刘三女牙

把新的信息技术跟教育进行结合，以满足教育现代化的发展需要，以迎合或助力教育现代化的发展。目前在技术和教育相结合的过程中，技术与教育之间的关系发生了新的变化。

教育信息化的发展

一、新变化

第一个变化是长期以来教育信息化被其他领域看轻，甚至领域内的教师也不以为意，认为是无关紧要的。最主要的原因是早期教育技术的应用是公众性、辅助性的，以前称为计算机辅助教育或电化教育，它是一个辅助性的学科，后来才改为教育技术学。直到现在，技术跟教育才真正走向融合，而这种融合体现在方方面面。

第二个变化是应用及实践的要求。以前的应用很多都是单点的探索或实践，现在走向融合，成为有深度的、系统性的创新。现在无论哪个区域，比如说一个省，都要建平台、建生态，而不是单个地推某个应用。因为单个应用不能解决所有的问题，而且教育是很复杂的系统性的东西，它需要使用整体的解决方案来满足其方方面面的需求。

二、新态势

关于新的态势，像教育云搭台，它永远不会过时。教育云是基础性的设施，没有它就没有现在和未来。在教育云、教育大数据的基础上畅想人工智能会成为教育明星，这是我个人的基本判断。数据意义下的智能技术在教育领域中的应用，或者说是智能教育，可能会成为下一轮的热点。但是我不希望大家为了追逐熱点而追逐热点，我们要从研究或者实践的角度，去把智能教育变成一个扎扎实实的存在。我们要扎扎实实地在教育信息化领域里深耕，以服务教育现代化的建设，这是最重要的。目前这个态势已经非常的明晰。

教育信息化的挑战

如果要把大数据和人工智能技术融入到教育中，真正地发挥它应有的作用，进行深度的、系统性的创新和能产生化学反应的应用，而不是简单的浅层次的应用，那么，我们会面临哪些关键的问题和挑战？

一、承担的使命

从研究的角度来说，我们承担了重要的使命，我认为主要体现在三个方面：第一，在新的态势下，如何去认识教育主体。举个简单的例子，研究表明，现在的学生每三年平均智商要提高1～3个点，也就是说每过三年学生的平均智商就要高一些，可能是因为他们的智力开发得更彻底，这说明学生是随时在变的。那么，在教育实践过程中，如何认识和把握教育主体（也就是学习者），是个重大的使命。第二，如何构建未来的学习环境。未来的学习环境不是我们今天谈的智慧校园和智慧教室这么简单，它是统一的，即把物理的空间和技术与网络空间整合起来，让其服务于学习者的成长或者教与学的需要。由此，引出了第三个方面——如何实施未来的教学，即如何进一步发展教育教学理论，或者说如何重构信息时代的教学理论，这是非常重要的。因为未来的人才培养方式和人才培养的需求、环境、授课对象都发生了变化，所以，现有的教育教学理论必须要重新思考和重新架构。

二、基本的科学问题

如果要完成上述使命，就带来三个基本的科学问题：第一，学习主体的可理解，这要从研究的角度或者从信息技术学科的角度来进行解释。第二，教育情境的可定制，教师在理解学生的基础上，还要对整个教育教学的场景进行把控。第三，学习服务的可定制，也就是说我们要在理解学生的基础上，在特定的场景下，给学生提供丰富的学习服务，帮助他们完成学习任务。

三、教育智能化的四个方面

基于以上三个科学问题，我们如何去解决，主要着力点又是什么？大数据和人工智能技术应用到任何一个领域都分为以下四个方面：第一个是计算能力，比如云计算平台、超算平台（高性能计算）、AI计算平台;第二个是数据，要有大量的数据来提高系统的智能性，给算法提供相应的养料;第三个是算法;第四个就是场景。

大数据、人工智能技术与其他领域结合分为这四个方面，教育亦如是。在教育领域，要把计算能力、数据、算法和教育场景无缝地结合起来，才能够产生我们想要的结果，而不是简简单单地把知识点放在某个场景里或者提供一个工具就能解决问题。据此，我把教育智能化归纳为四个方面：理解力、感知力、服务力、计算力。

理解力。理解力的核心问题是如何去理解学习是怎么发生的和学习过程中到底发生了什么，这就涉及学习科学的领域。学习科学问题的解决其实是一个很复杂的过程，它不仅需要信息技术知识，还需要教育学知识，以及心理学、生命科学、脑科学、神经科学等知识，需要综合地解决问题，其核心问题是了解学习的规律。从信息技术与教育结合，以及我国教育信息化的实践角度来说，我们可以从宏观行为的鉴别上了解学习规律这个层面，然后去做一部分工作。综上，理解力不仅是教育领域的问题，而是一个多学科交叉的问题。教育所服务的对象是人，人本身就是个复杂的个体，而人类对自身的认识还停留在初级阶段，所以，这方面我们可做的事情有很多。当下，首先要了解学习是如何发生的，以及学习的过程中到底发生了什么，这样可以让教师更好地指导学习者，让学习者更好地认清或者把握自己的学习方向。

感知力。感知力可定义为感知计算，就是如何利用新一代的信息技术，了解或者感知学习过程中的学习者和学习场景。它的核心问题是如何利用显性行为进行非侵入式感知。比如，我们要感知学生的心理或者身体状态，现在的做法是戴一个电极帽或手环或其他穿戴设备，这样的行为叫做侵入式感知。这种侵入式感知在实际场景中很难被实现，因为它改变了学习者的行为，是件很麻烦的事情。而非侵入式感知，举几个教育场景中对人体行为无影响的例子：如摄像头就是非侵入式的，它在你不知道的情况下进行感知;如光谱技术，光谱技术是通过光打到脸上，从而获得该对象面部的血流状况，包括心脏搏动时血压细微的变化，通过这些测试对象的心率;如毫米波，毫米波的技术主要用在智能驾驶领域，即物体的识别，毫米波可以获得对象的ECG信号（心电信号），心电信号与人体的情绪有密切的关系，我们可以通过心电信号的情况推测对象的情绪状态，而情绪状态与学习成效又密切相关;还有红外技术，比如微软Kinect用红外进行动作捕捉，可以捕捉到人的头部姿态、举手等动作。这些技术的代入都是以往教育信息化从业者无法想象的，过去只是把多媒体技术放到教育中，比如做个PPT、动画，把资源数字化等，这些只是教育信息化的第一步。更重要的是，我们要利用新的信息技术来解决以往教育场景中做不到的事情。所以，发现问题并运用技术来解决问题很重要。

服务力。服务力就是用算法来定义学习。《未来简史》一书中说，算法可以定义一切、计算一切，如果情感都可以计算，那算法也完全可以定义学习。那么，我们如何进行个性化的诊断分析？如何进行个性化的学习路径规划？并在这个基础上，通过优化学习流程，制订个性化的学习路径，实现个性化的知识供给？如今知识供给的方式还是规模化的，比如一本书、一份教材，所有人都可以学。这就引出了一个更深层次的问题，即机器系统的适应性能力培养，其中最重要的是建模和分析，而所有建模和分析的核心还是获得数据。

计算力。计算力如何構建未来？运用技术的力量来打造未来的学习场景或学习环境时，如何把机器智能和人类智能相结合？在教育场景中机器不可能完全替代人类，人类与机器势必共存，比如教师和学习者一定是在教育活动中的。所以未来的教育场景要虚实结合，把物理化的学习场景和网络学习场景相结合，把机器的智能和人类的智能相结合，服务于学习者的学习和成长。从技术的角度来看，它研究的是以下两点：1.从边缘计算到边缘智能。教育的发生多在边缘侧，人在中心。而计算机领域中有边缘计算这一概念，即不把所有的计算都放在“云”上，有时候大量计算还要利用边缘侧的计算能力。因为云计算需要设备有较快的反应能力和本地化服务，如果把所有东西都上传到云端，带宽或计算能力根本满足不了需求。而教育场景是一个典型的以边缘侧为主的场景，要逐步从边缘计算走向边缘智能，实现独特的教育体验和服务。2.从教育云到云端一体化，将“端”和“云”的能力相结合，无论是在装备还是在实践层面上，都需要充分的考虑与准备。

四、能力的问题

另外一个挑战就是能力的问题。教育不是简简单单的知识传授和学习，它涉及人格的养成、价值观的形成等。如何在信息技术的协作下更好地达成我们所期待的目标，存在很多需要去研究的问题。目前，令人欣喜的有两点：一是业界中的研究者、实践者在拥抱新技术，大胆地采用新技术并在传统的教育体系中加以尝试，推动了教育的变革和创新;二是广大研究者已经积极地投入到这一领域，尤其是F0701国家自然科学基金项目的设立，吸引了一大批信息技术学科专家和其他领域的专家，研究力量大大增强了，我们可以通过研究不断地发现问题、解决问题。问题解决后就会反映到教育实践场景中去，也会进一步帮助我们更好地利用技术来促进教育的变革和创新。

之所以说新型人机环境下教育的能力问题是一个很重大的问题，首先是因为在服务人的过程中，能力是一个重要的问题。全球都在讨论人工智能，最热点的问题不是技术，也不是波士顿公司动力机器人的炫酷，而是能力，即人和机器如何共存。如何面对未来教育领域人机共存的问题，是教育智能化的重点，因为教育的服务对象是人，这其实也是我们做任何研究和思考的起点。