钟秉林：信息技术与教育教学深度融合是大势所趋
以“在线教育新常态――从‘学习革命’到‘质量革命’”为主题的2020中国国际远程与继续教育大会日前在北京召开。国务院学位委员会委员、国家教育咨询委员会委员、国家教育考试指导委员会委员钟秉林指出，信息技术与教育教学深度融合是大势所趋，要主动适应信息科技创新带来的教育形态和就业市场的变革。
新的时代，教育出现了哪些新的特征？互联网教学为教育带来哪些变化？如何利用在线教育快速发展契机，推进我国教育现代化的进程？人民网记者在会后专访了钟秉林。
从“上学难”转变为“上好学校难”
到去年年底，全国共有各级各类学校53.01万所，各级各类学历教育在校生2.82亿人，专任教师1732.03万人。从学前教育、九年义务教育到高中阶段教育、高等教育，已经基本普及。尤其是全国高等教育在学总规模突破4002万人，高等教育毛入学率已达到51.6%，从大众化进入普及化阶段。
“中国教育快速发展，即将进入全面普及阶段。”钟秉林表示，中国的教育发展水平已经进入了世界中上等水平，对于一个人口众多的发展中国家而言，是一项非常了不起的成就。
钟秉林谈到，在新的时代，教育发展也出现了新的特征，体现在主要矛盾发生了转化，即从过去的“上学难”转变为现在的“上好学校难”。
“一方面老百姓迫切要求接受高质量的教育，我们都希望孩子能上好学校；另一方面我们国家优质教育资源供给短缺，而且发展不均衡，不充分。”钟秉林说。
钟秉林表示，解决这个问题的根本途径，就是要拓展优质教育资源，办好每所学校。这是一个长期积累、厚积薄发的过程，不可能一蹴而就。
“我国教育发展方式正在发生根本性的转变，从过去的外部式发展转变为以提高质量，优化结构为核心的内涵式发展。在这个背景下，以互联网为代表的在线教学给我们提高教育质量、扩大优质教育资源覆盖面带来了难得的契机。
在线教学促进教育公平与质量提升
在钟秉林看来，在线教学首先可以促进教育公平和质量提升。以慕课、微课程、翻转课堂、混合式教学为代表的基于互联网的在线教学模式应运而生，并且走向实用。一方面，在线教学突破了学习时间和空间的局限性，可以实现个性化线上学习，共享优质课程资源，扩大优质教育资源覆盖面，有利于促进公平和构建学习型社会。另一方面，互联网教学也为融合线上线下教学，促进学生的自主学习与合作学习，改革传统的教学方式和手段创造了条件，有利于提高教学质量，改善学习效益。
“基于互联网的教育信息化建设成为我们国家教育发展的战略重点。”钟秉林强调。
在今年新冠疫情防控期间，我国各级各类学校面向两亿多学生开展了在线教学实践，有效实现了“停课不停教、不停学”。在线教学满足了学生居家学习的要求，一定程度上实现了优质教学资源的共享，促进了师生信息素养的提升，并且提高了学校的教育治理能力。
钟秉林认为，这项历史上从未有过的大规模在线教学实践，将会成为教育信息化理论与实践创新的重要契机，也将有力推进我国教育现代化的进程。
他同时也提出，全面实施线上教学也带来一些问题。“教育技术资源配置的区域差异、城乡差异和校际差异，引发了教育公平问题；学生学习的自律性和主动性，家长监督的有效性，以及教师信息素养的差异性，也带来了教学效果的争议。这都需要引起高度重视。”
在线教育颠覆了传统的学习过程
互联网技术、数字技术、移动通信技术的发展，正在改变着人类获取知识的方式和渠道。知识传递的方式，从过去传统的单向传递为主，转变为多向互动。
钟秉林指出，在线教学使得学校教师角色发生了转型，从过去知识单向传递背景下学生知识的传授者，转变为在知识多向互动背景下，学生学习活动的设计者和指导者。教师角色转型还带来学校师生关系的变化，师生之间形成了一种新型的“学习伙伴”的关系。
“很多学者倡导构建师生学习共同体，通过教师引导、师生互动和学生合作来实现教学目标。知识传递方式的转变、教师角色的转型和师生关系的变化，直接冲击到了学校的教育教学观念、教学方式和学习方式、教学组织形态和教室布局，以及教学管理体制机制。”钟秉林说。
他同时谈到，在线教学正在颠覆传统的教学和学习过程。传统而言，学生的学习过程大致可以分为两个阶段，第一个是知识传输阶段，教师上课讲授，学生听讲接收知识；第二个阶段是知识内化阶段，通过教师辅导答疑，学生复习、做习题，并参加必要的教学实验，将接收到的知识消化吸收、融会贯通、真正掌握。而在线教学的诞生，有可能使这个过程发生颠覆。
“学生接收知识的过程有可能从课堂之上向前移到上课之前，学生在线上通过个性化的学习来完成。上课的时候，教师就不能以讲授为主了，必须要引导和组织学生在课堂上进行探究、反思、讨论，组织学生合作学习、习题演示，教师进行纠错和归纳，来实现教学目标。”
钟秉林表示，要利用在线教学带来的机遇，引导和鼓励学生自主学习、合作式学习和探究式学习，这也是当前国内外学校人才培养模式改革和教学改革的重要方向。
在线教学不可能完全取代学校教育
新的发展格局之下，如何应对在线教育迅猛发展带来的机遇和挑战？
钟秉林认为，要主动应对在线教学的新挑战。转变教育观念，树立富有时代内涵的人才观、多样化的质量观和现代的教学观；不断深化教学改革，探索信息技术和教育教学的深度融合；提高教师素养，改善教师的教学能力和水平；探索教学管理体制机制创新，完善教学质量保障机制。
“后疫情时代，线上线下相融合的混合式教学将成为学校教育教学的新常态。在这样的背景下，课堂教学质量标准需要完善。我们不能用传统的课堂教学评价方式去评价当前和今后的课堂教学质量，要完善学生的学习效果跟踪评价机制和综合评价机制，尤其要探索在线教学的评价方式和方法技术。”钟秉林特别强调。
他同时提醒，要跳出在线教学发展的误区。课程教学不等于学校教育，因此在线教学不可能完全取代学校教育，在这方面必须保持清醒的头脑，避免炒作概念，片面夸大作用。
“教育的终极目标是培养全面而有个性发展的人才。从这个角度讲，学校优良的办学传统、校园文化和校风学风，对学生成长成才具有重要的熏陶和催化作用。大学生的人际交往和公共关系能力、团队精神和健全人格的养成，主要在现实环境之中，通过学校教育、学生群体式的学习，以及各种形式的社会实践来实现。而在虚拟环境下，要解决这些问题，还有相当长的一段路要走。”钟秉林说。
他表示，信息技术和教育教学深度融合是大势所趋，要保持敏锐的目光，密切跟踪发展趋势；结合校情和课程的规律特点，探索多样化的课程改革；保持理性态度，避免走入“纯技术化”的误区；要提高教师的信息素养，强化教师的育人功能。
“身处互联网教育时代开启的黎明时刻，在为信息科技革命提供人力和智力支撑的同时，一定要主动适应科技信息创新带来的教育形态和就业市场的变革，抓住机遇，迎接挑战，协同创新。”钟秉林最后说。
(责编：郝孟佳、熊旭)分享让更多人看到
科学新闻
新一代人工智能新趋势
社会发展史上，人类经历了农业革命、工业革命，当前正在经历信息革命。智能化是信息革命的一个新阶段，信息革命从数字化开始发动，网络化将其提升到了非常重要的阶段，现在人类社会进入了智能化阶段。
人工智能是依托人工设计的装置，为了完成人工规定的任务，通过人工设计的算法和由人工（直接或间接）提供的数据，经学习形成自主的感知、认知和决策能力。人工智能是渗透力很强的通用技术，是引领新一轮科技产业变革的战略性技术，具有溢出带动性很强的“头雁效应”。
近年来，有关人工智能的研究不断增长。WoS统计数据表明，2018~2020年，人工智能算法研究论文数量持续增长，从13万增长到17万多篇，应用领域也逐年扩大。
新一代人工智能技术是在克服现存瓶颈中开辟新道路的。当前人工智能发展的瓶颈，包括数据可获得性和质量问题、模型可移植性问题、能效和能耗问题、语义鸿沟问题、算法可解释性问题、可靠性问题等等。
数据的可获得性和质量是新一代人工智能面临的第一个大问题。大量数据的获得并不那么容易，一般的企业没有能力获得这么大量的数据，也花不起如此之高的成本去做大量标注，而且还需要投入大量的算力。
其次是能耗瓶颈。2020年5月，人工智能非营利组织OpenAI发布了预训练语言模型GPT-3，其具有1750亿参数，在许多自然语言处理数据集上均具有出色的表现，包括翻译、问答和文本填空任务，还包括一些需要即时推理或领域适应的任务等，可以说其在很多实际任务上已大幅接近人类水平。开源预训练模型大大降低了企业开发的门槛，但这种神经网络模型所需的数据、算力和能耗非常大，GPT-3训练所用的数据量达到45TB，训练费用更是超过1200万美元。
值得关注的是，近年来AI加速器的需求快速增长，发展异常活跃，一批新生力量强势崛起。一方面是通过将现有算法嵌入芯片，提高速度、降低能耗；另一面，也出现了一些高效的新算法。
比如，来自麻省理工学院、维也纳工业大学等机构的团队，仅用19个类脑神经元就实现了控制自动驾驶汽车，使其能够模仿学习，具有扩展到仓库用自动化机器人等应用场景的潜力，而常规的深度神经网络则需要数百万神经元。这种类脑小参数模型的能耗也大为降低。这一研究成果发表在2020年10月《自然•机器智能》上。
2020年8月，《自然》封面报道了清华大学的研究成果——“类脑计算与机器学习结合的芯片问世”，成为全球关注的重大新进展。
2020年10月，《自然》发表清华大学张悠慧等提出的“类脑计算完备性”概念以及软硬件去耦合的类脑计算系统层次结构。《自然》评论认为：“‘完备性’新概念推动了类脑计算”，对于类脑系统存在的软硬件紧耦合问题而言，这是“一个突破性方案”。
2020年12月，北京大学杨玉超团队提出并实现了一种基于相变存储器（PCM）电导随机性的神经网络高速训练系统，可有效缓解人工神经网络训练过程中时间、能量开销巨大并难以在片上实现的问题，为人工神经网络在终端平台上的应用以及片上训练的实现提供了新的方向。
无论是从算法、理论、硬件还是基础器件，都可以看到新一代人工智能技术的新趋势：强功能、高效率、新体系。
人工智能产业发展
中国新一代人工智能发展战略研究院选择以人工智能解决方案为主业的企业进行研究，经过持续三年的观察发现，智能科技产业是企业、大学、科研院所、投资者、链接者（会议、联盟）和政府六类主体通过资金、技术和人才关系相互作用的复杂适应系统。
我们从2205家企业入手，发现他们联系到200多家大学、100多个研究所，参加了1000多个会议，涉及到400多个联盟、3741家投资者以及500多条地级以上政府的政策、1000多个地级以上政府产业园，连成一个密密麻麻的图，我们称之为“价值网络图”。这个图虽然看上去一团乱麻，实质上反映出人工智能产业紧密连接的形态特征。
我们进一步观察到，2018年连接度最高的是BAT三个平台，2020年华为的连接度上升到第一位。我们还发现，一批汽车制造企业由于融入了智能技术，已经成为智能产业的重要力量。总体上来看，人工智能和实体经济的结合越来越紧密，融合产业部门正在成为智能产业发展的主导力量，智能机器人成为人工智能与实体经济的重要结合点。
在中国这样的人口大国，为什么要发展机器人？我认为，机器人不是要一般性地代替人的工作，而是要去做不适宜人做或人们不愿意做的工作。在工业化早期，正如卓别林在电影《摩登时代》中表现的那样，工人每天做着紧张乏味的机械式劳动，这种机械式劳动把人变成机器。于是，人们强烈希望用某种机器来代替这种机械劳动，代替人完成那些枯燥、单调、危险的工作，于是机器人应运而生。没有机器人，工业化把人变为机器；有了机器人，人仍然是工业化的主人。
我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”
机器人存在安全之忧、能力之忧、成本之忧、失业之忧、灭种之忧这五个“发展之忧”。要想解决这些问题，机器人需要上网，通过大数据和人工智能结合，为机器人增能提智；同时，还要为机器人立心立德，把伦理植入系统，做到可检测、可检验。
新一代人工智能与新一代机器人融合趋势下，信息技术与制造技术深度融合的数字化、网络化、智能化制造是主线，这体现在以机器人为载体、以工业互联网为基础，推动新一代人工智能和实体经济深度融合。
新一代人工智能和机器人共融发展
“与人共融”是新一代机器人面临的共性挑战。目前机器人在智力和行为能力上与人是不可比拟的。要做到与人共融，机器本体的行为能力仍需加强，要更加敏捷，同时智能技术和智能水平也应增强，使其在智力和行为能力上与人的水平相匹配，这样才能实现与人协同。
工业机器人要融入“有人的生产线”，与工人互助合作完成任务；服务机器人要融入普通人（老人、残疾人、家庭主妇等等）的家庭生活；特种机器人则要更多提高自主智能，降低对人的遥操作的依赖。
传统人工智能技术主要在非行为空间、确定性约束或规则下进行推理决策，如问题求解、定理证明、模式识别、专家系统、人机博弈等等；而机器人所需的智能是在行为空间。因此，具有约束条件的非预知性、动态性、操作/合作对象的随机性以及行为决策所必须的实时、鲁棒性，都对人工智能提出了技术挑战。
机器人的智能是在与工作环境、合作对象、作业目标的不断交互过程中，通过自主学习而形成的“发育智能”，而非基于完备规则下的“计算智能”。因此，要把握机器人智能发育理论、方法与发展趋势；利用机器学习、人工智能与脑科学的研究成果，研究基于模仿学习、自主学习的机器人知识、技能获取与增长机制及实现方法；面向自主作业和自主移动，研究机器人智能发育的软硬件实现方法。
机器人的智能发育，是指机器人利用其自身所具备的感知能力，在其与环境以及操作者的实时动态交互过程中，增量式、渐进地提升自身自主行为能力的过程。与传统的机器学习方法相比，智能发育需要具有以下特点使之更适合于机器人的智能获取与提升：一是具有类人的、无需大样本的学习模式；二是能够适应动态、不确定环境和非特定使命；三是具备长期、增量式的经验积累能力；四是可以融合人的智能，实现二者的高效协同，让人工智能和机器人相向而行，共同支撑智能制造，实现人工智能和实体经济的深度融合。■
（作者系世界工程组织联合会主席、中国电子学会副理事长，记者高雅丽整理）
推动信息技术与教育教学融合创新发展
疫情期间，教育信息化发展对教学工作起到了至关重要的作用，是贯彻“停课不停学”理念的重要方法。
十三届全国人大一次会议以来，多位全国人大代表建议大力推进教育信息化，努力以信息化为手段扩大优质教育资源覆盖面，推动信息技术与教育教学融合创新发展，促进教育公平，提升教育质量。
2018年，古清月等46名代表提出《关于边远艰苦及民族地区共享优质教育资源的建议》；2019年，刘庆峰等15名代表提出《关于建设人工智能+教育，积极引导新技术推进教育现代化的建议》；2020年，杨伟坤代表提出《关于融合创新线上线下教育加快教育信息化发展的建议》；2021年，周清和代表提出《关于利用信息网络解决中小学教育不平衡问题的建议》……代表们围绕“优质数字教育资源共建共享”“教育新型基础设施建设”“信息技术与教育教学融合”“互联网+教育”等方面提出了意见建议。
教育部会同有关部门积极推动教育信息化发展，高度重视并采纳代表的意见建议，取得了显著成效。
边远地区网络教学资源匮乏
全国人大代表、空军工程大学教员古清月多年来一直关注边远地区学生教育问题，她发现，在国家大力投入下，我国乡镇、边远艰苦地区和民族地区中小学的基础设施建设有了大幅改善，基本满足了学习和生活所需。但一个不容忽视的问题是，这些地区的远程网络教育资源仍比较匮乏。
“作为日常教育、教学的有力补充与支持，流媒体教学、网络教学等教学方式和手段已经在高等教育中发挥了越来越重要的作用。”古清月认为，中小学教育标准化高、知识结构性强等特点，非常适合采用建构式的方法解构知识区块形成完善的流媒体教学体系，进而通过网络平台将教育发达地区的优质教育资源向乡镇、边远艰苦地区及民族地区渗透、转移、覆盖，提高这些地区的教育教学水平。
在调研走访中，古清月注意到，有些省市乡镇、山区和民族地区中小学已经开展了一些远程网络教育支持活动，但这些教育资源比较零散、不成体系、针对性不强。此外，一些突发网络问题及复杂的终端应用技术也极大阻碍了乡镇、边远艰苦地区和民族地区中小学教师对网络教学支持资源的使用热情。
加快网络教学基础设施建设
如今，高等教育的慕课已得到广泛应用。比如，清华大学的“学堂在线”平台就让名校的优质教育资源共享成为可能。
在古清月看来，自上而下推动建设综合网络教学服务支持平台，可以在一定程度上缓解现存城乡教育、师资的差距，助力教育扶贫、智力扶贫，缩小教育落后地区与发达地区的教育差距。
她建议，组织教育发达地区的优质教育力量，制作符合不同地区教学特点、按建构式知识结构分解的配套流媒体教学视频。同时，建立互动的远程网络双向教育支撑平台，通过教育发达地区中小学与贫困落后地区中小学结对帮扶的方式，实现教师之间的教学智力帮扶、教师对学生的智力帮扶和学生之间的沟通交流。
针对部分地区网络教学设施薄弱的问题，古清月建议要优先投入乡镇、贫困地区和民族地区中小学的网络教学基础设施建设，保证远程网络教育支持的硬件条件。可充分利用微信平台的精准信息传送功能，与课堂教学、流媒体教学相互结合，构建针对中小学生学习特点的全方位知识架构立体网络教育支持系统。
加强教育信息化设计和规划
对于代表们提出的建议，教育部通过走访、电话、邮件等方式，与每一位人大代表进行了细致沟通，并会同有关部门积极推动教育信息化发展。
为进一步加强教育信息化的顶层设计和统筹规划，近年来，教育部相继出台《教育信息化2.0行动计划》《关于数字教育资源公共服务体系建设与应用的指导意见》《关于加强网络学习空间建设与应用的指导意见》等一系列政策文件，指导推进教育信息化发展。
2021年7月，教育部、中央网信办、国家发展改革委、工业和信息化部、财政部、中国人民银行联合印发了《关于加强教育新型基础设施建设构建高质量教育支撑体系的指导意见》，聚焦信息网络、平台体系、数字资源、智慧校园、创新应用、可信安全六个方面，部署加快推进教育新基建，推动教育数字转型、智能升级和融合创新。
为缓解薄弱学校特别是农村小规模学校教师结构性短缺、开不齐开不足开不好国家规定课程等问题，2020年教育部印发《关于加强“三个课堂”应用的指导意见》，全面推动专递课堂、名师课堂、名校网络课堂常态化应用，促进城乡义务教育一体化发展。
为满足广大师生对优质教育资源和教育服务的迫切需求，2022年初，教育部启动实施国家教育数字化战略行动，3月28日，国家智慧教育公共服务平台正式上线，整合集成了国家中小学智慧教育平台、国家职业教育智慧教育平台、国家高等教育智慧教育平台和国家大学生就业服务平台。截至11月底，平台网页版和App累计浏览量超过114亿次，访客量近9亿人，平台用户不仅覆盖了全国各省区市，还有来自180多个国家和地区的学习者访问平台。（赵晨熙）
我国人工智能教育研究现状及主题结构分析
高被引文献分析能够反映出一定时间范围内被同学科领域引用频次位居前列的文献。分析这些最有影响力且学术质量较高的文献，有利于更准确地追踪学科的研究动态。研究将数据导入CiteSpace工具中，时间段设置为从2000年到2019年间，时间间隔设置为一年，生成可视化网络图谱。图谱中共出现63个节点，网络密度达到0.0676，说明文献间共被引关系相对紧密。该数据也初步表明该领域内研究内容相对集中。
（二）高频关键词共词分析
1.高频关键词分析
研究将数据导入CiteSpace软件，节点类型选择关键词（Keyword），图表视图选择时区图（TimeZoneView）进行高频关键词可视化分析。时区图反映了关键词在时间跨度上的知识演进，可以直观反映关键词的演进路径。通过时区图分布，可看出人工智能从2000年起步，并以爆发性的态势发展。至2002年人工智能与教育开始结合，并出现了机器人教育研究。随后在2007年与人工智能相关的教育信息化、智能教学系统被大量提出，表明这一时期研究是以人工智能教育应用为主，特别是智能导学系统的研究。2016年到2019年间，是人工智能教育的大爆发时期，人工智能与教育深度融合并引发了教育教学形式的巨大变化，不仅出现了未来教育、智能教育、智慧教育等教育概念，同时还出现了创客教育、个性化学习、深度学习、计算思维等热点词。
研究将文献数据导入Bicomb软件中进行关键词的提取、统计与分析，统计高频关键词的频次。将数据矩阵导入Ucinet软件中计算得出关键词的中介中心性，表1列出了频次大于3的关键词的频次和中介中心性。
由表1可见，人工智能领域的研究围绕人工智能教育应用、人工智能关键技术、人工智能教育载体展开。主要涉及个性化教学、智能教学系统、机器人教育、机器学习、深度学习、编程教育、STEAM教育、计算思维等核心关键词。
2.高频关键词共现分析
关键词共现矩阵反映了关键词之间的联系。本研究利用Bicomb软件研究选取共现频次大于2的关键词形成关键词共现矩阵，并将生成的共现矩阵导入Ucinet软件进行可视化分析。在关键词共现网络图中，节点的中心度大小通过节点的大小表示。节点之间的连线表示关键词的共现关系，连线越多，则表明关键词之间的联系越密切。在关键词共现网络图中，人工智能的节点最大，中心度最高，占据核心位置。外围与之相连的关键词包含人工智能教育应用、教育信息化、个性化教育、机器学习等。最外围包含编程教育、计算思维、创客教育、学习分析等概念，表明了以人工智能为核心的教育应用、技术、方法、载体、目标等更广泛的研究领域。
（三）主题聚类分析
本文采用SPSS软件针对关键词进行聚类分析，将距离较近的关键词聚在一起从而形成分析目标。将相异矩阵导入SPSS软件中，首先对相关的参数进行设置，在绘制中选择“谱系图”，在聚类方法中选择“Ward”方法，生成如图1所示的聚类谱系图。
根据聚类分析的结果，研究将人工智能教育领域划分为四个类团。
类团1：智能教育理论。
智能教育理论是人工智能教育领域的基础研究内容，包括学习空间、人机协同、教育信息化、教育现代化、智慧教育、教育技术、远程教育、教育等关键词。大量的高频引用论文也多集中在理论和方法层次。这是因为，一方面，传统的教育理论和教育方法已经不太切合人工智能时代下的教育，人工智能时代的教育需要更加切合的教育理论和方法；另一方面，人工智能教育需要一个全方位的理论指导和应用图景介绍，方便教师尽快理解人工智能在教育中的可行应用。该领域由智慧教育、教育现代化等关键词组成。当前，关于智能教育理论的研究主要集中在以下几个领域：国内外人工智能及人工智能教育政策文件及行动计划的解读、人工智能教育已有的研究评述与展望、人工智能背景下的教育理论与方法创新。如蒋鑫对美国颁发的《国家人工智能研发战略规划》和《美国机器智能国家战略规划》进行详细解读，指出其人工智能支持教育变革方面的政策转变，以期为我国未来教育人工智能战略的制定提供借鉴[6]。王珠珠则对教育信息化2.0时代的智能教育核心要义和实施途径进行了深入讨论和论证[7]。总体上而言，新的技术的发展对原有教育理论将产生推进作用，并深入理解新兴技术与教育的适切性问题，推动教育理论的不断更新具有重要意义[8]。
类团2：智能教育应用。
智能教育应用研究是人工智能教育领域的重要研究内容，包括人工智能教育、人工智能应用、人工智能、个性化教学、在线学习、人工智能技术、智能教学系统。该领域学术论文数量较多，研究主要集中在对人工智能赋能教育教学方式、评价、决策等方面，由个性化学习、在线学习、人工智能技术、智能教学系统等高频关键词组成。从当前文献研究可看出，大规模在线学习中的个性化学习和智能教学系统为当前主流的教育应用研究，两者通常进行相互结合。个性化教学通过确立明确的个体目标，实时收集个体行为、认知数据，帮助学生选择最佳的学习策略。智能教学系统则通过采集数据，构建模型，为个性化的教学方式提供良好的实现途径。该领域当前整体的研究趋势是探索如何从教育的实际需求出发开发各类智能教育应用。如余明华在其文献《人工智能视域下机器学习的教育应用与创新探索》中就对应用与教育领域的机器学习方法进行了汇总分析，充分阐述了机器学习对学生行为建模、学习表现预测、学习支持和评测方面的典型应用案例[9]。潘云鹤在其《人工智能2.0与教育的发展》中就对人工智能2.0时代对教育的影响进行了详细的阐述，指出了大数据智能、媒体智能等对个性化教育及学习效率效果的重大提升作用[10]。
类团3：智能教育技术。
人工智能教育研究领域主要依赖核心技术的使用，包括技术方法和核心算法两大内容。这一类团主要由教育大数据、学习分析、机器学习、深度学习和区块链等几个高频关键词组成。其中，教育大数据是人工智能实施的基础数据支撑，而学习分析则是重要的技术支撑。研究多以教育大数据为支撑，根据教学中学生认知发展规律的变化，提取重要指标，发现学习规律，为优化学习路径、促进教学监督与干预提供证据支持[11]。机器学习是人工智能的核心，机器学习研究如何使计算机自动进行学习的方法，具有从信息中归纳知识，进行聚类、关联分析、预测及可视化等各种能力，其适用于各种大小规模不同的数据集。而深度学习属于机器学习的子类，其更依赖于大规模数据的使用。近几年，大规模开放教育平台迅速发展，其为深度学习提供了海量的学习和评测样本，促进了学习增强、学习预测、学习迁移、知识表征、自适应学习等多个教育领域的发展[12]。
类团4：智能教育内容。
在人工智能战略的总体目标和创新性人才培养的要求下，当前的人工智能教育内容与相对成熟的创客教育、STEAM教育、机器人教育形成自然连接。该类团主要由机器学习、创客教育、STEAM教育、计算思维和编程教育等高频关键词组成。这些教育内容所蕴含的创新素质培养、合作精神、问题解决能力、批判性思维等培养目标与人工智能教育培养总体目标相一致。从研究的趋势来看，该领域研究主要集中在中小学人工智能课程体系、教学模式及创新能力及核心素养等几个方面。研究思路也逐步从单纯的人工智能知识教育过渡到整合人工智能的教育，教育形式和教育模式都不断创新。如傅骞研究中探索了图形化编程工具在提升学生的计算思维能力方面的显著效果[13]；谢忠新从认知发展视角提出了对中小学人工智能课程内容建设的想法[14]；祝智庭则在其《面向人工智能创客教育的国际考察和发展策略》一文中，为面向人工智能的创客课程建设提出建议，指出了科普课程、嵌入式课程、项目性和整合性课程的不同目标及组织形式[15]。
三、研究结论
从人工智能作用的对象出发，我们可以总结得出，当前人工智能教育研究主要应在以下三个方面不断深入探索。
（一）人工智能优化教学内容，完善学生知识体系
人工智能可以通过两个维度来优化教学内容，完善学生知识体系。一个维度是在内容本身，即在教学内容中加入人工智能的相关知识，方便学生应对未来的知识需求；另一个维度则是组织形式，利用人工智能可以更好地组织教学内容，方便学生理解。未来社会的运行将会建立在人工智能及物联网基础上，学生们只有理解了人工智能、物联网等基本原理才能应对未来的需求，所以基于人工智能的相关课程必须充实到现有的教学内容中。对于组织形式而言，借助于人工智能技术，知识可以以知识图谱的形式进行组织，形成网状的知识依赖图，从而可以以更加科学的方式进行教学，也为个性化的教学提供了基础。
（二）人工智能改善教学环境，激发学生创新能力
人工智能对教学环境的支持可以在对学习内容进行重新组织和重构的基础上，对学习活动进行跟踪和分析，对学习时空进行感知和适应，对教学活动进行评价与优化。为实现这些目标，人工智能技术不仅应提供人与教学环境的自然交互、基于情境感知的自适应教学、基于学习者行为的自动评价与反馈等，还应关注学习环境对学习成就的影响，从而制定有效的环境支持策略，提升学生的学习效果和效率。更为重要的是，当前人才培养目标正在向具有核心素养的创新性人才过渡，人工智能对学习环境的支持必然也应顺应这一变化，注重对学生的创新能力培养的支持，即通过拓展实践环境和空间环境，使学习者在课上和课下、真实和虚拟环境中都能产生创新的行为。
（三）人工智能改进教学过程，增强学生学习效果
人工智能可以为教学过程提供支持，可以应用于学习、诊断、练习、测评等学习过程之中。这些应用通过收集海量教学和学习数据，实施细粒度分析，追踪每位学习者的知识和能力发展情况，提升学习分析的精准度，进而为学习者提供及时干预措施和学习辅助。在此过程中，人工智能在教育中的应用与研究应在充分了解学习过程的基础上，积极吸收和借鉴学习科学及认知心理科学等最新研究成果，依据学习者认知特征规律构建更为精准的学习支持模型，有效提高学习效果。更进一步，人工智能对教学过程的支持还将有效改变现有评价方式。技术的多维接入，使得教师可以使用多样的设备采集任意过程数据，对学生的逻辑思维、情绪体验等进行多角度的综合评价，实现更加精准的智能导学与基于核心素养能力的个性化评价。
当前的人工智能教育研究还处于初级阶段，未来还有很长的路要走，笔者建议后续的研究从以下几个维度展开：在教学内容上，从学科整合角度出发来构建分层的人工智能教学课程体系。整合是为了通过综合实践来培养学生解决实际问题的能力，分层则是为了在不同的学段提供合适的人工智能课程。在教学环境上，从促进学生创新和分享的角度来设计智能教学环境。好的教学环境并不只是方便老师或学生完成已有知识的被动学习，而是应该激励学生进行知识的创新应用和分享，并形成创新到分享又激励创新的正向循环，持续地进行创新和分享。在教学过程上，从学生核心素养角度出发来研究人工智能支持下的教学过程。我们相信，伴随着人工智能教育应用的不断研究和实践、教与学效率的不断提高，人工智能教育最终会促进师生共同发展，培养满足时代需求的人才。
[3]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.
[4]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.
[5]贾积有.人工智能赋能教育与学习[J].远程教育杂志，2018，36(1)：39-47.
[6]蒋鑫，洪明.从“NSTC规划”到“CSIS规划”：美国人工智能赋能教育的颠覆与创新[J].中国远程教育，2019(7)：27-37.
[7]王珠珠.教育信息化2.0：核心要义与实施建议[J].中国远程教育，2018(7)：5-8.
[8]李政涛，罗艺.面对信息技术，教育学理论何为？[J].华东师范大学学报（教育科学版），2019，37(4)：1-12.
[9]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.
[10]潘云鹤.人工智能2.0与教育的发展[J].中国远程教育，2018(5)：5-8，44，79.
[11]魏顺平.学习分析技术：挖掘大数据时代下教育数据的价值[J].现代教育技术，2013，23(2)：5-11.
[12]赵慧琼，姜强，赵蔚.教育大数据深度学习的价值取向、挑战及展望——在技术促进学习的理解视域中[J].现代远距离教育，2018(1)：17-25.
[13]傅骞，解博超，郑娅峰.基于图形化工具的编程教学促进初中生计算思维发展的实证研究[J].电化教育研究，2019，40(4)：122-128.
[14]谢忠新，曹杨璐，李盈.中小学人工智能课程内容设计探究[J].中国电化教育，2019(4)：17-22.
[15]祝智庭，单俊豪，闫寒冰.面向人工智能创客教育的国际考察和发展策略[J].开放教育研究，2019，25(1)：47-54．
郑娅峰（1979—），女，河南洛阳人，博士，副教授，主要研究方向为教育数据挖掘、学习分析、自适应学习、可视化分析；
傅骞（1978—），男，浙江金华人，博士，副教授，主要研究方向为物联网技术及教育应用、创客教育等，本文通讯作者；
赵亚宁（1997—），男，山西临汾人，硕士，主要研究方向为数据挖掘、数据分析、机器学习。
喜欢就点个赞吧返回搜狐，查看更多