当前|?人工智能教育变革的三重境界：赋能、创新、重塑

3.赋能评价：伴随式的教育诊断
评价不是为了证明，而是为了改进，教育评价的意义往往蕴含在过程之中，学生持续付出的努力、学校不断改进的经历、不同教育利益主体的关系变化等，才是教育评价的重点。遗憾的是，现有教育评价过于注重结果，忽略了学生成长和教育发展的过程。在人工智能支持下，教育评价将从“结果视角”转向“过程视角” ，从人才选拔、逐层淘汰为主转向改善学习、促进发展为主，通过伴随式的数据采集和自动化的数据分析，为教育的持续不断改进提供动力。
一是学习分析，通过自适应测验捕获学生解决问题的完整过程，在大数据基础上建立学习分析模型，开展针对性的学习问题诊断和学科能力测评（郭炯等， 2017）。比如，可汗学院提供可视化的学习分析报告，帮助教师准确把握学生的学习进展和知识掌握程度，并以此为依据调整教学策略。
二是大规模的课堂观察分析，利用智能技术对非结构化的课堂行为数据进行分析，包括教师提问的类型、学生回答方式、师生对话深度等，全方位透视学校的课程实施水平（王陆， 2017）。
三是区域教育质量监测，通过全样本、全过程、多模态的教育数据采集，汇聚形成区域教育大数据，包括学生学习数据、学校运行数据、教育资源配置情况、普职学校规模结构等，帮助管理者获得超越个体与局部的洞察力，助力区域教育质量提升。

文章图片
创新教育：
促进“标准化教育”向“个性化教育”转型
随着人工智能不断替代重复性劳动，教育业务流程的智能化和自动化明显加速，一旦达到某个临界点，就会触发教育组织方式的重大调整。正如尼古拉斯·卡尔（2015）所说， “省力的设备不仅可以代替部分工作，还会改变整个任务的特性” 。
如果把“赋能教育”看作是利用智能技术激发教育系统的内在潜力，最大限度地提升标准化教育的运行效率。那么， “创新教育”就是要打破标准化的教育体系，对教育流程进行重组和再造，打造个性化、定制化的教育形态。人工智能将会在“标准化教育”向“个性化教育”转变中发挥重要作用。
1.创新教学：全流程的因材施教
相对于工业时代的大规模集体教学，未来将会产生一种以学习者为中心、基于学习者的个性化差异、适应其学习偏好的学习方式（黄荣怀等， 2017）。
一是人机协同教学。人工智能化身为智能导师和虚拟学伴，为学生提供学习资源、问题诊断和常规性指导。教师将从“教的专家”转向“学的专家” ，通过创造性的教学设计，为学生提供个性化支持。
二是学习关系的精准匹配。真正的个性化学习不仅是学习路径的定制化，而且是学习关系的精准匹配。过去的智能导师系统更多关注于学生的认知发展，在非认知特征识别、师生交互关系判断等方面存在不足。新一代人工智能正在从数据计算走向感知计算、情感计算，通过分析学生在学习活动中呈现出来的非认知特征，包括学习兴趣、学习动机、学习投入程度、课堂交互情况等，帮助教师真正读懂学生，匹配适合的学伴和导师，更好地满足他们的情感和心理需求。
三是以教室为中心的场景互联。利用可穿戴设备和自然交互技术，把全社会的优质教育资源都引入课堂，让学生在教室里就能和各行各业的专家进行互动，包括与科学家联合开展实验、与工程师共同研发项目、与艺术家合作完成作品、与思想家进行深度对话等，从而实现学校与社会的无缝连接。

当前|?人工智能教育变革的三重境界：赋能、创新、重塑 | 头条( 三 )