人工智能技術通過對人類的感知、記憶、學習、思維等進行模擬，使機器具備人類的識別、認知、分析、決策等功能，從而替代人類完成一些重復性的復雜工作?！缎旅襟w聯盟地平線報告：2017高等教育版》曾預測：人工智能將對未來教育產生重要影響[1]。2017年，國務院出臺的《新一代人工智能發展規劃》提出要利用人工智能技術進行教育模式變革、構建新型教育體系、研發智能化的學習支撐平臺，并實施全民智能教育項目[2]，說明人工智能在我國已上升為國家的核心戰略。近年來，各種新型智能教育應用層出不窮，如高考機器人、自動批改作業、智能口語測評、在線拍照搜題等，可以說人工智能與教育的深度融合已成必然趨勢。隨著人工智能技術在教育領域的深度應用，互聯網教育將進入“人工智能 教育”的高級階段，教育信息化將邁入以“融合創新，智能引領”為主要特征的2.0時代[3]。
一 教育人工智能與人工智能教育、智能教育的關系
人工智能在教育領域的應用由來已久，目前與此相關的研究主要涉及智能教育、人工智能教育、教育人工智能三個術語，而這三個術語經常被混淆使用，故本研究試圖基于相關研究成果對這三個術語的概念進行辨析。
1 相關研究成果
在針對智能教育、人工智能教育、教育人工智能的相關研究成果中，樸鐘鶴[4]對韓國智能教育的內涵進行了探析，認為智能教育是基于學習者的能力、興趣，運用信息技術來開展自主式學習的教育；趙銀生[5]認為智能教育即教育手段智能化，是指采用先進的信息技術促進教與學方式、方法和模式的變革，使得教育管理、教學與學習實現智能數字化；張進寶等[6]認為智能教育以實現個體智能的發展為目標，綜合培養學習者的學習能力、數字素養、計算思維，是個體智能發展與智能技術實踐相整合的創新教育過程；陳凱泉等[7]認為人工智能教育的目標定位是培養學生的編程能力與計算思維；閆志明等[8]認為教育人工智能的目標包括兩方面：一是提供適應性的學習環境和智能學習工具，二是通過人工智能技術來揭開“學習黑匣子”。
2 概念辨析
本研究認為，智能教育兼具教育目的性和技術性之雙重屬性：①從教育視角出發，智能教育被視為育人的目標，即“促進人類智能發展的教育”，更多地指向“多元智能”、信息化素養和計算思維能力的培養；②從信息化視角出發，智能教育被視為育人的技巧，即“利用人工智能改善教育”，側重于將人工智能作為支持教學的技術手段。由此，可以推出智能教育具有“促進智能發展”和“智能化教育”的雙重功能?；诖?，本研究認為智能教育可細分為人工智能教育和教育人工智能兩大方向，三者的關系如圖1所示。
圖1 教育人工智能與人工智能教育、智能教育的關系
具體來說，人工智能教育將人工智能作為學習對象，開展知識及其表示、推理與專家系統、人工智能語言與問題求解等內容的教學，旨在使學生建立對人工智能技術的基本認知，從而培養學生的信息學科素養、提升學生的計算思維能力。教育人工智能是人工智能和學習科學的結合，是指利用人工智能技術，為自適應學習環境和靈活多樣的教育輔助工具提供智能支持，并探索學習發生的原理與機制；教育人工智能具有數據驅動、自學習能力、人機協同、個性化定制的特點，其三大核心內容是學習者模型、領域知識模型、教學模型[9]。目前，智能教育的研究主要集中在教育人工智能方面。
二 教育人工智能的演進歷程
自從教學機器誕生以來，心理學家、教育學家就開始探索如何將自動化、智能化手段應用到教育教學中，以將教師從重復勞動中解放出來，為學生提供高質量、個性化的學習方式，從而提高教與學的效率。從歷史演化的視角，可將教育人工智能的演進歷程劃分為以下五個時期：
1 萌芽期：早期的教學機器
教育人工智能的探索可追溯至20世紀20年代，Pressey制作了第一臺自動執行測驗和計分任務的教學機器[10]；60年代早期，Skinner基于行為主義理論設計了支持程序教學的機械裝置[11]，其目的在于通過預設的知識項目來實現差異化、個別化的教學——這些早期成果孕育了人工智能教育應用的萌芽。
2 啟動期：計算機輔助教學
在圖靈測試和人工智能概念的影響下，20世紀60年代后期，教育人工智能進入計算機輔助教學（Computer Aided Instruction，CAI）階段[12]。ALGOL、LOGO編程語言開始應用于計算機輔助教學，并且研究者開發出了很多的輔助教學系統，如PLATO系統、TICCIT系統等。一般而言，CAI系統由硬件、軟件及課件三部分組成。
3 突破期：智能計算機輔助教學
20世紀70年代后期至80年代初，研究者在CAI的基礎上引入知識庫、推理機等專家系統技術，教育人工智能由此逐漸進入智能計算機輔助教學（Intelligent Computer Assisted Instruction，ICAI）階段。這一時期正處于行為主義衰落、認知心理學崛起的階段，因此這一時期的智能教學系統大致可分為兩類：一類是以行為主義理論為基礎的系統，如SCHOLAR、WEST、SOPHIE、GUIDON等；另一類是認知主義主導的教學系統，如LISPTutor、PROUST等?？傮w而言，這些系統仍遵循“以教為中心”的教學理念。
4 發展期：自適應學習
隨著互聯網的發展，適應性教育超媒體系統（Adaptive Hypermedia System，AHS）在20世紀90年代初開始出現，并在此基礎上演化成了自適應學習系統[13]。自適應學習系統能夠根據當前學習者的學習需求、學習風格、知識水平、認知能力和學習狀態進行適應性調整，實現個性化或差異化學習。一個典型的自適應學習系統包括領域模型、用戶模型、教學模型、適應性引擎等四部分，代表性系統有SQLTutor、AutoTutor、Why-2 Atlas等。這一時期的智能教學系統強調“以學習者為中心”的理念，更加關注學習者的學習需求與個性特征。
5 高速發展期：智適應學習
近年來，隨著云計算、教育大數據、深度學習等技術的不斷成熟，教育人工智能進入高速發展期。在這一時期，大規模教育數據的采集、存儲、計算、分析、挖掘成為可能?；谌谈櫽涗浀膶W習者行為數據，智適應學習系統以數據驅動的方式智能判別學習風格、個人偏好，借助機器學習、知識圖譜等人工智能技術，深度診斷學習者的知識掌握情況，為學習者提供實時、動態、智能化、個性化的指導與干預，代表性系統有Knewton、DreamBox、ALEKS、AltSchool、Kidaptive、Smart Sparrow等。這一時期的智能教學系統強調數據驅動、智能適應，其目標是實現大規模的個性化學習。
三 教育人工智能的技術框架及典型應用
1 教育人工智能的技術框架
數據、運算力和算法模型是人工智能技術的三大要素，而教育人工智能是人工智能與學習科學相結合而形成的一個新領域[14]，因此可以認為教育人工智能主要由數據、運算力、算法模型、學習科學四大要素組成。
基于上述四大要素，結合對教育人工智能的認知，本研究構建了教育人工智能的技術框架，如圖2所示。該框架自下而上分為四層：①基礎設施層以云平臺為基礎，為教育人工智能提供計算能力；②大數據層匯集了教育教學活動中的各種管理數據、資源數據、行為數據以及評價數據，為智能計算提供數據基礎；③算法層提供TensorFlow、Caffe等開發框架和計算機視覺、語音識別、自然語言處理等先進算法，是教育人工智能的核心；④應用層以人工智能優化教學過程為目標，開展自適應學習、智能化評測、自動化批改、教育機器人、虛擬學伴等場景應用，驅動個性化學習、精準化教學從理念走向實踐，是教育人工智能發展的目標。
圖2 教育人工智能的技術框架
2 教育人工智能的典型應用
?。?）自適應學習
自適應學習能夠根據學習者的個體差異為其提供個性化的學習內容、學習資源、學習路徑和學習策略，并提供適應性的指導與干預[15]。已有很多學習系統將人工智能技術融入其中，如美國的Knewton平臺借助心理測量模型和貝葉斯網絡等概率模型來評估學習者的知識狀態，并基于學科知識圖譜進行學習路徑推薦[16]；DreamBox通過跟蹤學習者的行為記錄，利用機器學習算法實時為學習者提供自適應學習內容，從而培養學習者對于數學概念的理解能力[17]。在人工智能技術的支持下，結合大數據的學習行為分析技術，能夠建立更加精準的學習者模型和學科知識本體庫與知識圖譜，更加智能地自適應調整學習過程，并有針對性地為學生推送適合的學習內容，從而快速提高學習效率、提升學習效果。
?。?）智能化學習評測
隨著人工智能技術在教學中的應用不斷深入，傳統的人工評測正逐漸被智能化、自動化的系統所取代。典型的應用有計算機智能化測驗、大規模機器口語測評等。
計算機智能化測驗是基于項目反應理論和認知診斷理論，由計算機根據學習者當前的能力水平，自動從大型題庫中選取難度與之相適應的項目進行測評。計算機智能化測驗能夠高效精準地估計被試的能力水平，學習者可以顯性了解自己對學科板塊知識點和能力點的掌握情況[18]，已成為教育測量與評價發展的必然趨勢。目前，國內的智慧學伴、論答、乂學教育提供的教育應用都采用了這種智能化的測評技術。
大規模機器口語測評主要采用深度學習等智能語音識別技術，對學生的口語發音進行指正、評分，從而實現英語聽說測評的自動化，減少人力投入成本并顯著提升教學效率。在國內，科大訊飛、滬江英語、51Talk、英語流利說等都研發了相應的英語口語識別引擎。而在國外，Carnegie Speech、Duolingo軟件采用自動語音識別（Automatic Speech Recognition，ASR）技術和自然語言處理（Natural Language Processing，NLP）技術來識別語言中的錯誤，并幫助學習者進行糾正。
?。?）智能化教學輔助
作文自動化批改、教育機器人等教學工具的出現，對教師這個勞動密集型職業起到了一定的替代和輔助作用，為解決教師投入成本高、效率低和師資不均衡等問題提供了技術支撐[19]。
作文自動化批改工具基于標準語料庫，利用圖像識別、自然語言處理、大數據分析等技術手段，從詞匯、語法、篇章、立意等多個維度對學生的作文進行綜合評價，并及時給出作文的評語、總分和按句點評。代表性作文自動化批改工具有美國的McGraw-Hill、Pearson、ETS和國內的批改網等，而EdX、Coursera、Udacity也正利用自然語言處理、機器學習、眾包等技術來對簡答題、論述題和編程作業進行評估。
教育機器人作為一種具有感知、思維、動作、協同等能力的智能工具，能夠協助教師進行教學管理、答疑，增強或延伸教師的表達能力、知識加工能力和溝通能力；能夠作為學生學習的虛擬學伴，激發學生的學習興趣和動力[20]，如AdmitHub應用聊天機器人來自動回答學生的高頻問題。
四 教育人工智能未來的發展路徑
教育人工智能雖然經歷了漫長的發展過程，也產生了很多創新性應用，但與人類智能水平還存在很大的差距，教育人工智能的研究與應用依然任重而道遠。目前，教育人工智能在學科交叉融合研究、教育數據生態系統完善、專業人才培養以及實踐應用等方面尚有待加強。
1 加強多學科交叉融合研究
教育人工智能是一門系統性科學，其研究屬于多學科交叉型，需要教育技術學、計算機科學、軟件工程、信息管理等多學科的對接和聯合攻關。其中，教育技術學側重于教育人工智能模型與方法的研究，并融合前沿教育教學理念，設計以學習者為中心、以創造性思維培養為目標、提供深度學習體驗、支持多模態互動教學模式的智能學習環境和資源；計算機科學、信息管理主要負責教育大數據獲取、教育知識圖譜構建、數據智能處理與分析、智能化診斷評測、學習路徑智能規劃、學習資源智能推送等方法與技術的研究；軟件工程則負責相關智能平臺的工程開發與服務研究。此外，研究者還應加強教育人工智能與腦科學、認知科學、心理學、統計學等學科的交叉融合，以便為教育人工智能的深入研究提供理論基礎。
2 完善教育數據生態系統
海量的教育數據既是發展教育人工智能的核心要素之一，也是訓練人工智能系統的基礎。教育數據生態系統的完善可從以下方面入手：①在教育數據共享方面，加快建立教育數據采集的標準與規范，適度開放、共享公共教育數據資源，鼓勵社交媒體等跨領域的多元數據共享融通。目前，ADL、IMS、ISO等國際標準化組織都在積極制定相應的教育大數據標準，其中最具代表性的是學習行為數據采集標準Experience API和學習分析數據互操作規范IMS Caliper Analytics。②在教育數據預處理方面，通過數據清洗、數據擴充、數據交叉校驗等環節，清除“臟”數據、補全缺失數據、統一數據格式，形成高質量的、“干凈”的數據資源。③在教育數據存儲與計算方面，開展基于Hadoop、Storm、Spark等開源框架的并行存儲與計算技術研究[21]，開發或定制適合教育數據的一體化大數據平臺，為教育人工智能提供可靠的、有質量的數據資源。
3 培養教育人工智能專業人才
教育人工智能需要跨學科復合型的專業技術人才，一方面要求具有機器學習、知識圖譜、深度學習等人工智能方面的專業能力，另一方面要求具備教育心理學、教育信息化理論與方法、數字化學習資源環境設計與開發等教育技術學的背景知識——但既懂人工智能又懂教育的交叉學科人才供求嚴重失衡，因此急需教育工作者重新設計人工智能教育的培養方式和課程體系，以培養教育人工智能的復合型人才。此外，在中小學階段，以人工智能課程為主線，教師可以結合機器人教育、Scratch編程教育、STEM教育、創客教育等形式，開展人工智能的普及教育。
4 以需求為導向，深化教育人工智能應用
智能技術只是解決個性化教育等問題的手段而非目的，因此教育人工智能應以教育需求為導向而非以技術研發為動力。具體而言，教育人工智能在應用時需以資源均衡化、學習個性化等迫切需求為目標，利用人工智能的智能感知、智能建模、智能決策等功能，開展諸如智能校園、立體綜合教學場、智能在線學習教育平臺、智能教育助理等以智能化為核心的數字化學習資源與環境的設計與開發，以推進教育人工智能在教學中的常態化應用，深化人工智能與教育教學的融合。值得一提的是，隨著云計算平臺和TensorFlow、MXNet等深度學習框架的不斷成熟，人工智能算法的準入門檻會顯著降低，教育人工智能應用的開展將會變得更加方便快捷。
參考文獻
[1](美)S·亞當斯貝克爾,M·卡明斯,A·戴維斯,等著.殷丙山,高茜,任直,等譯.新媒體聯盟地平線報告:2017高等教育版[J].北京廣播電視大學學報,2017,(2):1-20.
[2]國務院.新一代人工智能發展規劃[OL]. <http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm>
[3]任友群,馮仰存,鄭旭東.融合創新,智能引領,迎接教育信息化新時代[J].中國電化教育,2018,(1):7-14.
[4]樸鐘鶴.教育的革命:韓國智能教育戰略探析[J].教育科學,2012,(4):87-91.
[5]趙銀生.智能教育(IE):教育信息化發展的新方向[J].中國電化教育,2010,(12):32-34.
[6]張進寶,姬凌巖.是“智能化教育”還是“促進智能發展的教育”——AI時代智能教育的內涵分析與目標定位[J].現代遠程教育研究,2018,(2):14-23.
[7]陳凱泉,何瑤,仲國強.人工智能視域下的信息素養內涵轉型及AI教育目標定位——兼論基礎教育階段AI課程與教學實施路徑[J].遠程教育雜志,2018,(1):61-71.
[8][9]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,(1):26-35.
[10]龔維瑤.程序教學簡介[J].心理科學,1965,(2):19-24.
[11](美)M·P·德里斯科爾著.王小明,等譯.學習心理學——面向教學的取向(第三版)[M].上海:華東師范大學出版社,2008:52-53.
[12]邢新華.智能計算機輔助教學——ICAI[J].中國電化教育,1999,(6):8-9.
[13]左憲枝,陳雨.基于自適應學習系統的翻轉課堂實踐模式研究[J].中國教育信息化,2016,(10):18-22.
[14]Luckin R, Holmes W. Intelligence unleashed: An argument for AI in education[OL].
<https://www.pearson.com/news/blogs/CompanyBlog/2016/03/intelligence-unleashed-an-argument-for-ai-in-education.html>
[15]菅保霞,姜強,趙蔚,等.大數據背景下自適應學習個性特征模型研究——基于元分析視角[J].遠程教育雜志,2017,(4):87-96.
[16]萬海鵬,汪丹.基于大數據的牛頓平臺自適應學習機制分析——“教育大數據研究與實踐專欄”之關鍵技術篇[J].現代教育技術,2016,(5):5-11.
[17]張渝江.用自適應技術支撐個性化學習[J].中國信息技術教育,2013,(3):118-121.
[18]路鵬,叢曉,宋克,等.計算機自適應測試研究進展與展望[J].東北電力大學學報,2015,(3):82-90.
[19]億歐智庫.2018人工智能賦能教育產業研究報告[OL].
<http://www.askci.com/news/chanye/20180305/135309119053.shtml>
[20]黃榮懷,劉德建,徐晶晶,等.教育機器人的發展現狀與趨勢[J].現代教育技術,2017,(1):13-20.
[21]李振,周東岱,劉娜,等.教育大數據的平臺構建與關鍵實現技術[J].現代教育技術,2018,(1):100-106.
