熊媛 盛群力

摘? ?要? ? ?人工智能與教育融合發(fā)展，對教育教學方式的變革起著至關重要的作用。首先，以人工智能+教育作為關鍵詞搜索教育學CSSCI源刊文獻數(shù)據(jù)并分析后發(fā)現(xiàn)，人工智能在教育中的研究和應用正處于加速發(fā)展態(tài)勢;其次，根據(jù)學習方式分類學，提出了關于人工智能+教育融合發(fā)展歷程的四個分類階段，即被動融合、主動融合、建構融合和交互融合，并且認為目前人工智能+教育仍處于第二個階段（主動融合階段）;最后，根據(jù)人工智能與教育融合現(xiàn)狀，提出了加速人工智能+教育融合進程、加強人工智能素質和兩類人才培養(yǎng)力度的建議。

關鍵詞? ? 人工智能與教育? ?AI 思考與建議? ?學習方式分類學

人工智能作為高科技前沿的代表，正快速地“滲透”到生活的各個角落。政府工作報告已將人工智能應用和研究列入發(fā)展規(guī)劃。教育部印發(fā)了《高等學校人工智能創(chuàng)新行動計劃》，人工智能+教育正式進入大發(fā)展的“新時代”。因此，在教育研究領域應當加大人工智能與教育相結合的研究力度，利用人工智能技術改革現(xiàn)有教育模式和教學方法，將人工智能納入到課堂教學之中，推動人工智能在各類教育中的普及。通過對1970年以來中國知網（CNKI）“人工智能”的關注度指數(shù)分析可知，截止至2018年第一季度，各行業(yè)對人工智能的關注度逐年上升，特別是自2014年以來，關注度大幅上升且有不斷加速的趨勢。

一、相關文獻分析

為了研究人工智能+教育的現(xiàn)狀及未來，本文利用自1982年至2018年第一季度止的CSSCI教育學類37種源刊數(shù)據(jù)作為研究樣本對象，利用CNKI搜索人工智能+教育關鍵詞獲得了245篇相關論文。然后，運用CNKI統(tǒng)計工具獲取了關鍵詞共現(xiàn)網絡圖、關鍵詞聚類網絡圖、研究層次分布圖和學科分布圖等數(shù)據(jù)分析圖，并對這些圖進行如下數(shù)據(jù)分析。

1.研究持續(xù)升溫

通過利用CNKI的統(tǒng)計工具，獲取詞頻大于5的關鍵詞共現(xiàn)網絡圖三張，從2016至2018年（2018年為第一季度數(shù)據(jù)）每年一張。通過對這些圖分析后發(fā)現(xiàn)，2016年圖中“人工智能”節(jié)點為灰色，這說明該年中沒有詞頻大于5的人工智能+教育文獻出現(xiàn);2017年圖中“人工智能”節(jié)點有8篇關于人工智能+教育文獻出現(xiàn);2018年第一季度圖中“人工智能”節(jié)點有14篇關于人工智能+教育文獻出現(xiàn)。同時發(fā)現(xiàn)，2018年第一季度的文獻數(shù)量就已經達到2017全年文獻數(shù)量的175%。因此，可以預測自2018年起有關人工智能+教育的研究將呈現(xiàn)爆發(fā)式增長的趨勢，人工智能+教育的研究正處于一個歷史的拐點。

2.研究加速融合

通過對關鍵詞聚類網絡圖分析可知，人工智能和學習是兩個重要的關鍵詞，而圍繞在“人工智能”節(jié)點周圍的關鍵詞節(jié)點有：大數(shù)據(jù)、學習分析、虛擬現(xiàn)實、智慧教育、遠程教育、教育技術、教育信息化、個性化學習、知識工程以及教學設計等等。這些關鍵詞以人工智能為核心呈擴散的態(tài)式，并且均與學習和教育相關。這些關聯(lián)性進一步說明了人工智能+教育研究的廣泛性和多樣性。而對于以“學習”節(jié)點為中心的區(qū)域，是一塊傳統(tǒng)教育理念的聚積區(qū)，它包含：創(chuàng)新、教學、學習科學以及教育等關鍵詞。兩塊區(qū)域聯(lián)結于教育和創(chuàng)新，這表明許多研究者正在將人工智能融入教育并創(chuàng)新教育方式來改革傳統(tǒng)的教育理念。然而，通過對圖的連接線分析發(fā)現(xiàn)，學習節(jié)點與教育節(jié)點之間連接線很粗，說明人們渴望通過教育來學習所需要的知識，而教育與人工智能的連接線很細，說明人工智能與教育相距較遠，兩者的融合度不高，還需要人們不斷地努力，提升人工智能與教育的融合度。

3.研究不斷拓展

通過對研究層次分布圖分析可知，文獻中從事人工智能+教育社科類相關的基礎研究占很大的比重，達到總文獻數(shù)的76.86%。這些文獻發(fā)表的時間大多集中在人工智能教育1.0期間和之前，當時人工智能還只是初步應用，達不到深度融合，因此基礎理論研究較多也在情理之中。這方面的研究涵蓋了高等教育、中等教育和基礎教育的內容，其中高等教育的比重較之其他兩類教育達到80.56%，這一原因主要在于從事相關研究的學者大多為高等院校的學者，他們熟悉高等教育，而且也是高等教育適應經濟社會發(fā)展的迫切要求。在人工智能+教育的應用研究方面，還僅僅是初步的試探性應用研究，未出現(xiàn)暴發(fā)式的增長，這當然與人工智能技術相對不成熟、與教育結合的技術可能性較低等因素有關。

二、應用研究狀況

目前，人工智能+教育的應用主要分布在智能教學、智能評測、教育類智能游戲和教育類智能機器人等幾個方面。這些應用以大數(shù)據(jù)和云計算等技術為支撐，利用語音識別、自然語言處理、計算機視覺和情感計算等關鍵技術為人工智能+教育應用實現(xiàn)的基礎[1]。下面將基于以上文獻來闡述人工智能+教育在這幾個方面的研究進展。

1.智能教學系統(tǒng)

智能教學系統(tǒng)應該是一種能夠全面承擔人類教師職責的教學系統(tǒng)（見圖1）。余勝泉認為人工智能教師應該是具有全面智能素質的智能教學系統(tǒng)[2]。劉凱等人認為利用人工智能+教育可以突破人的教與學之局限性[3]。葉海智等人認為將3D手勢應用于教學中能有效提升學生的學習興趣和對復雜知識的理解[4]。郝兆杰等人將人工智能應用于翻轉課堂的教學[5]。科大訊飛的吳曉如等人倡導個性化教育的推廣，該公司專注于個性化教育產品的開發(fā)與應用[6]。

2.自動化測評系統(tǒng)

劉勇等人介紹了人工智能之深度學習技術應用于教育教學的學情追蹤、閱卷、助教及外語輔導等方面的案例[7]。科大訊飛的汪張龍等人介紹了該公司開發(fā)的智能網上評卷系統(tǒng)[8]。牟智佳等人闡述了以教育大數(shù)據(jù)為基礎的個性化學習結果預測框架[9]。自動化測評系統(tǒng)使教師從繁重的閱卷工作中解放出來，專注于教學工作，從而有效地提升教學質量（見圖2）。

3.教育游戲

祝士明等人認為教育游戲能提高學生的自主學習積極性，從而激發(fā)學生的學習興趣和效果[10]。李敏建議基于當前學歷體制下游戲與學習的關系應該要考慮兩者之間的平衡與沖突[11]。當前，游戲化學習的理念已形成共識，特別是隨著人工智能技術的發(fā)展，將人工智能技術融入游戲化學習的各個階段是教育游戲發(fā)展的趨勢（見圖3），但是真正成功的教育游戲仍然是鳳毛鱗角。

4.教育機器人

李志河等人闡述了陪練機器人在音樂教育中的應用，探討了促進人工智能+教育的深度融合的話題[12]。唐仕喜介紹了智能機器人應用于教育圖像的搜索[13]。方海光等人介紹了基于區(qū)塊鏈的面向中小學生的智慧學習機器人[14]。陸文虎等人呼吁通過機器人制作競賽的方式來普及機器人相關知識和促進機器人產業(yè)的發(fā)展[15]。王益等人思考了教育機器人資源網站的建設，為開發(fā)實用的教育機器人打下堅實的數(shù)據(jù)基礎[16]。

5.智能教育開發(fā)工具

Tensorflow是谷歌開發(fā)的人工智能工具軟件，可用于教育應用的開發(fā)[17]。目前最為流行的工具是Tensorflow和Caffe，本土工具有百度的Paddle Paddle。人工智能教育應用需要多種技術來實現(xiàn)，但是其核心技術在于人工智能算法，而算法的實現(xiàn)需要人工智能工具包，因此，了解各類人工智能開發(fā)工具也是非常重要的。本文建議使用百度工具包，它具有良好的性能，支持國產AI軟件，也是支持提升我國AI國際地位的一種體現(xiàn)。

三、發(fā)展歷程

人類是真正智能體，機器只是學習并試圖具有類似人的智能。如果機器需要一個學習和進化過程才可能具有類似人的智能，那么對于機器智能（人工智能）的分類完全可以利用教育心理學的理論——學習方式分類學[18]，將人工智能+教育的發(fā)展歷程歸納分類為以下四個階段。

1.被動融合

被動學習在教育心理學上主要是指對相關信息予以被動關注等心理活動。韓光迪在1986年闡述了當時校方對計算機進入學校教育的被動接受態(tài)度[19]?，F(xiàn)在看來，計算機融入學校教育是勢不可擋的，由于當時的人工智能技術尚處于萌芽階段，人工智能與教育的融合是很初級，是被動融合階段的開始。從文獻發(fā)表時間的角度來看，經過不到7年的發(fā)展過程，1993年柴志浦介紹了人們對計算機與教育之融合的新思考，標志著人工智能與教育的被動融合階段結束，即將進行入新的階段——主動整合階段[20]。

2.主動融合

主動學習在教育心理學上表示主動參與信息學習和接收的過程。1993年宋云嫻[21]介紹了人工智能與CAD相結合開發(fā)的模擬電子線路相關課程的教學系統(tǒng)[21]。基于本文所研究文獻，可以認為這是主動融合階段的開端。2000年蔣碧波等人提出建立影音及文本知識庫供學生課外學習的想法[22]（現(xiàn)在已經成為現(xiàn)實，如慕課等）。2008年李鳴華介紹了利用虛擬現(xiàn)實技術與人工智能創(chuàng)建的虛擬教室系統(tǒng)[23]。2017年唐燁偉等人提出了基于人工智能+教育的STEM跨學科融合模式，該模式是基于主動方式來促進STEM跨學科之間的融合[24]。因此，是主動融合方式。由于教育所涉內容很廣，主動融合階段將會是一個長期的過程。

3.建構融合

建構學習指學習現(xiàn)有材料過程中實現(xiàn)超越并產生新知識。大數(shù)據(jù)、計算能力的提升和良好的人工智能算法成就了今天的人工智能及其應用。然而，當前人工智能是基于某種特定的場景，受條件限制的人工智能，人工智能的目標僅僅是依照一定的預設來行動，沒有靈活性，只能照章辦事，不能產生新知識。人們需要的是具有理解能力的人工智能。而具有理解力的人工智能必須建立在人工智能具有常識的基礎之上。因此，人工智能+教育的建構融合階段還需要一個漫長的時間才能實現(xiàn)。

4.交互融合

交互學習指兩個及以上學習個體相互協(xié)同，在不同學習者之間展開激活思想、啟發(fā)思路和補充不足等建構性學習活動。只有將感性知識的世界統(tǒng)一起來，進入建構融合階段，人工智能具有理解和思維判斷能力后，人工智能才真正進入交互融合階段。日前，將數(shù)據(jù)（符號向量）和行為（特征向量）融合幾乎不可能，因此，機器無法變得更智能。在人工智能+教育的路上，現(xiàn)在走得并不遠，還在出發(fā)點附近，但是人工智能+教育永遠在路上，這也許正是其魅力之所在。

四、思考與建議

擁有大量人工智能素養(yǎng)人才是把握人工智能新時代脈搏的關鍵，因此，本文提出以下幾個方面的思考和建議。

1.加速融合進程

充分利用現(xiàn)有人工智能技術，深度開發(fā)智能導學系統(tǒng)，提升人工智能輔助教學的融入度，挖掘學生學習數(shù)據(jù)推廣自適應學習和自動測評。繼續(xù)深度融入人工智能技術推進個性化學習的網絡平臺建設。利用虛擬現(xiàn)實、增強現(xiàn)實以及混合現(xiàn)實，建立沉浸式人工智能學習環(huán)境。將教育信息化向教育智能信息化提升。近一兩年以來，隨著信息識別與獲取等人工智能技術的創(chuàng)新發(fā)展，人工智能已從1.0時代——只有小眾精英群體應用和了解，過渡到2.0 時代——各行各業(yè)大量的應用。圖4展示了人工智能2.0時代新型智能教學系統(tǒng)的構建與運行模型。該模型新增了智能信息感知與識別引擎，這些引擎不僅能捕捉、識別相關的人體數(shù)據(jù)及媒體信息，還能智能推理和決策，同時還能給用戶反饋信息。該例子說明，隨著人工智能技術的發(fā)展，人工智能+教育的融合力度得到了進一步的加強。

2.加強人工智能素質培養(yǎng)力度

人工智能素質是指熟悉各類人工智能應用資源，并且能高效利用其來分析和解決問題的能力。人類必須從繁重的記憶活動中解脫出來，利用人工智能技術搜索知識，加強人工智能素質和卓越分析能力的培養(yǎng)。人類是基于人工智能的記憶和搜索獲取信息來進行更高層次的分析，因此人類應該具備高于智能機器的分析能力。通過崗前培訓和職后培訓來提升教師的人工智能素質。

3.加強兩類人才培養(yǎng)力度

在人工智能情境下，應該厘清具有人工智能的機器和人類之間的關系，也就是說，機器可以代替人類做些什么。人工智能時代也是一次偉大的工業(yè)革命，機器能做的，人類不要與之爭搶，人類應該做機器不能做和不擅長做的事。教育應該培養(yǎng)控制機器（如軟硬件工程師等）和機器無法介入（如創(chuàng)新和創(chuàng)造力等，這些能力是基于對人工智能產生的智能分析結果的綜合創(chuàng)新和創(chuàng)造力）兩類領域的人才，對這兩類人才的培養(yǎng)要有近期和長期的規(guī)劃。

總之，人工智能必然會與未來教育逐步深度融合，不斷融合的結果必然逐步呈現(xiàn)給人們：以人為本、多樣性和自適應的教育，以創(chuàng)新探索為主題的教育，平等享有優(yōu)質教育資源的教育，強調終身學習和快樂學習的教育，開放式和多維度的教育，智能化和網絡化的教育。同時，教育反哺人工智能的發(fā)展，二者融合發(fā)展，是相互促進的關系。

參考文獻

[1] 梁迎麗，劉陳.人工智能教育應用的現(xiàn)狀分析、典型特征與發(fā)展趨勢[J].中國電化教育，2018（03）.

[2] 余勝泉.人工智能教師的未來角色[J].開放教育研究，2018（01）.

[3] 劉凱，胡祥恩，王培.機器也需教育？論通用人工智能與教育學的革新[J].開放教育研究，2018（01）.

[4] 葉海智，劉駿飛，王春麗，等.3D手勢計算支持的教學應用研究[J].遠程教育雜志，2017（01）.

[5] 郝兆杰，潘林.高校教師翻轉課堂教學勝任力模型構建研究——兼及“人工智能+”背景下的教學新思考[J].遠程教育雜志，2017（06）.

[6] 吳曉如，王政.人工智能教育應用的發(fā)展趨勢與實踐案例[J].現(xiàn)代教育技術，2018（02）.

[7] 劉勇，李青，于翠波.深度學習技術教育應用：現(xiàn)狀和前景[J].開放教育研究，2017（05）.

[8] 汪張龍，徐俊，李曉臻，等.紙筆考試智能網上評卷系統(tǒng)的設計和應用——智能教育應用之“考試評價”篇[J].現(xiàn)代教育技術，2018（03）.

[9] 牟智佳，武法提.教育大數(shù)據(jù)背景下學習結果預測研究的內容解析與設計取向[J].中國電化教育，2017（07）.

[10] 祝士明，王田.游戲化學習環(huán)境下的教與學[J].現(xiàn)代教育技術，2017194（06）.

[11] 李敏.學歷社會下游戲與學習的沖突和平衡[J].全球教育展望，2010，39（09）.

[12] 李志河，伊潔.AIED技術支持下的適應性教育模式的構建及應用[J].現(xiàn)代教育技術，2017（11）.

[13] 唐仕喜.教育圖像資源搜索引擎智能機器人設計與實現(xiàn)[J].現(xiàn)代教育技術，2009（02）.

[14] 方海光，仝賽賽，杜婧敏，等.基于區(qū)塊鏈技術的智慧學習機器人設計研究——面向大規(guī)模學習服務系統(tǒng)的智慧學習機器人[J].遠程教育雜志，2017（04）.

[15] 陸文虎，曲慶彪，孫立川.關于在青少年中開展機器人制作教育的思考[J].教育科學，2005（06）.

[16] 王益，張劍平.教育機器人資源網站的比較分析及開發(fā)建議[J].現(xiàn)代教育技術，2008（01）.

[17] 石磊.開源人工智能系統(tǒng)TensorFlow的教育應用[J].現(xiàn)代教育技術，2018（01）.

[18] 盛群力，丁旭等.參與就是能力——ICAP學習方式分類學”研究述要與價值分析[J].開放教育研究，2017（02）.

[19] 韓光迪.國外電腦教育信息拾零[J].外國教育動態(tài)，1986（01）.

[20] 柴志浦.日本東京工業(yè)大學課程改革簡介[J].高等工程教育研究，1993（03）.

[21] 宋云嫻.智能CAI在現(xiàn)代教育中的應用[J].高等工程教育研究，1993（03）.

[22] 蔣碧波，石文星.淺談信息技術及其教育技術意義[J].電化教育研究，2000（11）.

[23] 李鳴華.面向遠程教育的智能虛擬教室的設計[J].中國電化教育，2008（06）.

[24] 唐燁偉，郭麗婷，解月光，等.基于教育人工智能支持下的STEM跨學科融合模式研究[J].中國電化教育，2017（08）.

[作者：熊媛（1980-），女，湖北黃梅人，天津大學教育學院，博士生，浙江商業(yè)職業(yè)技術學院，講師;盛群力（1957-），男，上海崇明人，浙江大學教育學院，教授。]

【責任編輯? 王? ?穎】