唐雯謙 覃成海

隨著社會的發(fā)展和進(jìn)步，傳統(tǒng)填鴨式教學(xué)已經(jīng)不符合時代發(fā)展需求，但由于教師精力有限，家長也并無足夠時間陪伴學(xué)生，個性化學(xué)習(xí)很難真正實(shí)現(xiàn)，這也成為教育個體中心化發(fā)展瓶頸。而人工智能等信息技術(shù)的發(fā)展，為解決這一問題提供了新的思路。借助大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)、人工智能等技術(shù)構(gòu)建個性化學(xué)習(xí)系統(tǒng)，可以通過數(shù)據(jù)來分析學(xué)生在學(xué)習(xí)上的優(yōu)勢和劣勢，從而有針對性地提出解決方案，以滿足學(xué)生的個性化學(xué)習(xí)需求，從而實(shí)現(xiàn)全面發(fā)展。

一、個性化學(xué)習(xí)研究進(jìn)展與問題

人工智能技術(shù)為個性化學(xué)習(xí)的實(shí)現(xiàn)提供了可能，國內(nèi)外研究者也紛紛從人工智能的角度去探索個性化學(xué)習(xí)路徑的構(gòu)建。國外學(xué)者從各種角度提出構(gòu)建個性化學(xué)習(xí)的途徑，如有學(xué)者認(rèn)為學(xué)生有必要深入了解課程主題和教學(xué)大綱，認(rèn)為這是建立個性化學(xué)習(xí)的有效方式，可以促使學(xué)生主動選擇個性化學(xué)習(xí)[1];Acampora在研究中發(fā)現(xiàn)采取可視化技術(shù)、內(nèi)容圖譜、語義本體等方式可以幫助學(xué)生建立知識地圖，這有利于學(xué)生在原有知識、新學(xué)知識和其他知識之間建立起自己的邏輯關(guān)系，為其做出學(xué)習(xí)路徑?jīng)Q策提供客觀科學(xué)的依據(jù)。以上兩種方法都是從知識圖譜角度去分析問題，為個性化學(xué)習(xí)提供了解決路徑，但這些方式的智能化程度并不高，還需要學(xué)生自己摸索掌握學(xué)習(xí)路徑。依據(jù)奧蘇貝爾有意義學(xué)習(xí)理論，Ahmad提出可以依據(jù)學(xué)生的知識結(jié)構(gòu)尋找有共同特點(diǎn)的學(xué)習(xí)群體，借助蟻群優(yōu)化算法來獲取合適的學(xué)習(xí)資源，這被稱為CO-MAP學(xué)習(xí)路徑[2]。還有學(xué)者提出可以利用學(xué)生的課程歷史記錄作為資源，構(gòu)建適應(yīng)性的決策樹，這樣學(xué)習(xí)者便可根據(jù)決策樹模型來對學(xué)習(xí)資源的適配性進(jìn)行排序。Idris等認(rèn)為自組織神經(jīng)網(wǎng)絡(luò)算法是構(gòu)建個性化學(xué)習(xí)路徑的有效手段，可以幫助學(xué)習(xí)者與學(xué)習(xí)資源之間建立起需求匹配關(guān)系，并且可以從學(xué)習(xí)目標(biāo)、學(xué)習(xí)風(fēng)格、知識層級等幾個維度進(jìn)行推送和匹配學(xué)習(xí)資源，以實(shí)現(xiàn)個性化學(xué)習(xí)的目的。另外，還有的國外研究者從圖論算法、遺傳算法以及免疫算法等角度提出構(gòu)建個性化學(xué)習(xí)的路徑，這也表明了人工智能在實(shí)現(xiàn)個性化學(xué)習(xí)過程中所發(fā)揮的巨大作用。不過上述國外研究者的側(cè)重點(diǎn)在于學(xué)習(xí)資源，認(rèn)為對學(xué)習(xí)資源的智能選擇是形成個性化學(xué)習(xí)的重中之重，這也就相對的淡化了學(xué)習(xí)活動序列在個性化學(xué)習(xí)中的重要性。

近幾年來，隨著國內(nèi)智能技術(shù)的快速發(fā)展，國內(nèi)研究者也開始紛紛涉足個性化學(xué)習(xí)路徑的研究領(lǐng)域。如牟智佳在研究中闡述了數(shù)據(jù)挖掘技術(shù)對個性化學(xué)習(xí)的支持，并從個性化學(xué)習(xí)特征的角度提出了路徑生成模式。陳智慧則認(rèn)為構(gòu)建學(xué)習(xí)者個性化學(xué)習(xí)路徑的關(guān)鍵在于明確學(xué)習(xí)者的特征，目前個性化學(xué)習(xí)路徑構(gòu)建準(zhǔn)確率較低的原因在于學(xué)習(xí)者特征把握不精準(zhǔn)。黃志芳等研究者在個性化學(xué)習(xí)路徑構(gòu)建上提出了新思路，從情境感知角度出發(fā)構(gòu)建了個性化學(xué)習(xí)路徑模型框架，在基于情境感知技術(shù)和領(lǐng)域本體技術(shù)基礎(chǔ)上，構(gòu)建適應(yīng)學(xué)習(xí)者情緒和認(rèn)知的個性化學(xué)習(xí)路徑。也有學(xué)者利用遺傳算法來優(yōu)化個性化學(xué)習(xí)路徑，并考慮到學(xué)習(xí)者的特征、情境因素、移動學(xué)習(xí)環(huán)境等，在此基礎(chǔ)上構(gòu)建了移動個性化學(xué)習(xí)路徑模式。此外，國內(nèi)學(xué)者還有從認(rèn)知水平、在線學(xué)習(xí)等角度分析個性化學(xué)習(xí)，并提出相關(guān)構(gòu)建路徑。

國內(nèi)外研究者對個性化學(xué)習(xí)路徑的構(gòu)建分析角度不一，但都為之后的相關(guān)研究和實(shí)踐提供了更多思考的方向?？傮w來說，國外研究者分析個性化學(xué)習(xí)路徑的構(gòu)建更多是從自動構(gòu)建和知識導(dǎo)航的角度出發(fā)，更偏向?qū)崿F(xiàn)流程的研究探索。但顯而易見的是，自動構(gòu)建相當(dāng)于是對學(xué)習(xí)資源進(jìn)行拼接序列，忽視了協(xié)作、討論等活動對于學(xué)生知識深度構(gòu)建的重要作用，因此據(jù)此形成的個性化學(xué)習(xí)路徑并不完善;知識導(dǎo)航的模式需要學(xué)習(xí)者去主動尋找匹配合適的資源，并確定學(xué)習(xí)活動的序列，這對學(xué)習(xí)者來說依然有較大的壓力和負(fù)擔(dān)，學(xué)習(xí)者很難通過個性化學(xué)習(xí)來提升學(xué)習(xí)質(zhì)量。國內(nèi)學(xué)者的個性化學(xué)習(xí)路徑構(gòu)建更偏向于理論研究和應(yīng)用模型的構(gòu)建，較少學(xué)者關(guān)注個性化實(shí)踐?？梢哉f，目前關(guān)于個性化學(xué)習(xí)路徑的構(gòu)建依然處于起步探索的階段，盡管已經(jīng)基于智能化應(yīng)用進(jìn)行了一些闡釋，但在二者的適應(yīng)程度上還需要進(jìn)行拓展和延伸。

二、人工智能對個性化學(xué)習(xí)的技術(shù)支撐

（一）模式識別

現(xiàn)階段模式識別技術(shù)算法主要有模板匹配法、統(tǒng)計模式法、神經(jīng)網(wǎng)絡(luò)法等，其中統(tǒng)計模式法是應(yīng)用最廣的算法。最近幾年隨著神經(jīng)網(wǎng)絡(luò)算法的落地，對此在模式識別研究中基于多層神經(jīng)網(wǎng)絡(luò)構(gòu)建起的深度學(xué)習(xí)與深度神經(jīng)網(wǎng)絡(luò)體系備受矚目。這種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法進(jìn)一步提升了語音、圖像及情感模式識別的精確度。目前，模式識別系統(tǒng)的構(gòu)建總共由四部分組成，其分別是數(shù)據(jù)采集、預(yù)處理、提取特征與選擇分類。

實(shí)現(xiàn)個性化學(xué)習(xí)服務(wù)的首要條件就是獲得學(xué)習(xí)者的語音、情感等具有體征性的數(shù)據(jù)，隨后系統(tǒng)對這些數(shù)據(jù)進(jìn)行有效分析并歸類為不同類型數(shù)據(jù)庫，為人工智能教學(xué)體系模式識別提供有效的數(shù)據(jù)支持，以便實(shí)現(xiàn)個性化學(xué)習(xí)。

（二）自然語言理解

計算機(jī)對自然語言的理解主要由三部分組成其一將所要研究的問題轉(zhuǎn)換為數(shù)學(xué)形式;其二是將數(shù)學(xué)形式轉(zhuǎn)換為算法，其三根據(jù)算法完成程序的編寫，并通過計算機(jī)來實(shí)現(xiàn)。自然語言理解最早是一套產(chǎn)生式系統(tǒng)、規(guī)則系統(tǒng)，現(xiàn)如今已經(jīng)發(fā)展成為了統(tǒng)計模型、機(jī)器學(xué)習(xí)等系統(tǒng)。人工智能教育中最早應(yīng)用自然語言理解技術(shù)的目的是實(shí)現(xiàn)語法錯誤檢測，隨著算法的不斷優(yōu)化，自然語言理解在人工智能教育體系中得到了更充分的應(yīng)用。據(jù)不完全統(tǒng)計，目前自然語言理解在各大人工智能教育平臺中的應(yīng)用共計分為四部分，其分別是文本分析與知識管理，例如機(jī)器批改作業(yè)、機(jī)器翻譯;人工智能系統(tǒng)交互;教育工具中的語料庫構(gòu)建與語料檢索系統(tǒng);語言教學(xué)的研究。

（三）深度學(xué)習(xí)和機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是人工智能的一個子分支，它通過收集不同場景中的經(jīng)驗(yàn)數(shù)據(jù)來提升系統(tǒng)的能力，機(jī)器學(xué)習(xí)借助算法來分析數(shù)據(jù)，并從數(shù)據(jù)中抓取知識，據(jù)此進(jìn)行決策;而深度學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)，它模擬人類決策能力的神經(jīng)網(wǎng)絡(luò)，它可以從少量的有限樣例中，借助算法總結(jié)出一般性的規(guī)律，并能夠?qū)⑦@一規(guī)律舉一反三，應(yīng)用到未知的數(shù)據(jù)上，實(shí)現(xiàn)智能的學(xué)習(xí)和決策，如人工智能學(xué)習(xí)平臺可以從學(xué)生錯題規(guī)律中總結(jié)出學(xué)生的思維邏輯誤區(qū)，這樣當(dāng)出現(xiàn)新的錯題，人工智能便可以用總結(jié)的規(guī)律來分析學(xué)生可能存在的解題思路問題。

三、基于人工智能的個性化學(xué)習(xí)維度構(gòu)建

本文從數(shù)據(jù)環(huán)境、方法、時間、目的、利益相關(guān)者五個方面討論基于人工智能的個性化學(xué)習(xí)維度構(gòu)建，如下頁圖1所示。

（一）數(shù)據(jù)環(huán)境維度

構(gòu)建個性化學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)個性化學(xué)習(xí)的前提是海量的數(shù)據(jù)。教育大數(shù)據(jù)主要有三個部分組成：一是學(xué)生的個人情況，包括性別、年齡、所在地區(qū)、家庭教育情況等。除此之外，還包括學(xué)生在測試中所體現(xiàn)出的知識水平、認(rèn)知能力、情感特性、元認(rèn)知能力等個體化的特征信息。二是學(xué)生在學(xué)習(xí)過程中產(chǎn)生的各種有關(guān)學(xué)習(xí)行為的數(shù)據(jù)。如登陸學(xué)習(xí)系統(tǒng)的時間、次數(shù)、瀏覽的時長、視頻點(diǎn)擊的數(shù)據(jù)、練習(xí)的成績、學(xué)習(xí)行為的順序等，還包括借助傳感器而獲得的有關(guān)學(xué)生心理和生物方面的數(shù)據(jù)，如學(xué)生的面部表情、手勢數(shù)據(jù)等等。三是網(wǎng)絡(luò)交互行為數(shù)據(jù)。如學(xué)生在論壇、討論區(qū)、評論區(qū)，與教師、學(xué)生互動和交流的數(shù)據(jù)。

（二）方法維度

人工智能技術(shù)為個性化學(xué)習(xí)系統(tǒng)提供了強(qiáng)大的技術(shù)支持，它能夠模仿人類的決策過程，基于海量的數(shù)據(jù)參數(shù)，人工智能可以給學(xué)生提供學(xué)習(xí)建議。人工智能中的神經(jīng)網(wǎng)絡(luò)、模糊邏輯、決策樹、遺傳算法等技術(shù)都將在個性化學(xué)習(xí)中進(jìn)行廣泛應(yīng)用，幫助個性化學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)深度學(xué)習(xí)和人機(jī)交互模式。與人工智能技術(shù)深度融合的個性化學(xué)習(xí)系統(tǒng)，能夠具備專家型教師水平素養(yǎng)。這意味著它能夠像專家型的教師一樣，掌握學(xué)生的個性化學(xué)習(xí)需求，并為之提供學(xué)習(xí)內(nèi)容的推送和評價學(xué)生的學(xué)習(xí)狀況。同時，這一系統(tǒng)也能給學(xué)生帶來優(yōu)質(zhì)的學(xué)習(xí)體驗(yàn)，為學(xué)生打造交互性和探索性的學(xué)習(xí)環(huán)境。

（三）時間維度

時間因素是個性化學(xué)習(xí)系統(tǒng)構(gòu)建的重要一環(huán)。個性化學(xué)習(xí)不僅要關(guān)注時間進(jìn)度、教學(xué)日歷、課程計劃等宏觀層面的學(xué)習(xí)時間，同時，還要從微觀層面分析學(xué)生的學(xué)習(xí)時間。隨著技術(shù)的進(jìn)步，個性化學(xué)習(xí)系統(tǒng)可以精準(zhǔn)地記錄學(xué)生學(xué)習(xí)行為的時間點(diǎn)，從而分析學(xué)生的學(xué)習(xí)狀態(tài)。學(xué)生的學(xué)習(xí)狀態(tài)在不同的時刻也有所差異，進(jìn)而導(dǎo)致學(xué)習(xí)效果產(chǎn)生區(qū)別，為此系統(tǒng)需要全程追蹤學(xué)生的學(xué)習(xí)狀態(tài)，分析學(xué)生在不同時刻學(xué)習(xí)狀態(tài)的差異，并根據(jù)狀態(tài)的不同來提供有差別化的學(xué)習(xí)材料，以提升學(xué)習(xí)效能，達(dá)到最優(yōu)化的學(xué)習(xí)策略。

（四）利益相關(guān)者維度

從個性化學(xué)習(xí)的參與主體來看，系統(tǒng)需要向不同的群體反饋數(shù)據(jù)和提出建議，滿足不同受益者的需求。對學(xué)生來說，系統(tǒng)可以根據(jù)學(xué)生設(shè)定的學(xué)習(xí)目標(biāo)，不斷規(guī)范學(xué)生的學(xué)習(xí)行為、調(diào)整學(xué)習(xí)計劃，最終實(shí)現(xiàn)學(xué)習(xí)目標(biāo)。對于教師來說，系統(tǒng)在基于數(shù)據(jù)的基礎(chǔ)上應(yīng)指出當(dāng)前教育策略存在的問題，并提出解決策略，成為教師開展教學(xué)活動的重要輔助工具。對于研究者來說，個性化學(xué)習(xí)系統(tǒng)應(yīng)該輸出學(xué)習(xí)的成效與進(jìn)展，為進(jìn)一步開展個性化學(xué)習(xí)提供理論支持。從決策者角度來看，需要個性化學(xué)習(xí)系統(tǒng)提供不同平臺、群體、課程之間的差異化數(shù)據(jù)，以便做出教學(xué)決策、進(jìn)行精準(zhǔn)教育扶貧、優(yōu)化資源配置，起到實(shí)現(xiàn)教育公平的目的。從家長角度來說，個性化學(xué)習(xí)系統(tǒng)建立了學(xué)生與家長之間密切的聯(lián)系，家長需要系統(tǒng)提供學(xué)生學(xué)習(xí)成效、學(xué)習(xí)進(jìn)度、學(xué)習(xí)情緒等方方面面的數(shù)據(jù)，以實(shí)現(xiàn)監(jiān)測孩子學(xué)習(xí)狀態(tài)的目的。

四、人工智能背景下個性化學(xué)習(xí)的實(shí)踐應(yīng)用分析

（一）“跟它學(xué)”系統(tǒng)“教”的實(shí)踐樣態(tài)

根據(jù)上述理論，研究組應(yīng)用“跟它學(xué)”系統(tǒng)進(jìn)行了實(shí)踐，該系統(tǒng)從課前、課中到課后是在人工智能體系下所形成的智能化教學(xué)新模式，其系統(tǒng)“教學(xué)”實(shí)現(xiàn)結(jié)構(gòu)如圖2所示。課前教學(xué)通過智能備課將學(xué)習(xí)目標(biāo)、個性化學(xué)習(xí)內(nèi)容推送到學(xué)生學(xué)習(xí)空間中，以便學(xué)生進(jìn)行自主預(yù)習(xí)。課中階段，教師首先摸清學(xué)生預(yù)習(xí)情況，并且根據(jù)學(xué)生具體預(yù)習(xí)情況實(shí)現(xiàn)精準(zhǔn)性教學(xué)。課后輔導(dǎo)階段，主要是學(xué)生對學(xué)習(xí)到的新知識進(jìn)行消化及解決課堂中存在疑問的知識，“跟它學(xué)”系統(tǒng)是對每位學(xué)生存在的知識難點(diǎn)進(jìn)行準(zhǔn)確分析，并提供針對性的輔導(dǎo)教學(xué)。

1.智能化備課

教師深入研究教材內(nèi)容之后，通過智能化備課系統(tǒng)完成備課工作。首先“跟它學(xué)”備課模塊是根據(jù)教師備課的具體內(nèi)容，向教師推送一些較為前沿的教學(xué)案例，以便于教師參考并獲得新的教學(xué)思路。其次備課系統(tǒng)還會根據(jù)教材的內(nèi)容推送相關(guān)的教學(xué)資料，以供教師酌情選擇。為了進(jìn)一步豐富備課系統(tǒng)資源庫，“跟它學(xué)”系統(tǒng)平臺可兼容IBM公司所開發(fā)的教師輔導(dǎo)系統(tǒng)工具Waston1.0，該系統(tǒng)可以通過與人對話構(gòu)建智能搜索引擎。

教學(xué)是教師教育學(xué)生學(xué)習(xí)的一個雙向互動的行為過程，而教學(xué)的前提工作就是教師要做好全面細(xì)致的備課工作。在“跟它學(xué)”人工智能系統(tǒng)中，通過大數(shù)據(jù)技術(shù)對學(xué)生的學(xué)習(xí)興趣、學(xué)期風(fēng)格進(jìn)行深入挖掘。教師在備課系統(tǒng)中以可視化數(shù)據(jù)掌握每位學(xué)生的學(xué)習(xí)特點(diǎn)與具體的學(xué)習(xí)情況，經(jīng)過分析之后根據(jù)教材的實(shí)際內(nèi)容與學(xué)生的學(xué)習(xí)水平制定科學(xué)且合理的教學(xué)方案，實(shí)現(xiàn)最優(yōu)化的教學(xué)效果。

2.精準(zhǔn)教學(xué)

“跟它學(xué)”智能化教學(xué)系統(tǒng)在組織教學(xué)活動時最大的優(yōu)勢是實(shí)時采集數(shù)據(jù)，并通過智能系統(tǒng)結(jié)構(gòu)對采集到的學(xué)生學(xué)習(xí)數(shù)據(jù)進(jìn)行深入分析并以可視化形式展現(xiàn)出來，以便教師根據(jù)學(xué)生的具體學(xué)習(xí)情況進(jìn)行智能化教學(xué)輔導(dǎo)，以教學(xué)大數(shù)據(jù)作為基礎(chǔ)，制定出與之相應(yīng)的教學(xué)設(shè)計，滿足每一位學(xué)生個性化學(xué)習(xí)需求，總而言之，以智能化技術(shù)來實(shí)現(xiàn)教學(xué)體系的改革。

3.智能化輔導(dǎo)系統(tǒng)

“跟它學(xué)”智能化學(xué)習(xí)平臺中的智能輔導(dǎo)功能是扮演者施教者的角色，系統(tǒng)數(shù)據(jù)庫中收集到了各個學(xué)科最全的學(xué)習(xí)資料及教學(xué)案例。系統(tǒng)平臺根據(jù)學(xué)生學(xué)習(xí)的具體情況用最合適的教學(xué)案例或者是學(xué)習(xí)資料為學(xué)生提供針對性的教學(xué)輔導(dǎo)。從技術(shù)領(lǐng)域來講，智能化教學(xué)系統(tǒng)共有三大模塊組成，其分別是學(xué)習(xí)者模型、領(lǐng)域模型與教學(xué)模型。系統(tǒng)中的學(xué)習(xí)者模型主要作用是分析學(xué)生的具體學(xué)習(xí)情況、情感狀況及學(xué)習(xí)興趣等相關(guān)數(shù)據(jù);領(lǐng)域模型主要是完成相關(guān)學(xué)科領(lǐng)域方面的存儲;教學(xué)模式主要承擔(dān)著系統(tǒng)施教功能，其中涵蓋了教學(xué)的具體流程及教學(xué)策略的針對性實(shí)施。

（二）“跟它學(xué)”“學(xué)”的實(shí)踐樣態(tài)

“跟它學(xué)”智能化學(xué)習(xí)平臺是以人工智能技術(shù)為基礎(chǔ)所開發(fā)出的一套以學(xué)生為核心的學(xué)習(xí)活動。“跟它學(xué)”智能化學(xué)習(xí)環(huán)節(jié)如圖3所示。

1.自適應(yīng)預(yù)習(xí)新知

自適應(yīng)預(yù)習(xí)新知識是要求學(xué)生能夠?qū)⑺鶎W(xué)的知識與實(shí)際生活互相關(guān)聯(lián)起來，進(jìn)而激發(fā)起學(xué)生濃厚的學(xué)習(xí)興趣，基于此，“跟它學(xué)”智能化學(xué)習(xí)平臺在知識應(yīng)用情景創(chuàng)建中主要是從三個方面實(shí)現(xiàn)：“跟它學(xué)”自適應(yīng)學(xué)習(xí)功能是以人工智能技術(shù)能應(yīng)對不同人的學(xué)習(xí)需求，根據(jù)學(xué)習(xí)者的學(xué)習(xí)特點(diǎn)提供相適應(yīng)的學(xué)習(xí)資源及相關(guān)案例，激發(fā)起每位學(xué)習(xí)者的學(xué)習(xí)興趣;學(xué)習(xí)者通過手機(jī)識別自然環(huán)境中的物體，“跟它學(xué)”智能化學(xué)習(xí)平臺可以識別這一物體，并且對這一物體相關(guān)的知識進(jìn)行條理性的闡述。例如在英語學(xué)習(xí)中，學(xué)習(xí)者掃描相關(guān)物體之后，“跟它學(xué)”系統(tǒng)平臺會進(jìn)行相關(guān)單詞的反復(fù)朗讀，讓學(xué)者應(yīng)時應(yīng)景的學(xué)習(xí)相關(guān)單詞;“跟它學(xué)”智能學(xué)習(xí)平臺還會通過人工智能系統(tǒng)為學(xué)習(xí)者推送一些國外的相關(guān)教學(xué)案例與場景化內(nèi)容，讓學(xué)習(xí)者根據(jù)在適應(yīng)不同的場景化中進(jìn)行高效的學(xué)習(xí)，同時也是開拓了學(xué)習(xí)者的國家化視野。

2.智能化交互學(xué)習(xí)

在課堂中，一般來講教師只是重視學(xué)習(xí)成績較好或者是學(xué)習(xí)成績較差的學(xué)習(xí)，往往這些學(xué)習(xí)在課堂中的發(fā)言機(jī)會比較多，而對于一些學(xué)習(xí)成績一般的學(xué)生來講發(fā)言機(jī)會相對較少。通過“跟它學(xué)”中隨機(jī)提問功能就能實(shí)現(xiàn)課堂隨即提問，讓發(fā)言機(jī)會更加的公平，同時系統(tǒng)平臺中還設(shè)有強(qiáng)大功能，進(jìn)一步激發(fā)起學(xué)生的發(fā)言積極性，有效活躍課堂氛圍。

3.定向化測試練習(xí)

在學(xué)生選擇要學(xué)習(xí)的知識點(diǎn)后，“跟它學(xué)”平臺將提供“課程學(xué)習(xí)”或者“診斷測試”兩個選擇，學(xué)生可以自主選擇，主體性地位得到體現(xiàn)。系統(tǒng)平臺還會根據(jù)學(xué)生的學(xué)習(xí)狀況來匹配了練習(xí)題，這解決了傳統(tǒng)教學(xué)中，學(xué)生花費(fèi)時間在已掌握的知識點(diǎn)上的問題，提升了學(xué)習(xí)效率。而且系統(tǒng)能夠通過大數(shù)據(jù)技術(shù)掌握學(xué)生學(xué)習(xí)狀態(tài)，利用語義建模、神經(jīng)網(wǎng)絡(luò)、自然語言處理、模糊識別等技術(shù)實(shí)現(xiàn)智能批閱，解決了老師重復(fù)勞動的問題。

4.科學(xué)化評價

“跟它學(xué)”系統(tǒng)可以應(yīng)用人工智能、云計算等技術(shù)快速分析學(xué)生在線學(xué)習(xí)過程中所產(chǎn)生的各類數(shù)據(jù)，并從數(shù)據(jù)中分析研判學(xué)生的學(xué)習(xí)風(fēng)格和學(xué)習(xí)特點(diǎn)，為相關(guān)利益者提供其所需要的信息，進(jìn)而在學(xué)情分析中以可視化的方式呈現(xiàn)給相關(guān)主體。對于學(xué)生來說，他們可以通過學(xué)情分析來客觀理性地判斷自己的學(xué)習(xí)效果，并有針對性地補(bǔ)齊短板。

五、結(jié)語

智能時代的到來顛覆了教育領(lǐng)域，人們越來越承認(rèn)學(xué)生在教育中的主體性地位，并認(rèn)識到尊重個體差異性對于提升教育效果的重要性。人工智能技術(shù)的發(fā)展為實(shí)現(xiàn)個性化學(xué)習(xí)提供可能。在人工智能支持下，學(xué)生可以根據(jù)自己的興趣愛好、知識水平來選擇學(xué)習(xí)內(nèi)容，平臺也能夠?yàn)閷W(xué)生提供判斷的依據(jù)，并選擇相匹配的學(xué)習(xí)資源，讓“量身定制”學(xué)習(xí)成為現(xiàn)實(shí)，這對于提升教育質(zhì)量、推進(jìn)我國的教育信息化具有重要意義。同時，我們也應(yīng)該對教育人工智能化的思想傾向與做法保持足夠清醒，辯證地對待，認(rèn)清人工智能的作用邊界[3]。