教育装备采购网
河南大学体育论坛580*60 第六届图书馆论坛580*60

人工智能应用背景下的教育人工智能研究

教育装备采购网 2018-10-26 10:09 围观4865次

  人工智能技术通过对人类的感知、记忆、学习、思维等进行模拟,使机器具备人类的识别、认知、分析、决策等功能,从而替代人类完成一些重复性的复杂工作。《新媒体联盟地平线报告:2017高等教育版》曾预测:人工智能将对未来教育产生重要影响[1]。2017年,国务院出台的《新一代人工智能发展规划》提出要利用人工智能技术进行教育模式变革、构建新型教育体系、研发智能化的学习支撑平台,并实施全民智能教育项目[2],说明人工智能在我国已上升为国家的核心战略。近年来,各种新型智能教育应用层出不穷,如高考机器人、自动批改作业、智能口语测评、在线拍照搜题等,可以说人工智能与教育的深度融合已成必然趋势。随着人工智能技术在教育领域的深度应用,互联网教育将进入“人工智能 教育”的高级阶段,教育信息化将迈入以“融合创新,智能引领”为主要特征的2.0时代[3]。

  一 教育人工智能与人工智能教育、智能教育的关系

  人工智能在教育领域的应用由来已久,目前与此相关的研究主要涉及智能教育、人工智能教育、教育人工智能三个术语,而这三个术语经常被混淆使用,故本研究试图基于相关研究成果对这三个术语的概念进行辨析。

  1 相关研究成果

  在针对智能教育、人工智能教育、教育人工智能的相关研究成果中,朴钟鹤[4]对韩国智能教育的内涵进行了探析,认为智能教育是基于学习者的能力、兴趣,运用信息技术来开展自主式学习的教育;赵银生[5]认为智能教育即教育手段智能化,是指采用先进的信息技术促进教与学方式、方法和模式的变革,使得教育管理、教学与学习实现智能数字化;张进宝等[6]认为智能教育以实现个体智能的发展为目标,综合培养学习者的学习能力、数字素养、计算思维,是个体智能发展与智能技术实践相整合的创新教育过程;陈凯泉等[7]认为人工智能教育的目标定位是培养学生的编程能力与计算思维;闫志明等[8]认为教育人工智能的目标包括两方面:一是提供适应性的学习环境和智能学习工具,二是通过人工智能技术来揭开“学习黑匣子”。

  2 概念辨析

  本研究认为,智能教育兼具教育目的性和技术性之双重属性:①从教育视角出发,智能教育被视为育人的目标,即“促进人类智能发展的教育”,更多地指向“多元智能”、信息化素养和计算思维能力的培养;②从信息化视角出发,智能教育被视为育人的技巧,即“利用人工智能改善教育”,侧重于将人工智能作为支持教学的技术手段。由此,可以推出智能教育具有“促进智能发展”和“智能化教育”的双重功能。基于此,本研究认为智能教育可细分为人工智能教育和教育人工智能两大方向,三者的关系如图1所示。

图1 教育人工智能与人工智能教育、智能教育的关系

  

  具体来说,人工智能教育将人工智能作为学习对象,开展知识及其表示、推理与专家系统、人工智能语言与问题求解等内容的教学,旨在使学生建立对人工智能技术的基本认知,从而培养学生的信息学科素养、提升学生的计算思维能力。教育人工智能是人工智能和学习科学的结合,是指利用人工智能技术,为自适应学习环境和灵活多样的教育辅助工具提供智能支持,并探索学习发生的原理与机制;教育人工智能具有数据驱动、自学习能力、人机协同、个性化定制的特点,其三大核心内容是学习者模型、领域知识模型、教学模型[9]。目前,智能教育的研究主要集中在教育人工智能方面。

  二 教育人工智能的演进历程

自从教学机器诞生以来,心理学家、教育学家就开始探索如何将自动化、智能化手段应用到教育教学中,以将教师从重复劳动中解放出来,为学生提供高质量、个性化的学习方式,从而提高教与学的效率。从历史演化的视角,可将教育人工智能的演进历程划分为以下五个时期:

  1 萌芽期:早期的教学机器

  教育人工智能的探索可追溯至20世纪20年代,Pressey制作了第一台自动执行测验和计分任务的教学机器[10];60年代早期,Skinner基于行为主义理论设计了支持程序教学的机械装置[11],其目的在于通过预设的知识项目来实现差异化、个别化的教学——这些早期成果孕育了人工智能教育应用的萌芽。

  2 启动期:计算机辅助教学

  在图灵测试和人工智能概念的影响下,20世纪60年代后期,教育人工智能进入计算机辅助教学(Computer Aided Instruction,CAI)阶段[12]。ALGOL、LOGO编程语言开始应用于计算机辅助教学,并且研究者开发出了很多的辅助教学系统,如PLATO系统、TICCIT系统等。一般而言,CAI系统由硬件、软件及课件三部分组成。

  3 突破期:智能计算机辅助教学

  20世纪70年代后期至80年代初,研究者在CAI的基础上引入知识库、推理机等专家系统技术,教育人工智能由此逐渐进入智能计算机辅助教学(Intelligent Computer Assisted Instruction,ICAI)阶段。这一时期正处于行为主义衰落、认知心理学崛起的阶段,因此这一时期的智能教学系统大致可分为两类:一类是以行为主义理论为基础的系统,如SCHOLAR、WEST、SOPHIE、GUIDON等;另一类是认知主义主导的教学系统,如LISPTutor、PROUST等。总体而言,这些系统仍遵循“以教为中心”的教学理念。

  4 发展期:自适应学习

  随着互联网的发展,适应性教育超媒体系统(Adaptive Hypermedia System,AHS)在20世纪90年代初开始出现,并在此基础上演化成了自适应学习系统[13]。自适应学习系统能够根据当前学习者的学习需求、学习风格、知识水平、认知能力和学习状态进行适应性调整,实现个性化或差异化学习。一个典型的自适应学习系统包括领域模型、用户模型、教学模型、适应性引擎等四部分,代表性系统有SQLTutor、AutoTutor、Why-2 Atlas等。这一时期的智能教学系统强调“以学习者为中心”的理念,更加关注学习者的学习需求与个性特征。

  5 高速发展期:智适应学习

  近年来,随着云计算、教育大数据、深度学习等技术的不断成熟,教育人工智能进入高速发展期。在这一时期,大规模教育数据的采集、存储、计算、分析、挖掘成为可能。基于全程跟踪记录的学习者行为数据,智适应学习系统以数据驱动的方式智能判别学习风格、个人偏好,借助机器学习、知识图谱等人工智能技术,深度诊断学习者的知识掌握情况,为学习者提供实时、动态、智能化、个性化的指导与干预,代表性系统有Knewton、DreamBox、ALEKS、AltSchool、Kidaptive、Smart Sparrow等。这一时期的智能教学系统强调数据驱动、智能适应,其目标是实现大规模的个性化学习。

三 教育人工智能的技术框架及典型应用

1 教育人工智能的技术框架

  数据、运算力和算法模型是人工智能技术的三大要素,而教育人工智能是人工智能与学习科学相结合而形成的一个新领域[14],因此可以认为教育人工智能主要由数据、运算力、算法模型、学习科学四大要素组成。

  基于上述四大要素,结合对教育人工智能的认知,本研究构建了教育人工智能的技术框架,如图2所示。该框架自下而上分为四层:①基础设施层以云平台为基础,为教育人工智能提供计算能力;②大数据层汇集了教育教学活动中的各种管理数据、资源数据、行为数据以及评价数据,为智能计算提供数据基础;③算法层提供TensorFlow、Caffe等开发框架和计算机视觉、语音识别、自然语言处理等先进算法,是教育人工智能的核心;④应用层以人工智能优化教学过程为目标,开展自适应学习、智能化评测、自动化批改、教育机器人、虚拟学伴等场景应用,驱动个性化学习、精准化教学从理念走向实践,是教育人工智能发展的目标。

图2 教育人工智能的技术框架

  2 教育人工智能的典型应用

  (1)自适应学习

  自适应学习能够根据学习者的个体差异为其提供个性化的学习内容、学习资源、学习路径和学习策略,并提供适应性的指导与干预[15]。已有很多学习系统将人工智能技术融入其中,如美国的Knewton平台借助心理测量模型和贝叶斯网络等概率模型来评估学习者的知识状态,并基于学科知识图谱进行学习路径推荐[16];DreamBox通过跟踪学习者的行为记录,利用机器学习算法实时为学习者提供自适应学习内容,从而培养学习者对于数学概念的理解能力[17]。在人工智能技术的支持下,结合大数据的学习行为分析技术,能够建立更加精准的学习者模型和学科知识本体库与知识图谱,更加智能地自适应调整学习过程,并有针对性地为学生推送适合的学习内容,从而快速提高学习效率、提升学习效果。

  (2)智能化学习评测

  随着人工智能技术在教学中的应用不断深入,传统的人工评测正逐渐被智能化、自动化的系统所取代。典型的应用有计算机智能化测验、大规模机器口语测评等。

  计算机智能化测验是基于项目反应理论和认知诊断理论,由计算机根据学习者当前的能力水平,自动从大型题库中选取难度与之相适应的项目进行测评。计算机智能化测验能够高效精准地估计被试的能力水平,学习者可以显性了解自己对学科板块知识点和能力点的掌握情况[18],已成为教育测量与评价发展的必然趋势。目前,国内的智慧学伴、论答、乂学教育提供的教育应用都采用了这种智能化的测评技术。

  大规模机器口语测评主要采用深度学习等智能语音识别技术,对学生的口语发音进行指正、评分,从而实现英语听说测评的自动化,减少人力投入成本并显著提升教学效率。在国内,科大讯飞、沪江英语、51Talk、英语流利说等都研发了相应的英语口语识别引擎。而在国外,Carnegie Speech、Duolingo软件采用自动语音识别(Automatic Speech Recognition,ASR)技术和自然语言处理(Natural Language Processing,NLP)技术来识别语言中的错误,并帮助学习者进行纠正。

  (3)智能化教学辅助

  作文自动化批改、教育机器人等教学工具的出现,对教师这个劳动密集型职业起到了一定的替代和辅助作用,为解决教师投入成本高、效率低和师资不均衡等问题提供了技术支撑[19]。

  作文自动化批改工具基于标准语料库,利用图像识别、自然语言处理、大数据分析等技术手段,从词汇、语法、篇章、立意等多个维度对学生的作文进行综合评价,并及时给出作文的评语、总分和按句点评。代表性作文自动化批改工具有美国的McGraw-Hill、Pearson、ETS和国内的批改网等,而EdX、Coursera、Udacity也正利用自然语言处理、机器学习、众包等技术来对简答题、论述题和编程作业进行评估。

  教育机器人作为一种具有感知、思维、动作、协同等能力的智能工具,能够协助教师进行教学管理、答疑,增强或延伸教师的表达能力、知识加工能力和沟通能力;能够作为学生学习的虚拟学伴,激发学生的学习兴趣和动力[20],如AdmitHub应用聊天机器人来自动回答学生的高频问题。

四 教育人工智能未来的发展路径

教育人工智能虽然经历了漫长的发展过程,也产生了很多创新性应用,但与人类智能水平还存在很大的差距,教育人工智能的研究与应用依然任重而道远。目前,教育人工智能在学科交叉融合研究、教育数据生态系统完善、专业人才培养以及实践应用等方面尚有待加强。

  1 加强多学科交叉融合研究

  教育人工智能是一门系统性科学,其研究属于多学科交叉型,需要教育技术学、计算机科学、软件工程、信息管理等多学科的对接和联合攻关。其中,教育技术学侧重于教育人工智能模型与方法的研究,并融合前沿教育教学理念,设计以学习者为中心、以创造性思维培养为目标、提供深度学习体验、支持多模态互动教学模式的智能学习环境和资源;计算机科学、信息管理主要负责教育大数据获取、教育知识图谱构建、数据智能处理与分析、智能化诊断评测、学习路径智能规划、学习资源智能推送等方法与技术的研究;软件工程则负责相关智能平台的工程开发与服务研究。此外,研究者还应加强教育人工智能与脑科学、认知科学、心理学、统计学等学科的交叉融合,以便为教育人工智能的深入研究提供理论基础。

  2 完善教育数据生态系统

  海量的教育数据既是发展教育人工智能的核心要素之一,也是训练人工智能系统的基础。教育数据生态系统的完善可从以下方面入手:①在教育数据共享方面,加快建立教育数据采集的标准与规范,适度开放、共享公共教育数据资源,鼓励社交媒体等跨领域的多元数据共享融通。目前,ADL、IMS、ISO等国际标准化组织都在积极制定相应的教育大数据标准,其中最具代表性的是学习行为数据采集标准Experience API和学习分析数据互操作规范IMS Caliper Analytics。②在教育数据预处理方面,通过数据清洗、数据扩充、数据交叉校验等环节,清除“脏”数据、补全缺失数据、统一数据格式,形成高质量的、“干净”的数据资源。③在教育数据存储与计算方面,开展基于Hadoop、Storm、Spark等开源框架的并行存储与计算技术研究[21],开发或定制适合教育数据的一体化大数据平台,为教育人工智能提供可靠的、有质量的数据资源。

  3 培养教育人工智能专业人才

  教育人工智能需要跨学科复合型的专业技术人才,一方面要求具有机器学习、知识图谱、深度学习等人工智能方面的专业能力,另一方面要求具备教育心理学、教育信息化理论与方法、数字化学习资源环境设计与开发等教育技术学的背景知识——但既懂人工智能又懂教育的交叉学科人才供求严重失衡,因此急需教育工作者重新设计人工智能教育的培养方式和课程体系,以培养教育人工智能的复合型人才。此外,在中小学阶段,以人工智能课程为主线,教师可以结合机器人教育、Scratch编程教育、STEM教育、创客教育等形式,开展人工智能的普及教育。

  4 以需求为导向,深化教育人工智能应用

  智能技术只是解决个性化教育等问题的手段而非目的,因此教育人工智能应以教育需求为导向而非以技术研发为动力。具体而言,教育人工智能在应用时需以资源均衡化、学习个性化等迫切需求为目标,利用人工智能的智能感知、智能建模、智能决策等功能,开展诸如智能校园、立体综合教学场、智能在线学习教育平台、智能教育助理等以智能化为核心的数字化学习资源与环境的设计与开发,以推进教育人工智能在教学中的常态化应用,深化人工智能与教育教学的融合。值得一提的是,随着云计算平台和TensorFlow、MXNet等深度学习框架的不断成熟,人工智能算法的准入门槛会显著降低,教育人工智能应用的开展将会变得更加方便快捷。

  参考文献

  [1](美)S·亚当斯贝克尔,M·卡明斯,A·戴维斯,等著.殷丙山,高茜,任直,等译.新媒体联盟地平线报告:2017高等教育版[J].北京广播电视大学学报,2017,(2):1-20.

  [2]国务院.新一代人工智能发展规划[OL]. <http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm>

  [3]任友群,冯仰存,郑旭东.融合创新,智能引领,迎接教育信息化新时代[J].中国电化教育,2018,(1):7-14.

  [4]朴钟鹤.教育的革命:韩国智能教育战略探析[J].教育科学,2012,(4):87-91.

  [5]赵银生.智能教育(IE):教育信息化发展的新方向[J].中国电化教育,2010,(12):32-34.

  [6]张进宝,姬凌岩.是“智能化教育”还是“促进智能发展的教育”——AI时代智能教育的内涵分析与目标定位[J].现代远程教育研究,2018,(2):14-23.

  [7]陈凯泉,何瑶,仲国强.人工智能视域下的信息素养内涵转型及AI教育目标定位——兼论基础教育阶段AI课程与教学实施路径[J].远程教育杂志,2018,(1):61-71.

  [8][9]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,(1):26-35.

  [10]龚维瑶.程序教学简介[J].心理科学,1965,(2):19-24.

  [11](美)M·P·德里斯科尔著.王小明,等译.学习心理学——面向教学的取向(第三版)[M].上海:华东师范大学出版社,2008:52-53.

  [12]邢新华.智能计算机辅助教学——ICAI[J].中国电化教育,1999,(6):8-9.

  [13]左宪枝,陈雨.基于自适应学习系统的翻转课堂实践模式研究[J].中国教育信息化,2016,(10):18-22.

  [14]Luckin R, Holmes W. Intelligence unleashed: An argument for AI in education[OL].

  <https://www.pearson.com/news/blogs/CompanyBlog/2016/03/intelligence-unleashed-an-argument-for-ai-in-education.html>

  [15]菅保霞,姜强,赵蔚,等.大数据背景下自适应学习个性特征模型研究——基于元分析视角[J].远程教育杂志,2017,(4):87-96.

  [16]万海鹏,汪丹.基于大数据的牛顿平台自适应学习机制分析——“教育大数据研究与实践专栏”之关键技术篇[J].现代教育技术,2016,(5):5-11.

  [17]张渝江.用自适应技术支撑个性化学习[J].中国信息技术教育,2013,(3):118-121.

  [18]路鹏,丛晓,宋克,等.计算机自适应测试研究进展与展望[J].东北电力大学学报,2015,(3):82-90.

  [19]亿欧智库.2018人工智能赋能教育产业研究报告[OL].

  <http://www.askci.com/news/chanye/20180305/135309119053.shtml>

  [20]黄荣怀,刘德建,徐晶晶,等.教育机器人的发展现状与趋势[J].现代教育技术,2017,(1):13-20.

  [21]李振,周东岱,刘娜,等.教育大数据的平台构建与关键实现技术[J].现代教育技术,2018,(1):100-106.

来源:现代教育技术 责任编辑:张肖 我要投稿
校体购终极页

相关阅读

版权与免责声明:

① 凡本网注明"来源:教育装备采购网"的所有作品,版权均属于教育装备采购网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:教育装备采购网"。违者本网将追究相关法律责任。

② 本网凡注明"来源:XXX(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。

③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为放弃相关权利。

2023云展会300*245