“人工智能+”时代面向教育创新的教与学发展趋向*

☆ 牟智佳

（江南大学教育信息化研究中心，江苏无锡 214122）

信息时代应用信息工具进行教与学和工业时代使用粉笔、黑板、纸质书一样，是不可逆的发展趋势。以人工智能、机器学习、云计算、大数据等为代表的信息工具深刻改变着人类的思维、生活和学习方式，为未来人类发展描绘了美好前景。已经普及应用的平板电脑、智能手机、手持设备等移动技术和正在投入应用的虚拟现实和可穿戴技术为教育工作者提供了丰富的信息工具支持。新媒体技术与教育的深度融合使得未来课堂在教学结构、教学方式、学习方式等方面产生结构化裂变，学习空间将被重新设计。基于此，我们尝试对“人工智能+”时代以教育创新为目标的教与学发展趋向作初步展望，以明晰技术变革教育的可能性路径。

一、整合正式学习和非正式学习生成新型教学结构

随着一对一数字化学习的广泛普及和逐步深入，自带设备俨然成为国际通行趋势。基于自带设备开展正式学习和非正式学习将逐步成为未来数字化学习的常态。在网络技术和移动技术的支持下，自我导向式的、基于好奇心的学习方式引起了人们的关注。这类学习较多发生在参观博物馆、科技中心等非正式学习场所，以及组建个人学习网络等具体实践活动中。这种非正式学习方式能鼓励学习者遵循自己的学习路径和兴趣，从而加强学习者的学习参与度。较多专家认为，正式学习与非正式学习相结合可以创设教育新环境，有助于培养实验能力、好奇心以及最重要的创造力[1]。因此，在教学结构层面上，未来新型教学结构应能有效融合正式学习和非正式学习，满足学习者泛在学习的需求。

二、基于学生真实学习状态开展数据化精准教学

美国2016国家教育技术计划《未来学习准备：重塑技术在教育中的角色》在使用评价数据更好的支持教与学部分提出，要更好地利用教育数据系统来提升技术支持学习工具和资源的质量和效果[2]。当前，学习者基于合适终端开展数字化学习已成为常态，而这种常态化教与学模式能够完整保存学生的学习过程行为记录，这就为学生学习行为分析提供了数据条件。通过整合不同类型数据（如网络平台行为数据、眼动行为数据、手势数据等）对学习者进行行为测量分析，可以更为精确的定位学习特征、预测学习结果，为后续的学习干预提供准确的数据支撑。教师由原来的技术主导学科内容观念转变到应用数据分析和反馈解决教学问题的思路上，实现了因学定教和精准教学。

三、应用增强现实技术创造情境式学习体验

当学习者所处的境脉会影响其所要学习内容的知识时，情境化设计就变得至关重要。当前课堂教学在真实问题情境和境脉信息的营造上还存在不足，这在一定程度上影响了学习者对具体情境问题的感受和理解。增强现实技术的出现及其逐步应用不仅可以帮助学生对抽象概念和不可见现象进行感知，而且可以提高学生在虚拟环境中的存在感和参与感。增强现实技术是将数字化信息（如图片、视频、音频等）整合到真实世界空间中，它允许学习者与物理和数字空间中的对象进行互动。在未来学习体验上，将应用增强现实技术为学生创造情境式学习体验，提高学习的投入感和沉浸感。

四、基于创客空间培育学生创新能力

培养和发展学生的核心素养与创新能力是国民素质教育的重点，但在技术不充分的条件下，创新能力的培养方式和应用效果差强人意。近年来，3D打印机、机器人、基于Web的3D建模程序等技术的使用与发展以及创意、设计和工程学科的交叉融合催生了创客空间。创客教育将学习者视为创造者，其侧重学习者亲自动手设计、建构和迭代的实践理念有助于培养学生的创意精神和创新能力，以及促进创造性社区的形成[3]。在创客空间的培育下，学习者将由原来的知识消费者转变成为知识的生产者，其创新意识和能力将得到进一步提升。

五、应用深度学习方法促进学生高阶思维能力养成

高阶思维是学习者在较高认知水平上表现出的心智活动和认知能力，它超出对事实和程序的简单回忆，是对概念和知识的深度理解。研究者Rex Heer在教学目标分类理论基础上，从认知维度和知识维度对教学目标分类理论进行了修订[4]。其中认知维度包括知道、领会、应用、分析、评价、创造；知识维度包括事实性的、概念性的、过程性的和元认知。在认知维度上，从低阶思维能力到高阶思维能力，在知识维度上，从具体知识到抽象知识。基于该目标理论框架，未来教师应当采用促进转向深度学习的教学模式，帮助学生运用最新的工具和技术去解决复杂问题。新兴技术包括语义网络、建模软件以及其他创新技术，这些技术有助于创设实验条件，训练学习者的高阶思维。

六、基于教育大数据和学习分析技术实现个性化学习

个性化学习是继移动学习、泛在学习之后的新型学习方式，是技术与教育深度融合的高阶表现。当前，大数据技术的逐步成熟和数字化学习方式的多样化催生了各类教育大数据：多终端支持下的移动学习输出移动教育大数据、网络学习平台支持下的在线学习输出网络教育大数据、智慧学习环境支持下的泛在学习输出智慧教育大数据。学习分析旨在通过分析建模来预测行为并进行实施，并将结果反馈到过程中以更好地改善预测分析。而与学习分析直接相关的对象包括教育者和学生，A.L.Dyckhof等研究者对学习分析的目标及其教育者和学生应用学习分析的目标进行了梳理[5]，如表1所示。可以看出，基于教育大数据的学习分析能够识别出学习者的知识基础和认知能力，在此基础上整合自适应学习技术可以为学习者提供个性化学习资源推送、个性化学习过程监控与指导以及个性化学习社区推荐，满足学生的个性化学习需求。

表1 学习分析及其教育者和学习者应用的目标

当前，教育信息化发展已经进入到创设智慧学习环境、培育学生发展核心素养、促进学生个性化发展为核心诉求的新阶段。随着人工智能、物联网、情感计算、可穿戴设备等新媒体技术在教育中的探索应用，未来教育将在系统流程和要素上呈现出结构性裂变。学习空间将被重新设计，教学方式将呈现差异化、精准化、引导化发展趋向，学习方式将走向个性化、自主化、情境化，最终形成智慧教育生态。

参考文献：

[1]Smith,Mark K.Informal learning：theory,practice and experience[EB/OL].http：//infed.org/mobi/informal-learning-theory-practiceand-experience,2008-12-03.

[2]U.S.Department of Education,Office of Educational Technolo⁃gy.Future Ready Learning：Reimagining the Role of Tech⁃nology in Education[R].Washington,D.C.,2016.

[3]约翰逊，刘德建，黄荣怀，亚当斯·贝克尔，高媛，康明斯·大卫，埃斯特拉达.《新媒体联盟中国基础教育技术展望：地平线项目区域报告》[R].奥斯汀,德克萨斯：新媒体联盟,2016.

[4]Rex Heer.A Model of Learning Objectives based on A Tax⁃onomy for Learning,Teaching,and Assessing：A Revision of Bloom's Taxonomy of Educational Objectives[EB/OL].www.celt.iastate.edu/teaching/RevisedBlooms1.html,2012-05-08.

[5]A.L.Dyckhoff,V.Lukarov,A.Muslim,M.A.Chatti,U.Schro⁃eder.Supporting Action Research with Learning Analytics[A].Suthers,D.,Verbert,K.,Duval,E.,Ochoa,X.In Proceedings of the Third International conference on Learning Analytics and Knowledge[C].New York：Association for Computing Machinery,2013：220-229.