國內外“人工智能+教育”研究熱點、異同比較及發展啟示

王 毅，吳玉霞

(1.貴州師范大學 教育學院，貴州 貴陽 550025；2.貴陽市三橋小學，貴州 貴陽 550001)

2017年7月，國務院印發的《新一代人工智能發展規劃》提出，運用智能技術從人才培養、教學方法和學習方式等多方面構筑新型教育體系。2018年4月，教育部印發的《教育信息化2.0行動計劃》指出，智能環境已對教育理念、文化和生態都帶來了深刻影響與變革。同年8月，教育部辦公廳發布的《關于開展人工智能助推教師隊伍建設行動試點工作的通知》強調，教師要主動適應并積極應用人工智能等新興技術有效開展教育教學。在人工智能逐步推動傳統教學改革創新、促進教育過程不斷優化的背景下，國內外學者對“人工智能+教育”主題開展了長期、廣泛和深入的研究，從不同視角運用不同方法研究人工智能技術發展及其教育應用，形成了豐碩的研究成果。本文篩選2000—2020年以“人工智能+教育”為主題的國內外核心期刊文獻，綜合文獻計量分析與系統文獻綜述方法，借助Bicomb、Ucinet和Spss軟件，深入分析近二十年來人工智能在國內外教育領域的研究進展并進行比較，進而提出未來我國“人工智能+教育”研究的發展啟示。

一、國外“人工智能+教育”研究熱點

(一)教育4.0的內涵定位研究

教育4.0(Education 4.0)是同工業4.0多次共現的高頻關鍵詞，同時也與“人工智能+教育”存在必然的邏輯關系。從內涵定位上看：其一，國外研究皆圍繞創新、智能終端和工業4.0等關鍵詞對教育4.0進行內涵解讀。智能化是工業4.0的外在表現，教育4.0是工業4.0時代培養未來勞動力的一般方法或趨勢[1]；其二，面對智能時代對社會崗位和人才知識結構變革的雙重壓力，教育4.0對學生能力框架和學校未來發展等方面進行了重新定位。從實現條件來看，由物聯網、云技術、增強現實和虛擬現實等技術支持的工業4.0在教育中發揮著重要作用，為教育4.0發展提供強有力的技術支撐，如對技能型勞動力的高級終身培訓支撐，讓校園物理系統和數字系統融合成為可能。正如Masschelein等人結合具體數據、技術和框架，預測未來學校將呈現“時間——空間——物質”上的特殊安排[2]。

(二)智能虛擬現實的教學應用研究

智能虛擬現實(Intelligent Virtual Reality，即IVR)技術在可視化和沉浸交互方面的優勢越來越受學界青睞：一方面，IVR可為學生搭建基于游戲的虛擬現實環境，利用多種技術和軟件(如凝視、手勢控制、觸覺、語音界面和人工智能)，使真實環境和虛擬的人工環境相重疊，從而產生感官上的混合現實體驗，以達到激發學生興趣、強化互動參與的目的。如Bouali等人介紹了一款基于VR的學習游戲Imikode，其支持計算機教育中面向對象編程(OOP)概念的教與學，除了可以引入人工智能擴展游戲功能，還可解析學生游戲中的編程錯句，并提供修復錯誤說明[3]。另一方面，IVR適用于程序性任務教學，以助學生產生沉浸感，在體驗式學習中獲得認知技能。尤其在語言類教學中，虛擬現實技術用于營造第二外語氛圍，人工智能代理用于模擬進行語言訓練與真實對話的伙伴角色；或結合情感識別、人臉監測或語義分析等人工智能技術，開發沉浸式虛擬現實教學模擬器。然而，Radianti等人揭示IVR應用尚存不足，如在開發應用時沒有考慮用學習理論來指導學習結果，組織的應用評價集中在虛擬現實應用可行性上，而沒有關注學習結果[4]。

(三)智能教學機器人的角色研究

智能教學機器人(Intelligent Tutoring Robot，即ITR)基于機器學習技術的快速發展，扮演著現代教育中的同伴、教師和輔助工具等角色。與傳統教學機器人相比，ITR具有模式識別和自然交互能力上的優勢，當學習者與實體機器人系統接觸時表現出更有利于學習的社交行為[5]。譬如，基于谷歌技術的Dialogflow框架，可設計開發用于管理和學習支持的聊天機器人FIT-EBot，能與學生進行持續互動[6]。ITR將有望成為創新學習環境中的學習伙伴首選項。當ITR作為教師時，早期Hsiu團隊專門研發了一款應用于監督輔導與及時干預的中學教育機器人Trikebot[7]。隨后針對一對一教學，學界形成了類似兒童第二語言技能教學機器人Tega的ITR研究設計思路[8]。此外，ITR還作為嵌入STEM主題教育中極有效的教學媒體和學習工具，被看作是激勵現代化教學方式的最佳途徑[9]。Mehdipour等人采用由人工智能授權的機器人輔助新西蘭小學教育工作者開展STEM教育，結果發現：教師對ITR在協助搜索和準備資料方面的性能作出了積極反響。相比助教，教師更愿意采用ITR作為教學輔助工具[10]。

(四)機器學習的綜合研究

機器學習(Machine Learning，即ML)作為人工智能發展的核心動力，主要分為監督學習、非監督學習和強化學習[11]。在教育領域，國外學者綜合探討了機器學習的理論發展和應用研究。在理論發展上，機器學習與統計學、信息論、博弈論等數學分支學科有共同的關系脈絡。機器學習理論可作為各種焦點推測和理性分析的中心點，通過提供邏輯框架來組織新的機器學習算法，間接推進編程的前沿發展[12]。在應用研究上，機器學習技術使用一系列統計分析方法(算法)收集、構造和分析計算性的大數據集，從而具有識別模式、構建分類、預測模型[13]等功能。如Duzhin提出了三種機器學習算法，分別用反向傳播(BP)、支持向量回歸(SVR)和長短期記憶(LSTM)來預測學生學習成績[14]。Zea等人使用二元分類學習算法識別具有棄學風險的學生[15]。由英國開放大學研制的“OU Analyze高危學生預測系統”則允許學生自主選擇是否參與數據監測。如此，從人文關懷上尊重學生選擇權，減少了學生個人與數據操控者之間的權力不平衡，是機器學習算法在人權和倫理道德考量上的具體表現。

(五)智能導師系統的功效研究

智能導師系統(Intelligent Tutoring System，即ITS)是一種以知識為基礎的軟件系統，由早期計算機輔助教學發展而來，主要基于領域模型、教學模型、學習者模型和交流模型四種動態交互模型[16]，實現個性化教學輔導、診斷學生知識優缺、按需策劃學習路徑以及進行知識評估等四個主要功能。國外學者圍繞這四個功能，針對不同算法和模型開展了研究。個性化教學輔導的典型研究有：Karaci將模糊邏輯與基于約束的學生模型(CBM)相結合，建立了混合式智能教學系統，根據學習者回答特定問題的時間來確定學習水平，從而提供有針對性的個性化教學輔導[17]。在診斷學生知識優缺上，Chayaporn等人提出基于兩步聚類(TSC)方法的數據挖掘技術，建立了智能診斷框架(IDF)以適應不同語言能力的英語課堂教學[18]。為實現按需策劃學習路徑，Rastegarmoghadam等人利用蟻群算法(ACO)開發改進了ITS中的學生建模方式，調整了適應學習者學習特點和學習傾向的最佳路徑，助力學習者學習效率的提升[19]。最后，評估學生知識獲取水平也是ITS的首要任務之一，旨在衡量學習者認知水平，決定學習者學習需求。鑒于此，Ramirez-Noriega Alan開發了基于貝葉斯網絡的推理機，并在實證基礎上得出結論：ITS測試評估比計算機考試和傳統紙質測試更有效[20]。

(六)人工智能對K12教育的影響研究

人工智能對國外K12教育的影響研究主要集中在兩方面：一是教育組織者愈加重視對K12階段學生人工智能知識體系的構建。美國人工智能協會(AAAI)和計算機科學教師協會(CSTA)發起的K12人工智能工作組(AI4K12)建議：K12階段學生應具備語音系統互動能力，體驗過機器視覺，并能對人工智能作出正確認知和判別[21]。在中小學計算機課程教學和框架中引入人工智能相關內容時，要充分構思設計有意義的活動，揭示學生的基本人工智能思想。基于此，Burgsteiner等人開發了一門涵蓋問題解決、數據結構和機器學習等人工智能主題的課程。課程評估結果顯示：參與學生能熟練掌握各種概念和主題，研究者也打算在未來中學科學教育中積極整合人工智能知識理論[22]。二是強調依托人工智能提升中小學課堂互動性、直觀性和趣味性的同時，促進學生思維和技能養成。例如，在高中物理力學課中，Sanchez-Guzman等人采用“安第斯”智能代理來促進學生學習和技能的發展[23]。Sung等人研究了一款互動性極強的戰略性電子編程游戲《森林之友》。與其他教育類編程游戲不同的是，《森林之友》包括人工智能編碼組件，可針對年輕的中學年齡學習者(11—13歲)，讓他們在輕松愉快的非正式環境中完成編程任務——游戲編程部分沒有預設的“標準”答案，旨在提高學生對計算思維技能的理解能力，并建立參與計算機科學的身份認同感[24]。

(七)人工智能在高等教育的應用研究

人工智能變革影響著傳統高等教育的教、學、考、評、管，具體表現在分析與預測、評估與評價、智能輔導系統，以及適應性系統與個性化四個分野[25]。在分析與預測上，為了提前防控高等教育中的未知風險，相關研究提供了人工智能技術組建的早期預警系統，作為識別某些方面存在風險的學生的手段。使用人工智能范式之一的人工神經網絡來表示不同數據集之間復雜、主觀、非線性和未知關系的輟學情況，可主動、持續、準確地識別出容易輟學的學生，并制訂個性化預防或干預方案[26]；在學業成績方面，Howard等人實現了在平均絕對誤差為6.5%的基礎上，合理預測學生期末成績[27]。在評估上，人工智能打破了傳統單一、機械的評估方式，轉而整合多種人工智能算法進行學術評估、教學評估、自動評分和反饋參與，如采取機器學習算法評估學生作業間的相似性[28]，使用數據挖掘算法評估講師的課程表現[29]。智能教學系統作為高等教育階段集中的應用研究之一，除了上述主題討論結果外，Steenbergen-Hu等人通過對39項研究和22種智能輔導系統的評估發現：智能輔導系統雖在提高高等教育教學效果方面不存在顯著優勢，但優于課堂教學、閱讀印刷材料和家庭作業等傳統教學輔導[30]。最后，適應性系統可針對學生的個性化需求，通過高等教育遠程系統開發創建具有適應性的課程[31]。與非適應性網絡學習課程相比，進行適應性學習的學生學習效果和學習成績更佳。

二、國內“人工智能+教育”研究熱點

(一)人工智能促進教育信息化發展

智能化是教育信息化的發展趨勢之一，整合人工智能技術滿足我國教育現代化發展需求已成為廣泛共識。以智慧教育為代表的教育新生態是借助人工智能技術變革教育結構的新系統，也是信息化教育發展的高級形態[32]。2013年起至今，海淀區在智慧教育管理機構改革、頂層設計規劃制訂以及科學管理體系的建立上，加快推進了智慧教育的發展進程[33]。此外，為了深入探討人工智能促進教育信息化及智慧教育發展的具體對策，學者們關注了智慧教學模式、智慧教育生態和智慧學習空間的構建策略：打造“2P-7E-2E”的小學數學智慧教學模型[34]；圍繞高校教育信息化發展的人才培養需求內涵，結合教育教學質量大數據平臺框架，搭建以AI驅動的智慧教育生態[35]；基于虛擬現實、電子書包[36]或“5G+AI”的技術視角實踐，探索智慧學習空間的建設與應用[37]。

(二)智能技術緩解在線教育開展困境

目前，在線教育平臺不斷涌現，在線教育資源日趨豐富。盡管如此，我國在線教育依然面臨困境：一方面，難以釋放以學習者為中心的線上網絡學習空間；另一方面，針對學生的個性化資源重建還有待增強。為此，教育部在《教育信息化“十三五”規劃》中提出，網絡學習空間建設應滿足個性化學習需求，實現“一生一空間、生生有特色”。鑒于此，智能技術成為賦能個性化在線教育的有效途徑。早些年，我國在擴展遠程教育覆蓋范圍之外，就已提出采用Agent技術修復遠程教育智能導學系統的基本邏輯理路。近年來，學界更加重視構筑高智能化和強參與度的個性化學習環境，提出了智慧教育視域下混合式學習空間框架[38]和物理、信息空間等多形態相融通的學習空間建設思路[39]。面對在線教育學習用戶陷入資源迷途等新問題，學者建議采用人工神經網絡算法、蟻群算法等多重智能型算法建立個性化學習路徑推薦模型[40]，充分考慮在線用戶個體的差異性。

(三)“人工智能+”融合構筑新工科改革框架

新工科被看作是應對世界新技術、經濟新常態，培養卓越工程人才的新型教育，智能技術也反作用于新工科，成為推動新工科建設的核心驅動力。面對人工智能技術和新工科變革的雙向擴展，“人工智能+新工科”的概念涌現。對此，學界進一步提出了人工智能技術背景下新工科發展的研究思路：其一，基于人工智能基礎和人工智能共性技術的視角，可開發、重組各類“人工智能+新工科”課程體系。其二，人工智能作為時代衍生的“新”工科專業，人工智能專業人才培養也是新工科背景下學界關注的焦點，需要從學生培養要求、多元化人才培養和新工科教育創新思考三個維度來認識人工智能專業人才培養[41]。例如，徐曉飛等介紹了“哈工大新工科‘Ⅱ型’方案”，對我國高校新工科專業人才培養教育體系發展具有較大的借鑒價值[42]。

(四)創新教育對人工智能發展需要

機器人教育、創客教育和STEM教育是當前國內學者探討智能技術發展下創新教育轉型的關鍵詞，呈現兩兩結合又相互獨立的研究脈絡：首先，創客教育浪潮為機器人教育發展提供了契機，如創客理念支持下的機器人教學模式構建。其次，STEM教育提倡的跨學科思維與機器人教育多學科融合的本質相匹配。最后，機器人教育、創客教育和STEM教育與人工智能技術基本保持兩類關系：一是將人工智能技術視為知識領域，在創客教育、機器人教育和STEM教育中融合相關技術知識開展教學；二是人工智能技術作為外部支撐條件，賦能機器人教育、創客教育和STEM教育，為教與學營造智能化環境。如唐燁偉等人通過設計人工智能技術下的STEM跨學科融合模式，從理論模型上將人工智能技術與STEM教育相結合[43]。針對機器人教育中存在的教學內容單一、缺乏跨學科性、脫離實際生活等問題，吳永和等人以“氪5號”教育機器人在課堂中的應用為例，指出教育機器人在教學中的應用可以在一定程度上幫助學生解決上述難題，激發問題意識[44]。

(五)自適應學習系統延展個性化學習路徑

學習分析技術，從2013年起被認為是未來五年影響生活、工作及教育的關鍵技術。與此同時，教育過程中的一切行為都可被技術轉化為教育數據，采集、處理和挖掘教育數據是實現個性化自適應學習的前提。與國外相似，目前，國內大部分學者也在嘗試將高級分析和深度學習技術應用于識別困難學生和預測學習偏向中。然而，僅依附于學習分析開展學習過程監控，還未充分發揮人工智能技術本體價值。對此，個性化適應性學習作為智慧學習環境的重要組成部分，有開展深入研究的必要性。如黃伯平等人具體比較了AHAM、LAOS、XAHM和WebML四種自適應學習系統參考模式[45]；趙呈領等人總結了適應性學習系統中推薦路徑的三種算法：智能優化算法、數據挖掘算法和基于知識的推薦算法[46]；菅保霞等人從元分析視角探討了自適應學習個性特征模型，并分析了一個能夠實現可見內容個性化自適應調整的學習系統原型——AC Tutor(Adaptive Courseware Tutor)[47]。

(六)智能時代需求引領未來人才培養方向

2018年4月，教育部提出探索“人工智能+X”的跨學科人才培養模式，即未來教育人才培養模式、結構及要求都將隨人工智能的脈動而進行調整和重構，尤其是職業教育更要考慮培養的技能人才有隨時被機械人工智能替代的風險。因此，追蹤產業智能化升級和人才市場新動態，培養適應智能時代的高素質技能人才是職業教育面臨的新命題。對此，國內學者多從技術和經濟發展視角，以人才培養目標、培養模式、教學方式、學科重組和課程建設為錨點，將人工智能發展需求下沉至當代教育中進行考慮。未來職業教育要實現從適應人工智能、應用人工智能到引領人工智能的轉變[48]，以培養生態型、智能型、創新型和復合型人才為目標[49]。為了實現以上定位，張海燕等人提出了指向學生主體，面向智能時代職業崗位需求的職業性特質、信息時代社會交往的社會性特質、個人未來發展的個性化特質的“一體三面”人才培養邏輯框架[50]。

三、國內外“人工智能+教育”研究異同比較

在不同的社會需求背景下，國內外“人工智能+教育”研究主題既有共同指向，又有內涵差異。基于此，通過比較國內外“人工智能+教育”研究異同，能為我國“人工智能+教育”發展提供參考與借鑒。

(一)國內外“人工智能+教育”研究的相同之處

1.高度重視“人工智能+教育”領域研究

從數量上看，國內外近二十年來對“人工智能+教育”研究的文獻貢獻量只增不減，2020年文獻數量達到峰值狀態；從熱點分布上看，國內外聚類效果較好，分別形成相關研究主題，而且每個主題各有特色，又存在技術和功能相互重疊的關系。

2.人才培養戰略重心指向人工智能領域

人工智能作為工業4.0時代的特征正在改變人才培養目標和結構，在K12教育和高等教育方面都分別形成了各自的研究熱點。K12教育一方面注重利用人工智能激發學生學習興趣和提升學習效果；另一方面將人工智能的基本原理、方法作為教學內容培養學生智能素養，以及為高校輸送人工智能專業人才。高等教育階段則強調拓寬人工智能在管理、服務、學術研究、課程資源等方面的應用范圍，為人工智能全面介入高等教育人才培養作好準備。

3.治理準則研究零散，沒有形成單一主題集群

人工智能在教育公平、教育倫理和教育數據隱私等方面的治理問題研究還不夠豐富，中心性和集成度較弱，國內外學者有關該問題的研究占比偏低，現狀分析和策略性建議居多，有待在國際范圍內積極探索“人工智能+教育”治理的規范標準。

4.主題聚焦人工智能技術與教育相互賦能

國內外研究主題又可劃分為兩大板塊：一是將人工智能作為教育改革發展的驅動力，如國外研究的智能虛擬現實、智能教學機器人和智能導師系統熱點類團，以及國內應用智能技術緩解在線教育開展的熱點類團，都是技術賦能教育的具體表現。二是人工智能的再創緊緊依靠教育提供可能。如全球對教育4.0的內涵探討和國內以創新教育迎合人工智能的主題，共同導向了以人工智能作為教學內容培養人工智能人才的教育愿景。

(二)國內外“人工智能+教育”研究的不同之處

1.指導思想與發展路向不同

國外人工智能發展與工業4.0發展動向一脈相承，相應地教育4.0全球框架也致力于創建教育新形態；而國內技術與教育融合以教育信息化為發展脈絡，從傳統教育生態著手，挖掘人工智能變革傳統課堂教育和線上教育的潛力。

2.技術融合敏感程度不同

國內外在智能導師系統、自適應學習系統和智能教育機器人的應用研究方面關注度相當，但國外對新興技術的敏感程度和研究行動力優于我國。比如，國外對人工智能與虛擬現實的融合應用研究已成為一大類團，突顯了國外人工智能技術與虛擬現實技術交互較為頻繁；而國內在技術融合方面暫時沒有集成新關鍵詞，說明跨媒介融合的廣度和深度不夠。

3.機器學習研究思路不同

國內外都傾向于發揮機器學習技術在識別和預測上的優勢，從而在教育管理方面更好地評估學生行為表現。不同的是：國外教育領域對機器學習技術研究的系統性更強，研究不僅包括應用開發，還有理論、算法的深化；而國內目前較少討論機器學習理論基礎，而是將機理問題歸于計算機科學領域，相關研究大多直接上移至基于智能系統的教學模式分析和構建，有待進一步開展實證研究。

4.技術應用價值取向不同

國外無論在K12教育還是高等教育階段，都積極借助人工智能產品和系統預測學生學業動機、激發學生學習興趣，尤其在K12教育階段強調建立學生計算機科學身份認同感；國內各教育階段研究思路則緊緊圍繞未來創新人才培養變革，且集中關注高等教育和職業教育面向人工智能崗位的人才培養。

四、我國“人工智能+教育”研究的發展啟示

綜上所述，當前，國內外正處于人工智能賦能教與學發展的轉型期，同時也是人工智能技術研發的關鍵期，推動“人工智能+教育”深度融合已成為全球持久的戰略布局。未來我國還應該持續突破人工智能在助推學校教育管理、教師專業發展、學生學習和教育評價方面的相關研究。

(一)人工智能助推學校教育管理研究

未來學校將朝著教育資源互享、教育數據互通、多元主體互聯的智能化管理趨勢發展。2019年，中共中央、國務院印發《中國教育現代化2035》，提出了 “建設智能化校園，統籌建設一體化智能化教學、管理與服務平臺”的戰略任務。現有智慧管理服務體系也已在各校初具規模，如南昌大學附屬中學基于IS平臺構成了集校務、教師和學生管理為一體的智慧管理系統[51]；湖南工商大學以可視化的教學資源平臺、教學環境、課堂評估系統、師生畫像系統和信息安全保障平臺搭建智慧教育管理體系[52]。可以說，目前，人工智能在教育管理體系中的應用還處于初級階段，仍存在功能集成度弱、社會參與度低、運行機制有待探索等不足。為符合教育4.0發展的規劃藍圖，未來研究要從技術支撐上打破單一的無紙化辦公、數據庫管理和學業質量監測的技術研究思路，深入探索自然語言處理、眼球追蹤、知識圖譜等技術對多源異構的數據采集，補充完善人工智能在學校教育管理中的情感分析、數據決策等功能缺陷。從研究主體上，要探索融合多元教育管理者的平臺系統設計和應用，實現學校、家庭、社區、政府、企業間的內外聯動，增強人工智能在管理評價反饋中的中介作用。在實踐應用上，要從學校、教師和學生研究視角，科學論證智慧教育管理系統的優勢及不足，審視技術治理在學校教育管理中泄漏師生個人信息的安全問題和倫理風險，積極探索法律策略和治理方案，細化技術治理下智慧教育管理機制研究。

(二)人工智能助推教師專業發展研究

促進人工智能在教師專業發展領域的影響研究，可以進一步幫助教師切實履行人工智能時代的角色擔當。2018年，教育部等五部門印發的《教師教育振興行動計劃(2018—2022年)》強調，要注重教師技術應用的養成，推動云計算、大數據、虛擬現實、人工智能等信息技術與教師教育的有機融合[53]。這充分表明技術變革對教師知識能力結構提出了新的要求和挑戰，也為教師專業發展提供了強有力的支持。目前，學界研究主要聚焦于人工智能時代教師角色轉變探賾，針對教師智能教育素養的理論與實踐探索還不夠深入，教師運用人工智能提升微觀課堂教學質量的實證研究還不夠豐富，挖掘智能技術賦能教師專業發展培訓、研修典型案例還不夠充分。因此，一要加強教師智能教育素養的內涵構建及培養策略研究，包括針對教師人機共教意識、智能知識、智能教學應用能力、智能教育倫理的理論與案例研究，為教師適應“人工智能+”教育場域以及提升教學水平賦予豐富的理論空間，同時探尋國家、地方、學校三位一體的教師智能教育素養形成策略。二要持續迭代研究“教師—智能機器”協同創新提升課堂教學質量的實證案例，探索教師應用智能導師系統、虛擬現實教學系統、學習預測分析系統和自適應學習系統開展高效人機協同課堂教學的有效規律，為幫助一線教師提高智能教育環境下的課堂教學質量提供借鑒與參考，回應人工智能時代教師教學能力新訴求。三要繼續挖掘人工智能賦能教師專業發展高質量培訓研究，助推教師隊伍建設。在培訓模式上，從制訂精準培訓計劃著手，研究人工智能賦能教師個性化發展培訓的實踐向度，借助智能研修平臺構建“U(高校)—G(政府)—S(中小學、幼兒園)—T(技術支持者)”多方聯動的教師培訓模式，助推教師專業發展；在培訓內容和活動上，持續研究利用智能研修平臺獲取、分析、精準計算教師研修學習與日常教學數據，動態調整基于教師個人發展需求的拔高內容和活動；在技術運用上，關注智能虛擬現實在培訓中調動教師學習體驗感的有關研究，利用增強現實、虛擬仿真、視線跟蹤等技術，使教師產生沉浸式和持續性的學習體驗，增強培訓效果，促進教師專業發展。

(三)人工智能助推學生學習研究

人工智能技術正對學生學習場景和學習方式產生著結構性變革，有利于引導個性化學習和培養創新能力。構筑網絡化、數字化、智能化和個性化教育體系的學習型社會，是《教育信息化2.0行動計劃》設立的總體要求。當前，智能導師系統、智能教學機器人、自適應學習平臺等智能設備在實現人機協同、提高學生學習質量、評價學生學習能力上的實踐研究方興未艾，但研究結論各異，缺少實踐指導價值，針對個體的適應性學習難以落實到位。因此，為進一步提升人工智能在提高學生學習效率中的作用，首先，要積極探索人工智能針對不同學段、學科的實際應用研究，獲取多模態數據，以合理配套的智能化教學資源和教學策略促進學生學習。其次，要增強人工智能在學習中的使用時長和地域差異的關系研究，探尋人工智能在不同場域下對學生學習產生持續正向影響的長久策略，如在課堂教學中探索混合現實技術在增強學習體驗、打破時空隔閡上的集成研究。最后，要改變局限于教育學領域的研究現狀，嘗試將教育學與心理學、腦科學等多學科結合，開展跨學科研究，探究人工智能對學生學習影響的個體邏輯。

(四)人工智能助推教育評價研究

積極利用人工智能提高教育評價的科學性、準確性和公平性，是推動我國教育治理現代化發展提質增效的有效途徑。2020年，中共中央、國務院印發《深化新時代教育評價改革總體方案》，提出要“創新評價工具，利用人工智能、大數據等現代信息技術，探索開展學生學習全過程的縱向評價”[54]。基于此，現有研究立足“四個評價”和服務“五類主體”，提出了技術助力教育評價的發展路向，尤其關注人工智能助力更加科學、公正的學生考試評價制度改革，全面綜合素質評價的建設，以及教師教學、科研成果評價和學校質量跟蹤評估。但服務多元主體的評價研究亟待深化，智能教育評價手段也尚待擴展。鑒于此，一要關注基于大數據的智能化教育決策和治理研究，使教育評價貫穿教育管理全過程，提升政府履行評價職責的能力和水平；二要以教師成長檔案數據管理為重心，通過獲取多維數據達成對教師師德師風、教學績效、學生工作和科研水平的評價研究；三要充分研究人工智能助力學生成長性評價、過程性評價、表現性評價和情感評價的技術優勢，賦能學校、教師、家長評價學生成長狀況、行為習慣、情感態度和學業水平。