隨著人工智能技術(shù)的演進(jìn)，人工智能賦能教與學(xué)的研究也發(fā)展了數(shù)十年，先后經(jīng)歷了計(jì)算機(jī)輔助教學(xué)階段和智能輔助教學(xué)自動(dòng)化階段，當(dāng)前已經(jīng)進(jìn)入個(gè)性化自適應(yīng)教學(xué)階段，可以說相關(guān)的探索與人工智能本身的發(fā)展處于同頻共振的態(tài)勢。尤其是以ChatGPT為標(biāo)志的生成式人工智能正在快速滲透到教與學(xué)的研究與實(shí)踐中，人類教育所呼喚的個(gè)性化知識(shí)問答與人性化情感陪伴已成為現(xiàn)實(shí)。當(dāng)前，教育界期待通過人工智能賦能教與學(xué)，切實(shí)提高教學(xué)成效，促進(jìn)學(xué)生全面、個(gè)性化發(fā)展。

工欲善其事，必先利其器。在長期的實(shí)踐過程中，人工智能在教育場景重塑和流程再造方面取得了一定的成效，但由于沒有系統(tǒng)揭示智能教學(xué)新場景下教與學(xué)的規(guī)律，仍是知其然而不知其所以然。例如，我們發(fā)現(xiàn)在線學(xué)習(xí)中成績好的學(xué)習(xí)者話語互動(dòng)會(huì)更多，主題討論中探索性對話遠(yuǎn)遠(yuǎn)多于任務(wù)解決式對話，對于這些問題的研究仍然只知其現(xiàn)象而不明其原理。為了系統(tǒng)構(gòu)建人工智能賦能教與學(xué)的研究體系，我們應(yīng)從研究目標(biāo)、研究路徑和研究方法多個(gè)層面著手考慮未來的研究進(jìn)路。

（一）以促進(jìn)人機(jī)協(xié)同環(huán)境下人類更高效的學(xué)習(xí)為研究目標(biāo)

為了明確研究目標(biāo)，我們要回歸教育問題本源，緊密圍繞智能教學(xué)場景中的主體、環(huán)境、資源、策略等核心要素，系統(tǒng)性突破人工智能賦能教與學(xué)的相關(guān)理論。同時(shí)，我們還可以利用人類學(xué)習(xí)認(rèn)知機(jī)理與規(guī)律的新發(fā)現(xiàn)，深度解構(gòu)機(jī)器智能輔助教學(xué)的數(shù)理機(jī)制，以推動(dòng)人工智能技術(shù)的可持續(xù)發(fā)展。具體來說，應(yīng)瞄準(zhǔn)以下五個(gè)方面的研究目標(biāo)：

(1) 針對學(xué)習(xí)主體，提出人工智能賦能教與學(xué)的基礎(chǔ)理論。解析人腦語用推理的神經(jīng)認(rèn)知機(jī)理、知識(shí)建構(gòu)的認(rèn)知機(jī)理及動(dòng)態(tài)演化模式。

(2) 針對教學(xué)環(huán)境，突破新型智能教學(xué)場景感知關(guān)鍵技術(shù)。研制多模態(tài)跨尺度的非侵入式生理狀態(tài)感知技術(shù)與設(shè)備，實(shí)現(xiàn)學(xué)習(xí)者內(nèi)隱狀態(tài)的精準(zhǔn)感知和定量分析，構(gòu)建人機(jī)協(xié)同教學(xué)環(huán)境。

(3) 針對教學(xué)資源，形成資源深度理解的個(gè)性化導(dǎo)學(xué)新方法。實(shí)現(xiàn)對跨媒體教學(xué)資源中多模態(tài)知識(shí)的深入理解，為智能導(dǎo)學(xué)推理框架提供高階推理單元，實(shí)現(xiàn)針對學(xué)生需求、能力、興趣等要素的精準(zhǔn)導(dǎo)學(xué)。

(4) 針對教學(xué)策略，建立多重知識(shí)表達(dá)的教學(xué)調(diào)節(jié)新策略。探究教學(xué)策略的多重知識(shí)表達(dá)機(jī)制，研制知識(shí)引導(dǎo)的人機(jī)協(xié)同教育輔助方法，提供面向教師端的智能教學(xué)策略生成、教學(xué)活動(dòng)干預(yù)和教學(xué)狀態(tài)歸因三種典型教學(xué)環(huán)節(jié)的智能輔助，實(shí)現(xiàn)對教育過程的協(xié)同調(diào)節(jié)。

(5) 針對實(shí)際教學(xué)應(yīng)用，實(shí)現(xiàn)大規(guī)模應(yīng)用驗(yàn)證與示范。建立人工智能賦能教與學(xué)的教學(xué)效能評測模型，實(shí)現(xiàn)增強(qiáng)智能的機(jī)器評測，開展相關(guān)理論與關(guān)鍵技術(shù)的驗(yàn)證和優(yōu)化。

（二）以“揭示機(jī)理—構(gòu)建環(huán)境—個(gè)性導(dǎo)學(xué)—教學(xué)調(diào)節(jié)—驗(yàn)證成效”為研究路徑

人工智能賦能教與學(xué)終究還是要落實(shí)到教學(xué)成效上，為此，我們需要集中神經(jīng)科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、教育學(xué)等學(xué)科優(yōu)勢力量，開展多學(xué)科交叉研究。在研究思路上，以智能教學(xué)環(huán)境下的學(xué)習(xí)認(rèn)知機(jī)理為牽引，從教學(xué)場景感知、資源高階推理以及教學(xué)過程調(diào)節(jié)三方面進(jìn)行系統(tǒng)性技術(shù)攻關(guān)，為有效支撐人工智能賦能教與學(xué)的系統(tǒng)構(gòu)建與應(yīng)用驗(yàn)證提供理論與關(guān)鍵技術(shù)支撐。具體實(shí)施路徑如下：

一是針對新型人機(jī)環(huán)境下的認(rèn)知機(jī)理不明晰問題，通過認(rèn)知神經(jīng)科學(xué)實(shí)驗(yàn)的有效實(shí)施，發(fā)現(xiàn)有效學(xué)習(xí)的注意情緒等認(rèn)知關(guān)鍵影響因素。構(gòu)建學(xué)習(xí)認(rèn)知過程的感知、追蹤和預(yù)測模型，揭示智能教學(xué)中的學(xué)習(xí)認(rèn)知機(jī)理，以期在認(rèn)知計(jì)算理論模型上取得重大理論突破，為不同場景的有效學(xué)習(xí)提供實(shí)驗(yàn)數(shù)據(jù)與科學(xué)依據(jù)。

二是針對教學(xué)場景感知難、多主體協(xié)同交互受限問題，以場景感知作為突破口，通過視覺重構(gòu)、非侵入式生理狀態(tài)檢測以及跨模態(tài)語義增強(qiáng)等感知技術(shù)，解譯學(xué)習(xí)主體內(nèi)隱狀態(tài)，取得人機(jī)協(xié)同教學(xué)感知環(huán)境構(gòu)建方法的重點(diǎn)突破，顯著提升學(xué)習(xí)主體認(rèn)知、疲勞以及情緒等狀態(tài)的感知精度。

三是針對教學(xué)資源服務(wù)粗放、精準(zhǔn)化適配難等問題，通過挖掘?qū)W習(xí)資源的高階推理模式，發(fā)現(xiàn)學(xué)習(xí)成效提升的資源效應(yīng)，在場景感知與資源理解兩者共同作用下，提升自主學(xué)習(xí)場景下學(xué)習(xí)者學(xué)習(xí)成效，重點(diǎn)突破規(guī)則引導(dǎo)的跨媒體高階推理方法，實(shí)現(xiàn)針對學(xué)生需求、能力、興趣等要素的精準(zhǔn)導(dǎo)學(xué)。

四是針對人機(jī)協(xié)同教學(xué)難調(diào)節(jié)、教學(xué)問題難歸因等問題，通過教學(xué)策略多重知識(shí)引導(dǎo)下的教案自動(dòng)生成、活動(dòng)編排與干預(yù)以及可解釋的教學(xué)診斷與歸因，形成教學(xué)效能提升的過程調(diào)節(jié)效應(yīng)，重點(diǎn)突破人機(jī)協(xié)同教學(xué)難適應(yīng)的問題，擬形成多重知識(shí)引導(dǎo)下的教學(xué)過程調(diào)節(jié)新方法，以降低教師教學(xué)負(fù)荷。

五是在上述理論、方法與技術(shù)手段的支撐下，打造具有國際領(lǐng)先水平的人機(jī)協(xié)同智能教學(xué)平臺(tái)，驗(yàn)證技術(shù)實(shí)施后的智能教學(xué)整體成效，面向大規(guī)模用戶，開展人工智能賦能教與學(xué)的增效循證研究、綜合評測與系統(tǒng)驗(yàn)證。

（三）以數(shù)據(jù)驅(qū)動(dòng)的人工智能算法、自然環(huán)境下的教學(xué)實(shí)證、受控環(huán)境下的因果實(shí)驗(yàn)為研究方法

研究方法是一門科學(xué)的精髓，隨著教育研究范式的不斷演進(jìn)，方法論上也吸收了越來越多自然科學(xué)領(lǐng)域運(yùn)用成熟的理論、方法與技術(shù)。人工智能賦能教與學(xué)研究的發(fā)展浪潮中已形成以數(shù)據(jù)驅(qū)動(dòng)的人工智能算法、自然環(huán)境下的教學(xué)實(shí)證、受控環(huán)境下的因果實(shí)驗(yàn)為代表的三大方法進(jìn)路，它們?yōu)閿?shù)據(jù)驅(qū)動(dòng)的教學(xué)模式挖掘與智能適配、自然環(huán)境下教學(xué)規(guī)律發(fā)現(xiàn)以及受控實(shí)驗(yàn)環(huán)境下的復(fù)雜關(guān)系因果驗(yàn)證提供了強(qiáng)大助力。

數(shù)據(jù)計(jì)算是當(dāng)前人工智能時(shí)代涌現(xiàn)的一種教育研究新方法。它以數(shù)據(jù)驅(qū)動(dòng)、無干預(yù)的方式建立自學(xué)習(xí)模型，探索教育主體的行為模式、教學(xué)風(fēng)格和活動(dòng)。數(shù)據(jù)計(jì)算不需要事先建立研究假設(shè)，它通過獲取原始數(shù)據(jù)并提取有價(jià)值信息，用科學(xué)建模方法驗(yàn)證教學(xué)規(guī)律，填補(bǔ)了傳統(tǒng)研究在數(shù)據(jù)采集和解析深度方面的不足。最近，ChatGPT等大模型為數(shù)據(jù)計(jì)算提供了強(qiáng)勁動(dòng)能，使其在教育活動(dòng)中加強(qiáng)了對知識(shí)的支持和對教育數(shù)據(jù)的精準(zhǔn)理解，助力潛在教學(xué)模式的全方位挖掘，并基于對學(xué)習(xí)者問題、學(xué)業(yè)困惑和學(xué)習(xí)目標(biāo)的感知形成智能適配方案。

隨著人工智能技術(shù)發(fā)展和教育數(shù)據(jù)迅速增長，教學(xué)實(shí)證研究的邊界正不斷拓展。大規(guī)模教育中的教學(xué)實(shí)證具有影響因素復(fù)雜、場景多元融通的特點(diǎn)，而傳統(tǒng)的“假設(shè)－建模－檢驗(yàn)”方法已不能適應(yīng)這些特點(diǎn)，教學(xué)實(shí)證開始轉(zhuǎn)向通過智能算法從大數(shù)據(jù)中識(shí)別關(guān)鍵狀態(tài)變量，并利用假設(shè)模型發(fā)現(xiàn)這些變量與不同教學(xué)活動(dòng)的關(guān)系。人工智能支持下的教學(xué)實(shí)證具有動(dòng)態(tài)追蹤和循證的優(yōu)勢，能夠揭示線上和線下不同場域中的教育規(guī)律和動(dòng)態(tài)特征。特別是在大規(guī)模在線教育中，教學(xué)實(shí)證可通過采集話語和行為數(shù)據(jù)，應(yīng)用深度神經(jīng)網(wǎng)絡(luò)、大語言模型等多種新型方法，全面刻畫學(xué)生認(rèn)知規(guī)律，評估各種因素對教育質(zhì)量的影響。

受控環(huán)境下的因果實(shí)驗(yàn)旨在探索特定場景下教育現(xiàn)象的多因素作用機(jī)制，尋找有效學(xué)習(xí)的關(guān)鍵影響因子，以揭示人類學(xué)習(xí)的深層認(rèn)知機(jī)理并制定適應(yīng)性教學(xué)策略。人工智能為多變量因果實(shí)驗(yàn)提供了技術(shù)基礎(chǔ)和實(shí)踐領(lǐng)域，創(chuàng)新了傳統(tǒng)方法的研究邏輯。與傳統(tǒng)教育科學(xué)實(shí)驗(yàn)不同，其獨(dú)特的實(shí)驗(yàn)平臺(tái)以及多模態(tài)傳感器、深度學(xué)習(xí)等新技術(shù)的應(yīng)用為探索學(xué)習(xí)的內(nèi)在發(fā)生機(jī)理提供了有效手段。它旨在探尋教育現(xiàn)象中個(gè)體神經(jīng)層面的微觀認(rèn)知機(jī)制，發(fā)現(xiàn)外部干預(yù)策略對認(rèn)知能力的影響，通過采集和分析大腦神經(jīng)活動(dòng)數(shù)據(jù)，精準(zhǔn)感知實(shí)驗(yàn)室內(nèi)微觀教育活動(dòng)中各種影響變量和個(gè)體學(xué)習(xí)狀態(tài)，彰顯教與學(xué)因果關(guān)系探索的價(jià)值。

文章轉(zhuǎn)載自中關(guān)村互聯(lián)網(wǎng)教育創(chuàng)新中心，原文內(nèi)容來源-節(jié)選自《華中師范大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）》，原標(biāo)題《人工智能賦能教與學(xué)研究：現(xiàn)狀、挑戰(zhàn)與進(jìn)路》

版權(quán)聲明：以上圖文，貴在分享，版權(quán)歸原作者及原出處所有。如涉及侵權(quán)，請權(quán)利方及時(shí)與我們聯(lián)系，我們將及時(shí)更正、刪除或依法處理。