面对人工智能技能浪潮的再次爆发，如何将其融入学校教诲成为社会各界和学者们关注的热点话题，本文对人工智能发展脉络、信息技能教诲运用的基本关怀和当前教诲改革的难点问题进行磋商，创造人工智能的发展动力紧张源自于技能与政策的双轮驱动，而大规模数字化与行业深度运用是新一轮人工智能发展的显著特色，这些发展和进步将为人工智能融入学校带来新机遇；通过阐发技能与教诲时空的关系，提出个性化学习、适切做事、学业测评、角色变革、交叉学科五大人工智能教诲运用潜能和教诲代价、传授教化体验、安全伦理、有效协同及技能管理五大人工智能教诲运用寻衅；末了指出，为了促进新一代人工智能融入学校教诲，除进行通过“技能研发、环境支配与运用”改变学校环境的研究外，还应开展关于“认知特色、学习实质与教诲代价”和“智能机器的安全、规范与伦理”的干系研究。

关键词

人工智能；人工智能教诲运用；智能传授教化系统；打算机赞助传授教化

作 者

刘德建；杜静；姜男；黄荣怀

人工智能技能与学校教诲领悟成为一种未来趋势，这为个性化学习和个别化学习的实现供应技能保障，成为教诲发展的主要推动力。
“智能教诲”作为重点任务被写入2017年颁布的《新一代人工智能发展方案》，成为人工智能国家计策的主要组成部分，在教诲部于2018年印发的《教诲信息化2.0行动操持》中也提到要推送人工智能、大数据物联网等新兴技能支持下的教诲模式变革和生态重构。

然而，当前教诲信息化面临着传授教化方法改造、教诲资源均衡和西席专业发展等问题，人们期待新一代人工智能技能将在更大程度上促进教诲公正、提高教诲质量。
本文旨在回顾人工智能的发展历史，剖析人工智能进展的动力来源，从技能视角和教诲视角核阅人工智能教诲运用的特色和规律，试图回答人工智能融入学校教诲带来的潜能、可能面临的寻衅和紧张研究趋势，以期新一代人工智能为学校教诲的发展供应启迪，从而为构建智能化、网络化、个性化、终生化的教诲体系贡献聪慧。

一、人工智能的新进展及其为学校教诲发展带来的新机遇

精确认识人工智能的发展规律，有必要对人工智能发展历史，尤其是人工智能的范例特色进行梳理。

（一）人工智能发展动力源自技能与政策双轮驱动

人工智能紧张是研究和开拓用于仿照、延伸和扩展人类智能的理论、方法、技能及运用系统。
自1956年达特茅斯（Dartmouth）会议出身“人工智能”一词以来，距今已有60年，此期，共经历三次发展浪潮（见图1）。
第一次浪潮为1956年至1966年间，其标志是在美国达特茅斯会议上确立人工智能（Artificial Intelligence，简称AI）术语，首创人工智能研究领域，这一期间的研究重点是符号推理与机器推理。
70年代往后，由于硬件打算能力不敷和数据局限性等问题，使一些人工智能研究项目遭到质疑，同时美国和英国政府相继中断了对人工智能探索性研究的帮助，人工智能发展进入了第一个“寒冬期”。
人工智能的第二次浪潮为1976年至1986年间，多国设立大型AI项目以促进人工智能的发展，如日本ICOT项目、美国MCC项目和英国Alvey项目，这一期间涌现了语音识别、语音翻译操持及日本第五代打算机。
90年代后期，由于难以将这些技能成功运用于实际生活中，在经由短暂的发展后人工智能又一次进入滞缓的“寒冬期”。
人工智能的第三次浪潮为2006年至今，其标志是欣顿（Hinton）提出的深度学习技能以及ImageNet竞赛中图像识别技能的打破，尤其是美国BRAIN操持、欧盟类BRAIN操持、中国《新一代人工智能发展方案》（***，2017）的制订，使新一代人工智能受到国家和社会的广泛关注，人工智能技能的研究取得了本色性进展，运用范围和前景更加广阔。

图 1 人工智能发展概貌

从历史来看，人工智能的发展总体呈现“螺旋上升”的态势，每一次进步都离不开技能的发展和国家政策的影响，技能的进步与发展又会反过来影响国家政策的出台。
从长远来看，科学技能和国家政策仍将是人工智能持续发展的影响成分。

（二）新一轮人工智能发展以大规模数字化和行业深度运用为显著特色

新一轮人工智能技能的发展呈现出数据规模增加、打算能力增强和行业运用能力提升等显著特色。
首先，在数据规模增加上，各种“仿照”数据的数字化，产生了面向系统和人类过程行为的海量数据，使得数据规模快速增加。
其次，得益于硬件打算性能的快速增强，人工智能打算能力大幅度提升，使得人工智能运用程序能够处理超大规模的数据。
末了，在行业运用处景上，在金融、医疗、自动驾驶、安防、家居以及营销等领域的运用处景已落地生根，创造出巨大商业代价，除了熟知的Alpha Go和Face++，某企业在某些地区已考试测验用无人机和无人车配送货色。
行业运用的成功使我们更加期待人工智能融入教诲领域的运用前景。

（三）人工智能技能的发展为学校教诲改革带来新机遇

教诲改革源于人类参与社会生活和自身发展的须要。
当前我国教诲改革处在工具群体多元化、社会需求多样化、全民学习终生化的新形势，如何利用新一代人工智能技能破解教诲改革难题成为社会关注的热点。
从历史的角度看，学校教诲经历过三次转型（黄荣怀等，2017）（见表一）。
伴随着第三次教诲转型的到来，教诲的空间与机会得到极大拓展，学习者须要能够自主选择学习的韶光、地点、内容、办法。

表一 人类文明进程中的教诲形态变迁

李德毅院士曾对人工智能教诲运用作出评价：“人工智能对社会的冲击是全方位的，但对行业的冲击首当教诲，人工智能带给教诲的便是‘改变’”(李德毅 & 马楠，2017)。
如通过学习剖析和用户画像技能，搜集学习者学习数据，实现学生行为全面剖析及知识点节制程度精准判断，从而绘制契合学生特点的学习发展舆图；借助情绪机器人和自然措辞处理技能，陪伴学习者发展，增加对人的关怀和陪伴；结合知识图谱，建立领域知识库，赞助西席针对学生的不同能力天生不同的试题并进行作业批改；利用智能运动设备，如智好手环、智能肺活量等测评工具，深度采集学生康健数据，从而创造学生在体质、运动技能、康健程度等方面的问题（余胜泉，2018）。

二、技能视角下人工智能教诲运用

二十世纪五十年代，打算机作为一种分外的工具运用于传授教化，这是技能运用于教诲的雏形。
智能传授教化系统则是打算机赞助传授教化在人工智能技能促进下的新发展，是人工智能教诲运用的范例之一。

（一）打算机赞助传授教化与智能传授教化系统

打算机赞助传授教化指用打算机帮助和代替西席实行部分传授教化任务，通报传授教化信息，向学生传授知识和演习技能，直接为学生做事的程序（Root et al.，2018）。
比较于幻灯、投影、实验仪器等设备，打算机具有人机交互的特点，而打算机赞助传授教化的传授教化模式紧张有操练与练习、个别辅导、仿照和传授教化游戏等，日益成为当代化教诲技能的主要组成部分，但这类系统无法为学习者供应个性化的学习辅导，无法根据学习情形动态地调度传授教化策略（刘清堂等，2016），因此有研究者开始以打算机赞助传授教化系统为根本设计智能传授教化系统的功能。
从技能的发展角度来看，人工智能是信息技能的延伸；从教诲功能上来看，人工智能运用于教诲的本色仍是打算机赞助传授教化，也可称其为智能赞助传授教化(Intelligent Tutoring System，简称ITS)，又称作智能导师系统、智能传授教化系统、智能导学系统。
其目的依然是为促进学生学习绩效的提升，尤其是近年来人工智能在虚拟现实、情绪识别、自然措辞处理、深度学习等领域的发展，授予智能传授教化系统更丰富的内涵，使其受到研究者越来越多的关注。

（二）智能传授教化系统的功能延展

描述智能传授教化系统的框架较多，最范例的是1973年由哈特利（Hartley）和斯利曼（Sleeman）提出三模型构造（Clancey，1982）。
其核心组件包括领域知识模型（Domain model）、学习者模型（User Model），和传授教化模型（Pedagogy model），分别办理教授知识过程中教什么（What to teach）、传授教化工具（Whom to teach）和如何教（How to teach）的问题。
在随后模型的发展中，伍尔夫加入了人机接口模型，又称为用户界面（User Interface）模型（Woolf，2018）。
之后还有专家提出五模型构造，这些模型的根本和核心均是三模型构造。
而四模型构造是智能导师系统研究领域较为通用的描述框架（见图2）。
近三十年来，因科学技能的不断发展，ITS学习者模型、传授教化模型及领域模型的功能被不断丰富和完善，智能传授教化系统更加“智能”，拓展智能传授教化系统传授教化功能的范例路子包括借助语义网络和约束模型优化领域知识模型、利用元认知扩展学习者模型和结合虚拟现实技能拓展用户接口界面。

图 2 智能传授教化系统通用框架

1. 领域知识模型和学习者模型的重构

实现领域知识重构，可以采取增加语义网络和约束模型的办法细化领域知识模型功能。
语义网络指用词与词之间的关系来表达人类知识构造的形式，以供应问题和知识点的语义关联。
由于命题语义网络和数据语义网络技能的开拓运用，以及基于问题办理和观点提示等知识表达规则的运用，领域知识模型不仅包含学科内容的知识，还应包括运用这些知识来求解问题的过程性知识及建构精确解答和求解问题的策略性知识。
约束模型指的是通过剖析学生者信息，如学习者行为、情境信息和反馈信息，从而为他们供应有针对性的学习方案（Mitrovic，2012）。
如智能传授教化系统EER-Tutor通过利用传授教化对话、感知情境等办法，判断和回应学生的情绪状态，从而供应支持做事。

学习者模型重构可以通过引入新的研究理论使模型涵盖的内容不断丰富，如利用元认知支架得到学习者的动机、参与程度和自我意识（Dimitrova et al.，2007）；系统还能利用环境约束剖析学习者的认知水平和情绪状态（Grawemeyer et al.，2015）；社会仿照也将发挥浸染，通过理解文化和社会规范，使学习措辞的学生能够与其目标措辞利用者更成功地打仗进而提升措辞学习效率（Johnson & Valente，2009）。

2.用户界面模型的优化

早期的智能传授教化系统中用户界面的呈现一样平常采取基于文本或者2D的图画，一定程度上限定了对空间及物理观点的传输，而虚拟现实、增强现实技能可通过仿照真实天下里学习者无法访问的某些场景，以供应身临其境的体验。
当虚拟现实技能被运用于传授教化系统时，该系统不仅为学生供应探索、互动和操控虚拟天下的机会，还能帮助他们将学到的知识转移到现实天下中，进而以更自然的办法相应学生的要求（Westerfield et al.，2013）。
同时，还可以通过***捕捉、跟踪系统等技能捕捉学生的多方位行为以及借助三维图形、***动画以及音频和文本等多模态办法搜集信息，提高系统对学生需求的适配性。

3.智能做事功能的扩展

智能做事功能紧张指可以利用大数据与学习剖析等技能为学习者供应个性化学习支持做事，通过感知、跟踪、网络学生学习过程中的行为数据，动态理解学生状况。
根据学习者的个人能力和需求，选择最得当的内容推送给学习者（Pearson & UCL Knowledge Lab，2016）（见图3）。
学习者吸收到干系内容（可能通过文本、语音、活动、***或动画的办法）后，人工智能教诲运用（Artificial Intelligence in Education，简称AIED）系统将对学习者互动情形进行持续性剖析（如学习者目前学习行为和答案，过去成绩以及出错率，当前情绪状态）；同时，AIED系统会根据上述信息做出相应反馈（如暗示和辅导），通过调度传授教化进度并优化传授教化组织办法，确保每个学生的学习内容最大限度地符合他们的能力和需求，从而最有效地促进学习。

图 3 基于大数据和学习剖析的自适应学习系统框架

三、传授教化视角下人工智能教诲运用潜能

人工智能与学校的领悟紧张涉及两个层面的问题：其一，人工智能融入学校的代价是什么？以何种办法实现学校教诲与智能技能的领悟？其二，未来的数字公民须要结合人工智能进行学习，那么人如何学会与智能机器共处。
基于以上思考，本文深度阐发了人工智能融入学校教诲的五项潜能和五项寻衅（见图4）。

图 4 人工智能融入学校教诲的潜能与寻衅

（一）支持个性化学习

数字环境下发展起来的新一代学习者对学习提出了更高诉求，步调统一、韶光地点固定的学习办法将被冲破。
他们渴望自定步调、任意韶光、任意地点的学习办法。
智能赞助系统/教诲机器人将使这种学习办法成为可能：其一，借助大数据和学习剖析技能，获取学习行为数据，根据需求为学习者供应适切的学习资源和学习路径；其二，通过供应沉浸式的虚拟学习环境，学习者可在任意韶光、任意地点参与到学习中，如设计游戏化的虚拟学习场景，随着游戏中故事的展开，从游戏和玩家获取在线参与信息，并基于这些信息利用人工智能算法来确定采取哪些适宜的学习行动 ( Pearson & UCL Knowledge Lab，2016)；其三，促进学习者认知水平和情绪状态的转变，让学习者以积极的心态参与到学习活动中，如智能传授教化系统通过模拟学习者的认知和情绪状态，将学习活动与学习者的认知需求和情绪状态相匹配，担保学习过程中学生深度投入。

（二）供应传授教化过程适切做事

学习支持做事是在远程学习时西席和学生接管到的关于信息、资源、职员和举动步伐支持做事的综合（丁兴富，2001）。
西沃特第一次对学习支持做事做了系统论述（Sewart，1978），此后，学习支持做事作为远程教诲领域特有的主要观点和实践活动不断得到丰富和发展，在远程教诲师生时空分离的环境中，学习效率与传授教化质量的担保，必须要有相适应的学习支持做事系统，而学习支持做事系统也是学生取得良好学业表现的主要保障。
人工智能技能能够跟踪学习者和传授教化者的行为，通过剖析来自打算机、穿着设备、摄像头等终端数据，对特定场景下的行为进行细粒度剖析，从而得出面向特定工具的特定需求，再借助自适应学习支持系统将匹配的学习内容、传授教化专家和学习资源推送给用户。

（三）提升学业测评精准性

传统的学生档案袋记录不能及时、全面地反应学生真实学习状况，尤其是在某些地区班额和师生比不合理的条件下，西席没有足够的韶光和精力做好学生的学习过程记录。
学习剖析技能为搜集学习者从小学至大学的全过程学习数据供应了新的办理路子，并能利用多类剖析方法和数据模型阐明与预测学习者的学习表现（Lee et al.，2016），从而更准确地把握学科传授教化目标，调度传授教化策略，优化传授教化过程，有助于西席理解学生的学习状态。
除此之外，学业评测还能对学生的情绪状态和生理行为数据进行捕捉，如利用穿着腕表、语音识别和眼球追踪等数据捕获设备，捕捉学生生理和行为数据，获取学生的情绪状态和学习把稳力数据（Kiefer et al.，2017），挖掘学生深层次的行为数据，为更加精准的学习支持做事供应有效依据。

（四）助力西席角色转变

历史类、措辞类、电子工程类、管理类等智能传授教化系统已逐步地运用于课内和课外学习中，这一发展对付减轻西席事情负荷大有裨益。
人工智能技能将成为西席角色转变的催化剂，部分替代西席的“机器”事情，传统的备课、教室讲授、答疑辅导和作业批改等传授教化环节将不再是西席的专属：如辅导答疑任务可以由虚拟代理来替代，可由智能赞助系统/教诲机器人承担西席的某些任务，协作承担起传授教化环节当中可重复性的、程式性的、靠影象、靠反复练习的传授教化模块，赞助西席从日常繁琐耗时的重复性事情中解放出来，让西席将更多的精力投入到创新性和启示性的传授教化活动中，如情绪交互、个性化勾引、创造性思维开拓，不断为西席赋能。

（五）促进交叉学科发展

人工智能教诲运用一贯是跨学科的领域，可利用打算机科学、生物学、生理学、教诲神经科学等学科上风，从不同侧面深入理解学习过程，从而建立更准确的领域知识模型、学习者模型，更好地为学习者供应理论辅导。
如有研究者开展关于“智能勉励”和“发展心态”的研究。
“智能勉励”是生理学、打算机科学领域的交叉研究，指的是当学习与不愿定的褒奖干系联时，学习可以得到改进，也便是说，学习者知道在完成一项任务后可能会得到褒奖，但不愿定褒奖会在每次都涌现（Demetriou，2015）。
“发展心态”的研究是社会学、生理学和打算机科学领域的交叉研究，紧张探索“心态”在学习中的浸染（Dweck & Leggett，1988）。
有团队已经研发出了一种仿照大脑以支持每一个学习者以最有效的办法发展发展心态的智能技能（Brainology）（Harris et al.，2009）。
越来越多的证据表明，这种“发展心态”可以改变学生的心态，从而对他们的学业造诣产生本色性的影响。

四、人工智能深度融入学校教诲的五项寻衅

人工智能技能为学校教诲供应了新的发展契机，但在实践过程中，仍有一些寻衅影响人工智能教诲做事能力，亟需研究者合理应对，包括人工智能的教诲代价、人机共处环境下的传授教化体验、智能技能的安全伦理、政府企业与学校有效协同和人机和谐发展的技能管理。

（一）人工智能的教诲代价

在信息技能广泛运用的“智能时期”背景下，新兴技能的教诲运用已经在深度和广度上得到了最大限度实现，然而，我们也复苏地认识到在将技能运用于教诲的过程所遭遇的问题。
当人工智能与学校教诲领悟时，我们更应对其教诲代价进行深刻反思，教诲是一种分外的代价活动，“为了人的发展”始终是教诲的基本出发点和落脚点，如何最大程度地发挥人工智能应有的教诲代价，如何精确认识人工智能技能在学校教诲中发挥浸染的条件、条件和限定将是教诲事情者紧张考虑的问题。
因此，人工智能融入学校应始终以促进“人的发展和发展”为基本态度，通过找到两者之间的契合点，才能将人工智能技能有效融入学校教诲。

（二）人机共处环境下的传授教化体验

人工智能技能将引发教诲传授教化系统各个要素及其关系发生变革，在智能机器引入学习后，传授教化交互将实现的大家、人机等多维互动，当人和机器一起事情时，会引发学习者不同的学习体验，我们期待技能能促进学习，但技能并不是所有时候都会按照人们预期的那样在传授教化中发挥积极浸染，有时乃至会起到相反的效果。
例如，研究表明在班级利用条记本电脑的同学会花费很多韶光进行多任务处理，这不仅使他们自己分心，还影响了其他同学。
更为主要的是条记本电脑的利用对学生的学习产生了负面影响，包括在自述课文内容方面及整体的教室表现上。
还有研究表明，在平板上记条记的学生在观点性问题表现上比普通书写办法记条记的学生差，在平板上记条记的学生虽然花了更永劫光记条记且覆盖了更多内容，但由于借助科技而被动不走心的影象险些把这些好处抵消散落了（Ikanth & Asmatulu，2016）。
作为反思性实践者的西席和学生们，除了传授教化实践场景中的直不雅观、表层体验之外，更须要西席能够批驳性地剖析和判断人工智能技能运用的传授教化体验，进而成为辅导教诲传授教化实践的原则和事理，真正实现人工智能技能促进优化教室传授教化实践的目的。

（三）政府、企业与学校的有效协同

人工智能融入学校教诲的驱动力，除来自技能的成熟，还有企业的使令。
《2016环球教诲机器人发展白皮书》曾指出未来教诲机器人的市场规模或达百亿美元，教诲机器人将成为工业机器人和做事机器人往后的第三类机器人发展领域。
在会议迎宾、餐厅做事、远程客服等场景做事机器人已为大众所接管，这将带动机器人与教诲场景的结合，除了教诲机器人以外，情绪识别、人脸识别、智能语音处理等人工智能技能如何在学校教诲中更好做事于师生也受到学校和企业的广泛关注。
政府、企业与学校的有效协同将是未来人工智能融入学校教诲的关键，企业与高校的互补，将在算法改进、传授教化方法研究、教诲资源汇总等多个方面为人工智能融入学校教诲供应强有力的支撑，详细来说包括人工智能设备生命周期管理制度、人工智能资源培植标准、技能共享及评价标准、人工智能技能的教诲运用处景、技能研发资金、学校对接办法、校企互助办法等。

（四）人机和谐发展的技能管理

随着物联网、大数据技能以及云打算等信息通信技能的兴起，社会技能化程度的显著提升，一种新的社会管理办法——技能管理悄然兴起。
技能管理关注如何高效地管理社会公共事务并强调利用科学理论、技能方法和工具进行社会管理(刘永谋 & 李佩，2017)。
技能管理产生的初衷是通过技能治情由信息技能引发的社会问题，如根据温度传感器的警报创造灾情，根据城市道路的车流量预测哪条道路会涌现拥堵情形，根据摄像头留下的图像追查罪犯的逃跑路线等。

技能发展的宗旨应是更好为人类做事，技能的发展轨迹应与人文提倡的发展轨迹渐相契合。
2017年1月，在霍金、马斯克等人的推动下，超过892名人工智能研究职员以及其余1445名专家共同签署并发布了《人工智能23条原则》，以确保人工智能的发展行进在精确轨道上。
如何通过合理监管以有效勾引人工智能技能的发展，自然成社会舆论绕不开的难题，当前核心并非“是否该当对人工智能的发展进行管理”，真正的寻衅在于“管理什么”，以及“如何管理”。
人工智能并非单个领域、单个家当的技能打破，而是对付社会运行状态的根本性变革，包括数据标准化、社会做事平台、多领域智能系统折衷发展等，因此在技能管理时均可纳入考虑范围。

（五）智能技能的安全与伦理

人工智能技能融入学校教诲过程中，其技能支配问题面临着安全伦理的寻衅。
人工智能技能的运用须要大量教诲数据的挖掘、整合和分享，智能产品的家当链上有开拓商、平台供应商、操作系统和终端制造商、其他第三方等多个参与主体，这些主体均具备访问、上传、共享、修正、交易以及利用用户供应的数据的能力。
在这过程中自然会触及学生或西席的性情取向、个性偏好、智力水平以及情绪、社会性交往等个人信息，那么这些数据的安全掩护以及隐私权保护终极将由谁来卖力以及如何卖力？如何应对科技赞助放学术不端征象的涌现？

人工智能系统的安全支配必须考虑更深层的伦理问题，设计者和生产者在开拓人工智能教诲产品时并不能准确预知可能存在的风险，必须能够保障人工智能设计的目标与大多数人类的利益同等，纵然在决策过程中面对不同的场景、不同的利益群体，人工智能也能做出符合社会规范、伦理以及相对科学合理的决定，这样才能真正实现保障公共安全的目的。

五、人工智能融入学校教诲的范例研究领域

人工智能融入学校教诲紧张表现为“技能研发、环境支配与运用”、“认知特色、学习实质与教诲代价”、“智能机器的安全、规范与伦理”三大研究领域，个中关于“技能研发、环境支配与运用”的研究课题开展的较多，紧张集中在认知工具、差异化传授教化、适应性学习系统、学习环境感知和教诲机器人（见图5），后两者是两大新的发展领域，特殊值得关注和重视。

图 5 人工智能融入学校教诲的三大发展领域

（一）研发面向分外教诲的认知工具

全纳教诲提倡不让一个孩子掉队，让所有学生在得当的教诲环境中接管传授教化。
据调查，在普通学校的普通班级存在着大量的非盲、聋、弱智的分外学生，在接管调查的30所普通小学中，有“分外”儿童的学校占到85%以上，高达65.6%的学校有感情、行为、生理问题的学生（刘全礼，2016）。
基于智能赞助技能的认识工具的开拓，能为接管分外教诲学习者认知能力的提升供应支持性做事，详细可以从以下方面动手：针对不同学习者的认知能力剖析技能；不同学科所需技能剖析技能；面向不同学科的分外认知工具设计；面向不同学生群体的认知工具设计等。

（二）利用学习剖析技能支持差异化传授教化

差异化传授教化管理既是教室传授教化目标的实现路子，也是未来学校教诲传授教化的目标之一，当前多借助学习剖析技能实现该功能。
学习剖析技能便是对学习者的学习过程进行记录、跟踪、剖析，对学习者行为进行预测、评估（李艳燕等，2012）。
当前的学习剖析技能，多借助技能手段和运用软件跟踪和获取学生行为、学习轨迹等数据，紧张集中于数据剖析和行为剖析层次，由于目前的设备不能清晰获取学习目标和传授教化目标，还难以做到精确的学习剖析，因此离差异化传授教化管理还有一定间隔。
以下方面的研究都值得关注：人工智能将如何在传授教化管理工具、学习支持工具以及资源供应工具上给予差异化的保障；如何最大限度地发挥技能的管理支持浸染；如何通过个性化学习目标和多元活动传授教化设计来使每一个学生主动投入到深度学习。

（三）基于学习环境感知优化聪慧校园

聪慧校园培植强调智能技能与教诲传授教化的深度领悟。
纯挚的网络根本举动步伐装备、学与教数字化资源培植、运用软件系统的开拓难以有效支撑学与教办法的变革和拓展相对封闭的时空维度。
为有效支持教与学，丰富校园文化，真正拓展学校的时空维度，聪慧校园培植须要利用传感器和物联网技能随时随地感知、捕获和通报有关人、设备、资源的信息；同时还须要对学习者个体特色（学习偏好、认知特色、把稳状态、学习风格等）和学习情境（学习韶光、学习空间、学习伙伴、学习活动等）的感知、捕获和通报。

（四）研发课内外传授教化有效衔接的适应性传授教化系统

自适应性传授教化系统将成为衔接课内外传授教化的有效路子，可以打破时空的限定，冲破教室学习的界线，让学习者在任意韶光和任意地点进行学习。
该系统能够从学习环境、学习者特色、学习资源与工具、学习行为以及评价反馈等多个方面为学习者供应全方位、立体多维的学习者学习剖析模型及知识舆图，完成对区域、学校、班级、学生等多维度的数据处理及剖析。
随着研究的深入与各种技能的运用，未来研究可以针对以下主题展开：对适应性学习策略进行形式化描述的方法与模型研究仍需打破，没有明确的学习目标指引，随意马虎涌现学习迷航征象；学习者特色模型的准确性与有效性的评价研究有待加强；学习内容获取的智能性是否能够适应学习者特色和学习需求等问题；将来人工智能教诲运用研究者还会持续开拓越来越多、能够表达学习者的社会性、情绪性和元认知方面的模型，基于人工智能技能的自适应学习系统将能够涵盖影响学习的所有干系成分，并将其转化运用到传授教化实践中，这些人工智能教诲运用将会对教诲系统的变革作出巨大贡献。

（五）研发教诲领域做事型机器人

教诲机器人是人工智能、语音识别和仿生技能在教诲中运用的范例，具有传授教化适用性、开放性、可扩展性和友好的人机交互等特点。
当前，教诲机器人作为一个新兴领域，干系研究紧张集中在听觉能力、视觉能力、认人能力、口语能力、感情侦测能力及长期互动能力等领域；随着机器人技能的不断提高，教诲做事机器人在教诲领域中的运用越来越普遍，机器人在教诲领域的运用表现出了无可比拟的教诲代价和发展前景，其多学科交叉领悟的特性为培养宽口径、高本色、复合型的工程人才供应了一个良好的平台。
然而，在实践运用中仍旧存在课程管理平台、对应的学习内容和师资等缺少的诸多困难，也面临各学段课程无法衔接、机器人教诲运用研究匮乏等现实问题。
未来，教诲机器人的研究者还须要连续研究感应技能、辨识技能、掌握措辞、机器人构造、无线网络、云端科技和仿生技能等，并从教诲机器人的系统架构、传授教化平台管理移动设备与管理真个关系进行方案，使教诲机器人的发展更完备。

（六）开展关于认知特色、学习实质和教诲规律的研究

从办理单一特界说务（如下棋和机器制造）、办理特定领域问题（如人机对话和机器人高考）到行业变革（如做事机器人和智能制造）以及全面做事于人们的学习、事情和生活，人工智能技能将能够逐步知足人类日益繁芜的功能需求，智能技能的支持和学习资源的极大丰富将使得在任意韶光和任意地点学习成为可能。
须要指出的是，人工智能教诲运用的生命周期将受到认知特色、学习实质、传授教化规律干系的学习科学和教诲干系领域综合研究的制约。
在智能时期，繁芜的传授教化系统功能逐步实现，人们对学习实质的磋商和教诲规律的追寻将比任何时期都将更加强烈，如什么是学习、如何让学习者得到更好的学习效果、如何多维度获取学习者的认知特色等。

（七）开展关于智能机器的安全、伦理和规范的研究

人工智能系统的技能伦理便是要确保人工智能做出的决策与现有的法律、社会伦理同等，以保障人工智能运用符合人类社会的共同利益。
《国家人工智能研究和发展计策操持》中指出在构建人工智能技能伦理时，我们有任务确保全体社会尽快提升人工智能技能的运用素养，要能够担保我们可以适当地、高效率地、符合伦理规范地利用这些新技能。
人工智能并非单个领域、单个家当的技能打破，而是对付社会运行状态的根本性变革，目前关于机器道德（Machine Morality）、机器伦理学（Machine Ethics）、道德机器（Moral Machine）、人工道德（Artificial Morality）等领域已有一定的研究，但仍有多个议题亟待深入磋商：如何缓解人工智能所可能加剧的教诲不平等征象；如何平衡人工智能带来的西席发展与失落业问题；如何建立环绕算法和数据的管理体系；如何创新基于人工智能技能的社会管理体系。

六、结论

新一代人工智能因此大规模数字化和行业深度运用为显著特色，将为学校教诲改革带来新的机遇，匆匆成“智能教诲”的落地，有助于冲破韶光、空间和环境的限定，促进智能化、个性化、终生化教诲体系的构建。
智能传授教化系统源于传统的“打算机赞助传授教化”，在新一代人工智能技能促进下将迎来新机遇，以大数据、VR/AR和新一代人工智能等为代表的当代信息技能可进一步延展智能传授教化系统的“传授教化”功能，比如通过增加语义网络和约束模型增强领域知识模型功能，利用虚拟现实技能和增强现实技能优化用户界面模型功能，并结合大数据和学习剖析技能完善个性化教诲做事功能。

人工智能时期的教诲应以人机共存的“教”与“学”为范例特色。
因此，在智能时期，除了培养学习者的创造力、沟通力和终生学习力外，仍需关注基本技能（如阅读、写作和算数）的培养，从而提升人工智能时期原住民的数字生存能力。
新一代人工智能融入学校教诲将具有支持个性化学习、供应适切做事等五大潜能。
但在教诲传授教化实践中，人工智能运用仍面临人机共处环境下的传授教化体验、人机和谐发展的技能管理等五个寻衅。
后续研究还需剖析应对人工智能融入学校教诲寻衅的对策、深挖与两大新兴发展研究领域（“智能时期的认知特色、学习实质与教诲代价”和“智能机器的安全、规范与伦理”）干系的研究课题，以促进人工智能与就业的深度领悟，提高教诲传授教化质量。

参考文献

[1] Clancey, W. J.(1982). Methodology for building an intelligent tutoring system [EB/OL]. [2018-4-13]infolab.stanford.edu/.

[2] Demetriou, S.(2015). Neuroeducational research in the design and use of a learningtechnology [J]. Learning Media & Technology, 40(2), 227-246.

[3] Dimitrova, V.,Mccalla, G., & Bull, S. (2007). Preface: \"大众open learner models: futureresearch directions\"大众 special issue of the ijaied (part 2) [J].International Journal of Artificial Intelligence in Education, 17(3), 217-226.

[4] Dweck, C. S.,& Leggett, E. L. (1988). A social-cognitive approach to motivation andpersonality [J].Psychological Review, 95(2), 256-273.

[5] Grawemeyer,B., Mavrikis, M., Holmes, W., & Gutierrezsantos, S. (2015). AdaptingFeedback Types According to Students’ Affective States [C]. The 17th InternationalConference on Artificial Intelligence in Education. June 22-26, 2015, Madrid,Spain:586-590.

[6] ***(2017). ***关于印发《新一代人工智能发展方案的关照》（国发〔2017〕35号） [EB/OL]. [2018-4-13].www.gov.cn/.

[7] Harris,A., Bonnett, V., Luckin, R., Yuill, N., & Avramides, K. (2009). Scaffoldingeffective help-seeking behaviour in mastery and performance oriented learners[C]. The 14th International Conference on Artificial Intelligence in Education.June 6-7, 2009, Brighton, UK:425-432.

[8] 黄荣怀,刘德建, 刘晓琳, 徐晶晶 (2017). 互联网促进教诲变革的基本格局 [J]. 中国电化教诲, (01) :7-16.

[9] Ikanth,M., & Asmatulu, R. (2016). Modern cheating techniques, their adverse effectson engineering education and preventions [J]. International Journal ofMechanical Engineering Education, 42(2), 129-140.

[10] Johnson,W. L., & Valente, A. (2009). Tactical language and culture trainingsystems: using artificial intelligence to teach foreign languages and cultures[C]. The 21th International Conference on Innovative Applications of ArtificialIntelligence.July 20, 2009, Pasadena, America:1632-1639.

[11] Kiefer,P., Giannopoulos, I., Raubal, M., & Duchowski, A. (2017). Eye tracking forspatial research: cognition, computation, challenges [J]. Spatial Cognition& Computation, 17(1-2), 1-19.

[12] Lee,M. J. W., Kirschner, P. A., & Kester, L. (2016). Learning analytics inmassively multi‐user virtual environments and courses [J]. Journal of ComputerAssisted Learning, 32(3), 187-189.

[13] 李德毅,马楠 (2017).智能时期新工科——人工智能推动教诲改革的实践 [J]. 高档工程教诲研究, (9) :8-12.

[14] 李艳燕,马韶茜, 黄荣怀 (2012). 学习剖析技能:做事学习过程设计和优化[J]. 开放教诲研究, 18(05):18-2

[15] 刘清堂,吴林静, 刘嫚, 范桂林, 毛刚 (2016). 智能导师系统研究现状与发展趋势 [J]. 中国电化教诲, (10) :39-44.

[16] 刘全礼(2016).论我国分外教诲的工具问题 [J]. 中国分外教诲, (06) :3-7+16.

[17] 刘永谋,李佩 (2017). 科学技能与社会管理:技能管理运动的兴衰与反思 [J]. 科学与社会, 7(2), 58-69.

[18] Pearson& UCL Knowledge Lab (2016). Intelligence Unleashed: An argument for AI inEducation [EB/OL]. [2018-4-13]. https://www.linkedin.com/.

[19] RootJ.R., Stevenson B., & Davis L.L. (2018). Computer-Assisted Instruction toTeach Academic Skills. In: Volkmar F (eds) [M]. Encyclopedia of Autism SpectrumDisorders. Springer, New York, NY.

[20] Sewart, D. (1978). Continuity of concern for students in a systemof learning at a distance.[EB/OL].[2018-5-20]. https://www.researchgate.net.

[21] Westerfield,G., Mitrovic, A., & Billinghurst, M. (2013). Intelligent Augmented RealityTraining for Assembly Tasks [C]. The 16th International Conference onArtificial Intelligence in Education July 9-13, 2013, Memphis, America: 542-551.

[22] Woolf,B.P. (1987). A survey of intelligent tutoring systems.[EB/OL] [2018-5-20]. https://www.researchgate.net.

[23] 余胜泉(2018). 人工智能西席的未来角色 [J]. 开放教诲研究, 24(01) :16-28.

作者简介

刘德建,北京师范大学教诲学部博士研究生,北京师范大学聪慧学习研究院联席院长,研究方向：人工智能与教诲( 201731010070@mail.bnu.edu.cn);杜静,博士研究生,北京师范大学教诲学部,研究方向：自适应学习、聪慧学习环境（ dujing@mail.bnu.edu.cn）;姜男,高等研究员,北京师范大学聪慧学习研究院,研究方向：教诲管理、西席专业发展（ Jiangnan@bnu.edu.cn）;黄荣怀(通讯作者),教授,博士生导师,北京师范大学聪慧学习研究院,北京师范大学教诲学部,研究方向：聪慧学习环境、教诲信息化（ huangrh@bnu.edu.cn）。