高校智能教育发展脉络及启示

摘要：智能教育是人工智能与教育深度融合的产物，智能教育在世界高校的应用有了长足的发展，并呈现加速发展的态势，主要体现在：智能教育的发展推动自适应学习发展、异步课堂趋于完善，推动协作学习发展；智能内容重塑教科书，实现加速学习；智能辅导系统迈向2.0，促进深度学习。智能教育实现对学生行为的预测，推动教师在“教—学”关系中转向辅助者角色，智能助教进一步发展协助教师更加关注学生；AI助力智能教学设计，保证精准教学开展；学生事务管理智能化，实时监督学生走向。人工智能在提升教学品质、塑造虚拟教学环境、变革智能图书馆等过程中，将学习环境打造为更加开放的学习空间。为应对这样的变化，我国智能教育应树立自适应学习理念、坚持师生需求导向、提高教师智能素养、成立智能教育专业、加强应用效果评估，加速实现我国智能教育在国际范围由跟跑到领跑的转变进程。

关键词：国际比较；智能教育；高等教育

2019年4月23日，美国NMC发表2019地平线报告中指出，未来四到五年将是人工智能变革高等教育的关键节点[1]。2019年3月4日到8日，联合国教科文组织在巴黎教科文组织总部举行了2019年移动学习周，学习周的主题也围绕着人工智能与可持续发展[2]。来自130个国家1500名教育与技术专家围绕“如何利用人工智能来加强教育和学习”“如何确保在教育中包容和公平地使用人工智能”等问题进行了探讨。我们发现，在大多数国家，主要由非国家行为者，特别是私营部门，推动AI蓬勃发展，对AI的发展做出敏锐的反应，教育技术产业的快速扩张尤其引人注目，人工智能学习技术在课堂上的使用越来越多，各国都为教学和学习提供人工智能解决方案[3]。我国高度重视人工智能战略影响，在2019年5月16日的国际人工智能与教育大会的贺信中指出，新时代的中国将高度重视人工智能对教育的深刻影响，积极推动人工智能和教育的深度融合，促进教育变革创新。同时，高等教育肩负着科技创新、人才培养的使命，人工智能在高等教育中的应用不仅能够提高人才培养效率，更能提升人才培养质量。因此，提升人工智能在高等教育中的应用水平是实现我国人工智能从跟跑、并跑到领跑的重要举措。基于此，本文梳理最新国际人工智能在高等教育中实践情况和未来走向，并提出我国智能教育应对策略，为提升人工智能在我国高等教育中的应用水平提供参考。

一、从人工智能到智能教育

(一)人工智能的内涵。英国逻辑学家和计算机先驱艾伦•马西森•图灵最早开启了人工智能的实质性工作，图灵关注的核心问题是计算机如何通过过程启发式问题，从经验中实现学习。1950年，著名的图灵测试问世，测试中涉及计算机、人类陪衬与人类询问者三个参与者，结果发现，在看不到被试(计算机、人类陪衬)的情况下，人类询问者只通过询问无法辨别二者身份，据此揭示出计算机具备与人类智慧相同的潜力。由此可见，人工智能发展的初衷便是最大程度上模仿人类的思维，代替人类做出决策。最早成功的人工智能程序是1951年写成的ChristopherStrachey，该程序通过不断地试错、迭代，完善自身程序，最终能够以合理的速度完成一个完整的跳棋游戏。随后，约翰麦卡锡于1956年的达特茅斯会议上首次创造了人工智能这一术语。随着人工智能关键技术的不断发展，人工智能的内涵也趋于完善。在大英百科全书的定义中，人工智能是指数字计算机或计算机控制的机器人执行与智能生物相关的任务的能力[4]。这个术语经常被应用于所资助的开发系统的项目。具有人类特有的智力过程，如推理、发现意义、概括或从过去经验中学习的能力。由于其跨学科的性质，人工智能的定义难以界定，不同领域的专家有其不同的侧重点，但达成统一意见的是，人工智能具备人性化思考、人性化行动、理性决断以及合理形式四方面特点[5]。人工智能具有“强”“弱”之分，“强人工智能”以复制人类智力能力为目标，开发一个与人类完全相同的系统，“弱人工智能”则只是让系统运行，无需弄清楚人类的推理过程。目前，人工智能的发展介于“强”“弱”之间，虽然实质性进展表明实现强人工智能还存在一定困难，但强人工智能在未来的走向是当前的发展趋势。皮尔森与知识实验室(伦敦大学学院)2016年出版了报告“智能释放：教育中的人工智能论证”，报告将人工智能论述为“一个计算机系统，旨在通过能力(例如视觉感知和语音识别)和智能行为与世界互动(如评估可用消息，然后采取实现目标的既定行动)，我们认为这基本上是人类”[6]。人工智能的类人化功能使其能够渗透在人类生活的各个环节中，人们开始探讨人工智能在教育领域中应用的必要性，这也正是智能教育产生的原由。(二)智能教育的诞生。从历史的角度来看，过去两个世纪，世界经历了教育的大规模扩张。教育起源之时，无论东西方教育都可称为“人的智慧”。东方孔子推崇“有教无类”，对不同的学生采取不同的教育手段，传授的内容也不尽相同；同期，西方苏格拉底使用“产婆术”引导学生深入学习，教与学之间是动态的、灵活的关系，学生能够得以个性化、全面的发展。随着工业革命的到来，工业社会对于人才的需求迅猛扩张，班级授课制应运而生。为了整体提高教育效率，将教学、作业计划、评分等全教学过程都框在固定的模式内，对于学生的评价也被局限在固定的标准化描述中，教育体系是静态的、普遍化的，教师无暇顾及每个学生的兴趣、特长或学习风格，学生个人的自我发展被忽视。伴随新一轮技术革命的发展，大规模的个性化教育成为时代的呼唤。“AI融入教育，成为教育发展的新取向，如何利用AI技术支持教育已成为当前需要讨论的课题”[7]。随着近年来人工智能的快速发展，智能教育在国际范围焕发出新的活力。(三)智能教育的技术支持。智能教育自萌芽至今已有30年之久，但国内外关于智能教育的定义尚未形成统一意见。祝智庭提倡智慧教育，他认为智慧教育是通过人机协同作用以优化教学过程与促进学习者美好发展的未来教育范式(智慧教育“祝氏定义”的要义)。在国际上，以AIED(ArtificialIntelligenceinEducation)指代人工智能在教育中的应用，其基础是本身就为跨学科的AI和学习科学(教育、心理学、神经科学以及社会科学等科目)。Pearson报告认为，AIED由三个关键模型组成，分别是教学模型、领域模型和学习者模型。教学模型代表了教学的知识和专长，即如何更好地通过计算机使用教学手段；领域模型又称知识模型，代表如何更好地学习世界知识；学习者模型侧重于对学习者的了解，包括学生的情绪状态以及参与学习的数据等内容。这三个模型的相互作用，就是自适应导师的模型基础，能够根据学习者的能力和需求，选择最合适的内容提供给学习者。在学习实践过程中感知到的数据不断反馈到三个模型中，通过深度学习等算法使得模型更加丰富、更完整，进而使系统更“智能”。人工智能极大地改变着教育生态，在教育领域的应用前景广阔，是克服传统教育不足的有效途径，有助于变革教育模式与教育形式、为学生提供个性化服务、为教师提供精准化教学、为学校提供科学化管理[8]。智能教育中涉及的技术支持包括：(1)人机交互引擎：与用户直接接触的引擎，人机交互引擎实现有趣的智能聊天功能；(2)NLP处理技术：即自然语言处理技术，主要是指通过机器学习手段，对自然语言数据进行切分，编码等过程；(3)实体关系抽取：从自然语言数据中，对特定的关系模式进行识别，从中提取实体关系信息，如(实体、关系、实体)三元组；(4)KG推荐系统：基于知识实体关系，以图论为基础，构建知识实体关系图模型(即有向连通图)；(5)对特定场景的细致切分与机器学习相结合：系统细分多个应用场景并融合机器学习算法辅助使用者更好地教学与学习；(6)人脸识别：目前人脸识别技术在国内外发展都非常迅速，如人脸识别、人脸对比等技术已经在多个领域得到运用，但总体而言，各种识别系统对环境的影响都较为敏感。

二、国际高校智能教育的发展脉络

通过梳理国际高等院校在应用智能教育中的实践，分别从学生、教师和学习环境三个角度总结了智能教育的发展脉络。(一)智能教育向自适应学习、强调个性化教育方向发展。自适应学习是一种理想的学习模式，不是一种通用的学习模型，能够根据个人特色、学力水平、学习风格调整学习内容和教学形式，为每位学生设计、提供最适合其本人的个性化课程和辅导，具体表现在以下三个方面。1.异步课堂方兴未艾，有效推进协作学习协作学习是指学生以小组的形式，通过协作共同完成一件任务或项目。在高等教育中应用协作学习能够促使学生更积极地参与到学习过程中，使学习工作的兴趣始终维持在较高水平[9]。PierreDillenbourg在梳理AIED25年的发展进程中指出，今天的AIED更加注重社会互动，学习者的交互，必须同时将支持个人的学习和增强社会交互的学习融入学习环境。Pearson2016年的报告中列举了人工智能提高学习效率的多种渠道，在一定程度上为协作学习提供智能支持[10]。高等院校学生的自由度及个性化需求均高于基础教育，而人工智能支持的协作学习与传统学习最大的革命性突破是学生无需聚在一起完成项目，他们可以不受时空的限制，在不同的地点、不同的时间完成协作学习过程，即在异步课堂中完成互动学习。AI+协作学习不仅在很大程度上为学生提供了便利，提升小组完成效率，还能助力教师提供更高效的指导：基于人工智能技术，如机器学习和浅层文本处理，人工智能系统用于监测异步讨论组，分析每个学生的工作方式和以往学业表现数据，从而为教师提供有关学习者讨论的信息，通过形成自适应组、专家指导、构建智能虚拟、即时智能审核四种具体方式指导学习者学习[11]。微软团队在戴维森学院数学系进行了为期一年的实验。戴维斯学院依赖于中心的协作环境，信息在学习小组间无阻碍的流通，学习成员紧密联系在一起，Teams与OneNoteClass笔记本和其他微软产品一起放在教室里，每位学生都有发言权力，同时能够从教师一方获得需要的学习材料，保证个性化学习能够在不同的学习风格和能力课堂中覆盖到每个学生[12]。同样的协作方式也曾发生在伦敦威斯敏斯特学院，智能教育应用使得即便有听力障碍的学生，也能无障碍地加入到协作学习中[13]。2.智能内容重塑教科书，实现加速学来，大学生对雇主市场的敏感度不断提高，期望以最快的速度尽可能多地获取雇主所重视得技能。基于此，专注于毕业生培养的全球EdTech公司WozU总裁ChrisColeman[14]判断2019将有越来越多的人专注于加速学习。同时，智能内容是当前的热门话题，被应用于金融、营销等各领域，例如我们所熟悉的购物应用，可以根据浏览记录推测出期望购买的产品。由此可见，智能内容能够基于观看者过去的行为而改变网站内容。由于智能内容所提供的内容与观看者保持高度的相关性和个性化，当其应用于教育领域时，能够在很大程度上满足学生对于加速学习的需求(为避免与前述智能内容混淆，将应用于教育中的智能内容称为SLC(SmartLearningContent)。SLC通过重组知识，最大化突出重点知识并转化为学生最易接受的方式实现加速学习。具体来说，是人工智能系统使用传统的教学大纲为不同的科目定制个性化的教材，使教科书被数字化重塑。在创建的过程中，SLC改变了知识的组织形式，结合学生年龄、学科、认知等特点创生出新的学习页面，能够让不同的学生在相同的教学模式下使用个性化内容模板和多语言功能，满足学生的个性化需求。SLC包括数字化学习指南和可定制的学习界面，通过多种手段诠释教科书内容，同时提供交互式内容、实时反馈和全面评估，能在保证学习效率的同时兼顾学习质量。SLC的另一大优势在于，能够很好地与多媒体元素集成，创设出现实的教室环境，可以应用于仿真系统、游戏化教学环境或视频教程中。Cram101[15]是专为节省高等教育者学习时间，提高认知效率而开发的软件，开发了掌握学习内容更快的方法。Cram101通过人工智能技术将知识内容分解为最小信息单元，重组为智能学习指南，指南中包括章节摘要、抽认卡、无限的真假判断等问题。同时，Cram101还会在内容组织中使用人工智能技术突出教科书重点，在最大程度上减少认知负荷，防止学习者在无用信息上浪费时间与精力，能够更好、更聪明、更快地吸收切实所需的信息。Netex[16]是一家专注于学习技术业务的公司，近期专注于智能内容的开发，结合新技术与业务经验创新出LearningCloud(LC)和ContentCloud(CC)两款产品，以改善学习方式。LearningCloud强调用户体验，坚持以学习者为中心的设计方法，通过微观学习、技能映射、社交功能和内容推荐实现知识推送，创新之处包含以下几点：(1)强调知识共享，学生可以创建主动学习社区、学习内容列表分享学习内容，支持各种类型交互，丰富学生的学习经验；(2)搭建游戏化社区，让学生在学习升级、成就、竞争等游戏化激励的情况下，保证最大程度上的参与；(3)保证学习的便捷性和有效性，不仅能够随时随地获取学习信息，同时创设了虚拟导师指导学习流程。ContentCloud则是专业创建和管理云中的数字内容，可以在一个平台上创建无缝的内容集合，自动协调内容开发和供应网络，最大化降低生产的时间和成本。ContentCloud提供了最具创新性的数字创新工具，采用尖端的智能技术，实现整个内容生产流程的控制。Netex与大学的合作更为广泛，2019年3月29日，Netex与加泰罗尼亚开放大学(UOC)签订合同，利用Netex最新解决方案ContentCloud向其内容制作提供服务。UOC是第一大西班牙语在线教育机构，以电子学习和在线参与方面的研究著名，被列为泰晤士高等教育全球顶尖大学之列，选择Netex作为战略伙伴，侧面反映增强智能内容建设能力对开放大学的重要意义。不仅如此，Netex提供的智慧内容在过去的一年内使包括马德里欧洲大学在内的六所西班牙大学实现了数字化转型[17]。3.智能辅导系统迈向2.0，促进深度学习智能辅导系统(ITS)是一种计算机系统，基于布鲁姆的掌握学习原则，从认知心理学、计算机科学，尤其是人工智能的工作中汲取灵感，其目的是为学习者提供即时的、个性化的教学或反馈。ITS通常一次与一名学生一起工作，不需要人类老师的干预，其设计目标是为每位同学提供高质量的教育。在诸多人工智能辅助教与学的手段中，智能辅导系统是人工智能在教育中最初的应用之一，已经在许多STEM主题上开发了40年。但是在过去的十到二十年中，由于缺乏硬件、教师培训、软件复杂等因素，计算机对教育的影响是不明显的，同时，已有的教学软件无法察觉学生的需求并做出响应，也不能足够灵活的模仿教学[18]。近年来，随着深度学习等算法的飞速发展，上述问题在很大程度上得到了针对性的解决。智能辅导系统利用人工智能的技能和方法来开发基于计算机的学习系统，从而构建自适应系统。当前的智能导师系统能够通过其强大的智能算法帮助学生掌握困难的知识和技能。这些算法能够在细粒度水平上检测到学生的学习路径[19]，评估学生对学习领域的理解情况，为学习者提供实时的指导、反馈和解释，并引导学生深度学习。美国国防部高度重视ITS技术的开发，提供了大量的资金支持。美国国家科学基金会(NSF)和教育科学研究所自2000年来一直支持ITS[20]。以往的智能辅导系统的成功实践主要集中在以下两方面：一是用于数学和其他结构良好，数量精确的主题；二是专注于语言交互知识领域。未来，ITS发展趋势的核心的提升学生智力水平，协助学生进行深度学习，将通过以下三方面实现：(1)理解学生的自然语言，注重学生情绪引领由于学习环境的单一性，当前学生的学习过程中存在不少浅层学习，学生与知识的交互过程主要表现为识记，无法将概念转化为实践。智能辅导系统开发的初衷，便是通过营造良好的交互环境，让学生对课程从无聊转向好奇；对成绩从痛苦转向热情；对学习的态度从焦虑转向自信，并用恰当的策略引导学生深入学习。学生倾向于进行浅层学习，因为深入学习需要他们进行复杂的思维活动，从事复杂思维活动会使他们产生大量诸如沮丧、逃避的负面情绪。孟菲斯大学Graessr博士针对这一问题构建了智能辅导系统Autotutor[21]。Autotutor的核心是三个主要研究领域——人性化的辅导策略、教学和支持自然语言的辅导技术。该系统具有两大独特功能：一是具备极强的互动技能，学生与机器用自然语言进行对话，能够识别并吸收学生情绪，并试图进行引导；二是具备良好的思维技能，通过建立于学生之间的不平衡认知，帮助学生进行深度学习，智能辅导开始时，Autotutor将在显示器中创造两个不同的导师，各持一方观点，学生需要在思考和推理中解决分歧。(2)倾向于多种学习资料整合ElectronixTutor是一种整合多种学习资源的智能辅导系统，专注于为海军学员提供电子学徒技术员培训课程[22]。整合的学习资源包括学习、心理模型构建与模拟环境、创建或交付学习任务的通用学习平台、在网络上开发主体内容并评估材料和学习技术平台等自适应智能学习资源。(3)生成有关学习过程的数据，提高学生学习有效性步入2.0阶段的智能辅导系统，在生成学生学习数据后，着重分析学生在学习过程中得出错误结论的原因，在“发现错误—分析错误思维的形成原因—纠正错误思维”的反复迭代中实现持续训练学习。也就是说，当智能辅导系统发现学生出现错误时，不再是简单提示学生多进行相关方面的练习，而是通过分析、指出学生的错误思维，引导学生形成正确的思维方式，进而提高学习的有效性[23]。学生在一次次试错中，逐渐习得调整思维的技巧，学习质量得以持续提升。(二)助力教师向“辅助者”转型，强调预测。斯坦福大学在报告《人工智能百年研究》中预测，未来15年，“智能导师和其他人工智能技术在课堂和家庭中帮助教师的应用可能会显著扩大”[24]。人工智能不仅在学习环节为学生提供全方位的个性化服务，提高学习效率，同时能够满足教师需求，变革教学过程，使教师有时间和自由提供更有情感与针对性的教学服务。简单来讲，这种应用主要体现在两方面：一是简化管理任务，创设更好的专业环境，将教师从事务性工作中解放，转向对学生的关注，更多地投入到教育教学活动中；二是通过逆向设计思维，塑造学生画像，协助教师更加深入地了解学生。从教学设计到学情分析，全过程助力教学活动的智能化发展。具体包括以下几方面趋势：1.智能助教进一步发展，协助教师关注学生人工智能可以很快地执行管理任务，进而更快、更好、更低成本地消耗管理人员的大部分时间。采用“AI+教师”双师型模式，能够在很大程度上为学习者带来更好的效果。2014年，英国爱丁堡大学团队研发了教师机器人Botty，该机器人创建的目的是为了在Twitter上与爱丁堡的电子学习和数字文化MOOCs的学生进行互动[25]。在课程期间，Botty发了大约1500次推文，与数百名同学交流，除了回复课程问题，甚至在一定程度上承担了社交角色，与学生生活上的推文互动。但是，Botty的智慧仅停留在简单问题的处理上，面临疑难问题Botty则建议学生向导师留言或向其他学习者求助。另一个引起广泛关注的例子是佐治亚理工学院的AI助教JillWatson。Jill是该学院计算机与认知科学教授AshokGoel的助手，“他”的日常工作是回复参与在线课程学生的大量论坛帖子，同时处理其他行政问题[26]。吉尔的智慧化程度更高，其助教级别大致等同于研究生[27]，是世界上第一个真正意义上的智能助教，其成功之处在于让所有学生都误以为它是真人助手。2019年2月23日，德国了第一个机器人讲师Ruyi[28]，Ruyi不止从事助教的工作，还能够主导课堂，向学生讲解内容并进行互动。当然，Ruyi在现阶段与人类讲师还有很大的差距，不能独立应对真实的课堂环境，但是Ruyi能够很好地起到课堂辅助的作用，让教师能有更多的时间与学生互动交流。AI助教除了能够处理学生问答和行政性工作，还能够通过自动化评判学生学习成果来减轻教师的负担。自然语言处理(NLP)是人工智能的一种形式，通过统计和机器学习方法，促进对句子结构、情感、意图的理解，从人类语言中提取意义，并根据信息做出决策，美国教育考试服务中心开发了自动NLP评估系统，应用于在标准化测试中对论文进行评分。这也是AI助教在学生评估方面最早的应用之一。密西根大学应用M-Write帮助教师在大规模的入门级课程中处理写作活动。M-Write通过算法来识别学生在写作中遇到困难的地方，分析写作水平较低的潜在原因，通常用于复杂的STEM作业，如证明或考试中的简短回答[29]。2.AI助力智能教学设计，保证精准教学开展充分了解学生是教师实现精准教学的基础，教师需要评估学生对于知识的理解程度、情绪状态、知识水平等一系列指标，以调整教学设计和实施环节，过去教师凭借经验进行大致判断，现在AI协助教师完成这一过程。基于分析和发现数据点之间的模式和相关性的机器学习算法被证明是帮助教师量化学生对讲座进行理解的有效工具。通过分析特定的学生数据，人工智能可以更快地找到学生可能需要更多帮助的领域，教师据此进行教学设计，大量的学习数据有助于教师了解未来的课堂走向，不同于过去大数据技术在教学中进行事后分析，AI还能实时生成报告，分析数据进行预测和可视化，并将其输入教师的工作流程，从而提高学生的学习成绩。Pearson(中译“培生公司”，世界上最大的教育出版集团)与伦敦大学学院知识实验室合作，指出当今基于模型的自适应系统也越来越透明，教育工作者可以了解系统如何做出下一步的决策，并为课堂教学提供更有效的工具。例如，iTalk2Learn[30]系统16是由卡内基梅隆大学设计和测试的系统，用于评估其对年轻学生学习分数的影响，应用了一个学习者模型，该模型明确包含有关个人数学知识、认知需求、情绪状态以及反馈的信息。不仅如此，AI还能更加深入地协助教师挖掘学生的思维过程，厘清学生得出错误答案的过程，找到思维盲点，进而展开有针对性的讲解。例如，康奈尔大学(CornellUniversity)计算机科学助理教授艾瑞克(ErikAnderson)开发了一个程序，帮助数学老师和宾夕法尼亚大学华盛顿分校(UniversityofPennsylvaniaUniversityofWashington)和微软(Microsoft)的同事一起，利用人工智能判定学生是如何得出错误答案的。概括来说，人工智能捕捉的学生数据来源有三：(1)智慧教室，教育环境中的学习行为数据捕捉。传统上，课堂上计算机的使用频次很低，同时仅被视为处理学生输入信息的工具。现在，随着智慧教室地不断兴起，重叠技术的融合正在使新的用法成为可能，交互式也是教室再造中的重要追求。英特尔和合作伙伴正在利用英特尔CPU的计算能力支持人工智能[31]，利用深度学习功能支持人工智能创新，在更高层次了解用户——不仅可以解释用户命令，还可以了解用户行为和情绪。高校在教室中放置教室PC，收集多个输入和输出点，通过多模态感知收集主要数据(外观——提取面部标志；交互——学生如何使用传统设备；采取行动的时间——学生在学习平台上完成任务或采取行动的时间)，实时提供分析，让教师能够充分了解学生。(2)沉浸式媒体的数据采集。人工智能推进沉浸式技术能够进行学生信息追踪，为教育者构建动态学生信息世界，进而对学生的行为进行预测。沉浸式媒体可以从用户数据中获取信息量，分析学生正在查看的内容、持续的时间、交互的动作等信息，人工智能与大量的信息融合后不仅能够让教师了解到学生关注的知识内容，还能够分析学生的情绪感知与状态，以调整教学内容，为解决学生可能遇到的困难做好准备，最大化地激发学生学习兴趣。(3)智能导师系统获得数据。例如密歇根大学(UniversityofMichigan)正在开发的电子教练(E-Coach)项目[32]，该项目专注于为STEM领域的各种学科提供形成性反馈，适应性更强，能够跟踪大班学生的学习进度，引导他们远离常见错误，并发现他们可能感兴趣的领域，全部反馈给教师。3.学生事务管理智能化，实时监管学生走向(1)智能学工在数字化校园中，从位置信息到消费行为，学校掌握了学生大量的生活数据，对于这些数据的有效处理能够形成学生画像，协助教师检测学生的异常行为。机器学习擅长定位，能够很快地定位异常值并进行归类分析，这就是我们学生分析的基础。Ivyteach社区学院利用机器学习来识别有失败课程风险的学生，并为他们提供建议和相关支持，在应用这一技术的学期中，学院的失败率逐年下降了3.3个百分点。人工智能不仅能够对学生行为起到检测作用，还能帮助学生规划课程，减轻教师压力。例如柏林技术大学开发的智能Alex[33]，能够使用自然语言回答学生的问题，并帮助他们规划未来的学习课程。ALEX允许柏林理工大学(TUBerlin)的学生使用文本输入以对话的方式查询课程和模块，这种方式不仅能提高会话效率，而且具有较高的享乐性和语用性。(2)智能招生人工智能在学校招生环节未来发展的趋势大概有两个：一是搭建AI人机交互的学生咨询服务系统。由于高校招生环节往往会遇到工作人员精力有限、咨询信息过多导致疏漏等问题，人工智能作为招生助手参与到高校招生环节。目前，大学和学院已经求助于聊天机器人来帮助回答学生的常见问题。这样一来，辅导员或招生教师能从重复性的工作中抽身，转向处理更高优先级的任务，使得招生团队更有效率，允许少数的辅导员在更短时间内回应更多的学生。佐治亚州立大学与AdmitHub合作，建立了一个数据库，收集招生办公室经常回答的问题[34]。AdoreThub创建了一个定制的PounceGSU学生入学私人助理。该项目通过回答问题，“推动”未来的学生完成任务，并帮助他们顺利入学[35]。二是构建AI机器学习的生源选拔模型。利用人工智能机器学习算法，构建学校招生和学生志愿填报之间的双向匹配模型，探索研究适合高校生源选拔的智能辅助模型，解决学生、学校、专业选择上的精准对应，满足高校选才空间的同时，让更多考生进入理想大学和理想专业。(三)学习环境朝智能学习空间方向塑造，强调开放。人工智能通过创设“一种人与人工智能等信息技术高度协同的‘人—技’结合、以自适应学习为核心的新型教育环境”[36]变革学习空间，具体表现在以下三方面。1.全球教室升级，塑造全球社会公民。全球教室是一门基于网络的课程，旨在促进跨学科合作，并允许来自世界各地的学生和教师参与集体作业和学习体验。人工智能为全球教室提供了机会，不仅使全球教室的互联性和可访问性变得更强，同时在一定程度上改善了教育公平问题。纽约州立大学协作在线国际学习中心[37](CollaborativeOnlineInternationalLearning，COIL)是专注于全球教室这一新兴领域的领先国际组织之一，所提供的课程通过人工智能融合不同文化，创造混合同步在线学习环境，促进不同国家教师与学生的互动。COIL列举了25个全球教室应用的例子，总结来说AI从以下四个方面影响全球教室的升级：首先，人工智能为全球教室打造了虚拟空间，虽然学生的物理空间被划分，但是AI通过配备语言翻译器/字幕创作插件等支持，打破国际语言与文化的界限，为世界各地的学生提供全球学习环境。在相同实践活动、学习材料和开放式讨论的交互作用下，学生会产生通过网络空间而紧密连接的感觉。同时，学习管理系统(LMS)近年来的升级能在很大程度上提高学生的学习效率。在全球教室中，学生学习数据全部在线上留下痕迹，为数据爬取提供了很大空间，通过从LMS中收集到的大量数据，AI算法能够做出数据驱动的决策，分别为学习者、教师、管理者提出改善建议。不仅如此，随着Ruyi的问世，越来越多的智能助教和虚拟导师也将参与到全球教室的升级中，机器学习能够使虚拟导师的知识储备量达到人类教师无法实现的高度，同时能够判断学生的知识水平、学习风格、学习能力等各方面指标，提供有深度的个性化辅导，让整个学习过程更加智能化。最后，人工智能在助力教与学关系转变的同时保障了学习公平。在全球教室中，由于只有线上的交流，学生在更大程度上参与到知识建构的过程中，由此产生对学习过程的依赖，观点更加独立，能够更自由地表达自己。并且，国际化的全球教室提供为文化交流提供了最好的土壤，人工智能的自适应性能够将不同国家的知识处理为学生最能够接受的学习单元，打破文化界限，无论学生所处国家的经济水平、教育水平如何，在全球教室中激发出创造力，塑造更多的全球社会公民。2.智能虚拟现实，学生充分参与。过去的两个世纪，技术不断改变现代社会，随着新计算平台的出现，我们与设备交互的方式不断改变，从计算机到智能手机，现在人工智能为我们带来了最新的平台——虚拟现实。虚拟现实试图通过数字或模拟世界模拟物理世界，从而创造沉浸感。为实现这一目标，虚拟现实技术以多模态交互为硬件技术核心，集成人工智能和虚拟现实组件。实现虚拟现实学习需要佩戴沉浸式媒体，即虚拟现实耳机、增强现实眼睛以及介于两者之间的各类媒体。虚拟现实重新定义了我们与信息的关系，具体包括沉浸式、交互式和创设式三种学习环境[38]，学生不仅对场景有身临其境的感觉，更能够与数字世界进行身体互动，而这种互动不仅局限于屏幕范围内。虚拟现实将如何变革高等教育，这是所有人都翘首以盼的，具体来讲，有以下两种形式：(1)结合VR/AR等技术，AI可以直接作为教学工具集成到课件中。沉浸式技术改造后的课件具备两个特点：一是根据学习者的内在经验，从根本上构建虚拟环境，以使学生相信看到的是真实存在的；二是课件展示的内容不受物理定律约束，意味着无论课件创作者创设怎样困难的情景(火星或是500年前的卢浮宫)，制作成本几乎相同。在具体应用中，学生需要佩戴沉浸式媒体以实现该技术。现在，该项技术已经应用到医疗、生物、化学等领域的课堂上。微软HOLOLENS运用混合现实将物理和数字世界中的人、地点和物体聚集在一起，在课堂上以“画布”的形式呈现给学生，学生可以在课堂上与“画布”进行交互[39]。沉浸式教学在生物、医学课程中应用得比较广泛。TheBodyVR公司采用身临其境的教学法，使个人能够与虚拟的解剖人体交互，例如随着红细胞在血液中流动，观察病毒的产生机理，在此过程中学生能够更好地了解病理和人体，进而提高患者护理质量[40]。美国凯斯西储大学与护士质量与安全研究所(QSEN)合作，开发了影子健康程序，为该校研究生和本科的所有课程构建虚拟患者模拟[41]。该程序提供了大量虚拟患者，学生可以通过自然语言与数字标准化患者进行开放式交互，进而展示和完善他们的临床推理技能。(2)沉浸式媒体为虚拟导师、人工智能助理提供了物理存在。沉浸式媒体使虚拟导师从计算机中走到现实世界里，不仅能够与人工智能机器人进行对话，还能在学生周围呈现实体的教师形态。南加州大学创新技术研究所(ICT)是创建智能虚拟环境和应用程序的先驱，通过将人工智能、3D游戏和计算机动画结合在一起，开发真实的虚拟角色和现实的社会互动。该研究创造出的虚拟角色与人类外表、思维、行为无异，学生可以在研究所提供的视频游戏和模拟场景中与计算机进行交互，实现沉浸式学习体验，在这一过程中，学生决策、文化意识、领导和应对得以提升。不仅如此，在学生与虚拟导师交互的过程中，后者还可以远程识别抑郁症、创伤后应激障碍(PTSD)和自杀风险的迹象。3.人工智能变革图书馆。图书馆在大学中的定位逐渐变成了高校内部的跨学科中心、研究中心之一，同时也是学生学习与创造活动开展得主阵地。人工智能时代下，图书馆也在被动或主动地探寻着新的发展模式，具体包括以下几方面：(1)智能书籍管理。随着人工智能的智慧程度不断加深，智能搜索已经被应用于图书馆，加速了人们寻找信息的方式。北卡罗来纳州立大学亨特图书馆[42]设计的一大特点就是尽可能缩小图书管理范围、扩大学习空间、缩短检索时间，进而实现高效的知识互动。亨特馆内有150万册图书，但却不设传统书架，而采用自动书籍拣选系统替代。自动书籍拣选系统利用大数据支持的人工智能技术，能够快速做出决策，定位所需书籍。借书时，读者只需在在线目录中点击想要阅读的书籍，5分钟内就能从取书机器人手中拿到书，完成借阅过程。(2)智能语音助理。智能语音助理是一款可以远程操控获取图书资源的AI工具，这款工具以图书馆广大的图书资源为数据集，通过自然语言系统与学生实时交互过程。麻省理工学院的图书馆馆藏可以通过API访问，因此可供机器学习算法使用，为通过人工智能增强各种图书馆任务和工作流程提供了可能性。目前，麻省理工图书馆正在与该校的人工智能/深度学习研究人员合作，期望开发出一款类似Siri的AI工具，当有人向语音助理询问信息时，能够获得著名的学术文献。(3)推广人工智能，吸引学生参与社会科技问题。北卡罗来纳州立大学研究合作首席战略家ChirsErdmann表示，图书馆可以开始做的事情之一就是在基础层面跟踪AI并订阅一些AI实时通讯[43]。例如，劳拉诺伦(LauraNoren)负责管理数据科学的数据科学通讯，但她经常报道人工智能的故事。在这些新闻通讯和一些人力资源管理AI之类的资源之后，跟踪这一点，并保持咨询的最新状态。剑桥(马萨诸塞州)公共图书馆(CPL)与麻省理工学院图书馆和哈佛大学的MetaLAB合作举办“笑室”。参与者进入一个人工智能的房间，只要房间的算法认为有趣，就会播放笑声。图书馆作为高校人流量的集中地，将关于AI发展的一手咨询推广给最具创造力的学生，能够吸引更多的学生了解人工智能的前沿发展，进而激发高校创新活力。

三、我国高校智能教育发展的应对策略

(一)树立自适应学习理念，打造全过程“智能+”人才培养流程。将智能信息技术分别与育人体系的全过程结合，形成智能招生、智能教学、智能学工、智能就业一体化的个性化学生服务。一是构建智能招生咨询模型，分析高校智能咨询体系架构、学校和专业介绍智能推送方案，依据考生性格、特长推荐适宜的专业，促进学生特长、性格、兴趣与专业选择一致。二是构建智能导师系统，实现学习者个性化学习支持、学习过程的动态学习服务供给。探究智能学情分析、智能教学模式、智能教学过程、智能教学评价等内容，实现从课前、课中、课后的智能化教学辅助模式。重点是从学生的学情分析中获取学生的个人能力，精准推送个性化学习资源。三是通过大数据技术为每个学生建立个性化的标签，形成学生个人画像及群体画像。根据学生的全向数据抽象出标签化的学生模型。通过数据整合、分析，挖掘出学生的学习、生活状态，行为、消费、运动习惯，性格数据等，实现对学生的学业预警、行为异常预警、失联预警、贫困生预警、群体集结预警、特殊人群预警等，确保校园及学生的平安。四是通过高校毕业生就业管理业务数据建立就业双向推荐服务模型。通过就业双向推荐系统、模拟面试虚拟系统、互助就业服务系统等，为毕业生推荐合适的就业机会，为企业推荐合适的优秀人才。在此过程中，以物联网技术丰富课堂教学、校园生活的大数据采集，以云计算技术构建基础支撑平台，以大数据技术实现教学质量的预见性分析，构建智慧教育教学的全方位信息化支撑环境，推动教学方式创新。(二)坚持师生需求导向，研发高等教育“教育+智能”产品。2017年11月，IEEE全球自主和智能系统伦理倡议宣布了新的标准项目，倡议中指出我们正在处于为学校教育中智能教育制定明确方向的关键时期。瑞典籍美国物理学家和宇宙学家MaxTegmark将人工智能定义为一种非常“聪明”的系统，他们能够实现复杂的目标，但是每个人工智能系统只能实现非常具体的目标。为了最大限度地发挥人工智能对教育的促进作用，助力高校实现立德树人的根本目标。高校在进行智能教育顶层设计时，应当加深教师与学生对智能教育的认知，充分理解人工智能变革高等教育的手段，在可实现范围内提出自身需求。同时，高校要明确智能教育发展的需求导向，化“AI+教育”为“教育+AI”。人工智能与教育走向深度融合，教育形态发生巨大变化：由人工智能教育走向教育人工智能，教育理念注重以人为本的协作教育理念[44]，为实现高校智能建设的需求导向，有针对性地向AI索取需求，一方面，要展开大面积、高质量的师生需求调研，切实解决教与学过程中面临的实际问题，同时还要调研高校现有的建设情况，包括高校可动用的资源、各层级(基础设施层、平台层、应用层)的建设程度、学科特点等方面，明确智能教育生长点；另一方面要保证调研结果的及时反馈，打通智能教育研究所或相关教育企业与高校的通道，以便顺利产出高等教育“教育+智能”产品，实现人工智能与教育的深度融合。(三)提高教师智能素养，以最大化发挥智能教育力量。对于学术界而言，人工智能、机器人技术和智能辅导系统的兴起意味着教师不能只满足于拥有所需的经验和教学技能。高校中有声望的教授大多是“数字移民”，智能素养有待提升，年轻学者也有些明显缺乏数字技能的群体。这样一则导致“智能+”产品的作用无法得以最大化发挥；二则可能会使大学更容易将机器人作为替代方案[45]，因此亟需提升教师队伍群体的智能素养。智能素养包含信息素养，指那些为应对人工智能时代应当具备的素养，除信息素养外，还包括人工智能目前欠缺的情商培养，具体的教师智能素养提升路径体现为以下三个方面：1.校方为教师提供全面、系统、可应用和可持续性的培训，同时在培训过程中应用智能技术。首先，要在理念层面上使教师全面理解信息素养，防止因片面学习信息化技术而忽略了信息意识和信念素养的培养；其次，培训要保证内容丰富、形式多样、长期进行。建议校方打破传统的“填鸭式”培训，多安排实践环节，鼓励不同学科的教师从彼此身上获取灵感，同时，培训应持续一定的周期，贯穿于职前、职中和职后，保证培训的系统性.最后，培训要充分应用智能技术，让教师在使用智能技术之前，体会智能技术在课堂教学或学生管理中的实际作用。2.营造智能氛围，自觉培养智能思维。例如，成立专门的技术互助小组，分享大数据、物联网、各种教学平台，以及VR/AR、虚拟仿真等信息技术应用于教学过程的经验与做法。建议组成文理教师兼顾的互助小组，理工教师可多吸收哲学思维，在培养学生的过程中渗透“人类智慧”，文科教师多学习信息技术，在培养过程中应用“类人智慧”。3.加速校园数字化建设，倒逼信息素养的提升。如改善校园网速；为教师提供包含各种教育教学资源的数据库；完善必备的大数据分析软件和云资源平台等等，以实现教育治理和教学过程的现代化。(四)成立智能教育专业，加速实现智能教育领跑目标。在第四工业革命的驱动下，各国为应对人工智能人才缺失的短板，纷纷出台政策，推进相关改革。我国高校在新工科建设浪潮的引领下，或成立人工智能专业，或将传统专业与人工智能结合做出升级，但这种升级更多停留在工程专业中，专门成立智能教育专业的高校很少，专业人才的缺失在一定程度上放缓了人工智能推动高等教育变革的进程。例如，限制智能辅导系统(ITS)发展的两大瓶颈：一是缺少编写ITS创作工具的专家，二是ITS创作的时间、成本过高，这两大瓶颈需在相关研究室成立后做重点突破。智能专业成立后，还要注意与其他技术结合，如将AIED接入物联网，互联网支持智能教育与其他启用网络的对象或机器互连，能从更多的场景中获得学生数据，通过深度学习等算法，协助学习者强化德智体美劳全面发展的技能，进而为AIED系统开辟了新的可能性。(五)加强应用效果评估，及时调整高校智能教育走向。实践是检验真理的唯一标准，“智能+”高等教育产品是否能切实提高教与学的效率，还要在实践中检验。当前，经济增长、消费升级，产业政策和资本助力，加之二孩政策等多方因素致使智能教育机器人行业成为创业温床，智能教育俨然称为企业眼中的“热蛋糕”。但是目前市场尚处于早期时期，市场教育还不完善，鱼目混杂的现象突出，良好、健康的产品是高校智能教育改革顺利开展的保障。因此，要充分发挥评估的力量，以评促建设、以评促改，在评价中提升教育智能产品的质量。为更好地做好效果评估，以下几方面需做好保障。首先，要保证评价主体的多元化。可成立评估专家小组，专家成员应当包括来自智能教育研究机构、高校以及智能教育企业三方人才，做到评估的全面与公平。其次，要确保评价内容的全面性。评估内容既包括产品市场中的产品质量评估，也包括“智能+”教育产品在高校中的应用情况，以便找准实践痛点，及时调整高校智能教育走向。最后，需要相关政策与资金支持，保证评估工作能够有质量、顺畅的进行。

作者:祝士明 刘帅瑶 单位:天津大学