人工智能在基礎教育教學應用綜述

馮 筠，邢嘉琪，趙艾琦，鄧 瑤，孫 霞，雷守學

(1.西北大學 信息科學與技術學院，陜西 西安 710000；2.陜西省教育科學研究院，陜西 西安 710000)

0 引 言

人工智能(artificial intelligence，AI)是研究運用計算機系統模擬和延伸人腦功能的綜合性學科，旨在運用計算機算法和模型擴展人的智能，讓機器自動實現人類水平的智能任務。教育教學是非常復雜的腦力活動，也是繁重的體力勞動，近年來人工智能在教育領域的應用呈現蓬勃發展之勢。2017年7月8日，國務院印發了《新一代人工智能發展規劃》[1]，提出了“智能教育”，為“人工智能+教育”指明了發展方向。2019年2月，《中國教育現代化2035》發布[2]，提出加快推進信息化時代的教育變革，建設智能化校園，統籌建設一體化智能化教學、管理與服務平臺，利用現代技術加快推動人才培養模式改革。在這些政策的引導下，一些地區和學校已經開始進行人工智能與教育教學融合的探索。

以中國知網等五大數據庫為依據進行檢索，教育領域關于人工智能的研究從2015年開始一直呈上升趨勢?；A教育指沒有專業、職業指向的基本教育階段，在國內主要包括幼兒教育、小學教育和普通中等教育。基礎教育是教育大廈的基石、是提高全民科學素質和文化素質的關鍵階段，直接關系著民族發展的未來。因此，如何利用人工智能技術促進教育公平、提升基礎教育教學質量、提高學習效能，迎接信息時代的新挑戰尤為重要。

該文從教師、管理者和學生三個視角對人工智能在基礎教育教學中的應用進行文獻綜述和實地調研，旨在分析人工智能中的計算機視覺、自然語言處理、大數據挖掘等技術在基礎教育教學中的使用情況，并根據調研中發現的問題總結、建議并提出對策。

1 人工智能在基礎教育教學應用綜述

教育領域主要應用的人工智能相關技術有：圖像文字識別、機器學習、計算機視覺、自然語言處理等。人工智能技術不僅可以優化教學環境、豐富教學資源、提升教學管理水平，還可以幫助教師改進教學方法，提高學生的學習積極性、主動性、激發創造性。

1.1 教師視角

問卷和訪談調研結果表明，目前城市教師使用人工智能和互聯網技術輔助教學各個環節比較普遍。包括利用知識圖譜、搜索引擎、視頻處理和互聯網等技術進行課件資源組織、在線教學中的答疑、基于大數據技術的智能組卷和學情分析、基于自然語言處理的自動改卷等。

在課件組織方面，基于知識圖譜的搜索引擎有力地促進了課件資源的共享和快速檢索。文獻[3]提出以學習單元為中心、以學習活動為核心的人機協同備課模式。文獻[4]設計開發了人機協同的集體備課系統，提出了一種智能輔助備課模式。

文獻[5]設計開發針對《漢字的造字法》課程知識綱要，通過TF-IDF(term frequency-inverse document frequency)算法實現問答系統自動交互。文獻[6]設計了面向Moodle平臺的問答模塊，學生可根據自己的學習情況和知識的掌握程度選擇參與答疑的方式。文獻[7]提出基于知識圖譜知識問答系統，實時領域知識自動對話。由于歐美國家信息技術發展較早，英語教學中應用人工智能技術比較領先。文獻[8]提出基于知識圖譜的英語語法智能題庫和自動問答系統，能夠高效地從知識庫中生成問題答案。基于語音智能分析技術的英語口語糾正已經應用較廣[9]。文獻[10]提出一種基于序列匹配的音節級發音測評系統，評分結果準確可靠，有效地提高了自動交互的英語口語教學水平。

利用各種試題組卷進行教學效果的評估是教師教學的重要環節。試卷中的題目不僅難度分配要適當，還要求對學生學習內容進行全面考核。文獻[11]提出使用遺傳算法優化組卷，通過適應度函數來獲取適應度函數的最優值，結合運用保優策略和輪盤賭實現對選擇操作的優化。文獻[12]提出了基因表達式編程算法，通過使用適當的遺傳算子，采用線性定長的編碼方式，構造了新的智能組卷方法，避免了傳統組卷算法成功率低以及適應性差等問題，解決了多約束條件下試卷的分數分配、章節分配、難度等一系列問題。

在基礎教育中，試卷的批改工作量較大。隨著條碼、涂題卡、在線考試的出現，客觀題批閱基本解決，但是隨著主觀題、能力題的權重越來越高，教師批改試卷的時間成本依然很高。利用人工智能進行主觀題智能評判有望將教師從繁雜的試卷批改工作中解放出來，提升教師工作效率。文獻[13]提出了基于文本相似度的歷史主觀題智能閱卷技術，使用依存關系和同義詞詞林相結合的方法計算文本的語義相似度，證明AI和教師評分差異控制在可控范圍內。文獻[14]通過比較標準答案和考生答案的分詞向量之間的相似度進行主觀題評判。文獻[15]從分析文本結構特征的角度出發,在樹搜索匹配理論的基礎上提出基于相對距離的詞序相似度算法,并通過統計回歸方法將關鍵詞相似度與詞序相似度進行融合得到文本的綜合相似度。

英語和語文作文是基礎教育中最復雜的主觀題模塊，無法通過和參考答案的文本相似度計算來打分。得分的關鍵要素是語言是否通順、好詞佳句是否運用得當、結構是否合理、觀點是否鮮明、甚至立意是否新穎等等。因此，作文自動評閱對AI挑戰較大。文獻[16]提出一種基于篇章結構的英文作文自動評分方法,在詞、句、段落3個層面上提取作文的詞匯,句法以及結構等特征,并使用支持向量機、隨機森林以及極端梯度上升等算法對篇章成分進行分類,最后構建線性回歸模型對作文的篇章結構進行評分。文獻[17]提出了一種基于作文扣題度的自動作文評分計算方法,實現對非扣題作文的檢測和發現,作文參考范文和學生作答作文的文本匹配程度是作文評分的一個重要特征,通過一種新穎的方式構建了圖神經網絡,綜合了各個句子的相似度計算作文扣題度。文獻[18]提出一種基于語句通順度的自動作文評分計算方法,將語句通順度指標應用到自動作文評分領域,用于實現檢測發現作文中語義不通順語句的功能,并且對作文中出現的語義無關詞語和病句有更低的打分。

傳統教學中，教師對學生個體學習情況的掌握主要憑借集體測驗、單獨提問等方式進行，缺乏精準性，難以為學生提供個性化指導?；趯W科知識圖譜和答題數據挖掘的自動化認知診斷及漏洞檢測，可以自動判定學生知識點掌握情況、個人能力知識圖譜、知識遺忘度等。文獻[19]提出面向知識水平學生知識掌握情況，采用認知診斷的規則空間模型(rule space model，RSM)，將不可觀察的知識水平用屬性掌握模式來量化表示。文獻[20]提出一種基于能力的學習者模型，將學生個體能力按照高中數學領域知識點抽象成綜合能力、間接分析能力、計算能力、抽象能力等多個維度表示的個體特征庫，再根據學生每個知識點的掌握情況進行細分和量化，最終映射出學生存在漏洞的知識點。

基于大數據的智能學情分析技術一方面匯聚了單個學生的學習態度、學習風格、知識點掌握情況等信息，使教師能夠精準掌握學生個體的學習需求；另一方面統計了班級整體的學習氛圍狀況、薄弱知識點分布、成績分布等學情信息，使教師能夠精準掌握班級整體的學習需求，合理規劃教學資源、恰當選取教學方式提供專業指導意見，實現教學過程的精準化。文獻[21]設計了以Hadoop為核心的學情分析系統，提出了基于學情分析系統的數據挖掘并行算法分析平臺設計，實現了一種基于數據的智慧校園平臺。文獻[22]設計了基于Echarts的可視化學情分析系統，該系統可對學生的學習效果做出可視化反饋，便于教師改善教學，提高學生的學習效率綜合素質能力。

1.2 教學管理者視角

教學管理是基礎教育中非常重要的環節，是保證學校的正常教學秩序、提高教學質量的關鍵。常見的教學管理人員包括：教育管理部門(教育廳、教育局)的管理者、教學研究員、學校的管理者、教務處、年級組管理者、信息管理者等。

校園安全一直都是全社會關注的問題。在人工智能技術日趨成熟的今天，利用計算機視覺、語音識別等技術可大大提高安全管理的效率，減輕常規檢查、篩查等工作給管理者帶來的負擔。近年來，用于罪犯追查、人口跟蹤的身份識別系統已經應用比較廣泛[23-24]。文獻[25]提出了基于高斯混合模型的復雜背景陌生人鑒別算法，能夠滿足實際監控場景需求。為了更好地應對疫情，文獻[26]提出了一種基于Eaidk-310嵌入式平臺的戴口罩的人臉識別。中小學校的人口密度較大，往往呈現出固定的時間點內人流量集中的情況，例如放學、聚會等高峰時段。部分寄宿制學校在放假的時候校門口人流和車流量更大，安全隱患較多。利用計算機視覺技術對人數密集區域進行統計和預警，有助于高效疏導，防患未然。文獻[27]提出了基于質心匹配的人頭追蹤算法，結合對行人的越界檢測以及與運動方向一致性判斷，人數統計準確率在92%以上。

當前，用于考勤簽到的指紋識別、人臉識別應用也較多。通常包括在線和離線兩種活體檢測方案，有效抵御視頻、翻拍、3D模型等作弊手段，并能夠同時捕捉多張人臉，實現多人同時考勤，提高考勤效率。文獻[28]提出的面向復雜背景的人臉識別系統可成功用于課堂自動化考勤。文獻[29]提出基于ResNet(residual neural network)的小人臉識別技術，能夠實現大規模上課學生，特別是走班制學生的考勤。文獻[30]提出基于輪廓的人頭檢測方法檢測自習室人數，方便管理人員的資源配置。

隨著計算機視覺技術的發展，識別學生在課堂上的行為、表情、微動作、把玩物品等要素，綜合評估上課專注度，可為學校、教育機構評估教學質量提供精準依據。文獻[31]提出了基于Viola-Jones的側臉、抬(低)頭、眼睛張合度識別和學生上課專注度算法，取得了較高的人臉檢測率和專注度判斷的效果。文獻[32]提出了一種基于DS(Dempster-Shafer)理論的學生專注狀態評估算法，通過檢測學生的面部姿勢的歐拉角來評估學生注意力，準確性達到85.3%。文獻[33]提出了基于多路特征融合的Faster R-CNN(Region-CNN)與遷移學習的正常學習、睡覺、低頭等行為檢測方法。

通過大數據的收集和分析可建立智能化數據管理平臺，可形成人機協同的決策模式，讓管理者洞察教學運行過程中問題本質與發展趨勢，實現更高效的資源配置。例如訊飛教育大數據平臺，構建了區、校兩級教育管理與決策的分析體系和指標模型?？纱龠M區、校有效監管和可視展現。文獻[34]提出五階段消除抑制因素的信息系統構建策略，有助于在大數據背景下確定并消除與信息管理系統相關的抑制性變量。利用該教育決策模型可以進一步指導學校把傳統的主觀教育管理轉變為數據驅動的精準管理。文獻[35]提出了基于云計算的教育基礎數據的采集與應用研究方法，將現階段的研究熱點云技術和數據量多且雜亂的教育基礎數據的采集技術相結合，通過云存儲、云計算、云服務、云集成等技術，提高基礎數據的集成應用能力與決策分析支撐能力。

1.3 學生視角

目前，國內對基礎教育的要求由應試教育向個性化素質教育進行轉變，而人工智能可根據學生自身的興趣、習慣等為學生學習提供指導，實現個性化教學，提高學習效率。

伴隨著計算機網絡以及移動通信技術的發展與普及，網絡在線教育在中小學教育過程中如火如荼，涌現出類型多樣、針對性強的在線題庫和作業系統。在線試題庫為“教師的教”和“學生的學”提供了更便捷的途徑和更多樣化的選擇，能夠為學習者提供更有針對性的指導。著名的題庫及作業系統有：作業幫、小猿搜題、作業盒子、一起作業等。作業幫和小猿搜題致力于利用圖像切割、校準和圖像文字識別(optical character recognition，OCR)等技術進行習題搜索和講解；一起作業專注小學英語和小學數學學科，為老師、學生和家長三方提供在線互動教學服務；作業盒子則通過作業數字化、數據化切入日常教學場景，為師生提供移動的作業工具。雖然目前題庫和作業系統的功能日漸強大，然而其中如何系統地利用嵌入在多個異類數據(例如文本和圖像)中的豐富語義信息以精確地檢索相似練習的問題仍然懸而未決。為此，Liu等人[36]開發了一個新穎的基于多模式注意力的神經網絡(multimodal attention-based neural network，MANN)框架，通過從異類數據中學習統一的語義表示，可以在大型在線教育系統中找到類似的習題。

智能推薦引擎可以較好地解決學習過程個性化的問題。智能推薦引擎一方面基于對學生數據的全面掌握，即根據學生已有的知識儲備、學習風格和偏好來設計、選取教學內容，準確刻畫學生的個性特征與學習需求；另一方面基于對學習資源內容和使用狀況的智能分析，實現資源特性的標簽化，能夠讓學習者根據自身偏好對互聯網上廣泛的資料進行篩選，最終根據每個學生的真實需求，智能化推送合適的學習資源，以實現學習過程的個性化。Aher和Lobo[37]基于學習者的歷史數據使用聚類算法(K-means)和關聯規則算法(Apriori)為新生推薦課程取得了較好的效果。Ghauth和Abdullah提出一種新型的整合優秀學習者評分的基于內容的推薦算法[38]，可以為學習者推薦高質量的學習資源。Milicevic等人設計了一種可以自動適應學習者的興趣(包含學習風格和學習偏好)和知識水平的推薦模型[39]，平行組實驗結果表明該模型可以根據學習風格、偏好和知識水平向學習者推薦合適的學習活動。

Kurilovas等人根據學習者的學習風格推薦個性化的學習路徑以節省學習時間[40]。Intayoad等人提出一種基于社會情境感知的個性化學習路徑推薦方法[41]，使用K近鄰和決策樹技術基于采集到的社會情景(即學習者與學習目標的交互信息)對學習者進行分類，最后采用關聯規則向學習者推薦合適的學習路徑。然而，學習者的學習水平在學習過程中是動態變化的，因此師亞飛、彭紅超等人研究設計新型個性化學習路徑推薦模型[42]。根據學習者的學習狀態，向學習者動態推薦學習元列表，讓學習者主動選擇其中最適合的一個學習元。

知識追蹤技術是根據學生過去的答題情況對其知識掌握情況進行建模,從而得到學生當前知識狀態的有效表示，進而預測其回答某個問題的正確性。Corbett和Anderson的智能導學系統(intelligence tutoring system，ITS)[43],提出一種高度有約束和結構化的算法，準確反映學生的學習水平、知識結構等一系列個性化數據。Piech等人[44]提出使用深度學習技術追蹤學生知識點的隱含掌握情況并取得了很好的答題預測效果。Zhang等人[45]針對DKT(deep knowledge tracing)只將習題和作答結果作為輸入的問題，提出通過在習題層面納入更多特征。Yeung等人[46]提出增加DKT算法三個正則項，增強答題預測的一致性。2018年Minn等人[47]提出了一種基于學生聚類的改進的DKT算法，同樣在知識追蹤任務中取得了良好的效果。Wang等人[48]設計了一種新穎的基于DKT(deep knowledge tracing)的算法，能夠捕獲習題的順序依賴性和內在關系，從而在預測學生未來做題結果時取得了準確性上的進一步提高。Zhang等人[49]改進了MANN網絡并用于知識追蹤任務，從而提出了基于動態鍵值記憶網絡的知識追蹤算法(dynamic key-value memory networks，DKVMN)。該算法通過添加一個靜態矩陣和一個動態矩陣作為外部存儲器，擺脫了訓練參數與模型的存儲能力之間的聯系，提高了網絡的序列建模能力，在知識追蹤任務上取得了目前最好的表現。

2 人工智能應用存在的問題

人工智能技術對當前教育的發展既是機遇也是挑戰，人工智能技術的引進可以更好地為教育服務，改變傳統的教學模式，賦予教學新的活力和更豐富多元的形式，對促進學生個性化和全面化的發展具有很大的幫助。但同時人工智能在基礎教育應用過程中依然存在著很多問題。結合文獻綜述，還采用了問卷調查、個案訪談兩類調研方法，結果發現目前人工智能在基礎教育應用中存在以下問題。

2.1 教師缺乏經驗

對300多名省級示范學校的調研結果可以看出，教師對于人工智能輔助教育教學的效果給予認可的態度，絕大多數的教師希望通過人工智能對自己的教學工作給予一定的幫助，但就應用的層面來講，較多的教師僅停留在基礎傳統的智能化設備，甚至只停留在搜集資料，沒有真正利用人工智能的優勢與特點使教學質量得到較大的提升。在疫情的沖擊下，在線教學大面積開展，但大部分基礎教育教師只停留在簡單的操作階段，不能熟練運用教學平臺人工智能輔助教學的功能。

在調查中發現，即使學校擁有較好的智能設備，絕大多數教師由于沒有時間和精力也不經常使用。由于人工智能的識別率、準確性還不夠高，教師對于利用人工智能教學信心不足。

2.2 學校缺少培訓

許多教師希望人工智能能夠解放教師機械勞動，精準配合教師進行更多樣化、個性化的教學。例如在課表排布，綜合管理學生信息，虛擬現實技術模擬實驗，人臉識別進行學生課堂專注度分析等方面更好應用，但對30多個省級示范學校的調研結果表明，學校開展有關人工智能在教育教學應用的培訓的普遍度不夠，這就導致很多教師對于人工智能還僅僅停留在“人工智能”四個字的最簡單層面，對于其優勢，案例沒有清晰了解。

2.3 政府支持力度不夠

在調研中發現，教師和校長認為當前人工智能在教育教學應用中存在的普遍問題是所獲資金不足，影響了購買智能功能設備的能力。其次是時間不足，相比高等學校教師，基礎教育教師大多教學任務繁忙，較少時間進行新生技術的研究和訓練。再次是資源不足，基礎教育學校中對人工智能技術比較了解的人員比較少，難以開展培訓。

2.4 學生難以自制

大多數人工智能系統和平臺需要學生使用智能終端在網絡上進行，基礎教育階段學生的上網行為難控制。中小學生接觸電子產品過長，不宜于身心健康，有損視力。作業幫等智能產品又容易使中小學生產生依賴心理，不愿自主思考。因此家長和老師基本上對學生的電子產品使用采取管控態度，從一定層面上限制了人工智能的應用。

3 對策建議

針對以上問題，提出以下建議和對策：

3.1 教師培養和培訓應比設備設施資源優先發展

面對信息技術和人工智能的日新月異，教師們紛紛表示要緊跟發展信息化的步伐，主動擁抱人工智能，進一步推動信息化在教育教學、教育管理、教育服務過程中的應用，通過多元化的培訓支持保障機制，培養人工智能普及教育的卓越教師，讓更多勝任的專業科技教師在校內外教育中發揮作用。能使教師真正利用智能技術支撐人才培養模式的創新，支撐教學方法的改革，成為掌握人工智能技術、具有創新思維的教師，為推進學習AI科技樣板學校的創立和發展而努力。

3.2 加強人工智能在基礎教育應用的政策保障

建立全方位、可操作指導政策體系，著力從財政上給予支持，并有效調動利用豐富的社會資源。促進社會科技企業與學校開展合作，這樣的合作策略有助于多方的共同發展與進步，企業在不斷進行科技創新的同時，持續致力推動人工智能基礎教育普及，從而共同推動全市的教育改革實踐，多維度培養了未來社會需要的人才，使得學校、政府、企業的深入合作站在了較高的起點上，學校的壓力也自然得到了解決。

3.3 利用人工智能技術加強對網絡教學質量與網絡教學時間的監管

一方面，學校應建立全方位、可操作指導政策體系作為保障，統一規范人工智能在教育平臺的應用。加強對教師教學質量的把控和審核，統一規范教學使用平臺，體系化規范化的授課，便于提高學生的學習效率，更好地適應新的教學方式，保證無論是線下授課還是網絡教學，教學質量都不受影響。同時也要規范網絡教學的上課秩序，增設網絡課堂專注度分析功能，加強對學生聽課質量的監督。另一方面把控好授課時長，合理分配學習與休息時間，避免長時間使用電子設備對學生身心健康產生不良的影響。

3.4 培養學生的人工智能意識，提高課堂互動性

學?？梢赃m當普及人工智能課程。開展VR技術、3D打印技術、智能無感等技術的科普講座和體驗課程，一方面可以幫助學生在情境模擬及空間建構中，更好地理解復雜、抽象的內容，并增強學生的參與性與能動性，提高學生的興趣以及加深對人工智能的了解，從而使學生更加關注人工智能方面的知識與內容，提出關于完善平臺的建議和想法。有利于提高學生上課的積極性和互動性，也能使學生成為人工智能應用的督促著和促進者。

總體來說，提出從教師，學生，學校，社會，企業多個領域，結合利用多方資源更好地使人工智能賦能教育教學，更好地推動學校育人方式轉型發展。

4 結束語

人工智能技術的發展，將使得未來教育發生重大的結構性變革。雖然具體變化形態是多樣的，但可以預測，未來教育會既實現大規模覆蓋，又實現與個人能力相匹配的個性化發展。

隨著人工智能技術在教育教學上的應用，教師將有更多的時間和精力關心學生心靈、精神和幸福，跟學生平等互動，實施更加人本的教學，使得學生更具有創造性。

該文通過教師、管理人員、學生三個視角對綜述并發現目前人工智能在中小學基礎教育中應用的不足，建議結合多方資源進一步推動基于教育教師的培訓。最后，在人工智能飛速發展的時代背景下，預計還有3～5年時間人工智能將在基礎教育中得到廣泛普及和應用，真正實現基礎教育的智能化管理和智慧教學。