人工智能可以从个性化学习方式和教育评价两个方面来影响教育过程。一是人工智能可以促进个性化学习。 ... EdX、Coursera和Udacity中的一些很受欢迎的MOOC，都在使用自然语言理解、机器学习和众包技术，来对学生的回答、论文以及作业打分。 ...

2021 年第10 期 中小学数字化教学 | 5 人工智能赋能教育专题 2017 年7 月，国务院正式印发《新一代人 工智能发展规划》，强调利用智能技术加快推动 人才培养模式改革和教学方法改革，构建包括 智能学习、交互式学习在内的新型教育体系 [1]。 2018 年4 月，教育部出台了《高等学校人工智 能创新行动计划》，倡导推进智能教育发展，探 索基于人工智能的新教学模式，重构教学流程， 并运用人工智能开展教学过程监测、学情分析和 学业水平诊断 [2]。 近年来，人工智能技术得到了长足发展，尤 其在计算机视觉、机器学习等方向与教育的结合 日趋紧密，人工智能在教育领域中的应用呈现出 快速增长的趋势。特别是在2015 年之后，人工 智能的各类教育应用不断涌现，也催生了一批致 力于以人工智能赋能教育的企业。在国家政策和 产业界双重推动的背景下，人工智能的多项关键 技术正在教育领域发挥着越来越重要的作用，并 逐步得到广泛应用。 一、人工智能教育应用的内涵与关键 技术 对于人工智能本身，学术界的定义并不统一， 但公认的基本思想是利用智能机器来模拟人的智 能，感知、学习、理解并最终解决生活中和某个 领域中的实际问题。人工智能的教育应用可以理 解为将人工智能技术融入教育核心业务与场景， 文 | 卢 宇 马安瑶 陈鹏鹤 人工智能+ 教育：关键技术及典型应用场景 人工智能技术正在教育领域发挥着越来越重要的作用。当前，教育领域的人工智能关键技术主要有机器学 习、知识图谱、自然语言处理、机器人与智能控制等，其典型应用场景包括智能教育环境、智能学习过程 支持、智能教育评价、智能教师助理、教育智能管理与服务等。人工智能在教育中的应用极大提升了教育 基础设施、学习过程、评价手段、辅助方法、管理能力等领域的智能化与科学化水平。 关键词：人工智能；智能教育；人工智能教育应用；关键技术；应用场景 摘要： 促进关键业务流程的自动化与关键教育场景的智 能化，从而大幅提高教育工作者和学习者的效率， 创新教育教学生态。 当前，多项人工智能技术正逐步在教育领域 开展应用，包括机器学习、知识图谱、自然语言 处理、机器人与智能控制等（如图1）。每项技 术都具有较强的应用价值与丰富的教育应用方式。 图1 人工智能关键技术 （一）机器学习 简单来说，机器学习是指机器通过对客观世 界的观察获得经验，再利用经验改善自身性能的 过程。典型的机器学习包括监督式学习、非监督 式学习和强化学习等。其中，监督式学习是较为 常用的一种，其工作原理是，机器基于一定规模 的客观数据，利用特定的算法和模型，自动学习 数据中所蕴含的规律性信息，从而帮助人们解决 实际问题。如果模型是基于多层人工神经网络构 6 | 人工智能+ 教育：关键技术及典型应用场景 人工智能赋能教育专题 建的，那么这一类监督式学习通常被称为深度学 习。深度学习也是当前人工智能领域的研究热点， 大量相关的技术和模型已经被应用于社会的各个 领域。机器学习在教育中也已有较为广泛的应用。 例如，基于所采集的学生多维度数据，学校和教 师可以对学生的学业成绩做出预测，对其可能的 学习障碍和困难进行分析，对其退学（尤其在慕 课学习环境中）的风险进行预警等。 （二）知识图谱 知识图谱是基于图的一种结构化的知识表示 方式，本质上是一种大规模语义网络，包含较大 数量的实体以及实体之间的多种语义关系。它可 以较为高效地对海量数据进行存储与检索。知识 图谱最早被用于网络搜索引擎技术中，以帮助用 户从搜索中直接得到所需的答案。这类知识图谱 通常涵盖大量的常识性信息，其实体与实体间关 系的数量规模通常也较大，一般有千万个实体与 上亿个实体间关系的规模。 教育领域有构建简单知识地图与思维导图 的传统，但建立知识地图与思维导图的主要目 的是促进教学，从严格意义上说并不属于知识 图谱的范畴。近年来，教育知识图谱的构建逐 渐活跃，尤其是相继建立了针对慕课平台上的 课程类知识图谱以及针对中小学学科类的知识 图谱，但在总体规模上，这两类图谱与通用知 识图谱相比要小得多。基于所构建的教育知识 图谱，智能化教育系统可以自动解答学生所提 出的学科知识类的问题。另外，基于教育知识 图谱，系统还可以进行相关教学资源与课程的 个性化、精准化推荐。 （三）自然语言处理 自然语言处理技术主要用来实现人与智能机 器之间通过自然语言进行有效交互。人类所使用 的自然语言，通常其语言结构与语义信息较为复 杂。因此，自然语言处理技术是人工智能领域难 度较大的技术之一，目前仍处于较为初级的阶段。 简单而言，自然语言处理技术可分为基础技术和 应用技术两类。基础技术包括词法与句法分析、 语义分析、语篇分析等，应用技术包括机器翻译、 信息检索、情感分析、文字识别等。当前，自然 语言处理技术在教育中也有诸多应用。例如，短 文自动评分系统已经在GMAT 和TOFEL 考试 中使用多年，并被不断改进以接近人类的评分水 平。口语自动测评系统也已经开始广泛应用于中 考等关键性考试，并已被嵌入各类语言学习软件 中应用。 （四）机器人与智能控制 机器人作为人工智能技术的主要载体之一， 涵盖了智能感知与推理、规划与决策、控制与交 互等。机器人当前在无人驾驶、室内服务、物流 运输、极端环境等多个领域均有运用。教育领域 的机器人可以简单分为教育服务类机器人与教学 用途类机器人。教育服务类机器人通常作为不可 拆分的软硬件整体，直接服务于教学过程，完成 特定的教学任务，如通过与学生的互动完成知识 传授或情感陪伴。教学用途类机器人则通常由可 拆分组合的硬件以及可编程的软件组成，作为机 器人教育的载体或STEM、创客课程的教学辅助 工具。 二、人工智能技术的典型应用场景 基于上述关键技术，人工智能教育应用有五 个典型场景：智能教育环境、智能学习过程支持、 智能教育评价、智能教师助理、教育智能管理与 服务 [3]，具体如图2 所示。 （一）智能教育环境 智能教育环境指具备智能感知和交互能力的 教学环境，可以进行多模态的教育信息采集，并 满足多样化的学习需求。基于人工智能的各项关 键技术，当前教育环境中的典型应用包括校园安 全监测与预警、智能教室和智能图书馆等。 1.

近年来，人工智能发展迅猛，在理论和技术方面日益成熟。2016年3月，Alpha Go战胜世界围棋冠军李世石，在轰动全球的同时也让世界更加关注人工智能的开发和应用。当前，人工智能已广泛应用于多个领域，在教育领域的应用和成就尤为显著，极大地推动了教育的改革与创新，使得“人工智能+教育”成为新趋势。2019年5月，习近平总书记在《向国际人工智能与教育大会致贺信》中指出，“人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代”。如果把教育比作一个系统，人工智能就是一种“外来物种”。当前的教育系统从目标到内容、从制度到流程都带有较强的固定性，其中的要素相对单一。作为“外来物种”的人工智能发挥其优势，将单一的生态系统转变为丰富的生态系统，增加系统的构成要素，增强系统的缓冲性，提升系统的抗崩溃性。 人工智能应用于教育领域 人工智能是用人工的方法在机器上实现的智能，或者说是人们使用机器模拟人类和其他生物的自然智能，包括感知能力、记忆和思维能力、行为能力、语言能力等。在某种程度上可以说，人工智能就是在机器上实现类人的教育，或者说是对机器实施教育。目前，人工智能的主要发展方向是通过机器模仿和执行人脑的部分功能，其主要运作方式是对大数据进行推理和运算，通过运算模拟人脑的思维方式，将人类从部分脑力劳动中解放出来。人工智能发展至今已引入智能识别、自然语言理解、学习分析、虚拟现实、教育机器人等技术，为人工智能在教育领域的应用奠定了技术基础。当前，人工智能在教育领域的应用形式主要有四种：智能测评系统、智能教学系统、虚拟现实教育和教育机器人。 1.智能测评系统。人工智能引入文字识别和语音识别等技术后，能够快速、高效、准确地批改学生的作业。除此之外，能够根据作业的批改结果对学生的学习情况进行智能评估，生成个性化反馈。这不仅减轻了教师的课后负担，使教师能够将精力更多地放在课堂教学上，还能够帮助教师更直观地了解学生的学习情况，有针对性地制定教学方案，因材施教。 2.智能教学系统。区别于传统的一对多的课堂教学模式，智能教学系统依托网络，能够为学生提供一对一的专属教学服务，对每位学生的学习情况进行精准评估。根据学生的学习进度、对知识的掌握程度等定制专属学习内容、学习计划、学习目标和学习资料。只要有网络，学生可以随时随地进行自主学习和课后答疑。此外，智能教学系统能够根据学生的面部表情、言语表情、知识反馈等可察因素，实现情感感知、预测和调节，进而对学生的情感状态做出积极干预调节。同时，智能教学系统能够根据每位学生的学习反馈，为教师制定相应的教学方案，实现教师教学内容与学生学习进度间的精准对接，从而提高教师的教学水平和学生的学习效率。 3.虚拟现实教育。虚拟现实技术在教育中的应用，极大地丰富了教育的形式和内容。在传统的课堂教学中，学生只能通过教师的描述、平面图解和自己的想象去消化所学知识，对于想象力较差、接受知识的能力较弱的学生而言存在很大的学习负担。虚拟现实教育能够帮助学生突破传统教学空间、形式和内容束缚，为学生创建仿真的教学场景，给学生以身临其境的感觉。通过空间和场景的自由切换，能够增强可视化教学的视觉效果，允许学生在虚拟空间中自由探索，从而培养学习兴趣，激发学习积极性，促进学习效率的提高。 4.教育机器人。作为人工智能在教育中的重要应用，教育机器人发挥了巨大作用。融合多个领域技术的教育机器人，构建了全新的学习环境，改变了传统的教条化教学方式，和教师、学生一起参与到课堂活动中，逐渐成为教学主体之一。教育机器人的加入，能够协助教师开展教学活动，激发学生的学习兴趣，帮助学生解决疑难问题，为课堂氛围注入新的活力。教育机器人回答学生的问题需要连接网络，搜寻信息的过程也是自我更新和学习的过程。通过与学生的频繁交流，教育机器人对学生的了解逐步加深，进而能够因材施教，通过定制学习环境帮助学生层层深入了解各学科知识，有建设性地提高学生的学习能力和思维能力。 人工智能赋能教育改革与创新 人工智能技术的快速发展及其在教育领域的广泛应用，使人工智能与教育融合成为趋势。人工智能促进教育模式、教育理念和教学环境等发生重大改变，我们应重视人工智能给教育带来的积极影响，充分利用人工智能的优势，加快教育改革和创新，使教育跟上人工智能发展的步伐，推动二者协同发展。主要可以从以下几个方面入手。 1.高校开设人工智能相关课程，加强校企合作，培养具有创新意识的人工智能领域人才。人工智能领域的人才通常是多专多能，学校应提供平台让非人工智能专业学生可以在学好本专业知识的基础上辅修人工智能相关课程。高校在开设人工智能相关课程的同时，应同时培养学生的创新意识，并加强校企合作，通过与人工智能相关信息技术企业建立合作关系，为学生创造实践机会，将创新意识同理论知识与实践相结合。只有这样，才能培养出有真才实学的创新型人工智能领域人才。 2.将远程教育与智能测评系统、智能教学系统、网络教学资源、智能答疑系统等人工智能技术相结合，实现个性化教育，促进教育公平。远程教育的本质是网络教育+个性化教学。智能远程教育能够消除因地理位置导致的学习资源上的差异，只要有网络，学生可以随时随地上网学习，搜索浏览海量网络教学资源。不同地区的学生能够通过网络实现教育资源共享，从而拥有受更优质教育的机会。此外，人工智能教学系统能够根据学生的学习情况，生成个性化反馈，为学生定制专属的教学活动，使得教学过程和管理更加有针对性。 3.重新定位教师在教育中的角色，培养智慧教师。人工智能时代，学生的学习方式发生巨大变化，教师的教学方式及对自己角色的定位也应随之作出改变。教师不再仅是单向的知识传输者，而应在人工智能技术的帮助下，与学生建立良好关系，充分利用大数据网络，准确评估学生的能力，帮助学生制订切实可行的学习计划，树立理想的学习目标，激发学习兴趣，端正学习动机，提供个性化辅导。只有当教师的角色实现由教书者向智慧教师的转变，才能充分发挥“人工智能+教育”在教育创新与变革中的作用。 应对人工智能教育应用存在的风险 人工智能技术是一把双刃剑，在促进教育改革和创新的同时也存在一定风险。一方面，人工智能在教育中的应用可能会泄露用户信息。人工智能对教育大数据及云计算、机器学习等技术支持的依赖较大，其本质是通过较多的松散数据与算法所构成的智能程序实现对人脑的模拟。人工智能教育应用以互联网为依托实现资源共享，教育大数据的采集涉及用户的地理位置、手机号码和身份等信息，在资源共享过程中易被泄露。另一方面，人工智能教育应用时刻面临网络攻击的威胁，教育大数据信息可能被篡改，错误或虚假信息肆意传播，影响用户体验效果。 针对人工智能教育应用存在的风险，我们应创建网络安全防御体系，并定期修补系统漏洞，加强对教育大数据的采集和存储的监管；同时，建立健全相关网络安全法律法规，通过法律约束泄露或宣传虚假信息的行为，打击网络攻击行为。这样才能为人工智能教育应用创造良好的发展环境。 总之，人工智能的迅速发展为教育事业赋能，“人工智能+教育”已成为当前教育发展的趋势。在人工智能技术的辅助下，通过对教师角色定位的改变以及为学生提供个性化学习服务，能够推动教育事业的改革与创新。但是，人工智能教育应用自身也存在风险，必须采取相应的风险规避措施，保证用户的信息安全和网络安全，从而促进人工智能和教育更好地协同发展。 （本文系南京师范大学党建与思想政治教育课题“全媒体语境下高校主流意识形态网络话语权创新研究”（DS2019A003）阶段性成果） （作者单位：南京师范大学外国语学院） 责任编辑：张晶 院部总机：010-85195999地址：中国北京建国门内大街5号邮编:100732 版权所有：中国社会科学院京ICP备05072735号京公网安备11010502030146号

数据驱动的人工智能 (Data-Driven AI)是一种通过大量数据来训练和优化机器学习模型的方法。. 这种方法的核心思想是通过大量数据来驱动机器学习模型的训练和优化，从而使其具备更好的性能和准确性。. 数据驱动的人工智能已经成为当今最热门的技术趋势之一 ...

当前人工智能的学习模式主要以数据驱动为主要手段，以深度神经网络为主流的机器学习算法取得了显著进展。但是这种数据驱动的人工智能手段依然面临数据获取成本高、可解释性弱、鲁棒性不强等不足。该文认为在现有机器学习算法中引入先验假设、逻辑规则和方程公式等知识，建立数据和知识 ...

文章浏览阅读884次，点赞17次，收藏12次。本文详细探讨了数据驱动人工智能的核心概念，包括数据驱动方法、机器学习（如线性回归、逻辑回归、支持向量机等）、深度学习和神经网络，以及具体应用实例。同时展望了该领域的未来发展趋势和面临的挑战。