智能之教育應用的發展與創新之路

王銘軍

摘要：通過分析在人工智能情景下教育應用的發展趨勢，總結了目前教育應用的一些類型，并介紹了一個教育應用的綜合實例。最后，隨著人工智能技術的發展，教育應用要利用最新的人工智能技術支撐其創新，并給出了四條創新建議，期望能對教育應用的研究者或開發者有一定的啟發。

摘要：人工智能；教育應用

中圖分類號：G642 文獻標識碼：A 文章編號：1009-3044（2018）30-0109-02

1 引言

隨著人工智能，特別是深度學習的發展，使傳統課堂教學模式和學校面臨前所未有的挑戰。教育與新技術不斷地融合，人工智能在教育方面的應用層出不窮。人們已經開始討論學校的存在性以及教師這一職業可能消失的問題。然而，本文認為這可能這一進程還很漫長。

人工智能已經受到國家和社會的高度關注和重視，并且國家還出臺了人工智能發展報告，規劃了未來人工智能發展的戰略。人工智能已經快步向人們走來，它促進了傳統行業在各個方面的轉變，人們要適應和主動迎接人工智能的挑戰和機遇，教育是百年大計，教育與人工智能的協調發展應該走在前面，創新融合是人工智能技術與教育發展的必由之路。通過對教育應用信息化的調查研究，并對人工智能技術應用于教育方面的趨勢預測，開發出更多更好的教育與人工智能相融合的應用級產品和服務，以此來推動人工智能技術在教育領域的發展。

在技術應用方面，教育處于相對滯后的領域，然而，人工智能也逐步滲透和影響著教育應用的方方面面。當前，很多的人工智能+教育的相關應用，這些應用中大部分通過獲取學生的行為數據來做挖掘，而支持應用程序對學生個性化學習表現的預測。這一類的人工智能+教育應用主要的出發點是，教育教學模型、教育領域知識模型和學生學習模型是機器對知識的認知的方式，而程序算法是一種關鍵技術，它用于實現或者說獲取這樣的知識。

人工智能技術包括很多方面，其中最早發展起來并且一直持續發展不衰的技術是機器學習技術，當然還有現在最熱門的深度學習技術，它其實是從機器學習中的神經網絡技術發展而來的。早期的機器學習技術是基于少量的數據來發現規律和識別模式，從而預測學生學習成果的技術。而現在的機器學習已經隨著計算機技術的發展，能夠處理更大量的數據，并且產生更準確的結果，相對于早期機器學習來說，已經在各個方面取得了進步或者說超越。本文通過研究機器學習在教育領域的應用，來分析其發展的潛力和面臨的挑戰，為教育應用的實踐者提供一定的方向和依據。

2 教育應用的研究進展

自從上世紀計算機出現以來，教育就開始與計算機相結合，隨著計算機技術的發展，特別是機器學習和人工智能的發展，教育與計算機結合得越來越緊密，但是，相關教育方面的應用所針對的對象也就是幾類：學生、教師、管理人員、研發人員等。這些教育應用的目標是提升學生學習和教師教學的效果和效率，以及提高管理者的管理效率。采用的機器學習算法有：隱馬爾可夫模型、點擊流分析、基于類似的學習、基于解釋的學習、最小二乘法、文本分類算法、局部N元模型、脊回歸算法和基于案例的推理機制等。主要教育應用集中在以下這幾個方面[1]：

1）學習者類型的識別。通過獲取學習者閱讀，以及對概念的理解等活動的數據，來預測學習者的類型，如：沉默型、開朗型等。通過獲取與分析掌握一定技能的學習者問題解決的流程數據，來預測學習者的類型，如：熟練、不熟練、有瑕疵等。

2）學習者行為識別。通過學習者在學習過程中數據的收集，描述和預測學習者的學習行為。這些學習過程數據包括有：學習行為數據、習慣性學習行為數據、學習行為日志數據等。這些行為數據的采集和利用機器學習分析挖掘，可以得到學習者的個性學習行為，從而為其他教育應用的個性化學習推介打下堅實的基礎。

3）學習者表現判斷。學習的表現數據主要體現在：作業的在線提交數據和作業評分數據、學習者家庭特征關鍵數據、教師的情感和知識數據、教師的行為數據、學習者基于在線課程學習的記錄數據、學習的課程內容數據以及相關的課程支持服務數據、訪談和調查數據等。這些數據的獲取是對學習者表現進行判斷的基礎，通過機器學習分析挖掘這些數據，可以客觀地了解學習者的表現，從而為其他教育應用提供學習強度與難度的決策依據。

4）學習者學習缺陷判斷。為了判斷學習者學習過程中存在的問題和不足，需要獲取連續性的學習者真實學習數據、學生家庭特征數據、所學習的課程數據、學習日志數據、各門課程成績數據等等。這些數據可以使教育應用通過機器學習預測和描述學習者學習存在的缺陷，從而改變學習者的學習習慣和學習資料，使學習者獲得更高的學習興趣和效率。

5）學習效果評測。通過對學習者學習活動的數據、學習者之間及與教師之間的跟蹤與交互數據，以及學習者興趣和習慣的相關數據分析與綜合，可以測評學習者的學習效果，此類教育應用可以為教育決策者提供參考數據。

6）學習資源個性化推薦。通過綜合分析學習者的行為、學習者學習類型、學習效果評測、學習記錄等，可以針對不同的學生個性化推薦相應的學習資源，這里的相應的學習資源是指學習內容的難度、學習強度等可根據學習者的不同情況進行個性化推薦。

以上的教育應用分類總結基本包含了目前教育應用的分布情況，隨著人工智能技術的發展，這些教育應用必將與人工智能融合越來越深入。隨著計算機技術的發展，計算能力的增長，研究者們應用充分利用教育大數據來更精準地服務于學習者。圖1中是以上幾個方面的綜合教育應用系統，它不僅分析學生行為數據，還分析學生類型等數據，然后針對不同的學生給出個性化的學習方案。

3 教育應用之創新之路

人工智能與教育融合是隨著技術的發展而不斷創新的。教育大數據是人工智能之機器學習在教育方面應用的基礎，由于人工智能技術的不斷發展，各種人工智能算法的效率不斷提升，人們已經能夠對數據和信息有了新的理解，對于智慧與知識有了更深入的體驗，這將進一步提高教育應用的智能化。因此，未來的教育應用是一種智慧的教育應用。它應該在以下幾個方面進行創新：

1） 教育應用除了繼續與人工智能融合以外，還要加入新元素，也就是要多學科交叉；

2） 采用最新的人工智能技術并創新教育應用的技術路線；

3） 適應人工智能技術的發展，創新教育應用的教學方式的智慧性；

4）自適應教育是新的發展方向。

4 結語

本文通過分析人工智能與教育應用相融合的一些趨勢，總結了目前教育應用的一些類型，并介紹了一個教育應用的綜合實例。最后，本文認為隨著人工智能技術的發展，教育應用要利用最新的人工智能技術支撐其創新，并給出了四條創新建議，期望能對教育應用的研究者或開發者有一定的啟發。

參考文獻：

[1] 余明華， 馮翔， 祝智庭. 人工智能視域下機器學習的教育應用與創新探索[J]. 遠程教育雜志， 2017，35（3）：11-21.

[2] 吳曉如， 王政. 人工智能教育應用的發展趨勢與實踐案例[J]. 現代教育技術， 2018（2）：5-11.

[3] 祝智庭， 賀斌. 智慧教育：教育信息化的新境界[J]. 電化教育研究， 2012（12）：7-15.

[4] 祝智庭. 智慧教育新發展：從翻轉課堂到智慧課堂及智慧學習空間[J]. 開放教育研究， 2016（1）：18-26.

【通聯編輯：王力】