摘要

互联网教育的快速普及和发展，为人工智能促进教育改革提供了坚实的基础，为我国提供了引领世界人工智能教育发展的优势和历史机遇，人工智能教育已经成为新时期教育信息化促进教育现代化的重要抓手。2019年8月1日至2日，北京师范大学与科大迅飞在北京联合举办了“人工智能与教育大数据峰会2019”，峰会充分展示了我国人工智能教育应用的进展。在此全面回顾和总结我国人工智能促进教育发展的进展与挑战，人工智能赋能教师与教学、人工智能促进教育评价方式改革、人工智能助力教育精准管理与科学决策等方面的发展有目共睹，但也面临着人工智能教育应用产生伦理安全问题、专业人才不能满足产业发展与实践应用的需要、人工智能教育应用中数据分析模型的科学性有待提高等挑战。峰会还提出人工智能促进未来教育发展要解决的关键问题。希望借此能够帮助读者全面了解我国人工智能教育应用的进展和经验，洞悉人工智能教育应用发展的方向，进一步明确推进人工智能教育应用的着力点。

关键词：人工智能；教育大数据；人机协同；现状；趋势

 

一、研究背景

 

人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代（习近平，2019）。国务院于2017年7月8日印发了《新一代人工智能发展规划》；2018年4月教育部又出台了《高等学校人工智能创新行动计划》；2019年3月5日，国务院总理李克强代表国务院向第十三届全国人大二次会议作政府工作报告时，首次提出“智能+”，凸显了人工智能在国家战略中的重要地位。2019年5月16日，习近平总书记向“国际人工智能与教育大会”致贺信强调，“中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新，充分发挥人工智能优势，加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育。”

 

在国家政策和产业界双重推动下，人工智能教育应用的范畴越来越大，深度逐渐加深，水平逐步提高，应用案例越来越丰富，进入教育信息化的新阶段，具有星星之火即将燎原的态势。但是，由于人工智能技术仍在不断发展中，人工智能教育应用的实践仍处于初期阶段，各个教育主体对人工智能的认识都存在一定的问题，如在国家层面，国家在战略上十分重视人工智能，但如何借助人工智能的优势，解决教育公平、质量和个性化等教育难题（郭玉娟，2018），仍有待探索；学术界在理论层面，对智能教育和智慧教育、智能时代的人机协同机理等理论问题尚未给出答案；一线教育实践者仍以早期教育信息化起步阶段的买设备、搭环境以及应用阶段的实用技术为主，对于现阶段的教育信息化2. 0技术与教育如何融合、创新仍存在问题；公众对于以数据为主的人工智能技术应用带来的数据安全与伦理等问题，认识不清楚等。教育中的各个主体迫切需要思想碰撞、交流、创新，探索人工智能时代的教育发展之路。

 

2019年8月1日至2日，北京师范大学与科大讯飞股份有限公司，在北京国家会议中心联合主办了“人工智能与教育大数据峰会2019”（The 2019 Summit on Artificial Intelligence and Big Data in Education，以下简称“会议”）。与会者包括国家有关部委领导、人工智能科学家、大数据挖掘专家、教育学家、教育质量监测专家、全国28省180多个区县的地方教育局局长、电教馆长、中小学校长、教育与科技领域学者和教育科技产业界等近千人。会议希望汇聚多方力量，创办跨界交流与对话的平台，分享人工智能时代我们已经取得的经验，明晰现状，正视挑战，认清未来发展方向，以更好地促进“人工智能+教育”的跨界融合和创新发展。

 

会议以“AI+教育：跨界融合与创新发展”为主题，围绕人工智能、大数据与教育的深度融合、教育模式变革、名校教育管理经验等重要话题，从精准管理与区域教育现代化、脑科学与语言教育、人工智能时代的教育与智能教学系统、人工智能教育的制度、政策与伦理、人工智能时代的教育质量评估等方面展开深入探讨，并发布了《智能教育发展蓝皮书》（以下简称“蓝皮书”）。该蓝皮书是我国首部关于智能教育的专题研究报告，对中国特色的智能教育发展理论与实践进行了前瞻性的研究。在智能教育发展背景以及内涵分析的基础上，对智能教育的体系架构、关键技术环境建设与应用场景进行了探讨，指出了当前行业存在的问题，并对基于教育大数据的实践给予了方向的引领。

 

二、人工智能教育应用的主要进展

 

（一）人工智能赋能教师与教学

 

1. 人工智能辅助和促进大规模课程中的师生交互

 

教学交互是在线学习中促进学习者学习、提高学习者学习效果的重要方式（陈丽，王志军，2016），人工智能技术可以有效促进在线交互行为的发生。人工智能为核心的教学系统，可以部分取代教师，直接与学生交互，解决学生的问题。例如：清华大学唐杰教授在学堂在线的慕课中也添加了人工智能助手的功能，该人工智能助手可以自动回复学习者的四类问题：①频繁问的问题，可能是这个平台上的，也可能是其他相关的；②概念，这是学习者最常问的问题；③课程相关的问题，比如选课人数、授课教师；④闲聊。人工智能助手的自动解答，减轻了教师的工作量，帮助学习者及时解决了学习问题，实现了以学习者为中心，让学习者主动学习的功能。再如：北京交通大学景丽萍教授及其团队开发并实践了课程推荐系统，通过收集学习者与系统的交互信息，为学习者推荐相应的课程。由此可见，当前人工智能系统已具备学习者与系统的交互功能，并能通过技术手段进一步促进交互的发生以及利用交互信息为学习者提供更有针对性的学习服务。人工智能技术可以弥补教师不足的困难，代替教师部分职能，与学生进行及时且有针对性的交互。这种应用方式，是当前人工智能技术教育应用的重要方式。

 

2. 人工智能成为实现个性化教学的主要途径

 

个性化教育是当前备受关注的话题，工业化的规模式教学已逐渐不能满足社会对人才培养的需求，人们越来越关注适合自己的个性化学习，人工智能技术通过对学习者的全过程数据采集和数据分析，可以提供个性化学习服务。景丽萍教授认为，当前在线教育已与传统教育有很大的差异，其中核心问题是如何了解学习者并提供个性化服务。景丽萍教授及其团队为此开展了人格分析与个性化推荐的相关研究。该研究通过采集学习者在线写作的文本数据，分析学习者的人格特征；通过对多样化的用户建立用户画像，对冗杂的课程内容提炼知识图谱，结合学习者的交互信息，为学习者规划学习路径，推荐个性化的学习资源；通过对学习者的知识追踪，可以了解学习者的知识水平，结合知识间的关联顺序，进一步优化推荐机制，为不同水平的学习者推荐不同水平的学习资源。

 

美国WestEd 高级研究员封明玉与其团队在美国46所小学实验班开展了一项STEM项目研究，学生通过一个人工智能系统自主学习课程知识，系统设有知识学习路径，学生可根据自身知识水平和学习能力或快或慢地进行学习。当学生遇到困难时，可以向系统提问，系统会提供一些解决办法，如查看课程资源、去图书馆查资料，鼓励学生独立学习。只有在实在不能解决问题的时候才求助教师。这样可以减少教师的工作量，教师也就有时间与学生进行一对一互动。该项目结束后对教师和学生进行了问卷调查，调查结果显示，教师和学生对该课程很满意，并愿意在下学期继续使用该系统。

 

清华大学唐杰教授在“学堂在线”的人工智能助手中，针对被问得最多的概念问题，建立了一个算法，自动抽取出课程中的概念及其相关关系，进而提示学习者某一知识点的先修知识与后续知识，学习者可以根据自身情况选择不同的知识点进行学习。

 

由以上可见，当前人工智能系统已经具备了分析学习者特征、规划学习路径、推荐个性化资源、自动反馈问题等功能，初步实现了个性化学习服务。

 

（二）人工智能促进教育评价方式改革

 

1.电子化测试已经成为纸笔测试的重要辅助和复核手段

 

评价中两个关键的因素，一是工作量，二是准确性。与纸笔测试相比，电子化测试可以大大降低教师的工作量，也可以提高精准度。中国基础教育质量监测协同创新中心李凌艳教授指出，电子化测评可以极大降低数据的缺失率，并能通过技术手段干预答题者的不认真作答现象，加强对不认真作答的后期筛查。

 

美国教育考试服务中心何祺玮分享了机器自动评分的应用，自动评分分为两类：完全匹配和评分模型。完全匹配指学生答案与标准答案完全匹配，机器可以直接评判这样的答案并记录分数，不需要劳烦教师去判分。这种方式可能更适合于数学或物理这类答案是一个确切数字的学科。相关统计数据表明，在数学方面机器自动评分的功能省去了教师40%的阅卷工作量。而对于开放性试题等不能完全匹配答案的问题，则可以构建一种模型，只要拟合度达到一定程度，即可判定为正确。对于机器无法判断的开放性答案仍需要由教师评判，评判结果会返回题库，如此反复就会生成一个更大的库，那么当教师在以后的考试中使用库中的题目时，机器就可以判定了。

 

科大讯飞执行总裁吴晓如分享了科大讯飞语音测评技术在全国31个省份的普通话水平测试，累计测试考生人数突破3 000万。科大讯飞的自动作文阅卷技术已经广泛作为高考阅卷的复核系统使用。科大讯飞李鑫研究员提到，当前人工智能技术在语言测评应用方面的应用方式，主要是人机耦合的方式，很多事情机器未能完全替代人类，更多的是作为助手辅助人去做一些评测。比如机器改分之后，人工进行复核，或针对同一篇文章，由人机分别来改，取两者之间的分差较小的单位或者是平均值来进行一个最终的赋值。但希望未来机器能够学习更多的样本数据，算法不断迭代更新，能够向全机评过渡。

 

2. 交互式计算机测评方式已应用于重大测评项目中

 

教育评价是教育教学过程中不可或缺的一环，不管是学生的学业发展还是教师的职业发展都离不开评价。人工智能技术既可以将传统的纸笔测试电子化，又可以全过程记录学习者作答过程，分析学习者特点，还可以实现纸笔测试不具备的功能，即含有交互功能的计算机评价方式。中国基础教育质量监测协同创新中心田伟分析了国际上3个具有影响力的科学素养评价框架：PISA、TIMSS和NAEP。他指出目前主要有3种评价形式：纸笔测试、表现性测试和计算机交互测试。纸笔测试对于学生探究能力、解决问题能力等高阶思维能力的考查是被动的，就像学生在课堂上观看教师的演示实验一样，这与当前教育中提倡学生动手操作的价值取向是不相符的。表现性测试也叫作动手测试，是让学生设计实验、搜集数据并基于数据进行论证。它是一种真实探究，可以很好地评价学生解决实际问题的能力，但缺点是成本相当昂贵，而且评分的信度存在问题。近些年，评价逐步走向计算机化，PISA把计算机测试分成标准单元和交互单元，NAEP也有一个专门的计算机交互任务模块。标准单元就是把纸笔测试的内容搬到计算机上来实现，交互单元是学生调控变量仿真动手操作，计算机响应不同的操作呈现不同的数据，即通过人机交互的形式把动手任务搬到计算机上来实现。这种评价方式学生主动参与的程度非常高，形成性评价也可以嵌入其中。来自美国圣母大学的张志勇指出，当前的评价中，量化信息常被用来分析，而质性信息很少被使用，计算机测试就可以帮助评价者处理质性信息，提高评价的科学性。

 

3. 基于多模态数据的评价成为教育评价方式变革的新方向

 

随着社会对人才高阶思维能力的要求越来越高，传统的纸笔测试已不能满足评价的需求，人们也越来越抵制对单一数据源的评价，而希望能借助多模态数据进行评价，人工智能技术记录全过程、多维度数据的特点可以满足这一点。来自加拿大阿尔伯塔大学的崔迎介绍了阿尔伯塔大学研发新型学习评价系统，该系统可以建立课程，上传讲义和学习资料，学生可以下载资料，建立在线讨论，开展在线测试和作业，记录各项成绩等等。

 

在学生在线进行这些操作的同时，系统自动记录了学习者与系统的交互数据，如登录时间、提交作业时间和次数、资源获取时间与频率、与同学的讨论内容等。传统的总结性评价一般关注学习者知识获取的数量，很少有关于学习策略、学生参与和交互的程度等信息，而系统记录下来的时间数据、点击数据、交互数据就可以用来分析学生学习技巧、学习策略，建立学生档案，找出学生的特征。来自美国马里兰大学的焦红指出，在线考试中，系统会记录下学生答题的过程数据，如眼动数据、每道题所用的时间、选项是直接选定还是经过变换、有没有跳过某题等，这些数据可以帮助评价者对学生的认知做出诊断。来自美国圣母大学的张志勇研究了质性信息的处理，特别是对文本数据进行情绪分析，从文本中抽取出情感词，根据情感词的语义分析对这段文本打分。由此可见，人工智能技术可以收集多模态数据，如时间数据、眼动数据、质性信息等等，这些数据可以帮助评价者更全面地对学生进行诊断与评价。

 

4. 综合建模评价技术可以全面可视化反映学生的成长状态

 

如何更科学地反映学生的全面发展，并用可视化的方式展示出来，是素质教育实践中的难点和瓶颈。人工智能技术与大数据技术，可以方便地采集和汇聚学生成长的各类数据，并通过综合建模评价技术，更加科学地反映学生学业情况、身心健康和各类素养。

 

北京师范大学教育学部与其他学科协同工作，基于学生学习过程数据开展学习者的建模与分析，如核心素养发展模型、学业水平发展模型、身心健康发展模型等，从而为个体发展提供针对性服务。如北京师范大学郭俊奇副教授团队研发传感设备，建立了学习者体质健康模型。北京师范大学陶沙教授团队基于脑与认知心理数据，诊断学习能力结构与类型，评价和测量儿童学习能力。浙江省丽水市教育技术中心通过构建学生数字画像，关注学生“获得了什么，分享了什么，创造了什么”以及“身心健康如何，品质怎样，学习过程怎样”等综合素质。综合建模评价技术领域正处于蓄势待发的阶段，需求强烈且非常重要，但由于部分类型学生的数据采集仍存在一定的困难，综合评价模型也有待深化。

 

（三）人工智能助力教育精准管理与科学决策

 

大数据与人工智能技术使人类第一次在教育领域运用科学计算的方式监督、评价和分析教与学的过程，进而使得教育管理更加精准，教育决策更加科学有效。人工智能在该领域的应用呈现出惊艳的表现，展现出巨大的发展潜力，成为人工智能促进教育创新的亮点。

 

1. 数据驱动的系统化监测与评估为教育资源配置决策提供参考

 

行为数据和管理数据的分析可以准确呈现教育教学及学习的状态，助力精准管理和科学决策。新时代的教育治理需要充分利用公共数据支持教育治理决策科学，顺应“放、管、服”公共治理改革的新要求，实现为学生提供精准的服务以及精准地配置教育资源，从而发挥最大效益。北京师范大学周亚教授团队搭建的“宏观教育综合评价与决策支持平台”，运用系统科学复杂网络和系统分析的方法，基于公开数据做教育决策模拟，可以为教育资源的配置提供参考。北京师范大学校务数据管理中心面向学校管理，开展资源配置动态监测与配置模拟，支持学校优化资源配置。由北京师范大学与科大讯飞联合研发的“数镜”教育大数据平台，在学校管理层面，利用综合性可视化的方式展示学校整体资源配置的效率与效果；在区域教育治理层面，根据国家对区域教育的督导和质量评价指标给出诊断和相应建议。上海市浦东区通过建立“浦东无线大数据”试点项目，让区域内的每一位教师都可以通过自己的账号访问其他学校，实现全区漫游。管理部门通过伴随式数据来综合评估教师的教研活动以及学校对区域教育质量改善的贡献度。浦东通过教育大数据项目构建浦东教育发展地图，帮助教育管理者实时掌握区域教育发展状况，实现基于教育数据的监管和教育发展成效的可视化。石家庄一中沈建军副校长介绍，学校通过人脸识别记录学生就餐数据，为学生的营养搭配、卫生安全提供支撑并及时给家长发送报告。

 

2. 教与学过程的行为分析为优化教与学提供参考信息

 

新兴的人工智能技术在重塑教育与学习方面具有变革性的潜力（苗逢春，2019）。学习分析技术通过对教与学过程数据的采集、教与学行为的分析，可以实现对学习过程的评价，为学生提供及时预警，教师也可以根据反馈提供有针对性的教学干预，从而实现更加精准有效的教学服务。如北京师范大学的“数镜”大数据平台，针对学生个体发展提供全方位的用户画像，提供个体发展报告来助力教学质量的提高。上海市浦东区通过“1134体系”建设把课堂教学的有关数据以及教研过程中产生的教师相关数据汇聚起来，为教师开展智能化的教学提供支撑。浙江省丽水市教育技术中心孙晓敏主任介绍，通过建设智慧校园，让每位教师都有网络学习空间、人工智能助手与专业成长积分，每一门课程都有知识图谱，每一次评价都用数据“说话”，从而实现精准教学与精准教研。石家庄一中通过课堂行为观察分析系统，辅助教师的教研与课堂教学设计。

 

三、人工智能教育应用面临的主要挑战

 

（一）人工智能教育应用产生伦理安全风险

 

人工智能技术带来便捷的同时，也衍生出了复杂的伦理、法律和安全问题（杜静，黄荣怀等，2019），我们应警惕数据泄露、数据鸿沟等隐私伦理问题（刘三女牙，柴唤友，刘盛英杰，黄山云，胡天慧，刘智，2019）。北京航空航天大学熊璋教授指出，伦理学的提出，特别是应用伦理学，是科技发展带来的，人工智能的发展威力远超过传统的核物理，但现有的人工智能教育中很少有涉及人工智能伦理。首都师范大学樊磊教授也认为，虽然社会上对人工智能伦理问题关注度很高，但缺少实质性的行动，在人工智能伦理教育实施过程中有很多卡脖子的问题。比如国内基于数据的人工智能应用还处于一种无序状况，对互联网企业的数据安全约束还不够，对学生的个人隐私信息不够尊重。科大讯飞教育事业部副总裁王卓博士认为人工智能伦理首先是数据伦理。熊璋教授认为，人工智能伦理教育要注重意识与实操两个层面，要建立正确的价值导向，扬善避恶；要制定相关教育标准，通过学校，开展伦理教育，构建完整的人工智能教育体系。解决伦理安全问题应该两手抓，一是抓教育，二是抓制度建设。

 

（二）专业人才不能满足产业发展与实践应用的需要

 

教育人工智能是一个朝阳产业，发展非常快。在人工智能教育应用的新阶段，产业不仅是人工智能技术与产品的提供者，也已经成为许多地区教育信息化促进教育现代化的方案设计者、创新策源地和应用中的长期支持者。如上海市浦东区在解决教育大数据发展过程中的技术问题时，选择与企业合作，搭建平台，研发系统。浙江省丽水市与高校合作共建“一院三中心”（教育评估院、教育督导评估中心、教育质量监测中心、教育数据中心），与企业合作构建“五纵四横”，实现市、县、校、班、生贯通，学生发展、教师发展、学校发展与区域发展联动。石家庄一中的智慧校园解决方案也与企业进行了深度合作。企业在智能教育发展过程中的地位与作用突显。但是，企业在发展过程中面临的最大困难就是严重缺乏兼具人工智能技术与教与学经验的复合型人才，特别是教育建模人才。在国家政策的呼唤下，高校纷纷建设了人工智能专业，但在时间节奏上，还未批量产出，以教育人工智能人才培养为目的专业培养方案还很少，这是人工智能专业建设的薄弱环节。

 

（三）人工智能教育应用中数据分析模型的科学性有待提高

 

数据建模与分析是人工智能技术教育应用的核心生产力和价值所在。数据建模工作应基于数据的可能性，以脑、学习科学以及教育学为基础，形成数据分析的模型，再选择算法进行数据分析。在这个过程中，数据分析模型决定了选择哪些数据，如何基于数据进行价值判断，对分析结果起到方向性、决定性的作用。由于数据范式是全新的事物，需要高度综合交叉的创新能力。

 

正如前文的分析，人工智能教育应用的服务主要来自企业，企业中不乏高水平的计算机和人工智能领域的专家，但缺少具有教育信息化背景的专业人才，更极度缺少具有教育数据建模综合能力的专业人才。以至于目前许多应用中的数据建模水平仍比较低，有些应用尽管呈现结果非常漂亮，但模型的科学性有待检验。

 

人工智能促进教育发展的关键能力是数据建模能力，数据建模能力决定了人工智能教育应用的水平，是制约人工智能教育应用的深层次的问题，值得关注，也亟待加强。

 

四、加强人工智能促进教育发展的若干着力点

 

人工智能教育应用热潮始于2016年，相比多媒体教育和互联网教育仍是新生事物，实践发展快于研究储备，研究必须跟上去，否则人工智能教育应用就会出现高原缺氧现象。国家应该尽快布局，组织学术力量，针对实践中的问题和未来发展趋势，集中开展攻关。建议重点研究以下问题。

 

（一）开展人工智能教育应用相关政策与制度的研究

 

1.开展人工智能促进教育发展的战略研究

 

以互联网为载体，以人工智能为核心的新一代信息技术不仅能破解教育的现实矛盾，还将重构教育的组织体系和服务模式，将工业化学校形态的教育转变为未来形态的教育。人工智能教育应用是自上而下的战略驱动型实践，也是资金密集型实践，需要统筹谋划，分布实施。为了有效并可持续推动人工智能教育应用，进而促进教育快速发展，需要对未来教育形态有一定的认识，在此基础上，制定各级各类教育的实施方案。教育部正在组织专家开展智能教育行动方案的研制，国家社科办也发布了重大招标课题“人工智能促进未来教育发展的研究”。战略规划的制定需要基于战略研究的成果，需要先明确三个问题才能做好战略规划：一是未来的蓝图，二是一定阶段的目标，三是策略与实施路径。除了国家宏观战略部署外，各省市和地区都要制定相应的战略规划和实施方案，都需要结合本地区的具体教育发展条件和基础，开展战略研究。磨刀不误砍柴工，战略研究是高水平战略规划的前提和条件，没有战略研究做基础的战略规划是盲目的，也是危险的。

 

2.建立健全人工智能教育应用的相关法律和法规

 

人工智能教育应用的不断深化将会进一步模糊人类社会、学校和网络空间的界限，从而也衍生出一系列伦理、法律及安全问题。例如：数据的开放与保护隐私之间的矛盾。目前，重点推进数据开放和共享，并未有明确和具体的数据安全保护措施，存在巨大隐患。同时，部分案例中的数据采集和数据分析结果的发布方式都未充分考虑师生的隐私保护。为此，强烈呼吁，尽快启动相关的研究，并制定出台数据保护的法规及监管框架。

 

此项工作应以保护个人隐私和合乎伦理为基本原则，切实保护师生的个人隐私，同时确保学习者的数据进行合乎伦理、可审核的使用和共享。要加强监管，确保开发和使用过程中每个人都遵守相关的法律和法规，避免出现不负责任的后果。同时，要注重社会价值引导，加强前瞻预防和约束，保障数据安全和算法公平，确保人工智能安全、可靠、可控发展。

 

（二）加强教育人工智能专业人才培养和智能素养培养

 

1. 以脑科学、学习科学、教育学、计算机等

 

学科为基础，培养教育人工智能专业人才人的心理与行为是人工智能和教育的基础，而脑是心理与行为的物质基础。人工智能作为智能时代的一种很重要的技术，它最大的作用是解放人的天性，提高我们的学习、工作效率，但回到教育的原点，教育促进人的发展，技术增进教师、学生和学习内容之间的交互，实现有教无类和因材施教的教育理想。技术本身不会直接帮助解决问题，人的学习、教育都是在人的大脑里进行的。浙江大学徐琴美教授认为，人工智能最重要的是大数据，要实现人工智能，必须把大数据和人的心理、行为结合起来。将人工智能和脑科学建立联系起来，必须认识脑，认识人的心理和行为，因为如果我们对于人的心理和行为不了解，我们并不能依赖技术来促进教育，在对大脑缺乏了解的情况下，随意、人为的大量学习是一件非常危险的事情。

 

人工智能在教育领域的应用不断深化，但相应的人才却存在较大缺口（王婷婷，任友群，2018），需要一大批高水平的教育人工智能专业人才。教育人工智能人才需要具有多学科背景和创新能力。目前高等学校开设的人工智能专业，多是培养计算机领域的人工智能专业人才，培养方案侧重技术，培养目标不完全适应人工智能教育应用的需要。人工智能专业需要从计算机领域的人才培养，进一步细化，并整合其他多学科的学术力量，开发和培养具有跨领域能力的人工智能专业人才。教育部应加强对人工智能专业建设的指导和统筹，师范大学的人工智能专业应主动承担培养具有教育背景的人工智能人才。

 

2.以信息技术课程为主要载体，加强智能素养培养

 

未来的社会是人机协同的社会，智能素养将成为每个公民必备的能力，智能素养培养需要从娃娃抓起，要从教师抓起。为此，要重点开展以下研究：一是智能素养指标与标准研究。要在信息素养标准的基础上，研究补充智能素养指标，并为每个指标制定多级的标准，满足不同定位的人才对各个指标的不同要求。二是基础教育智能素养培养课程标准研究。要从课程目标（定位为培养和提升学生的智能素养）、课程内容（针对小学、初中、高中三个不同学段，在每个阶段设置不等数量的模块与课时）、标准评价（针对各个学段、各个指标的不同标准，使用智能系统进行智能评价）三方面进行标准研制起点。

 

3. 研发教师智能素养培养方案，开展教师智能素养培养

 

教师是学生智能素养的培养者，也是人工智能教学应用的关键角色。加强教师智能素养培养是新时期教育信息化的重要任务。目前这部分的工作尚未实质性开始，应该尽快做好部署。第一步，要开展面向智能素养培养的教师专业发展研究。要确定目前教师专业发展研究的国内外现状，了解教师对教学、发展等方面的态度、困惑和建议，总结促进不同地区教师不同需求的专业发展模式；第二步应该尽快将智能素养补充到教师信息素养相关的标准中；第三步是要研发培训课程，并将培训课程纳入教师培养的学分体系中。

 

（三）加强数据管理能力与数据建模能力的建设

 

1. 加强数据标准和共享机制的建设

 

数据的类型、质量与安全是人工智能助力教育治理现代化的关键。人工智能与教育的深度融合离不开数据的支撑，而目前教育数据是分散在不同平台、以不同的数据格式存储。如何汇聚数据，如何应用数据成为现阶段教育信息化迫切需要解决的问题。与早期设备环境建设不同，教育信息化新阶段的重点是数据，教育信息化已经从数字化、网络化阶段发展到数据化阶段（陈丽，2017）。这就要求现阶段的教育信息化建设要进行顶层设计，以区域为基本建设单位，来确立数据标准，打通多平台、多类型教育数据，构建标准化的大数据综合平台。在落实应用的过程中，需要管理者与实践者转变观念，完善规范区域教育信息化发展的保障机制。上海市浦东区通过顶层的教育信息化架构（“1134体系”），与运营商合作，改变原来为每个学校配置服务器的做法，建设浦东教育专有云，把学校的、区域的各种各样信息系统的数据汇聚起来，并建设了区域层面的“浦东教育智能督导系统”与“浦东专业发展综合支持系统”。但如上海市浦东教育发展研究院教育信息中心主任谢忠新所说，改变意识、转变观念、建立机制比做技术更难，这也是他们在推进教育信息化过程中遇到的重要挑战。浙江省丽水市改变“应用系统为抓手”的工作模式，“以数据为抓手”，改变了“数据源多处维护”“系统之中数据封闭”与“外在行为的结构化数据难以处理”等问题。

 

2. 加强数据建模能力的建设

 

在建立数据标准和数据共享机制的基础上，国家要通过部署一大批基础研究项目，来组织专家开展数据建模的研究，通过课题促进建模能力的提高。进而，可以建立模型库，制定并发布模型标准，甚至可以借鉴开源的思想，鼓励模型开放共享。同时，建立评估机制，对所有人工智能教育产品的模型进行评估，达到一定的科学水平，才允许上市，同时发布产品目录，以帮助学校和家庭甄别产品的科学性。

 

（四）汇集和推广人工智能教育应用的典型成功经验

 

人工智能促进教育发展是教育信息化的新阶段，具有创新的特征。与早期教育信息化进程类似，东部发达地区先行，各地区发展不平衡。因此，建议借鉴前期我国教育信息化实践的经验，试点先行，以点带面。教育部正在逐步设立智慧教育的示范区，逐步加大示范引领的作用。建议通过设立一批研究课题，组织更多的专家尽快总结试点经验，并搭建经验交流平台。可以从以下三个方面推进：

 

1. 建立面向国家、区域和学校的评估标准，开展评估工作

 

评估是各项事业的重要指挥棒和驱动力。建议研究制定面向过国家、区域和学校的评估体系，开展评估工作，以评促建，以评促发展。面向国家的评估可以让我们清楚地了解在国际坐标中我国人工智能教育应用的定位，同时可以向国际社会展示我国的经验和成绩。面向区域的评估可以汇集各个区域的经验，促进区域间的相互交流与学习，并及时检验国家战略实施的情况，为国家层次的制度建设提供实践需求和依据。面向学校的评估可以汇集和推广学校管理和学科教学的有效应用模式，促进学校与教师间的经验交流，也可以压实基层的落实。

 

2. 设立一批研究课题，打造典型案例

 

建议国家社科办和教育部联合行动，调研人工智能促进教育发展的阶段性需要，系统部署一批研究课题，课题关注人工智能教育应用的各个方面，全方位促进应用的深化。课题的设计要有系统性，与实践紧密结合，从上至下地集中部署，充分发挥研究对实践的指导和促进作用。课题的设计要特别引导研究者，在打造和发现典型案例外，要注重从实践到理论的提炼工作，要注重形成新时代的新教育理念和教育理论，反过来发挥理论对实践的引领作用。

 

3. 关注产、教、研、政府等社会合作模式的作用

 

2018年9月10日，李克强总理在全国教育大会上的报告特别强调了教育与社会的融合。事实上，产业已经成为人工智能教育应用的重要主体，深度参与到教育信息化进程中。产业不仅提供产品和技术，还提供课外课程，提供教育信息化的总体解决方案，提供区域教育信息化的垫付资金等。同时，人工智能教育应用进程中政府、学校、产业、研究机构以及家庭之间的关系也正在发生变化，各种合作模式应运而生，值得关注研究。换个角度去认识，或许这种合作模式将演变为全新的教育组织体系。

 

总之，人工智能正在使教育发生重大的、革命性的变革。但技术是中性的，重要的是我们秉持何种教育观和教育理念去实用，以便让技术真正指向学生的能力发展（郭绍青，2019）。不管技术如何发展，教育的本质是不变的，是提高人的生命质量和生命价值。教育的“传承文化、创造知识、培养人才、立德树人”的根本目的是不变的（顾明远，2019）。如何保证沿着立德树人的正确方向推动人工智能教育应用？如何利用人工智能技术解决教育矛盾，办人民满意的教育？如何抓住人工智能发展的历史机遇，构建全新的教育体系，适应未来社会对教育的新要求？回答上述问题，需要全社会坚持教育的初心使命，坚持改革创新，坚持科学精神，坚持扎根中国大地，探索中国特色的未来教育。

 

作者简介：陈丽，博士，北京师范大学远程教育研究中心教授，博士生导师。研究方向：智能教育与教育大数据；郭玉娟，北京师范大学远程教育研究中心在读博士研究生。研究方向：“互联网+教育”、教育信息化；高欣峰，北京师范大学远程教育研究中心在读博士研究生。研究方向：互联网教育产业、新媒体与教育创新；谢雷，北京师范大学远程教育研究中心在读博士研究生。研究方向：人工智能教育应用、区域教育理论与实践；郑勤华，博士，北京师范大学远程教育研究中心教授。研究方向：教育大数据、学习分析。

 

转载自：《开放学习研究杂志》