馮 筠，邢嘉琪，趙艾琦，鄧 瑤，孫 霞，雷守學(xué)

(1.西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710000；2.陜西省教育科學(xué)研究院，陜西 西安 710000)

0 引 言

人工智能(artificial intelligence，AI)是研究運(yùn)用計(jì)算機(jī)系統(tǒng)模擬和延伸人腦功能的綜合性學(xué)科，旨在運(yùn)用計(jì)算機(jī)算法和模型擴(kuò)展人的智能，讓機(jī)器自動實(shí)現(xiàn)人類水平的智能任務(wù)。教育教學(xué)是非常復(fù)雜的腦力活動，也是繁重的體力勞動，近年來人工智能在教育領(lǐng)域的應(yīng)用呈現(xiàn)蓬勃發(fā)展之勢。2017年7月8日，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》[1]，提出了“智能教育”，為“人工智能+教育”指明了發(fā)展方向。2019年2月，《中國教育現(xiàn)代化2035》發(fā)布[2]，提出加快推進(jìn)信息化時(shí)代的教育變革，建設(shè)智能化校園，統(tǒng)籌建設(shè)一體化智能化教學(xué)、管理與服務(wù)平臺，利用現(xiàn)代技術(shù)加快推動人才培養(yǎng)模式改革。在這些政策的引導(dǎo)下，一些地區(qū)和學(xué)校已經(jīng)開始進(jìn)行人工智能與教育教學(xué)融合的探索。

以中國知網(wǎng)等五大數(shù)據(jù)庫為依據(jù)進(jìn)行檢索，教育領(lǐng)域關(guān)于人工智能的研究從2015年開始一直呈上升趨勢?；A(chǔ)教育指沒有專業(yè)、職業(yè)指向的基本教育階段，在國內(nèi)主要包括幼兒教育、小學(xué)教育和普通中等教育?；A(chǔ)教育是教育大廈的基石、是提高全民科學(xué)素質(zhì)和文化素質(zhì)的關(guān)鍵階段，直接關(guān)系著民族發(fā)展的未來。因此，如何利用人工智能技術(shù)促進(jìn)教育公平、提升基礎(chǔ)教育教學(xué)質(zhì)量、提高學(xué)習(xí)效能，迎接信息時(shí)代的新挑戰(zhàn)尤為重要。

該文從教師、管理者和學(xué)生三個(gè)視角對人工智能在基礎(chǔ)教育教學(xué)中的應(yīng)用進(jìn)行文獻(xiàn)綜述和實(shí)地調(diào)研，旨在分析人工智能中的計(jì)算機(jī)視覺、自然語言處理、大數(shù)據(jù)挖掘等技術(shù)在基礎(chǔ)教育教學(xué)中的使用情況，并根據(jù)調(diào)研中發(fā)現(xiàn)的問題總結(jié)、建議并提出對策。

1 人工智能在基礎(chǔ)教育教學(xué)應(yīng)用綜述

教育領(lǐng)域主要應(yīng)用的人工智能相關(guān)技術(shù)有：圖像文字識別、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等。人工智能技術(shù)不僅可以優(yōu)化教學(xué)環(huán)境、豐富教學(xué)資源、提升教學(xué)管理水平，還可以幫助教師改進(jìn)教學(xué)方法，提高學(xué)生的學(xué)習(xí)積極性、主動性、激發(fā)創(chuàng)造性。

1.1 教師視角

問卷和訪談?wù){(diào)研結(jié)果表明，目前城市教師使用人工智能和互聯(lián)網(wǎng)技術(shù)輔助教學(xué)各個(gè)環(huán)節(jié)比較普遍。包括利用知識圖譜、搜索引擎、視頻處理和互聯(lián)網(wǎng)等技術(shù)進(jìn)行課件資源組織、在線教學(xué)中的答疑、基于大數(shù)據(jù)技術(shù)的智能組卷和學(xué)情分析、基于自然語言處理的自動改卷等。

在課件組織方面，基于知識圖譜的搜索引擎有力地促進(jìn)了課件資源的共享和快速檢索。文獻(xiàn)[3]提出以學(xué)習(xí)單元為中心、以學(xué)習(xí)活動為核心的人機(jī)協(xié)同備課模式。文獻(xiàn)[4]設(shè)計(jì)開發(fā)了人機(jī)協(xié)同的集體備課系統(tǒng)，提出了一種智能輔助備課模式。

文獻(xiàn)[5]設(shè)計(jì)開發(fā)針對《漢字的造字法》課程知識綱要，通過TF-IDF(term frequency-inverse document frequency)算法實(shí)現(xiàn)問答系統(tǒng)自動交互。文獻(xiàn)[6]設(shè)計(jì)了面向Moodle平臺的問答模塊，學(xué)生可根據(jù)自己的學(xué)習(xí)情況和知識的掌握程度選擇參與答疑的方式。文獻(xiàn)[7]提出基于知識圖譜知識問答系統(tǒng)，實(shí)時(shí)領(lǐng)域知識自動對話。由于歐美國家信息技術(shù)發(fā)展較早，英語教學(xué)中應(yīng)用人工智能技術(shù)比較領(lǐng)先。文獻(xiàn)[8]提出基于知識圖譜的英語語法智能題庫和自動問答系統(tǒng)，能夠高效地從知識庫中生成問題答案。基于語音智能分析技術(shù)的英語口語糾正已經(jīng)應(yīng)用較廣[9]。文獻(xiàn)[10]提出一種基于序列匹配的音節(jié)級發(fā)音測評系統(tǒng)，評分結(jié)果準(zhǔn)確可靠，有效地提高了自動交互的英語口語教學(xué)水平。

利用各種試題組卷進(jìn)行教學(xué)效果的評估是教師教學(xué)的重要環(huán)節(jié)。試卷中的題目不僅難度分配要適當(dāng)，還要求對學(xué)生學(xué)習(xí)內(nèi)容進(jìn)行全面考核。文獻(xiàn)[11]提出使用遺傳算法優(yōu)化組卷，通過適應(yīng)度函數(shù)來獲取適應(yīng)度函數(shù)的最優(yōu)值，結(jié)合運(yùn)用保優(yōu)策略和輪盤賭實(shí)現(xiàn)對選擇操作的優(yōu)化。文獻(xiàn)[12]提出了基因表達(dá)式編程算法，通過使用適當(dāng)?shù)倪z傳算子，采用線性定長的編碼方式，構(gòu)造了新的智能組卷方法，避免了傳統(tǒng)組卷算法成功率低以及適應(yīng)性差等問題，解決了多約束條件下試卷的分?jǐn)?shù)分配、章節(jié)分配、難度等一系列問題。

在基礎(chǔ)教育中，試卷的批改工作量較大。隨著條碼、涂題卡、在線考試的出現(xiàn)，客觀題批閱基本解決，但是隨著主觀題、能力題的權(quán)重越來越高，教師批改試卷的時(shí)間成本依然很高。利用人工智能進(jìn)行主觀題智能評判有望將教師從繁雜的試卷批改工作中解放出來，提升教師工作效率。文獻(xiàn)[13]提出了基于文本相似度的歷史主觀題智能閱卷技術(shù)，使用依存關(guān)系和同義詞詞林相結(jié)合的方法計(jì)算文本的語義相似度，證明AI和教師評分差異控制在可控范圍內(nèi)。文獻(xiàn)[14]通過比較標(biāo)準(zhǔn)答案和考生答案的分詞向量之間的相似度進(jìn)行主觀題評判。文獻(xiàn)[15]從分析文本結(jié)構(gòu)特征的角度出發(fā),在樹搜索匹配理論的基礎(chǔ)上提出基于相對距離的詞序相似度算法,并通過統(tǒng)計(jì)回歸方法將關(guān)鍵詞相似度與詞序相似度進(jìn)行融合得到文本的綜合相似度。

英語和語文作文是基礎(chǔ)教育中最復(fù)雜的主觀題模塊，無法通過和參考答案的文本相似度計(jì)算來打分。得分的關(guān)鍵要素是語言是否通順、好詞佳句是否運(yùn)用得當(dāng)、結(jié)構(gòu)是否合理、觀點(diǎn)是否鮮明、甚至立意是否新穎等等。因此，作文自動評閱對AI挑戰(zhàn)較大。文獻(xiàn)[16]提出一種基于篇章結(jié)構(gòu)的英文作文自動評分方法,在詞、句、段落3個(gè)層面上提取作文的詞匯,句法以及結(jié)構(gòu)等特征,并使用支持向量機(jī)、隨機(jī)森林以及極端梯度上升等算法對篇章成分進(jìn)行分類,最后構(gòu)建線性回歸模型對作文的篇章結(jié)構(gòu)進(jìn)行評分。文獻(xiàn)[17]提出了一種基于作文扣題度的自動作文評分計(jì)算方法,實(shí)現(xiàn)對非扣題作文的檢測和發(fā)現(xiàn),作文參考范文和學(xué)生作答作文的文本匹配程度是作文評分的一個(gè)重要特征,通過一種新穎的方式構(gòu)建了圖神經(jīng)網(wǎng)絡(luò),綜合了各個(gè)句子的相似度計(jì)算作文扣題度。文獻(xiàn)[18]提出一種基于語句通順度的自動作文評分計(jì)算方法,將語句通順度指標(biāo)應(yīng)用到自動作文評分領(lǐng)域,用于實(shí)現(xiàn)檢測發(fā)現(xiàn)作文中語義不通順語句的功能,并且對作文中出現(xiàn)的語義無關(guān)詞語和病句有更低的打分。

傳統(tǒng)教學(xué)中，教師對學(xué)生個(gè)體學(xué)習(xí)情況的掌握主要憑借集體測驗(yàn)、單獨(dú)提問等方式進(jìn)行，缺乏精準(zhǔn)性，難以為學(xué)生提供個(gè)性化指導(dǎo)?；趯W(xué)科知識圖譜和答題數(shù)據(jù)挖掘的自動化認(rèn)知診斷及漏洞檢測，可以自動判定學(xué)生知識點(diǎn)掌握情況、個(gè)人能力知識圖譜、知識遺忘度等。文獻(xiàn)[19]提出面向知識水平學(xué)生知識掌握情況，采用認(rèn)知診斷的規(guī)則空間模型(rule space model，RSM)，將不可觀察的知識水平用屬性掌握模式來量化表示。文獻(xiàn)[20]提出一種基于能力的學(xué)習(xí)者模型，將學(xué)生個(gè)體能力按照高中數(shù)學(xué)領(lǐng)域知識點(diǎn)抽象成綜合能力、間接分析能力、計(jì)算能力、抽象能力等多個(gè)維度表示的個(gè)體特征庫，再根據(jù)學(xué)生每個(gè)知識點(diǎn)的掌握情況進(jìn)行細(xì)分和量化，最終映射出學(xué)生存在漏洞的知識點(diǎn)。

基于大數(shù)據(jù)的智能學(xué)情分析技術(shù)一方面匯聚了單個(gè)學(xué)生的學(xué)習(xí)態(tài)度、學(xué)習(xí)風(fēng)格、知識點(diǎn)掌握情況等信息，使教師能夠精準(zhǔn)掌握學(xué)生個(gè)體的學(xué)習(xí)需求；另一方面統(tǒng)計(jì)了班級整體的學(xué)習(xí)氛圍狀況、薄弱知識點(diǎn)分布、成績分布等學(xué)情信息，使教師能夠精準(zhǔn)掌握班級整體的學(xué)習(xí)需求，合理規(guī)劃教學(xué)資源、恰當(dāng)選取教學(xué)方式提供專業(yè)指導(dǎo)意見，實(shí)現(xiàn)教學(xué)過程的精準(zhǔn)化。文獻(xiàn)[21]設(shè)計(jì)了以Hadoop為核心的學(xué)情分析系統(tǒng)，提出了基于學(xué)情分析系統(tǒng)的數(shù)據(jù)挖掘并行算法分析平臺設(shè)計(jì)，實(shí)現(xiàn)了一種基于數(shù)據(jù)的智慧校園平臺。文獻(xiàn)[22]設(shè)計(jì)了基于Echarts的可視化學(xué)情分析系統(tǒng)，該系統(tǒng)可對學(xué)生的學(xué)習(xí)效果做出可視化反饋，便于教師改善教學(xué)，提高學(xué)生的學(xué)習(xí)效率綜合素質(zhì)能力。

1.2 教學(xué)管理者視角

教學(xué)管理是基礎(chǔ)教育中非常重要的環(huán)節(jié)，是保證學(xué)校的正常教學(xué)秩序、提高教學(xué)質(zhì)量的關(guān)鍵。常見的教學(xué)管理人員包括：教育管理部門(教育廳、教育局)的管理者、教學(xué)研究員、學(xué)校的管理者、教務(wù)處、年級組管理者、信息管理者等。

校園安全一直都是全社會關(guān)注的問題。在人工智能技術(shù)日趨成熟的今天，利用計(jì)算機(jī)視覺、語音識別等技術(shù)可大大提高安全管理的效率，減輕常規(guī)檢查、篩查等工作給管理者帶來的負(fù)擔(dān)。近年來，用于罪犯追查、人口跟蹤的身份識別系統(tǒng)已經(jīng)應(yīng)用比較廣泛[23-24]。文獻(xiàn)[25]提出了基于高斯混合模型的復(fù)雜背景陌生人鑒別算法，能夠滿足實(shí)際監(jiān)控場景需求。為了更好地應(yīng)對疫情，文獻(xiàn)[26]提出了一種基于Eaidk-310嵌入式平臺的戴口罩的人臉識別。中小學(xué)校的人口密度較大，往往呈現(xiàn)出固定的時(shí)間點(diǎn)內(nèi)人流量集中的情況，例如放學(xué)、聚會等高峰時(shí)段。部分寄宿制學(xué)校在放假的時(shí)候校門口人流和車流量更大，安全隱患較多。利用計(jì)算機(jī)視覺技術(shù)對人數(shù)密集區(qū)域進(jìn)行統(tǒng)計(jì)和預(yù)警，有助于高效疏導(dǎo)，防患未然。文獻(xiàn)[27]提出了基于質(zhì)心匹配的人頭追蹤算法，結(jié)合對行人的越界檢測以及與運(yùn)動方向一致性判斷，人數(shù)統(tǒng)計(jì)準(zhǔn)確率在92%以上。

當(dāng)前，用于考勤簽到的指紋識別、人臉識別應(yīng)用也較多。通常包括在線和離線兩種活體檢測方案，有效抵御視頻、翻拍、3D模型等作弊手段，并能夠同時(shí)捕捉多張人臉，實(shí)現(xiàn)多人同時(shí)考勤，提高考勤效率。文獻(xiàn)[28]提出的面向復(fù)雜背景的人臉識別系統(tǒng)可成功用于課堂自動化考勤。文獻(xiàn)[29]提出基于ResNet(residual neural network)的小人臉識別技術(shù)，能夠?qū)崿F(xiàn)大規(guī)模上課學(xué)生，特別是走班制學(xué)生的考勤。文獻(xiàn)[30]提出基于輪廓的人頭檢測方法檢測自習(xí)室人數(shù)，方便管理人員的資源配置。

隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，識別學(xué)生在課堂上的行為、表情、微動作、把玩物品等要素，綜合評估上課專注度，可為學(xué)校、教育機(jī)構(gòu)評估教學(xué)質(zhì)量提供精準(zhǔn)依據(jù)。文獻(xiàn)[31]提出了基于Viola-Jones的側(cè)臉、抬(低)頭、眼睛張合度識別和學(xué)生上課專注度算法，取得了較高的人臉檢測率和專注度判斷的效果。文獻(xiàn)[32]提出了一種基于DS(Dempster-Shafer)理論的學(xué)生專注狀態(tài)評估算法，通過檢測學(xué)生的面部姿勢的歐拉角來評估學(xué)生注意力，準(zhǔn)確性達(dá)到85.3%。文獻(xiàn)[33]提出了基于多路特征融合的Faster R-CNN(Region-CNN)與遷移學(xué)習(xí)的正常學(xué)習(xí)、睡覺、低頭等行為檢測方法。

通過大數(shù)據(jù)的收集和分析可建立智能化數(shù)據(jù)管理平臺，可形成人機(jī)協(xié)同的決策模式，讓管理者洞察教學(xué)運(yùn)行過程中問題本質(zhì)與發(fā)展趨勢，實(shí)現(xiàn)更高效的資源配置。例如訊飛教育大數(shù)據(jù)平臺，構(gòu)建了區(qū)、校兩級教育管理與決策的分析體系和指標(biāo)模型。可促進(jìn)區(qū)、校有效監(jiān)管和可視展現(xiàn)。文獻(xiàn)[34]提出五階段消除抑制因素的信息系統(tǒng)構(gòu)建策略，有助于在大數(shù)據(jù)背景下確定并消除與信息管理系統(tǒng)相關(guān)的抑制性變量。利用該教育決策模型可以進(jìn)一步指導(dǎo)學(xué)校把傳統(tǒng)的主觀教育管理轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動的精準(zhǔn)管理。文獻(xiàn)[35]提出了基于云計(jì)算的教育基礎(chǔ)數(shù)據(jù)的采集與應(yīng)用研究方法，將現(xiàn)階段的研究熱點(diǎn)云技術(shù)和數(shù)據(jù)量多且雜亂的教育基礎(chǔ)數(shù)據(jù)的采集技術(shù)相結(jié)合，通過云存儲、云計(jì)算、云服務(wù)、云集成等技術(shù)，提高基礎(chǔ)數(shù)據(jù)的集成應(yīng)用能力與決策分析支撐能力。

1.3 學(xué)生視角

目前，國內(nèi)對基礎(chǔ)教育的要求由應(yīng)試教育向個(gè)性化素質(zhì)教育進(jìn)行轉(zhuǎn)變，而人工智能可根據(jù)學(xué)生自身的興趣、習(xí)慣等為學(xué)生學(xué)習(xí)提供指導(dǎo)，實(shí)現(xiàn)個(gè)性化教學(xué)，提高學(xué)習(xí)效率。

伴隨著計(jì)算機(jī)網(wǎng)絡(luò)以及移動通信技術(shù)的發(fā)展與普及，網(wǎng)絡(luò)在線教育在中小學(xué)教育過程中如火如荼，涌現(xiàn)出類型多樣、針對性強(qiáng)的在線題庫和作業(yè)系統(tǒng)。在線試題庫為“教師的教”和“學(xué)生的學(xué)”提供了更便捷的途徑和更多樣化的選擇，能夠?yàn)閷W(xué)習(xí)者提供更有針對性的指導(dǎo)。著名的題庫及作業(yè)系統(tǒng)有：作業(yè)幫、小猿搜題、作業(yè)盒子、一起作業(yè)等。作業(yè)幫和小猿搜題致力于利用圖像切割、校準(zhǔn)和圖像文字識別(optical character recognition，OCR)等技術(shù)進(jìn)行習(xí)題搜索和講解；一起作業(yè)專注小學(xué)英語和小學(xué)數(shù)學(xué)學(xué)科，為老師、學(xué)生和家長三方提供在線互動教學(xué)服務(wù)；作業(yè)盒子則通過作業(yè)數(shù)字化、數(shù)據(jù)化切入日常教學(xué)場景，為師生提供移動的作業(yè)工具。雖然目前題庫和作業(yè)系統(tǒng)的功能日漸強(qiáng)大，然而其中如何系統(tǒng)地利用嵌入在多個(gè)異類數(shù)據(jù)(例如文本和圖像)中的豐富語義信息以精確地檢索相似練習(xí)的問題仍然懸而未決。為此，Liu等人[36]開發(fā)了一個(gè)新穎的基于多模式注意力的神經(jīng)網(wǎng)絡(luò)(multimodal attention-based neural network，MANN)框架，通過從異類數(shù)據(jù)中學(xué)習(xí)統(tǒng)一的語義表示，可以在大型在線教育系統(tǒng)中找到類似的習(xí)題。

智能推薦引擎可以較好地解決學(xué)習(xí)過程個(gè)性化的問題。智能推薦引擎一方面基于對學(xué)生數(shù)據(jù)的全面掌握，即根據(jù)學(xué)生已有的知識儲備、學(xué)習(xí)風(fēng)格和偏好來設(shè)計(jì)、選取教學(xué)內(nèi)容，準(zhǔn)確刻畫學(xué)生的個(gè)性特征與學(xué)習(xí)需求；另一方面基于對學(xué)習(xí)資源內(nèi)容和使用狀況的智能分析，實(shí)現(xiàn)資源特性的標(biāo)簽化，能夠讓學(xué)習(xí)者根據(jù)自身偏好對互聯(lián)網(wǎng)上廣泛的資料進(jìn)行篩選，最終根據(jù)每個(gè)學(xué)生的真實(shí)需求，智能化推送合適的學(xué)習(xí)資源，以實(shí)現(xiàn)學(xué)習(xí)過程的個(gè)性化。Aher和Lobo[37]基于學(xué)習(xí)者的歷史數(shù)據(jù)使用聚類算法(K-means)和關(guān)聯(lián)規(guī)則算法(Apriori)為新生推薦課程取得了較好的效果。Ghauth和Abdullah提出一種新型的整合優(yōu)秀學(xué)習(xí)者評分的基于內(nèi)容的推薦算法[38]，可以為學(xué)習(xí)者推薦高質(zhì)量的學(xué)習(xí)資源。Milicevic等人設(shè)計(jì)了一種可以自動適應(yīng)學(xué)習(xí)者的興趣(包含學(xué)習(xí)風(fēng)格和學(xué)習(xí)偏好)和知識水平的推薦模型[39]，平行組實(shí)驗(yàn)結(jié)果表明該模型可以根據(jù)學(xué)習(xí)風(fēng)格、偏好和知識水平向?qū)W習(xí)者推薦合適的學(xué)習(xí)活動。

Kurilovas等人根據(jù)學(xué)習(xí)者的學(xué)習(xí)風(fēng)格推薦個(gè)性化的學(xué)習(xí)路徑以節(jié)省學(xué)習(xí)時(shí)間[40]。Intayoad等人提出一種基于社會情境感知的個(gè)性化學(xué)習(xí)路徑推薦方法[41]，使用K近鄰和決策樹技術(shù)基于采集到的社會情景(即學(xué)習(xí)者與學(xué)習(xí)目標(biāo)的交互信息)對學(xué)習(xí)者進(jìn)行分類，最后采用關(guān)聯(lián)規(guī)則向?qū)W習(xí)者推薦合適的學(xué)習(xí)路徑。然而，學(xué)習(xí)者的學(xué)習(xí)水平在學(xué)習(xí)過程中是動態(tài)變化的，因此師亞飛、彭紅超等人研究設(shè)計(jì)新型個(gè)性化學(xué)習(xí)路徑推薦模型[42]。根據(jù)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，向?qū)W習(xí)者動態(tài)推薦學(xué)習(xí)元列表，讓學(xué)習(xí)者主動選擇其中最適合的一個(gè)學(xué)習(xí)元。

知識追蹤技術(shù)是根據(jù)學(xué)生過去的答題情況對其知識掌握情況進(jìn)行建模,從而得到學(xué)生當(dāng)前知識狀態(tài)的有效表示，進(jìn)而預(yù)測其回答某個(gè)問題的正確性。Corbett和Anderson的智能導(dǎo)學(xué)系統(tǒng)(intelligence tutoring system，ITS)[43],提出一種高度有約束和結(jié)構(gòu)化的算法，準(zhǔn)確反映學(xué)生的學(xué)習(xí)水平、知識結(jié)構(gòu)等一系列個(gè)性化數(shù)據(jù)。Piech等人[44]提出使用深度學(xué)習(xí)技術(shù)追蹤學(xué)生知識點(diǎn)的隱含掌握情況并取得了很好的答題預(yù)測效果。Zhang等人[45]針對DKT(deep knowledge tracing)只將習(xí)題和作答結(jié)果作為輸入的問題，提出通過在習(xí)題層面納入更多特征。Yeung等人[46]提出增加DKT算法三個(gè)正則項(xiàng)，增強(qiáng)答題預(yù)測的一致性。2018年Minn等人[47]提出了一種基于學(xué)生聚類的改進(jìn)的DKT算法，同樣在知識追蹤任務(wù)中取得了良好的效果。Wang等人[48]設(shè)計(jì)了一種新穎的基于DKT(deep knowledge tracing)的算法，能夠捕獲習(xí)題的順序依賴性和內(nèi)在關(guān)系，從而在預(yù)測學(xué)生未來做題結(jié)果時(shí)取得了準(zhǔn)確性上的進(jìn)一步提高。Zhang等人[49]改進(jìn)了MANN網(wǎng)絡(luò)并用于知識追蹤任務(wù)，從而提出了基于動態(tài)鍵值記憶網(wǎng)絡(luò)的知識追蹤算法(dynamic key-value memory networks，DKVMN)。該算法通過添加一個(gè)靜態(tài)矩陣和一個(gè)動態(tài)矩陣作為外部存儲器，擺脫了訓(xùn)練參數(shù)與模型的存儲能力之間的聯(lián)系，提高了網(wǎng)絡(luò)的序列建模能力，在知識追蹤任務(wù)上取得了目前最好的表現(xiàn)。

2 人工智能應(yīng)用存在的問題

人工智能技術(shù)對當(dāng)前教育的發(fā)展既是機(jī)遇也是挑戰(zhàn)，人工智能技術(shù)的引進(jìn)可以更好地為教育服務(wù)，改變傳統(tǒng)的教學(xué)模式，賦予教學(xué)新的活力和更豐富多元的形式，對促進(jìn)學(xué)生個(gè)性化和全面化的發(fā)展具有很大的幫助。但同時(shí)人工智能在基礎(chǔ)教育應(yīng)用過程中依然存在著很多問題。結(jié)合文獻(xiàn)綜述，還采用了問卷調(diào)查、個(gè)案訪談兩類調(diào)研方法，結(jié)果發(fā)現(xiàn)目前人工智能在基礎(chǔ)教育應(yīng)用中存在以下問題。

2.1 教師缺乏經(jīng)驗(yàn)

對300多名省級示范學(xué)校的調(diào)研結(jié)果可以看出，教師對于人工智能輔助教育教學(xué)的效果給予認(rèn)可的態(tài)度，絕大多數(shù)的教師希望通過人工智能對自己的教學(xué)工作給予一定的幫助，但就應(yīng)用的層面來講，較多的教師僅停留在基礎(chǔ)傳統(tǒng)的智能化設(shè)備，甚至只停留在搜集資料，沒有真正利用人工智能的優(yōu)勢與特點(diǎn)使教學(xué)質(zhì)量得到較大的提升。在疫情的沖擊下，在線教學(xué)大面積開展，但大部分基礎(chǔ)教育教師只停留在簡單的操作階段，不能熟練運(yùn)用教學(xué)平臺人工智能輔助教學(xué)的功能。

在調(diào)查中發(fā)現(xiàn)，即使學(xué)校擁有較好的智能設(shè)備，絕大多數(shù)教師由于沒有時(shí)間和精力也不經(jīng)常使用。由于人工智能的識別率、準(zhǔn)確性還不夠高，教師對于利用人工智能教學(xué)信心不足。

2.2 學(xué)校缺少培訓(xùn)

許多教師希望人工智能能夠解放教師機(jī)械勞動，精準(zhǔn)配合教師進(jìn)行更多樣化、個(gè)性化的教學(xué)。例如在課表排布，綜合管理學(xué)生信息，虛擬現(xiàn)實(shí)技術(shù)模擬實(shí)驗(yàn)，人臉識別進(jìn)行學(xué)生課堂專注度分析等方面更好應(yīng)用，但對30多個(gè)省級示范學(xué)校的調(diào)研結(jié)果表明，學(xué)校開展有關(guān)人工智能在教育教學(xué)應(yīng)用的培訓(xùn)的普遍度不夠，這就導(dǎo)致很多教師對于人工智能還僅僅停留在“人工智能”四個(gè)字的最簡單層面，對于其優(yōu)勢，案例沒有清晰了解。

2.3 政府支持力度不夠

在調(diào)研中發(fā)現(xiàn)，教師和校長認(rèn)為當(dāng)前人工智能在教育教學(xué)應(yīng)用中存在的普遍問題是所獲資金不足，影響了購買智能功能設(shè)備的能力。其次是時(shí)間不足，相比高等學(xué)校教師，基礎(chǔ)教育教師大多教學(xué)任務(wù)繁忙，較少時(shí)間進(jìn)行新生技術(shù)的研究和訓(xùn)練。再次是資源不足，基礎(chǔ)教育學(xué)校中對人工智能技術(shù)比較了解的人員比較少，難以開展培訓(xùn)。

2.4 學(xué)生難以自制

大多數(shù)人工智能系統(tǒng)和平臺需要學(xué)生使用智能終端在網(wǎng)絡(luò)上進(jìn)行，基礎(chǔ)教育階段學(xué)生的上網(wǎng)行為難控制。中小學(xué)生接觸電子產(chǎn)品過長，不宜于身心健康，有損視力。作業(yè)幫等智能產(chǎn)品又容易使中小學(xué)生產(chǎn)生依賴心理，不愿自主思考。因此家長和老師基本上對學(xué)生的電子產(chǎn)品使用采取管控態(tài)度，從一定層面上限制了人工智能的應(yīng)用。

3 對策建議

針對以上問題，提出以下建議和對策：

3.1 教師培養(yǎng)和培訓(xùn)應(yīng)比設(shè)備設(shè)施資源優(yōu)先發(fā)展

面對信息技術(shù)和人工智能的日新月異，教師們紛紛表示要緊跟發(fā)展信息化的步伐，主動擁抱人工智能，進(jìn)一步推動信息化在教育教學(xué)、教育管理、教育服務(wù)過程中的應(yīng)用，通過多元化的培訓(xùn)支持保障機(jī)制，培養(yǎng)人工智能普及教育的卓越教師，讓更多勝任的專業(yè)科技教師在校內(nèi)外教育中發(fā)揮作用。能使教師真正利用智能技術(shù)支撐人才培養(yǎng)模式的創(chuàng)新，支撐教學(xué)方法的改革，成為掌握人工智能技術(shù)、具有創(chuàng)新思維的教師，為推進(jìn)學(xué)習(xí)AI科技樣板學(xué)校的創(chuàng)立和發(fā)展而努力。

3.2 加強(qiáng)人工智能在基礎(chǔ)教育應(yīng)用的政策保障

建立全方位、可操作指導(dǎo)政策體系，著力從財(cái)政上給予支持，并有效調(diào)動利用豐富的社會資源。促進(jìn)社會科技企業(yè)與學(xué)校開展合作，這樣的合作策略有助于多方的共同發(fā)展與進(jìn)步，企業(yè)在不斷進(jìn)行科技創(chuàng)新的同時(shí)，持續(xù)致力推動人工智能基礎(chǔ)教育普及，從而共同推動全市的教育改革實(shí)踐，多維度培養(yǎng)了未來社會需要的人才，使得學(xué)校、政府、企業(yè)的深入合作站在了較高的起點(diǎn)上，學(xué)校的壓力也自然得到了解決。

3.3 利用人工智能技術(shù)加強(qiáng)對網(wǎng)絡(luò)教學(xué)質(zhì)量與網(wǎng)絡(luò)教學(xué)時(shí)間的監(jiān)管

一方面，學(xué)校應(yīng)建立全方位、可操作指導(dǎo)政策體系作為保障，統(tǒng)一規(guī)范人工智能在教育平臺的應(yīng)用。加強(qiáng)對教師教學(xué)質(zhì)量的把控和審核，統(tǒng)一規(guī)范教學(xué)使用平臺，體系化規(guī)范化的授課，便于提高學(xué)生的學(xué)習(xí)效率，更好地適應(yīng)新的教學(xué)方式，保證無論是線下授課還是網(wǎng)絡(luò)教學(xué)，教學(xué)質(zhì)量都不受影響。同時(shí)也要規(guī)范網(wǎng)絡(luò)教學(xué)的上課秩序，增設(shè)網(wǎng)絡(luò)課堂專注度分析功能，加強(qiáng)對學(xué)生聽課質(zhì)量的監(jiān)督。另一方面把控好授課時(shí)長，合理分配學(xué)習(xí)與休息時(shí)間，避免長時(shí)間使用電子設(shè)備對學(xué)生身心健康產(chǎn)生不良的影響。

3.4 培養(yǎng)學(xué)生的人工智能意識，提高課堂互動性

學(xué)校可以適當(dāng)普及人工智能課程。開展VR技術(shù)、3D打印技術(shù)、智能無感等技術(shù)的科普講座和體驗(yàn)課程，一方面可以幫助學(xué)生在情境模擬及空間建構(gòu)中，更好地理解復(fù)雜、抽象的內(nèi)容，并增強(qiáng)學(xué)生的參與性與能動性，提高學(xué)生的興趣以及加深對人工智能的了解，從而使學(xué)生更加關(guān)注人工智能方面的知識與內(nèi)容，提出關(guān)于完善平臺的建議和想法。有利于提高學(xué)生上課的積極性和互動性，也能使學(xué)生成為人工智能應(yīng)用的督促著和促進(jìn)者。

總體來說，提出從教師，學(xué)生，學(xué)校，社會，企業(yè)多個(gè)領(lǐng)域，結(jié)合利用多方資源更好地使人工智能賦能教育教學(xué)，更好地推動學(xué)校育人方式轉(zhuǎn)型發(fā)展。

4 結(jié)束語

人工智能技術(shù)的發(fā)展，將使得未來教育發(fā)生重大的結(jié)構(gòu)性變革。雖然具體變化形態(tài)是多樣的，但可以預(yù)測，未來教育會既實(shí)現(xiàn)大規(guī)模覆蓋，又實(shí)現(xiàn)與個(gè)人能力相匹配的個(gè)性化發(fā)展。

隨著人工智能技術(shù)在教育教學(xué)上的應(yīng)用，教師將有更多的時(shí)間和精力關(guān)心學(xué)生心靈、精神和幸福，跟學(xué)生平等互動，實(shí)施更加人本的教學(xué)，使得學(xué)生更具有創(chuàng)造性。

該文通過教師、管理人員、學(xué)生三個(gè)視角對綜述并發(fā)現(xiàn)目前人工智能在中小學(xué)基礎(chǔ)教育中應(yīng)用的不足，建議結(jié)合多方資源進(jìn)一步推動基于教育教師的培訓(xùn)。最后，在人工智能飛速發(fā)展的時(shí)代背景下，預(yù)計(jì)還有3～5年時(shí)間人工智能將在基礎(chǔ)教育中得到廣泛普及和應(yīng)用，真正實(shí)現(xiàn)基礎(chǔ)教育的智能化管理和智慧教學(xué)。