減負與基于人工智能的教育創新

曾文婕 　曾育芬　伍曉琪　曾密成　黃甫全

摘 要

以認知負荷理論觀照，減負不是一味地減，而是減輕外部認知負荷和內部認知負荷，提升關聯認知負荷。基于人工智能的教育創新，為減負提供了諸多新思路。其一，提供個性化和便于意義建構的教育內容以減輕學生的外部和內部認知負荷，提供促進元認知發展的教育內容以提升學生的關聯認知負荷。其二，個性化學習、深度學習和自主學習等方式，成為落實減負的有效方式。其三，數據挖掘與學習分析技術、自適應測驗、網絡化自我評估，為減負提供了多種可能。

關 鍵 詞

減負；人工智能；認知負荷；元認知

中圖分類號

G41

文獻編碼

A

文章編號

2095-1183（2018）05-000-04

減負，近年來備受重視。然而，一輪接一輪的減負行動在某種意義上反映出成效不彰甚至陷入“越減越重”的尷尬境地。[1]今年“兩會”期間，減負再次成為會里會外的關注熱點之一。減負，需要新思路，而人工智能的發展，為教育理念、內容、方式和評估帶來了一系列創新，為減負提供了新的可能。

一、減負的理念創新

減負的研究與實踐眾多，但是借助人工智能這一新興手段，深入到學生的認知負荷層面，探討減什么負與如何減負的研究還較為鮮見。

認知負荷理論已闡明，學生的認知負荷主要包括三類：一是外部認知負荷，受學習材料組織和呈現方式影響；二是內部認知負荷，受學生先前經驗影響；三是關聯認知負荷，受前后知識之間的意義建構影響。由此看來，減負并不是一味地減，而是減輕前兩種負荷而增加第三種負荷。具體而言，包括以下三點：（1）減輕外部認知負荷。要求教師改變不恰當的學習任務組織與呈現方式，例如在設計課件時，要合理組織與整合學習材料，避免不必要的詞語、畫面或聲音等分散學生的注意力，干擾其知識建構過程。（2）減輕內部認知負荷。要求降低教學材料的深奧程度與抽象程度，適當控制教學內容的多寡，保證學生基于原有學習經驗能夠勝任相應復雜程度材料的學習。（3）增加關聯認知負荷（其核心是“元認知負荷”），要求創新學生建構知識的方式方法，促進學生元認知發展，幫助學生加大投入到圖式建構及其監控中的認知資源數量，促使學生在不同問題情境中產生不同圖式，使學生具備更強的學習能力。換言之，元認知對認知過程起監控作用，強化有意識的元認知監控活動，會增加學習過程中的認知負荷，但這種負荷對啟動不同知識之間的意義建構和學習遷移具有顯著促進作用，屬于應該增加的認知負荷。

當下，人工智能飛速發展的時代已經到來，人工智能與學習科學相結合開創了教育人工智能（educational artificial intelligence）新領域，其關鍵技術主要體現在知識的表示方法、機器學習與深度學習、模式識別、自然語言處理、智能代理、情感計算等方面，其應用與發展集中表現為智能導師與助手、智能測評、學習伙伴、數據挖掘與學習分析等趨勢。實現以上“兩減一增”，有賴于基于人工智能的教育創新。

二、減負的內容創新

利用人工智能有助于實現教育內容創新，包括提供個性化和便于意義建構的教育內容以減輕學生外部和內部認知負荷，提供促進元認知發展的教育內容以提升學生關聯認知負荷。

（一）提供個性化的教育內容：減輕外部認知負荷

不可否認的是，學校課程中存在冗雜的內容，充斥著無用信息，導致學生的認知資源被過度消耗，在學習新知識時感到負擔較重。而人工智能可以根據學生的需要，提供個性化的教育內容，并使內容呈現方式多樣化，增加有效學習，減少無用信息的呈現，從而減輕學生的外部認知負荷，達到減負增效的目的。

教學模型、領域知識模型和學生模型是教育人工智能的核心。第一，教學模型，主要包含教學的專業知識、技能和有效方法。第二，領域知識模型，包含了學生所學課目的專業知識體系。第三，學生模型，展現了計算機與學生的互動，通過學生學習活動、情緒狀態等了解學生的學習情況。學生模型可以根據學生的具體學習行為反饋其學習情況，教學模型和領域知識模型則通過學生模型反饋的情況來推斷學生的學習進度，調整模型中的知識體系以適合學生的學習。

教育人工智能可以通過開展模型建構，即在教學模型的基礎上，讓學生掌握相應的學科專業知識，結合領域知識模型進行知識的理解和掌握，學生模型則可以根據學生的學習情況及特點進行個性化設置，避免為學生提供重復性內容。對于學生已掌握的知識，則不必每天循環往復地進行學習，而只需要結合認知和記憶規律在必要時候強化學習，從而減少學生重復學習，減輕外部認知負荷，增加學習效率。

（二）提供便于意義建構的教育內容：減輕內部認知負荷

如果學生的原有經驗水平難以勝任新內容的學習，就會感受到較大的內部認知負荷，感覺學業負擔沉重。當前，通過人工智能技術提供便于意義建構的教育內容，可以幫助學生更好地理解知識，主動建構新舊知識之間有意義的聯系。數字教材開發就是一條有效途徑。

數字教材將交互式學習環境的個性化優勢與通過平板電腦實現的同步和異步協作相結合，以知識管理和協作流程支持學生學習。比如，將一些久遠的、抽象的、復雜的歷史知識，利用技術力量以場景化的形式呈現，幫助學生快速理解知識。[2]基于人工智能，不僅讓知識場景化，更使學生可以與知識進行交互。近年來，人們嘗試建構開放性的學習資源框架，允許學生參與學習資源建設，師生共同協作提升資源質量。比如，在保留現有網絡學習資源的基礎上，使用先進的信息技術，將學習內容中對學生理解知識比較重要的知識點由單層結構改進為多層結構，為知識點添加背景知識、學習案例、關聯信息和交流模塊，允許學生以知識點為橋梁進行學習交流和學習資源評價。[3]

（三）提供便于發展元認知的教育內容：提升關聯認知負荷

需要看到，很多學生并不能將自身剩余的認知資源加以有效利用，這需要教師予以幫助和引導，但教師的精力卻又較為有限。在這樣的情況下，人工智能技術可以自動記錄，學生在學習過程的每一環節投入了多少時間，與同伴的交互程度如何，學習任務受到了教師和同伴的哪些評價。這些信息及分析與解讀，都有利于學生反思自身學習，不斷發展元認知，進而更有效地監控、管理和調節自己的學習活動，提升關聯認知負荷。

三、減負的方式創新

教育人工智能彰顯了個性化學習、深度學習和自主學習等理念，成為落實減負的有效方式。

（一）個性化學習：減輕外部認知負荷

沒有最好的學習方式，只有最適合自己的學習方式。教育人工智能認同、倡導和支持每位學生以最適合自己的方式來學習。人工智能能夠實時跟蹤、記錄和分析學生的學習過程和結果，利用模糊邏輯、貝葉斯網絡和案例推理等技術檢測學生隱藏的學習特點和偏好，據此為學生制定個性化的學習方案，推送合適的學習材料，由此大幅減輕學生的外部認知負荷。

（二）深度學習：減輕內部認知負荷

深度學習，要求深度加工知識信息、深度理解復雜概念、深度建構新舊及不同領域知識的意義并有效遷移應用到真實情境中解決復雜問題，實現高階思維能力的發展。基于人工智能的深度學習方式，通過多樣化的學習策略，對學習材料進行分析、整合與應用，有利于達到深刻理解。教育人工智能的聯通、感知、適配、記錄等屬性，將線上空間和線下空間、不同學生的學習空間無縫聯結，為學生開展深度學習提供了智慧平臺；結合學習目標、學生個體特征及當前學習狀態適性配送精準的學習材料、服務、工具，為深度學習提供了技術支持。[4]基于此，教育人工智能優化了學生的學習經驗和認知水平，降低了學習材料的復雜程度，從而減輕了學生的內部認知負荷。

（三）自主學習：提升關聯認知負荷

學生不再是被動的知識接受者，而是主動的知識建構者和學習管理者?；谌斯ぶ悄艿淖灾鲗W習，正體現著這一理念，學生通過主動的、積極的學習方式提升關聯認知負荷，最終達到自身學習的減負。目前，已有研究人員開發了開放式學習環境，為學生學習和解決復雜問題提供了平臺和一系列工具。為了在相應環境中完成任務，學生必須調動元認知來管理、協調和反思相關的認知過程，由此，學生在學習或鞏固知識的過程中不斷進行著元認知練習。一旦元認知得到發展，學生在今后的學習過程中將面臨更小的外部和內部認知負荷。

四、減負的評估創新

在人工智能背景下，教育評估將發生巨大變化，數據挖掘與學習分析技術、自適應測驗、網絡化自我評估等悄然興起，為減負提供了多種可能。

（一）數據挖掘與學習分析技術：減輕外部認知負荷

大數據在教育評估領域的具體應用主要有教育數據挖掘和學習分析學。前者旨在借助統計學、機器學習和數據挖掘方法，分析教與學過程中產生的各類數據，[5]后者側重通過數據的收集與分析，幫助師生理解和優化學習以及學習情境，以便及時發現潛在問題并適時加以解決。教育數據挖掘和學習分析的應用十分廣泛，已發展出學生知識、行為和經歷建模，學生建檔，領域知識建模以及趨勢分析等主題。其中，學習儀表盤就是一個典型的學習分析工具，國內外已有諸多在線教育平臺。根據自身的服務群體和學習情境設計學習儀表盤，為學生的學習、復習和評估等環節提供了很好的幫助。

（二）自適應測驗：減輕內部認知負荷

心理測量學理論的發展與人工智能的有機結合，發展出基于計算機的認知診斷自適應測驗，使得測量技術對測驗評估的分析更為精準，可以深入到學生的認知過程、認知成分、認知技能和認知策略等層面，是一種量體裁衣式的評估，其目的在于根據學生的認識與能力水平提供相匹配的、更為合適的、難易程度相當的評估項目，為每個學生建構更優化的評估方案，以期減低其內部認知負荷。

基于信息通信技術，使用項目反應理論或認知診斷理論的網絡化自適應測評系統，能設計海量的測驗題庫并與學生的能力水平進行匹配，使測驗題項的數量、難度、長度等適應學生的能力水平。當下，如何運用網絡化自適應測評系統進行學習評價，正受到越來越多的關注。此外，基于貝葉斯網絡的網絡化評估系統也已興起，其強大的推理和預測功能解決了當前眾多在線學習平臺評估功能薄弱的問題。安第斯物理助手就是貝葉斯網絡的一個典型實例，作為學生的家庭作業助手，能幫助學生在完成物理題的過程中不斷地自測和評估。

（三）網絡化自我評估：提升關聯認知負荷

在內部和外部認知負荷較低的情況下，適當增加元認知監控活動，能取得更好的學習遷移效果。[6]教師可以開發一些元認知策略，輔助學生開展自我評估，促進其元認知的發展。同時，還可以借助技術手段，為學生獲取自身學習數據提供更為便利的條件，促進其對自身學習過程的認知，包括思考和設定學習目標、考慮和選擇學習策略、監控和調整學習步調、檢視和控制學習過程、開發和使用反饋信息，從而形成新理解，并將這些新理解與已有知識建立起聯系進而改進學習目標或策略等。

隨著持續不斷的協同努力和深入研發，教育人工智能的發展將越來越繁榮?；谌斯ぶ悄芗夹g的教育創新，還可以減輕教師設計與實施評估的工作量（如減少試卷批改和分析等勞動），從而讓師生都走上科學減負之路！

參考文獻：

[1]胡惠閔，殷玉新.我國減輕中小學課業負擔的歷程與思考[J].全球教育展望，2015（12）：48-58，95.

[2]Roll， I.， Wylie， R. Evolution and Revolution in Artificial Intelligence in Education[J]. International Journal of Artificial Intelligence in Education， 2016， 26（2）： 582-599.

[3]司國東，趙玉，宋鴻陟.基于認知負荷理論的網絡學習資源多層次模型[J].中國電化教育， 2013（2）： 79-82.

[4]祝智庭，彭紅超.深度學習：智慧教育的核心支柱[J].中國教育學刊， 2017（5）： 36-45.

[5]祝智庭，沈德梅.基于大數據的教育技術研究新范式[J].電化教育研究， 2013（10）： 5-13.

[6]龔德英，劉電芝，張大均.元認知監控活動對認知負荷和多媒體學習的影響[J].心理科學， 2008 （4）： 880-882.

責任編輯 徐向陽