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。
罗亮：人工智能驱动思想政治教育创新的时代价值与实践策略
人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人类的生存境遇。习近平总书记指出，要“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”。[1]思想政治教育也要始终瞄准人工智能驱动下社会的变革，致力于培养能与机器人竞争、协作的时代新人。人工智能既是思想政治教育创新的环境约束变量，也是创新进程的驱动性因素。人工智能对思想政治教育创新具有重要的时代价值，也使思想政治教育面临着巨大挑战。
一、人工智能驱动下思想政治教育创新的时代价值
人工智能的发展为思想政治教育带来巨大机遇与挑战。人工智能驱动思想政治教育创新是思想政治教育因事而化、因时而进、因势而新的必然要求，具有重要的时代价值。
1.实现信息技术与思想政治教育融合发展
人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。[2]人工智能是信息技术的最新前沿，人工智能驱动思想政治教育创新能够推动信息技术与思想政治教育融合发展，主要表现为两方面；一方面，在思想政治教育中开启人机协同。人工智能驱动下，人类生活在真实世界和虚拟世界的自然切换与融合中。思想政治教育重在引导教育对象妥善处理人与人、人与社会、人与自我的关系。随着人工智能的广泛应用，机器成为社会生活的重要组成部分，“人机共处、人机共生、人机共治"将成为可能。思想政治教育要顺应这种趋势，以促进人的全面发展为导向，建立人机协同的思想政治教育体系，将人机协同融入教育教学、决策管理、评估等各个方面。另一方面，牢牢占据融合发展中人的主体地位。人工智能不仅是工具，还逐渐成为一种思维与生活方式。无论是当前的弱人工智能阶段，还是未来的强人工智能阶段，都应该是辅助融合而非替代思想政治教育主体地位。人工智能技术强大的数据集成、算力算法容易使人产生路径依赖。思想政治教育主体不仅是技术产品的使用者，还要彰显人的主体地位，成为数据集成、算力算法的掌控者。
2.提升思想政治教育亲和力
人工智能驱动思想政治教育创新，将推动思想政治教育的亲和力进一步提升。一是教育主体亲和力提升。人工智能的应用，可以替代教育主体简单重复、琐屑繁杂的工作内容，如数据统计、信息传达、资料搜集等，解放教育主体，提升其工作效率，让教育主体有更充足的时间和精力来从事面对面的深度交流和创造力的激发等工作。此外，依托人工智能，教育主体对受教育者知识层次、能力水平、情感表现有更深刻精准的洞察，从而开展更具亲和力的教育。二是教育过程亲和力提升。教育过程中，教师“知识权威”的角色终结，人工智能帮助教师成为学生的合作者、支持者、帮助者、引导者，全面支持学生个性化、合作化学习。利用云技术等链接、汇聚、叠加更多专家智慧，创造性运用多种教学资源、方法工具，呈现“最强教育大脑”，突破传统班级授课制的局限，实现师生深度互动。三是教育内容亲和力提升。大数据的收集、检索、储存等技术的进步，使教育内容充盈丰沛，但也造成了受教育者信息检索、知识运用的巨大障碍。通过人工智能算法，实现教育内容自动供给、精准分发和智能推荐，更好地为每一位学习者推荐合适的内容，减少因教育内容筛选产生的心智损耗，真正实现因材施教。四是教育环境亲和力提升。依托人工智能技术智能教学、智能服务、个性化辅导，支持多样化学习需求；基于关键词分析、社会网络分析等可以对思想政治教育全周期进行可视化分析，思想政治教育一体化智能教育环境逐步形成，从而提升了教育环境的亲和力。
3.推动思想政治教育精准化
思想政治教育创新的落脚点在于更好地培养人，要求推动思想政治教育精准化。一是对教育对象精准画像。思想政治教育创新的重要逻辑前提是对教育对象的精准画像，有的放矢，实现“靶向教育”。以往受限于技术，数据采集存在诸多不便，教育对象往往按照专业、年级等大而化之进行分类。而现在通过采集和分析学生党团活动参与、社交媒体使用、专业学习、就业创业、实习实训等行为产生的数据痕迹，可以对学生进行全样本、全过程、跟踪式的全维观照，从情感、态度、兴趣、价值观等多维度进行精准“画像”。二是精准追踪思想与行为。思想政治教育过程的基本范畴是思想与行为调适。人工智能驱动使海量数据的收集与相关性分析，密切追踪思想动态成为可能。以大数据挖掘和把握切入师生思想深处，分析其精微思想动态，使把握师生的思想动态与变化规律，透视师生的思想观念成为可能。同时，微观层面的智能考勤、智能批改、智能图书、智能餐盘、智能门禁，宏观层面的智慧课堂、智慧校园，使精细掌握师生行为动态具有了可能。三是精准透视思想与行为的差距。思想政治教育的成效在于促进思想境界的提升并外化为行为表现。以往通过静态的问卷进行表层的归纳，难以观照到思想与行为之间的差距。人工智能驱动下人们行为和喜好等各类丰沛的数据能够被收集利用，通过大数据收集，不仅能密切追踪师生思想行为轨迹，还能进行系统相关分析，由数据痕迹挖掘隐藏的思想动态，更为立体精准地透视思想与行为的差距。
二、人工智能驱动下思想政治教育创新的态势呈现
1.思想政治教育决策更具科学性
思想政治教育决策是为实现教育目标在多个可行性方案中作出判断并确定选择的过程。人工智能驱动下思想政治教育决策更具科学性。第一，由经验型决策转变为数据型决策。传统的思想政治教育决策方法有：专家研讨法、集体磋商法、经验判断法、系统分析法、试点方法。[3]各种方法的运用依靠的是教育者的个人经验对教育对象的思想行为进行判断以制订决策，而人工智能“利用大数据得以在全面坚实的经验基础上改善其决策的质量”。[4]第二，由封闭型决策转变为开放型决策。传统思想政治教育决策的依据是主体的经验和有限的数据，决策的过程是民主集中，决策的形式往往通过会议，相对封闭。而“人工智能算法可以根据数据信息进一步产生教育决策报告，从而更好地改善学校和地区的教育”。[5]人工智能技术将赋予教育管理信息系统新的功能，对学生、家长、用人单位、政府、社会等多维度的海量数据进行分析，从而助力学校和地区教育决策。第三，由滞后型决策转变为动态型决策。传统思想政治教育决策按照“目标锁定—方案制作—方案选择—实施调适”的决策流程进行，过程较为漫长，相应的数据收集均有时间间隔，方案调整也显滞后。伴随着移动终端的普及和5G技术迅速发展，数据反馈的即时性成为可能，实施过程调适呈现常态化，决策流程更显动态性。
2.思想政治教育管理更显有效性
思想政治教育管理是指对各要素进行有效配置以促成教育目标实现的过程。人工智能驱动下思想政治教育管理更显有效性。第一，管理者获享技术赋能。思想政治教育管理者如机构、组织及教师等得到人工智能技术赋能得以提升管理效率，实现数据共享、协同发力，如学校各级党组织可以通过各类党建及思想动态大数据平台，敏锐把握学生思想动态，确定教育方案。第二，管理对象得到个性关照。针对学生特定的家庭背景、成长环境、兴趣爱好和能力特长，人工智能驱动下，丰富的反馈数据流向教师和管理者。教师和管理者不再仅凭主观判断选择管理方式，大数据分析将协助管理者遴选最有效的甚至是“个性定制”的管理方式。依托人工智能技术赋能，规范管理的严格要求和个性管理的教育方式结合起来，能够使管理对象得到个性关照。第三，管理流程呈现可视化。思想政治教育管理流程包括确立目标、制订计划、完善机制、监督检查、总结激励等系统流程。借助机器参与管理，使管理流程数据化，将以往隐藏在幕后的管理流程变得可视化和清晰化。比如，构建校园安全应急管理智慧平台，贯通学生在校生活、管理、学习各种数据的“最后一公里”，通过对数据的集聚分析，探究各种因素之间的相关性，一旦突发安全事件，及时启动应急管理，并对应急管理流程及时调整。管理流程可视化将极大提升管理的时效度。
3.思想政治教育实施凸显精细化
思想政治教育实施包括思想政治理论课和日常思想政治教育的开展。依托智慧校园建设，借助“智能管理系统”、“一站式智能服务系统”、“个性化教育智能伴学平台”，高校可以打造良好的校内外数据链接以及校内数据闭环，围绕师生成长发展需要，增强供给能力，在思想政治理论课、心理健康教育等领域，提供高颗粒度的精细化服务。第一，思想政治理论课教学精细化。各种人工智能教学工具将助力教师从大量程序性、常规性任务中解放出来。思想政治理论课的学情分析、课堂设计、内容讲授、教学互动、成绩测评、作业批改等环节都将得到更为精细化地实施。教师借助人工智能教学工具，清晰掌握教学对象的知识水平、能力状况、价值倾向，在教学中调整重点难点，更有针对性地开展教学互动，实现定制化、跨学科教学网络视频资源、社会案例资源的在线供给，提升课堂讲授的效率和吸引力。利用VR、AR技术，可穿戴设备，建设虚拟仿真实验室，开展虚拟仿真实践教学。第二，心理健康教育精细化。通过构建学校心理健康教育智慧平台，形成教育教学、实践活动、咨询服务、预防干预的全周期、全流程、智能化的心理健康教育工作格局。通过心理健康智慧平台，分析学生心理测评普查数据，不断提高心理健康素质测评的全员性和科学性，提升心理危机预防干预的有效性。依托智能平台，实现数据流贯通，搭建学校、院系、班级、宿舍四级预警防控智能体系。
4.思想政治教育评估提升实效性
评估是确定思想政治教育实际效果的关键环节，是对于目标是否达成、内容是否合适、方法是否适切、互动是否有效的全方位评判和估量。科学评估有利于受教育者获得感提升，有利于教育者及时调整教育方案，避免教育资源浪费。第一，保障及时性评估。依托计算机视觉、自然语言处理、机器学习等技术，可以构建思想状态预测模型，为及时评估提供保障。基于相关行为数据实时测量情绪动态和心理动态，分析思想状态，从而有针对性地调整思想政治教育方案。依托自适应学习系统、辅学机器人，分析课堂行为、教学数据，对于教师的教学方式、教学语言表达、教学节奏及时进行评估，帮助教师及时调整教学方案，提升教学质量。第二，支持过程性评估。人工智能通过大数据收集，使教育过程数据都得以留存，从而支持过程性评估。过程性评估将评估嵌入学生接受思想政治教育的全过程，需要强大的算力算法支撑和数据收集、储存、筛选能力。智能机器能够“不眠不休”地持续进行数据收集和模型分析，使过程性评估得以实现。通过对学生接受思想政治教育课程、活动前后的思想动态、情绪表征进行相关性分析、可视化对比，开展诊断性、发展性和引导性的评估。第三，推动全面性评估。全员、全过程、全方位育人，需要推动全面评估来牵引带动。以往受限于技术，思想政治教育往往停留于知识层面的评估。依托强大算力支持和算法设计，面向教育对象的全员、全过程、全方位数据留存和痕迹保留，发现全面数据背后的相关性，推动全面性评估。
三、人工智能驱动下思想政治教育创新面临的问题与挑战
思想政治教育创新的本质是通过推进理念思路、内容形式、方法手段创新，培养社会主义建设者和接班人。人工智能驱动下的思想政治教育创新，其本质只能得到加强，而不能被削弱。但人工智能也使思想政治教育创新面临诸多问题和挑战。
1.数字鸿沟
“数字鸿沟”是指因对人工智能技术的拥有、运用程度的差别而造成的信息落差及贫富两极分化的趋势。少部分精英群体掌握人工智能技术，成为资源的垄断者。思想政治教育创新面临数字鸿沟挑战，具体而言包括两方面；第一，应对人工智能带来的教育不公。数字鸿沟会加剧现有的不平等和分歧。边缘化和贫穷人口更有可能被排除在人工智能教育之外，产生一种恶性循环。如何缩小人工智能所带来的日益加剧的数字鸿沟，以促进公平性和全纳性，是教育面临的重大挑战。思想政治教育也应该将全纳和公平作为重要理念，融入人才培养全过程，着眼于普遍提升学生数据素养。通过全体学生数据素养的提升，理解大数据，善于收集分析并运用大数据，遵循大数据使用伦理，应对数字鸿沟挑战。第二，应对“机器换人”带来的就业机会被剥夺。思想政治教育创新应对就业机会被剥夺的问题，根本在于提升抵御机器的能力。未来能被机器取代的能力主要表现为“确定性、完全、静态的、单任务和有限领域”的五种形态，解决“规则十分明确的、定义十分清晰的任务”的能力。[6]人工智能在创新创造、领导能力、同理心、协作和沟通等软技能方面仍然薄弱，涉及非结构化任务的工作对于人工智能来说很难，不容易被替代。思想政治教育需不断提升学生的创新性思维能力、批判性思维能力、沟通合作能力、自我发展和管理能力。
2.隐私侵犯
思想政治教育工作者在利用语音识别、图像识别、人机对话等功能，分析学生家庭经济状况，记录学生学习、生活和行为数据，综合分析学生思想动态，为学生提供个性化教育管理服务的过程中，学生的隐私权有可能被侵犯。思想政治教育创新既要充分利用人工智能技术，又需要积极应对隐私侵犯的挑战。一是牢固树立隐私保护理念。“任何人要在教育规划中应用大数据，取得学生和家长对其教育数据可被分析的信任是至关重要的。”[7]二是推动建立隐私保护制度。加强对人工智能运用于思想政治教育的潜在风险研判，确保人工智能安全、可靠、可控。积极探索人工智能驱动思想政治教育的制度解决方案和治理模式，对于师生大数据的源头抓取、相关分析、实际运用设立严格的规章制度，以保护师生隐私。三是将隐私保护作为思想政治教育考核评价的重要指标。思想政治教育考核评价体系是创新的重要推动力。隐私保护作为考核评价的重要指标，将隐私保护的技术规范、科学举措、实际成效纳入年终考核评价，推动隐私保护的持续改进。
3.刻板效应
当机器越来越智能，对学生思想行为的预测越来越精准，就会反过来形成一种刻板效应；完全依据过往的数据来预测教育对象，而忽视教育对象改变的可能性。刻板效应忽视了教育的塑造、发展功能，完全依赖过去的数据来判断未来生成，以所谓“私人定制”实则只是过往的“自我延伸”而忽视“发展可能”，必然导致一部分人成为人工智能驱动的受害者而非受益者。应对刻板效应的挑战，需要从两方面着力；一方面，谨慎使用过往数据。“对过往数据的永久留存，以及可能不公正决定我们的命运并剥夺我们未来的概率预测。它们将对人的隐私和自由造成深远的影响。”[8]需要谨慎对待过往数据，审慎判断过往信息数据与现在学生思想政治素质的关联。另一方面，限定人工智能技术使用的边界。人工智能技术在思想政治教育中的使用需要严格限定边界。人工智能不能成为记录学生行为习惯，掌握学生全周期活动轨迹和信息，诱导学生形成表演型人格的监控工具。智能评价系统的单一评价需要与教育者的日常观察、谈心谈话等方法紧密结合，强调教育者在学生教育、评价中的作用。
四、人工智能驱动下思想政治教育创新的实践策略
1.强化人工智能发展的价值引领
人工智能不是在脱离人类社会的真空中产生和运行的，而是深深植根于社会现实。主流价值导向是人工智能的“方向盘”，需要不断强化人工智能发展的价值引领。第一，为人工智能从业者进行价值观引领。高校是人工智能技术发展的前沿阵地，高校师生是人工智能从业者(包括开发者、创业者、政策制定者)的主力军。思想政治教育应该面向高校师生，尤其是人工智能相关专业的师生，对他们进行社会主义核心价值观教育。同时要求人工智能应用程序应促进包容和平等，推进全纳性人工智能应用，帮助每个人享有公平、适切且优质的终身学习机会。第二，人工智能驱动思想政治教育创新必须坚持正确的政治方向。人工智能驱动思想政治教育创新过程，需要依据社会主义伦理、法律、政治等主流价值规则确立基本算法，全面落实立德树人根本任务，利用人工智能推动人才培养模式变革，使大学生坚定“四个自信”，防止人工智能发展失去政治方向，使人陷入认识偏执、隐私泄露、信息茧房等问题。第三，人工智能驱动思想政治教育创新要凸显发展性。“人工智能时代，学习或教育本身不是目的，我们真正的目的是让每个人在技术的帮助下，获得最大的自由，体现最大的价值，并从中得到幸福。”[9]人工智能为社会转型带来了新的曙光，相对于其他教育体系来说，思想政治教育体系更需要超前部署、未雨绸缪，通过智慧的教育培养智慧的人，巩固教育者的主体地位，充分发掘生命的内在潜质，在人与机器人共舞的时代充当领舞者。
2.推进思想政治教育与人工智能学科交叉融合
人工智能驱动思想政治教育创新必须遵循学生成长成才规律、智能教育规律，需要跨学科协同探索，推进思想政治教育与人工智能学科交叉融合。一是强化马克思主义理论学科的引领作用。人工智能驱动并未在本质上消解马克思主义理论，相反在看似创新突变的技术背后，更需马克思主义理论澄清智能时代思想政治教育的现象与本质、内容与形式、偶然与必然，推进智能时代思想政治教育学科建设，以学科建设来不断推进智能型人才培养。二是强化思想政治教育学科与人工智能等学科交融渗透。人工智能驱动思想政治教育创新涉及复杂而又庞大的推理和决策系统，既要融合计算机科学和统计学的技术及理论，又要融合教育学、学习科学、心理学、脑科学、认知神经科学等的成果，不断推进“人工智能+思想政治教育”交叉学科的建设。在人工智能学科建设注入人文关怀，就人工智能伦理形成共识，时刻坚持将人工智能造福于人类作为首要原则。在思想政治教育学科建设中，真正推进人工智能技术的运用。人工智能驱动的思想政治教育应围绕人的发展展开探索，而非在技术的绑架下追求教育的“智能化”。
3.提升思想政治教育师资队伍智能素养
人工智能素养主要是指具备理解人工智能的运作方式，并能与人工智能协作的知识、技能、情感、态度、价值观等素养的综合。思想政治教育教师具备人工智能素养，才能了解人工智能如何改善思想政治教育，掌握数据分析技能，善于对数据进行收集、挖掘、分析、处理，并能够批判性地看待人工智能的影响方式，致力于培养学生不被机器取代的能力，提高学生理解、运用人工智能的能力。首先，强化培训培养。学校要不断推进智能校园建设，加大对智能校园软硬件建设的投入，真正重视教师智能素养提升，形成思想政治教育工作者智能素养提升的长效机制。定期举办面向思想政治理论课教师、党务干部、辅导员、班主任、心理健康教育教师等的智能素养提升专题培训班，针对数据驱动、共创分享、人机协同等进行模块化的精细培训，邀请人工智能领域的专家和业务精湛的思想政治教育工作者就智能素养提升进行讲解。鉴于国外智能教育学科较为成熟，还可以鼓励思想政治教育工作者参加海外研修，扩大国际交流，以国际化视野进一步提升智能素养。其次，强化考核评价。以考核评价为牵引，激励教师智能素养提升的主动性。将智能素养提升纳入师资队伍年度考核和职称晋升、职务竞聘环节。对于智能素养较高的教师要进行奖励，选树人机协同的典型。各主管部门及高校要为教师智能素养提升提供科研平台，设立专项课题，鼓励教师开展智能素养提升方面的研究。搭建交流平台，不断提炼教师智能教育经验，形成智能教育的示范案例。再次，鼓励思想政治教育工作者开设人工智能相关课程，在智能思想政治教育领域实现专业化、专家化发展。
4.构建人工智能驱动思想政治教育创新多方协同
思想政治教育创新既涉及思想政治理论课教学全过程，也涉及思想政治工作管理、服务全环节，贯通学校、家庭、社会、政府的各体系。人工智能驱动思想政治教育创新多方协同策略，体现在三方面：第一，学校与学校协同，促成智慧校园数据共享。人工智能驱动思想政治教育创新是基于师生思想行为的信息与痕迹，从中提取有效的内容纳入思想政治教育系统设计。通过智慧校园的数据共享，各学校之间协同，可以在就业创业、心理健康教育、实践育人等领域的课程资源、师资建设、案例积累等方面形成数据共享，产生协同效应。第二，学校与地方协同，与智慧城市建设相衔接。无论是学生的精准资助、志愿服务，还是实践育人的稳步推进，都需要借助智慧城市的数据共享，从而提升思想政治教育的实效。以精准资助为例，要借助智慧城市社会保障和脱贫攻坚数据，形成大学生家庭经济困难指数，从而开展精准资助。通过与智慧城市建设相衔接，思想政治教育的数据支撑、资源整合由校内延伸至校外。第三，学校与人工智能企业相协同，推动智能教育发展。思想政治教育利用人工智能驱动来进行创新，需尊重大学生用户体验。各种智能技术的使用，必然不是标准化、模板化的，而应结合校情来进行智能定制。因此，需要与人工智能企业深度协同，从而将现有商用人工智能技术安全精细化地融入思想政治教育环节中。
参考文献：
[1]习近平向国际人工智能与教育大会致贺信[N].人民日报，2019-05-17.
[2]习近平致信祝贺第三届世界智能大会开幕强调：推动新一代人工智能健康发展更好造福世界各国人民[N].人民日报，2019-05-17.
[3]张耀灿等.现代思想政治教育学[M].北京：人民出版社，2006：434.
[4][7][8][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶.与大数据同行-学习和教育的未来[M].上海：华东师范大学出版社，2015：119，135，71.
[5]任友群，万昆，冯仰存.促进人工智能教育的可持续发展—联合国《教育中的人工智能：可持续发展的挑战和机遇》解读与启示[J].现代远程教育研究，2019(5).
[6]郑勤华，熊潞颖，胡丹妮.任重道远：人工智能教育应用的困境与突破[J].开放教育研究，2019(4).
[9]李开复，王咏刚.人工智能[M].北京：文化发展出版社，2017：290.
作者：罗亮，西南大学校团委副书记、副教授。
（微信扫描分享）
人工智能给未来教育带来深刻变革
当前，在云计算、大数据、物联网、互联网、智能识别、知识管理等新技术新理念快速发展和经济社会需求的双重驱动下，信息技术疾步迈入智能化阶段。国内外高科技公司纷纷布局人工智能、国务院出台《新一代人工智能发展规划》等表明，人工智能发展迎来了新纪元。
因此，当教育信息化基础设施尚在普及完善、“互联网+”和教育尚在互相催化融合时，人工智能作为信息技术的更高发展阶段，毫无疑问会深层次推动教育教学改革与创新发展，进而给未来教育带来机遇和挑战。
一方面，人工智能改变了育人目标。正如机器取代简单的重复体力劳动一样，人工智能将取代简单的重复脑力劳动，司机、翻译、客服、快递员、裁判员等都可能成为消失的职业，传统社会就业体系和职业形态也将因此发生深刻变化。适应和应对这种变化与趋势，教育必须回归人性本质，必须褪去工业社会的功利烙印。当人工智能成为人的记忆外存和思维助手时，学生简单地摄取和掌握知识以获取挣钱谋生技能的育人目标将不再重要。教育应更加侧重培养学生的爱心、同理心、批判性思维、创造力、协作力，帮助学生在新的社会就业体系和人生价值坐标系中准确定位自己。教育目标、教育理念的改变将加速推动培养模式、教材内容、教学方法、评价体系、教育治理乃至整个教育体系的改革创新。
另一方面，人工智能改变了校园环境。未来，校园环境信息化将向更高层次的智慧校园迈进，各种智能感知设备和技术无处不在。校长、教师、学生不知不觉已经镶嵌到有形的校园物理空间和无形的虚拟数据空间中。当学生踏进校园就可以完成签到，离开校园自动告知家人，进入教室多媒体设备已经开启，身体不适发出报警求助，上课开小差收到友情提醒，练习测验后生成学情分析报告……这些都表明，校园物理环境、教室教学环境、网络学习环境已经充分融合，实现了从环境的数据化到数据的环境化、从教学的数据化到数据的教学化、从人格的数据化到数据的人格化转变。校园看上去还是那个校园，却充满了人类的温度和智慧。
人工智能也改变了教师角色。有专家指出，“创意工作者”“人际连接者”和“复杂模式的判断者”这三类人是最不可能被人工智能替代的。教师这一职业同时满足这三类人的特点，因为教师必须适应变化的教学政策和教学环境，面向不同性格特点和需求的学生，处理多样化的教育教学问题。所以，人工智能并不能轻易取代教师这个职业。但在未来，人工智能可以改变教师的角色和作用。教师可以从低附加值的简单重复工作中自我解放，从而更加专注于构建和谐稳固的师生关系和促进学生全面长远发展。教师就不再仅仅是知识的传授者，而是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问。
另外，人工智能对学习范式进行了巨大改变。语音识别和语义分析技术可以用在口语测评，图像识别技术用在作文批改和拍照搜题，人工智能可以让每个孩子拥有自己的智慧学伴，只要用手机拍一下、扫一下、说一下、点一下，就会实现答案解析、打分点评，知识点、考点、难点的自动生成和推送。随着认知科学、脑科学和学习科学的快速发展，人机协同增强智能、群体集成智能成为人工智能发展的新方向。人工智能不仅能从知识关联和群体分层方面分析学生知识掌握情况、推送学习建议，更能从大脑思考方式、个体性格特点、所处环境特征等方面，为每个学生提供个性化、定制化的学习内容、方法，激发学生深层次的学习欲望。
人工智能不断演进，去往何处尚未可知，能否为人类所驾驭亦引发伦理担忧，对未来教育发展提供机遇的同时也带来一系列挑战。从近期来看，尤其要避免过度依赖和隐私泄露，这就需要教育避免过度依赖人工智能。人工智能绝非万能，涉及成人育人的教育领域绝不能盲从。对一道题解法的误判也许只影响一时，但对一个人成长的误判则可能影响一生。教师的高阶脑力活动和教学经验，学生的学习能力和逻辑思维习惯，绝非天生具有，往往需要低阶脑力劳动甚至体力劳动的重复训练和积累。过度依赖人工智能可能导致眼高手低、好高骛远，知其然不知其所以然，从而容易导致师生变相成为人工智能的助手和附庸，教师失去应用的教学能力和职业素养，学生失去独立思考的能力和健全的心智性格。
同时，也要避免疏于师生隐私保护。人工智能的技术基础和前提是海量的数据积累和训练挖掘，师生的社会属性数据和教学行为数据体量越大、维度越丰富、时间跨度越长，人工智能所提供的教学服务就越精确、学习建议就越科学、知识内容就越合理，产生的教育质量和效益就越显著，与之相伴的是师生隐私泄露的风险在急剧增加。人工智能可以为未来教育插上腾飞的翅膀，但绝不能以牺牲师生隐私为代价，必须保证师生对所收集数据的知情权、选择权、访问权、所有权和控制权，必须保证数据安全，防止泄露滥用。
未来已来，对于人工智能，教育不仅要在姿态方面迎接未来、在态度层面正视未来、在认知层面读懂未来，更要抓住机遇，直面挑战，在管理决策、教人育人等实践层面积极构建属于自己的美好未来。（作者系北京教育科学研究院教育信息中心副主任 唐亮）
(责编：韩亚召(实习生)、吴亚雄)分享让更多人看到
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
“人工智能促进未来教育发展：AI新浪潮之下的冷思考与新出发”主题研讨会
01活动背景
以ChatGPT为代表的生成式人工智能已经取得了重大的技术突破，成为研究的前沿焦点之一。越来越强大的生成式AI将为更广泛的应用场景拓展可能性，并改变人机协同关系，对"AI+教育"的理论与实践发展产生了巨大影响。然而，技术的发展也带来了各种风险和挑战，生成式AI在教育应用中同样面临着诸多问题，包括如何提高智能技术与教学实践深度融合的效果，以及如何处理未来教育中的人机协同价值观和伦理安全问题等。
为了探讨人工智能新浪潮下未来教育的发展方向和途径等问题，"人工智能促进未来教育发展：AI新浪潮之下的冷思考与新出发"主题研讨会于2023年6月10日至11日在华东师范大学中北校区科学会堂举行。本次会议以华东师大承担的人工智能促进未来教育发展主题的三个国家社科重大项目为依托，结合来自国内领域专家的权威解读，共同探讨人工智能技术的未来发展及其对教育的影响。
本次会议由华东师范大学教育信息技术学系（上海数字化教育装备工程技术研究中心）、上海师范大学、联合国教科文组织教师教育中心和东方有线网络有限公司联合主办，上海教育报刊总社、人工智能教育研究联盟、中国人工智能学会智能教育技术专业委员会、全球华人计算机教育应用学会协办，中国教育学会中小学信息技术教育专业委员会提供指导，上海联通北区分公司予以支持。
开幕、致辞、年度报告及标准发布
图1荀渊教授主持会议
开幕式由华东师范大学教育学部常务副主任荀渊教授主持。华东师范大学副校长施国跃、上海市教委副主任王浩、教育部科学技术与信息化司信息化处长任昌山分别致辞。开幕环节，与会领导和嘉宾共同见证了《人工智能促进教育发展年度报告》和《中小学学校数字能力规划》的发布。《人工智能促进教育发展年度报告》与《中小学学校数字能力规范》是以三个国家社科重大项目为依托，并作为中国教育学会中小学信息技术教育专业委员会的品牌活动的成果。《年度报告》是关注前沿信息科技对教育发展所产生影响的指数化年度评估报告。本次发布的2022年度报告，聚焦人工智能促进教育发展有效落地的评估，以及智能产品适切服务的评估。《数字能力规范》为学校数字建设提供了重要的参考和操作指导。目前以中国教育学会和教育部信息化标准委员会协同工作小组的方式推进标准的落地。
02活动内容
华东师范大学顾小清教授主持了专题一：人工智能专家说，AGI临近了吗？该环节分别邀请了三个领域的专家，从不同角度阐述和解读人工智能技术的新的发展，是否预示了人工智能技术的新的拐点，大语言模型是怎样的机理，以及对于最前沿的媒体舆论是怎样的冲击。
图2王飞跃教授PPT展示
中科院自动化所王飞跃教授带来的报告主题为《大变革中的数字师生与教育智能：面向终身教育和智业社会的平行学校及其平行管理》。王飞跃教授聚焦于技术对未来教育的影响。他提出未来教育将涉及三类教师的共同协作，即"生物人+数字人+机器人"，以满足新一代教育需求，并探讨智能技术在未来智能产业中的应用。他介绍了DeSci范式（一种去中心化的科学发展范式）和DAOs治理方法（去中心化的自治理念），提供了面向未来智能教育的理论干货。王飞跃教授提出的"平行教育"理念对于进一步发展人机协同和培养创造性人才具有指导性意义。
图3许家金教授解读大语言模型
北京语言大学许家金教授的报告主题为《大语言模型的语言学机理及人工智能教育应用前景》。许家金教授从语言学的角度对大语言模型进行了深入解读，介绍了大模型背后的语言学机理，体现了话语研究对大模型的指导性意义。许教授分享了人机协同能力与方法，并强调通识课程设计时应考虑哪些部分可以通过智能教师实现等。报告分享提供了除计算机和统计学以外的另一种跨学科视角，对于人工智能在教育领域的应用具有重要价值。
图4仲立新社长作报告
上海教育报刊总社仲立新社长带来的报告主题为《人工智能与教育舆论生态建构》。仲立新老师从传播学的角度分享了人工智能的社会防范。介绍了人工智能舆论的认知模式，总结了人工智能在教育舆论热点中的应用及启示，介绍了人工智能与舆论生态建构的相关内容，如生成新内容、内容的选择与控制、创造内容审核等就业岗位。报告强调了人的主体性建构，指出人工智能是为人服务的，是人的价值体现和情感选择的结果，而媒体是人工智能应用的一个重要领域，通过创造这种领域来为未来教育创造社会土壤。
主编面对面
图5主编面对面论坛讨论
吴永和教授主持主持了主编面对面环节。国内教育技术领域核心期刊的资深主编，包括《开放教育研究》徐辉富、《现代远程教育研究》谭明杰、《远程教育杂志》陈媛、《现代教育技术》焦丽珍、《中国远程教育》贾玉超、《华东师范教育评论（英文）》的陈霜叶等主编参与了面对面讨论。
围绕论坛主题，徐辉富主编表示，近半年来大部分文章的关注焦点主要集中在教育数字化转型和ChatGPT两个主题上。他欢迎跨学科视角下关于人工智能与教育相关的文章。谭明杰主编提出建议，未来的研究可以从教育核心主题评价的角度考虑ChatGPT的应用，并重视ChatGPT与教育实践的有效结合。陈媛老师对前两位主编的观点做出回应，并补充表示，在发展机器智能的同时，也不应忽视人的智能发展，要思考二者的有效结合途径。研究者还可以考虑对话式人工智能在各个学段、多个情景下的应用可能性。焦丽珍主编提出两点建议：首先，投稿文章关于ChatGPT的选题呈现逐渐深入的趋势，从表面化应用逐渐转向探讨背后更深层次的机理；其次，受前面专家报告分享的启发，建议研究者可以从跨学科的角度进行创新。贾玉超主编对前面主编们的看法表示赞同，并提出可以从教师教学、学生学习、知识内容和环境创造这四个层次展开更具体和细化的实证研究。陈霜叶主编表示，作为一本英文国际期刊，她提倡更加深层次的写作，欢迎在ChatGPT和大模型领域提供中国声音的论文前来投稿。最后，吴永和教授作总结，他表示通过AGI的深度应用和教育融合，希望能够回答教育数字化转型的重大课题，开辟新赛道、塑造新优势。
6月10日下午的会议议程以专题二“人工智能的新一波发展，促发教育变革哪些新思考？”的研讨开启。闫寒冰教授主持了这个专题。联合国教科文组织中国专家苗逢春教授和中国人工智能学会伦理专委会主任陈小平教授做了专题报告分享，分别讨论了《人类文明角度：数字文明变局中的教育数字化转型》和《大模型到底是什么、意味着什么？》。
图6苗逢春教授分享教育数字化转型政策
苗逢春教授总结了联合国教科文组织在过去20年中引领的教育数字化政策，并提出了教育数字化转型的人文主义价值观：数字人文主义。这一理念包括学会做人、学会学习、学会与人共处、学会做事。同时，他还提出了教育数字化转型的重点战略领域，包括数字基建、数字公共产品、数字素养与数字科创能力，以及数字教育体系与应用创新机制。苗逢春教授的分享着重于从国际层面和人类文明角度推动教育数字化的发展，并提供了一系列冷静而理性的思考。
图7陈小平教授介绍大机制的发展与挑战
陈小平教授首先深入浅出地介绍了大模型的机制，即基于关联度的预测。接着，他辨析了大模型技术中存在的六个幻象，澄清了大模型发展中可能导致的误导性思想，并强调大模型是一种高效集成智能对人类的“降维打击”，但在任何专业领域都未超越人类水平。大模型的发展也带来了一些挑战：首先，大模型引发了新的人工智能伦理治理问题，因为其行为和性能并非完全可控；其次，大模型与人的合作具有双重性：大模型依赖于人类，而人类的行为也是不可控的；最后，大模型显著提升了社会生产效率，但效率驱动模式面临转折点，推动着创新模式和发展模式的转变。
陈向东教授主持了专题三“从人工智能促进教育探索，预见教育变革中的人工智能技术何为”。该专题旨在发现新的技术趋势并把握教育新机遇。本专题邀请到了北京师范大学教授郑永和和华东师范大学教授李政涛进行专题报告分享。郑永和教授的报告题目为《从人工智能引发创新人才需求看教育、科技、人才协同发展》，李政涛教授的报告题目为《ChatGPT对于基础教育之“基础”的颠覆与创新》。
图8陈向东老师主持报告
郑永和教授从科学教育的角度入手，介绍了科学教育的内涵、科学教育的变革，即从少数人的科学向面向全体人的科学转变，以及科学教育的特征等。他进一步提出了加强科学素养和数字素养的同步提升框架，并介绍了数字化实验桌面系统和数字化项目实践案例等。郑教授的分享将理论框架与实践项目深度结合，对于培养同时具备数字素养和科学素养的人才在教育中具有启发性意义。
李政涛教授选择基础教育作为切入点和着陆点，分享了以ChatGPT为代表的新一代生成式人工智能对基础教育的影响。他指出，ChatGPT对基础教育最根本的颠覆在于作为培养对象的人发生变化，人机交互将取代人人交互成为主流的教学方式。此外，基础教育的课程体系、课程标准和课程内容也将被重新构建。李教授的分享对于基础教育未来体系的构建具有重要意义。
陈向东教授对本专题的报告分享进行了总结。他表示，两位教授的分享都从ChatGPT等大模型的应用对未来教育的影响出发，其重要意义在于能够拓展和重构未来教育的合理发展范围。
论坛：三个社科重大课题成果分享
专家论坛聚焦于华东师范大学承担的三个社科重大课题的研究成果，并由华东师范大学教授李锋主持。华东师范大学的顾小清教授、闫寒冰教授、吴永和教授，浙江大学的李艳教授以及华中师范大学的吴砥教授共同参与了讨论。
图9顾小清教授介绍社科重大项目
首先，三个重大项目之一的首席专家顾小清教授对三个社科重大项目进行了简要介绍，包括以三个重大所构建起来的跨学科、跨学校核心研究团队，公开发表的项目成果所展现的相互关联且递进式的研究主题，这些主题都指向"智慧教育"这一总的目标，并对教育实践产生了显著影响。顾小清教授还介绍了三个项目中代表性的研究观点，包括人工智能对知识观念的重塑、人工智能在体验学习中的作用、使用系统动力学方法预测未来生态、面向未成年人的人工智能技术规范等。三个项目目前已累积研究成果130多篇科研论文，300多个研究联盟实验学校，兼具理论与实践影响。
在专家讨论环节，在李锋教授的问题引导下，专家们围绕项目三个项目的研究主题分别进行了分享和深度互动。顾小清教授表示，人工智能最重要的影响是对教育中“知识”观念的重塑。学校所教授的不应该局限于生产产品的知识，而应该把知识生产过程纳入学校教育。李艳教授介绍了她团队在语文和英语教育智能评价方面的实践，并分享了智能作文评价效果和智能写作平台的研究案例。闫寒冰教授表示他们在课题中将教育公平分为三个层面进行研究，目标是实现素养导向的大规模个性化教育。项目中涉及到两个重要关切，即教育公平的实践路径和动态监测。吴永和教授从三个层面分享了他们的研究成果，首先是课题组如何整合高质量资源，其次是如何将理论与实践相结合，既有一定的理论深度又能够解决实际问题。吴砥教授从信息素养的内涵切入，介绍了不同时代中信息素养的重要作用和发展变化，并解释了ChatGPT对信息素养的影响，它对人机交互能力提出了更高要求，并带来了数据泄露、隐私泄露、版权侵犯等风险。
图10闫寒冰教授分享教育公平专题
03总结报告
图11祝智庭教授作总结报告
在研讨会的最后，祝智庭教授发表了题为《“近未来”人机协同教育的新思路》的报告。祝教授提出了人机协同智能和人本人工智能等概念，并提出了前沿性的新见解。他认为技能的实用价值远高于知识，教学设计应该转向学习体验设计，而“技能第一，知识第二”成为新时代高质量教育的新路径。祝教授表示，教师、学生和人工智能技术是相互促进的结构，相较于教师，人工智能对学习者的赋能更为重要。此外，祝教授进一步提出了从知识消费走向知识创造的智能时代教育新范式，并倡导跳出精准教学，增强信息偶遇性，促进创新思维的发展。通过智慧教育引领人机协同教育，祝教授对智慧教育的阐述以及引领教育教学数字化转型的理论和实践框架具有指导性意义。
【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
谈国内外人工智能教育研究现状
谈国内外人工智能教育研究现状时间：2023-04-0700:06:35
摘要：人工智能（ArtificialIntelligence）正以飞快的速度在发展，与此同时也很大影响着教育发展，引领教育迈向“人工智能教育”的新阶段将成为它的使命。通过对比国内外的政策文件以及目前的探究现状，为“人工智能教育”的实际发展提供可操作的路径，进一步建构人工智能新时代背景下的人才培养体系。
关键词：人工智能；人工智能教育；人才培养体系
人工智能（ArtificialIntelligence，简称AI）在很大程度扩充了人类身体和大脑无限的潜能。世界围棋冠军李世石和柯洁连续战败于“阿尔法狗”，这使得新一轮的发展热潮在全球性人工智能界掀起了热浪。这几年，很多知名学者在国内陆续开展了有关方面的探索，如，教育人工智能（EAI），闫志明等提出，这一理论划分了教育人工智能的内涵（闫志明等，2017）；智慧教育时代我国人工智能教育应用的发展路径（马玉慧等，2017）；刘清堂等对智能教学技术的发展与展望进行了研究（刘清堂等，2016）。由此看来，人工智能作为一项崭新的技术，将会使教育迎来“人工智能教育”的新征程。人工智能的探索，在国外的发展历程比国内相对较早，所以比国内的技术要更加稳定成熟。人工智能的绝大一部分研究所涉及到的主要部分，又在人工智能的应用方面占据了各个领域。那么，教育作为不可或缺的一部分，已经深深地被人工智能技术带来的便利性所引导。实际上，人工智能教育现阶段早已应用，人工智能教育任何有可能性的发展我们都必须密切关注，作为一名新时代的高等学校的教育工作者，开拓自己的视野，争取走在时代的前列，就必须密切关注着人工智能教育任何有可能性的发展。
1国内外研究现状对比分析
1.1国内研究现状
一般所说的“人工智能教育”，是人工智能与教育的深度融合与发展（吴永和等，2017）。新时代环境下对于“人工智能教育”的研究正在热火朝天地进行着，这时期产生了非常多的研究成果。现在看来，主要应用的方式为“人工智能+教育”，通过将人工智能应用于教育领域，达到提高教育教学质量的目的。本文将把人工智能教育领域的相关调查研究成果作为基础，通过对其进行关键字词的共词网络图分析，以透视“人工智能教育”的学术内涵。以“中国知网”作为主要的检索方式，将“人工智能教育”作为概念的介入点进行搜索，期刊来源限定为核心期刊和CSSCI，时间区间为2000年—2018年，共得到结果48篇。人工智能和教育的融合有着无限可能性。“人工智能教育”人们关注的更多是教育的应用。随着科学技术的发展，人工智能在网路和远程教育中得到了越来越多的应用。其中，机器学习、智能教育以及图像技术处理是“人工智能教育”的基础组成部件。在此基础上，计算机辅助教学、决策支持系统和智能教育系统也得到了迅猛发展。此外，该模式也将触角伸到“互联网+”教育，情感教育等热门教育方向。信息技术、教育应用和学习过程共同出现的次数较多，与很多关键词联系紧密。这表明信息技术、教育应用和人工智能在同一篇文章中一起大量的存在，这也受到了研究者广泛关注。这从总体上说明了“人工智能教育”的研究重点，因此与之相关的研究也围绕其开展。
1.2国外研究现状
美国白宫科技政策办公室于2016年10月了《为人工智能的未来做好准备》报告。在美国，人工智能目前发展的情况以及未来或许会出现的一些疑问，可能存在的市场潜力这篇报告从以下7个层面进行了分析：（1）在交通运输国民的医疗层面的保障，解决了极端的效率低的问题。在公共事务方面，大大改善了国民的生活水平。（2）联邦政府建议，为了提高服务水平和办公效率，应在政府中广泛使用人工智能技术。（3）保障社会的公共安全对于人工智能的应用是首要需要遵守的条件，完善良好的管理制度以利于更好地监管产品后续的管理。（4）人工智能技术的发展离不开联邦政府的长时间的基础投资和对于从业人员的基础培养，巨大的市场需求对于研究人员以及技术专业的需要，需要政府和学校采取有效的措施来满足。（5）人工智能的应用给人们带来了很多便利，机器的自动化操作让人们解放了双手，但有一些行业和人群会因此受到一些潜在的负面影响。（6）在公平性、安全性与治理方面，人工智能被用来控制现实设备，并使人类开始对安全问题产生关注。（7）全球问题，例如：灾害预防、气候变化等，人工智能可以提供解决的新思路。针对人工智能研发，《国家人工智能研发战略规划》提出：（1）人工智能研究的可持续性发展与投资。（2）人与智能的有效性平衡。（3）人工智能的道德性、法律性的提出以及处理其社会性影响。（4）保证人工智能安全的系统环境。（5）开发用于人工智能训练及测试的共享公共数据集环境。（6）人工智能技术测试根据制定的标准和相关参照。（7）对于人力资源的需求性。
2构建“人工智能教育”人才培养体系
2.1“人工智能教育”的业态趋向
以学习者为主体的教育模式，能够帮助教师定制教育模式、个性化受教育者短期以及远期培养。这样的“人工智能教育”，需要学校、企业、政府之间通力合作才能实现。而学校是“人工智能教育”的主要应用阵地，能够为受教育者提供丰富且内容完善的教学资料、先进的教学理论，同时还能够正确地提出理论指导数据；同时，学校也是企业“人工智能教育”此类产品的主要的应用对象。企业应该依托先进的技术，以教育为导向，研发并提供多样化、个性化的教育产品和服务。并依据学校教育的反馈数据，不断改进产品和服务，使其逐渐迎合教育市场和社会的需求，促进学校“人工智能教育”的发展。政府是推动“人工智能教育”正确发展的导向，一方面要为“人工智能教育”产品和服务制定市场标准与政策，规范市场，另一方面也要为学校“人工智能教育”提供科学的导向与指导意见。
2.2“人工智能教育”知识储备措施
2.2.1推广基础教育中的人工智能活动基础教育目前已经在为“人工智能+教育”的教育路径提供发展的基础环境。现阶段，中小学生是国家未来发展的根基，让其学习相关的知识显得非常重要。这就要求学校和政府作出调整，在中小学时期可以设立与人工智能有关的课程，例如，科学技术课程，或者具有开拓性、探究性的学习课程。其能够使得学生具备一些基础知识，帮助学生能够了解人工智能，提高其对人工智能技术的正确认知。
2.2.2完善高校人工智能学科教育框架高等教育能够在“人工智能教育”理念下，为该领域的发展提供人才保障。高校是“人工智能教育”进行各类研发的主要实验场所，因此，需要改善人工智能学科现有的整体知识架构，不断完善人工智能专业种类，同时专门设计人工智能类课程，随着人工智能理论探索的深入，不断推动人工智能教育的实施。高等院校是各种创新人才的发源地，可在部分高校建立人工智能教育试点，同时可以在试点高校建立以人工智能为主的实验室，大力吸引人工智能学科相关高技术人才，通过这些人才的通力合作，逐步优化人工智能培养的专业知识体系以及学科组成。
2.2.3打造人工智能的高端人才队伍人工智能的发展和技术倚重高端人才，培养具有创新能力和研究精神的专业高技术含量人才至关重要，其是“人工智能教育”能够长远、快速发展的依靠。组建“人工智能教育”高端人才队伍，要坚持培养与引进两手把握。一方面，培育高水平研发团队以及实验室。着重支持和培养具有领导能力的领军人才，加强此类技术的基础研究、细化应用研究等。另一方面，还应该加大高端人才的吸引力度。通过重大研发任务和基地平台建设，实现人工智能国际高端人才和创新队伍精准引进。
3结语
人类处于知识改变命运的时代，各类技术正呈现大融合的状态。人工智能从一定程度上帮助人类进行思考，是人类社会发展的重要助力。而将其应用在教育领域，不仅能够更好地提高学生的学习效率，也可以将教师、学校的管理力度提高一个档次。然而，该技术在教育领域的发展还需要不断地努力才可以。
参考文献：
[1]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(001):26-35.
[2]刘清堂,毛刚,杨琳,etal.智能教学技术的发展与展望[J].中国电化教育,2016(6):15.
[3]吴永和,刘博文,马晓玲.ConstructinganEcosystemof“ArtificialIntelligence+Education”%构筑“人工智能+教育”的生态系统[J].远程教育杂志,2017,35(05):27-39.
作者：缪甜佳单位：南京邮电大学
人工智能与教育教学的关系
人工智能与教育教学的关系时间：2023-05-1520:36:40
摘要:如今是新时代，新时代是科技创新的世纪，在这个世纪中我们的生产方式、生活方式、思想观念都会产生重大性的变化。而随着人工智能的不断进步和人类对其的钻研，人工智能的不断进步必然会对教育行业产生更深远的影响传统的教育理念、教学策略、学习方式也将发生重大的变革。本文就人工智能在教育教学中应用的意义以及弊端做论述。
关键词:教育管理;人工智能
目前，正处于人工发展的最激烈的时期，整个社会都想在这个方面上取得新的成就和突破。
1绪论
各目前，人工智能的发展已经进入到白热化阶段，行各业都在人工智能领域寻求新的发展，智能导师系统(ITS)是一门涉及人工智能(人工智能、AI)、计算机科学、认知科学、教育、心理学和行为科学的综合性学科。其研究的最终目的是对计算机系统承担人类教育的主要责任，即赋予计算机系统一种智能，并在一定程度上取代计算机系统来实现人类教师的最佳教学。其研究意义在于减少教师的教学工作量，提高教学质量，提高对自身认知过程的认识，促进相关学科的发展。这就要求计算机系统具备领域知识、教学知识、理解学生能力和与学生互动的能力。就现在这个阶段来说，机器学习与研究方面的大部分行为活动都大大小小受到了SimenH观点的影响。SimenH观点指出，学习是系统的所有改进，这种改进可以让系统进行相同或类似的工作时完成的更加出色。心J．学习就是以此观点为基础建立起来的。
2人工智能对教育领域产生的影响
人工智能在教育领域的应用虽然没有使教育的本质发生改变，但是它为教育提供了新的教学方式，打破了教育原有的组织顺序，同时也为教学问题提供了更多的解决方案(2)，从而导致教学模式的改革和教育的巨大飞跃。疼痛和学习效果。使教育更加多样化、丰富化，为语文教育提供新的思路。
2．1推动教育资源的开发
随着科学信息技术手段的不断提升，学生接受教育的方式越来越偏于多样化。学生在学习过程中会收到更多学习资源，不同于以往学习资源获取的封闭性，而且学生除了通过在课堂上听教师的讲解来获取知识外，还可以在更加广阔的网络平台上解答自己的疑问。除此之外，人工智能将通过科学先进的智能系统把教师的整个授课过程传输到网络平台上，甚至连教师的教学方法，也可以包含在里面，这样除了学生，也方便让其它教师对优秀教师的授课方法进行学习。人工智能技术为教师展示自我提供了一个安全可靠的平台，有利于教师进行自我完善，从而推动了教学资源的开发与建设。
2．2有利于提升学习的效率
在信息技术不断发展的今天，互联网搜索已经成为了人们获取知识的主要方式，然而不得不承认的是，网络信息的量太大，在搜索时很容易因为关键词不准确而出现检索信息有误或无关信息。但是人工智能技术便可以根据它对检索关键词的理解从海量信息中为用户提供最直接最有效的内容，大大缩短了检索有用信息所需要的时间，实现了检索过程的智能化，提高了检索效率。此外，在学生学习过程中，学生可以根据人工智能技术得到为其“量身制作”的学习方法，同样，教师也可以根据人工智能技术得到最适合自己的教学策略，而且对于学生出现的问题，人工智能也可以提出相应的解决措施，从而提升学生学习的效率。
2．3有利于提升教学质量
人工智能技术在教学方面的应用，让整个教学过程变得便捷、高效。它主要是通过以下几个方面来为教学过程提供便捷:①利用计算机为学生展示大量的图片与文字，为学生提供有用的信息与数据，便于学生学习和掌握;②人工智能的虚拟手段可以帮助教师实现复杂的教学设计，图像识别技术可以帮助教师减轻批改作业的负担，让教师有更多的时间与精力投入到教学中;③语音识别技术可以帮助教师检测学生的外语口语能力，并且纠正学生的错误发音;④教学助手可以在线为学生解疑答惑，让学生不一定非要通过与教师交流才能得到答案，等等。这些内容都是人工智能可以提供的，大大提升了教学效率。
3人工智能对学校教育有更多的补充
我们今天所处的弱人工智能阶段，人工智能产品对学校教育的影响更多是补充。比如音乐领域的Yousician，可以从零开始帮助学习者掌握一门乐器的初级乃至中级技能。但这类产品还无法取代学校教育的地位。当强人工智能教育产品出现的时候，学校教育将开始面临自发的变革。教育资源稀缺的地区、学校，会首先启用人工智能教师，来补充自身的不足。而市场自身的力量会把这些不发脾气、不会疲劳、掌握了全面教育教学能力的人工智能教师带入千家万户。最终人才市场的选择将会逆向推动学历制度的变革。真正的学校教育终结者不是人工智能，而是教育资源分配差异化。这种差异化有宏观上的地域差异，也有微观的学校内部不同班级、不同学科的差异。而人工智能最终将消灭这种差异，让每名学生都可以选择自己喜欢的方向，获得优质的教育服务。
4人工智能运用于教育有一定缺陷
随着各种人工智能产品开始服务于各大领域，很多工作即将被人工智能取代，这是个非常明显的事实。尤其是在，教育行业需教育行业中要大量的人力，当教育可以用人工智能来代替后，老师的就业率会明显降低，教育行业会由人才需要型转为科技需要型行业。总而言之，人工智能在教育行业的应用已经是必然趋势，而且发展迅速，大学很多实验模拟，高中的虚拟体验，3D打印技术的普及，各种管理系统的运用等等，都大大提高了教育教学的效率和效果。所以各教育行业从业人员也需要不断学习，进步才能跟上时代的步伐，更需要创新和突破，才能不被行业淘汰。
参考文献:
［1］曹亚东，严军，曹祖光，等．BRA天然岩沥青的性能及应用研究［J］．上海建设科技，2005(1):53-55．
［2］交通部公路科学研究所．BRA天然岩沥青路用性能研究报告［R］．北京:交通部公路科学研究所，2001．
［3］杜群乐，王庆凯，王国清．BRA岩改性沥青路用性能评价的研究［J］．公路，2005(8):133-135．
［4］傅莉．人工智能在教育中的应用研究［J］．计算机与数字工程．
［5］吴晓如．人工智能在教育行业的三大影响和七大应用［EB/OL］．
作者：赵睿单位：河北省唐山市第二中学
人工智能导论——人工智能学科研究的基本内容及主要研究领域
一、人工智能研究的基本内容
（1）知识表示
人工智能研究的目的是要建立一个能模拟人类智能行为的系统，但知识是一切智能行为的基础，因此首先要研究知识表示方法。只有这样才能把只是存储到计算机中去，供求解现实问题使用。知识表示方法可分为两类：符号表示法（用各种包含具体含义的符号以各种不同的方式和顺序组合起来表示知识的方法）和连接机制表示法（用神经网络表示知识）。
（2）机器感知
所谓机器感知就是使机器（计算机）具有类似于人的感知能力，其中以机器视觉和机器听觉为主。机器感知是机器获取外部信息的基本途径。
（3）机器思维
所谓机器思维是指通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。
（4）机器学习
机器学习就是研究如何使计算机具有类似于人的学习能力，使它能通过学习自动的获取知识。
（5）机器行为
机器行为主要是指计算机的表达能力，即“说”、“写”、“画”等能力。对于智能机器人，它还应具有人的四肢功能，即能走路、能取物、能操作等。
二、人工智能的主要研究领域
目前，随着智能科学和技术的发展和计算机网络技术的广泛应用，人工智能技术应用到越来越多的领域。下面简要介绍几个主要领域：
（1）自动定理证明
自动定理证明是人工智能中最先进行研究并得到成功应用的一个研究领域，同时它也为人工智能的发展起到了重要的推动作用。实际上，除了数学定理证明以外，医疗诊断、信息检索、问题求解等许多非数学领域问题，都可以转化为定理证明问题。
（2）博弈
诸如下棋、打牌、战争等一类竞争性的智能活动称为博弈(gameplaying)。人工智能研究博弈的目的并不是为了让计算机与人进行下棋、打牌之类的游戏，而是通过对博弈的研究来检验某些人工智能技术是否能实现对人类智慧的模拟，促进人工智能技术的深入研究。
（3）模式识别
模式识别（patternrecognition）是一门研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据。模式是对一个物体或者某些其他感兴趣实体定量的或者结构的描述，而模式类是指具有某些共同属性的模式集合。
模式识别方法有统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别等。
（4）机器视觉
机器视觉（machinevision）或者计算机视觉（computervision）是用机器代替人眼进行测量和判断，是模式识别研究的一个重要方面。计算机视觉通常分为低层视觉和高层视觉两类。
（5）自然语言理解
自然语言理解（naturallanguageunderstanding）就是研究如何让计算机理解人类自然语言，是人工智能中十分重要的一个研究领域。它是研究能够实现人与计算机之间用自然语言进行通讯的理论与方法。
（6）智能信息检索
数据库系统是存储大量信息的计算机系统。随着计算机应用的发展，存储的信息量越来越大，研究智能信息检索系统具有重要的理论意义和实际应用价值。智能信息检索系统应具有下述功能：能理解自然语言、具有推理能力、系统拥有一定的常识性知识。
（7）数据挖掘与知识发现
知识发现系统通过各种学习方法，自动处理数据库中大量的原始数据，提炼出具有必然性的、有有意义的知识，从而揭示出蕴涵在这些数据背后的内在联系和本质规律，实现知识的自动获取。知识发现是从数据库中发现知识的全过程，而数据挖掘则是这个全过程的一个特定的、关键的步骤，数据挖掘的目的是从数据库中找出有意义的模式。
（8）专家系统
专家系统是一个智能的计算机程序，运用知识和推理步骤来解决只有专家才能解决的疑难问题，是目前人工智能最活跃、最有成效的一个研究领域。可以这样定义，专家系统是一种具有特定领域内大量知识和经验的程序系统，它应用人工智能技术模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平。
（9）自动程序设计
自动程序设计是将自然语言描述的程序自动转换可执行程序的技术，包括程序综合和程序正确性验证两个方面的内容。
（10）机器人
机器人是指可模拟人类行为的机器。它可分为三代：程序控制机器人（第一代）、自适应机器人（第二代）、智能机器人（第三代）。
（11）组合优化问题
组合优化问题一般是NP完全问题。NP完全问题是指：用目前知道的最好的方法求解，问题求解需要花费的时间（称为问题求解的复杂性）是随问题规模增大以指数关系增长。组合优化问题的求解方法已经应用于生产计划与调度、通信路由调度、交通运输调度等。
（12）人工神经网络
人工神经网络是一个用大量简单处理但愿经广泛连接而组成的人工网络，用来模拟大脑神经系统的结构与功能。
（13）分布式人工智能与多智能体
分布式人工智能（DAI）是分布式计算与人工智能结合的结果。分布式人工智能的研究目标是要建立一种描述自然系统和社会系统的模型。
（14）智能控制
智能控制就是把人工智能技术引入控制领域，建立智能控制系统。
（15）智能仿真
智能仿真就是将人工智能技术引入仿真领域，建立智能仿真系统。
（16）智能CAD
智能CAD就是将人工智能技术引入计算机辅助设计领域，建立智能CAD系统。
（17）智能CAI
智能CAI就是将人工智能技术引入计算机辅助教学领域，简历智能CAI系统即ICAI。
（18）智能管理与智能决策
智能管理就是将人工智能技术引入管理领域，建立智能管理系统，研究如何提高计算机管理系统的智能水平，以及智能管理系统的设计理论、方法和实现方法。智能决策就是将人工智能技术引入决策过程，建立智能决策支持系统。
（19）智能多媒体系统
智能多媒体实际上是人工智能与多媒体技术的有机结合。
（20）智能操作系统
智能操作系统就是将人工智能技术引入计算机的操作系统之中，从质上提高操作系统的性能和效率。
（21）智能计算机系统
智能计算机系统就是人们正在研制的新一代计算机系统，它将全面支持智能应用开发，且自身就具有智能。
（22）智能通信
智能通信就是将人工智能技术引入通信领域，建立智能通信系统，在通信系统的各个层次和环节上实现智能化。
（23）智能网络系统
智能网络系统就是将人工智能技术引入计算机网络系统。
（24）人工生命
人工生命是以计算机为研究工具，模拟自然界的生命现象，生成表现自然生命系统行为特点的仿真系统。
----内容来自于《人工智能导论(第四版)》