賈積有

（1.北京大學(xué) 教育學(xué)院 教育技術(shù)系；2.北京大學(xué) 教育信息化國際研究中心，北京 100871）

一、引言

近年來，人工智能（AI）技術(shù)在圍棋等領(lǐng)域取得了里程碑式的進(jìn)展。2016年初，谷歌人工智能團(tuán)隊(duì)在權(quán)威期刊Nature介紹了他們?cè)O(shè)計(jì)的人工智能圍棋程序AlphoGo的原理，即以人類棋譜為樣本，運(yùn)用復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督的學(xué)習(xí)，人工智能機(jī)器人學(xué)會(huì)了與人類棋手對(duì)弈的走法[1]。隨后，AlphoGo先后戰(zhàn)勝李世石、柯潔，讓世人刮目相看。2017年10月，谷歌人工智能團(tuán)隊(duì)再次在Nature上介紹了他們?cè)O(shè)計(jì)的人工智能圍棋程序AlphoGo Zero原理：它采用無監(jiān)督的學(xué)習(xí)，除了圍棋規(guī)則之外沒有學(xué)習(xí)任何人類棋手的走法，而是從零開始，自學(xué)成才。其使用人工神經(jīng)網(wǎng)絡(luò)改進(jìn)搜索質(zhì)量，通過反復(fù)迭代產(chǎn)生高質(zhì)量的走法，最終以100比0的絕對(duì)優(yōu)勢戰(zhàn)勝了其前身AlphaGo[2]。

這些突破性的事件，引發(fā)了社會(huì)各界、特別是教育界對(duì)人工智能的廣泛關(guān)注[3-7]。2017年7月，國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》，特別強(qiáng)調(diào)人工智能對(duì)于教育的重要性[8]。那么，人工智能的學(xué)習(xí)與人類學(xué)習(xí)存在什么關(guān)系？人工智能真能成為教師，來幫助學(xué)生學(xué)習(xí)圍棋等領(lǐng)域的知識(shí)？人工智能對(duì)教育的影響究竟表現(xiàn)在哪些方面？人工智能會(huì)對(duì)人的學(xué)習(xí)方式產(chǎn)生何種影響？本文將圍繞這些問題展開深入地探討。

二、教育是提高人類自然智能的系統(tǒng)和過程

教育作為一個(gè)名詞，是指一個(gè)由人和物所組成的動(dòng)態(tài)系統(tǒng)或者指這個(gè)動(dòng)態(tài)系統(tǒng)的變化過程。在這個(gè)系統(tǒng)中，必須以人作為受教育者。所謂的受教育者是指他（她）的（自然）智能在這個(gè)動(dòng)態(tài)系統(tǒng)中得到提高的人。所以教育是一個(gè)受教育者的智能得到提高的動(dòng)態(tài)系統(tǒng)，或者指受教育者在這個(gè)動(dòng)態(tài)系統(tǒng)中的智能得到提高的過程[9]。人類的自然智能就是人類具有的智力和行為能力，包括感知能力、記憶能力、思維能力、行為能力和語言能力。人類智能也可以按照其他標(biāo)準(zhǔn)來分類，例如，加德納（H.Gardner）的多元智能理論將人類智能分為九種：言語、邏輯、視覺（空間）、音樂（節(jié)奏）、身體（運(yùn)動(dòng)）、人際交往智力、自我內(nèi)省智力、自然觀察、存在智力。教育系統(tǒng)中的不同學(xué)科，就是培養(yǎng)受教育者某個(gè)或者某些方面的自然智能。

一般來說，教學(xué)系統(tǒng)是個(gè)典型的動(dòng)態(tài)復(fù)雜系統(tǒng)，它存在于一個(gè)有限的時(shí)間范圍內(nèi)。在這個(gè)有限的時(shí)間范圍中，教學(xué)系統(tǒng)的動(dòng)態(tài)性體現(xiàn)在它組成元素的動(dòng)態(tài)變化上，其中變化最明顯的元素應(yīng)當(dāng)是受教育者。在剛進(jìn)入這個(gè)教育系統(tǒng)時(shí)，受教育者對(duì)教學(xué)內(nèi)容一無所知或者知之甚少。隨著教學(xué)活動(dòng)的展開和教育者的教誨，受教育者逐漸了解、掌握了相關(guān)的教學(xué)內(nèi)容，并提高了這方面的智能。從這個(gè)教學(xué)系統(tǒng)的開始到結(jié)束，受教育者的自然智能變化究竟有多大（或者說其智能的提高有多少），依賴于受教育者本身、教育者、教學(xué)內(nèi)容和教學(xué)方法的綜合作用。

我們?cè)诤饬恳粋€(gè)教學(xué)系統(tǒng)的工作效率的時(shí)候，可以采用以下公式：

教學(xué)系統(tǒng)的工作效率=該系統(tǒng)中所有受教育者的自然智能的提高程度總和/[（該系統(tǒng)所耗費(fèi)的教育者的人力資源總和+該系統(tǒng)所耗費(fèi)的自然資源總和)×該系統(tǒng)所耗費(fèi)的時(shí)間]

在教學(xué)系統(tǒng)中受教育者自然智能的提高，可以通過三個(gè)方面來進(jìn)行較為全面的評(píng)估：（1）知識(shí)與能力；（2）情感與態(tài)度；（3）方法與過程。當(dāng)然如何公平、客觀、準(zhǔn)確地度量這三個(gè)方面，也是一個(gè)世界范圍內(nèi)的難題。國際上的PISA測試和我國林崇德教授團(tuán)隊(duì)提出的學(xué)生核心素養(yǎng)等，都可以說是對(duì)此做的有益嘗試。

目前，在日常學(xué)校教學(xué)中，操作性較強(qiáng)、也較為公正客觀的辦法是用某門學(xué)科的學(xué)習(xí)成績及其變化來度量學(xué)生知識(shí)與能力的變化，不少教學(xué)研究和實(shí)踐則通過調(diào)查問卷來收集學(xué)生在情感與態(tài)度、方法與過程上的變化。通常學(xué)習(xí)成績變化的量度方法有兩種：一是同一樣本的縱向變化，如，內(nèi)容相同的兩次測試（即前測和后測）的變化；二是不同樣本的橫向比較，如，實(shí)驗(yàn)班和對(duì)照班在同一次測驗(yàn)中的成績差異。在教育研究中，常用平均分?jǐn)?shù)來表示一個(gè)系統(tǒng)中全體受教育者成績的集中程度；用標(biāo)準(zhǔn)差來表示在一個(gè)系統(tǒng)中全體受教育者成績的離散程度；用T檢驗(yàn)或者F檢驗(yàn)來檢驗(yàn)縱向變化或者橫向差異的顯著性；用ES（Effect Size的縮寫，翻譯為效應(yīng)量、效果尺度、效果規(guī)?；蛘咝Ч剑﹣肀硎究v向變化或者橫向差異的幅度[10]。ES的計(jì)算公式有 Cohen’s d[11-12]、Hedge’s g[13]等。 Cohen 認(rèn)為，相對(duì)而言，ES 在 0.2 附近表示較小的效果；ES在0.5附近時(shí)表示中等程度的效果；ES在0.8以上表示很大的效果。美國教育部教育科學(xué)研究所[14]認(rèn)為，ES=0.25時(shí)，即可以說這樣的教學(xué)效果很顯著。

為了達(dá)到較好的教學(xué)效果、提高效率和效益，一般教學(xué)系統(tǒng)中的教育者應(yīng)具備以下能力：掌握學(xué)科知識(shí)，表達(dá)學(xué)科知識(shí)，了解學(xué)生進(jìn)度，釋疑解惑，激發(fā)興趣，因材施教。掌握知識(shí)這一基本能力是在職前接受專業(yè)知識(shí)教育的過程中必須具備的。其他五種能力，則是教育者在教學(xué)實(shí)踐中，在一定的教學(xué)理論指導(dǎo)下逐漸掌握的。

三、人工智能是在機(jī)器上實(shí)現(xiàn)的教育

人工智能是用人工的方法在機(jī)器上實(shí)現(xiàn)的智能，或者說就是人們使用機(jī)器模擬人類和其它生物的自然智能，包括感知能力、記憶和思維能力、行為能力、語言能力。1956年計(jì)算機(jī)的誕生，即標(biāo)志著人工智能時(shí)代的到來?？梢哉f，人工智能就是在機(jī)器上實(shí)現(xiàn)類人的教育，或者說是對(duì)機(jī)器實(shí)施教育。這個(gè)觀點(diǎn)從人工智能的研究領(lǐng)域可以得到證實(shí)：人工智能自誕生以來逐漸發(fā)展，囊括了諸多領(lǐng)域，而這些領(lǐng)域與人類教育的過程緊密相關(guān)，若干研究路線也與教學(xué)系統(tǒng)中的教學(xué)理論不謀而合。

第一，知識(shí)表示。也稱作知識(shí)工程，主要研究如何在計(jì)算機(jī)上表示、存儲(chǔ)和搜索常識(shí)性知識(shí)和專業(yè)性知識(shí)。這相當(dāng)于在教育系統(tǒng)中首先讓教育者掌握知識(shí)的過程，也相當(dāng)于提高機(jī)器的記憶智能。具體表示方法有：產(chǎn)生式規(guī)則表示法、語義網(wǎng)絡(luò)、自然語言表示法、框架法、腳本法等。產(chǎn)生式規(guī)則表示法最為原始，也被廣泛應(yīng)用，其實(shí)是認(rèn)知主義在人工智能領(lǐng)域的具體應(yīng)用，即強(qiáng)調(diào)計(jì)算機(jī)和人腦一樣，是一個(gè)具有信息輸入、存儲(chǔ)、處理、加工和輸出的載體，智能就體現(xiàn)在對(duì)信息的處理和加工過程中。

第二，機(jī)器學(xué)習(xí)。主要研究如何用計(jì)算機(jī)獲取知識(shí)，即從數(shù)據(jù)中挖掘信息，從信息中歸納知識(shí)，實(shí)現(xiàn)統(tǒng)計(jì)描述、相關(guān)分析、聚類、分類、規(guī)則關(guān)聯(lián)、預(yù)測、可視化等功能，也稱作數(shù)據(jù)挖掘、知識(shí)推理或者知識(shí)發(fā)現(xiàn)。這相當(dāng)于在教育系統(tǒng)中讓受教育者學(xué)習(xí)知識(shí)的過程，也相當(dāng)于在提高計(jì)算機(jī)的思維智能。常用方法有：產(chǎn)生式規(guī)則推理、回歸分析、決策樹、人工神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)）、遺傳算法、Bayes算法、鄰近算法、模糊邏輯、粗糙集等。產(chǎn)生式規(guī)則推理與知識(shí)表示中的產(chǎn)生式規(guī)則表示法一脈相承，是認(rèn)知主義的具體應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)則是模擬人腦中由大量的神經(jīng)元及其復(fù)雜連接構(gòu)成的神經(jīng)網(wǎng)絡(luò)的并行計(jì)算能力，從早期的Hebb規(guī)則到Hopfield網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)等算法，發(fā)展到目前的深度學(xué)習(xí)算法，深度學(xué)習(xí)算法借助大量高速運(yùn)算的CPU和GPU實(shí)現(xiàn)并行計(jì)算，具有較強(qiáng)的分類、聚類和預(yù)測等功能。而互聯(lián)網(wǎng)和物聯(lián)網(wǎng)環(huán)境下的大數(shù)據(jù)，則為深度學(xué)習(xí)提供了海量的學(xué)習(xí)和評(píng)測樣本；這可以說是連接主義在計(jì)算機(jī)上的具體實(shí)現(xiàn)。

第三，模式識(shí)別。主要研究如何識(shí)別一般自然物體、圖像、人類特征（語音、指紋、情感、體感等）等，相當(dāng)于提高計(jì)算機(jī)的感知智能。具體方法需要借助知識(shí)表示和機(jī)器學(xué)習(xí)的研究成果，例如，深度學(xué)習(xí)和大數(shù)據(jù)技術(shù)在近幾年取得了巨大突破，也被廣泛應(yīng)用在語音、圖像、人臉、情感等模式識(shí)別中，這大大提高了識(shí)別的精確率和召回率。

第四，自然語言處理。主要研究如何理解和產(chǎn)生人類自然語言，包括語音和文字兩種形式，而文字又包括詞語形態(tài)、語法、語義、語用和篇章五個(gè)層次，相當(dāng)于提高計(jì)算機(jī)的語言智能。具體方法需要借助語言學(xué)、心理學(xué)、社會(huì)學(xué)等多個(gè)學(xué)科的研究成果，例如，喬姆斯基語法體系影響深遠(yuǎn)；也要借助知識(shí)表示和機(jī)器學(xué)習(xí)的研究成果，例如，基于規(guī)則的產(chǎn)生式表示法是一種傳統(tǒng)的自然語言處理技術(shù)。而基于大量語料借助深度學(xué)習(xí)等算法進(jìn)行數(shù)據(jù)挖掘的自然語言處理技術(shù)，則在近幾年成效顯著。

第五，智能機(jī)器人。主要研究如何讓機(jī)器硬件能夠像人類或者動(dòng)物那樣行動(dòng)，例如，按照一定規(guī)則前進(jìn)、后退、躲避障礙物等，相當(dāng)于提高機(jī)器的行為能力和感知能力。人形機(jī)器人、自動(dòng)行駛車輛可以說是智能機(jī)器人的最新成果。行為主義在機(jī)器人技術(shù)發(fā)展歷史上起著重要作用，知識(shí)表示和機(jī)器學(xué)習(xí)領(lǐng)域的前沿技術(shù)，則為智能機(jī)器人的飛躍發(fā)展添磚加瓦。

第六，專家系統(tǒng)。主要研究如何在在特定領(lǐng)域中模仿專家行為、輔助用戶管理決策，相當(dāng)于提高機(jī)器的多種智能，包括感知、行為、記憶、思維和語言等。一般包括規(guī)則庫、綜合知識(shí)庫、推理機(jī)、人機(jī)接口等部分，需要綜合應(yīng)用以上各個(gè)領(lǐng)域的研究成果。例如，教育領(lǐng)域的專家系統(tǒng)即智能教學(xué)系統(tǒng)。

綜上，人工智能就是在以計(jì)算機(jī)為代表的人造機(jī)器上實(shí)現(xiàn)的人類教育，或者說是對(duì)機(jī)器實(shí)施教育。所不同的是，人類教育要耗費(fèi)較長的時(shí)間，例如，讓學(xué)生掌握常識(shí)性知識(shí)的義務(wù)教育需要花費(fèi)十年左右的時(shí)間以及大量的人力、物力資源；每個(gè)人的教育過程和教育產(chǎn)出都有所不同，甚至異彩紛呈。而人工智能卻可讓一個(gè)機(jī)器在具有一定智能的基礎(chǔ)上，通過拷貝等辦法，讓大量機(jī)器在一瞬間同時(shí)具有相同的智能?？梢韵胂?，將來生產(chǎn)千萬個(gè)能夠取得優(yōu)異成績的高考機(jī)器人，也是分秒之間的事情。

四、人工智能對(duì)教育具有較顯著的正面影響

（一）知識(shí)表示

對(duì)人類常識(shí)性知識(shí)和專業(yè)性知識(shí)大規(guī)模數(shù)據(jù)庫的研究，從上個(gè)世紀(jì)80年代開始，主要是像編纂大百科全書一樣，聘請(qǐng)各個(gè)領(lǐng)域的專家編寫詞條，然后通過一定的格式存儲(chǔ)在計(jì)算機(jī)中，并通過復(fù)雜的語義網(wǎng)來表示這些詞條之間的關(guān)系。

美國軍方資助的大型知識(shí)庫項(xiàng)目CYC[15]就是一個(gè)典型例子，它目前的4.0版本包括了239,000個(gè)概念（Term），以及關(guān)于這些概念的2,093,000個(gè)三元組（Triples，就是事實(shí)）。另外一個(gè)業(yè)界著名的例子是曾經(jīng)得到過美國國家科學(xué)基金會(huì)資助的美國普林斯頓大學(xué)的Wordnet[16]，它是一種按照一定結(jié)構(gòu)組織起來的語義類詞典，標(biāo)明了名詞之間、動(dòng)詞之間、形容詞之間、副詞之間以及這些詞類相互之間復(fù)雜的語義關(guān)系：同義、反義、上下位、蘊(yùn)含等。這樣就構(gòu)成了一個(gè)比較完整的詞匯語義網(wǎng)絡(luò)系統(tǒng)：在詞匯概念之間建立多種語義的聯(lián)系和推理，詞匯關(guān)系在詞語之間體現(xiàn)，語義關(guān)系在概念之間體現(xiàn)。

進(jìn)入21世紀(jì)以來，隨著國際互聯(lián)網(wǎng)和Web2.0的普及，人們自發(fā)參與編纂的知識(shí)庫系統(tǒng)規(guī)模越來越龐大。最典型的是維基百科[17]，目前已有5,529,270個(gè)英文條目，近百萬條漢語條目，以及數(shù)百萬條其他語言的條目。這些條目通過超鏈接方式進(jìn)行廣泛互聯(lián)。國內(nèi)的百度百科、互動(dòng)百科、搜狗百科等也各自都有超過千萬條以上的條目。這些民間知識(shí)庫不僅資源豐富，也通過各種機(jī)制來盡量保證內(nèi)容的正確性、準(zhǔn)確性和及時(shí)性。所以，民間知識(shí)庫已經(jīng)成為不少官方數(shù)據(jù)庫的數(shù)據(jù)來源，例如美國的CYC、德國官方資助的知識(shí)庫項(xiàng)目YAGO[18]等，都將維基百科作為其知識(shí)來源之一。

這些基于互聯(lián)網(wǎng)的知識(shí)庫內(nèi)容日益豐富，大多是免費(fèi)開放的，不僅成為很多智能系統(tǒng)的知識(shí)來源，也成為各個(gè)階段的教育者獲取教學(xué)資料、學(xué)習(xí)者獲取學(xué)習(xí)資料的重要渠道。借助于谷歌、百度等搜索引擎，用戶可以在幾秒之內(nèi)獲取與教學(xué)內(nèi)容相關(guān)的文字、圖片、音頻、視頻等多媒體資源，這遠(yuǎn)遠(yuǎn)超過從傳統(tǒng)圖書館或者印刷品中搜索信息的速度。可以說，這些知識(shí)庫已經(jīng)擴(kuò)展為一個(gè)網(wǎng)腦或“全球腦”，它極大程度地?cái)U(kuò)展了人類的記憶智能。有效搜索和使用這些知識(shí)庫資源，已經(jīng)成為當(dāng)下教師教育技術(shù)能力和信息能力水平考試的一個(gè)重要考點(diǎn)，也構(gòu)成了互聯(lián)網(wǎng)時(shí)代教育者和受教育者的一個(gè)基本信息素養(yǎng)。這是信息技術(shù)對(duì)教育具有革命性影響的一個(gè)重要體現(xiàn)。

（二）機(jī)器學(xué)習(xí)

借助微軟的EXCEL和ACCESS等通用的數(shù)據(jù)處理軟件，可以對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述、相關(guān)分析等較為簡單的數(shù)據(jù)分析和挖掘；借助IBM的SPSS、Math-Works的 Matlab、Wolfram的 Mathematica等商用軟件以及R[19]和WEKA[20]等開源軟件系統(tǒng),則可以實(shí)現(xiàn)機(jī)器學(xué)習(xí)的所有功能，包括對(duì)大數(shù)據(jù)的處理。利用這些工具，可以進(jìn)行教育數(shù)據(jù)挖掘 （Educational Data Mining，EDM）和學(xué)習(xí)分析（Learning Analytics，LA）。

教育數(shù)據(jù)挖掘是指從教育領(lǐng)域積累的數(shù)據(jù)中提取信息，發(fā)現(xiàn)知識(shí)，以便幫助教育管理者和決策者更好地進(jìn)行教育管理和決策。數(shù)據(jù)可以是師生在教學(xué)活動(dòng)中產(chǎn)生的數(shù)據(jù)，也可以是教育管理活動(dòng)中用到的數(shù)據(jù)；可以是在線系統(tǒng)產(chǎn)生的，也可以是離線積累的數(shù)據(jù)。

學(xué)習(xí)分析則側(cè)重對(duì)學(xué)生的學(xué)習(xí)行為中產(chǎn)生的數(shù)據(jù)進(jìn)行分析，以便提取信息，發(fā)現(xiàn)知識(shí)，幫助教育者更好地實(shí)施個(gè)性化和適應(yīng)性教學(xué)活動(dòng)。通過學(xué)習(xí)分析，學(xué)習(xí)者可以更準(zhǔn)確地認(rèn)識(shí)自己，開展針對(duì)性學(xué)習(xí)，改進(jìn)學(xué)習(xí)效果，提高學(xué)習(xí)效益。例如，對(duì)學(xué)習(xí)者聚類或者分類，建立學(xué)習(xí)者模型等。數(shù)據(jù)同樣可以是由在線系統(tǒng)產(chǎn)生的，也可以是離線積累的數(shù)據(jù)。

關(guān)于機(jī)器學(xué)習(xí)在教育領(lǐng)域的應(yīng)用，國內(nèi)外已有不少文獻(xiàn)綜述和元分析研究。筆者研究團(tuán)隊(duì)借助WEKA等數(shù)據(jù)挖掘系統(tǒng)，分析了慕課大數(shù)據(jù)[21]，建立了在線學(xué)習(xí)活動(dòng)指數(shù)OLAI，設(shè)計(jì)了基于OLAI的智能教學(xué)系統(tǒng)[22]。國外Pena-Ayala[23]對(duì)教育數(shù)據(jù)挖掘領(lǐng)域的文獻(xiàn)進(jìn)行元分析，篩選出了從2010年到2013年第一季度的240篇文獻(xiàn)。文獻(xiàn)涉及到222種數(shù)據(jù)挖掘方法和18種工具，然后研究者從各個(gè)角度對(duì)這些文獻(xiàn)進(jìn)行了分類統(tǒng)計(jì)。例如，從數(shù)據(jù)挖掘任務(wù)角度劃分為 10種：分類（42.1%）和聚類（26.86%），其他還有回歸、規(guī)則關(guān)聯(lián)等；從涉及到的教育系統(tǒng)角度分為37種：智能教學(xué)系統(tǒng) （39.64%）、學(xué)習(xí)管理系統(tǒng)（9.01%）、傳統(tǒng)教育 （9.01%）、基于計(jì)算機(jī)的教育（6.76%），等；從涉及到的應(yīng)用系統(tǒng)角度分為37種:Algebra （15.38%）、ASSISTments （14.62%）、Moodle（10%）、Algebra-Bridge（7.69%），等；從功能上分為 4大類：學(xué)生模型 （包括行為建模和表現(xiàn)建模等）占61.72%，學(xué)生支持和反饋（9.46%），課程、領(lǐng)域知識(shí)和教師支持（8.56%），測試評(píng)估（20.27%）。

（三）模式識(shí)別

基于Ekman普適情感狀態(tài)和面部動(dòng)作編碼系統(tǒng)等理論[24-25]的人臉識(shí)別、眼睛識(shí)別、情感識(shí)別、體感識(shí)別技術(shù)逐漸成熟。例如，德國夫瑯和費(fèi)研究所的臉部識(shí)別系統(tǒng)SHORE[26]，可以較好地識(shí)別攝像頭實(shí)時(shí)捕捉到的視頻中的人臉、眼睛、喜怒哀樂等面部表情；美國Tobii公司生產(chǎn)的眼動(dòng)儀及其配套軟件可以實(shí)時(shí)跟蹤用戶眼睛的移動(dòng)和動(dòng)作[27]。當(dāng)然，屬于模式識(shí)別的語音識(shí)別成就也十分巨大。

國際上已經(jīng)有了大量情感識(shí)別等模式識(shí)別教育應(yīng)用方面的研究。Shen等[28]使用來源于生物生理學(xué)信號(hào)處理的情感檢測技術(shù)，設(shè)計(jì)了一種情感化的電子化學(xué)習(xí)模型，將其應(yīng)用到上海開放大學(xué)的電子化學(xué)習(xí)平臺(tái)上，幫助學(xué)生改進(jìn)學(xué)習(xí)體驗(yàn)，根據(jù)學(xué)習(xí)者的情感狀態(tài)來定制個(gè)性化的學(xué)習(xí)材料。實(shí)驗(yàn)表明：參與和疑惑是在學(xué)習(xí)過程中最重要和最常出現(xiàn)的情感，應(yīng)用情感識(shí)別技術(shù)的學(xué)習(xí)，比不用情感識(shí)別技術(shù)的學(xué)生成績高出91%。D’Mello等[29]開發(fā)了一套基于眼動(dòng)儀設(shè)備的智能教學(xué)系統(tǒng)，它可以跟蹤學(xué)習(xí)者眼球運(yùn)動(dòng)并能識(shí)別其無聊和注意力分散狀態(tài)，并在這些狀態(tài)下引導(dǎo)學(xué)習(xí)者注意力集中到屏幕的助教動(dòng)畫代理身上。通過對(duì)照實(shí)驗(yàn)，他們發(fā)現(xiàn)：這個(gè)系統(tǒng)確實(shí)能夠動(dòng)態(tài)地引導(dǎo)學(xué)生關(guān)注屏幕上的重要學(xué)習(xí)內(nèi)容，增加學(xué)生在需要深入思考的問題方面的收獲，加強(qiáng)了學(xué)生的學(xué)習(xí)動(dòng)機(jī)和參與度。筆者團(tuán)隊(duì)也初步實(shí)現(xiàn)了對(duì)漢語文本進(jìn)行情感識(shí)別的系統(tǒng)[30]開發(fā)。

另外，Wu等[31]從1997到2013年的178篇關(guān)于情感計(jì)算的權(quán)威期刊論文中篩選出90篇論文，從各個(gè)角度進(jìn)行分類。他發(fā)現(xiàn)這些論文所涉及到的學(xué)習(xí)領(lǐng)域包括：科學(xué)22篇、工程與計(jì)算機(jī)科學(xué)14篇、語言和藝術(shù)13篇、社會(huì)科學(xué)8篇、其它9篇，其它24篇不涉及任何學(xué)習(xí)領(lǐng)域，而是關(guān)注學(xué)習(xí)動(dòng)機(jī)、觀念和算法；在識(shí)別方法中最常用的是傳統(tǒng)調(diào)查問卷（26%）、皮膚導(dǎo)電反應(yīng)（16%）、面部表情（11%)、心跳（9%）、腦電圖（6%）、文字（6%）、肌電圖（4%)和語音（3%），其他還有教室觀察、面對(duì)面談話、交互軟件代理和光學(xué)體積描記術(shù)等；10種最常見的情感狀態(tài)是：高興、驚奇、中性、無聊、悲傷、憤怒、恐懼、沮喪、厭惡和興趣。

（四）自然語言處理

在語音、詞語形態(tài)、句法、語義、語用和篇章等各個(gè)層次上，自然語言處理技術(shù)都取得了長足進(jìn)步。我國“科大訊飛”[32]等公司的語音識(shí)別和合成技術(shù)已可以與常人媲美；中國科學(xué)院計(jì)算技術(shù)研究所分詞系統(tǒng)[33]等開放的漢語分詞系統(tǒng)功能強(qiáng)大；美國斯坦福大學(xué)語法分析器Stanford Parser[34]等開源的語法分析系統(tǒng)適用于英語、漢語等多種語言；谷歌、百度、微軟等公司的翻譯技術(shù)日益成熟。

自然語言處理技術(shù)在教育上的應(yīng)用主要有兩個(gè)方面：一是作為輔助工具應(yīng)用到語言教學(xué)上,即CALL（計(jì)算機(jī)輔助語言教學(xué)）；二是作為人機(jī)交互手段應(yīng)用到智能教學(xué)系統(tǒng)上。在CALL領(lǐng)域，我國一大批系統(tǒng)進(jìn)入實(shí)用狀態(tài)，例如，科大訊飛語音系統(tǒng)被廣泛應(yīng)用在漢語、英語教學(xué)和考試評(píng)測上；批改網(wǎng)[35]批改了全國的三億多篇英語作文，減輕了英語老師的批改負(fù)擔(dān)，為學(xué)生提供了全天候、個(gè)性化的輔助寫作服務(wù)。

對(duì)于計(jì)算機(jī)輔助語言教學(xué)的教學(xué)效果這一主題，國內(nèi)外已有大量實(shí)證研究[36-38]，也有很多基于這些實(shí)證研究的元分析。Zhao[39]分析了1997-2001年5本期刊上的CALL實(shí)證研究論文，發(fā)現(xiàn)這些論文中的實(shí)證研究的ES平均值為1.12，這是非常顯著的教學(xué)效果。Taylor的元分析[40-41]發(fā)現(xiàn)計(jì)算機(jī)支持的詞匯學(xué)習(xí)比傳統(tǒng)紙質(zhì)方式的詞匯學(xué)習(xí)效果更好。Grgurovic等的元分析[42]從1970年到2006年出版的CALL文獻(xiàn)中篩選出37篇實(shí)證研究論文，包括了52個(gè)具有ES值的實(shí)驗(yàn)，發(fā)現(xiàn)總體ES均值為0.23，代表一個(gè)較小的但是顯著的正面效果。Golonka等[43]分析了350多篇CALL方面的實(shí)證研究論文，比較了技術(shù)支持的教學(xué)與傳統(tǒng)教學(xué)的效果，發(fā)現(xiàn)在計(jì)算機(jī)支持的語音訓(xùn)練、特別在自動(dòng)語音識(shí)別方面，教學(xué)效果尤為顯著。它能夠改進(jìn)學(xué)生發(fā)音并提供及時(shí)而準(zhǔn)確的反饋，網(wǎng)上聊天也會(huì)顯著促進(jìn)提高學(xué)生語言的產(chǎn)出量和復(fù)雜性。技術(shù)對(duì)于學(xué)習(xí)者的情感動(dòng)機(jī)、交互能力、元語言能力等，都具有較好的促進(jìn)作用。

（五）智能機(jī)器人

智能機(jī)器人作為人工智能技術(shù)中集大成的一個(gè)跨學(xué)科領(lǐng)域，將其應(yīng)用于教育中，對(duì)于科學(xué)、技術(shù)、工程和數(shù)學(xué)學(xué)科(STEM)的整合式教學(xué)至關(guān)重要。它鼓勵(lì)探索、動(dòng)手操作與學(xué)習(xí)，將工程技術(shù)概念應(yīng)用到真實(shí)世界中，減少科學(xué)和數(shù)學(xué)的抽象性，提高學(xué)生的學(xué)習(xí)興趣，激發(fā)學(xué)習(xí)動(dòng)機(jī)，增強(qiáng)自信心，增進(jìn)交流和合作能力、問題解決能力和創(chuàng)造性思維[44]，同時(shí)減少焦慮等負(fù)面情感體驗(yàn)[45]。

自著名人工智能專家和教育技術(shù)專家Papert[46]強(qiáng)調(diào)在課堂上使用可編程、積木化的材料來教小學(xué)生控制機(jī)器人以來，已有大量研究證明了機(jī)器人教學(xué)整合對(duì)于學(xué)習(xí)效果的正面促進(jìn)作用。例如，其有助于小學(xué)生科學(xué)學(xué)科成績的改進(jìn)；可促進(jìn)小學(xué)和中學(xué)STEM知識(shí)的學(xué)習(xí)；有利于小學(xué)和中學(xué)生數(shù)學(xué)成績的提高；可增強(qiáng)中學(xué)生物理內(nèi)容知識(shí)的掌握；有助于中學(xué)生工程設(shè)計(jì)技能的增強(qiáng)；可促進(jìn)STEM學(xué)習(xí)中關(guān)鍵能力的提高（如，空間能力、圖形解釋能力、圖形序列能力等）[47]。

Merkouris等[48]探討了學(xué)習(xí)可觸摸計(jì)算機(jī)（如，機(jī)器人和可穿戴計(jì)算機(jī)）編程的教學(xué)效果。他們將36名學(xué)生分為三個(gè)組，分別使用不同的設(shè)備：臺(tái)式機(jī)、機(jī)器人和可穿戴計(jì)算機(jī)；每個(gè)組都應(yīng)用相似的基于模塊的可視化編程環(huán)境，測量學(xué)生在情感、態(tài)度和計(jì)算機(jī)編程能力上的變化。實(shí)驗(yàn)結(jié)果表明：與使用臺(tái)式機(jī)相比，使用機(jī)器人的學(xué)生表現(xiàn)出更為強(qiáng)烈的學(xué)習(xí)編程傾向；不管是機(jī)器人還是可穿戴計(jì)算機(jī)，都對(duì)學(xué)生的學(xué)習(xí)順序、重復(fù)和分支結(jié)構(gòu)等基本計(jì)算概念，產(chǎn)生了顯著的正面影響。

Danahy等[49]以四所美國大學(xué)機(jī)器人教育的實(shí)踐為例，分析了“樂高機(jī)器人”15年來在工程教育中所起到的作用。從1998年的RCX到2013年的EV3，樂高教育將模塊化的編程語言與模塊化的搭建平臺(tái)結(jié)合起來，使得所有年齡段的學(xué)生都能建造各種各樣的物件，從機(jī)器人動(dòng)物到會(huì)玩兒童游戲的機(jī)器人。更為重要的是，它允許學(xué)生們對(duì)同一個(gè)問題給出不同的答案，從而建立一個(gè)學(xué)習(xí)化社區(qū)。

Kim等[50]介紹如何幫助在校師范生應(yīng)用機(jī)器人來學(xué)會(huì)設(shè)計(jì)和實(shí)施STEM教育。研究者調(diào)查了學(xué)生通過機(jī)器人參與STEM學(xué)習(xí)和課程的情況，收集的數(shù)據(jù)包括調(diào)查問卷、課堂觀察、訪談、教學(xué)計(jì)劃。定量和定性數(shù)據(jù)分析表明，這些職前師范生積極而專注地參與到機(jī)器人學(xué)習(xí)活動(dòng)中，極大地提高了STEM參與程度；學(xué)生的教學(xué)設(shè)計(jì)表明其STEM教學(xué)能力正在朝著富有成果的方向發(fā)展，盡管仍有不少值得改進(jìn)的地方。這些發(fā)現(xiàn)證明，機(jī)器人技術(shù)能夠被應(yīng)用到改變教師對(duì)STEM教學(xué)的態(tài)度，提高教師STEM教學(xué)能力的活動(dòng)中去。

（六）專家系統(tǒng)—智能教學(xué)系統(tǒng)

教育領(lǐng)域的專家系統(tǒng)就是智能教學(xué)系統(tǒng)（ITS），是指一個(gè)能夠模仿人類教師或者助教來幫助學(xué)習(xí)者進(jìn)行某個(gè)學(xué)科、領(lǐng)域或者知識(shí)點(diǎn)學(xué)習(xí)的智能系統(tǒng)。一個(gè)成功的智能教學(xué)系統(tǒng)應(yīng)當(dāng)具備教育者的基本功能，即擁有某個(gè)學(xué)科領(lǐng)域的知識(shí)；用合適的方式向?qū)W生展示學(xué)習(xí)內(nèi)容；了解學(xué)生的學(xué)習(xí)進(jìn)度和風(fēng)格；對(duì)學(xué)生的學(xué)習(xí)情況給予及時(shí)而恰當(dāng)?shù)姆答?；幫助學(xué)生解決問題。為了實(shí)現(xiàn)這些功能，一個(gè)智能教學(xué)系統(tǒng)通常包括教師模塊、學(xué)生模塊、教學(xué)模塊和交互模塊。教師模塊采用產(chǎn)生式表示法等各種知識(shí)表示方法來存儲(chǔ)學(xué)科領(lǐng)域知識(shí)；學(xué)生模塊反映學(xué)生認(rèn)知和情感狀態(tài)、學(xué)習(xí)風(fēng)格等個(gè)性信息；教學(xué)模塊體現(xiàn)認(rèn)知主義、建構(gòu)主義等各種教學(xué)理論和方法；交互模塊采用自然語言對(duì)話、情感或體感識(shí)別、虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)等技術(shù)來實(shí)現(xiàn)學(xué)習(xí)者和系統(tǒng)之間的人機(jī)交互[51]。

智能教學(xué)系統(tǒng)已有半個(gè)多世紀(jì)的研發(fā)和應(yīng)用歷史。行為主義心理學(xué)家斯金納在權(quán)威期刊《科學(xué)》上發(fā)表的論文[52]可以說是智能教學(xué)系統(tǒng)的鼻祖。他通過這個(gè)機(jī)械裝置構(gòu)成的機(jī)器，實(shí)現(xiàn)了在行為主義指導(dǎo)下的程序教學(xué)法。這個(gè)機(jī)器可以用來教授低年級(jí)階段的語言單詞拼寫和算數(shù)等知識(shí)，也可以用來教授高中到大學(xué)階段的知識(shí)內(nèi)容。他和同事們建造了十臺(tái)這樣的機(jī)器，哈佛和拉德克利夫大學(xué)有將近200名本科生使用這些機(jī)器學(xué)習(xí)人類行為的課程。學(xué)生的調(diào)查問卷和訪談驗(yàn)證了這種機(jī)器教學(xué)所預(yù)期的優(yōu)越性：與傳統(tǒng)的學(xué)習(xí)方式相比，學(xué)生花費(fèi)了較少時(shí)間，但是學(xué)會(huì)了較多知識(shí)；學(xué)生不必等待很多時(shí)間，就可以立即知道本人的學(xué)習(xí)狀況。

從20世紀(jì)70年代以來，各個(gè)學(xué)科的智能教學(xué)系統(tǒng)不斷涌現(xiàn)，典型的如采用蘇格拉底對(duì)話式的地理教學(xué)系統(tǒng)SCHOLAR，用于程序教學(xué)的SOPHIE和BUGGY，用于地球物理教學(xué)的WHY，用于醫(yī)學(xué)教學(xué)的GUIDON，具有適應(yīng)性學(xué)習(xí)能力的MAIS，用于LISP教學(xué)的ELM-ART,用于數(shù)學(xué)教學(xué)的PAT和Algebra Cognitive Tutor,用于醫(yī)學(xué)教育的CIRCSIM，用于物理、數(shù)學(xué)、編程等教學(xué)的AutoTutor,用于數(shù)據(jù)庫知識(shí)教學(xué)的KERMIT，用于語言教學(xué)的TLCTS[53]和CSIEC[54]，等等。

這些智能教學(xué)系統(tǒng)的教學(xué)效果也得到了較為嚴(yán)格的驗(yàn)證。Koedinger etc.[55]介紹了他們多年研發(fā)的數(shù)學(xué)智能導(dǎo)師系統(tǒng)PAT的原理、技術(shù)和在美國城市高中的大規(guī)模實(shí)際應(yīng)用。匹茲堡市數(shù)學(xué)教學(xué)項(xiàng)目（PUMP）所設(shè)計(jì)的代數(shù)課程以真實(shí)世界中的數(shù)學(xué)問題分析和計(jì)算工具使用為中心。其以用戶為中心的設(shè)計(jì)方法滿足了用戶在課程目標(biāo)和課堂教學(xué)上的需求，也展現(xiàn)了設(shè)計(jì)團(tuán)隊(duì)在數(shù)學(xué)教學(xué)、人工智能和認(rèn)知心理學(xué)上充分結(jié)合的優(yōu)勢?；贏CT理論，PAT建立了一個(gè)模仿優(yōu)秀學(xué)生表現(xiàn)的心理模型，該模型包括一連串“如果-就”形式的產(chǎn)生式規(guī)則，來解決問題的大量步驟和學(xué)生典型的錯(cuò)誤步驟。這個(gè)模型是兩個(gè)學(xué)生模型的基礎(chǔ)：模型跟蹤和知識(shí)跟蹤。模型跟蹤通過比較學(xué)生解決問題時(shí)所表現(xiàn)出來的行為與心理模型所定義的行為差異來監(jiān)控學(xué)生的學(xué)習(xí)過程；而知識(shí)跟蹤則用來監(jiān)控學(xué)生解決不同問題時(shí)的學(xué)習(xí)。PAT系統(tǒng)正是支持并實(shí)現(xiàn)了這種教學(xué)思想，因而被常態(tài)整合到匹茲堡市三所九年級(jí)代數(shù)課程中。這些學(xué)校1993-1994學(xué)年的評(píng)估結(jié)果顯示，470名參與實(shí)驗(yàn)學(xué)生在標(biāo)準(zhǔn)化考試中的平均成績比對(duì)照班高出15%（ES=0.3），而在以PUMP為考察核心的考試中高出 100%（ES=1.2）。

這項(xiàng)應(yīng)用研究表明，實(shí)驗(yàn)室中的智能教學(xué)系統(tǒng)可以滿足大規(guī)模教學(xué)實(shí)踐的需求。PAT根據(jù)學(xué)生的操作給予及時(shí)恰當(dāng)?shù)姆答伜蛶椭蕴崾?；這種即時(shí)反饋和幫助是智能教學(xué)系統(tǒng)對(duì)學(xué)生產(chǎn)生認(rèn)知和動(dòng)機(jī)正面影響的一個(gè)重要原因。通常來說，一個(gè)學(xué)生需要花20-30分鐘來解決一個(gè)計(jì)算價(jià)格性質(zhì)的數(shù)學(xué)問題；而要實(shí)現(xiàn)同樣的教學(xué)目標(biāo)，傳統(tǒng)的延遲反饋比這樣的及時(shí)反饋要讓學(xué)生多花3倍以上的時(shí)間。

Graesser etc.[56]介紹了AutoTutor，一個(gè)基于建構(gòu)主義理論的模仿人類導(dǎo)師與學(xué)習(xí)者進(jìn)行自然語言對(duì)話的系統(tǒng)。這種對(duì)話通過一個(gè)對(duì)話角色代理和三維交互模擬得到了加強(qiáng)，以便增強(qiáng)學(xué)習(xí)者的參與感和學(xué)習(xí)深度。該系統(tǒng)的對(duì)話基于錯(cuò)誤概念與期待值之間誤差的矯正模型，用潛在語義分析工具來判斷學(xué)生輸入文本，并將之與對(duì)話期待值或者錯(cuò)誤概念進(jìn)行匹配。

對(duì)于AutoTutor的評(píng)估在四個(gè)層面展開：第一是系統(tǒng)的對(duì)話輸出的合理性，已有研究表明，這種合理性與人類導(dǎo)師相差無幾；第二個(gè)層次是其產(chǎn)生對(duì)話的質(zhì)量，讓學(xué)生作為旁觀者進(jìn)行的圖靈測試[57]，以表明他們無法區(qū)分系統(tǒng)產(chǎn)生的對(duì)話與人類導(dǎo)師發(fā)出的對(duì)話的差異；第三個(gè)層次是它在教學(xué)上的應(yīng)用能否幫助學(xué)生提高學(xué)習(xí)成績，這個(gè)系統(tǒng)在大學(xué)計(jì)算機(jī)文化和概念性物理學(xué)教學(xué)中的應(yīng)用，不管是在實(shí)驗(yàn)室還是班級(jí)常規(guī)教學(xué)中，對(duì)學(xué)生的影響效果都是正面的，ES從0.2到1.6，具體值與教學(xué)科目、學(xué)習(xí)效果的測量方法和比較條件有關(guān)；第四個(gè)層次是學(xué)生是否喜歡使用這個(gè)系統(tǒng)進(jìn)行學(xué)習(xí)。

筆者所在的研究團(tuán)隊(duì)將智能技術(shù)整合于中學(xué)英語教學(xué)。經(jīng)過在四所中學(xué)多個(gè)學(xué)期較為嚴(yán)格的實(shí)證研究，證明智能系統(tǒng)支持的混合式教學(xué)對(duì)于提高學(xué)生學(xué)習(xí)興趣和學(xué)習(xí)成績具有較為顯著的促進(jìn)作用。實(shí)驗(yàn)班與對(duì)照班的常規(guī)考試成績相比效果尺度ES大小為從0.12到0.45[58]。同時(shí)，研究團(tuán)隊(duì)也對(duì)一個(gè)數(shù)學(xué)智能教學(xué)系統(tǒng)“樂學(xué)一百”在初中的課程整合進(jìn)行了評(píng)估，發(fā)現(xiàn)智能系統(tǒng)支持的混合式教學(xué)可以將實(shí)驗(yàn)班學(xué)生的成績顯著提升，效果尺度從0.18增加到0.25[59]。

國際上也有不少關(guān)于智能教學(xué)系統(tǒng)的元分析。Vahlehn[60]在基于與智能教學(xué)系統(tǒng)相關(guān)的搜索結(jié)果中，按照嚴(yán)格條件篩選出了44篇文獻(xiàn),通過元分析方法，比較了在人類導(dǎo)師、計(jì)算機(jī)輔助教學(xué)系統(tǒng)和無導(dǎo)師情況下的教學(xué)效果。計(jì)算機(jī)輔助教學(xué)系統(tǒng)根據(jù)人機(jī)交互界面的顆粒度大小，分為基于答案的、基于步驟的、基于小步驟的導(dǎo)師系統(tǒng)。大部分智能教學(xué)系統(tǒng)具有基于步驟的或者基于小步驟的人機(jī)交互功能，而其他計(jì)算機(jī)教學(xué)系統(tǒng)（如，CAI、CBT、CAL 等）則具有基于答案的人機(jī)交互功能。已有的研究認(rèn)為，輔導(dǎo)的步驟越小，教學(xué)效果越顯著；與沒有導(dǎo)師的學(xué)習(xí)情況相比，基于答案的計(jì)算機(jī)教學(xué)系統(tǒng)、智能教學(xué)系統(tǒng)、人類導(dǎo)師系統(tǒng)的ES分別為0.3、1.0和2.0。有趣的是Vahlehn的元分析研究卻表明，人類導(dǎo)師的ES只有0.79，而智能教學(xué)系統(tǒng)的ES為0.76，兩者沒有顯著性差異。

Kulik和Fletcher[61]再次使用元分析技術(shù)研究智能教學(xué)系統(tǒng)的效果。他們按照一定條件搜索相關(guān)數(shù)據(jù)庫，獲得550篇候選文獻(xiàn)；研讀這些文獻(xiàn)后，按照更加嚴(yán)格的條件篩選出50篇智能教學(xué)系統(tǒng)方面的文獻(xiàn)。對(duì)這50篇文獻(xiàn)的分析表明：46篇（92%）文獻(xiàn)證明后測中使用智能教學(xué)系統(tǒng)的實(shí)驗(yàn)學(xué)生的學(xué)習(xí)效果好于對(duì)照組學(xué)生；其中的39篇（78%）的ES大于0.25；平均 ES 是 0.66。

智能教學(xué)系統(tǒng)的效果也是穩(wěn)定可靠的。50個(gè)案例發(fā)生在不同時(shí)間、場合和教育環(huán)境中，比如分布在四個(gè)大洲的9個(gè)國家。其中39（78%）在美國，平均ES為0.56；其他11個(gè)國家的平均ES為0.79。智能教學(xué)系統(tǒng)不僅僅走出了它的發(fā)源地美國，還走向了世界各地，而且在其他地方發(fā)展得還很好。不過，智能教學(xué)系統(tǒng)的這種中等以上的教學(xué)效果是相對(duì)于為研究而特殊設(shè)計(jì)的測試而言的。在這50個(gè)研究中，使用特殊測試的研究平均ES是0.73，而其他采用標(biāo)準(zhǔn)化測試的研究平均ES只有0.13，這是元分析中非常普遍的現(xiàn)象。該文由此認(rèn)為，在相關(guān)研究中的絕大多數(shù)智能教學(xué)系統(tǒng)對(duì)于學(xué)生學(xué)習(xí)效果的促進(jìn)作用不僅僅是正面的，而且對(duì)于教學(xué)而言是足夠大的，智能教學(xué)系統(tǒng)可以成為非常有效的教學(xué)工具。

總之，在智能教學(xué)系統(tǒng)領(lǐng)域，不管是眾多的實(shí)證研究還是元分析的結(jié)果都證明，與傳統(tǒng)教學(xué)方式相比，智能教學(xué)系統(tǒng)對(duì)于學(xué)生的學(xué)業(yè)表現(xiàn)都具有比較顯著的正面影響。

五、人工智能促進(jìn)人類學(xué)習(xí)方式變革

豐富多樣的網(wǎng)絡(luò)資源、日益成熟的人工智能技術(shù)正在提供越來越快速、便捷的技術(shù)支撐，這使得我們可以進(jìn)行適應(yīng)性、個(gè)性化的學(xué)習(xí)，而不僅僅被局限于正規(guī)學(xué)校里發(fā)生、進(jìn)行的傳統(tǒng)學(xué)習(xí)。

第一，借助“網(wǎng)腦”搜索所需要的任何領(lǐng)域的知識(shí)。維基百科、百度百科等網(wǎng)上知識(shí)庫的內(nèi)容幾乎可以說是無所不包，并且準(zhǔn)確性、正確性和及時(shí)性越來越高，其可以提供與任何學(xué)科有關(guān)的資料。

第二，借助機(jī)器翻譯系統(tǒng)閱讀和學(xué)習(xí)外文資料。隨著我國國際化程度的進(jìn)一步提高，經(jīng)濟(jì)、社會(huì)、教育、文化、體育等各個(gè)領(lǐng)域的國際交流日益廣泛，需要我們閱讀一定的外文資料。谷歌翻譯、百度翻譯等網(wǎng)上多種語言翻譯系統(tǒng)的翻譯效果越來越好，可以幫助我們翻譯單詞、句子和篇章，并提供詞匯解釋和例句、合成語音等輔助學(xué)習(xí)功能。即使沒有學(xué)過某種外語，我們也可以了解該語種資料的大致含義。

第三，借助語言技術(shù)學(xué)習(xí)外語。比如，使用“批改網(wǎng)”等系統(tǒng)提交英語作文，在得到系統(tǒng)即時(shí)反饋后多次修改拼寫、語法和修辭等錯(cuò)誤直到滿意為止；借助“訊飛暢言語音系統(tǒng)”、“英語流利說”、“英語模仿秀”等系統(tǒng)學(xué)習(xí)英語發(fā)音。

第四，借助智能機(jī)器人學(xué)習(xí)編程，培養(yǎng)計(jì)算思維和創(chuàng)造性思維?！皹犯邫C(jī)器人”、“能力風(fēng)暴”等智能機(jī)器人系統(tǒng)都提供了與硬件配套的可視化、模塊化編程環(huán)境，如Scratch等。這便于我們學(xué)習(xí)控制機(jī)器人的傳感器和行動(dòng)裝置，學(xué)習(xí)順序、分支、循環(huán)等程序結(jié)構(gòu)和并發(fā)計(jì)算，并在此基礎(chǔ)上發(fā)揮我們的想象力和創(chuàng)造力，設(shè)計(jì)、搭建、開發(fā)出富有創(chuàng)意的作品。

第五，借助智能教學(xué)系統(tǒng)進(jìn)行某個(gè)學(xué)科的深入學(xué)習(xí)。比如在數(shù)學(xué)方面，可以借助“樂學(xué)一百”、“可汗學(xué)院”、“數(shù)學(xué)盒子”、“洋蔥數(shù)學(xué)”等智能學(xué)習(xí)平臺(tái)，找到與本人知識(shí)階段相應(yīng)的內(nèi)容；或者借助平臺(tái)的自動(dòng)推薦功能，深入學(xué)習(xí)代數(shù)、幾何等某個(gè)領(lǐng)域的知識(shí)，通過平臺(tái)的自測功能看到自己的進(jìn)步與不足、甚至是具體形象的學(xué)科畫像，然后繼續(xù)學(xué)習(xí)系統(tǒng)推薦的微課或者閱讀材料等內(nèi)容；或者參與系統(tǒng)推薦的練習(xí)，直到自己牢固掌握這些知識(shí)為止。筆者團(tuán)隊(duì)提出并設(shè)計(jì)的基于在線學(xué)習(xí)活動(dòng)指數(shù)的智能教學(xué)系統(tǒng)，就具有這樣的功能[62]。

第六，用適合自己學(xué)習(xí)風(fēng)格的方式進(jìn)行學(xué)習(xí)。學(xué)習(xí)風(fēng)格作為影響學(xué)生學(xué)習(xí)的一種個(gè)性化要素，受到教育研究者廣泛關(guān)注。Keefe定義學(xué)習(xí)風(fēng)格為[63]：“認(rèn)知的、情感的和生理上的因素的組合，能夠相對(duì)穩(wěn)定地表明一個(gè)學(xué)習(xí)者如何感知學(xué)習(xí)環(huán)境，與環(huán)境交互及做出反應(yīng)”。不同學(xué)習(xí)風(fēng)格的學(xué)習(xí)者，會(huì)對(duì)一定的學(xué)習(xí)媒體產(chǎn)生不同的偏好。例如，Memletics學(xué)習(xí)風(fēng)格量表將學(xué)習(xí)風(fēng)格劃分為七個(gè)維度：視覺、聽覺、言語、邏輯、社會(huì)、個(gè)體、身體，每個(gè)維度的取值在[0,20]。智能教學(xué)系統(tǒng)會(huì)根據(jù)學(xué)習(xí)者的過程數(shù)據(jù)或者調(diào)查反饋結(jié)果，確定學(xué)習(xí)者的學(xué)習(xí)風(fēng)格，并據(jù)此向?qū)W習(xí)者推薦合適的學(xué)習(xí)媒體、方法與路徑。

總之，現(xiàn)在人人都可以借助人工智能技術(shù)，創(chuàng)建人機(jī)和諧的學(xué)習(xí)環(huán)境。我們可以期待，在不久的未來，人工智能技術(shù)可以創(chuàng)造出更加個(gè)性化、適應(yīng)性、服務(wù)于終身學(xué)習(xí)的智能普適學(xué)習(xí)環(huán)境。在這個(gè)環(huán)境中，任何人，不管想學(xué)什么、在什么地方都可以學(xué)習(xí)；學(xué)習(xí)可以是個(gè)性化的，智能教學(xué)系統(tǒng)就像教師一樣在旁邊輔導(dǎo)；學(xué)習(xí)也可以是社會(huì)化的，就像在傳統(tǒng)教室里一樣，有競爭也有協(xié)作。

[1]Silver D,Huang A,Maddison C J,et al.Mastering the Game of Go with Deep Neural Networks and Tree Search[J].Nature,2016,529（7587）:484.

[2]Silver D,Schrittwieser J,Simonyan K,et al.Mastering the Game of Go without Human Knowledge[J].Nature,2017,550（7676）:354.

[3]陳凱泉,沙俊宏,何瑤,等.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)[J].遠(yuǎn)程教育雜志，2017（5）:40-53.

[4]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.

[5]吳永和,劉博文,馬曉玲.構(gòu)筑“人工智能+教育”的生態(tài)系統(tǒng)[J].遠(yuǎn)程教育雜志,2017（5）:27-39.

[6]余明華,馮翔,祝智庭.人工智能視域下機(jī)器學(xué)習(xí)的教育應(yīng)用與創(chuàng)新探索[J].遠(yuǎn)程教育雜志,2017（3）:11-21.

[7]張坤穎,張家年.人工智能教育應(yīng)用與研究中的新區(qū)、誤區(qū)、盲區(qū)與禁區(qū)[J].遠(yuǎn)程教育雜志,2017（5）:54-63.

[8]國務(wù)院公告.國務(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].[2017-12-10].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[9]Jia J.The Cost-Effect Analysis of Integration of CSIEC System into English Instruction[J].Intelligent Web-based English Instruction in Middle Schools,2015.

[10]Coe R.It’s the Effect Size,Stupid:What Effect Size is and Why it is Important[C]//Conference of the British Educational Research Association，2002.

[11]Cohen J.Statistical Power Analysis for the Behavioral Sciences Second Edition[M].Lawrence Erlbaum Associates,1988：19-74.

[12]Cohen J.A Power Primer[J].Psychological Bulletin,1992,112（1）:155-159.

[13]Hedges L V,Olkin I.Statistical Methods for Meta-Analysis[J].New Directions for Program Evaluation,1985,1984（24）:25-42.

[14]U.S.Department of Education.Institute of Education Sciences,What Works Clearinghouse[R].High school mathematics intervention report,2013.

[15]Cyc[EB/OL].[2017-12-10].http://www.opencyc.org.

[16]Wordnet[EB/OL].[2017-12-10].http://wordnet.princeton.edu.

[17]Wikipedia[EB/OL].[2017-12-10].https://www.wikipedia.org.

[18]YAGO[EB/OL].[2017-12-10].http://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago.

[19]R Project[EB/OL].[2017-12-10].https://www.r-project.org.

[20]WEKA[EB/OL].[2017-12-10].http://www.cs.waikato.ac.nz/ml/weka.

[21]賈積有,繆靜敏,汪瓊.MOOC學(xué)習(xí)行為及效果的大數(shù)據(jù)分析——以北大6門MOOC為例[J].工業(yè)和信息化教育,2014（9）:23-29.

[22]賈積有,于悅洋.學(xué)習(xí)活動(dòng)指數(shù)LAI及在線學(xué)習(xí)活動(dòng)指數(shù)OLAI的具體分析[J].中國遠(yuǎn)程教育,2017（4）：15-21+56.

[23]Pena-Ayala A.Educational Data Mining:A Survey and a Data Mining-based Analysis of Recent Works[J].Expert Systems with Applications,2014,41（4）:1432-1462.

[24]Ekman P.Universals and Cultural Differences in Facial Expressions of Emotions[J].Nebraska Symposium on Motivation,1972:207-282.

[25]Ekman P.Facial Expressions of Emotion:New Findings,New Questions[J].Psychological Science,1992,3（1）:34-38.

[26]SHORE[EB/OL].[2017-12-10].http://www.iis.fraunhofer.de/de/ff/bsy/tech/bildanalyse/shore-gesichtsdetektion.html.

[27]Tobie[EB/OL].[2017-12-10].http://www.tobii.com.

[28]Shen L,Wang M,Shen R.Affective e-Learning:Using “Emotional”Data to Improve Learning in Pervasive Learning Environment[J].Journal of Educational Technology&Society,2009,12（2）:176-189.

[29]D’Mello S,Olney A,Williams C,et al.Gaze Tutor:A Gaze-reactive Intelligent Tutoring System[J].International Journal of Human-Computer Studies,2012,70（5）:377-398.

[30]賈積有,楊柏潔.文本情感計(jì)算系統(tǒng)“小菲”的設(shè)計(jì)及其在教育領(lǐng)域文本分析中的應(yīng)用[J].中國教育信息化,2016（14）:74-78.

[31]Wu C,Huang Y,Hwang J.Review of Affective Computing in Education/Learning:Trends and Challenges[J].British Journal of Educational Technology,2016,47（6）:1304-1323.

[32]科大訊飛.Iflytek[EB/OL].[2017-12-10].http://www.iflytek.com.

[33]計(jì)算所分詞系統(tǒng)Ictclas[EB/OL].[2017-12-10].http://ictclas.nlpir.org..

[34]Stanfordparser[EB/OL].[2017-12-10].http://nlp.stanford.edu/software/lex-parser.shtml#Citing.

[35]批改網(wǎng)[EB/OL].[2017-12-10].http://www.pigai.org.

[36]Johnson W L,Valente A.Tactical Language and Culture Training Systems:Using AI to Teach Foreign Languages and Cultures[J].AI Magazine，2009，30（2）:72-83.

[37]Jia J,etc.Effects of an Intelligent Web-based English Instruction System on Students’Academic Performance[J].Journal of Computer Assisted Learning,2013,29（6）:556-568.

[38]Mcnamara D S,Crossley S A,Roscoe R.Natural Language Processing in an Intelligent Writing Strategy Tutoring System[J].Behavior Research Methods,2013,45（2）:499-515.

[39]Zhao Y.Recent Developments in Technology and Language Learning:A Literature Review and Meta-analysis[J].CALICO Journal,2003,21（1）:7-27.

[40]Taylor A.The Effects of CALL versus Traditional L1 Glosses on L2 Reading Comprehension[J].CALICO Journal,2006，23：309-318.

[41]Taylor A.CALL-based versus Paper-based Glosses:Is there a Dif-ference in Reading Comprehension? [J].CALICO Journal,2009，27（1）：147-160.

[42]Grgurovic M,Chapelle C A,Shelley M C.A Meta-Analysis of Effectiveness Studies on Computer Technology-Supported Language Learning[J].Recall,2013,25（2）:165-198.

[43]Ewa M Golonka,Anita R Bowles,Victor M Frank,et al.Technologies for Foreign Language Learning:A Review of Technology Types and their Effectiveness[J].Computer Assisted Language Learning,2014,27（1）:70-105.

[44]Altin H,Pedaste M.Learning Approaches to Applying Robotics in Science Education[J].Journal of Baltic Science Education,2013,12（3）:365-377.

[45]Eguchi A.RoboCupJunior for Promoting STEM Education,21st Century Skills,and Technological Advancement through Robotics Competition[J].Robotics&Autonomous Systems,2015,75:692-699.

[46]Papert S.Mindstorms:Children,Computers,and Powerful Ideas[M].New York:Basic Books,1980.

[47][50]Kim C M,Kim D,Yuan J,et al.Robotics to Promote Elementary Education Pre-service Teachers’STEM Engagement,Learning,and Teaching[J].Computers&Education,2015,91（C）:14-31.

[48]Merkouris A,Chorianopoulos K,Kameas A.Teaching Programming in Secondary Education through Embodied Computing Platforms:Robotics and Wearables[J].Acm Transactions on Computing Education,2017,17（2）:1-22.

[49]Danahy E,Wang E,Brockman J,et al.LEGO-based Robotics in Higher Education:15 Years of Student Creativity[J].International Journal of Advanced Robotic Systems,2014,11（1）:1.

[51]Jia J.Intelligent Tutoring Systems[M]//Mike Spector （Ed.）.Encyclopedia of Educational Technology,2015:411-413.

[52]Skinner B F.Teaching Machines[J].Science,1958,128（3330）:969-977.

[53]Johnson W L,Valente A.Tactical Language and Culture Training Systems:Using AI to Teach Foreign Languages and Cultures[J]．AI Magazine,2009,30（2）:72-83.

[54]Jia J.CSIEC:A Computer Assisted English Learning Chatbot based on Textual Knowledge and Reasoning[J].Knowledge-based Systems,2009,22 （4）:249-255.

[55]Koedinger K R,Anderson J R,Hadley W H,Mark M A.Intelligent Tutoring Goes to School in the Big City[J].International Journal of Artificial Intelligence in Education,1997,8:30-43.

[56]Graesser A C,Chipman P,Haynes B C,et al.Auto Tutor:An Intelligent Tutoring System with Mixed-initiative Dialogue[J].IEEE Transactions on Education,2005,48（4）:612-618.

[57]Turing A.Computing Machinery and Intelligence[J].Mind LIX,1950（236）:433-460.

[58]Jia J,etc.Effects of an Intelligent Web-based English Instruction System on Students’Academic Performance[J].Journal of Computer Assisted Learning,2013,29（6）:556-568.

[59]賈積有，張必蘭，顏澤忠，等.在線數(shù)學(xué)教學(xué)系統(tǒng)設(shè)計(jì)及其應(yīng)用效果研究[J].中國遠(yuǎn)程教育,2017（3）:37-44.

[60]Van Lehn K.The Relative Effectiveness of Human Tutoring,Intelligent Tutoring Systems,and other Tutoring Systems[J].Educational Psychologist,2011,46（4）：197-221.

[61]Kulik J A,Fletcher J D.Effectiveness of Intelligent Tutoring Systems:A Meta-Analytic Review[J].Review of Educational Research,2016,86（1）：42-78.

[62]Jia J,Yu Y.Online Learning Activity Index （OLAI） and Its Application for Adaptive Learning[C]//S K S Cheung et al.（Eds.）.ICBL 2017:Blended Learning-New Challenges and Innovative Practices.Springer LNCS,2017:213-224.

[63]Keefe J W.Learning Style:An Overview[M]//J W Keefe （Ed.）.Student Learning Styles:Diagnosing and Prescribing Programs.Reston,VA:National Association of Secondary School Principals,1979:1-17.