|
小星导读
我们的生活已经进入了人工智能（Artificial Intelligence）的时代。而在教育领域，人工智能又有什么样的表现与潜力呢？继上一次有关自适应学习（Adaptive Learning）的分享之后，小星将继续为大家分享培生集团（Pearson）的另一份研究报告，《智能释放》（Intelligence Unleashed），与大家继续讨论这一教育科技领域的新鲜话题。 AlphaGo在与李世石的“人机围棋大战”胜出，使越来越多的大众把目光投向人工智能这一领域。其实，人工智能一直在我们身边，从Siri到无人驾驶汽车，从在线翻译助手到机器人，就连谷歌搜索都是隐藏很深的人工智能——用户的每一次搜索，都是在帮助引擎对用户的需求与偏好进行深度学习。而在教育领域中，人工智能也被进一步广泛地应用。比如小星介绍过的“自适应学习”（adaptive learning），这实际上就是教育人工智能的一部分：“通过自主提供适合每位学生的独立帮助，在现实中与学生进行实时互动”。根据培生集团《智能释放》的报告，小星将分两次为大家仔细解读人工智能。
- 总览：什么是人工智能（AI, Artificial Intelligence）？什么是教育中的人工智能（AIEd, Artificial Intelligence in Education）
- AIEd现阶段的发展情况与发展趋势：AIEd能为我们提供什么帮助？目前市场上较为成熟的应用是什么？
智能科技使我们的生活发生了翻天覆地的变化，似乎也毫无疑问地会影响到我们的教与学，但目前教育行业当中智能科技带来的影响却似乎始终未达预期，报告指出，可以从几个方面来思考教育中的人工智能（AIEd）：首先，需要明确什么是教育当中的人工智能（AIEd, artificial intelligence in education），它能够实现什么，以及是如何实现的。其次，需要厘清人工智能领域是如何与教学的核心连接起来的，以此来避免不能带来学习效果阶跃变化（step change，从一种变化很快地变为另一种状态）的通用科技，比如适应于更讨喜的内容，而非更有效的学习。再次，需要提出能够在系统层面上实现AIEd的潜力的明确的选择，即能够广泛支持教育工作者与积极影响每个学生的学习体验。最后，需要更深入地探讨道德伦理问题，比如应如何恰当地运用AIEd收集得来的数据。
简言之，我们需要对AIEd有明晰的认识，从而进行一系列的评定、投资、计划、履行与测试等等。 什么是人工智能（AI, artificial intelligence）
即使是专家也很难给AI下定义，原因之一是AI包含的东西是在持续变化的，“如果某物变得足够有用、足够常见，就不再有AI这一标签”，而是被认为是电脑程序、算法、应用等等。另一个原因是这个领域是跨学科的，人类学、生物学、计算机科学、语言学、哲学、心理学、神经科学都对这个领域有贡献，而它们都有各自的视角和专业术语。 根据《智能释放》报告的定义，AI是通过模拟人类能力与智慧行为，与世界产生互动的计算机系统。（We define AI as computer systems that have been designed to interact with the world through capabilities and intelligent behaviors that we would think of as essentially human.）。 日常生活中的AI运用在更快速地发展，比如，AI科学家在建立新的方法来进行机器学习、计算机建模、收集改善金融决策制定的概率数据、利用决策理论与神经科学促进更有效的药物诊断的发展等。教育中的人工智能（AIEd, artificial intelligence in education）AIEd把本身即跨学科的AI与学习科学（教育学、心理学、神经科学、语言学、社会学、人类学）相结合，促进适应性学习环境与其他AIEd工具的发展。AIEd的科学目标为“实现教育、心理学、社会学知识的计算精确明晰的形式”，即成为打开“学习黑箱子”的重要工具，让我们更深入地了解学习是怎么发生的（比如是如何受学习者的社会经济、物质环境或科技影响的）。AIEd也可以有利于不含科技的学习过程，比如，AIEd可以帮助我们看到、了解到学习物理的极细微的步骤与容易发生的错误想法，从而在教学过程中对教师起辅导的作用。上面提到，我们把AI定义为利用原本被认为是属于人类的能力与智慧行为与世界互动的计算机系统。这意味着AI依赖对世界的认知与智能处理这一认知的算法。对世界的认识用所谓的“模型（models）”来展现，AIEd包括3个核心模型：教学者模型（Pedagogy Model）、领域模型（Domain Model）、学习者模型（Learner Model）。
下面以一个专门为学生提供适当的个人反馈的AIEd系统为例。首先，这个系统需要AIEd了解：其中学习者模型展现了电脑与学习者的互动（学生活动、以往成绩、是否接受反馈等等），这可以被AIEd程序的领域、教学部分利用，来推断学习者（和教学者）的进度，同时来决定下一步最适当的互动（学习材料或学习活动）。更重要的是，学习者的行为会持续反馈到学习者模型中，使该模型更丰富更完整，使系统更“聪明”。下图展现了以模型为基础的适应性家教（model-based adaptive tutor）：
图片翻译源于《智能释放》报告
AIEd运算法则处理三部分信息，根据学习者的个人能力与需求选出最佳内容传递给他们。除此以外，通过对学生互动的持续分析（如当前的行为与答案、过去的成绩、现在的有效状态）提出反馈（如暗示和指导），从而帮助他们在学习的内容中取得进步。对学生互动的深入研究也会被用于更新学习者模型。对于学生现在的状态的精确估计（比如他们对动机的理解）确保每个学生的学习经历是与他们的能力和需求相匹配的，然后有效地支持他们的学习。把持续的分析呈现给学习者和教学者，包括关于学习者成绩的有价值的信息，他们的有效状态，或者他们的任何错误理解。这可以帮助老师理解他们的学生的学习方法，从而使他们能够更好地进行适当的教学。对于学习者来说，开放的学习者模型可以通过使他们追踪自己的进步来激发他们的动力，也可以鼓励他们对自己的学习进行反思。
为了更直观地描述上图中的几个模型，我们以智能学习机器人“智小乐”为例：这款机器人根据孩子的年龄特点建立对话场景，将孩子带入到不同的话题中，引导孩子发问，在多轮交互式的对话中［教学者模型（教学方法）］，讲授知识［领域模型（教学内容）］。同时分析孩子的情绪与其兴趣点所在，在云端数据平台记录孩子的智力发展和对知识点的掌握情况［学习者模型（学生反馈）］。在这个互动的过程中，机器人通过各种算法处理获取的相关信息，通过“生成适应性内容”与“获取并分析反馈数据”的不断迭代，成为与孩子越来越契合的适应性家教。
图片来源于智小乐官网
另外一个使用AIEd系统的优势是这个系统能够收集大量的数据，进行旨在优化教学与领域模型的数据分析计算，提供更有效、更有针对性、更连贯的支持，同时测试、增进我们对于教学过程的理解。在学习者、教学者、领域模型以外，AIEd研究者发展了展现学习的社会、情绪的、和元认知（对认知过程的认知）等方面，使得AIEd系统能够适应影响学习的全范围的因素。
总而言之，这一系列越来越丰富的AIEd模型可能会成为这一领域对学习最大的贡献。
本期的介绍先到这里，希望能够让大家对教育中的人工智能(AIEd)有所了解，在接下来的推送中，小星将继续深入为大家介绍AIEd。请大家关注我们的下一个专题分享：AIEd的发展现状与发展趋势。 如果您对以上分享的内容感兴趣或有新的想法，欢迎加入未来之星教育学习社区，与教育行业的同仁们继续探讨人工智能在教育界的应用。请扫以下二维码先加未来之星学习委员为好友，经审核后加入社区。
|
