陳凱泉 沙俊宏 何 瑤 王曉芳

（中國(guó)海洋大學(xué) 教育系，山東青島 266100）

人工智能2.0重塑學(xué)習(xí)的技術(shù)路徑與實(shí)踐探索*
——兼論智能教學(xué)系統(tǒng)的功能升級(jí)

陳凱泉 沙俊宏 何 瑤 王曉芳

（中國(guó)海洋大學(xué) 教育系，山東青島 266100）

人工智能（AI）經(jīng)歷了60余年的發(fā)展積累起強(qiáng)大的技術(shù)基礎(chǔ)，近十年來，AI走過計(jì)算智能、感知智能之后，正在迅速向認(rèn)知智能邁進(jìn)，人工智能已從僅被精英小眾群體認(rèn)知與使用的1.0時(shí)代，走進(jìn)被各行各業(yè)大量應(yīng)用的2.0時(shí)代。伴隨自然語言理解、表情識(shí)別、教育大數(shù)據(jù)、虛擬現(xiàn)實(shí)及機(jī)器人等技術(shù)的飛速發(fā)展與應(yīng)用，引入這些技術(shù)之后的新型智能教學(xué)系統(tǒng)，正在對(duì)知識(shí)的表征形式及學(xué)習(xí)過程實(shí)施智能化改造與重塑，并即時(shí)捕捉與感知、分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，自動(dòng)測(cè)評(píng)、學(xué)習(xí)分析、情緒感知、仿真教學(xué)及智能陪伴等成為智能教學(xué)系統(tǒng)的應(yīng)有功能。未來的智能教學(xué)系統(tǒng)將基于大數(shù)據(jù)智能與跨媒體智能協(xié)同，支撐精準(zhǔn)的學(xué)情判斷和科學(xué)的學(xué)習(xí)路徑推薦，教育中的人工智能將走向人機(jī)協(xié)同的增強(qiáng)智能。

人工智能；AI；智能教學(xué)系統(tǒng)；學(xué)習(xí)分析；自然語言理解；虛擬課堂；跨媒體智能

一、引言

1956年，在美國(guó)達(dá)特茅斯學(xué)院（Dartmouth College），麥卡錫（John McCarthy）教授等學(xué)者提出人工智能（Artificial Intelligence，AI）的概念，意指要使機(jī)器像人那樣認(rèn)知、思考和學(xué)習(xí)。正如潘云鶴院士在“全球人工智能高峰論壇”上所言[1]，60余年來，機(jī)器定理證明、機(jī)器翻譯、模式識(shí)別、專家系統(tǒng)博弈、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和機(jī)器人等七個(gè)領(lǐng)域迅速發(fā)展，積累起的技術(shù)基礎(chǔ)支撐起了模擬醫(yī)生、模擬翻譯者、模擬下棋的人，有的技術(shù)還能摸擬人或生物的各種動(dòng)作。

近十年來，伴隨互聯(lián)網(wǎng)的普及、巨量數(shù)據(jù)的形成及人類對(duì)智能化需求的多樣性變化，“通過機(jī)器的學(xué)習(xí)、大規(guī)模數(shù)據(jù)庫(kù)、復(fù)雜的傳感器和巧妙的算法，來完成分散的任務(wù)”成為人工智能的最新定義。人工智能的應(yīng)用者從精英小眾群體開始走向普羅大眾，潘云鶴院士稱此為人工智能2.0時(shí)代的到來[2]，亦有學(xué)者稱其為“人工智能+”時(shí)代[3]。

在人工智能的2.0時(shí)代，人工智能被大量應(yīng)用于經(jīng)濟(jì)、交通、軍事、教育等領(lǐng)域。近幾年，各國(guó)都先后出臺(tái)關(guān)于深化發(fā)展與應(yīng)用人工智能技術(shù)的政策與報(bào)告，如，2016年美國(guó)連續(xù)發(fā)布了《人工智能、自動(dòng)化與經(jīng)濟(jì)》（Artificial Intelligence，Automation，and the Economy）[4]、《為未來人工智能準(zhǔn)備》（Preparing for the Future of Artificial Intelligence）[5]、《美國(guó)人工智能研發(fā)戰(zhàn)略計(jì)劃》（National Artificial Intelligence Research and Development Strategic Plan）[6]等重要報(bào)告，在全球產(chǎn)生了重要影響。2016年9月，斯坦福大學(xué)發(fā)布了《2030年的人工智能與生活》（Artificial Intelligence and Life in 2030），該報(bào)告詳細(xì)闡釋了人工智能在交通、家庭服務(wù)、醫(yī)療保健、教育、社區(qū)、公共安全、就業(yè)及娛樂等八個(gè)方面將產(chǎn)生的深遠(yuǎn)影響及顛覆性變革[7]。

2017年7月8日，我國(guó)國(guó)務(wù)院正式頒布《新一代人工智能發(fā)展規(guī)劃的通知》[8]。該通知明確提出智能教育的概念，并指出：未來要利用智能技術(shù)加快推動(dòng)人才培養(yǎng)模式、教學(xué)方法改革，構(gòu)建包含智能學(xué)習(xí)、交互式學(xué)習(xí)的新型教育體系；要開展智能校園建設(shè)，推動(dòng)人工智能在教學(xué)、管理、資源建設(shè)等全流程應(yīng)用；要開發(fā)立體綜合教學(xué)場(chǎng)及基于大數(shù)據(jù)智能的在線學(xué)習(xí)教育平臺(tái)；要開發(fā)智能教育助理，建立智能、快速、全面的教育分析系統(tǒng)；要建立以學(xué)習(xí)者為中心的教育環(huán)境，提供精準(zhǔn)推送的教育服務(wù)，實(shí)現(xiàn)日常教育和終身教育的定制化。

2017年6月6日-6月9日在瑞士日內(nèi)瓦，聯(lián)合國(guó)召開首次“人工智能峰會(huì)”，該會(huì)議提出人工智能作為工具有幫助人類解決許多問題的潛力，包括建構(gòu)質(zhì)量教育（Quality Education），即用個(gè)性化教學(xué)變革教育[9]?？梢灶A(yù)見，進(jìn)入2.0時(shí)代的人工智能技術(shù)，必將引發(fā)學(xué)習(xí)方式的巨大變革，重塑學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)，并推動(dòng)傳統(tǒng)數(shù)字化教學(xué)系統(tǒng)全方位的智能化升級(jí)與功能重構(gòu)。

二、人工智能2.0驅(qū)動(dòng)學(xué)習(xí)技術(shù)的變革與智能教學(xué)系統(tǒng)的轉(zhuǎn)型升級(jí)

應(yīng)用人工智能技術(shù)變革教學(xué)由來已久，美國(guó)麻省理工學(xué)院人工智能實(shí)驗(yàn)室創(chuàng)始人之一西蒙·派珀特（Seymour Papert）從上世紀(jì)70年代起就開始嘗試應(yīng)用人工智能技術(shù)教授小學(xué)生編程知識(shí)。

傳統(tǒng)意義上的智能教學(xué)系統(tǒng)和智能教學(xué)代理，盡管未被普及應(yīng)用于教學(xué)，但在原型開發(fā)和局部應(yīng)用等方面成果豐富[10-11]。文獻(xiàn)分析和實(shí)踐案例都顯示了近十幾年來，人工智能技術(shù)教育應(yīng)用的主題變化呈現(xiàn)出不斷深化的趨勢(shì)，即，智能教學(xué)系統(tǒng)的智能化內(nèi)涵更趨豐富，實(shí)踐應(yīng)用迅速普及，應(yīng)用形式更為靈活、顯著、多樣。

（一）應(yīng)用人工智能變革學(xué)習(xí)的文獻(xiàn)分析

1.ITS國(guó)際會(huì)議與AIED大會(huì)論文集的內(nèi)容分析

圍繞人工智能的教育應(yīng)用，在國(guó)際上形成了兩個(gè)重要的會(huì)議及一份重要的國(guó)際期刊，這兩個(gè)國(guó)際會(huì)議的論文集內(nèi)容豐富、涵蓋主題全面、研究深入。

（1）由國(guó)際教育人工智能協(xié)會(huì)（International AIED Society）主辦的 “教育中的人工智能大會(huì)”（Artificial Intelligence in Education，AIED）在1983年召開了第一次會(huì)議，此后有所間斷。自1993年開始，每隔一年舉行一次，2017年6月28日至7月2日在中國(guó)武漢，由華中師范大學(xué)承辦舉行了最新一次會(huì)議。

（2）ITS國(guó)際會(huì)議 （International Conference on Intelligent Tutoring System）自 1988年開始，每隔一年召開一次，由美國(guó)國(guó)家科學(xué)基金會(huì)、國(guó)際人工智能協(xié)會(huì) （Association for the Advancement of Artificial Intelligence，AAAI）和國(guó)際教育人工智能協(xié)會(huì)聯(lián)合主辦。到2016年已舉辦到第13屆，該次會(huì)議的主題為“真實(shí)世界中的適應(yīng)性學(xué)習(xí)”（Adaptive Learning in Real World Contexts）[12]。

（3）International Journal of Artificial Intelligence in Education（IJAIE）創(chuàng)刊于1990，是國(guó)際教育人工智能協(xié)會(huì)的會(huì)刊，每年發(fā)刊4期，內(nèi)容聚焦于人工智能教育應(yīng)用中的主要理論問題及實(shí)踐案例分析。

本研究收集、梳理了ITS國(guó)際會(huì)議2006至2016年（6次會(huì)議）、AIED大會(huì)2007至2017年（6次會(huì)議）的全部論文集。這些論文分為兩大類：第一類是關(guān)于深度學(xué)習(xí)理論、自我博弈理論、神經(jīng)網(wǎng)絡(luò)技術(shù)及遺傳算法、邏輯推理與定理證明技術(shù)、自然語言處理技術(shù)、專家系統(tǒng)模型構(gòu)建技術(shù)等純技術(shù)研究的文章；第二類是關(guān)于基于人工智能技術(shù)變革教學(xué)系統(tǒng)的應(yīng)用類論文。

基于研究人工智能教育應(yīng)用的視角，本研究把ITS國(guó)際會(huì)議和AIED大會(huì)論文集中的教育應(yīng)用類論文合并作技術(shù)主題分類統(tǒng)計(jì)，將主題分為以下七類：（1）智能教學(xué)系統(tǒng)（Intelligent Tutor System，ITS）的模型分析；（2）智能教學(xué)代理（Intelligent Pedagogical Agent，IPA） 和教育機(jī)器人（Educational robotics）；（3）智能識(shí)別（Recognition）學(xué)習(xí)者情感及反饋，含表情、手勢(shì)、眼部跟蹤等；（4）自然語言理解（Natural Language Understanding，NLU），含語音、手寫文本、圖形圖像識(shí)別及語義檢索等；（5）應(yīng)用虛擬現(xiàn)實(shí)（Virtual Reality，VR）技術(shù)的仿真實(shí)驗(yàn)環(huán)境及沉浸式學(xué)習(xí)系統(tǒng)；（6）基于游戲（Serious Game）的教學(xué)；（7）大數(shù)據(jù)（Big Data）應(yīng)用。表1為每個(gè)主題在每個(gè)會(huì)議年度的論文篇數(shù)及所占比例。

表1 ITS國(guó)際會(huì)議和AIED大會(huì)AI教育應(yīng)用分技術(shù)主題的論文數(shù)量及占比統(tǒng)計(jì)

從表1可以看出，雖然近十年來有關(guān)智能教學(xué)系統(tǒng)模型分析的論文發(fā)表篇數(shù)變化不大，但所占比例明顯降低，從2006/2007的37%降低到2016/2017的17%；智能教學(xué)代理方面的研究占比有明顯的下降趨勢(shì)；有關(guān)嚴(yán)肅游戲的論文數(shù)量較為穩(wěn)定；有關(guān)智能識(shí)別、自然語言理解和虛擬現(xiàn)實(shí)技術(shù)教育應(yīng)用的論文比重明顯提升，智能識(shí)別類論文從2006/2007的3%增加到2016/2017的19%，自然語言理解論文從2006/2007的6%增加到2016/2017的17%。在對(duì)IJAIE期刊發(fā)表論文的主題分類中同樣發(fā)現(xiàn)，IJAIE在線可查僅有自2013年第4期至2017年第3期的5卷144篇論文，其中智能識(shí)別、自然語言理解、虛擬現(xiàn)實(shí)、教育機(jī)器人等技術(shù)近兩年己逐漸成為AI教育應(yīng)用的熱門話題。

2.應(yīng)用CiteSpace對(duì)WoS數(shù)據(jù)庫(kù)中人工智能變革學(xué)習(xí)主題論文的聚類分析

除了對(duì)以上兩個(gè)會(huì)議和一份期刊開展分析之外，本研究借助CiteSpace引文分析工具，在Web of Science（WoS）核心合集數(shù)據(jù)庫(kù)，檢索了以“artificial intelligence in education”為主題、發(fā)表時(shí)間為2010至2017年 （文獻(xiàn)截止日期為2017年7月17日）的文獻(xiàn)，對(duì)檢索到的270篇英文文獻(xiàn)進(jìn)行了共現(xiàn)分析、關(guān)鍵詞聚類、時(shí)區(qū)分割等可視化操作，繪制知識(shí)圖譜和提取關(guān)鍵詞。以期能夠直觀、量化地呈現(xiàn)有關(guān)“人工智能在教育中的應(yīng)用”這一研究在近年來的演進(jìn)與發(fā)展情況。

關(guān)鍵詞的共現(xiàn)圖譜顯示，關(guān)鍵詞出現(xiàn)詞頻最高的是“artificial intelligence”、“education”及“e-learning”，接下來是“intelligent tutoring system”、“artificial neutral network”、“neutral network”、“design”、“big data”、“genetic algorithm”等，且“big data”、“genetic algorithm”等是進(jìn)入2015年以后才被大量使用。關(guān)鍵詞的聚類分析結(jié)果如表2所示，信度較高 （0.7＜Silhouette＜1）的聚類有八個(gè)，另有“fault detection”和“expert system”信度達(dá)到0.69。

表2 應(yīng)用AI變革學(xué)習(xí)的文獻(xiàn)（WoS 2010-2017）關(guān)鍵詞聚類

對(duì)各聚類下的文獻(xiàn)內(nèi)容分析顯示，在應(yīng)用人工智能變革學(xué)習(xí)方式的研究中，以下七類主題的文獻(xiàn)近年來發(fā)表數(shù)量顯著增加：（1）智能代理（Intelligent Agent）與自主學(xué)習(xí)（Self-regulated Learning）；（2）智能教學(xué)系統(tǒng)（Intelligent Tutoring System）與專家系統(tǒng)（Expert System）；（3）學(xué)習(xí)數(shù)據(jù)分析（Learning Data Analysis）；（4）眼部跟蹤（Eye Tracking）和面部表情識(shí)別（Facial Expression Recognition）等智慧感知技術(shù)的探索應(yīng)用；（5）基于游戲（Serious Game）教學(xué)系統(tǒng)；（6）應(yīng)用虛擬現(xiàn)實(shí)（Virtual Reality）技術(shù)構(gòu)建仿真實(shí)驗(yàn)環(huán)境；（7）應(yīng)用教育機(jī)器人（Educational robotics）作為學(xué)習(xí)者的學(xué)習(xí)伙伴。

（二）人工智能發(fā)展的技術(shù)內(nèi)涵與教育應(yīng)用實(shí)踐的演進(jìn)

1.三類人工智能的技術(shù)內(nèi)涵

人工智能的發(fā)展經(jīng)歷過三次大浪潮，分別是始于上世紀(jì)50年代的計(jì)算智能時(shí)代、始于上世紀(jì)80年代的感知智能時(shí)代及進(jìn)入21世紀(jì)以來的認(rèn)知智能時(shí)代[13]。這三代技術(shù)的發(fā)展并非孤立發(fā)展、截然分開，計(jì)算智能為感知智能的發(fā)展提供基礎(chǔ)，計(jì)算智能與感知智能發(fā)展到一定階段后協(xié)同支撐認(rèn)知智能的發(fā)展。

（1）計(jì)算智能在于迅速讀取、處理與分析結(jié)構(gòu)化或半結(jié)構(gòu)化的數(shù)據(jù)。目前，計(jì)算機(jī)的計(jì)算智能已經(jīng)較為成熟并且遠(yuǎn)超人類。計(jì)算智能是受到人類智慧的啟發(fā)而設(shè)計(jì)出來的一類算法的總稱，主要用于解決在科學(xué)研究和工程實(shí)踐中碰到的異常復(fù)雜的計(jì)算問題。這些問題復(fù)雜度高、計(jì)算耗時(shí)長(zhǎng)、精度要求高，如，大規(guī)模并行計(jì)算、仿真計(jì)算、模型求解等都需要依靠計(jì)算智能來完成。

（2）感知智能主要體現(xiàn)為借助語音識(shí)別、圖像識(shí)別、手勢(shì)識(shí)別等技術(shù)，對(duì)現(xiàn)實(shí)世界的信息進(jìn)行采集與辨別。谷歌公司的Siri助手、國(guó)內(nèi)科大訊飛公司的語音測(cè)評(píng)系統(tǒng)等，都已經(jīng)在語音識(shí)別上表現(xiàn)出強(qiáng)大的優(yōu)勢(shì)。由牛津大學(xué)人工智能實(shí)驗(yàn)室、谷歌DeepMind和加拿大高等研究院 （CIFAR）于2016年11月聯(lián)合發(fā)表的論文顯示，使用了人工智能技術(shù)的唇讀系統(tǒng)LipNet能將視頻中人物的嘴巴活動(dòng)與臺(tái)詞匹配，準(zhǔn)確率高達(dá)95.2%，而人類可以達(dá)到的唇語解讀正確率一般在20%，最高值僅有57.3%[14]。

（3）認(rèn)知智能是在感知智能的基礎(chǔ)上向前邁進(jìn)一步，即，不僅僅能夠感知與判斷語音、圖像及手勢(shì)，而且具備深度學(xué)習(xí)的能力，能讀懂語義、圖像及手勢(shì)的內(nèi)在含義，能判斷出發(fā)言者的觀點(diǎn)、遣詞造句的習(xí)慣、情感態(tài)度，具備判斷與學(xué)習(xí)的能力。眾所周知的AlphaGo戰(zhàn)勝圍棋冠軍柯潔就是認(rèn)知智能的典型體現(xiàn)。具備了認(rèn)知智能的計(jì)算機(jī)，能判斷并學(xué)習(xí)包括柯潔在內(nèi)的眾多圍棋高手的下棋策略，能在系統(tǒng)內(nèi)部不斷自我博弈，基于此，大幅提升自身下棋水平，其認(rèn)知與學(xué)習(xí)能力是戰(zhàn)勝人類的關(guān)鍵。

2.人工智能教育應(yīng)用實(shí)踐的演進(jìn)

人工智能應(yīng)用于教育教學(xué)是伴隨計(jì)算智能、感知智能與認(rèn)知智能這三類智能技術(shù)的發(fā)展而逐漸被引入各類教學(xué)系統(tǒng)。傳統(tǒng)的智能教學(xué)師系統(tǒng)（ITS）和智能教學(xué)代理（IPA）主要應(yīng)用計(jì)算智能技術(shù)，根據(jù)預(yù)先建構(gòu)好的知識(shí)模型、教師模型、學(xué)生模型，在學(xué)習(xí)者的學(xué)習(xí)過程中判斷其碰到的問題，并及時(shí)給予提醒或反饋。

從一定程度上而言，導(dǎo)師（Tutor）或代理（Agent）都體現(xiàn)為一種智能陪伴（Intelligent Companions），但智能化程度較低。在ITS與IPA中，導(dǎo)師或代理所能感知或捕捉到的信息、數(shù)據(jù)主要表現(xiàn)為三個(gè)方面：一是知識(shí)點(diǎn)的類型、難度及與其他知識(shí)之間關(guān)系，即知識(shí)模型（Knowledge Model）；二是學(xué)習(xí)者業(yè)已經(jīng)歷過的學(xué)習(xí)過程和表現(xiàn)出的學(xué)習(xí)風(fēng)格，即學(xué)生模型（Student Model）；三是在教師模型中預(yù)先設(shè)定的教學(xué)策略，即教學(xué)模型（Pedagogy Model）。顯然，這三類信息或數(shù)據(jù)中僅有學(xué)習(xí)者的學(xué)習(xí)經(jīng)歷是一個(gè)動(dòng)態(tài)變化的數(shù)據(jù)庫(kù)，除此之外的知識(shí)模型、學(xué)習(xí)者學(xué)習(xí)風(fēng)格、教學(xué)策略等都預(yù)先存儲(chǔ)于系統(tǒng)，所以，ITS和IPA對(duì)學(xué)習(xí)者特征、知識(shí)特性等的理解力與判斷力都嚴(yán)重不足。正因?yàn)槿绱?，盡管傳統(tǒng)意義的智能教學(xué)系統(tǒng)和智能教學(xué)代理已經(jīng)顯現(xiàn)出智能化特征，但此類教學(xué)系統(tǒng)普遍較為僵化，這兩類系統(tǒng)的應(yīng)用普及程度一直不高。

北京大學(xué)賈積有的研究顯示，智能代理技術(shù)和自然語言處理是2010年之前的三年中人工智能教育應(yīng)用領(lǐng)域最為關(guān)注的兩個(gè)問題[15]。但從2010年至今，人工智能的發(fā)展取得了顯著成就，李德毅院士稱此為“人工智能在奔跑”[16]；同時(shí)，人工智能在教育中的應(yīng)用更趨多樣化。美國(guó)白宮發(fā)布的報(bào)告《為未來的人工智能做準(zhǔn)備》指出，在圖像識(shí)別領(lǐng)域，2011年人工智能技術(shù)的錯(cuò)誤率高達(dá)26%，但到了2015年，人工智能技術(shù)的錯(cuò)誤率僅有3.5%，已然低于人類5%的錯(cuò)誤率。也就是說，如果交由兩個(gè)個(gè)體對(duì)圖像進(jìn)行識(shí)別，根據(jù)錯(cuò)誤率我們已經(jīng)無法區(qū)分究竟這兩個(gè)個(gè)體是人還是人工智能體所做的圖像識(shí)別。

更為可喜的是，這種圖像識(shí)別能力已被應(yīng)用于教學(xué)當(dāng)中。如，手機(jī)應(yīng)用“學(xué)霸君”APP可以把學(xué)生用手機(jī)拍下的難題迅速上傳到云端并形成清晰的題目文本，然后這個(gè)軟件根據(jù)識(shí)別出的文本開展網(wǎng)絡(luò)搜索，并迅即反饋出這道題的答案及解題思路。圖像識(shí)別技術(shù)的發(fā)展是人工智能技術(shù)發(fā)展的一個(gè)縮影，近年來，其它如語音識(shí)別、語義識(shí)別、表情識(shí)別、眼部跟蹤等技術(shù)的發(fā)展同樣突飛猛進(jìn)。所以，當(dāng)人工智能從狹義的計(jì)算智能向感知智能、認(rèn)知智能等強(qiáng)人工智能迅速轉(zhuǎn)型之后，人工智能的教育應(yīng)用變得豐富并走進(jìn)了普通大眾。

英國(guó)《每日郵報(bào)》2016年5月10日曾報(bào)道美國(guó)佐治亞理工學(xué)院 （Georgia Institute of Technology）的機(jī)器人助教代替人類助教與學(xué)生在線溝通交流竟無學(xué)生發(fā)現(xiàn)[17]，這說明了人工智能教育應(yīng)用的潛力。雖然當(dāng)前人工智能對(duì)教育的影響遠(yuǎn)低于人類對(duì)人工智能的功能預(yù)期，但業(yè)已應(yīng)用的一些人工智能技術(shù)，的確深刻影響了學(xué)習(xí)者的學(xué)習(xí)體驗(yàn)。

表3所示的是近年來人工智能教育應(yīng)用的部分美國(guó)案例。此外，英國(guó)的EZ Education公司開發(fā)的DoodleMaths[18]影響也較大，該款應(yīng)用主要用于測(cè)試小學(xué)生的數(shù)學(xué)學(xué)習(xí)情況，印度、芬蘭等國(guó)也開發(fā)成功為數(shù)不少的基于人工智能技術(shù)的教育應(yīng)用系統(tǒng)?？拼笥嶏w公司在人工智能方面有較為強(qiáng)大的技術(shù)儲(chǔ)備，該公司開發(fā)的暢言智能語音（雙語）教學(xué)系統(tǒng)是針對(duì)中小學(xué)英語、語文教學(xué)需求，利用智能語音技術(shù)開發(fā)的新型智能教學(xué)工具[19]。

綜合以上文獻(xiàn)、技術(shù)分析及對(duì)實(shí)踐的審視，我們可以看出，近十年來人工智能的教育應(yīng)用一直在蓬勃發(fā)展，研究主題因應(yīng)AI技術(shù)的發(fā)展發(fā)生著顯著變遷。其研究領(lǐng)域不再局限于智能教學(xué)系統(tǒng)的模型分析、智能教學(xué)代理和游戲教學(xué)，而更為關(guān)注學(xué)習(xí)過程數(shù)據(jù)的收集、處理與應(yīng)用。智能識(shí)別、自然語言理解、學(xué)習(xí)分析、虛擬現(xiàn)實(shí)、教育機(jī)器人等五類人工智能技術(shù)被大量引入教學(xué)系統(tǒng)，使傳統(tǒng)數(shù)字化教學(xué)系統(tǒng)、一系列的在線學(xué)習(xí)平臺(tái)及MOOC平臺(tái)等不僅實(shí)現(xiàn)了學(xué)習(xí)資源呈現(xiàn)、作業(yè)批改與答疑、學(xué)習(xí)社區(qū)構(gòu)建、支持交互協(xié)作等功能，還能夠在應(yīng)用AI之后對(duì)知識(shí)與內(nèi)容的表征形式實(shí)行智能化改造，并即時(shí)捕捉與感知、分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)。

表3 美國(guó)人工智能教育應(yīng)用的案例梳理

三、智能識(shí)別技術(shù)催生智能教學(xué)系統(tǒng)的自動(dòng)化測(cè)評(píng)和情緒感知功能

人工智能的發(fā)展一直指向?qū)θ祟愋畔⒌墨@取與理解，如表3中的微軟小冰、IBM的Watson、蘋果的Siri等，都具備很高的自然語言理解能力。

近年來，基于人工智能的信息獲取與識(shí)別技術(shù)不斷涌現(xiàn)，這些技術(shù)催生了圖1所示的人工智能2.0時(shí)代新型智能教學(xué)系統(tǒng)的構(gòu)建與運(yùn)行模型。

圖1 人工智能2.0時(shí)代智能教學(xué)系統(tǒng)的構(gòu)建與運(yùn)行模型

從圖1可以看出，教學(xué)策略模型、學(xué)習(xí)者模型、知識(shí)模型這三者依然是新型智能教學(xué)系統(tǒng)的基本組件。在傳統(tǒng)教學(xué)系統(tǒng)中被關(guān)注較少的語音信息、圖像信息及非機(jī)打文本信息、學(xué)習(xí)者表情、手勢(shì)等表達(dá)情感的信息，進(jìn)入到新型智能教學(xué)系統(tǒng)的視域。除了傳統(tǒng)的智能推理引擎，新增加智能信息感知與識(shí)別引擎基于ITS基本組件的需求，能捕捉、識(shí)別各類媒體信息及人體的各種數(shù)據(jù)，智能推理引擎在完成數(shù)據(jù)分析、模型重構(gòu)、決策生成等工作的同時(shí)，通過多模態(tài)反應(yīng)生成器以多種類型的信息為用戶提供反饋。

（一）應(yīng)用語音識(shí)別與圖像識(shí)別技術(shù)完成自動(dòng)化教學(xué)測(cè)評(píng)

1.語音識(shí)別支撐自動(dòng)化語言學(xué)習(xí)測(cè)評(píng)

人工智能技術(shù)家族中的語音識(shí)別技術(shù)發(fā)展迅速，以谷歌的Siri為代表的語音識(shí)別工具近年來層出不窮；科大訊飛和51talk等公司開發(fā)出的語音測(cè)評(píng)軟件也能實(shí)現(xiàn)用戶跟讀，并對(duì)發(fā)音的正確性做出評(píng)估；Siri作為蘋果手機(jī)上的一項(xiàng)典型應(yīng)用，具備識(shí)別用戶、收發(fā)短信、尋找聯(lián)系人、定位、搜索、翻譯等諸多功能，這在極大程度上提升了手機(jī)與人交互的流暢性，并在一定程度上實(shí)現(xiàn)了手機(jī)對(duì)用戶的自然語言理解。這些技術(shù)被引入教學(xué)系統(tǒng)后，使教學(xué)系統(tǒng)與學(xué)習(xí)者之間的交互便捷性提升顯著，自動(dòng)批改作業(yè)、自動(dòng)教學(xué)測(cè)評(píng)等應(yīng)用被相繼開發(fā)出來。

在語言類課程中，學(xué)習(xí)者將有關(guān)課文朗讀、英語發(fā)音的作業(yè)或練習(xí)以音頻形式提交以后，教學(xué)系統(tǒng)能借助語音識(shí)別技術(shù)，迅速對(duì)學(xué)習(xí)者的學(xué)習(xí)狀況做出評(píng)估，進(jìn)而提出修正建議。反之，如果由教師獨(dú)立開展此項(xiàng)工作，所耗費(fèi)時(shí)間很長(zhǎng)，對(duì)語音辨別的準(zhǔn)確性不足。因此，語音識(shí)別技術(shù)的引入，有助于提升教師對(duì)學(xué)習(xí)者學(xué)習(xí)情況進(jìn)行評(píng)估的有效性，學(xué)習(xí)者所獲得自動(dòng)化評(píng)估或測(cè)評(píng)有助于其對(duì)自我形成更科學(xué)的評(píng)價(jià)。

2.圖像及非機(jī)打文本語義識(shí)別技術(shù)促進(jìn)寫作教學(xué)測(cè)評(píng)的自動(dòng)化

圖像識(shí)別技術(shù)近幾年的發(fā)展成果豐碩，該技術(shù)不僅可對(duì)清晰的機(jī)打文本做出準(zhǔn)確的識(shí)別，而且對(duì)較為模糊的非機(jī)打文本、手寫文本也已經(jīng)達(dá)到較高的識(shí)別準(zhǔn)確率。如，語義識(shí)別在寫作教學(xué)中的應(yīng)用已頗具實(shí)效，來自美國(guó)亞利桑那州立大學(xué)（ArizonaState University）的Jennifer等人開發(fā)了一套訓(xùn)練學(xué)習(xí)者寫作能力的智能輔導(dǎo)系統(tǒng)[34]。該系統(tǒng)包含一個(gè)名為The Writing Pal的寫作指導(dǎo)策略模型，系統(tǒng)為學(xué)生提供一個(gè)話題，學(xué)生可以根據(jù)自己的真實(shí)經(jīng)驗(yàn)或真實(shí)世界中的客觀事物展開寫作。例如，系統(tǒng)要求學(xué)生寫作的一個(gè)主題是：在達(dá)成目標(biāo)的過程中合作與競(jìng)爭(zhēng)的關(guān)系，并探討如果想獲得更大的成就，需要更多的合作還是競(jìng)爭(zhēng)。

該系統(tǒng)還為學(xué)生提供包括九個(gè)策略模塊的協(xié)作策略指導(dǎo)：隨筆、計(jì)劃、引入寫作、正文寫作、結(jié)論寫作、核心論點(diǎn)寫作和評(píng)論修改。系統(tǒng)會(huì)在學(xué)生寫作初期給學(xué)生展現(xiàn)一段5-10分鐘的視頻，學(xué)生看完視頻后接受一個(gè)小測(cè)驗(yàn)，以測(cè)試學(xué)生對(duì)視頻中講解到的寫作策略的理解程度。學(xué)生根據(jù)這些策略建議初步寫成一篇觀點(diǎn)清晰的文章框架，然后修改得更為精確細(xì)致。系統(tǒng)追蹤檢測(cè)學(xué)生的寫作學(xué)習(xí)情況，如果學(xué)生沒有完成該寫作策略的學(xué)習(xí)，則不會(huì)進(jìn)入下一階段的學(xué)習(xí)。該系統(tǒng)為學(xué)生提供豐富的游戲?qū)懽鲌?chǎng)景，讓學(xué)習(xí)參與到真實(shí)情景的協(xié)作中，系統(tǒng)應(yīng)用語義識(shí)別技術(shù)對(duì)學(xué)生的寫作內(nèi)容進(jìn)行自動(dòng)評(píng)分反饋，并提出有針對(duì)性的修改意見。

（二）表情與手勢(shì)識(shí)別、眼動(dòng)跟蹤等技術(shù)支持智能教學(xué)系統(tǒng)完成情緒感知

人工智能不僅要聽懂人類的聲音，而且要“察言觀色”，還要感知人類的情感與態(tài)度。在這方面，人臉識(shí)別、眼動(dòng)跟蹤、手勢(shì)識(shí)別等技術(shù)的發(fā)展日新月異。試想一下，如果教學(xué)系統(tǒng)對(duì)一個(gè)面部表情充滿了厭倦、排斥等情感因素的學(xué)生，還在不斷推送難度很大的學(xué)習(xí)材料，那顯然不能促進(jìn)有效學(xué)習(xí)的發(fā)生。具備情緒感知功能的教學(xué)系統(tǒng)可以及時(shí)調(diào)整推送的教學(xué)內(nèi)容的難度，甚至可以增加教學(xué)內(nèi)容的趣味性及提升學(xué)習(xí)低難度學(xué)習(xí)材料的學(xué)習(xí)成就感，這就避免了學(xué)習(xí)的倦怠或者學(xué)習(xí)過程的中止。

1.識(shí)別面部表情分析學(xué)習(xí)者學(xué)習(xí)結(jié)果

來自美國(guó)北卡羅來納州立大學(xué) （North Carolina State University）的 Alexandria等人發(fā)現(xiàn)[35]，通過識(shí)別、收集及應(yīng)用學(xué)習(xí)者的學(xué)習(xí)行為、面部表情等數(shù)據(jù)，可以有效地預(yù)測(cè)及調(diào)整學(xué)習(xí)者的學(xué)習(xí)結(jié)果。該研究被應(yīng)用于一套Java編程學(xué)習(xí)系統(tǒng)之中，學(xué)習(xí)界面包含任務(wù)描述窗口、學(xué)習(xí)者的Java代碼編寫窗口、程序編譯與執(zhí)行輸出窗口、輔導(dǎo)教師與學(xué)習(xí)者對(duì)話交流的文本窗口，借助該系統(tǒng)可實(shí)現(xiàn)師生同步交流。作為一項(xiàng)實(shí)驗(yàn)研究，該研究選擇了5名人類導(dǎo)師和來自美國(guó)平均年齡為18.5歲的67名大學(xué)生，在收集數(shù)據(jù)時(shí)采用了Kinect深度相機(jī)（檢測(cè)姿勢(shì)和手勢(shì)）、一個(gè)集成的網(wǎng)絡(luò)攝像頭（觀測(cè)面部表情）以及皮膚電傳導(dǎo)手鐲 （檢測(cè)皮膚電傳導(dǎo)活動(dòng)）（如圖2所示），每個(gè)學(xué)習(xí)者在學(xué)習(xí)之前和學(xué)習(xí)之后都要經(jīng)過成績(jī)測(cè)評(píng)。

圖2 收集學(xué)習(xí)者手勢(shì)、面部表情的智能教學(xué)系統(tǒng)

在學(xué)習(xí)過程中，導(dǎo)師與學(xué)習(xí)者之間對(duì)話的每條語句都經(jīng)過自動(dòng)注釋標(biāo)記，導(dǎo)師所提問題基本都是要求學(xué)生進(jìn)行推理的問題，由此激發(fā)學(xué)生回顧先前所學(xué)知識(shí)并喚醒過去的學(xué)習(xí)經(jīng)驗(yàn)。該系統(tǒng)對(duì)面部表情的偵測(cè)包括眉毛高低、嘴角的上揚(yáng)/下壓、唇線的緊閉程度等，皮膚電傳導(dǎo)出學(xué)生心跳波圖及相位變化；該相位是指學(xué)生在接受刺激時(shí)波形的變化峰值。圖3是應(yīng)用攝像頭所采集到的部分學(xué)生的面部表情圖。

圖3 學(xué)生的四個(gè)典型表情

在圖3中顯示了該研究應(yīng)用網(wǎng)絡(luò)攝像頭在預(yù)測(cè)模型中采集的四個(gè)典型表情：A圖額頭下壓和B圖上眼瞼抬高與學(xué)習(xí)者成績(jī)呈正向相關(guān)；A圖表示在短時(shí)間內(nèi)的混亂與挫折感；B表情與集中注意力有關(guān)，表示學(xué)習(xí)者可能正在進(jìn)行批判思考以解決實(shí)際問題；C圖嘴角下壓通常與挫折感相關(guān)，代表對(duì)學(xué)習(xí)成績(jī)負(fù)向預(yù)判；D圖與沮喪情緒相關(guān)，嘴部放松可以對(duì)學(xué)習(xí)成績(jī)作正向預(yù)判，當(dāng)嘴唇緊閉時(shí)對(duì)成績(jī)有負(fù)向影響。

圖4是一位學(xué)習(xí)者在回答“How can you fix your code?”這個(gè)問題提出后，三秒鐘時(shí)間內(nèi)被捕捉到的表情。該表情是與成績(jī)正向相關(guān)的圖像，與教學(xué)系統(tǒng)中該學(xué)習(xí)者完成的問題回答相吻合。經(jīng)過Ledalab（開源的Matlab軟件）等軟件對(duì)學(xué)習(xí)者面部表情及皮膚電變化數(shù)據(jù)的分析，結(jié)果顯示：學(xué)習(xí)者的面部表情與皮膚電傳導(dǎo)反應(yīng)可以用于預(yù)測(cè)學(xué)習(xí)效果，未來植入面部表情識(shí)別功能的教學(xué)系統(tǒng)可以在發(fā)現(xiàn)學(xué)習(xí)者的困惑時(shí)，提供相對(duì)應(yīng)的指導(dǎo)幫助。

圖4 學(xué)習(xí)者被提問后三秒內(nèi)的面部表情

2.跟蹤眼動(dòng)數(shù)據(jù)判定學(xué)習(xí)者模型

人工智能除了識(shí)別學(xué)習(xí)者的面部表情，還可以從學(xué)習(xí)者的眼動(dòng)數(shù)據(jù)跟蹤中，分析學(xué)習(xí)者的學(xué)習(xí)興趣、內(nèi)容偏好等。來自英國(guó)坎特伯雷大學(xué)（University of Canterbury）的Antonija Mitrovic等人開發(fā)了一個(gè)被稱為EER-Tutor的智能輔導(dǎo)系統(tǒng)[36]，用于獲取開放學(xué)習(xí)者模型（Open Student Model，OSM），此處的開放學(xué)習(xí)者模型被定義為學(xué)習(xí)者如何看待其正在學(xué)習(xí)的知識(shí)，智能教學(xué)系統(tǒng)正是依據(jù)這個(gè)學(xué)習(xí)者模型來判別每個(gè)學(xué)習(xí)者的學(xué)習(xí)情況，然后做進(jìn)一步的教學(xué)輔助。在這項(xiàng)研究中，學(xué)習(xí)者模型的形成依賴于系統(tǒng)對(duì)學(xué)習(xí)者眼動(dòng)數(shù)據(jù)的跟蹤，圖5所示是在該研究中某位被試學(xué)生的眼動(dòng)數(shù)據(jù)圖，被試者對(duì)某一概念的凝視時(shí)間越長(zhǎng)，節(jié)點(diǎn)越大。

圖5 學(xué)習(xí)者眼動(dòng)數(shù)據(jù)跟蹤結(jié)果

Antonija Mitrovic等人研究發(fā)現(xiàn)，每位學(xué)習(xí)者對(duì)呈現(xiàn)在屏幕上內(nèi)容的凝視時(shí)間差異顯著。這項(xiàng)研究選擇了來自新西蘭坎特伯雷大學(xué)大二數(shù)據(jù)庫(kù)課程的17名本科生，使用Tobii TX300眼球數(shù)據(jù)追蹤儀跟蹤、測(cè)試學(xué)生的內(nèi)容關(guān)注點(diǎn)、關(guān)注時(shí)長(zhǎng)等數(shù)據(jù)。

智能教學(xué)系統(tǒng)通過語音識(shí)別、圖形圖像識(shí)別、表情及手勢(shì)識(shí)別等多種形式捕捉、感知學(xué)習(xí)過程和學(xué)習(xí)狀態(tài)。然后ITS又根據(jù)這些數(shù)據(jù)更新學(xué)習(xí)者模型，在后續(xù)學(xué)習(xí)過程中，會(huì)相應(yīng)地給不同學(xué)生呈現(xiàn)不同教學(xué)內(nèi)容。同時(shí)，ITS給學(xué)生提供的反饋也走向多模態(tài)化，新型智能教學(xué)系統(tǒng)亦能綜合應(yīng)用自然語言表達(dá)、文本顯示、預(yù)制的動(dòng)畫或視頻等多種形式，為學(xué)生提供人性化的生動(dòng)反饋。

四、學(xué)習(xí)分析技術(shù)推動(dòng)智能教學(xué)系統(tǒng)支撐個(gè)性化學(xué)習(xí)

在人工智能2.0時(shí)代，基于大數(shù)據(jù)的學(xué)習(xí)分析技術(shù)，智能教學(xué)系統(tǒng)對(duì)非結(jié)構(gòu)化數(shù)據(jù)的分析能力和基于不完整數(shù)據(jù)做出決策的能力，都得到大幅提升。教育數(shù)據(jù)的捕捉已經(jīng)達(dá)到非常精細(xì)的顆粒度，來自悉尼大學(xué)的學(xué)者已經(jīng)應(yīng)用可觸摸屏幕來捕捉協(xié)作學(xué)習(xí)中每個(gè)小組、每個(gè)成員的學(xué)習(xí)表現(xiàn)[37]。教師采用儀表盤（Dashboard）的形式，能非常清晰的看到協(xié)作小組的學(xué)習(xí)活動(dòng)是否與課程目標(biāo)一致、學(xué)習(xí)者是否需要及時(shí)干預(yù)?？傮w而言，學(xué)習(xí)分析被用于學(xué)習(xí)評(píng)估、學(xué)習(xí)預(yù)測(cè)及教與學(xué)的優(yōu)化[38]，基于人工智能的學(xué)習(xí)分析為實(shí)現(xiàn)更為科學(xué)的個(gè)性化學(xué)習(xí)、個(gè)性化診斷、個(gè)性化反饋及因材施教提供了可能。

（一）學(xué)習(xí)分析技術(shù)引發(fā)學(xué)習(xí)者模型、知識(shí)模型及教學(xué)策略的轉(zhuǎn)型

1.學(xué)習(xí)者模型（Learner Model）的轉(zhuǎn)型

與傳統(tǒng)的智能教學(xué)系統(tǒng)和智能教學(xué)代理進(jìn)行比較可以發(fā)現(xiàn)，在傳統(tǒng)智能教學(xué)系統(tǒng)中，學(xué)生模型的形成主要采取如下方式：首先，教師或系統(tǒng)開發(fā)者預(yù)先設(shè)定學(xué)生的眾多學(xué)習(xí)風(fēng)格，如，先在學(xué)習(xí)管理系統(tǒng)（Learning Management System，LMS）中根據(jù)菲爾德（Felder）和西爾弗曼（Silverman）的學(xué)習(xí)風(fēng)格模型選定學(xué)習(xí)風(fēng)格的分類[39]；然后，在學(xué)習(xí)者開始學(xué)習(xí)之前進(jìn)行問卷式的評(píng)測(cè)；最后，根據(jù)問卷評(píng)測(cè)結(jié)果選定學(xué)生的學(xué)習(xí)風(fēng)格[40-41]。

顯而易見，根據(jù)簡(jiǎn)單的問卷評(píng)測(cè)并不能對(duì)學(xué)生的學(xué)習(xí)風(fēng)格做出準(zhǔn)確評(píng)測(cè)，傳統(tǒng)智能教學(xué)系統(tǒng)對(duì)學(xué)習(xí)者學(xué)習(xí)風(fēng)格的選定策略，是在無法獲取學(xué)習(xí)者大量學(xué)習(xí)過程數(shù)據(jù)情況下的權(quán)宜之計(jì)。隨著教育大數(shù)據(jù)概念的深入人心，各類教學(xué)系統(tǒng)的數(shù)據(jù)收集與分析能力得到大幅度提高，學(xué)習(xí)管理系統(tǒng)有能力鑒別出學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、媒體偏好、興趣、認(rèn)知水平，并根據(jù)學(xué)習(xí)的進(jìn)展，逐漸調(diào)整對(duì)學(xué)習(xí)者的判定[42]。因此，學(xué)習(xí)者模型的形成范式正在從預(yù)設(shè)式向生成式轉(zhuǎn)型，如，著名的兒童教育內(nèi)容制作公司芝麻街（SESAME STREET）基于IBM具備理解、推理和學(xué)習(xí)能力的認(rèn)知系統(tǒng)Watson，開發(fā)出各種“個(gè)性化學(xué)習(xí)工具”以認(rèn)知并適應(yīng)不同孩子的學(xué)習(xí)方式。伴隨著每次人機(jī)互動(dòng)，Watson能夠不斷優(yōu)化自身以匹配每個(gè)學(xué)生的學(xué)習(xí)模式[43]。

2.知識(shí)模型（Knowledge Model）的轉(zhuǎn)型

鑒于人工智能對(duì)大數(shù)據(jù)收集、處理能力的優(yōu)越性，在2017年美國(guó)“ASU-GSU教育科技峰會(huì)”上，眾多科技人員和學(xué)者一致認(rèn)為，基于大數(shù)據(jù)智能的學(xué)習(xí)分析技術(shù)，應(yīng)成為數(shù)字化教學(xué)系統(tǒng)的標(biāo)準(zhǔn)配置。更值得期望的是，數(shù)字化教學(xué)系統(tǒng)所收集的學(xué)習(xí)過程數(shù)據(jù)，還將包括學(xué)生的情感信息及學(xué)生的元認(rèn)知策略，教學(xué)系統(tǒng)對(duì)學(xué)習(xí)者的理解與判斷將達(dá)到一個(gè)新的高度。

當(dāng)我們把關(guān)注點(diǎn)轉(zhuǎn)移到MOOC教學(xué)系統(tǒng)之后又會(huì)發(fā)現(xiàn)，因?yàn)镸OOC系統(tǒng)面向的學(xué)習(xí)者數(shù)量極其巨大，如果MOOC系統(tǒng)實(shí)現(xiàn)對(duì)學(xué)習(xí)者學(xué)習(xí)過程的記錄，那么學(xué)習(xí)者對(duì)學(xué)習(xí)內(nèi)容的重點(diǎn)、難點(diǎn)、學(xué)習(xí)路徑會(huì)形成一種公眾認(rèn)知與判斷 （將被用于對(duì)知識(shí)的標(biāo)注）。傳統(tǒng)智能教學(xué)系統(tǒng)中的知識(shí)模型，將不再僅是知識(shí)內(nèi)容的細(xì)化與陳列，還將伴隨有對(duì)每個(gè)知識(shí)點(diǎn)的學(xué)習(xí)策略和學(xué)習(xí)路徑建議，這個(gè)學(xué)習(xí)路徑往往要以包含有層次結(jié)構(gòu)和映射關(guān)系的知識(shí)圖譜為基礎(chǔ)。因此，在應(yīng)用學(xué)習(xí)分析技術(shù)之后，教學(xué)系統(tǒng)的知識(shí)呈現(xiàn)形式及屬性表征都變得異常豐富，這對(duì)學(xué)習(xí)者而言意義巨大。在傳統(tǒng)學(xué)習(xí)中，如果沒有老師或同伴的指導(dǎo)，學(xué)習(xí)者只有在學(xué)習(xí)很長(zhǎng)時(shí)間以后才能逐漸認(rèn)知到正在學(xué)習(xí)的知識(shí)的難度及學(xué)習(xí)方法，而應(yīng)用了學(xué)習(xí)分析技術(shù)的教學(xué)系統(tǒng)能在呈現(xiàn)知識(shí)的同時(shí)，清晰地表達(dá)相對(duì)應(yīng)的學(xué)習(xí)策略，學(xué)習(xí)者將少走很多彎路。

3.教學(xué)策略模型（Pedagogical Strategy Model）的轉(zhuǎn)型

有過一定教學(xué)經(jīng)驗(yàn)的人都會(huì)有如下經(jīng)歷，在每個(gè)學(xué)習(xí)群體中會(huì)有些學(xué)生非常勤奮，但學(xué)習(xí)成績(jī)一直不高。教師往往把這種現(xiàn)象歸因于該生的學(xué)習(xí)方法不當(dāng)，為此，教師要借助與學(xué)生的交流，再結(jié)合個(gè)人經(jīng)驗(yàn)來調(diào)整學(xué)生的學(xué)習(xí)方法。但不容忽視的是，如果學(xué)生不能清晰、準(zhǔn)確地表述個(gè)人的學(xué)習(xí)狀況，那么，教師的經(jīng)驗(yàn)雖然寶貴卻并不一定適用于所有學(xué)生，學(xué)生的學(xué)習(xí)方法的調(diào)整效果不理想。最終老師只能將學(xué)生成績(jī)不高歸因于學(xué)習(xí)動(dòng)機(jī)不高或天資水平欠佳。

正是基于學(xué)習(xí)者模型與知識(shí)模型的轉(zhuǎn)型，學(xué)習(xí)分析技術(shù)能幫助教師打開學(xué)生學(xué)習(xí)過程的黑箱。由于學(xué)生的個(gè)性不同，每個(gè)學(xué)生應(yīng)該有其獨(dú)特的學(xué)習(xí)路徑，教師既能從學(xué)習(xí)路徑上尋找到不合理之處，也能從學(xué)生在每個(gè)知識(shí)點(diǎn)的掌握情況上追蹤、探查問題的根源。即使是5年級(jí)的學(xué)生，其當(dāng)前學(xué)習(xí)的困境即可能來自于3年級(jí)時(shí)對(duì)某個(gè)知識(shí)點(diǎn)或某個(gè)知識(shí)單元掌握不佳。例如，在“一起作業(yè)網(wǎng)”這個(gè)教學(xué)平臺(tái)上，將學(xué)生的作業(yè)、課堂行為、考試等數(shù)據(jù)集中起來以后，能夠很全面的表征學(xué)生的學(xué)習(xí)行為。同樣是得了80分的兩位同學(xué)，傳統(tǒng)教育會(huì)默認(rèn)為這兩位同學(xué)處于同樣的能力水平。而“一起作業(yè)網(wǎng)”的智能評(píng)價(jià)系統(tǒng)會(huì)追蹤這兩位同學(xué)的學(xué)習(xí)過程，分析他們每個(gè)知識(shí)點(diǎn)的掌握情況和每一道錯(cuò)題的失分點(diǎn)等，從而得出不同的學(xué)情診斷。另外，通過對(duì)學(xué)生作業(yè)數(shù)據(jù)的記錄，老師還可為每一位學(xué)生整理形成錯(cuò)題本，幫助學(xué)生開展針對(duì)性練習(xí)，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)。

（二）應(yīng)用學(xué)習(xí)分析技術(shù)支撐個(gè)性化學(xué)習(xí)的案例評(píng)述——Knewton系統(tǒng)

創(chuàng)立于紐約的Knewton公司致力于個(gè)性化教育研究及平臺(tái)研發(fā)，Knewton系統(tǒng)擁有龐大的學(xué)習(xí)資源和先進(jìn)的學(xué)習(xí)數(shù)據(jù)分析能力，個(gè)性化學(xué)習(xí)內(nèi)容推送精準(zhǔn)、有效。Knewton基于每個(gè)學(xué)生的獨(dú)特性，根據(jù)學(xué)生教育背景、智力水平、學(xué)習(xí)速率、遺忘速率、注意范圍和學(xué)習(xí)模型的不同，聯(lián)合教師和出版商為學(xué)生提供個(gè)性化的學(xué)習(xí)路徑，提供智能化并具有適應(yīng)性的學(xué)習(xí)方案，該系統(tǒng)平臺(tái)上的課程主要有英語、數(shù)學(xué)、化學(xué)等。區(qū)別于其它學(xué)習(xí)分析與內(nèi)容推送系統(tǒng)，Knewton系統(tǒng)的特點(diǎn)主要表現(xiàn)在以下三個(gè)方面：

1.學(xué)習(xí)內(nèi)容以知識(shí)圖譜形式存儲(chǔ)

Knewton平臺(tái)系統(tǒng)里有成千上萬的內(nèi)容模塊，學(xué)習(xí)內(nèi)容的存在形式包括視頻、題庫(kù)、問答對(duì)話等等，每個(gè)模塊里的內(nèi)容可大可小，可能是一個(gè)小問題，也可能是一個(gè)連續(xù)的學(xué)習(xí)系列。這些內(nèi)容之間的關(guān)系以知識(shí)圖譜的形式存在，可實(shí)現(xiàn)知識(shí)的可視化，其作用在于表示課程材料知識(shí)點(diǎn)之間的概念關(guān)系。系統(tǒng)會(huì)根據(jù)學(xué)生學(xué)習(xí)情況給每一個(gè)內(nèi)容打分，并根據(jù)學(xué)生表現(xiàn)調(diào)整呈現(xiàn)的內(nèi)容及相應(yīng)的呈現(xiàn)方式。圖6所示是Knewton系統(tǒng)基于知識(shí)圖譜形成的個(gè)性化學(xué)習(xí)路徑，圖中每一個(gè)小圓圈都代表一個(gè)知識(shí)點(diǎn)，圓圈之間的連線就代表一條學(xué)習(xí)路徑，例如：1.1—1.2—2.1—2.2—3.2就是一條學(xué)習(xí)路徑。

圖6 Knewton系統(tǒng)的個(gè)性化學(xué)習(xí)路徑

2.基于項(xiàng)目反應(yīng)理論的學(xué)習(xí)數(shù)據(jù)分析

Knewton系統(tǒng)基于項(xiàng)目反應(yīng)理論把學(xué)生的能力建模為問題表現(xiàn)水平，而不是測(cè)驗(yàn)表現(xiàn)水平。如，在耗時(shí)10分鐘且包含10道題目的小測(cè)驗(yàn)中，其中兩道題目特別簡(jiǎn)單，兩道題目特別難，另外6個(gè)題目是中等難度的。在參加考試的所有學(xué)生中，其中兩個(gè)學(xué)生都答對(duì)9道題目，一個(gè)學(xué)生答錯(cuò)一道簡(jiǎn)單題，而另一個(gè)學(xué)生答錯(cuò)一道難道。在傳統(tǒng)分級(jí)方法中，這兩個(gè)學(xué)生都得90分，等級(jí)都是A，并且安排他們進(jìn)入相同的下一場(chǎng)考試。但在Knewton中，由于答錯(cuò)的題目對(duì)應(yīng)的是不同難度，還有可能對(duì)應(yīng)不同的知識(shí)點(diǎn)，對(duì)學(xué)生能力的測(cè)試結(jié)果會(huì)大不相同。

3.基于多次測(cè)試及綜合表現(xiàn)的內(nèi)容推薦

Knewton的內(nèi)容推薦系統(tǒng)可以滿足不同興趣和不同學(xué)習(xí)風(fēng)格學(xué)生的需求，并根據(jù)學(xué)習(xí)的順序和進(jìn)度不斷調(diào)整。不同學(xué)生的Knewton教材會(huì)因?yàn)樗麄兊氖褂昧?xí)慣而存在差異，同一篇文章篇幅的長(zhǎng)短也取決于學(xué)生的具體表現(xiàn)。如果某位學(xué)生對(duì)“細(xì)胞分裂”的注意力在開課15分鐘后持續(xù)下降，那么下次上課的時(shí)候，Knewton會(huì)在第14分鐘時(shí)停止推送“細(xì)胞分裂”的內(nèi)容。同樣的，如果某位學(xué)生對(duì)視頻教學(xué)反饋良好，系統(tǒng)會(huì)持續(xù)推送視頻內(nèi)容而不是文本和音頻內(nèi)容。

基于以上三個(gè)特性，Knewton能較好的作為個(gè)人學(xué)習(xí)情況和課堂教學(xué)質(zhì)量的分析工具，實(shí)現(xiàn)可視化學(xué)習(xí)過程，尤其是對(duì)學(xué)習(xí)效果、參與程度和知識(shí)滯留做出可視化分析。近年來，Knewton系統(tǒng)已經(jīng)先后與Pearson Education、Macmillan Education、Houghton Mifflin Education等數(shù)家教育出版商開展合作，為出版社所出教材提供數(shù)字化改造與學(xué)習(xí)平臺(tái)搭建。2015年起，Knewton系統(tǒng)進(jìn)入中國(guó)，成為“好未來”等在線教育公司學(xué)習(xí)平臺(tái)的技術(shù)供應(yīng)商。

除了上述國(guó)外案例，國(guó)內(nèi)的在線學(xué)習(xí)平臺(tái)更在大力推進(jìn)應(yīng)用學(xué)習(xí)分析技術(shù)支撐個(gè)性化學(xué)習(xí)。如，在滬江在線今年推出的大學(xué)生英語四級(jí)課程追蹤平臺(tái)上，將近1.5億的在線學(xué)習(xí)用戶群體在每個(gè)課件的每一頁(yè)內(nèi)容、每一個(gè)知識(shí)點(diǎn)、每一個(gè)對(duì)應(yīng)的題目、每個(gè)題目及每個(gè)題目對(duì)應(yīng)的選項(xiàng)上，都有學(xué)習(xí)行為記錄?；谶@些學(xué)習(xí)過程數(shù)據(jù)，嵌入了人工智能的滬江在線平臺(tái)，使每位學(xué)習(xí)者獲得的課程內(nèi)容都是個(gè)性化的、量身定制的。學(xué)習(xí)者之前牢固掌握的內(nèi)容絕不會(huì)重復(fù)出現(xiàn)，教學(xué)系統(tǒng)會(huì)給學(xué)生智能化推送未復(fù)習(xí)考點(diǎn)，這在極大程度上節(jié)省了學(xué)習(xí)者的學(xué)習(xí)時(shí)間并提高了學(xué)習(xí)效率[44]。

五、應(yīng)用虛擬現(xiàn)實(shí)技術(shù)為學(xué)習(xí)者搭建虛擬課堂

《第四次革命》的作者盧西亞諾·弗羅里迪（Luciano Floridi）預(yù)計(jì)每個(gè)人都將經(jīng)歷“線上人生”[45]，這種生活消除了虛擬世界和現(xiàn)實(shí)世界間的門檻?，F(xiàn)實(shí)世界的生活方式及實(shí)物都以仿真的形式存在于虛擬世界中，每個(gè)人借助于虛擬世界能更好的獲取知識(shí)與感知文明。

虛擬現(xiàn)實(shí)（VR）技術(shù)的突破有賴于智能對(duì)象行為建模技術(shù)的發(fā)展，近些年，伴隨智能計(jì)算芯片技術(shù)的發(fā)展，在虛擬現(xiàn)實(shí)中，智能對(duì)象行為的社會(huì)性、多樣性和交互逼真性都得到突飛猛進(jìn)的發(fā)展。從這點(diǎn)而言，盡管虛擬現(xiàn)實(shí)一直作為信息科學(xué)技術(shù)中一個(gè)較為獨(dú)立的研究領(lǐng)域存在，但其發(fā)展、突破與應(yīng)用都與人工智能息息相關(guān)。虛擬現(xiàn)實(shí)技術(shù)的發(fā)展推動(dòng)了仿真教學(xué)系統(tǒng)及沉浸式學(xué)習(xí)環(huán)境的設(shè)計(jì)與開發(fā)，兩者都為搭建虛擬課堂提供了堅(jiān)實(shí)的平臺(tái)支撐。

（一）仿真教學(xué)（Simulation Teaching）系統(tǒng)

1.EON Reality

在全球眾多的仿真教學(xué)系統(tǒng)中，由EON Reality公司開發(fā)的一系列仿真教學(xué)模型得到廣泛應(yīng)用。尤其在高等教育領(lǐng)域，這些仿真教學(xué)模型顯著提升了學(xué)生在學(xué)習(xí)過程中的注意力。EON Reality建立的虛擬現(xiàn)實(shí)3D數(shù)據(jù)庫(kù) （Experience Portal）收集有4000多種模型和虛擬場(chǎng)景，教師和學(xué)生從這個(gè)數(shù)據(jù)庫(kù)中下載高度仿真的立體模型之后，在應(yīng)用EON公司提供的VR/AR軟件時(shí)就可以看到各類三維模型，如，宇宙中星球間的關(guān)系模型、動(dòng)物解剖模型、植物成長(zhǎng)生態(tài)環(huán)境的變化模型等等。教師應(yīng)用這個(gè)數(shù)據(jù)庫(kù)能在較短時(shí)間內(nèi)為上課做好準(zhǔn)備，學(xué)生還可以應(yīng)用該公司提供的軟件創(chuàng)建3D模型供以分享和研討。

在提供內(nèi)容龐大、種類豐富的虛擬仿真模型的同時(shí)，EON Reality還提供了一個(gè)被稱為EON Coli-seum的多用戶虛擬平臺(tái)。通過該平臺(tái)，教師可以很方便的搭建虛擬課堂，然后學(xué)生加入其中，這與Second Life[46]等三維虛擬社區(qū)相似。在虛擬課堂學(xué)生能夠應(yīng)用這些仿真模型開展基于角色扮演的游戲式教學(xué)。

2.物理仿真學(xué)習(xí)環(huán)境VIPs

正如斯坦福大學(xué)人機(jī)交互實(shí)驗(yàn)室創(chuàng)始人杰里米·拜倫森（Jeremy Bailenson）教授所說[47]，虛擬現(xiàn)實(shí)的世界可以提供豐富的物理信息，涵蓋視覺、聲音、觸感及味道等各方面的信息。如，奧本大學(xué) （Auburn University）的Lakshman等人構(gòu)建虛擬物理系統(tǒng)VIPs用以模擬真實(shí)世界中很難操作的儀器設(shè)備[48]，VIPs系統(tǒng)支持學(xué)習(xí)者搭建、仿真、收集不同滑輪情境中的數(shù)據(jù)。

首先，VIPs系統(tǒng)預(yù)置了物理課程專家對(duì)滑輪這一概念學(xué)習(xí)中常見的六個(gè)誤區(qū)。系統(tǒng)通過詢問學(xué)習(xí)者相關(guān)問題讓學(xué)習(xí)者在仿真情境下動(dòng)手操作滑輪實(shí)驗(yàn)，以判定學(xué)習(xí)者是否能夠避免概念誤區(qū)。然后，學(xué)習(xí)者在學(xué)習(xí)每個(gè)內(nèi)容模塊時(shí)都要經(jīng)過組塊測(cè)試，獲得相應(yīng)的學(xué)習(xí)反饋。Lakshman等人對(duì)這個(gè)系統(tǒng)的有效性開展了實(shí)驗(yàn)比較，在與真實(shí)情景的對(duì)比試驗(yàn)中，選擇了158名小學(xué)職前教師隨機(jī)分配到實(shí)驗(yàn)組與對(duì)照組分別進(jìn)行前測(cè)，試驗(yàn)階段分別提供真實(shí)滑輪操作情境和VIPs虛擬情境。最后，研究者對(duì)兩組被試進(jìn)行后測(cè)，通過對(duì)實(shí)驗(yàn)數(shù)據(jù)的反復(fù)方差檢驗(yàn)，發(fā)現(xiàn)使用VIPs的實(shí)驗(yàn)組學(xué)習(xí)所得，在統(tǒng)計(jì)學(xué)意義上要高于使用真實(shí)情景的對(duì)照組，結(jié)果顯示使用VIPs的學(xué)習(xí)者可以學(xué)到更多的知識(shí)。

（二）沉浸式學(xué)習(xí)（Immersive Learning）環(huán)境

比仿真教學(xué)系統(tǒng)更進(jìn)一步，沉浸式學(xué)習(xí)環(huán)境綜合利用立體眼鏡、數(shù)據(jù)手套及頭盔、操縱桿等各類跟蹤系統(tǒng)，使師生感覺完全置身于真實(shí)場(chǎng)景觀察事物。來自利物浦大學(xué) （University of Liverpool）的 Maria Limniou等人設(shè)計(jì)了名為CAVE[49]的沉浸式虛擬教學(xué)環(huán)境，這個(gè)系統(tǒng)在英國(guó)索爾福德大學(xué)的虛擬現(xiàn)實(shí)中心被試用。CAVE的跟蹤系統(tǒng)記錄3D物體的角度和方向的變化，操縱桿幫助用戶向前或向后移動(dòng)3D物體或旋轉(zhuǎn)不同角度的物體。教師將跟蹤系統(tǒng)戴在頭上，以便簡(jiǎn)單地通過移動(dòng)頭部來觀察虛擬現(xiàn)實(shí)環(huán)境，而不需要使用單獨(dú)的控制器來改變圖像的角度。為了讓學(xué)生更好地觀察，教師使用操縱桿把分子向前或向后旋轉(zhuǎn)，從而解釋發(fā)生反應(yīng)的化學(xué)變化。為了讓學(xué)生從不同角度觀察結(jié)構(gòu)分子的變化，教師可以停止或翻轉(zhuǎn)動(dòng)畫。參加實(shí)驗(yàn)的學(xué)生戴著立體眼鏡，當(dāng)教師提出問題時(shí)，學(xué)生們能非常積極地參與回答。

沉浸式學(xué)習(xí)環(huán)境比仿真教學(xué)環(huán)境對(duì)軟硬件設(shè)備的要求更高，相應(yīng)的，學(xué)生在沉浸式學(xué)習(xí)環(huán)境中對(duì)真實(shí)情景的體悟、感知程度也更深。在上述CAVE案例中，研究者通過與傳統(tǒng)課堂教學(xué)中學(xué)生課堂參與度及最后成績(jī)進(jìn)行比較，發(fā)現(xiàn)使用沉浸式虛擬學(xué)習(xí)環(huán)境的學(xué)生課堂參與度顯著提升，虛擬學(xué)習(xí)環(huán)境使學(xué)生能多視角觀察化學(xué)反應(yīng)的進(jìn)行，從而積極參加教學(xué)過程，能積極回答教師提出的關(guān)于分子結(jié)構(gòu)的問題。

在傳統(tǒng)課堂教學(xué)上，借助二維畫面和教師講解，學(xué)生們并沒有意識(shí)到三維空間中的分子及其體積，但通過使用三維虛擬學(xué)習(xí)環(huán)境，學(xué)生很容易理解分子是不平坦的。相比于二維畫面展示，CAVE中的三維動(dòng)畫可以讓學(xué)生更好地感知化學(xué)反應(yīng)過程中分子結(jié)構(gòu)的變化，因?yàn)閷W(xué)生可以暫?；蛐D(zhuǎn)動(dòng)畫，向前移動(dòng)或向后移動(dòng)從而更好地觀察。使用CAVE后，學(xué)生對(duì)CAVE的評(píng)價(jià)積極，他們認(rèn)為自己似乎參與了化學(xué)反應(yīng)，可以從不同的角度觀察它。無論是借助仿真教學(xué)環(huán)境還是沉浸式學(xué)習(xí)環(huán)境所搭建起的虛擬課堂，都能在一定程度上促進(jìn)學(xué)生提出更多的問題，增強(qiáng)與老師教互動(dòng)。

六、智能代理與教育機(jī)器人構(gòu)成學(xué)習(xí)者的智能陪伴

人工智能以更自然的方式融入人類社會(huì)，作為一種“伴侶”而存在，人工智能可以具象化為一種智能陪伴（Artificial Companions，ACs），因其智能化程度不同，ACs可以劃分為輕人工智能體和智能體[50]。輕人工智能體僅具備少量的計(jì)算智能，其自然語言理解與情感識(shí)別等方面的能力還比較薄弱；智能體在自然語言理解及情感識(shí)別等方面的能力大幅提升。美國(guó)佐治亞理工學(xué)院（Georgia Institute of Technology）應(yīng)用IBM的Watson系統(tǒng)作為機(jī)器人模擬導(dǎo)師給學(xué)生網(wǎng)上答疑，此時(shí)的智能體已經(jīng)具備較強(qiáng)的學(xué)習(xí)能力和社交能力，甚至可以成為用戶的替身，變成人類與他人、社交網(wǎng)絡(luò)進(jìn)行互動(dòng)的主要媒介。在實(shí)踐當(dāng)中，智能陪伴的形式主要體現(xiàn)為智能教學(xué)代理和教育機(jī)器人兩種形式。

（一）智能教學(xué)代理

智能教學(xué)代理主要體現(xiàn)為一個(gè)助教教師，目前僅實(shí)現(xiàn)了初級(jí)的陪伴學(xué)習(xí)。但其下一步將有望發(fā)展并實(shí)現(xiàn)主動(dòng)的知識(shí)輸出與對(duì)學(xué)習(xí)者的引導(dǎo)。來自希臘薩洛尼卡市的亞里士多德大學(xué)（Aristotle Universi-ty of Thessaloniki）的 Stergios Tegos等人，應(yīng)用對(duì)話代理模式干預(yù)學(xué)習(xí)者的協(xié)作性學(xué)習(xí)[51]。該研究選取了小學(xué)五年級(jí)現(xiàn)代歷史課上32名學(xué)生 （含18名女生和14名男生，年齡在11-12歲不等），在計(jì)算機(jī)實(shí)驗(yàn)室進(jìn)行探究性試驗(yàn)。實(shí)驗(yàn)開始為學(xué)習(xí)者呈現(xiàn)一系列具有特定歷史背景的卡片，然后要求學(xué)習(xí)者收集與給定歷史背景相符的卡片，接下來將這些卡片組合起來創(chuàng)建一個(gè)歷史故事，對(duì)話界面（見圖7）提供了一個(gè)貓頭鷹形態(tài)的智能代理，為學(xué)習(xí)者提供相關(guān)概念的引導(dǎo)，幫助其具化歷史故事的推理過程。

圖7 協(xié)作學(xué)習(xí)中的智能代理

當(dāng)組內(nèi)一位學(xué)習(xí)者提出關(guān)鍵性概念后，如果30秒內(nèi)無其他響應(yīng)，貓頭鷹代理將會(huì)自動(dòng)觸發(fā)干預(yù)機(jī)制，干預(yù)機(jī)制分析學(xué)習(xí)者的會(huì)話貢獻(xiàn)度，采用分割、關(guān)鍵詞提取匹配算法決定最適合的干預(yù)決策，引導(dǎo)所有學(xué)習(xí)者共同參與協(xié)作學(xué)習(xí)過程。整個(gè)活動(dòng)耗時(shí)90分鐘，協(xié)作階段占用近25分鐘。

該實(shí)驗(yàn)研究發(fā)現(xiàn)，智能代理可以誘發(fā)小組在協(xié)作中更多地參與交互，學(xué)習(xí)者在等待同伴提交代理反饋時(shí)非常不耐煩，但是在面對(duì)智能代理的問題時(shí)，對(duì)于不明白的問題更加坦誠(chéng)“我不知道”，盡管智能代理并不是一個(gè)權(quán)威性的溝通角色，但是在面對(duì)智能代理時(shí)，相較于面對(duì)同伴，學(xué)習(xí)者能夠以更加禮貌、正式的方式對(duì)智能代理的問題進(jìn)行反應(yīng)。隨著時(shí)間變化，學(xué)習(xí)者的提問和回答模式似乎更加傾向于智能代理的模式，當(dāng)學(xué)習(xí)者無法回答智能代理的問題時(shí)，他們向同伴求助更容易獲得幫助，能夠獲得更好的組內(nèi)協(xié)作。

（二）教育機(jī)器人

教育機(jī)器人分為面向大學(xué)和面向中小學(xué)的機(jī)器人，機(jī)器人又可以進(jìn)一步分為教育性機(jī)器人和比賽型機(jī)器人。其中比賽型機(jī)器人的發(fā)展歷史較長(zhǎng)，主要是為了訓(xùn)練學(xué)生的設(shè)計(jì)與創(chuàng)造能力，學(xué)生可以編程控制機(jī)器人的行為。通過應(yīng)用比賽型機(jī)器人，培養(yǎng)學(xué)生的科學(xué)素養(yǎng)已經(jīng)成為當(dāng)前非常盛行的STEAM教育的重要內(nèi)容。在FIRA機(jī)器人足球賽、中國(guó)教育機(jī)器人大賽、世界教育機(jī)器人大賽、FLL機(jī)器人世界錦標(biāo)賽等比賽中所出現(xiàn)的機(jī)器人主要屬于這類。比賽型機(jī)器人作為玩具和學(xué)生操控對(duì)象的特性比較突出，但作為學(xué)習(xí)工具或智能陪伴的屬性較為欠缺。

教育性機(jī)器人主要用于對(duì)學(xué)生的智能陪伴和陪學(xué)。學(xué)生在學(xué)習(xí)時(shí)，教育機(jī)器人可直接講授或即時(shí)回答學(xué)生提出的問題，感知并調(diào)整學(xué)生的情緒，這類機(jī)器人往往兼具玩具和學(xué)習(xí)工具的功能。在全球比較著名的教育機(jī)器人中，類似毛絨玩具的智能機(jī)器人Romibo會(huì)講故事，它可以通過其前置攝像頭捕捉孩子們的動(dòng)作，能給孩子提示和好評(píng)，以降低使用者的焦慮水平。WowWeeMiP Robot機(jī)器人看起來像一個(gè)小孩，它可以識(shí)別人的手勢(shì)，用戶可以用智能手機(jī)、手部動(dòng)作來控制機(jī)器人的行為。PLEO rb外觀像恐龍，它可以教孩子關(guān)于生物學(xué)和生命周期等方面的知識(shí)，這個(gè)機(jī)器人在模仿真實(shí)生命方面能力突出，具備較強(qiáng)的學(xué)習(xí)、思考和獨(dú)立行動(dòng)的能力。圖8是來自麻省理工學(xué)院設(shè)計(jì)的一款教育機(jī)器人，圖9是著名的美國(guó)漢森機(jī)器人公司開發(fā)的愛因斯坦機(jī)器人。

圖8 會(huì)講故事并與孩子交互的機(jī)器人

圖9 愛因斯坦機(jī)器人

麻省理工學(xué)院媒體實(shí)驗(yàn)室的 Jacqueline Kory Westlund等研究人員，開發(fā)了一個(gè)給孩子講故事并且教孩子講故事的機(jī)器人?；谂c學(xué)習(xí)者較長(zhǎng)時(shí)間的交互，這個(gè)教育機(jī)器人能夠收集學(xué)習(xí)者的語言習(xí)慣及講故事的技巧信息。通過收集到的這些數(shù)據(jù)和信息，教育機(jī)器人講故事的方式得以調(diào)整，并能感知每個(gè)學(xué)習(xí)者的進(jìn)步。

愛因斯坦機(jī)器人是款外形酷似愛因斯坦的迷你機(jī)器人，該機(jī)器人的主設(shè)計(jì)師是美國(guó)漢森機(jī)器人公司的大衛(wèi)·漢森（David Hanson）。早在2009年，漢森還是加利福尼亞州立大學(xué)的一名研究人員時(shí)，他使用軟體機(jī)械工程和納米科技成功地制造了這款機(jī)器人的雛形。后來這款機(jī)器人的智能性及與真人的外形相似度都不斷提高，發(fā)展至今已經(jīng)成為全球機(jī)器人中的典范。這個(gè)機(jī)器人使用一種類似肉體的叫做“Frubber”的材料，使其面部皮膚能呈現(xiàn)出具有4-40納米直徑的毛孔，機(jī)器人面部上的皺紋非常逼真。愛因斯坦機(jī)器人不僅具備說話的功能，還能夠識(shí)別出許多種人類的面部表情，識(shí)別用戶的語音，并與用戶進(jìn)行合理有效的交談。愛因斯坦機(jī)器人能夠做出超過50種手勢(shì)和表情，它還可以與用戶談?wù)撎鞖?、名人、食物和?shù)學(xué)問題及與用戶做游戲互動(dòng)。與此同時(shí)，愛因斯坦機(jī)器人雖然不能解釋廣義相對(duì)論等復(fù)雜理論，但能夠講授數(shù)學(xué)和科學(xué)等相關(guān)科目知識(shí)，其知識(shí)庫(kù)儲(chǔ)備能夠?qū)崿F(xiàn)百科全書式的檢索，幾乎可以回答學(xué)齡階段的所有科學(xué)問題。

教育機(jī)器人是一種具象化的智能陪伴，而智能教學(xué)代理主要是一種虛擬的卡通形象，屬于低成本的智能陪伴。人工智能1.0時(shí)代的智能教學(xué)代理（IPA）主要承擔(dān)助手（Assistant）和實(shí)時(shí)導(dǎo)師（Real-time Tutor）的角色[52]。隨著IPA采用越來越多的感知智能、認(rèn)知智能等高階人工智能技術(shù)，人工智能2.0時(shí)代的IPA與教育機(jī)器人同樣具備較好的情緒感知和學(xué)習(xí)能力，交互內(nèi)容更加豐富，交互過程也更加自然、流暢。

七、人工智能2.0重塑學(xué)習(xí)的應(yīng)用前瞻

科技的發(fā)展與應(yīng)用永無止境，人工智能升級(jí)、革新教學(xué)系統(tǒng)將不止于智能識(shí)別、情緒感知、學(xué)習(xí)分析、虛擬現(xiàn)實(shí)、智能陪伴等技術(shù)的應(yīng)用。人工智能的基礎(chǔ)理論及各類相關(guān)技術(shù)仍在迅速發(fā)展，并將引發(fā)學(xué)習(xí)方式、學(xué)習(xí)技術(shù)的顛覆式創(chuàng)新。最近《科學(xué)》雜志發(fā)表論文證實(shí)華人科學(xué)家張首晟及其團(tuán)隊(duì)發(fā)現(xiàn) “天使粒子”（馬約拉那費(fèi)米子的存在證據(jù)），這一物理學(xué)領(lǐng)域的重大發(fā)現(xiàn)將推動(dòng)人工智能實(shí)現(xiàn) “量子跳躍”。正如張首晟所言，“人工智能的核心是算法。如果依托量子計(jì)算機(jī)開展運(yùn)算，人工智能就可以將以前多個(gè)步驟才能完成的計(jì)算簡(jiǎn)化為一步，從而最快找到最優(yōu)化解決途徑，這將引發(fā)各行各業(yè)的深刻變革”[53]。

2017年7月9日在杭州召開的“全球人工智能高峰論壇”上，中國(guó)工程院院士潘云鶴指出，新一代人工智能的重點(diǎn)方向?qū)臄?shù)據(jù)智能、群體智能、跨媒體智能、人機(jī)混合的增強(qiáng)智能和自主智能系統(tǒng)等五個(gè)方面進(jìn)行。其中的數(shù)據(jù)智能、跨媒體智能及人機(jī)協(xié)同的增強(qiáng)智能，將對(duì)教育教學(xué)領(lǐng)域形成重大影響。

（一）大數(shù)據(jù)與跨媒體智能共同支撐精準(zhǔn)的學(xué)情判斷和科學(xué)的學(xué)習(xí)路徑推薦

大數(shù)據(jù)智能表現(xiàn)為從淺層計(jì)算到深度神經(jīng)推理，從單純依賴數(shù)據(jù)驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)相結(jié)合，能夠?qū)崿F(xiàn)可解釋、更魯棒和更通用的人工智能[54]。就如AlphaGo在系統(tǒng)內(nèi)部存儲(chǔ)數(shù)量龐大的優(yōu)秀棋譜，基于自我博弈的技術(shù)，能應(yīng)用所學(xué)知識(shí)在內(nèi)部與自我下棋，反復(fù)學(xué)習(xí)、推演。隨著智能教學(xué)系統(tǒng)做邏輯推理及決策所依據(jù)的經(jīng)驗(yàn)、知識(shí)庫(kù)、題庫(kù)的迅速增長(zhǎng)，規(guī)模龐大、種類豐富的學(xué)習(xí)大數(shù)據(jù)基礎(chǔ)或知識(shí)基礎(chǔ)得以建立，不斷發(fā)展的大數(shù)據(jù)智能將數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法與人類的經(jīng)驗(yàn)常識(shí)和直覺相結(jié)合，智能教學(xué)系統(tǒng)推薦給學(xué)習(xí)者的學(xué)習(xí)路徑將更為個(gè)性化、人性化并能適時(shí)調(diào)整。

所謂跨媒體智能，是指智能系統(tǒng)所處理的信息不是單一的媒體形式，而是由文字、圖像、音頻、視頻等相互融合的多媒體形態(tài)[55]。如今跨媒體統(tǒng)一表征、跨媒體關(guān)聯(lián)與深度挖掘、跨媒體知識(shí)圖譜構(gòu)建、跨媒體知識(shí)演化與推理等技術(shù)日趨成熟?？缑襟w智能將能綜合處理前文所述的語音識(shí)別、圖形圖像識(shí)別、手勢(shì)與面部表情識(shí)別等技術(shù)捕捉或感知到的信息。此外，借助于可穿戴技術(shù)及腦機(jī)融合等技術(shù)，甚至于學(xué)生的意識(shí)都可能被感知，對(duì)這些信息的多模態(tài)統(tǒng)一數(shù)據(jù)表征與分析應(yīng)用可以更準(zhǔn)確的判定學(xué)情。

（二）未來教學(xué)系統(tǒng)將廣泛采用人機(jī)協(xié)同的增強(qiáng)智能

由于人類面臨的許多問題具有不確定性、脆弱性和開放性，任何智能程度的機(jī)器都無法完全取代人類。這就需要將人的作用或人的認(rèn)知模型引入到人工智能系統(tǒng)中，形成混合增強(qiáng)智能的形態(tài)，這種形態(tài)是人工智能或機(jī)器智能的可行的、重要的成長(zhǎng)模式[56]。此外，人工智能在現(xiàn)階段仍不可避免地面臨信任危機(jī)，如，身患絕癥的病人斷然不能完全信任由智能機(jī)器開出的診治方案，教育機(jī)器人對(duì)學(xué)習(xí)者的科學(xué)應(yīng)答過程顯然也缺乏情感交流與人性化對(duì)話，人類需要面對(duì)人工智能的信任危機(jī)及對(duì)人工智能系統(tǒng)錯(cuò)誤包容性的技術(shù)倫理困境。

人類不能完全依賴于對(duì)人工智能的使用。正是因?yàn)檎J(rèn)識(shí)到這點(diǎn)，IBM使用Watson開發(fā)藥物的關(guān)鍵一環(huán)是該系統(tǒng)不斷與醫(yī)藥學(xué)家進(jìn)行溝通。Watson雖能提高癌癥和其他疾病的早期檢測(cè)結(jié)果，但也需要人類醫(yī)生的配合，醫(yī)生需要了解患者的癥狀，通知患者治療計(jì)劃，并引導(dǎo)患者完成整個(gè)治療計(jì)劃。在教育教學(xué)過程中，如果人工智能形成的學(xué)情分析以及個(gè)性化推薦能與優(yōu)秀教師的經(jīng)驗(yàn)、智慧、對(duì)知識(shí)的尊重、對(duì)學(xué)生的愛等協(xié)同，學(xué)習(xí)者方能感受到真正的因材施教，個(gè)性化深度學(xué)習(xí)才能發(fā)生。更需要注意的是，在開放的互聯(lián)網(wǎng)上，應(yīng)用人工智能技術(shù)收集到的學(xué)習(xí)數(shù)據(jù)隱私權(quán)面臨巨大挑戰(zhàn)，需要應(yīng)用法律及區(qū)塊鏈數(shù)據(jù)加密等技術(shù)限定學(xué)習(xí)過程數(shù)據(jù)的使用邊界，借助人類教師與智能教學(xué)系統(tǒng)的相互協(xié)同，是新一代人工智能真正安全、可控，并發(fā)揮其重塑學(xué)習(xí)效用的必然選擇。

[1]潘云鶴.AI2.0時(shí)代的五個(gè)布局方向[EB/OL].[2017-07-15].http:// www.donews.com/news/detail/1/2959778.html.

[2]潘云鶴.人工智能走向2.0[J].Engineering，2016，2（4）：1-6.

[3]牟智佳.“人工智能+”時(shí)代的個(gè)性化學(xué)習(xí)理論重思與開解[J].遠(yuǎn)程教育雜志，2017（3）：22-30.

[4]White House.Artificial Intelligence，Automation，and the Economy [EB/OL].[2017-01-25].https://obamawhitehouse.archives.gov/blog/2016/ 12/20/artificial-intelligence-automation-and-economy.

[5]White House.Preparing for the Future of Artificial Intelligence[EB/ OL].[2016-12-30].https://obamawhitehouse.archives.gov/blog/2016/ 05/03/preparing-future-artificial-intelligence.

[6]National Science and Technology Council.National Artificial Intelligence Research and Development Strategic Plan[EB/OL].[2016-12-28]. https://www.nitrd.gov/PUBS/national_ai_rd_strategic_plan.pdf.

[7]Stanford University.Artificial Intelligence and Life in 2030[EB/OL]. [2017-05-20].http://www.donews.com/news/detail/1/2959778.html.

[8]國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].[2017-07-26].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996. htm

[9]李九喻.聯(lián)合國(guó)召開首次人工智能峰會(huì):讓AI助力17個(gè)可持續(xù)發(fā)展目標(biāo).[2017-07-01].https://news.uc.cn/a_148308135966785100/.

[10]陳凱泉.智能教學(xué)代理的系統(tǒng)特性及設(shè)計(jì)框架[J].遠(yuǎn)程教育雜志，2010（6）：98-103.

[11]趙建華.智能教學(xué)系統(tǒng)概述[J].中國(guó)電化教育，2007（7）：5-12.

[12]13th International Conference on Intelligent Tutoring Systems[EB/ OL].[2017-06-07].http://its2016.its-conferences.com/.

[13]徐貴寶.擁抱人工智能2.0新時(shí)代[J].中國(guó)人工智能學(xué)會(huì)通訊，2017（5）：50-56.

[14]Assael Y M，Shillingford B，Whiteson S，et al.LipNet:End-to-End Sentence-level Lipreading[EB/OL].[2017-05-16].http://www. oxml.co.uk/publications/2016-Assael_Shillingford_LipNet.pdf.

[15]賈積有.國(guó)外人工智能教育應(yīng)用最新熱點(diǎn)問題探討[J].中國(guó)電化教育，2010（7）：113-118.

[16]李德毅.人工智能在奔跑 教育的機(jī)遇與挑戰(zhàn)[J].北京聯(lián)合大學(xué)學(xué)報(bào)，2016（3）：1-4.

[17]Daily Mail Online.A Robot has been Teaching Grad Students for 5 Months...and None of them Realized[EB/OL].[2017-05-10].http:// www.dailymail.co.uk/news/article-3581085/A-robot-teaching-gradstudents-5-months-NONE-realized.html.

[18]EZ Education.Research behind the Making of Doodle Maths[EB/ OL].[2017-05-10].https://www.doodlemaths.com/.

[19]科大訊飛.科大訊飛暢言智能語音（雙語）教具系統(tǒng)[EB/OL]. [2017-02-17].http://www.iflytek.com/content/details_26_666.html.

[20]Pearson Education.Ordinate，Creator of the Versant Test，is now a Part of Pearson[EB/OL].[2017-03-18].https://www.versanttests.com/ aboutus.

[21]McGraw-Hill Education.Overview of Aleks[EB/OL].[2017-03-19]. https://www.aleks.com/about_aleks/course_products.

[22]McGraw-Hill Education.McGraw-Hill Education Launches Connect Master，a New Adaptive Learning Technology Focused on Deeper Foundational Learning[EB/OL].[2017-03-20].http://www.prnewswire. com/news-releases/mcgraw-hill-education-launches-connect-master-a-new-adaptive-learning-technology-focused-on-deeper-foundational-learning-300061431.html.

[23]McGraw-Hill Education.What is LearnSmart?[EB/OL].[2017-04-10].http://www.mheducation.com/highered/platforms/learnsmart.html.

[24]McGraw-Hill Education.What is SmartBook?[EB/OL].[2017-04-11].http://www.mheducation.com/highered/platforms/smartbook.html.

[25]Gradescope.How it Works?[2017-05-22].https://www.gradescope. com/.

[26]Knewton.Updated Instructor Experience[EB/OL].[2017-04-02]. https://www.knewton.com/resources/.

[27]Pearson Education.The Learning Science behind Revel[EB/OL]. [2017-04-15].https://www.pearsonhighered.com/revel/educators/learning-science/.

[28]EON Reality.EON Virtual Trainer[EB/OL].[2017-02-19].https: //www.eonreality.com/eon-virtual-trainer/.

[29]MIT Scheller Teacher EducationProgam/Education Arcade.Overview，Research and Collaborative Design[EB/OL].[2017-04-28].http:// education.mit.edu/about/our-work/.

[30]Hanson Robotics.My Story[EB/OL].[2017-04-29].https://professoreinstein.com/pages/about.

[31]Massachusetts Institute of Technology.Personalized Robot Storyteller [EB/OL].[2017-05-26].https://www.media.mit.edu/projects/collaborative-robot-storyteller/overview/.

[32]Vail A K，Grafsgaard J F，Boyer K E，et al.Predicting Learning from Student Affective Response to Tutor Questions[C].International Conference on Intelligent Tutoring Systems.Springer International Publishing，2016:154-164.

[33]Taub M，Azevedo R.Using Eye-Tracking to Determine the Impact of Prior Knowledge on Self-Regulated Learning with an Adaptive Hypermedia-Learning Environment[C].International Conference on Intelligent Tutoring Systems.Springer International Publishing，2016:34-47.

[34]Weston-Sementelli J L，Allen L K，Mcnamara D S.Comprehension and Writing Strategy Training Improves Performance on Content-Specific Source-based Writing Tasks[J].International Journal of Artificial Intelligence in Education（IJAIE），2016:1-32.

[35]Vail A K，Grafsgaard J F，Boyer K E，et al.Predicting Learning from Student Affective Response to Tutor Questions[C].International Conference on Intelligent Tutoring Systems.Springer International Publishing，2016:154-164.

[36]Mathews M，Mitrovic A，Lin B，et al.Do Your Eyes Give It Away? Using Eye Tracking Data to Understand Students’Attitudes towards Open Student Model Representations[C].International Conferenceon Intelligent Tutoring Systems.2012:422-427.

[37]Maldonado R M，Kay J，Yacef K，et al.An Interactive Teacher’s Dashboard for Monitoring Groups in a Multi-tabletop Learning Environment[C].International Conference on Intelligent Tutoring Systems.Springer，Berlin，Heidelberg，2012:482-492.

[38]劉清堂，王洋等.教育大數(shù)據(jù)視角下的學(xué)習(xí)分析應(yīng)用研究與思考[J].遠(yuǎn)程教育雜志，2017（3）：71-77.

[39]El-Bishouty M M，Saito K，Chang T W，et al.An Interactive Course Analyzer for Improving Learning Styles Support Level[M]. Human-Computer Interaction and Knowledge Discovery in Complex，Unstructured，Big Data.Springer Berlin Heidelberg，2013: 136-147.

[40]Roll I，Aleven V，Mclaren B M，et al.Improving Students’Helpseeking Skills Using Metacognitive Feedback in an Intelligent Tutoring System[J].Learning&Instruction，2011，21（2）:267-280.

[41]Murray T.An Overview of Intelligent Tutoring System Authoring Tools:Updated Analysis of the State of the Art[M].Authoring Tools for Advanced Technology Learning Environments.Springer Netherlands，2003:491-544.

[42]Liu X，Du Y，Sun F，et al.Design of Adaptive Learning System based on Big Data[C].International Conference on Information Engineering.ACM，2017:1-5.

[43]Education News.Sesame Street，IBM’s Watson Team Up for Early Childhood Tools[EB/OL].[2017-03-28].http://www.educationnews. org/technology/sesame-street-ibms-watson-team-up-for-earlychildhood-tools/.

[44]伏彩瑞.智啟未來[R].上海：“人工智能與未來教育”高峰論壇.2017（5）.

[45][50][意]Luciano Floridi.第四次革命[M].王文革譯.杭州：浙江人民出版社，2016，10：65，177.

[46]Mayrath M C，Traphagan T，Jarmon L，et al.Teaching with Virtual Worlds:Factors to Consider for Instructional Use of Second Life[J]. Journal of Educational Computing Research，2015，43（4）:403-444.

[47]Bailey J O，Bailenson J N.Considering Virtual Reality in Children’s lives[J].Journal of Children and Media，2017:1-7.

[48]Myneni L S，Narayanan N H.An Intelligent Tutoring and Interactive Simulation Environment for Physics Learning[M].Intelligent Tutoring Systems.Springer Berlin Heidelberg，2012:250-255.

[49]Limniou M，Roberts D，Papadopoulos N.Full Immersive Virtual Environment CAVETM in Chemistry Education[M].Elsevier Science Ltd.2008.

[51]Tegos S，Demetriadis S，Tsiatsos T.An Investigation of Conversational Agent Interventions Supporting Historical Reasoning in Primary Education[M].Intelligent Tutoring Systems.Springer International Publishing，2016.

[52]陳凱泉.實(shí)時(shí)導(dǎo)師和助手：智能教學(xué)代理的實(shí)踐定位[J].中國(guó)電化教育，2006（4）：85-87.

[53]新華社.科研團(tuán)隊(duì)成員揭秘“天使粒子”發(fā)現(xiàn)的背后[EB/OL].[2017-07-26].http://news.xinhuanet.com/2017-07/25/c_1121375201.htm.

[54]Zhuang Y T，Wu F，Chen C，et al.Challenges and Opportunities: from Big Data to Knowledge in AI 2.0[J].Frontiers of Information Technology&Electronic Engineering，2017，18（1）:3-14.

[55]Peng Y X，Zhu W W，Zhao Y，et al.Cross-media Analysis and Reasoning:Advances and Directions[J].Frontiers of Information Technology&Electronic Engineering，2017，18（1）:44-57.

[56]Zheng N N，Liu Z Y，Ren P J，et al.Hybrid-augmented Intelligence:Collaboration and Cognition[J].Frontiers of Information Technology&Electronic Engineering，2017，18（2）:153-179.

The Technological Path and Practice Exploration of Reconstructing Learning based on Artificial Intelligence（AI）2.0：Also on the Functional Upgrade of Intelligent Tutoring System

Chen Kaiquan，Sha Junhong，He Yao&Wang Xiaofang
（Department of Education，Ocean University of China，Qingdao Shandong 266100）

ArtificialIntelligence（AI）hasaccumulatedstrongbasisofthetechnologythroughmorethan60years.Innearlya decade，AI has been stepping into cognitive intelligence rapidly after computational intelligence and perceptual intelligence in sequence.AI 2.0 has been applied in every field of life instead of AI 1.0 which was just used and recognized by elite minorities.With the rapid development and application of technologies including natural language understanding，facial expression recognition，educational big data，virtual reality and robotics，the new intelligent tutoring system involved these technologies transforms and reconstructs the manifestation of knowledge and learning process intelligently.Besides，the function of the new intelligent tutoring system should consist of capture and perception immediately，analysis of learner’s state，evaluation automatically，learning analytics，emotion perception，simulation teaching，intelligently accompany，and so on.In the future，the new intelligent tutoring system based on big data intelligence and intermedia intelligence is likely to support precise learning judgment and scientific learning path recommendation，and the artificial intelligence in education will make for human-machine-cooperative augmented intelligence.

Artificial intelligence;AI;Intelligent tutoring system;Learning analysis;Natural language understanding;Virtual classroom;Intermedia intelligence

G40-057

A

1672-0008（2017）05—0040—14

2017年7月28日

責(zé)任編輯：陳 媛

本文系國(guó)家社會(huì)科學(xué)基金項(xiàng)目“基于E-SCIENCE的新型科研范式研究”（15BTQ057）；教育部人文社會(huì)科學(xué)研究項(xiàng)目“高校虛擬科研組織的組建模式與運(yùn)行機(jī)制研究——基于協(xié)同創(chuàng)新的視角”（14YJC880005）；中國(guó)海洋發(fā)展研究會(huì)基金項(xiàng)目“海洋科學(xué)研究中的范式轉(zhuǎn)型及對(duì)策研究”（CAMAJJ201605）的研究成果。

陳凱泉，中國(guó)海洋大學(xué)教育系副教授，主要研究方向?yàn)榻逃畔⒒W(xué)習(xí)科學(xué)與科研信息化；沙俊宏，中國(guó)海洋大學(xué)教育系在讀碩士研究生，研究方向?yàn)槿斯ぶ悄艿慕逃龖?yīng)用；何瑤，中國(guó)海洋大學(xué)教育系在讀碩士研究生，研究方向?yàn)榻逃髷?shù)據(jù)與學(xué)習(xí)分析；王曉芳，中國(guó)海洋大學(xué)教育系在讀碩士研究生，研究方向?yàn)樾畔⒓夹g(shù)支持下的深度學(xué)習(xí)。