數據驅動下的智能教育

劉三女牙

把新的信息技術跟教育進行結合，以滿足教育現代化的發展需要，以迎合或助力教育現代化的發展。目前在技術和教育相結合的過程中，技術與教育之間的關系發生了新的變化。

教育信息化的發展

一、新變化

第一個變化是長期以來教育信息化被其他領域看輕，甚至領域內的教師也不以為意，認為是無關緊要的。最主要的原因是早期教育技術的應用是公眾性、輔助性的，以前稱為計算機輔助教育或電化教育，它是一個輔助性的學科，后來才改為教育技術學。直到現在，技術跟教育才真正走向融合，而這種融合體現在方方面面。

第二個變化是應用及實踐的要求。以前的應用很多都是單點的探索或實踐，現在走向融合，成為有深度的、系統性的創新。現在無論哪個區域，比如說一個省，都要建平臺、建生態，而不是單個地推某個應用。因為單個應用不能解決所有的問題，而且教育是很復雜的系統性的東西，它需要使用整體的解決方案來滿足其方方面面的需求。

二、新態勢

關于新的態勢，像教育云搭臺，它永遠不會過時。教育云是基礎性的設施，沒有它就沒有現在和未來。在教育云、教育大數據的基礎上暢想人工智能會成為教育明星，這是我個人的基本判斷。數據意義下的智能技術在教育領域中的應用，或者說是智能教育，可能會成為下一輪的熱點。但是我不希望大家為了追逐熱點而追逐熱點，我們要從研究或者實踐的角度，去把智能教育變成一個扎扎實實的存在。我們要扎扎實實地在教育信息化領域里深耕，以服務教育現代化的建設，這是最重要的。目前這個態勢已經非常的明晰。

教育信息化的挑戰

如果要把大數據和人工智能技術融入到教育中，真正地發揮它應有的作用，進行深度的、系統性的創新和能產生化學反應的應用，而不是簡單的淺層次的應用，那么，我們會面臨哪些關鍵的問題和挑戰？

一、承擔的使命

從研究的角度來說，我們承擔了重要的使命，我認為主要體現在三個方面：第一，在新的態勢下，如何去認識教育主體。舉個簡單的例子，研究表明，現在的學生每三年平均智商要提高1～3個點，也就是說每過三年學生的平均智商就要高一些，可能是因為他們的智力開發得更徹底，這說明學生是隨時在變的。那么，在教育實踐過程中，如何認識和把握教育主體（也就是學習者），是個重大的使命。第二，如何構建未來的學習環境。未來的學習環境不是我們今天談的智慧校園和智慧教室這么簡單，它是統一的，即把物理的空間和技術與網絡空間整合起來，讓其服務于學習者的成長或者教與學的需要。由此，引出了第三個方面——如何實施未來的教學，即如何進一步發展教育教學理論，或者說如何重構信息時代的教學理論，這是非常重要的。因為未來的人才培養方式和人才培養的需求、環境、授課對象都發生了變化，所以，現有的教育教學理論必須要重新思考和重新架構。

二、基本的科學問題

如果要完成上述使命，就帶來三個基本的科學問題：第一，學習主體的可理解，這要從研究的角度或者從信息技術學科的角度來進行解釋。第二，教育情境的可定制，教師在理解學生的基礎上，還要對整個教育教學的場景進行把控。第三，學習服務的可定制，也就是說我們要在理解學生的基礎上，在特定的場景下，給學生提供豐富的學習服務，幫助他們完成學習任務。

三、教育智能化的四個方面

基于以上三個科學問題，我們如何去解決，主要著力點又是什么？大數據和人工智能技術應用到任何一個領域都分為以下四個方面：第一個是計算能力，比如云計算平臺、超算平臺（高性能計算）、AI計算平臺;第二個是數據，要有大量的數據來提高系統的智能性，給算法提供相應的養料;第三個是算法;第四個就是場景。

大數據、人工智能技術與其他領域結合分為這四個方面，教育亦如是。在教育領域，要把計算能力、數據、算法和教育場景無縫地結合起來，才能夠產生我們想要的結果，而不是簡簡單單地把知識點放在某個場景里或者提供一個工具就能解決問題。據此，我把教育智能化歸納為四個方面：理解力、感知力、服務力、計算力。

理解力。理解力的核心問題是如何去理解學習是怎么發生的和學習過程中到底發生了什么，這就涉及學習科學的領域。學習科學問題的解決其實是一個很復雜的過程，它不僅需要信息技術知識，還需要教育學知識，以及心理學、生命科學、腦科學、神經科學等知識，需要綜合地解決問題，其核心問題是了解學習的規律。從信息技術與教育結合，以及我國教育信息化的實踐角度來說，我們可以從宏觀行為的鑒別上了解學習規律這個層面，然后去做一部分工作。綜上，理解力不僅是教育領域的問題，而是一個多學科交叉的問題。教育所服務的對象是人，人本身就是個復雜的個體，而人類對自身的認識還停留在初級階段，所以，這方面我們可做的事情有很多。當下，首先要了解學習是如何發生的，以及學習的過程中到底發生了什么，這樣可以讓教師更好地指導學習者，讓學習者更好地認清或者把握自己的學習方向。

感知力。感知力可定義為感知計算，就是如何利用新一代的信息技術，了解或者感知學習過程中的學習者和學習場景。它的核心問題是如何利用顯性行為進行非侵入式感知。比如，我們要感知學生的心理或者身體狀態，現在的做法是戴一個電極帽或手環或其他穿戴設備，這樣的行為叫做侵入式感知。這種侵入式感知在實際場景中很難被實現，因為它改變了學習者的行為，是件很麻煩的事情。而非侵入式感知，舉幾個教育場景中對人體行為無影響的例子：如攝像頭就是非侵入式的，它在你不知道的情況下進行感知;如光譜技術，光譜技術是通過光打到臉上，從而獲得該對象面部的血流狀況，包括心臟搏動時血壓細微的變化，通過這些測試對象的心率;如毫米波，毫米波的技術主要用在智能駕駛領域，即物體的識別，毫米波可以獲得對象的ECG信號（心電信號），心電信號與人體的情緒有密切的關系，我們可以通過心電信號的情況推測對象的情緒狀態，而情緒狀態與學習成效又密切相關;還有紅外技術，比如微軟Kinect用紅外進行動作捕捉，可以捕捉到人的頭部姿態、舉手等動作。這些技術的代入都是以往教育信息化從業者無法想象的，過去只是把多媒體技術放到教育中，比如做個PPT、動畫，把資源數字化等，這些只是教育信息化的第一步。更重要的是，我們要利用新的信息技術來解決以往教育場景中做不到的事情。所以，發現問題并運用技術來解決問題很重要。

服務力。服務力就是用算法來定義學習。《未來簡史》一書中說，算法可以定義一切、計算一切，如果情感都可以計算，那算法也完全可以定義學習。那么，我們如何進行個性化的診斷分析？如何進行個性化的學習路徑規劃？并在這個基礎上，通過優化學習流程，制訂個性化的學習路徑，實現個性化的知識供給？如今知識供給的方式還是規模化的，比如一本書、一份教材，所有人都可以學。這就引出了一個更深層次的問題，即機器系統的適應性能力培養，其中最重要的是建模和分析，而所有建模和分析的核心還是獲得數據。

計算力。計算力如何構建未來？運用技術的力量來打造未來的學習場景或學習環境時，如何把機器智能和人類智能相結合？在教育場景中機器不可能完全替代人類，人類與機器勢必共存，比如教師和學習者一定是在教育活動中的。所以未來的教育場景要虛實結合，把物理化的學習場景和網絡學習場景相結合，把機器的智能和人類的智能相結合，服務于學習者的學習和成長。從技術的角度來看，它研究的是以下兩點：1.從邊緣計算到邊緣智能。教育的發生多在邊緣側，人在中心。而計算機領域中有邊緣計算這一概念，即不把所有的計算都放在“云”上，有時候大量計算還要利用邊緣側的計算能力。因為云計算需要設備有較快的反應能力和本地化服務，如果把所有東西都上傳到云端，帶寬或計算能力根本滿足不了需求。而教育場景是一個典型的以邊緣側為主的場景，要逐步從邊緣計算走向邊緣智能，實現獨特的教育體驗和服務。2.從教育云到云端一體化，將“端”和“云”的能力相結合，無論是在裝備還是在實踐層面上，都需要充分的考慮與準備。

四、能力的問題

另外一個挑戰就是能力的問題。教育不是簡簡單單的知識傳授和學習，它涉及人格的養成、價值觀的形成等。如何在信息技術的協作下更好地達成我們所期待的目標，存在很多需要去研究的問題。目前，令人欣喜的有兩點：一是業界中的研究者、實踐者在擁抱新技術，大膽地采用新技術并在傳統的教育體系中加以嘗試，推動了教育的變革和創新;二是廣大研究者已經積極地投入到這一領域，尤其是F0701國家自然科學基金項目的設立，吸引了一大批信息技術學科專家和其他領域的專家，研究力量大大增強了，我們可以通過研究不斷地發現問題、解決問題。問題解決后就會反映到教育實踐場景中去，也會進一步幫助我們更好地利用技術來促進教育的變革和創新。

之所以說新型人機環境下教育的能力問題是一個很重大的問題，首先是因為在服務人的過程中，能力是一個重要的問題。全球都在討論人工智能，最熱點的問題不是技術，也不是波士頓公司動力機器人的炫酷，而是能力，即人和機器如何共存。如何面對未來教育領域人機共存的問題，是教育智能化的重點，因為教育的服務對象是人，這其實也是我們做任何研究和思考的起點。