顧小清 李世瑾

摘要：以數(shù)據(jù)驅(qū)動教育治理與教學(xué)創(chuàng)新在智能教育應(yīng)用理論與實踐領(lǐng)域已獲得廣泛共識。如何解決“數(shù)據(jù)孤島”和“數(shù)據(jù)無章”等現(xiàn)實問題，成為推動智能教育應(yīng)用與方法創(chuàng)新的關(guān)鍵。雷·庫茲韋爾在《奇點臨近》中最早以智能大腦為隱喻，通過給大數(shù)據(jù)植入數(shù)學(xué)算法，模仿人腦機制融合思考、解釋預(yù)測海量數(shù)據(jù)的機理，進而做出有邏輯關(guān)系的相關(guān)行為信息判斷。城市大腦正是利用智能大腦解決了因算力、復(fù)雜度等原因難以處理的城市治理和發(fā)展問題。類似地，智能教育大腦是海量教育數(shù)據(jù)模型、深度學(xué)習(xí)算法、高度計算力等智能化技術(shù)與算法的融合體，遵循“數(shù)據(jù)處理一模型訓(xùn)練一模型測試評估一服務(wù)應(yīng)用”技術(shù)路線，通過科學(xué)規(guī)范的數(shù)據(jù)聚類、數(shù)據(jù)認知、決策優(yōu)化、搜索挖掘、預(yù)測干預(yù)等過程，匯聚多元化的數(shù)據(jù)類型，打破數(shù)據(jù)之間的流通壁壘，保障精準的教育實踐形態(tài)。基于此，該文立足于推動智能教育應(yīng)用的視角，以人工智能教育大腦作為隱喻，從“是何”以及“如何”厘清其本質(zhì)內(nèi)涵與功用，聚焦教育數(shù)據(jù)治理與智能教育大腦關(guān)鍵技術(shù)應(yīng)對挑戰(zhàn)。同時，從有效學(xué)習(xí)行為發(fā)現(xiàn)與分析、素養(yǎng)結(jié)構(gòu)深度刻畫與診斷、個性化素養(yǎng)提升與干預(yù)決策等方面闡釋人工智能教育大腦如何賦能教育，以期為教育數(shù)據(jù)治理工具與教學(xué)創(chuàng)新的轉(zhuǎn)型提供新的思路和路徑。

關(guān)鍵詞：人工智能教育大腦;數(shù)據(jù)驅(qū)動;教育治理;教學(xué)創(chuàng)新;技術(shù)框架

中圖分類號：G434

文獻標識碼：A

一、引言

在人工智能的世界里，數(shù)據(jù)是一切事物的本質(zhì)[1]。以數(shù)據(jù)驅(qū)動精準治理與創(chuàng)新實踐的范式已獲得廣泛認可。如何解決“數(shù)據(jù)孤島”和“數(shù)據(jù)無章”等現(xiàn)實問題，需要借助人工智能這樣的超強計算處理技術(shù)。雷·庫茲韋爾在《奇點臨近》中最早以智能大腦為隱喻[2]，通過給大數(shù)據(jù)植入數(shù)學(xué)算法，能夠模仿人腦機制融合思考、解釋預(yù)測海量數(shù)據(jù)的機理，進而做出有邏輯關(guān)系的相關(guān)行為信息判斷。

教育人工智能同樣如此，一旦脫離數(shù)據(jù)的海洋，必然如無米之炊一般，慌亂且無所適從。然而，令人遺憾的是，教育應(yīng)用系統(tǒng)的數(shù)據(jù)面臨諸多現(xiàn)實瓶頸，或是彼此間功能割裂，各系統(tǒng)標準不統(tǒng)一，數(shù)據(jù)雜亂無章;或是各系統(tǒng)數(shù)據(jù)融合困難，數(shù)據(jù)分析不夠全面;或是數(shù)據(jù)處理速度無法匹配數(shù)據(jù)量級，導(dǎo)致強實效性數(shù)據(jù)的價值大打折扣;抑或是教育系統(tǒng)對數(shù)據(jù)的共享需求，帶來了數(shù)據(jù)泄露風(fēng)險和數(shù)據(jù)權(quán)限管理的額外成本。簡言之，數(shù)據(jù)驅(qū)動的教育治理與教學(xué)創(chuàng)新并不健康[3]。如何優(yōu)化海量數(shù)據(jù)的采集方式，打破多源異構(gòu)“數(shù)據(jù)塊”的流通壁壘，讓教育人工智能可以采用實時有效的數(shù)據(jù)完成自主學(xué)習(xí)、自我優(yōu)化、分析推理等工作，是推動智能教育應(yīng)用創(chuàng)新的核心議題。

城市大腦利用智能大腦優(yōu)勢，通過全面采集、集成、分析和挖掘城市空間的大量異構(gòu)數(shù)據(jù)，科學(xué)解決城市“四肢發(fā)達、頭腦簡單”的弊病[4]。類似地，人工智能教育大腦順應(yīng)數(shù)據(jù)處理與智能本質(zhì)的需求，從數(shù)據(jù)驅(qū)動的“神經(jīng)中樞”切人，運用數(shù)據(jù)挖掘、圖像識別、深度學(xué)習(xí)等技術(shù)，通過科學(xué)規(guī)范的數(shù)據(jù)聚類、數(shù)據(jù)認知、決策優(yōu)化、搜索挖掘、預(yù)測干預(yù)等過程，借助“計算、數(shù)據(jù)、萬物、智能”等優(yōu)勢推動智能時代教育生態(tài)圈健康持續(xù)性發(fā)展[5]。需要指出的是，人工智能教育大腦實質(zhì)是海量教育數(shù)據(jù)模型、深度學(xué)習(xí)算法、高度計算力等智能化技術(shù)與算法的融合體，如同人類大腦，具備理解、交互、情感、計算、決策等強大能力，能夠滿足優(yōu)質(zhì)化的教育數(shù)據(jù)需求?；诖耍疚膹亩嘣I(lǐng)域透析了數(shù)據(jù)驅(qū)動的發(fā)展訴求，并以人工智能教育大腦作為隱喻從“是何”與“如何”厘清其本質(zhì)內(nèi)涵和功用，聚焦教育數(shù)據(jù)治理與智能教育大腦關(guān)鍵技術(shù)應(yīng)對挑戰(zhàn)。同時，從有效學(xué)習(xí)行為發(fā)現(xiàn)與分析、素養(yǎng)結(jié)構(gòu)深度刻畫與診斷、個性化素養(yǎng)提升與干預(yù)決策等方面闡釋了人工智能教育大腦如何賦能教育，以期為教育數(shù)據(jù)治理工具與教學(xué)創(chuàng)新的轉(zhuǎn)型提供新的思路和路徑。

二、問題的提出

（一）學(xué)習(xí)分析研究十年回顧與未來挑戰(zhàn)

最能夠體現(xiàn)數(shù)據(jù)驅(qū)動的學(xué)習(xí)診斷與決策支持的，是以學(xué)習(xí)分析技術(shù)為核心的十多年研究。2011年2月27日-3月1日，以“學(xué)習(xí)分析技術(shù)在技術(shù)、社會和教學(xué)等維度的整合”為主題的首屆學(xué)習(xí)分析技術(shù)與知識國際會議（Learning Analytics and Knowledge Conference，簡稱LAK）在加拿大阿爾伯達省班芙市隆重舉行，迄今為止，學(xué)習(xí)分析研究已近十年[6][7]。回首過去十年研究，學(xué)習(xí)分析技術(shù)作為智慧的技術(shù)形態(tài)，在學(xué)習(xí)、教學(xué)和研究等領(lǐng)域突顯強大功效。學(xué)習(xí)領(lǐng)域，學(xué)習(xí)分析技術(shù)作為學(xué)習(xí)者自我評估、診斷、導(dǎo)向與危機預(yù)警的有效工具。其一，可視化的學(xué)習(xí)分析結(jié)果反饋，利于學(xué)習(xí)者自我評價與規(guī)劃自我目標的實現(xiàn)。其二，多元化的算法和數(shù)據(jù)模型能夠診斷學(xué)習(xí)者個性化需求。其三，實時監(jiān)測的學(xué)習(xí)軌跡與交互進程，提供了促進自我導(dǎo)向?qū)W習(xí)的機會。其四，識別提取學(xué)習(xí)進程中隱含的、潛在的、有用的信息，為學(xué)習(xí)者（尤其是高危學(xué)習(xí)者）學(xué)業(yè)表現(xiàn)提供科學(xué)預(yù)測、及時干預(yù)和指導(dǎo)。教學(xué)領(lǐng)域，學(xué)習(xí)分析技術(shù)采用數(shù)據(jù)驅(qū)動的方法，為理解教學(xué)過程、評估教學(xué)設(shè)計、靶向式更新教學(xué)活動和干預(yù)教學(xué)決策提供科學(xué)依據(jù)。例如，學(xué)習(xí)分析技術(shù)系統(tǒng)中多情境數(shù)據(jù)，能夠幫助教師更好地理解學(xué)習(xí)者的需求、風(fēng)格和活動軌跡，針對性地優(yōu)化教學(xué)決策[8]。研究領(lǐng)域，學(xué)習(xí)分析技術(shù)理解和關(guān)注學(xué)習(xí)發(fā)生的內(nèi)在機理，為個性化學(xué)習(xí)設(shè)計和評估教育效益提供重要保障。例如，loannou通過分析學(xué)習(xí)者的課堂行為數(shù)據(jù)，證實了交互式游戲化學(xué)習(xí)設(shè)計模型能夠促進學(xué)習(xí)者的愉悅感和同理心[9]。

理解、設(shè)計與服務(wù)學(xué)習(xí)是學(xué)習(xí)分析技術(shù)的基本理念，它得益于多元化和情境化的數(shù)據(jù)驅(qū)動。正如Ferguson所強調(diào)，數(shù)據(jù)是驅(qū)動學(xué)習(xí)分析技術(shù)發(fā)展的強催化劑[10]。然而，由于教育實踐動態(tài)變化且復(fù)雜多樣，加之個體特質(zhì)與數(shù)據(jù)的“不完全彌合性”，數(shù)據(jù)驅(qū)動的學(xué)習(xí)分析技術(shù)正面臨諸多挑戰(zhàn)。其一，如何獲取多源情境的學(xué)習(xí)數(shù)據(jù)，確保解釋和預(yù)測的科學(xué)性。其二，如何平衡多源異構(gòu)數(shù)據(jù)的豐富性和兼容性，是精準教學(xué)干預(yù)的關(guān)鍵，例如，教育人工智能技術(shù)豐富了學(xué)習(xí)者的面部表情、肢體語言等行為數(shù)據(jù)，但如何有效融合數(shù)據(jù)和兼容計算仍是目前面臨的挑戰(zhàn)。其三，如何解決算法和數(shù)據(jù)的孤立性，如何應(yīng)用群組算法實現(xiàn)同伴合作的學(xué)習(xí)方式。其四，數(shù)據(jù)挖掘結(jié)果僅能表征技術(shù)應(yīng)用于教育的階段性效益，如何驗證長期效用是學(xué)習(xí)分析技術(shù)面臨的新挑戰(zhàn)。未來，如何獲取多元優(yōu)質(zhì)的教育數(shù)據(jù)，遵循科學(xué)有效的數(shù)據(jù)決策過程，是推動學(xué)習(xí)分析技術(shù)發(fā)展的關(guān)鍵。