蒲清平　王雪婷

摘要： 學(xué)情分析是以學(xué)定教、開展教學(xué)的前提和依據(jù)。但在教學(xué)實踐中，囿于教師精力、能力與技術(shù)發(fā)展等限制，學(xué)情分析面臨數(shù)據(jù)難以全面獲取、分析客觀性不足、學(xué)情反饋滯后、結(jié)果缺乏應(yīng)用等諸多現(xiàn)實困境。人工智能以大數(shù)據(jù)、強算法、強算力為基礎(chǔ)，有助于全面采集學(xué)情數(shù)據(jù)、科學(xué)高效分析學(xué)情、及時反饋學(xué)情、合理應(yīng)用學(xué)情分析結(jié)果，提升學(xué)情數(shù)據(jù)的采集廣度、分析效度、反饋速度與應(yīng)用準(zhǔn)度。為了充分發(fā)揮人工智能技術(shù)優(yōu)勢，應(yīng)從數(shù)據(jù)層、分析層、反饋層、應(yīng)用層建構(gòu)人工智能助力學(xué)情分析的理論框架，并從實踐上以人工智能建立全過程學(xué)情數(shù)據(jù)采集系統(tǒng)、多模態(tài)學(xué)情數(shù)據(jù)分析系統(tǒng)、及時化學(xué)情反饋系統(tǒng)、多場景教學(xué)綜合服務(wù)系統(tǒng)助力學(xué)情分析。

關(guān)鍵詞：人工智能；學(xué)情分析；現(xiàn)實困境；理論框架；實踐路徑

中圖分類號：G420；G40-057? 文獻(xiàn)標(biāo)識碼：A ? ?文章編號：1672-0717（2024）03-0031-08

一、問題緣起

20世紀(jì)80年代，教育界逐漸認(rèn)識到學(xué)生在教學(xué)過程中的主體地位[1]，開始強調(diào)“學(xué)生是內(nèi)因，教師是外因，外因通過內(nèi)因起作用”。黎世法進(jìn)一步提出“學(xué)情”概念和學(xué)情理論，指出學(xué)情是正確教與學(xué)的根據(jù)[2]52，學(xué)情分析是提升教學(xué)效果的關(guān)鍵。經(jīng)過40年來的理論闡釋與實踐探索，學(xué)情分析逐漸形成經(jīng)驗本位、知識本位、素養(yǎng)本位、效果本位四種取向。經(jīng)驗本位學(xué)情分析采用經(jīng)驗總結(jié)法，認(rèn)為教師在與學(xué)生的長期接觸中積累了學(xué)情分析的經(jīng)驗知識，可以據(jù)此歸納學(xué)情分析內(nèi)容、總結(jié)學(xué)情分析方法。知識本位學(xué)情分析采用理論推導(dǎo)法，以建構(gòu)主義、最近發(fā)展區(qū)等認(rèn)知理論為依據(jù)，認(rèn)為學(xué)習(xí)是學(xué)生在已有知識基礎(chǔ)之上建構(gòu)新知的過程，學(xué)情分析應(yīng)當(dāng)基于學(xué)習(xí)定義分析學(xué)生“四知”（已知、未知、能知、想知）情況。素養(yǎng)本位學(xué)情分析采用目標(biāo)倒推法，認(rèn)為學(xué)情分析與教學(xué)實踐的根本目標(biāo)均是發(fā)展學(xué)生核心素養(yǎng)，學(xué)情分析應(yīng)當(dāng)掌握學(xué)生認(rèn)知、能力、態(tài)度等核心素養(yǎng)情況[3]。效果本位學(xué)情分析采用由果溯因法，認(rèn)為“何種因素影響學(xué)生學(xué)習(xí)收獲，如何引導(dǎo)學(xué)生更有效地獲得更高質(zhì)量的成長”是學(xué)情研究的主要問題[4]，學(xué)情分析應(yīng)當(dāng)分析學(xué)生知識基礎(chǔ)、學(xué)習(xí)風(fēng)格等教學(xué)效果影響因素。上述理論盡管面向的學(xué)情分析內(nèi)容不同，但均強調(diào)多維獲取學(xué)情信息、科學(xué)高效定位學(xué)情、及時反饋學(xué)情分析結(jié)果、對癥處理學(xué)情問題，為教學(xué)實踐提供循證依據(jù)。然而，隨著我國高等教育邁入普及化階段，學(xué)情也呈現(xiàn)出非傳統(tǒng)生源多點共聚、學(xué)習(xí)價值觀多維共在、學(xué)習(xí)方式多元共存、學(xué)習(xí)環(huán)境多域共融的共性特征，以及傳統(tǒng)生源仍是接受教育的主要群體、大學(xué)生自主學(xué)習(xí)意識仍然有待提高、求學(xué)與就業(yè)的責(zé)任綁定觀念仍然存在的特殊性[5]。由于學(xué)情復(fù)雜多變、學(xué)生基數(shù)過大、教師精力能力有限、技術(shù)引進(jìn)意識不強和應(yīng)用不熟等主客觀因素的限制，學(xué)情分析只能通過課堂觀察、問卷調(diào)查、測試考察等傳統(tǒng)方式開展，學(xué)情分析結(jié)果僅用于學(xué)生整體教學(xué)調(diào)整和學(xué)困生干預(yù)轉(zhuǎn)化。學(xué)情分析面臨的數(shù)據(jù)難以全面獲取、分析客觀性不足、學(xué)情反饋滯后和結(jié)果缺乏應(yīng)用等諸多現(xiàn)實困境，進(jìn)一步導(dǎo)致學(xué)生學(xué)習(xí)、教師教學(xué)和學(xué)校管理陷入無法準(zhǔn)確認(rèn)識、評價、歸因和改進(jìn)的窘境。

近年來，智能識別、數(shù)據(jù)挖掘、學(xué)習(xí)分析等人工智能技術(shù)的快速發(fā)展為學(xué)情數(shù)據(jù)規(guī)?；杉椭悄芑治鎏峁┝思夹g(shù)支持。特別是以ChatGPT為代表的生成式人工智能大大推動了人工智能在教育領(lǐng)域的應(yīng)用和發(fā)展，有助于增強教育主體的學(xué)情判斷能力[6]。教育部《高等學(xué)校人工智能創(chuàng)新行動計劃》明確要求，“運用人工智能開展教學(xué)過程監(jiān)測、學(xué)情分析和學(xué)業(yè)水平診斷”[7]。人工智能助力學(xué)情分析能夠快速采集多源數(shù)據(jù)、高效分析學(xué)情信息、及時生成學(xué)情報告，對學(xué)情進(jìn)行精準(zhǔn)“畫像”、精準(zhǔn)監(jiān)測和精準(zhǔn)診斷[8]。一些學(xué)者也曾嘗試?yán)萌斯ぶ悄芗夹g(shù)開展學(xué)習(xí)評價[9]、學(xué)生畫像[10]、學(xué)情預(yù)警[11]等，構(gòu)建基于學(xué)情數(shù)據(jù)的智慧教學(xué)模式[12]。但是，現(xiàn)有研究尚缺乏基于人工智能的學(xué)情分析系統(tǒng)研究，人工智能助力學(xué)情分析的理論框架和實踐路徑還有待整體建構(gòu)。

二、何以助力：人工智能助力學(xué)情分析的技術(shù)優(yōu)勢

馬克思指出，自然科學(xué)的發(fā)展可以“改造人的生活，并為人的解放作準(zhǔn)備”[13]307。“人工智能”自1956年達(dá)特茅斯論壇提出以來，經(jīng)過60余年發(fā)展，實現(xiàn)了從計算智能到感知智能的轉(zhuǎn)變，并逐漸步入認(rèn)知智能與社會智能階段。作為一種革命性、顛覆性技術(shù)，人工智能具有溢出帶動性很強的“頭雁”效應(yīng)[14]，將深刻改變傳統(tǒng)生產(chǎn)生活方式，引領(lǐng)未來社會發(fā)展。人工智能在教育領(lǐng)域包括人工智能賦能教育和人工智能學(xué)科教育兩類[15]。前者強調(diào)人工智能作為一種新興技術(shù)對實現(xiàn)教育目標(biāo)的促進(jìn)作用；后者強調(diào)人工智能作為一門綜合學(xué)科對培養(yǎng)人工智能人才的支撐作用。學(xué)情分析是實現(xiàn)教育目標(biāo)的關(guān)鍵環(huán)節(jié)，在本質(zhì)上應(yīng)該是一種基于證據(jù)的價值判斷[16]20。人工智能應(yīng)用于學(xué)情分析側(cè)重運用人工智能技術(shù)獲取學(xué)情證據(jù)，“更深入、更微觀地窺視、理解學(xué)習(xí)是如何發(fā)生和如何受到外界各種因素影響的，進(jìn)而為學(xué)習(xí)者高效地進(jìn)行學(xué)習(xí)創(chuàng)造條件”[17]。以大數(shù)據(jù)、強算法、強算力為基礎(chǔ)，人工智能集智能識別、數(shù)據(jù)挖掘、數(shù)據(jù)可視化、自適應(yīng)學(xué)習(xí)、多模態(tài)學(xué)習(xí)分析等技術(shù)于一體。它應(yīng)用于學(xué)情分析能夠全面采集學(xué)情數(shù)據(jù)、科學(xué)高效分析學(xué)情、及時反饋學(xué)情、合理應(yīng)用學(xué)情分析結(jié)果，提升學(xué)情數(shù)據(jù)的采集廣度、分析效度、反饋速度與應(yīng)用準(zhǔn)度。

（一）有助于全面采集學(xué)情數(shù)據(jù)

全面性是客觀性的必要前提。在學(xué)情分析中，數(shù)據(jù)全面性直接影響結(jié)果精準(zhǔn)性與決策適應(yīng)性。人工智能助力學(xué)情分析使學(xué)情分析不再局限于從各類學(xué)習(xí)平臺收集、分析各種日志性數(shù)據(jù)[18]，有助于拓展學(xué)情數(shù)據(jù)的采集渠道、識別維度、覆蓋范圍，實現(xiàn)學(xué)情數(shù)據(jù)的全面采集。一是拓展學(xué)情數(shù)據(jù)采集渠道。攝像機(jī)、高掃儀、眼動儀、點陣筆、移動終端、聊天機(jī)器人等智能設(shè)備用于學(xué)情數(shù)據(jù)采集，可以使現(xiàn)場錄制、材料掃描、眼動追蹤、筆跡記錄、終端記錄、智能問答等均成為學(xué)情數(shù)據(jù)采集的有效渠道，助力學(xué)情數(shù)據(jù)采集跳出課堂觀察、文本記錄、統(tǒng)計調(diào)查等傳統(tǒng)渠道的桎梏。二是拓展學(xué)情數(shù)據(jù)識別維度。人臉識別、文本識別、表情識別、語音識別、動作識別等智能識別技術(shù)用于學(xué)生身份、筆記、表情、語言、姿勢等多模態(tài)學(xué)情數(shù)據(jù)采集，可以使學(xué)情數(shù)據(jù)識別從系統(tǒng)日志等結(jié)構(gòu)化數(shù)據(jù)拓展至圖文音視等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。三是拓展學(xué)情數(shù)據(jù)覆蓋范圍。人工智能貫穿連續(xù)時間和全域空間，運用它助力學(xué)情分析可以使學(xué)情數(shù)據(jù)采集的時間延長至教學(xué)全程、樣本擴(kuò)大至學(xué)生整體、場域跨越虛擬與現(xiàn)實，實現(xiàn)課前課中課后“全過程”覆蓋、學(xué)生個體“全樣本”覆蓋以及線上線下“全場景”覆蓋。

（二）有助于科學(xué)高效分析學(xué)情

學(xué)情分析只有超越“經(jīng)驗化”“主觀化”判斷而采取科學(xué)高效的分析，才能真正發(fā)揮精準(zhǔn)定位與調(diào)節(jié)功能。作為一種有感知、有認(rèn)知、有行為、可交互、會學(xué)習(xí)、自成長的機(jī)器智能[19]，人工智能在推動學(xué)情分析方法智能化、標(biāo)準(zhǔn)最優(yōu)化、過程規(guī)范化方面具有顯著優(yōu)勢，有助于高校更加科學(xué)高效地分析學(xué)情。一是方法智能化。人工智能具有強大的數(shù)據(jù)處理能力、極度的專注力和高效的多任務(wù)處理能力[20]，在完成大規(guī)模學(xué)情數(shù)據(jù)的深度挖掘、智能統(tǒng)計和模型訓(xùn)練等復(fù)雜工作的速度、精度、強度上遠(yuǎn)勝于人類，其縱向追蹤、橫向比較、溯因分析、預(yù)測分析等功能能夠客觀描述和評價學(xué)情、深度解剖學(xué)情的產(chǎn)生原因和未來趨勢，實現(xiàn)學(xué)情分析方法智能化。二是標(biāo)準(zhǔn)最優(yōu)化。人工智能在人類教師指引下分析學(xué)情歷史數(shù)據(jù)，能夠自主習(xí)得新的規(guī)則和范式[21]，包括形成學(xué)情分析參照標(biāo)準(zhǔn)、優(yōu)化學(xué)情指標(biāo)選擇和權(quán)重設(shè)置等，助力高?？朔鹘y(tǒng)學(xué)情分析依賴經(jīng)驗、標(biāo)準(zhǔn)浮動、趨中效應(yīng)等缺點。三是過程規(guī)范化。高校運用人工智能對學(xué)情數(shù)據(jù)進(jìn)行多渠道融合、多模態(tài)互補和區(qū)塊鏈存證，并開展數(shù)據(jù)分析—特征挖掘—模型建構(gòu)—機(jī)理闡釋—趨勢預(yù)測，有助于確保學(xué)情分析的數(shù)據(jù)規(guī)范和流程規(guī)范，使結(jié)果更有說服力和解釋力。

（三）有助于及時反饋學(xué)情

課堂教學(xué)是教與學(xué)的互動交往過程，生成是教學(xué)活動的基本特征。學(xué)情作為教學(xué)開展的基本依據(jù)，其反饋及時性直接影響教學(xué)針對性與有效性。反饋是使反饋對象理解、運用反饋信息的過程，包括反饋信息的輸出與接收兩個階段。高校運用人工智能對學(xué)情進(jìn)行形成性反饋、適應(yīng)性反饋，可以在輸出端及時生成學(xué)情報告、在接收端及時傳達(dá)學(xué)情報告，助力學(xué)情的及時反饋。一是提供形成性反饋，及時生成學(xué)情報告。形成性反饋強調(diào)反饋信息的持續(xù)輸出并貫穿整個教學(xué)交互過程[22]。人工智能基于強算力和強算法精準(zhǔn)高效定位學(xué)情動態(tài)并進(jìn)行可視化呈現(xiàn)，能夠緊隨教學(xué)進(jìn)程自動生成、實時更新、持續(xù)輸出學(xué)情報告，助力高校實現(xiàn)學(xué)情的形成性反饋。二是提供適應(yīng)性反饋，及時傳達(dá)學(xué)情報告。人工智能根據(jù)用戶語速語調(diào)、視覺偏好、表達(dá)習(xí)慣、認(rèn)知風(fēng)格等特征，對學(xué)情報告進(jìn)行合理的語言組織、顏色搭配、數(shù)據(jù)編排和框架構(gòu)建，并智能選擇文本提示、人機(jī)對話、音視互動、虛擬人物等反饋方式，能夠更好地詮釋學(xué)情，助力高校實現(xiàn)學(xué)情的適應(yīng)性反饋。

（四）有助于合理應(yīng)用學(xué)情分析結(jié)果

教、學(xué)、管的內(nèi)在一致性是教師有效地教、學(xué)生有效地學(xué)、學(xué)校有效地管的基本前提。人工智能基于學(xué)情分析提供定制服務(wù)，可以助力高校合理應(yīng)用學(xué)情分析結(jié)果，增強教、學(xué)、管的協(xié)調(diào)性、精準(zhǔn)性與前瞻性，實現(xiàn)教、學(xué)、管的內(nèi)在統(tǒng)一。一是基于學(xué)情分析結(jié)果提供定制服務(wù)，增強教、學(xué)、管協(xié)調(diào)性。人工智能根據(jù)學(xué)生實際水平和個體差異智能推送學(xué)習(xí)資源、組織教學(xué)內(nèi)容、制定教學(xué)規(guī)劃，能夠助力高校實現(xiàn)教、學(xué)、管同步調(diào)整和同向發(fā)力，進(jìn)而提升教師教學(xué)效果、學(xué)生學(xué)習(xí)效能和學(xué)校管理效率。二是基于學(xué)情問題提供定制服務(wù)，增強教、學(xué)、管精準(zhǔn)性。人工智能針對學(xué)生學(xué)習(xí)進(jìn)度落后、興趣不高等學(xué)情問題提供智能輔導(dǎo)、學(xué)習(xí)督促與個性化激勵等服務(wù)，能夠助力高校直擊教學(xué)痛點、難點、堵點，實現(xiàn)教學(xué)問題精準(zhǔn)應(yīng)對、教學(xué)短板精準(zhǔn)彌補。三是基于學(xué)情趨勢提供定制服務(wù)，增強教、學(xué)、管前瞻性。人工智能根據(jù)學(xué)生行為預(yù)測、情緒預(yù)測、成績預(yù)測等預(yù)判教學(xué)重點難點、預(yù)測教學(xué)效果和風(fēng)險，能夠為高校提供增減教學(xué)內(nèi)容、調(diào)整教學(xué)策略的指導(dǎo)意見，助力高校實現(xiàn)教學(xué)風(fēng)險的提前干預(yù)與化解。

三、以何助力：人工智能助力學(xué)情分析的理論框架

學(xué)情分析是教學(xué)論研究轉(zhuǎn)向的結(jié)果[23]60，源于教學(xué)本質(zhì)認(rèn)識中學(xué)生主體地位的確證。其核心觀點認(rèn)為，學(xué)生不是教學(xué)的“物”而是教學(xué)的資源，學(xué)情分析貫穿于教學(xué)過程，引導(dǎo)和推動著整個教學(xué)活動[16]18。因而，學(xué)情分析要與教學(xué)過程整合，通過動態(tài)分析和及時反饋幫助教學(xué)主體了解學(xué)情現(xiàn)象和學(xué)情規(guī)律，進(jìn)而提出具有針對性的教學(xué)措施促進(jìn)學(xué)生學(xué)習(xí)。作為一種處方性理論，學(xué)情分析側(cè)重于方法論和實踐層面[23]61，其常用方法有觀察、訪談、問卷調(diào)查、資料分析等，可歸納為質(zhì)性分析和量性分析兩種類型。質(zhì)性學(xué)情分析通過收集分析非數(shù)值型學(xué)情數(shù)據(jù)理解和解釋學(xué)情；量性學(xué)情分析通過收集分析數(shù)值型學(xué)情數(shù)據(jù)理解和解釋學(xué)情。概言之，學(xué)情分析是指教學(xué)主體在教學(xué)過程中持續(xù)獲取、分析、反饋、應(yīng)用學(xué)情信息的循環(huán)過程。在人工智能視閾下，數(shù)據(jù)是學(xué)情信息的基本表現(xiàn)形式，學(xué)情分析遵循著數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析與展現(xiàn)以及數(shù)據(jù)應(yīng)用服務(wù)的教育大數(shù)據(jù)通用技術(shù)框架[24]。因而，人工智能助力學(xué)情分析應(yīng)從數(shù)據(jù)層、分析層、反饋層、應(yīng)用層建構(gòu)其理論框架，具體見圖1。

（一）數(shù)據(jù)層：人工智能助力學(xué)情分析的基礎(chǔ)

學(xué)習(xí)理論認(rèn)為，學(xué)習(xí)是學(xué)習(xí)主體通過參與學(xué)習(xí)獲得發(fā)展的過程，包括學(xué)習(xí)的主體要素和過程要素兩個維度。與此相對應(yīng)，“學(xué)情”包括“學(xué)生情況”和“學(xué)習(xí)情況”，前者指學(xué)生的性別、年齡、專業(yè)等基本情況以及行為序列、情感變化、認(rèn)知發(fā)展等個體狀態(tài)和能力、偏好、習(xí)慣等個性特征；后者指學(xué)生學(xué)習(xí)的時間、進(jìn)度、內(nèi)容等學(xué)業(yè)狀態(tài)和學(xué)習(xí)的投入、效率、興趣等學(xué)業(yè)特征。學(xué)情分析是指教學(xué)主體對學(xué)情的全面了解與客觀分析，人工智能助力學(xué)情分析的基礎(chǔ)就在于實現(xiàn)學(xué)情信息的數(shù)據(jù)表征和全面采集。由于人類社會從二元結(jié)構(gòu)（社會空間—物理空間）轉(zhuǎn)變?yōu)槿Y(jié)構(gòu)（社會空間—信息空間—物理空間）[25]，學(xué)情數(shù)據(jù)源也隨之拓展至人-機(jī)-物三種，即學(xué)生基本情況和個人狀態(tài)；智慧學(xué)工系統(tǒng)、教務(wù)系統(tǒng)、教學(xué)系統(tǒng)等虛擬平臺記錄；學(xué)生紙質(zhì)檔案、試卷、筆記等教學(xué)實體材料。人工智能與人類智能對外部世界具有相似的符號表征體系、信息感知通道和意義建構(gòu)模式[26]，能夠自動識別、編碼、轉(zhuǎn)換、記錄學(xué)情數(shù)據(jù)源中的學(xué)情信息，實現(xiàn)學(xué)情信息的數(shù)據(jù)表征和全面采集。依照數(shù)據(jù)蘊含的信息特性，學(xué)情數(shù)據(jù)可劃分為學(xué)生的性別、年齡、專業(yè)等基礎(chǔ)數(shù)據(jù)；內(nèi)隱于學(xué)生機(jī)體且非自主可控的心率、腦電、皮膚電等生理數(shù)據(jù)；外顯于學(xué)生機(jī)體且自主可控的眼動、表情、手勢等行為數(shù)據(jù)；反映學(xué)生學(xué)習(xí)基礎(chǔ)、過程和結(jié)果的已修課程、學(xué)習(xí)時長、學(xué)習(xí)成績等學(xué)業(yè)數(shù)據(jù)。數(shù)據(jù)層是人工智能助力學(xué)情分析的基礎(chǔ)，其主要作用是通過智能采集設(shè)備和智能識別技術(shù)實現(xiàn)學(xué)情數(shù)據(jù)的全面采集和準(zhǔn)確識別，為學(xué)情分析提供足夠的高質(zhì)量“原料”。

（二）分析層：人工智能助力學(xué)情分析的核心

分析是一種理性認(rèn)識活動，學(xué)情分析是由學(xué)情現(xiàn)象深入學(xué)情本質(zhì)的認(rèn)識過程。根據(jù)認(rèn)識層次不同，學(xué)情可劃分為具體學(xué)情和本質(zhì)學(xué)情[2]52，分別指學(xué)情現(xiàn)象和學(xué)情規(guī)律。具體學(xué)情包括個體學(xué)情現(xiàn)象和群體學(xué)情現(xiàn)象，即學(xué)生個體學(xué)情指標(biāo)水平和學(xué)生群體學(xué)情指標(biāo)特征；本質(zhì)學(xué)情包括學(xué)情內(nèi)部規(guī)律和學(xué)情外部規(guī)律，即學(xué)情內(nèi)部各指標(biāo)間的關(guān)系和學(xué)情作為教學(xué)的一部分與整個教學(xué)系統(tǒng)的其他指標(biāo)間的關(guān)系。其中，個體學(xué)情現(xiàn)象分析是群體學(xué)情現(xiàn)象分析和學(xué)情規(guī)律分析的前提。個體學(xué)情現(xiàn)象分析側(cè)重學(xué)生個體學(xué)情指標(biāo)水平，可以采用語義分析、行為計算、情感計算、認(rèn)知診斷等多模態(tài)學(xué)情數(shù)據(jù)分析方法。群體學(xué)情現(xiàn)象分析側(cè)重學(xué)生群體學(xué)情特征，可以采用聚類、統(tǒng)計、時序等人工智能算法對學(xué)生群體學(xué)情指標(biāo)的實時走勢、集中趨勢、分布形勢和發(fā)展態(tài)勢進(jìn)行描述性分析。學(xué)情規(guī)律分析側(cè)重學(xué)情指標(biāo)間的內(nèi)部關(guān)系和學(xué)情指標(biāo)與教學(xué)指標(biāo)間的雙向影響作用，可以通過單獨運用關(guān)聯(lián)規(guī)則、時間序列等人工智能算法，或控制變量并綜合運用各種智能算法分析指標(biāo)間的相關(guān)關(guān)系、共變關(guān)系、因果關(guān)系等，對學(xué)情的形成機(jī)制、發(fā)展模式、未來趨勢進(jìn)行推斷性分析。分析層是人工智能助力學(xué)情分析的核心，其主要作用是通過各種分析方法挖掘?qū)W情數(shù)據(jù)的深層意義和潛在價值，以全面了解學(xué)情現(xiàn)象、準(zhǔn)確把握學(xué)情規(guī)律，為學(xué)情反饋提供內(nèi)容。

（三）反饋層：人工智能助力學(xué)情分析的關(guān)鍵

學(xué)情反饋是指向教學(xué)主體反饋學(xué)情分析結(jié)果的過程，其作用是使教學(xué)主體了解學(xué)情問題和原因以改進(jìn)教學(xué)實踐。作為教學(xué)改進(jìn)的重要手段，學(xué)情反饋要遵循及時性原則。學(xué)情反饋不及時可能使反饋內(nèi)容與學(xué)情產(chǎn)生偏差，降低教學(xué)主體信任感，并導(dǎo)致教學(xué)改進(jìn)時間延遲或決策失誤，失去學(xué)情反饋的應(yīng)有效力。學(xué)情反饋屬于基于表現(xiàn)的反饋，可從過程、任務(wù)、調(diào)節(jié)三個層面更有效地反饋學(xué)情分析結(jié)果[27]。高校運用人工智能對學(xué)情分析結(jié)果進(jìn)行數(shù)據(jù)可視化，能夠生成對學(xué)情分析結(jié)果進(jìn)行直接描述、客觀評價、深層歸因的描述型、評價型、歸因型學(xué)情反饋。具體而言，就是從過程層面呈現(xiàn)學(xué)情分析結(jié)果的細(xì)節(jié)和動態(tài)變化，使教學(xué)主體全面了解學(xué)情的過去狀態(tài)、當(dāng)前狀態(tài)和未來趨勢；從任務(wù)層面呈現(xiàn)學(xué)情分析結(jié)果與教學(xué)目標(biāo)的差距、與群體學(xué)情平均狀態(tài)的差異、與學(xué)生個體基礎(chǔ)狀態(tài)的差別，使教學(xué)主體有效監(jiān)控教學(xué)進(jìn)度、及時發(fā)現(xiàn)教學(xué)問題、準(zhǔn)確查找教學(xué)短板；從調(diào)節(jié)層面呈現(xiàn)學(xué)情分析結(jié)果的形成原因，使教學(xué)主體深入了解學(xué)情的生成及演變規(guī)律，掌握教學(xué)實踐的調(diào)節(jié)機(jī)制。反饋層是人工智能助力學(xué)情分析的關(guān)鍵，其主要作用是將學(xué)情分析結(jié)果及時反饋給教學(xué)主體，提升其對學(xué)情現(xiàn)象與學(xué)情規(guī)律的感知度和掌握度，為教學(xué)主體提供教學(xué)改進(jìn)和管理優(yōu)化的依據(jù)。

（四）應(yīng)用層：人工智能助力學(xué)情分析的歸宿

學(xué)情分析是促進(jìn)課堂、教師和課程等教學(xué)要素協(xié)同發(fā)展的有力舉措[28]，其目的是為教學(xué)主體提供實踐依據(jù)，幫助教學(xué)主體改進(jìn)基于學(xué)情分析結(jié)果的教學(xué)實踐，進(jìn)而實現(xiàn)教學(xué)目標(biāo)。人工智能基于學(xué)情分析結(jié)果精準(zhǔn)掌握學(xué)情現(xiàn)象和學(xué)情規(guī)律，可以為教學(xué)主體提供有針對性的教學(xué)建議，指導(dǎo)學(xué)生學(xué)習(xí)、教師教學(xué)和學(xué)校管理。一是指導(dǎo)學(xué)生學(xué)習(xí)。人工智能可以基于學(xué)情分析結(jié)果助力學(xué)生準(zhǔn)確判斷自身知識基礎(chǔ)、學(xué)習(xí)進(jìn)度、優(yōu)劣勢等學(xué)情，提升學(xué)生的元認(rèn)知能力，并為其提供個性化學(xué)習(xí)建議，指導(dǎo)學(xué)生調(diào)整學(xué)習(xí)規(guī)劃、完成學(xué)習(xí)任務(wù)、養(yǎng)成良好的學(xué)習(xí)習(xí)慣。二是指導(dǎo)教師教學(xué)。學(xué)情分析結(jié)果內(nèi)含學(xué)生學(xué)習(xí)基礎(chǔ)、學(xué)習(xí)狀態(tài)、學(xué)習(xí)效果等信息，人工智能可以基于學(xué)情分析結(jié)果助力教師確定教學(xué)起點、掌握教學(xué)進(jìn)度、發(fā)現(xiàn)教學(xué)問題，并為教師提供具有針對性的教學(xué)建議，指導(dǎo)教師的教學(xué)設(shè)計、教學(xué)調(diào)整與教學(xué)反思。三是指導(dǎo)學(xué)校管理。人工智能可以基于學(xué)情分析結(jié)果助力管理者評估學(xué)生學(xué)習(xí)素養(yǎng)、教師教學(xué)質(zhì)量和學(xué)校管理水平，為管理者提供遴選最優(yōu)教學(xué)策略的依據(jù)，以指導(dǎo)學(xué)校調(diào)整培養(yǎng)目標(biāo)與課程設(shè)置、改進(jìn)教師培訓(xùn)機(jī)制與考核方案、優(yōu)化學(xué)校資源建設(shè)與人員配置。應(yīng)用層是人工智能助力學(xué)情分析的歸宿，其主要作用是幫助教學(xué)主體運用學(xué)情分析結(jié)果開展教學(xué)實踐，使教師教學(xué)、學(xué)生學(xué)習(xí)和學(xué)校管理更加有力、有序、有效，實現(xiàn)教、學(xué)、管的內(nèi)在統(tǒng)一。

四、如何助力：人工智能助力學(xué)情分析的實踐路徑

人工智能助力學(xué)情分析既是理論探索，亦是實踐創(chuàng)新，高校只有基于理論框架提出可供操作的實踐路徑，才能更有力地推動其落細(xì)落實。為了實現(xiàn)人工智能助力學(xué)情分析，高校要建立全過程學(xué)情數(shù)據(jù)采集系統(tǒng)、多模態(tài)學(xué)情數(shù)據(jù)分析系統(tǒng)、及時化學(xué)情反饋系統(tǒng)和多場景教學(xué)綜合服務(wù)系統(tǒng)。具體見圖2。

（一）建立全過程學(xué)情數(shù)據(jù)采集系統(tǒng)

學(xué)情分析貫穿教學(xué)全程，覆蓋教學(xué)全域。高校運用人工智能采集全過程、全方位學(xué)情數(shù)據(jù)是人工智能助力學(xué)情分析的應(yīng)有之義。首先，高校運用人工智能助力學(xué)情分析要厘清學(xué)情數(shù)據(jù)采集內(nèi)容，進(jìn)一步明確每個教學(xué)階段和教學(xué)空間的學(xué)情數(shù)據(jù)維度及其包含的數(shù)據(jù)元素、模態(tài)、來源和數(shù)據(jù)元素之間的結(jié)構(gòu)、關(guān)聯(lián)等，形成統(tǒng)一的學(xué)情數(shù)據(jù)模型。其次，高校運用人工智能助力學(xué)情分析要統(tǒng)一學(xué)情數(shù)據(jù)采集標(biāo)準(zhǔn)，包括學(xué)情數(shù)據(jù)的命名、定義、值域、單位、格式、計算方法、生存周期等技術(shù)標(biāo)準(zhǔn)，原始學(xué)情數(shù)據(jù)采集、質(zhì)量稽查、異常處理、入庫、規(guī)整、儲存、更新等流程標(biāo)準(zhǔn)，以及負(fù)責(zé)學(xué)情數(shù)據(jù)采集的業(yè)務(wù)部門、工作人員的崗位職責(zé)、操作權(quán)限等管理標(biāo)準(zhǔn)，確保學(xué)情數(shù)據(jù)的規(guī)范性和一致性。最后，高校運用人工智能助力學(xué)情分析要暢通學(xué)情數(shù)據(jù)采集渠道，在線下引入攝像機(jī)、眼動儀、智能手環(huán)等智能采集設(shè)備搭建物聯(lián)網(wǎng)學(xué)情數(shù)據(jù)采集系統(tǒng)，通過分布式數(shù)據(jù)接口采集學(xué)生生理特征、行為表現(xiàn)、學(xué)習(xí)筆記等社會空間和物理空間的學(xué)情數(shù)據(jù)；在線上建立數(shù)據(jù)傳輸通道，通過數(shù)據(jù)庫導(dǎo)入采集學(xué)工系統(tǒng)、教務(wù)系統(tǒng)等信息空間的學(xué)情數(shù)據(jù)。此外，盡管智能識別、數(shù)據(jù)庫管理等人工智能技術(shù)已處于廣泛應(yīng)用和高度成熟階段，高掃儀、眼動儀、智能手環(huán)等智能采集設(shè)備在精度提高的同時也日益注重便攜化、微型化、低成本化，提高了學(xué)情數(shù)據(jù)采集的細(xì)粒度，但由于學(xué)情分析對教學(xué)實踐的重要意義，相關(guān)人員還需對學(xué)情數(shù)據(jù)采集技術(shù)進(jìn)行更高要求的精度強化、操作簡化和成本優(yōu)化，并輔之以更加可靠的數(shù)據(jù)稽查和數(shù)據(jù)異常處理辦法，以提升技術(shù)的有用性和易用性，確保學(xué)情數(shù)據(jù)的可靠性和精準(zhǔn)性。高校通過以上步驟建立全過程學(xué)情數(shù)據(jù)采集系統(tǒng)，全面采集學(xué)生基礎(chǔ)數(shù)據(jù)、生理數(shù)據(jù)、行為數(shù)據(jù)與學(xué)業(yè)數(shù)據(jù)形成課前、課中、課后學(xué)情數(shù)據(jù)集，能夠為學(xué)情分析奠定堅實的數(shù)據(jù)基礎(chǔ)。

（二）建立多模態(tài)學(xué)情數(shù)據(jù)分析系統(tǒng)

感性是感知外部世界的媒介，“人不僅通過思維，而且以全部感覺在對象世界中肯定自己”[13]305。學(xué)生作為“現(xiàn)實”“感性”的客觀存在，其學(xué)習(xí)是在多感官調(diào)動下的多模態(tài)學(xué)習(xí)交互過程。教育管理者和教師基于多模態(tài)學(xué)情數(shù)據(jù)的信息互補性進(jìn)行分析，可以更加準(zhǔn)確地了解真實學(xué)情。首先，高校運用人工智能助力學(xué)情分析要以建構(gòu)主義、認(rèn)知發(fā)展、自我效能等理論為指導(dǎo)，綜合四種學(xué)情分析理論厘清學(xué)情分析的具體指標(biāo)和指標(biāo)間的結(jié)構(gòu)關(guān)系，建構(gòu)學(xué)情分析指標(biāo)框架。其次，高校運用人工智能助力學(xué)情分析要在多學(xué)科理論指導(dǎo)下確定衡量學(xué)情指標(biāo)的數(shù)據(jù)維度和數(shù)據(jù)元素，創(chuàng)建學(xué)情指標(biāo)與學(xué)情數(shù)據(jù)的映射關(guān)系。最后，高校運用人工智能助力學(xué)情分析要基于多模態(tài)學(xué)情數(shù)據(jù)分析個體學(xué)情、群體學(xué)情和學(xué)情規(guī)律。其中，個體學(xué)情分析包括特征提取、多模態(tài)融合、學(xué)情指標(biāo)分析三個步驟，分別指從多模態(tài)學(xué)情數(shù)據(jù)中提取學(xué)情指標(biāo)的特征參數(shù)；采用數(shù)據(jù)層、特征層、決策層數(shù)據(jù)融合方法進(jìn)行特征參數(shù)融合；通過分類、回歸、貝葉斯等人工智能算法分析提取融合后的特征表示，得出學(xué)生的行為序列、情感類型、認(rèn)知層級等學(xué)情。群體學(xué)情分析包括群體聚類、群體學(xué)情指標(biāo)特征分析兩個步驟，前者指通過層次聚類和非層次聚類將個體學(xué)情特征相似的學(xué)生分類為相對同質(zhì)的學(xué)生群體；后者指計算、比較班級/年級等預(yù)設(shè)學(xué)生群體和根據(jù)學(xué)情分析結(jié)果劃分的未預(yù)設(shè)學(xué)生群體的學(xué)情指標(biāo)的比率、平均值、偏倚系數(shù)等特征數(shù)，分析群體學(xué)情共性和差異。學(xué)情規(guī)律分析包括探索規(guī)律和驗證規(guī)律兩個步驟，分別指通過關(guān)聯(lián)分析、因果分析、模式分析等推斷學(xué)情指標(biāo)間和學(xué)情指標(biāo)與教學(xué)指標(biāo)間的相關(guān)關(guān)系、因果關(guān)系等，探索學(xué)情的形成機(jī)制；根據(jù)學(xué)情規(guī)律進(jìn)行學(xué)情預(yù)測，分析學(xué)情的發(fā)展趨勢和發(fā)生概率。

（三）建立及時化學(xué)情反饋系統(tǒng)

課程教學(xué)伴隨著教師與學(xué)生的持續(xù)交流反饋，其主要作用是促使學(xué)生改進(jìn)當(dāng)前狀態(tài)。因而，高校運用人工智能助力學(xué)情分析要建立及時化學(xué)情反饋系統(tǒng)，與課程教學(xué)同步提供學(xué)情反饋。首先，要根據(jù)教學(xué)需求確定學(xué)情反饋內(nèi)容。為了滿足學(xué)生、教師、學(xué)校在不同教學(xué)階段的學(xué)習(xí)、教學(xué)、管理需求，高校要設(shè)計人工智能助力學(xué)情反饋的內(nèi)容跨度，使面向不同教學(xué)主體的學(xué)情反饋內(nèi)容在課前學(xué)情、課中學(xué)情、課后學(xué)情、課堂學(xué)情、課程學(xué)情，以及個體學(xué)情、班級學(xué)情、專業(yè)學(xué)情、學(xué)院學(xué)情、學(xué)校學(xué)情上有所側(cè)重。其次，要根據(jù)學(xué)情分析結(jié)果確定學(xué)情反饋形式。高校要針對學(xué)情分析結(jié)果的內(nèi)容特征，運用人工智能選擇文本描述、對比表格、密度圖、?；鶊D、雷達(dá)圖、堆疊面積圖等反饋形式，生成描述型、評價型、歸因型學(xué)情報告，以更好地呈現(xiàn)學(xué)情指標(biāo)的比例、頻數(shù)、總體分布、發(fā)展趨勢等基本情況以及標(biāo)準(zhǔn)參照評價、常模參照評價、個人參照評價等評價情況和學(xué)情指標(biāo)間的關(guān)聯(lián)關(guān)系、形成原因等歸因情況。最后，要根據(jù)教學(xué)主體確定學(xué)情反饋方式。高校要針對教學(xué)主體的認(rèn)知特征等，運用人工智能優(yōu)化學(xué)情反饋系統(tǒng)的圖標(biāo)、動畫、彈窗、導(dǎo)航欄、空間布局、交互方式等系統(tǒng)設(shè)計，智能選擇學(xué)情報告的內(nèi)容元素、顏色搭配、形狀樣式、字體格式、排列方式、標(biāo)注形式等，提升學(xué)情報告的呈現(xiàn)效果和傳播效率。

（四）建立多場景教學(xué)綜合服務(wù)系統(tǒng)

學(xué)情分析的落腳點是教學(xué)目標(biāo)的實現(xiàn)，這需要高?；趯W(xué)情分析結(jié)果開展教學(xué)實踐，推動實現(xiàn)個性化學(xué)習(xí)、精準(zhǔn)化教學(xué)和精細(xì)化管理。因而，高校運用人工智能助力學(xué)情分析不能停留于分析層面，而要進(jìn)一步建立多場景教學(xué)綜合服務(wù)系統(tǒng)，面向不同教學(xué)主體提供教學(xué)服務(wù)，通過數(shù)字化轉(zhuǎn)型適應(yīng)學(xué)生學(xué)習(xí)、增強教師能力、提升教育管理水平[29]。一是面向?qū)W生提供學(xué)習(xí)服務(wù)。高校要借助自適應(yīng)學(xué)習(xí)、大語言模型、教學(xué)機(jī)器人等人工智能技術(shù)，為學(xué)生提供基于學(xué)情分析結(jié)果的學(xué)習(xí)資源推薦、內(nèi)容分發(fā)、活動安排、路徑規(guī)劃、任務(wù)督促等智能導(dǎo)學(xué)服務(wù)和資料查找、文獻(xiàn)翻譯、數(shù)據(jù)處理、觀點凝練等智能助學(xué)服務(wù)，以及作業(yè)輔導(dǎo)、問題答疑、朋輩互助、虛擬實驗等智能伴學(xué)服務(wù)。二是面向教師提供教學(xué)服務(wù)。高校要以教學(xué)專家系統(tǒng)、智能教師助理等人工智能技術(shù)為助力，實現(xiàn)基于學(xué)情分析結(jié)果精準(zhǔn)匹配教學(xué)要素、智能分析教學(xué)規(guī)律，為教師提供教學(xué)內(nèi)容生成、教學(xué)資源供給、教學(xué)方案制定、教學(xué)質(zhì)量評估等精準(zhǔn)教學(xué)服務(wù)和教學(xué)理論驗證、教學(xué)問題歸因、教學(xué)趨勢預(yù)測、教學(xué)風(fēng)險評估等智能教研服務(wù)。三是面向?qū)W校提供管理服務(wù)。高校要以智能管理系統(tǒng)、智能管理助手等人工智能技術(shù)為支撐，實現(xiàn)基于學(xué)情分析結(jié)果監(jiān)測和評估學(xué)生學(xué)習(xí)、教師教學(xué)、學(xué)校管理的過程和質(zhì)量，助力學(xué)校了解各學(xué)科特殊性問題和跨學(xué)科普遍性問題，進(jìn)而判斷教學(xué)目標(biāo)設(shè)定、教學(xué)措施部署的合理性，推進(jìn)教學(xué)主體協(xié)同決策、教學(xué)資源集約供給、教學(xué)生態(tài)智慧共建，減少課程體系建設(shè)、師資結(jié)構(gòu)調(diào)整、學(xué)科交叉合作、管理制度設(shè)計的偏差，使教學(xué)管理從人治走向智治，實現(xiàn)科學(xué)化決策與精細(xì)化管理，提高學(xué)校管理效率和管理水平。

五、結(jié)語

高校運用人工智能開展學(xué)情分析，既是學(xué)情分析精準(zhǔn)化、全面化、智能化的內(nèi)在需要，又是適應(yīng)時代發(fā)展、推動教育數(shù)字化轉(zhuǎn)型的重要內(nèi)容，有助于高校突破傳統(tǒng)學(xué)情分析存在的教師精力不足、能力不夠，數(shù)據(jù)處理速度慢、水平低等人力物力限制。但是，基于人工智能的學(xué)情分析并非對傳統(tǒng)學(xué)情分析的徹底否定，而是對課堂觀察、問卷調(diào)查等傳統(tǒng)學(xué)情分析方法的智能優(yōu)化和有益拓展，其重點在于高校運用人工智能技術(shù)優(yōu)勢完成學(xué)情分析中具有重復(fù)性、機(jī)械性、可替代性的工作內(nèi)容，將教師從繁瑣重復(fù)的簡單勞動中解放出來；提高學(xué)情信息的采集廣度、分析效度、反饋速度和應(yīng)用準(zhǔn)度，實現(xiàn)更全面、更客觀、更迅速、更精準(zhǔn)的學(xué)情分析。同時，高校運用人工智能推動學(xué)情分析的智能化轉(zhuǎn)向仍然存在諸多障礙，可能面臨教學(xué)主體素養(yǎng)欠缺、技術(shù)人才儲備不足、個人信息過度采集、數(shù)據(jù)泄露侵犯隱私、平臺管理權(quán)責(zé)不明、智能設(shè)備成本過高、系統(tǒng)運行能耗過大等現(xiàn)實挑戰(zhàn)，需要相關(guān)部門、企業(yè)和高校攜手合作，共同致力于開展智能素養(yǎng)培訓(xùn)提升教學(xué)主體能力，搭建技術(shù)人才培養(yǎng)平臺拓展人才資源，制定法律法規(guī)和倫理規(guī)范約束數(shù)據(jù)采集行為，完善數(shù)據(jù)脫敏處理和分級管理制度保護(hù)數(shù)據(jù)安全，建立平臺管理規(guī)范和責(zé)任清單明確權(quán)責(zé)范圍，進(jìn)行技術(shù)優(yōu)化降低生產(chǎn)成本和減少能源損耗等，最大限度地降低技術(shù)風(fēng)險，堅守教育初心，以科技創(chuàng)新賦能教育高質(zhì)量可持續(xù)發(fā)展[30]，為中國式教育現(xiàn)代化貢獻(xiàn)智慧和力量。