2023人工智能教育蓝皮书：现状、挑战与发展建议｜附下载
周丹腾讯青少年人工智能教育负责人
吴朋阳腾讯研究院智慧产业研究中心主任
人工智能作为新一轮科技革命和产业革命的重要驱动力量，正在深刻改变人们的生活、工作和教育学习方式，人工智能技术越来越多地应用在教学管理的各个环节，人工智能课程也逐渐成为中小学阶段的重要教学内容之一。
为贯彻落实《中国教育现代化2035》，更全面地调研我国中小学人工智能课程教学和技术赋能教育的现状，腾讯研究院联合华东师范大学、中国教育科学研究院开展全国人工智能教育现状调研，编写了《2022人工智能教育蓝皮书》，旨在为未来中小学人工智能教育落地提供有效路径参考。
本次蓝皮书面向全国25个省市的中小学校长、教师和学生进行问卷抽样调查，从2021年9月至10月获得有效问卷总计超过19万份，样本量较为充分。蓝皮书从人工智能教育的定义及应用比较、人工智能赋能教育的技术应用情况、人工智能课程的教学设置及师资实践等维度，通过不同地区校长、教师和学生不同视角的比较研究，反映出当下人工智能教育的现状及挑战，并对未来发展给出建设性建议。（文末提供本报告电子版和纸质版的获取方式）
人工智能教育的内涵和关键词
教育学者从不同的视角和层次出发，按照观点内容的指向性，将人工智能教育的内涵分为三大类：第一类是工具，人工智能教育即人工智能赋能教育，主要指向人工智能的应用层面，支持教、学、管、评等教育活动的技术手段，利用智能工具对教育系统各要素进行自动分析，支持规模化教学与个性化学习，加快人才培养模式和教学方法的改革。第二类是内容，人工智能教育即人工智能课程教学，以人工智能为学习内容的教育，包括人工智能知识教育、应用能力教育和情意教育等，是提升个体人工智能素养的泛学科性教育。第三类是工具与内容的组合，将以上两类观点进行整合，实现学习层面与应用层面的统一与融合。
图1人工智能教育的分类
工具：
人工智能赋能教育的重要发现
1.学校信息化智能系统建设仍处于“重硬轻软”阶段。受访学校的信息化硬件设备总体情况较好，并配备了一定数量的智能设备，但是人工智能技术教育应用的相关软件系统还较为欠缺。
图2学校所拥有的人工智能软硬件教育装备情况（N=1423）
图3学校在课堂教学中应用人工智能技术的情况（N=1423）
2.学校管理层愿意推进人工智能教学应用，同时对系统安全诉求强烈。受访校长对人工智能技术在学校管理方面的应用满意度较高，并且愿意继续推进人工智能技术在学校中的进一步应用；学校都愿意通过设立“教学服务团队”、“邀请人工智能专家提供指导”等渠道为人工智能在教育方面的应用提供支持；校长们还认为教师最需要的外部支持是为教师创造在教学中使用人工智能产品的文化氛围、配置成熟的人工智能教学应用产品、增加教师在教学中使用人工智能产品的激励机制。由于人工智能技术在教育应用中可能导致师生的个人信息泄露或被监视等问题，因而校长对搭建校园安全预警防范系统的态度较为强烈。
图4校长对人工智能技术在学校管理应用的满意度情况（N=1423）
3.教师整体认可人工智能教学工具的价值，但也受阻于相关产品的不成熟和系统培训的缺乏。受访教师对人工智能在教学中的应用较为满意，认为在教学中应用人工智能技术可以提高他们的教学自信心，但同时也反映在操作人工智能产品中遇到困难的问题。教师认为最阻碍在教学中有效应用人工智能技术的因素是缺乏成熟的智能产品以及配套的资源与服务，其次是中小学中缺乏对一线教师进行人工智能相关课程的系统培训。
图5教师应用人工智能技术的阻碍因素（N=26806）
4.学生普遍愿意使用人工智能学习工具，希望获得个性化评估与辅导。大部分受访学生都对人工智能教育持有积极的态度，愿意使用人工智能学习工具，并认为使用人工智能技术会促进学习。仅有不到一半的受访学生使用过人工智能学习工具辅助学习，使用过的学生则都能够利用人工智能学习工具自主获取所需要的学习资源，实现学习方式的多样化。
图6学生使用人工智能学习工具的类型（N=54684）
大部分受访学生认为，智能评价系统从不同角度分析学习数据，能精准反映实际学习情况，对学习有很大帮助，并期望智能学习工具能够基于问题给予学生详细的解析思路和过程，在此基础上配备相应的讲解视频，全方位多角度地对学生进行有针对性的辅导。
图7学生期望的智能学习工具（N=46462）
内容：
人工智能课程教学的重要发现
1.政府拨款采购是人工智能课程资源配置的主要方式。受访学校拥有的智能技术硬件设备或软件设施等资源，超过半数以上是通过“政府拨款采购”的方式获取的，这表明在人工智能进入中小学的过程中，政府发挥着重要的作用，为课程资源的配置提供坚实的政策和资金支持。
图8人工智能课程资源获取途径（N=1423）
2.学校管理层普遍积极推进人工智能课程，教师能力培养和课程体系完善是当务之急。对于中小学人工智能课程的发展前景，大多数的受访校长保持积极的态度，认为人工智能课程具有光明的应用前景。超半数的受访学校已经开设或正在筹备人工智能教育教学活动，聚焦人工智能课程的教师培养、课程规划以及硬件设备、设施环境等。
图9人工智能教育教学活动的开展情况（N=1423）
图10学校开展人工智能课程建设的主要工作类型（N=838）
3.人工智能课程的教师数量较少，大部分教师认为自身专业知识和能力一般需要进行系统培训。受访的中小学校中，参与人工智能课程教学活动的教师数量较少，专职讲授人工智能课程的教师寥寥无几，大多数受访教师认为自己对于人工智能专业知识和相关工具的掌握程度一般，且开设的人工智能课程尚处于了解与体验阶段，授课时间频率在1周1课时。
图11教师对人工智能相关知识的掌握情况（N=2159）
图12教师开设人工智能课程的阶段（N=2159）
讲授人工智能课程的教师普遍认为，中小学有必要开展与人工智能教学相关的职前培训，仅有三成左右的教师在高等教育阶段接受过人工智能教学培训，且认为培训课程的难易程度适中。
中小学人工智能课程教材的获取途径主要分为两种：直接采购和自主研发；教材的购买主体一般为学校，而教材的开发主体一般为人工智能课程教师，仍有近三分之一的教师表示其所在学校的人工智能课程并没有配备相应的教材资源。
图13人工智能教材资源的配套情况（N=838）
4.学生学习人工智能课程普遍喜欢课外活动、竞赛等多元化的教学方式。大部分受访的学生对自主探究和小组合作的授课形式表示满意，认为项目式的学习方式有益于教学活动的开展，贴近生活的情境学习可以激发他们的学习兴趣，运用人工智能技术解决问题的方法能够提高他们动手实践和创新思维的能力，希望学习人工智能课程可以走出课堂，参加丰富多元的课外活动或竞赛。
图14学生期待的人工智能课程开展形式（N=105955）
地区发展差异分析
1.东部地区学校的信息化基础设施情况和人工智能设施设备情况都是最好的，而东北地区的人工智能系统情况不够乐观，这将导致地区间差异逐渐拉大，更会影响后续人工智能课程的开设与发展。
图15不同地区学校在课堂教学中应用人工智能技术情况
2.东部地区的校长对于人工智能在教育管理上的应用持有赞同态度的比例最高，而东北、中部、西部地区的认同态度比例明显低于东部地区，中部地区最低。
图16不同地区校长对工智能教育管理应用的赞同比例
3.目前各区域人工智能教师培训内容以人工智能教育的理念和理论为主，其中东部地区人工智能教师的培训内容丰富度最高，其他各方面的占比均高于其他地区。
图17不同地区人工智能教师培训内容
4.根据学生使用人工智能工具类型可看出，东部地区中小学生能够自主寻找网络资源满足自己的学习需求，并根据系统的评价与反馈进行自我反思，其信息化素养较高且利用技术解决现有问题的意识也比较强烈，人工智能工具对西部地区中小学生的学习有着更为明显的促进作用。
图18不同地区学生使用人工智能工具情况
5.大部分区域中开设人工智能课程的学校已经具备相关的配套教材资源，其中教材获取途径以学校自主研发为主。
图19不同地区人工智能教材配套情况
6.在“双减”政策下，各区域均考虑开展人工智能课程的课后托管服务，其中中部地区最为突出。
图20不同地区学校考虑开展人工智能课后托管情况
人工智能教育的未来展望
综观人工智能教育发展现状和主要问题，未来发展可从以下几个方面重点考虑：
一是构建公平而有质量的人工智能教育生态系统。人工智能发展带来了社会全方位的变革，也对教育提前布局人力资本提出前所未有的要求。首先，从国家战略的角度要对人工智能教育进行顶层设计，在国家层面制定宏观的规划与方案，再根据地区的差异因地制宜进行调整。其次，国家要大力投资与人工智能教育相关的研究项目，制定高精尖人才培养政策，建设人工智能精英人才库，为人工智能人才提供实践的大舞台。最后，要树立正确的人工智能价值导向，培养人工智能时代具有社会责任感的中国公民，并高度重视人工智能教育发展可能带来的伦理问题，为构建一个和平、包容、稳定的社会做出贡献。人工智能专业人才的培养，不仅依托智能化资源与内在价值认同等基础条件，也需要社会生态与文化情境的有力支撑。
二是提高教师应用人工智能教育技术的能力。未来的课堂，将由人类教师与人工智能教师共同协作承担教学任务，两者各自发挥优势，各司其职。其一，积极开展跨校际、跨区域的教研活动，利用课堂教学智能分析系统，结合不同地区优秀教研员的点评分析，为研修教师提供精准服务，指导、组织、协助研修教师进行深度学习。其二，组织开展人工智能的相关技能培训，转变教师的教学理念，帮助教师精准掌握人工智能的技术，完善学校教师的激励机制，推动教师积极应用人工智能技术开展教学活动，协同实现个性化教育、公平教育与终身教育,促进人的全面发展。
三是推动学校教育评价改革，完善学生评价机制。响应《深化新时代教育评价改革总体方案》中提出的“改进结果评价、强化过程评价、探索增值评价、健全综合评价”、“提升教育评价的科学性、专业性、客观性”的明确要求，一方面，借助大数据、人工智能等技术，以学生在学习过程中的动态数据为基础，实施学习诊断分析，建立围绕学生成长的数据档案，探索各学段学生学习情况的全过程纵向评价。另一方面，优化教育评价方式和转变评价焦点，定期完成核心评价指标的统计和分析，聚焦学生核心素养发展，构建“五育并举”的学生综合素质评价体系，推动德智体美劳全要素的横向评价落地，构建一条完整的人工智能赋能教育领域的清晰路径。
报告全文提供两种获取方式：
1.希望获得电子版报告的读者，请扫码填写您的邮箱地址和单位信息，我们将及时发送；
2.希望获得纸质版报告的读者，请在留言区留下您对人工智能教育的看法，我们将根据点赞数量，选出10位寄送。
人工智能视域下教师智能教育素养研究: 内涵、挑战与培养策略
王丹
摘 要 ：以人工智能为代表的新一轮科技革命正在不断重塑现有的教育形态，教师作为“教与学”关系中的核心要素，其专业素养也亟待进行适应性调整与升级。教师智能教育素养可视为对原有教师信息 素养的转型升级，强调教育功能与教学法的核心价值以及教师作为“人”不可替代的发展特性。智能时代的教师专业素养是智能化和人性化的统一，可划分为以智能技术为工具、以智能应用为路径、以智能 人才培养为目的三个层次。通过重塑教师角色、激发主体意识，面向学生需求、提升教学效能，增加SEL 维度、注重价值引领等培养策略推进人工智能赋能教师队伍建设。
关键词：人工智能；智能教育；教师智能教育素养；教师教育。
以人工智能为代表的新一轮科技革命正在深刻地改变着人类社会。新形势下人工智能与教育教学的深度融合发展已经成为未来教育的必然趋势。这场新科技革命所引发的社会变革也在不断重塑现有的教育形态，包括知识生产模式、教育服务供给、人才培养观念以及教师的价值定位等。教师作为“教与学”关系中的核心要素，其专业素养也亟待进行适应性调整与升级。为此，党和国家近年来密集出台一系列政策文件，积极推进人工智能赋能教师队伍建设。2018年《中共中央国务院关于全面深化新时代教师队伍建设改革的意见》要求“教师主动适应信息化、人工智能等技术变革，积极有效开展教育教学”。政策文件的出台和技术手段的不断升级为人工智能教育发展提供了重要的外部支持，但发展是内外因共同作用、相互转化的结果，不仅需要信息技术革命的外源性刺激，也需要教师专业素养的内生性发展与之配合，将外部社会需求转化为促进“人工智能+教育”双向融合的内在驱动力，反作用于教学实践与教育理论创新。因此，如何提升与完善智能时代的教师专业素养，如何利用人工智能提高教师教学效能以适应教育生态系统数字化转型的新趋势，成为亟待解决的重要课题。
当前，智能教育发展仍面临着诸多问题与挑战，特别是教师专业素养缺乏明确、系统的培养理念与培养机制，导致了不同教师群体在信息技术应用能力与智能化教学方面仍存在巨大的“数智鸿沟”，一线教师对人工智能及智能教育素养的认识还比较片面，信息素养、数据素养等概念无法满足智能时代人才培养与教师专业发展的新需求，等等。为此，本文从智能教育发展的现实诉求出发，对“教师智能教育素养”的内涵构成进行解读，探索与AI时代智能教育发展相适应的教师专业素养培养路径。
一、人工智能时代教师培养面临的挑战
(一)后疫情时代智能教育发展的现实诉求
世界范围内的新冠疫情推动了智能教育的高速发展，在线课程的规模化与常态化、智能教学环境的普遍应用对教育管理、教师定位、教学设计、家校互动等各教育层面产生了直接的影响。其中，教师信息技术素养不足成为影响教育教学质量最为突出的问题之一。在教学与课程层面，大多数教师仍停留在“信息化”与“智能化”教学的第一层级，即作为工具与手段的技术应用阶段，而对于优化教学活动、提升课堂效能、培养学生问题解决能力、实现个性化学习和精准教学等第二层级教学目标的实现还存在较大差距。党和国家相关政策文件的密集出台显示出我国对发展智能教育的重视以及与国际接轨的愿景，但在具体的教学实践中，尚缺乏明确指示性与可操作性。疫情防控期间出现了部分教师对线上授课、辅导、答疑等活动准备不足，教学资源利用不充分，在线教学内容与形式单一等问题。钟绍春认为，教师自身没有能力独立研究、解决第二层级教学问题的能力，是制约人工智能助推教师队伍建设工作向纵深发展的主要障碍。相较于教育技术发展的前沿性，教师教育则具有相对的独立性与滞后性，“还没有做好充分的准备应对来自人工智能的挑战，还没有在人与机器的关系中重新思考如何培养人类的教师。”因此，加强对智能时代教师专业素养的理论研究、更新认知与技术层面的教师培养理念显得尤为迫切。
(二)知识生产模式以及“教与学”方式的转变
人工智能时代，新理念、新技术、新方法的迭代发展突破了知识生产来源的封闭性，挑战了教师的权威性，深刻地改变了“教与学”的关系。知识生产模式受到人类社会发展水平的影响，经历了从单一学科知识生产(模式I)到多学科应用情境下知识生产(模式II)的现代转型。一些研究者认为，知识生产越来越具备情境性、问题性、跨学科性、实践性等特点。人工智能作为革命性的技术创新，使学科知识生产与技术知识应用的边界日益模糊。智能社会的知识生产模式，其基本特征可以归纳为以应用驱动为导向、体现跨学科和学科融合以及知识生产参与者的多样性和异质性三个方面。学科之间的深度交叉融合、海量数字化教育资源的自由获取、从学术知识到应用知识的需求转变、知识生产机构的多样性与复杂性，决定了未来教育将形成知识集群、创新网络、智能生态体系为一体的多主体、跨学科的知识生产范式，使基于单一学科知识传授的传统教师角色面临严峻的挑战。
同时，智能教育环境下，学生亦成为知识创生的主体，即在知识习得的基础上为满足个性化学习需求通过借助外部技术支持实现对已有知识的改造和创新，改变了以教师为中心的传统课堂。慕课、微课、翻转课堂、混合式教学等教学法的普遍应用使教师从知识的生产者、传授者转变为组织者、辅助者，使教学成为一种以学习者为中心的动态知识建构过程。这种以个性化学习、问题解决、知识应用为导向的教育模式对教师的教学能力和专业素养都提出了更高的要求。
(三)人工智能教育的全球治理对教师专业素养的新需求
教育是人工智能最重要的应用领域之一，也是一项全球共同责任。推进人工智能参与全球教育治理有助于增强学习机会的获取、提高全球范围内教育资源配置的合理性与有效性，加速实现全球教育的可持续发展。当今世界正经历百年未有之大变局，人类发展前景与世界局势均充满不确定性，加之全球疫情对教育产生的深远影响，引发了全球教育治理方式与服务供给模式的变革。从治理的视角来看，推动智能教育可持续发展尤其是人工智能赋能教育的动因，源于推动科技发展与完善全球治理的基本诉求，需将智能教育与国家发展进行价值整合，使其成为推动构建全球教育共同体、实现教育现代化的重要助推力量。如《中国教育现代化2035》指出，中国要积极参与全球教育治理，深度参与国际教育规则、标准、评价体系的研究制定。
当前，如何构建人机协同发展的教育治理新秩序，共同应对人工智能教育产生的风险，缩小区域间的“数智鸿沟”从而促进“人工智能+教育”公平健康发展已经成为全球教育治理要面对的普遍性问题。在宏观层面上，完善智能社会教师教育治理体系、改善教育资源配置失衡现象，很大程度上依赖于教师的专业素养发展水平。在微观层面上，全球教育治理需要每一位教师重塑教育理念，通过职业培训、课程开发、教学质量评估等全方位的教育实践活动不断更新自身的信息技术素养与智能教学应用能力，以胜任人工智能时代的教师角色。
因此，人工智能时代的教师培养应从全球治理的视角出发，彰显时代发展特色、以服务国家重大战略需求为使命，应对人才培养理念的转变，将提升智能教育素养作为教师专业发展的核心目标。
二、教师智能教育素养的内涵解读
2018年《教育部办公厅关于开展人工智能助推教师队伍建设行动试点工作的通知》首次提出“教师智能教育素养”的概念:对教师进行智能教育素养培训，帮助教师把握人工智能技术进展，推动教师积极运用人工智能技术，改进教育教学、创新人才培养模式。对此，北京外国语大学作为唯一试点高校进行了全方位的教育实践，并开展了“全国教师智能教育素养提升论坛暨第二届北京外国语大学─英国开放大学在线教育研修班”等一系列活动。经过三年时间的不断探索，在2021年9月举行的试点工作总结交流会上，与会专家充分肯定了北京外国语大学积极建设教师发展智能实验室、教师智能教育素养提升平台(BFSUTDLDP)等推进行动。在总结试点经验的基础上，教育部启动第二批人工智能助推教师队伍建设行动试点工作，在北京大学等100个单位开展第二批试点，进一步“推进人工智能、大数据、第五代移动通信技术(5G)等新技术与教师队伍建设的融合”，将提升教师智能教育素养作为六项重要任务之一推广到地市和区县，成为“助推教师管理优化、助推教师教育改革、助推教育教学创新、助推教育精准扶贫新路径”。由此可见，人工智能赋能教师队伍建设、提升教师智能教育素养是我国下一阶段教育现代化的重要发展目标之一。
(一)相关概念辨析
自计算机与网络技术普及以来，对获取、处理、理解、评价信息和利用信息技术解决实际问题的能力要求也在不断扩展与升级，衍生出一系列相关概念，如信息素养(InformationLiteracy)、数据素养(DataLiteracy)、媒介素养(MediaLiteracy)、数字胜任力(DigitalCompetence)等，其中以信息素养的使用最为广泛与基础。如2003年我国信息技术课程标准提出“信息素养”是21世纪公民的必备素养，包括学生掌握信息获取、加工、管理的方法，让学生学会在交流和表达过程中解决实际问题等。张建平认为，信息素养反映的是人们搜索、鉴别、筛选、利用信息的处理技能 以及人们对于信息的情感、态度和价值观。另一个使用较广泛的概念是数据素养。威尔玛·基珀(WilmaB.Kippers)等学者将数据素养定义为教育者设定目标、收集、分析和解释数据以及采取教学行动的能力，包括教师在数据的采集、组织和管理、处理和分析、共享与协同创新方面的能力，以及教师在数据的生产、管理和发布过程中的道德与行为规范。从这些概念的界定我们可以清楚地看到，教师专业发展目标遵循着技术—能力—素养的建构路径。这些概念从不同视角和应用情境阐释了近几十年教育发展对于信息通信技术及应用能力的要求，扩展、完善了信息化教育的边界与框架，显示出对“信息素养”的理解与认识伴随着技术发展与社会进步在不断地深化。但这些概念的核心要素与能力目标仍处于同一层面，并未产生质的变化，仍属于前一次教育革命(以互联网为核心的信息技术革命)的理论范畴。
UNESCO曾建议每种新环境都需要一种新的信息素养表述。当前世界处在信息社会向智能社会转型的过程中，智能教育发展对应的是以人工智能技术为核心的新型素养，称之为智能素养，即“胜任智能时代社会生产生活与个体发展的品格和能力，包括与人工智能有关的知识、技能、能力以及伦理态度”。智能素养囊括了上述几种相关素养并在此基础上强调创新思维与应用能力的核心价值，是智能时代未来公民应具备的基本素养。它既包含知识体系与技能体系的要求，如高级认知能力(逻辑推理、信息加工等)、知识应用能力(解决复杂问题、创新意识等)，也包含非智力体系的精神追求与价值观塑造，如社会行为态度(关系建构、协作共享意识等)，其本质内涵是通过智能技术的应用满足社会需求、促进人的全面发展，可以将其视为对信息素养的理论拓展与价值重构。与此相应，这种人才发展目标与培养理念的革新也要求与之相匹配的教师专业能力，原有的教师信息素养概念亟待转型升级。
(二)教师智能教育素养的概念与内涵
基于新一轮科技革命中不断涌现的教育新样态，近年来国家对教师专业素养进行了理论创新，提出了教师智能教育素养的培养需求。这一概念的提出既是面对智能社会信息技术革命与人才需求变化的应然之策，也是从“物”到“人”、从“硬件”到“软件”的一种服务转变。其外在表现是技术升级与资源更新，内在意蕴却是文化转型与观念创生。
人工智能赋能教育的核心价值在于改善学习评价、助力个性化培养，赋能教学、辅助教师工作，改善教育管理、优化教育供给，其最终目的在于培养具备智能素养、全面发展的学生。而以往的“教师信息素养”或“教师数据素养”受到现有认知的框定，更重视教师对技术知识的学习以及将信息与数据转化成可操作的教学实践的能力，如通过教育大数据收集与分析的方式进行成绩监测、教学评估、教学能力诊断等。这种以信息驱动教学的能力培养更偏重于技术层面的应用，而忽视了信息智能技术与教师情绪劳动等其他重要教学环节的融通，容易造成教师教学热情减退、学生学业压力过大、师生沟通交流不畅等负面作用。
作为教师专业能力发展的适应性调整与优化，教师智能教育素养的概念从效能、标准等技术化层面的外部因素延伸到教师的个性发展与价值定位等内在精神范畴。其中“智能”是指新一轮技术革命对于以往信息素养、数据素养的升级迭代；“教育”则是在智能素养的基础上强调教育功能与教学法的核心价值，以教师自身专业发展与人才培养需求为双向目标，突出教师作为“人”在教学优化、师生互动、价值引领等方面不可被技术替代的发展特性。UNESCO2018年更新的《教师ICT能力框架(第3版)》在人工智能技术赋能教育变革的背景下，对标联合国《2030年可持续发展目标》，提出了对教师信息技术应用能力水平的新要求，包括三个层次———知识获取、知识深化和知识创造，以及六个实践层面———理解信息通信技术的教育政策、课程与评估、教育教学、数字技能应用、组织与管理、教师专业学习。该框架指出“教师仅拥有管理数字技术并将其传授给学生的某些技能是不够的，还必须让学生在使用数字技术时能够协作、解决问题并富有创造性”，即在利用人工智能改变教学模式的基础上，重点培养学生利用人工智能与数字技术思考问题、解决问题的能力以及面对人工智能的情感、社交与伦理态度，以促进智能教育的可持续发展与生态体系构建。
综上所述，教师智能教育素养是建立在信息技术发展基础上的多元化、系统化的概念范畴，是教师运用人工智能技术提升教学与管理效能、创新人才培养模式、塑造智能伦理与价值规范、提高学生个性化、智能化学习水平与创新能力的综合性素养。
三、教师智能教育素养的培养策略
教师作为教育教学工作的直接承担者，肩负着知识传播、技能培养与价值观塑造三个重要任务。如何将人工智能更好地融入这三个维度的人才培养，需要重塑教师角色与价值定位，构建教师智能教育素养的培养体系。一般来讲，素养概念指的是为了人们能够成功地生活和形成健全的社会而要求具备的自觉意识和思维习惯。世界经合组织(OECD)提出的核心素养框架围绕着使用工具、自主行动、在社会异质群体中互动三个核心问题提出，进而形成人与工具、人与自己、人与社会三个维度。与之相对应，智能教育素养按照技术—能力—素养的专业发展路径可划分为以智能技术为工具、以智能应用为路径、以智能人才培养为目的三个层次。
(一)工具应用:突出“智技”之要
与过去截然不同的教学场景和课堂环境，要求教师的角色发生相应的转变和重构。教学条件的智能化、教学关系的立体化、教学行为的人机交互性是驱动智能时代教师角色变革的根本立场。人工智能技术正在不断推动教师更新观念、重塑角色、提升素养、增强能力。《新一代人工智能发展规划》将智能教育分为“AI与教育的深度融合(即AI支持的教育)”与“提高对AI的整体认知和应用水平(即学习AI技术的教育)”。“教师智能教育素养”首先要求教师熟悉和掌握人工智能的相关知识和技能，增强人工智能意识，以人工智能技术辅助教学与管理，处理好“人与工具”的关系。
同时，教学实践的复杂性和综合性决定了教师需要具备高度的专业性和自主性，而不仅仅是对教育政策和教学任务的执行。人工智能教育的大背景下，一些涉及教师“情绪劳动”教学环节，因为无法通过量化数据测量而被忽视，在此情形之下，教师的实际角色可能会成为“技术人员”而非自主的专业人员。这种趋势不仅限制了教师的专业精神，而且还可能严重损害学生的学习，因为它削弱了教学，使其只能产生政策所规定的主要结果，而没有充分认识到学生的各种背景、需要和潜力。
因此，在人工智能与教育的深度融合中，仅靠信息、数据驱动教学是不完整的，还需激发教师的主体意识，从教学课堂和教育实践的真实场景出发，以教与学过程中产生的真正需求为导向，而不仅仅局限于对智能技术的被动迎合和工具化操作。除提高自身智能素养外，教师还需提升教学效能，唤醒价值自觉，构建包含智能学习、交互式学习的新型教学模式。
(二)培养路径:重视“学生”之需
与传统教育模式相比，智能教育更强调跨界融合的教育理念与人才培养模式。国家“四新”学科建设(新工科、新文科、新医科、新农科)集中反映了这一趋势———学科、技术、产业、社会的深度融合发展，以及对学生知识应用、问题解决等综合能力的考量。2017年《美国国家教育技术计划》提出“知觉学习模块”(PerceptualLearningModules)，即学生在复杂信息环境中作出快速判断、提取出关键信息的能力，并将创造力放在学习目标的首要位置。在智能教育发展的过程中，随着学生自主创新意识以及人机协作能力的提升，教师日益从“讲台上的圣人”转变成“身边的向导”，学生在解决复杂问题，探索新领域和获得具体技能时仍需要教师相对应的辅导和指导。为此，教师应具备智能时代的“育人能力”———组织与引导学生进行思维创新，创设适应不同学习内容的学习情境，帮助学生进行内外部知识资源整合，使其具备智能学习的意识和能力，最终“建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化”。
智能时代的教师需要在具体的教学情境中进行系统性、智能化教学设计，可由人机协同转化为人类教师、学生、机器人教师的三元交互，通过智能技术手段使各种资源与课堂研讨、教材使用、考试方式、教学评价等环节实现“深度融合”，为学习者提供个性化支持，具体体现在以下四个方面。第一，运用人工智能技术对与学习有关的资源进行重新设计、开发，突破传统教材的局限，创建数字化、开放性的教学资源。教师在获取信息资源过程中要注意对信息进行甄别、评估和整合。第二，运用人工智能技术创设适应不同学习内容的学习情境，对学生学习中的问题进行全方位诊断和精准化测评，实现内容、方法、评价与技术的高度融合。第三，营造现代、和谐、促进学生充分发展的智慧化教学环境，构建师生、人机学习共同体。第四，依托教师、学生、资源、媒体等各种要素，构建信息交换为纽带的对话式互动平台，实现数据信息的交换与共享。
(三)发展目标:把握“教育”之本
通过智能技术驱动教育理念与教育方式的升级转型，需坚持以人为本、以学生为中心、注重全面发展的价值取向，回归教育的本质。“我们需要一种更具有‘未来智慧’的教育视角，在复杂而多变的世界努力培养人的好奇心、启发人的智慧、增进人的自主性和责任感，引导学生积极地、广泛地、有远见地追寻有意义的学习。”
相较于人工智能与机器，人类教师的优势在于体现人类智慧与情感以及作为价值引领者不可替代的发展特性。2019年3月，UNESCO发布《教育中的人工智能:可持续发展的机遇和挑战》工作报告，对教师在智能环境下的价值判断能力、数智认知能力、情感交流与关系建构提出了新要求，以帮助教师为人工智能驱动的教育做好准备。因此，针对科技发展与工具理性可能带来的负面影响，智能时代的教师培养需要构建清晰的人文主义立场与智能伦理道德规范，需要在教师培养中增加社会情感学习(SocialEmotionalLearning，SEL) 维度，其内容包括“获取和应用知识、技能、态度，管理自身的情绪，实现个人和集体目标，建立并维持积极的社会交往意识与人际关系，作出负责任和关心他人的决定等”。国内外多项研究表明，SEL能够减轻教师教学压力、增强职业认同感、创造稳定有效的课堂环境，从而促进教师专业能力发展并有效提升学生的学业成就。在以智能技术为背景的教育环境中，SEL 原有的“人际关系”“个体情绪及行为模式”将扩展至“人机关系”“交互行为模式”的范畴，以提升教师在混合式教学与人机协作中的教学能效，同时通过灵活的教学策略、班级管理、隐性课程等方式对学生的 SEL 水平与状态形成正面影响。
将 SEL融入教师智能教育素养的意义有以下四点。第一，有助于教师认识和处理人工智能时代“人与工具”“人与技术”之间的关系，及时调整自身角色定位并减轻工作中的负面情绪，培养与人工智能的协作共建意识。第二，提升教师的社会情感能力有助于教师感知、理解和调节自我及学生的情绪波动，其亲社会的价值观与行为态度对塑造学生的自我认知与形成智能伦理规范更具正面影响力。第三，有助于教师检测与评估人工智能教育应用的教学效果，通过关注学生的课堂行为与学业情绪及时调整教学方法与教学内容，为个性化、精准化学习提供保障。第四，有助于教师培养跨界融通意识、团队协作意识，增强数据分析与甄别能力，提升智能化教学管理水平，从而促进教师智能教育素养的整体、协调发展。
为此，一方面需要在职前教师教育与职后培训中增强教师对于SEL知识与技能的学习，同时可以利用人工智能、大数据等技术对学生的社会情感能力进行数据评估从而帮助教师完善教育教学。另一方面，教师在教学实践中要做到智能化与人性化的协调发展，增强对学生的价值观教育与人文关怀，重视鲜活的学生生命个体的存在，保障学生隐私与数据信息安全，防止出现“人的空场”。
来源：《中国教育学刊》2022.03
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