人工智能＋教育：关键技术及典型应用场景
导读：人工智能技术正在教育领域发挥着越来越重要的作用。当前，教育领域的人工智能关键技术主要有机器学习、知识图谱、自然语言处理、机器人与智能控制等，其典型应用场景包括智能教育环境、智能学习过程支持、智能教育评价、智能教师助理、教育智能管理与服务等...“
人工智能技术正在教育领域发挥着越来越重要的作用。当前，教育领域的人工智能关键技术主要有机器学习、知识图谱、自然语言处理、机器人与智能控制等，其典型应用场景包括智能教育环境、智能学习过程支持、智能教育评价、智能教师助理、教育智能管理与服务等。人工智能在教育中的应用极大提升了教育基础设施、学习过程、评价手段、辅助方法、管理能力等领域的智能化与科学化水平。
人工智能+教育：关键技术及典型应用场景
文|卢宇马安瑶陈鹏鹤
2017年7月，国务院正式印发《新一代人工智能发展规划》，强调利用智能技术加快推动人才培养模式改革和教学方法改革，构建包括智能学习、交互式学习在内的新型教育体系。
2018年4月，教育部出台了《高等学校人工智能创新行动计划》，倡导推进智能教育发展，探索基于人工智能的新教学模式，重构教学流程，并运用人工智能开展教学过程监测、学情分析和学业水平诊断。
近年来，人工智能技术得到了长足发展，尤其在计算机视觉、机器学习等方向与教育的结合日趋紧密，人工智能在教育领域中的应用呈现出快速增长的趋势。特别是在2015年之后，人工智能的各类教育应用不断涌现，也催生了一批致力于以人工智能赋能教育的企业。在国家政策和产业界双重推动的背景下，人工智能的多项关键技术正在教育领域发挥着越来越重要的作用，并逐步得到广泛应用。
一、人工智能教育应用的内涵与关键技术
对于人工智能本身，学术界的定义并不统一，但公认的基本思想是利用智能机器来模拟人的智能，感知、学习、理解并最终解决生活中和某个领域中的实际问题。人工智能的教育应用可以理解为将人工智能技术融入教育核心业务与场景，促进关键业务流程的自动化与关键教育场景的智能化，从而大幅提高教育工作者和学习者的效率，创新教育教学生态。
当前，多项人工智能技术正逐步在教育领域开展应用，包括机器学习、知识图谱、自然语言处理、机器人与智能控制等（如图1）。每项技术都具有较强的应用价值与丰富的教育应用方式。
图1人工智能关键技术
（一）机器学习
简单来说，机器学习是指机器通过对客观世界的观察获得经验，再利用经验改善自身性能的过程。典型的机器学习包括监督式学习、非监督式学习和强化学习等。其中，监督式学习是较为常用的一种，其工作原理是，机器基于一定规模的客观数据，利用特定的算法和模型，自动学习数据中所蕴含的规律性信息，从而帮助人们解决实际问题。如果模型是基于多层人工神经网络构建的，那么这一类监督式学习通常被称为深度学习。深度学习也是当前人工智能领域的研究热点，大量相关的技术和模型已经被应用于社会的各个领域。机器学习在教育中也已有较为广泛的应用。例如，基于所采集的学生多维度数据，学校和教师可以对学生的学业成绩做出预测，对其可能的学习障碍和困难进行分析，对其退学（尤其在慕课学习环境中）的风险进行预警等。
（二）知识图谱
知识图谱是基于图的一种结构化的知识表示方式，本质上是一种大规模语义网络，包含较大数量的实体以及实体之间的多种语义关系。它可以较为高效地对海量数据进行存储与检索。知识图谱最早被用于网络搜索引擎技术中，以帮助用户从搜索中直接得到所需的答案。这类知识图谱通常涵盖大量的常识性信息，其实体与实体间关系的数量规模通常也较大，一般有千万个实体与上亿个实体间关系的规模。
教育领域有构建简单知识地图与思维导图的传统，但建立知识地图与思维导图的主要目的是促进教学，从严格意义上说并不属于知识图谱的范畴。近年来，教育知识图谱的构建逐渐活跃，尤其是相继建立了针对慕课平台上的课程类知识图谱以及针对中小学学科类的知识图谱，但在总体规模上，这两类图谱与通用知识图谱相比要小得多。基于所构建的教育知识图谱，智能化教育系统可以自动解答学生所提出的学科知识类的问题。另外，基于教育知识图谱，系统还可以进行相关教学资源与课程的个性化、精准化推荐。
（三）自然语言处理
自然语言处理技术主要用来实现人与智能机器之间通过自然语言进行有效交互。人类所使用的自然语言，通常其语言结构与语义信息较为复杂。因此，自然语言处理技术是人工智能领域难度较大的技术之一，目前仍处于较为初级的阶段。简单而言，自然语言处理技术可分为基础技术和应用技术两类。基础技术包括词法与句法分析、语义分析、语篇分析等，应用技术包括机器翻译、信息检索、情感分析、文字识别等。当前，自然语言处理技术在教育中也有诸多应用。例如，短文自动评分系统已经在GMAT和TOFEL考试中使用多年，并被不断改进以接近人类的评分水平。口语自动测评系统也已经开始广泛应用于中考等关键性考试，并已被嵌入各类语言学习软件中应用。
（四）机器人与智能控制
机器人作为人工智能技术的主要载体之一，涵盖了智能感知与推理、规划与决策、控制与交互等。机器人当前在无人驾驶、室内服务、物流运输、极端环境等多个领域均有运用。教育领域的机器人可以简单分为教育服务类机器人与教学用途类机器人。教育服务类机器人通常作为不可拆分的软硬件整体，直接服务于教学过程，完成特定的教学任务，如通过与学生的互动完成知识传授或情感陪伴。教学用途类机器人则通常由可拆分组合的硬件以及可编程的软件组成，作为机器人教育的载体或STEM、创客课程的教学辅助工具。
二、人工智能技术的典型应用场景
基于上述关键技术，人工智能教育应用有五个典型场景：智能教育环境、智能学习过程支持、智能教育评价、智能教师助理、教育智能管理与服务，具体如图2所示。
图2人工智能教育应用典型场景
（一）智能教育环境
智能教育环境指具备智能感知和交互能力的教学环境，可以进行多模态的教育信息采集，并满足多样化的学习需求。基于人工智能的各项关键技术，当前教育环境中的典型应用包括校园安全监测与预警、智能教室和智能图书馆等。
1.校园安全监测与预警
计算机视觉和机器人等技术的发展使得利用人工智能自动维护校园安全成为可能。例如，智能校园巡逻安保机器人可以通过视觉传感器采集进入校园人员的面部信息，进行身份验证，并记录学生到校和离校的时间。校园安全视频监控系统结合机器人技术，还可以进行24小时不间断巡逻，及时检测校园中可能发生的异常情况并提醒安保人员。系统中还可以嵌入感烟、感温、火焰、可燃气体探测器等多种传感器，做到校园安全的全面预警与防护。
2.智能教室
基于自然语言处理与计算机视觉等人工智能技术建设的智能教室，可以对教学过程进行深度分析与评价。在教师端，智能教室可以通过体态与语音识别技术，对教师的教态与教学模式进行自动分析；在学生端，智能教室可以通过情感计算与机器学习技术，对学生群体与个体的学习行为、情绪、专注度等进行自动分析。在此基础上，它还可以进一步对教学效果进行多维度、过程性评价，也有助于深入分析教师授课风格及与学生的情绪契合度等。另外，智能教室不局限于传统学校内的物理空间，在线上学习空间中也可以构建相似的智能教学环境。
3.智能图书馆
在图书馆藏书量不断增加的现实情况下，日益繁重的图书管理任务仅靠人工操作难以完成，图书管理的智能化成为必然趋势。在智能图书馆中，读者自主借还、检索、查询、下载、复英阅览等多项服务已得到逐步实现。基于人工智能技术的智能图书盘点机器人可以对图书馆藏书进行自动化盘点，检查是否发生了丢失、错架放置图书等问题，并实时更新图书的位置信息。
（二）智能学习过程支持
学习是学生通过教师或同伴的帮助和支持，获得知识与技能的过程。学生通常需要在学习中得到科学、及时的支持，才能高效完成这一过程。基于人工智能的各项关键技术，现阶段智能学习过程支持系统的典型应用有学习障碍智能诊断、教学资源智能推荐和智能学科工具使用等。
1.学习障碍智能诊断
对于学生因领域知识缺失而产生的学习障碍，我们可通过构建领域知识点间的逻辑结构关系来进行智能诊断。基于机器学习模型，智能学习过程支持系统能够构建知识层面的逻辑结构关系以及不同知识点间的障碍依赖关系，从而精准判断每位学生薄弱知识点产生的原因。
2.教学资源智能推荐
运用机器学习算法，智能学习过程支持系统可以对学生的知识掌握情况、学习专注度等关键指标进行准确评估，从而为学生精准推荐相应的学习资源。例如，当前多种智能学习平台利用学生的过程性测评数据，自动分析并推荐符合其能力水平、学习状态的学习内容与练习题目。
3.智能学科工具使用
基于各类人工智能技术，如语音识别、手势识别、自然语言处理等，人们已经在智能学习过程支持系统中开发出了一系列可以辅助学生学习过程的智能学科工具。例如，运用计算机视觉技术，对自然界的植物进行图像识别，判断其种类，支持学生在生物学课堂上的自主探究性学习；运用自然语言处理技术，对中国古典文学语料进行加工处理，自动创作诗词，激发学生学习语文的兴趣。
（三）智能教育评价
教育评价是运用科学的方法与技术手段，对教育活动满足社会与个体需要的程度做出判断的活动。目前，智能教育评价有智能课堂评价、口语自动测评、心理健康监测和体质健康评价四个方面的典型应用。
1.智能课堂评价
计算机视觉技术可以通过学生面部表情识别其基本情绪，帮助教师及时了解学生的学习状态与专注程度，从而进行教学干预或调整自身教学策略。自然语言处理技术可以对学生的课堂作答情况进行及时标记与反馈，同时可以将相关信息反馈给任课教师，从而提高教学效率与效果。
2.口语自动测评
通过语音识别等自然语言处理技术，人们得以提取语音及语义层面的完整特征，并以专家评分为标准，通过机器学习技术训练自动评分模型，实现外语或普通话口语测试的自动评分。随着口语自动测评技术的逐步成熟，其在教学和测评中的应用不仅节省了大量人力资源，还较好地排除了个人的主观因素，提高了测评的客观性与可靠性。
3.心理健康监测
人工智能技术能够早期识别有潜在心理问题的学生并给出预警。基于社交网络数据中的用户语言、交互行为和情绪表达，人们可以建立相应的机器学习模型，用于分析未成年人的心理健康状态，并及时提示其心理健康问题和潜在的高风险行为。
4.体质健康评价
利用带有多种智能传感器的可穿戴设备，人们可以持续采集学生的体育运动和睡眠等数据，并在此基础上开展精准分析与评价。例如，教师在体育课上可采集学生运动过程中的加速度、心率与血氧等多维度数据，并结合相关分析模型，对学生的运动技能与体质状态进行准确评价。同时，通过分析一个较长时间周期内（如一个学期或学年）的学生群体数据，学校可对体育课程的开设效果进行评价。
（四）智能教师助理
智能教师助理一般指那些能够对教师日常的教学、教研、专业发展等进行辅助的人工智能应用。现阶段，智能教师助理主要有自动出题与批阅、课程辅导与答疑、智能教研等典型应用。
1.自动出题与批阅
在日常教学中，教师需要花费较大精力命制和批阅学生的作业和试题。基于知识图谱技术并通过构建启发式规则，人们已经开发出了自动出题与批阅系统。该系统能够自动生成针对同一知识点但具有多种变式的个性化试题。此外，利用自然语言处理技术开发的批阅系统，还可以对不同学科较为复杂的半开放性主观题自动评分并给出合理的反馈建议，大大减轻了教师课后批阅作业的工作强度与负担。
2.课程辅导与答疑
人工智能可以协助教师为学生提供定制化、个性化的课程指导与反馈意见。基于人工智能技术的智能导学系统，智能系统可以自动诊断学生对当前知识的掌握状态，并结合学科知识体系与结构信息，精准推荐微课、微测等相关课程资源。基于学生在学习过程中提出的问题，智能系统还可以利用知识图谱与自然语言处理等技术自动答疑，并通过不断采集相关信息，构建学生意图理解的答疑系统。
3.智能教研
教研是促进教师专业发展的重要手段。人工智能技术可以实现对教师教学过程的自动分析、教案的自动设计与生成等，为教师教研减负提质。例如，智能听评课系统可以记录教师授课的音视频，借助图像处理和语音识别技术，分析课堂互动情况并将其量化，用数据提升教研活动的效能。教师也可通过查看教学回放以及课堂互动情况的分析数据，更有针对性地开展教学反思，从而优化课堂教学质量。此外，教案自动设计与生成系统可以帮助教师分析教学情境，提取授课内容，分析教学对象，并从数据库中抽取相应的内容生成教案，供教师借鉴与使用。
（五）教育智能管理与服务
教育智能管理与服务指管理者通过组织协调教育系统的内部资源，充分利用智能关键技术和信息手段实现高效率、高水平的教育管理目标与教育公共服务。当前，教育智能管理与服务的典型应用包括辅助教育决策、促进教育公平、提供定制化教育服务等。
1.辅助教育决策
在宏观层面，国家教育主管部门及各地方教育主管部门可以采集并汇总各层级、多维度的教育数据，借助人工智能技术、数据分析及可视化方法，发现影响区域教育发展的显性与隐性关键问题，从而辅助决策与政策制定。
2.促进教育公平
借助人工智能技术，各地方教育主管部门可打破地区和学校之间在地理上的资源壁垒，在线流转优质师资，提供精准化资源供给等服务。例如，智能公共服务平台可以通过人工智能算法分析学生的优势和不足，并使用智能推荐技术为其匹配一对一线上辅导教师，展开“双师”教学，从而促进教育公平，加快教育供给侧结构性改革。
3.提供定制化教育服务
随着社会经济的快速发展，教育公共服务的需求越来越强调个性化与定制化。基于人工智能技术，教育主管部门能够采集海量学生多维度的过程性与测评性数据，包括学科核心素养类、领域知识类、心理认知类以及体质健康类数据。在此基础上，教育主管部门可构建个性化教育公共服务平台，为个体与群体学生提供学科能力与素养诊断、专业与职业发展规划等一系列智能化服务，帮助学生发现其个体问题与优势，从而建立教育公共服务新模式。
三、结语与展望
人工智能的各项关键技术在教育领域的应用日趋成熟，形成了一批典型的教学应用场景与模式，为教师与学生提供了有效的学习支撑、精准的学习内容以及多元化的教育服务。人工智能技术还可以帮助学生连接正式学习和非正式学习的环境，使他们更加高效地获取知识，获得及时的学业诊断和高质量的反馈指导。人工智能技术也可以将教师从烦琐的事务性工作中解放出来，减轻教师的工作负担。
当然，我们也要认识到，人工智能技术在教育领域的应用仍处于起步阶段。例如，在学生意图理解、情感交互、自动批阅等方面还存在较多的技术瓶颈。现阶段，人工智能教育应用对学生综合能力发展等方面的关注也较少。随着人工智能技术的进步及其与教育融合程度的加深，我们相信在不远的未来，师生将开始运用人机结合的思维方式，实现与个人能力相匹配的个性化发展；教育管理者将更多地依据教育数据挖掘与分析的结果，进行教育管理、教育监测、教育决策等活动。最终，技术将助力教育实现核心素养导向的人才培养，迈向人机协作的高质量教育教学新时代。
END
文章来源|《中小学数字化教学》2021年第10期
责任编辑|牟艳娜
微信编辑|李中华霍聪颖（实习）
微信监制|赵满树
赞助本站
相关热词：人工智能教育关键技术典型应用场景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
人工智能助力高等教育：变革与坚守
作者：詹泽慧钟柏昌来源：中国教育新闻网-中国高等教育杂志
近年来，大数据、云计算、虚拟现实、人工智能等智能信息技术的兴起，深刻地影响着教育领域。作为引领科技革命和产业变革的战略性技术，人工智能具有溢出带动性很强的“头雁”效应，在近五年的《地平线报告》中均被提名，成为名副其实的助推高等教育教学发展的动力引擎。然而，“技术是把双刃剑”，何况人工智能这把“剑”尚未全面炼成，教育应用的“剑法”也尚不成熟。因此，在人工智能逐渐融入教育的今天，常有人质疑其智能的准确性是否能达到可用的程度。事实上，技术是一种客体存在，是人的本质力量对象化（劳动与实践）的产物，只有将人工智能嵌入合理的教育教学框架中，才能使其发挥正向作用。人工智能怎样助推高等教育发展？应明确哪些因素是变革的积极力量，哪些又是需要坚守的本质与初心，从而在技术浪潮中既能与时俱进，又能在变与不变之间保持必要的张力。
人工智能与高等教育的主客体地位辨析
人工智能与高等教育之间的关系，本质是“技术”与“教育”之间的关系。对二者的辨析实质上需探析其相互作用的两种主要形式：技术教育化与教育技术化。所谓技术教育化，就是将技术转化为“教育中的技术”，教育主体根据需求选择合适的技术，并在教育实践中对技术进行设计与开发，形成更加切合教育需求的技术。换言之，经过教育者本质力量的持续改造，技术才能成为适用于教育的技术。所谓教育技术化是指新技术首先以“工具”的形态进入教育系统起到教育辅助作用，随着新技术的作用得到肯定与推广，人们的行为习惯与能力也逐步发生变化，教育中原有的教学方法、教学规律、教学原则、教学理论等在新技术的影响下进行适应性的调整。
进一步说，“教育”与“技术”的关系是主体与客体之间的关系：教育作为主体，技术作为客体。技术是教育主体（人）实现教育目的的实践过程中（人的本质力量的对象化）的产物，也即技术在先天本质上是依附于人的教育需求与实践。由此可以说，教育的本质与目标不会因为人工智能的介入而发生根本变化，但会因为人的教育需求改变而变化；无论技术冲击多大，人作为教育系统中的主体地位是不可撼动的，技术对教育的影响取决于人的教育需求与实践。有人一味强调人工智能的作用而忽视教育自身需求与能动性，将教育当作对人才的规模化培养和无差别制造，这显然不符合技术的本质。
人工智能应用于高等教育可能会改变师生教学行为习惯，产生教育理念、教学原理、教学结构、学习方式等方面的变革。然而，在高等教育系统中，学习者的身心发展规律、教育的本质与基本原理等具有跨越时空的普适性与稳定性。这些不变的基本理论应该作为高等教育系统引入人工智能的标准与指南，以规范人工智能的“客体”角色定位，为高等教育系统服务的同时形塑教育人工智能的特质，避免技术的僭越桎梏师生主体性的张扬，真正实现人工智能与高等教育的双向赋能。
人工智能助推高校教育系统变革
目前，人工智能在教育领域的典型应用主要包括智能导师、智慧学伴、智能评测系统、特征识别与学习分析等，涉及教学场景、学习场景、管理考核三大场景，基本实现了对教育的全面渗透。
1.人工智能时代“教”的变革
在人工智能时代，高校教师角色被重新定位。人工智能技术的引入打破了大学课堂的边界，在自适应学习引导和智慧化资源推送支持下，学生将有更多机会进行自主学习，而不再受限于高校教师的权威。教师逐渐从知识传授者转变为学生学习的启发者、引导者、支持者、协作者，师生关系更加平等、开放。人工智能催生了“智能导师”和“双师教学”形式的出现，“教书”和“育人”的工作将被分离：“智能导师”或人工智能“助教”承担传授知识的教书工作（如批量批改作业、实时管控教学等高重复性、低认知性的程式化工作），而人类教师则集中精力在开展育人工作上（如引导学生、传递价值观、情感沟通等高认知的工作）。
在教学形式上，教师可灵活运用各类智能化信息工具，分析学习者特征，为学习者提供更加科学、个性化的指导。人工智能时代大学课堂将会更有弹性、灵活、互动、开放，教学课程越来越多地体现为线上、线下的混合，人工智能支持下的翻转课堂学习模式、自适应学习模式、项目合作与探究的学习模式等，使得人工智能时代的人才培养更加个性化、精准化和差异化。
在教学内容上，人工智能有可能促成高等教育学科结构的变化。人工智能对未来职业岗位产生了巨大冲击，一些低技能与重复化的工作将被智能机器代替。高等教育要面向未来的岗位和职业要求变化，以发展性的眼光进行学科体系结构的调整。教育部《高等学校人工智能创新行动计划》指出，高校要完成适应新一代人工智能发展的高校科技创新体系和学科体系的优化布局，一方面完善人工智能的学科体系，另一方面要推进“新工科”建设，形成“人工智能+X”复合专业培养新模式。再者，人工智能还可以视作建立学科联系的纽带和载体，与其他学科进行整合以开展跨学科教育（如STEAM+AI）。此外，人工智能机器带来的工业生产与简单服务业工作中人力的解放，使得人们有更多的时间思考。美学、艺术、人文、社会、哲学等人文学科可能会产生越来越多的就读需求，人文学科在人工智能时代可能会强势回归。
2.人工智能时代“学”的变革
在学习者分析、学习诊断与评测、智慧化推送等人工智能技术的支持下，学习者可以通过人工智能终端随时随地获得所需的资源，终身学习成为可能。学习过程变得更加自主、人性化、精准化、个性化。更重要的是，其有助于解决教育“个性化”和“规模化”双向需求的问题，也有助于缩小数字鸿沟，推动教育公平。
在学习形式上，传统的“生听师讲”的面对面授课已经难以契合人工智能时代的育人需求。有学者主张实行“经验学习”，即在真实情境的实践体验中学习，真切感知不同的文化或社会情境。也有学者指出，人工智能将激发高校系统中“人机协同学习”的新场景，由此伴随而来的海量信息与高速发展的社会性等特征，给教育教学带来了“高信息吸收量”与“有限的时间”等限制条件，这又进一步要求新技术为学生提供更凝练、高效而具身的社会经验。
在学习发展目标上，具备高信息素养、科技素养以及创新创造能力的人工智能人才培养成为了各国高校育人的重要方向。无论是面向专业型的人工智能精英培养，还是面向科普型的其他各行业人才，在育人需求上都产生了新的变化。除此之外，人工智能时代还强调培养学习者知识迁移运用能力、逻辑思维能力、判断性思维能力和复杂决策能力，以及想象力、表达力、创造力等高阶综合能力，从而实现实用型、复合型、智慧型的人才培养。
3.人工智能时代“管”的变革
人工智能在学习支持服务与行政管理服务中的应用主要有以下四个方面：特征分析和预测、考核和评价、自适应系统和个性化、智能辅导系统。在人工智能与大数据、云计算、区块链等技术支持下，海量的高校信息与数据得到了有效的管理、流通、共享与保护，这不仅有利于信息与资源的共建共享，而且减少了许多简单性、重复性、程序性的工作，优化了高校教育管理中烦琐的流程性业务。例如，线上办理、数字签名等功能，实现了简政增效。又如，基于数据的实时获取与监控，能够实现校园情况的实时把控，提高校园的安全管理效能。
把握好“双主”师生关系，科学发挥人工智能应用实效
教育是关乎人的事业，人工智能与高等教育之间的关系，本质上是技术与人之间的关系。只有坚定人作为教育主体地位不动摇，把握好“教师主导-学生主体”这一“双主”师生关系，人工智能应用与高等教育才能科学发挥实效。
1.坚守教育者在高等教育系统中的主导地位
一切智能技术的作用，都是在人的设计和引导下实现的作用，所以人工智能的智慧，其实质还是人类的智慧。例如，在开展智能化评价时，智能评价背后的评判标准与逻辑由专家研究与制定，评价的结果与效果尽在人类的设计与规划之中。在人工智能全方位渗透进高等教育领域的今天，被人工智能所“识别”“分析”“判断”“决策”与“引导”，但实质上这一切都是在智能机器背后的专家团队的集体智慧。
人类智慧才是人工智能背后的真正逻辑，因此高等教育的“传道授业解惑”亦须以人为主导。何况当前人工智能技术发展还处于初级阶段，新一代人工智能在涉及心灵、文化、审美等高认知、高情感体验、高人文性与复杂性的领域，仍存在局限。教育是面对生命的事业，教书育人具有很强的人文性与情感温度。人工智能机器可以代替和辅助人类完成简单重复、低认知与低技能的工作，承担知识讲授、评卷阅卷等教书任务；但是在传递理想信念与经验道德、引导创新等高阶任务仍要依靠教育者实现。
2.坚守受教育者在高等教育系统中的主体地位
育人是教育的本质，“培养适应社会发展的人”是高等教育的重要目标，立德树人是高等教育的根本任务。所有人工智能机器与工具的设计与使用，其本质驱动力就是为促进学生的发展而服务。新技术的出现，为采用新的教学方法、提高教学质量提供了可能。但是新技术从出现到应用，常常耗费人力、物力和财力。若为了使用技术而生产技术，这种“自产自销”的行为中间不会产生任何的教育价值与意义，结果可能只是劳神伤财。因此我们需要紧紧把握“育人”目标，谋篇布局，进行人工智能技术与工具的设计与开发，把学习者放在设计与应用过程的中心，才能保证技术的可取、可信、可用。
3.人工智能与高等教育的双向赋能须坚守以人为本
人工智能可以减少教师工作量，达到减负增效的效果，但这并不意味着我们可以完全依赖于人工智能来做评价。那么在高等教育中，什么环节必须依托人类智慧，什么环节可以依托人工智能呢？可以从四个维度来分析：在“教”的维度上，内容的呈现、课后的辅导可由双师课堂完成，但互动与共情的环节，人类教师的作用是不可替代的。在“学”的维度上，人工智能可以对既定题目进行实时反馈，但知识的习得与内化迁移也只能由学习者自身来完成。在“研”的环节，人工智能可以辅助分析，还能协助解决部分问题，但发现问题的过程，亦难以通过人工智能达成。在“管”的维度，人工智能可以从数据中发现类别或奇异点，作出预警，然而决策的过程仍然离不开人类。总之，人工智能在教育领域可以帮助师生做事实判断，但无法也不应做价值判断，教育主体的师生互动和情感交流才是根本。
毋庸置疑，人工智能潜力巨大，其发展必将带来高等教育的新形态、新生态。但技术的能量需要理性看待，有所为有所不为，有变革，亦需坚守。
一方面，技术再强大，育人才是根本，面对人工智能对教育的渗透，需要有“以静制动”的定力。首先，在人工智能重塑高等教育的过程中，人工智能如何作用，其背后藉由人工智能专家、教育学专家、心理学专家等专业人员“无形的手”进行操控。人工智能对高等教育的冲击，还是在人为控制和规划范围内的冲击。其次，技术是工具，育人才是目的。无论人工智能如何作用，归根结底还需落实到人。教育立德树人的根本任务不会改变，人工智能应用要为人才培养服务的定位就不会改变。在人工智能对高等教育助力的过程中，我们要坚守人作为教育主体地位不动摇。
另一方面，人的需求在不断变化，教育也在不断革新，面对人工智能对教育的冲击，还需要有“以动制动”的应变能力。人工智能技术是“人”改造世界的过程中本质力量对象化的产物，在教育领域，尤其是肩负高层次创新人才培养的高等教育领域，教育者需要深入思考新时代背景下国际高等教育的发展趋势和人才培养的需求变化，接纳人工智能技术的教育应用，并努力探索改善人工智能在高等教育领域的应用途径、方式、方法、功能与价值，将人工智能教育化，匡正智能技术的教育应用之道。
【作者詹泽慧钟柏昌，单位：华南师范大学教育信息技术学院】
原载2021年第20期《中国高等教育》杂志
什么是人工智能的知识图谱知识图谱的组成、构建、应用有哪些
人工智能（ArtificialIntelligence，AI）是一种通过计算机模拟人类智能的技术，其应用范围越来越广泛。知识图谱（KnowledgeGraph，KG）则是人工智能技术中的重要组成部分，它是一种结构化的、语义化的知识表示方式，能够帮助计算机理解和处理人类语言。
知识图谱的定义知识图谱是一种将实体、关系和属性等知识以图形化的形式表示出来的知识库。它通过将知识以结构化的方式表示出来，使得计算机可以更好地理解和处理人类语言。知识图谱通常是一个大型的、半结构化的、面向主题的、多模态的知识库，其中包含了各种实体、关系和属性等信息，这些信息通过一系列的算法和模型进行处理和推理，使得计算机能够自动地从中获取、推理和生成新的知识。
知识图谱的组成知识图谱通常由三个组成部分构成，分别是实体、关系和属性。
实体（Entity）实体是知识图谱中最基本的组成部分，它可以是具体的物体、抽象的概念、事件或者人、地点、组织等等。每个实体都有一个唯一的标识符（ID），用于在知识图谱中进行唯一标识和索引。
关系（Relation）关系是实体之间的相互作用或者联系，它可以是两个实体之间的关联性、依存性、从属性或者其他类型的关系。每个关系都有一个唯一的标识符（ID），用于在知识图谱中进行唯一标识和索引。
属性（Attribute）属性是实体和关系的特征或者描述，它可以包括实体的名称、定义、类型、分类、标签等等，也可以包括关系的方向、权重、强度、类型等等。每个属性也都有一个唯一的标识符（ID），用于在知识图谱中进行唯一标识和索引。
知识图谱的构建知识图谱的构建是一个相对复杂的过程，它需要从各种来源获取、整合和加工大量的数据，包括结构化数据、半结构化数据和非结构化数据等。通常，知识图谱的构建可以分为以下几个步骤：
数据收集：从各种数据源（如数据库、网页、文本等）中收集大量的数据，包括实体、关系和属性等信息。
数据清洗：对收集到的数据进行清洗和预处理，去除重复数据、格式化数据、统一数据等。
实体抽取：从文本中抽取实体，并对实体进行分类和标注。
关系抽取：从文本中抽取实体之间的关系，并对关系进行分类和标注。
属性抽取：从文本中抽取实体和关系的属性，并对属性进行分类和标注。
数据建模：将抽取到的实体、关系和属性等信息转化为图形化的知识图谱模型。
知识推理：通过算法和模型对知识图谱进行推理和生成新的知识。
知识图谱的应用知识图谱可以应用于多个领域，如搜索引擎、智能客服、自然语言处理、数据分析等。以下是几个知识图谱的应用案例：
搜索引擎知识图谱可以帮助搜索引擎更好地理解用户的搜索意图，提供准确的搜索结果。例如，当用户搜索“北京故宫”，搜索引擎可以通过知识图谱中的实体“北京”和“故宫”之间的关系，提供更多和故宫相关的信息，如门票价格、开放时间等。
智能客服知识图谱可以帮助智能客服更好地理解用户的问题，并提供准确的解答。例如，当用户咨询“如何办理银行卡”，智能客服可以通过知识图谱中的实体“银行卡”和“办理”之间的关系，提供相关的办理流程和注意事项。
自然语言处理知识图谱可以帮助自然语言处理系统更好地理解和处理人类语言。例如，当用户说“我要买一件红色的T恤”，自然语言处理系统可以通过知识图谱中的实体“T恤”和“红色”之间的关系，提供相关的商品信息和购买链接。
数据分析知识图谱可以帮助数据分析人员更好地理解和分析数据，发现数据之间的关系和模式。例如，当分析人员需要对产品销售情况进行分析时，知识图谱可以帮助他们更好地理解产品之间的关系和影响因素，从而提供更准确的分析结果。
结论知识图谱是人工智能技术中的重要组成部分，它可以帮助计算机更好地理解和处理人类语言，从而实现更智能化的应用。随着人工智能技术的不断发展，知识图谱的应用范围也将越来越广泛。