人工智能與教育系統(tǒng)以人類的知識實踐為紐帶，兩者存在多層次、復雜且密切的相互作用，人工智能應用于教育實踐具有邏輯必然性。人工智能是科學、工程與數(shù)學，但是人工智能教育應用是具有社會歷史文化屬性的人類教育實踐，其大范圍開展有賴于教育主體(教師、管理者、學生、組織機構(gòu))理解人工智能在教育活動中的作用方式、可能與限度。本文從微觀教育過程層面，分析人工智能是“如何”應用于教育的，即其實現(xiàn)教學自動化的方法。

從核心實現(xiàn)技術(shù)的角度看，智能教學系統(tǒng)可以分為專家系統(tǒng)和機器學習兩類。本文選擇四個智能教學系統(tǒng)，分析其實現(xiàn)教學自動化的方法。 (始于1983年)和(始于1998年)是典型的基于專家系統(tǒng)的智能輔導系統(tǒng)。前者是交互式學習環(huán)境，發(fā)展學生的認知技能；后者是虛擬主體，通過自然語言對話促進學生對概念的理解?！爸悄堋蹦K均采用機器學習技術(shù)，但教學功能與外在表現(xiàn)差異很大。前者是針對大學教學的學習分析，利用歷史記錄與學習過程數(shù)據(jù)預測學生成功學習課程的可能性；后者用于中小學網(wǎng)絡科學探究學習，智能模塊對學生有關(guān)科學問題的回答自動進行評分，根據(jù)評分結(jié)果分配反饋指導語，以促進科學知識的整合學習；兩者的教學信息由人類教師直接提供或通過多媒體學習材料傳遞呈現(xiàn)。四者均有實證研究支持其教學的有效性，前兩個智能輔導系統(tǒng)已衍生出多種大規(guī)模應用的商業(yè)產(chǎn)品。

以專家系統(tǒng)為基礎(chǔ)的自動輔導。以認知任務分析為基礎(chǔ)，實現(xiàn)認知技能的自動輔導。計算機為學生創(chuàng)建一個高度結(jié)構(gòu)化的問題解決環(huán)境，能夠逐步跟蹤、判斷學生的問題解決過程，并適時提供反饋、提示與幫助。為支持特定認知技能的學習，需詳盡分析完成任務所需的陳述性知識和程序性知識，利用產(chǎn)生式系統(tǒng)表征知識，為學生提供解決問題的認知工具，系統(tǒng)跟蹤問題解決過程，將學生的表現(xiàn)記錄在學生模型中。功用于中小學代數(shù)、幾何等內(nèi)容的學習。

對于給定學科內(nèi)容的教學過程，教學推理與行動模型是個很好的分析框架，與中小學教師的日常教學實踐過程高度契合。其基本假設(shè)是：“教學是觀念交流的活動。教師首先掌握、探索和理解一個觀念，把它轉(zhuǎn)換為自己的思想，從多個角度去理解它。然后，這個觀點要被重新塑造或修正，直到它能夠被學生所掌握?！奔唇虒W遠不止是課堂上的幾十分鐘，完整的教學過程包括理解、轉(zhuǎn)化、教學、評價、反思和新的理解六個階段。在教學過程中，不但學生對某一主題的理解有變化，教師的理解同樣在更新。模型中的具體任務可由人完成，也可由計算機完成。

從這兩個案例看，專家系統(tǒng)類的人工智能教育系統(tǒng)僅實現(xiàn)了教學知識應用的自動化?？梢姡屯暾虒W過程而言，計算機能做的實際上很有限，計算機還無法勝任理解教學內(nèi)容、轉(zhuǎn)化、反思和形成新的理解等任務，能夠自動化(由計算機完成)的是教學與評價。即“理解”了知識且能“施展”技能的計算機系統(tǒng)，能夠為學生個體或小組提供動態(tài)適應的教學，例如個別化的速度、學習路徑、反饋和練習題目等，并在學習過程中全面評價學生的學習過程與結(jié)果利用產(chǎn)生式系統(tǒng)(“如果……，那么……”的規(guī)則集合)存儲人類專家的內(nèi)容知識，在恰當?shù)臅r候針對學生的問題解決給出相關(guān)知識。課程開發(fā)成本高昂主要是因為需要手動為系統(tǒng)提供知識，需要進行詳盡細致的認知任務分析，將專家的陳述性知識和程序性知識顯性化，同時還要轉(zhuǎn)換為產(chǎn)生式規(guī)則輸入計算機，這一過程費時費力。解決知識獲取難題的途徑有兩個：一是通過創(chuàng)作工具提高人類專家輸入、管理知識的效率，降低操作的認知難度；二是通過提供范例，簡化知識獲取與表征。

以機器學習為基礎(chǔ)的自動模式發(fā)現(xiàn)與識別。工作流程類似，所不同的是樣例特征與類別。從基本邏輯看，兩者都假定以往的樣例(以往學生的學習記錄和回答)在未來仍保持穩(wěn)定。若學習者和學習情境有顯著變化，則訓練出來的模型的預測力就會下降，需要更新訓練數(shù)據(jù)集或者調(diào)整參數(shù)，甚至換成其他算法。這一過程不僅耗費人力，而且對執(zhí)行者的專業(yè)能力有很高的要求。

機器學習之所以受到重視，根本原因在于其部分解決了知識“分析(生成)”難題，算法可以從案例中自動發(fā)現(xiàn)知識。更準確地說，應該是發(fā)現(xiàn)模式，即pattern，哪些屬性經(jīng)常會一起出現(xiàn)，通過屬性之間的相關(guān)，在不確定因果的情況下也可以實現(xiàn)具有實用價值的預測。從根源上看，機器學習所獲得的知識還是來源于人類，它不過是將隱含于案例中的人類知識挖掘出來。在教育領(lǐng)域，高質(zhì)量的已標注案例數(shù)據(jù)集不多見。最容易想到的，也許就是高利害考試中已評分的題目。批改作文的人工成本高昂，標注案例數(shù)據(jù)豐富，人工智能技術(shù)很早就大規(guī)模應用于ETS的GRE、托福等考試的作文評價也就不足為奇了。但機器學習技術(shù)的局限在于：一是需要大量的實例，如要為作文評分，系統(tǒng)需要某一作文題目下不同級別的文章實例，機器運用算法從這些文章中發(fā)現(xiàn)不同分值文章的特征；二是分類機制難以解釋；三是特征設(shè)定還需要人工完成；四是缺乏常識，評分系統(tǒng)實際上并不能理解文字的含義，無法像人一樣感知、理解文章。這樣造成的后果就是非常新穎且有創(chuàng)造性的作文很可能被判低分。

綜上所述，人工智能是如何實現(xiàn)教學自動化的?針對典型智能教學系統(tǒng)的案例研究表明：以專家系統(tǒng)為核心實現(xiàn)技術(shù)的智能輔導系統(tǒng)主要實現(xiàn)了人類學科知識和教學知識的自動化應用，知識采集和分析尚需人工完成；以機器學習為核心實現(xiàn)技術(shù)的學習分析系統(tǒng)與自動指導反饋(如WISE+c-Rater)，從歷史數(shù)據(jù)中發(fā)現(xiàn)模式，用于預測與識別現(xiàn)象，其自動化的是模式發(fā)現(xiàn)與應用，而準備歷史數(shù)據(jù)、選擇與調(diào)整算法需要人工完成。人工智能在教學“完整”過程中的作用還非常有限，靈活性與適應性還比較差，代替人類教師還很不現(xiàn)實。智能教學系統(tǒng)在增強教師方面比替代教師有更廣闊的空間。

審核編輯：符乾江