人工智能技術支撐下高校教學管理改革探究

李曉烽

（福建商學院教務處，福州 350012）

人工智能技術能夠分析處理高校教學大數據，借助算法建立模型，預測學生的學習行為，推薦符合學生個人特點的學習內容，擬合復雜的教學問題，并量化評價教學過程，進而為高等院校革新教學管理方法創造多元化的路徑。文章針對以上情況開展探索和歸納，以期拓展高等教育的發展空間。

1 基于人工智能技術的高校教學管理模式特征

1.1 以教學管理大數據為驅動力

人工智能具有五大核心技術，包括機器學習、自然語言處理、計算機視覺、機器人技術以及生物識別技術，其適用場景各不相同，但都以大數據為驅動力。以機器學習為例，其在高校教學管理中的應用價值體現為自定義教學管理流程、評估教學過程、評價學生表現、優化入學管理等。機器學習利用大數據訓練算法模型，待模型成熟后，再用于分析新數據，預測某種趨勢，形成預測結果。通常隨著數據處理規模的增加，機器學習算法模型的預測效果也會逐步提升，人工智能中的其他技術具有類似的特點[1]。可見，高校教學管理大數據能夠驅動人工智能技術，使其服務于教學管理工作。

1.2 以算法模型為決策邏輯

人工智能的核心決策邏輯為底層的算法模型，其本質為處理特定問題的計算機程序指令，作用方式包括邏輯推理和數值運算，原始數據輸入算法模型，經處理后輸出結果。如國內某高等院校的智慧教室設計了智能考勤系統，依托計算機視覺，由部署在教室前方的攝像頭采集學生圖像，通過人臉識別算法自動判斷在冊學生是否曠課，其處理邏輯為獲取圖像數據→人臉關鍵點定位→人臉矯正對齊→活體檢測→人臉特征提取→特征值對比→輸出識別結果。人工神經網絡常用于構建人臉識別的算法模型，因此，基于人工智能技術的高校教學管理系統以算法模型為決策邏輯。

2 基于人工智能技術的高校教學管理改革

2.1 高校教學管理環境改革

人工智能技術依托于特定的網絡信息化環境，高等院校應根據其實現原理，改革傳統的辦公及教學環境，配置軟硬件基礎設施，為人工智能在教學管理中的應用創造條件。教學環境改革的重點包括以下四個方面。

2.1.1 數據采集終端 數據采集終端用于獲取訓練、檢驗人工智能算法模型的各類大數據，終端類型與人工智能的應用場景密切相關。從數據類型的角度出發，常見的人工智能數據采集終端有兩種。一是影像采集終端。影像數據在高校AI點名、課堂教學效果評價、智慧監考、智慧閱卷中發揮著重要作用。以課堂教學評價為例，傳統的評價方法難以建立量化的指標，學生的專注度、課堂互動性、疲勞度、對課程內容的接受度均不能獲得可靠的數據支撐。但在人工智能時代，算法模型能夠從課堂影像資料中提取特征信息，建立評價指標體系。學生的面部表情、身體姿態、視線為算法提供了判斷依據。引入計算機視覺技術的智慧教室通常要部署全景攝像頭，用于采集教師和學生的課堂影像原始資料，并且攝像頭也是課堂錄播的必要設備[2]。二是聲音采集和播放終端。高等院校的公共基礎課和選修課多采用大班教學制，一堂課的參與學生可達到數百人，授課場所以空間較大的階梯教室為主，因而容易出現聲學信號分布不均的問題，影響部分學生的聽課效果。在智慧教室中可部署電聲采集終端，運用人工智能算法優化聲學信號，調整不同方位的聲學效果。如國內某高等院校投入使用的“聲音大腦”以麥克風陣列、音箱、無線麥、桌面麥為聲音終端，在軟件層面設計了聲環境檢測、數據分析、設備自適應調節等功能，有效地改善了教室內的聲學分布。

2.1.2 通信網絡 由于人工智能以大數據為驅動力，其分析處理的數據類型涵蓋了視頻、語音、圖片、文字、數值，數據體量較傳統網絡系統成倍增加。為保證人工智能應用的穩定性，高校應提升網絡通信速度。根據《教育信息化十年發展規劃（2011—2020年）》的相關要求，高校的網絡帶寬需提升至1 Gbps以上。工業和信息化部于2021年發布的《關于提高高等學校網絡管理和服務質量的通知》，其中要求逐步擴大5G信號對高校的覆蓋，5G的理論峰值傳輸速率可達到10 Gbps，能夠為高校人工智能應用提供穩定的網絡傳輸服務。

2.1.3 數據存儲系統 伴隨大數據和人工智能在高校教學管理中的應用，軟件系統和應用服務對數據存儲規模、響應速度、數據安全的要求逐步提高。當前，云存儲是高校主流的數據存儲方式，具體可分為私有云、公有云以及混合云。科研型高校為保證數據安全性，多采用私有云，其優點為高等院校自主運維服務器，缺點為部署周期長、搭建及維護成本高。公有云由商業化公司提供云存儲服務器，用戶無需購買和運維硬件設備，但缺點為數據安全性相對較低。混合云兼顧公有云和私有云的優點，用戶的重要數據以本地化方式存儲，敏感性較低的應用服務部署在公有云服務器上，有利于降低高校的云存儲使用成本，同時滿足安全性要求。混合云在高校教學管理中具有更大的發展前景。

2.1.4 教學管理應用軟件 人工智能主要用作各類應用和服務的底層處理邏輯，高校的教學管理人員和學生需通過軟件平臺實現人機交互。因此，開發必要的應用軟件是高校教學管理環境的改革重點。目前較為成熟的通用高校教學軟件平臺包括雨課堂、騰訊會議、騰訊科研云、超星學習通等。以騰訊的科研云為例，其中主要提供AI、物聯網及大數據支持，已經與國內部分重點高校建立了合作關系。再如，清華大學和學堂在線共同研發的雨課堂為高校教學管理提供課前—課中—課后全流程服務，該平臺借助大數據和人工智能技術評估學生的日常學習表現、發出預警信息。部分高校技術能力較強，自行開發適用于本校的人工智能教學管理軟件平臺，浙江大學投入應用的“智慧教室3.0”系統集成了云電腦、同步課堂、聲音大腦，依靠算法模型改進課堂環境。在線上教學方面，該校推出了一站式智能教學平臺，具備用戶畫像、預測分析、精準推薦、決策支撐四項智慧功能。平臺于2020年上線，教學效果顯示，在計算機學院人工智能課程的教學中，238名學生的通過率從2019年的95%上升至2020年的98%，80分以上學生占比從82%提升至93%，不及格學生的占比從5%下降到2%。

2.2 高校教學管理模式改革

人工智能技術對傳統的教學管理模式進行了全方位的革新，形成了各種新型教學路徑，師生角色、教學過程、評價方式等均發生了變化，主要有以下三種融合了人工智能技術的新型教學管理模式。

2.2.1 融合人工智能技術的個性化教學模式 該教學模式的實現方法包括三個層面，分別為技術支持、學習路徑、學習活動，如圖1所示。在技術層面需借助教學大數據建立學習任務模型，利用推薦算法向學生推送個性化的學習方法和學習資源，形成符合學生個人特點的電子檔案。其中運用到的人工智能技術包括機器學習、深度學習、自然語言處理等，相關算法從學生的個人學習數據中提取特征信息、構建“學生畫像”，通過大量的數據訓練掌握學生的學習習慣和認知特點，進而對新的學習任務作出預測[3]。融合人工智能技術之后，學生的學習路徑和學習活動呈現出個性化特征。

圖1 融合人工智能技術的個性化教學模式

2.2.2 融合人工智能技術的情境化教學模式 高等院校的部分專業對教學情境具有較高的要求，典型的如外語類專業、市場營銷、醫學類專業，人工智能技術有利于創設貼近現實的復雜情境，形成有效的情境化教學模式，其實現方法如下：（1）由設計者確定真實問題的情境表述，設置情境化課題。（2）針對問題情境開展學情診斷，以情境化的方式提出問題。（3）分析教學管理大數據，區分情境角色，形成角色任務分工。（4）提供情境化的認知工具，支持虛擬仿真。當前，VR技術（虛擬現實）、AR技術（增強現實）、MR技術（混合現實）逐漸應用于高校情境化教學。VR、AR、MR等技術的發展與人工智能存在緊密的聯系，AI能夠實現虛擬對象智能化、交互方式智能化、虛擬現實內容研發智能化，從而促進高校情境教學[4]。（5）通過多元化評價活動進行教學反思和交流互動。（6）收集情境教學的大數據，為改進教學方法提供依據。

2.2.3 融合人工智能技術的混合式教學模式 以人工智能技術為基礎，高等院校在教學管理中可便捷地開展線上線下混合式教學，同時將翻轉課堂融入教學模式中，從而改變傳統教學模式下的師生角色。學生在線下階段自主學習教師指定的內容或者系統推送的內容，在課堂階段開展合作學習或者自主探究，在課后階段進行高階的拓展訓練。人工智能技術用于自動推薦教學內容，構建課前、課中、課后深度學習模式。如華南農業大學利用華為全棧AI開展人工智能技術智慧農業應用導論課程教學，在中國大學慕課的基礎上建立了線上線下混合式教學模式，其線上部分提供課前預習、線上討論、線上作業、線上考試四項功能，線下授課部分涵蓋知識體系、教師答疑、課堂互動。

2.3 高校教學評價改革

傳統的高校課堂教學效果評價包括過程評價和結果評價兩部分，前者主要采用督導評價、同行評價、學生評價，后者通過客觀的考試成績進行量化評價。過程評價中大多以教師和學生的直觀感受為判斷依據，缺乏可靠的數據支撐，因而其評價結果具有一定的主觀性。將人工智能技術引入教學管理工作后，評價方式的客觀性將顯著提升。

2.3.1 人臉及表情識別技術 教師和學生的面部表情承載著豐富的情感及態度信息，通過面部表情能夠判斷學生對課程內容的專注度、喜愛程度、接受程度。部署在智慧教室中的視頻采集終端實時抓拍師生的面部表情信息，從而收集相關的數據源。然后由人工智能技術建立算法模型，從視頻和圖片中提取師生的面部特征信息，利用算法模型檢驗特征值，從而判斷學生當前的情感態度。國內研究人員對人的嘴唇、鼻子、眼睛、眉毛、面部輪廓建立了68個特征點，通過大量的數據訓練形成人臉及面部表情識別模型，人工智能中的圖像識別技術、深度學習技術在這一過程中發揮了關鍵作用。以課堂視頻和圖片資料為分析對象，統計學生在不同時段的聽課狀態，分為傾聽、疑惑、理解、抗拒、不屑等態度，從而以量化的指標評價授課效果。人臉及表情識別技術的核心模塊主要有兩個：一是人臉檢測模塊。人臉檢測相關的算法模型較為豐富，其底層邏輯包括人工神經網絡、卷積神經網絡、分類器、圖像特征、模型可變參數等。該模塊的主要作用是從教學圖像中準確地定位和識別人臉區域，為后續的表情識別創造條件。二是表情識別模塊。該模塊以人臉檢測的結果為分析處理的對象，將學生的心理狀態分為積極和消極兩種，積極心理對應的表情狀態為理解、微笑、疑惑、傾聽等，表明學生對課程內容保持良好的專注度。消極心態包括抗拒、不屑、無反應等，表明學生對課程內容缺乏興趣。具體的識別路徑為確定人臉窗口尺寸、標定人臉特征點、提取面部HOG特征、訓練和檢驗識別模型。

2.3.2 視線追蹤技術 視線反映出學生在線上線下學習時的實際關注區域和關注時長，可作為評價教學過程的重要依據。視線追蹤技術依托于人工智能和硬件設備，能夠準確掌握學生的視線方向和落點。視線追蹤技術實現原理主要包括以下幾方面：一是確定眼動指標。眼睛的基本動作包括注視、眨眼、上下翻動、左右平掃等，教學評價的主要依據為學生對教學內容的關注情況，據此建立的眼動指標涵蓋注視方向、注視總時長、注視次數、平均注視時長。以注視總時長為例，學生對課程內容的關注時間越久，表明課程內容的吸引力越強。因此，眼動指標有利于量化教學過程評價方式。二是采集眼動數據。眼動儀是采集學生眼動數據的常用設備，此類儀器在基礎心理學研究中發揮著重要的作用，由硬件和軟件兩部分組成。在視線追蹤技術中可利用眼動儀采集大量的學生眼動數據源，并對數據進行初步處理，以便訓練和檢驗算法模型[5]。除此之外，將攝像頭拍攝的視頻、照片作為素材，利用人工智能算法分析圖像中的眼睛動態，亦能達到獲取眼動數據的目的。三是關注區域分析。在獲取眼動數據之后，利用算法構建學生視線熱點圖，鎖定集中關注的區域。熱點區域的判斷依據為AOI關注度，其含義為AOI區域的關注時間與總關注時間的比值。

在高等院校的教學評價中可借助視線追蹤技術研究不同內容呈現方式、不同空間位置對學生關注區域的影響。如國內某高校利用該技術對比研究了手機屏幕、傳統板書以及計算機屏幕對學生AOI的影響，觀察對象為20人，學生的手機屏幕平均AOI關注度為0.489 5，計算機屏幕平均AOI關注度為0.697 7，傳統板書平均AOI關注度為0.199。說明這三種呈現方式對學生的吸引力存在較大的差異，當內容呈現方式為電腦屏幕時，學生的關注度最高。

2.4 課程教學方法改革

人工智能技術是分析問題、處理問題的重要工具，有助于促進高校專業課和公共基礎課的教學技術發展，為教師和學生創造模擬復雜、抽象問題的途徑。與此同時，人工智能本身也是當前的熱點學科，其發展速度較快，需借助統計學、函數、解析幾何等數學知識推進算法研究。

2.4.1 借助人工智能技術改革課程教學方法 在教學方法層面，人工智能技術的價值體現為模擬分析特定問題、構建仿真實訓平臺等。如在醫學領域，AI能夠輔助完成藥物挖掘，提升藥物研發的效率，降低藥物研發的成本。人工智能技術在醫學影像學中能夠輔助和代替醫生查閱CT膠片。相關的教學方法已經成為醫學類專業的重要研究方向，并取得了一定的研究成果。

2.4.2 借助人工智能技術開展學科交叉 高校內大量的理工科專業都建立在數據實證的基礎上，人工智能擁有強大的數據分析和計算能力，基于人工智能開展學科交叉逐漸成為重要的教學改革方向。如國內某高校整合了量子感知與智能計算，實現AI與量子科學的交叉。智能AR、智能VR則是將AI與AR、VR進行交叉的新型學科發展方向。

2.5 基于人工智能技術改革高校師生的能力素質要求

《中共中央 國務院關于全面深化新時代教師隊伍建設改革的意見》《教育信息化2.0行動計劃》分別指出應該全面提升教師和學生的信息化素養，人工智能技術下的高校教學管理環境對師生的能力素質產生了較高的要求。

2.5.1 人工智能技術強調教師的數據分析能力 高等院校專業門類豐富，不同院系和專業的教師在信息化應用能力、數據分析能力方面存在較大的差異，文史哲法類專業的任課教師對信息化工具的應用相對較少，數據分析能力較為匱乏。大數據是人工智能技術的驅動力，如果人工智能成為高校的常態化教學管理工具，那么相關軟件平臺對數據的依賴性將顯著提升。對于教師而言，日常教學的重要工作之一為收集各類教學大數據，并借助人工智能平臺開展分析，根據數據分析的結果判斷當前的教學情況。因此，在人工智能時代，高校教師新增了數據分析者的角色，高校教師在人工智能時代應全面提升自身的數據分析能力，加快信息化素質建設。

2.5.2 人工智能技術強調學生的自主學習能力 國家教育信息化改革的重點之一是實現“個性化學習空間人人通”。高等院校的日常教學以線下課堂為主，人工智能技術及平臺主要作為分析學情、推薦自主學習內容、改變教學模式的工具，承載著為學生營造個性化學習空間的重要功能。例如，在打造教育信息化“三通兩平臺”的背景下，“國家高等教育智慧教育平臺”成功上線，匯集了數萬門優秀課程，為廣大高校學生提供了豐富的自主學習資源。高校學生在人工智能背景下應樹立自主學習的意識，具備運用信息化工具開展自主學習的能力，從而全面融入基于人工智能技術的教學管理大環境。

3 結 語

人工智能技術對高校教學管理的改革具有多方面的促進作用[6]。在教學環境方面主要提升終端信息采集能力、網絡通信速度以及教學應用軟件；在教學模式方面可借助AI技術實現個性化教學、混合式教學、情境化教學等；在教學效果評價方面依托AI實現表情識別、視線追蹤以及其他評價技術；教師的數據分析能力和學生的自主學習能力是學生能力素養革新的重點；在學科建設方面可借助AI技術實現學科交叉，創新課程教學方法。