人工智能時代教育人工智能研究與應用現狀、問題及對策

高偉 劉苗苗

摘要：為了促進教育與技術融合，提高教育的“教育力”，實現人工智能技術促進教育發展，做到以人為本、因材施教，基于人工智能環境，從現有人工智能技術入手，構建人工智能框架，使教育工作更加高效，教育活動更能體現學生個性。研究表明，人工智能技術與教育結合可更好促進教育發展，培養社會所需人才;基于人工智能的學習可為師生提供一個良好的教育教學環境。通過對關鍵技術和典型應用的分析，構建教育人工智能技術框架，并針對現有教育人工智能存在的問題提出解決方案。

關鍵詞：人工智能;教育人工智能;個性化學習;智慧教育;學習科學

DOI： 10. 11907/rjdk.191396

開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP301

文獻標識碼：A

文章編號：1672-7800（2020）001-0059-05

0 引言

近年來人工智能（ Artificial Intelligence，AI）高速發展，已逐漸融人到社會多個領域，引起經濟、社會、生活的深刻變革。全球各國廣泛關注、高度重視，多個國家已將人工智能發展提升為國家戰略，并出臺了相關政策和規劃。2016年10月美國白宮科技政策辦公室（ The Office of Scienceand Technology Policy，OSTP）發布了《為人工智能的未來做好準備》（ Preparing for the Future of Artificial Intelligence）[1]和《國家人工智能研發戰略規劃》（ The National Artificial In-telligence Research and Development Strategic Plan）[2]兩份重要報告，為人工智能未來發展提供指導。中國也將人工智能納入國家發展戰略，印發了《“互聯網+”人工智能三年行動實施方案》，習近平總書記在十九大報告中指出，要大力推動互聯網、大數據、AI的發展[3];2017年7月8日我國政府發布了《新一代人工智能發展規劃》[4]，指明了我國發展人工智能的重點任務;在2018年全國兩會上，眾多代表紛紛對AI進行建言獻策;《2018年國務院政府工作報告》指出，要加強新一代AI研發應用[5]。

國外人工智能相關研究發展較早，1956年人工智能之父麥卡錫在達特茅斯會議上提出“人工智能”一詞，此后人工智能經過不斷發展逐漸與教育融合。Ozbey等[6]通過分析人工智能技術對學生學習因素的影響，提出影響學生學習過程因素的優化方法;Luckin等[7]在《lntelligence Un-leashed An Argumentfor AIinEducation》 -書中表示人工智能技術的發展將有助于應對教育中的問題;Barnes等[8]對人工智能在計算機教學中的應用進行了研究，指出人工智能是促進計算機科學學習和教學更有效率的手段;閆志明等[9]提出教育人工智能是人工智能與學習科學結合形成的新領域;蔡連玉等[10]提出人工智能與教育融合的理想形態是智慧教育2.0的生成;楊現民等[11]提出人工智能可以解決3個層面的教育問題，分別是面向特殊人群的補償性教育、針對常規業務的替代式教育以及服務個性發展的適應性教育，還指出教育人工智能未來發展路徑;梁迎麗等[12]闡述了人工智能在教育領域的四大應用形態：智能導師系統、自動化測評系統、教育游戲與教育機器人，分析了人工智能教育應用的五大典型特征：智能化、自動化、個性化、協同化、多元化。

本文運用文獻研究法，對人工智能在教育中的應用進行研究，構建教育人工智能技術框架，對關鍵技術進行分析，找出人工智能在教育中應用的不足，指出人工智能在大數據、智適應等方面的應用可改進“填鴨式”教學的不足，促進學生全面發展。

1 教育人工智能概述

1.1 相關概念

人工智能是一個模擬人類能力和智慧行為的跨領域學科[13]，涉及計算機科學、控制論、信息論、神經生理學、語言學、心理學等多個領域;學習科學同樣是一個跨學科領域，它關注學習是如何發生的以及怎樣才能促進高效學習，涉及教育學、心理學、語言學、社會學等多個學科[14]。人工智能和學習科學結合形成了教育人工智能（ Education-al Artificial Intelligence，EAI），其核心是教學模型、領域知識模型和學習者模型[15]，它是人工智能與教育融合的深度發展，其主要目標是“通過計算獲得精準和明確的教育、心理和社會知識形式，這些知識往往是隱式的”[16]。

1.2 國內外教育人工智能研究現狀

人工智能推動教育的個性化學習從理論研究走向實踐，并成為新的研究課題。國外對教育人工智能的研究主要集中在大數據、機器人、深度學習等方面。如美國斯坦福大學建立了世界上最大的人造神經網絡系統;美國、日本、巴西等國家利用人腦仿生計算技術，力圖實現知識學習、記憶以及創造;微軟在語音識別系統、知識圖譜、圖像識別等方面取得巨大成就。國內對教育人工智能的研究主要集中在自然語言處理、語音識別、圖像識別、專家系統環境開發等方面。如有道詞典通過深度學習對文字進行不同語言的翻譯;百度通過圖像識別技術進行拍照搜題，為學生答疑解惑;匯頂科技通過生物識別技術推出可穿戴產品和指紋識別芯片。

人工智能在教育領域已實現應用，如在2018年國際口語機器翻譯評測比賽（International Workshop on SpokenLanguage Translation，IWSLT）中，科大訊飛、中科大語音與語言信息處理國家工程實驗室（ USTC-NEI）聯合團隊在英德方向語音翻譯任務中端到端模型（ End-to-End Model）以顯著優勢獲得第一、基線模型（ Baseline Model）獲得第二的優異成績，證明了其在語音翻譯領域的國際領先地位[17]。人臉識別技術還被用于監督學生面部表情，以便教師調動學生學習熱情，更好地指導教學。我國人工智能的投資居世界第二（美國第一），在技術研發和產業應用方面已取得豐碩成果。

2 人工智能對教育的技術支持與應用

2.1 關鍵技術

2.1.1 大數據

大數據技術指一系列數據收集、存儲、管理、處理、分析、共享和可視化技術的集合，其目的是對大量多元的非結構化數據進行實時分析，并從中發現價值[18]。教育過程中數據不斷產生，在線學習記錄了學生靜態和動態數據。利用數據挖掘技術分析這些教育數據，再建立學習者模型，根據學生行為習慣向學生推薦合適課程和學習資源，促進學生個性化學習。

2.1.2 知識圖譜

知識圖譜技術是一種將各類信息連接在一起形成關系網絡，并利用網絡中的關系分析解決問題的技術，其作用是構建語義網絡。知識圖譜是以科學知識為對象，顯示學科發展進程與結構關系的一種圖形，具有“圖”和“譜”的雙重性。圖是對關系的最好表達，基于圖的知識存儲和表示能夠更有序、更有條理，使人一目了然。利用知識圖譜可以更好地進行搜索，理解語義、消除歧義、理解相對關系等。

2.1.3 計算機視覺

計算機視覺是一門研究如何使機器“看”的科學，充當機器的眼睛，即用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等，并用電腦進一步進行圖形處理，生成更適合人眼觀察或傳送給儀器檢測的圖像，在圖像識別、景物分析、圖像處理等方面應用廣泛。

2.1.4 自然語言處理

自然語言處理是一門融語言學、計算機科學、數學于一體的科學，關鍵是讓計算機理解自然語言。自然語言處理的目的是實現人機間自然語言通信，構建能實現人與計算機之間用自然語言進行有效通信的理論和方法，包括機器翻譯、機器理解、問答系統等具體技術。自然語言處理技術在教育中的應用主要有兩個方面：①作為輔助工具應用于語言教學，即計算機輔助語言教學（ Computer-AssistedLanguage Learning，CALL）;②作為人機交互手段應用于智能教學系統[19]，如科大訊飛利用自然語言處理技術在機器翻譯、語音系統、機器閱讀理解等方面取得的巨大成就，另外在教學上，自然語言處理技術對學生開放性回答可進行自動識別，并給出反饋。

2.1.5 機器學習

機器學習（M achine Learning，ML）是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科及知識，研究計算機怎樣模擬或實現人類的學習行為，以獲取新知識或技能，重新組織已有的知識結構使之不斷改善自身性能。機器學習是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能多個領域，主要使用歸納、綜合而不是演繹的方法。

2.2 人工智能在教育應用中存在的問題

（1）技術不成熟。人工智能技術還處于發展階段，目前很多產品智能化程度不高。與計算智能和感知智能方面的成就相比，認知智能發展還不夠成熟，感知認知智能是人工智能發展的高級階段和未來人工智能發展的方向，即從感知智能到認知智能質的突變，實現智能設備像人一樣思考、辨別，縮小與人類的差距。

（2）人工智能對教育的支持度低。人工智能技術與教育的結合還不夠緊密靈活，全面的實踐應用和深入、扎實的科學研究均比較欠缺[20]。人工智能技術在教育領域的應用較少，而人工智能與教育的融合是未來教育發展的必然趨勢。利用人工智能技術可促進學生自主學習和個性化學習，同時自動批改、自動翻譯、智能導師等技術可減輕教師教學負擔，使老師樂于將人工智能技術運用于教學。

（3）數據封閉。當前時代充斥著各種海量數據，但大部分數據之間沒有交流與溝通，用戶無法通過數據融合作出精準判斷，繁多的數據反而成為負擔。對數據進行開放與共享可使學習者模型進行更精準的定位，提高用戶信任，用戶獲得數據后可根據自身情況改進數據并進行自我調節。

2.3 典型應用及技術框架

2.3.1 典型應用

（1）智能測評。傳統評價方式逐漸被人工智能技術取代。智能測評強調通過一種自動化的方式測量學生發展，自動化指由機器擔任一些工作，包括體力勞動、腦力勞動和認知工作[21]。例如普通話考試，如圖1所示，通過試驗和數據采集得到大量非普通話或非標準普通話的發音數據，將它們整理編碼后加入語音庫。計算機輔助普通話水平測試利用計算機語音識別系統，對普通話水平測試中應試人朗讀試題的語音標準程度進行辨識評測工作。目前，由于采集的數據不夠完善，智能測評存在測評目的比較單一、測評結果比較淺顯、能化水平較低等問題，對教師和學生的幫助有限。在未來應對測評分析的建議進行完善，指出學生的優缺點，為學生提出切實可行的具體建議。在發展趨勢上，智能化測評不再是簡單地給出結果和分析，智能測評將促進個性化學習。未來教育應是智能化教育，從而促進個性化學習。

（2）智能翻譯。智能翻譯在第二語言學習方面的應用非常廣泛，進步也非常明顯。以科大訊飛為例，科大訊飛機器翻譯系統采用新一代基于端到端的神經機器翻譯框架，構建了多層次知識融合的深度語義共享翻譯模型，能夠實現基于上下文語境的源語言句子精準建模，同時通過先驗知識的引入有效解決了專業術語翻譯。此外，為了提高翻譯模型準確性，提出了多任務、跨領域的訓練機制，使翻譯結果更加流暢準確。利用科大訊飛的一套機器翻譯系統處理大學英語六級翻譯試題時，如圖2所示進行翻譯，人工輸入試題后共用了不到6秒的時間完成翻譯（每套試題不到兩秒），由專家進行評分，平均得分為13分（總分15分）。機器處理的翻譯結構清晰、譯文流暢、原文意思表達清楚，很好地實現了不同語種之間的轉換。但同時智能翻譯在教育方面的應用還存在許多不足，典型表現為機器理解能力在處理復雜語句方面明顯不足，不能對等地翻譯出語言的文化因素。智能翻譯還不能完全取代人，未來智能翻譯將是人與智能合作進行翻譯。

（3）智能化教學輔助。人工智能技術使老師從繁重、重復的工作中解脫出來，提高學生學習效率，促進個性化學習，如利用機器學習、圖像識別、自然語言處理、大數據分析等技術從詞匯、句子、段落、語法等多個角度批改學生作業。在句酷批改網中學生在網上將老師布置的作文按照作文編號進行提交，通過語料庫系統數據，利用深度學習和自動識別技術對詞匯、搭配、語法等常見錯誤給出修改建議，在短時間內為作文打分。如圖3所示，學生得到分數后根據所給建議和標注的錯誤修改作文，得到進一步提高。這樣老師既避免了重復工作，提高了效率，學生也快速地得到反饋，可及時糾正錯誤。

（4）智適應學習。智適應學習系統（Adaptive Educa-tional Hypermedia Systems，AEHS）對用戶、知識等進行數據搜集與分析。美國匹茲堡大學信息科學學院Brusilovsky教授[22]提出智適應學習系統的通用模型，由學生模型、領域知識模型、適應模型、自適應引擎4部分組成。近年來國內外智適應平臺發展迅速，如國外的Smart Sprrow、Knowre、Knewton、Cerego等，國內的猿題庫、松鼠AI智適應教育、評測學、智課網等。國內外適應性學習系統比較如圖2所示。智適應學習系統建立的學習者模型根據用戶不同的學習風格、學習態度、學習進度、知識水平等針對性地進行個性化指導。領域模型主要通過知識圖譜的構建完成知識實體、實體關系和知識屬性的知識表達[23]。如圖4所示為多邊形的面積知識圖譜，知識圖譜由一個個小知識點組成，知識點之間存在某種相關屬性關系，引導學生進行自適應學習。通過對知識圖譜的構建實現知識結構可視化，逐步消滅每個知識點，實現知識體系的智適應。適應模型定義了系統如何實施內容的適應性、鏈的適應性以及如何修改用戶模型的一套規則[24]。自適應引擎是在學生模型、領域知識模型、適應模型之間搭建的溝通橋梁，使學生、知識和界面之間進行智適應。以評測學自適應系統為例，該系統通過對學生數據的分析，掌握每個學生的情況，為學生推送合適的學習內容，實現個性化學習。

目前國內成熟的自適應平臺較少，技術含量較低。為迎合智適應學習系統智能化、人性化發展趨勢，應加強專業技術型人才的培養，優化資源的呈現方式，使知識領域更細化，適應程度更高。

2.4 人工智能教育應用技術框架

本文將教育人工智能的技術框架分為4層：第一層為基礎設施層，通過這些基礎設施（例如可穿戴設備，智能手機等）感知學生的學習情況（例如學生的學習狀態、學習習慣等），為教育人工智能提供計算基礎;第二層為教育數據層，通過已經實現的學習收集學生的學習數據（例如學生數據，教學資源數據，教學管理數據等），為教育人工智能提供數據基礎。通過對數據進行開放和共享，用戶可以對數據進行修改并形成更清醒的認識;第三層為技術層，利用相關技術（自然語言處理技術、計算機視覺、機器學習、深度學習等）對相關數據進行分析，為教育人工智能提供技術基礎;第四層為教育應用層，通過對教育過程的感知及處理，進行相關教育應用（例如智能測評、智能出題與批改等）優化，提高學習效率。通過對教育人工智能技術框架的構建，提高教育與人工智能的密切程度，使人工智能技術更好地為教育服務。

3 建議

（1）人機共教。未來教育必定是人機合作的教育，因此需培養賦有人機合作思維的專業智能型人才。人工智能與教育相結合并不意味著教師職業消失，在教育領域人工智能并不能完全取代教師，人工智能缺乏情感，不能很好地與學生進行思想碰撞，解決學生學習生活中的情緒問題。人工智能時代的教育要求教師轉變角色，教師是學生學習的組織者、引領者和服務者，教師要與機器配合進行更能促進學生個性發展和全面發展的工作。

（2）數據保護。教育大數據是教育人工智能研究的基礎，存在數據量大、種類繁多、價值低等特點。通過改進數據挖掘技術，對數據進行精準的采集和分析，更好地建立學習者模型。在數據挖掘過程中，數據二次利用可能涉及個人隱私[25]。數據隱私泄漏將對學生的安全產生威脅，造成學生恐慌，不利于學生健康成長;數據隱私還可能對學生形成固有看法，不利于學生個性化發展。因此在大數據時代用戶應樹立數據隱私保護意識，政府和相關機構應加強數據信息保護，制定相關政策，改進數據隱私安全技術。

（3）智適應學習。教育人工智能以自適應平臺為基礎進行學習，實現教育與智能緊密結合。目前已出現許多自適應平臺，但其自適應程度并不高，一般按照評、測、練的過程進行自適應教學，對學生沒有進行深度分析，只有做到長久的動態跟蹤，才能實現更高水平的智適應，更好地促進教育教學，在學生個性化發展中起到更積極作用。

（4）技術與理論結合。在深入開展技術研究的同時，也要加大理論研究力度。人工智能技術在提高教育力、減輕教師負擔、促進學生發展方面有巨大作用。但單一技術創新無法推進教育人工智能變革，需要正確的價值引導，而不是認為智能決定一切，要與控制論、神經科學等人工智能相關理論及教育學、心理學、計算機科學、傳播學等教育相關理論相結合，共同促進人工智能時代教育的發展，培養適應社會發展的創新型人才。

4 結語

本文對人工智能在教育領域的應用展開研究，對人工智能在教育領域存在的問題提出針對性建議，并指出了人工智能在教育領域的發展前景。未來教育發展趨勢是與智能結合，為更好地利用人工智能發展教育，提高教育質量和效率，促進個性化學習，需培養富有智能思維的創新型人才。生物識別技術、自適應技術、大數據等技術的發展會進一步推進人工智能與教育的融合，使人工智能時代的教育更關注學生成長，以人為本，促進學生全面發展。

參考文獻：

[1]Executive Office of the President National Science and TechnologyCouncil Committee on Technology. Preparing for the future of artificialintelligence [ EB/OL]. http： //www.360doc.com/content/1 6/10 15/20/37334461一598684776.shtml.

[2]National Science and Technology Council. The national artificial intel-ligence research and development strategic plan[EB/OL]. http：//wvw.360doc.com/content/1 6/1015/20/37334461_598685262.shtml.

[3] 習近平.決勝全面建成小康社會奪取新時代中國特色社會主義偉大勝利——在中國共產黨第十九次全國代表大會上的報告[EB/OL]. http：，//www.gov.cn/zhuanti/19thcpc/baogao.htm.

[4] 國務院公告.國務院關于印發新一代人工智能發展規劃的通知[EB/OL].

http，/www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[5] 李克強.政府工作報告-2018年3月5日在第十三屆全國人民代表大會第一次會議上[ EB/OL].http：//www.gov.cn/premier/2018-03/22/content_5276608.htm.

[6]OZBEY N， KARAKOSE M， UCAR A. The determination and analy-sis of factors affecting to student learning by artificial intelligence inhigher education[C].IEEE 15th International Conference on Informa-tion Technology Based Higher Education and Training， 2016： 1-6.

[7] FORCIER L B.Unleashed an argument for Al in education[ Ml. Lon-don：Pearson， 2016.

[8] BARNES T. BOYER K， SHARON I， et al. Preface for the special is-sue on AI-supported education in computer science [J]. Internation-al Journal of Artificial Intelligence in Education. 2017（1）：1-4.

[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]蔡連玉.人工智能與教育的融合研究：一種綱領性探索[J].電化教育研究.2018（ 10）：27-32.

[11] 楊現民.教育人工智能的發展難題與突破路徑[J].現代遠程教育研究，2018（3）：30-37.

[12]粱迎麗，劉陳.人工智能教育應用的現狀分析、典型特征與發展趨勢[J].中國電化教育，2018（3）：24-30.

[13]LUCKIN R. HOLMES W. Intelligence unleashed： an argument forAI in education[EB/OL]. https：//www.pearson.com/news/ blogs/CompanyBlog /2016 /03 /intelligence-unleashed-an-argument-for-ai-in-education.html.

[14]SAWYER R K。劍橋學習科學手冊[M].徐曉東，譯.北京：教育科學出版社，2010.

[15] SELF J. The defining characteristics of intelligent tutoring systems re-search： ITSs care， precisely[J].International Journal of Artificial In-telligence in Education， 1998（ 10）： 350-364.

[16]張國云，楊文正，趙梅.技術賦能學習”視域下新興技術在教育APP中的應用前瞻分析[J].中國電化教育，2018（ 10）：107-117.

[17] 賈積有.工智能賦能教育與學習[J].遠程教育雜志，2018（1）：39-47.

[18] 余勝泉.人工智能+教育藍皮書[EB/OL].https：//aic-fe.bnu.edu.cn/xwdt/mtbd/index.html.

[22] BRUSILOVSKY P.Methods and techniques of adaptive hypermedia[J]. User Modeling and User-adapted Interaction. 1996， （2）：87-129.

[19] 朱艷茹.基于知識圖譜的自適應學習系統設計與實現[D].長春：吉林大學，2018.

[20] 陳品德，李克東.適應性教育超媒體系統——模型、方法與技術[J].現代教育技術，2002，（1）：11-17.

[21]楊波.數據環境下個人隱私保護機制[J].軟件導刊，2016， （8）：168-170.

（責任編輯：江艷）

基金項目：遼寧省大學生創新創業訓練項目（ 2018110165037）;遼寧省教育科學“十三五”規劃2018年度項目（JC18CB401）

作者簡介：高偉（1972-），男，碩士，遼寧師范大學計算機與信息技術學院副教授、碩士生導師，研究方向為計算機圖形學、虛擬現實技術、動畫與游戲;劉苗苗（1995-），女，遼寧師范大學計算機與信息技術學院碩士研究生，研究方向為人工智能。