周進 葉俊民

摘 要：面向智能教育，學(xué)習(xí)分析呈現(xiàn)出“三個新拓展”：拓展學(xué)習(xí)分析的目標(biāo)理念、拓展學(xué)習(xí)分析的數(shù)據(jù)范圍、拓展學(xué)習(xí)分析的技術(shù)方法。融合人工智能技術(shù)，學(xué)習(xí)分析在推動計算教育學(xué)發(fā)展、培育數(shù)據(jù)驅(qū)動思維、構(gòu)建終身學(xué)習(xí)服務(wù)體系、提升教育治理水平等方面具有極大潛能。為促進智能技術(shù)與學(xué)習(xí)分析的融合應(yīng)用，未來研究要積極探索與尋求核心理論支撐，建立多方協(xié)同合作機制，構(gòu)筑智能教育大平臺，建立以智能教育為核心的跨學(xué)科陣營以及管控人工智能算法風(fēng)險，進而助力智能教育中學(xué)習(xí)分析的創(chuàng)新發(fā)展。

關(guān)鍵詞：人工智能;學(xué)習(xí)分析;智能教育;計算教育學(xué)

中圖分類號：G434文獻標(biāo)志碼：A文章編號：2096-0069（2021）03-0009-06

收稿日期：2020-12-30

基金項目：2020年國家社科基金后期資助項目“基于短文本的學(xué)習(xí)分析理論與實踐”（20FTQB020）

作者簡介：周進（1993— ），男，湖北鄂州人，博士研究生，研究方向為學(xué)習(xí)分析;葉俊民（1965— ），男，湖北武漢人，博士、教授、博士生導(dǎo)師，研究方向為學(xué)習(xí)分析與教育大數(shù)據(jù)，本文通信作者。

引言

隨著人工智能在教育領(lǐng)域的縱深推進，人工智能已經(jīng)深刻影響著教育系統(tǒng)的各個方面，而學(xué)習(xí)分析也不例外。從本質(zhì)上講，學(xué)習(xí)分析的發(fā)展與人工智能密不可分，大數(shù)據(jù)是兩者發(fā)展的基石，而人工智能為學(xué)習(xí)分析的創(chuàng)新變革提供了技術(shù)支持，兩者共同為構(gòu)建智能學(xué)習(xí)環(huán)境和揭示學(xué)習(xí)發(fā)生機制提供了全新方向與思路。當(dāng)前在智能教育背景下，學(xué)習(xí)分析發(fā)展擁有廣闊前景，包括分析目標(biāo)、數(shù)據(jù)基礎(chǔ)、技術(shù)方法等層面的轉(zhuǎn)型升級，旨在賦能全新的智能教育應(yīng)用生態(tài)。基于此，本研究結(jié)合人工智能時代背景，探討學(xué)習(xí)分析呈現(xiàn)出的新發(fā)展態(tài)勢，闡述其在智能教育中的價值取向與創(chuàng)新發(fā)展路徑，以期為相關(guān)研究提供借鑒與啟示。

一、智能時代學(xué)習(xí)分析再認識

隨著人工智能、邊緣計算、大數(shù)據(jù)等新理論和新技術(shù)的逐步成熟，以教育機器人[1]、智適應(yīng)系統(tǒng)、教育智能體為代表的人工智能在教育領(lǐng)域的應(yīng)用，開啟了智能教育發(fā)展的新紀元。在教育智能化時代，學(xué)習(xí)分析在目標(biāo)理念、數(shù)據(jù)范圍、技術(shù)方法上呈現(xiàn)出新的發(fā)展態(tài)勢。

（一）學(xué)習(xí)分析的目標(biāo)理念新拓展

提到學(xué)習(xí)分析，最先浮現(xiàn)在腦海中的可能是對學(xué)習(xí)結(jié)果的評估、預(yù)測、干預(yù)等，或者是依據(jù)行為數(shù)據(jù)進行學(xué)習(xí)者建模。然而，隨著深度學(xué)習(xí)、自然語言處理、機器視覺等技術(shù)在教育領(lǐng)域的廣泛應(yīng)用，以及傳感設(shè)備、智能終端等工具的快速發(fā)展，學(xué)習(xí)分析將實現(xiàn)從學(xué)習(xí)結(jié)果評估到關(guān)注學(xué)習(xí)過程的轉(zhuǎn)變。學(xué)習(xí)分析技術(shù)通過多種傳感器和外接終端，對學(xué)習(xí)者的全過程學(xué)習(xí)數(shù)據(jù)進行即時采集，并借助人工智能相關(guān)算法和技術(shù)，實現(xiàn)對學(xué)習(xí)者的知識結(jié)構(gòu)、情感態(tài)度和認知行為的自動監(jiān)測，為構(gòu)建學(xué)習(xí)者綜合特征模型與智慧學(xué)習(xí)環(huán)境奠定基礎(chǔ)[2]。此外，學(xué)習(xí)過程分析也從割裂的行為單元走向整體的活動過程分析與挖掘，借助描述行為序列、診斷關(guān)鍵事件和預(yù)測行為結(jié)果三個維度進行整體性分析，以幫助管理者、研究者和教師從全局角度對學(xué)習(xí)者的學(xué)習(xí)行為進行深度理解。

眾所周知，學(xué)習(xí)分析的發(fā)展離不開大數(shù)據(jù)，而數(shù)據(jù)也是學(xué)習(xí)分析的起點。通過量化學(xué)習(xí)者的各類學(xué)習(xí)數(shù)據(jù)，來理解和優(yōu)化學(xué)習(xí)過程與學(xué)習(xí)環(huán)境，已成為現(xiàn)有研究的普遍共識。實際上，在教育人工智能的推動下，以學(xué)習(xí)分析為核心的大規(guī)模個性化學(xué)習(xí)代表了智能教育的發(fā)展趨勢。在以前，個性化學(xué)習(xí)和規(guī)模化教育之間的矛盾難以調(diào)和，而在智能教育時代，以大數(shù)據(jù)、人工智能等技術(shù)支持的學(xué)習(xí)分析為解決這一矛盾提供了可能[3]。通過對多場景、多系統(tǒng)、多終端的海量學(xué)習(xí)數(shù)據(jù)進行細粒度融合，能夠?qū)崿F(xiàn)對大規(guī)模學(xué)習(xí)者的行為、認知、心理、情感以及社會交互的精準(zhǔn)分析[4]，在此基礎(chǔ)上個性化推薦學(xué)習(xí)資源與規(guī)劃學(xué)習(xí)路徑，進而實現(xiàn)“因材施教”的美好愿景。

（二）學(xué)習(xí)分析的數(shù)據(jù)范圍新拓展

限于技術(shù)和設(shè)備的束縛，學(xué)習(xí)分析的數(shù)據(jù)常借助人工采集、平臺上傳等方式對結(jié)構(gòu)化數(shù)據(jù)進行采集，導(dǎo)致數(shù)據(jù)維度單一、信息孤島等問題日益突出。在人工智能背景下，學(xué)習(xí)分析的數(shù)據(jù)范圍逐步從單一維度數(shù)據(jù)挖掘轉(zhuǎn)向多模態(tài)數(shù)據(jù)融合，并利用物聯(lián)網(wǎng)、人臉識別、手寫識別等新技術(shù)實現(xiàn)自動化采集。通常情況下，多模態(tài)數(shù)據(jù)包括行為層數(shù)據(jù)、心理層數(shù)據(jù)、生理層數(shù)據(jù)和基本信息數(shù)據(jù)四類，這些數(shù)據(jù)來源不同，存在形式不同，共同構(gòu)成多模態(tài)學(xué)習(xí)分析的樣本數(shù)據(jù)集[5]。通過建立多模態(tài)數(shù)據(jù)融合機制，結(jié)合不同教育場景和機器學(xué)習(xí)方法，實現(xiàn)學(xué)習(xí)狀態(tài)、學(xué)習(xí)參與度、學(xué)習(xí)興趣、教學(xué)決策等多模態(tài)分析，進一步挖掘智能教育時代學(xué)習(xí)分析的應(yīng)用潛能與核心價值。

此外，學(xué)習(xí)分析的數(shù)據(jù)范圍也從線上學(xué)習(xí)平臺拓展到線下學(xué)習(xí)活動，從虛擬學(xué)習(xí)空間拓展到物理學(xué)習(xí)環(huán)境，逐步形成圍繞“場景”進行學(xué)習(xí)分析的新形態(tài)。在智能教育中，線上、線下學(xué)習(xí)數(shù)據(jù)的整合成為學(xué)界關(guān)注的重點?，F(xiàn)有研究大多是對線上數(shù)據(jù)的采集與分析，線下數(shù)據(jù)的計算與挖掘?qū)⑹俏磥硌芯康闹匾较?。如通過構(gòu)造課程學(xué)習(xí)模型，采用問卷調(diào)查、課堂錄像等方法采集上機實驗、作業(yè)、自修等線下學(xué)習(xí)數(shù)據(jù)，實現(xiàn)與課程學(xué)習(xí)相關(guān)的線下數(shù)據(jù)的量化分析[6]。類似地，物理學(xué)習(xí)環(huán)境的數(shù)據(jù)采集也將進一步拓展學(xué)習(xí)分析的數(shù)據(jù)范圍，借助傳感器技術(shù)、智能可穿戴設(shè)備等，實現(xiàn)對學(xué)習(xí)者全方位、多時空的數(shù)據(jù)追蹤和挖掘。在此基礎(chǔ)上，根據(jù)學(xué)習(xí)者動態(tài)多變的學(xué)習(xí)場景，為其提供高精準(zhǔn)的個性化學(xué)習(xí)服務(wù)[7]。

（三）學(xué)習(xí)分析的技術(shù)方法新拓展

早期學(xué)習(xí)分析方法主要以數(shù)據(jù)統(tǒng)計和單一數(shù)據(jù)挖掘為主，如SPSS統(tǒng)計分析、行為序列分析等，無法滿足教育人工智能發(fā)展的迫切需求。國務(wù)院《新一代人工智能發(fā)展規(guī)劃》中提到要大力發(fā)展與應(yīng)用大數(shù)據(jù)智能、群體智能、高級機器學(xué)習(xí)等關(guān)鍵技術(shù)。因此，為推動智能教育的快速發(fā)展和廣泛應(yīng)用，未來學(xué)習(xí)分析應(yīng)依據(jù)實際需求采用大數(shù)據(jù)智能方法和綜合分析方法，實現(xiàn)對教學(xué)過程的自動分析與評測。如在課堂環(huán)境下，綜合采用自然語言處理、語音自動識別和機器學(xué)習(xí)方法，充分發(fā)揮大數(shù)據(jù)智能方法的優(yōu)勢，實現(xiàn)對課堂教學(xué)行為的自動評估，提高課堂觀察的客觀性與智能性[8]。在數(shù)據(jù)采集上，融合人工智能技術(shù)的學(xué)習(xí)分析系統(tǒng)將利用無感式、伴隨性的數(shù)據(jù)采集方法，最大限度減少數(shù)據(jù)采集對學(xué)生學(xué)習(xí)過程的干擾，提高所采集數(shù)據(jù)的自然性和準(zhǔn)確性。在數(shù)據(jù)清洗上，采用替換和補充的策略，加強對錯誤數(shù)據(jù)處理和修復(fù)方法的探索[9]。

近年來，研究者逐步意識到學(xué)習(xí)者的情感對學(xué)習(xí)過程的重要影響，情感/情緒研究也代表了智能教育時代學(xué)習(xí)分析的發(fā)展方向[10]。換句話說，學(xué)習(xí)分析技術(shù)不僅要實現(xiàn)對行為數(shù)據(jù)的測量，也要重視探索情感數(shù)據(jù)的挖掘方法。在真實學(xué)習(xí)情境下，生理數(shù)據(jù)（如面部、皮膚電、腦電等）的分析方法成為亟待探索的關(guān)鍵問題。雖然樸素貝葉斯（NB）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等方法可能在情感挖掘中具有較高的準(zhǔn)確度，但機器學(xué)習(xí)本身存在“黑箱”問題，算法的不透明很大程度上影響了分析結(jié)果的可解釋性。因此，研發(fā)可解釋的算法模型是人工智能時代學(xué)習(xí)分析的重要任務(wù)。在建模方法上，應(yīng)采用時間同步化和歸一化策略，實現(xiàn)學(xué)生情感、認知、行為等方面的綜合建模，進一步提升智能教育中數(shù)據(jù)分析的全面性和綜合性。

二、智能時代學(xué)習(xí)分析價值取向

作為教育技術(shù)發(fā)展浪潮中的核心力量，學(xué)習(xí)分析在人工智能時代煥發(fā)新的生機與活力。本研究從學(xué)習(xí)分析影響教育變革及其利益相關(guān)者（教師、學(xué)習(xí)者、管理者）的角度，闡述智能時代學(xué)習(xí)分析的價值取向。

（一）推動計算教育學(xué)發(fā)展

人工智能和學(xué)習(xí)分析的發(fā)展均得益于大數(shù)據(jù)的推動。從這個意義上來講，智能時代的學(xué)習(xí)分析將推動教育研究實現(xiàn)轉(zhuǎn)型升級，并作為核心引擎來驅(qū)動計算教育學(xué)與學(xué)習(xí)科學(xué)的縱深推進。具體而言，智能技術(shù)賦能學(xué)習(xí)分析研究更側(cè)重綜合跨學(xué)科研究方法，依托人工智能技術(shù)和數(shù)據(jù)科學(xué)方法自動采集學(xué)生全過程學(xué)習(xí)數(shù)據(jù)，進行智能處理與挖掘，并結(jié)合行為科學(xué)和認知科學(xué)進行學(xué)習(xí)者綜合建模，從教育學(xué)層面展開分析與干預(yù);與此同時，作為核心引擎推動計算教育學(xué)研究的交叉和融合，從認知計算、行為計算、情感計算和環(huán)境計算四個方面，對海量教育數(shù)據(jù)進行深入挖掘，建立“因果+關(guān)聯(lián)”的新思維模式;通過多方法、多通道和多維度視角，探究學(xué)習(xí)者學(xué)習(xí)過程與認知規(guī)律[11]，從數(shù)據(jù)層面客觀與準(zhǔn)確把握人類學(xué)習(xí)的內(nèi)在機理，進而推動學(xué)習(xí)科學(xué)的縱深發(fā)展。

人工智能在變革社會科學(xué)研究方法中具有重要影響[12]，對于教育學(xué)科而言，人工智能賦能學(xué)習(xí)分析將推動教育研究進一步走向科學(xué)化。人工智能賦能學(xué)習(xí)分析將為教育研究帶來新契機，一方面建立數(shù)據(jù)分析引擎，對全樣本數(shù)據(jù)進行融合分析，構(gòu)建教育系統(tǒng)模型;另一方面利用計算機仿真系統(tǒng)，通過學(xué)習(xí)教育實踐中生成的數(shù)據(jù)，來發(fā)現(xiàn)教育系統(tǒng)演化規(guī)律與發(fā)展態(tài)勢。由此，學(xué)習(xí)分析促進教育研究轉(zhuǎn)型升級與科學(xué)發(fā)展，為計算教育學(xué)發(fā)展提供了動力。

（二）培育數(shù)據(jù)驅(qū)動思維

學(xué)習(xí)分析與大數(shù)據(jù)的發(fā)展推動教育教學(xué)從“經(jīng)驗主義”走向“數(shù)據(jù)主義”。教師是課堂教學(xué)轉(zhuǎn)型的關(guān)鍵力量，培育教師數(shù)據(jù)驅(qū)動教學(xué)的思維能力迫在眉睫。受建構(gòu)主義理論的深刻影響，教師常鼓勵學(xué)生進行自主探究，弱化了對教學(xué)內(nèi)容的加工處理，導(dǎo)致教學(xué)結(jié)構(gòu)相對松散，學(xué)生學(xué)得多而所知甚少[13]。鑒于此，通過學(xué)習(xí)分析幫助教師科學(xué)洞察學(xué)生學(xué)習(xí)過程，輔助教師及時調(diào)整教學(xué)結(jié)構(gòu)，以提高課堂教學(xué)質(zhì)量和提升學(xué)習(xí)效果，這一過程無形中培育了教師的數(shù)據(jù)驅(qū)動思維。

作為教師數(shù)據(jù)素養(yǎng)中的核心要素之一，數(shù)據(jù)驅(qū)動思維是指教師能依據(jù)教育場域中各種數(shù)據(jù)進行教育決策、管理及評價，以驅(qū)動教育創(chuàng)新與師生共同成長的思維模式[14]。進一步講，教師要轉(zhuǎn)變以經(jīng)驗主導(dǎo)的教學(xué)觀念，擁抱以數(shù)據(jù)驅(qū)動的教學(xué)范式，發(fā)現(xiàn)學(xué)習(xí)分析的內(nèi)在價值;要嘗試去處理和分析數(shù)據(jù)，對學(xué)習(xí)分析結(jié)果做出合理解釋，以提升自身“理解”數(shù)據(jù)的能力;在此基礎(chǔ)上，要結(jié)合自身教學(xué)經(jīng)驗，分析數(shù)據(jù)反映的潛在問題，并據(jù)此采用合理的教學(xué)改進策略。在教研過程中，教師要充分利用教育數(shù)據(jù)，結(jié)合數(shù)據(jù)分析結(jié)果與實際情況，創(chuàng)新應(yīng)用數(shù)據(jù)以改進教學(xué)模式，助推數(shù)據(jù)驅(qū)動教學(xué)范式實踐應(yīng)用。

（三）構(gòu)建終身學(xué)習(xí)服務(wù)體系

為推進學(xué)習(xí)型社會建設(shè)，構(gòu)建終身學(xué)習(xí)服務(wù)體系迫在眉睫?！侗本┕沧R——人工智能與教育》強調(diào)要融合人工智能平臺和學(xué)習(xí)分析等關(guān)鍵技術(shù)來構(gòu)建終身學(xué)習(xí)服務(wù)體系，逐步形成人人皆學(xué)、處處能學(xué)、時時可學(xué)的學(xué)習(xí)型社會[15]。在人工智能時代，終身學(xué)習(xí)在學(xué)習(xí)目的、學(xué)習(xí)內(nèi)容和學(xué)習(xí)方式上都有了新發(fā)展[16]，這也彰顯了學(xué)習(xí)者對個性化學(xué)習(xí)和終身學(xué)習(xí)能力的迫切需求。就這一層面而言，學(xué)習(xí)分析在構(gòu)建終身學(xué)習(xí)服務(wù)體系中具有潛在價值。

具體來說，以終身學(xué)習(xí)為核心，積極轉(zhuǎn)變基于數(shù)據(jù)的學(xué)習(xí)分析理念，實現(xiàn)對學(xué)習(xí)行為理解到學(xué)習(xí)服務(wù)的轉(zhuǎn)型升級，突出學(xué)習(xí)者的中心地位。與此同時，超越傳統(tǒng)以知識為核心特征的學(xué)習(xí)者模型，推進構(gòu)建面向終身學(xué)習(xí)的個人用戶模型，從個人特質(zhì)（如基本信息、性格、興趣、偏好等）、學(xué)習(xí)數(shù)據(jù)（如學(xué)習(xí)態(tài)度、情感狀態(tài)、學(xué)習(xí)動機等）和日常行為（如體育活動、食物攝入、作息規(guī)律等）三個方面記錄學(xué)習(xí)者的全過程用戶數(shù)據(jù);通過融合區(qū)塊鏈等新興技術(shù)，構(gòu)建學(xué)習(xí)者全過程成長檔案袋，增強學(xué)習(xí)數(shù)據(jù)的安全性、透明性及分布性，進而提升學(xué)分轉(zhuǎn)換與認證的可信度，為構(gòu)建終身學(xué)習(xí)服務(wù)體系提供堅實保障。

（四）提升教育治理水平

大數(shù)據(jù)的發(fā)展極大地推動了教育管理走向教育治理的轉(zhuǎn)型升級。對于智能教育而言，利用人工智能技術(shù)助推人才培養(yǎng)方式的變革，必然也為教育治理提供了適切的技術(shù)手段[17]，進一步推動教育治理主體（政府、企業(yè)、市場等）多元協(xié)同，教育治理要素（教育資源、教學(xué)應(yīng)用、學(xué)習(xí)環(huán)境等）智能轉(zhuǎn)型，教育治理層級（國家、區(qū)域、學(xué)校等）多方聯(lián)動?？梢哉f，在人工智能背景下，教育治理將充分融合學(xué)習(xí)分析與智能技術(shù)，實現(xiàn)教育評估自動化、教育決策智能化、教育監(jiān)管科學(xué)化。

進一步講，通過對多主體與多時空數(shù)據(jù)的采集與記錄，結(jié)合智能分析技術(shù)即時評估區(qū)域、學(xué)校、班級教學(xué)大數(shù)據(jù)，并自動生成教學(xué)質(zhì)量實時圖，可以實現(xiàn)精確挖掘教與學(xué)過程中現(xiàn)存問題與潛在問題。同時，依托智能教育分析系統(tǒng)，對教學(xué)質(zhì)量實況進行精準(zhǔn)分析，結(jié)合教育治理的現(xiàn)實需求，智能推薦教學(xué)決策內(nèi)容與方案，教育管理者可以結(jié)合實際經(jīng)驗不斷調(diào)整教育決策方案，最終提升管理層的教育治理能力與水平。在此基礎(chǔ)上，教育相關(guān)部門依托層層數(shù)據(jù)的自動評估與智能決策，對區(qū)域教育質(zhì)量與教育動態(tài)展開實時監(jiān)管，可以減輕教師與管理者繁重復(fù)雜的數(shù)據(jù)分析與處理任務(wù)，進一步增強教育監(jiān)管的科學(xué)性。教育治理水平的提升還需要不同層級間開放教育數(shù)據(jù)，也離不開網(wǎng)絡(luò)（5G傳輸）、環(huán)境（物理環(huán)境、虛擬環(huán)境、社會環(huán)境）與工具（智能分析系統(tǒng)、可視化系統(tǒng)）的支持。

三、智能時代學(xué)習(xí)分析發(fā)展路徑

人工智能時代下，學(xué)習(xí)分析已成為驅(qū)動教育智能化發(fā)展的重要力量。本研究從理論基礎(chǔ)、實踐應(yīng)用、技術(shù)保障、推進機制與發(fā)展建議五個維度探討學(xué)習(xí)分析創(chuàng)新路徑，以期驅(qū)動智能教育的變革與發(fā)展。

（一）探索與尋求核心理論支撐

研究顯示，在教育技術(shù)研究中理論缺乏或理論應(yīng)用模糊的現(xiàn)象較為突出[18]。學(xué)習(xí)分析研究也存在此現(xiàn)象，即重視對行為數(shù)據(jù)的統(tǒng)計與分析，忽視了其理論基礎(chǔ)，形成了重分析輕理論的現(xiàn)實局面。為促進學(xué)習(xí)分析更好地服務(wù)于智能教育，未來研究要積極探索與尋求核心理論支撐。一方面，要探索教育研究與數(shù)據(jù)分析的核心理論，比如可以應(yīng)用控制—價值理論來指導(dǎo)學(xué)習(xí)情緒挖掘的相關(guān)研究;另一方面，要以教育實踐中生成的數(shù)據(jù)為基礎(chǔ)，建立以真實問題為導(dǎo)向的科學(xué)探索，依據(jù)問題—理論—分析的策略，解決智能教育場域中的關(guān)鍵科學(xué)問題，挖掘?qū)W習(xí)行為與認知規(guī)律，嘗試發(fā)展或形成相關(guān)理論。更進一步講，人工智能與學(xué)習(xí)分析的發(fā)展雖然離不開數(shù)據(jù)驅(qū)動，但加強核心理論研究也是當(dāng)前學(xué)習(xí)分析創(chuàng)新教育發(fā)展面臨的重要問題。

（二）建立多方協(xié)同合作機制

面向智能教育，學(xué)習(xí)分析的實踐應(yīng)用涉及多個方面（硬件、系統(tǒng)、平臺等），需要進行系統(tǒng)性改造升級和優(yōu)化。學(xué)校通過與信息科技企業(yè)對接，建立學(xué)習(xí)分析應(yīng)用聯(lián)盟，從實際需求和現(xiàn)實問題出發(fā)，實行“一校一策”，推動學(xué)習(xí)分析的智能轉(zhuǎn)型。包括：（1）學(xué)校成立由骨干教師組成的合作小組，根據(jù)一線教師需求起草建設(shè)與改造方案，并聘請高校專家進行指導(dǎo);（2）為保障智能教育系統(tǒng)的順利轉(zhuǎn)型，學(xué)校與信息科技企業(yè)對接，協(xié)調(diào)推進方案修改與實踐進展，重點關(guān)注學(xué)習(xí)分析所涉及的系統(tǒng)和平臺建設(shè);（3）針對學(xué)習(xí)分析實踐應(yīng)用中可能出現(xiàn)的問題，企業(yè)應(yīng)加強教師相關(guān)技能的培訓(xùn)，提升教師應(yīng)用相關(guān)系統(tǒng)和平臺的體驗感;（4）企業(yè)成立技術(shù)服務(wù)團隊，與一線教師保持溝通與聯(lián)系，積極應(yīng)對可能出現(xiàn)的棘手問題和現(xiàn)實需求，為學(xué)習(xí)分析的深入應(yīng)用提供保障。

（三）構(gòu)筑智能教育大平臺

構(gòu)筑智能教育大平臺是人工智能時代教育發(fā)展的必然要求。當(dāng)然，搭建智能教育大平臺不是建造空中樓閣，而是在原有基礎(chǔ)（如“互聯(lián)網(wǎng)+教育”大平臺）上充分利用智能技術(shù)，在教育的“學(xué)、教、管、評、測、治”等方面發(fā)揮積極作用。就核心要素而言，智能教育大平臺應(yīng)秉承學(xué)習(xí)工程化理念，建立統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)倉庫，打通各業(yè)務(wù)間的數(shù)據(jù)流，整合各智能教育系統(tǒng)（如智能評測系統(tǒng)、學(xué)情分析系統(tǒng)、智能題庫系統(tǒng)、教學(xué)管理系統(tǒng)等），加速推進人工智能與教育的深度融合。就核心功能而言，智能教育大平臺需具備教學(xué)干預(yù)個性化、資源推薦智能化、學(xué)習(xí)評測自動化、教學(xué)管理科學(xué)化等基本功能。更進一步講，智能教育大平臺是基于人工智能和學(xué)習(xí)分析技術(shù)的融合，實現(xiàn)對教學(xué)過程全時空、多維數(shù)據(jù)的自動采集，依據(jù)學(xué)習(xí)者綜合特征模型，對學(xué)習(xí)者的知識水平、認知能力、情感態(tài)度、交互信息等方面進行實時監(jiān)測，在此基礎(chǔ)上實現(xiàn)教學(xué)過程的智能化分析、干預(yù)及管理。

（四）建立以智能教育為核心的跨學(xué)科陣營

智能化時代的學(xué)習(xí)分析研究已從行為與認知的分析，拓展到對學(xué)習(xí)者心理和情感的挖掘[19]。因此，亟須建立以智能教育為核心的跨學(xué)科研究陣營，推動從跨學(xué)科視角探索人類學(xué)習(xí)規(guī)律與認知機制。眾所周知，人類學(xué)習(xí)是一個極為復(fù)雜的過程，涉及腦認知、心理、行為等多個方面，教育神經(jīng)科學(xué)、腦科學(xué)、學(xué)習(xí)科學(xué)、信息科學(xué)等多學(xué)科交叉融合代表了智能教育研究的發(fā)展趨勢。在智能教育中，學(xué)習(xí)分析技術(shù)結(jié)合教育神經(jīng)科學(xué)等其他方法，架起了大腦（Brain）、心智（Mind）、行為（Behavior）之間的橋梁[20]，為研究者從綜合視角理解學(xué)習(xí)行為過程提供了支持。更為重要的是，在學(xué)科交叉融合過程中應(yīng)以智能教育為核心，從生理與身體等多個層面挖掘?qū)W習(xí)者的行為特征。這意味著數(shù)據(jù)清洗環(huán)節(jié)不是技術(shù)層面的“提純”過程，而是研究設(shè)計中的重要關(guān)注點，這樣才能獲取行為、認知、情感等方面的綜合特征，方可真正挖掘教育智能化時代的學(xué)習(xí)新規(guī)律。

（五）管控人工智能算法風(fēng)險

以機器學(xué)習(xí)為核心的相關(guān)算法將是智能教育背景下學(xué)習(xí)分析常用技術(shù)方法。然而，人工智能算法本身存在“黑箱”、偏見、不透明性等安全問題，必然為智能教育大規(guī)模發(fā)展帶來潛在風(fēng)險。因此，要積極管控人工智能算法風(fēng)險，具體包括：（1）設(shè)計與開發(fā)可透明訪問的算法，讓研究者既可檢視算法內(nèi)部，也能方便地對其進行編輯，實現(xiàn)算法“黑箱”向“灰箱”轉(zhuǎn)變;（2）建立可解釋的學(xué)習(xí)者模型，以模塊化和構(gòu)件的方式，提高算法分析結(jié)果的可解釋性與可操作性;（3）加強人工智能教育應(yīng)用的算法風(fēng)險評估，在教育領(lǐng)域中應(yīng)用相關(guān)算法或模型前，對其可能帶來的風(fēng)險進行評估、審查與監(jiān)管，及早規(guī)避可能帶來的負面影響;（4）出臺人工智能教育應(yīng)用相關(guān)條例，從法律層面預(yù)防人工智能算法可能帶來的潛在隱患，并進一步提高研究者的實踐倫理與道德意識。

四、總結(jié)與展望

人工智能技術(shù)的迅猛發(fā)展將人類社會帶入了一個全新的智能時代，未來教育發(fā)展具有無限的可能性。在智能教育背景下，學(xué)習(xí)分析的目標(biāo)理念、數(shù)據(jù)范圍與技術(shù)方法將依托人工智能實現(xiàn)全新拓展，呈現(xiàn)“理論與應(yīng)用并重、數(shù)據(jù)與算法并舉”的態(tài)勢，共同推動教育研究的科學(xué)化與跨學(xué)科發(fā)展，進而助推教育的智能化轉(zhuǎn)型。

人工智能技術(shù)為學(xué)習(xí)分析的創(chuàng)新發(fā)展提供了新的契機，也進一步凸顯了學(xué)習(xí)分析在智能教育中的潛在價值，但也面臨一些突出問題亟待解決：（1）推進學(xué)習(xí)分析在人機協(xié)同環(huán)境下的分析模式與技術(shù)，努力適應(yīng)智能時代的發(fā)展需求;（2）加快構(gòu)建智能教育新生態(tài)，使數(shù)據(jù)在學(xué)習(xí)分析各環(huán)節(jié)間的流轉(zhuǎn)更加暢通;（3）探索認知計算、行為計算、情感計算及環(huán)境計算等層面的方法，加速推動計算教育學(xué)的發(fā)展;（4）規(guī)范面向機器智能的實踐倫理，進一步保障智能教育中學(xué)習(xí)分析的實踐應(yīng)用，助力智能化與個性化教育的實現(xiàn)。

[1]周進，葉俊民.推進機器人教育：背景、定位及可能路徑[J].數(shù)字教育，2019，5（3）：15-20.

[2]黃榮懷，陳麗，田陽，等.互聯(lián)網(wǎng)教育智能技術(shù)的發(fā)展方向與研發(fā)路徑[J].電化教育研究，2020， 41（1）：10-18.

[3]黃榮懷，周偉，杜靜，等.面向智能教育的三個基本計算問題[J].開放教育研究， 2019， 25（5）：11-22.

[4]田陽，陳鵬，黃榮懷，等.面向混合學(xué)習(xí)的多模態(tài)交互分析機制及優(yōu)化策略[J].電化教育研究， 2019， 40（9）：67-74.

[5]鐘薇，李若晨，馬曉玲，等.學(xué)習(xí)分析技術(shù)發(fā)展趨向：多模態(tài)數(shù)據(jù)環(huán)境下的研究與探索[J].中國遠程教育，2018（11）：41-49.

[6]葉俊民，陳曙，郭思培，等.線下學(xué)習(xí)數(shù)據(jù)的分析方法研究[J].電化教育研究，2016，37（12）：52-59.

[7]武法提，黃石華，殷寶媛.基于場景感知的學(xué)習(xí)者建模研究[J].電化教育研究，2019，40（3）：68-74.

[8]KELLY S，OLNEY A M，DONNELLY P，et al.Automatically Measuring? ? Question Authenticity in Real-world Classrooms [J].Educational Re-? ? searcher，2018，47（7）：451-464.

[9]葉俊民，徐松，羅達雄，等.一種中文真詞錯誤檢測與修復(fù)方法[J].計算機工程， 2019，45（8）：178-183.

[10]葉俊民，周進，李超.情感計算教育應(yīng)用的多維透視[J].開放教育研究，2020， 26（6）：77-88.

[11]LUCKIN R，CUKUROVA M.Designing Educational Technologies in the Age of AI：A Learning Sciences-driven Approach [J].British Journal of Educational Technology，2019，50（6）：2824-2838.

[12]劉進.人工智能如何使教育研究走向科學(xué)[J].高等工程教育研究，2020（1）：106-117.

[13]劉曉琳，張立國.技術(shù)增強型學(xué)習(xí)環(huán)境中的“離心效應(yīng)”：現(xiàn)象、成因及破解[J].電化教育研究， 2019， 40（12）：44-50.

[14]李新，楊現(xiàn)民.教育數(shù)據(jù)思維的內(nèi)涵、構(gòu)成與培養(yǎng)路徑[J].現(xiàn)代遠程教育研究，2019，31（6）：61-67.

[15]聯(lián)合國教科文組織.北京共識：人工智能與教育[EB/OL].（2019-05-18）[2020-12-05].https：//unesdoc.unesco.org/ark：/48223/pf0000368303.

[16]崔銘香，張德彭.論人工智能時代的終身學(xué)習(xí)意蘊[J].現(xiàn)代遠距離教育，2019（5）：26-33.

[17]侯浩翔，鐘婉娟.人工智能視閾下教育治理的技術(shù)功用與困境突破[J].電化教育研究，2019，40（4）：37-43，58.

[18]HEW K F，LAN M，TANG Y，et al.Where Is the“Theory”within the Field of Educational Technology Research？ [J].British Journal of Educa-? ? ?tional Technology，2019，50（3）：956-971.

[19]周進，葉俊民，王志峰，等. 國外情感分析教育應(yīng)用的進展與啟示[J].現(xiàn)代教育技術(shù)，2020，30（12）：5-11.

[20]HOWARD-JONES P，OTT M，LEEUWEN T V，et al.The Potential Relevance of Cognitive Neuroscience for the Development and Use of Technology-enhanced Learning [J].Learning，Media and Technology， 2015，40（2）：131-151.

（責(zé)任編輯 孫震華 孫興麗）