复旦通识·人工智能丨在教学实践中体验ChatGPT：鼓励学生向它提问，而不是仅仅获得标准答案
【编者按】随着聊天程序ChatGPT成为时下关注的焦点，人们意识到人工智能正在影响着各个领域与学科，正在成为推动人类文明进入一段新旅程的力量。复旦大学通识教育中心组织“人工智能”系列，邀请校内外不同领域的学者，从多学科视角入手、以平实的语言，尝试与读者一起了解有关人工智能的方方面面。以下是复旦大学生命科学学院生态学赵斌教授的文章《在教学实践中体验ChatGPT：鼓励学生向ChatGPT提问，而不是仅仅获得标准答案》。
人工智能（AI）已悄然进入我们的生活，这是从数年前开始的一个事实。技术的进步，促使我们大部分现代人开始习惯于各种改变，包括我们建立联系、交互、读写以及获取信息的方式。
2019年初英国Nature周刊，报道了Scopus过去两年学术热点词汇的变化，“人工智能”和“教育”双双成为当年新晋热词，预示着这两个概念受到越来越多的社会关注。同年，美国高校教育信息化协会学习促进会发布了《地平线报告》（2019高等教育版），聚焦于高等教育领域中的技术应用趋势和未来发展方向，并预测了2019~2023年间六项可能影响全球高等教育的技术应用，包括：人工智能、虚拟现实、区块链、开放教育资源、云计算和自动化。虽然虚拟现实与区块链并未如预测那样顺利进入我们的教育领域，但人工智能却一直在稳步发展中，变得能像人脑一样感知、学习和推理，甚至理解自然语言，不久前掀起了一波新的浪潮。
这并非不速之客，而是如约而至！其中最知名的就是2022年11月OpenAI发布的ChatGPT，以及2023年2月微软开发的新版必应（NewBing）。
表观上看，ChatGPT可以与用户进行类似人类的对话，但它并非我们所熟悉的聊天机器人，因为它不仅可以回答用户的问题，还可以帮助完成一些更复杂的任务，比如写邮件、文章或代码，还可以根据用户输入和反馈来不断学习和改进，让我们感受到如同真人一样交流的乐趣和便利；而NewBing则是一个全新的搜索引擎，与传统搜索引擎不同，它可以透过自然语言了解搜索者的意图，并进行更复杂的搜索，以便更快地在网上找到更多、更准的答案和资源。
从底层技术内核来看，这两个产品具有相同的技术原理，都使用了OpenAI将深度学习用于自然语言生成的技术。深度学习我们并不陌生，之前我们所熟知的谷歌AlphaGo和AlphaGoZero，就是利用的深度学习技术。更重要的是，这个大规模语言模型，比之前的AI模型都要大得多，具有数十亿个参数，因此能够以更高的精度执行更高级的语言任务。ChatGPT一夜爆红后，人们发现类似的产品其实有很多，在本文中我们将所有基于类似技术的产品统称为类ChatGPT。
任何语言都是交流的手段，人与人之间交流的语言我们称为自然语言，因为要与机器交流，我们发明了编程语言。这不同的语言，在ChatGPT看来处理上并无二致，也就是说，不管是英语、汉语，还是计算机代码，它统统都有自己的理解方式，那就是OpenAI基于神经网络的自然语言生成技术，这与传统基于规则和模板的方法有着本质的不同。大家知道，之前我们为了迁就机器的理解，就要设法去学习编程语言，也就是人主动学会与机器对话。而现在似乎反过来了，让机器学会理解人类的语言，我们直接用人类能理解的语言来与机器进行交流。
让人工智能更像人，可以回答问题，提供信息，以对人来说自然和直观的方式做出反应。这种让人工智能更人性化的追求，源于我们一种最简单的愿望，即让技术更容易获得、更直观，带来更多的实用性和可能性。所以，人类一直着迷于创造、模仿和增强机器具有人类能力的技术。
新兴技术促进新产品的出现，特别是这些更像人类的技术，有些人会首先想到对人类角色的替代，这可能存在一些误区。类比一些新技术对我们传统行业的挑战，有了网上视频课程（慕课），有人质疑：这样形式的教学是否会替代教师，教师未来是否会变得可有可无？其实我们看到，这种替代并不会广泛发生，除非你上课的内容和形式，还不如学生直接看视频课程的学习效果。慕课所努力的方向，一直是给学习者提供更多的一种选择方式，并非要全面替代传统课堂。如果我们的传统课堂能与在线课程结合起来，优势互补，那将是一个巨大的飞跃。
同样，人工智能在教学领域中的出现，也不是为了全面取代教师的角色。相反，它们可以为教育带来许多新的机会。人工智能的优势在于其速度、准确性和一致性，在这些维度上，人类无法与之抗衡。因此，涉及常规和结构化任务的工作很容易自动化，很快就会被人工智能所取代。相应地，高等教育就应该让学生接受人工智能并学会将它视为工具，而不是回避。这样，我们就能进行更高效的信息处理和分析，更便捷的学习和交流，这将改进教学实践，增强学生的学习能力。毫无疑问，这对教师和学生两方面的角色都是促进作用：学生更容易进入到理想的自主学习状态，而教师有更多可能把握学生的学习效果，从而给予更有针对性的指导。
大多人工智能工具在创造力、创新、批判性思维、解决问题、社会化、领导能力、同理心、协作和沟通等软技能方面仍然是很薄弱的，这是其机器本质所决定的。具体来说，大多人工智能系统设计和训练过程，缺乏真实世界中的复杂性和多样性，缺乏与人类类似的认知能力和经验积累。通常使用简单的数据集来训练机器学习算法，这些数据集通常是人工选择或生成的，而不是真实世界中复杂多变的数据集。因此，这些人工智能工具无法适应真实世界中的各种复杂情况和问题。它们只能在已知的模式和规律间进行预测，而无法创造新的模式和规律，这就限制了人工智能在创造性和创新性方面的表现。由于机器还缺乏与人类类似的认知能力和经验积累，以及情感认知和主观判断能力，使得机器不能像人类一样具备批判性思维能力，解决问题的能力有限。
相比之下，类ChatGPT由于具有更好的语言理解能力和表达能力，可以与人类进行更深层的交互和沟通，其训练数据包括了来自互联网的大量文本，这些文本具有丰富的多样性和复杂性，可以让其在训练过程中获得更广泛和深入的经验和知识。因此ChatGPT在解决问题方面的软技能得到了一定的提高，不仅能够模拟人类的社交行为和语言进行交流，表现出一定程度的社交技能和同理心，也可能在某些程度上具备了创造力和创新能力。
但是，ChatGPT的学习和适应能力受限于其所接触到的数据和信息，这使得它可能难以处理新的、不同的或变化的情况。而高度人类化的领导能力和协作能力，需要对人类社交行为和组织机制有深刻的理解和适应能力，目前这是人工智能模型难以完全掌握的，我们甚至都无法将这些能力进行模型化，更不用说让机器来学习和训练了。
总之，这些涉及非结构化任务的工作，对于人工智能来说仍然是一个不小的挑战，因为这些任务通常需要人类具备很高的认知能力和判断力，涉及的信息也很复杂、多样化和不规则。也就是说，涉及非结构化任务的工作对于人工智能来说仍然很难，这是人类不容易被替代的地方。因此，对于这个新技术的出现所带来的影响，从互补的角度来考虑可能更接近于现实。
一个新技术的出现往往是一个漫长的过程，刚开始都是很幼稚、不成熟的。还因为我们对新技术的使用习惯还未建立起来，很容易让我们觉得新技术的弊端很多，难以达到我们预期的效果。随着不断的学习和使用，我们会发现新技术的优点和潜力，以及如何更好地利用它来解决我们面临的实际问题。一般来说，新技术的出现往往是寻求与旧技术的互补关系。这意味着新技术不会完全替代旧技术，而是要在旧技术的基础上进行完善和改进，弥补旧技术的不足之处。这样的互补关系可以帮助我们更好地利用新技术，同时也不会失去旧技术的优点。而随着新技术的不断发展，我们可以通过更深层次的技术创新来超越旧技术。通过不断的试验、实践和创新，我们可以发现新技术更适合的应用场景，找到更有效的使用方法，让新技术得到更好的发展和应用。最终，当新技术发展到一定的程度，已经具备了足够的优势和成熟度时，它可以逐渐替代旧技术。
在历史上，我们可以看到许多新兴技术出现后对过去技术产生了碾压式的影响，从而带来了革命性的变化。然而，这些新技术并没有完全替代过去的技术，而是与之相互交织、相互补充，从而形成了更为多样化、灵活化的技术生态。新技术的出现往往会引起我们对过去技术的重新审视，从而发现过去技术中存在的不足和局限。如果这里要用一个更恰当的表达方式，我更愿意用“颠覆”，这将促使我们大幅度改变对传统的认知。
聚焦到我们今天讨论的类ChatGPT人工智能，它将对高等教育产生颠覆性影响，而高等教育也必须迎接挑战，为人工智能革命做好准备，同时为学生提供必要的技能，以便使学生在人工智能时代更具竞争力。类ChatGPT在教学过程中，至少有好几个方面的潜在优势。
首先，类ChatGPT可提高学生的学习效率。学生通过简单的对话窗口，用自然语言，就可以快速获取自己想要的知识和信息。ChatGPT的简单对话窗口，并非聊天机器人的问答。根据我前面的介绍，大家应该能理解，目前的ChatGPT对自然语言的理解能力很强了，可以识别自然语言交流中的那些复杂关系，理解语言前后联系，这样我们就可以与它连续对话，同一个对话中，问题与问题是有关联的，变得越来越像人了。
其次，ChatGPT会促进个性化教育。虽然说它的GPT模型，是基于大量文本数据所进行的预训练，最终回答的内容当然是这些预训练的结果。但是，这种训练为各种特定任务提供了坚实的基础，可以针对特定任务进行微调。比如，可以根据学生的特定学习需求，生成个性化的教育内容，以更好地满足学生的需求。在这样技术的帮助下，学生可以进行在线学习、作业辅导、知识检索、创意写作等等。
还有，从教师角度来看，可以提高教师的工作效率。依靠这样的语言模型，可以帮助教师生成大量的教学内容和课件。同样可以针对教师教学和课程的特点，生成个性化的教学内容。与传统教学相比，现代教学更强调如何激发学生学习的自主性。在该理念指导之下，教师和学生的传统角色也正在悄然地改变，教师不再是单方面的灌输者，而更像一位指路人；而学生也不再是一名被动的接受者，而是要发挥自己的特长、夯实自己的知识结构，成为课堂的主导者。
从开始接触ChatGPT和NewBing，已经有一段时间了。这些类ChatGPT工具能够较好回答的一些问题，是允许有一定偏差，没有标准答案的问题。而我们的科学研究，其实就是还没有标准答案的问题。那么这二者之间是否是可以融通呢？我们人脑在思考的时候，可能因为思考问题的角度不同，或者一些主观因素的影响，比如存在一些知识盲区，或者对某些认识的古板理解。这个时候，如果我们能与ChatGPT交互，它就会把其他的一些你没有考虑到的，或者你忽略的内容反馈给你，这样的交互过程，对你个人来说就是一种新的见解，或者提供了一种思考问题的新角度。就像你与另外一个同行交流一样。所以，我现在更乐意把ChatGPT看作是一个老师，一个知识渊博的朋友，遇到一些不会的技巧，或者不懂的知识，就问问它，让它告诉我，前人有没有这方面的工作可以参考。
其实，在我的教学实践中，我一直希望能将科学研究的过程贯穿到教学中。比如在我的课堂活动中，我会采用真实的项目研究套路，让学生完成一个循序渐进、完整而连续的PBL：提出关键问题、确定选题、开题报告、中期汇报、结题报告。其中，贯穿一个“知新而温故”的教学理念，“知新”用于“刺激”学生的新素材，就是近期从Nature、Science和PNAS上经过精心挑选的研究报导，特别是提出新问题的文章，被预先确定为几个主题。学生读到这些文章，了解新问题，这就是知新；为了解决这些新问题，学生一方面会自己想很多办法，另一方面又会去查询更多故有的文献，也包括很经典的教材，这就是温故。
但是，在这个教学过程中，我一直觉得还欠缺的一点，就是如何培养学生提出问题的能力，这其实是大多数学生普遍缺乏的一种能力。在很多情况下，我们并非找不到答案，而是没有提出一个能够真正直击要害的问题。正确的提问，有明确的目的，问题本身就解决了一半；只有明确了自己的目的，才能转换成问题；提出了问题，就证明知道自己在做什么，想做什么，至少是把一个未知的复杂问题，分解成了潜在可解决的一些简单问题，离真正解决问题也就更近了。因此，提出问题，对学生的知识储备、思考问题的能力，批判性思维能力等方面的要求只会更高，不会更低。
开学已经两周了，我正好一边熟悉ChatGPT和NewBing，一边用于教学实践。我的初步设想是：课程刚开始，我就主动给学生介绍了ChatGPT，然后鼓励学生使用ChatGPT来完成我布置的任务。当然此时的要求与之前就完全不同了。比如，上完一次课后，不是让学生简单回答一些有标准答案的问题，而是让学生结合学习内容，提出自己的问题，让ChatGPT来回答，它的回答肯定有学生理解的，也有不理解的，不理解的还可以继续追问，直到自己弄明白为止，这就是一种主动学习过程。这个问答的过程，要求学生截屏或者录屏，作为作业提交。很明显，学生与ChatGPT的交流，还是一个基于过程的学习，而且这个过程还可以记录下来。以前学生有不懂的问题，需要去问老师，但老师未定有那么多时间来处理这么多学生的问题，所以许多学生他们想问的问题也就不了了之了。有了ChatGPT的帮助，学生自己就可以找到了答案。在这样的训练过程当中，对于本身就具备批判思维的人来说，ChatGPT起到了不错的辅助作用；而对于那些暂时还没有批判思维的人来说，ChatGPT还能帮助学生锻炼这种思维能力。
让课堂上所有的学生都能使用ChatGPT，可能有一定的技术和政策难度。那么，目前我有一个更具操作性的解决办法，那就是建立一个基于ChatGPT的微信群“生态学|向AI提出好问题”（如图），其中的“阿宝”，就是机器人ChatGPT，只要@它，就可以回答同学们的提问。这样的方式，也带来了一个好处，那就是同学们相互之间还可以学习提出好问题的方法，甚至在竞争中要提出更好的问题。关于这个教学方式的实际教学效果，待学期结束，我再尝试做一份更详细的报告。
本专栏内容由复旦大学通识教育中心组稿。
大数据有话说丨人工智能在混合式教学中的应用
人工智能的研究领域包括专家系统、自然语言理解、机器学习、情感识别、人工神经网络等众多领域，相关的教学应用涵盖众广，在此主要对面向教师、面向学生和面向教学的人工智能教学典型应用进行探讨。面向教师的人工智能应用01智能评测
智能评测是指通过对学习者学习过程和学习行为数据进行大规模自主智能评估，并进行个性化即时反馈。其中，大规模评估是指通过人工智能大数据分析技术对学生的学习行为和学习成果进行针对性地评测；个性化即时反馈是指通过对某位或某一群体学生的学习行为和学习过程数据进行分析后给予反馈。当前，基于人工智能技术的智能评测应用主要有口语考官和试卷批改机器人等。
众所周知，每年都有各种类型的英语听说考试，考试者的录音如果都由人工去评分，不仅工作量巨大，而且评判标准很难一直保持统一。随着语音识别准确率的不断提升，使得借助人工智能口语考官来对英语听说考试进行评分成为现实。只需抽取样本数据进行训练，人工智能口语考官便能学会像人类考官一样对学生的回答进行评估。美国教育考试服务中心已经在一些英语考试中采用人工智能技术来评测打分。科大讯飞公司的语音技术也在2015年应用于广东70万高考英语口语环节考生答卷的批阅。
人工智能口语考官不仅能进行语音评分，还能纠错，对平翘舌音、前后鼻音都能进行精准分辨。基于人工智能的评分不仅更快，而且更准和更公正。我国的“英语流利说APP”就是一款能指出用户发音错误和自动打分的移动端APP应用，深受英语学习者的喜爱。
评卷对每位教师而言并不陌生，但人工阅卷通常容易受主观因素影响而导致结果偏差，机器阅卷应运而生。国内的阿里AI智能阅卷、科大讯飞智能评卷系统等应用的推广，开启了以机器评阅为主、人工审核为辅的全新评阅方式。国外的Gradescope公司开发的批改卷面试题软件，解决了给试题打分的耗时问题，伯克利大学、斯坦福大学、麻省理工学院等高校已经加入该应用的使用行列。02
智能应答
智能应答是基于自然语言处理、知识推理、文本语音和图像分析等技术而实现的大规模知识处理与反馈的自动应答系统，它主要从语义理解和答案搜索方面解答学习者的疑问。如：微软小冰聊天机器人、百度智能问答机器人，它们在接收到文字、图像或语音信息后，先进行内容解读，然后再自动给予合适的回复。
在混合式教学中，学习者通过线上和线下完成学习及师生互动交流，针对学习者发出的文本、语音和图像，以深度学习、机器学习、神经网络等技术为基础的人工智能教学应答机器人正好能大显身手。例如，能力风暴教育机器人已推广到4万多家学校；海尔小帅智能机器人，能与小朋友进行语音交互，回答小朋友的问题。03
个性化教学
根据学生的个性特征，进行教学资源的个性化智能推荐与因材施教一直是教育界所期望看到的理想教育方式，然而具体实施起来却困难重重。个性化推荐就是根据学习者的学习行为，自动预测学习者的兴趣偏好，有针对性地向学习者推送合适的教学资源。为此，大量基于学习行为数据建模的各种推荐算法纷纷被应用，如关联规则算法、蚁群聚类算法、协同顾虑算法、机器学习算法等。其中基于人工智能的深度学习推荐算法最受关注。
深度学习的思想来自于机器学习，是指初始数据获得之后，对数据做预处理、特征提取与选择，再到推理，最后进行预测的过程。在混合式教学中，根据学习者网上浏览文本、语音、图像、视频等资源的行为数据，进行特征提取并基于人工智能的深度学习推荐算法，可以为学习者提供学习资源的智能推荐。例如，爱奇艺视频网、网易云课堂，以及优必选联合腾讯叮当推出的个性化智能教育机器人等，它们均能根据用户的浏览行为给用户智能推荐相关的课程资源。面向学生的人工智能应用
01智能识别
智能识别在人工智能教学中属于应用最早也是最为成功的技术，无论是语音识别、图像识别、人脸识别，还是脑波识别，都属于智能识别范畴。由于人的语音天生就蕴藏着情感，因而基于语音情感库的情感识别在教学中也被广泛应用。
我国2015年成立的“管理科学与工程学会神经管理与神经工程研究会”，标志着我国的神经管理与神经工程研究进入新的阶段。越来越多的机构和学者投入到基于脑神经认知的情感识别研究中。例如，浙江大学管理学院神经管理学实验室对脑信号的感知与情感评估分析技术进行了大量研究；复旦大学管理学院戴伟辉教授研究了面向教育大数据分析的神经管理学机制；软银情感识别智能机器人Pepper、小影印象APP应用等，都能根据人的表情、语音来识别人的情绪。若将这些技术应用到混合式教学中，则有利于教师识别出学习者的状态，对讲课内容、授课方式进行及时调整，从而获得更好的教学效果。02
智能导学
以往“题海战术”是学习者最常选择的学习方式，然而盲目学习的结果往往是浪费时间，事倍功半。当混合式学习者面对海量的互联网学习资源不知所措时，智能导学无疑是帮助学习者提升学习效率的重要手段。智能导学的总体思路是对学科领域知识体系先做分解，形成一个个知识元，然后通过导学关键点进行语义定义，再将上述定义好的知识元进行归纳与整理，形成体系，并得到相应的逻辑知识地图，进而形成个性化学习路径。
在人工智能大数据分析的帮助下，教师和管理者可以对混合式学习者的学习行为和知识量进行全面扫描评估，找到学习者的薄弱项，进行自适应学习路径设计，让其能针对性地开展学习，减少重复学习的时间，提高效率。智能导学的关键是对学习者进行画像和适应性指导。智能导学在混合式教学中的应用如下：
学习路径智能化引导。当学习者首次进入系统学习新知识点时，系统会首先判定学习者的知识量，即通过调用已建立的领域知识判定模型，对当前知识点的前驱知识点和后续知识点进行扫描。在学习过程中，通过与系统交互的情况来检测学习者对前驱知识点的掌握程度，如果未达要求则引导至前驱知识点继续进行学习。学习者每完成一个知识点的学习，都要接受测试，只有通过了测试，才能认为掌握了该知识点。
薄弱环节自行检测。在混合式学习中，学习者可对薄弱环节知识点进行自我检测，对于那些没有掌握好的知识点，可以进行多次学习，并与以往学习情况进行对比。在此过程中人工智能学习系统可以查询该领域知识库的相关内容，并对薄弱环节进行补强。
学习进度有效控制。学习者在开始学习之前要制定自己的学习计划，详细列出课程内容学习计划，一旦出现偏差或者未按照原定计划执行时，系统就会给予提醒，并且定期对计划进行检查。在完成一定时段的学习后，系统会将学习者的学习状况进行统计，列出这段时间内的知识难点以及尚未完全掌握的知识点，并对后续学习计划进行审查，看是否需要调整今后的学习计划。面向教学的人工智能应用
01智慧课堂
从信息化视角来看，智慧课堂可看作是利用先进的信息技术手段来营造智能化的课堂教学环境，形成师生交流立体化、教学过程智能化的课堂。大数据、物联网、云计算、可穿戴设备等技术的发展成熟，数字化学习环境与教育的深度融合，使得教学中各类数据的收集、追踪、分析成为可能，为智慧课堂的建成奠定了坚实的基础。
近年来，越来越多的教学机构参与到智慧课堂建设中来。例如，依托上海开放大学的上海开放远程教育工程技术研究中心所建的“智慧课堂”，配备有虚拟现实（VR）和增强现实（AR）设备、人体眼神姿态识别仪、EEG/ERP脑波检测器等数字化设备，能将学习者课堂上的面部表情、身体姿态和脑电波等数据信息全程捕捉下来。智慧课堂的构建如图3所示。
智慧课堂构建图由于人的兴奋、紧张、愉悦等状态通过脸部表情、身体姿态和脑电波能够反映出来，因此对每位学习者脸部表情进行相应的历史对照分析，并结合脑波检测，便能较准确地识别出学习者的状态，分析出学生的注意力是否集中，以及对知识点的掌握程度。然而由于学习过程中的脸部表情、脑电波数据所呈现出的复杂、非线性、数据量大、干扰性大等特性，常用的数据分析方法识别效果不佳，而基于机器学习、深度学习的人工智能识别技术能有效处理上述特性，使得智慧课堂成为学习者进行个性化学习的重要场所。02
智能在线考试
基于人工智能的在线考试系统除具有常见的用户信息管理、试题库管理、在线考试、自动评卷功能外，还提供了智能组卷功能和在线作弊防范监测功能，不仅能自动生成区分度良好的试卷，而且还能对作弊试卷、雷同试卷进行辨别。此外，智能在线考试系统还能对每次考试结果生成考试分析报告，对考试结果进行精准分析，以及对考试难易程度做出评判。
智能在线考试系统的另一特色是具备数据挖掘统计功能，即能对每一场考试产生的数据进行挖掘与统计，并给出描述性统计值，如每场考试最早完成答卷的时间、平均答卷时间、最长答卷时间、答题者的最高分、平均分、最低分等信息，以及对试卷的难易程度给出评判，并以图表的形式直观展示，便于师生迅速了解该次考试的情况。此外，智能在线考试系统还能对考试数据执行分类、聚类、关联规则分析等操作，通过数据挖掘方法来寻找知识点、试题间的潜在关联，为在线考试更好地服务。
从混合式教学的特征、现状与需求来看，人工智能在上述教学中的发展与应用呈现以下规律：人工智能技术将不断应用于解决混合式教学中存在的问题，并为教学的创新发展提供更具智能化的模式与手段。与此同时，混合式教学中的应用新需求将为人工智能在上述专业领域的发展不断提供新的动力，由此促进人工智能的进一步发展。因此，我们应该在人工智能发展与混合式教学应用需求之间构建深度融合的生态链，形成可持续创新、双螺旋演进的互动发展模式。
人工智能上阵 “黑科技”助力对外汉语教学
在第十三届孔子学院大会举办期间亮相的新技术应用展与汉语教学资源展现场，观众在体验中国书法。贺劭清摄
在屏幕上轻轻一点“安徽”两个字，伴着一段婉转的黄梅戏，青砖黛瓦的图片在屏幕上次第划过；在一屏字中，每组成一个正确的成语，就能进入下一关……在日前于成都召开的第十三届孔子学院大会上，不少助力汉语学习的科技亮相孔子学院新技术应用展与汉语教学资源展。
人工智能和对外汉语教学结合
新技术应用展与汉语教学资源展现场，孔子学院总部与好未来教育集团打造了一间临时教室。“这次大家的成都之旅就由我和可爱的川川带着大家逛一逛。”教室的大屏幕上，白老师和动画人物“川川”正带着大家“畅游成都”。
据好未来教育集团副总裁万怡挺介绍，该课堂是好未来教育集团集合人工智能（AI技术）为孔子学院汉语教学量身打造的，可以通过人脸识别、语音合成等一系列人工智能技术，以人机互动的形式为汉语学习者提供教学。
“这项技术在汉语教学中的应用，主要是为了解决国际汉语教育资源不均、师资短缺等问题。”万怡挺介绍，智慧汉语课堂能激发学生学习汉语的兴趣，降低教学成本，最主要是能让汉语教学不受地域限制，让各国各地汉语学习者接受到质量相仿的教学。
此外，在孔子学院大会系列展览上，科大讯飞带来的讯飞听见、全球中文学习平台等，也展示了人工智能技术与汉语教学的融合。
相关业内专家表示，随着人工智能及语音技术在教育行业的落地应用，科技不仅有助于拓展语言学习的途径，还有利于推动教学手段的创新，比如融入到教学内容筛选、课程组织实施和测试评价、收集学习数据、推荐个性学习方案等环节。
用新科技呈现传统节庆文化
“相传，后羿射下9个太阳，解救了百姓……”在新技术应用展与汉语教学资源展的体验区，可见一些纸板做成的门神、财神、嫦娥等中国传统文化人物形象，但不同于一般平面图的是，通过相应手机App扫描后，这些纸板就会变成3D卡通形象，在展区的阵阵国乐声和艾草香气中，通过语音讲解功能为人们讲述中国传统节日故事。
“这是我们公司研发的一套文化产品，产品主体是一套节庆典藏卡片，通过相应的App扫描，就能将这些死板的卡片变成活灵活现的3D卡通形象，还配有语音讲解功能。”四川新华乐知教育科技有限公司副总经理马小飞表示，这套文化产品目前主要有中文、英语、俄语、西班牙语以及泰语等5种语言，对于外国友人学习了解中国传统文化和汉语有很大帮助。
在这套卡片产品旁边，还有一台能够即时连接全球母语者的产品，这款名为PopOn的语言服务App，最大的亮点就是能够即时连接所学语言的母语者，目前能够提供中文、英语、西班牙语、日语等多个语种的母语者服务，“只需一键呼叫，30秒内就能连接全球母语者”。上海沃动科技有限公司商务拓展经理吴思雯表示，PopOn产品目前已经覆盖全球100多个国家和地区，1200余个城市，能用中文母语互动的形式提高学习者的学习效率，激发汉语学习者的学习兴趣。
(责编：赵超、杨波)分享让更多人看到
【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
人工智能技术在教育领域中的应用
1.人工智能与教育
要说近年来发展最快的莫过于“人工智能”这个词了，好像现在什么都能和人工智能搭上关系，例如人工智汽车、人工智能医疗、人工智能智慧城市等等，能快速发展，这些技术极大的改变人类的生活方式。那么今天海森大数据就和大家一起来讨论关于人工智能技术在教育行业的一些应用现状。
1.早教机器人
随着当前儿童经济的盛行，儿童教育行业消费在家庭总体消费中所占的比例在逐渐增大。近年来幼儿教育行业发展迅速，尤其是在人工智能技术的驱动下产生了巨大的变化，智能早教机器人已经取代传统的电子教育产品成为未来家庭幼儿教育产品的主流，它不仅能够陪伴孩子，还能引导孩子学习。
2.个性化学习
因材施教作为教学中一项重要的教学方法，一直以来都被教育学者提倡，随着人工智能技术的发展和广泛应用，因材施教的可行性有了很大的提高。人工智能技术可以根据学生的历史学习数据来预测学生未来的学习表现，并智能化推荐最适合学生的内容，从而高效、显著地提升学生的学习效果。
3.拍照搜题
近年来被称为“学生的救星，作业的克星”等各类搜题软件，例如国内的猿题库、学霸君以及作业帮，国外的Volley等。这类软件主要运用深度学习、图像识别、光学字符识别等技术来分析照片和文本，用户使用手机上传题目照片到云端后，系统在短时间内就可以给出该题目的答案以及解题思路，并显示学习要点、难点。
4智能作业批改
随着自然语言处理技术以及语义分析技术的不断进步，自动批改作业已逐渐成为可能。计算机能够根据自然语言处理技术对文本进行语法纠错，例如各种英语时态的主谓一致，单复数以及遣词等，甚至是给出修改意见，这将能够有效的分担教师的教学压力，并且显著提高教师的教学效率以及学生的学习效率。目前许多教育产品开始尝试利用人工智能技术来实现这一功能，随着图像识别技术以及自然语言处理技术的不断完善，作业自动批改将会变得越来越实用、准确。
未来
随着互联网教育的兴起和人工智能技术的不断进步，现如今人工智能技术渗透到了教育行业许多领域和方面，除了上述介绍的几种应用外，人工智能技术还可以用于自动化辅导与答疑、智能测评、智能教育决策等方面。随着计算机视觉、语音识别、人机交互等技术的不断提高，未来的人工智能技术必定会给教育行业带来广泛而深刻的影响。