隨著人工智能技術(shù)的演進，人工智能賦能教與學的研究也發(fā)展了數(shù)十年，先后經(jīng)歷了計算機輔助教學階段和智能輔助教學自動化階段，當前已經(jīng)進入個性化自適應教學階段，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為標志的生成式人工智能正在快速滲透到教與學的研究與實踐中，人類教育所呼喚的個性化知識問答與人性化情感陪伴已成為現(xiàn)實。當前，教育界期待通過人工智能賦能教與學，切實提高教學成效，促進學生全面、個性化發(fā)展。

工欲善其事，必先利其器。在長期的實踐過程中，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)揭示智能教學新場景下教與學的規(guī)律，仍是知其然而不知其所以然。例如，我們發(fā)現(xiàn)在線學習中成績好的學習者話語互動會更多，主題討論中探索性對話遠遠多于任務解決式對話，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的研究體系，我們應從研究目標、研究路徑和研究方法多個層面著手考慮未來的研究進路。

（一）以促進人機協(xié)同環(huán)境下人類更高效的學習為研究目標

為了明確研究目標，我們要回歸教育問題本源，緊密圍繞智能教學場景中的主體、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的相關(guān)理論。同時，我們還可以利用人類學習認知機理與規(guī)律的新發(fā)現(xiàn)，深度解構(gòu)機器智能輔助教學的數(shù)理機制，以推動人工智能技術(shù)的可持續(xù)發(fā)展。具體來說，應瞄準以下五個方面的研究目標：

(1) 針對學習主體，提出人工智能賦能教與學的基礎理論。解析人腦語用推理的神經(jīng)認知機理、知識建構(gòu)的認知機理及動態(tài)演化模式。

(2) 針對教學環(huán)境，突破新型智能教學場景感知關(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)與設備，實現(xiàn)學習者內(nèi)隱狀態(tài)的精準感知和定量分析，構(gòu)建人機協(xié)同教學環(huán)境。

(3) 針對教學資源，形成資源深度理解的個性化導學新方法。實現(xiàn)對跨媒體教學資源中多模態(tài)知識的深入理解，為智能導學推理框架提供高階推理單元，實現(xiàn)針對學生需求、能力、興趣等要素的精準導學。

(4) 針對教學策略，建立多重知識表達的教學調(diào)節(jié)新策略。探究教學策略的多重知識表達機制，研制知識引導的人機協(xié)同教育輔助方法，提供面向教師端的智能教學策略生成、教學活動干預和教學狀態(tài)歸因三種典型教學環(huán)節(jié)的智能輔助，實現(xiàn)對教育過程的協(xié)同調(diào)節(jié)。

(5) 針對實際教學應用，實現(xiàn)大規(guī)模應用驗證與示范。建立人工智能賦能教與學的教學效能評測模型，實現(xiàn)增強智能的機器評測，開展相關(guān)理論與關(guān)鍵技術(shù)的驗證和優(yōu)化。

（二）以“揭示機理—構(gòu)建環(huán)境—個性導學—教學調(diào)節(jié)—驗證成效”為研究路徑

人工智能賦能教與學終究還是要落實到教學成效上，為此，我們需要集中神經(jīng)科學、認知科學、計算機科學、教育學等學科優(yōu)勢力量，開展多學科交叉研究。在研究思路上，以智能教學環(huán)境下的學習認知機理為牽引，從教學場景感知、資源高階推理以及教學過程調(diào)節(jié)三方面進行系統(tǒng)性技術(shù)攻關(guān)，為有效支撐人工智能賦能教與學的系統(tǒng)構(gòu)建與應用驗證提供理論與關(guān)鍵技術(shù)支撐。具體實施路徑如下：

一是針對新型人機環(huán)境下的認知機理不明晰問題，通過認知神經(jīng)科學實驗的有效實施，發(fā)現(xiàn)有效學習的注意情緒等認知關(guān)鍵影響因素。構(gòu)建學習認知過程的感知、追蹤和預測模型，揭示智能教學中的學習認知機理，以期在認知計算理論模型上取得重大理論突破，為不同場景的有效學習提供實驗數(shù)據(jù)與科學依據(jù)。

二是針對教學場景感知難、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)語義增強等感知技術(shù)，解譯學習主體內(nèi)隱狀態(tài)，取得人機協(xié)同教學感知環(huán)境構(gòu)建方法的重點突破，顯著提升學習主體認知、疲勞以及情緒等狀態(tài)的感知精度。

三是針對教學資源服務粗放、精準化適配難等問題，通過挖掘?qū)W習資源的高階推理模式，發(fā)現(xiàn)學習成效提升的資源效應，在場景感知與資源理解兩者共同作用下，提升自主學習場景下學習者學習成效，重點突破規(guī)則引導的跨媒體高階推理方法，實現(xiàn)針對學生需求、能力、興趣等要素的精準導學。

四是針對人機協(xié)同教學難調(diào)節(jié)、教學問題難歸因等問題，通過教學策略多重知識引導下的教案自動生成、活動編排與干預以及可解釋的教學診斷與歸因，形成教學效能提升的過程調(diào)節(jié)效應，重點突破人機協(xié)同教學難適應的問題，擬形成多重知識引導下的教學過程調(diào)節(jié)新方法，以降低教師教學負荷。

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)先水平的人機協(xié)同智能教學平臺，驗證技術(shù)實施后的智能教學整體成效，面向大規(guī)模用戶，開展人工智能賦能教與學的增效循證研究、綜合評測與系統(tǒng)驗證。

（三）以數(shù)據(jù)驅(qū)動的人工智能算法、自然環(huán)境下的教學實證、受控環(huán)境下的因果實驗為研究方法

研究方法是一門科學的精髓，隨著教育研究范式的不斷演進，方法論上也吸收了越來越多自然科學領(lǐng)域運用成熟的理論、方法與技術(shù)。人工智能賦能教與學研究的發(fā)展浪潮中已形成以數(shù)據(jù)驅(qū)動的人工智能算法、自然環(huán)境下的教學實證、受控環(huán)境下的因果實驗為代表的三大方法進路，它們?yōu)閿?shù)據(jù)驅(qū)動的教學模式挖掘與智能適配、自然環(huán)境下教學規(guī)律發(fā)現(xiàn)以及受控實驗環(huán)境下的復雜關(guān)系因果驗證提供了強大助力。

數(shù)據(jù)計算是當前人工智能時代涌現(xiàn)的一種教育研究新方法。它以數(shù)據(jù)驅(qū)動、無干預的方式建立自學習模型，探索教育主體的行為模式、教學風格和活動。數(shù)據(jù)計算不需要事先建立研究假設，它通過獲取原始數(shù)據(jù)并提取有價值信息，用科學建模方法驗證教學規(guī)律，填補了傳統(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)計算提供了強勁動能，使其在教育活動中加強了對知識的支持和對教育數(shù)據(jù)的精準理解，助力潛在教學模式的全方位挖掘，并基于對學習者問題、學業(yè)困惑和學習目標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，教學實證研究的邊界正不斷拓展。大規(guī)模教育中的教學實證具有影響因素復雜、場景多元融通的特點，而傳統(tǒng)的“假設－建模－檢驗”方法已不能適應這些特點，教學實證開始轉(zhuǎn)向通過智能算法從大數(shù)據(jù)中識別關(guān)鍵狀態(tài)變量，并利用假設模型發(fā)現(xiàn)這些變量與不同教學活動的關(guān)系。人工智能支持下的教學實證具有動態(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)律和動態(tài)特征。特別是在大規(guī)模在線教育中，教學實證可通過采集話語和行為數(shù)據(jù)，應用深度神經(jīng)網(wǎng)絡、大語言模型等多種新型方法，全面刻畫學生認知規(guī)律，評估各種因素對教育質(zhì)量的影響。

受控環(huán)境下的因果實驗旨在探索特定場景下教育現(xiàn)象的多因素作用機制，尋找有效學習的關(guān)鍵影響因子，以揭示人類學習的深層認知機理并制定適應性教學策略。人工智能為多變量因果實驗提供了技術(shù)基礎和實踐領(lǐng)域，創(chuàng)新了傳統(tǒng)方法的研究邏輯。與傳統(tǒng)教育科學實驗不同，其獨特的實驗平臺以及多模態(tài)傳感器、深度學習等新技術(shù)的應用為探索學習的內(nèi)在發(fā)生機理提供了有效手段。它旨在探尋教育現(xiàn)象中個體神經(jīng)層面的微觀認知機制，發(fā)現(xiàn)外部干預策略對認知能力的影響，通過采集和分析大腦神經(jīng)活動數(shù)據(jù)，精準感知實驗室內(nèi)微觀教育活動中各種影響變量和個體學習狀態(tài)，彰顯教與學因果關(guān)系探索的價值。

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《華中師范大學學報（人文社會科學版）》，原標題《人工智能賦能教與學研究：現(xiàn)狀、挑戰(zhàn)與進路》

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)利方及時與我們聯(lián)系，我們將及時更正、刪除或依法處理。