新时代教育理论创新的动因与路向探究*

2019-10-17 05:57蔡冉冉张建军
中国电化教育 2019年10期
关键词:精准人工智能效率

赵 晋,蔡冉冉,张建军

(1.同济大学 职业技术教育学院,上海 200092;2.同济大学 经济与管理学院,上海 200092)

党的十九大指出,中国特色社会主义进入了新时代,新的历史起点赋予了我国教育事业新的使命和要求。另一方面,新一代互联网、量子计算机、云计算、大数据与人工智能等新兴信息技术和手段推动了人类社会的运转载体、方式和效率的变革,我们已经进入了科技发展意义上的新时代。

新时代的变革,是认知模式、生存环境、社会生产力等基础层面的变革。这对于教育实践与理论必将产生基础性、颠覆性的影响和改变,当前教育理论研究正在面临全方位、系统性的重大创新挑战[1]。

在深刻理解时代变革的根本驱动力和教育发展基本矛盾的基础上,树立全新的教育理念,以交叉的科学研究把握新规律,构建符合时代要求的教育理论、方法和模式,为指导新时代的教育改革发展实践提供科学的理论保障,具有重要的理论和现实意义。

一、信息化推动的教育生产力升级:新时代教育变革的根源分析

(一)变革的起点:行为信息的数据化与可计算

信息化带来了一个根本变化:信息被数据化了。我们的生活、工作离不开互联网、智能手机、平板电脑、各类信息系统,我们的日常活动的信息越来越被电子化、数据化。这个变化是颠覆性的:信息的数据化实现了信息的可计算,使得信息的存储与处理从人脑拓展至计算机与云计算平台,并进一步实现了认知的可计算。正是这样的变化催生了大数据和人工智能时代的到来[2][3]。

(二)大数据与人工智能的本质与优势分析

从本质上说,大数据思维与人工智能强调的都是对人类认知模式的计算机模拟:通过数据采集、数据关联分析、事物数据画像和预测等计算活动分别对人类的自然认知过程的感觉、记忆、判断和推理等活动进行仿真模拟[4][5]。

对认知过程进行计算机模拟所产生的优势是显著的(如下页表所示),其潜在约束在于“环境与行为的数据化程度”“计算机的硬件性能”和“计算算法设计”等。第一项是关键约束,互联网时代的到来和人类社会的信息化提供了破解关键约束的现实可能。另一方面,随着超级计算机的升级以及云计算、深度学习等信息技术和方法的提出和发展,其他约束在常见认知场景下正在得到消解。

模拟与自然认知模式的差异比较表

因此,随着大数据与人工智能的迅猛发展,数据化的、近乎全息的信息基础,正在使得以往通常建立在非数据化的、感性的信息基础上的“自然认知模式”被赋予了巨变的可能:对个人、人群、组织、国家乃至人类而言,具有几乎无限的数据存储能力和计算能力的计算机、互联网,将成为人脑的延伸。除创新思考之外,人类认知的软硬件能力得到了无限扩容。

(三)教育服务供给能力无限扩容推动教育生产力升级

教育服务供给能力不存在标准定义,我们尝试提出其内涵如下:

第一,拥有充分的硬件设施和资源。包括:(1)资质优良的教师;(2)开展教育活动的教室与场地等;(3)教材、学习辅助资料等学习资源。

第二,拥有充分的信息。包括:(1)对学生的认知信息。包括学生的全部个人信息、个性化学习需求、个性化学习特征、个性化偏好等;(2)对教师的认知信息。包括教师的全部个人信息、教学特长、教学特征、个性化偏好等。

第三,具备充分的教育信息分析和处理能力,以实现教学过程控制与动态调整,如学生与教师特征分析、师生匹配、教学方案设计、效果评估、教学方案动态优化与调整等。

相应地,我们看到,经过改革开放40年的建设与发展,教育供给的基础资源、硬件基础设施以及教育信息化硬件基础设施已取得了长足进展,因此,在新时代,伴随着互联网、大数据与人工智能对信息传播的广度和事物认知的深度层面所给予的天量计算能力和传播能力的支持,教育服务供给能力在信息化意义下正在得到无限扩容。

这一变化促成了教育生产力的升级,使得教育发展供需基本矛盾的现状从根本上具备了改变的现实可能,形成了教育变革的根本动力和根源。在此基础上,教育基本矛盾的变化和教育生产力的升级必将引发从教育理念、教育理论和方法到教育实践模式等全方位、多层次的挑战乃至系统性变革。

二、新时代教育理论发展核心问题的系统分析

(一)基本问题的提出

在新时代的新变化、新挑战、新问题面前,就教育理论研究而言,首当其冲被拷问是:传统教育理论能否胜任对新时代教育创新实践的指导?如果不能,原因何在?理论创新路向何在?对此,我们提出:分析教育信息的数据化和教育服务供给能力无限扩容等新变化带来的影响和挑战,以开展相应的理论创新建构,是新时代教育理论发展的基本问题。

(二)解放教育生产力:教育创新再认识

我国当前正处在快速变化、发展的时期。改革开放以来,教育同样在进行着持续的改革。时代在变化,教育也在不断产生着主动或被动的变化乃至变革。然而,大数据研究的先行者舍恩伯格说,“生活在两三个世纪前的人物走进今天的教室,可能会说:没有什么变化——即使外面的世界早已变得几乎面目全非”[6]。教育创新并不能由诸多教育变革之中必然产生。

著名经济学家熊彼特提出,所谓创新就是“生产要素的重新组合”。在此基础上,熊彼特提出了创新由过程内生、创新必须能够创造出新的价值等观点,并进一步提出,创新的实现应通过有秩序地进行结构调整、建立完整的创新生态体系等[7]。创新理论对于我们分析教育创新的目标和路径具有重要理论启示:在新时代,教育创新的目标就是要解放教育生产力。目标的实现过程,就是充分运用和释放信息化背景下近乎无限的教育服务供给能力的过程。教育创新的实现应首先充分重视顶层设计,强调从教育理念、理论和方法、实践模式等系统、整体的角度开展新时代教育生态体系的构建,教育变革过程的推进应服务于创新的顶层设计与之协调并有序联动[8-11]。

(三)新时代教育理论发展中的重要辩证关系分析

在信息可测量、认知可计算且计算能力几乎无限的新时代情境下,传统教育理论的系列理论基础、概念将不可避免地受到认识深化或升级的冲击。通过对基本问题的解析,我们认为针对以下五大辩证关系的重新审视对于探索教育理论创新路向具有重要的意义。

1.效果与效率的关系

梳理教育理论的历史渊源,我们可以发现,各个历史时期的重要教育理论,其背后都有明确的心理学理论为基础[12],换言之,教育理论的起点是心理学的核心问题“人是如何认知的”,在此基础上形成教育理论的基础问题“教育是怎么回事”,进而形成关注的焦点“怎么教才是效果好的”。

但是长期以来,效果和效率是经常被人们混同的概念。所谓效果,即结果,或者说目标产出,构成了效率计算的分子;所谓效率,是指产出与投入的比值。对于学习效率而言,是由多维度指标构成的一个比值[13]。评估效率的两个要素包括:第一,目的产出,如学习效果、知识接收量、核心素养养成,或现实主义者眼中的学习成绩、升学率等,或理想主义者眼中的学习愉悦感、创新意识、完备人格等;第二,可承受的投入,比如学习者的时间投入、精力投入、压力承受等[14-16]。

效率与效果之间存在着密不可分的关联。从现实需求的角度分析,可以断言:在教育改革过程中,不考虑效率的效果是不可持续的。在数据化、大数据的背景之下,在教育行为与过程等正在变得可测量的历史趋势之下,对教育效果的效率评估将成为教育改革实践不可或缺的组成部分,我们应积极探索效率与效果均能改善、提高的教育模式。

为此,我们提出:传统教育理论强调的是在探索人类认知特点的基础上研究“如何教才是效果好的”,如果把这比作“一条腿走路”,那么,我们还需要另一条腿的支持,即无论是哪一种教育目标、理念、理论指导下的教育教学模式,都应考虑“如何教才是效率高的”。而互联网、大数据与人工智能的出现,恰恰在实践中为这另一条腿提供了现实可能。

2.群体效率与个体效率的关系

在人类发展的历史中,呼应着以社会总生产效率质变、提高为代表的社会生产力的解放,教育模式的变迁迅速提升了社会群体的平均教育效率[17]。然而,群体平均效率高的大规模标准化教育模式仍然存在与生俱来的缺陷:学生个体接受能力有很大差别,面向平均水平的授课方式导致了平均水平两端学生的时间、精力等学习资源的投入不能被最充分的利用,学生个体的学习效率难以达到最优。

在长期的教育发展过程中,这一个体效率困境难以破解,其原因即在于:建立在感性经验信息基础上的师生互动模式难以形成对学生与教育过程的全面、深入的认知,以及有限的教育资源供给能力(老师的有限精力、体力,师资的有限数量,有限的教育场所等)和巨大的教育需求(庞大的学生数量、较长的学习年限等)存在巨大的差距,一言以蔽之:供不应求。

同样,新时代教育服务供给能力的无限扩容,为打破资源约束、破解群体效率与个体效率的矛盾提供了现实可能。

3.思辨与测量的关系

科学研究的本质是以因果关系为表征的“逻辑”[18]。传统教育研究的基本范式是思辨性质的,从本质上说,教育科学的“科学性”体现为“形式逻辑”。这一属性有其历史发展的必然性,决定于在历史发展过程中研究对象信息的非量化形态。以文字等定性形式呈现的形式逻辑论证过程,由于难以严格区分“相关关系”和作为逻辑本质的“因果关系”,同时无法剔除信息在传递、接收、理解等各环节的个体差异,从而在表达必然关系时有其不可避免的脆弱性,可能陷入“仁者见仁智者见智”的心证和思辨陷阱[19]。

在新时代,信息的数据化意味着教育行为、关系等可以精准、精细地测量,这为推动教育规律的研究范式从形式逻辑向数理逻辑转变提供了基础,必将进一步加强教育理论对教育规律解释的科学性。因此我们认为,这一研究范式的转变是新时代教育理论发展的一个重要创新方向。

4.定量分析与科学性的关系

实际上,研究范式的变化已经出现了,尤其是在教育信息化与教育技术领域的相关研究中,我们能看到以基于人工智能、深度学习的卷积神经网络模型、面向个性化学习的协同推荐算法等为代表的数据挖掘和统计分析等启发式思维与方法的应用。而且,这些方法呈现出了一个鲜明的特点:它们一定能够得到一些以数据形式呈现的结果。然而,深究起来,这恰恰是其缺陷所在:启发式分析方法,是以定量分析为手段、以得到满意的结果方案为追求目标的研究方法,其本身并不关心得到结果的过程是否是科学的,亦不在意结果是否是最优的,因此这一基于统计思维的方法论基础无法说服人们相信结果的可靠性。当前基于统计分析思维的算法,正是因算法结果的不可解释性而为人诟病。

因此,必须强调,定量研究并不等于科学的研究。前者是数量化方法对数据化事物关系的分析,后者是逻辑推理对事物因果关系的揭示。注重定量而忽视科学,是当下相关理论研究的一个重要缺陷。如果说思辨研究的科学性会因为前提条件的模糊性以及文字化推理过程的繁琐冗长而被削弱,那么当前的定量研究则往往通过其研究过程充斥着数字、公式和算法而掩盖了研究过程本身的不科学。

无论如何,在大数据时代,在用数据描述教育行为、对象、过程等的今天,我们有理由期待构建能够精准描述事物之间因果关联的“科学教育理论”。通过在数据化基础上采用数理逻辑模式增强对教育原理的研究,来填补当前教育方法、技术层的定量分析的潜在科学性缺陷,正是教育理论工作者的一个重要使命。

5.诠释与优化的关系

对于理论研究而言,对事物及其关联进行解释是基本目标,最终目标是要在此基础上达成对事物的主动控制和优化。这二者是相互依存的关系:前者是后者的基础,后者是前者的归宿。相应地,没有科学的诠释,就无法科学地优化。

管理大师彼得·德鲁克指出,“如果无法测量,就无法管理”[20]。其蕴含的逻辑在于,当事物信息处于非量化状态,意味着人们只能从“定序”和“定类”的层次对事物进行描述,而无法精确地测量、探索和解释事物本身、事物之间以及事物变化的关联,因而更谈不上科学地预测、控制、优化和管理事物。非数据化的信息状态造就了教育科学的思辨研究范式,也使得教育理论在对教育行为无法量化、测量的条件之下不得不侧重于对教育现象与结果的解释性研究。

新时代带来的一大变化在于突破了这一束缚:在大数据与人工智能的支持之下,教育理论能向前迈进的不只是对教育效率的测量,更重要的是对教育行为、模式的科学评估,进而实现对教育本身的科学控制和优化。因此,积极响应新变化,将基于“形式逻辑”的思辨研究与基于数据测量的“数理逻辑”研究相结合,推动对教育问题的解释性研究向以预测、管控等科学对策研究的深化,是教育研究范式的一项重大课题,也是教育理论创新的一个重要方向。

三、学习管理:新时代教育理论发展的一个重要方向与对策

通过对新时代教育变革发展驱动力、教育理论发展基本问题以及五大关系的探讨,“学习管理”理论创新方向呼之欲出。

(一)理念发展:学习效率优化与精益教育观的提出

作为贯穿人类社会发展全程的组成部分,教育是一个庞大的复杂系统。在大数据与人工智能时代,以其子系统——新时代的学习问题为分析对象,在该复杂系统变得可测量、可计算的背景之下,教育理念应首先呼应时代要求、积极寻求升级:强调通过对学生资源和学习资源的优化配置,来实现高效率学习。在此基础上,我们提出了所谓精益教育观:

教育(尤其是学习、教学),从本质上说,是各类教育资源(教师、教材、教育环境等等)作用于学生本人的过程,其最终产出是知识和能力习得意义上的学生本人。在现实竞争环境之下,可持续的知识建构过程不但应该追求高效果,而且应该是高效率的,即应高度重视对学生的时间、精力、承压力等学生资源的优化配置和组织,为此,应高度重视从学习效率优化的角度重新审视、设计学习的动态组织过程。

精益教育观具有坚实的现实基础,一方面是教育信息的数据化带来的可测量与可计算,另一方面,精益教育观的落实以优化学习效率、达成高效学习过程设计为实施载体,其关键在于教育行为与过程的信息采集、分析处理、计算、教育资源实时配置等教育服务供给能力的无限扩容。

精益教育观的提出,为理解和指导教育创新实践提供了一个参照,即就现实需求而言,创新离不开对效率的重视。以翻转课堂为例,如果目标产出是知识习得,那么,通过课堂授课十分钟可以习得的知识,却挤占大量学生的学习时间和教师的备课时间、花上数倍的时间、精力去组织学生开展翻转课堂学习,势必效率极低、综合价值大打折扣[21];另一方面,如果产出是所谓素养型目标(如“知识建构过程本身对学生的熏陶与锻炼”“创新意识的培养”),同样地,在承认学习效果良好、深受学生欢迎的同时,是否有必要评估学生资源等投入对于目标产出的价值与效率?必须意识到,历史时期对定性化教育目标及其效率“无法测量”的惯性思维不应该导向“不应测量”的定势。

精益教育观的提出,也为理解和指导教育实践难题提供了一种新的思路和方向。以“减负”政策为例,教育政策立意良好,但是实际效果有其尴尬之处。这除了对各利益攸关方的需求目标和行为之间的博弈缺乏深入分析之外,对学习效率关注的缺失是一个重要原因——减负,不应局限于一般性地减少作业等“总量”负担,还应该在精准评估的基础上减少对于学生学习价值不大的重复作业、练习和授课等。

实现这些创新方向是困难的,但是在大数据与人工智能时代,它们正在成为现实可能。这正是我们提出精益教育观的时代基础。

(二)理论发展:基于教育行为大数据化的学习管理理论探索

至此,通过对新时代教育基本问题和新型教育理念的凝练,事实上我们已经阐述了学习管理理论构建的现实基础、必要性、科学意义、实践价值及其研究的关键问题。整合以上分析,在精益教育观的支持下,我们提出新时代学习管理理论的基本架构如下。

1.基本概念

所谓学习管理,是指以学生为主体的学习相关者在新技术、新平台、新生态的支持之下,通过对学习资源、学习行为和学习进程进行计划、组织、领导和控制等活动来实现既定学习目标的过程。

学习管理有其明确的研究对象,即学生的学习过程。学习管理的目标是明确的,就是要在大数据与人工智能的支持之下,以最合理的资源配置、最优的学习效率来最大限度地达成预定学习目标。具体而言,就是要在新的数据和技术环境下,充分发挥教育服务供给侧的能力优势、发挥互联网全方位的优质资源获取、信息传播优势,通过重构学习模式和流程,在实现对学习者进行精准评价(数据画像)的基础上,设计更符合学生认知特点和个体偏好的学习资源遴选与过程组织方式,设计在既有教学考核目标之下的精准的、实时动态更新的个性化学习方案,在提升学习效果的同时实现学习效率的优化。

2.基本思想:学习管理即学习优化

著名管理学家、诺贝尔经济学奖获得者赫伯特·西蒙指出:管理就是决策[22]。决策指人们在各项选择中围绕目标做出决定的复杂思维与操作过程,其核心在于行动选择,即从各种方案中筛选出最优方案。管理的全过程就是一个完整的决策过程,也就是说决策贯穿于管理的全过程。不仅选择行动方案是决策,制定计划是决策,行动的组织、实施、控制等等每个环节都存在着决策问题,所以说管理即决策。

将这一思想映射至学习管理问题当中,我们提出:学习管理即学习优化——学习管理,就是要在学习的全程中开展实时的科学决策、探寻每一学习环节中的最优学习行为,也即是学生资源、学习资源等各类资源的优化配置方案。

3.核心主张:面向教育供给能力释放的教育模式创新与学习流程再造

为了实现上述最优化配置,关键之处是在凸显学习目标的基础上构建学习目标与学习行为之间的定量化的、科学的关系模型。这一任务的达成,首先需要明确作为其理念贯彻与数据来源载体的“学习模式”。

仅就“教学”层面而言,当前互联网、信息技术对传统教育模式的支持正在不同程度的实施当中。一个值得赞赏的典型案例是北京市中学教师开放型在线辅导计划(简称“双师服务”),该项目推动全市区级及以上骨干教师在课后上网,通过教师在线实时辅导、互动课堂专题辅导等方式,为中学生提供个性化、一对一的在线辅导服务。“双师服务”的效果已经在实践中得到了检验,超过90%以上的教师、学生、家长表示满意和肯定。另一方面我们应该看到,这一以“师生课后一对一辅导”为核心竞争力的模式,仍然是对传统教学模式的局部改良,而不是在解放新时代教育生产力的路径之下的颠覆性探索。

在互联网、云计算、大数据与人工智能支持下,我们认为,颠覆性探索的内涵指的是:面向充分发挥新时代几乎无限的教育服务供给能力来重构教育流程和教育模式。为此,面向新时代的学习管理与学习优化,我们提出如下观点和主张:

(1)倡导思维层面的变革:大数据思维

在信息实现数据化的前提下,我们认为应摒弃“有什么(数据)吃什么(数据)”的数据分析思维,提出“吃什么(数据)有什么(数据)”的新要求,即所谓大数据思维:在意识到世界数据化的基础上,人们将认识到借助数量化分析技术和手段能够更精准地认识事物、事物与事物之间的关系,而更关键的是,这一“认知世界”层面的变化必将推动“改造世界”层面的颠覆性变革:我们应积极探索、创新,提出“大数据设定”背景下的具体的创新方案,进而反向创建该创新方案所需的数据化环境、流程、架构与运作模式等,实现创新方案的落地。这意味着,在大数据思维的支持下,基于大数据与人工智能的支持,人类的创新能力能够获得前所未有的自由和爆发式发展。

对于教育领域而言,在大数据思维的推动下,教育变革的起点将被重新确定为大数据思维下的教育创新方案:如果教育行为信息能够被数据化,那么,在大数据与人工智能相应技术支持下,面向释放教育生产力,我们能做什么?从这个意义上说,创新能力是新时代发展的第一驱动力。

(2)倡导以学生个体为对象的精准个性化学习模式

提倡因材施教的个性化教育不是新时代的新概念、新名词,而是自先秦时代以来即为人们所推崇的理想教育形式[23]。这一模式在历史实践中始终只是一个理想,其根本原因即在于教育资源和认识能力的限制。

同时,长期以来,人们在个性化教育特别是个性化教学层面进行了不懈的探索。作为一个典型案例,“教学对象细分”在以往的教学实践中已经开展了很多的研究和应用并获得了良好的效果和效率。

在新时代教育服务能力无限扩容的背景下,我们提出:教学对象细分应该并且可以做到极致——每一类对象仅包含一位学生。在学习管理的概念之下,我们提出了如图1所示的精准个性化学习模式。这一模式强调在数据化环境之下通过对知识点、学生、学习材料等的群体数据进行动态分析来描述学生和资源的个体特征,进而为之提供动态调整的、序贯的阶段最优学习方案。

图1 以学生个体为对象的精准个性化学习模式框架

这一模式及其流程并不复杂,继承了古已有之的个性化教育“因材施教”的理念,其最关键的区别(或者说困难)在于该流程的诸多环节均需要做出科学的决策:如何评估学生和学习资源的特征?如何给予实际学习数据对其特征参数进行修正?如何生成、推荐哪些新的学习内容、资源?等等。另一方面,决策人人会做,挑战在于,如何保证决策是科学的、可信的、可靠的?——在数据化背景下,这是教育理论研究不能回避、必须直面的问题,也即是学习管理的核心科学问题。

(3)倡导课堂与个性化协同的学习流程再造

从本质上说,在人工智能与大数据带来的几乎无限的教育服务供给能力支持下,通过构建智慧学习系统来为学生个体提供量身定制的、实时动态更新的、最优化的学习方案,就是为每位学生提供了一个无处不在的、无所不能的(在教学意义上)、贴身的人工智能教师。

在可预见的未来,课堂集中授课模式仍将是学生学习的主流模式。着眼于发挥人工智能+教育的社会意义和技术价值,将人工智能推进课堂是一个不可能绕过的路径节点,而碰触该节点时马上就将直面一个重大挑战:从表象上说,一位老师与多位人工智能虚拟老师如何共存?从实施层次上说,人工智能教师的存在能够为作为施行者的教师、学校带来什么价值?从根源上说,“集中教学以提高整体学习效率”的课堂教学教育理念与“一对一精准教学以提高个体学习效率”的个性化教育理念如何共存?

我们认为,学习流程再造是应对挑战的必然的路径和对策。

所谓学习流程再造,借鉴于业务流程再造思想。业务流程再造(Business Process Reengineering,BPR)是一类先进的管理思想和方法,强调“对组织的业务流程作根本性的思考和彻底性重建,其目的是在成本、质量、服务和速度等方面取得显著性的、戏剧性的改善,使得组织能最大限度地适应以顾客、竞争、变化为特征的现代环境”[24]。

“业务流程再造”源自于20世纪90年代以来企业信息化发展的实践。20世纪60、70年代信息技术革命使经营环境和运作方式发生了很大的变化,企业面临着严峻挑战,主要呈现为:第一,消费者在商业关系中日益占据了主导权,并对产品和服务有了更高的要求;第二,技术进步使竞争的方式和手段不断发展,发生了根本性的变化;第三,信息技术推动了消费者需求进一步个性化,进而迫使在大量生产、大量消费的环境下发展起来的企业经营管理模式无法适应快速变化的市场。在这些全新挑战面前,企业只有在更高水平上进行根本性的改革与创新才能保持自身的竞争能力。

就实施程序而言,业务流程再造主要包括[25]:对原有流程进行全面的功能和效率分析,发现其存在问题;设计新的流程改进方案,并进行评估;制定与流程改进方案相配套的组织结构、人力资源配置和业务规范等方面的改进规划,形成系统的企业再造方案;组织实施与持续改善等。

很显然,业务流程再造思想与方法的提出背景,与当前人工智能与大数据对教育带来机遇和挑战的态势有很大的类似之处。在借鉴流程再造理论的基础上,我们提出面向精准个性化学习流程再造的原则和基本方向如下:

a.原则:学习流程再造必须是激励相容的

学习流程再造必须建立在对教师与学生的实际需求基础上,换言之,应充分考虑教师和学生作为新技术接受者和应用者的主角地位,强调变革前后师生的获得感,明确只有真正对教师和学生有用的模式才是可持续的模式。

b.再造知识体系与知识图谱:学科共性与学生个性相结合

当前学科知识图谱的构建主要基于专家思维。在大数据与人工智能技术支持下,专家思维应与机器学习思维紧密结合,积极探索实现学科共性架构与学生个性路径权重的协同机制与技术路线。

c.再造课堂授课模式:教师数据画像与自适应教学助手演化

厘清教师痛点,推进人工智能与大数据对于教师备课、课堂作业发布与评估、课中实时效果评估、实时进程调整等各个环节优化决策的教学辅助,在教学过程数据化基础上构建教学全程一体化资源库与决策支持系统,在历史数据分析基础上开展持续的教师风格、特点、能力等分析,完成教师数据画像,结合学生评估与数据画像,最终形成面向教师授课辅助的自适应人工智能教学助手。

d.再造作业流程:实现学习管理的优化决策

作业发布、完成、批改与分析,是教学的重要组成部分。如前所述,在大数据与人工智能支持下开展个性化作业模型、流程与系统重构,是精准个性化学习管理理念的重要组成环节。当前基于单一答案型作业的批改、评价与分析机制及其系统实现路径已有一定研究成果,关键的难点在于对人类深层次逻辑推理过程的评价,亟待科技攻关。

e.再造学习绩效评估机制:贯穿学习全程的学生数据画像机制设计

在联通课堂与课外的数据化学习行为的基础上,对于学生学习过程与结果的信息记录较为充分,因此理论上应能获得对学生特征的更为立体和精准的把握。换言之,在机器学习等技术支持下,贯穿学习全程开展对学生的实时、动态更新的学习绩效评估(包含学习风格与偏好等的评估)获得可能性和必要性,相应地,定量化地、科学地再造学习绩效评估机制成为一个重要的方向。

f.再造学习激励机制

教育过程,尤其是初等教育阶段的学习过程,提高课堂讲授效果的努力时刻离不开对学生心理的把握、正向调节和激励。在无处不在的人工智能虚拟教师支持下,如何推动学习激励机制变革无疑是一个极具教育意义的新型教育研究课题。

(4)倡导教育基础设施意义上的精准教育生态圈建设

当前人类社会号称进入了大数据时代,但是必须认清一个现实:大数据时代与数据化时代是两个概念——人类社会远远没有进入完全数据化的时代。这意味着,除去电商平台精准营销、阿尔法围棋、无人驾驶等少数的完全数据化场景之外,不经主动建构,现实中的行为数据通常是零星的、片面的、孤立的,基于此开展所谓大数据分析,无异于盲人摸象,挂一漏万的分析过程使得其结论形成的逻辑、科学性和可靠性无法保障。

因此,在大数据思维的指导下,基于学习管理理念的精准个性化学习模式创新,需要建设其相应的完备的数据化教育场景——或者说精准个性化学习模式的实施载体:教育基础设施意义上的精准教育生态圈(如图2所示)。

图2 精准教育生态圈模型

精准教育生态圈模型的内涵在于:通过构建精准个性化学习模式和流程及其数据化教育环境,纳入全体政府、学校、学生、教师、家长、企业等教育相关者的数据,进而建立科学学习管理流程中的诸多决策模型和算法,在人工智能支持下为各利益相关方特别是学生学习目标的达成提供科学的动态解决方案。

倡导教育基础设施意义上的精准教育生态圈建设有五层含义:

第一,强调顶层设计与政策引领的必要性和重要性。在人工智能的支持下释放无限扩容的教育服务供给能力,是前所未有之变局,是系统性变革,涉及教育的诸多层面,不是某个学校或企业能够胜任的创新工程,唯有从顶层设计的高度通过政策引领方能来推动创新实践的探索与变革[26]。

第二,强调人工智能支持下的“集中”。学习管理的根本价值,从管理意义上描述,就是通过集中管控来实现降本增效。本,就是学生、国家、社会付出的学习时间、场所、人力、资金等成本;效,就是包含学习效果、学习效率等在内的教育成效。教育供给侧的能力扩容,使得全国一盘棋意义下的“集中”成为可能:集中分析、集中决策、集中调度、集中管控,如:对优质的学习资源进行遴选、建设、传播,对学生个体的精准认知,对教育方案的优化等等。

第三,强调其教育基础设施的属性和战略地位。同样,新时代诸多有远见的企业、学校纷纷制定自身的人工智能竞争战略,当前各种教育App层出不穷。然而,对精准教育生态圈的定位不能停留在企业与学校的竞争利器的层面。因其对国家教育公平与发展、新时代教育使命达成、教育模式创新和教育实践的效果与效率的深远影响,精准教育生态圈建设应上升至国家教育基础设施的战略定位。

第四,强调“生态圈”。唯有在学习者群体中方能描述个体学生的个性。另一方面,教育系统本身是一个巨型复杂系统,其组成要素之间具有千丝万缕的内在关联,离不开各教育利益相关方的参与与博弈。因此,个体学习效率优化目标的达成必须置身于教育利益相关者构成的生态圈中考量,相应地,作为“精准”的力量基础,“数据化环境建设”需要在生态圈意义之下推行。

第五,强调协同、融合。当前有思潮认为新兴信息技术将“颠覆”学校教育。我们的观点与之相反:“皮之不存,毛将焉附”,离开学校教育来讨论教育大数据、人工智能的社会价值、教育价值,无异于缘木求鱼。另一方面,“教育实践是千秋大计、国家发展之本”,任何教育实践变革,必须尽可能控制风险、循序渐进。

因此,大数据与人工智能支持的精准个性化教育模式,必须找到恰当的融入学校传统课堂教育的实践路径,与之协同、融合发展,方能真正实现新时代教育生产力的解放。

四、总结与展望

我们从新时代教育发展基本矛盾的角度,分析了矛盾构成的演变,提出教育服务供给能力的近乎无限扩容是教育发展与变革的根源;进而探讨了新时代教育理论所面临的挑战与发展的基本问题,分析了在大数据与人工智能支持下学习效率量化与优化的重要性,进而提出了“学习管理”的理念与理论发展主张。

以精准个性化学习模式构建、学习效率量化与优化为主要诉求的学习管理理论,强调在数据化背景下对教育行为的科学认知、预测与控制,其理论主张提出之后,围绕“精准个性化学习优化”的数据化环境构建、个性化学习流程构建、与传统课堂模式的融合、最优化个性化学习方案的动态设计与更新、精准教育生态圈的构建与运行等理论与实践难题,在传统教育理论的基础上积极借鉴和引入复杂系统理论、决策优化理论、流程再造理论、精益管理方法、精准营销与个性化推荐方法等相关学科领域的理论与方法,进一步发展、完善学习管理理论与方法体系,为新时代教育发展实践决策提供理论参考。

猜你喜欢
精准人工智能效率
精准防返贫,才能稳脱贫
提升朗读教学效率的几点思考
2019:人工智能
人工智能与就业
精准的打铁
精准扶贫 齐奔小康
数读人工智能
精准扶贫二首
下一幕,人工智能!
跟踪导练(一)2