人工智能在教育测评领域的应用与研究现状
摘要：在教育领域，在线教育在过去十多年里飞速发展，积累了大量的数据，为人工智能的研究奠定了数据基础，也对人工智能的应用提出了新的需求。本文分析了人工智能在教育领域的主要应用，并对未来的应用和研究方向进行了探讨。
近年来，人工智能在社会生活的各个领域都得到了越来越广泛的应用，如零售行业中分析消费者消费习惯的商业智能、汽车制造中的自动驾驶等。在教育领域，在线教育在过去十多年里飞速发展，积累了大量的数据，为人工智能的研究奠定了数据基础，也对人工智能的应用提出了新的需求。
一、人工智能在教育领域的主要应用
目前，人工智能在教育领域的应用主要包括四类：
第一类是“行为探测”，如考场的作弊监控系统。类似的应用还有前不久新闻里报道的“魔镜系统”，即通过人脸识别，实时探测学生是否在认真听讲。不过，是否应该在课堂教学中运用这样的系统还存在很大争议。
第二类应用被称为“预测模型”，如通过学生学习过程中的行为数据，预测学生是否有高辍学风险，或者预测学生成绩是否及格等。已有的研究主要集中在MOOC领域。学者们使用学生上线时间、观看视频时间、次数、参与讨论情况、作业提交情况等数据，预测学生是否能完成某一课程，从而使教师能及早为有困难的学生提供帮助，提高MOOC的效率。
第三类应用为“学习模型”，如在线的自适应学习系统，即根据学生兴趣、学习能力、知识掌握情况等因素，为学生提供适宜的学习内容。有一些研究试图为学生提供符合其认知模式的学习内容，如为对图像敏感的学生提供以视觉刺激为主的学习资料，但目前研究者们还没有发展出非常成熟的应用。
第四类应用“智能测评”与“学习模型”紧密相关。在自适应学习中，系统需要首先对学生的能力、知识掌握情况等进行测评。智能测评旨在以传统测评无法比拟的效率，完成对学生的测评和诊断任务。
二、人工智能在教育测评中的应用
智能测评包括人工智能在传统测试的各个环节中的应用。教育测评的过程本质上是把某种潜在特质（看不见、摸不着又确实存在的能力、素养或心理特质）用一种科学的方法进行量化，用数值来表示被试在该项特质上的发展水平。传统的测评主要有三个环节：命题、答题和评分。人工智能在这三个环节中的应用即为机器命题、机器答题和自动评分。
1．机器命题
传统命题是由学科专家或专业的命题人员，根据考试的目的，设计试题的过程。命题质量是决定整个测评质量的关键因素，整个试卷在内容上应该是所有需要考评的内容的代表性抽样。试卷难度应当满足测试目的：选拔性考试通常偏难，而达标考核的难度则依据相应标准来确定。
在线学习系统和计算机自适应考试的发展，大大增加了对试题数量的需求。一次传统的纸笔考试可能只需要50题左右，但在自适应考试中，需要给每个考生不同的试题，所需的题目数量就成倍增加。同时，自适应考试和在线学习系统中测试的频次往往较高，因此也需要更多的试题。传统的命题成本较高，耗费时间较久，且存在一定的错误率，而机器命题能大幅节约命题成本，提高命题效率。此外，由于机器命题没有泄露试题的风险，提高了考试安全性。因此，机器命题在过去十多年里得到了较快的发展。
机器命题有两种主要的模式：强理论模型和弱理论模型。所谓强理论模型，是指在比较扎实的认知理论基础上进行命题。比如部分数学题，解题所需要的能力可以分解为问题提炼、数学表达、运算执行等几个部分。通过分析一组类似试题的考生作答数据，测量学专家们可以较为精确地计算出每个步骤的难度以及这个步骤在整个题目中的权重。随后，计算机自动替换题目中的一个或几个元素，生成新题。这样的新题可以在“母题”的基础上进行较多的变化，新的难度也在很大程度上可控。
不过，教育领域的大部分考试都缺少对应的认知理论支撑。因此，机器命题更多使用弱理论模型。具体过程大致如下：命题专家先找出性能好的题目作为母题，再对题目进行非常详细的分析，构成多层次的题目模型，即把题目分解成背景、内容、问题、辅助信息与选项等部分。接下来，专家再确定可以替换的部分。计算机先分析可替换部分的文本难度、问题的难度，再从语料库和数据库中找到合适的内容，进行替换，形成新题。这类新题和母题的相似度很高，难度也基本保持不变。
数学和英语是机器命题应用较多的学科，特别是英语的语法和阅读理解题，已经有一些商业软件可以完成命题。例如，“ItemDistiller”软件主要被用来命以单句为主的语法题，“EAQC（enhancedautomaticquestioncreator）”软件则多用于命阅读理解题。
尽管机器命题能节约成本，提高效率，但也存在一定的局限。首先，命题过程仍然离不开命题专家对母题的选择和分析。其次，机器在设计干扰项时比较死板，只会依据母题的模版生成干扰项，而不会根据题目的特点重新设计。第三，由于开放性问题（如简答题等）的标准答案设计需要另一套设计模型，机器命题目前也较少被用于此类问题。最后，机器命题十分依赖语料库。英语的语料库发展比较快，计算语言学的研究已经完成了对词的难度、词和词之间的距离等的量化，为机器命题奠定了良好的基础。而对其他没有成熟语料库的语言来说，好的机器命题则难以实现。
2．自动评分
这里将要讨论的评分不包括扫描仪读取答题卡，而是指在传统考试中需要由评分员进行打分的开放性问题，如口语考试、简答题、作文题等。评分员打分耗时耗力，机器自动评分可以节约时间和成本，大大提高效率。
自动评分一般包括三个步骤。首先，要把语言或手写的文字转化为电脑可以读取、分析的文本。这一步依赖自然语言处理系统，目前中文也有一些软件可以便捷地完成处理。
第二步，分析文本。常用的分析方法有两种，一种被称为“隐含语义分析”，另一种则是“人工神经网络”。所谓隐含语义分析，是指把被试的回答转换成数字矩阵，计算与标准答案矩阵之间的距离。这种方法多用于简答题。对于较长的回答，如作文，则更多使用人工神经网络。人工神经网络简单说来就是找出本文的特征，如关键词出现的频率、复杂句式出现的频率、连接词的频率等，根据本文的特征来完成打分。让计算机学习已经由专家完成了评分的答案，每一种分值都需要一定数量的案例，从而完成特征的选取。
最后一步就是打分。打分也有两种方法：分类和回归模型。当题目的分值较低时（如可能的得分是0到5分），分类法较为常用。计算机把被试的回答和已经学习过的不同分值的回答进行对比，把回答归入最接近的一组，就完成了打分。当题目的分值较高时（如高考中作文为60分），则多用回归模型，即通过机器学习已经由专家完成打分的大量案例，建立回归模型。新的文本特征作为自变量“X”，通过回归模型，计算出最终得分“Y”。
目前已经有一些成熟的自动评分软件，如“ProjectEssayGrade”，美国ETS开发的“E-Rater”等。新一代的评分软件不仅可以完成评分，还能根据评分模型，给学生提出改进建议。当然，自动评分还存在很多局限。一方面，机器学习的资料是不同专家的评分，本身就存在一定的不一致性，因此，自动评分的结果与人工评分还会有一定的差异。另一方面，自动评分也十分依赖语料库的建设，对于计算语言学没有深入研究的语种，就难以建立比较精准的模型。此外，自动评分在面对“创作型写作”时，往往很难给出准确的判断。
3．机器答题
机器答题可以大大降低试测成本。在题库建设中，所有的新题都需要经过试测，计算其各项性能指标后，才能在实际考试中使用。招募被试进行试测需要花费大量时间和成本。此外，试测过程中，也可能存在考务安全的问题。目前也在大力加快题库建设，但由于保密问题，很难实现在高考这样的高利害考试中使用试测过的试题。机器答题也可以大大降低泄露试题的风险。机器答题的复杂程度更高，目前还没有成熟的、商业化的应用。我国的科大讯飞正在积极研发，日本、欧美也有一些团队在进行研究。
三、人工智能与教育测评的未来研究方向
人工智能在命题、答题和评分中的研究和应用都在不断推进过程中。但不少研究者认为，目前的这些应用没有改变测评的基本内容和形式，只在一定程度上降低了成本、提高了效率。在线学习平台已经积累的数据，应该能够支撑研究者们进行更多的探索，突破原有的测评方式，例如应用学习过程中的行为数据完成测试等。研究者们开创了一个新的领域——“分析测量学”，即通过大数据分析而非传统的考试，对学生进行测评。
墨尔本大学教育学院的研究团队已经进行了初步的探索。他们通过分析学生在一项游戏化学习过程中的1600多个行为数据，对学生的合作问题解决能力、批判性思维能力、创新领导力等几项核心素养进行评估。分析测量学仍然遵循测量学的基本逻辑：首先要建立理论框架；随后在学科和认知理论的基础上，进行新型“命题”，即通过数据挖掘找到高相关的信息，同时通过传统命题的思路赋予这些数据实践意义；随后再通过理论与数据结合的方式，对不同的行为进行评分；最后运用测量学模型估算被试的能力。这种“分析测量”将改变测试的场景、命题和评分方式，给测量领域带来更具深远意义的变革。
人工智能在高效实现个性化学习方面有着无可比拟的优势，未来在教育领域的应用必将更为广泛。但在我们热情迎接人工智能时代的同时，研究者和实践者们仍需保持谨慎。人类认知的拼图还远没有拼完整，因此我们要理智地对待根据已有大数据得出的结论，防止推论过度泛化。此外，如何保护学生、教师和学校的隐私和秘密，合理使用数据，也是急需我们思考和解决的问题。
我们需要怎样的人工智能基础教育
加强人工智能基础教育，是未雨绸缪应对未来社会发展的必然选择和要求。在促进教育高质量发展的过程中，人工智能不仅要被作为“术”，即提供科学知识与核心技术的内容载体和工具方法，更要被作为“道”，提供观念理念与思维认知，助力“实现人的自由”“促进人的全面发展”。
人工智能被视为影响第四次工业革命和教育革命的标志性技术，人工智能基础教育的重要性也已成为社会共识。随着《新一代人工智能发展规划》的颁布，教育部先后提出将有关编程教育纳入中小学生必修课程及高考等政策，并在北京、广州等5个城市进行试点。这被普遍认为有利于推动人工智能在基础教育阶段的发展。
尽管不少学生将编程列入校外学习清单，高中生对信息学奥赛的参与度也大热，但据《开发者技能报告》数据显示，中国学校的编程教育渗透率仅为0.96%，美国和英国则分别为44.8%、9.31%。此外，在资本的驱动和教育竞争焦虑的“哄抬”下，人工智能基础教育出现的一些乱象，不可不察。
比如，人工智能被窄化理解为编程，国家义务教育阶段课程标准付之阙如，专任教师队伍专业化程度较低，课程教材等资源配置质量良莠不齐；学校教育受到校外培训挤压的同时又严重依赖于校外力量，学校教育社团化、小众化、择优化倾向严重；区域差异、城乡差异、校际差异及性别差异较大；教学评价单一化与竞赛功利化并存等问题凸显，等等。人工智能基础教育随着其重要性的提升，愈发呈现工具化、资本化、分层化和功利化倾向，这显然与人工智能基础教育的初心和科技向善的价值理念相违背。
加强人工智能基础教育，是未雨绸缪应对未来社会发展的必然选择和要求。在促进教育高质量发展的过程中，人工智能不仅要被作为“术”，即提供科学知识与核心技术的内容载体和工具方法，更要被作为“道”，提供观念理念与思维认知，助力“实现人的自由”“促进人的全面发展”。
基础教育不同于职业教育和高等教育，不是为了培养受教育者专业的技能、习得精深的知识，而是旨在为儿童打下未来身体发展、人格发展、学力发展和社会发展的基础。科学素质、科学素养已是现代社会的基本素质和必备素养，可以预见的是，面向未来智能社会，计算机科学等必将纳入核心科学的范畴。那么，我们究竟需要怎样的人工智能基础教育？
计算机科学作为一门真正要深入到中小学教育中的科学，被赋予了促进公平的更多责任和期待。从教育对象的全纳性出发，作为计算机科学分支的人工智能，应贯穿从小学到高中的连续学校教育过程。以科学或信息技术课为载体的人工智能教育，不应只是部分学生的“特长”、部分学校的“增光项目”、部分地区的“优先权”，而应是面向所有学生的普及教育、扎根于日常课堂教学中的基本素养和必修学科，注重可教性、可学性与可获得性。越是欠发达地区，越应落实课程的普及化开设和差异化教学，并将其作为促进公平、提高学校吸引力的抓手。
学校教育的知识传授目标之本在于“传道”，之末在于“授业”。知识的增加是一种外显的行为变化，而知识随着技术发展与社会更迭会不断发展和变化，知识的学习也是无法穷尽的。人工智能的发展正在重新定义人类知识和能力的价值，强化对知识机械记忆的教育将越来越没有价值，而学校教育和课本教材的更新速度也远不及科技知识发展的速度。况且学校教育的时间非常有限，知识的传授并不是越多越好，通过知识的学习来培养学生的能力和素养才是内隐的核心。
有必要指出，教中小学生编程，不是为了让他们会背代码、算数学、写程序，人工智能作为学习的内容载体和路径形式，最终的目标应是让学生掌握基本原理、问题解决的思路与方法、培养批判性思维的科学精神及学习兴趣。当前，各级各类的编程类、信息学等竞赛激励过早介入，形成了恶性竞争和拔尖筛选机制，同样扼杀了人工智能基础教育的可能性和公平性。未来，有必要进一步优化竞赛机制和功能。同时，也应通过多种方式的引导，增强人们对人工智能基础教育厚基础、重实践、强思维、求创新这些核心目标的关注和理解。
（作者：王学男，系中国教育科学研究院博士、助理研究员）
《光明日报》（2021年02月03日02版）
(责编：何淼、申亚欣)分享让更多人看到
人工智能教育应用
Q1我不是教育工作者，这门课会不会很专业，只适合相关专业和领域的人？
A1：请不要担心，我们的课程内容不仅面向师范生或中小学教师，只要您愿意学习，想要了解人工智能及其给教育实践带来的巨大变化，您都可以选修我们的课程！
Q2我对这门课程有兴趣，但我没有人工智能相关知识背景，可以选修吗？
A2：您可以跟随我们的课程，一起学习，一起成长！如果有可能的话，您也完全可以将知识融入学习和工作生活中，不断提升自己为迎接智能时代做好充分的准备。相信对您必然会有所帮助！
Q3我是教授相关课程的教师，是否可以采用这门课程开展混合式教学？
A3：欢迎各位教师应用本门MOOC开展混合式教学实践，探索利用MOOC开展高效课堂教学的模式的策略，若您实验成功，不要忘了推荐给其他的老师们，也记得和我们说一下哦。
Q4我该如何学习这门课程？
A4：1）注册中国大学MOOC或爱课程网账号；
2）根据学习流程开展学习；
3）关注课程公告，即可了解课程更新，掌握一手资源！课程公告也会发送到您注册或关联的邮箱哦！这样就不会忘记要学习啦！
Q5我在学习过程中遇到问题了，怎么解决呢？
A5：您可以通过以下几种方式获取帮助：
1）在课程讨论区寻求学习同伴或助教、老师们的帮助；
2）给课程团队发求助邮件，联系邮箱：aiedu2019@163.com；
3）在课程的QQ群中获得帮助：452637011。
Q6电子学习证书如何获得？是否收费？
A6：如果您在规定时间内完成了课程学习，并满足证书获取要求，你可以在课程结束后根据需要进行申请。请在课程结课后七天以内申请电子证书，逾期不候哦。
最后，我们希望与您一起在课程中共同进步，我们会为大家提供优质的教学服务，同时也希望您：
Ø 每周保证3-5小时的学习时间，并积极参与研讨，同伴互评等；
Ø 尊重老师、助教、同学们，不使用网络暴力，不发表不当言论；
Ø 为保证交流畅通，请尽量使用中文沟通；
Ø 不在平台发布违法信息；
Ø 课程资源版权所有，如需引用，请先征得同意，联系方式为课程团队邮箱；
Ø 严禁在互联网上发布课程的测试题答案、作业作品等，尊重课程团队知识版权，尊重同学的知识版权，谢谢配合。
美国如何强力布局人工智能教育
【环球视野】
近年来，以中美为代表的人工智能第一梯队国家和英国、法国、德国、加拿大等人工智能特色发展国家都在国家层面密集发布相关政策规划，布局人工智能产业、研发和教育，抓住人工智能技术带来的发展机遇，以期在不久的未来占据领先位置。
美国智库新美国安全中心去年发布报告提出,美国政府必须制定一个整体而连贯的战略框架来整合各项战略计划，以保持在技术领域的领导地位。《2021年美国创新和竞争法案》更是旗帜鲜明点出人工智能为关键领域，并将其作为美国应对挑战的重点。
强化人工智能教育体系化布局
通过政策和法律扩大人工智能战略布局。近年来，美国联邦政府密集出台国家政策和法案，不断加强布局，逐步深化落实，为人工智能教育提供强力政策和法律保障。
2016年，美国密集发布《为人工智能的未来做好准备》《国家人工智能研究与发展战略计划》和《人工智能、自动化与经济》三份报告。这些报告均由白宫科技政策办公室（OSTP）的国家科技委员会（NSTC）牵头起草，应对人才需求变化、聚焦人工智能重点领域，将人工智能提升到国家战略高度，为人工智能持续发展奠定基础。
为维持美国在人工智能技术上的领导地位，2019年和2020年，美国发布多份人工智能战略文件，加大人工智能布局，加速人工智能发展。2019年2月，特朗普签署《维护美国在人工智能领域的领导地位》行政令，随后发布《美国人工智能倡议》，阐述了增加研究投入、释放人工智能数据和模型等资源、制定人工智能治理标准、构建人才队伍、参与国际合作等五个发展人工智能的重点领域。2019年6月，更新《国家人工智能研究发展战略计划》，不仅优化了2016年的七个重点领域，还增加了第八项重点领域：扩大公私合作伙伴关系，加速人工智能的发展。2019年11月，发布《人工智能伦理道德标准》。2020年，发布《人工智能倡议首年年度报告》，回顾在人工智能方面取得的进展，提出未来人工智能发展的长期愿景。美国国防部2020年发布《人工智能教育战略》，通过引领人工智能、促进人工智能发展、开发人工智能工具、增进人工智能应用、提升劳动力人工智能素养等举措，促进人工智能的开发与应用，培养全球人工智能领军人才，从而保障国家安全，促进经济繁荣以及确保美国人工智能技术在国际上的领先地位。
2021年1月,美国正式颁布《2020年国家人工智能倡议法案》，旨在确保美国在全球AI技术领域保持领先地位，将美国人工智能计划编入法典，保障增加研究投入、获取计算和数据资源、设置技术标准、建立劳动力系统及与盟友展开合作。2021年6月，国会下属的政府问责署（GAO）发布人工智能问责框架，围绕治理、数据、表现和监测这四个互补的主题，并对每个主题涉及的关键实践做法、系列问题和问责程序等进行了阐释，以帮助确保联邦机构和参与人工智能系统设计、开发、部署和持续监测的其他实体负责任地使用人工智能，不仅体现了对人工智能伦理的深切关注，而且为今后人工智能政策和立法确立了原则和方向。
设立专门机构。为了更好地落实人工智能国家战略，2021年1月，根据《2020年国家人工智能倡议法案》以及《2021财年国防授权法案》，美联邦政府成立了专门的国家人工智能倡议办公室，作为未来美国整个创新生态系统的国家人工智能研究和政策的中心，负责监督和实施国家人工智能战略。2021年6月，拜登政府白宫科技政策办公室（OSTP）和国家科学基金会（NSF）宣布成立“国家人工智能研究资源工作组”，研究建立国家人工智能研究资源的可行性，并制订路线图详细说明如何建立和维持这种资源。这个特别工作组由12名来自政府、学术界和私营组织的技术专家组成，将在2022年向国会提交报告，就国家人工智能研究资源的所有权及管理、治理模式、更好地传播高质量政府数据集的机会、安全、隐私、公民权利和自由、维持资源的方案等问题提出对策建议。该工作组在工作过程中，将整合各界专家和利益相关者的力量，跨机构合作，利用云计算资源支持联邦政府资助的人工智能研究和开发。建立国家人工智能研究资源旨在提供一个共享的国家人工智能研究基础设施，为人工智能研究人员和跨学科、跨领域的学生提供可访问的计算资源、高质量数据、教育工具和用户支持，从而使美国所有不同类型的人工智能研究人员都能平等接触资源、民主参与探索促进人工智能的创新想法。该小组还将起草一份创建人工智能研究资源的战略文件，在一定程度上能够让研究人员安全地访问从人口统计到健康状况和驾驶习惯的美国人口的匿名数据储存。在全社会高度重视个人隐私的环境下，美国推出这样一个举措，尽管备受质疑和压力重重，但还是一往无前，可见其重要性和政府的决心。
加大人工智能人才全民化培养力度
组建多元化人工智能人才队伍。美国为了持续领跑全球人工智能发展，确立了多元化、全民化人工智能人才培养目标，全学段覆盖，多途径支持，将专业跨度从人工智能拓展到科学、技术、数学和工程等多学科和跨学科领域，将培养范围从拔尖人才扩大到包括弱势群体在内的各学段学生和成年劳动力在内的全民人工智能技能提升。2019年8月，美国国家科学基金会（NSF）下属计算社区联盟（简称CCC）与人工智能协会联合发布《未来20年美国人工智能研究路线图》，建议对全能型劳动力队伍进行重组和培训，包括开发各级人工智能课程、实施高级人工智能学位招生和人才留存计划，提升少数群体和弱势群体参与度、促进新兴跨学科人工智能领域发展、培训高技能人工智能工程师和技术人员以及劳动力再培训等。在《人工智能倡议首年年度报告》中，将培养人工智能人才作为一项关键政策和行动方针，并提出一系列具体举措，包括：使教育适应未来劳动力的需要。其中，要培养对象包括从技术新手到能够使用人工智能工具的人员，以及在人工智能最前沿领域开拓创新的专家。为了让劳动者做好使用人工智能技术的准备，政府、企业和其他组织机构需要更加关注STEM教育人才领域以及技术学徒、再就业培训，让他们掌握的技能能够更好地适应行业发展需求。
强化STEM人才培养。2017年9月，美国教育部长的总统备忘录强调对STEM教育的重视，计划每年至少投入2亿美元用于促进高质量的计算机科学和STEM教育。2018年12月，白宫公布“北极星计划”——《规划成功路线：美国STEM教育行动方略》，提出美国未来五年STEM教育战略的愿景和目标。其愿景即，所有的美国公民都将终身受益于高质量的STEM教育，而美国将成为全球在STEM领域的国民素养、发明创造和劳动力就业方面的领导者。具体目标包括：一是为STEM教育的普及建立强大的基础；二是增加STEM教育的多样性、公平性和包容性；三是为未来的STEM劳动力做好准备。2020年，美国国家航空航天局投资STEM领域，为美国学生提供学习体验。美国国会拨款1.2亿美元的宇航局STEM参与计划，为学生提供了多种活动，包括直接颁发宇航局实习和研究的奖学金，挑战和比赛，教育资源和教育机会，对为开展研究和开发、能力建设和创造学生学习机会的教育机构提供竞争性奖励等。在宇航局STEM参与办公室（OSTEM）和各中心及职能机构等组织的共同努力下，丰富多样的STEM教育活动和产品吸引着学生积极参与，为培养未来STEM人才，全方位提高STEM素养奠定了坚实基础。《2021年美国创新和竞争法案》以立法形式提出，旨在加大理工科教育投入，推动理工科学员向理工科人力资源转化。该法案提出在国家科学基金会（NSF）设立一个新的“技术与创新局”（DTI），加速技术商业化，加强美国在关键技术方面的领导地位，通过奖学金和研究金发放，推动STEM劳动力培养和发展。
提升全民数字素养。数字素养是人工智能时代的必然要求。美国联邦的一项教育战略计划指出，数字设备和互联网带来的社会变革，要求每个人对这些技术或“数字素养”有基本了解。有效地使用计算机或计算工具进行网站创建、视频编辑、3D打印或操作制造控制系统等活动需要更高水平的技能或“计算素养”。《2021年美国创新和竞争法案》明确规定，将计算科学引入中小学教育。宾夕法尼亚州蒙托尔学区甚至开设了幼儿人工智能编程课程。美国人工智能协会（简称AAAI）和计算机科学教师协会（CSTA）联合发起美国AI4K12计划，提供资源帮助教师向学生教授人工智能知识。美国非营利项目AI-4-All开发了免费在线课程，帮助人们了解人工智能的工作原理，为人工智能领域的弱势群体创造更多机会。美国国家科学基金会为提升教师、学生和家长数字素养，汇编了一系列网络课程和资源，包括帮助学生了解计算科学的课程和工具、青年人与数字媒体互动相关信息、高中和大学计算机科学专业学生所需的资源，以及面向高中生的新闻和课程宣传等。
经费和培训计划向人工智能领域倾斜
持续资助人工智能研究机构。美国国家科学基金会联合农业部、国土安全部、交通部等机构，推动“国家人工智能研究院”项目。该项目在2020年投入1.4亿美元首轮资助了7个人工智能研究所，在2021年又投入2.2亿美元资助11个新成立的国家人工智能研究所，研究所覆盖范围扩大到了美国40个州和哥伦比亚地区。这些研究所聚焦研究基于人工智能的新技术，帮助老年人过上更加独立的生活，享受更高质量的护理；将人工智能转化为更容易获得的“即插即用”技术；通过利用人工智能加强成人在线学习；支持弱势群体从小学到博士后阶段的STEM教育，提高人工智能研究的公平性和代表性。新成立的11个研究所将在未来五年内各自获得约2000万美元的拨款，资助其在人机交互与协作、人工智能优化进步、人工智能和高级网络基础设施、计算机和网络系统中的人工智能、动态系统中的人工智能、人工智能增强学习农业和食品系统中的人工智能创新等领域的研究。
奖学金和培训计划向人工智能领域倾斜。《人工智能倡议法案》规定，机构负责人应在法律允许的范围内，将人工智能作为联邦奖学金和人才服务计划中的优先选择领域，也就是在人才队伍建设中优先考虑人工智能人才，包括优先向高中、大学和研究生群体中掌握人工智能技术的相关人才发放奖学金，实施针对人工智能人才培养的强化教育和培训计划、认可和资助早期职业学院中的人工智能研究人员，执行面向人工智能的服务奖学金计划，支持人工智能教学和人工智能课程开发计划等，通过各种激励措施将人工智能技术纳入现有培训体系中，促进正规教育和非正式培训的个性化和自适应人工智能学习体验。
为确保国家拥有能够推进未来人工智能技术的高技能专家，联邦研发机构正在资助多项针对人工智能研究生和博士后研究的奖学金和奖学金计划，参与的联邦政府机构和研究机构包括国务院、国家航空航天局、国防部、能源部、农业部、退伍军人事务部、国家科学研究基金会、国家标准和技术研究院等。其中，国务院的杰斐逊科学研究员计划，面向具有美国公民身份、拥有美国高等院校终身教职的科学家和工程师，杰斐逊科学研究员在美国国务院或美国国际开发署任职一年，担任外交政策问题的科学技术顾问，利用自己的专业经验提供咨询和教育服务，增进政策官员对复杂尖端科学问题及其对美国外交政策和国际关系可能产生的影响的理解。隶属能源部的费米国家加速器实验室，作为美国最大的高能物理实验室，为在使用高性能计算解决复杂科学和工程问题的领域攻读博士学位的学生提供奖学金。更重要的是，该项目将来自不同的科学和工程学科，但都有兴趣在研究中使用计算机，希望在推进研究的同时对国家产生影响的研究者聚集起来，培养了一个由博士生、校友、能源部实验室工作人员和科学家组成的充满活力的、忠诚的研究共同体。
深化人工智能前沿技术的融合研究
近年来，人工智能和自动化为就业带来巨大冲击。身处人工智能和人类智能逐渐融合的时代，工业4.0颠覆了所有层级所需的各种劳动力技能。人工智能技术和自动化的快速发展不仅生成新的产业和职业，增加创新机会，提高生产率，而且可以将人类从简单重复劳动和危险工作环境中解放出来，从而有更多时间和机会从事更加安全、高效、更具创新性的工作。与之同时，人工智能和自动化也会带来一些问题。随着智能机器在美国工作场所普及，一些日常工作和体力劳动将被机器取代，涉及社会情感、创造力、技术和更高认知技能的工作需求增长，几乎每个人的日常工作性质都可能发生变化。如果不能适应这种变化，劳动者将会面临技能和职业不匹配的问题，被迫转岗或失业，从而导致一系列的社会问题。
为了让劳动者胜任当下和未来的工作，研究人工智能对工作的影响和未来趋势显得尤为关键。尤其是在后疫情时代，疫情加速企业推进应用人工智能和自动化进程。国际劳工组织《2021年世界就业和社会展望趋势报告》中指出，预计2022年全球失业人数将达到2.05亿，大大超过2019年1.87亿的水平，相当于5.7%的失业率。麦肯锡《失业与就业：自动化时代劳动力转变》报告指出，在对46个国家的预测显示，到2030年，几乎三分之一的工作活动可能会被取代。其中，受较高工资率的影响，发达经济体比发展中国家更容易受到自动化的影响。研究认为，不同国家和不同岗位受到的冲击有显著差别，越是发达国家，人工成本高，越有动力率先采用机器人，因而其劳动力被机器人取代的程度会更快更高。到2030年，被机器人取代的劳动力比率美国高达23%，中国为16%，全球平均为15%。
为了更好地应对不断变换的工作和工作环境，美国国家科学基金会将人类-技术前沿未来工作作为未来十大投入构想之一，并将其列在首位。2018年12月，美国发布“人类-技术前沿未来工作：核心研究”项目指南，提供3000万美元资助不超过30个项目，通过相关融合研究来理解和发展人类和技术的合作伙伴关系，开发新技术以提升人类绩效，阐明新兴社会技术场景，理解新技术的风险和收益，理解和影响人工智能对员工和工作的冲击，促进终身、无所不在的学习。项目鼓励多视角和跨学科的合作研究，并给出了可能的研究选题范围，一类是增强身体和认知能力，重点探讨泛在、智能和自治系统背景下人类和技术合作伙伴关系的未来，以及相关风险和机遇，比如人类和机器智能共生以提高效率、员工生活质量、环境健康或社区福祉等。还有一类强调生产力、工作与生活质量、培训和教育，促进对基本社会和经济结构、过程、政策或机构的理解。相关主题包括深入分析人机前沿工作的法律、文化和道德因素，技术对隐私和安全的影响，劳动力偏好以及员工控制和自治等。项目可以探索先进的学习技术或网络学习，同时研究其对未来工作和就业前景的影响。
（作者：苏红，系中国教育科学研究院国际教育创新研究室主任、副研究员，本文系中国教育科学研究院中央级科研院所重点项目“人工智能教育战略研究”的阶段性研究成果，项目批准号：GYB2019007）
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