摘 要
面對人工智能技術浪潮的再次爆發，如何將其融入學校教育成為社會各界和學者們關注的熱點話題，本文對人工智能發展脈絡、信息技術教育應用的基本關切和當前教育改革的難點問題進行探討，發現人工智能的發展動力主要源自於技術與政策的雙輪驅動，而大規模數字化與行業深度應用是新一輪人工智能發展的顯著特徵，這些發展和進步將為人工智能融入學校帶來新機遇；通過剖析技術與教育時空的關係，提出個性化學習、適切服務、學業測評、角色變化、交叉學科五大人工智能教育應用潛能和教育價值、教學體驗、安全倫理、有效協同及技術治理五大人工智能教育應用挑戰；最後指出，為了促進新一代人工智能融入學校教育，除進行通過“技術研發、環境部署與應用”改變學校環境的研究外，還應開展關於“認知特徵、學習本質與教育價值”和“智能機器的安全、規範與倫理”的相關研究。
關鍵詞
人工智能；人工智能教育應用；智能教學系統；計算機輔助教學
作 者
劉德建；杜靜；姜男；黃榮懷
人工智能技術與學校教育融合成為一種未來趨勢，這為個性化學習和個別化學習的實現提供技術保障，成為教育發展的重要推動力。“智能教育”作為重點任務被寫入2017年頒佈的《新一代人工智能發展規劃》，成為人工智能國家戰略的重要組成部分，在教育部於2018年印發的《教育信息化2.0行動計劃》中也提到要推送人工智能、大數據物聯網等新興技術支持下的教育模式變革和生態重構。
然而，當前教育信息化面臨著教學方法革新、教育資源均衡和教師專業發展等問題，人們期待新一代人工智能技術將在更大程度上促進教育公平、提高教育質量。本文旨在回顧人工智能的發展歷史，分析人工智能進展的動力來源，從技術視角和教育視角審視人工智能教育應用的特徵和規律，試圖回答人工智能融入學校教育帶來的潛能、可能面臨的挑戰和主要研究趨勢，以期新一代人工智能為學校教育的發展提供啟示，從而為構建智能化、網絡化、個性化、終身化的教育體系貢獻智慧。
一、人工智能的新進展及其為學校教育發展帶來的新機遇
正確認識人工智能的發展規律，有必要對人工智能發展歷史，尤其是人工智能的典型特徵進行梳理。
（一）人工智能發展動力源自技術與政策雙輪驅動
人工智能主要是研究和開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統。自1956年達特茅斯（Dartmouth）會議誕生“人工智能”一詞以來，距今已有60年，此期，共經歷三次發展浪潮（見圖1）。第一次浪潮為1956年至1966年間，其標誌是在美國達特茅斯會議上確立人工智能（Artificial Intelligence，簡稱AI）術語，開創人工智能研究領域，這一時期的研究重點是符號推理與機器推理。70年代以後，由於硬件計算能力不足和數據侷限性等問題，使一些人工智能研究項目遭到質疑，同時美國和英國政府相繼中斷了對人工智能探索性研究的資助，人工智能發展進入了第一個“寒冬期”。人工智能的第二次浪潮為1976年至1986年間，多國設立大型AI項目以促進人工智能的發展，如日本ICOT項目、美國MCC項目和英國Alvey項目，這一時期出現了語音識別、語音翻譯計劃及日本第五代計算機。90年代後期，由於難以將這些技術成功應用於實際生活中，在經過短暫的發展後人工智能又一次進入滯緩的“寒冬期”。人工智能的第三次浪潮為2006年至今，其標誌是欣頓（Hinton）提出的深度學習技術以及ImageNet競賽中圖像識別技術的突破，尤其是美國BRAIN計劃、歐盟類BRAIN計劃、中國《新一代人工智能發展規劃》（國務院，2017）的制定，使新一代人工智能受到國家和社會的廣泛關注，人工智能技術的研究取得了實質性進展，應用範圍和前景更加廣闊。
圖 1 人工智能發展概貌
從歷史來看，人工智能的發展總體呈現“螺旋上升”的態勢，每一次進步都離不開技術的發展和國家政策的影響，技術的進步與發展又會反過來影響國家政策的出臺。從長遠來看，科學技術和國家政策仍將是人工智能持續發展的影響因素。
（二）新一輪人工智能發展以大規模數字化和行業深度應用為顯著特徵
新一輪人工智能技術的發展呈現出數據規模增加、計算能力增強和行業應用能力提升等顯著特徵。首先，在數據規模增加上，各種“模擬”數據的數字化，產生了面向系統和人類過程行為的海量數據，使得數據規模快速增加。其次，得益於硬件計算性能的快速增強，人工智能計算能力大幅度提升，使得人工智能應用程序能夠處理超大規模的數據。最後，在行業應用場景上，在金融、醫療、自動駕駛、安防、家居以及營銷等領域的應用場景已落地生根，創造出巨大商業價值，除了熟知的Alpha Go和Face++，某企業在某些地區已嘗試用無人機和無人車配送貨物。行業應用的成功使我們更加期待人工智能融入教育領域的應用前景。
（三）人工智能技術的發展為學校教育改革帶來新機遇
教育改革源於人類參與社會生活和自身發展的需要。當前我國教育改革處在對象群體多元化、社會需求多樣化、全民學習終身化的新形勢，如何利用新一代人工智能技術破解教育改革難題成為社會關注的熱點。從歷史的角度看，學校教育經歷過三次轉型（黃榮懷等，2017）（見表一）。伴隨著第三次教育轉型的到來，教育的空間與機會得到極大拓展，學習者需要能夠自主選擇學習的時間、地點、內容、方式。
表一 人類文明進程中的教育形態變遷
李德毅院士曾對人工智能教育應用作出評價：“人工智能對社會的衝擊是全方位的，但對行業的衝擊首當教育，人工智能帶給教育的就是‘改變’”(李德毅 & 馬楠，2017)。如通過學習分析和用戶畫像技術，蒐集學習者學習數據，實現學生行為全面分析及知識點掌握程度精準判斷，從而繪製契合學生特點的學習發展地圖；藉助情感機器人和自然語言處理技術，陪伴學習者成長，增加對人的關懷和陪伴；結合知識圖譜，建立領域知識庫，輔助教師針對學生的不同能力生成不同的試題並進行作業批改；利用智能運動設備，如智能手環、智能肺活量等測評工具，深度採集學生健康數據，從而發現學生在體質、運動技能、健康程度等方面的問題（餘勝泉，2018）。
二、技術視角下人工智能教育應用
二十世紀五十年代，計算機作為一種特殊的工具應用於教學，這是技術應用於教育的雛形。智能教學系統則是計算機輔助教學在人工智能技術促進下的新發展，是人工智能教育應用的典型之一。
（一）計算機輔助教學與智能教學系統
計算機輔助教學指用計算機幫助和代替教師執行部分教學任務，傳遞教學信息，向學生傳授知識和訓練技能，直接為學生服務的程序（Root et al.，2018）。相比於幻燈、投影、實驗儀器等設備，計算機具有人機交互的特點，而計算機輔助教學的教學模式主要有操練與練習、個別輔導、模擬和教學遊戲等，日益成為現代化教育技術的重要組成部分，但這類系統無法為學習者提供個性化的學習指導，無法根據學習情況動態地調整教學策略（劉清堂等，2016），因此有研究者開始以計算機輔助教學系統為基礎設計智能教學系統的功能。從技術的發展角度來看，人工智能是信息技術的延伸；從教育功能上來看，人工智能應用於教育的實質仍是計算機輔助教學，也可稱其為智能輔助教學(Intelligent Tutoring System，簡稱ITS)，又稱作智能導師系統、智能教學系統、智能導學系統。其目的依然是為促進學生學習績效的提升，尤其是近年來人工智能在虛擬現實、情感識別、自然語言處理、深度學習等領域的發展，賦予智能教學系統更豐富的內涵，使其受到研究者越來越多的關注。
（二）智能教學系統的功能延展
描述智能教學系統的框架較多，最典型的是1973年由哈特利（Hartley）和斯利曼（Sleeman）提出三模型結構（Clancey，1982）。其核心組件包括領域知識模型（Domain model）、學習者模型（User Model），和教學模型（Pedagogy model），分別解決教授知識過程中教什麼（What to teach）、教學對象（Whom to teach）和如何教（How to teach）的問題。在隨後模型的發展中，伍爾夫加入了人機接口模型，又稱為用戶界面（User Interface）模型（Woolf，2018）。之後還有專家提出五模型結構，這些模型的基礎和核心均是三模型結構。而四模型結構是智能導師系統研究領域較為通用的描述框架（見圖2）。近三十年來，因科學技術的不斷髮展，ITS學習者模型、教學模型及領域模型的功能被不斷豐富和完善，智能教學系統更加“智能”，拓展智能教學系統教學功能的典型途徑包括藉助語義網絡和約束模型優化領域知識模型、利用元認知擴展學習者模型和結合虛擬現實技術拓展用戶接口界面。
圖 2 智能教學系統通用框架
1. 領域知識模型和學習者模型的重構
實現領域知識重構，可以採用增加語義網絡和約束模型的方式細化領域知識模型功能。語義網絡指用詞與詞之間的關係來表達人類知識結構的形式，以提供問題和知識點的語義關聯。由於命題語義網絡和數據語義網絡技術的開發應用，以及基於問題解決和概念提示等知識表達規則的應用，領域知識模型不僅包含學科內容的知識，還應包括應用這些知識來求解問題的過程性知識及建構正確解答和求解問題的策略性知識。約束模型指的是通過分析學生者信息，如學習者行為、情境信息和反饋信息，從而為他們提供有針對性的學習方案（Mitrovic，2012）。如智能教學系統EER-Tutor通過使用教學對話、感知情境等方式，判斷和回應學生的情感狀態，從而提供支持服務。
學習者模型重構可以通過引入新的研究理論使模型涵蓋的內容不斷豐富，如利用元認知支架獲得學習者的動機、參與程度和自我意識（Dimitrova et al.，2007）；系統還能利用環境約束分析學習者的認知水平和情感狀態（Grawemeyer et al.，2015）；社會模擬也將發揮作用，通過理解文化和社會規範，使學習語言的學生能夠與其目標語言使用者更成功地接觸進而提升語言學習效率（Johnson & Valente，2009）。
2.用戶界面模型的優化
早期的智能教學系統中用戶界面的呈現一般採用基於文本或者2D的圖畫，一定程度上限制了對空間及物理概念的傳輸，而虛擬現實、增強現實技術可通過模擬真實世界裡學習者無法訪問的某些場景，以提供身臨其境的體驗。當虛擬現實技術被應用於教學系統時，該系統不僅為學生提供探索、互動和操控虛擬世界的機會，還能幫助他們將學到的知識轉移到現實世界中，進而以更自然的方式響應學生的請求（Westerfield et al.，2013）。同時，還可以通過視頻捕捉、跟蹤系統等技術捕捉學生的多方位行為以及藉助三維圖形、視頻動畫以及音頻和文本等多模態方式蒐集信息，提高系統對學生需求的適配性。
3.智能服務功能的擴展
智能服務功能主要指可以利用大數據與學習分析等技術為學習者提供個性化學習支持服務，通過感知、跟蹤、收集學生學習過程中的行為數據，動態瞭解學生狀況。根據學習者的個人能力和需求，選擇最合適的內容推送給學習者（Pearson & UCL Knowledge Lab，2016）（見圖3）。學習者接收到相關內容（可能通過文本、語音、活動、視頻或動畫的方式）後，人工智能教育應用（Artificial Intelligence in Education，簡稱AIED）系統將對學習者互動情況進行持續性分析（如學習者目前學習行為和答案，過去成績以及出錯率，當前情感狀態）；同時，AIED系統會根據上述信息做出相應反饋（如暗示和指導），通過調整教學進度並優化教學組織方式，確保每個學生的學習內容最大限度地符合他們的能力和需求，從而最有效地促進學習。
圖 3 基於大數據和學習分析的自適應學習系統框架
三、教學視角下人工智能教育應用潛能
人工智能與學校的融合主要涉及兩個層面的問題：其一，人工智能融入學校的價值是什麼？以何種方式實現學校教育與智能技術的融合？其二，未來的數字公民需要結合人工智能進行學習，那麼人如何學會與智能機器共處。基於以上思考，本文深度剖析了人工智能融入學校教育的五項潛能和五項挑戰（見圖4）。
圖 4 人工智能融入學校教育的潛能與挑戰
（一）支持個性化學習
數字環境下成長起來的新一代學習者對學習提出了更高訴求，步調統一、時間地點固定的學習方式將被打破。他們渴望自定步調、任意時間、任意地點的學習方式。智能輔助系統/教育機器人將使這種學習方式成為可能：其一，藉助大數據和學習分析技術，獲取學習行為數據，根據需求為學習者提供適切的學習資源和學習路徑；其二，通過提供沉浸式的虛擬學習環境，學習者可在任意時間、任意地點參與到學習中，如設計遊戲化的虛擬學習場景，隨著遊戲中故事的展開，從遊戲和玩家獲取在線參與信息，並基於這些信息使用人工智能算法來確定採用哪些適合的學習行動 ( Pearson & UCL Knowledge Lab，2016)；其三，促進學習者認知水平和情感狀態的轉變，讓學習者以積極的心態參與到學習活動中，如智能教學系統通過模仿學習者的認知和情感狀態，將學習活動與學習者的認知需求和情感狀態相匹配，保證學習過程中學生深度投入。
（二）提供教學過程適切服務
學習支持服務是在遠程學習時教師和學生接受到的關於信息、資源、人員和設施支持服務的綜合（丁興富，2001）。西沃特第一次對學習支持服務做了系統論述（Sewart，1978），此後，學習支持服務作為遠程教育領域特有的重要概念和實踐活動不斷得到豐富和發展，在遠程教育師生時空分離的環境中，學習效率與教學質量的保證，必須要有相適應的學習支持服務系統，而學習支持服務系統也是學生取得良好學業表現的重要保障。人工智能技術能夠跟蹤學習者和教學者的行為，通過分析來自計算機、穿戴設備、攝像頭等終端數據，對特定場景下的行為進行細粒度分析，從而得出面向特定對象的特定需求，再借助自適應學習支持系統將匹配的學習內容、教學專家和學習資源推送給用戶。
（三）提升學業測評精準性
傳統的學生檔案袋記錄不能及時、全面地反應學生真實學習狀況，尤其是在某些地區班額和師生比不合理的條件下，教師沒有足夠的時間和精力做好學生的學習過程記錄。學習分析技術為蒐集學習者從小學至大學的全過程學習數據提供了新的解決途徑，並能運用多類分析方法和數據模型解釋與預測學習者的學習表現（Lee et al.，2016），從而更準確地把握學科教學目標，調整教學策略，優化教學過程，有助於教師瞭解學生的學習狀態。除此之外，學業評測還能對學生的情感狀態和生理行為數據進行捕捉，如利用穿戴手錶、語音識別和眼球追蹤等數據捕獲設備，捕捉學生生理和行為數據，獲取學生的情感狀態和學習注意力數據（Kiefer et al.，2017），挖掘學生深層次的行為數據，為更加精準的學習支持服務提供有效依據。
（四）助力教師角色轉變
歷史類、語言類、電子工程類、管理類等智能教學系統已逐步地應用於課內和課外學習中，這一發展對於減輕教師工作負荷大有裨益。人工智能技術將成為教師角色轉變的催化劑，部分替代教師的“機械”工作，傳統的備課、課堂講授、答疑輔導和作業批改等教學環節將不再是教師的專屬：如輔導答疑任務可以由虛擬代理來替代，可由智能輔助系統/教育機器人承擔教師的某些任務，協作承擔起教學環節當中可重複性的、程式性的、靠記憶、靠反覆練習的教學模塊，輔助教師從日常繁瑣耗時的重複性工作中解放出來，讓教師將更多的精力投入到創新性和啟發性的教學活動中，如情感交互、個性化引導、創造性思維開發，不斷為教師賦能。
（五）促進交叉學科發展
人工智能教育應用一直是跨學科的領域，可利用計算機科學、生物學、心理學、教育神經科學等學科優勢，從不同側面深入理解學習過程，從而建立更準確的領域知識模型、學習者模型，更好地為學習者提供理論指導。如有研究者開展關於“智能激勵”和“成長心態”的研究。“智能激勵”是心理學、計算機科學領域的交叉研究，指的是當學習與不確定的獎勵相關聯時，學習可以得到改善，也就是說，學習者知道在完成一項任務後可能會得到獎勵，但不確定獎勵會在每次都出現（Demetriou，2015）。“成長心態”的研究是社會學、心理學和計算機科學領域的交叉研究，主要探索“心態”在學習中的作用（Dweck & Leggett，1988）。有團隊已經研發出了一種模擬大腦以支持每一個學習者以最有效的方式發展成長心態的智能技術（Brainology）（Harris et al.，2009）。越來越多的證據表明，這種“成長心態”可以改變學生的心態，從而對他們的學業成就產生實質性的影響。
四、人工智能深度融入學校教育的五項挑戰
人工智能技術為學校教育提供了新的發展契機，但在實踐過程中，仍有一些挑戰影響人工智能教育服務能力，亟需研究者合理應對，包括人工智能的教育價值、人機共處環境下的教學體驗、智能技術的安全倫理、政府企業與學校有效協同和人機和諧發展的技術治理。
（一）人工智能的教育價值
在信息技術廣泛應用的“智能時代”背景下，新興技術的教育應用已經在深度和廣度上獲得了最大限度實現，然而，我們也清醒地認識到在將技術應用於教育的過程所遭遇的問題。當人工智能與學校教育融合時，我們更應對其教育價值進行深刻反思，教育是一種特殊的價值活動，“為了人的發展”始終是教育的基本出發點和落腳點，如何最大程度地發揮人工智能應有的教育價值，如何正確認識人工智能技術在學校教育中發揮作用的前提、條件和限制將是教育工作者首要考慮的問題。因此，人工智能融入學校應始終以促進“人的發展和成長”為基本立場，通過找到兩者之間的契合點，才能將人工智能技術有效融入學校教育。
（二）人機共處環境下的教學體驗
人工智能技術將引發教育教學系統各個要素及其關係發生變革，在智能機器引入學習後，教學交互將實現的人人、人機等多維互動，當人和機器一起工作時，會引發學習者不同的學習體驗，我們期待技術能促進學習，但技術並不是所有時候都會按照人們預期的那樣在教學中發揮積極作用，有時甚至會起到相反的效果。例如，研究表明在班級使用筆記本電腦的同學會花費很多時間進行多任務處理，這不僅使他們自己分心，還影響了其他同學。更為重要的是筆記本電腦的使用對學生的學習產生了負面影響，包括在自述課文內容方面及整體的課堂表現上。還有研究表明，在平板上記筆記的學生在概念性問題表現上比普通書寫方式記筆記的學生差，在平板上記筆記的學生雖然花了更長時間記筆記且覆蓋了更多內容，但因為藉助科技而被動不走心的記憶幾乎把這些好處抵消掉了（Ikanth & Asmatulu，2016）。作為反思性實踐者的教師和學生們，除了教學實踐場景中的直觀、表層體驗之外，更需要教師能夠批判性地分析和判斷人工智能技術應用的教學體驗，進而成為指導教育教學實踐的原則和原理，真正實現人工智能技術促進優化課堂教學實踐的目的。
（三）政府、企業與學校的有效協同
人工智能融入學校教育的驅動力，除來自技術的成熟，還有企業的驅使。《2016全球教育機器人發展白皮書》曾指出未來教育機器人的市場規模或達百億美元，教育機器人將成為工業機器人和服務機器人以後的第三類機器人發展領域。在會議迎賓、餐廳服務、遠程客服等場景服務機器人已為大眾所接受，這將帶動機器人與教育場景的結合，除了教育機器人以外，情感識別、人臉識別、智能語音處理等人工智能技術如何在學校教育中更好服務於師生也受到學校和企業的廣泛關注。政府、企業與學校的有效協同將是未來人工智能融入學校教育的關鍵，企業與高校的互補，將在算法改進、教學方法研究、教育資源彙總等多個方面為人工智能融入學校教育提供強有力的支撐，具體來說包括人工智能設備生命週期管理制度、人工智能資源建設標準、技術共享及評價標準、人工智能技術的教育應用場景、技術研發資金、學校對接方式、校企合作方式等。
（四）人機和諧發展的技術治理
隨著物聯網、大數據技術以及雲計算等信息通信技術的興起，社會技術化程度的顯著提升，一種新的社會治理方式——技術治理悄然興起。技術治理關注如何高效地治理社會公共事務並強調運用科學理論、技術方法和工具進行社會治理(劉永謀 & 李佩，2017)。技術治理產生的初衷是通過技術治理由信息技術引發的社會問題，如根據溫度傳感器的警報發現災情，根據城市道路的車流量預測哪條道路會出現擁堵情況，根據攝像頭留下的圖像追查罪犯的逃跑路線等。
技術發展的宗旨應是更好為人類服務，技術的發展軌跡應與人文提倡的發展軌跡漸相契合。2017年1月，在霍金、馬斯克等人的推動下，超過892名人工智能研究人員以及另外1445名專家共同簽署併發布了《人工智能23條原則》，以確保人工智能的發展行進在正確軌道上。如何通過合理監管以有效引導人工智能技術的發展，自然成社會輿論繞不開的難題，當前核心並非“是否應該對人工智能的發展進行治理”，真正的挑戰在於“治理什麼”，以及“如何治理”。人工智能並非單個領域、單個產業的技術突破，而是對於社會運行狀態的根本性變革，包括數據標準化、社會服務平臺、多領域智能系統協調發展等，因此在技術治理時均可納入考慮範圍。
（五）智能技術的安全與倫理
人工智能技術融入學校教育過程中，其技術部署問題面臨著安全倫理的挑戰。人工智能技術的應用需要大量教育數據的挖掘、整合和分享，智能產品的產業鏈上有開發商、平臺提供商、操作系統和終端製造商、其他第三方等多個參與主體，這些主體均具備訪問、上傳、共享、修改、交易以及利用用戶提供的數據的能力。在這過程中自然會觸及學生或教師的性格取向、個性偏好、智力水平以及情感、社會性交往等個人信息，那麼這些數據的安全維護以及隱私權保護最終將由誰來負責以及如何負責？如何應對科技輔助下學術不端現象的出現？
人工智能系統的安全部署必須考慮更深層的倫理問題，設計者和生產者在開發人工智能教育產品時並不能準確預知可能存在的風險，必須能夠保障人工智能設計的目標與大多數人類的利益一致，即使在決策過程中面對不同的場景、不同的利益群體，人工智能也能做出符合社會規範、倫理以及相對科學合理的決定，這樣才能真正實現保障公共安全的目的。
五、人工智能融入學校教育的典型研究領域
人工智能融入學校教育主要表現為“技術研發、環境部署與應用”、“認知特徵、學習本質與教育價值”、“智能機器的安全、規範與倫理”三大研究領域，其中關於“技術研發、環境部署與應用”的研究課題開展的較多，主要集中在認知工具、差異化教學、適應性學習系統、學習環境感知和教育機器人（見圖5），後兩者是兩大新的發展領域，特別值得關注和重視。
圖 5 人工智能融入學校教育的三大發展領域
（一）研發面向特殊教育的認知工具
全納教育提倡不讓一個孩子掉隊，讓所有學生在合適的教育環境中接受教學。據調查，在普通學校的普通班級存在著大量的非盲、聾、弱智的特殊學生，在接受調查的30所普通小學中，有“特殊”兒童的學校佔到85%以上，高達65.6%的學校有情緒、行為、心理問題的學生（劉全禮，2016）。基於智能輔助技術的認識工具的開發，能為接受特殊教育學習者認知能力的提升提供支持性服務，具體可以從以下方面著手：針對不同學習者的認知能力分析技術；不同學科所需技能分析技術；面向不同學科的特殊認知工具設計；面向不同學生群體的認知工具設計等。
（二）利用學習分析技術支持差異化教學
差異化教學管理既是課堂教學目標的實現途徑，也是未來學校教育教學的目標之一，當前多借助學習分析技術實現該功能。學習分析技術就是對學習者的學習過程進行記錄、跟蹤、分析，對學習者行為進行預測、評估（李豔燕等，2012）。當前的學習分析技術，多借助技術手段和應用軟件跟蹤和獲取學生行為、學習軌跡等數據，主要集中於數據分析和行為分析層次，由於目前的設備不能清晰獲取學習目標和教學目標，還難以做到精確的學習分析，因此離差異化教學管理還有一定距離。以下方面的研究都值得關注：人工智能將如何在教學管理工具、學習支持工具以及資源提供工具上給予差異化的保障；如何最大限度地發揮技術的管理支持作用；如何通過個性化學習目標和多元活動教學設計來使每一個學生主動投入到深度學習。
（三）基於學習環境感知優化智慧校園
智慧校園建設強調智能技術與教育教學的深度融合。單純的網絡基礎設施裝備、學與教數字化資源建設、應用軟件系統的開發難以有效支撐學與教方式的變革和拓展相對封閉的時空維度。為有效支持教與學，豐富校園文化，真正拓展學校的時空維度，智慧校園建設需要利用傳感器和物聯網技術隨時隨地感知、捕獲和傳遞有關人、設備、資源的信息；同時還需要對學習者個體特徵（學習偏好、認知特徵、注意狀態、學習風格等）和學習情境（學習時間、學習空間、學習夥伴、學習活動等）的感知、捕獲和傳遞。
（四）研發課內外教學有效銜接的適應性教學系統
自適應性教學系統將成為銜接課內外教學的有效途徑，可以突破時空的限制，打破課堂學習的界限，讓學習者在任意時間和任意地點進行學習。該系統能夠從學習環境、學習者特徵、學習資源與工具、學習行為以及評價反饋等多個方面為學習者提供全方位、立體多維的學習者學習分析模型及知識地圖，完成對區域、學校、班級、學生等多維度的數據處理及分析。隨著研究的深入與各種技術的應用，未來研究可以針對以下主題展開：對適應性學習策略進行形式化描述的方法與模型研究仍需突破，沒有明確的學習目標指引，容易出現學習迷航現象；學習者特徵模型的準確性與有效性的評價研究有待加強；學習內容獲取的智能性是否能夠適應學習者特徵和學習需求等問題；將來人工智能教育應用研究者還會持續開發越來越多、能夠表達學習者的社會性、情感性和元認知方面的模型，基於人工智能技術的自適應學習系統將能夠涵蓋影響學習的所有相關因素，並將其轉化應用到教學實踐中，這些人工智能教育應用將會對教育系統的變革作出巨大貢獻。
（五）研發教育領域服務型機器人
教育機器人是人工智能、語音識別和仿生技術在教育中應用的典型，具有教學適用性、開放性、可擴展性和友好的人機交互等特點。當前，教育機器人作為一個新興領域，相關研究主要集中在聽覺能力、視覺能力、認人能力、口語能力、情緒偵測能力及長期互動能力等領域；隨著機器人技術的不斷提高，教育服務機器人在教育領域中的應用越來越普遍，機器人在教育領域的應用表現出了無可比擬的教育價值和發展前景，其多學科交叉融合的特性為培養寬口徑、高素質、複合型的工程人才提供了一個良好的平臺。然而，在實踐應用中仍然存在課程管理平臺、對應的學習內容和師資等缺乏的諸多困難，也面臨各學段課程無法銜接、機器人教育應用研究匱乏等現實問題。未來，教育機器人的研究者還需要繼續研究感應技術、辨識技術、控制語言、機器人結構、無線網絡、雲端科技和仿生技術等，並從教育機器人的系統架構、教學平臺管理移動設備與管理端的關係進行規劃，使教育機器人的發展更完備。
（六）開展關於認知特徵、學習本質和教育規律的研究
從解決單一特定任務（如下棋和機械製造）、解決特定領域問題（如人機對話和機器人高考）到行業變革（如服務機器人和智能製造）以及全面服務於人們的學習、工作和生活，人工智能技術將能夠逐步滿足人類日益複雜的功能需求，智能技術的支持和學習資源的極大豐富將使得在任意時間和任意地點學習成為可能。需要指出的是，人工智能教育應用的生命週期將受到認知特徵、學習本質、教學規律相關的學習科學和教育相關領域綜合研究的制約。在智能時代，複雜的教學系統功能逐步實現，人們對學習本質的探討和教育規律的追尋將比任何時代都將更加強烈，如什麼是學習、如何讓學習者獲得更好的學習效果、如何多維度獲取學習者的認知特徵等。
（七）開展關於智能機器的安全、倫理和規範的研究
人工智能系統的技術倫理就是要確保人工智能做出的決策與現有的法律、社會倫理一致，以保障人工智能應用符合人類社會的共同利益。《國家人工智能研究和發展戰略計劃》中指出在構建人工智能技術倫理時，我們有責任確保整個社會盡快提升人工智能技術的應用素養，要能夠保證我們可以適當地、高效率地、符合倫理規範地使用這些新技術。人工智能並非單個領域、單個產業的技術突破，而是對於社會運行狀態的根本性變革，目前關於機器道德（Machine Morality）、機器倫理學（Machine Ethics）、道德機器（Moral Machine）、人工道德（Artificial Morality）等領域已有一定的研究，但仍有多個議題亟待深入探討：如何緩解人工智能所可能加劇的教育不平等現象；如何平衡人工智能帶來的教師發展與失業問題；如何建立圍繞算法和數據的治理體系；如何創新基於人工智能技術的社會治理體系。
六、結論
新一代人工智能是以大規模數字化和行業深度應用為顯著特徵，將為學校教育改革帶來新的機遇，促成“智能教育”的落地，有助於打破時間、空間和環境的限制，促進智能化、個性化、終身化教育體系的構建。智能教學系統源於傳統的“計算機輔助教學”，在新一代人工智能技術促進下將迎來新機遇，以大數據、VR/AR和新一代人工智能等為代表的現代信息技術可進一步延展智能教學系統的“教學”功能，比如通過增加語義網絡和約束模型增強領域知識模型功能，利用虛擬現實技術和增強現實技術優化用戶界面模型功能，並結合大數據和學習分析技術完善個性化教育服務功能。
人工智能時代的教育應以人機共存的“教”與“學”為典型特徵。因此，在智能時代，除了培養學習者的創造力、溝通力和終身學習力外，仍需關注基本技能（如閱讀、寫作和算數）的培養，從而提升人工智能時代原住民的數字生存能力。新一代人工智能融入學校教育將具有支持個性化學習、提供適切服務等五大潛能。但在教育教學實踐中，人工智能應用仍面臨人機共處環境下的教學體驗、人機和諧發展的技術治理等五個挑戰。後續研究還需分析應對人工智能融入學校教育挑戰的對策、深挖與兩大新興發展研究領域（“智能時代的認知特徵、學習本質與教育價值”和“智能機器的安全、規範與倫理”）相關的研究課題，以促進人工智能與就業的深度融合，提高教育教學質量。
參考文獻
[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] 國務院(2017). 國務院關於印發《新一代人工智能發展規劃的通知》（國發〔2017〕35號） [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] 黃榮懷,劉德建, 劉曉琳, 徐晶晶 (2017). 互聯網促進教育變革的基本格局 [J]. 中國電化教育, (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,馬楠 (2017).智能時代新工科——人工智能推動教育改革的實踐 [J]. 高等工程教育研究, (9) :8-12.
[14] 李豔燕,馬韶茜, 黃榮懷 (2012). 學習分析技術:服務學習過程設計和優化[J]. 開放教育研究, 18(05):18-2
[15] 劉清堂,吳林靜, 劉嫚, 範桂林, 毛剛 (2016). 智能導師系統研究現狀與發展趨勢 [J]. 中國電化教育, (10) :39-44.
[16] 劉全禮(2016).論我國特殊教育的對象問題 [J]. 中國特殊教育, (06) :3-7+16.
[17] 劉永謀,李佩 (2017). 科學技術與社會治理:技術治理運動的興衰與反思 [J]. 科學與社會, 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] 餘勝泉(2018). 人工智能教師的未來角色 [J]. 開放教育研究, 24(01) :16-28.
劉德建,北京師範大學教育學部博士研究生,北京師範大學智慧學習研究院聯席院長,研究方向：人工智能與教育( [email protected]);杜靜,博士研究生,北京師範大學教育學部,研究方向：自適應學習、智慧學習環境（ [email protected]）;姜男,高級研究員,北京師範大學智慧學習研究院,研究方向：教育管理、教師專業發展（ [email protected]）;黃榮懷(通訊作者),教授,博士生導師,北京師範大學智慧學習研究院,北京師範大學教育學部,研究方向：智慧學習環境、教育信息化（ [email protected]）。
閱讀更多 互聯網教育實驗室 的文章
