劉三女牙 柴喚友 劉盛英杰 黃山云 胡天慧 劉智

[摘 ? 要] 由中德科學(xué)中心資助、華中師范大學(xué)教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室承辦的GZ1531國際學(xué)術(shù)研討會于3月25日至29日在中國武漢華中師范大學(xué)召開。研討會的主題是“人工智能驅(qū)動教育技術(shù)發(fā)展的中德視角”，契合了近年來教育領(lǐng)域和計算機領(lǐng)域的專家學(xué)者在“人工智能+教育”中的深度融合和創(chuàng)新發(fā)展方面所做的努力。與會嘉賓圍繞“人工智能+教育”的深度認知（教育場景下人工智能的優(yōu)劣勢和可融入層次、機遇和挑戰(zhàn)、理解視域）和應(yīng)用案例（自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計、基于新技術(shù)的“人工智能+教育”應(yīng)用、“人工智能+教育”的數(shù)據(jù)采集與分析）作了精彩報告，并就中德雙方未來的研究項目和學(xué)術(shù)合作（中德“人工智能+教育”白皮書的制定、自適應(yīng)學(xué)習(xí)中的學(xué)習(xí)推薦和干預(yù)方法、基于多模態(tài)數(shù)據(jù)的學(xué)習(xí)分析與智能學(xué)習(xí)同伴研發(fā)）展開了深入研討。對上述主題研究成果及進展的集中呈現(xiàn)和探討，將有助于推動“人工智能+教育”的未來研究和應(yīng)用實踐。

[關(guān)鍵詞] 中德科學(xué)中心; 人工智能+教育; 學(xué)習(xí)分析; 智能教育; 交互式人工智能

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 劉三女牙（1973—），男，安徽桐城人。教授，博士，主要從事教育技術(shù)、教育大數(shù)據(jù)與教育人工智能研究。E-mail：lsy5918@mail.ccnu.edu.cn。

一、引 ? 言

2019年3月25日至29日，來自中德“人工智能+教育”研究領(lǐng)域的19位知名專家齊聚華中師范大學(xué)，參加由中德科學(xué)中心資助、華中師范大學(xué)教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室承辦的國際學(xué)術(shù)研討會（項目號：GZ1531），圍繞“人工智能驅(qū)動教育技術(shù)發(fā)展的中德視角”這一主題，共同探討人工智能與教育融合應(yīng)用的前沿問題。

華中師范大學(xué)校長趙凌云出席大會開幕式并致歡迎辭，他特別介紹了目前華中師范大學(xué)在人工智能、教育大數(shù)據(jù)等方面的戰(zhàn)略優(yōu)勢和最新舉措。作為本次研討會的發(fā)起者和召集人，柏林洪堡大學(xué)計算機學(xué)院院長、德國計算機學(xué)會學(xué)習(xí)分析與e-Learning分部主席Niels Pinkwart與中國教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室負責(zé)人、華中師范大學(xué)國家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心教授劉三女牙，圍繞“人工智能+教育”的產(chǎn)生背景、研究范圍以及機遇和挑戰(zhàn)作了簡要介紹。杜伊斯堡·埃森大學(xué)計算機科學(xué)與應(yīng)用認知科學(xué)系Mohamed Chatti教授，波茨坦大學(xué)計算機科學(xué)系Ulrike Lucke教授，曼海姆大學(xué)學(xué)習(xí)、設(shè)計和技術(shù)系Dirk Ifenthaler教授，卡爾斯魯厄應(yīng)用科技大學(xué)計算機科學(xué)系Matthias Wolfel教授，柏林工程應(yīng)用技術(shù)大學(xué)網(wǎng)絡(luò)工程系Johanncs Konert教授，柏林應(yīng)用科技大學(xué)文化與計算機科學(xué)研究中心Albrecht Fortenbacher教授，德國達姆施塔特工業(yè)大學(xué)電氣工程與信息技術(shù)系Johan Rensing教授，德國教育研究所教育信息中心Hendrik Drachser教授，華中師范大學(xué)心理學(xué)院院長、美國孟菲斯大學(xué)心理學(xué)系和電子計算機工程系胡祥恩教授，華中師范大學(xué)教育信息技術(shù)學(xué)院楊浩教授，北京大學(xué)教育學(xué)院尚俊杰副教授，華東師范大學(xué)教育信息技術(shù)學(xué)系顧小清教授，哈爾濱工業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院秦兵教授，西安交通大學(xué)國家大數(shù)據(jù)分析工程實驗室劉均教授，西安電子科技大學(xué)人工智能學(xué)院董偉生教授，首都師范大學(xué)教育技術(shù)系方海光教授等國內(nèi)外20多位專家出席研討會并作學(xué)術(shù)報告，200多位來自國內(nèi)基礎(chǔ)教育、職業(yè)教育和高等教育等領(lǐng)域的學(xué)者及媒體代表參加了此次研討會。與會專家學(xué)者立足于兩國在智能教育環(huán)境、教育數(shù)據(jù)倫理、技術(shù)與教育融合機制等方面存在的差異性和共同發(fā)展訴求，圍繞“人工智能+教育”的深度認知和應(yīng)用案例作了精彩報告，并就中德雙方未來的研究項目和學(xué)術(shù)合作展開了深入研討，以期推動中德兩國在教育人工智能領(lǐng)域的協(xié)同創(chuàng)新。

二、“人工智能+教育”的深度認知

圍繞“人工智能+教育”的深度認知，與會嘉賓主要探討了教育場景下人工智能的優(yōu)劣勢和可融入層次、機遇和挑戰(zhàn)以及理解視域。

（一）教育場景下人工智能的優(yōu)劣勢和可融入層次

在探討教育場景下人工智能的優(yōu)劣勢時，楊浩教授指出，人工智能基于大數(shù)據(jù)和算法，能以最優(yōu)算法在全面、準確、快速、低錯誤率和可重復(fù)性多方面占優(yōu)勢。但是，人工智能也有很多局限，如造價高、維修高、技術(shù)要求高、沒有情感等，而且在使用不當(dāng)時會造成嚴重后果。由此，他認為人工智能更適用于可追蹤的、顯性的、技能性的、有規(guī)律的、邏輯性強的、直觀的、具體學(xué)科的領(lǐng)域，而對于不可追蹤的、隱形的、情感的、無規(guī)律的、直覺的、客觀的、跨學(xué)科的領(lǐng)域，人類智慧更具有優(yōu)勢。

此外，基于認知分層理論（該理論將認知分為記憶、基本理解、分析、應(yīng)用、評估和創(chuàng)造六個由下到上的層級），楊浩教授還分析了人工智能在教育場景中的可融入層次。具體而言，在最低的兩個層級中，人工智能能夠超越一般人類智慧;在中間兩個層級中，人工智能能夠作出更加全面精準的分析，但決策時仍需要人類智慧;在最高的兩個層級中，目前人工智能無法發(fā)揮作用。而且，在前四個層級中，人工智能對教育具有極強的推動作用，如自動批閱等，但在最高的兩個層級中，人工智能還不能實現(xiàn)學(xué)生情感感知、精神支持給予等活動。

（二）人工智能帶給教育的機遇和挑戰(zhàn)

針對人工智能給教育行業(yè)帶來的機遇和挑戰(zhàn)，劉三女牙教授認為，在“人工智能+教育”的智能教育發(fā)展趨勢下，教育領(lǐng)域的應(yīng)用創(chuàng)新離不開算力、數(shù)據(jù)、算法和場景四個方面的發(fā)展與協(xié)調(diào)。此外，基于理解（了解并重塑學(xué)生）、感知（“人類智能+機器智能”可突破時空界限）、（個性化）服務(wù)、計算能力（教育背景的可計算性）等四個方面的發(fā)展，我們將在智能教育中的五個方面迎來機遇：（1）在保證大規(guī)模教學(xué)的前提下，人工智能實現(xiàn)差異化教學(xué);（2）傳統(tǒng)的學(xué)習(xí)方法面臨著前所未有的挑戰(zhàn)，正式學(xué)習(xí)與非正式學(xué)習(xí)的界限日益模糊;（3）教育管理體制和運行機制更加智能化，大大提高了教育系統(tǒng)的服務(wù)能力;（4）高校大數(shù)據(jù)研究服務(wù)平臺為教師提供穩(wěn)定、易用的數(shù)據(jù)庫建設(shè)工具，科研工作更加精準;（5）智能信息服務(wù)繼續(xù)以實用和普及為目標，如智能信息服務(wù)、智能自助服務(wù)系統(tǒng)、智能搜索引擎等。Ifenthaler教授以學(xué)習(xí)分析（受AI支持的教育技術(shù)學(xué)領(lǐng)域中的一大趨勢性主題）為例，探討了人工智能給教育行業(yè)帶來的三大機遇：（1）總結(jié)，如在學(xué)習(xí)設(shè)計層面分析教學(xué)模型，在教師層面分析教學(xué)實踐和提升教學(xué)質(zhì)量，在學(xué)生層面理解學(xué)習(xí)習(xí)慣、分析學(xué)習(xí)結(jié)果等;（2）實時或形成，如在學(xué)習(xí)設(shè)計層面評價學(xué)習(xí)材料，在教師層面增強互動，在學(xué)生層面接受自動化干預(yù)等;（3）預(yù)測，如在教學(xué)設(shè)計層面識別學(xué)習(xí)偏好，在教師層面識別學(xué)困生，在學(xué)生層面優(yōu)化學(xué)習(xí)路徑等。

關(guān)于教育場景下人工智能所面臨的挑戰(zhàn)，劉三女牙教授從以下兩個方面進行了概述：（1）下一代人與技術(shù)互動環(huán)境中的教育倫理問題，即為了迎接教育與技術(shù)的結(jié)合以及人類智能與機器智能的協(xié)同，我們不得不去思考技術(shù)素養(yǎng)問題、技術(shù)異化問題以及相關(guān)的法律法規(guī)問題;（2）未來的不可預(yù)測性，即面對不可預(yù)測的未來，我們的教育需要什么樣的“守門者”，這將是我們面對的一個核心問題。楊浩教授也提到人工智能給教育行業(yè)帶來的三個方面的挑戰(zhàn)：（1）人工智能可獲得的數(shù)據(jù)往往會丟失很多隱含的非顯著性信息;（2）人工智能在個性化學(xué)習(xí)以及智能化推薦過程中是否存在倫理問題;（3）如何避免人工智能應(yīng)用的潛在副作用，如何降低人工智能應(yīng)用的成本。Pinkwart教授則重點闡述了學(xué)習(xí)分析的未來挑戰(zhàn)：（1）“數(shù)據(jù)驅(qū)動”與“理論驅(qū)動”的優(yōu)先選擇;（2）如何有效應(yīng)對數(shù)據(jù)處理的不確定性、結(jié)果的模糊性以及行動的可選擇性等問題;（3）與數(shù)據(jù)采集相關(guān)的倫理和法律問題;（4）如何通過提供利益以使所有利益相關(guān)方均參與其中;（5）利用數(shù)據(jù)支持教育跨文化研究的機會;（6）建立和開放數(shù)據(jù)倉庫，以幫助積累研究和研究完整性并尊重用戶隱私。Ifenthaler教授也指出，目前學(xué)習(xí)分析尚沒有被大規(guī)模地組織實施，而建立學(xué)習(xí)分析系統(tǒng)所面臨的挑戰(zhàn)主要是信息的交互性、碎片化和背景依賴性，學(xué)習(xí)分析專家、信息管理架構(gòu)師和數(shù)據(jù)庫分析師等人員的稀缺性，以及學(xué)習(xí)設(shè)計器、數(shù)據(jù)倉庫和交互式儀表盤等技術(shù)或工具的不充分性。

（三）教育場景下人工智能的理解視域

與楊浩教授、劉三女牙教授從宏觀層面探討“人工智能+教育”的優(yōu)劣勢、可融入層次和應(yīng)用創(chuàng)新方面不同，董偉生教授探討了人工智能對現(xiàn)代高等教育的變革作用。他認為，在智能時代背景下，大學(xué)需要被重新定義并構(gòu)建。目前，傳統(tǒng)課堂正在被慕課（MOOC）時代顛覆，具有知識碎片化、交互單一化、服務(wù)標準化和無自主改進等特點。在人工智能的推動下，未來大學(xué)將體現(xiàn)出知識系統(tǒng)化、交互個性化、服務(wù)智能化和可自學(xué)改進等優(yōu)勢，即高校隨處可在，校園將成為學(xué)生實習(xí)、實踐、研討和感悟的場所，而且機器人將成為可陳述知識的教授者，以實時、可交互的方式進行知識傳播。而且，未來教育的發(fā)展方向是回歸傳承文化、創(chuàng)新知識和培養(yǎng)人才的本質(zhì)，并將呈現(xiàn)出如下四大趨勢：（1）由集體授課轉(zhuǎn)向個性化學(xué)習(xí);（2）由統(tǒng)一學(xué)習(xí)標準轉(zhuǎn)向個性化學(xué)習(xí)菜單;（3）由知識學(xué)習(xí)轉(zhuǎn)向?qū)嵺`創(chuàng)新遷移;（4）由統(tǒng)一管理轉(zhuǎn)向基于大數(shù)據(jù)的精準服務(wù)。董偉生教授同時也指出，在打造新時代智能信息大學(xué)的過程中，我們應(yīng)關(guān)注“人工智能+教育教學(xué)”的六個方面——學(xué)（習(xí)）、教（授）、評（價）、管（理）、服（務(wù)）和環(huán)（境），并且在每一個方面都切實體現(xiàn)人工智能和教育教學(xué)的深度融合。例如，在教授方面，今后需加強“人工智能+教師隊伍”建設(shè)，即在教學(xué)過程中綜合采用實體教師和人工智能虛擬教師，從而搭建智能時代的新教學(xué)模式。

此外，關(guān)于學(xué)習(xí)分析在教育領(lǐng)域中的應(yīng)用問題，Ifenthaler教授提出了一種融合多方面因素（如學(xué)習(xí)者、學(xué)習(xí)環(huán)境和教育系統(tǒng)等）的新研究框架。在該研究框架中，研究者需首先采集下列數(shù)據(jù)：（1）教育利益?zhèn)€體相關(guān)者的特點數(shù)據(jù)，如學(xué)習(xí)者的社會人口學(xué)信息、個人偏好或興趣、標準化測驗結(jié)果（如學(xué)習(xí)策略、成就和動機、人格等）、技能和能力、先驗知識和學(xué)業(yè)表現(xiàn)等，以及教育機構(gòu)記錄數(shù)據(jù)（如通過率、入學(xué)率、輟學(xué)率、特殊需要）;（2）教育利益?zhèn)€體相關(guān)者與社交網(wǎng)絡(luò)的互動數(shù)據(jù)，如社交媒體工具（如推特、臉譜、領(lǐng)英）偏好和社交網(wǎng)絡(luò)活動（如鏈接資源、友誼、同伴群體、網(wǎng)絡(luò)認同）;（3）教育系統(tǒng)以外的相關(guān)因素數(shù)據(jù)，如（大學(xué)和公共）圖書館的系統(tǒng)數(shù)據(jù)、源自移動設(shè)備的傳感器和定位數(shù)據(jù)、采集自標準化測試（如動機、情緒、情感等）的數(shù)據(jù);（4）課程要求數(shù)據(jù)，即線上學(xué)習(xí)環(huán)境所有功能的元數(shù)據(jù)，可反映學(xué)習(xí)設(shè)計（如材料、任務(wù)和評估的順序）和所期待的學(xué)習(xí)結(jié)果（如特定能力）;（5）線上學(xué)習(xí)環(huán)境數(shù)據(jù)，如學(xué)習(xí)管理系統(tǒng)、個人學(xué)習(xí)環(huán)境、學(xué)習(xí)博客等提供的教育利益活動者活動數(shù)據(jù)。其次，在多層數(shù)據(jù)倉庫中采用學(xué)習(xí)分析引擎（即自適應(yīng)算法）對上述數(shù)據(jù)進行處理和分析。學(xué)習(xí)分析引擎主要包括有監(jiān)督或無監(jiān)督的機器學(xué)習(xí)方法、線性和非線性建模方法，具體包括支持向量機、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、自然語言處理、生存分析和層次線性建模等。最后，將學(xué)習(xí)分析引擎的結(jié)果以交互式儀表盤、熱點圖、統(tǒng)計數(shù)字和圖表以及自動報告等有意義的形式來加以呈現(xiàn)。這些數(shù)據(jù)呈現(xiàn)服務(wù)于特定的利益相關(guān)者，主要包括政府水平（如跨機構(gòu)的比較）、單一機構(gòu)水平（如內(nèi)部比較、操作順序優(yōu)化）和課程水平（如為學(xué)習(xí)設(shè)計者和促進者分析教學(xué)過程、處理學(xué)習(xí)材料等提供見解和報告）。同時，Drachser教授指出，研究者在開展學(xué)習(xí)分析時需要考慮下列問題：（1）開展學(xué)習(xí)分析的目的是什么;（2）是否對學(xué)習(xí)分析的目標或意圖持開放態(tài)度;（3）為什么你被允許擁有數(shù)據(jù);（4）是否將所有的利益相關(guān)者和數(shù)據(jù)主體納入考慮;（5）是否與數(shù)據(jù)主體取得聯(lián)系;（6）是否能檢索到特定個體;（7）是否具有可保證參與者隱私的程序;（8）是否與外部供應(yīng)商進行了合作。針對數(shù)據(jù)主體所面臨的不確定性、風(fēng)險性和困惑性等問題，Drachser教授還提出了“可信學(xué)習(xí)分析”這一概念，意指研究者為了獲取數(shù)據(jù)主體的信任須闡明學(xué)習(xí)分析的透明性、可靠性和完整性。

為應(yīng)對傳統(tǒng)學(xué)習(xí)分析所具有的數(shù)據(jù)來源單一、透明度缺乏、數(shù)據(jù)處理缺乏靈活性、分析方法缺少可拓展性和背景相關(guān)性等局限，Chatti教授提出了創(chuàng)建OpenLAP（開放性學(xué)習(xí)分析平臺）的目標。與傳統(tǒng)學(xué)習(xí)分析類似，OpenLAP同樣以學(xué)習(xí)分析參考模型為理論框架，即認為開展學(xué)習(xí)分析需同時考慮環(huán)境構(gòu)成（如數(shù)據(jù)類型、學(xué)習(xí)背景等）、研究目標（如監(jiān)控、評估和反饋等）、分析方法（如數(shù)理統(tǒng)計、可視化和數(shù)據(jù)挖掘等）和利益相關(guān)者（如學(xué)習(xí)者、教師和研究者等）四個方面。此外，OpenLAP的開放性主要體現(xiàn)在開源軟件、開放標準、開放接口、互操作性和隱私問題等方面。作為一種新興的學(xué)習(xí)分析工具，OpenLAP包含抽象架構(gòu)和執(zhí)行架構(gòu)兩個成分。其中，OpenLAP的抽象架構(gòu)包含環(huán)境構(gòu)成、研究目標、分析方法和利益相關(guān)者四個方面，具有數(shù)據(jù)來源多樣化、數(shù)據(jù)處理富有靈活性等諸多優(yōu)勢;在執(zhí)行架構(gòu)中，OpenLAP包含預(yù)測指標產(chǎn)生（涉及規(guī)則引擎、問題分析器、預(yù)測指標編輯等）、預(yù)測指標執(zhí)行（涉及分析模塊、分析方法、可視化工具等）和數(shù)據(jù)協(xié)調(diào)（涉及數(shù)據(jù)采集與管理、隱私、學(xué)習(xí)者及背景建模等）三個方面。

三、“人工智能+教育”的應(yīng)用案例

針對“人工智能+教育”的應(yīng)用案例，與會嘉賓從自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計、基于新技術(shù)的“人工智能+教育”應(yīng)用、“人工智能+教育”的數(shù)據(jù)采集與分析三個方面進行了深入探討。

（一）自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計

圍繞自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計，與會嘉賓從自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計、“非干擾式反饋”的開發(fā)設(shè)計和智能學(xué)習(xí)環(huán)境的構(gòu)建三個方面進行了闡述。

針對自適應(yīng)學(xué)習(xí)系統(tǒng)的開發(fā)設(shè)計問題，胡祥恩教授和Lucke教授分享了他們的研究成果及經(jīng)驗。胡祥恩教授認為，一個成功的自適應(yīng)教學(xué)系統(tǒng)應(yīng)該是從工程學(xué)視角進行分析，而非從計算機或心理學(xué)等領(lǐng)域切入。隨著對個人偏好與選擇的需求與日激增，越來越多的自適應(yīng)教學(xué)系統(tǒng)開始推崇個性化學(xué)習(xí)。在這種學(xué)習(xí)模式中，每個學(xué)生可以得到量身定制的學(xué)習(xí)體驗。為了適應(yīng)個人偏好的多樣性和大腦認知的復(fù)雜性，開發(fā)一個優(yōu)秀的自適應(yīng)學(xué)習(xí)系統(tǒng)將是一個徹底的工程性問題。針對目前在教育領(lǐng)域廣為使用的智能教學(xué)系統(tǒng)的缺陷性，胡祥恩教授提出了SIAIS（自適應(yīng)教學(xué)系統(tǒng)）的概念，該概念主要包含四個要素：（1）不斷自我完善的人類學(xué)習(xí)者;（2）各種真實或虛擬的學(xué)習(xí)環(huán)境;（3）合理的學(xué)習(xí)進程;（4）豐富的學(xué)習(xí)資源（包含教師、同伴等人類資源，學(xué)校、實驗室等物理資源，以及錄音講座、智能輔導(dǎo)系統(tǒng)等數(shù)字化資源）。在此基礎(chǔ)上，胡教授提出了SIAIS的構(gòu)建原則：（1）應(yīng)根據(jù)已知的有效或高效的人類學(xué)習(xí)原則建立或訓(xùn)練可自我改進的學(xué)習(xí)資源;（2）自我改進學(xué)習(xí)資源的模型應(yīng)類似于人類學(xué)習(xí)者的模型;（3）自我改進學(xué)習(xí)資源的行為記錄應(yīng)與人類學(xué)習(xí)者相似;（4）自我改進學(xué)習(xí)資源的倫理考量，防止對人類學(xué)習(xí)者造成潛在危害。

此外，針對特殊兒童的社會化情感自適應(yīng)訓(xùn)練問題，Lucke教授闡述了自適應(yīng)學(xué)習(xí)系統(tǒng)的設(shè)計準則及其技術(shù)實現(xiàn)方式。她首先明確指出了自適應(yīng)學(xué)習(xí)系統(tǒng)中的一些重要參數(shù)，如任務(wù)類型、任務(wù)難度、學(xué)習(xí)結(jié)果和注意力等，而且性別、年齡以及情緒狀態(tài)等因素也對自適應(yīng)學(xué)習(xí)具有重要影響。在此基礎(chǔ)上，Lucke教授以基于情緒感官理論而設(shè)計的情緒認知系統(tǒng)為例，對自適應(yīng)學(xué)習(xí)系統(tǒng)的工作模式進行了說明：第一步，借助各種生理信號（如手勢、語言和韻律以及社交行為等）識別用戶的情緒、認知和社交狀態(tài);第二步，基于機器學(xué)習(xí)方法對生理數(shù)據(jù)進行處理，即在標記數(shù)據(jù)和劃分訓(xùn)練集后，采用機器學(xué)習(xí)和分類器對用戶狀態(tài)進行識別和預(yù)測。

在“非干擾式反饋”的開發(fā)設(shè)計方面，Wolfel教授指出，為應(yīng)對一般學(xué)習(xí)系統(tǒng)輸出信息所帶來的分心問題，研究者在開發(fā)設(shè)計學(xué)習(xí)系統(tǒng)時需要考慮三個問題，即信息呈現(xiàn)的時間、方式和數(shù)量。第一，在信息呈現(xiàn)的時間方面，研究者需要完成的工作是：借助傳感器技術(shù)和人工智能技術(shù)，觀察用戶并得出干預(yù)（而非干擾）用戶學(xué)習(xí)活動的最佳時間。Wolfel教授指出，在當(dāng)前的學(xué)習(xí)、工作和生活中，由智能設(shè)備使用所帶來的分心常常會導(dǎo)致潛在的危險狀況。因此，可嘗試基于智能手機或設(shè)備中的傳感器感知周圍環(huán)境，并向用戶即時反饋潛在危險，從而消除用戶在當(dāng)前活動和規(guī)避危險間的切換必要性。第二，在信息的呈現(xiàn)方式方面，研究者需要借助現(xiàn)有的顯示技術(shù)，呈現(xiàn)用戶視野內(nèi)外的所有信息。為達成此目標，Wolfel教授提出了“平靜計算（Calm Computing）”的理念——該理念并不關(guān)注計算，而是強調(diào)要以更自然、更綜合的方式擴充和展示相關(guān)信息。例如，有研究者基于“平靜計算”的理念，采用擬人化物品模仿用戶坐姿，可用于改善用戶的坐姿習(xí)慣。第三，在信息的呈現(xiàn)數(shù)量方面，研究者需向用戶呈現(xiàn)適量信息，以避免過多或過少信息給用戶活動帶來困擾的問題。在該環(huán)節(jié)中，研究者可根據(jù)外部參數(shù)（如顯示器和用戶之間的可用空間或距離）調(diào)整信息的類型和數(shù)量，即實現(xiàn)“應(yīng)答性和語義性調(diào)整”。

在智能學(xué)習(xí)環(huán)境構(gòu)建方面，陳靚影教授介紹了她在評估特殊兒童學(xué)習(xí)活動和環(huán)境有效性評價方面所開展的研究工作。為實現(xiàn)提高特殊兒童的聯(lián)合注意力及其他相關(guān)技能的目標，陳靚影教授及其研究團隊構(gòu)建了一種新型的智能學(xué)習(xí)環(huán)境。該智能學(xué)習(xí)環(huán)境由五個基本模塊組成，分別為視覺輸入處理器、多點觸摸交互界面（自閉癥兒童可利用前兩者與學(xué)習(xí)環(huán)境進行直接交互）、多模態(tài)融合、智能代理和真實世界仿真（后三者可依據(jù)兒童的行為表現(xiàn)生成交互式虛擬場景），相關(guān)的人工智能技術(shù)主要包括：基于生成對抗網(wǎng)絡(luò)的人臉識別技術(shù)，基于CNN和差異性深層特征的面部表情識別技術(shù)和情感狀態(tài)預(yù)測技術(shù)，采用頭部姿態(tài)估計（HPE）和眼睛注視估計（EGE）將頭部姿態(tài)和局部凝視檢測加以結(jié)合以識別兒童注意力的技術(shù)，利用類Haar特征（一種反映圖像灰度變化的，像素分模塊求差值的一種特征）進行眼神追蹤的技術(shù)。

（二）基于新技術(shù)的“人工智能+教育”應(yīng)用

圍繞基于新技術(shù)的“人工智能+教育”應(yīng)用， 與會嘉賓分享了他們在學(xué)習(xí)群體分組、教育知識圖譜構(gòu)建、知識庫智能維護、智能教育創(chuàng)建、“雙師課堂”重塑和游戲化學(xué)習(xí)設(shè)計中的研究工作和經(jīng)驗。

在學(xué)習(xí)群體分析與建模方面，目前群體協(xié)作學(xué)習(xí)已經(jīng)成為實際教育教學(xué)過程中主流的一種教學(xué)策略和學(xué)習(xí)參與形式。為最大限度發(fā)揮群體學(xué)習(xí)的功效，許多研究者開始嘗試采用算法進行學(xué)習(xí)群體分組。然而常規(guī)算法（如I-minds、Group Formation Tool和TeamMaker等算法）在解決學(xué)生群體分組問題上有質(zhì)量統(tǒng)一性、標準齊次性等局限，而Konert教授及其研究團隊提出的GroupAL算法能夠很好地解決該問題。在該算法的設(shè)計與分析過程中，研究者會考慮如下問題：特定算法是如何考慮學(xué)習(xí)分組質(zhì)量、混合標準等問題的？與現(xiàn)有解決方案相比，新解決方案的性能如何？分組優(yōu)化對學(xué)習(xí)結(jié)果（任務(wù)解決方案質(zhì)量）有哪些影響？分組優(yōu)化對學(xué)習(xí)小組的投入程度（退學(xué)率、時間滿意度）有哪些影響？根據(jù)Konert教授的經(jīng)驗總結(jié)，研究者需要在學(xué)習(xí)小組匹配過程中設(shè)定小組人數(shù)，并確保算法具有實際意義。

在教育知識圖譜構(gòu)建方面，劉均教授論述了知識森林在教育領(lǐng)域的應(yīng)用及其構(gòu)建方法。目前，一系列教育知識圖譜已在教育領(lǐng)域得到廣泛應(yīng)用，但它們均側(cè)重于描述知識間的認知關(guān)系，因而無法有效應(yīng)對知識碎片化[意指與特定主題相關(guān)的知識碎片高度分散在相互隔離的數(shù)據(jù)源（如維基百科、百度百科）中]問題。在該背景下，劉均教授研究團隊提出了知識森林（由特定主題的實例分面樹和主題之間的學(xué)習(xí)依賴關(guān)系組合而成，其中分面樹是由特定主題及其分面組成的樹狀結(jié)構(gòu)，可為學(xué)習(xí)者展示主題知識之間的關(guān)系）這一新型教育知識圖譜，并給出了該圖譜的自動化構(gòu)建方法和步驟：（1）構(gòu)建分面樹，即提取主題和分面之間的關(guān)系，并為給定主題構(gòu)造一個分面樹;（2）組裝知識碎片，即建立知識片段和分面之間的映射，并生成一個具體化的分面樹;（3）抽取學(xué)習(xí)依賴關(guān)系，即從文本文檔中提取學(xué)習(xí)依賴關(guān)系，并生成知識森林。

在知識庫智能維護方面，針對持續(xù)手工維護知識庫的耗時費力問題，Rensing教授提出了兩種解決方法：（1）基于查詢的文本學(xué)習(xí)資源推薦系統(tǒng);（2）使用自動生成知識庫的知識推薦系統(tǒng)。前者的顯著特點是以用戶的閱讀歷史為基礎(chǔ)，基于WordNet、YAGO、ConceptNet和Wikipedia而構(gòu)建本體，使用FastText添加同義詞進行擴展，并利用學(xué)習(xí)資源的語義屬性、域獨立、最小化監(jiān)督方法從非結(jié)構(gòu)化文本中自動抽取本體。后者主要包括術(shù)語提?。ㄈ缑~短語提取、剔除停止詞、創(chuàng)建詞向量、詞向量聚類、優(yōu)化集群數(shù)量）、本體論類別（如統(tǒng)計、機器學(xué)習(xí)、實驗驗證等）提取、關(guān)系提?。◤腤ordNet中提取每個集群的背景關(guān)系）和本體豐富（如聚類下連詞對移位、提取新的語義關(guān)系）過程。

在智能教育創(chuàng)建方面，隨著自然語言處理技術(shù)的成熟，越來越多的研究者開始嘗試采用該技術(shù)開展智能教育應(yīng)用。根據(jù)秦兵教授的總結(jié)，自然語言處理技術(shù)在教育中的應(yīng)用主要包括智能管理與服務(wù)、智能化教師助理、智能化學(xué)習(xí)過程、教育智能評估、智能化教育環(huán)境五個部分。具體而言，智能化教育環(huán)境體現(xiàn)在基于物聯(lián)網(wǎng)的智能校園建設(shè)（如校園巡邏安保機器人、班級無感知考勤等），智能化學(xué)習(xí)過程體現(xiàn)在個性化教材與課程的制定以及個性化學(xué)習(xí)內(nèi)容的自動推薦，智能課堂評估主要包括學(xué)生個體識別、自動簽到和學(xué)生情緒等，智能教師助理的主要工作有智能輔導(dǎo)、智能問答、個性化評估報告生成和教學(xué)設(shè)計生成等（如基于自然語言處理相關(guān)技術(shù)對學(xué)習(xí)者作文進行人工閱卷的智能評分系統(tǒng)）。

在“雙師課堂”重塑方面，鑒于智能激光導(dǎo)航（SLAM）、智能圖像技術(shù)（人臉識別）、智能語音交互（多種選擇）等技術(shù)和方法的成熟，一些教育研究者開始嘗試在線下教學(xué)課堂中引入智能機器人，即構(gòu)建新型的“雙師課堂”。在方海光教授看來，人工智能與機器人技術(shù)重塑了學(xué)習(xí)系統(tǒng)環(huán)境。不同于傳統(tǒng)的“雙師課堂”，人工智能與機器人技術(shù)賦予了“雙師課堂”新的內(nèi)涵與解讀：人工智能教育機器人可以和教師一起發(fā)揮教學(xué)作用，它們不僅承擔(dān)著一部分教師教學(xué)任務(wù)，也為學(xué)生提供了個性化的學(xué)習(xí)服務(wù)。例如，在以人工智能機器人為主導(dǎo)的“雙師課堂”的技術(shù)框架中，機器人可以實時收集學(xué)生相關(guān)的學(xué)習(xí)數(shù)據(jù)并將有價值的數(shù)據(jù)傳輸?shù)皆贫?在云端進行計算與數(shù)據(jù)分析后，得到的結(jié)果將會反饋給機器人，從而進一步提高教學(xué)質(zhì)量。此外，人工智能與機器人技術(shù)也對學(xué)習(xí)過程進行了革新。機器人作為教師，它需要承擔(dān)教師的一部分教學(xué)任務(wù)，而這些教學(xué)任務(wù)可能是原先教師需要花費很大精力或無法通過個人完成的任務(wù)。

在游戲化學(xué)習(xí)設(shè)計方面，尚俊杰教授通過兩個游戲類應(yīng)用，展示了如何借助游戲化學(xué)習(xí)和學(xué)習(xí)科學(xué)構(gòu)建更加科學(xué)、快樂且有效的學(xué)習(xí)環(huán)境：第一個應(yīng)用是“游戲消消消”，可用于支持小學(xué)一年級學(xué)生學(xué)習(xí)“20以內(nèi)數(shù)的認識和加減法”;第二個應(yīng)用是“跑酷”，一款旨在幫助小學(xué)生學(xué)習(xí)分數(shù)知識的游戲類應(yīng)用。根據(jù)尚教授的總結(jié)，這兩個應(yīng)用均融合了數(shù)學(xué)教育和學(xué)習(xí)科學(xué)，并且體現(xiàn)了游戲的學(xué)習(xí)價值（游戲動機、游戲思維和游戲精神）。實證研究的結(jié)果發(fā)現(xiàn)，學(xué)生非常認可這兩款應(yīng)用的教育價值，而且他們的數(shù)學(xué)學(xué)習(xí)動機和自我效能感也顯著提高。

（三）“人工智能+教育”的數(shù)據(jù)采集與分析

圍繞“人工智能+教育”的數(shù)據(jù)采集與分析，與會嘉賓重點介紹了傳感器數(shù)據(jù)的采集與分析、多來源數(shù)據(jù)的采集與分析以及計算心理測量學(xué)三個方面的研究進展。

物理空間中學(xué)習(xí)者的情感狀態(tài)感知是本次會議德方專家關(guān)注的重點，學(xué)習(xí)分析領(lǐng)域越來越多的研究者通過傳感器捕獲的生理數(shù)據(jù)來探測個體情緒的喚醒度和效價值。例如，F(xiàn)ortenbacher教授分享了他在開展LISA項目（旨在研發(fā)一款可穿戴設(shè)備，用于捕捉學(xué)習(xí)者的皮膚電、心電等生理數(shù)據(jù)并識別學(xué)習(xí)者的情感狀態(tài)）過程中的經(jīng)驗。他談到，從傳感器中獲取學(xué)習(xí)相關(guān)數(shù)據(jù)需要經(jīng)歷六個階段：（1）文獻調(diào)研傳感器數(shù)據(jù)與情緒、認知或?qū)W習(xí)狀態(tài)間的相關(guān)性;（2）研究情緒圖片以記錄傳感器數(shù)據(jù);（3）數(shù)據(jù)處理及整合;（4）利用我們的數(shù)據(jù)驗證前人研究結(jié)果;（5）從一般情緒中獲取學(xué)業(yè)情緒（如無聊）;（6）檢測心跳和空氣質(zhì)量的臨界值。而且，數(shù)據(jù)采集工具需包含四大核心成分：（1）可供佩戴的終端設(shè)備;（2）能夠接收并分析傳感器數(shù)據(jù)的后端;（3）能夠接收整合或分析后的傳感器數(shù)值，并通過xAPI記錄學(xué)習(xí)活動的學(xué)習(xí)應(yīng)用程序;（4）具有隱私設(shè)置的設(shè)計。

針對“人工智能+教育”應(yīng)用中的數(shù)據(jù)來源單一、關(guān)鍵績效指標缺乏等問題，顧小清教授及其研究團隊開展了兩項研究。在第一項研究中，研究者借助平板電腦對學(xué)生的課堂表現(xiàn)（包括學(xué)習(xí)過程、態(tài)度、行為等綜合情況）進行連續(xù)性評分，旨在解決下述四個問題：學(xué)習(xí)行為的“KPIs”是什么？從這些“KPIs”中可以建立什么模型？KPI是否反映了學(xué)生關(guān)鍵的表現(xiàn)？基于實證的干預(yù)能從這些數(shù)據(jù)中得到什么？此外，針對數(shù)據(jù)收集過程中存在的信息不全面問題，研究者嘗試通過多種渠道（如家庭作業(yè)等）來收集學(xué)習(xí)者行為數(shù)據(jù)。在后一項研究中，電子書系統(tǒng)嘗試從教師視角來分析課堂中的學(xué)習(xí)行為。具體而言，該系統(tǒng)能夠搜集到教師的課程作業(yè)評論數(shù)據(jù)、備課信息，以及不同時期或不同時刻教師的行為信息。通過分析上述信息或數(shù)據(jù)，研究者能夠探討教師技術(shù)使用的影響因素，衡量學(xué)生的學(xué)業(yè)進步、身心健康等狀況，以及觀察得到特定教學(xué)法的開展方式。

此外，Drachser教授還談到了計算心理測量學(xué)在“人工智能+教育”的數(shù)據(jù)采集過程中的作用和步驟。計算心理測量學(xué)是一種基于技術(shù)手段對個體身心狀態(tài)進行評估的研究取向，體現(xiàn)了心理診斷與人工智能技術(shù)的完美結(jié)合，且主要包含下述三個實施步驟：（1）證據(jù)中心化的設(shè)計;（2）為相關(guān)構(gòu)念提供證據(jù);（3）開展數(shù)據(jù)采集工作。針對學(xué)習(xí)者的具體學(xué)習(xí)活動（如聽說讀寫）數(shù)據(jù)，計算心理測量學(xué)可以最終實現(xiàn)對學(xué)習(xí)者的問題解決、創(chuàng)造性思維等高水平能力的解釋。同時，Drachser教授還特別談到了多模態(tài)學(xué)習(xí)分析中的數(shù)據(jù)采集問題。他認為，在構(gòu)建多模態(tài)的學(xué)習(xí)分析過程中，研究者需要結(jié)合信念、情感、認知和動機等多種因素以分析學(xué)習(xí)者的學(xué)習(xí)行為和情境。

四、中德未來合作研討

教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室科研人員與德方代表團還就未來的研究項目和學(xué)術(shù)合作展開了深入研討。

（一）關(guān)于具體研究方向上的討論

圍繞如何開展具體場景下的數(shù)據(jù)分析，華中師范大學(xué)國家數(shù)字化學(xué)習(xí)工程技術(shù)研究中心的研究團隊成員（以下簡稱中方成員）向德方的專家學(xué)者介紹了自己所做研究的相關(guān)內(nèi)容，基于此內(nèi)容，德方專家學(xué)者也提出了自己的一些建議和感興趣的研究方向，以及想要進行合作的切入點。

關(guān)于小學(xué)語文閱讀寫作能力評測與數(shù)據(jù)采集，中方成員正在進行的一項工作是基于單元性測評大范圍采集小學(xué)生的閱讀寫作數(shù)據(jù)（如學(xué)生的答題信息、日常練習(xí)的小作文），然后采用大數(shù)據(jù)方法評價其閱讀寫作水平，并以此為依據(jù)向不同層次的學(xué)生提供適宜的教學(xué)指導(dǎo)和自主學(xué)習(xí)材料。對此，德方專家認為，小學(xué)階段的多模態(tài)數(shù)據(jù)采集存在一定的困難，而且還涉及數(shù)據(jù)倫理與隱私保護問題。但在中方成員看來，小學(xué)階段的數(shù)據(jù)采集、分析及建模具有非常重大的實踐意義，因為它切實服務(wù)于學(xué)生，能夠幫助學(xué)生提高其閱讀寫作能力。同時，中方成員也高度贊同德國專家所提出的“不建議在課堂內(nèi)采集小學(xué)生相關(guān)數(shù)據(jù)”的觀點。針對小學(xué)生的數(shù)據(jù)采集問題，德國專家指出，適用于小學(xué)生的測試手段和方法明顯不同于大學(xué)生，因此，需要根據(jù)其認知特點進行恰當(dāng)選取。

關(guān)于基于生理數(shù)據(jù)的學(xué)生情感識別研究，中方成員談到了他們在研究過程中所遇到的一些問題：（1）手環(huán)的電池續(xù)航問題，是否能持續(xù)捕獲學(xué)生的生理信號;（2）如何獲得在學(xué)習(xí)中最關(guān)鍵/重要的學(xué)業(yè)情緒信息（而不是日常生活中的普適情緒狀態(tài)，因為有的情緒不是從學(xué)習(xí)中的任務(wù)或活動中產(chǎn)生的）;（3）如何吸引學(xué)生自然地來參與這個實驗，因為手環(huán)捕獲情感存在一定的侵入性。對此，德國專家也分享了他們在類似項目中所遭遇到的一些挑戰(zhàn)（例如，一些算法只適用于公開數(shù)據(jù)集，但在自身數(shù)據(jù)上的性能較差），而且他們也根據(jù)自身經(jīng)驗給出了一些具體建議。例如，為準確收集學(xué)生的學(xué)業(yè)情緒信息，研究者應(yīng)選用在測量上精確且靈敏的情感識別裝置;在數(shù)據(jù)解釋過程中，研究者應(yīng)結(jié)合多種學(xué)科視角并始終保持謹慎態(tài)度;研究者不應(yīng)拘泥于某種特定的數(shù)據(jù)源，而應(yīng)嘗試結(jié)合多種數(shù)據(jù)源獲得對于學(xué)習(xí)過程或?qū)W習(xí)者的最佳理解。

關(guān)于面向情境學(xué)習(xí)中的行為分析問題，中方成員概述了他們正在進行的一項研究課題，即探求在線學(xué)習(xí)者行為、情感與認知三種特征構(gòu)成的多層網(wǎng)絡(luò)結(jié)構(gòu)及其演化機理：首先需要對個體在不同學(xué)習(xí)交互場景下的行為、情感與認知模式進行特征提取、狀態(tài)識別和關(guān)聯(lián)建模;其次基于復(fù)雜網(wǎng)絡(luò)理論，利用學(xué)習(xí)群體各種特征間的關(guān)聯(lián)機制構(gòu)建多層網(wǎng)絡(luò)，發(fā)掘其群體學(xué)習(xí)演化機理與動力學(xué)行為模式。對此，德國專家表示，這是一個非常吸引人的研究領(lǐng)域，并給出了一些可供借鑒的建議：在關(guān)注學(xué)習(xí)者互動數(shù)量的同時，增加互動內(nèi)容的分析可能更有助于對學(xué)習(xí)者知識構(gòu)建的深入理解;在關(guān)注學(xué)習(xí)者整體互動的同時，基于動態(tài)視角考察學(xué)習(xí)者間協(xié)作互動的變化也非常有必要。

此外，中方成員還談到了他們在大學(xué)生的校園WiFi數(shù)據(jù)采集及其學(xué)業(yè)成就預(yù)測、特殊兒童的教育信息化、學(xué)生知識的體系化管理與可視化等方面所開展的研究內(nèi)容。針對中方成員在研究過程中的具體實踐和相關(guān)問題，德國專家一一進行了詳細點評和解答。值得注意的是，針對教育大數(shù)據(jù)的采集和分析，德國專家尤其強調(diào)隱私和倫理，他們認為所有的學(xué)習(xí)分析研究最終的目的是服務(wù)于學(xué)習(xí)者，因此，在數(shù)據(jù)處理過程中應(yīng)采取有效措施防止學(xué)習(xí)者隱私泄露和多平臺間的數(shù)據(jù)鴻溝等問題，并提出在數(shù)據(jù)獲取前應(yīng)厘清研究中需要哪些數(shù)據(jù)、為什么需要這些數(shù)據(jù)、這些數(shù)據(jù)能用來做什么、學(xué)習(xí)數(shù)據(jù)的分析和應(yīng)用對誰有意義等問題。

（二）關(guān)于未來學(xué)術(shù)合作的探討

基于具體研究方向上的討論，中方成員和德國專家還就未來可能的學(xué)術(shù)合作領(lǐng)域進行了廣泛探討。中方成員認為，鑒于“人工智能+教育”在中德兩國的高速發(fā)展勢頭，制定中德“人工智能+教育”白皮書具有重要的現(xiàn)實意義。在該白皮書中，中德雙方可基于不同文化視角探討教育數(shù)據(jù)倫理，思考教育研究的目標，探索教育數(shù)據(jù)的采集、交換和存儲方式，并就教育數(shù)據(jù)的潛在實踐應(yīng)用貢獻跨文化見解。此外，圍繞中德聯(lián)合科學(xué)基金申請，中德雙方專家認為可從以下三個具體研究領(lǐng)域著手：自適應(yīng)學(xué)習(xí)中的學(xué)習(xí)推薦和干預(yù)方法、基于多模態(tài)數(shù)據(jù)的學(xué)習(xí)分析與智能學(xué)習(xí)同伴研發(fā)。在該過程中，中德雙方可從政府相關(guān)部門、所在大學(xué)科研基金委員會以及產(chǎn)業(yè)界獲取項目啟動資金，并聚焦于學(xué)術(shù)層面的跨文化交流和科研人才的培養(yǎng)，從而最終實現(xiàn)技術(shù)服務(wù)于教育的目標。

五、總結(jié)與展望

關(guān)于“人工智能+教育”的深度認知，董偉生教授指出，人工智能和教育的結(jié)合不是一項新技術(shù)，而是以人工智能技術(shù)為核心的一套新的教學(xué)體系，要從教學(xué)研發(fā)、系統(tǒng)研發(fā)、算法研發(fā)、教學(xué)內(nèi)容研發(fā)到教學(xué)方法研發(fā)，形成一個閉環(huán)。在該閉環(huán)體系中，相關(guān)研究者和設(shè)計者應(yīng)時刻關(guān)注下列五個方面：（1）人機結(jié)合的制度體系與思維體系;（2）核心素養(yǎng)導(dǎo)向的人才培養(yǎng);（3）學(xué)生的靈魂與幸福;（4）個性化、多樣化和適應(yīng)性的學(xué)習(xí);（5）人機協(xié)作的高效教學(xué)。顧小清教授總結(jié)說，人工智能是一個貼近生活的普通技術(shù)，而不是一個高大上的技術(shù)，這一技術(shù)對學(xué)生而言并不應(yīng)該是高深莫測、不可企及的。研究者通過技術(shù)改變課程體系，努力讓課程設(shè)置更有趣味，同時，采用圖示化的教學(xué)，使學(xué)生感受什么是人工智能以及學(xué)會如何去使用人工智能。此外，Drachser教授提出，決定教育技術(shù)成功應(yīng)用的關(guān)鍵要素是最新技術(shù)的開發(fā)和應(yīng)用須以教育理論和學(xué)習(xí)理論為基礎(chǔ)，然后在實踐中考察相關(guān)技術(shù)對學(xué)習(xí)機遇高效性、有效性或吸引力的影響。而且研究者和設(shè)計者需謹記，教育的本質(zhì)是一致的，即允許學(xué)生選擇個性化的專業(yè)主題進行學(xué)習(xí)，而技術(shù)的介入只是將教育的影響力進行重新分配。

在“人工智能+教育”的實踐應(yīng)用方面，Konert教授指出，算發(fā)型學(xué)習(xí)群體分組的未來研究可從三個方面著手：人格特質(zhì)（如大五人格）的引入，使用課堂情境進行實證研究，比較機器學(xué)習(xí)（啟發(fā)式）和理論驅(qū)動的實驗結(jié)果（基于規(guī)則）。對于OpenLAP的構(gòu)建，Chatti教授從四個方面進行了展望：系統(tǒng)改進（包括指標生成過程中的可用性改進、初級和高級模式的指標生成、對實時數(shù)據(jù)調(diào)試的支持等）、分析方法改進（如利用不同的機器學(xué)習(xí)算法擴展可用指標目錄、結(jié)合自然語言處理技術(shù)實現(xiàn)問題分析器組件）、大數(shù)據(jù)支持（整合各種大數(shù)據(jù)平臺）和視覺分析（如實現(xiàn)復(fù)雜可視化、提供基于屬性類型的智能可視化支持、提供更具互動性和探索性的指標）。圍繞知識森林的構(gòu)建問題，劉均教授談到了未來的兩大潛在研究方向：理解由示意圖（由大量簡單幾何形狀如點、線等）構(gòu)成的圖、聯(lián)合知識森林和增強現(xiàn)實或虛擬現(xiàn)實。對于前者，目前存在高度稀釋、語義鴻溝和任務(wù)復(fù)雜等研究層面的挑戰(zhàn);而后者致力于采用虛擬現(xiàn)實和增強現(xiàn)實技術(shù)，提供更高層次的交互性，以便讓學(xué)生沉浸在學(xué)習(xí)體驗中。

在中德未來合作研討會上，中德雙方專家圍繞中方成員的現(xiàn)有研究項目進行了深入探討。這些探討不僅體現(xiàn)在教育數(shù)據(jù)的采集、分析與建模等微觀層面，還體現(xiàn)在教育場景的選擇、教育數(shù)據(jù)倫理隱私等宏觀層面。關(guān)于潛在學(xué)術(shù)合作的探討，中德“人工智能+教育”白皮書以及中德聯(lián)合科學(xué)基金申請是未來的努力方向。例如，中德專家探討了如何利用多模態(tài)數(shù)據(jù)增強學(xué)習(xí)分析的應(yīng)用效果。

我們認為，“人工智能+教育”的未來研究，應(yīng)該基于多學(xué)科交叉的視角，融合計算科學(xué)、統(tǒng)計學(xué)、教育學(xué)和心理學(xué)等領(lǐng)域的最新研究成果，并時刻警惕數(shù)據(jù)泄露、數(shù)據(jù)鴻溝等隱私倫理問題，從而實現(xiàn)技術(shù)真正且完全服務(wù)于教育的目標?？傊?，如何圍繞“人工智能+教育”開展多學(xué)科交叉研究，將是該領(lǐng)域持久的研究方向。

六、結(jié) ? 語

GZ1531研討會聚焦于“人工智能+教育”這一會議主題，展示了中德專家和學(xué)者在該研究領(lǐng)域的最新研究成果，使與會者能夠基于多個視角全面深入地了解“人工智能+教育”的現(xiàn)狀和未來發(fā)展，為教育信息技術(shù)研究者提供了“人工智能+教育”應(yīng)用的新研究思路和新實踐途徑。隨著教育信息技術(shù)領(lǐng)域?qū)θ斯ぶ悄艿男枨蟛粩嗉哟?，人工智能必將在教育領(lǐng)域大展身手并發(fā)揮日益重要的作用，進而為中國特色社會主義新時代的教育事業(yè)作出應(yīng)有的貢獻。

LAK（學(xué)習(xí)分析及知識）20會議將于2020年3月23—25日在德國法蘭克福市召開。會議的主題是：慶祝學(xué)習(xí)分析10周年（Celebrating 10 Years of Learning Analytics）。屆時，我們希望能夠與計算科學(xué)、統(tǒng)計學(xué)、教育學(xué)和心理學(xué)領(lǐng)域的更多專家和學(xué)者精誠合作，共同推進人工智能在教育領(lǐng)域的廣泛應(yīng)用。

[Abstract] Sponsored by Sino-German Science Center and organized by National Engineering Laboratory for Educational Big Data in Central China Normal University （CCNU）， the international academic seminar （Project number： GZ1531） was held in CCNU from March 25 to 29 in Wuhan， China. The theme of the seminar was "The Sino-German Perspective on AI-driven Educational Technology"， which was in line with the efforts made by experts and scholars in the field of education and computers in recent years in the deep integration and innovative development of "AI plus education". Participants conducted in-depth studies on deep understanding and practical cases in this field， and discussed deeply on future research projects and academic cooperation between China and Germany. On the aspect of deep understanding， participants demonstrated the advantages and disadvantages， opportunities and challenges， and horizons of understanding of AI in the context of education. Regarding practical cases， it called attention to the development and design of adaptive learning system， application of new technology-based "AI plus education"， data collection and analysis of "AI plus education". As for the potential cooperation between China and Germany， participants highlighted the establishment of the white paper of "AI plus education" between China and Germany， the learning recommendation and intervention methods in adaptive learning， the multi-modal data-based learning analytics， and the development of intelligent learning partners. The presentation and discussion of the above research results and progress will promote the future research and practical application of "AI plus education".

[Keywords] Sino-German Science Center; AI + Education; Learning Analytics; Intelligent Education; Interactive AI