APP下载

人工智能教育大脑:以数据驱动教育治理与教学创新的技术框架

2021-03-29顾小清李世瑾

中国电化教育 2021年1期
关键词:教育治理数据驱动教学创新

顾小清 李世瑾

摘要:以数据驱动教育治理与教学创新在智能教育应用理论与实践领域已获得广泛共识。如何解决“数据孤岛”和“数据无章”等现实问题,成为推动智能教育应用与方法创新的关键。雷·库兹韦尔在《奇点临近》中最早以智能大脑为隐喻,通过给大数据植入数学算法,模仿人脑机制融合思考、解释预测海量数据的机理,进而做出有逻辑关系的相关行为信息判断。城市大脑正是利用智能大脑解决了因算力、复杂度等原因难以处理的城市治理和发展问题。类似地,智能教育大脑是海量教育数据模型、深度学习算法、高度计算力等智能化技术与算法的融合体,遵循“数据处理一模型训练一模型测试评估一服务应用”技术路线,通过科学规范的数据聚类、数据认知、决策优化、搜索挖掘、预测干预等过程,汇聚多元化的数据类型,打破数据之间的流通壁垒,保障精准的教育实践形态。基于此,该文立足于推动智能教育应用的视角,以人工智能教育大脑作为隐喻,从“是何”以及“如何”厘清其本质内涵与功用,聚焦教育数据治理与智能教育大脑关键技术应对挑战。同时,从有效学习行为发现与分析、素养结构深度刻画与诊断、个性化素养提升与干预决策等方面阐释人工智能教育大脑如何赋能教育,以期为教育数据治理工具与教学创新的转型提供新的思路和路径。

关键词:人工智能教育大脑;数据驱动;教育治理;教学创新;技术框架

中图分类号:G434

文献标识码:A

一、引言

在人工智能的世界里,数据是一切事物的本质[1]。以数据驱动精准治理与创新实践的范式已获得广泛认可。如何解决“数据孤岛”和“数据无章”等现实问题,需要借助人工智能这样的超强计算处理技术。雷·库兹韦尔在《奇点临近》中最早以智能大脑为隐喻[2],通过给大数据植入数学算法,能够模仿人脑机制融合思考、解释预测海量数据的机理,进而做出有逻辑关系的相关行为信息判断。

教育人工智能同样如此,一旦脱离数据的海洋,必然如无米之炊一般,慌乱且无所适从。然而,令人遗憾的是,教育应用系统的数据面临诸多现实瓶颈,或是彼此间功能割裂,各系统标准不统一,数据杂乱无章;或是各系统数据融合困难,数据分析不够全面;或是数据处理速度无法匹配数据量级,导致强实效性数据的价值大打折扣;抑或是教育系统对数据的共享需求,带来了数据泄露风险和数据权限管理的额外成本。简言之,数据驱动的教育治理与教学创新并不健康[3]。如何优化海量数据的采集方式,打破多源异构“数据块”的流通壁垒,让教育人工智能可以采用实时有效的数据完成自主学习、自我优化、分析推理等工作,是推动智能教育应用创新的核心议题。

城市大脑利用智能大脑优势,通过全面采集、集成、分析和挖掘城市空间的大量异构数据,科学解决城市“四肢发达、头脑简单”的弊病[4]。类似地,人工智能教育大脑顺应数据处理与智能本质的需求,从数据驱动的“神经中枢”切人,运用数据挖掘、图像识别、深度学习等技术,通过科学规范的数据聚类、数据认知、决策优化、搜索挖掘、预测干预等过程,借助“计算、数据、万物、智能”等优势推动智能时代教育生态圈健康持续性发展[5]。需要指出的是,人工智能教育大脑实质是海量教育数据模型、深度学习算法、高度计算力等智能化技术与算法的融合体,如同人类大脑,具备理解、交互、情感、计算、决策等强大能力,能够满足优质化的教育数据需求。基于此,本文从多元领域透析了数据驱动的发展诉求,并以人工智能教育大脑作为隐喻从“是何”与“如何”厘清其本质内涵和功用,聚焦教育数据治理与智能教育大脑关键技术应对挑战。同时,从有效学习行为发现与分析、素养结构深度刻画与诊断、个性化素养提升与干预决策等方面阐释了人工智能教育大脑如何赋能教育,以期为教育数据治理工具与教学创新的转型提供新的思路和路径。

二、问题的提出

(一)学习分析研究十年回顾与未来挑战

最能够体现数据驱动的学习诊断与决策支持的,是以学习分析技术为核心的十多年研究。2011年2月27日-3月1日,以“学习分析技术在技术、社会和教学等维度的整合”为主题的首届学习分析技术与知识国际会议(Learning Analytics and Knowledge Conference,简称LAK)在加拿大阿尔伯达省班芙市隆重举行,迄今为止,学习分析研究已近十年[6][7]。回首过去十年研究,学习分析技术作为智慧的技术形态,在学习、教学和研究等领域突显强大功效。学习领域,学习分析技术作为学习者自我评估、诊断、导向与危机预警的有效工具。其一,可视化的学习分析结果反馈,利于学习者自我评价与规划自我目标的实现。其二,多元化的算法和数据模型能够诊断学习者个性化需求。其三,实时监测的学习轨迹与交互进程,提供了促进自我导向学习的机会。其四,识别提取学习进程中隐含的、潜在的、有用的信息,为学习者(尤其是高危学习者)学业表现提供科学预测、及时干预和指导。教学领域,学习分析技术采用数据驱动的方法,为理解教学过程、评估教学设计、靶向式更新教学活动和干预教学决策提供科学依据。例如,学习分析技术系统中多情境数据,能够帮助教师更好地理解学习者的需求、风格和活动轨迹,针对性地优化教学决策[8]。研究领域,学习分析技术理解和关注学习发生的内在机理,为个性化学习设计和评估教育效益提供重要保障。例如,loannou通过分析学习者的课堂行为数据,证实了交互式游戏化学习设计模型能够促进学习者的愉悦感和同理心[9]。

理解、设计与服务学习是学习分析技术的基本理念,它得益于多元化和情境化的数据驱动。正如Ferguson所强调,数据是驱动学习分析技术发展的强催化剂[10]。然而,由于教育实践动态变化且复杂多样,加之个体特质与数据的“不完全彌合性”,数据驱动的学习分析技术正面临诸多挑战。其一,如何获取多源情境的学习数据,确保解释和预测的科学性。其二,如何平衡多源异构数据的丰富性和兼容性,是精准教学干预的关键,例如,教育人工智能技术丰富了学习者的面部表情、肢体语言等行为数据,但如何有效融合数据和兼容计算仍是目前面临的挑战。其三,如何解决算法和数据的孤立性,如何应用群组算法实现同伴合作的学习方式。其四,数据挖掘结果仅能表征技术应用于教育的阶段性效益,如何验证长期效用是学习分析技术面临的新挑战。未来,如何获取多元优质的教育数据,遵循科学有效的数据决策过程,是推动学习分析技术发展的关键。

猜你喜欢

教育治理数据驱动教学创新
教育治理背景下班级文化建设的策略分析
基于网络与数据智能化的数码印花产品设计定制模式研究
数据驱动理念在大学英语课程中的应用
大数据背景下的警务模式创新研究
中职美术创新教学实施的方法探究
读写结合探寻初中记叙文写作教学新路径
中职 《电机与拖动》 课程教学的改革与创新
治理定义下的教育治理引论
自治与问责的平衡:高等教育治理的保证
《计算机控制技术》课程教改探讨