人工智能时代学校教育的现状及发展趋势
（二）积极开展教师人工智能教育培训
教师作为学生培养者、人工智能教育实践者，提升自身人工智能素养是实现教育现代化的重要保障。针对当前教师对人工智能教育认识分化，人工智能教育利用不合理情况，学校与教育主管部门应定期对教师进行相关教育培训。第一，深入调查研究了解当前教师关于人工智能教育认识程度、使用熟练度、存在具体问题及相关建议，由此制定具有针对性的培训内容。第二，针对调查结果结合不同地区实际教育发展需要，制定人工智能专项教育培训计划，达到教师正确认识并熟练运用目的。第三，邀请人工智能专家、教育专家、资深教师进行培训课程研发。使培训课程贴近生活、贴近课堂、贴近学生，做到为教育服务。第四，为保证培训效果，将人工智能教学技能作为教师综合考核标准之一，督促、激励教师向数字化教师转型，带动教育事业走向现代化。
（三）合理为学生制定个性化学习方案
人工智能教育使教师对学生学习过程具有深入了解，可以针对不同层次学生制定个性化学习方案。传统课堂教师无法兼顾学生学习差异，授课内容只能以班级大多数学生水平为参照，导致优等生得不到突破，后进生理解困难，难以真正达到因材施教。在人工智能教育帮助下，通过自适应学习程序、游戏和软件等系统响应学生的需求，全过程搜集学生的学习数据，通过分析数据，最后向学生推荐个性化的学习方案。课前，教师通过数据反馈结合学生学习需要制定本节课教学计划。课中，依据学生课堂表现，教师可以有针对性的对学生薄弱环节，进行深入讲解加深学生印象。课后，分层次布置作业，在确保夯实基础知识前提下，适当拔高作业难度，既能巩固知识，又能减少学生学习挫败感调动学习积极性。人工智能教育把传统课堂的优势与数字化教学的便利相结合，实现线上教育与线下教育的混合式教学，达到个性化教学目的。
（四）考核体系实现素质评价精准化
当前以知识为核心的考试制度，虽然提高了升学率，但是制约了教育创新发展，不利于学生综合素质提升。随着人工智能数据采集方式的不断完善，充分利用大数据智能分析对学生的学习过程、学习行为、学习水平等进行分析，基于学生的个性特点精准建立学习者的动机、能力、爱好、水平、体能、心智水平等要素构成的学习方案，具备大数据智能过程性评价的新制度将从根本上优化当前的以知识为核心的考试制度，以学习者动态发展学业水平为基础的适应性双向匹配与选择制度将被建立，从而实现素质评价精准化，提升学生学习的积极性与主动性。
三、人工智能对未来教育影响
（一）促进学生深度学习
理想的学习效果是让学生认识到学习意义，从而全身心投入到未知领域的学习中，达到深度学习目的，人工智能教育利用技术优势实现学生深度学习。首先，真实地学。真实是深度学习发生的基础，在课堂中减少虚假学习行为，聚焦学生内心世界，了解学生学习困境，进行针对性教学，从而促进学生深度学习。其次，充分使用工具。人工智能为教育提供丰富多样的学习工具，学生结合自身学习特点，合理选择学习工具，提高学习效率促进深度学习。最后，整体地学。关于深度学习，我们应走出碎片化学习误区，利用人工智能辅助学习工具，把知识与生活相联系与学生学习过程体验相结合形成整体教学。人工智能时代深度学习不仅是大脑参与的思维层面的学习，更是人机协同的系统化学习。
（二）促进学生跨学科学习
单科学习让学生有完整系统的学科知识，但其局限性无法满足新时代对学生综合能力提出的要求，新时代跨学科学习是未来创造者的必修课。这种学习方式打破不同学科、领域之间的知识隔阂，在帮助学生解决复杂问题的同时拓宽认识边界，培育学生的发散思维和创新能力。人工智能时代跨学科学习，不再局限于学校学科之间的跨越学习，而是提倡学生学习社会各个学科领域的重要知识，并用此指导实践。进行跨学科学习应使用交流合作的学习方式，在学习过程中取长补短，融百家之所长，实现知识的流动、转换和创新，在理性的学术争论中，帮助学生完善知识，提升学生创新水平。
（三）促进学生思维方式转变
人工智能教育颠覆了不同个体的学习过程和学习方式，促进学生思维方式转变。在应试教育背景下，学生常用死记硬背的学习方式，不考虑知识的来源、用处与其他知识的关联，缺乏在实际生活中运用。针对这一问题，人工智能用庞大数据库和丰富实践案例，来引导学生思维方式从零维上升到一维。线性思维强调不同事物之间彼此关联和相互连接，利于学生用所学知识连接现实解决困境。建立不同知识点的因果联系，有助于提高学生创造力、展现个性。人工智能作为人类学习辅助工具，极大地优化了学生的思维方式，加速素质教育实现。
四、结语
人工智能技术发展使学校教育得到优化，为人类社会发展带来动力和创新契机，我们应从理性的角度出发，合理利用技术推动教育进步，提升教育质量，真正发挥教育立德树人作用。在进行教育体系建设时，始终坚持教育的初心和使命，坚持科学精神、创新精神、实践精神，发展具有中国特色的新时代智能教育。
参考文献：
［1］梁迎丽，刘陈．人工智能教育应用的现状分析、典型特征与发展趋势［J］．中国电化教育，201（8 03）：24-30．
［2］吴晓如，王政．人工智能教育应用的发展趋势与实践案例［J］．现代教育技，201（8 02）：5-11．
［3］余胜泉．人工智能教师的未来角色［J］．开放教育研究，201（8 01）：16-28．
［4］张剑平，张家华．我国人工智能课程实施的问题与对策［J］．中国电化教育，200（8 10）：95-98．
人工智能促进教育变革创新
通过云平台布置电子作业，利用数据分析课堂上学生学习行为，推进学校管理流程迈向数字化……前不久，2022国际人工智能与教育会议在线上举行，来自全球数十个国家的政府官员、专家学者、一线教师、企业代表等相聚“云端”，畅叙人工智能时代教育发展图景。
作为引领新一轮科技革命和产业变革的重要驱动力，人工智能催生了大批新产品、新技术、新业态和新模式，也为教育现代化带来更多可能性。习近平总书记强调，“中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新”。国务院印发的《新一代人工智能发展规划》，明确利用智能技术加快推动人才培养模式、教学方法改革；教育部出台《高等学校人工智能创新行动计划》，并先后启动两批人工智能助推教师队伍建设试点工作；中央网信办等八部门联合认定一批国家智能社会治理实验基地，包括19个教育领域特色基地，研究智能时代各种教育场景下智能治理机制；科技部等六部门联合印发通知，将智能教育纳入首批人工智能示范应用场景，探索形成可复制、可推广经验……“人工智能+教育”不断碰撞出新的火花，为教育变革创新注入强劲动能。
“人工智能+教育”，应用就在身边。音乐课上，虚拟数字人“元老师”跨越时空限制，带领多所学校学生同唱一首歌；体育课上，学生开始跳绳项目测试，智能终端上实时显示心率变化、跳绳次数、平均速度等数据。技术改变课堂，潜力无限。比如，借助虚拟现实技术，学生能够模拟穿上太空服行走在宇宙，感受浩瀚星河的魅力；通过增强现实技术体验川剧变脸，平面的课本知识变得可感可知。现实中，越来越多的学校已经开设或准备筹备人工智能教育教学活动。
“人工智能+教育”，变革教育生态。教、练、考、评、管各环节均有人工智能辅助，让教师教得更好；虚实融合多场景教学、协同育人，让学生学得更好；海量线上数据和逐渐强大的算力，让学校管理更加精准。此外，在人工智能支撑下，优质数字教育资源跨越山海，推动教育更加公平、开放。在西藏墨脱县，得益于多媒体器材配备到雅鲁藏布大峡谷深处、“智慧课堂”全覆盖，门巴族孩子小学入学率实现100%。
我国发展“人工智能+教育”具备良好基础和独特优势。比如，语音识别、视觉识别等技术世界领先；国家智慧教育平台汇集了海量的数据资源，2.91亿在校学生和1844.37万专任教师展现出丰富的应用需求；教育领域数字化基础条件全面提档升级，全国中小学（含教学点）互联网接入率达到100%，99.5%的学校拥有多媒体教室，学校配备的师生终端数量超过2800万台。也应看到，人工智能技术在教育领域的应用仍处于起步阶段。“数字鸿沟”可能将部分学生排除在智能教育之外，数据收集、使用、分析等环节存在安全隐患，相关公共政策制定较为滞后……以人工智能赋能教育现代化，这些都是需要回答好的课题。
着眼未来，应携手打造高质量、有温度的人工智能教育生态。人机协作如何更聪明，人机对话如何更友好，是“人工智能+教育”的长期课题。一方面，技术应服务育人，在让其“授业”“解惑”的同时，必须坚持教师“传道”的主体地位。另一方面，人也要理解、善用技术，努力提升信息应用能力，让人工智能更好辅助教学。教育是动态的、发展的，理性思考人与技术的关系，把握教育规律、用好技术手段、凝聚各方力量，进一步推动人工智能与教育深度融合、创新发展，才能更好赋能教育现代化，培养顺应时代发展要求的创新人才。（吴丹）
人工智能与教育丨教育领域人工智能的应用现状、影响与挑战——基于OECD《教育中的可信赖人工智能：前景与挑战》报告的解读与分析
OECD预测，人工智能将引发未来几十年教育领域的巨大变革，包括课堂教学与教育系统，且直接影响到教育政策制定者、教育管理者、教师、学生、家长等利益相关者。同时，人工智能将推动实现可持续发展目标4中的全球教育目标，即“确保包容公平的优质教育，并为所有人提供终身学习机会”。人工智能在教育领域的使用还将实现巨大的社会价值，提升人的创造力，减少经济、社会及性别层面的不平等问题，促进包容性和可持续发展，进而实现全人类福祉。
（二）人工智能在课堂教学中的应用现状
美国新课堂创新合作者（NewClassroomsInnovationPartners）基于人工智能开发了“面向每一个人的教学：数学”（TeachtoOne：Math）模式，可以在大数据的支持下根据每个学生的具体情况制定合适的学习与教学方案。2012年，该模式在芝加哥、纽约及华盛顿特区的8所学校试点实施，主要应用于初中数学。该模式的目标是对学生技能的发展与进步做出持续回应，定期评估学生的技能水平，通过人工智能算法定位内容传递，并为学生指定不同的教学模式。该模式依靠持续的形成性评估得出数据，以确定学生之间的学习差距。学生每天都可以访问电脑仪表盘（computerdashboard），获取个人进度信息、技能发展任务，以及各种教学资源的链接，学生可以按自定的步调进行学习。这个过程中生成的大量数据将反馈给基础信息系统。最新版“面向每一个人的教学：数学”模式能为学生个性化学习路径的每日重新配置和两周教学周期的设计提供信息，还能通过动态的电脑仪表盘为教师提供有关班级和学生表现的实时信息，帮助教师及时支持学生学习。
在中国，好未来教育集团的人工智能实验室开发了多种类型的数字方案，为学生高考备考提供帮助。其中，“适应性测试及学习计划”（adaptivetestandlearningplan）系统最具代表性。该系统从各方面数据中挖掘大量评估性问题，以更好地了解每一位学生当前的知识水平，有助于学生选择合适自身的线下课程。该系统还为学生设计和定制学习计划，将相关材料发送给学生家长，帮助家长了解孩子的备考问题。
2.为特殊需求学生的学习提供支持与帮助
全球各国（尤其是经济落后国家）长期面临如何为所有学生提供更具包容性的受教育机会的问题。包容性教育是可持续发展目标4所倡导的全球目标之一，目的是确保所有人士平等地获得各级各类教育。OECD认为，人工智能可以有效地支持特殊需求学生的学习，包括视听觉障碍或社交技能（语言或交流）障碍的学生，帮助特殊需求学生从教育中受益。
3.其他功能
（三）人工智能在学校管理与教育系统中的应用
人工智能在学校管理与教育系统层面的应用主要是预测模型及评估模型的建构，为教育机构和教育系统提供反馈，服务于教育决策。目的在于提高高质量初等、中等教育的学业完成率，减少学生辍学率，以及改造教育评估工具（如标准化评估工具等）。
1.创建预警系统，有效降低学生辍学率
辍学问题是一个重要的全球教育问题，不同发展水平的国家关注的学生辍学阶段不同。OECD报告称，在低收入国家，2015年高中阶段学生辍学率为60%；2018年小学、初中及高中教育的完成率分别是68%、44%和21%，该数字距离2030年普及教育的目标相差巨大。各国教育工作者及教育政策制定者希望寻求正确的指标来预测学生辍学情况，在此基础上找到正确的干预措施降低学生辍学率。因此，人工智能将成为重要的预测工具。相比其他工具，人工智能预警系统使用纵向数据作为预测基础，可进一步改善学校的辍学预警系统。在人工智能的辅助下，学校管理者能更创新地使用现有学生数据，改进和设计学校的干预措施，更有效地预测并降低学生辍学率。
人工智能预警系统已经在发展水平较高的国家得到广泛使用。以美国为例，许多数字供应商为地区和州的学校提供了人工智能预警系统，实时帮助学校校长和地区领导者应对学生辍学问题。人工智能预警系统的优点之一是能及时地为学校提供反馈。此外，该系统通常采用仪表盘的形式，使面临辍学风险的不同类型学生的情况可视化，并对这部分学生采取适当的干预措施。在发展水平较低、收入较低的国家，辍学问题同样是教育面临的一个严峻问题。例如，印度已经开发了辍学预警系统与对应的干预措施，并开展了有效性评估。
当前，人工智能预警系统虽在学校管理和教育系统中发挥了一定作用，但还未完全成熟。其局限性在于人工智能系统仍可能出现预测误差，即忽略一些需要帮助的学生，没有及时给予帮助。因此，使用人工智能预警系统的前提是必须保证人工智能提供的是可信任的且有使用价值的预测建议。
2.改进技能评估工具，扩展技能评估范围
在经济社会变革的时代中，综合技能的重要性与日俱增，如问题解决技能、协作技能、社交技能、情感技能等。由于大多数国家的教育系统评估方式仍以标准化评估为主要特征，各国教育政策制定者和人才市场倡导改进技能评估工具，在以知识内容与能力为主的评估范围基础上进行新的扩展，将各种综合技能纳入评估范围。
基于游戏的评估（Game-basedAssessment）为教育系统提供了评估综合技能的新工具。基于游戏的评估在形成性评估中具有很大的价值，通常使用人工智能模拟的增强现实、虚拟现实和自适应能力，不仅可以适应个别学生的能力，也可以用于总结性评估。例如，将评估项目合并到游戏环境中，使学生在一个有趣的、沉浸式体验的环境中展示他们的学习成果。该评估工具已被广泛且有效地应用于科学、技术、工程和数学（STEM）教育。
三、数字时代劳动者技能的变革与发展
（一）传统技能面临自动化引发的挑战
人工智能在经济领域得到迅速使用和传播的同时，正规教育系统应进一步培养劳动者的新知识与技能。OECD的一项最新研究预估，未来15~20年内，自动化会导致14％的现有工作消失，32％的工作可能会产生根本性变革。
人工智能在某些方面的能力已经超越人类，如记忆力和计算力。人工智能能够更高效地完成重复性和预测性的任务，以及大量数据处理、输入或分类的任务。但人类在沟通、情感、价值观、创造力等方面仍占据优势。因此，劳动者必须具备人工智能无法实现的技能，才能避免在工作中被机器取代。此外，2019年OECD发布的《OECD技能展望》（OECDSkillsOutlook）报告显示，当前人们对互联网的使用常常局限于获取信息与通信。培养更高阶的认知技能，即在技术含量高的环境中发挥读写能力、计算能力及问题解决能力，互联网的使用方式才能更多样化和综合化。
（二）综合认知技能的重要性增强
在数字时代，综合认知技能变得越来越重要。相对于其他综合技能而言，综合认知技能更难以自动化或被人工智能取代，是实现人类福祉与社会良性运转的重要技能。其中，创造力与批判性思维得到了新时代劳动力市场的需求与重视。由于互联网信息传播速度快，信息数量大，传播范围广，创造力与批判性思维对互联网使用者而言不可或缺。
拥有批判性思维的劳动者在使用互联网检索信息时，能够阅读复杂的数字文本，可以区分互联网信息来源是否可信。创造力能支持劳动者开发与建构新的问题解决方案，包括需要使用人工智能或机器人的方案。除创造力与批判性思维外，沟通、协作技能等社会情感技能也属于重要的综合认知技能。
（三）逐步推进实施综合技能培养
为了应对经济与社会的转型与变革，各国教育系统和教育机构制定了各种技能培养方案，帮助劳动者学习和掌握综合技能，适应人工智能带来的技能转型。
OECD国家的学校课程大都已经正式推进综合技能培养方案的实施，以各级学校学生和高等教育学生为对象，培养与发展学生的创造力、批判性思维及其他创新技能。综合技能的培养也在G20国家中越来越普及，包括中国和印度。但在综合技能培养过程中，各国教育工作者常常不了解综合技能的概念与意义，不清楚如何将综合技能的培养纳入日常教学实践中。为解决该问题，OECD与11个国家的学校网络开展合作，为教育决策者及教育一线工作者提供了针对性的课程和教案，支撑他们推进综合技能的培养方案。同时，OECD还提供了专业发展计划的案例，帮助教育工作者学习有效培养综合技能的成功经验，教育工作者才能够成功地调整教学方法和课程计划，进而有效地帮助学生在学习知识内容的同时，发展创造力和批判性思维等综合技能。
另一项重要的综合技能培养方案是开放充足的、针对性强的高等教育课程。在该方案推进过程中，STEM教育发挥了至关重要的作用，为学生提供了许多具有针对性的综合技能学习课程。同时，许多新课程开放计划与商业界合作后也取得了一定成果。OECD与15个国家的高等教育机构合作，计划未来在高等教育领域创新性地开发与实践综合技能培养课程。
四、人工智能给教育带来的问题与挑战
人工智能在教育领域的快速发展，给教育工作者和教育政策制定者带来了新的问题与挑战，主要源于对人工智能的信任度以及如何塑造人工智能的可信赖应用。
（一）建立公众对人工智能的信任
教育对人们未来就业和生活机会有巨大影响，人工智能在教育中的透明度、可解释性及问责制非常重要。例如，人工智能用于教育决策的制定将直接影响学生的个人利益。为了充分发挥人工智能在教育中的潜力，教育政策制定者、教育工作者及其他利益相关者应建立公众对人工智能的信任。
在其他方面，人工智能引导自主决策或建议（例如，基于人工智能的中小学/大学的自动招生决策）可能会出现两种情况：一是打破学校招生系统先前的偏见，提高公平性；二是引发无法预估的后果，如生源好的学校在人工智能新系统的引导下招生，如若其招生标准与算法缺乏透明度与解释性，学校的受益群体将产生变动。因此，增强对人工智能的信任只能依靠标准和算法的透明度和可解释性。关于如何解决透明度问题，OECD认为扩大人工智能的开放性是一种解决方案。但对于某些人工智能（如深度学习）而言，可解释性仍然是个很难解决的问题。
OECD国家在建立公众对人工智能的信任上有不同的方式和策略。欧盟建构了可信赖人工智能的准则，提出人工智能应该是透明的、可追溯的、可解释的。同时，欧盟认为公众应有权被告知他们正在与人工智能系统进行交互，并且应该将人工智能的优势与局限传达给人工智能的实践者或终端用户。
（二）解决个人数据隐私与安全问题
虽然人工智能对教育与学习带来了积极影响，能帮助学生对数字时代未来的发展做准备，但大多数人工智能的使用者仍是未成年人，且人工智能算法或数据本身存在一定偏差，会引发个人数据的隐私和安全问题。
人工智能引发的隐私及数据安全问题通常源于大规模的个人数据收集与使用。人工智能为了提高其功能的针对性与有效性，以收集与使用个人数据为主要方式，收集和存储数据的过程易产生个人隐私泄露的风险。人工智能引发的隐私与安全问题是双重的。一方面，教育机构会重复使用过去收集和储存的学生数据，但由于数据存储的时长、类型及长期使用的标准没有得到确定，许多学生家长对此存在担忧；另一方面，一些开发者会处于商业目的使用学生的个人数据。
关于如何解决人工智能及其应用带来的个人数据的隐私与安全问题，不同OECD国家和地区有各自的做法。例如，欧盟的《通用数据保护条例》（GeneralDataProtectionRegulation，GDPR）为个人数据的使用设定了相对严格的框架——仅允许特定条件使用数据，包括共享数据与存储数据。GDPR中最重要的原则之一是透明度、数据与存储限制及问责制。美国的《家庭教育权和隐私权法》（FamilyEducationalandPrivacyRightsAct）规定了在教育中使用个人数据的特定框架。
五、结语
人工智能正重塑着世界经济发展的新格局，引发人们经济、生活及工作的深刻变革。全球各国高度关注与重视人工智能的价值与潜力，相继制定了相关政策与规划，如美国的《为人工智能的未来做好准备》《国家人工智能研发战略规划》，英国的“现代工业战略”计划，日本的“人工智能产业化路线图”。我国于2017年发布了《新一代人工智能发展规划》，提出了“三步走”战略，又接着推出了《人工智能标准化白皮书（2018版）》，对人工智能的发展方向与应用展开了政策层面的规划。
教育信息化时代下，人工智能与教育的结合创新是未来教育变革的重要趋势。无论是改进课堂教学和教育系统，还是推动可持续发展目标4的实现，人工智能无疑展现了巨大潜力。随着教育技术行业持续壮大，G20国家也在进行大规模投资，人工智能在教育领域的普及将势不可挡。OECD的报告表明，人工智能在个性化学习、特殊需求学生学习、学生辍学问题的应用及技能评估工具的改进方面发挥了巨大作用。各国对人工智能的应用充分展现了其巨大的价值，有助于我们把握世界教育领域中人工智能的发展趋势，以及落实《G20人工智能原则》是否实现，促进人工智能在教育中的深入应用，推动下一步的研发与改进。由于人工智能在教育领域的应用大都处于新生阶段，尚未完全成熟，其决策准确性、解释性与透明度必然引起了社会的诸多质疑。为应对挑战，各国在人工智能应用的研究、开发、应用与推广过程中，应提高人工智能应用的透明度、可追溯性，增强可解释性，明确记录技术流程与人为决策等信息，建立数据与存储限制及问责制，构建更加可靠、更值得信赖、更安全及健全的人工智能系统。
作者简介：钟悦，上海师范大学国际与比较教育研究院硕士研究生；王洁，上海师范大学国际与比较教育研究院教授
来源：《世界教育信息》2021年第1期返回搜狐，查看更多
【热点聚焦】人工智能教育应用的现状分析、典型特征与发展趋势
一、人工智能的发展历程与核心驱动力
(一)人工智能的三次浪潮
人工智能起源于1956年美国达特茅斯学院举办的夏季学术研讨会。在这次会议上，达特茅斯学院助理教授JohnMcCarthy提出的“人工智能(ArtificialIntelligence,AI)”这一术语首次正式使用。之后，人工智能的先驱艾伦·图灵提出了著名的“图灵测试”：在人机分隔的情况下进行测试，如果有超过30%的测试者不能确定被试是人还是机器，那么这台机器就通过了测试，并被认为具有人工智能。图灵测试掀起了人工智能的第一轮浪潮。在人工智能研究方法上，以抽象符号为基础，基于逻辑推理的符号主义方法盛行，其突出表现为：在人机交互过程中数学证明、知识推理和专家系统等形式化方法的应用。但在电子计算机诞生的早期，有限的运算速度严重制约了人工智能的发展。
20世纪80年代，人工智能再次兴起。传统的符号主义学派发展缓慢，有研究者大胆尝试基于概率统计模型的新方法，语音识别、机器翻译取得了明显进展，人工神经网络在模式识别等领域初露端倪。但这一时期的人工智能受限于数据量与测试环境，尚处于学术研究和实验室中，不具备普遍意义上的实用价值。
人工智能的第三次浪潮缘起于2006年Hinton等人提出的深度学习技术。ImageNet竞赛代表了计算机智能图像识别领域最前沿的发展水平，2015年基于深度学习的人工智能算法在图像识别准确率方面第一次超越了人类肉眼[7]，人工智能实现了飞跃性的发展。随着机器视觉研究的突破，深度学习在语音识别、数据挖掘、自然语言处理等不同研究领域相继取得突破性进展。2016年，微软将英语语音识别词错率降低至5.9%，可与人类相媲美。如今，人工智能已由实验室走向市场，无人驾驶、智能助理、新闻推荐与撰稿、搜索引擎、机器人等应用已经走进社会生活[8]。因此，2017年也被称为人工智能产业化元年。
(二)人工智能的三大要素与核心驱动力
回顾人工智能的发展历程，在三次浪潮的浮浮沉沉中，人工智能不断突破并接近自身的目标：能够根据对环境的感知，做出合理的行动，从而获得最大收益。从人工智能的发展历程来看，不难看出，运算力、数据量和算法模型是人工智能的三大要素。如图1所示，人工智能具体应用的实现，如语音识别和图像识别等，需要先赋予机器一定的推理能力，然后它才能做出合理的行动。而这种推理能力，源自于大量的应用场景数据集。通过使用大量的数据对算法模型进行一定的训练，机器才能够根据算法做出具有类人智能的判断、决策和行为。奠定了的坚实基础。
人工智能在逐步发展完善自身理论与方法，以及寻求外部动力的过程中螺旋式上升发展。从图灵测试理论的提出到无人驾驶汽车自动上路行驶，从实验室的“封闭世界”到外部“开放世界”的安全过渡，大数据、云计算和深度学习这三大核心驱动力，共同促成了人工智能的突破性进展。
1.大数据
人工智能建立于海量优质的应用场景数据基础之上。训练数据的数量、规模和质量尤为重要，丰富的海量数据集是算法模型训练的前提。甚至有观点认为，拥有更海量的数据比拥有更好的算法更重要。受益于移动互联网的发展和多样化智能终端的普及，以及物联网的发展和传感器的大量应用，源自各种设备及互联网应用的数据急剧增加，大数据迅速发展。大数据处理技术能在很大程度上提高人工智能训练数据集的质量，并能优化存储和管理标注后的数据。因此，可以说，海量数据是机器智能的源泉，大数据有力地助推了机器学习等技术的进步，在智能服务的应用中释放出无限潜力。
2.并行计算
人工智能发展过程中，有限的运算能力曾是制约人工智能发展的主要瓶颈。从电子计算机出现的早期至今，机器的运算处理能力不断提升，为人工智能的发展提供了极大的动力支持。云计算在虚拟化、动态易扩展的资源管理方面的优势，GPU等人工智能专用芯片的出现，奠定了人工智能在大规模、高性能并行运算的软硬件基础，推动数据处理规模和运算速度的指数级增长，极大地提高了算法执行效率和识别准确率。
3.深度学习
数据和硬件是人工智能的基础，而算法是人工智能的核心。人工智能发展史上，两个转折点尤其值得关注。一个是研究方法由符号主义转向统计模型，自此开辟了人工智能发展的新路径；另一个是深度学习凭借绝对优势，颠覆了其他算法设计思路，突破了人工智能的算法瓶颈。深度学习即深度网络学习，它受人类大脑神经结构的启发，由一组单元组成，每个单元借由一组输入值而产生输出值，该输出值又继续被传递到下游神经元。深度学习网络通常使用许多层次，且在每层使用大量单元，以便识别海量数据中极其复杂和精确的模式。深度学习将人类程序员从构建模型的复杂活动中解放了出来，并提供一种更优化、更智能的算法，能够自动从海量数据库中进行自我学习，自动调整规则参数并优化规则和模型，识别准确率极高。自学习状态已成为机器学习的主流方法。
二、人工智能教育应用的现状分析
逻辑推理、知识表示、规划和导航、自然语言处理和感知是人工智能的主要问题空间[9]。在教育问题解决与应用中，人工智能主要有四大应用形态：智能导师系统、自动化测评系统、教育游戏与教育机器人。
(一)智能导师系统
智能导师系统(IntelligentTutoringSystem，ITS)由早期的计算机辅助教学发展而来，它模拟人类教师实现一对一的智能化教学，是人工智能技术在教育领域中的典型应用。典型的智能导师系统主要由领域模型、导师模型和学习者模型三部分组成，即经典的“三角模型”。领域模型又称为专家知识，它包含了学习领域的基本概念、规则和问题解决策略，通常由层次结构、语义网络、框架、本体和产生式规则的形式表示，其关键作用是完成知识计算和推理。导师模型决定适合学习者的学习活动和教学策略，学习者模型动态地描述了学生在学习过程中的认知风格、能力水平和情感状态。事实上，ITS的导师模型、学习者模型和领域模型正是教学三要素——教师、学生、教学内容的计算机程序化实现，其互相关系如图2所示。其中，领域模型是智能化实现的基础，教学模型则是领域模型和学生模型之间的桥梁，其实质是做出适应性决策和提供个性化学习服务。教学模型根据领域知识及其推理，依据学习者模型反映的学习者当前的知识技能水平和情感状态，做出适应性决策，向学习者提供个性化推荐服务，如图3所示。
ITS尊重学习者的个性特征，如学习风格、兴趣、特长等，满足学习者的个性化需求。ITS根据学习者模型所刻画的个性特征，向其提供个性化的学习路径[10]、学习资源[11]和学习同伴等资源。美国国防高级研究计划署赞助开发的一种使用人工智能来模拟专家和新手之间的互动的数字导师系统，能够帮助学习者获得所需的技能，将海军新兵训练成为技术技能专家所需的时间从几年减少到几个月。
近年来，情感、元认知和动机等研究越来越受重视，神经科学、认知科学、心理学和教育学的研究表明，情感状态在一定程度上影响了学生的学习效率和态度[12]，消极的情感状态会阻碍学生的思考过程，而积极的情感为学生的问题解决和创新进步提供有利的条件。然而，情感缺失一直是ITS中存在的突出问题。ITS通过与学生的交互实现情感的感知、识别、调节与预测。根据学生情感的来源，如面部表情[13]、声音等可察因素，及可测量的行为等，采用传感器等技术获取数据，根据相关科学模型，应用人工智能的方法与技术，综合运用心理学和认知科学等知识进行情感推理，也称之为情感识别或情感计算[14]。研究表明，系统通过对话的方式对学生进行的情感调节具有积极效果[15]。
ITS中教学模型模拟人类教师实现一对一个性化教学的过程即是适应性教学策略选取和个性化资源推荐算法的实现过程，适应性教学策略选择是资源个性化推荐的前提。在适应性教学策略的选择方面，这种适应性表现为多个层次：从适应性应答学生的表现，适应学生的知识水平，帮助学生取得具体目标，到对学生的情感状态做出适应性干预调节，提供适应学生元认知能力的帮助。事实上，ITS要模拟人类教师凭借经验进行决策的复杂过程，具有一定难度。而人工智能引发了教育领域的数据革命和智能化革命，数据驱动的智慧教学与智能决策正在成为教育教学的新范式。
(二)自动化测评系统
评价是教学活动的重要组成部分。自动化测评技术的应用引发了评价方法和形式的深刻变革。自动化测评系统能够实现客观、一致、高效和高可用的测评结果，提供即时反馈，极大地减轻教师负担，并为教学决策提供真实可靠的依据。
1.ICT技能与程序作业的自动化测评系统
ICT技能培训与程序设计是计算机教育领域中的重要内容。ICT技能是信息时代的基本素养。文字编辑、电子表格数据处理、收发邮件、制作演示文稿和网页等技能的学习和培训过程中，ICT自动化测评系统所构建的信息模型通过信息获取、知识推理和综合评价三个步骤，动态跟踪用户的操作行为，并对操作过程进行诊断、评价和反馈，极大地提高了学习效率[16]。
计算机程序设计是培养计算思维的有效途径，程序作业通常由学生上机完成。程序设计语言有其自身的语法规则。动态程序测评能够获取程序的编译和运行时信息，分析程序的行为和功能，从程序的功能和执行效率出发，展开综合评价。而静态程序测评，如图4所示，首先对程序代码进行信息提取，然后将程序进行中间形式表示，预测程序所有可能的执行路径与结果，利用知识发现技术实现对程序的评价。目前，国内外已经实现自动化测评的程序设计语言包括Java、C/C++、Python和Pascal，以及汇编语言、脚本语言和数据库查询语言等。
2.自动化短文评价系统
短文写作是当前很多标准化测试的基本要求。随着人工智能技术的发展，自动化短文评价(AutomatedAssessmentofEssaysandShortAnswers)运用自然语言处理技术和机器学习等技术实现对短文本的计算分析和语义理解。美国教育考试服务中心(EducationalTestingService,ETS)设计和举办多项大型标准化考试，如TOEFL、SAT、GRE等。ETS始终致力于测评理论、方法和技术的研究，尤其在自动化测评领域一直处于前沿。目前，ETS已经实现了语音、短文、数学等领域的自动化评价与反馈。在其产品中，TextEvaluator[17]是一种全自动化的基于Web的技术工具，旨在辅助教师、教材出版商和考试开发人员选取用于学习和测试的文本段落。TextEvaluator超越了传统的句法复杂性和词汇难度的可读性维度，解决了由于内聚性、具体性、学术导向、论证水平、叙述程度和交互式对话风格的差异而导致的复杂性变化。另外，E-rater[18]引擎用于学生作文的自动化评分和反馈。在设定了评价标准之后，学生可以使用E-rater的反馈来评估他们的写作技巧，并确定需要改进的地方。教师可用来帮助学生独立发展自己的写作技巧，并自动获得建设性的反馈意见。除了提供短文的整体得分，E-rater还提供关于语法、写作风格和组织结构等的实时诊断和反馈。
3.自动化口语测评系统
自动化口语评价运用语音识别等技术实现了多种语言口语语音的自动化测试与评价，图5展示了基于移动智能终端和测评云服务的口语学习系统架构，其中声学模型和语言学模型是语音识别的关键。ETS的SpeechRater引擎是英语口语测评方面应用最广泛的测评引擎之一。其测评任务并不限定范围和对象，开放性是其最大特点。该引擎可以用于提高发音可靠性、语法熟练度和交际的流利程度。SpeechRater引擎使用自动语音识别系统处理每个响应，该系统特别适用于母语非英语的学习者。基于该系统的输出，使用自然语言处理和语音处理算法来计算在许多语言维度上定义语音的一组特征，包括流利性、发音、词汇使用、语法复杂性和韵律。然后将这些功能的模型应用于英语口语测评，最终得出分数并提供反馈建议。
对于我国的英语教学来说，言语环境匮乏是当前制约学生英语口语学习的最大障碍，口语评价难度较大且时效性差更加加剧了英语口语教与学的难度。科大讯飞依托语音技术的强劲优势，所开发的听说智能测试系统、英语听说智能考试与教学系统和大学英语四六级口语考试系统可以用于促进英语听说训练和自动化测试与反馈。另外，普通话模拟测试与学习系统和国家普通话智能测试系统在推广普通话及相关考试方面发挥着重要作用。
(三)教育游戏
游戏智能是人工智能研究内容的一部分。运用深度学习技术的AlphaGo大胜人类职业围棋选手，标志着人工智能技术的又一次飞跃。在教育应用领域中，计算机和视频游戏不仅仅提供一种娱乐方式，更能推动玩家在游戏中获得新的知识和技能。教育游戏具有明确、有意义的目标，多个目标结构，评分系统，可调节的难度级别，随机的惊喜元素，以及吸引人的幻想隐喻。教育游戏通过构建充分开放的游戏框架和环境，提供一种观察和认识世界的新视角。益智游戏玩家不仅使用游戏工具解决问题，而且还使用自己的知识和技能。在角色扮演中，玩家必须在恶劣的环境中生存和获得新的知识。在所有这些情况下，对周围空间的详细研究等活动都是对玩家的注意力、耐心、专业知识和逻辑思维的考验与锻炼。例如，芝加哥科学与工业博物馆的网站允许游客玩“生存模式”的游戏[19]。该游戏专为青少年设计，专注于研究在极端情况下发生在人体内的主要身体系统的变化过程。游戏玩家不仅克服了许多障碍，还了解了人体的结构。另外，青少年学会使用鼠标和手写笔学习撰写简单的生存搜索等机器人程序。
(四)教育机器人
教育机器人在教学中的应用越来越普遍。一方面，教育机器人可以培养和发展学生的计算思维能力。越来越多的学校正在引进教育机器人作为创新的学习环境，用于提高和建立学生的高层思维能力，作为提高学生学习动机和抽象概念理解的补充工具，帮助学生解决复杂的问题。另一方面，教育机器人具有多学科性质，提供建设性的学习环境，有助于学生更好地理解科学知识，在科学、技术、工程和数学(STEM)教育方面发挥着重要作用。在STEM教学方面，机器人可以协助教师实现工程和技术概念的真实应用，将现实世界中的科学和数学概念进行具体化，有助于消除科学和数学的抽象性。事实上，各种教育机器人的应用推动了科学、技术、工程和数学在教学的改进，机器人固有的灵活性使其在STEM不同教育场景中的应用取得了成功[20]。此外，使用机器人教学有助于增强批参与者的判性思维，促进团队合作，提高沟通交流能力和创新能力。
三、人工智能教育应用的典型特征与发展趋势
人工智能通过知识表示、计算与理解，可以模拟人类教师实现个性化教学；依托于问题空间理论，实现知识和技能的自动化测量与评价；借助于自然语言处理与语音识别技术，解决文本和口语语音的词法分析、语法判别和语义理解；通过教育游戏和教育机器人，以智能增强的方式赋予“寓教于乐”以新的内涵。进一步深入分析人工智能教育应用的典型特征，并把握其未来发展趋势是推动人工智能教育应用的必要条件。
(一)五大典型特征
人工智能在教育应用中的典型特征突出体现在以下五个方面：
1.智能化
智能化是教育信息化的发展趋势之一。海量数据蕴藏着丰富的价值，在知识表示与推理的基础上，构建算法模型，借助于高性能并行运算可以释放这种价值与能量。未来，在教育领域将会有越来越多支持教与学的智能工具，智慧教学将给学习者带来新的学习体验。在线学习环境将与生活场景无缝融合，人机交互更加便捷智能，泛在学习、终身学习将成为一种新常态。
2.自动化
与人相比，人工智能更擅长记忆、基于规则的推理、逻辑运算等程序化的工作，擅长处理目标确定的事务。而对于主观的东西，如果目标不够明确，则较为困难。如数学、物理、计算机等理工科作业，评价标准客观且容易量化，自动化测评程度较高。随着自然语言处理、文本挖掘等技术的进步，短文本类主观题的自动化测评技术将日益成熟并应用于大规模考试中。教师将从繁重的评价活动中解放出来，从而有精力专注于教学。
3.个性化
基于学习者的个人信息、认知特征、学习记录、位置信息、媒体社交信息等数据库，人工智能程序可以自学习并构建学习者模型，并从不断扩大更新的数据集中调整优化模型参数。针对学习者的个性化需求，实现个性化资源、学习路径、学习服务的推送。这种个性化将越来越呈现出客观、量化等特征。
4.多元化
人工智能涉及多个学科领域，未来的教学内容需要适应其发展需要，如美国已经高度重视STEM学科的学习，我国政府高度重视并鼓励高校扩展和加强人工智能专业教育，形成“人工智能+X”创新专业培养模式。从人才培养的角度分析，学校教育应更强调学生多元能力的综合性发展，以人工智能相关基础学科理论为基础，提供基于真实问题情境的项目实践，侧重激发、培养和提高学生的计算思维、创新思维、元认知等能力。
5.协同化
短期来看，人机协同发展是人工智能推动教育智能化发展的一种趋势。从学习科学的角度分析，学习是学习者根据自己已有的知识去主动构建和理解新知识的过程。对于人工智能来说，新知识是它们所无法理解的，所以这种时候学习者就需要教师的协同、协助和协调。因此在智能学习环境中，教师的参与必不可少，人机协同将是人工智能辅助教学的突出特征。
(二)发展趋势
人工智能在教育中的应用特征为推动人工智能与教育的融合创新发展指明了方向。在当前国家大力发展人工智能的政策引领下，不仅要从本质上认识人工智能的核心要素与驱动力，把握其典型应用特征，还要能够顺应其发展趋势。以数据驱动引领教育信息化发展方向，以深化应用推动教育教学模式变革，以融合创新优化教育服务供给方式，将是人工智能教育应用的未来发展趋势，也是人工智能时代教育发展的鲜明任务和重要机遇。
1.以数据驱动引领教育信息化发展方向
人工智能技术在教育领域的深入应用，推动着信息技术与教育的融合创新发展。纵观人工智能在教育领域的应用发展历程，从早期基于规则的知识表示与推理，到今天基于深度学习的自然语言处理、语音识别与图像识别，“智能”的习得已经由早期的专家赋予演变为机器主动学习获取。除了算法模型的显著改进，作为模型的训练数据集，大数据为人工智能添加了十足的动力燃料。大数据智能以数据驱动和认知计算为核心方法，从大数据中发现知识，进而根据知识做出智能决策。数据已经成为产业界争夺的焦点，数据驱动的智能决策与服务已经成为学术界研究的热点。在教育领域，数据可以解释教育现象，也可以揭示教育规律，并能够预测未来趋势。数据驱动的方法推动着教育研究从经验主义走向数据主义和实证主义。因此，教育数据革命已经到来。数据驱动的人工智能将引领教育信息化发展的新方向。
2.以深化应用推动教育教学模式变革
人工智能在教育领域取得如此大的成就，技术引领是关键。同时，不难看出，人工智能在教育领域的应用具有较强的场景性，也就是说，这种应用是针对教育实践活动中的具体问题而展开的，具有明确的问题空间和目标导向。也因此，这种由应用驱动的技术与教育的融合发展，是技术在教育领域中的一种深入应用。如自动化口语测评中，针对具体的语言语音对象，在语音识别技术的基础上，应用语音测评技术实现对学生口语的自动化评价。人工智能技术在教育领域的深化应用，创设了强感知、高交互、泛在的学习环境，为学生的知识建构活动提供了良好条件，为创新型教学模式的发现和运用提供了空间。
3.以融合创新优化教育服务供给方式
人工智能在教育领域中的应用实现了跨学科、跨领域和跨媒体的融合创新。人工智能与神经科学、认知科学、心理学、数学等相关基础学科的交叉融合，联合推动了教育人工智能技术的发展和应用。同时，人工智能本身的发展，离不开人工智能教育和培训。而这种教育更需要建立于STEM学科融合的基础之上。人工智能与教育两者相辅相成，互相促进。跨领域推理融合了多个领域的数据与知识，奠定了强大的智能基础。跨媒体感知计算以智能感知、场景感知、视听觉感知、多媒体自主学习等理论方法为依托，旨在实现超人感知和高动态、高纬度、多模式分布式大场景感知[21]。人工智能技术与教学内容、教学媒体和知识传播路径的多层次融合，突破了传统教育方式的限制，提供跨学科、跨媒体、跨时空的智能教育服务供给，是建设“人人皆学、处处能学、时时可学”学习型社会的有效途径。
基于上述人工智能在教育中的主要应用与典型特征分析，本文提出如图6所示的人工智能与教育融合发展体系。在大数据和深度学习等技术的重要支撑下，人工智能关键技术的突破，推动了人工智能在教育领域中的多样化应用形态，并提供了更智能的学习服务与体验，呈现出智能化、自动化、个性化、多元化和协同化的特征与趋势。在服务监控与治理的保障下，以政策为引领，牢牢把握“应用驱动”的基本原则，进而展开理论和技术研究，是推动人工智能与教育融合创新发展的重要路径。
四、结束语
本文回顾了人工智能的发展历程，揭示了人工智能的三大内部要素与外部驱动力。结合人工智能技术在教育中的四大具体应用形态，深入分析了人工智能教育应用的五大典型特征，并据此指出其未来的发展趋势，最终将上述内容进行归纳总结，构建了人工智能与教育融合创新发展体系，旨在为我国人工智能与教育的融合发展提供理论指导。
人工智能技术正在推动教育信息化的快速发展。然而，在推进人工智能教育应用的过程中，还有很多具体问题值得探讨，亟待解决。如训练人工智能算法模型需要开放教育大数据，但会涉及到个人隐私暴露等信息安全问题；相关技术在教学与考试中的应用，可能需要政策和制度的同步完善；人工智能在提高教学效率和推动教育公平的同时，是否也会造成数字鸿沟的增大；未来的教师和学生、教育研究、教育管理和规划等该如何适应人工智能带来的诸多变革等。面对全球智能化发展趋势及其挑战，教育必须积极主动地调整自身发展，借助现有技术的优势与潜能，实现服务社会经济发展的功能。
参考文献：
[1]贾积有.国外人工智能教育应用最新热点问题探讨[J].中国电化教育,2010,(7):113-118.
[2]闫志明,唐夏夏,秦旋等.教育人工智能(EAI)的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志,2017,35(1):26-35.
[3]余明华,冯翔,祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志,2017,35(3):11-21.
[4]唐烨伟,郭丽婷,解月光,钟绍春.基于教育人工智能支持下的STEM跨学科融合模式研究[J].中国电化教育,2017,(8):46-52.
[5]张剑平,张家华.我国人工智能课程实施的问题与对策[J].中国电化教育,2008,(10):95-98.
[6]吴永和,刘博文,马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志,2017,35(5):27-39.
[7]TheElectronicFrontierFoundation.MeasuringtheProgressofAIResearch[DB/OL].https://www.eff.org/files/AI-progress-metrics.html#Vision,2017-10-15.
[8]李开复,王咏刚.人工智能[M].北京:文化发展出版社,2017.5-25.
[9]FrankChen.AI,DeepLearningandMachineLearning:APrimer[DB/OL].http://a16z.com/2016/06/10/ai-deep-learning-machines,2017-10-15.
[10]HwangGJ,KuoFR,YinPY,etal.AHeuristicAlgorithmforplanningpersonalizedlearningpathsforcontext-awareubiquitouslearning[J].Computers&Education,2010,54(2):404-415.
[11]梁迎丽,梁英豪.基于语音评测的英语口语智能导师系统研究[J].现代教育技术,2012,22(11):82-85.
[12]NkambouR,MizoguchiR,BourdeauJ.AdvancesinIntelligentTutoringSystems[M].Berlin:SpringerHeidelberg,2010.
[13]BoumizaS,BekiarskiA,SouilemD,etal.Developmentofmodelforautomatictutorine-learningenvironmentbasedonstudentreactionsextractionusingfacialrecognition[A].201715thInternationalConferenceonElectricalMachines,DrivesandPowerSystems(ELMA)[C].Sofia:IEEE,2017.488-492.
[14]PetrovicaS,Anohina-NaumecaA,EkenelHK.EmotionRecognitioninAffectiveTutoringSystems:CollectionofGround-truthData[J].ProcediaComputerScience,2017,(104):437-444.
[15]GraesserAC.ConversationswithAutoTutorhelpstudentslearn[J].InternationalJournalofArtificialIntelligenceinEducation,2016,26(1):124-132.
[16]许骏,柳泉波.IT技能测评自动化技术[J].小型微型计算机系统,2001,22(12):1489-1493.
[17]EducationalTestingService.TextEvaluatorCapability[DB/OL].http://www.ets.org/research/topics/as_nlp/educational_applications/,2017-10-15.
[18]BursteinJ.TheE-raterscoringengine:Automatedessayscoringwithnaturallanguageprocessing[A].Mahwah.M.d.shermis&J.c.burstein[C].NJ:LawrenceErlbaumAssociates,2003.113-121.
[19]Chicagomuseumofscience+industry.CodeFred:SurvivalMode[DB/OL].http://www.msichicago.org/experiment/games/code-fred-survival-mode/,2017-10-16.
[20]BenittiFBV,SpolavrN.HowHaveRobotsSupportedSTEMTeaching?[DB/OL].https://www.kukakore.com/robotic-stem-education/,2017-10-15.
[21]PengYX,ZhuWW,ZhaoY,etal.Cross-mediaanalysisandreasoning:advancesanddirections[J].FrontiersofInformationTechnology&ElectronicEngineering,2017,18(1):44-57.
文章来源|文章转自“中国电化教育”微信公众平台，作者系梁迎丽，刘陈，版权归原作者及发布单位所有。
返回搜狐，查看更多
智能+教育：产业现状、热点及发展趋势——2023年中国智能教育产业发展研究
一、引言2020年，是人类历史进程中具有分水岭意义的一年。我国《教育信息化十年发展规划(2011—2020年)》和教育信息化“十三五”规划进入收官之年，同时启动教育信息化中长期发展规划(2021—2035年)和“十四五”规划编制工作。自2017年国务院出台的《新一代人工智能发展规划》强调发展智能教育，2018年教育部发布的《教育信息化2.0行动计划》提出人工智能等技术将深刻改变教育形态，2019年《政府工作报告》又进一步要求拓展“智能+”，为制造业转型升级赋能，包括教育领域在内的产业数字化、智能化升级加快发展。2020年新冠肺炎疫情使全世界措手不及，百年未有之大危机加速百年未有之大变局，新一轮科技革命和产业变革蓄势待发，这也对智能教育市场产生巨大的冲击，整个智能教育产业生态迎来巨大的变革。例如，智能教育产业链条初步形成，日益激烈的市场竞争推动产业集聚现象与企业头部效应愈加显著，关键技术的突破及其与教育场景融合的不断深入，推动在线教育、人工智能教育、个性化教育等加速发展，“智慧教育示范区”建设初显成效等。在此背景下，本研究对2020年我国智能教育产业的发展环境、市场格局现状、区域智能教育应用热点及典型实践案例等进行系统分析，对未来智能教育产业的发展进行预测性研究，以期为推动我国智能教育产业可持续发展提供有益借鉴。
二、智能教育产业环境PEST分析本文采用PEST分析法，从政策环境(Political)、经济环境(Economic)、社会环境(Social)、技术环境(Technological)四个维度系统分析2020年我国智能教育产业的发展环境。总体来说，搭乘“互联网+教育”“智能+教育”“教育新基建”等东风，2020年我国智能教育产业经费投入持续增加、相关行业快速发展、技术研发不断突破、产业发展环境整体向好。具体如图1所示。
图1智能教育产业PEST分析
(一)政策环境(Political)
1.智能教育相关政策相继出台、深入推动2020年，中共中央、国务院和教育部等相继发布了一系列智能教育相关支持政策，从推进智能技术在教育中的创新应用、强化智能教育资源建设与共享、促进学生全面健康发展等方面对智能教育产业的发展作出了部署。如《教育部2020年教育信息化和网络安全工作要点》提出，推动智慧教育创新发展行动，推进“智慧教育示范区”创建工作。《政府工作报告》提出，“加强新型基础设施建设”，《关于组织实施2020年新型基础设施建设工程(宽带网络和5G领域)的通知》明确提出，开展5G+智慧教育应用示范工程，深化5G、大数据、人工智能等信息技术在教育领域的协同创新。《关于加强“三个课堂”应用的指导意见》提出，要综合利用人工智能、云计算、大数据、虚拟现实等技术，不断增强“三个课堂”的智能化、共享性、互动性。《深化新时代教育评价改革总体方案》提出，创新评价工具，充分利用人工智能、大数据等新一代信息技术改进教育教学评价。2.教育财政和税收政策继续利好、有效保障我国财政、税收政策继续利好，为智能教育产业的发展提供了财税政策保障。“十三五”期间，党中央、国务院提出“一个不低于、两个只增不减”要求，即保证国家财政性教育经费支出占国内生产总值的比例一般不低于4%，确保财政一般公共预算教育支出逐年只增不减，确保按在校学生人数平均的一般公共预算教育支出逐年只增不减。《教育信息化十年发展规划(2011—2020年)(征求意见稿)》中提出，各级政府在教育经费中按不低于8%的比例列支教育信息化经费。2020年为支持疫情防控、扩大内需和鼓励科技创新，财政部、税务总局、发展改革委等部门陆续出台了多项减税降费政策。(二)经济环境(Economic)
1.国家宏观经济发展环境稳定向好
2020年，我国经济社会发展主要目标任务已经实现且完成情况好于预期，为智能教育产业的发展创设了稳定的宏观经济环境。据核算，全年国内生产总值达到了101.6万亿元人民币，历史上首次突破100万亿，同比增长2.3%，在全球主要经济体中唯一实现经济正增长[1]。同时，居民人均可支配收入增长幅度大于居民消费价格上涨幅度，我国居民消费能力增强。据统计，2020年全年居民消费价格同比上涨2.5%，其中教育文化和娱乐消费价格同比上涨1.3%;全国居民人均可支配收入达32189元，比上年名义增长4.7%，扣除价格因素，实际增长2.1%[2]。
2.教育、教育信息化投入持续增长
我国对教育的投入持续增加，教育信息化经费投入也同步增长。据财政部统计数据，2020年，全国一般公共预算支出245588亿元，其中教育支出36337亿元，占比14.8%，同比增长4.4%，在公共预算支出主要类型中排名第一[3]。同时，中央加大了对地方教育领域转移支付，城乡义务教育补助经费增长8.3%、支持学前教育发展资金增长11.8%、学生资助补助经费增长9.6%、改善普通高中学校办学条件补助资金增长9.2%[4]。另据统计，2020年的教育信息化经费投入约为3863亿元，同比增长14%[5]。
(三)社会环境(Social)
1.全国教育事业发展有序推进
面对世纪疫情和百年变局交织的复杂形势，我国教育系统迎难而上，各级各类教育有序推进、稳步发展。学前教育发展较快，2020年全国幼儿园同比增长3.73%、在园幼儿同比增长2.21%、幼儿园专任教师同比增长5.44%，均高于全国各级各类学校各项指标的整体增长率;义务教育继续巩固，全国九年义务教育巩固率达95.2%;高中阶段教育普及稳步推进，全国高中阶段毛入学率达91.2%;高等教育规模稳定发展、结构进一步优化，全国高等教育毛入学率达54.4%，进入世界公认的普及化阶段;特殊教育提升计划基本实现，全国特殊教育学校同比增长2.37%、在校生同比增长10.85%、专任教师同比增长6.09%，在校生与专任教师数量在全国各级各类学校中增速最快[6-7]。
2.智能教育相关行业快速发展
2020年，在线教育、软件和信息技术服务、科学研究和技术服务等与智能教育相关的行业发展迅速。首先，相关行业全社会固定资产投资均实现了正增长，且增长速度均高于全年全社会固定资产投资的整体增长速度。据统计，2020年，信息传输、软件和信息技术服务业投资比上年增长18.7%，增速排名所有行业第三位;教育行业投资比上年增长12.3%，增速排名所有行业第五位;科学研究和技术服务业投资比上年增长3.4%，增速排名所有行业第八位[8]。其次，以新技术为引领的现代服务业领域增势较好。据统计，2020年，我国科技型中小企业、高新技术企业的数量突破了20万家[9]。同时，在线教育行业获得良好发展机会，吸引众多机构及资本进入。据统计，2020年，我国在线教育企业新增8.2万家，新增占比在整个教育行业中达17.3%;在线教育行业共披露融资事件89起，融资金额共计约388亿元，同比增长256.8%[10]。
(四)技术环境(Technological)
1.智能教育关键技术发展不断进步
随着教育领域“新基建”的兴起，人工智能、大数据、5G、区块链、VR/AR、云计算等智能教育领域关键技术不断取得突破，有效促进了智能教育产业的发展。在国家知识产权局专利检索专栏，以人工智能、大数据、5G、区块链、VR/AR、云计算、智能教育等关键词检索，2020年，新增的专利数量分别为8664、11095、15718、10922、11382、2883、86个。同时，据Gartner发布的《2020年新兴技术成熟度曲线》《2020年人工智能技术成熟度曲线》《2020年中国ICT技术成熟度曲线》等技术报告统计，与2019年相比，2020年的三大技术成熟度曲线中扩大了对人工智能潜力预测的覆盖面，增加了复合型AI、可生成型AI、负责任的AI、嵌入式AI和AI增强设计等多个类别。对三大技术成熟度曲线中与教育直接相关或可能对教育领域产生重要影响的28项智能技术达成熟期所需年限情况进行进一步提炼与统计，结果如图2所示。
图2智能教育相关技术到达成熟期所需年限情况
2.智能技术应用逐渐深入教育场景核心环节
《教育信息化2.0行动计划》提出“以信息化引领构建以学习者为中心的全新教育生态”。智能技术与教育的融合逐渐深入，正在由外围的管理场景深入到教与学的核心教学环节，逐渐对教育全场景赋能，创造更加个性化、智能化、泛在化的教育环境。从2020年的发展现状来看，目前智能技术与教育场景的融合应用催生了智慧校园、家校互动、智能监考、智能阅卷、智慧课堂、个性化推送等一系列的智能教育相关产品形态。总体上分为三类教育应用场景：一是教育核心场景，包括智能教学、智能学习等教学应用;二是次核心教育场景，包括智能考试、智能评测等考试与评价应用;三是外围教育场景，包括智能管理等管理应用。具体情况如图3所示。
图3智能技术与教育场景的融合情况
三、智能教育市场格局分析随着外部发展环境的利好，2020年众多机构及资本进入智能教育领域，推动智能教育产业的市场规模增长迅速。同时，2020年新冠肺炎疫情加速了智能教育市场的洗牌，引发线下教培企业及一些其他领域的机构入局、互联网巨头加码投入，推动智能教育产业链条初步形成、市场竞争日益激烈。本文选取截至2020年12月底在教育部教育移动互联网应用程序备案管理平台上备案的1899家企业作为总样本，从中剔除76个或已注销，或信息不全，或与智能教育不相关的无效样本后，选取出1823家与智能教育相关的企业作为有效样本，从产业链情况、区域分布情况、注册资本与营收情况、业务布局情况四个方面进行详细分析，2020年智能教育产业的市场格局呈现以下特点。(一)智能教育产业链条初步形成
从产业链来看，2020年中国智能教育产业链条初步形成，整个产业链包括上游的智能教育供应商，中游的智能教育服务商，以及下游的智能教育消费者。上游为中游提供软硬件设施服务、网络服务、智能技术服务以及内容服务，中游为下游提供智能教学、智能学习、智能考试与评价、智能管理、综合解决方案等智能教育服务，下游主体包括G端、B端和C端在内的智能教育消费者。具体如图4所示。图4智能教育产业链
(二)智能教育产业集聚现象明显
智能教育相关企业区域分布呈现出梯队化、集聚化特点。传统一线城市在资本、人力、供应链上具备富集优势，因此企业数量大大超过周边省份，沿海省份的企业数量相较于内地省份也明显更多。样本企业注册地信息统计显示，北京、广东、上海占据了第一梯队，企业数量远超其他地区，占总量的57.48%;浙江、江苏、山东、福建等沿海省份均处于第二梯队，第三梯队中的河南、湖南、重庆、陕西、安徽、河北均为内陆省份。区域经济发展水平不均衡及头部城市的虹吸效应导致企业区域分布数量差距进一步拉大，如北京地区的智能教育相关企业占据了华北地区教育市场份额的大部分，导致周边省份的企业数量更为稀少。而在同一个省内，智能教育企业大多集中于省会城市，省内的头部集聚现象在内陆省份体现得更加明显。如安徽省申请备案的26家公司全部位于合肥市。
(三)智能教育相关企业头部效应显著
在2020年我国智能教育市场的企业竞争格局中，头部效应显著。一方面2020年智能教育相关企业的注册资本呈现“金字塔式”分布，大型企业处于顶部且数量较少，中小微企业构成了智能教育产业的主力军;另一方面位于顶部的少量大型企业的营收额占整体份额的绝大部分。据样本企业营业额统计数据显示，在有效样本的83家上市企业中，排名前三的新东方、好未来、科大讯飞2020年的营收总额合计1472.62亿元，占营收排名前十企业营收总额的比重高达79.65%。
(四)智能教育业务布局逐渐清晰
2020年我国智能教育产业的业务布局逐渐清晰。从产品类型布局来看，辅导培训、管理服务、自主学习是2020年智能教育市场业务布局的主要风口，课程资源更加受到市场青睐，提供智能教育综合解决方案的综合类服务企业开始发力。从教育类型与学段布局来看，K12教育仍是智能教育相关企业业务布局的主要赛道。从用户对象布局来看，企业关注的用户视角正逐步从“以教师为中心”转向“以学生为中心”。以学生为纽带，“教师+学生”构成了课堂教学环境下的用户生态;“学生+家长”构成了家庭教育环境下的用户生态;“学校+教师+学生”构成了学校管理环境下的用户生态;“教师+学生+家长”构成了家校一体化环境下的用户生态。从细分场景布局来看，2020年智能教育相关企业的业务布局开始渗透“教+学”的核心教学场景。此外，企业根据自身体量和市场战略，其对各场景的布局现状呈现出了2种趋势：规模较大、发展成熟的企业力图建设贯穿“教+学+考+评+管”全场景的产品矩阵及服务体系;规模较小、新兴的小微企业往往选择单个场景进行产品设计并切入垂直市场领域。
四、区域智能教育应用热点分析——以首批智慧教育示范区为例①随着“教育新基建”政策的发布和“停课不停学”活动的开展，我国智能教育的应用场景不断拓展，与教育教学的融合不断深化，如“在线教育”“个性化教育(因材施教)”“素质教育”“教育评价”“智慧校园”“智慧课堂”等成为2020年的应用热点。智慧教育示范区是我国区域智能教育应用的集中实践，本文以我国首批智慧教育示范区建设为例，深入分析我国智能教育产业的应用热点与发展轨迹。（①相关材料与数据根据首批智慧教育示范区与培育区的相关发展规划/行动计划/实施方案及官方公开报道资料梳理总结。）(一)首批示范区创建工作启动并全面推进
《教育信息化2.0行动计划》提出实施智慧教育创新发展行动。2019年5月，教育部经过申报、遴选确定并公布了首批8个“智慧教育示范区”创建区域和2个培育区域(以下统一简称“示范区”)。这些区域根据各地的实际情况和特点制定了具体的发展规划、行动计划、实施方案等，推动智慧教育创新发展。经过一年多的创建，首批示范区建设以人工智能、大数据等新一代信息技术为内生变量，采用政府与企业、高校、科研机构合作的方式，合理布局区域教育资源，通过构建智慧学习环境、创新教学模式、建立现代教育制度等实践探索，初步形成了各具特色的示范区建设模式。各示范区的建设目标、主要建设内容以及所运用的核心技术见表1。表1首批智慧教育示范区建设概况(二)普遍重视区域智慧教育顶层框架设计
总体来说，各示范区的建设框架可概括为“1+1+N+N+N”，即“智慧教育示范区=1个智慧教育公共服务平台+1个智慧大数据中心+N个智慧基础设施+N个智慧应用系统+N个智慧学习资源”[11]。但不同示范区的具体建设框架又有所不同。例如，北京东城区提出要打造区域“1+7+N”智慧教育服务体系，即建立1个“数据大脑”，建成7项示范工程，打造N所未来学校;上海市闵行区制定“1+2+5+8”行动方案，即构建“一个平台”，研发“两种助手”，为五类人群提供“五类服务”，最终实现“八大场景的应用”;广东省广州市提出建设“313”智慧教育重点工程，即以“智慧阅读”“教育集群”“AI+创新工程”3项改革推进人才培养模式变革，以1个“教育大数据平台”支撑教育综合治理现代化，以“智慧培训”“智慧评价”“机制创新”3项措施保障智慧教育可持续发展。
(三)建设目标与重点内容凸显区域特色
各示范区的创建发展与当地政治、经济、文化息息相关，建设目标与主要建设内容既有相通之处，又各有特色。从建设目标看，东城区侧重泛在智慧环境构建，闵行区、运城市与武侯区侧重智慧教育征途体系建设，长沙市与青岛市侧重智慧教育生态构筑，武汉市与雄安新区侧重智慧教育管理与决策平台建设，苏州市侧重打造智慧教育城市。从主要建设内容看，各示范区的主要建设内容不同程度地集中在教育环境、教育模式、教育资源、教育评价、教育治理、教育服务、信息素养七个方面[12]。此外，东城区和长沙市关注对“未来学校”发展模式的探索，运城市关注“三个课堂”建设，广州市关注智慧阅读与人工智能课程改革，雄安新区关注职业教育以及智能化科技中心和场馆教育，苏州关注打造“苏州智慧教育总入口”，青岛关注建设“青岛教育e平台”与“教育信息化国际中心港”。
(四)加强人工智能、大数据核心技术应用
各示范区建设过程中，普遍用到的核心技术有人工智能、大数据、云计算、物联网、5G、区块链等技术，部分示范区结合具体建设任务用到了VR、AR、MR、移动互联网等技术。例如广州市为开展智慧阅读工程，除了采用大数据技术记录和分析学生阅读行为，还采用了分级测评技术来判断阅读能力，从而使用个性化推送技术来精准推送阅读内容;苏州市在科学公开课中利用AR技术在沙盘上塑造地理地貌，渲染出五彩斑斓、层峦叠嶂的逼真效果，学生佩戴VR眼镜即可置身于自己打造的虚拟世界中，探索大自然的奥妙;武侯区大力建设中小学人工智能教育基地，利用基地科普展示集控式机器人、交互式机器人、智慧交通系统、混合现实技术(MR)等;运城市积极运用移动互联网技术推进“三个课堂”在广大中小学校的常态化按需应用。
(五)各示范区建设工作取得初步成效
随着示范区创建工作的深入推进，各示范区均取得了一定的建设成效。例如北京市东城区已形成“一生一档”“一师一档”“一校一档”三类教育档案数据，主数据近700万条，接入系统18个;推进22所中小学开展翻转课堂、微课程教学探索，成立10余所中小学校组成的语文双课堂教学实践共同体，开展10余项精准教学诊断分析教学支持服务，引进国家级优质资源、社会教育资源690余万件，积累精品常态同步课程3000余节;与北京理工大学联合共建14个“创新人才培养基地”，达成高校战略合作;稳步推进青少年教育“1+N+8+X”学院制建设，设立1个青少年教育学院总院、8个专业学院、46个课程基地，积累学院课程近500门，覆盖率达到100%。
五、智能教育产业发展展望2020年，我国智能教育产业主动迎接挑战，把握机遇、快速发展，产业生态初步形成。随着智能技术的不断成熟，政府、企业和研究者对于智能教育领域的不断探索，未来产业发展环境将进一步规范，应用场景将进一步深入，产品研发将进一步升级，产品服务将进一步跃进，产业生态将走向协同创新。
(一)政策与市场机制逐渐成熟，引领保障未来产业发展
随着政策出台、技术进步、资本整合等行业推动力的增强，我国智能教育发展环境将逐渐走向成熟，同时，智能教育产业的市场监管力度将进一步强化，政府、学校、社会力量的三方共治机制将逐渐完善，引领、保障智能教育产业规范化发展。2020年，在支持政策连续出台、财政性教育信息化经费继续增加、市场规模与融资规模大幅增长、产业链条初步形成、示范区建设全面推进等种种利好条件下，我国智能教育发展环境将逐渐走向成熟。但同时应当看到，新兴产业的发展不能缺乏监管，尤其是学前教育和K12教育领域，由于涉及未成年人，监管力度将进一步增强，比如《教育部2020年教育信息化和网络安全工作要点》等相关文件出台，对整个产业的教学内容、平台管理、网络及数据安全、儿童青少年健康发展等方面明确了规范要求。
(二)技术与场景结合渐趋深入，呈现个性化、智能化特征
未来，技术将贯穿教、学、考、评、管等教育全场景，并将逐渐切入教育领域[13]，从外围辅助者逐渐转变为内嵌催化剂，个性化、智能化的教育将成为趋势。目前，人工智能、大数据、5G、区块链、VR/AR/MR、云计算、物联网等智能技术不断发展进步，与教育场景的结合渐趋深入。如基于教育大数据平台的学情分析和精准教学;基于人工智能的AI助教、AI学伴;基于物联平台的校园管理系统等，为大规模个性化的教育教学提供了支持条件[14]，驱动着教育结构性的变革创新，开辟着未来教育发展的新境界。同时，教育的个性化和智能化将成为用户的主要需求，能否根据学生特点定制最合适的学习路径规划、个性化推荐教学资源、最大限度发挥学生的学习潜力、助力师生减负增效，将是消费者在选择智能教育产品时一个越来越重要的衡量标准。
(三)内容与服务强化核心竞争，产品将持续优化升级
能否全方位满足用户需求，提供更优质、更全面的内容与服务将成为企业和产品的核心竞争力，从而推动智能教育产品持续优化升级。在“停课不停学”期间，大规模的在线学习需求使得线上教学普及率大幅上升，学校、教师、学生和家长对于智能教育的认知和应用进一步加深。但同时，也暴露出了智能教育市场的一些短板与不足。以K12在线教育领域为例，目前上课互动性不足、教学效果不理想、操作不够简单等是K12教师最关注的问题;电子设备损害视力、教师对学生的监督不到位等是K12家长最在意的问题;容易造成视力损害、作业负担重、个性化不足等是K12学生面临的主要问题。后疫情时代，用户必将对网络、软硬件、内容和服务等方面都提出更高的要求，优质的教育内容与服务将是决定智能教育相关企业能否完成新增用户的留存与转化的关键因素。
(四)线上与线下教育融合加速，OMO将成市场主流模式
线下教育和线上教育的融合将进一步加速，将智能技术手段用于增加师生互动、增强授课效果，通过数据打通促进线上线下教育深度融合的OMO模式将成为我国智能教育产业的主流模式[15]。2020年线下教育市场受到极大冲击，同时线上教育大规模实践中也暴露出大量的问题。无论从线下企业规模化发展困难，线上企业获客成本高、课堂体验有待加强等内部原因，还是人工智能、大数据、5G等智能技术的逐渐成熟与商用以及政府对于构建线上线下教育常态化融合发展机制的鼓励等外部原因，线下教育企业和线上教育企业都具备了充分的理由以及必要的条件进行OMO转型，OMO模式作为一种解决方案逐渐成为业界新常态。
(五)内部与外部融通发展加快，产业生态走向集成创新
伴随着市场范围的进一步拓展和产业生态链的形成，我国智能教育市场的竞争格局将被重塑，新的市场格局将带动智能教育产业链的价值环节重新分配，产业的上、中、下游向内集成、向外贯通的趋势显著，产业生态将走向集成创新。2020年受疫情因素影响，智能教育产业整体渗透率大幅提升，用户量激增。庞大的用户需求以及广阔的市场空间，吸引运营商、线下教培企业等其他领域玩家纷纷入局，互联网巨头加大投入，加速了行业洗牌与市场竞争的升级，头部效应进一步加剧。同时市场下沉式发展趋势明显，区域向三四线城市下沉，学段向小学及学龄前下沉。掌握上游优质供给和终端获客能力、能够提供综合解决方案服务、延长产业链集成发展的企业将占据核心价值点。
更多阅读：科大讯飞：2021智能教育发展蓝皮书（附精华版下载）国双&新东方：2018年中国智能教育发展白皮书（附下载）IGN：2016全球游戏产业现状智能教育机器人电商行业分析K-12报告：2017-2018全球数字学习现状百度热搜高考大数据：2022十大热搜专业出炉，人工智能连续三年热度增幅第一艾瑞疫期产业观察：突破用户增长瓶颈后，是否就是在线教育的春天？热云数据：2019年第一季度在线教育App投放行为洞察报告MobData：K12教育行业研究报告蓝象资本：2018－2022年Edtech教育科技趋势报告（附下载）中国农村教育发展报告2020－20222022年全国研究生招生调查艾瑞咨询：2020年中国移动应用趋势洞察白皮书—在线教育篇（附下载）恩亿科&明略科技：2020教育行业营销数字化转型白皮书（附下载）中国科技成果转化2020年度报告（高等院校与科研院所篇）