導言：作為寫作愛好者，不可錯過為您精心挑選的10篇人工智能網絡教學，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

人工智能（artificialintelligence，AI）的概念最早是在1956年的Dartmouth學會上提出的，隨著計算機核心算法的突破、計算能力的迅速提高以及海量互聯網數據的支撐，目前已被廣泛地應用于各個領域[1-2]。近年來，人工智能也給教育教學領域帶來了機遇，人工智能+教育正如火如荼地開展和推進，改變著傳統的教育形式及生態[3-4]。2018年教育部《高等學校人工智能創新行動計劃》，各大高校在人工智能及其教育發展上有了綱領性的指導[5]。醫學教育作為教育教學諸多領域的一隅，乘著人工智能發展的東風，各大高校在推進醫學教學改革方面進行了大量積極的探索與嘗試[6-8]。診斷學是由基礎醫學過度到臨床醫學的橋梁課，其教學質量的良莠直接影響到醫學生的培養質量，傳統的教學方法難以滿足現代醫學教學的要求，如何發揮人工智能的應用優勢，讓其更好地應用于診斷學的教學工作，也是診斷學課程教改的重要研究方向。

1傳統的診斷學教學方法存在的問題

診斷學是學習臨床基本技能最重要的一門課程，其內容包括癥狀學、體檢檢查、實驗室檢查及輔助檢查等四大塊，分為理論課和見習課，目前大多數醫學院理論課采用的是以大班的形式在多媒體教室講授，而見習課則采取分小組的模式進行，多年的教學實踐發現該教學模式取得的教學效果不盡人意，尤其是近年來隨著全國各大醫學院校的擴招，出現了師資及教學資源配套的相對不足，上述教學模式的問題逐漸凸顯。理論知識以老師講授為主，采取的是“滿堂灌”的教學模式，然而該部分教學內容知識點繁多，知識串聯度不高，課堂靈活度、生動度較為薄弱，學生聽完課以后對課程內容印象不深，知識掌握度差，同時由于學生的學習主觀能動性差異大，不能進行課前充分預習的學生在課堂上更加難以跟上老師講授的節奏。見習課是對理論知識進行實踐，培養學生的實踐操作能力，前期理論知識掌握度差又會影響見習的教學質量，導致教學過程形成惡性循環[9]。見習課主要采取老師講授要領及演示操作流程，之后學生們互相練習的教學方法，該部分內容需反復加強練習，同樣的動作要領反復錘煉才能熟練掌握，因課堂見習時間有限，而老師講授及演示需占用大部分時間，學生動手實踐機會不多，老師對學生的操作手法、操作內容、操作順序等重要內容進行指導和勘誤的時間少，學生操作的規范性難以保證，在以后的臨床實踐中，往往存在實踐操作能力的缺陷。上述教學模式教師與學生們之間除了課堂時間，其余時間是脫節的，不能很好地溝通，學生們有疑問的知識點難以得到老師的及時解答，教學活動中沒有充分反饋，各個教學環節難以進行教學反思，形成教學相長的良性循環。課后復習及階段性總結復習是課堂知識內化及升華的重要方面，傳統的教學模式通常是給學生布置課后作業，學生完成后上交由老師批改留檔，這個環節學生與老師缺乏有效的溝通，且由于學生們學習主觀能動性差異，課后沒有老師的監督及針對性地輔導，課后作業的質量良莠不齊，教學質量欠佳是顯而易見的。隨著現代醫學的發展及研究的開展，涌現了一大批新的診斷方法與手段，譬如關于腫瘤診斷的分子marker，評估預測疾病活動度及預后相關的指標，在臨床上已經常規應用，但由于教材更新需要周期，很難跟新進展同步介紹，另外由于課時有限，難以全面地就學科前沿及新進展進行講授[10]。

2人工智能應用于診斷學教學的重要意義

2.1教師方面

將人工智能應用于診斷學教學實踐，削弱了教師的知識權威而強化了教師的價值引導，對教師的個人能力提出了更高的要求，促使教師踏實踐行終身學習并持續更新自身知識結構。互聯網高速發展的時代，知識呈幾何指數更新并出現大爆炸，基于各種互聯網即時通訊平臺及手機APP，診斷學體格檢查、理論知識講授相關的小視頻及研究進展不勝枚舉，這就要求教師及時獲取、更新知識并進行相應的知識儲備。人工智能的應用促使教師從單人施教發展為團隊施教，為開發更具個性化的課程教學注入團隊的力量。基于大數據的人工智能可以減少診斷學教學過程中的機械性、重復性工作，如平時作業的批改、考勤統計等，減輕了教師的工作負擔，教師可以將更多的精力投入到醫德醫風、醫患溝通能力以及體格檢查手法的規范化培養上，更多的心思放在豐富課程內容及教學形式上。同時大數據可以及時反應學生的學習動態，教師可以根據學生的反饋及課程評價有針對性地對學生進行相應的輔導。

2.2學生方面

將人工智能應用于診斷學教學實踐，可以實時動態記錄學生的學習情況及暴露的問題，如是否按時完成課程任務、測試中哪些知識點容易出錯等，人工智能系統能夠對這些數據進行關聯分析和深度挖掘，并且可視化呈現相應的數據，有利于教師及時掌握學生的學習進度、參與度以及學習效果，并根據具體的學情分析數據來調整輔導和教學方案。基于人工智能強大的算法和分析，可以為學生定制個性化的教學內容及進度，提供更有針對性的課堂內容和隨堂測試，并對測試及平時作業進行智能批改，真正做到查漏補缺。診斷學課程內容相對枯燥，學生們的學習興趣有限，基于人工智能的教學方式可以寓教于樂，在課程中將一些比較零散的知識點可以設置成互動小游戲，營造出良好的課堂氛圍，提高學生們的學習興趣及學習效率。

2.3教學過程

針對教學過程，人工智能亦發揮著至關重要的作用。第一，診斷學作為橋梁課程，是一門必修課，包括臨床醫學五年制、八年制、法醫學、基礎醫學等相應專業的學生均需要學習，人工智能擁有超強的計算能力和強大的“記憶力”，面對眾多不同專業的學生，可以根據大數據進行分析，制定出適合不同專業學生的完備教學目標。教學活動開展過程中，人工智能還可以根據學生的課堂及課后測試表現，依據分層教學的要求自動設置梯次教學目標，幫助學生們逐步提升學習能力和知識掌握度。第二，人工智能可以憑借自身信息化的特點，對各種教學資源進行分析，為教師和學生選擇更優質更合適的資源提供依據，促進個性化的教與學。第三，傳統的教學方式、教學內容相對有限，人工智能基于大數據能夠啟發新的教學思路，創新教學方法，為診斷學教學提供更多的可能性。

3人工智能在診斷學教學中的應用

3.1智能教學系統

智能教學系統是教育技術學中重要的研究領域，其根本宗旨是使得學生的學習環境更加優良和諧，智能教學系統能夠及時有效地調用最新最全的網絡資源并充分優化后供學生學習，使得學生能夠更加全方位、多角度地學習專業知識，提高學習效果[11]。智能教學系統大致由領域知識部分、教師部分及學生部分3個部分構成[12]，其中領域知識部分又稱為專家部分，這一部分既包含了需要講授的內容及掌握的技能，又可以添加專家的學術成果，既能夠保證學生對于基本概念、基本理論及基本技能的掌握，又能夠拓寬知識面，增加知識的廣度。智能教學系統的教師及學生部分主要是為設計和制定教學方案及策略服務，基于大數據基礎上，根據課程的特點、歷年教學情況、學生身心發展特點及學習實際情況，制定更加個性化、高效的教學方案，促成教師因材施教，取得更加理想的教學效果。

3.2智能網絡組卷閱卷系統

診斷學教學內容包括理論和見習兩大塊，教學過程中教師的大量時間用于出題、閱卷、批改平時作業等與考核相關的工作，并且在出題過程中需要圍繞相對固定的重難點內容不斷創新題型，消耗教師大量的精力。智能網絡組卷閱卷系統能夠充分發揮其優勢，將教師從繁冗的考核相關工作中解脫出來，使得教師的教學更高效，教師能夠把更多的時間。智能網絡組卷系統能夠有效收集和分析知名高校教學團隊編寫的在線題庫，實現教學資源的共享，通過隨機抽題組卷、答案隨機排序、題型隨機排序以及設置避免與歷年考卷重復等，顯著提升試卷的質量，亦能改善考試作弊的頑疾，客觀地考核學生對知識的掌握度。智能網絡閱卷系統有簡明的閱卷流程，能夠更有效地識別試卷及答案，能夠明顯降低傳統人工閱卷方式因疲勞帶來的出錯率，使得工作效率更高、考核結果更公正。

3.3智能仿真教學系統

診斷學教學的見習部分是學生提高技能的重要環節，常常采用分小組在病房完成的方式進行，在課程的開展過程也凸顯出了各種各樣的問題，譬如因學生分組進行詢問病史、體格檢查，重復次數多，患者難以多次配合；在教學時間段內病房缺相應的病種，無法對所學的癥狀進行直觀的學習；傳染病流行期間出于對學生健康安全的保護，無法進入病房見習等等，此時智能仿真教學系統能夠發揮重要的補充作用[13]。人工智能可以根據提供的海量真實臨床病例，由醫學專家整合其臨床特征，聯合計算機專家，根據相應的教學要求，形成虛擬病人學習系統，學生在仿真診療環境中，進行問診、體格檢查、診斷以及給出治療方案，同時系統能夠自動發現學生在問診及診斷過程中的錯誤，通過實踐、糾錯再實踐，提高學生采集病史、體格檢查的能力，同時能夠加強學生的臨床思維的訓練，夯實臨床基本功[14-16]。

篇2

深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。

30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。

在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。

人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。

二、深度學習在教育中的興起與發展

來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。

其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。

2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。

總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。

盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。

艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。

三、深度學習的核心理念

從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”。“層進”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。

深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。

第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視。可見，知識的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。

第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。

第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。

①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.

②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.

③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.

④余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.

⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，2009：78-80.

⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.

⑦安富海.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.

篇3

教育是著眼于未來的事業，教育的首要任務就是為未來社會培養相適應的合格人才。隨著人工智能的誕生和發展，我國已經開始將人工智能應用于教育領域，并顯示出人工智能對于彌補當前教育存在的種種缺陷和不足，推動教學現代化和教育發展改革進程起著越來越重要的作用。在現代醫學發展中，工程科學與臨床醫學不斷融合，相互進步。近幾年，隨著人工智能技術，機器人技術，虛擬與增強現實技術，3D打印技術與醫學不斷的融合發展，衍生出一系列的醫學診療技術，儀器，大大推進了醫學發展。從2013年到2017年，國務院、發改委、FAD連續發文，多次提及醫療走智能化、云化的趨勢，為推動智能醫療領域保駕護航。智能與醫學的結合已經是大勢所趨，因此，為培養大量智能醫學人才極有必要對智能醫學教育新模式進行深入研究。

一、目前醫學教育以及醫學人才培養狀況

智能醫學工程是一門將人工智能、傳感技術等高科技手段綜合運用于醫學領域的新興交叉學科，研究內容包括智能藥物研發、醫療機器人、智能診療、智能影像識別、智能健康數據管理等。

智能醫學工程的畢業生掌握了基礎醫學、臨床醫學的基礎理論，對智慧醫院、區域醫療中心、家庭自助健康監護三級網絡中的醫學現象、醫學問題和醫療模式有較深入的理解，能熟練地將電子技術、計算機技術、網絡技術、人工智能技術，應用于醫療信息大數據的智能采集、智能分析、智能診療、臨床實踐等各個環節。實驗教學正是融合型創新人才的最好培養方式。智能醫學人才的培養需要各學科間的相互交融更為緊密，學生的創新應用能力才能得到更好的培養。與此同時，由于絕大部分醫工結合的專業大部分歸屬與工科學院下，缺乏必要的臨床經驗，因而學生不能很好的把握新技術的應用。

而國內相關人才缺口還非常大，目前，國內僅僅有生物醫學工程、醫學信息工程等工科專業培養醫工結合人才。但是囿于培養時間與培養模式，他們往往只能針對具體某一方向，并且目前的培養體系還多著重于工學技術的研究，缺乏臨床實踐。

二、智能+醫學教育的必要性探究

2.1技術進步對醫療人員的診療幫助

以癌癥的治療為例，由于針對癌癥藥物的研究何藥物數量非常巨大，對于普通醫生在短時間內難以進行準確的判斷針對癌癥的研究和藥物數量非常巨大，具體來說，目前已有800多種藥物和疫苗用于治療癌癥。但是，這對于醫生來說卻有負面的影響，因為有太多種選擇可供選擇，使得為病人選擇合適的抗癌藥物變的更加困難。同樣，精確醫學的進步也是非常困難的，因為基因規模的知識和推理成為決定癌癥和其他復雜疾病的最終瓶頸。今天，許多受過專業訓練的醫學研究員需要數小時的時間來檢查一個病人的基因組數據并作出治療決定。

上述問題在擁有工學、醫學雙背景的醫生手中已經不是問題，通過目前日漸成熟的AI技術，對于大量的醫療數據進行檢索，通過可靠的編程手段，通過人工智能技術，建立完備的醫療數據庫，幫助醫生進行診療。據調查，美國微軟公司已經研制出幫助醫生治療癌癥的人工智能機器，其原理是對于所有關于癌癥的論文進行檢索，并提出對于病人治療最有效的參考方案，它可以通過機器學習來幫助醫生找到最有效，最個性化的癌癥治療方案，同時提供可視化的研究數據。

2.2智能醫學對于新時代醫生培養的影響

人工智能通過計算機可為學生提供圖文并茂的豐富信息和數據，一方面加強了學生的感性認識，加強了對所學知識的理解和掌握，從而提高了教學質量。同時，人工智能可幫助教師完成繁雜的、需適應各種教學的教學課程、課件等設計，使教師將更多的精力專注于學與教的行為和過程，從而提高教學效率。正如前面所述例子，智能網絡模塊化學習平臺可使教學擺脫以往對于示教病例的依賴，拓展了學生們的學習空間和時間，可極大地提高醫學學習效率和教學質量。

教育與人工智能相結合將會創新教育方式和理念。北京師范大學何克抗教授在《當代教育技術的研究內容與發展趨勢》中提到當代教育技術的五大發展趨勢之一就是“愈來愈重視人工智能在教育中應用的研究”。結合上述人工結合上述人工智能在醫學教育中的創新作用，下面就人工智能結合醫學學教育新模式提出一些構想。

三、交叉醫學人才的培養

3.1建立智能醫學人才培養體系的必要性

目前智能醫學的研發和臨床還存在隔閡，臨床醫生并沒有很好地理解人工智能，無法從實踐出發提出人工智能能夠解決的方向，而人工智能的產業界熱情高漲，卻未必能踩準點，所以產業界需要和臨床深度溝通融合，才能真正解決看病難、看病貴的問題，緩解醫療資源緊張。目前，國內僅僅有生物醫學工程、醫學信息工程等工科專業培養醫工結合人才。

3.2醫學人才培養體系初步構想

篇4

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009―8097（2008）13―0018―03

人工智能是一門綜合的交叉學科，涉及計算機科學、生理學、哲學、心理學、哲學和語言學等多個領域。人工智能主要研究用人工的方法和技術，模仿、延伸和擴展人的智能，實現機器智能，其長期目標是實現人類水平的人工智能。[1]從腦神經生理學的角度來看，人類智能的本質可以說是通過后天的自適應訓練或學習而建立起來的種種錯綜復雜的條件反射神經網絡回路的活動。[2]人工智能專家們面臨的最大挑戰之一是如何構造一個可以模仿人腦行為的系統。這一研究一旦有突破，不僅給學習科學以技術支撐，而且能反過來促使人腦的學習規律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術的不斷發展，使人工智能不僅成為學校教育的內容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領域得到應用，并取得了良好的效果，成為教育技術的重要研究內容。

人工智能的研究更多的是結合具體領域進行的，其主要研究領域有：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、博弈、智能決策支持系統、人工神經網絡和分布式人工智能等。[4]目前，在教育中應用較為廣泛與活躍的研究領域主要有專家系統、機器人學、機器學習、自然語言理解、人工神經網絡和分布式人工智能，下面就這些領域進行闡述。

一 專家系統

專家系統是一個具有大量專門知識與經驗的程序系統，它使用人工智能技術，根據某個領域中一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。[5]專家系統主要組成部分為：知識庫，用于存儲某領域專家系統的專門知識；綜合數據庫，用于存儲領域或問題的初始數據和推理過程中得到的中間數據或信息；推理機，用于記憶所采用的規則和控制策略的程序，使整個專家系統能夠以邏輯方式協調地工作；解釋器，向用戶解釋專家系統的行為；接口，使用戶與專家系統進行對話。近幾十年來，專家系統迅速發展，是人工智能中最活躍、最有成效的一個研究領域，廣泛用于醫療診斷、地質勘探、軍事、石油化工、文化教育等領域。

目前，專家系統在教育中的應用最為廣泛與活躍。專家系統的特點通常表現為計劃系統或診斷系統。計劃系統往前走，從一個給定系統狀態指向最終狀態。如計劃系統中可以輸入有關的課堂目標和學科內容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發一堂樣板課，而診斷系統是往后走，從一個給定系統陳述查找原因或對其進行分析，例如，一個診斷系統可能以一堂CBI（基于計算機的教學，computer-based instruction）課為例，輸入學生課堂表現資料，分析為什么課堂的某一部分效果不佳。在開發專家計劃系統支持教學系統開發（ISD）程序的領域中最有名的是梅里爾（Merrill）的教學設計專家系統（ID Expert）。[6]

教學專家系統的任務是根據學生的特點（如知識水平、性格等），以最合適的教案和教學方法對學生進行教學和輔導。其特點為：同時具有診斷和調試等功能；具有良好的人機界面。已經開發和應用的教學專家系統有美國麻省理工學院的MACSYMA符號積分與定理證明系統，我國一些大學開發的計算機程序設計語言、物理智能計算機輔助教學系統以及聾啞人語言訓練專家系統等。[7]

目前，在教育中，專家系統的開發和應用更多的集中于遠程教育，為現代遠程教育的智能化提供了有力的技術支撐。基于專家系統構造的智能化遠程教育系統具有以下幾個方面的功能：具備某學科或領域的專門知識，能生成自己的提問和應答； 能夠分析學生的特征，評價和記錄學生的學習情況，診斷學生學習過程中的錯誤并進行補救教學；可以選擇不同的教學方法實現以學生為主體的個別化教學。[8]目前應用于遠程教育的專家系統有智能決策專家系統、智能答疑專家系統、網絡教學資源專家系統、智能導學系統和智能網絡組卷系統等。

二 機器人學

機器人學是人工智能研究是一個分支，其主要內容包括機器人基礎理論與方法、機器人設計理論與技術、機器人仿生學、機器人系統理論與技術、機器人操作和移動理論與技術、微機器人學。[9]機器人的發展經歷了三個階段：第一代機器人是以 “示教―再現”方式進行工作；第二代機器人具有一定的感覺裝置，表現出低級智能；第三代機器人是具有高度適應性的自治機器人，即智能機器人。目前開發和應用的機器人大多是智能機器人。機器人技術的發展對人類的生活和社會都產生了重要影響，其研究和應用逐漸由工業生產向教育、環境、社會服務、醫療等領域擴展。

機器人技術涉及多門科學，是一個國家科技發展水平和國民經濟現代化、信息化的重要標志，因此，機器人技術是世界強國重點發展的高技術，也是世界公認的核心競爭力之一，很多國家已經將機器人學教育列為學校的科技教育課程，在孩子中普及機器人學知識，從可持續和長遠發展的角度，為本國培養機器人研發人才。[10]在機器人競賽的推動下，機器人教育逐漸從大學延伸到中小學，世界發達國家例如美國、英國、法國、德國、日本等已把機器人教育納入中小學教育之中，我國許多有條件的中小學也開展了機器人教育。

機器人在作為教學內容的同時，也為教育提供了有力的技術支撐，成為培養學習者創新精神和實踐能力的新的載體與平臺，大大豐富了教學資源。多年來，我國中小學信息技術教育的主要載體是計算機和網絡，教學資源單一，缺乏前瞻性。教學機器人的引入，不僅激發了學生的學習興趣，還為教學提供了豐富的、先進的教學資源。隨著機器人技術的發展，教學機器人種類越來越多，目前在中小學較為常用的教學機器人有：能力風暴機器人、通用機器人、未來之星機器人、樂高機器人、納英特機器人、中鳴機器人等。

三 機器學習

機器學習是要使計算機能夠模仿人的學習行為，自動通過學習來獲取知識和技巧，[11]其研究綜合應用了心理學、生物學、神經生理學、邏輯學、模糊數學和計算機科學等多個學科。機器學習的方法與技術有機械學習、示教學習、類比學習、示例學習、解釋學習、歸納學習和基于神經網絡的學習等，近年來，知識發現和數據挖掘是發展最快的機器學習技術。機器學習（自動獲取新的事實及新的推理算法）是使計算機具有智能的根本途徑，對機器學習的研究有助于發現人類學習的機理和揭示人腦的奧秘。[12]

隨著計算機技術的進步和機器學習研究的深入，機器學習系統的性能大大提高，各種學習算法的應用范圍不斷擴大，例如將連接學習用于圖文識別，歸納學習、分析學習用于專家系統等，大大推動了在教育中的應用，例如在建構適應性教學系統中，用機器學習與樸素的貝葉斯分類器動態了解學生的學習偏好，有較高的準確率[13]。基于案例的推理（case-based reasoning，CBR）是一種新興的機器學習和推理方法，其核心思想是重用過去人們解決問題的經驗解決新問題，在計算機輔助教育方面，已經出現了基于CBR的圖形仿真教育系統，并且，針對個體特征的教育教學方法研究也有所突破。[14]另外，數據挖掘和知識發現在生物醫學、金融管理、商業銷售等領域的成功應用，不僅給機器學習注入新的生機，也為機器學習在教育中的應用提供了新的前景。

四 自然語言理解

自然語言理解就是研究如何讓計算機理解人類的自然語言，以實現用自然語言與計算機之間的交流。一個能夠理解自然語言信息的計算機系統看起來就像一個人一樣需要有上下文知識以及根據這些上下文知識和信息用信息發生器進行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務，其功能為：回答問題，計算機能正確地回答用自然語言提出的問題；文摘生成，計算機能根據輸入的文本產生摘要；釋義，計算機能用不同的詞語和句型來復述輸入的自然語言信息；翻譯，計算機能把一種語言翻譯成另外一種語言。由于創造和使用自然語言是人類高度智能的表現，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質的認識。[16]

自然語言理解最早的研究領域是機器翻譯，隨著應用研究的廣泛開展，也為機器人和專家系統的知識獲取提供了新的途徑，例如由MIT研制的指揮機器人的自然語言理解系統SHRDLU就可以接收自然語言，進行人機對話，回答關于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進了計算機輔助語言教學和計算機語言設計等方面的發展，例如“希賽可”網絡智能英語學習系統，這個基于網絡的“人-機”語境的建立，突破了普通英語教師和傳統的單機的多媒體教學軟件所能具備能力限制，也比建立于網絡的“人-人”語境更具靈活性，可以為遠程學習者提供良好的英語學習支持，在國內第一次系統地將用自然語言進行的人機對話系統應用在計算機輔助外語教學上，在國際上也是一種創新。[17]

五 人工神經網絡

人工神經網絡就是在對大腦的生理研究的基礎上，用模擬生物神經元的某些基本功能的元件（即人工神經元），按各種不同的聯結方式組織起來的一個網絡，其目的在于模擬大腦的某些機理與機制，實現某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領域，人工神經元是人工神經網絡的基本單元。[18]人工神經網絡有兩種基本結構：遞歸（反饋）網絡和多層（前饋）網絡，兩種主要學習算法：有指導式學習和非指導式學習。

人工神經網絡從模擬人類大腦神經網絡的結構和行為出發，具有大規模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經網絡具有更大的發展潛能，目前已經開發和應用的人工神經網絡模型有30多種。人工神經網絡在教育中的應用大多是與教學專家系統相結合，以此來改進教學專家系統的性能，提高智能性，使其在教學過程中對突發問題具有更好的應對能力。人工神經網絡在學校管理中也得到應用，例如采用誤差反傳算法（BP）的多層感知器已應用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式計算與人工智能結合的結果，研究目標是要創建一種能夠描述自然系統和社會系統的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統兩個領域。[20]分布式人工智能系統一般由多個Agent組成，每個Agent又是一個半自治系統，Agent之間及Agent與環境之間進行并發活動并進行交互來完成問題求解。[21]由于分布式人工智能系統具有并行、分布、開放、協作和容錯等優點，在資源、時空和功能上克服了單智能系統的局限性，因此獲得了廣泛的應用。

分布式人工智能中的Agent和多Agent技術在教學中的應用逐漸受到關注。在教學中引入Agent可以有效地提高教學系統的智能性，創造良好的學習情境，并能激發學習者的學習興趣，進行個性化教育。目前，Agent和多Agent技術多用于遠程智能教學系統，通過利用其分布性、自主性和社會性等特點，提高網絡教學系統的智能性，使教學資源得到充分利用，并可實現對學習者的學習行為進行動態跟蹤，為學習者的網絡學習創造合作性的學習環境。在網絡教學軟件中應用Agent技術的一個典型是美國南加利福尼亞大學（USC）開發的教學Adele（Agent for Distance Education - Light Edition） [22]。Agent技術在網絡教學軟件中取得的良好效果，促進了研究者對分布式人工智能在教育中的應用研究。

綜上所述，科學技術的發展將會推動人工智能技術在教育中應用的廣度和深度。從人工智能的應用趨勢來看，人工智能在教育中應用的擴展可以通過以下三個方面進行：一是人工智能與其他先進信息技術結合。人工智能已經與多媒體技術、網絡技術、數據庫技術等有效的融合，為提高學習效率和效度提供了有力的技術支持，而引起教育技術界廣泛關注。[23]例如人工智能技術通過與多媒體技術相結合，可以提高智能教學系統的教學效果；與網絡通訊技術相結合，可以提高和改進遠程教育的智能性。二是人工智能應用研究領域間的集成。人工智能應用研究領域之間并不是彼此獨立，而是相互促進，相互完善，它們可以通過集成擴展彼此的功能和應用能力。例如自然語言理解與專家系統、機器人的集成，為專家系統和機器人提供了新的知識獲取途徑。三是人工智能的研究和應用出現了許多新的領域，它們是傳統人工智能的延伸與擴展，這些新領域有分布式人工智能與Agent、計算智能與進化計算、數據挖掘與知識發現以及人工生命等[24]，這些發展與應用蘊藏著巨大潛能，必將對教育產生重要的影響。

技術發展不斷發揮著引導教育技術研究的作用，一種新興技術的出現總是會掀起相應的研究熱潮, 引發對技術在教育中應用的探討、評價以及與傳統技術的對比。[25] 人工智能作為一門交叉的前沿學科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應用效果來看，有著廣闊的應用前景，值得進一步的開發和利用。

參考文獻

[1] 史忠植,王文杰.人工智能[M].北京:國防工業出版社,2007:1.

[2][11][18][19] 《計算機與信息科學十萬個為什么》叢書編輯委員會,計算機與信息科學十萬個為什么(8):人工智能[M].北京:清華大學出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.論學習科學的本質及其學科基礎[J].中國電化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學出版社,2003:12-13.

[5][12][15][20][24] 蔡自興,徐光.人工智能及其應用(第三版)――研究生用書[M].北京:清華大學出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學設計的國際觀第2冊:解決教學設計問題[M].北京:教育科學出版社,2007:67.

[7] 任友群.技術支撐的教與學及其理論基礎[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.應用專家系統提升現代遠程教育的智能化[J].中國教育技術裝備,2007,(12):79-80.

[9] 陳懇,楊向東,劉莉等.機器人技術與應用[M].北京:清華大學出版社,2007:6.

[10] 關注機器人幼兒教育――訪鮑青山博士[DB/OL].

[13] 柏宏權,韓慶年.機器學習在適應性教學系統中的應用研究[J].南京師范大學學報(工程技術版),2007,7(4):76-79.

[14] 楊健,趙秦怡.基于案例的推理技術研究進展及應用[J].計算機工程與設計,2008,29(3):710-712.

[16] 自然語言理解[DB/OL].

[17] 賈積有.人工智能技術的遠程教育應用探索――“希賽可”智能型網上英語學習系統[J].現代教育技術,2006,16(2):26-29.

篇5

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2008)35-2417-02

Artificial Intelligence Education and Middle School Students Information Literacy

WU Wen-tie

(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)

Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology. Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, comprehensive Improve the information literacy of students.

Key words: artificial intelligence; information literacy; information technology

1 信息素養的定義及其內涵

“信息素養”一詞最早產生于信息技術和信息產業發達的美國, 是隨著現代信息社會的逐漸形成而對國民提出的一種兼跨人文和科學范疇的綜合性個人素養要求的描述。隨著研究的深入，人們對信息素養的認識也在不斷深化。

1974年美國信息產業協會主席保羅?澤考斯基最先提出信息素養的概念, 他認為信息素養是“利用大量的信息工具及主要信息源使問題得到解答的技術及技能”。1992年美國圖書館協會提出：“信息素養是人能夠判斷何時需要信息, 并且能夠對信息進行檢索、評價和有效利用的能力。”同年, 道爾在《信息素養全美論壇的終結報告》中給出了一個較為全面的定義：一個具有信息素養的人, 他能夠認識到精確和完整的信息是作出合理決策的基礎, 他能夠確定對信息的需求, 能夠形成基于信息需求的問題, 能夠確定潛在的信息源, 能夠制定成功的檢索方案, 從包括基于計算機的和其他的信息源中獲取信息、評價信息、組織信息用于實際的應用, 將新的信息與原有的知識體系進行融合以及在批判性思考和問題解決過程中使用信息。

綜上所述, 雖然研究人員從不同的視角界定了信息素養的定義, 但可看出, 信息素養既包括認知態度層面上的內容, 也包括技術層面、操作層面和能力層面上的內容。概括起來講, 信息素養主要包括信息意識、信息能力和信息道德三個方面：

1) 信息意識。信息意識是信息素養的首要因素, 主要指人們對信息及其交流活動在社會中的地位、價值、功能和作用的認識, 換句話說, 就是指人們對信息的判斷、捕捉的能力。信息意識的強弱將直接影響人們利用信息的程度和效果。人們只有有了信息意識,才有可能有信息的需求, 進一步去尋找信息和利用信息, 并主動學習與信息處理有關的技術。

2) 信息能力。信息能力是信息素養的重要方面, 是指人們獲取信息、處理信息、利用信息、創造信息、交流信息的技術和能力。人們只有掌握一定的信息技能, 才能有效地開展各種信息活動, 有效地利用信息和創造信息, 充分發揮信息的價值, 變信息為動力和優勢。

3) 信息道德。信息道德是指人們在整個信息交流活動過程中表現出來的信息道德品質。它是對信息生產者、信息加工者、信息傳播者及信息使用者之間相互關系的行為進行規范的倫理準則, 是信息社會每個成員都應該自覺遵守的道德標準。

2 人工智能的研究領域

人工智能的研究領域非常廣泛, 而且涉及的學科也非常多。目前,人工智能的主要研究領域包括：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、智能決策支持系統及人工神經網絡等。下面主要介紹在網絡教育環境中常用的智能技術。

2.1 專家系統

所謂專家系統就是一種在相關領域中具有專家水平解題能力的智能程序系統, 它能運用該領域專家多年積累的經驗與知識, 模擬人類的思維過程,求解需要專家才能解決的困難問題。

2.2 機器學習

“學習”是一個有特定目的的知識獲取過程, 其內在行為是獲取知識、積累經驗、發現規律; 外部表現是改進性能、適應環境、實現系統的自我完善。所謂機器學習, 就是要使計算機能模擬人的學習行為, 自動地通過學習獲取知識和技能, 不斷改善性能, 實現自我完善。機器學習主要研究學習的機理、學習的方法以及針對相應的學習系統建立學習系統。

2.3 模式識別

所謂模式識別,是指研究一種自動技術。計算機通過運用這種技術,就可自動地或者人盡可能少干預地把待識別模式歸入到相應的模式類中去。也就是說,模式識別研究的主要內容就是讓計算機具有自動獲取知識的能力,能識別文字、圖形、圖像、聲音等。一般來說,模式識別需要經歷模式信息采集、預處理、特征或基元抽取、模式分類等幾個步驟。

2.4 人工神經網絡

人工神經網絡是指模擬人腦神經系統的結構和功能, 運用大量的處理部件, 由人工方式建立起來的網絡系統。它是在生物神經網絡研究的基礎上建立起來的,是對腦神經系統的結構和功能的模擬, 具有學習能力、記憶能力、計算機能力以及智能處理功能。其中學習是神經網絡的主要特征之一, 可以根據外界環境來修改自身的行為。學習的過程即是對網絡進行訓練的過程和不斷調整它的連接權值, 以使它適應環境變化的過程。學習可分為有教師(或稱有監督)學習與無教師(無監督)學習兩種類型。對神經網絡的研究使人們對思維和智能有了進一步的了解和認識,開辟了另一條模擬人類智能的道路。

3 人工智能技術在教育中的應用

3.1 智能搜索引擎

隨著互聯網站點和頁面的激增以及網絡用戶隊伍的不斷壯大,信息檢索成為人們利用Internet的重要途徑。但是在浩瀚的網頁海洋中尋找有用的信息并不容易,需要借助有力的檢索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他們各有特色,但仍存在不足之處,如檢索到的無關信息過多以及檢索結果排序較混亂。智能化信息檢索是信息檢索的新分支,它是人工智能和信息檢索的交叉學科。它在對內容的分析理解、內容表達、知識學習等基礎上實現檢索的智能化,這樣可以節省學習者在檢索中花費的時間,幫助學習者提高檢索效率。智能化信息檢索所用到的人工智能技術有專家系統、自然語言處理和知識表示。

3.2 智能體(agent)

agent技術早在70年代出現在人工智能領域,通過感知、學習、推理以及行動能夠基于知識庫的訓練模仿人類社會的行為。隨著其進一步發展,它在遠程教育領域發揮著越來越重要的作用。一套完整的遠程教育系統中包含許多子系統,如答疑、作業、考試、交互等等子系統。這些子系統都有各自的數據庫用來存儲信息。為了提高整個系統的智能性,可以引入智能技術,把眾多子系統的數據庫鏈接起來,實現信息資源的共享。通過分析這些信息,智能技術可以發現學習者的個別特征(如興趣愛好信息、點擊知識點信息統計、交互日志等等),并根據這些特征量身訂做出適合學習者的學習方案,也有助于教師及時掌握學習者學習過程中的動態信息。

3.3 智能CAI(ICAI)

隨著計算機技術的飛速發展,計算機輔助教學(CAI)已受到教育界的重視,成為學科教學改革的一種重要手段。許多學校都在開發CAI課件,但大多數CAI課件只是機械地按照教學設計者事先設計好的教學模式和內容向學生傳授知識,并沒有體現出個性化學習,無法做到因材施教。

智能CAI是以人工智能技術為核心,使CAI系統能夠根據學生的學習情況等因素分析學生的特征,合理安排教學內容、變化教學方法去滿足個別教學的需要。使用智能CAI進行教學能夠克服傳統CAI的不足,顯著提高教學效果,是CAI課件發展的趨勢。

3.4 智能教學系統ITS

智能教學系統(intelligent tutoring system,ITS)是涉及人工智能、計算機科學、認知科學、教育學、心理學和行為科學的綜合性課題,其研究的最終目標是由計算機負擔起人類教育的主要責任,即賦予計算機系統以智能,由計算機系統在一定程度上代替人類教師實現最佳教學。我國ITS的研究起步較晚,但近幾年隨著計算機的普及和教育軟件需求增大,ITS的發展較快。ITS按照功能分為四個模塊:專家知識模塊、學生模塊、教師模塊、人機接口模塊。

4 人工智能教育對學生信息素養的作用

人工智能(ArtificialIntelligence,AI)是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科。換言之,它研究如何用計算機模仿人腦所從事的推理、證明、識別、理解、設計、學習、思考、規劃以及問題求解等思維活動,來解決需要人類專家才能處理的復雜問題,例如咨詢、診斷、預測、規劃等決策性問題。人工智能也是一門涉及數學、計算機科學、控制論、信息學、心理學、哲學等學科的交叉和邊緣學科。與一般的信息處理技術相比,人工智能技術在求解策略和處理手段上都有其獨特的風格。人工智能研究處于信息技術的前沿,它的研究、應用和發展在一定程度上決定著計算機技術的發展方向。同時,信息技術的廣泛應用也對人工智能技術的發展提出了急切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響。

綜上所述,作為信息技術一個不可缺少的重要組成部分,人工智能的基本內容在中學信息技術課程中是不能不專門提及的,以往某些教材中用一兩頁篇幅作個簡單介紹的方法根本不足以反映人工智能學科的全貌。因此,十分有必要在高中階段的信息技術課程中專門設立人工智能選修課。我們認為,高中階段開設人工智能課程可以在以下幾個方面對學生的信息素養培養產生積極作用：

1) 多種思維方式的培養和信息素養的綜合鍛煉。

現實世界的問題可以按照結構化程度劃分成三個層次：結構化問題,是能用形式化(或稱公式化)方法描述和求解的一類問題;非結構化問題,難以用確定的形式來描述,主要根據經驗來求解;半結構化問題則介于上述兩者之間。一般說來,中學階段開設的傳統意義上的信息技術課程中所介紹的信息技術,例如多媒體技術、網絡技術、數據庫技術、算法與程序設計等,都是求解結構化問題的基本技術。而人工智能技術則是解決非結構化、半結構化問題的一類有效技術。

把人工智能課程引入我國現行的高中信息技術教育,可以讓學生在體驗、認識人工智能知識與技術的過程中獲得對非結構化、半結構化問題解決過程的了解,從而培養學生的多種思維方式,達到提高信息素養的目的。通過人工智能課程的學習,學生還將了解人工智能語言的基本特征,學到智能化問題求解的最為基本的策略。

2) 體驗人類專家解決復雜問題的思路,提高學生的邏輯思維能力。

這里以人工智能學科中“專家系統”技術的體驗、學習與應用過程為例進行說明。在專家系統的應用過程中,一個實際的專家系統不僅能夠為用戶給出相關領域的專家水平建議或決策,而且能夠通過解釋機制,以用戶容易理解的方式解釋專家系統的具體推理過程。學生可以向專家系統提出諸如“為什么(Why)”、“如何(How)”、“如果……會怎么樣”等問題,系統接受用戶的問題指令后,可以根據推理的邏輯進程,即時將答案呈現給用戶,整個過程如同教師與學生在進行面對面的教學。在該過程中,學生可以充分體驗人類專家的求解思路和推理風格,有助于提高他們的分析、思維與判斷能力。

另一方面,在專家系統的教學過程中,可以要求學生自行構建由產生式規則組成的知識庫,或進一步利用工具軟件來開發簡單的實用型專家系統。為了完成該項工作,學生一開始就要編制開發規劃、制定知識獲取策略,并具體付諸實施,這是一個不斷深化的過程。學生還得明確與系統有關的所有變量或相關的因素,并且將這些變量和因素轉化為問題求解,得出相應的結論。在進行一系列問題求解分析之后,運用產生式規則來表示知識,以此建立起來的專家系統還可以讓其他學生去運用和體驗,具有一定的實用價值。

由于專家系統中的知識組織與推理過程是對人類專家思維方式的一種模擬,因此上述知識庫的組織和系統的推理過程能夠較好地體現學生的思維過程。在建造知識庫過程中,學生需要將原來零碎的未成型的知識概念化、形式化和條理化,從而內化為學生自己的東西。所以,建造知識庫的過程不但能反映學生的學習過程,而且有助于學生對該領域知識的深層思考并有利于長久記憶,同時也學會了專家系統的基本開發技術。正如美國著名的學習論專家Jonassen所指出的：那些自行設計專家系統的學生將會在這種活動中受益匪淺,因為這是一個對所學知識進行深度加工的過程。

3) 了解信息技術發展的前沿,激發對信息技術未來的追求。

人工智能技術在一定程度上代表著信息技術的前沿,通過人工智能知識、技術的學習與體驗,高中學生能夠對信息技術發展的前沿知識有一定程度的了解,這樣有助于他們開闊視野,培養興趣,激發對信息技術美好未來的追求,從而為今后進入大學或走向社會奠定良好的基礎。

5 結束語

中學生的信息素養的培養是當前信息技術課的一個重要目標，而在現有的中學信息技術課程中，關于人工智能的知識只作了簡單的介紹，學生們對于人工智能研究的廣大領域不能有詳細的概念，這對于中學生的信息化認識和信息素養的培養不夠全面。因此在中學信息技術課中加大人工智能的知識介紹是信息技術課改革的重要內容。

參考文獻：

[1] 雷曉慶.網絡環境下大學生的信息素養及其培養[J].太原大學學報, 2004(2):38.

[2] 杜玉霞.美國信息素養教育與研究的啟示[J].電化教育研究, 2005(10):42.

[3] 王永慶.人工智能原理與方法[M].西安:西安交通大學出版社,2002,1-53.

[4] 潘瑞玲,余輪.Agent技術在遠程教育系統中應用的研究[J].微型電腦應用,2002,18(4):28-30.

[5] 吳戰杰，秦健.Agent技術及其在網絡教育中的應用研究[J].電化教育研究，2003(3):32-36.

篇6

中圖分類號：TP311文獻標識碼：A文章編號：1009-3044(2011)31-pppp-0c

1 研究背景

Internet和WWW技術的迅猛發展給傳統的網絡教學、學習和答疑模式帶來了新的思路和方法，基于Internet和WWW技術的教學系統已經廣泛應用并且取得了良好的教學效果。然而，傳統的網絡教學系統存在交互手段缺乏，智能性較低，針對用戶水平的個性化幫助和輔導較少的問題，難以制定針對個人的教學方法。Agent是一種網絡智能算法，多Agent則是由多個Agent組成的系統，多Agent具有分散控制、并行處理等特點，適用于多用戶和并發處理，適用于網絡教學系統的開發。本文論述了基于多Agent的智能網絡學習系統的設計和實現。

2 Agent技術概述

Agent技術也稱技術，從廣義上來說，包括具有智能的任何實體，如人類、智能硬件、智能軟件等。Agent定義可以分為軟件Agent和硬件Agent定義，其中軟件Agent是指執行用戶任務，具有一定的人工智能，可以與環境相互作用自主完成任務的軟件程序。硬件Agent是指可以從環境中獲得反映環境中所發生事件的數據，執行相關影響的行為主體。

智能Agent技術能夠用戶完成某項任務，并且不斷積累知識和經驗，提高問題處理能力。總體來說，智能Agent有以下四個方面的特性：

1）自主性：Agent具有屬于自身的計算資源和行為控制機制，能夠在其他Agent干涉的情況下自動運行，并且自身具有學習功能，能根據自身內部狀態、感知到的外界環境信息和本身已有的經驗知識決定和控制自身的狀態和行為。

2）自發性：Agent的行為總是為了實現內在目標，自主的產生主動的行為對環境做出反應。

3）反應性：Agent能夠探測并感知所處的外界環境，并且能對相關事件的發生自主作出反應。

4）社會性：Agent處于由多個Agent構成的社會環境中，能夠與其他Agent進行交互和通訊，實現與其他Agent的合作和協調，并且共享其他Agent的知識 。

Agent一般由感知模塊、執行模塊、通訊模塊、處理模塊、控制模塊、知識庫和任務表組成。其中感知模塊、執行模塊和通訊模塊與其他的Agent和外界環境交互，處理模塊對感知和接收到的信息進行加工、處理和存儲，控制模塊對接收到的信息進行分析、推理并做出決策。

多Agent系統是指由多個Agent組成的松散的聯邦，所有Agent成員的活動均是自制的和獨立的，其他Agent成員也不限制他的目標和行為。每個Agent對于所要完成的任務具有不完全的信息或能力，任務的執行和計算是異步的。可以看出，單個Agent的功能并不強大，但是一旦通過適當的體系結構把Agent組織起來構成多Agent系統，系統就具有很強的求解能力，能夠處理一些復雜的問題。

3 答疑系統模型

3.1 系統的主要功能

智能網絡答疑系統的關鍵在于能夠對提問用戶進行個性化分析，根據個性化分析的結果搜索用戶提問的答案，并且以多媒體的形式顯示問題答案。系統同時具有自學習功能，可以根據用戶的新問題和補充的系統的知識庫，具有自學習功能。答疑系統的主要功能如下。

1）用戶可以選擇同步提問和異步提問等提問方式，也可選擇系統自動回答，在登陸后向系統提問。

2）系統可以以多種方式回答用戶問題，既可以通過知識庫、問題庫、課件庫搜素答案并自動回答用戶問題，也可通過BBS，e-mail或留言板回答用戶提問。

3）系統在搜索完用戶問題答案之后，在用戶瀏覽器上顯示的答案即包括多媒體形式（圖文并茂）的問題解答，又包括用戶應鞏固復習的知識點建議、少量練習題等。

4）系統能夠根據用戶的提問自動生成以及維護常見數據庫，保持結構良好性，同時支持教師等高級別用戶的人工維護操作，比如增加、刪除和修改。

3.2 智能答疑系統的組成和關系

智能答疑系統主要包括用戶子系統、教師子系統、知識庫子系統和答疑子系統組成，系統的基本結構圖如圖1所示。

guyx01.tif

圖1答疑系統結構圖

各子系統的功能如下：

1）用戶子系統：用戶子系統搜集用戶個性化信息，實現用戶的智能化、個性化提問好回答。用戶子系統的功能包括用戶信息注冊，用戶個性化信息分析，用戶提問整理抽象等。

2）教師子系統：教師子系統用于教師登陸實現指示庫的人工維護，包括知識的增加、刪除和修改等。

3）知識庫子系統：知識庫子系統用于系統知識庫的保存，維護和擴展。知識庫保存的指示分為兩個方面，一方面是有關課程的內容，就是課程的知識點、重點和難點，第二個方面是典型例題，例題答案。知識庫的維護和擴展是指知識庫子系統可以根據用戶的提問頻率和提問方法不斷優化調整知識庫的結構，提高頻繁提問知識點的權重。

4）答疑子系統：在用戶登陸系統并且提問之后，該子系統一方面接受用戶提出的問題，另一方接收用戶Agent提供的用戶子信息，根據用戶信息采用對應的推理規則尋求問題的答案。同時，它還可以對問題和答案進行統計和分析，并且把統計結果傳遞給知識庫子系統，知識庫子系統可以根據答疑子系統傳遞過來的信息來維護和優化知識庫。

5）接口子系統：接口子系統一方面多種形式接受用戶的問題，處理傳統的鍵盤輸入之外，還可以通過e-mail、BBS或留言板等方式輸入，并且把問題經過整理后傳遞到答疑子系統。并且根據答疑子系統的回答情況，以多媒體的形式顯示問題答案。

3.3 知識庫的設計

由于SQL語言風格統一，可以獨立完成數據庫中全部操作，并且集據定義語言、數據操縱語言、數據控制語言等功能于一體，因此系統知識庫采用SQL數據庫，在系統的構建中，涉及到的知識庫主要有用戶信息庫、知識試題庫和答疑推理庫。其中用戶信息庫用來保存用戶的注冊信息，存放用戶名、口令字和身份信息，由于口令信息并不固定，因此調用用戶的個人信息表保存登錄時輸入的個人信息。注冊人員身份包括用戶和教師，其中用戶個人信息保存于用戶表中，教師個人信息保存于教師表中。知識試題庫用于存放試題和知識信息，其中知識信息表按照知識章節-課程等進行保存，試題信息按照章節-字符保存并建立索引，并且試題信息表根據用戶的提問和教師的解答不斷進行自動擴充。答疑推理庫保存不同水平的用戶的答疑推理需求，從而根據不同的用戶制定個性化的答疑推理方法。

4 基于多Agent的網絡智能系統的開發和實現

4.1 多Agent實現

篇7

中國職業技術教育雜志征稿信息

《中國職業技術教育》雜志是由中華人民共和國教育部主管，教育部職業技術教育中心研究所、中國職業技術教育學會和高等教育出版社共同主辦的一份綜合性中文期刊，集政策指導性、學術理論性和應用服務于一身，是教育部指導全國職業教育工作的重要輿論工具，是服務各級各類職業教育機構的主要陣地。

中國職業技術教育投稿欄目：主要有職教要聞、專稿專訪、綜合管理方略、課程教材、教研與教學、師資隊伍建設、研究與探討、職業指導、職業培訓、高等職業教育等欄目。

再給大家推薦職業教育范文：人工智能背景下職業教育變革及模式建構

董文娟1，黃堯2(1.天津大學教育學院，天津300350；2.北京師范大學國家職業教育研究院，北京100875)

摘要：順應人工智能時代的浪潮，基于新興技術的職業教育變革及新模式建構勢在必行。該文從職業教育智慧化、經濟發展、政策保障、信息化生態重構四個方面，剖析了人工智能時代職業教育變革的現實訴求，并進一步分析了當前職業教育外部環境及其自身發展的困境。人工智能背景下職業教育的變革體現出融合、創新、跨界、終身化的新特征。基于此，從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面，探究職業教育的變革路徑及模式建構。最后探討了職業教育模式變革還面臨回歸教育本質、規避技術弊端等挑戰，并提出“適應—引領人工智能”的發展目標。

關鍵詞：人工智能；職業教育變革；模式建構；智慧化

“人工智能的迅速發展將深刻改變人類社會生活、改變世界。特別是在移動互聯網、超級計算等新理論、新技術及經濟社會發展強烈需求的共同驅動下，人工智能發展呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特征。”[1]人工智能作為新一輪產業變革的核心驅動力，為我國供給側結構性改革下的“新常態”經濟發展注入新動能，使人們的思維模式和生活方式發生了深刻變革。近年來，國家高度重視與社會經濟發展聯系最為密切的職業教育，積極推進職業教育信息化，運用人工智能改革教學方法和人才培養模式，構建新型智能職教體系，提升信息技術引領職業教育創新發展的能力。

一、人工智能背景下職業教育變革的現實訴求

人工智能對傳統教育理念產生了革命性沖擊，職業教育結構不斷調整，勞動力素質與市場需求的矛盾、學習方式與自我價值實現的矛盾等促使職業教育向智慧化、智能化發展。目前，我國處于教育信息化2.0、工業4.0的新時期，全球范圍內新一輪的科技革命和產業變革正在加速進行。“一帶一路”“中國制造2025”人工智能等重大國家戰略的提出，及以新技術、新產業為特征的新興經濟模式要求教育領域，尤其是職業教育培養行業、產業急需的技術技能型、智慧型人才，具備更高的創新創業能力和跨界整合能力，促進智慧化發展，助力經濟轉型升級。

(一)職業教育智慧化訴求：職業教育信息化發展的必然選擇

“智慧教育是以物聯網，大數據等信息技術為依托，創造智慧教學環境，轉換教育方法，內容與手段，注重教育網絡化，個性化和智能化的一種教育新模式。”[2]智慧教育作為“一種由學校、區域或國家提供的高學習體驗、高內容適配性和高教學效率的教育行為(系統)”，被視為教育信息化發展的高端形態[3]。因此，職業教育的智慧化并非簡單的數字化，強調信息技術推動職業教育教學模式和方法的變革，改變思維模式，創建價值等方面共享的學習共同體，培養創新型、智慧型人才。

職業教育智慧化是職業教育信息化發展的必然選擇。目前，我國的職業教育信息化水平正在穩步提高，投入持續增加，各種智能信息技術應用于教育教學、實習實訓、測量評價等領域，并逐步成熟，正在努力打造一個信息化、智慧化的現代職業教育生態系統。新時期我國很多地區及職業院校積極提升現有信息化系統的智慧化水平，積極創建智慧校園、智慧社區等，逐步實現了組織管理的智慧化、資源環境的智慧化和服務評價的智慧化。

(二)經濟發展訴求：人工智能時代的新興經濟需要高技能智慧型人才

人工智能時代職業教育運用移動互聯網、大數據等新興技術，與經濟及其他部門跨界融合，不斷創造新產品、新業務，推動職業教育模式創新，形成了以互聯網為基礎設施、人工智能為實現手段的經濟發展新常態。人工智能時代是以現代科學技術為支撐的新時代，各行各業的運作發展和對知識技術的掌握要求達到了更高層面，相應的教育需求也有所提升，市場環境渴求勇于創新、個性化的高技能智慧型人才。職業教育要應對行業上升發展的勞動力需求問題，基于人工智能應用，提高技能培養層級，以適應新的社會勞務需求。現代企業生產依托互聯網科技，與智能化設備直接聯接，通過數據分析和應用，促進科技成果轉化為生產力。勞動密集型企業已不適應現代行業、產業發展，需升級為網絡智能型，與此同時，職業院校的課程模式、專業設置、實習實訓、師資結構等也做出相應的調整和革新，既促進了職業教育的智慧化、智能化，又推動了產業升級和工業變革。

(三)政策保障：國家從宏觀層面保障人工智能時代的職業教育發展

2016年是我國人工智能元年，2017年我國頒布了《新一代人工智能發展規劃》，提出了“將發展人工智能放在國家戰略層面進行系統謀劃和布局”，這預示著我國人工智能時代的全面到來，為我國職業教育的發展提供了良好的宏觀政策環境。人工智能給職業教育帶來了符合時代精神的新內容，積極融合信息技術，整合職業教育資源，提升公共服務水平，影響和改變了原有的教育生態。緊密依托信息共享平臺，突破時空限制，讓學習者自我選擇，更加人性化和智能化。我國很多職業院校已經開啟了智慧校園的行動計劃，一些大中城市也在積極制定實施智慧城市的發展規劃，在良好的政策保障中提升智慧化水平。

(四)信息化生態重構訴求：人工智能時代的職業教育變革是對職業教育信息化生態系統的重構

“依據《2006-2020年國家信息化發展戰略》，我國正在有序推進數字教育向智慧教育的躍遷升級和創新發展。”[4]在新興智能信息技術的催促下，技術變革帶來了職業教育系統的顛覆性創新改革，打破現有的條條框框，改革傳統教育模式，再造教育業務新流程。在職業教育領域創新應用物聯網、大數據、人工智能等先進技術，提升各科各門教育教學業務，打造各級各類智能實訓部門、培訓機構，覆蓋貫通中高職院校，整合系統內外現有資源，推進智慧教育生態有序發展，為各類用戶提供最適合、最智能的職業教育資源和服務，完成對職業教育信息化生態系統的重構。

二、當前職業教育發展的現實困境

人工智能對各行各業的影響具有革命性和顛覆性，可能帶來新的發展機遇，也可能帶來不確定性的挑戰，比如可能會改變就業結構、影響政府管理、威脅經濟安全等，還可能會沖擊法律與社會倫理，影響社會穩定乃至全球治理。當前，人工智能與“大眾創業、萬眾創新”浪潮席卷而來，職業院校既是人工智能應用的戰場，又是培養技術創新型人才的“夢工廠”[5]。人工智能時代的職業教育信息化發展迅速，影響是廣而深的，對職業教育外部環境及其本身都造成了極大的沖擊。

(一)職業教育外部環境發展困境

“據聯合國教科文組織預測，到2020年，人工智能將替代20億個工作崗位”[6]，那些技術含量低、重復性強的技能將被智能機器、數碼設備所替代，工業機器人也將大面積應用。智能設備替代行業勞動力，能夠降低勞動成本，且具有高效、易操作等競爭優勢。傳統職業教育培養模式很難適應未來行業、產業的發展需求，人工智能沖擊職業教育就業崗位，撼動其所依附的崗位基礎，對職業教育的生存與定位產生了威脅。因此，根據智能時代職業教育的崗位特征與需求，提升職業人才的知識結構和專業技能，是新形勢下職業教育的發展方向。

(二)職業教育自身發展困境

近年來，人工智能在職業教育領域內的應用和提高是目前職業教育的發展趨勢。我國重視職業教育信息化、智能化發展，各級各類職業院校在信息化基礎設施建設、校園信息化管理等方面都有了顯著提升，但信息技術與職業教育的深度融合仍不夠緊密，表現出信息化管理效率低、科學決策水平低等現象。人工智能背景下職業教育自身發展的困境表現在：

1.課程與教學困境

職業院校新課程改革提倡構建智慧課堂，制定個性化學習計劃，注重課堂實施效果。但目前的實際課程教學仍是以教師為中心，強調知識的灌輸，重視統一性和計劃性，與教育改革提倡的個性化教學相去甚遠。教學方法、教學理念更新慢，很難激發學生的內在學習動力，創新性思維弱，使得個性化教育的無法實現。近年來，中央、省、市、縣四級教育平臺逐步建立起來，課程與教學的層級設計逐步完善，但在實施的過程中，各級平臺之間存在溝通不暢等問題，各級資源內容不系統，不銜接，導致無序疊加和資源的重復浪費，“精品課程”等項目豐富了課程資源，但質量不高。在線課程與教學以傳統的科目、章節為單元，構建系統性的在線教育內容，為用戶提供專業化的知識選擇，但由于受時間條件等限制，大多數受教育者習慣于碎片化學習，連貫性和整體性差，缺乏對課程與教學體系的系統性學習。

2.認知困境

隨著人工智能時代的到來，許多職業院校將“未來教室”“智慧課堂”定位為未來發展方向，進行了多種嘗試和改革，如MOOC混合教學、翻轉課堂、多屏教學等，但“管理者和施教者對智慧教育的理解多停留在‘智慧課堂=多媒體+傳統教學的層面’，教學觀念和思維依然固化，并沒有因為新技術的參與而得到實質改變”[7]，缺乏對多媒體網絡架構和智能學習平臺的深層認識，更缺乏對管理評價和互動交流等模塊的理解與掌握，雖投入大量人力財力采購了數量巨大、設備精良的多媒體設備和智能服務設備，但沒有充分有效使用，大大限制了智慧教育的發展潛力。

3.用戶困境

傳統教學以群體教育為基本單元，教師和學習者作為學習共同體，在管理、學習的互動過程中形成強大的群體約束力，促進雙方共同進步。在信息化教育時代，學習者自由掌握學習時間和進度，遇到問題可能無法及時解決并獲得反饋，無法進行面對面交流，因此，基于人工智能網絡化學習平臺，學習者需要高自控力、高學習能力才能適應這種全新的學習方式。

4.評價困境

傳統的評價方式多依靠經驗和觀察，智慧型評價則是基于學習過程的一種發展性評價，以采集到的學習數據為客觀基礎。在人工智能、數字信息化環境下教育效果的評價實際要受到很多因素的影響和局限，在信息技術與職業教育融合的過程之中，許多智能技術應用于教育教學實踐，難以進行定性定量的智慧評價，如互動交流及深層次的學習評價等。

三、人工智能背景下職業教育變革的新特征

人工智能帶來了思維模式的創新，改變了人們認識問題、思考和解決問題的方式，越來越多地依賴人與智能網絡的協同創新。人工智能背景下的職業教育變革圍繞經濟社會發展大局，“主動服務國家重大發展戰略，加大虛擬現實、云計算等新技術應用，體現校企合作、知行合一等職教特色，以應用促融合、以融合促創新、以創新促發展。”[8]人工智能背景下職業教育的變革必將加速推進職業教育的現代化、智能化進程，表現出了融合、創新、跨界和終身化的新特征。

(一)融合

人工智能技術科學應用于當前職業教育，在最短的時間內整合、重組大量的知識信息，形成科學的技術技能知識體系，為職業教育資源、企業資源、產業資源、社會資源等一切有可能聯結的資源融合提供了可能。為促進職業教育的智慧化發展，在現有的合作模式、集團模式、產教融合模式等實體協作發展的基礎上，建立智能互動的智慧教育供給平臺、常態化智慧課堂和大數據化智慧教育生態系統，為我國新興經濟發展提供高技能、智慧型人才支撐。

(二)創新

信息化時代下“變”為創新立足之要點。創新時代最需要提升的就是創造智慧。“由知識的理解記憶，轉向知識的遷移、應用并最終指向創造發明”[9]，以提高學習者的學習能力和應用能力，提升其創新思維和智慧思維，不斷開拓人類社會發展的高度和寬度。智能化、信息化的時代是創新不斷的時代，是原有知識不斷被更新、技術不斷被升級的時代。人工智能促使社會化協同大規模發展，促進職業教育體系核心要素的重組與重構，創新生產關系，呈現出新的協作架構，開創了新的教育供給方式，增加了教育的選擇性，推動了教育的民主化。學習者能夠按照自己的價值觀、興趣與愛好等選擇適合自己個性發展的學習方式和學習內容，促進學習者個性化、多樣化發展，最終實現教育公平。

(三)跨界

智能科學與職業教育連接起來，搭建起兩者溝通的橋梁，跨越了人工智能虛擬教育和線下實體教育的界限，實現了兩者之間的融合。教育供給由競爭資源轉變為協同合作，直線型的中心組織管理轉向去中心化、泛化管理。通過大數據智能技術平臺、遠程教育平臺等對職業教育資源進行整合共享，跨越教育邊界，與市場、行業、企業以及職業教育培訓機構對接，提供更加便捷的智慧化服務。

(四)終身化

人工智能時代職業教育的變革堅持“以人為本”的教育理念，滿足學習者在任意時間、任意地點、以任意方式、任意步調終身學習的需求[10]。打破了地域和時間的限制，體現了教育的泛在化、個性化和終身化，與終身教育理念的發展目標不謀而合。人工智能時代社會經濟發展加快，人們追求高層次自我價值的實現，充分體現出終身學習的必要性和緊迫性。目前，我國正在積極創建泛在學習環境，致力于構建終身化學習型社會，努力創造有利條件向全民提供終身教育與學習的機會。

四、人工智能背景下職業教育發展的模式建構

人工智能背景下職業教育的變革預示著全新思維意識形態、社會發展形態的變革，重塑職業教育可持續發展的新思維，重構信息時代職業教育的價值鏈和生態系統。智能化技術科學將現代職業教育內部各要素，以及內部要素與外部環境之間，通過虛擬技術和智能化手段互聯貫通，突破傳統教育價值的鏈狀模式，使職業教育由傳統模式走向“人工智能+職業教育”模式的建構。人工智能對職業教育課程、教學、評價、管理、教師發展等方面產生系統性影響，為職業教育提高教育質量和提升服務水平提供了技術支持和現實路徑，解決不能兼顧職業教育規模和質量的矛盾問題。下面將從課程、教學、學習、環境、教師發展、評價、教育管理及組織等方面來探究職業教育的變革路徑及模式建構。

(一)人工智能背景下職業教育的課程模式

人工智能時代的信息知識、科學技術正在以前所未有的速度增長、更新和迭代，呈現出了碎片化、多元化、創新性、社會性的特征。人工智能背景下職業教育的課程模式是為學習者提供按需可隨時選擇的知識儲備智能模式，解決了傳統職業院校課程教學的滯后性，呈現的是現代職業教育的前沿信息和內容。課程革命愈演愈烈，靈活多樣的微課、慕課等形式層出不窮，在線課程將成為常態，信息傳播媒介、知識獲取方式等都發生了巨大改變，課程內容和結構的表現形態、呈現方式、實施及評價等也都進行了相應變革。智能化信息科學技術為課程的設計、架構、實施提供了快捷和便利，為學習者的個性化、終身化選擇提供了多種渠道。人工智能背景下職業教育的課程模式的建構表現為：首先，線上線下融合的大規模開放課程融入現代職業教育，課程的表現形態和實施途徑呈現出智能化、數字化、立體化的特征，成為學校常態課程的有機組成部分，為學習者提供了更多的可選擇機會，使實施個性化課程成為可能。現代職業教育的課程內容強調學術性與生活性相互融合與轉化，融入社會資源，立足于我國社會經濟的新常態和學習者的全面發展，實現社會化協同發展，共贏共創；其次，課程實施的空間得以拓展，跨越了社會組織邊界、職業院校邊界，將從班級、年級、全校擴展到網絡社區以及更大的空間。課程的整體結構從分散走向整合，以技術為媒介，形成跨學科、多學科整合的課程；最后，課程內容的組織、課程的實施逐步模塊化、碎片化、移動化與泛在化，社會化分工更加精細，教師也將承擔教學設計、技術開發、在線輔導等不同的角色。

(二)人工智能背景下職業教育的教學模式

人工智能時代將信息技術有效地融合于職業教育各學科的教學過程，從知識的傳遞轉變為認知的建構，從注重講授和內容，轉變成重視學習過程[11]，構建“以教師為主導，以學生為主體”的以數字化、智能化為特征的智慧教學模式，重視學生的主體地位，引導學生“自主、探究、合作”。人工智能背景下職業教育的教學模式的建構表現為：首先，人們的學習方法、認知方式和思維模式已經發生了巨大的轉變。信息化教學使得信息技術已成為學習者認知的必要工具，認知方式也由“從技術中學”轉型為“用技術學”。其次，信息化教學的重點從“面向內容設計”轉變到“面向學習過程設計”，更加重視學習者發現問題、分析和解決問題能力的培養，關注學習者的學習過程，以及其獲得學習活動的體驗。同時，信息化教學要將課堂內的學習知識和課堂外的實踐活動聯結互動，按照學習者的個性化需求和認知方式自主選擇學習內容。第三，智慧教學將成為課堂教學的新重點。日常教學工作形態不再是點線面的連接，而是呈現為智能化、立體化的教學空間，智慧課堂將會促進學習者的深度學習、交互學習和融合學習，智能備課、批閱以及個性化指導等也將成為教育者新的教學工作形式。從機械評價學習結果轉變成適應性評價學習結果。第四，在線教學、整合技術的學科教學法將成為新的教學形態，促進教育均衡發展，實現跨學校、跨區域的流轉。移動學習、遠程協作等信息化教學模式，能夠實現教師的“教”與學生的“學”的全面實時互動，最大限度地調動學習者的主觀能動性，提升教學質量與人才培養質量。

(三)人工智能背景下職業教育的學習模式

智能系統和互聯網絡為學習者提供了豐富多元的學習資源和環境，推進了教育教學活動與學習環境的融合發展，人工智能背景下職業教育的學習模式也逐步建立起來，具體表現為：首先，智能時代的互聯網絡全面覆蓋每一個人、每一個角落，活動空間由課堂內拓展到課堂外，學習與非正式學習正在互相補充、互相與融合，導致學習者的學習行為變化、學習方式的革新。其次，基于互聯網出現了一批創新的學習方式，借助情景感知技術及智慧信息技術，進行真實過程體驗的情境學習，促進學習者知識遷移運用的情境化和社會化。第三，借助互聯網云技術和各種應用工具，學習者可根據自身學習需求，選擇最優學習方式，也可利用數據分析技術，追蹤記錄學習路徑和學習交互過程，隨時隨地獲取個性化教學服務和量身定制的學習資源，拓寬了智慧教育視野。第四，各職業院校開始拓展校園智慧學習的時間和空間，以實現虛擬和現實相互結合的智慧校園育人環境。推進網絡學習空間建設，加強教與學全過程的數據采集和分析，“引導各地各職業院校開發基于工作過程的虛擬仿真實訓資源和個性化自主學習系統”[12]，強化優質資源在學習環境中的實際應用。

(四)人工智能背景下職業教育的環境模式

智慧教育環境是以大數據、多媒體、云計算等智能信息技術為基礎而構建的虛實融合、智能適應的均衡化生態系統。信息技術與職業教育的深度融合，為師生的全面發展提供了智慧化的成長環境，如智慧云平臺、智慧校園。人工智能背景下職業教育的環境模式的建構表現為：首先，智慧教育環境將信息技術與職業教育服務結合、面對面教學和在線學習結合，形成數字化的、虛實結合的職業教育智能服務新模式。其次，智慧教育環境將促進各種智能化、數字化信息技術融入職業院校的各個業務范圍和業務領域，與系統內的其他業務橫向互聯、縱向貫通，且信息能夠適時生成和采集，全過程實現數字化與互聯化。第三，智慧教育環境能夠感知學習者所處的學習情境，理解學習者的行為與意圖，滿足學習者的個性化需求，提供多元化的適應服務和智能感知的信息服務。互聯網應用基于智能數據分析，實現智能調節與自動監控，為學習者提供定制式的學習服務和個性化的學習環境。未來教室必將變成“虛擬+現實”的智慧課堂，在網絡空間中參與線上課程、線下活動，實現線上線下互動交流。同時，智慧校園的創建和管理，能夠對每個班級、學區進行動態管理，構建出一個以問題、任務為線索，學生實現自主學習的知識體系和促進師生互動、生生互動的智慧管理平臺。到2020年，“90%以上的職業院校建成不低于《職業院校數字校園建設規范》要求的數字校園，各地普遍建立推進職業教育信息化持續健康發展的政策機制”[13]，以學習者為中心的自主、泛在學習普遍開展，精準的智能服務能夠滿足職業教育的終身化定制。

(五)人工智能背景下職業教育的教師發展模式

人工智能背景下職業教育的變革對教師的專業發展、素質能力提出了新要求，改變了教師的能力結構和工作狀態。教育信息化大背景下，互聯網技術、多媒體手段的產生、智能化設備的使用極大提高了教師的專業發展和能力素養，以適應新課程改革與教育信息化的要求。人工智能背景下職業教育的教師發展模式的建構表現為：首先，新時代教師專業發展的內在要求和外在環境都要求教師能夠認識、了解和應用互聯網新技術工具，促使教師專業發展能力和素養的提升和豐富。其次，教師的專業發展要面向實際、情境化、網絡化的教學問題，教師需要在多變的教育情境中綜合運用核心教學技能，將信息技術知識、學科內容知識、教學法知識很好地融合并遷移運用。新時代的教師要學會掌握使用智能化設備和數字化網絡資源，積極加強與其他專家、教師的合作，或遠程工作，形成基于智慧教育技術的多元化的學習共同體。教師的工作狀態由個體的單獨工作轉變為群體的共同協作，大大提升了教師的工作效率。第三，信息化背景下教師的教學理念要發生轉變，由促進學生“接受學習”轉變為“主動建構”，由“被動適應”轉變為“主動參與”，越來越強調以學生為中心的過程體驗，從了解信息技術轉變為掌握智慧教育技術，保持學科知識，教學方法，核心技術的動態平衡，促進學生智慧學習的發生。第四，信息化教師要學會使用智能化教育技術，積極開發數字化學習資源，創設豐富多元的教學活動，鼓勵學生掌握智能信息工具，學會探究和解決問題，發展提升學生的創新思維能力和信息化學習能力。教師的信息化教學能力和素養全面提升，信息技術應用能力實現常態化。

(六)人工智能背景下職業教育的評價模式

現代教育價值趨于多元，以互聯網為基礎的智能化信息技術使教育評價在評價依據、評價內容、評價主體等多個方面實現了全面轉變。人工智能背景下職業教育的評價模式的建構表現為：首先，互聯網信息技術應用于學習過程使得伴隨式評價成為可能，更加關注學習者的個體差異和特點。強調過程評價和多元共同評價，更加客觀全面，重視評價過程的診斷與改進功能，以促進學習者的個性化發展。其次，互聯網、大數據、智能云技術的出現使得評價的技術和手段多樣化、智能化，節省人力物力財力，提高了評價的科學性、針對性。第三，以大數據為基礎的適應性評價因人而異，可獲得及時反饋，可真實地測評學習者的認知結構、能力傾向和個性特征等，從知識領域擴展到技能領域、情感、態度與價值觀，構建以學習者核心素養為導向的教育測量與評價體系，促進學習者發展。

(七)人工智能背景下職業教育的管理模式

智能化信息技術、云計算技術、大數據技術等能夠促進大規模社會化協同，拓展教育資源與服務的共享性，提高教育管理、決策與評價的智慧性，因此，基于互聯網的教育管理必將逐步走向“智慧管理”模式。人工智能背景下職業教育的管理模式的建構表現為：首先，互聯網將家庭、學校、社區等緊密、方便地聯系在一起，拓寬了家長和社會機構參與學校管理的渠道，各利益相關者可共同參與現代職業院校的學校管理，協作育人。其次，新時代的職業院校管理模式通過可視化界面進行智能化管理，業務數據幾乎全部數字化，能有效降低信息管理系統的技術門檻，使管理工作更加輕松、高效。通過深度的數據挖掘與分析，能夠實現個性化、精準資源信息的智能推薦和服務，為管理人員和決策者提供及時、全面、精準的數據支持，以提高決策的科學性。第三，通過互聯網信息技術可以實現全方位、隨時的遠程監督與指導，從督導評估轉變為實時評估，可以實現大規模的實時溝通與協作，促進社會化分工，促進職業院校內部重構管理業務流程，使管理智能化、網絡化、專業化。

(八)人工智能背景下職業教育的組織模式

人工智能時代信息科學技術的蓬勃發展沖擊著學校內部的組織結構向智能化、網絡化的方向發展，各職業院校需要合理調整內部組織結構和資源分配，通過互聯網加快信息流動等方式，提高各職業院校組織管理的效率和活力。人工智能背景下職業教育的組織模式的建構表現為：首先，當今時代人工智能的產生不可能替代學校教育，但可以改變學校教育的基本業務流程。人工智能推動了學校組織結構向網絡化方向發展，教學與課程是提供信息數據的重要平臺，學校組織則構成了教育大數據生態系統。其次，“互聯網+職業教育”的跨界融合將打破學校的圍墻的阻隔，互聯網將學校組織與企業、科研院所等社會機構緊密聯系起來，提供優質教育資源供給，共同承擔知識的傳授、傳播、轉化等功能，促進學校組織體系核心要素的重構。第三，建設“智慧校園”，實現線上線下融合的智慧校園育人環境，實施一體化校園網絡認證，推動智能化教育資源共建共享，實現職業教育信息化建設的均衡發展。

五、人工智能背景下職業教育的模式變革面臨的挑戰及發展目標

人工智能將推進大數據、云技術等智能信息技術深層次融入職業教育課程與教學、組織與管理、評價與反饋等領域，形成社會化多元供給，為學習者提供多樣化的參與方式、自主選擇的學習形式和及時獲得反饋的評價途徑，有利于實現職業教育的共建、共享、共治。但其全面實現，還面臨著諸多挑戰。

(一)挑戰

首先，職業教育的新模式建構需要充足的資金支持。各職業院校積極建構智慧校園，努力實現智慧化產學研環境，打造一體化智慧城市網絡等核心技術的開發，都需要資金的根本保障。政府要給予資金政策保障并加強監管，資金管理部門要合理規劃，合理利用，專款專用，落到實處。其次，職業教育的新模式建構的成果表現離不開學習者對技術的理解、掌握和應用。在實際實施過程中，教育工作者既要利用信息技術優勢變革職業教育，也要避免技術中心主義傾向，“避免一味追趕技術新潮而不顧學生身心健康等，技術本身是一個禍福相依的辯證法。”[14]第三，“目前的教育實踐中，仍未能充分實現人機合理分工和雙邊優勢互補。人工智能終端系統擅長邏輯性、單調重復的工作，而人類則更適合情感性、創造性和社會性的工作。”[15]現階段，信息化技術水平還有待提高，智能機器不能完全勝任知識傳播、數據處理等工作，有待于進一步開發和完善，絕對依賴互聯網絡和設備，還存在一定的風險。

(二)發展目標

人工智能時代職業教育變革重新架構了職業教育發展模式，完成了對資源的重新整合配置，改變了人的思維方式、學習方式和生活方式。人工智能時代下沒有職業教育模式的改革，就不可能建構真正的現代化職業教育。人工智能背景下職業教育的發展目標可以概括為個三方面：

1.“智慧腦”與“智能腦”融通

隨著第四次產業革命的到來，信息技術爆發式發展，造就了以電腦、互聯網為基礎的智能腦。職業教育智慧化發展的一個目標就是如何讓學習者發揮人腦“智慧腦”與機器設備“智能腦”的“雙腦”共同協作[16]。人工智能時代職業教育與信息技術的深度融合，就是要通過“智慧腦”和“智能腦”的協同作用，發揮互補優勢，進行融通式學習，而不是簡單地人腦與電腦的技術對接。

2.“現實世界”與“虛擬世界”結合

在人工智能時代，網絡虛擬技術的發展使人類擁有了真實與虛擬兩個世界，虛擬信息技術的興起在一定程度上會影響職業教育的實體教育，實體教育的發展也需要虛擬技術的支撐。但在具體的學習實踐中，還會存在利用這兩個世界時顧此失彼、難以平衡的問題。目前，虛擬化教育技術在職業教育領域不斷應用與推廣，職業教育的發展模式不斷優化，使得職業院校線上線下的邊界逐漸消融，“現實世界”與“虛擬世界”更好地結合。人工智能時代職業教育的本質沒有發生根本改變，學習者要學會利用這兩個世界虛實融合、高度互動，充分發揮出自身的優勢，更好地學習與生活。

3.職業教育“適應人工智能”發展為“引領人工智能”

篇8

一、現代測評理論基礎

評測的理論基礎源于個體差異性。進行題庫評測有兩個著名測量理論：CTT（經典測評理論）和項目反應理論(Item Response Theory，簡稱IRT)。為克服經典測驗的各種不足，研究者紛紛展開各種研究，各種現代測驗理論逐漸出現。針對經典測驗理論中項目參數和能力參數循環依賴的問題，提出了項目參數不依賴于考生樣本的能力分布、考生能力參數也不依賴于項目的參數特性的項目反應理論(Item Response Theory，IRT)。項目反應理論又稱潛在特質理論，它假設被試對測驗的反應受某種心理特質(因其無法直接測量，稱為潛在特質)支配。項目反應理論可以估計出被試的這種特質的分數，并根據其高低來解釋、預測被試對項目或測驗的反應。因此，項目反應理論主要在于建立各種與數據擬合的模型以確定被試的潛在特質值與其對項目的反應之間的關系。

二、題庫中的智能測評功能

智能網絡題庫的建設理論近些年來有了較大發展，對學生成績的評價分析等方面有較大進展，主要包括在線測試、答案回收和監考管理，以及學生樣本的智能選取、試卷的自動化批改、設計開發的網絡教學質量測評功能等。

測評模塊界面靈活、操作簡易，后臺由題庫支撐，并能實現智能化生成。智能測評系統創造性地實現對測試過程的自動記錄、智能分析，并提供對測試分析結果的網絡自動回收、統計、查詢功能。具體功能如下:

通過對階段考試成績的統計分析，得到考生學習水平的量化值。

通過個別試題多次使用結果的分析，得到試題的信度、效度等。

根據考試出題教師的要求，制作個性化的統計工具，提供定制的統計信息。

三、智能測評系統的智能化網絡化

傳統概念的專家系統是指運用人工智能的基本原理和方法，通過總結，匯集有關領域專家的思想、技術、經驗所建立的計算機系統。近年來隨著計算機信息技術的高速發展，專家系統的涵義、功能得以進一步拓寬。它的主要功能是對知識的綜合和應用，提供一種專家推理與決策工具。這種專家系統利用了涉及系統各方面的綜合知識。

專家決策支持系統是一種智能的計算機程序，它能夠運用知識進行推理，解決只有專家才能解決的復雜的非結構化和半結構化的決策問題。它是一個便于教師和學生調用分析-決策模型以及對數據庫進行存取的會話系統，始終支持決策過程中的分析和判斷，而不是代替人去決策，其目的不僅是為了提高決策的效率，更是為了提高決策的有效性，是一個應變能力強的、交互式的人-機系統。它根據專家對行為的分析經驗來形成一套推理規則，然后再在此基礎之上構成相應的專家系統，它以邏輯推理為手段，以知識為中心解決問題。專家系統能為學習者按系統設置的特點或其特殊愛好提供各方面信息（如生物、地理、歷史、文學、新聞、相關案例等信息），同時利用可動態定義的數學模型做出預測，為題庫智能組卷提供依據。

因此，在下一步的系統開發與完善過程中題庫的智能測評系統智能化網絡化將成為一個需要重要解決的問題。使系統能夠適應測評組織者的要求以及客觀環境的變化，為測評組織者提供有效的支持，滿足其要求。測評系統將實現提供符合上述要求的人―機界面接口，使人―機有機的組合成一個整體，根據情況變化隨時調整測評方法和測評內容，使測評結果更加有效。

四、未來智能化題庫測評系統模型構想

目前，國內基于網絡的教學處于迅速崛起的發展階段，非常需要能夠很好地支持教師教學、學生學習的基于因特網的教育平臺的智能題庫系統。在進一步研究工作中將把各個功能模塊拆分與網絡資源緊密整合，無縫的集成到網絡教學平臺中，從而實現智能化生成測試試題和試卷,使其功能達到在管理上具有動態性，在使用上居于易操作性，在發展上具有連續性和先進性，在保密控制上具有安全可靠性, 技術上具有智能性等領先水平。

篇9

中圖分類號:TP3文獻標識碼:A文章編號:1009-3044(2009)24-6600-02

Research and Implementation of Self-adaptive Distance Eduection Platform Based on Specialist System

WEN Guo-qi1, YANG Ke1,YING Guan-yi2

(1.Tianzhuang Coal Preparation Plant of Pingdingshan Tianan Coal Mining CO.,LTD, Pingdingshan 467013,China; 2. Wuyang Iron and Steel, Hebei Iron & Steel Group Co., Ltd, Pingdingshan 462500,China)

Abstract: The rapid development of the computer-centered internet and multi-media technologies is fundamentally changing our ways of work,association and life and in the meanwhile,it’s deeply influencing our education.The simple teaching mode and less intelligence are common problems in the net education, which brings contradiction between net teaching platform and students.The article introduces a self-adaptive learning platform of distance education which is based on specialist system,the aim is to achieve personal net education.

Key words: specialist system;personal net education;a self-adaptive learing platform of distance education

近十年來,科學技術的突飛猛進為人類社會帶來了一系列的深刻變革。信息技術在各個領域的應用改變了人們工作、生活和學習的方式,遠程教育的發展也面臨著前所未有的挑戰。

目前的網絡教學平臺主要是以“系統”為中心,沒有體現以“學習者”為中心的思想。為了解決這一矛盾,在網絡教學系統中引入了自適應學習概念。所謂自適應學習,就是指學習不是一個被動的接受知識的過程,而是主動發現知識的過程[1]。開發自適應遠程教育平臺就是要為每一個學習者提供適應其需求特點的學習資源,自動地調整系統內容以適應學習者的興趣,真正達到“因材施教”的目的。

1 現代遠程教育存在的不足

目前,基于Web的遠程教學系統在國內外已有不少,但是總體來說仍存在以下一些問題:

1) 目前網上的課程內容基本上是教師的教案,教學的重點,難點,例題分析,練習和測試題等,主要是幫助學習者鞏固課堂上所學的知識,很難實現真正的網上自主學習,更難進行自適應學習。

2) 不具備真正的“以學習者為中心”的網上教學管理功能。目前大多數的學習網站,除了對用戶進行注冊登記外,不再進行其他管理活動,不關心學習者的學習情況,而學習者也無法記錄和了解自己的學習情況,整個學習活動呈無序狀態。

3) 不能對學習者學習活動進行較客觀的評價。盡管有些網站設有對學習者學習活動的測試、考試及評價系統,可是絕大多數只是將傳統測試、考試試題電子化,并以此作為評價學習者學習能力及學習成績的手段,沒有很好的利用網絡技術及人工智能技術對學習者學習能力及學習成績做出客觀、及時的評價。因此,學習者難以進行自適應學習。

由此可見,要克服目前基于網絡學習中存在的問題,探討基于網絡的自適應學習系統是一項迫切而重要的工作。

2 專家系統介紹

2.1 專家系統的定義及其基本特征

什么是專家系統目前尚無統一定義的、精確的、公認的定義。但一般來說,所謂專家系統就是利用存儲在計算機內的某一特定領域內人類專家的知識,來解決過去需要人類專家才能解決的現實問題的計算機系統[2]。專家系統是計算機程序系統,但與一般的程序系統不同,其知識庫和程序是分開的,易于修改和增刪,其有很大的靈活性,而在一般程序中,知識是以隱式方式存在的,程序完成之后就確定了,一般不易修改。與數據庫不同之處在于,它與邏輯推理有聯系,具有啟發性,而一般的數據庫只是對大量數據進行組織和管理,提供檢索方法。

一個高性能的專家系統應具備如下特征[3]:

1) 具有專家水平的知識。專家系統間做的一個最重要的目標是達到一個專家在解決任務時所體現出的高水平的性能。

2) 符號處理。專家系統使用符號推理。

3) 一般問題的求解能力。

4) 復雜度與難度。

5) 具有解釋功能。

6)具有獲取知識的能力。

7) 知識與推機構相互獨立。

2.2 專家系統的結構

專家系統的一般結構,如圖1所示。該結構在目前專家系統建造中比較流行。包括六個部分[4]:知識庫、推理機、綜合數據庫、人機接口、解釋程序以及知識獲取程序。

2.3 專家系統的一般設計方法

設計專家系統的關鍵有兩大部分:一是建造知識庫,二是設計推理機制與策略。一般一個專家系統的設計可按三個步驟進行[5]。

1) 初步設計。分析要求解的領域問題,在領域專家的協作下明確專家系統期望實現的目標和專家系統如何從整個問題中分離出來,又怎樣與其它子系統嵌接起來;確定參與系統研制的合作專家和知識源;在領域專家的指導下,對專家系統求解的問題進行了解,通過各種知識源的知識獲取和領域專家的配合,專家系統求解目標任務的主要概念、關系、假設、約束等進行圖解形式的描述;選擇合適的知識表示方法,把圖解形式的內容形式化表達出來,并確定推理的控制方向等內容。

2) 開發原型系統。選擇合適的程序設計語言或專家系統開發工具,設計推理機制或借用工具語言已具備的推理機制,把形式化表示的知識以專家系統求解目標或圖解形式中的模塊為單元,逐個單元地把知識轉換為適合程序設計語言或工具能接受的內部編碼的形式,輸入知識庫。在不斷供給知識庫新的知識的同時,要不斷地對已有知識和新加入的知識的正確性及協調性進行用例測試。這種不斷擴充知識庫和不斷測試的過程一般可以發現已形式化的知識有許多不完善之處,從而需要在領域專家的配合下不斷調整。這一階段產生出可運行的專家系統雛形,包括知識獲取模塊和解釋機制等可交付使用[6]。

3) 知識庫的維護。當開發出原系統之后,讓領域專家選擇一些有代表性的試驗用例,在可能的情況下讓領域專家用這些試驗例子進行實際問題的求解,通過實際例子的運行可能出現新的問題,比如人機接口的輸入輸出模塊,知識庫中的知識不全或不精確等,甚至領域專家還會人為地需要完善知識庫中的某些知識。這一階段理想方式是在上一階段提供一個知識獲取模塊和解釋機制,讓領域專家或未來的實際用戶與知識庫直接打交道。

3 專家系統在開發本系統中的具體應用

3.1 智能答疑模型的設計

本答疑模型是一個自適應性的知識庫系統,分為人工答疑和自動答疑兩部分,允許學習者通過瀏覽器在線提問、離線提問、BBS、發送E-mail等,不受時空的限制。智能答疑系統的結構圖如圖2所示。

當學生提出問題后,對學生提出的這些問題的知識點和語義進行分析處理,并查找所有相關問題。其中答疑知識庫的構造主要是實現教學信息向智能答疑的知識轉換,進行知識庫的層次化和結構化處理,并通過推理機制進行教學信息的存取控制。答疑知識庫主要包括教學庫和問題庫。教學庫匯集了按特定環境和條件進行有效教學的方法和策略,這些方法和策略采用產生式規則表示。問題庫中保存了在教學中遇到的問題,首先是確定問題的范圍,然后通過對問題的分析,找出各個知識點的層次關系和語義聯系等信息。

3.2 智能網上測試模型的設計

智能化的網上測試主要體現在智能組卷上。如何保證生成的試卷能最大程度地滿足不用用戶的需要,并具有隨機性、科學性、合理性,是首要解決的問題。

智能組卷的智能性主要體現在組卷的過程是根據學生對知識點掌握的程度,確定測試知識點權值以及難度系數范圍等參數,然后基于一種算法從題庫中抽取滿足要求的試卷。另外,智能組卷采用基于專家知識的表示及實現方法模擬人的思維來確定試卷題型比例等參數。因此它能充分體現組卷系統的“因材施教”的能力。

4 結束語

遠程教育以其不受時空限制和獨具的交互性越來越受到人們的關注,但是目前的研究開發大多數還只是將老師的課堂教學內容簡單、機械地挪到網上,并沒有充分利用計算機和網絡在教學中交互和智能分析的優勢。今后遠程教育應該朝著智能化,個性化教學系統的方向發展。本人提出開發一種基于專家系統的遠程教育平臺,也只是某些理論在實際中的應用,相信隨著人們不斷的深入研究,遠程教育系統將具有更為深遠的發展前景。

參考文獻:

[1] 朱新明,李亦菲,朱丹.人類的自適應學習――示例學習的理論與實踐[M].北京:中央廣播電視大學出版社,1997.

[2] 萬瑪寧,關永.人工智能技術在計算機輔助教學中的應用研究[J].微計算機信息,2006,5:257-260.

[3] 武波,馬玉祥.專家系統[M].北京:北京理工大學出版社,2001.

篇10

中圖分類號：G250.73 文獻標識碼：B 文章編號：1673-8454(2012)01-0030-04

計算機輔助教學（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學生與計算機之間的交互活動來達到教學的目的。即在計算機輔助下進行的各種教學活動，主要是以對話方式和學生討論教學內容、安排教學進程、進行教學訓練的方法與技術。CAI為學生提供一個個人化的學習環境，綜合應用多媒體、知識庫等計算機技術，這是傳統CAI的主要應用方式。

在沒有智能系統支持的情況下，傳統CAI盡管可能具有良好的教學材料模型，但它往往僅借助于計算機來展示教學內容，并不能很好地根據它所教學生的學習特征，以不同的教學策略和教學方法來教授；只是盲目地傳授知識給學生，如果某個學生不能接受提供的教學策略，系統沒有為這個學生提供可供選擇的另外的教學策略。目前使用的絕大多數CAI是將全部教學信息以編程方式預置于課件中，這樣的CAI課件一旦制作完成，很難對課件進行更新和維護，尤其是在這樣的CAI系統中，學生的學習仍然處于被動狀態，即完全受計算機控制。

一、智能化計算機輔助教學概念

現代教育技術的日益發展以及與其他領先技術的結合，必然促使計算機輔助教學CAI的進一步發展。人工智能技術應用于CAI產生的基于網絡環境的智能化CAI，就是現代信息化社會發展的產物，并在教育教學領域中有很好的發展前景。

人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的，目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多地是結合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、博弈、智能決定支持系統、人工神經網絡等等。人工智能技術與專家系統的成就，促使人們把問題求解、知識表示這些技術引入CAI，并借助于網絡環境來實施，這便是智能型計算機輔助教學。

智能計算機輔助教學ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認知科學和思維科學為理論基礎，綜合人工智能技術，教育心理學等多門學科的知識對學生實施教育的一門新的教育技術。ICAI通過研究人類學習思維的特征和過程，探索學習知識的模式，利用信息化網絡環境使學生獲得個別化自適應性學習的獲取知識方法，從而使學生的學習更有針對性，更有效。

ICAI依靠人工智能技術的進步，主要應在因材施教方面取得進展。其主要特點是:

（1）能自動生成適合學習者程度的學習內容。

（2）能根據學生的不同認知水平與學習風格選擇教學策略和教學方法。

（3）能評價學生的學習結果，并不斷地在教學中改善教學策略。

二、智能化計算機輔助教學研究現狀

現階段，在一些發達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經普遍存在于學校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內在這一領域的研究主要集中在CAI和ICAI的優缺點比較，ICAI的理論來源、系統特征、模塊建設、發展趨勢等基礎理論知識的研究，基于相關課程或學科的實踐研究還比較少見。智能教學系統的設計和開發是一項復雜的系統工程，由于需要考慮的因素較多，系統比較龐大，同時也依賴于人工智能等技術的發展,因而要建立完善的ICAI還是比較困難的。[1]因此ICAI有很大的理論和實踐發展空間。

完善的ICAI系統需能夠充分調動學生的主動性，并能通過分析推理，對某具體學生做出適合的教學決策。使學生獲得個別化自適應性學習的學習方法，達到因材施教的目的。人工智能技術的發展必將會對ICAI的發展起到巨大的推動作用。隨著計算機科學的發展，21世紀的教育教學輔助手段將是以ICAI為主線，多學科、多方位發展的新技術的體現，越來越多的教育工作者會從更多的視角審視ICAI，并從事ICAI的研究。相信ICAI將會在現代教育領域中有更廣泛的應用。

“現代教育技術”既是教育技術專業的必修課程，也是大中專院校廣泛設置的選修課程，適用范圍非常廣泛。本文以《現代教育技術》這門課程為主要研究對象，來研究智能化教學系統設計在具體實踐中的應用。

三、ICAI決策系統的理論依據

1.綜合集成理論

教育是以人為主體參與的活動，而人本身就是一個復雜巨系統，因此以這種大量的復雜巨系統為子系統組成的系統――教育系統，是一個復雜巨系統。依據系統與其環境是否有物質、能量和信息的交換，將系統劃分為開放系統和封閉系統來看，學生的學習受到教師、同學、家庭及社會等因素的影響，所以教育系統是一個開放的復雜巨系統。

錢學森的理論和實踐研究表明：現在能用的、惟一能有效處理開放的復雜巨系統的方法，就是定性定量相結合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創新，它是研究復雜巨系統和復雜性問題的方法論。[2]定性定量相結合的綜合集成方法是將專家群體(各種有關的專家)、數據和各種信息與計算機技術有機結合起來，把各種學科的科學理論和人的經驗知識結合起來，發揮這個系統的整體優勢和綜合優勢。[3]它把人的經驗、知識、智慧以及各種情況、資料和信息系統集成起來，從多方面定性認識上升到定量認識，從而達到解決復雜系統問題的目的。在解決問題的過程中，專家群體和專家的經驗知識起著重要的作用。

教學系統設計是一個復雜的系統，它是由教育系統的復雜性決定的。教育系統具有復雜系統的基本特點，它在結構與功能上表現為規模大、相關因素多且相關方式復雜、目標多樣等；在運動上表現為隨機性、非線性等。用一般的理論方法無法全面合理地解決這一不良結構的問題，本研究嘗試用綜合集成方法論來指導、分析教學設計智能化過程。因此，運用綜合集成理論的方法來研究教學設計系統，探討具體科目的教學設計在設計過程中遇到的復雜性問題，進而構建科學合理的教學設計系統，具有重要的理論和實踐價值。

2.教學設計理論

本文采用“雙主”教學模式作為ICAI的教學設計的理論基礎。“雙主”教學模式既能發揮教師的主導作用又能充分發揮學習者認知主體作用，是在教師主導下的課堂中能讓學習者參與進來共同學習的一種教學模式。

基于“雙主”的教學模式，要求根據學習者的特征、學習內容、學習策略、學習目標等多種因素的不同情況研究它們的結合方式，以使系統達到理想的教學效果。

基于網絡環境的ICAI相對于傳統的CAI來說，充分體現了“雙主”的教學模式。ICAI中有專門分析學習者學習方式和認知水平的學生模型，有專門為不同的學習內容選擇不同的學習策略的策略庫模型（也稱為教師模型），有評價學習效果并反饋給系統的評價模型。學生模型是對學習者的學習特征進行分析，包括學習者的學習風格、認知水平。策略庫模型包含有豐富教學策略和有一個智能推理機，能根據學生模型的信息和學習目標為學習者選擇合適的學習策略，指導學習者學習。

3.建構主義學習理論

當代建構主義者主張，世界是客觀存在的，但是對于世界的理解和賦予意義卻是由每個人自己決定的。建構主義者認為學習者要以自己的經驗為基礎來建構現實，或者至少說是在解釋現實，每個人的經驗世界是用自己的頭腦創建的。

學習過程同時包含兩方面的建構：一方面是對新知識意義的建構，同時又包含對原有經驗的改造和重組。建構主義者強調學習者在學習過程中能夠靈活地建構起用于指導實踐活動的圖式，這種圖式是對概念的豐富理解，依據個人經驗背景的不同而不同。

教學應當把學習者原有的知識經驗作為新知識的生長點，引導學習者從原有的知識經驗中，生長新的知識經驗。教學不是知識的傳遞，而是知識的處理和轉換。

ICAI伴隨著這種理論的發展而發展，它注重的是由學習者來控制學習過程，重視學習內容的知識結構和學習情境，讓學習者主動構建對自己有意義的知識的活動。基于網絡環境的ICAI積極地為學習者創設學習情境，幫助學習者用他們已有的知識去建構、生成、整合新的知識。

4.教學處方理論

“教學處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學設計的理論，他通過對教學系統設計理論和計算機輔助教學設計方面的研究，建構了一種新型的教學系統設計理論――教學處方理論。該理論主要包括：六個基本概念、一個理論框架、三條基本原理和兩個關于教學設計的知識庫。[4]

該理論指出教學處方可以看作是教學設計者(有時可以看作是教師)依據系統分析后使用的各種教學模式、教學方法和教學內容處理模式的組合；說明了在特定教學條件下對特定教學結果的教學，以不同的學習理論和教學理論為指導將會采用不同的教學方法，即教學處方，這也是本研究的核心內容，是該系統設計的指導理論。“教學處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學習和教學研究成果。

四、ICAI系統的模塊結構

1.前端分析模塊：認知能力、學習動機、認知風格

前端分析是美國學者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學設計過程開始的時候，先分析若干直接影響教學設計但又不屬于具體設計事項的問題，本文主要指認知能力、學習動機和認知風格方面的分析。前端分析模塊主要是建立相應的學生特征類型的數據庫。

認知能力的測量采用認記、理解、應用、分析、綜合、評價六個維度，每個維度有“優、良、中、差”四個選項。通過數據分析找出學習者的現狀和期望之間的差距，確定需要解決的問題是什么，并確定問題的性質，形成不同層次的教學設計項目的目標。

學習風格和學習動機通過專門的量表來收集數據。

2.內容分析模塊

教學內容分析就是在確定好總教學目標的前提下，借助歸類分析法、圖解分析法、層級分析法、信息加工分析法等方法，分析學習者要實現總的教學目標，需要掌握哪些知識、技能或形成什么態度。通過對教學內容的處理，確定學習者所需學習內容的范圍和深度，確定內容各組成部分之間的關系，為以后教學順序的安排奠定好基礎。

對教學內容的處理主要包括：教學內容的選擇、教學內容的編排、確定單元目標及對內容進行初步評價、分析教學內容類別及性質等四個基本方面。在構建規定性教學內容處理模式庫時，應對上述四個方面提供具體的方法。[5]

3.決策模塊

教學策略（處方）的制定就是根據特定的教學目標、教學內容、教學對象等條件，來合理地選擇相應的教學順序、教學方法、教學組織形式。在數據庫中建立可供選擇的不同的教學策略（處方），是本文所研究的ICAI系統的主要模塊，也是特色模塊。

教學策略（處方）的制定包括教學順序的確定、教學方法的選擇、教學組織形式的選擇等。教學順序的確定就是要確定教學內容各組成部分之間的先后順序；教學方法的選擇就是要通過講授法、演示法、討論法、練習法、實驗法、示范模仿法等不同方法的選擇，來激發并維持學習者的注意和興趣，傳遞教學內容；教學組織形式主要有集體授課、小組討論和個別化自學三種形式，各種形式各有所長，須根據具體情況進行相應的選擇。教學策略的制定是根據具體的目標、內容、對象等來確定的，要具體問題具體分析，不存在能適用于所有目標、內容、對象的教學策略。

4.評價模塊

在基于網絡環境的ICAI的評價模塊，要依據前面確定的教學目標，運用評價量表，分析學習者對預期學習目標的完成情況，主要收集三個方面的基本信息，一是要收集關于教師對教學設計方案和教學方案實施結果的滿意度的信息數據，二是要收集關于學習者對教學過程、教學策略的適應性的信息數據，三是要看與其他方法相比，本處方中所采用的方法是否有獨到之處，是否有不足之處。[6]在數據分析的基礎上，對教學策略和教學內容的修改和完善提出建議，并以此為基礎對ICAI各個環節的工作進行相應的修改。

5.ICAI系統模型框圖

學習者前端數據采集數據庫包括：認知結構測量及分析系統、學習動機測量及分析系統、學習風格測量及分析系統和學生基本信息系統。系統模型如圖所示。

五、ICAI決策系統實驗數據來源

本課題實踐研究的調查對象來自云南大學，是2008屆市場營銷教育和財會教育本科生，共89人，課程設置為現代教育技術。學生調查表包括本科生基本信息表，所羅門學習風格量表，學習者認知能力調查問卷，學習者學習動機調查問卷四份表格組成。實際收到數據表89份，有效數據表75份。數據表中的信息選項根據所占權重，統一折合成百分制進行處理。

六、總結

本文把教學設計理論、方法與“現代教育技術”課程相結合，擬研發出一個基于綜合集成方法論的廣義智能網絡教學設計輔助系統。主要研究成果如下：

（1）把綜合集成方法論引入解決教學設計這一不良結構問題；

（2）結合數字化方法和數據挖掘技術，它能對學習者進行數字化的前端分析；

（3）它所自動化給出的教學設計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風格施教、因需要施教；

（4）它所自動化給出的學習者學習建議方案，有利于促進學習者自主學習。

現有的CAI存在的許多問題隨著新技術的不斷出現而顯得越來越不能適應新環境的需求，因此以基于網絡環境的ICAI為代表的新計算機輔助教學系統，將是教育教學研究人員在教育技術上需要不斷探求、努力實現的發展方向。

參考文獻：

[1]楊采堅，董玉銘.智能教學系統設計[J].中國電大教育,1993（3）.

[2]于景元,涂元季.從定性到定量綜合集成方法――案例研究[J].系統工程理論與實踐,2002.5.

[3]錢學森,于景元,戴汝為.一個科學新領域：開放的復雜巨系統及其方法論[J].自然雜志,1990(1).