人工智能生成內容技術對在線課程設計的啟示與思考

郭小明,游少鴻

(桂林理工大學,廣西 桂林 541004)

一、序言

2023年3月份ChatGPT的出色表現在人工智能領域及其應用輻射的相關領域激起千層波。該應用的一個直觀感受就是一款更加智能的搜索引擎,它可以通過分析使用者的意圖,搜索海量知識庫,歸納總結出使用者想要的答案,并以人類能夠接受的語言方式呈現出來。

其實,ChatGPT使用的就是AI生成內容技術的一個應用,它的出現給各個行業帶來了機遇與挑戰。目前的在線課程設計模式基本是固定的:教師把教學視頻、課件、作業放到網上,在討論區回答幾個學生的提問,學生在線上完成考試,就算完成了一個線上教學周期。這種教學模式是否真正滿足課程的達成度要求,或是對學生的過程性考核是否行之有效,是我們值得深思的。

在線開放課程(MOOCs)基于聯通主義理論的應用而生。由于其利用互聯網和新興技術,提供便捷、費用低廉、高品質的教育資源,為所有學習者提供了一個平等、全球化的學習機會而風靡全球。我國對在線課程的建設目標提出了不同的要求,其主旨是拓展固有的教學時空,在新網絡時代挖掘并增強對學生的教學吸引力,激發學習者的積極性和自主性,并擴大優質教育資源受益面。但存在的問題也非常明顯。例如:虛擬的教學場景限制了師生教學的互動性、平臺建設良莠不齊、國內師生的信息化水平與素養不高、線上的評估難度大、線上學習誠信問題等不容忽視[1-2]。

二、AI生成內容技術及應用

人工智能生成內容技術是一種基于人工智能算法和深度學習技術,利用大量數據訓練模型,自動生成文本、圖像、視頻等內容的技術。目前,該技術已應用于多個領域,如自然語言生成、圖像生成、視頻生成等。其中,自然語言生成技術是最常見的一種,它可以根據語料庫中的數據,自動生成符合語法和語義規則的語言內容。如一些AI聊天機器人、智能寫作軟件就是利用自然語言生成技術實現的。圖像生成技術是利用深度學習算法、學習圖像的特征和規律,然后自動生成符合特定要求的圖像。例如,生成對抗網絡(GAN)是一種常用的圖像生成技術。視頻生成技術則是利用圖像和音頻生成技術,將生成的圖像和音頻拼接起來,生成符合用戶要求的視頻內容。

總之,人工智能生成內容技術正在成為一種重要的工具和應用,在搜索引擎、智能客服、語音合成、視頻制作、音樂創作等多個領域都有廣泛應用。

ChatGPT是一個基于人工智能技術的在線聊天機器人,它的核心就是人工智能生成內容技術。它能夠在聊天過程中自動理解用戶的語言,并根據用戶的輸入提供相應的響應。解決該場景的算法是基于深度學習技術,利用大量的自然語言處理數據進行“訓練”,從而達到自動學習和提高自身的響應能力。

ChatGPT 是基于自然語言生成的領先技術,可以幫助企業快速建立和發展具有智能的自動聊天機器人,以改善客戶服務和提高客戶滿意度。ChatGPT 不僅可以為用戶自動建立智能的會話,提供定制的建議和回答,在遇到問題時詢問用戶更多信息以確定最佳答案,還可以對用戶進行情感分析,以更好地滿足他們的需求,并幫助企業了解他們的客戶。其應用除了可以拓展到供應鏈管理、智能分析、智能客服外,還可以使用在多種場景中,包括在線客服、智能對話、教育輔導等領域。

在教育領域,GPT可以用來提升語言理解技術,從而改善自然語言處理(NLP)技術,例如分析文本、建立問答對話等。一個典型的GPT在教育領域的應用案例是使用GPT來幫助學生理解文本的概念,并且可以幫助他們自動檢索相關材料,節省答題時間和精力。GPT也可以作為輔助教學工具,增進教學質量,并且可以為學生建立問答庫,幫助他們解決學習過程中的問題。此外,GPT也可以用于自動編寫教學資料,例如教學文檔、教材材料等,從而減輕教師的負擔。

三、在線課程交互性與AI生成內容技術的結合構想

目前,在線課程設計存在的局限性、互動性體驗一直不令人滿意。在線課程主要以自學為主,很少有互動與討論的機會。學生難以獲得即時反饋和指導,這可能導致學生缺乏動力和信心,影響學習效果?，F在大部分的課程教學平臺都存在該問題,例如中國大學慕課、智慧樹等,在線課程的設計基本包括:公告、評分標準、課件(視頻、PPT)、測試與作業、考試、討論區。在這幾個板塊中,師生只有通過討論區進行互動。其實這種模式也就是將我們傳統的線下教室照搬到了網絡上而已。任課教師并沒有掌握學生真實的學習動態,課程知識點也并未有效傳達給學習者,這種學習是生硬的[3]。

由圖1可以看出,在課程的學習周期,師生的互動目前僅限于中期的線上答疑。教師對第一階段的學習導向是否達到效果并未有直觀的反饋,而第三階段其實也是目前線下課程一個考評的照搬,并未體現出大數據時代對在線課程的輔助作用。

圖1 在線課程一個教學周期簡圖

而隨著人工智能內容生產技術的出現及升級,例如ChatGPT的模型GPT-3的參數目前國內外已經達到了千萬級,甚至是萬億級,但是對于我們一門課程的知識點參數來說其實很小,所以在后面隨著人工智能模型的普及,我們可以逐漸建立基于專業、學科的知識點譜系,逐漸形成在線課程的教育模型,如圖2所示。

圖2 基于AI生成內容技術的在線教學骨架模型

圖2中,根據在線教學周期對應的三個階段分別建立對應的人工智能分析模塊:知識點學習分析、主觀性行為分析、客觀行為分析。對應這三個學習階段,根據GPT-3模型原理,將課程的內容知識點根據考查點來確定相應的參數,即課程知識點的數據庫。該部分參數的采集不能只注重課程內容本身知識點,還應該對應學習者在學習過程中會對知識點“觸發”什么事件,例如學習者觀看學習視頻的完整度、倍速、是否手動拖動進度條等事件,可將其作為判斷學習者學習效率、認真程度、學習效果等的參考依據。在第二階段的學習中,記錄學習者的學習行為,如自我評價、他人評價、主觀性作業等,與之相對應的參數庫采集屬于學習者的自主學習行為。學習的主觀行為分析要復雜許多,但是可以根據課程的要求簡化該過程的參數。該過程利用AI的語義分析,分解學習者學習內容。根據AI分解的內容可以與學習過程中的課程知識點數據庫做匹配,甚至可接入相關知識庫做更詳細的分析,例如內容查重等。模型的第三階段對應的是常見在線課程的設計,即客觀題目的綜合考查。利用AI模型除了可以掌握學習者的客觀題正確率,更重要的是可獲取學習者在學習過程中的行為參數,如題目的作答速度、修改次數等。該部分參數可為授課教師反饋學習者對知識點的掌握程度、知識點的難易程度等。三個參數庫可以勾畫出學習者對該門課的學習畫像,根據需要可讓授課教師掌握學習者的學習狀況,也可反饋給學習者本人讓其清楚自己對知識點還有哪些內容需要強化,這是傳統在線課程所不具備的。

為了強化在線課程的交互性,我們可以參考ChatGPT這種智能對話系統的一些原理范式。例如,ChatGPT使用自然語言處理技術將用戶輸入的語音或文本轉換為可處理的數據,它對文本理解使用文本分析和語義理解技術,將用戶輸入的話語或文本進行分析并判斷用戶的意圖。該模塊可以嵌入我們線上課程互動模塊中,通過分析學習者意圖,生成學習者課程學習效果矩陣。該結果可以供授課教師精準掌握學生的學習情況,學習效果的交互有助于讓授課教師掌握學生的學習痛點和難點,可以及時地修改課件內容,形成良性的教學循環。

另外,反饋和迭代是ChatGPT的一個智能模塊,具有學習和不斷優化的能力,它會通過用戶反饋不斷更新自己,提高對話能力和個性化的智能化表現。其實它屬于生成式的大規模語言模型,其底層的技術,包括Transformer、監督微調訓練、強化學習等,已在人工智能領域有廣泛的應用,并非算法上的實質性創新。ChatGPT巧妙地疊加這些技術,成功展現了由于模型規模帶來的突現能力,經過近幾年不斷迭代部署,量變的積累產生質變,形成了ChatGPT的語言智能。

該模塊的功能也對我們改善線上教學互動性有良好的借鑒作用。通過在線課程學習周期對學生數據的迭代,生成學生的學習畫像,根據課程達成度設置的參數,可對比學習是否有進步。更進一步,可以縱向比較學習數據,形成該門課程階段性的評估,這作為授課教師而言是非常重要的學習反饋[4]。

四、基于AI生成內容技術的學習反饋與評價

我們對大數據的研究可分為數據收集、數據分析、數據可視化。目前的AI模型可以根據課程學習模型構建相應的知識點參數、授課者參數、學習者參數、活動者行為參數以及基于各種觀測主體的關聯參數。而AI模型不僅可以歸納、分析各種參數為學習者提供個性化的參考,讓其做出最優的學習計劃,而且可以為授課教師發現各個知識點與學習者的潛在關聯因素,找到課程新的發展趨勢,有效識別或者預見可能存在的不利閉環,從而彌補教學過程中的黑盒效用。

傳統的學習評價一般都是靜態模式,對于學生個性化評價、過程性評價、非常規性學習因素評價很少或者缺乏,所以,前期對于在線課程的模型建立尤為重要,因為它會影響我們模型的反饋,這也是目前出現的幾種先進模型的參數量級都很高的原因。選取相對充足而且有效的學習參數可以保證課程的正確評價,這也彌補了我們對課程教學的主觀評價單一性和樣本少的問題[5-6]。

ChatGPT的智能學習模型是通過大量數據的訓練而得。比如在課程的學習過程中,學生在線上的每一個動作都是一個數據采集點,學生的學習效果反饋應該來自幾個方面:一是固定知識考查,即客觀性題目,是對課程基本知識點的掌握考查;二是非固定知識考查,即主觀性題目,例如教師針對知識點設置的具有考查學生其他學習能力的問題;三是系統反饋能力考查,即學習反饋模型通過分析學生的學習行為而生成的評價,例如題目的作答時間、答題時長、答案內容分析、內容修改等,都可以給出我們以往都沒有的一些結果分析,而這些反饋卻可能是我們如何提高學生個性化學習的新方法。

基于AI生成內容技術產生的應用重點是模型的建立及有效參數的設置。對于普通的課程教學可將各個學科、專業的課程進行自動生成操作,可以遵循幾個原則:一是學習任務分解,明確參數指標值;二是根據分析主體確定相關數據及來源,建立數據元模型;三是對學習模型進行分類,建立控制策略;四是根據建立的數據庫對課程主體進行分析,生成學習數據及課程評價。

一般來說,在線課程的教學評價可以考慮以下幾個方面:一是學習者體驗程度。在線課程作為數字時代的一個“產品”,學習者作為“產品用戶”其“感受”是在線課程教學評價的要點。學習者的體驗充分體現在課程設計、教學內容、教師授課等方面。二是在線課程的內容質量高低。課程內容是決定一門在線課程質量高低的關鍵,同時也是影響學習者體驗的重要因素[7].三是教學資源的豐富度。在線課程的教學資源包括教師、教材、技術設備、平臺服務等,評價教學資源的好壞需要綜合考慮各個方面,并優化資源的配置和使用,以提高教學效果。四是教學創新。教學創新是在線教學的一大特點,包括教學方法、課程設計、教學環境等方面。評價在線教學的創新需要考慮教學的特點和傳統教育相比的優勢,同時從學生的角度出發,評估教學的實用性和效果。

五、學習者隱私的倫理考慮

歸根到底,人工智能和在線課程的結合可以更好地滿足學生的需求,提高教育水平和效果。通過人工智能技術,可以實現個性化教學、自主學習、智能評估和反饋等功能,幫助學生更好地掌握知識和技能。同時,在線教育平臺也能夠收集學生的學習數據和行為數據,通過數據分析和人工智能算法,對學生的學習情況進行分析和評估,提供更加精準的教學反饋和指導,讓每一個學生都能夠得到適合自己的教學幫助。

但是大數據的使用,肯定會涉及個人的隱私,因為學習者在參與即使是一個學習周期的在線課程學習,也會在數據庫中留下海量的個人信息。例如最基本的賬號信息、個人學習過程數據、成績、評價等,甚至于以目前的人工智能技術可以推斷出學習者個人的一些行為屬性、社會屬性等敏感數據。所以分析過程中確保個人隱私不會被泄露或濫用顯得至關重要。在做人工智能技術與在線教育結合的同時,如何保護個人隱私而且又能讓學習者從中受益,那么管理和使用大數據的道德與法律問題的研究就必須同時開展。

根據目前調查研究,由于大數據技術在各個領域的廣泛應用,它們往往會涉及大量的個人數據。大數據倫理問題主要包括以下幾個方面:一是隱私保護,大數據應用需要收集、存儲、處理和分析大量的個人數據,這些數據包括敏感的個人信息,必須確保個人隱私得到保護,防止個人數據被濫用。二是公平性和歧視,大數據分析可能會產生偏見,例如在雇傭和信用評分等方面,必須確保大數據分析不會歧視任何群體。三是透明度和責任,必須確保大數據運用的透明度和責任。例如,大數據分析的結果必須能夠被理解和驗證,同時,需要有責任機制來解決不當使用數據的問題。四是數據安全,必須確保數據被安全地存儲和傳輸,以防止未經授權的訪問或攻擊。

結合對大數據隱私保護手段的主要研究,如果將人工智能技術應用于我們具體的課程教學中,保護學習者隱私的問題也至少要考慮以下四個方面:一是合理的匿名化處理,將個人身份信息經過混淆、脫敏等處理方式使其與個人身份不能直接關聯。二是數據安全加密,采用對稱加密或公鑰加密等方式對敏感數據進行加密保護,只有授權的用戶才能解密數據。三是數據訪問權限控制,在大數據平臺上通過內部網絡、門禁等方式對數據進行訪問控制,只有經過嚴格授權的人員才能訪問。四是隱私協議的制定和執行,企業和機構應規范自身的隱私協議,并落實執行?？傊?保護大數據隱私需要加強合法性、合理性、規范性和監管性,這是一個系統工程,需要各方共同努力。

六、總結與展望

隨著技術的發展,無論是大數據還是人工智能,教育的發展都應跟上時代的步伐,利用新技術使我們的教學工作更加有效、有意義。雖然近幾年我們對傳統的教學做了一些改革嘗試,但是很多僅僅是形式的改變,特別是對于人工智能技術,我們尚未在教育行業發揮其應有的優勢。本文僅以在線課程建設過程遇到的問題為例作了相關構思,但是要做到新的數據技術與教育的緊密結合,從數據模型的分析建立,到真正產品的落地還需要不斷地去嘗試與努力。