人工智能视域下机器学习的教育应用与创新探索

  摘要:新技术带来的教育变革方兴未艾,人工智能与智慧教育引领教育教学的创新,已经成为教育信息化发展的必然趋势。随着教育大数据的崛起,如何对大量数据进行分析以支持精准预测,是人工智能时代面对的一个新课题。机器学习作为人工智能的一个重要分支,能够满足教育大数据分析预测的需求。为此,基于“为何分析、分析什么、以何分析、何以应用”一系列问题,通过对机器学习的作用对象、作用过程、具体方法和利益相关者等方面的分析,探讨了机器学习和智慧教育的适切性。结合对近年来国外基于真实数据的机器学习教育应用案例研究成果的梳理和归纳,发现目前机器学习教育应用主要集中在学生建模、学生行为建模、预测学习行为、预警失学风险、学习支持和评测和资源推荐等六大方面。从跨界、技术和教学三个层面出发,基于智慧教育的框架对机器学习的教育应用与创新提出了相关建议。

  一、引言

  智能革命浪潮正席卷全球。2017年开年,神秘棋手Master连胜中日韩多名世界级顶尖棋手的跨年围棋大战落下帷幕,随即Master被证实正是2016年3月战胜李世石的AlphaGo。这是人工智能(Artifi­cial Intelligence,AI)史上绝对的“历史事件”。AI也正冲击着人们的日常生活。Google提出的自动驾驶汽车(Autonomous Vehicles)已经从教科书照进了现实,依靠车内的智能驾驶仪便可实现无人驾驶。机器人的脚步也从探索火星拓展到人体内,一种可吞服的微型折叠机器人进入人体,可以帮助修复伤口或挪走被误食的纽扣电池

  在研究领域,美国国家安全与技术理事会于2016年5月和10月分别发布了《为人工智能的未来做准备》和《国家人工智能研发战略规划》两份报告,指出人工智能研究在经历了20世纪80年代“专注于人类知识”和21世纪00年代“机器学习的兴起”两次浪潮后,即将迎来“解释性和通用人工智能技术”的第三次浪潮。而实现和推动AI研究的核心技术正是当下最热门的机器学习(Machine Learning)。

  教育领域在人工智能研究浪潮的影响和渗透下,也正发生改变。一方面,人工智能和学习科学相结合形成新领域——教育人工智能(Educational Ar­tificial Intelligence,EAI),其核心目标是“通过计算获得精准和明确的教育、心理和社会知识形式,这些知识往往是隐式的”。知识以学习者模型、领域知识模型和教学模型等形式呈现,算法是获得这些知识的核心技术。目前,已有大量教育人工智能系统被应用于学校,这些系统整合了教育人工智能和教育数据挖掘(Educational Data Mining,EDM)技术(如,机器学习算法)来跟踪学生行为数据,预测其学习表现以支持个性化学习。

  另一方面,以智慧教育引领教育信息化的创新发展,从而带动教育教学的创新发展,已成为信息时代的必然趋势。个性化学习作为智慧教育的核心要素,如何通过技术更好地支持和促进个性化学习的开展,已经成为智慧教育研究领域的诉求。 目前,个性化学习的实践应用主要集中于自定步调学习、个别化指导和学习内容自适应等方面 , 但在整个学习过程中尚未实现差异化的学习服务,主要原因在于技术的发展尚不能充分满足个性化学习的需求 。

  美国2017国家教育技术计划《重塑技术的教育角色》,在学习部分指出:在移动数据收集工具和在线协作平台的支持下,能够为所有学生获得个性化学习服务提供机遇;在领导力部分指出:个性化学生学习将作为有效领导力的核心关注领域之一,技术能够为学生提供个性化学习路径;在测评部分指出:形成性和总结性评价数据的收集和整合,能支持学习者生成个性化数字学习体验,以及教师制定教学干预和决策。由此可见,收集和整合大量的、不同源的数据支持实现个性化学习是必然趋势,而人工智能技术的应用将是实现这些数据价值最大化的关键。

  机器学习作为人工智能领域最核心、最热门的技术,能够基于大量数据的自动识别模式、发现规则,预测学生学习表现,为满足智慧教育和个性化学习的需求提供了可能。目前,国内外尚未有研究对机器学习的教育应用进行系统梳理。 为此,我们试图通过全方位地梳理机器学习教育应用的发展现状、潜力和进展、面临的挑战等,为研究者和教育者开展智慧教育和个性化学习提供一定的理论和实践依据。