新時代人工智能教育理論的應用對策研究

鐘彩，潘梅森，蔣毅，肖桂霞

摘要：新時代人工智能教育理論的應用對策研究，首先需要客觀分析人工智能在教育中的應用優勢，其次結合教育情況認清教育風險，最后完善應用方案。目的在于加大對人工智能教育理論的推廣，為智能教育的實現奠定基礎。

關鍵詞：人工智能教育;模式創新;教育風險;數據管理

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）21-0009-02

開放科學（資源服務）標識碼（OSID）：

新時代人工智能教育理論的應用，是對教育模式的創新與發展。科學技術發展背景下，人工智能的應用研究，以人智慧為核心進行延伸與擴展，人工智能屬于技術科學類型，在教育中應用人工智能，為教育資源的豐富與教學模式的創新提供了幫助，同時不斷增加教育優勢。我國在人工智能教育理論應用方面非常重視，國務院就人工智能未來發展提出《新一代人工智能發展規劃》，并將其與教育充分結合，打造智能教育模式，為智能社會建設尋找更適合的教育契入點，采取智能技術進行人才教育培訓，積極改革傳統教育方法，完善在線教育培訓平臺，制定更完善的教育規劃，堅持做到教育發展與時俱進，拓寬教育培訓道路。

1 人工智能在教育應用中的優勢分析

人工智能教育理論的應用，是教育智能化發展的技術支撐。尤其是現代化教育模式創新，人工智能技術為其提供更多教育內容與理念，并且教育優勢逐漸凸顯。人工智能教育理論實際應用期間，在很多方面為教育提供更便捷的教育工具，并且準確詳細地展現出知識講解思維方式。以數字化形式將教育理論的動態特性充分展現，為教師與學生提供更多交流與知識互動的機會，打破傳統教育模式的限制。在教育與人工智能的相互合作、協調下，挖掘更多教育潛力，拓展教育指導與培訓領域。

1.1 人工智能為學生學習創造更多有利條件

人工智能教育理論的應用，為學生學習創造了更多有利條件，尤其是互聯網時代，智能設備成為生活必備物品，如智能手機、平板、電腦等。人工智能教育理論下，積極開展線上教育，以各種App形式進行為學生創造學習條件。學生可以根據自己的學習需要選擇復習或者需要學習的內容，并學習時間更自由，提高學生學習時間的安排效率，并真正做到隨時隨地學習。學生根據學習情況認識到自身的不足，及時向教師請教。在此基礎上人工智能還積極開展個性化教育，學生有更多學習選擇權。人工智能教育模式下，結合學生知識掌握情況，學生關心的內容等靈活調整學習主題，針對學生弱項進行加強，針對學生強項進行鞏固等[1]。綜合分析學生的學習資料與測試情況，針對性地制定學習方案，幫助學生實現全面性進步。

1.2 人工智能幫助教師更好地了解學生

人工智能教育理論的應用，及時對學生學習情況進行統計，根據學生日常測試以及經常查詢的問題等，及時發現學生在學習中的弱項，并為教師提出指導性建議，幫助學生更全面、詳細地了解學生。應用程序在進行學生學習統計與指導過程中，教師可以積極參與其中，及時與學生溝通交流，幫助學生制訂學習計劃。

2 新時代人工智能教育理論的應用風險

2.1 倫理安全問題

人工智能技術如同達摩克利斯之劍，為人們提供便捷性的同時，也形成了復雜的安全倫理問題。如數據鴻溝、數據泄漏等。科學技術的發展在一定程度上推送了應用倫理學的完善，而人工智能發展所形成的威力是傳統核物理的幾十倍，受客觀因素影響，人工智能技術倫理對于人工智能教育的涉及相對較少[2]。當前人們雖然極為重視人工智能教育的倫理問題，但具有實際性的活動相對較少，開展人工智能教育時經常出現各種問題。如以大數據為基礎的人工智能運行期間有著較強的無序性，企業的數據安全也沒有較強的約束，對學生的隱私信息缺少尊重性。數據倫理在人工智能倫理中有著重要的地位，實際操作與意識是人工智能倫理教育中需要重視的兩個方面，需結合實際情況制定合理的價值導向與價值觀，還應主動完善人工智能教育標準，由學校統一進行倫理教育，并以此為基礎創建人工智能教育制度，制定制度與嚴抓教育是真正解決倫理安全問題的主要方法。

2.2 人才與行業發展不匹配

科學技術的不斷進步為人工智能教育的發展提供了有力的支撐。當前人工智能教育正處于快速發展的階段，行業即是產品與人工智能的供應者，也是利用教育信息化實現教育現代化的設計者，更是實現長期應用與策源地創新的支持者。我國一些地位為了更好地解決技術性問題，通常根據實際情況與企業合作，創建教育平臺，搭建教育系統。如建立教育評估中心、教育監督中心、質量檢測中心、數據中心，保證市、縣、校、班、生之間具有良好的貫通性，同時學生、學校與區域的發展也具有聯動性。這些都表示企業在人工智能教育中有著極重要的地位與作用。但具有豐富教學經驗與人工智能技術的復合型人才以及教育建模人才相對較少，這也是企業面臨的主要問題[3]。我國近幾年雖然制定了相應制度，學校也開設了人工智能專業，但實現批量產出還需要時間，同時培養人工智能教育人才的專業方案數量也相對較少，這在一定程度上阻礙了人工智能教育的發展。

2.3 數據分析模型缺少科學性

人工智能教育的應用基礎就是數據建模分析，以數據的可能性為基礎進行數據建模，通過用腦、教育學以及學習等，確保數據分析模型逐漸成形，接著就可利用算法實現數據分析。選擇的數據主要由數據分析模型決定，怎樣利用數據判別價值對數據分析結果有著極為重要的意義。數據范式正處于新興發展階段，需較強的綜合創新水平。企業是人工智能教育應用服務的基礎，雖然其擁有大量經驗豐富的人工智能人才與計算機人才，但教育信息化能力仍有待提升，教育數據建模人才也相對較少，這就導致數據建模仍不完善，應用展示的成果雖較為優秀，但建模卻缺少科學性[4]。