學(xué)習(xí)環(huán)境設(shè)計(jì)和學(xué)習(xí)交互設(shè)計(jì)等。學(xué)習(xí)者借助智能感知與交互設(shè)備在虛擬與真實(shí)環(huán)境中無縫切換，在知識產(chǎn)生和應(yīng)用的情景中學(xué)習(xí)，為知識“條件化”提供線索，提升學(xué)習(xí)者對主題的理解力和對有意義信息模式的辨認(rèn)力等。例如借助自動感知設(shè)備、數(shù)據(jù)科學(xué)等人工智能技術(shù)創(chuàng)設(shè)沉浸式語言學(xué)習(xí)環(huán)境，通過大量實(shí)際生活中圖像、文字以及當(dāng)?shù)厝苏Z音，模擬天然語言環(huán)境，讓學(xué)習(xí)者沉浸在類似母語的環(huán)境中主動學(xué)習(xí)。再如借助虛擬現(xiàn)實(shí)等人工智能技術(shù)結(jié)合學(xué)科知識建造全環(huán)繞逼真的虛擬學(xué)習(xí)環(huán)境，使學(xué)習(xí)者與虛擬環(huán)境之間進(jìn)行多維信息交互，在多樣化的情境中，抽象概念的相關(guān)特征，獲得對客觀世界的認(rèn)識，進(jìn)而發(fā)展更加彈性、利于遷移的知識表征，建構(gòu)新的創(chuàng)意。這些環(huán)境為學(xué)習(xí)者隨時(shí)隨地獲取知識提供了引導(dǎo)與多元化途徑，提升了學(xué)習(xí)體驗(yàn)，并賦予學(xué)習(xí)以意義，使得學(xué)習(xí)從知識學(xué)習(xí)走向知識應(yīng)用場景的學(xué)習(xí)。

3.人工智能影響學(xué)習(xí)發(fā)生過程

學(xué)習(xí)過程是通過學(xué)習(xí)主體（人或機(jī)器）的一系列內(nèi)在心理動作對獲得的外部知識信息進(jìn)行（人或機(jī)器）內(nèi)部加工的過程（李文淑，2018），主要包括信息輸入、加工處理、信息輸出和反饋四個(gè)基本環(huán)節(jié)。人工智能并不能改變學(xué)習(xí)過程，但是能夠打破輸入系統(tǒng)、加工系統(tǒng)、輸出系統(tǒng)和反饋系統(tǒng)的單一形態(tài)，提供多樣化的方式來選擇學(xué)習(xí)內(nèi)容、設(shè)計(jì)學(xué)習(xí)路徑等，從認(rèn)知類型、認(rèn)知形式、認(rèn)知過程、認(rèn)知結(jié)果等維度全面采集并利用參與者群體的狀態(tài)數(shù)據(jù)和教育教學(xué)過程數(shù)據(jù)來認(rèn)識學(xué)習(xí)者的知識加工過程以及學(xué)習(xí)結(jié)果的實(shí)現(xiàn)。

二、人工智能延展效應(yīng)器官與學(xué)習(xí)輸入路徑

學(xué)習(xí)過程中的輸入環(huán)節(jié)開始于外界環(huán)境的刺激作用，其中包括主體的效應(yīng)器官和中樞的一系列反應(yīng)動作。效應(yīng)器官（如眼、耳、手等）是人獲取、傳遞、加工和應(yīng)用外部信息的媒介，也是人通過活動探索外部環(huán)境的工具。目前學(xué)習(xí)輸入主要是教師的講授、文本學(xué)習(xí)等，或借助多媒體環(huán)境等呈現(xiàn)教學(xué)內(nèi)容，視聽感官同時(shí)受到刺激并相互交流信息。人工智能進(jìn)一步延展了效應(yīng)器官與外部信息交流的可達(dá)性，多重感官同時(shí)受到刺激并相互交流信息，將復(fù)雜的知識以結(jié)構(gòu)化、情境化、直觀化、動態(tài)化和交互性的表征方式呈現(xiàn)（宋嶺，2018），強(qiáng)化對知識的感知、記憶與理解，促進(jìn)新知識建構(gòu)，提高學(xué)習(xí)效率。

1.人工智能延展感官效應(yīng)，全方位滲入教學(xué)系統(tǒng)

學(xué)習(xí)過程是學(xué)習(xí)者在學(xué)習(xí)環(huán)境中的沉浸式構(gòu)想和體驗(yàn)，通過與環(huán)境實(shí)體的交流提升自身知識水平。

學(xué)習(xí)者可以通過可穿戴技術(shù)等在虛擬世界中感受逼真的視覺、聽覺、嗅覺、觸覺等感官模擬，依托智能識別、自然語言理解、虛擬現(xiàn)實(shí)等人工智能技術(shù)，設(shè)計(jì)和制作教學(xué)內(nèi)容，構(gòu)建“真實(shí)”環(huán)境，以生動形象的方式提供感知覺線索以增加注意廣度與分析次數(shù)，擴(kuò)展信息輸入來源。例如佩戴智能手套，學(xué)習(xí)者能夠在不直接接觸物體的情況下感知并遙控對象物體，仿佛置身于某一真實(shí)實(shí)驗(yàn)場景，體驗(yàn)真實(shí)操作和決策，并與其他參與者及環(huán)境互動和交流。再如基于桌面虛擬現(xiàn)實(shí)技術(shù)能夠提供多種感知反應(yīng)，如學(xué)生解剖青蛙時(shí)，不僅能夠看到青蛙心臟的跳動，還能夠聽到心跳的聲音，感受血液的流動等（張榮華，2012）。這些能為理解信息傾向于形象化知覺、肌肉運(yùn)動知覺的學(xué)習(xí)者提供更有效的支持。

學(xué)習(xí)者還可依托具有知識模型、教師模型、學(xué)生模型與知識庫的智能教學(xué)系統(tǒng)等，通過智能信息感知與識別引擎、智能推理引擎、多模態(tài)反應(yīng)生成器等將難度較大的不同種類知識以圖形、視頻、游戲、虛擬仿真實(shí)驗(yàn)等形式傳遞給學(xué)習(xí)者，將概念與形象信息進(jìn)行整合，使概念的學(xué)習(xí)從單純的文字或視覺、聽覺信息擴(kuò)展到味覺、觸覺等富感官或全感官信息，以全方位、全流程的姿態(tài)滲入教學(xué)系統(tǒng)中，促進(jìn)人的思維與感知緊密聯(lián)系。例如集高級自然語言處理、自動推理等技術(shù)的自動答疑系統(tǒng)，能夠結(jié)合領(lǐng)域知識自動分析并匹配學(xué)習(xí)者的問題，快速解答疑問，消除學(xué)習(xí)障礙。再如自動備課系統(tǒng)能夠根據(jù)教師的教學(xué)風(fēng)格、教學(xué)目標(biāo)、學(xué)生特征等，在比較大量同一教學(xué)主題設(shè)計(jì)方案優(yōu)缺點(diǎn)的基礎(chǔ)上，提供合適的教學(xué)方案，在減輕教師工作負(fù)擔(dān)的同時(shí)提供針對性學(xué)習(xí)刺激。

2.人工智能滿足個(gè)性化學(xué)習(xí)輸入需求

學(xué)習(xí)者自身的學(xué)習(xí)興趣、困惑和意義理解是其深度學(xué)習(xí)發(fā)生的關(guān)鍵所在（錢旭升，2018）。人工智能技術(shù)能夠自身不斷學(xué)習(xí)，建立、模擬人腦組合各類任務(wù)的低層特征形成更加抽象的高層特征，逐漸為復(fù)雜狀態(tài)下的感知決策問題提供解決思路，并基于此推演每一步學(xué)習(xí)之后的轉(zhuǎn)化，形成多種邏輯構(gòu)建學(xué)習(xí)路徑，滿足不同個(gè)性化的學(xué)習(xí)需求。而且人工智能技術(shù)能夠有效接受不同形式的數(shù)據(jù)，例如文字、圖像、計(jì)算機(jī)語言、語音等，形成跨媒體智能學(xué)習(xí)路徑，構(gòu)建有意義學(xué)習(xí)與理解的心智模型。例如在地理教學(xué)中，可以根據(jù)學(xué)習(xí)者的知識水平、認(rèn)知狀態(tài)、學(xué)習(xí)偏好等為學(xué)習(xí)者個(gè)性化地提供高沉浸、高交互、高構(gòu)想的有關(guān)太陽系、銀河系等的內(nèi)容，體驗(yàn)季節(jié)交替和行星旋轉(zhuǎn)，或可以通過語音講解、智能答疑等方式進(jìn)行交互學(xué)習(xí)（鄭蘭琴等，2018）。再如學(xué)習(xí)者需要處于安靜的環(huán)境進(jìn)行學(xué)習(xí)，則可以設(shè)置系統(tǒng)將語音數(shù)據(jù)內(nèi)容轉(zhuǎn)化為圖像數(shù)據(jù)，保持安靜狀態(tài)。特別是在特殊教育中，學(xué)習(xí)者由于自身的生理缺陷無法獲得相應(yīng)的學(xué)習(xí)信息，可基于人體感官補(bǔ)償機(jī)制，借助人工智能技術(shù)轉(zhuǎn)換學(xué)習(xí)信息的承載媒介或方式，延伸特殊人群器官的功能，彌補(bǔ)其智力或身體的不足，滿足其自身的個(gè)性化學(xué)習(xí)需求（楊現(xiàn)民等，2018），進(jìn)而達(dá)到相應(yīng)的學(xué)習(xí)目標(biāo)。此外，人工智能技術(shù)依舊保留了圖像識別能力，因此即使在沒有語音輸入的情況下，其依舊能夠通過攝像功能來讀取學(xué)習(xí)人員的面部表情，從而推斷當(dāng)前學(xué)習(xí)者的情緒狀況，還能有針對性地了解學(xué)習(xí)者的學(xué)習(xí)習(xí)慣、認(rèn)知偏好等，依此提供滿足不同需求的學(xué)習(xí)刺激。

三、人機(jī)協(xié)同的智能結(jié)構(gòu)改變信息加工過程

學(xué)習(xí)既不是接收式的，也不是單純發(fā)現(xiàn)式的，而是外界環(huán)境中有意義信息與學(xué)習(xí)主體原有的知識和思維方式的相互作用，在充實(shí)原有知識結(jié)構(gòu)的基礎(chǔ)上優(yōu)化知識結(jié)構(gòu)，獲得知識、技能等，進(jìn)而產(chǎn)生新知識。人機(jī)協(xié)同智能改變了信息加工完全取決于人類記憶系統(tǒng)和其中知識表征和貯存的方式，通過底層的信號采集、信號解析、信息互通、信息融合以及智能決策等關(guān)鍵技術(shù)，使人腦和機(jī)器真正地成為一個(gè)完整的系統(tǒng)。

1.人機(jī)協(xié)同智能結(jié)構(gòu)的形成

過去討論技術(shù)與學(xué)習(xí)的關(guān)系，通常將其視為環(huán)境與系統(tǒng)的范疇，認(rèn)為學(xué)習(xí)是個(gè)系統(tǒng)，技術(shù)作為構(gòu)建環(huán)境的重要組成部分外在于系統(tǒng)，系統(tǒng)與環(huán)境交互作用，技術(shù)的應(yīng)用只是作為外部工具而無法納入學(xué)習(xí)系統(tǒng)本身。

人工智能時(shí)代，信息量指數(shù)級增長，信息熵也隨即增多，學(xué)習(xí)者的認(rèn)知水平、認(rèn)知能力正接受前所未有的挑戰(zhàn)。人機(jī)接口、智能芯片、智能代理技術(shù)、自然語言處理和機(jī)器學(xué)習(xí)等人工智能技術(shù)的應(yīng)用，使得技術(shù)對于學(xué)習(xí)正在從外在于學(xué)習(xí)系統(tǒng)的工具、中介性角色演變?yōu)榧{入學(xué)習(xí)系統(tǒng)本身的主體性角色。當(dāng)智能設(shè)備能夠分擔(dān)認(rèn)知活動時(shí)，其功能已從認(rèn)識過程中的工具性、中介性角色演變?yōu)橹黧w性角色，也就是說技術(shù)與學(xué)習(xí)的關(guān)系已不是環(huán)境與系統(tǒng)相互作用的過程，而成為了系統(tǒng)中不可或缺的一部分。這使得人的認(rèn)識不僅依靠自身，也依賴于機(jī)器，原有的認(rèn)知方式將不可避免地被改變。尤其隨著生物智能與人工智能的協(xié)同及互適應(yīng)學(xué)習(xí)機(jī)理、基于人類認(rèn)知學(xué)習(xí)的控制策略、面向復(fù)雜任務(wù)的經(jīng)驗(yàn)學(xué)習(xí)等方向研究的不斷深入，機(jī)器在學(xué)習(xí)過程中的主體性作用會逐漸增強(qiáng)。依據(jù)具有社交互動性、情境敏感性、連通性或個(gè)性化的智能設(shè)備，形成人機(jī)協(xié)同的智能結(jié)構(gòu)，識別有意義的信息模式，思考問題和情境表征，協(xié)作處理具體問題，實(shí)現(xiàn)人機(jī)智慧結(jié)合。未來人工智能時(shí)代下的教育是人類教師與智能機(jī)器教師分工協(xié)同下的教育，人類教師承擔(dān)情感、態(tài)度、價(jià)值觀等軟知識的指導(dǎo)，智能機(jī)器教師承擔(dān)認(rèn)知類、技能類等硬知識的傳授學(xué)習(xí)（王竹立，2018），形成“人-機(jī)-人”的協(xié)同教育模式。

2.人機(jī)協(xié)同的信息加工機(jī)理

學(xué)習(xí)者與智能設(shè)備分工協(xié)同，學(xué)習(xí)者依據(jù)感知、推理、復(fù)雜模式認(rèn)知、情感關(guān)懷等優(yōu)勢，在學(xué)習(xí)過程中解釋意義和價(jià)值;人工智能依據(jù)其在計(jì)算智能、感知智能、分析智能、認(rèn)知智能等方面的表現(xiàn)，以及海量信息搜索、存儲，快速計(jì)算、優(yōu)化等優(yōu)勢，尤其是契合具體認(rèn)知目標(biāo)的認(rèn)知工具的應(yīng)用等，將分擔(dān)原本全部由學(xué)習(xí)者大腦完成的信息存儲、信息感知、信息識別、規(guī)律認(rèn)知等認(rèn)知活動。依據(jù)信息躍升為知識的信息模式識釋機(jī)制，知識躍升為智慧的知識原理派生機(jī)制（彭紅超等，2018），通過將使用人類智慧形成的數(shù)據(jù)訓(xùn)練機(jī)器智能模型與人類智慧的集成來實(shí)現(xiàn)人機(jī)融合智能進(jìn)而達(dá)到人機(jī)協(xié)同的目標(biāo)。人機(jī)協(xié)同能改善、彌補(bǔ)學(xué)習(xí)者原有認(rèn)知能力的不足，實(shí)現(xiàn)認(rèn)知壓力轉(zhuǎn)移，突破個(gè)體認(rèn)知極限，駕馭超越個(gè)體認(rèn)知水平的復(fù)雜情境，并通過推理、分類等活動將這些經(jīng)驗(yàn)結(jié)構(gòu)化。例如智能學(xué)科工具、智能機(jī)器人學(xué)伴、教育智能助手等學(xué)習(xí)過程中的支持工具，關(guān)鍵是提供結(jié)構(gòu)，幫助學(xué)習(xí)者理解學(xué)科的基本特征，從而促進(jìn)推理與問題解決。

外部信息通過智能設(shè)備的加工產(chǎn)生大量數(shù)據(jù)，各類數(shù)據(jù)可以被認(rèn)為是參與學(xué)習(xí)的神經(jīng)元，參與的神經(jīng)元越多，感官得來的信息越能夠轉(zhuǎn)化為學(xué)習(xí)者的內(nèi)在智慧，幫助學(xué)習(xí)者分辨冗余信息，建立概念之間的本質(zhì)聯(lián)系，厘清知識圖式，實(shí)現(xiàn)知識的系統(tǒng)化和網(wǎng)絡(luò)化，而這一協(xié)同任務(wù)的分配由學(xué)習(xí)者完成。例如體感游戲、眼動游戲、圖像識別等人工智能技術(shù)幫助學(xué)習(xí)者完成對信息的收集、整理、處理、創(chuàng)造和表達(dá)等，尤其是契合具體認(rèn)知目標(biāo)的認(rèn)知工具能從認(rèn)知類型、認(rèn)知形式、認(rèn)知過程、認(rèn)知結(jié)果等維度追蹤評估學(xué)習(xí)者認(rèn)知過程，促進(jìn)形象記憶、推理、抽象思維、元認(rèn)知策略、反思等心智模式的形成，支持、引導(dǎo)學(xué)習(xí)者的思維加工過程，實(shí)現(xiàn)深度學(xué)習(xí)。

四、人機(jī)交互實(shí)現(xiàn)多維學(xué)習(xí)輸出

學(xué)習(xí)輸出亦稱“行動環(huán)節(jié)”“執(zhí)行環(huán)節(jié)”，是對一定的動作對象施加影響的過程。輸出的信息因?qū)W習(xí)任務(wù)與學(xué)習(xí)主體發(fā)展水平的不同而有所變化（曹培杰，2018）。創(chuàng)新型人才培養(yǎng)中，學(xué)習(xí)輸出絕不能停留于知識的簡單記述、重復(fù)記憶和表面理解。而要在已有知識的基礎(chǔ)上，建立新舊知識間的聯(lián)系，發(fā)展學(xué)生“應(yīng)用、分析、評價(jià)、創(chuàng)造”的高級思維能力，促進(jìn)對知識的深層次理解，建立思維框架并支持有效遷移（林崇德，2003）。

1.人工智能誘發(fā)多重學(xué)習(xí)表現(xiàn)

傳統(tǒng)的教學(xué)主要通過交流、提問、作業(yè)、紙筆測試等形式進(jìn)行學(xué)習(xí)輸出，獲得的多是顯性學(xué)習(xí)結(jié)果，對學(xué)習(xí)者學(xué)習(xí)過程中所表現(xiàn)出的認(rèn)知狀態(tài)、思維方式、能力水平等難以捕獲，難以全方位判斷學(xué)習(xí)者是否對知識有深層次理解、形成思維框架并具有遷移能力。借助智能識別、自然語言理解等人工智能技術(shù)可以提供面向?qū)嵺`的學(xué)習(xí)活動，提供接近專家及其工作過程的機(jī)會，誘發(fā)學(xué)習(xí)表現(xiàn)，了解學(xué)習(xí)者在理解和解決問題過程中的知識建構(gòu)和能力形成狀態(tài)。依此進(jìn)行學(xué)習(xí)干預(yù)，促使學(xué)習(xí)者在體驗(yàn)、實(shí)踐、交互中建構(gòu)知識，實(shí)現(xiàn)對知識的深度理解，尤其關(guān)注學(xué)習(xí)者在學(xué)習(xí)活動中的參與程度、積極性以及突破原有框架的創(chuàng)造力。

2.人工智能關(guān)注全過程學(xué)習(xí)輸出

大數(shù)據(jù)分析、智能測評、人腦接口、表情識別、情緒識別等人工智能技術(shù)為學(xué)習(xí)輸出及相應(yīng)數(shù)據(jù)的收集提供多種途徑，可以全方位、全過程采集學(xué)習(xí)者在體驗(yàn)、實(shí)踐、交互中的過程數(shù)據(jù)，包括作業(yè)完成情況、課內(nèi)外活動參與情況等結(jié)構(gòu)化數(shù)據(jù)，以及專注度、心理傾向、思維表征等非結(jié)構(gòu)化數(shù)據(jù);支持測量非結(jié)構(gòu)化或復(fù)雜技能的輸出，檢測學(xué)習(xí)者認(rèn)知狀態(tài)、學(xué)習(xí)行為表現(xiàn)等，并引導(dǎo)學(xué)習(xí)者成為具有自我導(dǎo)向意識的參與者和建構(gòu)者。這將由結(jié)果導(dǎo)向的單一評價(jià)擴(kuò)展到全面綜合素質(zhì)評價(jià)，甚至實(shí)現(xiàn)教師和學(xué)生創(chuàng)新性與發(fā)展?jié)撡|(zhì)的預(yù)測性評價(jià)。對學(xué)習(xí)者的情感、態(tài)度和行為等學(xué)習(xí)輸出信息的收集與檢測也將變得更具可行性。

但單純依賴人工智能了解學(xué)習(xí)者情緒、興趣，也會導(dǎo)致教師互動能力的退化，限制學(xué)習(xí)者獨(dú)立思考，甚至形成表演性人格，導(dǎo)致人在創(chuàng)新活動中的主體地位出現(xiàn)階梯式消解，并進(jìn)一步弱化人自身的創(chuàng)新動力（李建中，2019）。因此，需要開展符合教育規(guī)律的人機(jī)協(xié)同。

五、人工智能調(diào)節(jié)學(xué)習(xí)內(nèi)外反饋

反饋環(huán)節(jié)指的是執(zhí)行環(huán)節(jié)動作結(jié)果的回歸式內(nèi)導(dǎo)系統(tǒng)，主要是校正行動。在實(shí)際學(xué)習(xí)過程中，包括內(nèi)反饋和外反饋信息，對行動起檢驗(yàn)、核對和調(diào)節(jié)的作用。人工智能可以全方位、多維度、綜合分析學(xué)習(xí)者的學(xué)習(xí)基礎(chǔ)、學(xué)習(xí)風(fēng)格和特點(diǎn)、學(xué)習(xí)需求和發(fā)展現(xiàn)狀與過程等，實(shí)時(shí)反饋學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)并以直觀報(bào)表的形式呈現(xiàn)，實(shí)時(shí)監(jiān)控和調(diào)整學(xué)習(xí)者的元認(rèn)知、理解過程等自我認(rèn)知發(fā)展，給予實(shí)時(shí)的個(gè)性化反饋與評估，及時(shí)調(diào)節(jié)學(xué)習(xí)過程，量身定制學(xué)習(xí)計(jì)劃，使教師從繁冗、重復(fù)的機(jī)械性工作中解放出來，獲得更多時(shí)間和精力關(guān)注學(xué)習(xí)者知識內(nèi)化與創(chuàng)新能力培養(yǎng)（趙慧臣等，2018）。

1.支持學(xué)習(xí)者進(jìn)行深層次的自我認(rèn)知

在與學(xué)習(xí)環(huán)境不斷交互的過程中，必須具備自我認(rèn)知能力，才能做出自我評鑒，認(rèn)識自我。人工智能技術(shù)可以與學(xué)習(xí)者共同協(xié)商發(fā)現(xiàn)、分析、解決問題，促進(jìn)學(xué)習(xí)者更高層次的認(rèn)知發(fā)生（鄭蘭琴等，2018）。同時(shí)，借助人工智能鑒別診斷學(xué)習(xí)者學(xué)習(xí)水平、知識結(jié)構(gòu)、認(rèn)知風(fēng)格等，可以為學(xué)習(xí)者提供學(xué)業(yè)水平發(fā)展報(bào)告，提升學(xué)習(xí)者的自我反思、自我監(jiān)控和自我調(diào)節(jié)的元認(rèn)知水平，進(jìn)而鼓勵(lì)學(xué)習(xí)者做出積極選擇，實(shí)現(xiàn)持續(xù)的學(xué)習(xí)價(jià)值創(chuàng)造。

需要強(qiáng)調(diào)的是，人工智能提供的學(xué)習(xí)路徑可能是獨(dú)特和新穎的，但它只能基于現(xiàn)實(shí)進(jìn)行邏輯運(yùn)算預(yù)測未來，是否具有創(chuàng)新的價(jià)值仍需學(xué)習(xí)者根據(jù)其自身需要來進(jìn)行判斷。允許學(xué)習(xí)者自行制定學(xué)習(xí)目標(biāo)，選擇學(xué)習(xí)內(nèi)容，自主做出“如何促進(jìn)學(xué)習(xí)”的價(jià)值判斷，并利用反饋信息進(jìn)行學(xué)習(xí)反思，形成新的理解，并將這些新的理解整合入已有的知識經(jīng)驗(yàn)，形成新的知識結(jié)構(gòu)，提升自身的元認(rèn)知能力和遷移能力，在全新的思維范疇下生產(chǎn)出新的知識。

2.支持提供實(shí)時(shí)個(gè)性化外部反饋

基于情境感知、模式識別、多模態(tài)機(jī)器學(xué)習(xí)等人工智能技術(shù)對學(xué)習(xí)者與環(huán)境等交互生成的過程性數(shù)據(jù)進(jìn)行實(shí)時(shí)跟蹤、采集、記錄和建模，建構(gòu)包括學(xué)習(xí)行為數(shù)據(jù)、交互數(shù)據(jù)、情感參與數(shù)據(jù)、資源應(yīng)用數(shù)據(jù)等反映學(xué)習(xí)過程的多源非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)網(wǎng)絡(luò)，將各類數(shù)據(jù)信息融合在同一個(gè)時(shí)間軸上加以處理，能夠解析學(xué)習(xí)行為認(rèn)知過程、記憶使用者的習(xí)慣、判斷用戶的情感狀態(tài)（尹睿等，2018），進(jìn)而提供個(gè)性化學(xué)習(xí)記錄與分析、個(gè)性化學(xué)習(xí)資源推送和個(gè)性化學(xué)習(xí)路徑推薦等。

（1）個(gè)性化學(xué)習(xí)記錄與分析

以人類智能與機(jī)器智能的相互協(xié)作、相互學(xué)習(xí)、相互融合為機(jī)理，根據(jù)知識掌握程度、個(gè)體差異情況以及學(xué)習(xí)診斷等為學(xué)習(xí)者畫像，對知識與內(nèi)容的表征形式進(jìn)行智能化改造，即時(shí)捕捉與感知、分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，形成學(xué)習(xí)診斷報(bào)告，為教師精準(zhǔn)教學(xué)、學(xué)習(xí)者改進(jìn)學(xué)習(xí)等提供實(shí)時(shí)、準(zhǔn)確的反饋，并從用戶、學(xué)習(xí)資源、領(lǐng)域知識和學(xué)習(xí)環(huán)境四個(gè)要素提供個(gè)性化解決方案，如應(yīng)用圖像識別技術(shù)、自然語言處理技術(shù)以及機(jī)器學(xué)習(xí)技術(shù)等，對掃描的試卷圖像進(jìn)行全方位識別、文本轉(zhuǎn)換、內(nèi)容分析和關(guān)鍵特征提取，完成智能閱卷，并綜合分析學(xué)生考試中出現(xiàn)的得分點(diǎn)、失分點(diǎn)、錯(cuò)誤原因及改進(jìn)建議等（劉勇等，2017）。

（2）個(gè)性化學(xué)習(xí)資源智能推送

個(gè)體之間在認(rèn)知能力、認(rèn)知結(jié)構(gòu)、知識基礎(chǔ)和學(xué)習(xí)動機(jī)等方面存在差異。基于個(gè)性化需求采用智能推送技術(shù)，以知識圖譜、學(xué)習(xí)者模型、學(xué)習(xí)行為數(shù)據(jù)和群體數(shù)據(jù)等為支撐，針對學(xué)段年級、學(xué)科內(nèi)容、學(xué)習(xí)目標(biāo)等分配不同的學(xué)習(xí)任務(wù)，進(jìn)行個(gè)性化學(xué)習(xí)內(nèi)容推送。這種推送既包括數(shù)字學(xué)習(xí)資源的推送，如知識點(diǎn)、試題等相關(guān)學(xué)習(xí)資料的推送;也包括與學(xué)習(xí)者相適應(yīng)的智力資源的推送，如學(xué)習(xí)伙伴、學(xué)習(xí)導(dǎo)師等的推送，進(jìn)而促進(jìn)學(xué)習(xí)者學(xué)習(xí)共同體的構(gòu)建，個(gè)體間協(xié)同學(xué)習(xí)的發(fā)生等。同時(shí)，個(gè)性化的學(xué)習(xí)資源推送能夠根據(jù)知識點(diǎn)內(nèi)容的不同提供符合其本身特征的資源表征形態(tài)，為學(xué)習(xí)者提供多元立體的深度學(xué)習(xí)語境（李海峰等，2018）。例如，采用協(xié)同過濾推薦技術(shù)為學(xué)習(xí)者推送符合學(xué)習(xí)需求的微課程，采用支持向量機(jī)技術(shù)推送拓展學(xué)習(xí)資源，采用最近鄰?fù)扑]系統(tǒng)推送電子教材內(nèi)容等（牟智佳，2017）。再如資源搜索引擎通過對學(xué)習(xí)者的檢索習(xí)慣、內(nèi)容特征、用戶情境等的分析挖掘，為其推薦符合個(gè)體物理情境和邏輯情境的個(gè)性化情境資源（許哲等，2014）。

（3）個(gè)性化學(xué)習(xí)路徑推薦

個(gè)性化學(xué)習(xí)路徑推薦是指依據(jù)學(xué)習(xí)者的認(rèn)知能力、學(xué)習(xí)現(xiàn)狀等因素提供針對性的學(xué)習(xí)內(nèi)容、資源、活動序列（李浩君等，2016），通過為學(xué)習(xí)者提供實(shí)時(shí)的動態(tài)反饋指引，促使其調(diào)整自身學(xué)習(xí)計(jì)劃，有效解決學(xué)習(xí)者的“學(xué)習(xí)迷航”“過程偏離”和“認(rèn)知過載”等問題，使個(gè)體學(xué)習(xí)者能夠在花費(fèi)更少的時(shí)間和精力成本上獲得最大程度的學(xué)習(xí)成效。在技術(shù)實(shí)現(xiàn)層面，個(gè)性化學(xué)習(xí)路徑的推薦需要借助對個(gè)體學(xué)習(xí)者及相應(yīng)同一簇群的群體學(xué)習(xí)者的行為數(shù)據(jù)分析（姜強(qiáng)等，2018），挖掘用戶的行為特征、動機(jī)偏好、知識水平、素養(yǎng)能力現(xiàn)狀、學(xué)習(xí)目標(biāo)需求等數(shù)據(jù)，對學(xué)習(xí)者進(jìn)行快速、精準(zhǔn)、全面“畫像”，進(jìn)而為其推薦相匹配的學(xué)習(xí)路徑，提供精準(zhǔn)的學(xué)習(xí)反饋與指導(dǎo)，制定進(jìn)一步的學(xué)習(xí)計(jì)劃或方案。

但人工智能所推薦的學(xué)習(xí)路徑僅僅是為學(xué)習(xí)者提供選擇參考，特別是弱人工智能技術(shù)下的學(xué)習(xí)路徑推薦，需要學(xué)習(xí)者依據(jù)自身的能力與學(xué)情，結(jié)合機(jī)器所推薦路徑進(jìn)行“人機(jī)智能綜合”的自主選擇判斷。人工智能個(gè)性化學(xué)習(xí)路徑推薦更多的是為學(xué)習(xí)者提供個(gè)體學(xué)習(xí)困境的識別、學(xué)習(xí)途徑方式的選擇、相關(guān)內(nèi)容資源的引導(dǎo)等。隨著人工智能技術(shù)的逐步成熟與完善，這種反饋調(diào)節(jié)機(jī)制會愈加科學(xué)精準(zhǔn)，利用大數(shù)據(jù)優(yōu)選方案、提取特征、發(fā)現(xiàn)隱性結(jié)構(gòu)和存在規(guī)律，結(jié)合新的問題情境做出決策和預(yù)測，對學(xué)習(xí)者進(jìn)行學(xué)科思維、方法指導(dǎo)的反饋研究更加值得關(guān)注。

六、結(jié)語

人工智能正在從外置性技術(shù)輔助走向內(nèi)融性技術(shù)滲透，促使學(xué)習(xí)者所使用的規(guī)則、方法、技巧及調(diào)控形式都在發(fā)生變化。尤其對學(xué)習(xí)過程中信息輸入、加工處理、信息輸出和反饋四個(gè)基本環(huán)節(jié)的形態(tài)將產(chǎn)生較大的影響。但人工智能應(yīng)用于學(xué)習(xí)不能僅停留在知識獲取、技能習(xí)得上，更應(yīng)將人工智能運(yùn)用于問題解決、反思、批判性思維和創(chuàng)新能力等的培養(yǎng)上，避免學(xué)習(xí)者過度依賴人工智能而喪失自主學(xué)習(xí)與思考的能力。

參考文獻(xiàn)：

[1]曹培杰（2018）.智慧教育：人工智能時(shí)代的教育變革[J].教育研究， 39（8）：121-128.

[2]姜強(qiáng)，趙蔚，李松等（2018）.大數(shù)據(jù)背景下的精準(zhǔn)個(gè)性化學(xué)習(xí)路徑挖掘研究——基于AprioriAll的群體行為分析[J].電化教育研究， 39（2）：45-52.

[3]李海峰，王煒（2018）.人工智能支持下的智適應(yīng)學(xué)習(xí)模式[J].中國電化教育， （12）：88-95，112.

[4]李浩君，徐佳程，房邵敏等（2016）.個(gè)性化移動學(xué)習(xí)路徑優(yōu)化策略應(yīng)用研究[J].電化教育研究， 37（1）：39-44.

[5]李建中（2019）.人工智能時(shí)代的知識學(xué)習(xí)與創(chuàng)新教育的轉(zhuǎn)向[J].中國電化教育， （4）：10-16.

[6]李文淑（2018）.教育人工智能（EAI）對學(xué)習(xí)機(jī)制的影響[J].現(xiàn)代教育管理， （8）：119-123.

[7]林崇德（2003）.心理學(xué)大辭典（上卷）[M].上海教育出版社.

[8]劉勇，李青，于翠波（2017）.深度學(xué)習(xí)技術(shù)教育應(yīng)用：現(xiàn)狀和前景[J].開放教育研究，23（5）：113-120.

[9]牟智佳（2017）.“人工智能+”時(shí)代的個(gè)性化學(xué)習(xí)理論重思與開解[J].遠(yuǎn)程教育雜志， 35（3）：22-30.

[10]彭紅超，祝智庭（2018）.人機(jī)協(xié)同的數(shù)據(jù)智慧機(jī)制：智慧教育的數(shù)據(jù)價(jià)值煉金術(shù)[J].開放教育研究， 24（2）：41-50.

[11]錢旭升（2018）.論深度學(xué)習(xí)的發(fā)生機(jī)制[J].課程·教材·教法， 38（9）：68-74.

[12]宋嶺（2018）.人工智能時(shí)代下未來教學(xué)的系統(tǒng)性變革[J].高等理科教育， （3）：8-14.

[13]王竹立（2018）.技術(shù)是如何改變教育的？——兼論人工智能對教育的影響[J].電化教育研究， 39（4）：5-11.

[14]文孟飛，胡超，于文濤等（2016）.一種基于特征提取的教育視頻資源推送方法[J].現(xiàn)代遠(yuǎn)程教育研究， （3）：104-112.

[15]許哲，祝智庭（2014）.面向價(jià)值發(fā)現(xiàn)的學(xué)習(xí)資源描述方案：以LRMI元數(shù)據(jù)為例[J].中國電化教育， （11）：59-68.

[16]楊現(xiàn)民，張昊，郭利明等（2018）.教育人工智能的發(fā)展難題與突破路徑[J].現(xiàn)代遠(yuǎn)程教育研究， （3）：30-38.

[17]尹睿，黃甫全，曾文婕等（2018）.人工智能與學(xué)科教學(xué)深度融合創(chuàng)生智能課程[J].開放教育研究， 24（6）：70-80.

[18]張榮華（2012）.信息技術(shù)與中學(xué)生物課程集散式整合途徑探討[J].中國電化教育，2012（11）：117-121，134

[19]趙慧臣，唐優(yōu)鎮(zhèn)，馬佳雯等（2018）.人工智能時(shí)代學(xué)習(xí)方式變革的機(jī)遇、挑戰(zhàn)與對策[J].現(xiàn)代教育技術(shù)， 28（10）：20-26.

[20]鄭蘭琴，張璇，曾海軍（2018）.人工智能助力教與學(xué)的創(chuàng)新——訪美國教育傳播與技術(shù)協(xié)會主席Eugene G.Kowch教授[J].電化教育研究， 39（7）：5-11.

收稿日期 2019-05-13

責(zé)任編輯 汪燕