新论文｜新一代人工智能融入学校教育的发展趋势分析

摘 要

面对人工智能技术浪潮的再次爆发，如何将其融入学校教育成为社会各界和学者们关注的热点话题，本文对人工智能发展脉络、信息技术教育应用的基本关切和当前教育改革的难点问题进行探讨，发现人工智能的发展动力主要源自于技术与政策的双轮驱动，而大规模数字化与行业深度应用是新一轮人工智能发展的显著特征，这些发展和进步将为人工智能融入学校带来新机遇；通过剖析技术与教育时空的关系，提出个性化学习、适切服务、学业测评、角色变化、交叉学科五大人工智能教育应用潜能和教育价值、教学体验、安全伦理、有效协同及技术治理五大人工智能教育应用挑战；最后指出，为了促进新一代人工智能融入学校教育，除进行通过技术研发、环境部署与应用改变学校环境的研究外，还应开展关于认知特征、学习本质与教育价值和智能机器的安全、规范与伦理的相关研究。

关键词

人工智能；人工智能教育应用；智能教学系统；计算机辅助教学

作 者

刘德建；杜静；姜男；黄荣怀

人工智能技术与学校教育融合成为一种未来趋势，这为个性化学习和个别化学习的实现提供技术保障，成为教育发展的重要推动力。智能教育作为重点任务被写入2017年颁布的《新一代人工智能发展规划》，成为人工智能国家战略的重要组成部分，在教育部于2018年印发的《教育信息化2.0行动计划》中也提到要推送人工智能、大数据物联网等新兴技术支持下的教育模式变革和生态重构。

然而，当前教育信息化面临着教学方法革新、教育资源均衡和教师专业发展等问题，人们期待新一代人工智能技术将在更大程度上促进教育公平、提高教育质量。本文旨在回顾人工智能的发展历史，分析人工智能进展的动力来源，从技术视角和教育视角审视人工智能教育应用的特征和规律，试图回答人工智能融入学校教育带来的潜能、可能面临的挑战和主要研究趋势，以期新一代人工智能为学校教育的发展提供启示，从而为构建智能化、网络化、个性化、终身化的教育体系贡献智慧。

一、人工智能的新进展及其为学校教育发展带来的新机遇

正确认识人工智能的发展规律，有必要对人工智能发展历史，尤其是人工智能的典型特征进行梳理。

（一）人工智能发展动力源自技术与政策双轮驱动

人工智能主要是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。自1956年达特茅斯（Dartmouth）会议诞生人工智能一词以来，距今已有60年，此期，共经历三次发展浪潮（见图1）。第一次浪潮为1956年至1966年间，其标志是在美国达特茅斯会议上确立人工智能（Artificial Intelligence，简称AI）术语，开创人工智能研究领域，这一时期的研究重点是符号推理与机器推理。70年代以后，由于硬件计算能力不足和数据局限性等问题，使一些人工智能研究项目遭到质疑，同时美国和英国政府相继中断了对人工智能探索性研究的资助，人工智能发展进入了第一个寒冬期。人工智能的第二次浪潮为1976年至1986年间，多国设立大型AI项目以促进人工智能的发展，如日本ICOT项目、美国MCC项目和英国Alvey项目，这一时期出现了语音识别、语音翻译计划及日本第五代计算机。90年代后期，由于难以将这些技术成功应用于实际生活中，在经过短暂的发展后人工智能又一次进入滞缓的寒冬期。人工智能的第三次浪潮为2006年至今，其标志是欣顿（Hinton）提出的深度学习技术以及ImageNet竞赛中图像识别技术的突破，尤其是美国BRAIN计划、欧盟类BRAIN计划、中国《新一代人工智能发展规划》（国务院，2017）的制定，使新一代人工智能受到国家和社会的广泛关注，人工智能技术的研究取得了实质性进展，应用范围和前景更加广阔。

图 1 人工智能发展概貌

从历史来看，人工智能的发展总体呈现螺旋上升的态势，每一次进步都离不开技术的发展和国家政策的影响，技术的进步与发展又会反过来影响国家政策的出台。从长远来看，科学技术和国家政策仍将是人工智能持续发展的影响因素。

（二）新一轮人工智能发展以大规模数字化和行业深度应用为显著特征

新一轮人工智能技术的发展呈现出数据规模增加、计算能力增强和行业应用能力提升等显著特征。首先，在数据规模增加上，各种模拟数据的数字化，产生了面向系统和人类过程行为的海量数据，使得数据规模快速增加。其次，得益于硬件计算性能的快速增强，人工智能计算能力大幅度提升，使得人工智能应用程序能够处理超大规模的数据。最后，在行业应用场景上，在金融、医疗、自动驾驶、安防、家居以及营销等领域的应用场景已落地生根，创造出巨大商业价值，除了熟知的Alpha Go和Face++，某企业在某些地区已尝试用无人机和无人车配送货物。行业应用的成功使我们更加期待人工智能融入教育领域的应用前景。

（三）人工智能技术的发展为学校教育改革带来新机遇

教育改革源于人类参与社会生活和自身发展的需要。当前我国教育改革处在对象群体多元化、社会需求多样化、全民学习终身化的新形势，如何利用新一代人工智能技术破解教育改革难题成为社会关注的热点。从历史的角度看，学校教育经历过三次转型（黄荣怀等，2017）（见表一）。伴随着第三次教育转型的到来，教育的空间与机会得到极大拓展，学习者需要能够自主选择学习的时间、地点、内容、方式。

表一 人类文明进程中的教育形态变迁

李德毅院士曾对人工智能教育应用作出评价：人工智能对社会的冲击是全方位的，但对行业的冲击首当教育，人工智能带给教育的就是‘改变’(李德毅 & 马楠，2017)。如通过学习分析和用户画像技术，搜集学习者学习数据，实现学生行为全面分析及知识点掌握程度精准判断，从而绘制契合学生特点的学习发展地图；借助情感机器人和自然语言处理技术，陪伴学习者成长，增加对人的关怀和陪伴；结合知识图谱，建立领域知识库，辅助教师针对学生的不同能力生成不同的试题并进行作业批改；利用智能运动设备，如智能手环、智能肺活量等测评工具，深度采集学生健康数据，从而发现学生在体质、运动技能、健康程度等方面的问题（余胜泉，2018）。

二、技术视角下人工智能教育应用

二十世纪五十年代，计算机作为一种特殊的工具应用于教学，这是技术应用于教育的雏形。智能教学系统则是计算机辅助教学在人工智能技术促进下的新发展，是人工智能教育应用的典型之一。

（一）计算机辅助教学与智能教学系统

计算机辅助教学指用计算机帮助和代替教师执行部分教学任务，传递教学信息，向学生传授知识和训练技能，直接为学生服务的程序（Root et al.，2018）。相比于幻灯、投影、实验仪器等设备，计算机具有人机交互的特点，而计算机辅助教学的教学模式主要有操练与练习、个别辅导、模拟和教学游戏等，日益成为现代化教育技术的重要组成部分，但这类系统无法为学习者提供个性化的学习指导，无法根据学习情况动态地调整教学策略（刘清堂等，2016），因此有研究者开始以计算机辅助教学系统为基础设计智能教学系统的功能。从技术的发展角度来看，人工智能是信息技术的延伸；从教育功能上来看，人工智能应用于教育的实质仍是计算机辅助教学，也可称其为智能辅助教学(Intelligent Tutoring System，简称ITS)，又称作智能导师系统、智能教学系统、智能导学系统。其目的依然是为促进学生学习绩效的提升，尤其是近年来人工智能在虚拟现实、情感识别、自然语言处理、深度学习等领域的发展，赋予智能教学系统更丰富的内涵，使其受到研究者越来越多的关注。

（二）智能教学系统的功能延展

描述智能教学系统的框架较多，最典型的是1973年由哈特利（Hartley）和斯利曼（Sleeman）提出三模型结构（Clancey，1982）。其核心组件包括领域知识模型（Domain model）、学习者模型（User Model），和教学模型（Pedagogy model），分别解决教授知识过程中教什么（What to teach）、教学对象（Whom to teach）和如何教（How to teach）的问题。在随后模型的发展中，伍尔夫加入了人机接口模型，又称为用户界面（User Interface）模型（Woolf，2018）。之后还有专家提出五模型结构，这些模型的基础和核心均是三模型结构。而四模型结构是智能导师系统研究领域较为通用的描述框架（见图2）。近三十年来，因科学技术的不断发展，ITS学习者模型、教学模型及领域模型的功能被不断丰富和完善，智能教学系统更加智能，拓展智能教学系统教学功能的典型途径包括借助语义网络和约束模型优化领域知识模型、利用元认知扩展学习者模型和结合虚拟现实技术拓展用户接口界面。

图 2 智能教学系统通用框架

1. 领域知识模型和学习者模型的重构

实现领域知识重构，可以采用增加语义网络和约束模型的方式细化领域知识模型功能。语义网络指用词与词之间的关系来表达人类知识结构的形式，以提供问题和知识点的语义关联。由于命题语义网络和数据语义网络技术的开发应用，以及基于问题解决和概念提示等知识表达规则的应用，领域知识模型不仅包含学科内容的知识，还应包括应用这些知识来求解问题的过程性知识及建构正确解答和求解问题的策略性知识。约束模型指的是通过分析学生者信息，如学习者行为、情境信息和反馈信息，从而为他们提供有针对性的学习方案（Mitrovic，2012）。如智能教学系统EER-Tutor通过使用教学对话、感知情境等方式，判断和回应学生的情感状态，从而提供支持服务。

学习者模型重构可以通过引入新的研究理论使模型涵盖的内容不断丰富，如利用元认知支架获得学习者的动机、参与程度和自我意识（Dimitrova et al.，2007）；系统还能利用环境约束分析学习者的认知水平和情感状态（Grawemeyer et al.，2015）；社会模拟也将发挥作用，通过理解文化和社会规范，使学习语言的学生能够与其目标语言使用者更成功地接触进而提升语言学习效率（Johnson & Valente，2009）。

2.用户界面模型的优化

早期的智能教学系统中用户界面的呈现一般采用基于文本或者2D的图画，一定程度上限制了对空间及物理概念的传输，而虚拟现实、增强现实技术可通过模拟真实世界里学习者无法访问的某些场景，以提供身临其境的体验。当虚拟现实技术被应用于教学系统时，该系统不仅为学生提供探索、互动和操控虚拟世界的机会，还能帮助他们将学到的知识转移到现实世界中，进而以更自然的方式响应学生的请求（Westerfield et al.，2013）。同时，还可以通过视频捕捉、跟踪系统等技术捕捉学生的多方位行为以及借助三维图形、视频动画以及音频和文本等多模态方式搜集信息，提高系统对学生需求的适配性。

3.智能服务功能的扩展

智能服务功能主要指可以利用大数据与学习分析等技术为学习者提供个性化学习支持服务，通过感知、跟踪、收集学生学习过程中的行为数据，动态了解学生状况。根据学习者的个人能力和需求，选择最合适的内容推送给学习者（Pearson & UCL Knowledge Lab，2016）（见图3）。学习者接收到相关内容（可能通过文本、语音、活动、视频或动画的方式）后，人工智能教育应用（Artificial Intelligence in Education，简称AIED）系统将对学习者互动情况进行持续性分析（如学习者目前学习行为和答案，过去成绩以及出错率，当前情感状态）；同时，AIED系统会根据上述信息做出相应反馈（如暗示和指导），通过调整教学进度并优化教学组织方式，确保每个学生的学习内容最大限度地符合他们的能力和需求，从而最有效地促进学习。

图 3 基于大数据和学习分析的自适应学习系统框架

三、教学视角下人工智能教育应用潜能

人工智能与学校的融合主要涉及两个层面的问题：其一，人工智能融入学校的价值是什么？以何种方式实现学校教育与智能技术的融合？其二，未来的数字公民需要结合人工智能进行学习，那么人如何学会与智能机器共处。基于以上思考，本文深度剖析了人工智能融入学校教育的五项潜能和五项挑战（见图4）。

图 4 人工智能融入学校教育的潜能与挑战

（一）支持个性化学习

数字环境下成长起来的新一代学习者对学习提出了更高诉求，步调统一、时间地点固定的学习方式将被打破。他们渴望自定步调、任意时间、任意地点的学习方式。智能辅助系统/教育机器人将使这种学习方式成为可能：其一，借助大数据和学习分析技术，获取学习行为数据，根据需求为学习者提供适切的学习资源和学习路径；其二，通过提供沉浸式的虚拟学习环境，学习者可在任意时间、任意地点参与到学习中，如设计游戏化的虚拟学习场景，随着游戏中故事的展开，从游戏和玩家获取在线参与信息，并基于这些信息使用人工智能算法来确定采用哪些适合的学习行动 ( Pearson & UCL Knowledge Lab，2016)；其三，促进学习者认知水平和情感状态的转变，让学习者以积极的心态参与到学习活动中，如智能教学系统通过模仿学习者的认知和情感状态，将学习活动与学习者的认知需求和情感状态相匹配，保证学习过程中学生深度投入。

（二）提供教学过程适切服务

学习支持服务是在远程学习时教师和学生接受到的关于信息、资源、人员和设施支持服务的综合（丁兴富，2001）。西沃特第一次对学习支持服务做了系统论述（Sewart，1978），此后，学习支持服务作为远程教育领域特有的重要概念和实践活动不断得到丰富和发展，在远程教育师生时空分离的环境中，学习效率与教学质量的保证，必须要有相适应的学习支持服务系统，而学习支持服务系统也是学生取得良好学业表现的重要保障。人工智能技术能够跟踪学习者和教学者的行为，通过分析来自计算机、穿戴设备、摄像头等终端数据，对特定场景下的行为进行细粒度分析，从而得出面向特定对象的特定需求，再借助自适应学习支持系统将匹配的学习内容、教学专家和学习资源推送给用户。

（三）提升学业测评精准性

传统的学生档案袋记录不能及时、全面地反应学生真实学习状况，尤其是在某些地区班额和师生比不合理的条件下，教师没有足够的时间和精力做好学生的学习过程记录。学习分析技术为搜集学习者从小学至大学的全过程学习数据提供了新的解决途径，并能运用多类分析方法和数据模型解释与预测学习者的学习表现（Lee et al.，2016），从而更准确地把握学科教学目标，调整教学策略，优化教学过程，有助于教师了解学生的学习状态。除此之外，学业评测还能对学生的情感状态和生理行为数据进行捕捉，如利用穿戴手表、语音识别和眼球追踪等数据捕获设备，捕捉学生生理和行为数据，获取学生的情感状态和学习注意力数据（Kiefer et al.，2017），挖掘学生深层次的行为数据，为更加精准的学习支持服务提供有效依据。

（四）助力教师角色转变

历史类、语言类、电子工程类、管理类等智能教学系统已逐步地应用于课内和课外学习中，这一发展对于减轻教师工作负荷大有裨益。人工智能技术将成为教师角色转变的催化剂，部分替代教师的机械工作，传统的备课、课堂讲授、答疑辅导和作业批改等教学环节将不再是教师的专属：如辅导答疑任务可以由虚拟代理来替代，可由智能辅助系统/教育机器人承担教师的某些任务，协作承担起教学环节当中可重复性的、程式性的、靠记忆、靠反复练习的教学模块，辅助教师从日常繁琐耗时的重复性工作中解放出来，让教师将更多的精力投入到创新性和启发性的教学活动中，如情感交互、个性化引导、创造性思维开发，不断为教师赋能。

（五）促进交叉学科发展

人工智能教育应用一直是跨学科的领域，可利用计算机科学、生物学、心理学、教育神经科学等学科优势，从不同侧面深入理解学习过程，从而建立更准确的领域知识模型、学习者模型，更好地为学习者提供理论指导。如有研究者开展关于智能激励和成长心态的研究。智能激励是心理学、计算机科学领域的交叉研究，指的是当学习与不确定的奖励相关联时，学习可以得到改善，也就是说，学习者知道在完成一项任务后可能会得到奖励，但不确定奖励会在每次都出现（Demetriou，2015）。成长心态的研究是社会学、心理学和计算机科学领域的交叉研究，主要探索心态在学习中的作用（Dweck & Leggett，1988）。有团队已经研发出了一种模拟大脑以支持每一个学习者以最有效的方式发展成长心态的智能技术（Brainology）（Harris et al.，2009）。越来越多的证据表明，这种成长心态可以改变学生的心态，从而对他们的学业成就产生实质性的影响。

四、人工智能深度融入学校教育的五项挑战

人工智能技术为学校教育提供了新的发展契机，但在实践过程中，仍有一些挑战影响人工智能教育服务能力，亟需研究者合理应对，包括人工智能的教育价值、人机共处环境下的教学体验、智能技术的安全伦理、政府企业与学校有效协同和人机和谐发展的技术治理。

（一）人工智能的教育价值

在信息技术广泛应用的智能时代背景下，新兴技术的教育应用已经在深度和广度上获得了最大限度实现，然而，我们也清醒地认识到在将技术应用于教育的过程所遭遇的问题。当人工智能与学校教育融合时，我们更应对其教育价值进行深刻反思，教育是一种特殊的价值活动，为了人的发展始终是教育的基本出发点和落脚点，如何最大程度地发挥人工智能应有的教育价值，如何正确认识人工智能技术在学校教育中发挥作用的前提、条件和限制将是教育工作者首要考虑的问题。因此，人工智能融入学校应始终以促进人的发展和成长为基本立场，通过找到两者之间的契合点，才能将人工智能技术有效融入学校教育。

（二）人机共处环境下的教学体验

人工智能技术将引发教育教学系统各个要素及其关系发生变革，在智能机器引入学习后，教学交互将实现的人人、人机等多维互动，当人和机器一起工作时，会引发学习者不同的学习体验，我们期待技术能促进学习，但技术并不是所有时候都会按照人们预期的那样在教学中发挥积极作用，有时甚至会起到相反的效果。例如，研究表明在班级使用笔记本电脑的同学会花费很多时间进行多任务处理，这不仅使他们自己分心，还影响了其他同学。更为重要的是笔记本电脑的使用对学生的学习产生了负面影响，包括在自述课文内容方面及整体的课堂表现上。还有研究表明，在平板上记笔记的学生在概念性问题表现上比普通书写方式记笔记的学生差，在平板上记笔记的学生虽然花了更长时间记笔记且覆盖了更多内容，但因为借助科技而被动不走心的记忆几乎把这些好处抵消掉了（Ikanth & Asmatulu，2016）。作为反思性实践者的教师和学生们，除了教学实践场景中的直观、表层体验之外，更需要教师能够批判性地分析和判断人工智能技术应用的教学体验，进而成为指导教育教学实践的原则和原理，真正实现人工智能技术促进优化课堂教学实践的目的。

（三）政府、企业与学校的有效协同

人工智能融入学校教育的驱动力，除来自技术的成熟，还有企业的驱使。《2016全球教育机器人发展白皮书》曾指出未来教育机器人的市场规模或达百亿美元，教育机器人将成为工业机器人和服务机器人以后的第三类机器人发展领域。在会议迎宾、餐厅服务、远程客服等场景服务机器人已为大众所接受，这将带动机器人与教育场景的结合，除了教育机器人以外，情感识别、人脸识别、智能语音处理等人工智能技术如何在学校教育中更好服务于师生也受到学校和企业的广泛关注。政府、企业与学校的有效协同将是未来人工智能融入学校教育的关键，企业与高校的互补，将在算法改进、教学方法研究、教育资源汇总等多个方面为人工智能融入学校教育提供强有力的支撑，具体来说包括人工智能设备生命周期管理制度、人工智能资源建设标准、技术共享及评价标准、人工智能技术的教育应用场景、技术研发资金、学校对接方式、校企合作方式等。

（四）人机和谐发展的技术治理

随着物联网、大数据技术以及云计算等信息通信技术的兴起，社会技术化程度的显著提升，一种新的社会治理方式——技术治理悄然兴起。技术治理关注如何高效地治理社会公共事务并强调运用科学理论、技术方法和工具进行社会治理(刘永谋 & 李佩，2017)。技术治理产生的初衷是通过技术治理由信息技术引发的社会问题，如根据温度传感器的警报发现灾情，根据城市道路的车流量预测哪条道路会出现拥堵情况，根据摄像头留下的图像追查罪犯的逃跑路线等。

技术发展的宗旨应是更好为人类服务，技术的发展轨迹应与人文提倡的发展轨迹渐相契合。2017年1月，在霍金、马斯克等人的推动下，超过892名人工智能研究人员以及另外1445名专家共同签署并发布了《人工智能23条原则》，以确保人工智能的发展行进在正确轨道上。如何通过合理监管以有效引导人工智能技术的发展，自然成社会舆论绕不开的难题，当前核心并非是否应该对人工智能的发展进行治理，真正的挑战在于治理什么，以及如何治理。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革，包括数据标准化、社会服务平台、多领域智能系统协调发展等，因此在技术治理时均可纳入考虑范围。

（五）智能技术的安全与伦理

人工智能技术融入学校教育过程中，其技术部署问题面临着安全伦理的挑战。人工智能技术的应用需要大量教育数据的挖掘、整合和分享，智能产品的产业链上有开发商、平台提供商、操作系统和终端制造商、其他第三方等多个参与主体，这些主体均具备访问、上传、共享、修改、交易以及利用用户提供的数据的能力。在这过程中自然会触及学生或教师的性格取向、个性偏好、智力水平以及情感、社会性交往等个人信息，那么这些数据的安全维护以及隐私权保护最终将由谁来负责以及如何负责？如何应对科技辅助下学术不端现象的出现？

人工智能系统的安全部署必须考虑更深层的伦理问题，设计者和生产者在开发人工智能教育产品时并不能准确预知可能存在的风险，必须能够保障人工智能设计的目标与大多数人类的利益一致，即使在决策过程中面对不同的场景、不同的利益群体，人工智能也能做出符合社会规范、伦理以及相对科学合理的决定，这样才能真正实现保障公共安全的目的。

五、人工智能融入学校教育的典型研究领域

人工智能融入学校教育主要表现为技术研发、环境部署与应用、认知特征、学习本质与教育价值、智能机器的安全、规范与伦理三大研究领域，其中关于技术研发、环境部署与应用的研究课题开展的较多，主要集中在认知工具、差异化教学、适应性学习系统、学习环境感知和教育机器人（见图5），后两者是两大新的发展领域，特别值得关注和重视。

图 5 人工智能融入学校教育的三大发展领域

（一）研发面向特殊教育的认知工具

全纳教育提倡不让一个孩子掉队，让所有学生在合适的教育环境中接受教学。据调查，在普通学校的普通班级存在着大量的非盲、聋、弱智的特殊学生，在接受调查的30所普通小学中，有特殊儿童的学校占到85%以上，高达65.6%的学校有情绪、行为、心理问题的学生（刘全礼，2016）。基于智能辅助技术的认识工具的开发，能为接受特殊教育学习者认知能力的提升提供支持性服务，具体可以从以下方面着手：针对不同学习者的认知能力分析技术；不同学科所需技能分析技术；面向不同学科的特殊认知工具设计；面向不同学生群体的认知工具设计等。

（二）利用学习分析技术支持差异化教学

差异化教学管理既是课堂教学目标的实现途径，也是未来学校教育教学的目标之一，当前多借助学习分析技术实现该功能。学习分析技术就是对学习者的学习过程进行记录、跟踪、分析，对学习者行为进行预测、评估（李艳燕等，2012）。当前的学习分析技术，多借助技术手段和应用软件跟踪和获取学生行为、学习轨迹等数据，主要集中于数据分析和行为分析层次，由于目前的设备不能清晰获取学习目标和教学目标，还难以做到精确的学习分析，因此离差异化教学管理还有一定距离。以下方面的研究都值得关注：人工智能将如何在教学管理工具、学习支持工具以及资源提供工具上给予差异化的保障；如何最大限度地发挥技术的管理支持作用；如何通过个性化学习目标和多元活动教学设计来使每一个学生主动投入到深度学习。

（三）基于学习环境感知优化智慧校园

智慧校园建设强调智能技术与教育教学的深度融合。单纯的网络基础设施装备、学与教数字化资源建设、应用软件系统的开发难以有效支撑学与教方式的变革和拓展相对封闭的时空维度。为有效支持教与学，丰富校园文化，真正拓展学校的时空维度，智慧校园建设需要利用传感器和物联网技术随时随地感知、捕获和传递有关人、设备、资源的信息；同时还需要对学习者个体特征（学习偏好、认知特征、注意状态、学习风格等）和学习情境（学习时间、学习空间、学习伙伴、学习活动等）的感知、捕获和传递。

（四）研发课内外教学有效衔接的适应性教学系统

自适应性教学系统将成为衔接课内外教学的有效途径，可以突破时空的限制，打破课堂学习的界限，让学习者在任意时间和任意地点进行学习。该系统能够从学习环境、学习者特征、学习资源与工具、学习行为以及评价反馈等多个方面为学习者提供全方位、立体多维的学习者学习分析模型及知识地图，完成对区域、学校、班级、学生等多维度的数据处理及分析。随着研究的深入与各种技术的应用，未来研究可以针对以下主题展开：对适应性学习策略进行形式化描述的方法与模型研究仍需突破，没有明确的学习目标指引，容易出现学习迷航现象；学习者特征模型的准确性与有效性的评价研究有待加强；学习内容获取的智能性是否能够适应学习者特征和学习需求等问题；将来人工智能教育应用研究者还会持续开发越来越多、能够表达学习者的社会性、情感性和元认知方面的模型，基于人工智能技术的自适应学习系统将能够涵盖影响学习的所有相关因素，并将其转化应用到教学实践中，这些人工智能教育应用将会对教育系统的变革作出巨大贡献。

（五）研发教育领域服务型机器人

教育机器人是人工智能、语音识别和仿生技术在教育中应用的典型，具有教学适用性、开放性、可扩展性和友好的人机交互等特点。当前，教育机器人作为一个新兴领域，相关研究主要集中在听觉能力、视觉能力、认人能力、口语能力、情绪侦测能力及长期互动能力等领域；随着机器人技术的不断提高，教育服务机器人在教育领域中的应用越来越普遍，机器人在教育领域的应用表现出了无可比拟的教育价值和发展前景，其多学科交叉融合的特性为培养宽口径、高素质、复合型的工程人才提供了一个良好的平台。然而，在实践应用中仍然存在课程管理平台、对应的学习内容和师资等缺乏的诸多困难，也面临各学段课程无法衔接、机器人教育应用研究匮乏等现实问题。未来，教育机器人的研究者还需要继续研究感应技术、辨识技术、控制语言、机器人结构、无线网络、云端科技和仿生技术等，并从教育机器人的系统架构、教学平台管理移动设备与管理端的关系进行规划，使教育机器人的发展更完备。

（六）开展关于认知特征、学习本质和教育规律的研究

从解决单一特定任务（如下棋和机械制造）、解决特定领域问题（如人机对话和机器人高考）到行业变革（如服务机器人和智能制造）以及全面服务于人们的学习、工作和生活，人工智能技术将能够逐步满足人类日益复杂的功能需求，智能技术的支持和学习资源的极大丰富将使得在任意时间和任意地点学习成为可能。需要指出的是，人工智能教育应用的生命周期将受到认知特征、学习本质、教学规律相关的学习科学和教育相关领域综合研究的制约。在智能时代，复杂的教学系统功能逐步实现，人们对学习本质的探讨和教育规律的追寻将比任何时代都将更加强烈，如什么是学习、如何让学习者获得更好的学习效果、如何多维度获取学习者的认知特征等。

（七）开展关于智能机器的安全、伦理和规范的研究

人工智能系统的技术伦理就是要确保人工智能做出的决策与现有的法律、社会伦理一致，以保障人工智能应用符合人类社会的共同利益。《国家人工智能研究和发展战略计划》中指出在构建人工智能技术伦理时，我们有责任确保整个社会尽快提升人工智能技术的应用素养，要能够保证我们可以适当地、高效率地、符合伦理规范地使用这些新技术。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革，目前关于机器道德（Machine Morality）、机器伦理学（Machine Ethics）、道德机器（Moral Machine）、人工道德（Artificial Morality）等领域已有一定的研究，但仍有多个议题亟待深入探讨：如何缓解人工智能所可能加剧的教育不平等现象；如何平衡人工智能带来的教师发展与失业问题；如何建立围绕算法和数据的治理体系；如何创新基于人工智能技术的社会治理体系。

六、结论

新一代人工智能是以大规模数字化和行业深度应用为显著特征，将为学校教育改革带来新的机遇，促成智能教育的落地，有助于打破时间、空间和环境的限制，促进智能化、个性化、终身化教育体系的构建。智能教学系统源于传统的计算机辅助教学，在新一代人工智能技术促进下将迎来新机遇，以大数据、VR/AR和新一代人工智能等为代表的现代信息技术可进一步延展智能教学系统的教学功能，比如通过增加语义网络和约束模型增强领域知识模型功能，利用虚拟现实技术和增强现实技术优化用户界面模型功能，并结合大数据和学习分析技术完善个性化教育服务功能。

人工智能时代的教育应以人机共存的教与学为典型特征。因此，在智能时代，除了培养学习者的创造力、沟通力和终身学习力外，仍需关注基本技能（如阅读、写作和算数）的培养，从而提升人工智能时代原住民的数字生存能力。新一代人工智能融入学校教育将具有支持个性化学习、提供适切服务等五大潜能。但在教育教学实践中，人工智能应用仍面临人机共处环境下的教学体验、人机和谐发展的技术治理等五个挑战。后续研究还需分析应对人工智能融入学校教育挑战的对策、深挖与两大新兴发展研究领域（智能时代的认知特征、学习本质与教育价值和智能机器的安全、规范与伦理）相关的研究课题，以促进人工智能与就业的深度融合，提高教育教学质量。

参考文献

[1] Clancey, W. J.(1982). Methodology for building an intelligent tutoring system [EB/OL]. [2018-4-13]infolab.stanford.edu/.

[2] Demetriou, S.(2015). Neuroeducational research in the design and use of a learningtechnology [J]. Learning Media & Technology, 40(2), 227-246.

[3] Dimitrova, V.,Mccalla, G., & Bull, S. (2007). Preface: "open learner models: futureresearch directions" special issue of the ijaied (part 2) [J].International Journal of Artificial Intelligence in Education, 17(3), 217-226.

[4] Dweck, C. S.,& Leggett, E. L. (1988). A social-cognitive approach to motivation andpersonality [J].Psychological Review, 95(2), 256-273.

[5] Grawemeyer,B., Mavrikis, M., Holmes, W., & Gutierrezsantos, S. (2015). AdaptingFeedback Types According to Students’ Affective States [C]. The 17th InternationalConference on Artificial Intelligence in Education. June 22-26, 2015, Madrid,Spain:586-590.

[6] 国务院(2017). 国务院关于印发《新一代人工智能发展规划的通知》（国发〔2017〕35号） [EB/OL]. [2018-4-13].www.gov.cn/.

[7] Harris,A., Bonnett, V., Luckin, R., Yuill, N., & Avramides, K. (2009). Scaffoldingeffective help-seeking behaviour in mastery and performance oriented learners[C]. The 14th International Conference on Artificial Intelligence in Education.June 6-7, 2009, Brighton, UK:425-432.

[8] 黄荣怀,刘德建, 刘晓琳, 徐晶晶 (2017). 互联网促进教育变革的基本格局 [J]. 中国电化教育, (01) :7-16.

[9] Ikanth,M., & Asmatulu, R. (2016). Modern cheating techniques, their adverse effectson engineering education and preventions [J]. International Journal ofMechanical Engineering Education, 42(2), 129-140.

[10] Johnson,W. L., & Valente, A. (2009). Tactical language and culture trainingsystems: using artificial intelligence to teach foreign languages and cultures[C]. The 21th International Conference on Innovative Applications of ArtificialIntelligence.July 20, 2009, Pasadena, America:1632-1639.

[11] Kiefer,P., Giannopoulos, I., Raubal, M., & Duchowski, A. (2017). Eye tracking forspatial research: cognition, computation, challenges [J]. Spatial Cognition& Computation, 17(1-2), 1-19.

[12] Lee,M. J. W., Kirschner, P. A., & Kester, L. (2016). Learning analytics inmassively multi‐user virtual environments and courses [J]. Journal of ComputerAssisted Learning, 32(3), 187-189.

[13] 李德毅,马楠 (2017).智能时代新工科——人工智能推动教育改革的实践 [J]. 高等工程教育研究, (9) :8-12.

[14] 李艳燕,马韶茜, 黄荣怀 (2012). 学习分析技术:服务学习过程设计和优化[J]. 开放教育研究, 18(05):18-2

[15] 刘清堂,吴林静, 刘嫚, 范桂林, 毛刚 (2016). 智能导师系统研究现状与发展趋势 [J]. 中国电化教育, (10) :39-44.

[16] 刘全礼(2016).论我国特殊教育的对象问题 [J]. 中国特殊教育, (06) :3-7+16.

[17] 刘永谋,李佩 (2017). 科学技术与社会治理:技术治理运动的兴衰与反思 [J]. 科学与社会, 7(2), 58-69.

[18] Pearson& UCL Knowledge Lab (2016). Intelligence Unleashed: An argument for AI inEducation [EB/OL]. [2018-4-13]. https://www.linkedin.com/.

[19] RootJ.R., Stevenson B., & Davis L.L. (2018). Computer-Assisted Instruction toTeach Academic Skills. In: Volkmar F (eds) [M]. Encyclopedia of Autism SpectrumDisorders. Springer, New York, NY.

[20] Sewart, D. (1978). Continuity of concern for students in a systemof learning at a distance.[EB/OL].[2018-5-20]. https://www.researchgate.net.

[21] Westerfield,G., Mitrovic, A., & Billinghurst, M. (2013). Intelligent Augmented RealityTraining for Assembly Tasks [C]. The 16th International Conference onArtificial Intelligence in Education July 9-13, 2013, Memphis, America: 542-551.

[22] Woolf,B.P. (1987). A survey of intelligent tutoring systems.[EB/OL] [2018-5-20]. https://www.researchgate.net.

[23] 余胜泉(2018). 人工智能教师的未来角色 [J]. 开放教育研究, 24(01) :16-28.

作者简介

刘德建,北京师范大学教育学部博士研究生,北京师范大学智慧学习研究院联席院长,研究方向：人工智能与教育( 201731010070@mail.bnu.edu.cn);杜静,博士研究生,北京师范大学教育学部,研究方向：自适应学习、智慧学习环境（ dujing@mail.bnu.edu.cn）;姜男,高级研究员,北京师范大学智慧学习研究院,研究方向：教育管理、教师专业发展（ Jiangnan@bnu.edu.cn）;黄荣怀(通讯作者),教授,博士生导师,北京师范大学智慧学习研究院,北京师范大学教育学部,研究方向：智慧学习环境、教育信息化（ huangrh@bnu.edu.cn）。