人工智能賦能課堂教學(xué)的實踐研究

吳秀峰

人工智能是利用數(shù)字計算機或者由數(shù)字計算機控制的機器，模擬、延伸和擴展人類的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)和應(yīng)用系統(tǒng)。這里所說的人工智能賦能課堂教學(xué)是指利用弱人工智能或者教學(xué)人工智能方向的研究應(yīng)用或軟件來助力課堂教學(xué)，從計算機視覺、個性化學(xué)習(xí)、智能測評、機器人學(xué)習(xí)等人工智能技術(shù)角度去賦能課堂教學(xué)，在課堂教學(xué)各個環(huán)節(jié)的解析過程中充分運用這些人工智能的手段，讓課堂教學(xué)突破傳統(tǒng)教學(xué)的固定模式，更有力地助力學(xué)情分析，更好地引導(dǎo)學(xué)生反饋，更高效地提煉課堂作業(yè)，更精準(zhǔn)地進行個性化學(xué)習(xí)和輔導(dǎo)分析。

一、人工智能賦能課堂教學(xué)的意義

人工智能賦能課堂教學(xué)，可以從以下三個維度展開。

一是基于計算機視覺分析的課堂行為探測反饋，主要是通過智能錄播設(shè)備等對整節(jié)課師生的教與學(xué)行為、生理情緒狀態(tài)進行分析，以更好地幫助教師提高教學(xué)質(zhì)量，幫助學(xué)生提升課堂專注程度。

二是基于個性化學(xué)習(xí)的學(xué)情分析。學(xué)情分析是教與學(xué)的起點，是課堂教學(xué)中一切活動設(shè)計的落腳點，借助人工智能中線上測評進行診斷性學(xué)情分析，或是通過線下的機器學(xué)習(xí)引導(dǎo)建立的個性化建模，來評估學(xué)生的學(xué)習(xí)狀態(tài)，通過智能分析得到各個階段學(xué)生的學(xué)習(xí)參數(shù)，以此作為判斷學(xué)生學(xué)情的基礎(chǔ)，從而有針對性地進行課堂教學(xué)布局和設(shè)計操作。

三是基于機器學(xué)習(xí)的課堂測評，通過機器命題和自動評分，記錄學(xué)習(xí)過程中的行為數(shù)據(jù)，以便通過數(shù)據(jù)分析，調(diào)整下一次的學(xué)習(xí)和測試。

二、設(shè)計思路

本文以教科版高中信息技術(shù)選擇性必修6“開源硬件項目設(shè)計”第二單元實驗?zāi)M型項目設(shè)計2.4“聲光檢測”為例，以智能傳感器為大概念，用聲音傳感器、光線傳感器、熱傳感器三個中概念串聯(lián)，用人工智能技術(shù)手段支持導(dǎo)學(xué)、測評、反饋等課堂教學(xué)過程。

根據(jù)教材，筆者設(shè)計了“智能樓道燈”一課，將解決問題的過程項目化。在模擬項目過程中，充分運用人工智能技術(shù)來打造智能課堂，在學(xué)情分析、課堂測評、課堂行為探測反饋三個方面來建構(gòu)一個有別于傳統(tǒng)教學(xué)的人工智能課堂，研究人工智能如何在學(xué)情分析、課堂測評、課堂行為探測反饋三個方面賦能課堂教學(xué)，通過三個方面的實踐運用和經(jīng)驗總結(jié)，更好地讓人工智能技術(shù)服務(wù)于現(xiàn)代化課堂教學(xué)。

三、人工智能賦能課堂教學(xué)的實踐過程

1.計算機視覺分析的課堂行為探測反饋

計算機視覺分析的課堂行為探測反饋主要是指利用多臺攝像頭、傳感器構(gòu)建的計算機視覺和有監(jiān)督機器學(xué)習(xí)的方法，針對師生課堂出現(xiàn)的行為和生理數(shù)據(jù)進行分析，用來提升教學(xué)質(zhì)量、糾正學(xué)生的學(xué)習(xí)行為。

本節(jié)課的視覺分析中，發(fā)現(xiàn)教師的走動位置、個人姿態(tài)和學(xué)生的注意力有很大的關(guān)聯(lián)，教師來回巡檢要比教師坐在講桌前監(jiān)控更能讓學(xué)生的注意力集中起來，學(xué)生上肢肢體端正要比趴臥姿勢更能提高學(xué)習(xí)專注度。

2.個性化學(xué)習(xí)的學(xué)情分析

筆者把這節(jié)課的學(xué)情分析分為兩部分：一是課前的學(xué)情分析，作用是摸清學(xué)生的學(xué)習(xí)現(xiàn)狀，稱為“摸底學(xué)情分析”，主要是用在線平臺來檢查前置知識的掌握程度。二是基于微課導(dǎo)學(xué)的智能導(dǎo)學(xué)系統(tǒng)中機器學(xué)習(xí)反饋的“教后學(xué)情分析”，在課堂中前10分鐘進行，作用是檢查學(xué)生微課導(dǎo)學(xué)之后的學(xué)習(xí)效果，了解學(xué)生在課堂上接受知識的能力、掌握知識的程度，以便教師在課堂上有針對性地挑選知識點進行講解。

如果講解的章節(jié)內(nèi)容不適合用微課導(dǎo)學(xué)開展教學(xué)，也可以在教師講解結(jié)束后利用自動評分的線下軟件，挑選出海量題庫中的相似題目，進行基于自動評分的個人學(xué)習(xí)力建構(gòu)，建立個性化學(xué)習(xí)模型。

3.智能測評下的課堂測驗

人工智能應(yīng)用于智能測評的技術(shù)一般是機器命題和自動評分。本文提到的智能測評是指自動評分，泰州智慧云平臺的課堂檢測自動評分應(yīng)用，是一種以專家預(yù)設(shè)標(biāo)準(zhǔn)答案為前提的評分工具，就目前而言，是檢測學(xué)生課堂學(xué)習(xí)效果的一大利器。用智能測評的方法可以區(qū)分出學(xué)生掌握知識的多少和層次，我們的設(shè)想是在智能測評的基礎(chǔ)上進行個人建模，分層學(xué)習(xí)，讓學(xué)優(yōu)生學(xué)習(xí)有深度，讓后進生夯實基礎(chǔ)，逐步提升，讓每一個學(xué)生都能享受課堂。

四、人工智能融入課堂教學(xué)需要注意的地方

一是課堂中對人工智能技術(shù)的選擇要有“火眼金睛”。目前利用人工智能技術(shù)實現(xiàn)的個性化學(xué)習(xí)，相對成熟的應(yīng)用多見于智能導(dǎo)學(xué)。市場上流行的多個導(dǎo)學(xué)或個性化測評應(yīng)用良莠不齊，其主題性不夠系統(tǒng)，較為分散，學(xué)科分布也不均衡，對題目的分析能力有限，解釋大多依賴于人工專家，難免會出錯。這需要讓實踐和市場去考驗這些產(chǎn)品，應(yīng)用的第三方測評機構(gòu)也應(yīng)該將其提上日程，用優(yōu)良淘汰劣質(zhì)，讓政府、教育權(quán)威、技術(shù)組成適合于教育的人工智能應(yīng)用評價機構(gòu)。

二是要注意人工智能應(yīng)用中的數(shù)據(jù)倫理問題。人工智能離不開大數(shù)據(jù)，教師的教、學(xué)生的學(xué)帶來的行為數(shù)據(jù)，攝像頭的行為探測，課堂智能測評的數(shù)據(jù)分析，大多涉及隱私問題，如果缺乏統(tǒng)一、明確的數(shù)據(jù)保護機制，學(xué)生或家長有可能會抵制。所以，建立完善的數(shù)據(jù)保護機制是未來保障教學(xué)人工智能開展的基礎(chǔ)。

五、對人工智能賦能課堂教學(xué)的反思

盡管目前人工智能應(yīng)用于教學(xué)、賦能于教學(xué)已取得很多進展，但仍然可能面臨以下問題。

一是依賴的判斷大多來自技術(shù)設(shè)計或?qū)＜遗袛啵^于主觀。比如在行為探測中對學(xué)生專注度的判斷，學(xué)生的姿勢并不足以說明學(xué)生的學(xué)習(xí)狀態(tài)，可能會誤判;在智能測評環(huán)節(jié)，自動評分方面的機器學(xué)習(xí)評分標(biāo)準(zhǔn)來自不同的設(shè)計者，本身存在不一致性，會導(dǎo)致結(jié)果的差異化。二是成本較高。研究中的硬件比如攝像頭、傳感器，很多都價值不菲，導(dǎo)致很難推廣和應(yīng)用。三是適用的課型較少，研究的樣本有限，代表性不足，研究的通用性難以保證和推廣。