智能教學技術的發展與展望*

劉清堂，毛 剛，楊 琳，程 云

(華中師范大學 教育信息技術學院，湖北 武漢 430079)

智能教學技術的發展與展望*

劉清堂，毛 剛①，楊 琳，程 云

(華中師范大學 教育信息技術學院，湖北 武漢 430079)

應用技術幫助教師實現高效教學，促進學習者的發展是教育技術研究者追尋的目標。該文以教學技術的“智能發展”為主線，歸納了不同歷史發展階段的代表性教學技術和應用，分析了機器教學、計算機輔助教學、智能導師系統的基本設計理念、關鍵技術以及代表性系統；以智慧教育環境構建為核心，詳細分析了當前最具發展潛力的智能感知、學習分析、情感計算等智能技術的功能與特點。作者對智能教學技術發展進行展望，提出以學習分析為核心的智能技術整合、融合人工智能和人類智能的自適應學習、智能教學環境下的數字教師是未來發展方向。

智能教學技術；程序教學；計算機輔助教育；智能導師系統；智慧教育

一、引言

技術的發展創新及其在教育中的應用推動了教育技術的發展。在這個發展過程中，教育技術的智能化水平逐步提高，經歷了工業化時代的教學機器、計算機時代的計算機輔助教學、信息時代的智能導師等發展階段。如今，教育逐步走進了以網絡化、智能化、信息化為特征的智慧時代，如何認識智慧學習環境下技術的作用、教師的角色、學習的變化是需要深入思考的課題。從技術發展的視角，回顧教育技術不同歷史發展階段的特征與特點有助于我們更透徹地認識教育技術的使命，更深入地回答以上的問題。同時，可以幫助我們更清醒地看待當前層出不窮的新技術，適度、合理地應用它們為教與學提供支持。

本文首先探討機器教學及其發展的歷史沿革、理論基礎和主要特征，展現了機器教學、計算機輔助教學、智能導師系統在智能化水平上的演進過程，以及在幫助或替代教師工作上的“擬人”功能；其次，對智慧教學概念下的智能感知、學習分析、情感計算等最新技術的功能及特點進行了詳細介紹；最后，對智能教學技術發展進行展望，提出大數據驅動下的學習分析、融合人工智能和人類智能的自適應學習、智能教學環境下的數字教師是未來智能教學技術發展與應用的方向。

二、機器教學及其發展

1.程序教學及發展

早在20世紀20年代，因西方主要資本主義國家對大量熟練勞動力的需求，迫切需要改變以“作坊式”的“師徒授受”為主要模式的人才培養方式，轉而采取“批量生產”的人才培養模式。正是在這種背景下，現代意義上的學校在當時主要的工業國家中成型并得到普及發展。為解決社會對教育效率和質量等方面的變革需求，相關學者開展了以機器學習為核心的自動化教學(Auto-Instruction)探索。

美國教育心理學家普萊西(S.L.Pressey)于1924年試制出第一臺用于測驗的機器。真正將教學機器的研究和應用推向高潮的是美國心理學家斯金納(B.F.Siknner)。斯金納基于實驗研究的成果，提出了以積極響應、小步子、即時反饋、自定步調為基本原則的程序教學理論。以程序教學理論為基礎的教學機器以及程序教材能夠自動執行測驗和計分任務。教學機器的基本運行程序包括：(1)將學習材料處理成一系列的問題，并將這些問題連續地展現給學習者；(2)要求學習者作答，直到回答正確為止；(3)判斷每次應答的正誤，并給學習者提供即時反饋；(4)在下次學習或復習時不再展示學習者已經掌握的問題[1]。

機器教學探索開啟了人們利用機器替代教師工作的窗口。教學機器具有一些基礎的“智能”，能夠替代教師完成一些教學工作：(1)計算智能，可以自動計分，評價學習效果；(2)邏輯推理，根據學生的應答狀況判斷下一步呈現的學習內容；(3)信息反饋，為學生提供正誤反饋，向教師提供教學效果反饋。

由于教學機器自身的局限性，程序教學在20世紀60年代后期遭受到很多批評，并逐步衰退。盡管如此，以操作條件反射和積極強化為核心的行為主義學習理論的應用與實踐，逐步開啟了利用機器輔助教學的研究序幕，同時也開辟了一條以學習為起點的教育技術研究之路[2]。

2.計算機輔助教學

20世紀60年代，計算機的出現推進了計算機輔助教學(Computer-Assisted Instruction)的研究與實踐。計算機輔助教學是指把計算機系統的功能和教師的課堂講授有機地結合在一起，它既包括系統化的課程學習內容以及相應的練習和測試題目，還能夠為學習者提供個別指導、對話咨詢等學習支持。

從20世紀60年代至90年代，CAI技術的應用研究伴隨計算機技術以及教學理論的發展而不斷進化，大概可以分為三個階段：

(1)初期發展階段(20世紀60年代)。以大學和計算機公司為主體開展的軟硬件開發研究工作，出現了一些有代表性的系統，如：PLATO系統，斯坦福大學研制的IBM1500教學系統，這類系統是教學機器的高級版本，其設計思想仍然是以行為主義理論為基礎的程序教學方法。

(2)實踐探索階段(20世紀70—80年代)。微型計算機技術發展使CAI的研究規模不斷擴大，在數學、物理、醫學、語言學、經濟學、音樂等多種學科領域均開展了CAI的應用。在設計思想上，關注學習者的內部心理過程，強調學習者的心理特征與認知規律。

(3)規模應用階段(20世紀90年代)，多媒體計算機的應用使CAI課件能夠綜合展示文字、圖像、聲音、圖形的能力，并且初具人機交互能力[3]。此階段的CAI應用走向成熟，在設計上強調以學生為中心，重視“情境、協作、會話和意義建構”在CAI教學環境設計中的重要作用，提倡學習過程中充分發揮學生的主動性，體現學生的首創精神。

計算機輔助教學技術的發展標志著智能教學技術的萌芽。在技術層面，具有數字化、網絡化、智能化、多媒體化等特征；在教育層面，體現出教材的多媒體化、資源的全球化、教學的個性化、學習的自主化、任務的合作化、管理的自動化、環境的虛擬化等特征。計算機輔助教學逐步發展成一個集交互、管理和評價能力為一體的“類人”學科專家，其主要特點體現在：

(1)具有結構化的學科知識，并能夠為學生提供多樣化的信息展示方式；

(2)具有基于領域知識范圍內的交互能力，在知識呈現方式、展示節奏、問題查詢、異常處理等方面為學習者提供個性化的支持；

(3)具有程序化的管理與評價能力，幫助學習者在沒有教師的前提下，方便、準確地進行自我評價，并自定下一步的學習目標。

隨著信息技術的發展，CAI開始逐步脫離強調知識的呈現和學習內容的傳遞，模仿傳統的課堂教學的開發與應用模式，轉向更“智慧”的研究方向發展。

3.智能導師系統

人工智能(Artificial Intelligence)是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。其精確的定義是：一個電腦系統具有人類知識和行為，并具有學習、推斷、判斷、記憶知識和了解人類自然語言的能力[4]。

應用人工智能技術解決教學問題是教育研究者關注的焦點。1970年，出現了第一個應用在教育領域的系統——SCHOLAR(Jaime Carbonell)，該系統主要用于教授南美洲地理的簡單情況。同期，也出現了一批有影響的智能教學系統，例如：Collins等人于1975年在SCHOLAR系統基礎上研制了教授學生探索降雨原因的根源的WHY系統；1977年，Standford大學Wescourt等人設計的輔助Basic語言教學的BIP系統；1977年MIT開發用于邏輯學、概率、判斷理論和幾何學訓練的WUMPUS游戲系統等[5]。

Sleeman和Brown于1982年首次提出智能導師系統(Intelligent Tutoring Systems)這個概念，并認為智能導師系統是利用計算機模仿教學專家的經驗、方法來輔助教學工作的計算機系統[6]。一般的ITS系統包含：教師模型、學習者模型、教學策略庫、領域知識庫和人機交互接口五個組成部分。設計完備的智能導師系統在擬人能力方面能達到相當的“智能”水平，主要表現在：

(1)能夠記錄學習者的學習過程與結果，自動分析學習者的個性化學習特點；

(2)能夠根據學習者的學習特點，為學習者制定個性化的學習方案；

(3)能夠模擬人類的似真推理，自動產生問題求解方案；

(4)提供即時、有效、全面且有針對性的學習、診斷，及時為學習者提供學習建議和反饋[7]。

回顧整個20世紀教學技術的發展可以清晰地發現，教學機器的研究開啟了利用機械模擬人類邏輯、計算等基本智能的先河；計算機輔助教學的發展則使計算機可以像人類專家一樣幫助學習者實現自主學習；智能導師系統使教學機器更智能化、類人化。盡管如此，以程序設計為基礎，將人類解決問題的過程公式化或模組化的設計思路在本質上還是有限的事實加規則的知識系統，在面對多樣化的教學情境、個體差異以及應用需求的快速變化時往往力不從心。調整思路，以解決個體層面的實際問題為中心，應用更加富有成效的途徑開發集成性的計算機工具，同時關注人類智能(教師、專家、學習共同體)在學習中的主導性作用,而不是將注意力全部投入到開發一個全能型的教學機器應該是未來的發展方向[8]。

三、智能教學技術的發展與實踐

智能教學技術發展的最終目的是構筑全新的教育形態，智慧教育概念的提出恰逢其時。祝智庭教授認為，智慧教育是信息技術與教育深度融合發展下的一種教育形態，在技術上，它融合了多媒體技術、網絡技術、數字技術以及當前快速發展的智能技術的最新特點，在理念上，它秉承開放、共享、交互、協作的精神[9]。可以說，智慧教育環境下的學習將呈現出完全不同的形態，它不再以某一個具體的學習系統或計算機程序為核心，而是以人的需求為中心，多種形態智能地聯通。當前，智能硬件及相關應用的大量出現為構建智慧學習環境提供了物質基礎，其中，有如下幾類智能技術有潛力成為未來智慧教育的驅動性力量。

1.智能感知技術

智能感知技術是以生物特征識別、自然語言理解和動態圖像處理為基礎、“以人為中心”的智能信息處理和控制技術。應用不同類型的傳感器，智能系統能夠實現對物理環境的感知，并已經在工業以及商業領域開展了廣泛的應用，例如智能感知家電、智能交通定位、智能感知生產線等。在教育情境中，結合智能感知技術的應用已初現端倪，主要包括：

(1)學習情境感知：利用各類傳感器或嵌入式設備，感知學習場所的溫度、聲音、光線等環境指標，為學習者提供最舒適的學習環境。利用RFID，QRCode等技術感知學習者所在場所、所處位置、訪問需求，向學習者推送學習資源、找到最有可能幫助解決問題的專家，或者為學習者構建具有相同興趣的學習共同體[10]。

(2)學習者生物特征感知：利用傳感器獲取學習者生物特征信息，感知學習者的脈搏、血壓、生物電等信息，對學習者身體狀態、情緒、心理特征等情況進行分析，為學習者提供及時的學習支持。高效、靈巧的可穿戴設備的逐步應用為獲取學習者生物特征信息提供了極大的便利，利用這類智能設備為學習提供支持將越來越常見。例如，利用華為Talk Band 和小米手環，監測兒童的體育教育、營養及健康等方面的狀態，為學習以及健康改善提供參考[11]。

(3)學習者社會特征感知：包括兩個方面，其一是利用表情識別、語音識別等技術分辨學習者在社會交互過程中的情感狀態；其二是利用社會網絡分析技術，了解學習者的社會角色，社會交互狀態等信息。社會特征感知數據的獲取與分析有利于了解學習者的個人風格與偏好等信息，為學習者提供精準的資源推薦，實現自適應的學習。

2.學習分析技術

學習分析是近年來教育技術研究領域的熱點之一，它通過測量、收集、分析和報告關于學習者及其學習情景的數據，評估學習者的學術進展，預測未來的學習表現，發現潛在問題，為優化學習和學習發生的情境提供決策參考[12]。學習分析承襲于商務智能、學術分析、行為分析、數據挖掘以及社會網絡分析等領域的技術與方法，是一系列數據收集工具和分析技術的松散組合。在實踐方面，學習分析技術可以在較少的人工干預的情況下回答這些問題：

(1)有關信息和事實的問題：過去發生了什么？以數據為基礎，描述過去發生過的事情并生成分析報告（過去）；當前正在發生什么？以分析為基礎，對當前的情況提供實時預警(現在)；未來的趨勢如何？以已有的數據為基礎，推測未來可能出現的結果(未來)。

(2)深度理解和洞察性問題：這些是如何發生的以及為什么發生？建立分析模型并對過去發生的事情進行解釋(過去)；接下來應該怎樣做才是最優選擇？通過分析為下一步的行動提供建議(現在)；未來可能發生什么？通過分析可以預測、模擬備選方案的效果，或確認最優舉措(未來)[13][14]。

學習分析技術的重要作用逐漸被相關領域的利益相關者所重視，已經開展了一些成功的應用實踐，相較于傳統的學習評價技術，融入網絡學習環境下的學習分析具有以下特點：

(1)關注學習結果，更重視學習過程。將學習評估工具融入到虛擬學習環境中，對學習過程以及學習結果進行智能評測。例如，普渡大學的Course Signals系統，通過采集分析學生在學習系統中的登錄次數、持續時間、關注內容等數據，推測學生在一門課程中的表現如何，也可以提前探知哪些學生處于“學業掙扎”當中，并通過紅黃綠信號燈的方式展現出來，教師或專家在學習過程中予以干預，化解危機。

(2)微觀指導個體學習，宏觀指導政策制定。從微觀角度關注學習者的個體發展是學習分析關注的重點，例如上述普渡大學的實踐。從更宏觀的角度看，學習分析還有助于解答一些長期困擾我們的問題。有學者指出，過去50年來我們在學習中投入的技術是否真的達到了最初的許諾，如何判斷我們投入的資源是否收到了期望的回報一直是一個眾說紛紜的問題[15]。應用學習分析技術對教育數據進行跟蹤分析，以發展的視角觀測技術在促進教學發展、教育變革等方面的作用，對回應以上問題，指導信息化發展政策與規劃具有重要意義。

(3)定量分析有依據，定性分析有來源。學習分析的結果通常以可視化的方式呈現給學習者或教師，通過報告，學生可以清晰地了解自身的優勢與不足，有助于學生通過反思，認識自我、發展自我、規劃自我[16]。教師能通過報告考量自己的教學實踐，通過反思提升自身的專業實踐能力[17]。

(4)自動化的海量數據處理。學習分析的數據來源非常廣泛，從數據的標準化水平分為結構化和非結構化兩類數據，結構化的學習數據包括網絡學習過程中的時間、資源訪問頻率、社會交互頻次、測試成績等數據；非結構化的數據包括學習過程中的情感表現、心理狀態等。通過人工的方式處理這些數據是難以想象的，數據分析與處理技術在教育中的應用改變了這一局面，可以幫助教師應對更多數量的學生，從更深的層次分析學習者的需求、了解他們的學習風格、當前的學習進展、存在的學習問題，為教師制定教學計劃、選擇教學策略、實施學習干預提供決策支持。

3.情感計算技術

情感作為人類意識的重要組成部分，是人類認識世界、反映世界的特殊方式。將情感與計算機聯系起來，使機器能夠感知、識別人的情感，并且能夠表達情感一直以來就是計算機專家關注的課題。麻省理工學院人工智能項目創始人明斯基(Marvin Minsky) 早在1950年就提出了計算機與情感的問題：問題并不在于智能機器是否能有情感，而是沒有情感的機器怎么能是智能的[18]？后續的研究者在這一課題上保持持續關注，形成了以“情感計算”為核心的研究領域，指出情感計算是與情感相關，來源于情感或能夠對情感施加影響的計算[19]。

情感計算是關于情感機制、情感產生以及影響情感因素的研究，涉及認知科學、心理學、生理學、行為學、傳感技術、計算機科學等，是一個多學科交叉的研究領域[20]。目前，情感計算的研究非常活躍，已經在諸多領域開展了應用。例如，在商業領域出現了具有情感表達能力的機器人Pepper；通過分析求職者視頻簡歷中的情感表現，幫助雇主評估更合適售貨員或其他工作要求的求職網站HireVue等。

情感計算技術在教育中的應用獨具特色，著力于情感表現能力訓練方面的應用。例如，麻省理工學院Ehsan Hoque等人研發的社交技能訓練系統MACH(如圖1所示)。該系統通過虛擬的三維教師與學習者進行交互，在交互過程中通過麥克風、攝像頭采集學生的表情動作、語言內容、表述方式等信息，并進行實時分析，同時，根據實時分析的結果自動調整虛擬教師自身的情感狀態，創建出在真實的情境下與人交流的場景。實驗證明，MACH系統在提高學生非語言行為表現上具有不輸于人類專家的性能[21]。

圖1 MACH系統結構

情感計算技術與智能感知技術的結合越來越緊密，通過智能硬件及時捕獲生理信號可以實現對學習者情感的實時分析。可以預計，在可見的將來，情感計算技術將廣泛應用于工作面試培訓、公眾演講、社交訓練等多個領域，為學習者提供支持與幫助，如下頁圖2所示。

圖2 情感計算技術應用場景[21]

如果說計算機具有能力很強的“大腦”，具備強大的記憶能力和計算能力，計算機視覺技術使它具有視覺能力，語音識別技術使它具有聽覺能力，語音合成技術使它具有語言表達能力、自然語言理解技術使它具有理解的能力，那么情感計算技術則為計算機安上了一顆善解人意的“心”，使它能夠感知、理解和表達情感，為構建具有情感表達能力的虛擬人奠定了基礎[22]。

四、智能教學技術發展展望

技術的發展日新月異，在這個過程中智能技術滲透到教學的各個方面，其主要特征表現在軟硬件技術的融合、人工智能與人類智能的融合，在教學環境、學習形態、教師角色三個方面的創新與變革將改變整個教育的生態。

1.以學習分析為核心的智慧學習環境

智慧學習環境是整合了智能感知、學習分析、情感計算等技術的融合體。這種融合體不再是單向的學習發生的場所，而是可以與學習者進行交互的動態集合，具備情境感知、教學內容個性化適配、學習跟蹤、錯誤診斷與評價等能力。根據智慧教育的技術發展部分的論述，構建智慧學習環境模型，如圖3所示。

智慧學習環境重塑了傳統教學結構中教師、學生、學習資源三要素的關系。首先，學習不是發生在固化的物理場所中，而是發生在強交互的數字環境中，智能環境能夠感知學習發生的情境、學習者的學習狀態、社會關系等信息，為學習者進行個性化的定制。其次，核心三要素在智慧學習環境下的交互構建出多樣化的教學模式，例如教師通過社會特征感知技術和生物特征感知技術，了解學習者當前的學習進度、情緒狀態、資源選擇偏好等信息，靈活組織學習活動，及時推薦學習資源或者對資源進行重新設計開發。最后，核心三要素的形態是發展變化的，這種變化不僅表現在相互關系的組合，還表現在要素自身在智能環境下的發展與進化，例如學習資源不是以靜態的方式存在，它是在教師與學習者、學習者與學習者、學習者與環境的交互過程中不斷的再生，具有自我更新能力的新型學習資源。

圖3 智慧學習環境模型

智慧學習環境的核心是學習分析技術。正如學習分析的核心觀點所述，其研究的對象是學習者及其學習情景，研究的基礎是對象產生的數據，其目的在于對學習進展進行評估，預測可能的學習風險，為優化學習和學習發生的情境提供決策參考。不論是智能感知技術捕獲的數據，還是核心三要素之間的交互數據都需要通過學習分析技術進行提煉、挖掘，形成下一步決策的參考。當前，學習分析還處于初步的研究與應用階段，更多的是小范圍、被動的應用(主要指在數據采集上多以系統平臺上已有的數據為基礎，而較少采取有目的、設計性的數據獲取手段)。因此，深刻理解學習分析的意涵，并將學習分析技術融入到學習系統與平臺中，創建以學習分析為核心的智慧學習環境是智能教學技術發展的重要方向。

2.以資源推薦與社會聯通技術為支撐的自適應學習

自適應學習是一種“復雜的、數據驅動的、很多時候以非線性方法對學習提供支持。它根據學習者的交互及其表現水平而調整，并隨之預測學習者在某個特定時間點需要哪些學習內容和資源方能取得進步”[23]。根據不同的學習要求，選擇不同類型的自適應學習技術，可以實現不同形態的自適應學習，包括以資源推薦為主的自適應學習和以社會聯通為主的自適應學習。

以資源推薦為主的自適應學習的基本原理是：通過分析學習者網絡學習數據，獲知學習風格、認知水平等信息，以此作為適應性推薦的驅動信息，從領域知識庫中提取相應的學習資源，為學習者提供適應性學習服務、資源和工具(如圖4所示)。這種自適應推薦學習模式是以學習分析為基礎的智能應用，已經廣泛用于學習資源檢索領域，例如中國知網、ScienceDirect等，可以根據用戶以前的檢索內容或當前查閱的文獻自適應推薦相關的鏈接資源。

圖4 自適應學習資源推薦系統

以社會聯通為主的自適應學習的設計思想完全不同于以資源推薦為主的自適應學習。聯通主義學習理論認為：知識以片段的形式存在于網絡中，并且始終處于創造、更新、批判、完善的變化過程。學習是一個連續的、與外部建立知識網絡的過程。學習的重心不是知識內容本身，而是建立個人學習網絡，通過網絡與各類組織和機構開展各種形式的互動，在交互過程中相互影響，使學習不斷取得進步[24]。基于聯通主義的學習往往被稱為自組織學習，但缺乏技術支持的聯通學習幾乎不可能實現，學習者往往難以與外部世界建立有效的聯系。信息技術與網絡通信技術的發展為聯通學習創造了基礎環境，學習分析技術以及智能推薦技術為基于聯通的學習提供了條件。從技術視角，自組織的學習更多的體現出自適應的特征。基于社會聯通的自適應學習的基本原理是：以具體的項目或問題為中心，依據學習者個人能力、興趣、愛好等要素，構建一個由專家、教師、共同興趣學習者組成的社會交互網絡，形成學習共同體，充分發揮成員在知識創造、完善、更新和批判中的作用，基本結構如圖5所示。

圖5 社會聯通的自適應學習

當前，以資源推薦為主的自適應學習模式被研究者廣泛關注，但以社會聯通的自適應學習模式還處于發展階段，融合兩類模式的優勢，為學習者提供效率更高，體驗感更優的技術支持必然是未來的研究重點。

3.智能教學環境下的數字教師

技術的發展是推動教育變革的外在因素，對技術的應用及思考是教育變革的核心，教師則是這個核心的關鍵因素。如何駕馭這些技術成為智慧學習環境下的重大挑戰。楊宗凱教授在第十二屆中國教育信息化創新與發展論壇的報告《科技支撐教育創新——先進教室、數字教師、未來教育》中提到的“數字教師”這一概念具有前瞻性，他認為數字教師應該由知識的占有者轉變為學習活動的組織者，由知識的傳授者轉變為學習的引導者，由課程的執行者轉變為課程開發者，從教教材轉變為用教材，從“教書匠”轉變為教育研究者，從知識固守者轉變為終身學習者[25]。

完成以上轉變的外在因素是智慧教育環境，內在因素則是教師對其角色的重新認識和定位。與傳統的教師角色相比，智慧環境下的教師是裝備了各類現代化教學工具的學習設計者、指導者和評價者，在教學感知、分析與處置能力上具有以下特點：

(1)智能教學技術極大拓展了教師的感知范圍。傳統課堂教學環境下，即使經驗豐富的教師也難記住所有學習者的信息，了解每一位學生學習過程中的認知、情感狀態，更不用提網絡環境下師生難以面對面進行交流的情況。應用學習情境感知、生物特征感知、社會特征感知技術，教師即使沒有“看到”學習者，也能夠清楚地了解學習者的學習狀態、情緒變化、社會關系等要素，對學習者提供及時的支持。

(2)智能教學技術極大增強了教師的分析能力。智慧學習環境下的學習者的任何行為都會被計算機感知，特定的行為模式及特點均會被智能算法分析出來，應用學習分析技術可以極大地增強教師對學習者的監控與分析能力，教師不僅能夠掌握學習者學習風格等相對靜態的學習特征，還能夠了解學習者當前的學習進度、可能存在的學習問題，甚至情緒上的困擾等動態特征，為個別化教學、個性化指導提供技術支持。

(3)智能教學技術改變了教師參與教學的過程。在情境感知技術的支持下，教師對學習資源進行設計和開發，是資源的設計者；在教學過程中，教師根據學習者的生物特征分析數據，組織適宜的學習活動、為學生提供相宜的學習內容；在學習過程中，教師是學習的深度參與者，在學習分析技術的支持下，為學生的自適應學習提供半監督式的學習支持。

同時，也必須認識到智慧學習環境對教師提出的挑戰：

(1)教學決策。大量分析數據的匯聚會對教師決策能力提出極高的挑戰。例如，如何對這些信息進行即時處理，優先級如何，采取什么處理方式，如何進行跟蹤評估等。

(2)組織策略。智慧環境下的學習資源極大豐富，學習者對學習活動的個性化需求更迫切，如何針對多樣化的需求，選擇適宜的資源，組織靈活、多變的學習活動是數字教師需要關注的重要課題。

(3)技術應用。智慧學習環境是多種軟硬件技術的綜合應用，即使在智能化水平不斷提高的今天，軟件設計越來越人性化，對廣大的教師而言，仍然是巨大的挑戰。如何幫助教師快速適應智慧學習環境，需要依靠多種渠道，為教師提供技術培訓，提高教師的信息素養。

五、結語

夢想引領人類前行。智能教學技術的發展歷史就是教育技術的發展歷史，在此過程中，教育學人不斷地探索新的技術，減輕教師的教學負擔，使教學更有效率，學習更加符合個性化的需求。教學機器是人類關于自動化教學的一次嘗試，它能夠幫助教師擺脫批改作業等重復的工作；計算機輔助教學則使得學生能夠應用計算機學習結構化的課程知識；智能導師系統賦予了計算機“智能”，它能夠根據學習者的特點開展知識教學；智能感知、學習分析、情感計算、自適應學習等技術的發展和應用融合了人工智能與人類智能，使真正的智能教學出現在我們的眼前。如果說我們在智能導師系統及之前關于利用機器代替教師教學的探索是“盲人摸象”的話，那么在這個過程中所積累和掌握的經驗、技術已經使我們對這頭“大象”的認知越來越具體，駕馭能力越來越嫻熟。智能教學技術在教與學的各個領域中將無限延伸，智慧學習將無處不在。

[1] 龔維瑤.程序教學簡介[J].心理科學通訊,1965,(2):17-22.

[2] 李藝,單美賢.“教師”的智慧:談程序教學思想的興起與歸宿[J].電化教育研究,2013,(7):11-16.

[3] 閆寒冰,祝智庭.CAI的概念及技術在信息化教育中的新發展[J].外語電化教學,2001,(79):58-61.

[4] 蔣秀蓮.基于人工智能技術的智能教學系統研究與設計[J].微型電腦應用,2009,(6):49-51.

[5] 許高攀,曾文華,黃翠蘭.智能教學系統研究綜述[J].計算機應用研究,2009,(11):4019-4022.

[6 Sleeman D H,Brown J S.Intelligent Tutoring Systems:An Overview[M].New York: Academic Press,1982.1-11.

[7] 劉勇秀.現代教育技術與智能計算機輔助教學[J].哈爾濱師范大學自然科學學報,2003,(5):59-61.

[8] 趙建華.智能教學系統概述[J].中國電化教育,2007,(7):10-17.

[9] 祝智庭.智慧教育—教育信息化的新境界[J].電化教育研究,2012,(12):5-13.

[10] 張永和,肖廣德,胡永斌等.智慧學習環境中的學習情景識別——讓學習環境有效服務學習者[J].開放教育研究,2012,(1):85-89.

[11] L·約翰遜,劉德建,黃榮懷等. 2016新媒體聯盟中國基礎教育技術展望：地平線項目區域報告[R].奧斯汀,德克薩斯:新媒體聯盟,2016.

[12] Cummins M, Johnson L, Adams S. The NMC horizon report:2012 higher education edition[M]. Austin, Texas:The New Media Consortium, 2012.

[13] Cooper A. A Brief History of Analytics[J]. Analytics, 2012, 1(1):6-7.

[14] 祝智庭,沈德梅.學習分析學:智慧教育的科學力量[J].電化教育研究,2013,34(5):5-12.

[15] Ochoa, Xavier. 1st international conference on Learning Analytics and Knowledge 2011[EB/OL]. https://tekri.athabascau.ca/analytics/about,2016-02-01.

[16] 顧小清,黃景碧等.讓數據說話:決策支持系統在教育中的應用[J].開放教育研究,2010,(10):99-105.

[17] Brunner, C., Fasca, C., Heinze, J., Honey, M., Light, D., Mandinach, E. and Wexler, D. Linking Data and Learning:The GrowNetwork Study[J].Journal of Education for Students Placed at Risk,2005,10(3):241-267.

[18] Minsky M. Society of mind[M]. New York: Simon and Schuster, 1988.

[19] Picard R.W. Affective Computing[M]. Cambridge: The MIT Press,1997.

[20] 李昕,李紅紅,竇祎等.情感計算——一個探索人類情感的神秘工具[J].生物醫學工程學雜志, 2013,(6):1368-1372.

[21] Hoque M E, Picard R W. Rich Nonverbal Sensing Technology for Automated Social Skills Training [J]. Computer, 2014, 47(4): 28-35.

[22] 張迎輝,林學照.情感可以計算——情感計算綜述[J].計算機科學,2008, 35(5):5-8.

[23] Advisors E G. Learning to adapt: A case for accelerating adaptive learning in higher education[EB/OL]. http://www.georgiacolleges.org/members/sm_files/Adaptive%20Learning%20Report.pdf,2016-02-01.

[24] 王志軍,陳麗.聯通主義學習理論及其最新進展[J].開放教育研究,2014,(5):11-28.

[25] 楊宗凱.科技支撐教育創新—先進教室、數字教師、未來教育[J].中國教育信息化,2013,(1):12-13.

責任編輯：趙興龍

第十五屆教育技術國際論壇(IFET 2016)擬于長春召開

第十五屆教育技術國際論壇(IFET2016)將于2016年8月18-20日在東北師范大學召開，同時召開2016年教育技術院長、系主任聯席會議。

本次會議的主題是“技術·教育·社會：互聯網+時代教育技術支持服務”。下設如下十個專題：

專題1：政府、機構、企業合作下的教育技術創新應用研究

專題2：智慧教育的探索與實踐

專題3：創客教育的研究與實踐

專題4：面向社會服務的教育技術學科發展研究

專題5：數字教育資源建設的理論與實踐

專題6：信息技術教育研究

專題7：新媒體新技術教育教學應用與實踐

專題8：慕課、微課、翻轉課堂的實踐研究

專題9：大數據教育應用研究

專題10：信息技術支持的教師專業發展研究

歡迎海內外教育技術及相關領域的專家學者、研究人員、研究生提交論文并參加會議。會議網址：http://cs.nenu.edu.cn/ifet/index.html。

The Development and Prospect of Intelligent Teaching Technology

Liu Qingtang, Mao Gang, Yang Lin, Cheng Yun
(School of Educational Information Technology, Central China Normal University, Wuhan Hubei 430079)

The aim of the education technology researchers is achieving effective teaching and promoting the development of learners with technology. This paper focused on the “Intelligence Development” in teaching technology, summarized the representative teaching technology in different historical stage, analyzed the basic design idea, key technology and the representative system of teaching machines, computer-assisted instruction and intelligent tutor system. Secondly, took the construction of wisdom education environment as the core, analyzed the functions and characters of intelligence, learning analytics and affective computing. Finally,this article made a prospect of intelligent teaching technology, proposed that the integration of intellectual technology based on learning analytics, the adaptive learning which merged artificial intelligence and human intelligence, the digital teachers under intelligent teaching environment is the future development direction.

Intelligent Teaching Technology; Programmed Instruction; Computer-Assisted Instruction; Intelligent Tutor System;Smart Education

G434

A

1006—9860(2016)06—0008—08

劉清堂：教授，博士生導師，常務副院長，研究方向為數字化學習技術、版權保護、知識挖掘與知識服務(liuqtang@mail.ccnu.edu.cn)。

毛剛：講師，在讀博士，研究方向為知識資源服務理論與方法(catihg@sina.com)。

2016年3月1日

* 本研究系全國教育科學“十二五”規劃課題“基于視頻內容分析的課堂教學評價研究”(課題編號：ECA130373)研究成果，受到華中師范大學優秀博士論文培育計劃項目(項目編號：2015YBYB054)資助。

① 毛剛為本文的通訊作者。