2.4　结论与建议

人工智能与教育的深度融合，一方面使人工智能和大数据技术深入运用于学习环境，为学习者提供更好的学习支持和体验；另一方面优化人工智能教育在不同层次构建人工智能人才培养的新教育内容。这些正是人工智能教育领域最为重要的研究内容。基于对文献的详细分析，本书将从人工智能优化教学内容、提升教学环境、改进教学过程、助力教学评价、深化教育管理5个方面进行总结讨论。

（1）人工智能优化教学内容，完善学生培养体系

技术促进了教育的发展，同时也对教育内容本身提出挑战。在新的时代背景下，如何改变现有人才培养内容和模式，培养面向人工智能领域的高精尖人才，成为新的研究课题。近期，北京市教委下发《北京促进人工智能与教育融合发展行动计划》，构建适应新一代人工智能发展的人才培养体系和科技创新体系。通过将人工智能学习纳入综合社会实践活动和开放性科学实践活动，实施青少年人工智能素养提升工程，全面储备未来人才。在义务教育阶段，现有的创客教育、机器人教育、编程教育等也正在逐渐完善。同时，高中信息技术新课标将人工智能初步纳入必修模块，分为人工智能基础、简单人工智能应用模块开发、人工智能技术发展与应用三大主题内容。职业院校加强了人工智能产业创新创业实践基地建设，加快人工智能与计算机、自动化、数学、心理学、艺术等专业的交叉融合，推动复合型人才培养。由此可以看出，国家战略规划对基础教育、职业教育、高等教育及全民科普教育人才培养内容都提出了不同的要求。

（2）人工智能提升教学环境，激发学生创新能力

智慧学习环境是一种能感知学习情境、识别学习者特征、提供合适的学习资源与便利的互动工具、自动记录学习过程和评测学习结果，以促进学习者有效学习的学习场所或活动空间（张永和等，2012）。人工智能对教学环境的支持应做到对学习内容可以组织和重构，对学习活动可以跟踪和分析，对学习时空可以感知和适应，对教学活动可以评价与支持。为实现这些目标，人工智能技术不仅应提供人与虚拟对象的自然交互、自动识别设备并无缝接入、基于情境感知实现自适应内容调整、提供学习者评价与反馈等即时支持，还应关注学习者与环境的交互行为、学习环境对学习成就的影响等关键要素，制定有效的环境支持策略，提升学生的认知参与度，提高学习效率。更为重要的是，当前人才培养目标正在向具有核心素养的创新型人才过渡，评价标准由结果性评价向过程性评价转变。人工智能对学习环境的支持必然也应顺应这一变化，注重对学生的创新能力培养的支持，即支持拓展实践环境和空间环境，使学习在课上和课下，真实和虚拟环境中都可以随时发生，并能够实时采集各个时间空间维度下的学生全过程信息，进行汇总和整合，实现更加精准的智能导学与基于核心素养能力的个性化评价。

（3）人工智能改进教学过程，提高学生学习效率

人工智能对教学过程的支持，主要针对人工智能技术如何应用在学习过程中的各个场景，即以认知模型、知识模型、环境模型的构建为基础，关注智能技术在学习、诊断、练习、测评等学习过程中的应用。其具体应用体现为智能学伴、智能导师、学习诊断与预警、学情预测和评估系统、特殊教育智能助手等。这些应用借助于人工智能技术，将教学内容以知识图谱的形式进行组织，形成网状的知识依赖图，从而可以以更加科学的方式进行教学，也为个性化的教学奠定了基础。其通过收集海量教学和学习数据，实施细粒度分析，追踪每位学习者的知识和能力发展情况，提升学习分析的精准度，进而为学习者提供及时干预措施和学习辅助。在此过程中，人工智能在教育中的应用与研究应在充分了解学习过程的基础上，积极吸收和借鉴学习科学及认知心理科学等最新研究成果，依据学习者认知特征规律构建更为精准的学习支持模型。

（4）人工智能助力教学评价，促进学生全面发展

人工智能支持评价的一个显著优势是，人工智能通过对教学的支持可以获得更多更丰富的教与学过程中的信息。当前，衡量学生学习的绝大多数指标仍为一些模糊的数据，如学生的自我报告、考试成绩等。这些数据不足以反映学习过程及教学方法的有效性，也不能准确衡量学生学习过程中的表现和问题。更进一步，在当前STEAM跨学科综合项目研究得以倡导的大趋势下，单纯的自我报告或最终成绩更不能客观反映学生的协作能力、问题解决能力等综合素养能力。因而，学术界开始倡导基于证据的STEAM教育研究测量（余胜泉、胡翔，2015），而基于人工智能技术的评价支持则可以有效解决该问题。人工智能支持评价的另一个显著优势是，智能教育评价方式不再像传统评价一样用于学生选拔，而是更可能用于学生个体的改进。传统标准评价所导致的重分数轻能力、重知识传递轻素质培养、重结果轻过程等弊端将得以解决。并且，人工智能对教学过程的支持还将有效改变现有评价方式。技术的多维接入使教师可以应用多样的设备采集任意过程数据，对学生的逻辑思维、情绪体验等进行多角度的综合评价，实现更加精准的智能导学与基于核心素养能力的个性化评价，促进学生全面发展。

（5）人工智能深化教育管理，推进学生高效管理

数据及人工智能技术在教育领域深度融合，将不断推进教育治理方式的变革。大量研究指出，新的时代背景下，如何加快构建现代化的教育管理与监测体系，不断推进管理的精准化和决策的科学化，是信息化时代教育变革的重要内容。智能时代，教育环境将发生深刻变化，传统的教与学模式也将发生变化。教育管理和决策在人工智能技术介入后，由先前的经验管理转变为数据管理，由经验决策转变为数据决策。人工智能对管理的支持主要在于汇聚大量的数据信息，充分利用机器学习、数据挖掘、多维可视化呈现等新的技术方法，对课程个体学习及区域整体学习进行智能化、可视化、全景化的表征，促进规模化教育与个性化教育的均衡化发展。同时，在新的时代背景下，探索推进管理精准化和决策科学化的新路径和新方案，也成为研究界、政策制定者需要高度重视的问题。以人工智能为代表的信息化水平的提高，将更加促进教育决策的科学化和资源配置的精准化，加快形成教育现代化的公共服务体系。

通过对国内人工智能教育研究的讨论分析可以看到，人工智能教育目前在人工智能赋能教育及普及人工智能知识、培养人工智能相关能力两大方面取得了一定的研究成果。但是，总体上该领域的研究仍处于起步阶段。新技术的使用不仅带来教育形态的巨大变革，同时也带来许多新的问题和挑战。

基于此，人工智能教育需要在以下几个方面得到强化。

第一，加强人工智能教育内容的论证。

当前人工智能教育内容处于探索阶段，并无体系化的课程，以各地为代表的各类校本课程层出不穷，内容虽日益丰富，但并没有进行完备的体系化课程建设。这些缺少顶层设计的课程内容，使得当前的人工智能课程缺乏科学性、系统性和规范性。适合中小学人工智能教育场景的数据集和范例较少，造成教材内容趋同，特征不明晰。如何保证人工智能课程的系统化、科学化、规范化，需要教育界、人工智能企业、学术界的进一步深入探索。依据各级政策文件，基础教育阶段的人工智能教育仍以人工智能普及和人工智能素养教育为主要目标。因此，课程建设可以针对不同的学段设置不同的侧重点。课程在小学阶段主要以感知体验为主，在初中阶段主要进行应用实践，在高中阶段主要进行编程验证。课程的内容应注重知识讲解的深入浅出，将人工智能技术的原理、工作过程在学生可以理解的层次上进行可视化呈现。课程设计应重视情境化、游戏化的教学设计，增强体验性、实践性，贯彻启发式、探究式新型教学模式，注重创新能力和合作精神等信息素养的培养。同时人工智能教育资源及区域发展极度不均衡，如何设计普适性人工智能课程，使得边远地区不被环境、资金投入、设备平台所限制，保证教育公平和资源的合理配置，也是人工智能教育将要面临的关键问题。

第二，加强技术进入教学应用的评估。

人工智能教育应用的最终目标是构建智慧教育体系，即千人千面、个性化自适应的智能教育。然而，任何技术的使用都具有两面性。技术应用于教育的研发尤其要遵循教育规律、适应人才成长规律，并在真正进入教育教学过程中时能够接受较为严格的评估。当前，技术进入教学应用的程度、深度、界限都没有得到深入的研究。智能预测、智能推荐对学生的学习情感、学习动机等心理因素是否产生积极影响，推荐和预测程度与学习效果最终是否呈现显著相关，这些都需要科学严谨的实验数据进行检验。因此，人工智能在教育的应用研究应吸收学习科学、心理学、管理学等相关学科的最新研究成果，在全面科学了解学习过程的基础上，给出更为人性化和合理的解释，实现教育最终以人为本的本质诉求。人工智能发展必须基于人类心理和行为及其脑机制的研究，只有对人的心理和学习行为规律有了充分的了解，才能开发出切实提升教育效率和教育质量的人工智能教育产品。同时，应建立完备的人工智能教育产品的安全监管和评估体系。

第三，加强数据安全及伦理问题研究。

人工智能时代，人类社会与物理空间深度交互，数据互通和共享可能存在不可避免的风险和威胁。教育全面数据化必将衍生出隐私泄露、随意预测等一系列的伦理问题。虽然社会各界对安全和伦理问题的关注度和重视程度较高，但实际行动也存在不足。从科研文献检索结果来看，国内极少有文章专门谈及对人工智能时代数据安全和伦理问题的具体保护措施及策略等。在当前技术介入教育的现状下，教育大数据的使用仍处于无监管状态，如何制定数据保密、脱敏等技术规范等问题还未得到重视和解决。这种无序的数据使用情况如果不加以制约，必将产生新的教育负担和不公平。因此，关注教育大数据的采集、使用和传播过程中产生的伦理和透明度问题，加强数据使用的前瞻预防和约束，确保人工智能教育安全可靠可控地发展，不仅需要制定相应的政策，还需要社会各界的共同努力。教育界应将科技伦理教育纳入人工智能教育体系，培养对人工智能技术的伦理安全、风险有明确认知的新一代学习者，以确保我国智能教育快速、有序、健康发展。