智能化教學模式的構建及應用探究*

曾會珍 ， 呂敬祥

(井岡山大學 a.教育學院； b.電子與信息工程學院， 江西 吉安 343009)

近年來，各國政府對人工智能技術及其與教育的融合表現出前所未有的重視。自2017起，我國政府接連發布《新一代人工智能發展規劃》(國發〔2017〕35號)、《教育信息化2.0行動計劃》(教技〔2018〕6號)、《高等學校人工智能創新行動計劃》(教技〔2018〕6號)等多個文件。這些文件均強調：要加快推進人工智能技術在教學方法改革、人才培養模式革新等方面的應用。美國政府出臺的主要政策措施有：《美國人工智能倡議》(2019年2月美國總統特朗普簽署的行政令)、《國家人工智能研發戰略規劃》(2019年6月26日)、《美國人工智能時代：行動藍圖》(2019年12月，新美國安全中心智庫CNAS發布)等。2018年7月26日，歐盟25國簽署了《人工智能合作宣言》。德國和英國政府分別制定了“工業4.0”計劃和“現代工業戰略”。韓國政府公布的《人工智能國家戰略》提出：到2030年，韓國在人工智能領域的競爭力應位于世界前列。日本政府在《人工智能技術戰略》中詳細闡述了政府為人工智能產業發展所制定的技術路線圖。國內外一系列政策方針的頒布實施，為人工智能的快速發展提供了政策支持。與此同時，機器學習、深度學習等人工智能關鍵技術也不斷取得新進展，為教學模式的變革提供了有力的技術保障。

縱觀教學模式演變的進程，傳統的教學模式已越來越不利于學生的個性化學習和創新性思維的培養，人們對教學模式改革的呼聲越來越高。移動學習、在線學習、慕課學習、混合式學習等不同的學習方式不斷涌現，促使越來越多的學者探索人工智能環境下的新型教學模式----智能化教學模式[1]149-154。但是，現有的研究在智能化教學模式構建方面還不能自成系統。本文重點關注在人工智能技術支撐下，如何系統地構建智能化教學模式這一問題。

一、智能化教學模式的研究現狀及存在問題

(一)研究現狀

1972年，美國教育家喬伊斯在其主編的《教學模式》一書中最早提出教學模式這一概念。此后，我國教育工作者開始對教學模式理論進行系統研究，逐漸構建起適合我國國情的教學模式理論框架。經過幾十年對教學模式的探究，成績斐然。如：李如密深入研究了教學模式的本質問題，認為教學模式是指在一定教育思想的指導下，在豐富的教學經驗基礎上，為完成一些特定的教學目標和教學內容而形成的穩定且簡明的教學結構理論框架及其具體可操作的實踐活動方式[2]25-29。張金磊、王穎、張寶輝對翻轉課堂的起源及其特點進行了歸納分析，并深入研究了國內外教學案例，構建了一種翻轉課堂的教學模式[3]46-51。曾明星、周清平等將MOOC資源與翻轉課堂進行結合，構建了MOOC視頻替代模式、“MOOC視頻+自制視頻模式”、二次開發模式三種新型翻轉課堂教學模式[4]108-114。劉佳雨、關海爽、張建民將分課堂教學模式恰當地運用于智能控制課程教學，有效地提高了學生的學習積極性和課堂教學質量[5]112-113。唐燁偉、郭雨婷等在國內外STEM教育的基礎上，構建了人工智能背景下的STEM跨學科融合模式，從教學環境設計、內容設計等五個方面對該模式進行闡述[6]46-52。戴永輝、徐波、陳海建針對當前混合式教學實踐過程中存在的教學資源單一和學生自主性不強等問題，將神經網絡、機器學習及情感計算等人工智能技術作為解決上述問題的新技術手段[7]24-31。

(二)存在問題

20世紀后期，現代教學模式的出現對傳統教學模式產生了較大的沖擊。隨著建構主義、實用主義等教育理論及新一代信息技術的廣泛應用，許多新的教學模式應時而生。近年來，人工智能正如火如荼地與教育深度融合。融入了人工智能技術的新型教學模式，構建起以學生為中心的結構，推動教學模式向智慧化轉型和演進。然而，由于受限于成熟度和前期基礎，在現階段，人工智能與教育的融合還是理論研究較多，大范圍應用較少，停留在量變積累階段。要想迎來質變，還面臨諸多問題[8]27-39。其中，最為關鍵的是人工智能技術與教育融合的難點仍未取得突破性進展，主要有以下兩個問題：

1.教學過程中產生的優質數據如何更好地采集 經過60多年的高速發展，人工智能技術已經從計算智能、感知智能發展到認知智能。而優質數據是充分發揮人工智能價值的基礎條件，沒有優質的數據支撐，人工智能的運用將嚴重受限。在教育教學活動中，系統要采集以下幾類數據：(1)個體相關的學情數據，如個人愛好或興趣、學習策略及動機、個人能力、學業表現和先驗知識等，以及教育部門采集到的，如入學率、通過率、輟學率等數據。(2)個體與社交網絡之間的互動數據，包括社交工具的偏好及網絡社交活動數據。(3)個體情緒、品德、情感數據。(4)學習環境數據。這些數據目前沒有統一的標準，內容豐富，格式多樣，很難在這些復雜的數據中提煉出后期所需的高質量數據。

2.教學活動的復雜性增加了人工智能支撐教學模式變革的難度 教學活動的復雜性主要表現在教學系統具有動態性、自主性和不確定性等特點。由于組織構架、辦學特點、教學理念等存在很大的差別，不同學校的發展需求也不一樣。不同學科具有不同的特點和知識體系。同樣，不同的教師在教學過程中也會有不同的方法。由此可見，教學系統本身的復雜性和多樣性，必將增加人工智能應用于教學改革的難度，構筑智能化教學模式仍有很長的路要走。

二、智能化教學模式的構建

目前，研究者對教學模式的構成要素仍未達成一致。袁頂國、劉永鳳、梁敬清認為，教學模式包含教學結構、教學程序及教學方法這三個核心要素[9]110-114。美國教育家喬伊斯、威爾、卡爾霍恩認為，一個完整的教學模式包含五個要素：理論基礎、教學目標、教學過程、技術支撐及評價標準[10]101-108。本研究結合國內外學者對教學模式核心要素的研究，以這些核心要素為基礎，構建智能化教學模式的框架(參見圖1)。

由圖1可知：該教學模式框架，以分布式認知理論及建構主義學習理論為基礎，以人工智能技術為代表的新一代信息技術為支撐，以實現智能化教學模式的教學目標為宗旨，將人工智能技術有機地融合到教學的課前、課中和課后三個不同環節，實現差異化和多元評價，通過不斷實踐，調整教學過程，最終實現教學目標。具體分析如下：

(一)理論基礎

要構建一種優秀的教學模式，就需要積極探尋對應的基礎理論。沒有堅實的基礎理論，教學模式將變得毫無生命力。例如：有意義接受學習教學模式的理論基礎是認知同化學習理論，發現式學習教學模式、網絡探究模式、基于項目學習模式的理論基礎是認知結構學習理論。本研究所構建的智能化教學模式框架主要基于以下兩種理論：

1.分布式認知理論 該理論是美國加利福尼亞大學Edwin Hutchins教授在20世紀80年代提出來的，著重強調個體與技術、個體與認知環境之間的相互作用。教學中的師生、學校、人工智能技術等與分布式認知理論形成映射，可以對教學模式改革產生新的啟發。例如，可以利用技術、工具等“人工制品”轉移認知任務，利用智能機器處理簡單、重復性的認知任務，進而分配給個體更有創造性、前瞻性的認知任務。另一方面，通過與智能化教學環境的交互，可以重構學習體驗，增強個體的認知能力。

2.建構主義學習理論 該理論的核心思想是以學生為中心，特別強調學生對知識的主動探索和自主發掘。這一理論弱化了教師的知識傳授作用，認為學生應該利用相關的學習資料和學習工具，通過協作來實現對所需知識的自主建構。因此，在建構主義學習環境下，必須考慮情境的創設問題。在學習方法上，建構主義學習理論倡導既要強調學生在學習過程中的主體作用，又不能輕視教師在學習過程中的引導作用。

(二)教學目標

一般來說，教學目標決定了教學模式的功能、性質及范圍，在教學模式的構成要素中處于核心地位。任何一種教學模式都必須以一定的目標為導向。智能化教學模式的教學目標是：有效克服傳統教學中存在的缺陷，著力培養學生自主學習的能力，最終實現培養創新型人才的總體目標。智能化教學模式的目標由總目標、教學目標和三維目標組成。其中，總目標定位為培養學生的創新能力，教學目標包括課程目標、單元目標和課時目標，三維目標則由知識與技能、過程與方法、情感與價值觀等構成。

(三)教學過程

教學過程分為課前、課中和課后三部分，每一部分都有教師活動、學生活動及人工智能技術參與。

1.課前階段 教師在人工智能技術輔助下進行智能化備課，制定個性化的預習內容，并把預習內容推送到學生的個人學習空間。在學生預習過程中，教師遠程監控學生的學習行為和進度，根據采集到的學生預習軌跡，推送個性化學習資源，以滿足不同學生的學習需求。在所有學生預習完成后，智能教學平臺會自動生成預習報告并推送給教師，讓教師及時了解學生的整體預習情況，以便教師調整教學內容。

在收到教師推送來的預習資料后，學生根據自身情況進行自主預習，但必須在規定的時間內完成相關預習任務。與傳統教學模式不同，智能化教學模式可以將學生的預習效果以數據的形式呈現在教師端，讓教師及時了解學生的預習情況。另外，學生可以與教師進行互動，就預習中遇到的問題與教師進行溝通，并發表不同意見，提出相關問題，分享較好的學習資料。

2.課中階段 教師可以通過彈幕方式導入前期預習成果，根據前期預習中學生出現的一些具體問題進行整體點評或少數個體點評，指出預習過程中學生存在的共性問題。之后，教師可以在對學情及個性化精準分析的基礎上，創設合理的教學情境，引入新的教學內容。這種合作探究方式可以更好地激發學生的學習興趣，提高學生的學習欲望，培養學生的主動探索、協作交流及創新思維能力。教師可以通過人工智能系統，實時監控每個學生的學習過程，及時了解學習進展和困難，進而進行個性化指導。在人工智能技術的支撐下，學生可以進行智能化交互學習，通過人機交互重構學習體驗。

3.課后階段 在這一階段，個性化輔導最為關鍵。教師可以根據所采集的數據，利用人工智能技術進行識別和分類，推薦給學生差異化的課堂評價和有針對性的學習建議。教師可以根據這些評價，推送差異化的課后作業與學習資料，實現對學生的個性化培養。學生可以通過系統提交作業，客觀題可自動批改及時反饋成績，主觀題可推送給教師端。教師可以在線上進行多樣化的個性輔導，提高學生分析問題和解決問題的能力。在教學反思過程中，教師應該積極審視課堂教學中出現的問題，及時完善教學內容，優化教學思路，提高課堂教學質量。

(四)技術支撐

人工智能與教育的融合主要包括智能算法、感知技術和認知技術三類。

1.智能算法 智能算法是人工智能應用于教育的核心技術，主要分為機器學習和深度學習兩大類。傳統機器學習主要有決策樹、人工神經網絡、隨機森林、貝葉斯學習等。隨著大數據時代的到來，數據產生的速度不斷加快，數據的體量不斷增大，數據的種類不斷增多。如，在教育領域存在的文本理解、喜好判斷、文本情感分析等諸多數據類型。因此，探尋高效的并行策略來處理教學過程中產生的大數據，是今后一段時間機器學習的研究熱點。目前，機器學習在準確預測學業成績、學生行為建模、學習資源推送、精準評價等領域發揮著重要作用。深度學習是指在多層神經網絡上運用多種機器學習算法解決問題的算法集合。深度學習可以使機器學習實現更多的功能，從而拓展人工智能的應用領域。深度學習是一種框架，包含多個重要算法，如卷積神經網絡、自動編碼器、限制波爾茲曼機、多層反饋循環神經網絡等。

2.感知技術 在教育領域，感知技術是以生物特征識別和自然語言處理等為基礎的智能信息處理及控制技術。感知技術主要有語音識別、語義識別、圖像識別、文本識別、人臉識別等。2017年，谷歌、IBM發布的智能語音識別軟件，其正確識別率在95%左右。目前，國內語音識別企業，如搜狗、百度、科大訊飛等企業的語音識別軟件的識別率達97%。這些感知技術主要運用于學習情境感知、學生生物特征感知及學生社會特征感知等方面。

3.認知技術 如何將情感與機器聯系起來，使得機器能識別人的情感并具有認知能力，一直是人工智能領域專家關注的焦點。麻省理工學院教授Ehsan Hoque已研發出一種社交技能訓練系統。該系統能在真實情景下進行人機交流。認知技術在教育領域的運用主要體現在主觀題評判、智能問答、機器翻譯、心理輔導等方面。

(五)評價方式

在人工智能技術的推動下，實現對學生發展狀況的自動評估是智能化教學模式的重要一環。智能化測評可以進一步減輕教師的工作量，使教師有更多的精力投入創新性教學之中。傳統的教學評價方式單一，往往采用統一試卷和答案，通過考試方式簡單評價學生。而智能評價容易實現差異化評價和多元化評價。多元化評價包含評價方式多元化、評價主體多元化、評價內容多元化。差異化評價承認學生本身的差異性，尊重學生的個體特征。

三、智能化教學模式的應用策略

目前，人工智能與教育的融合已逐漸滲透到“教、學、考、評、管、治”各個層面。智能化教學模式已成為加速教學變革的“原動力”之一。它的應用深刻影響著教學策略制定、學情分析、教學資源選擇、教學過程實施等各個具體的教學環節。通過人工智能的賦能，智能化教學模式將會有效克服傳統教學模式的教學過程單調、教學評價較片面等不足，讓教師從繁重的工作中解脫出來，更好地思考教學策略。但我們必須認識到，任何一種技術運用到教學中都有其局限性，都不能像教師那樣言傳身教潛移默化地影響學生。因此，在智能化教學模式實踐中，教師應該更多地重視教書育人。

隨著人工智能技術的深度發展，智能化教學模式也將不斷演進。本研究認為，要讓智能化教學模式得到廣泛應用，應該在如下兩方面開展進一步研究：

(一)以大數據技術為主的精準個性化學習

借助大數據技術采集學生整個學習過程中的數據，配合人工智能技術，實現對學生的行為分析、學習規律分析，判斷學生的主要學習障礙，更加精準地建立學生的學習模型，為學生提供更加精準的個性化學習引導，更好地滿足學生的學習需求，提高學生主動學習的興趣。

(二)人機結合教育新形態

目前，在人工智能與教育的融合過程中，對學生思想品德、情感態度及價值觀念的培養存在明顯的不足。未來，應充分利用人機結合的方式，進一步完善人工智能的治理體系，制定和嵌入相應的道德標準、情感態度和價值觀念的識別方法，研制出更強大、更可信的教育領域人工智能應用系統。

綜上，以人工智能為代表的新一代信息技術的興起被認為是第四次工業革命。在這樣的背景下，高等教育的教學模式融入智能化元素已迫在眉睫。為順應“智能+教育”在全球發展的趨勢，本研究建構了一種智能化教學模式，以期有效滿足學生的自主學習、個性化學習、線上線下融合式學習的需求。在信息化背景下，隨著不斷的探索與實踐，智能化教學模式將會變得更智能、更精準、更全面、更多元。