雷鋒網(wǎng)按：近日，CNNIC（中國互聯(lián)網(wǎng)絡(luò)信息中心）發(fā)布最新中國網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告表示，AI技術(shù)正驅(qū)動教育產(chǎn)業(yè)升級。在這一浪潮下，一大批教育企業(yè)正拼盡全力加入AI+教育的陣營，以期爭當?shù)谝慌泽π返摹巴跽摺?。本文由雷鋒網(wǎng)編譯于培生集團發(fā)布的關(guān)于AI+教育的研究報告《Intelligence Unleashed: an argument for AI in education》，作者為來自UCL（倫敦大學(xué)學(xué)院）的Rose Luckin、 Wayne Holmes，以及培生集團的Mark Griffiths、Laurie B. Forcier。

眾所周知，很多AI+教育的應(yīng)用已經(jīng)被大中小學(xué)校等機構(gòu)所使用。許多包含AI+教育和教育數(shù)據(jù)挖掘（EDM）技術(shù)也被用來追蹤學(xué)生的行為。

舉個例子，通過收集課堂上學(xué)生的出勤率和任務(wù)提交的數(shù)據(jù)，以便了解學(xué)生是否處于無心學(xué)習(xí)的狀態(tài)。還有其他AI研究員正在探索更具創(chuàng)意的用戶界面，如 NLP（自然語言處理）、演講和姿態(tài)、眼球追蹤和其他物理傳感器。

然而，在這篇文章里，我們將著重專注于三類已經(jīng)可以直接用來支持學(xué)習(xí)的AI+教育軟件應(yīng)用：

?  為學(xué)習(xí)者提供個性化指導(dǎo)；

?  為協(xié)作學(xué)習(xí)提供智能支持；

?  虛擬現(xiàn)實輔助學(xué)習(xí)。

自適應(yīng)系統(tǒng)丨AI+教育可以為每個人提供智能化、個性化指導(dǎo)

在實體教學(xué)中，一對一指導(dǎo)往往被認為是最有效的途徑。但是這個方法對所有學(xué)生而言并不完全適用。原因有二：一來沒有這么多老師，二來學(xué)生也擔負不起這么高的輔導(dǎo)費用。

所以這就給大家提出了一個難題：我們?nèi)绾螌⒁粚σ恢笇?dǎo)的積極影響提供給所有科目的所有學(xué)生。

這也是ITS（智能輔導(dǎo)系統(tǒng)）接入的地方。ITS 利用 AI 技術(shù)，可模擬一對一指導(dǎo)，提供最適合學(xué)員認知需求的學(xué)習(xí)任務(wù)，并提供針對性的及時反饋意見。而這個過程都不需要老師的出席。

一些ITS系統(tǒng)還能幫助學(xué)員管理自己的學(xué)習(xí)狀態(tài)，從而培養(yǎng) 自律能力。還有一部分人可使用教學(xué)策略來管理學(xué)習(xí)，以便在學(xué)習(xí)中可以獲得適當?shù)奶魬?zhàn)和支持。

20世紀70年代，第一批AI系統(tǒng)提供了 個性化和自適應(yīng)指導(dǎo)。以 BUGGY 為例，這是一個旨在指導(dǎo)加減法的開創(chuàng)性系統(tǒng)，使用了一個學(xué)習(xí)者在程序運算中可能會弄混淆的模型。這個“錯誤庫”，是該系統(tǒng)中一個有效的主導(dǎo)模型，用于診斷學(xué)員們犯的每一個錯誤，以便提供適當?shù)闹笇?dǎo)。最初，它受到可以識別的錯誤的限制，而這些 bug 已經(jīng)包含在原始代碼中。隨著時間 的推移，額外的誤解被發(fā)現(xiàn)并被添加到這個“錯誤庫”里。

除了這些模型，最近很多 ITS 系統(tǒng)還使用了機器學(xué)習(xí)技術(shù)、基于大數(shù)據(jù)集的自我訓(xùn)練算法和神經(jīng)網(wǎng)絡(luò)，它們可為這些學(xué)習(xí)者提供正在學(xué)習(xí)的內(nèi)容 并作出適當?shù)臎Q策。然而，通過這個方式，依然很難讓這些決定變得合理又明確。

相較而言，基于現(xiàn)代模型的自適應(yīng) 系統(tǒng)則要靈活得多。它們可以讓系統(tǒng)作出的每一項決定，都 能被人類正確的理解，從而更適用于課堂教學(xué)。在過去十年中，隨著學(xué)習(xí)者和教育學(xué)家的日益復(fù)雜性，主導(dǎo)模型也被引入到許多自適應(yīng)系統(tǒng)中以支持個性化學(xué)習(xí)推薦。

例如， iTalk2Learn 系統(tǒng)，旨在幫助年輕學(xué)生學(xué)習(xí)數(shù)學(xué)的「分數(shù)」部分，并使用了一個學(xué) 習(xí)者模型，其中包含了學(xué)習(xí)者的數(shù)學(xué)知識水平、認知需求、情感狀態(tài)，以及他們收到的反饋和對反饋的反應(yīng)等信息。

基于自適應(yīng)學(xué)習(xí)可以包括一系列AI+教育的工具：

?   學(xué)習(xí)者認知和情感狀態(tài)的模型。

?   利用對話讓學(xué)生參與涉及探究和討論、提問和回答的學(xué)習(xí)體驗。

?   包括開放式學(xué)習(xí)者模型，以促進學(xué)習(xí)者的反思和自我意識。

?   采用元認知架構(gòu)（如，通過提供動態(tài)幫助或使用敘述框架）來增強學(xué)習(xí)者的動機和參與度。

?   使用社會模擬模型——例如，通過了解社會 規(guī)范和文化，讓語言學(xué)習(xí)的學(xué)生可以更好地與目標語言的演講者交流。

協(xié)作學(xué)習(xí)丨AI+教育可為協(xié)作學(xué)習(xí)提供智能支持

幾十年的研究表明，對于協(xié)作學(xué)習(xí)來說，無論是在一 起參與項目的兩位學(xué)生之間，還是一起參與在線課程的社團里的學(xué)生之間，都比單獨學(xué)習(xí) 要有更 好的學(xué)習(xí)成果。協(xié)作學(xué)習(xí)是有效的， 因為其能鼓勵參與者表達和加強他們的想法，并通過建設(shè) 性的對話來消除分歧，并對共享的知識提出新的 理解。此外，協(xié)作學(xué)習(xí)還能加強動機——如果學(xué)生關(guān)注 所在的小組，他們 將更積極地參與到該項任務(wù)中去，并實現(xiàn)更好地學(xué)習(xí)成果。

然而，研究也表明，在學(xué)習(xí)者之間的協(xié)作 學(xué)習(xí)并不會自發(fā)的發(fā)生。比如，小組成員可能并不具備協(xié)作所需要的社會互動技能。這在線上合作的 各協(xié)作方之間很 少有線下交流的背 景下就顯得尤為困難。而這點正是AI+ 教育可以切入的地方。根據(jù)我們調(diào)查的結(jié)果，主要專注以下四個方面：自適應(yīng)小組的形成；專家簡易化；智能虛擬助理；智能審核。

自適應(yīng)小組的形成

該系統(tǒng)一般使用 AI 技術(shù)和知識來管理獨立的參與者，最常見于學(xué)習(xí)者模型，以形成最適合特定協(xié)作任務(wù)的小組。目的可 能在于讓這個小組里的學(xué)生在認知水平和興趣上具有相似性，或者參 與者之間能互相為彼此帶來不同但互補的知識和技能。

專家簡易化

這些有效的合作模式，統(tǒng)稱為“協(xié)作模式”，一般用于為協(xié)作學(xué)生提供交互式知識。這些模式由系統(tǒng)作者提供，也由先前的協(xié)作方式衍化而來。例如，如機器學(xué)習(xí)、馬爾科夫模型等 AI 技術(shù)，已被用于識別有效解決問題的協(xié)作策略。這些可以用來訓(xùn)練系統(tǒng)，以幫助學(xué)生更好的理解彼此分享的知識和概念，或者在正確的時間為正確形式提供有針對性的支持。

智能虛擬助理

這種方法涉及引入到協(xié)作過程中的智能虛擬助手。這些AI助手可能會調(diào)解學(xué)生的線上互動，或者簡單的通過以下方式促成對話：

?   專家參與者（一位教練或?qū)煟?/p>

?   虛擬小伙伴（類似一位和該學(xué)生處于相同認知水平的虛擬同學(xué)，但是這位小伙伴能引入小說創(chuàng)意）

?   或者學(xué)生自己——例如，虛擬小伙伴可能存在理解不當?shù)膯栴}，從而為學(xué)生提供替代性觀點，以刺激更有創(chuàng)造力的論證和反思的產(chǎn)出。

智能審核

由于有大量的學(xué)生處在多個協(xié)作小組中工作，所以一個人不可能弄明白參與者們在討論過程中產(chǎn)生的大量數(shù)據(jù)。這時候就需要智能審核的方法。其通過 AI 技術(shù)，如機器學(xué)習(xí)和淺層文本處理，來分析和總結(jié)這一討論，從而讓人類教師能夠引導(dǎo)學(xué)生進行有效的協(xié)作。例如，系統(tǒng)可以向人類教師提供警報，以向他們通報可能需要其干預(yù)或支持的重大事件，如學(xué)生在做題過程中脫離主題或出現(xiàn)重復(fù)的錯誤。

VR輔助丨VR可用于真實環(huán)境中輔助學(xué)習(xí)

AI 首次出現(xiàn)是在 1979 年的數(shù)字游戲中，當時 Pac-Man 的開發(fā)者使用了一種稱為「狀態(tài)機」的技術(shù)（可根據(jù)條件在各州之間轉(zhuǎn)換）來控制 物體的朝向是面向還是遠離玩家?，F(xiàn)代大多數(shù)數(shù)字游戲中的AI也都是基于這種簡單的方法。隨著基于游戲 故事的展開，自主的 非玩家角色從游戲和玩家中獲取信息，并且在該信息的基礎(chǔ)上，使用AI算法來確定最合適的動作。

VR 也是基于類似的方法被應(yīng)用于學(xué)習(xí)和工作中。它為 用戶提供了一種在現(xiàn)實世界無法切實訪問的（例如一些危險環(huán)境）身臨其境的體驗。研究表明，這種方式可以為學(xué)生提供一種和模擬世界探索和互動的機會，從而可以把在真實世界里學(xué)到的知識成功轉(zhuǎn)移。

例如，虛擬潛艇可能允許用戶可縮小到微觀層面，以調(diào)查在 巖石池表面發(fā)生的自然過程，或者學(xué)生有可能借其探索核電站、古羅馬或者外部行星。

一方面，當 VR 遇見 AI 時可以變得更加“智能”。AI 可以被簡單的用于增強虛擬世界，使其能夠以更自然的方式與用戶的行為進行交互和響應(yīng)。或者，借助智能 輔導(dǎo)系統(tǒng)，AI 也可能被整合，以提供持續(xù)的智能支持和指導(dǎo)，從而確保學(xué)習(xí)者能與預(yù)期的學(xué)習(xí)目標正確匹配，而不至于迷茫。

虛擬教學(xué)助理也被囊括其中。其可以作為教師、學(xué)習(xí)輔導(dǎo)員或者學(xué)生小伙伴的角色參與到協(xié)作學(xué)習(xí)的任務(wù)中。這些助理角色可以提供可替代的觀點、提出問題，并提供反饋，所有這些都是基于適當?shù)?、指定的教學(xué)模式。

許多研究表明，沉浸在 VR 中可以增強教學(xué)效果，使學(xué)生能夠建立一套對探索世界的主觀理解。甚至還有一些學(xué)生在此過程中被挖掘出隱藏的潛力，而變得更加自信。

此外，虛擬世界中的智能合成人物可以在學(xué)習(xí)者處 于過于危險或不愉 快的環(huán)境中發(fā)揮作用。例如，F(xiàn)earNot 是一個基于學(xué)校的智能虛擬環(huán)境，可以虛擬戲劇的方式呈現(xiàn)欺凌事件。受欺凌的受害學(xué)生，可在戲劇中扮演這位被欺凌的學(xué)生的朋友。在該系統(tǒng)中，學(xué) 習(xí)者提供了在戲劇情節(jié)之間應(yīng)該做出怎樣的行為的角色建議，并就此探索欺凌問題和有效的應(yīng)對策略。

另一方面，VR也可以用于智能團隊培訓(xùn)。據(jù)雷鋒網(wǎng)了解，目前的虛擬人類也能對單一事件進行推理，從而采取行動，給出談判方案，以指導(dǎo)人類進行類似的評估，如維和方案等等。

......

結(jié)語

總而言之，這三種類型的應(yīng)用程度已被用于各種學(xué)習(xí)環(huán)境 中。在 AI 的助力下，這些學(xué)習(xí)環(huán)境不僅更加個性化，而且也更具包容性和吸引力。比如，它們不僅 可以為有特殊教育需求的學(xué)習(xí)者提供額外的幫助，還能激勵一些處于不利環(huán)境的人群更好地 專注學(xué)習(xí)。

AI+ 教育的應(yīng)用同時也比替代方案更加靈活。因為它們很多被部署在線上，學(xué)習(xí)者從而可 以根據(jù)時間來安排學(xué)習(xí)。不過，AI+ 教育領(lǐng)域的研究人員還在探索更多的移動設(shè)備，以便學(xué) 習(xí)者可在任何時間、任何地點，學(xué)習(xí)自適應(yīng)系統(tǒng)上的材料或者參與協(xié)作學(xué)習(xí)，進行社交。

不過我們也要意識到這樣一個事實，雖然 AI+ 教育已經(jīng)取得了很大的進步，但目前依然處于初級階段。隨著 AI 技術(shù)的發(fā)展和 成熟，并被進一步運用到實際應(yīng)用中，AI+ 教育的 前景將不可限量。事實上，這一趨勢在今年也變得 尤為突出，一大批在線教育公司正力求擺脫互聯(lián)網(wǎng)的標簽，全力涌入AI陣營中去。

注：圖片皆來源于網(wǎng)絡(luò)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。