刘三女牙

国家数字化学习工程技术研究中心常务副主任/华中师范大学教授 

教育大数据为我们塑造了全新的人机教育教学环境，全面促进教育向个性化、科学化、智能化方向发展，助力教育现代化目标的达成，这是大数据的精髓所在。教育大数据关键技术的突破和深度应用，使得教师可利用大数据分析学生的具体需求，教育大数据终将走向人工智能。国家数字化学习工程技术研究中心常务副主任、华中师范大学教授刘三女牙结合人工智能和教育大数据背景，从梦想与变革、创新与应用、挑战与发展三个方面解读数据驱动下的智能教育。

梦想与变革：技术助力教育革新
 

教育的千年梦想

任何技术和教育相结合，首先要解决教育的问题，所以说教育信息化的核心是问题导向。作为一线教育工作者，我们知道，所有的技术要源于实践并最终高于实践。我们一直讨论未来教育，今年年初国家发布《中国教育现代化2035》，我不禁提出疑问：教育面临的最核心的问题是什么？未来教育的核心是致力于人的全面、自由的发展。人的全面、自由的发展落实到核心就是个性化学习，也就是因材施教。这是教育方面一直面临的很重要的挑战，也是我们一直追求的梦想。教育的千年梦想就是如何实现因材施教，如何让每一个人在教育体系中得到自我成长，这是教育最重要的一点。沿着这一思路，我们来思考如何使人工智能大数据技术与教育相结合。
 

新一轮技术革新带来颠覆性影响
 

新一代信息技术，尤其是以AlphaGo及5G网络为代表的新一代人工智能技术的出现，标志着人类真正进入信息时代。新一代信息技术通常讨论以下四个方面：云计算、物联网、大数据、人工智能。云计算、物联网是新一代信息技术的基础设置层面，会涌现出大量的数据，在大量数据的驱动下会推动新一代人工智能技术的发展，这就是新一代信息技术的特点。
 

技术助力下的教育变革与创新
 

新一代信息技术跟教育的融合必然会产生非常大的变化。这种变化不是简单的技术叠加，而是会给教育信息化带来拐点，实现非线性增长，这就使教育现代化的进程加快。进入“十三五”规划时期以来，中国的教育信息化和教育现代化的步伐明显快于以往的任何一个时期，无论是在思想理念、拥抱技术方面，或是在理论研究层面、实践层面，都呈现出普遍繁荣的态势，这也有益于新技术的介入。

我国的教育战略布局
 

从国家这一层面来说，我国教育战略布局也在一步步地加强。国家数字化学习工程技术研究中心是2009年我国首次在教育领域布置的国家级研究基地。在这之后，国家的教育战略布局无论是整体规划还是其他部委计划都相继展开。比如，国家自然科学基金委员会从去年开始申请了代码F0701（即增设教育信息科学与技术类别）来支持教育和信息技术相结合的技术研究；国家发展和改革委员会在2017年布设“大数据分析技术国家工程实验室”；国务院发布了一系列教育战略规划，包括人工智能教育的战略规划。因此，国家的战略布局不断推动着教育这一领域向前发展，我们现在面临着一个很好的时期。

创新与应用：技术推动教育创新发展
 

在新一代信息技术尤其是人工智能和大数据背景下，中国教育的创新和应用呈现出一个怎样的态势？尤其是在大数据的驱动下，教育信息化会带来哪些大的变化？主要的变化我认为有以下三个。

创新治理
 

创新治理，也就是怎样用数据来说话。大约50多年前，PDCA循环发起人、管理大师爱德华兹·戴明说：“除了上帝，任何人都必须用数据来说话。”这个表述有点绝对，但我想他的本意是强调数据的重要性，而不是字面上的意思。有了新的数据、新的技术介入后，在教育治理层面就可以自由穿行于宏观和微观之间，就能让传统的以经验为特征的角色走向科学、精确、智能化，这是我们所要追求的。在这里，我们可以运用新一代信息技术展开。
 

创新范式
 

我认为创新范式最核心的有两个层面：第一个层面是高校科研工作者的研究新范式，也就是说怎样开展数据密集型的教育研究。基于数据的实证研究，现在已经在研究领域被普遍采用，而且不断繁荣。第二个层面是教育变革中的新引擎，在思想和思维层面上给我们创造了不同的思维范式，它让教育要素间的互动模式和互动方式都变得不太一样。无论是实践还是研究，以往与现下都不可同日而语。我认为在新范式、新引擎的推动下，研究和实践层面都将快速推动教育信息化的发展。

创新实践
 

创新实践在教育教学过程或教育实践中主要有三个方面——教、学、管。“教”就是通常所说的差异化地教，即如何通过技术的手段让教育者对学习者进行规模化、个性化的教学和辅导，也就是如何在教育体系中形成规模化与个性化的统一。纯粹的师生一对一的资源配置是不可能实现的，并且在未来很长一段时间内都是不大可能的。
 

如何实现差异化地教，这是“教”这一层面所要追求的。比如慕课，像Coursera（国外慕课网站），它能通过个人在平台中的行为来进行引导。例如看视频，如果你反复观看某一知识点，就说明你有疑问，平台就会引导你不断地学习，反复地训练。同时，我们可以引用新的技术来解决或替代我们传统的工作。美国乔治亚理工学院有个案例，一个教授与沃森（问答机器人）合作，把他的计算机课程中累积的大概四万个问题放到IBM的沃森线上课程中，训练沃森来回答学生日常的问题。在三个月的教学期间，没有一个学生发现其实是机器在回答他们的问题，他们都以为是一个真实的助教在回答问题。这一例子说明机器可以在某些特定领域做得比人还好。这也引导我们从另一个维度思考：人工智能、大数据技术怎样介入教育场景？怎样扮演好它的角色？任何技术都不是万能的，任何一项技术也不可能解决所有的问题，只有充分发挥技术的特点和问题之间的匹配性，才能够产生巨大的化学反应，才能给我们带来好处。这就是我们所说的差异化地教。
 

个性化地学，也就是实现大数据支撑下的自适应学习。我们可以通过技术的手段发现学生学习的状态，通过状态的分析和判断来规划学生的学习路径，适配学生的学习内容，不断地强化并满足学生的需求，以方便学生实现快速地或以适合自己需要的方式来掌握知识、理解知识，从而使学生达到提高自己的目的。
 

举两个例子，一个是美国普渡大学的信号灯计划（Course Signals），它可以对学生的学业状况进行实时预警，及时地亮红绿灯，让教师实时知道学生处于怎样的学习状态，学生也可以根据信号灯提示更好地进行改善。另一个是可汗学院，它在学习内容后附有知识图谱，可以根据学生的学习状况来进行测试、再学习，并不断进行闭环的学习循环。也就是说，在某一层面上，至少在知识传授这个层面，学习者在相应的有限领域里可以做得很好。知识图谱跟问题的领域是有关系的，知识图谱的精确性在于能不能准确匹配问题，这一点非常重要。这里面有很多基础性的问题需要解决，比如教育领域的知识图谱如何去构建？除了知识图谱之外，还有其他的图谱，比如关键能力的能力图谱等类似的底层图谱。有了这些，才能构建教育自动化和智能化的课程。

（本文根据第十九届中国教育信息化创新与发展论坛专家录音整理，有删节）