深度學習教育應用研究綜述

孫連秀 馬玉慧

摘要：人工智能技術快速發展，逐漸進入教育領域，對教學環境、教學設計產生影響，深度學習是人工智能研究的前沿技術，基于大量數據的特征分析，為教育的變革開辟新的途徑。本文通過梳理深度學習技術的應用和發展現狀，探討深度學習在教學設計的分析、策略選擇和評價三階段對教學中各個要素的影響，并從技術支撐的角度分析其在教學中所發揮的作用。

關鍵詞：深度學習;人工智能;教學設計;教育應用

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2019）17-0098-04

● 引言

人工智能技術的發展與應用對社會生活的各個方面產生了深刻的影響，深度學習被廣泛認為是人工智能發展第三階段的標志，是人工智能研究的前沿技術。2018年4月2日教育部發布《高等學校人工智能創新行動計劃》，進一步提升高校在人工智能領域科技創新、人才培養和服務國家需求的能力。人工智能、大數據、物聯網、云計算等先進技術正在逐漸滲透到教育領域中，并對教與學的模式、教學環境、教學的組織形式產生結構性影響。

深度學習（Deep Learning，DL）是一個復雜的機器學習算法，是人工智能領域研究的熱點。目前深度學習技術已經在交通管理、網絡安全、醫療保健、智能機器人、游戲等領域廣泛應用。鑒于深度學習技術的成功應用，教育機構和各大高科技企業、在線教育公司紛紛在教育實踐中引用深度學習技術。

● 深度學習技術的發展

深度學習是機器學習的眾多算法之一，最初源于對人工神經網絡（ANN）的研究，是一種深度訓練深度神經網絡的算法，具有很強的特征學習能力。深度學習模型基于大量數據特征，利用分類、回歸等統計學算法解決各類實際問題，在圖像識別、語音識別、自然語言處理、目標檢測等方面具有獨特的優勢。深度學習的性能很大程度上取決于網絡的結構，對于不同類型的數據問題，人們發展了多種不同的網絡結構模型，其中包括許多經典的神經網絡模型，如深度置信網絡、多層感知機、長短時記憶網絡等。

近年來，深度學習在機器翻譯、自然語言處理、圖像識別、視頻識別、人機博弈、智能機器人等傳統人工智能領域取得了極大進展，在金融、醫療、物流、交通等領域被人們廣泛應用。目前，相關研究應用主要有以下幾個方面。

（1）預測預估類。以用戶的在線行為數據為基礎，對不同個體的行為進行分析，得到“千人千面”的個性化結果。例如，房地產行業利用深度學習技術建立用戶畫像，根據用戶年齡、工作等多方數據特征，建立模型進行預測實現的精準營銷。又如，淘寶的商品推薦、廣告的精準投放、金融風險控制。

（2）文本圖像類。目前應用廣泛的基于圖像分類的卷積神經網絡（CNN）實現圖片內容提取（OCR）。牛津視覺幾何小組用深度學習技術讀出視頻中的文字，輸入文字，就可以直接搜出圖像中包含這些文字的BBC新聞視頻。如今，深度學習已經可以對照片中的各種元素進行描述。

對文本信息的處理包括關鍵詞提取、文本內容分析、新聞分類、情感分析等。例如，社區情感分析將大量用戶評論中表現高興、悲傷、憤怒等的語言進行標記，訓練深度神經網絡模型對評論進行分類。

（3）視頻識別類。在2018年神經信息處理系統大會（NIPS）的會議論文中，YixiaoGe等人提出了一個行人重識別（reID）新框架——FD-GAN，用于在多個攝像頭中對行人身份進行識別。深度學習在自動駕駛、目標檢測等方面逐漸發揮作用，是進行視頻編輯、對象分割等實現自動識別的關鍵技術。

（4）自然語言處理。在人機對話方面，各科技公司紛紛推出自己的人工智能語音助手、家用機器人產品，如小度音響、天貓精靈、小愛同學等。在機器翻譯方面，微軟的Skype能夠將語音實時翻譯成不同的語言。

（5）博弈類。生成式對抗網絡（GAN）是深度學習的一種，自AlphaGo后，基于深度強化技術的神經網絡使計算機在許多博弈游戲中表現優異。同時，Google大腦的研究團隊創建了兩個深度學習網絡用于安全工具開發，他們讓其中一個不斷創造自己的加密算法，然后讓另一個網絡去盡力攻破它。在兩套系統的反復纏斗后，第一個系統已經能生成非常優秀的安全加密算法。

● 深度學習在教育中的應用

深度學習技術以教與學過程中的數據為基礎，在教學設計的分析階段、策略選擇階段以及評價階段對教育系統的各個要素產生影響，滿足教師需要大量調查和沒有足夠經驗指導的教學需求，為“以學習者為中心”的教學設計提供指導。

1.在教學設計的分析階段

（1）進行學習需求分析。通過深度學習技術對學生在線學習行為進行分析，能夠精確地掌握學生對知識的掌握情況，美國斯坦福大學克里斯·皮希（Chris Piech）團隊發表了題目為Deep Knowledge Tracing（簡稱DKT）的深度知識追蹤論文，對學生的知識進行時間建模，能精確預測學生對知識點的掌握程度，以及學生在下一次的表現。在特定情境下，確定學習者目前的知識狀態，能為教師確定教學內容、進行教學設計提供科學的理論依據，便于個性化教學活動的展開。

（2）進行學習者特征分析。深度學習的應用可以幫助教師確定學習者的認知發展水平，分析學習者起點能力。通過學習者與教學內容和環境的交互行為，分析學習者的學習風格，代替需要人長期觀察實踐獲得的經驗，并不斷自我完善。

2.在策略選擇階段

深度學習技術改變了傳統的教師、課件的教學環境，形成了智能分析、輔助學生個性化學習的智能教與學的環境。計算機實時采集形成的數據集，對學生的認知情況進行分析，使教師對學生的認知狀態、情緒狀態有了更加清晰、準確的分析。深度學習技術為教師教學過程中進行媒體、資源、策略的選擇及設計，提供數據支持和有效分析。基于深度學習技術的智能問答系統能及時解決學生的問題，并從學生的問題中提取關鍵詞，分析與理解問題，從而給出相應的回答，提高學生對課程的滿意度。

深度學習技術的突破，帶動了語音識別、圖像識別、影像識別等感知識別技術的大爆發。例如，基于深度學習技術的語音識別功能，微軟小英提供情境模擬、口語特訓、單詞修煉等多種功能。“訊飛超腦”計劃目前重點研究的課題包括類人答題、作文評閱、語音轉寫等。

3.在教學評價階段

（1）進行學生評價。基于深度學習的數據分析技術，對學生學習結果的評價更加科學、準確，降低了分析難度，縮短了反饋周期，使教師對學生的學習狀態有更加準確的掌握。教師可以通過圖像識別、語音識別、自然語言處理和情緒識別等技術，判斷學生的學習狀態和學習效果等，提高學習效能，并針對學生在練習過程中出現的問題，有針對性地推送相應的學習資源，從而有效提升練習效能。

（2）進行教學評價。基于深度學習的人工智能技術，輔助教師進行學生學習行為監督、評價，減輕教師教學管理負擔，智能閱卷系統幫助教師減少重復性勞動。

● 深度學習對教育的影響

隨著人工智能技術研究的不斷深入，關于深度學習跨學科的研究也得到了飛速發展，如教育學、物理學、數學等學科領域都衍生出了不同層次的深度學習研究。深度學習在教育領域的應用，在人工智能教育、教育環境、教育資源、整合正式學習和非正式學習方面逐漸體現出來。深度學習技術在學習過程中的監督診斷、課堂教學監控、課后評價等方面不斷發揮作用，它能夠輔助教學，變革教與學的模式，加快教育現代化建設，并從技術支撐教學的角度，對學習理論和教學理論革新產生重大影響。

1.以學生為中心

（1）科學的學習結果測量分析，對學生的學習評價及后續的學習發生提供數據支持。深度學習使對每一位學生學習進行建模成為可能，根據每位學生的學習習慣為他們量身定制學習方案，充分挖掘每個學生的潛能。

（2）利用深度學習收集行為數據，分析學生的學習態度，建立認知模型。一方面便于學生對自身學習的管理，科學規劃學習的路徑，促進自主學習的產生，提高學習效率;另一方面便于教師的教學管理，對學生進行全面準確的分析，在教學過程中實現因材施教，實現以學生為中心的教育。

2.整合正式學習和非正式學習

為線上線下的混合學習模式展開提供數據支持和科學指導，整合正式學習和非正式學習。在目標分析階段，采用深度學習算法，根據學生學習產生的數據得出學生當前狀態與目標狀態之間的差別，能精確、具體、及時、迅速地進行學習需求分析、教學對象分析，確定教學目標，實現學生的個性化學習，便于教師因材施教。在教學策略階段，基于深度學習的語音識別、影像識別、智能機器人等技術，為教學活動的展開提供更加高效的媒體選擇，輔助教師監控教學過程，根據不同學生的特點對學生的學習過程主動干預，優化教學效果。在教學評價階段，即時反饋學生評價和教學評價，從而提高教學質量和教學效率。

● 總結與展望

人工智能是影響世界政治、經濟等的關鍵技術，阿里巴巴、亞馬遜、微軟、谷歌等高科技公司紛紛建立人工智能開放平臺、云社區，分享人工智能技術的最新研究成果，人工智能必將與教育加速融合，改變教育的形態。

深度學習技術是人工智能的前沿技術，我們應對深度學習技術在教育中的應用進行探討，用技術支撐教學，優化教學效果。現階段，教育領域數據的收集和整理還未完善，且數據集數量較少、結構分散，教育領域數據特征的分析制約了確定學生知識水平和學習狀態的可能，為個性化、自適應學習起“向導”作用的知識圖譜（包括學科知識圖譜和教學知識圖譜）并沒有真正完成。而對深度學習技術的不斷研究，能豐富學校教育教學手段，貫徹以學生為中心的教育理念，為實現教育現代化提供無限可能。

參考文獻：

[1]中華人民共和國教育部.教育部關于印發《高等學校人工智能創新行動計劃》的通知[EB/OL].[2018-06-29].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

[2]LeCun Y，Bengio Y，Hinton G.Deep learning[J].Nature，2015，521（7553）：436-444.

[3]Cao Z，Simon T，Wei S E，et al.Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[J].2016.

[4]唐旭.20個令人驚嘆的深度學習應用（Demo+Paper+Code）[EB/OL].[2017-04-06].http：//www.sohu.com/a/134345723_610300.

[5]Yixiao Ge，Zhuowan Li，Haiyu Zhao.FD-GAN：Pose-guided Feature Distilling GAN for Robust Person Re-identification[J].2018.

[6]中華人民共和國國務院.國務院關于印發新一代人工智能發展規劃的通知[EB/OL].[2018-06-29].www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[7]陳志剛.英語考試自動答題技術的研究[D].合肥：中國科學技術大學，2018.

[8]董慧慧.人工智能深度學習概念研究與綜述[J].電腦編程技巧與維護，2018（08）：153-155.

[9]顧小清，馮園園，胡思暢.超越碎片化學習：語義圖示與深度學習[J].中國電化教育，2015（03）：39-48.

[10]胡越，羅東陽，花奎，等.關于深度學習的綜述與討論[J].智能系統學報，2019，14（01）：1-19.

[11]宦太杰.基于深度學習的人臉檢測算法研究[D].南京：南京郵電大學，2018.

[12]龍慧，朱定局，田娟.深度學習在智能機器人中的應用研究綜述[J].計算機科學，2018，45（S2）：43-47+52.

[13]柳毅.基于卷積神經網絡的新生兒疼痛表情識別方法研究[D].南京：南京郵電大學，2018.

[14]劉興.機器人交互界面情感呈現系統的設計與實現[D].南京：南京郵電大學，2018.

[15]劉丹，李志河.近十年我國深度學習研究綜述[J].教育現代化，2017，4（51）：284-285.

[16]劉勇，李青，于翠波.深度學習技術教育應用：現狀和前景[J].開放教育研究，2017，23（05）：113-120.

[17]李新房，李靜，劉名卓.新興技術在高等教育中的應用、發展趨勢與挑戰研究——《2017地平線報告（高等教育版）》解讀與啟示[J].現代遠距離教育，2017（04）：3-11.

[18]劉全，翟建偉，章宗長，等.深度強化學習綜述[J].計算機學報，2018，41（01）：1-27.

[19]李尊.一張圖帶你看懂IBM Waston的工作原理[EB/OL].http：//www.Leiphone.com/news/201607/FOe US5Wo5gIFMvwJ.Html.2016-07-20.

[20]李歡冬，樊磊.“可能”與“不可能”：當前人工智能技術教育價值的再探討——《高等學校人工智能創新行動計劃》解讀之一[J].遠程教育雜志，2018，36（05）：38-44.

[21]馬世龍，烏尼日其其格，李小平.大數據與深度學習綜述[J].智能系統學報，2016，11（06）：728-742.

[22]牟智佳.“人工智能+”時代面向教育創新的教與學發展趨向[J].中小學電教，2018（04）：37-39.

[23]喬風娟，郭紅利，李偉，等.基于SVM的深度學習分類研究綜述[J].齊魯工業大學學報，2018，32（05）：39-44.

[24]孫佑先.走，跟AlphaGo下棋去！[J].機器人產業，2017（03）：54-60.

[25]魏利，黃慧敏，錢鳴靜.教育領域中的深度學習研究熱點和研究趨勢分析[J].數字教育，2018，4（02）：22-27.

[26]王琳琳.基于BPL數據增強的手寫公式識別[D].哈爾濱：哈爾濱工業大學，2018.

[27]徐曄.從“人工智能教育”走向“教育人工智能”的路徑探究[J].中國電化教育，2018（12）：81-87.

[28]閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內涵、關鍵技術與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發戰略規劃》報告解析[J].遠程教育雜志，2017，35（01）：26-35.

[29]周晟頤.深度學習技術綜述[J].科技傳播，2018，10（20）：116-118.

[30]趙星宇，丁世飛.深度強化學習研究綜述[J].計算機科學，2018，45（07）：1-6.