服务个性发展的适应性教育

摘要：教育正迈向智能化时代，人工智能与教育的融合创新已成为未来教育变革的重要趋势。当前教育人工智能在面向特殊人群的补偿性教育、针对常规业务的替代式教育和服务个性发展的适应性教育方面已经形成典型的应用模式。但从整体上看，教育人工智能仍处于起步发展阶段，面临四大发展难题：一是教育数据的数量与质量存在“短板”，人工智能技术的价值难以发挥；二是教育业务复杂多样，通用人工智能技术“嫁接”教育的难度增大；三是教育用户对人工智能技术存在应用价值与角色关系的双重困惑，人机信任危机难以消除；四是缺乏人工智能专业教师队伍与课程体系，人工智能融入教育进程缓慢。未来教育人工智能应在以下方面实现突破：技术研发层面，加大教育人工智能产品研发力度，提升技术服务品质；教育创新层面，拓宽人工智能教育应用空间，构建和谐共生“人机结合”新生态；合作机制方面，建立“政企学研”多方合作机制，推进多学科交叉协同融合发展；实践模式层面，建立教育人工智能示范点，以点带面，逐步推广教育人工智能应用模式。

关键词：教育人工智能；技术框架；应用模式；发展难题；突破路径

1.针对常规业务的替代式教育

人工智能支持下的替代式教育强调通过技术达到与教师从事的某些教育活动相同的作用，代替教师执行部分任务。如图3所示，在目前的教育人工智能应用中，以自然语言处理和机器学习为核心技术的智能批阅系统能够实现机器智能阅卷、作文自动批改；以语音识别测评技术为核心的语言类教育应用能够实现口语考试评分、口语练习纠错。因此，教育人工智能可替代教师执行的常规业务主要体现在考试结果判定、作业及练习效果检查两个方面。

e-rater自1999年以来就一直被美国教育考试服务中心（ETS）用于自动评分。该系统通过从大量文章中提取代表书写质量的一系列特征，并对文章语言、内容、篇章结构进行重点分析，包括词汇复杂度、语法错误的比例、文章风格、单词总数等，将这些分数利用统计模型进行分析并产出最终的得分估计。每个特征的权重由统计过程确定，保障了系统与教师评分相对一致。e-rater目前主要用于托福考试的作文自动评分，类似能够对作文进行自动评分的系统还有ProjectEssayGrade、IntelliMetric等。大型考试中数以万计的试卷借助智能阅卷系统可以将教师从机械重复的劳动中解放出来，并在一定程度上减少教师由于主观因素造成的评分标准差异，保证了评分客观公正，提高了作文评分效率。句酷批改网（简称“批改网”）是一个智能批改英语作文的在线服务系统，能够对学生上传的作文在线生成评分、评语及内容分析诊断，学生可以根据提示进行反复修改提交，直到满意，类似的系统还有MyAccess、Criterion等。智能批改系统不仅能自动生成评分，还能提供针对性的反馈诊断报告，指导学生如何修改，一定程度上解决了教师因作文批改数量大而导致的批改不精细、反馈不具体等问题。基于语音识别技术的口语学习软件同样可以对学生的口语发音进行评分、纠错和指导。人工智能技术使机器能够根据预设程序进行高效地重复性工作，因而教师可以将更多精力投入到教学设计优化、学生心理健康培养等创造性活动中。针对常规业务的替代式教育既能节省大量人力资源，为教育教学提供便利性服务，同时又能促进学生学习方式的多样化和智能化，满足众多学生的学习需求。

2.服务个性发展的适应性教育

由于个体差异，学习者在学习过程中对知识的接受程度不尽相同。实现学生个性化学习，达到因材施教的目标是解决教育问题的关键，也是人工智能技术在教育领域的重要发展方向。智能虚拟助手、智能导学系统、适应性学习平台等系统能根据学习者的个人特点（如语言、学习风格、偏好等）创建个性化课程，让学习者获得更好的学习效果（Piresetal.，2018）。

智能虚拟助手通过自然语言模拟人类对话，深层次理解人类需求，其核心特征是对话式交互与智能性服务（王萍等，2018），可以实现与学习者交互问答、提供情境学习、进行学习分析等功能。将人工智能技术支持的机器人导师嵌入Duolingo语言学习系统中，就可以辅助学习者进行语言学习，在与学习者对话过程中，机器人导师可以变换不同角色来讨论不同话题，增加语境的真实性。随着交互程度不断加深，机器人导师会更懂学习者，互动过程也将更具针对性。该系统还会对学习者的学习数据进行分析，从而有效调整学习进度与内容。智能导学系统则兼顾学习者的认知和情感状态，借助答案分析和错误反馈过程来评估学习者对知识的掌握程度，并提供个性化的指导（Strainetal.，2013）。智能化程度较高的个性学习支持系统不仅能对语音、图像等外部信息进行感知，还具备深度学习的能力，能够理解学习者行为习惯甚至情感态度。个性化学习支持系统产生的学习者行为数据，是系统功能完善与技术升级的基础支撑，是实现对学习者个性化学习辅导的关键因素。机器对学习者学习风格、兴趣偏好的了解越深入，对学习内容推送、学习行为反馈、情感变化的处理便越精准。目前，个性化学习支持系统还处于研发阶段，成熟度不高，但已能为学生适应性学习提供不同程度的支持。

参考文献：

[1]戴永辉,徐波,陈海建(2018).人工智能对混合式教学的促进及生态链构建[J].现代远程教育研究,(2):24-31.

[2]国务院(2017a).国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2018-01-25].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[3]国务院(2017b).国务院关于印发国家教育事业发展“十三五”规划的通知[EB/OL].[2018-01-25].http://www.gov.cn/zhengce/content/2017-01/19/content_5161341.htm.

[4]贾静元(2016).河南省特殊教育信息化建设现状及对策研究[D].开封:河南大学.

[5]李振,周东岱,刘娜等(2018).教育大数据的平台构建与关键实现技术[J].现代教育技术,(1):100-106.

[6]刘勇,李青,于翠波(2017).深度学习技术教育应用:现状和前景[J].开放教育研究,(5):113-120.

[7]王承博,李小平,赵丰年(2015).大数据时代碎片化学习研究[J].电化教育研究,(10):26-30.

[8]王萍,石磊,陈章进(2018).智能虚拟助手:一种新型学习支持系统的分析与设计[J].电化教育研究,(2):1-6.

[9]吴永和,刘博文,马晓玲(2017).构筑“人工智能+教育”的生态系统[J].远程教育杂志,(5):27-39.

[10]邢蓓蓓,杨现民,李勤生(2016).教育大数据的来源与采集技术[J].现代教育技术,(8):14-21.