教育正邁向智能化時代，人工智能與教育的融合創(chuàng)新已成為未來教育變革的重要趨勢。

關(guān)鍵詞：教育人工智能;技術(shù)框架;應用模式;發(fā)展難題;突破路徑

作者簡介：

1.教育數(shù)據(jù)層

教育數(shù)據(jù)層是教育人工智能技術(shù)框架的基礎(chǔ)層，該層主要包括管理類數(shù)據(jù)、行為類數(shù)據(jù)、資源類數(shù)據(jù)以及評價類數(shù)據(jù)(李振等，2018)。其中管理類數(shù)據(jù)包括學生個人信息、學籍檔案、教職工信息、一卡通數(shù)據(jù)等，資源類數(shù)據(jù)包括試卷、課件、媒體資料、案例等，行為類數(shù)據(jù)包括教師行為數(shù)據(jù)(如講解與演示、指導與答疑、提問與對話、評價與激勵)和學生行為數(shù)據(jù)(如信息檢索、信息加工、信息交流)，評價類數(shù)據(jù)包括學業(yè)水平測試數(shù)據(jù)和綜合素質(zhì)評價數(shù)據(jù)等。教育數(shù)據(jù)層主要負責對以上數(shù)據(jù)進行采集、加工處理、存儲等，但由于該層的數(shù)據(jù)龐大復雜、良莠不齊，因此在數(shù)據(jù)采集環(huán)節(jié)需要對數(shù)據(jù)進行預處理，具體涉及的技術(shù)包括數(shù)據(jù)采集、篩選、集成、格式轉(zhuǎn)換、流計算、信息傳輸?shù)?。其中在?shù)據(jù)處理環(huán)節(jié)，當前應用比較廣泛的數(shù)據(jù)處理平臺有hadoop、mapreduce和spark等。

2.算法層

算法層是實現(xiàn)各類教育人工智能技術(shù)的核心，該層主要包括機器學習和深度學習兩類算法。機器學習是指利用數(shù)據(jù)或以往經(jīng)驗，優(yōu)化計算機程序的性能標準，其目標是開發(fā)能夠自動檢測數(shù)據(jù)模式的方法，然后使用未覆蓋的模式來預測未來的數(shù)據(jù)(alpaydin，2014)，是人工智能最核心、最熱門的算法。目前，機器學習在學生行為建模、預測學習表現(xiàn)、預警失學風險、學習支持與測評以及資源推送等方面發(fā)揮著重要作用(余明華等，2017)。深度學習是機器學習的一個子領(lǐng)域，致力于算法構(gòu)建，解釋和學習傳統(tǒng)機器學習算法通常不能提供的高水平和低水平的抽象數(shù)據(jù)(taweh beysolow ⅱ，2017)。深度學習在文本識別、語音識別、圖像識別等方面的應用已取得突破性進展，其識別準確率已遠遠超過傳統(tǒng)技術(shù)的識別能力(劉勇等，2017)。

3.感知層

感知層是讓機器和人一樣能看會認，能聽會說，具備感知能力。該層涉及的技術(shù)主要有語音識別與合成、計算機視覺、圖像識別、生物特征識別、文字識別等。其中，語音識別和人臉識別分別入選《麻省理工科技評論》評選出的“2016年十大突破技術(shù)”和“2017年十大突破技術(shù)”。在我國，人工智能識別技術(shù)已處于世界領(lǐng)先行列，被廣泛應用到教育教學中。近年來，基于語音識別技術(shù)的語言測評與輔助學習軟件層出不窮，它們通過識別學習者的語音然后進行評測并給出修正意見以幫助學習者提升語言表達能力。圖像識別技術(shù)在教學上的應用也頗具成效，基于該技術(shù)的拍照搜題軟件被中小學生廣泛使用。生物特征識別技術(shù)能夠捕捉和感知學生學習過程中的面部表情、手勢等變化，幫助教師了解學生在課上的學習情況。計算機視覺是利用計算機通過模仿人類視覺來感知和理解世界中的物體(zhang,et al.，2014)，借助該技術(shù)可以采集學生學習過程中的圖像，對其特征進行提取、分析，從而達到學情監(jiān)測的目的。

4.認知層

認知層是感知層的進一步發(fā)展，不僅能夠讓機器感知和識別語音、圖像和文字，而且能夠讀懂語音、圖像和文字的內(nèi)在含義。該層涉及的技術(shù)主要有自然語言處理、智能代理、知識表示方法、情感計算等。自然語言處理技術(shù)能夠讓機器“理解”人的語言，其在教育領(lǐng)域的應用主要體現(xiàn)在機器翻譯、作文評價與批改、智能問答與人機交互等。智能代理技術(shù)能夠讓機器變得更具人性化和個性化，被廣泛應用到教學系統(tǒng)中以提升教學質(zhì)量。知識表示方法是指將人類知識推理編碼成符號語言，使其能夠被信息系統(tǒng)處理，該方法在提升專家系統(tǒng)智能方面發(fā)揮了重要作用。情感計算是人工智能的一個熱門話題，是picard教授于1997年在麻省理工學院提出的，她認為情感計算是對情感或情感產(chǎn)生影響的計算(picard，1997)。情感計算應用于教育教學，可以有效促進學習者情感上的交互，從而提高學生學習的積極性。

5.教育應用層

教育應用層位于教育人工智能技術(shù)框架的最頂層，是各類人工智能技術(shù)在教育領(lǐng)域應用的集中體現(xiàn)。目前，人工智能教育應用主要聚焦在智能導學、自動化測評、拍照搜題、教育機器人、智能批改、個性化學習、分層排課、學情監(jiān)測8個方面，服務的對象主要是學生、教師和管理者。

三、教育人工智能的典型應用模式

教育人工智能的應用核心應聚焦教育目標和價值體系，利用人工智能技術(shù)的優(yōu)勢與教育過程相融合，以產(chǎn)生1+1＞2的效果(張坤穎等，2017)。根據(jù)目前人工智能技術(shù)的特點和優(yōu)勢，本研究認為人工智能可以解決三個層面的教育問題，分別是面向特殊人群的補償性教育、針對常規(guī)業(yè)務的替代式教育以及服務個性發(fā)展的適應性教育(見圖2)。

圖2 教育人工智能三層次應用模式

作者簡介

姓名：楊現(xiàn)民 張昊 等工作單位：

轉(zhuǎn)載請注明來源：中國社會科學網(wǎng)（責編：畢雁）