AI研习丨卢宇：改善在线教育，人工智能大有可为

为做好疫情防控工作，阻断疫情蔓延，工业和信息化部科技司 发布《充分发挥人工智能赋能效用、协力抗击新型冠状病毒感染的 肺炎疫情倡议书》，指出要着力保障疫情期间的工作生活有序开展， 开放AI教育资源，助力教育在线化，推动实施“停课不停学”。全国各地中小学也积极通过各类网络教学平台组织和开展线上教学与教研活动。线上教学的全面铺开，是教育领域防范疫情的重要举措，但同时也存在着一系列痛点问题亟待解决。

一、在线教育的痛点

（一）线上教学智能性有待提升

学生线上学习的过程中能否按时、保质地进行学习，是保证线上教学效果和质量的关键所在。线上学习过程中，较难对学生的参与程度进行有效监测和管理；同时，与线下教学相比，教师进行课后批阅的难度也较大。例如，大多数教师目前要求学生通过拍照方 式将作业上传到教学平台，教师于课后对照标准答案，通过在线图片标注或者纸笔的方式记录下每个学生作业存在的问题，然后再依次上传回教学平台或直接反馈给学生。整个批阅过程，一方面加重了教师端的工作负担；另一方面降低了学生端的学习及沟通效率。另外，当前线上各类教学资源良莠不齐，系统无法进行精准推荐和筛选，容易导致学生面临“信息过载”和“知识迷航”等问题，对学生的积极性与学习效果产生消极影响。

（二）互动性与情境感知能力有待增强

线上教与学的过程经常处于时空分离状态，教与学不仅在空间上被割裂，在时间上也经常具有异步特性。即使在实时教学直播过程中，也存在互动性差、学生参与感低等问题，网络另一端的教师很难及时了解学生学习状态并进行相应教学干预。同时，线上教学 并不是简单的课堂转移，也需要不同于线下课堂教学的教学策略。小学阶段的学生，由于年龄偏小，自制力较差，线上学习需要增加教学过程中的互动性和趣味性；中学阶段的学生，自制力强一些，但自主性也比较强，缺少内容张力和临场感的课程内容通常难以有吸引力。当前各类线上教学平台很难提供这类技术和功能支持，教学过程中的互动性与情境感知能力有待加强。

（三）家庭教育临时补位

疫情条件下，学生长期在家庭环境下进行学习，家庭教育的重要性也大幅度提升，需要由家长更多承担起对孩子进行教育和心理辅导的重任。然而，大部分家长并不具备相关专业知识，在认知上对育人知识和理论也存在盲区或误区，并且由于工作繁忙而容易忽视孩子成长中出现的各类问题。因此，亟需提高家庭教育的质量，探索德育领域的家庭育人解决方案，形成家校合作共育的良好模式。

二、解决在线教育痛点问题，人工智能大有可为

（一）提升线上教学的智能性

推广学科智能导学系统（ITS）可以作为增强线上教学智能性的有效途径之一。最早的智能导学系统可以追溯到上世纪90年代，系统设计上融入了教育学和认知科学等理论，可以为学生提供自动出题和支架式反馈等线上教学服务。同时，智能导学系统依靠内置的学习者模型，可以追踪学生的认知状态变化并进行实时更新。智能导学系统经过多年的研发，已在各类学科教学中显示了其有效性。针对在线教学的智能性需求，智能导学系统可以实现以下功能：首先，对学习者进行多维度建模并针对其认知状态进行优质学习资源的精准推荐；其次，设计符合教学特点的用户交互界面，提高学生使用的兴趣和频率；最后，对于繁杂的教师批阅等环节，提供有效的解决方案。随着人工智能技术的发展，智能导学系统逐渐能表征较为复杂的多学科、开放性学科知识与资源，并给予精确标注和推荐；自然语言处理技术可以直接帮助系统通过对话方式来进行教学互动；数据挖掘与深度学习等技术可以分析教学的过程性与测评性海量数据，从而建立更加普遍适用的多维度学习者模型和自动批阅模型（见图 1）。以北京师范大学研发的数学智能导学系统“雷 达数学”为例，其利用教育数据挖掘、知识追踪等关键技术，可以对学生的数学学习过程和知识掌握 状态进行精准诊断，并对公式类和文本类的学生答 案进行自动批阅。依据诊断和批阅结果，系统可以 为学习者提供自动反馈和优质学习资源的推荐。同 时，通过认知地图等知识可视化方式，提供个性化 的学习导航与动态学习路径规划服务，并阶段性生 成个性化学情报告，以帮助处于不同认知阶段的学 生进行在线学习。

图 1 基于深度学习与学科领域知识的学习者模型

（二）增强互动性与学习情境感知

基于人工智能技术的教育服务类机器人，可以有效帮助增强教学互动性与学习情境感知能力。教育服务类机器人通常可以直接对教学过程进行智能辅助服务，且服务过程中可以扮演导师、学伴及监督者等多种角色。其中，导师角色指机器人作为教师助手，为学习者提供针对性教学资源和支架式反馈；学伴角色指机器人作为学习伙伴参与学习者的学习过程中，开展协作学习并提供情感支持；监督者角色指机器人通过智能传感器、可穿戴设备等硬件与测评基准模型，对学习者的知识、心理与体征状态进行监测。以北京师范大学研发的“智慧学伴”智能教育机器人为例，该机器人基于自然语言处理技术构建了以教学目标驱动的问答与对话等人机互动能力，利用情感计算与计算机视觉技术实时估计学习者情绪和专注度，实现学习情境的感知。在此基础上，机器人具备五类典型的教学应用模式，帮助学习者完成不同阶段的教学目标，并满足学习者在自主感、胜任感及归属感等维度的心理需求。该教育机器人曾在2019年国际人工智能联合会议 IJCAI上获奖。

（三）实现隐性家庭育人知识显性化

育人是教育的本质诉求，家长在面对孩子成长过程中的典型问题时，由于不了解关键的教育学、心理学等知识而无从下手，往往不知所措或粗暴干预。尤其在防疫期间，学生由于心智的不成熟，更面临着多重压力，家长也没有历史经验去处理且缺乏科学方法的指导。根据迈克·博兰尼知识理论，育人知识可分为显性育人知识和隐形育人知识。显性育人知识指能够通过文字、图表等表达出来的清晰知识，隐性育人知识指基于主观体验和领悟而获得的无法用言语简单表达的知识。通常情况下，隐性育人知识远远多于显性育人知识，并且通过经验和思考而获得的大多都是隐性知识，因此家庭教育需要育人领域隐性知识的显性化。人工智能技术的发展可以为解决上述问题提供新思路：一方面，知识图谱技术可以表征育人领域的核心概念及其相互关系，并能够在此基础上进行有效推理，进而对育人问题进行潜在成因的定位，为个性化育人提供精准的领域知识模型；另一方面，基于自然语言处理等技术，可以通过自然语言交互方式，实现育人问题的智能诊断和自动咨询。以北京师范大学研发的 “AI好老师”育人助理系统为例（见图2），基于 近万个育人领域的优秀案例，设计和构建了针对性 的育人知识图谱。在此基础上，任务驱动型的对话 系统可以通过对话状态跟踪与对话策略学习等关键 步骤，完成对当前家长遇到的育人问题的多层次信 息采集，进而可以给出相应的育人对策及相关案例。借助人工智能技术，可以帮助家庭教育和家长树立 育人意识、掌握育人知识、提升育人能力。

图 2 “AI 好老师”育人助理系统

最后，我们相信当前超大规模的线上教育既 是应对疫情的应急之举，也是“人工智能+教育” 领域的重要发展机会。人工智能技术需要深入到 教育的各类场景中，尤其需要密切关注和解决当 前线上教学的各类痛点问题，发挥自身优势，为 支持个性化的优质线上教育贡献解决方案。

( 参考文献略 )

选自《中国人工智能学会通讯》

2020年 第10卷 第5期 百家讲坛