随着智能时代的到来，人工智能在多个领域日益发挥其重要的应用价值，我国也积极倡导和支持开展多层次的人工智能教育。在基础教育领域，教育工作者们不断研究与探索人工智能教育的实践，让教育在智能时代得到新的飞跃。小编整理了近日多名教育工作者、教育学者关于人工智能在教育发展中的应用与实践探索研究，与各位老师共享好文。
如何更好地开展中小学人工智能教育
中国远程教育杂志社 《卢宇 等丨智能时代的中小学人工智能教育：总体定位与核心内容领域》
我国人工智能教育在中小学阶段的研究和实践仍处于起步阶段，当前面临课程定位模糊、教学内容分化、学科体系与资源庞杂等现实问题。本研究面向中小学教育阶段，首先对国内外人工智能教育的现状进行了较深入调研，将人工智能教育与现有的相关教育进行了系统比较和辨析，并从智能时代对公民素养要求的角度阐述了中小学人工智能课程的总体定位。在此基础上，基于人工智能学科本身的知识体系与思想方法，本研究提出了适用于中小学阶段人工智能教育的六个核心内容领域。围绕这些内容领域，进一步探讨了课程设计的基本原则。为更好地开展中小学人工智能教育，本研究提出以下建议：
1. 自上而下：开展协同育人，培养专业师资
相关政府部门可以联合高校专家团队、行业协会、科技企业、一线中小学等共同组成工作组，发挥各方优势，从课程内容设计、资源平台开发、教师培养培训等方面进行规范化与系统化建设。政府部门进行总体规划，高校专家团队与行业协会提供理论和实践指导，有资质的科技企业承担平台与工具的开发。同时，针对当前大多数中小学一线信息技术教师尚不具备人工智能学科基本知识和素养的现状，开展大规模在职教师培训，并积极变革教育技术专业师范生培养方案。另外，可以搭建多种形式的国际交流平台，鼓励不同层次骨干人才开展国际交流、研讨与合作，以促进本学科先进教学理念的传播和成果分享，从而提高我国人工智能教育人才的整体水平。
2. 自下而上：挖掘典型成果，辐射带动区域
开展全国性的征选评选，挖掘来自一线的人工智能教育成果，包括课程体系、创新项目、综合实践活动、研究型学习活动等多种形式，积极评选示范区、示范校、示范班与示范教师，并开展线上线下宣传和交流分享活动。在此过程中，对不科学、不规范、不合理的课程和工具资源进行整改与规范。最终可以将优质教案、资源、课堂实录等加工整理形成体系化、结构化的案例集、资源库、教案库，免费向社会和一线教师开放，并在大规模教学实践中持续迭代与优化，最终构建具有中国特色的国家级中小学人工智能教育共享与示范平台。
人工智能从哪些方面赋能教育
中国远程教育杂志社 《郑永和 等丨智能时代的教育科学研究：内涵、逻辑框架与实践进路》
新兴科学与技术正逐渐渗透到当代教育的各方面，对个体学习、课堂教学、规律探索、现象诠释等产生了深刻影响，革新了教育的服务业态。智能服务层作为智能时代教育科学研究的实现样态，是基础规律和技术方法的落脚点。对智能服务层的个体学习、教师教学、教育评价、教育供给和教育治理这几个方面展开探索，既能反哺教育基础规律的深入研究，同时还能为教学过程中智能技术的优化迭代提供可靠的证据支撑，最终形成动态稳定、健康循环的教育科学研究新生态。
1. 学习
智能时代的教育更注重学习者的个性化体验、学习情境的感知性与灵活性，强调学习过程的跟踪以及行为数据的深度分析，强调学习方式的多元化。为实现教育资源的精准化推送和学习路径的自适应测评，首先要对资源进行结构化表征，构建面向资源表征、组织和计算的精准化、细粒度资源分类体系，构建多学科融合的知识图谱，获取知识概念及其上下位关系，实现知识的组织模式、表征模式和计算模式的深度融合，进而实现个体知识图谱的动态生成，为精准化学习资源的推荐和自适应学习路径的规划提供支持。同时，要对学习者建模，利用教育学、心理学、神经科学、认知科学等领域的理论和方法，对学习者的内部心理机制和外部行为结构进行深入剖析，借助人工智能技术实现基于多模态感知的全时空多维度数据采集，对学习者“认知、行为、情感、交互”等潜在特征进行深入的挖掘分析，实现对学习者知识构建模式、认知发展规律和情感发生机制的深层解析（黄涛, 等, 2020）。然后，要利用人工智能的方法对学习者和知识之间的潜在关系进行深层次理解与表征，探究个体的知识结构和教学资源之间的潜在逻辑关系，对特定教育情境下的学习需求进行诊断，建立个性化学习路径模型，为学习者提供精准的资源推荐和学习路径规划服务。
2. 教学
如今，教学方式由以教师、课本为中心的填鸭式教学，逐渐转变为信息技术支持下的混合式教学、协作式学习等，跨学科交叉的STEAM教育、创客教育也是社会进步、信息技术发展与教育理念转变的综合性结果，突出了多领域融合、多技能发展的复合型人才这一培养目标。同时，传统教学工具由于受到使用场地、操作安全性、数量与体积的限制，无法灵活、有效地运用于教学，大大降低了教学效率。科学与技术的嵌入使得教学工具自然成为教学过程的有机组成部分，无须单独考虑其存在，其非单一、强交互的教学内容呈现工具、虚拟教具与一体化管理软件，为教学开展提供了巨大便利。对于教学的进一步研究，需利用认知科学、神经科学、心理学、信息科学、复杂性科学等理论和方法多角度解析学科差异、年级差异、性别差异、认知差异下的教学规律，由实验室研究逐渐转向真实的课堂情境研究。同时，结合人工智能、云计算、物联网、大数据等技术，探索新教学模式对教学产生影响的机理机制，提出科学、合理的教学优化路径，助力智能时代的教学变革。
3. 教育评价
面对传统教育评价维度单一、手段不足、结果导向等问题，智能时代教育评价的理念和方式强调，在遵循个体认知发展规律和教育自身规律的基础上，采用数据驱动的研究范式，重点突破非侵入式、普适化、科学化的行为感知计算，研究基于大数据技术的行为感知计算、量化分析、评价建模等机制与方法，推动教育评价向精准化、智能化方向发展。针对学习成效的评价研究，通过多设备采集教学过程中的行为、心理、生理数据，建立基于多模态数据的学习评价量化分析模型与预测模型，研究面向长周期、多层面的精准学习评价模式及有效性验证方法，揭示学习能力与学习表现之间的关系及规律。针对核心素养的评价研究，分析创新素养、数字化素养和职业与生活技能中各概念之间的层次关系和逻辑关系，提出概念分类的方法，建立科学的评价指标体系，通过交互式人机会话智能测试模型和编码体系，采集思维活动的过程性数据和结果性数据，提出不同素养的综合性测试方法，并构建自适应的素养诊断性综合评价模型。针对学校、区域的教育质量评价研究，重点构建教育评价综合指数（吴砥, 2020），通过校际或区域教育数据管理平台采集的过程性数据和表现性数据，反映不同时空下的教育发展方向和发展程度，精准定位发展现状与问题，促进教育质量的综合评价向可视化、科学化和智能化迈进，提高智能时代的教育管理效能。
4. 教育供给
针对目前教育供给内容质量不高、供给方式落后等问题，亟须加大数字化教育资源的建设力度，建立优质资源的共建共享机制，利用智能技术实现虚实融合的新型教育服务，实现学习全过程的数字化、精准化、智能化和个性化；针对教育资源分配及劳动力结构不合理等问题，借助人工智能增强教师的部分职能，赋能贫困地区的教师教学，通过教育管理流程的自动化，使教师资源分配向不发达地区投放，分析学习模式并优化学习过程以确保学习质量，可以克服弱势群体接受教育的语言和地域障碍。进一步，利用人工智能、数据科学、生态学、复杂性科学等梳理教育生态系统与外部环境之间、学校教育生态系统内部的要素关系，在教育资源分配、教育劳动力结构调整、教育单位成本计算、社会协同供给优化等方面提供精准化、智能化的数据支撑和决策支持；利用信息科学、认知科学、神经科学、数据科学、学习科学等领域，从教育主体的行为、心理和生理层面构建准确完善的学习者模型，深度挖掘学习行为的个性化特征，以此提供更优质的个性化学习支持服务，实现共性需求与个性需求共生的供给结构，构建智能时代的消费驱动、个性化优先的新型供给体系。
5. 教育治理
教育治理是多元主体民主参与、共同管理教育公共事务的过程（褚宏启, 2014），是国家治理的重要组成部分。信息技术的飞跃式发展极大促进了教育管理信息化，提升了教育治理能力，发挥了精准决策支持、多方参与、分层实施及优化等重要作用。其中，大数据和人工智能技术是探究新时代教育生态治理体系和治理能力变革的核心，以动态发展的研究视角进一步构建基于海量、异构、多维的教育大数据综合治理模型是关键。利用数据科学的思想与方法，采集教育生态系统中全时空、多主体、多模态数据并进行精准化建模分析，进而模拟教育生态系统不同层级中教育要素之间的交互机制和系统发展规律，对与教育治理相关的资源、环境、政策等要素进行综合考量，探究相关构成要素在教育系统治理中的价值本位，从而理清智能时代教育生态系统的内部运作模式与要素间的影响机制，为教育治理的流程重组与结构再造提供科学决策证据，助力建设有序、高效、公平的智能时代教育治理新格局。
人工智能带来怎样的“教”“学”新模式
中国远程教育杂志社《刘妍 等丨人工智能将带来怎样的学习未来 ——基于国际教育核心期刊和发展报告的质性元分析研究》
近年来，人工智能、大数据分析和深度学习、云计算等技术“井喷”式突破，促使智能技术在各个领域的运用不断深化，与之相应的面向信息化、网络化、数字化和智能化手段变革未来学习的研究也不断增多。通过对近10年的未来学习和教育的研究文献和报告进行分析，我们发现未来研究已经广泛用于各个学习阶段，并且AI技术和经济发展很大程度上影响了学习过程和环境，推动了知识内容和资源呈现方式的变革。从预测领域和内容来看，从单向媒体技术到虚拟和增强现实技术，从“死记硬背”知识到碎片化获取信息，从工厂化学习到差异化和个性化学习，从单一学科能力到综合素养，再到适应性的终身学习，未来学习在方方面面都将发生变化。本研究综合上述分析结论，从学习方式、能力培养和智能技术支持三个方面勾勒学习的未来图景。
（一）从线下的传统学习到混合式、个性化的大规模学习
一场新冠肺炎（COVID-19）疫情无疑深刻影响了我们传统学习的方式，凸显利用技术开展教学的必要性。正因如此，学习方式也“被迫”过渡到混合式的、规模化的学习，学生将有更多的机会在不同的时间、不同的地方学习。数字化学习工具也为远程自主学习提供了便利。目前视频电话、在线教科书和预先录制的讲座作为传统课堂的补充，弥补了黑板授课的不足。当下的变革大多存在于高等教育和非正式学习阶段，少见于幼儿园、K12阶段。未来学习将在更大程度上强调学习空间和资源的开放性、适应性和差异性。在未来，“免费”的学习机会随处可见，这或许标志着现有课程结构的衰落和学校制度的瓦解，知识成为社会性概念，知识产生于共享的经历。以智能技术支持的个性化学习有可能满足每一位学习者的需求，更是在体量上能够支持大规模学习者的个性化教与学过程。
从当前的班级制标准化教育到实现随时随处随需的个性化教育，“适应性”得以实现的程度取决于标准化课堂中教学关系的破坏创新程度。由于人工智能将被用于自动化生产过程，我们可能需要重塑现有的教育机构。2020年，Kaltura公司（全球开源视频公司）对1,400名教育工作者的调查结果显示，他们中大多数人表示未来的教室将采取以自定步调和个性化学习为中心的学习方式。未来学习将允许学生根据个人兴趣选择他们自己的学习节奏和学习目标，也可以由人工智能、智能辅学机器人等引导完成相关选择。AI将在教育领域识别学生知道什么或不知道什么，然后为每个学生推荐个性化的课程，也就是说，规模化的个性化学习有可能逐步开展。
（二）从单一学科知识的培养到综合能力的提升
随着人工智能的发展与融合，社会对人才的需求呈现出多元化趋势，而人才的综合素质与学生发展紧密相关。教育领域的知识观呈现由单一向综合发展的趋势，这一视角下的适应性学习也因此呈现由结构化知识掌握到综合素养发展的趋势。人工智能在教学和知识开发中的潜力将是无限的。未来知识的获取和掌握将是多元的和跨学科的。把知识和技能分开是不可能的，重要的是要认识到它们的区别及相互依存性。人工智能系统可以很容易地获取和处理知识，迅速地建立知识体系的大量表象，这些表象可以被用来帮助我们发展知识和学习事实。传统课堂中“题海战术”优化策略，旨在通过做题来评估、诊断学习者知识状态，以提高学习者在结构化知识点上的掌握水平，是适应性目标的下限，也意味着对单一知识的掌握。综合能力作为适应性学习的目标，对应于未来社会对人才全面发展的需求，将通过诊断学习者在拟真问题解决情境中的多模态行为数据评估其素养发展水平，并据此提供适合其认知发展及情感适应性的发展路径，是适应性目标的上限。
未来学习需要培养高阶技能适应未来社会发展的需求（顾小清, 2021）。在人工智能时代，社会对人才的需求呈现出多元化与精益化的发展趋势。现代社会是流动的、开放的、充满不确定性的，未来人类需要在更复杂的情境中完成更多非常规的认知任务，这就需要综合运用各类知识与技能，个体也将在技能、态度、情感与价值观等的养成与取向上接受考验。要建立人才培养与劳动力市场需求之间正向的反馈循环关系，逐步化解未来技能需求和能力培养差距的问题。
（三）从传统教学决策和场景到AI技术和数据驱动的适应性评价
实现大规模、公平化和个性化的学习是一直追求的目标，需要识别和发现学习者的个性特征。过去，由于缺乏获取和分析信息的手段与方法，数据是在周期性、阶段性的评估中获得，凸显的是群体水平，诠释的是宏观教育状况，缺乏对学习者的特点和个性差异的了解，无法为其提供支持性学习服务。而教育大数据具备数据量大、产生速度快、数据多样的特点，正好适应了个性化和人性化的学习变化，从而推进传统教学评价和决策走向依赖数据的精准评价和诊断。在大数据时代，教育过程中的一切行为都可以转化为教育大数据，数据的产生完全是过程性的，于是有可能去关注每一个个体学生的微观表现。有效、全面、精准的学习评价是构建适应性学习服务的前提条件。
人工智能技术和教育数据在教育服务提供和课程设计中有着不可低估的潜力和价值。随着数据的积累，人工智能在教育中的应用很可能会经过三个阶段直至成熟稳定。在第一阶段，学生数据收集不足将会限制机器学习，人工智能硬件成本仍然很高，学生将被限制使用原始的自适应学习工具，教师也只能主要根据他们的输入来获取内容，而且学生的数据也非常有限。在第二阶段，技术强化的教室为大规模人工智能应用奠定了基础。数据隐私政策和人工智能的进步将促进更全面地收集学生数据以改善教育，而不断下降的人工智能硬件成本将推动人工智能的广泛使用。教室将配备视频和音频采集设备、手写识别工具，并可能与现有的可穿戴技术相结合，以支持对学生和教师的行为和互动进行分析。因此，学生将获得更多由人工智能推荐的复杂作业和补充内容，以补充课堂学习，教师则可以利用更大的数据集以及实时分析，为学生创造更个性化的学习体验。在第三阶段，将建立起一个互联的教育平台提供相关服务，这将极大地改变学习体验。基于学生的数据和人工智能的强大基础，加上支持的技术进步，将进一步加速人工智能的使用。
本文整编自中国远程教育杂志社 （ID :chinadisedu）