張 治 徐冰冰

(1.上海市寶山區(qū)教育局,上海201999； 2.上海市寶山區(qū)教育事務(wù)中心,上海201999)

一、問題提出

人工智能嵌入教育大致要經(jīng)過三個階段：第一階段是作為內(nèi)容的人工智能，以觀念傳播和技術(shù)普及為主，常作為課程進入學(xué)校系統(tǒng)；第二階段是作為工具的人工智能，即廣義的人工智能賦能教育教學(xué)的各個場景，技術(shù)成為原有教育模式的加速器，用于提升效率，但是幾乎不改變原有流程，沒有流程再造和范式重構(gòu)；第三階段是作為思維方式，即人工智能作為人類智能的伴生體，深度嵌入教育系統(tǒng)，成為人類智慧的一部分。在第三階段，人們開始思考人類智能和人工智能如何分工，不同的人如何學(xué)習(xí)才能實現(xiàn)效果最優(yōu)，學(xué)什么最重要，什么可以不學(xué)，什么可以不教，教育教學(xué)流程和治理范式是否需要重構(gòu)或優(yōu)化，而不是簡單地為教育做內(nèi)容的增量(見圖1)。但是，當前人工智能教育應(yīng)用仍停留于淺表層面，未形成整體化應(yīng)用，也沒有形成教育大數(shù)據(jù)開放共享和治理的機制體制，缺少人工智能治理整體解決方案。此外，作為人工智能核心元素的數(shù)據(jù)，整體質(zhì)量不高，文本、圖像、聲音、影視、超媒體等結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)也缺少固定的標準規(guī)范，且缺乏開放共享和治理的機制。

圖1 智能技術(shù)融入教育的三個階段

1.缺少安全可控、保護隱私的技術(shù)

教育大數(shù)據(jù)涉及用戶的個人隱私，對數(shù)據(jù)的合理利用、安全治理提出了較高要求。人工智能+教育的健康發(fā)展依賴高質(zhì)量的數(shù)據(jù)集，這就對教育大數(shù)據(jù)的治理提出了要求。隨著教育應(yīng)用場景的拓展，數(shù)據(jù)來源越來越廣、過程越來越復(fù)雜、規(guī)模越來越大、維度越來越多，提升了數(shù)據(jù)隱私保護的難度。目前數(shù)據(jù)治理技術(shù)和工具眾多，但能夠衡量隱私安全和判斷最優(yōu)的寥寥無幾。我們要推進教育智能化發(fā)展，需要研究和實現(xiàn)面向教育行業(yè)的數(shù)據(jù)治理關(guān)鍵技術(shù)。

2.缺乏適用于教育的算法模型

算法逐漸成為影響人類行為的基礎(chǔ)規(guī)則。然而，受限于技術(shù)本身與應(yīng)用邏輯，算法應(yīng)用過程中存在不可解釋隱憂、自我強化困境等挑戰(zhàn)。學(xué)習(xí)者模型和教學(xué)策略模型的普適算法難以應(yīng)對人的獨特性和不可復(fù)制性，教育領(lǐng)域的算法歧視也會造成教育公平和個性化的沖突。因此，提出人工智能算法治理體系及核心算法模型，是應(yīng)對人工智能帶來的風險與挑戰(zhàn)的有效手段。目前，算法治理基礎(chǔ)薄弱還不能有效支持各類教育場景。人工智能在教育行業(yè)的探索，一方面應(yīng)用場景、應(yīng)用學(xué)科比較零散，另一方面相關(guān)的人工智能關(guān)鍵技術(shù)和算法模型往往是“一項目一方案”，且會隨著項目的結(jié)束而結(jié)束，缺少能夠整合各類教育特色的算法模型和關(guān)鍵技術(shù)的教育大腦。當前的教育模式是標準化、規(guī)模化的，如何滿足學(xué)生個性化、靈活的學(xué)習(xí)需求，是長期難以改變的教育難題。

3.教育實際場景應(yīng)用還存在諸多困難

人工智能領(lǐng)域已有神經(jīng)網(wǎng)絡(luò)、語義分析、知識圖譜等眾多算法，但這些通用算法在實踐中并不能直接用于教育智能化，還需要利用具體教育場景的歷史數(shù)據(jù)，按照既定規(guī)則和目標，重新訓(xùn)練和學(xué)習(xí)，特別是要適應(yīng)教育的規(guī)則體系和國家的教育發(fā)展生態(tài)，才能貼合教育行業(yè)需求，符合人工智能治理原則。

綜上，無論是數(shù)據(jù)治理還是算法治理，面向教育行業(yè)的人工智能治理還缺乏整體的解決方案。本研究提出通過開展教育數(shù)據(jù)治理和面向教育領(lǐng)域的算法治理，“哺育”健康強壯的教育大腦，加快推動線上線下融合的教學(xué)模式改革，實現(xiàn)大規(guī)模因材施教和教育決策精準科學(xué)。

二、概念建構(gòu)

人工智能的發(fā)展就是不斷模擬、拓展人類智能的過程，終極目標是模擬、拓展人類大腦(見圖2)。1956年，麥卡錫等科學(xué)家在美國達特茅斯學(xué)院開會研討“如何用機器模擬人的智能”時，首次提出“人工智能”概念。隨后幾十年，人工智能在模擬、延伸和擴展人類智能方面進步巨大，模擬人的“聽”，形成了語音識別、機器翻譯等；模擬人的“看”，形成了圖像識別、文字識別等；模擬人類“說話”，形成了語音合成、自然語言合成等。大腦是人類最復(fù)雜的器官，代表著人類最高智慧的物質(zhì)基礎(chǔ)。20世紀80年代末，美國科學(xué)家卡沃·米德(Carver Mead)首次提出類腦計算概念，希望通過研究人類大腦的工作機理，設(shè)計像人類一樣思考、學(xué)習(xí)的機器人。2016年，AlphaGo引發(fā)人們對人工智能的關(guān)注，機器學(xué)習(xí)迅猛發(fā)展，人工智能也邁向了認知智能階段，模擬人類思考，發(fā)展形成了人機對弈、定理證明等；模仿人類學(xué)習(xí)，發(fā)展形成了機器學(xué)習(xí)、知識表示等；模仿人類行動，發(fā)展形成了類人機器人、自動駕駛汽車等。雷·庫茲韋爾(2011)以智能大腦為隱喻，通過給大數(shù)據(jù)植入數(shù)學(xué)算法，模仿人腦融合機制思考、解釋海量數(shù)據(jù)的機理，做出有邏輯關(guān)系的判斷。

圖2 人工智能發(fā)展歷程

近幾年，智能大腦從概念逐漸走入實踐。城市治理領(lǐng)域提出了城市大腦，即通過全面采集、集成、分析和挖掘城市空間中的大量異構(gòu)數(shù)據(jù)，開展全局實時數(shù)據(jù)分析，解決城市治理問題，實現(xiàn)公共資源的優(yōu)化配置。我國多個一線城市分別在城市大腦、數(shù)字政府、智慧城市等方面開展了實踐探索。在教育領(lǐng)域，虛擬學(xué)校將成為社會教育系統(tǒng)的大腦，擔當資源提供者、學(xué)習(xí)引導(dǎo)者、管理服務(wù)者、決策支持者等角色(張治，2018)。有學(xué)者提出人工智能教育大腦概念，并將其定義為海量教育數(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(顧小清等，2021)。有學(xué)校開展了教育大腦相關(guān)探索，提出學(xué)校大腦概念，即以互聯(lián)網(wǎng)為基礎(chǔ)設(shè)施，建設(shè)一套完善的感知層、傳輸層、決策執(zhí)行層(即“感、知、用”的學(xué)校大腦架構(gòu))，通過對學(xué)校教育教學(xué)活動的無感沉淀，自動形成豐富、清晰、多維度的學(xué)校數(shù)據(jù)資源，形成能即時分析、診斷、預(yù)警、監(jiān)測、評價、反饋且能融管理、學(xué)習(xí)、成長支持于一體的人工智能系統(tǒng)(饒美紅，2020)。

這些研究和實踐驅(qū)動人工智能發(fā)展的三要素——數(shù)據(jù)、算法、算力，以大腦的概念集成。教育大腦的概念建構(gòu)還應(yīng)辨析三對概念。其一，人工智能與大數(shù)據(jù)。大數(shù)據(jù)是傳統(tǒng)計算，不會根據(jù)結(jié)果采取行動，只是尋找結(jié)果。人工智能允許機器執(zhí)行認知功能，作出反應(yīng)，且不斷改變行為，以適應(yīng)新的變化并修改反應(yīng)。這是數(shù)據(jù)中臺與教育大腦的本質(zhì)區(qū)別。其二，教育大數(shù)據(jù)與領(lǐng)域知識。除了數(shù)據(jù)、算法、算力，驅(qū)動人工智能的要素還包括“知識”(各行各業(yè)領(lǐng)域知識，包括知識、經(jīng)驗、流程)(周志華，2020)，賦能各行各業(yè)提質(zhì)增效。缺乏知識支撐的數(shù)據(jù)難以真正賦能認知，就像只有動詞沒有名詞，無法組織文章一樣。特定領(lǐng)域的知識圖譜和認知模型算法相結(jié)合，才能真正支撐人工智能的全面賦能。其三，教育大腦與物聯(lián)網(wǎng)大平臺。大腦的核心價值是算法集成中樞，沒有神經(jīng)感知系統(tǒng)的支持，就會失去反射弧的完整性。算法和算力離不開互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的全面感知能力和數(shù)據(jù)集聚，否則教育大腦就會喪失功能。

在此基礎(chǔ)上，本研究立足于數(shù)據(jù)、算法、算力三個核心要素，引入學(xué)科知識圖譜的教育領(lǐng)域知識，將教育大腦定義為人工智能在教育領(lǐng)域的仿生智能體，包括多模態(tài)數(shù)據(jù)的全面感知系統(tǒng)、基于知識圖譜和學(xué)習(xí)者模型的多智能算法裁定類腦中樞系統(tǒng)、多場景應(yīng)用的反饋系統(tǒng)三部分(見圖3)。教育大腦面向特定學(xué)科領(lǐng)域，表現(xiàn)為自適應(yīng)學(xué)習(xí)系統(tǒng)，面向全部領(lǐng)域就演變?yōu)橹悄軐W(xué)習(xí)管理系統(tǒng)或智能導(dǎo)師，并在教育決策支持等方面發(fā)揮增能效應(yīng)。 教育大腦具備可感知、可進化、能決策、快反饋、有情感等特征。1)可感知。教育大腦的感知系統(tǒng)能全面感知教育大數(shù)據(jù)，結(jié)合多種數(shù)據(jù)感知手段，實現(xiàn)多模態(tài)數(shù)據(jù)融合、全域互聯(lián)、智能感知，發(fā)揮數(shù)據(jù)驅(qū)動教育的最大價值。2)可進化。人類之所以能夠進化成智慧生命創(chuàng)造文明，得益于人腦進化。人腦有很強的自適應(yīng)與自組織能力，后天學(xué)習(xí)可進化出新功能。教育大腦也具備這種能力。人工神經(jīng)網(wǎng)絡(luò)可在學(xué)習(xí)或訓(xùn)練過程中改變突觸權(quán)重值，以適應(yīng)變化，超越設(shè)計者原有知識水平，促進教育智慧沉淀與智能進化，帶動人、機、物、資源、環(huán)境協(xié)同進化。3)能決策。人工智能正向高階決策智能躍遷，即從感知智能到分析智能再到?jīng)Q策智能由低向高的非線性演化，教育大腦將為教育管理者決策提供支持。4)快反饋。人腦是一個大規(guī)模并行與串行組合處理的網(wǎng)絡(luò)系統(tǒng)，其判斷、決策和處理的速度遠高于串行結(jié)構(gòu)的普通計算機。教育大腦中樞神經(jīng)系統(tǒng)是類腦的人工神經(jīng)網(wǎng)絡(luò)，具有并行處理特征，相較于計算機系統(tǒng)，其反饋速度提升明顯。5)有情感。教育大腦可開展算法治理，進行倫理分析，避免算法歧視。

圖3 教育大腦概念圖

三、生態(tài)架構(gòu)及關(guān)鍵技術(shù)

本研究嘗試結(jié)合人類大腦的生物結(jié)構(gòu)和人工智能典型特征構(gòu)建教育大腦。人類大腦皮層約有100億個神經(jīng)元，每立方毫米約有數(shù)萬個神經(jīng)元，它們互相聯(lián)結(jié)形成神經(jīng)網(wǎng)絡(luò)，通過感覺器官和神經(jīng)接收身體內(nèi)外的信息，然后傳遞至中樞神經(jīng)系統(tǒng)，經(jīng)過對信息的分析和綜合，再通過運動神經(jīng)發(fā)出控制信息，以實現(xiàn)機體與內(nèi)外環(huán)境的聯(lián)系，協(xié)調(diào)全身的各種機能活動。神經(jīng)元分為感覺(傳入)神經(jīng)元、聯(lián)絡(luò)(中間)神經(jīng)元、運動(傳出)神經(jīng)元，進而形成感受器、傳入神經(jīng)、神經(jīng)中樞、傳出神經(jīng)和效應(yīng)器的反射弧結(jié)構(gòu)，能夠感受信息、處理信息、支配運動。據(jù)此，我們將教育大腦架構(gòu)為類腦神經(jīng)感知系統(tǒng)、類腦中樞神經(jīng)系統(tǒng)和類腦運動神經(jīng)系統(tǒng)三個基本結(jié)構(gòu)，分別對應(yīng)人工智能“輸入數(shù)據(jù)—處理數(shù)據(jù)—輸出功能”的基本流程。感知系統(tǒng)是輸入端，場景應(yīng)用是輸出端，類腦中樞神經(jīng)系統(tǒng)負責人工智能算法處理(見圖4)。

圖4 教育大腦架構(gòu)

(一)類腦感知神經(jīng)系統(tǒng)：融合多源多維多模態(tài)教育數(shù)據(jù)

人類通過眼、耳、口、鼻、皮膚把檢測到的信息源，包括光子、壓力、溫度等傳遞至大腦，進而形成感官體驗。教育大腦的類腦感知神經(jīng)系統(tǒng)如同人的感知神經(jīng)網(wǎng)絡(luò)，可獲取線上線下多來源、多維度、多模態(tài)教育數(shù)據(jù)。感知數(shù)據(jù)的“神經(jīng)元”就是數(shù)據(jù)采集工具。為保證數(shù)據(jù)的深度、廣度和質(zhì)量，系統(tǒng)需要設(shè)計多樣化的數(shù)據(jù)采集手段。攝像頭、傳感器等數(shù)據(jù)采集工具相當于人類的感受器官，負責采集數(shù)據(jù)，傳輸至教育大腦。教育數(shù)據(jù)采集工具包括平臺采集(終端采集)、物聯(lián)感知、機器視覺(圖像識別、視頻采集)、機器聽覺。

教育信息化正在從1.0走向2.0，教育平臺和系統(tǒng)越來越多，教育管理、教輔后勤、教育評價、行政辦公、家校溝通等環(huán)節(jié)都配有系統(tǒng)、平臺，存儲了大量用戶數(shù)據(jù)，包括學(xué)生學(xué)習(xí)的過程性數(shù)據(jù)和結(jié)果性數(shù)據(jù)。這就需要打通數(shù)據(jù)孤島，開展數(shù)據(jù)治理。物聯(lián)網(wǎng)數(shù)據(jù)和信息系統(tǒng)數(shù)據(jù)融合正在成為新的趨勢。智能攝像頭能夠采集線下教學(xué)環(huán)境中學(xué)習(xí)者交互的視頻音頻數(shù)據(jù)、校園安全數(shù)據(jù)、學(xué)生行為軌跡數(shù)據(jù)等；邊緣計算可用于自動切片關(guān)鍵動作，并對重要動作、危險動作進行管理；智能教室的攝像頭具備自動導(dǎo)播功能，能自動標注課堂行為。物聯(lián)網(wǎng)數(shù)據(jù)和信息系統(tǒng)數(shù)據(jù)正在融合這些教育數(shù)據(jù)，使其具備價值，并進入教育大腦的中樞系統(tǒng)(見表一)。

表一 類腦感知神經(jīng)系統(tǒng)的數(shù)據(jù)采集

(二)類腦中樞神經(jīng)系統(tǒng)：集聚多智能算法的教育決策模型

中樞神經(jīng)系統(tǒng)是人腦思維和意識活動的基礎(chǔ)。人類通過將感知到的數(shù)據(jù)傳入大腦，穿過中樞神經(jīng)系統(tǒng)，形成大腦反應(yīng)。教育大腦的類腦中樞神經(jīng)系統(tǒng)由多重組合的教育決策模型組成，是教育大腦運行和效能發(fā)揮的邏輯基礎(chǔ)。人工智能賦能教育本質(zhì)上是數(shù)據(jù)驅(qū)動的算法應(yīng)用。就教育大腦支撐的大規(guī)模因材施教而言，算法模型主要有三類。

第一，構(gòu)建學(xué)科知識圖譜，積淀教育領(lǐng)域知識與規(guī)律。2012年，谷歌公司為提高語義搜索功能，提出了知識圖譜概念，目的是減輕用戶收集、總結(jié)和歸納的壓力，通過知識圖譜迅速、快捷地查詢主題的脈絡(luò)。知識圖譜是將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法，與計量學(xué)引文分析等方法結(jié)合，用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識架構(gòu)的多學(xué)科融合的研究方法。知識圖譜不僅能夠幫助學(xué)生建立完整的知識體系，明確學(xué)習(xí)目標，提高學(xué)習(xí)效率，而且有助于教師迅速發(fā)現(xiàn)學(xué)生學(xué)習(xí)薄弱環(huán)節(jié)，進行針對性答疑，從而有效提升教學(xué)質(zhì)量。

第二，構(gòu)建學(xué)習(xí)者模型(見圖5)，了解學(xué)習(xí)者的學(xué)習(xí)特征、學(xué)習(xí)狀態(tài)和所需的幫助。一是了解學(xué)習(xí)者學(xué)習(xí)特征、學(xué)習(xí)風格、能力傾向，即根據(jù)學(xué)生的基本信息、多元智能測試和霍蘭德職業(yè)興趣測試，初始化學(xué)習(xí)者模型，根據(jù)預(yù)置程序性和方法類知識構(gòu)建初始的知識模型，為學(xué)習(xí)者推薦研究方向和學(xué)習(xí)資源，并提供學(xué)習(xí)流程引導(dǎo)和支持。二是了解學(xué)生所處學(xué)習(xí)狀態(tài)，即通過主動感知學(xué)習(xí)者對文本、視頻、圖片等學(xué)材的操作數(shù)據(jù)和學(xué)生的社交數(shù)據(jù)，以及獲取物聯(lián)網(wǎng)技術(shù) (如傳感器、攝像頭等)提供的學(xué)習(xí)情境和學(xué)習(xí)者狀態(tài)(如眼動跟蹤、情緒感知等)等信息，感知學(xué)習(xí)者所處情境和學(xué)習(xí)進程等。這樣可以不斷更新和完善學(xué)習(xí)者模型，并依賴智能推理引擎適時推送有效的學(xué)習(xí)資源(如系統(tǒng)預(yù)置的與方法論相關(guān)的微視頻、動畫、案例、文本等)和任務(wù)，輔助教師引導(dǎo)、激勵學(xué)生完成學(xué)習(xí)任務(wù)。三是了解學(xué)生需要哪些支持。越來越多的學(xué)習(xí)者行為和結(jié)果數(shù)據(jù)被實時記錄，不僅為學(xué)習(xí)管理、服務(wù)和評估提供了客觀依據(jù)，還能基于智能技術(shù)進行數(shù)據(jù)挖掘，實現(xiàn)學(xué)習(xí)者模型、程序性和方法類知識模型、個性化教學(xué)策略模型的重構(gòu)和調(diào)優(yōu)，推動系統(tǒng)不斷優(yōu)化，為學(xué)習(xí)者提供更精準的自適應(yīng)學(xué)習(xí)服務(wù)。

圖5 基于人工智能的學(xué)習(xí)系統(tǒng)概念模型

第三，專家經(jīng)驗與機器學(xué)習(xí)相結(jié)合、知識圖譜與學(xué)習(xí)行為數(shù)據(jù)相結(jié)合，形成教學(xué)策略模型，支撐大規(guī)模因材施教。教學(xué)策略模型是規(guī)范，也是引導(dǎo)。教師上崗前，大多學(xué)習(xí)了大量理論知識，如多元智能理論、認知心理學(xué)……但很少在教學(xué)中踐行這些理論。我們花了大量時間、精力把世界上最先進的教育理論傳授給教師，遺憾的是，教師還是用傳統(tǒng)的方式教學(xué)，教育理念和實踐之間的差距非常大。很多教師沒有真正理解這些教育理論，即使有理解，也受限于班級環(huán)境等因素，最終難以實施。教師一般會選最簡單、最容易的方式授課。教學(xué)策略模型能推動教師在課堂上將教育理論“用”起來。教學(xué)策略模型不是唯一的，模型之間可自由切換。主流教學(xué)策略模型有三種：講解輔助的建構(gòu)、任務(wù)驅(qū)動的探究、評價驅(qū)動的補救。三種模型彼此交叉，進而生成多種路徑(張治等，2018)。

(三)類腦運動神經(jīng)系統(tǒng)：驅(qū)動人工智能與教育生態(tài)協(xié)同進化

類腦運動神經(jīng)是教育大腦各項功能的輸出，保證人工智能支撐各類教育場景。計算能力指數(shù)據(jù)處理能力，是人工智能發(fā)展的三個支撐之一。人臉識別、語音識別等需要算力支持，算力的高低與人工智能的發(fā)展程度成正比，反映人工智能的成熟度和智能化程度。

在類腦運動神經(jīng)系統(tǒng)的驅(qū)使下，各教育生態(tài)要素重組形成教育智能體(見圖6)，具備自我改進的功能。一方面，對于任何學(xué)習(xí)者，存在某種教育資源、學(xué)習(xí)環(huán)境、互動機制和學(xué)習(xí)過程，使學(xué)習(xí)者的知識結(jié)構(gòu)改變達到最優(yōu)；另一方面，教育資源通過在特定學(xué)習(xí)環(huán)境與學(xué)習(xí)者互動而得以改善。未來，學(xué)校是教育學(xué)、認知科學(xué)、技術(shù)和社會的混合體，伴隨著教育大腦的進化而不斷進化。

圖6 各生態(tài)要素系統(tǒng)進化形成教育智能體

四、典型應(yīng)用場景

教育大腦將富有立體感、多元化的數(shù)據(jù)匯集成教育大數(shù)據(jù)，通過智能算法挖掘出規(guī)律、關(guān)系、原理等，一是可以避免數(shù)據(jù)混亂無章、彼此相互割裂；二是采用智能算法，進行智能思考、理解與快速反應(yīng)。人工智能教育大腦不僅是感知系統(tǒng)、中樞系統(tǒng)，更起到末梢的作用，支撐人工智能對教育的全面賦能。在當前弱人工智能的現(xiàn)實背景下，教育大腦至少可以支撐智能教學(xué)、精準評價、智能治理、智能預(yù)警四種典型場景。

(一)智能教學(xué)服務(wù)

教育大腦從學(xué)生自適應(yīng)學(xué)習(xí)、教師智能備課、家校共育三方面支撐智能教學(xué)服務(wù)(見圖7)。第一，支撐學(xué)生個性化學(xué)習(xí)。同質(zhì)化的大眾教育體系曾給人類世界帶來了不可估量的好處，但是這種同質(zhì)化的大眾化教育體系不僅讓教育日益機械化，在本質(zhì)上也抹殺了教育的創(chuàng)新可能(安東尼·塞爾登等，2019)。教育大腦可從中樞神經(jīng)系統(tǒng)的“記憶”中獲取學(xué)習(xí)資源和學(xué)生學(xué)習(xí)數(shù)據(jù)，從而了解學(xué)生的興趣愛好、能力傾向、學(xué)習(xí)風格，為學(xué)生推薦適合的學(xué)習(xí)資源，定制個性化學(xué)習(xí)路徑，盡可能讓學(xué)生花最少的時間達到理想的學(xué)習(xí)效果。個性化學(xué)習(xí)讓教學(xué)目標、教學(xué)方法、教學(xué)內(nèi)容及教學(xué)順序可能因?qū)W習(xí)者的需要而有所不同(Culatta & Fairchild，2016)。第二，支撐教師備課、教學(xué)、課外輔導(dǎo)。教師往往基于經(jīng)驗和認知上課，難以考慮每位學(xué)生的知識基礎(chǔ)。人工智能教育大腦通過收集和分析學(xué)生信息，并通過統(tǒng)計和分析，為教師針對性教學(xué)提供基礎(chǔ)。人工智能教育大腦不但可以開展數(shù)據(jù)收集，還可以對海量數(shù)據(jù)進行分類，總結(jié)針對性問題以及給出針對性建議。教育決策不再以經(jīng)驗為主，而是以規(guī)模化的數(shù)據(jù)和智能算法為中間媒介，由數(shù)據(jù)智能驅(qū)動，走向智慧化決策，讓決策有規(guī)律可循。教育大腦利用教學(xué)數(shù)據(jù)，幫助教師的判斷和決定，幫助不了解學(xué)生、做不到個性化教學(xué)的教師更精確地推送資源、實施個性化教學(xué)和因材施教。第三，促進家校共育。人工智能教育大腦促使教育不局限于學(xué)校，而是面向各個系統(tǒng)，不僅可以對師生產(chǎn)生作用，同時將學(xué)校、教師、家庭融為一個系統(tǒng)。這有利于促進家校溝通，構(gòu)建新型的教育生態(tài)環(huán)境，成為教育與社會其他系統(tǒng)連接的紐帶。教育大腦所提供的教育是動態(tài)的、智能化的。它不但可以理解周圍的環(huán)境變化，而且還可以根據(jù)環(huán)境變化做出及時、針對性反饋。我們可以通過教育大腦構(gòu)建立體化的綜合教學(xué)場。

圖7 教育大腦支撐的智能教學(xué)服務(wù)

(二)精準教育評價

人工智能技術(shù)正在為滿足多種多樣的教育需求發(fā)揮著不可替代的作用。教育正實現(xiàn)從“少數(shù)人的個性化”到“多數(shù)人的標準化”再到“多數(shù)人的個性化”的歷史性跨越。學(xué)生數(shù)字畫像是實現(xiàn)這一目標的關(guān)鍵技術(shù)。學(xué)生數(shù)字畫像由用戶畫像發(fā)展而來。人工智能教育大腦通過收集數(shù)據(jù)進而總結(jié)出描述其真實特征及行為的標簽。在技術(shù)支持下，學(xué)生學(xué)習(xí)行為(如學(xué)習(xí)發(fā)展、學(xué)習(xí)特征、能力傾向、興趣愛好、行為軌跡)和結(jié)果數(shù)據(jù)可被全方位采集，而后以自動化方式處理，提煉出可描述其特征和行為的標簽集，最終從各維度完整地描述學(xué)生，并精準識別其學(xué)習(xí)狀態(tài)，幫助教師精準指導(dǎo)與干預(yù)，使教學(xué)更具個性化。

(三)智能教育治理

教育治理是教育管理民主化的集中體現(xiàn)，是治理理論在教育領(lǐng)域的延伸，指政府、社會組織、利益群體和公民個體，通過一定的制度安排開展合作互動，共同管理教育公共事務(wù)。教育治理現(xiàn)代化是教育現(xiàn)代化的重要組成部分，是教育治理與信息化的結(jié)合。在智能環(huán)境下，傳感器和定位系統(tǒng)的廣泛部署，將數(shù)據(jù)收集觸角延伸至細微時空的各個角落，實現(xiàn)高動態(tài)、分布式的全場景感知(Peng，2017)。人工智能教育大腦打破了數(shù)據(jù)流通的壁壘，融合了互聯(lián)網(wǎng)、大數(shù)據(jù)、5G、人工智能等新興信息技術(shù)，實現(xiàn)了教育生態(tài)融合，讓智能技術(shù)貫穿于教育決策形成、執(zhí)行、反饋和智能糾錯的全過程，可支撐學(xué)?；騾^(qū)域宏觀教育治理，提升教育決策的科學(xué)性、精準性，有助于開展更全面、更系統(tǒng)的智能治理。教育大腦支持下的智能教育治理融合政府、學(xué)校、家庭、社會等多方力量，促進教育生態(tài)系統(tǒng)的發(fā)展與完善，使教育管理者思維、理念、行為方式與現(xiàn)代社會高度契合(褚宏啟，2013)。

(四)智能教育預(yù)警

人工智能不僅可以支持人類決策，還可以幫助人類預(yù)測未來。人工智能可實現(xiàn)學(xué)生學(xué)業(yè)預(yù)警和身心健康預(yù)警。對在線學(xué)習(xí)場景中學(xué)生學(xué)習(xí)過程缺乏監(jiān)督、學(xué)習(xí)主動性不高、教師的反饋和幫助不及時、學(xué)習(xí)效果不佳等問題，教育大腦可通過分析學(xué)生學(xué)習(xí)行為數(shù)據(jù)，結(jié)合學(xué)科知識圖譜，精準識別處于學(xué)習(xí)危機的學(xué)生，提前提醒并進行干預(yù)。此外，教育大腦的類腦感知神經(jīng)系統(tǒng)基于學(xué)生校園學(xué)習(xí)數(shù)據(jù)、生活數(shù)據(jù)以及互聯(lián)網(wǎng)行為數(shù)據(jù)，通過學(xué)生心理危機事件預(yù)警模型(見圖8)，可形成學(xué)生心理危機五級分類及具體的學(xué)生心理關(guān)愛服務(wù)和心理危機干預(yù)方案。

圖8 青少年心理健康預(yù)警數(shù)據(jù)分析模型

五、思考與建議

第一，開展數(shù)據(jù)治理，加快數(shù)據(jù)安全、隱私保護、倫理等相關(guān)立法。人工智能的發(fā)展離不開數(shù)據(jù)，但教育數(shù)據(jù)涉及大量學(xué)生數(shù)據(jù)，且具有特殊性、復(fù)雜性等特征。在數(shù)據(jù)開放成為國際趨勢的背景下，教育行業(yè)應(yīng)積極探索如何在保護數(shù)據(jù)安全、不侵犯隱私、合乎倫理的條件下，促進教育數(shù)據(jù)開放共享，讓數(shù)據(jù)真正變成驅(qū)動教育變革的動力。在數(shù)據(jù)應(yīng)用層面，我國應(yīng)加快制定行業(yè)統(tǒng)一的數(shù)據(jù)標準，建立數(shù)據(jù)安全管理辦法和開放共享機制，加強隱私保護；在研究層面，鼓勵研究者在遵守安全、隱私、倫理的前提下，深入研究。

第二，開展算法治理，推進算法健康、有序發(fā)展。算法是負責加工數(shù)據(jù)“石油”，不僅決定機器的“智商”，更關(guān)乎人工智能發(fā)展的安全性、規(guī)范性。如果算法不能納入治理范疇，必然存在算法亂用、算法歧視等隱患。目前，人工智能等新技術(shù)教育應(yīng)用的社會監(jiān)管能力提升速度遠落后于技術(shù)革新的速度。要保證算法和模型的良性運轉(zhuǎn)，我們必須對其進行必要監(jiān)管，及時進行風險評估和管理(凱西·奧尼爾，2018)。2021年，國家互聯(lián)網(wǎng)信息辦公室等九部委發(fā)布的《關(guān)于加強互聯(lián)網(wǎng)信息服務(wù)算法綜合治理的指導(dǎo)意見》提出，將逐步建立算法安全綜合治理體系。教育領(lǐng)域應(yīng)進一步強化互聯(lián)網(wǎng)教育企業(yè)主體責任，推進算法監(jiān)管模式創(chuàng)新，提高算法可解釋性。

第三，推進社會實驗，促進人工智能+教育的良性發(fā)展。人工智能必須經(jīng)過檢驗才可以用于教育實踐，也必須提前考慮進入教育可能帶來的問題。這就需要在真實教育場景中開展實驗，推動人工智能技術(shù)在特定教育場景中的應(yīng)用，通過科學(xué)抽樣和倫理審查，建立實驗組和對照組，通過觀察、對比、總結(jié)，形成技術(shù)規(guī)范、標準、政策、建議，將因技術(shù)不成熟而造成的負面影響降至最低，促進人工智能技術(shù)良性發(fā)展。