赵云渤  张东宇  李洁敏  楼武林  赵鑫

《新一代人工智能发展规划》提出，要利用人工智能技术加快推动人才培养模式、教学方法改革。该文件为将人工智能技术引入中学教学领域的改革与实践吹响了冲锋号角。目前，已有多款成熟的人工智能产品投入教学应用，常见的是以计算机算法为基础的智能教学平台，如智学网。这些智能教学平台可以有效驱动教师教学决策，使得教学过程和教学结果可量化、可调控，为教师的教与学生的学精准赋能。然而，目前对现代信息技术在中学教学领域的研究更多地集中于智能软件对中学教学的助力作用，对智能软件在中学教学中的深度应用涉及不多。

笔者基于对北京市某中学高三年级选考地理学科的学生进行问卷调查，主要内容聚焦在使用过的软件及软件功能。调查问卷分为三个部分。第一部分为学生个人及软件使用的基本信息，第二部分是研究的主要方面。问卷采取“集中答题，当场收回”的方式，填写时间为30分钟。为确保调查对象具有代表性，本次研究问卷共发出168份，收回168份，有效问卷164份，问卷有效回收率为97.4%。调查结果显示，62%的学生看好智能软件在未来教育领域的应用，认为两者的融合会越来越紧密，但也对智能软件应用中出现的信息过载、认知疲惫、隐私安全等问题，表现出较强的关心与担忧，期待智能软件在算法上进行优化，助力学生自适应学习，建立一套有效的学习激励机制。本文基于此调查结果，结合智能软件在中学教学中的应用，谈谈自己的思考。

一、建立有效的领域素养图谱，引导学生构建知识图式

素养图谱是根据知识的内在关联性建构的一个呈现网状关联的结构图，突出了从关联角度进一步认识世界的能力。人工智能学习人类的思维方式建立素养图谱，已经成为一个研究方向，如北京师范大学研究团队构建了基于知识图谱的唐诗语义搜索引擎。这项技术的应用既为学科知识的建模提供了可能，也提供了更多元的信息处理方法，从而推动智能教育从感知智能迈入认知智能时代。

然而，在学科素养图谱建构中，还存在很多问题，如自动化建构不准确，人工建构需花费大量人力、物力等。笔者从学科角度出发，通过平衡自动化方法和人工参与，建议在以下两方面建立有效的领域素养图谱，引导学生构建有效的知识图式。

（一）加强知识间的粒度，细化拆分为较小的知识

以地理学科为例，其知识多按照学段、年级、章节内容分类。其实，还可进行多级拆分，如在原有分类的基础上添加二级分类知识点、三级分类知识点，这样有利于教师更精准地选题，以及基于学生掌握模糊知识点进行精准推送。以高中地理选择性必修一“地质作用”一节为例，教师可以形成如下的知识框架（如图1）。

基于细化的知识建构的学科知识图式，能够更高效地促进教师的教和学生的学。

（二）建立多维度的认知能力图谱

目前，对于学生能力的考查，多从知识的难易程度上进行分类，但在实际操作中往往过于粗糙，需要细化。教师可以基于学科核心素养，如地理学科核心素养是人地协调观、综合思维、区域认知、地理实践力，建立多维度的认知能力图谱，从而提升学生学习能力，也更利于学生核心素养的培养。

还可基于学生知识认知进程划分关联关系，建立多维度的关联图谱。以地理学科为例，参考杨娟等设计的教育知识图谱KSCG模型（如图2），建立地理学科三个维度的素养图谱。

以中学地理教育为例，教师可以以地理要素为基本知识元建立知识图式，每个知识元之间的联系以地理要素之间的相互作用原理为基础，每个地理要素又可划分出二级、三级重要概念，通过相关原理联结，进而形成图1所示的更为细化的知识框架。在资源图式中，教师要把课程材料、习题材料、研学实践案例等资源进行系统的整合与分类，并与相应的知识元建立关联。在认知能力图式中，教师可以地理学科核心素养的四个方面，首先建立四种认知能力，然后细分这四种认知能力，如将地理实践力划分为户外考察、社会调查、模拟实验等方面的能力，并提出具体的学习路径，最后与资源图式形成关联关系。最终，通过多维度的学科认知图谱，运用多元化资源，让人工智能更加高效地为教育教学服务。

二、学生画像+智能化学习，助力学生自适应学习

（一）建立更精准的学生画像

在教育领域，结合学生学习行为、日常生活数据开展的数据分析研究及标签化过程被称为“学生画像”。学生画像可以打破传统的总结性评价，建立更加丰富的学生个性化评价。利用大数据采集学生学习数据构建的学生用户画像主要包括以下五部分（见表1）：基础要素、学科要素、个性化要素、发展要素评估和差异要素评估。当前，个性化要素是缺失的，它应是后续智能教学平台应该重点关注和构建的内容。补充个性化要素，能够更好地提高学生画像的准确度，制订出更加个性化的辅助学习方案，提高学生自适应学习效果。

（二）形成更好的学习激励模式

如果采用了适当的激励方法，就会显著提升学生的学习动力。目前，智能教学平台比较重视对学生学习过程的激励，但相对简单，大多是在学生完成阶段学习任务时给出分数、图片或者文字激励，很少是个性化、多角度的激励。针对这一问题，智能教学平台可以基于学生个性化画像特征，创建多形式的激励模块，调动并保持学生学习的积极性。一方面，按照学段进行划分，如在小学学段完成学习任务后用趣味动画奖励，在初中学段用虚拟人物比拼竞赛方式奖励，在高中学段用进阶通关方式奖励；另一方面，按照人的性格划分，如可以将学生的性格分为9种（如图3），制订有针对性的激励方案，如针对成就型学生应协助他树立目标和方向，针对领袖型学生进行职务激励，等等。这种多元化的激励模式，能够激发学生的学习兴趣，调动其学习的动力，提高学习效率。

三、改進智能算法，减少信息过载导致的认知倦怠问题

当前是一个信息爆炸的社会，信息严重过载，数量超过了人的接受处理能力。而且，获得高质量信息的成本越来越高，甚至出现使用者对信息的认知倦怠现象。例如，在智能教学平台上搜索知识点“地质作用”时，如果没有限制条件，教师可获得的资源有55389个。增加选择限制条件“高三年级”“2022年”“试题试卷”“有答案”“有解析”后，搜索结果降至1819个。但是，即使大比例减少了数据量，教师在选择合适、优质资源时也很费力。除去对数据资源的筛选，我们经常发现，因为人类存在思维惰性，学生或者教师在收藏夹中会收集很多资源，但是不会再次浏览，让它们成为“沉没信息”。

学生的问卷调查结果也显现了同样的问题。图4是学生考试后希望通过软件获得的信息。实际上，各软件中分数查询和错题推送两大功能相对比较完善。特别是借助错题推送功能，教师可以向学生推送海量的错题，但学生真正关心的学业成长性分析、错题的教师视频讲解这两类信息却非常少。

解决信息负载问题，一方面要提高信息接收者的处理能力，如对收藏夹的内容进行二次推送，信息处理后及时给出正向反馈，更易于实现不同电子界面的阅读；另一方面，降低信息密度，进行更精准的信息推送，改善算法，让使用者获得更适合、更个性化的信息。例如，智能软件能够对个体学生单一学科的一学期甚至三年的学习情况进行反馈，对学生的平时作业和测试进行智能化分析，并将知识点按照错误率进行难度分级分类，从而对学生的学习情况进行评估，生成个性化的学习反馈报告（如图5）。学生收获属于自己的个性化学习报告后，也就有了一套属于自己的由易到难的知识题库，及时明确自己的知识难点，高效安排学习，避免学习漏点的堆积，有利于学习重点的掌握、学习难点的突破，避免学习的盲目性。这减少了学生无效信息的堆积，实现学习的提质增效。

在智能处理技术快速发展的当下，学生在大数据面前如同“透明人”，隐私侵犯和数据泄漏风险较大，如何保护学生隐私和防范数据泄露风险成为当前亟待解决的问题。因此，在信息技术飞速发展的时代，运用智能教学平台时，各方主体还需从不同角度维护学生的权益。如政府要发挥监管职能，进一步完善相关的法律法规，定期检查，对违规行为进行处罚；智能平台和软件开发企业要划定“红线”，开发保护隐私的技术和软件，规避法律风险；同时，还要加強对公众的宣传和教育，降低维权成本，营造出全社会保护隐私的大环境，从多个方面共同努力保护学生的合法权益。

综上，随着现代信息技术的发展与教育理念的更新进步，智能软件平台定会不断地完善与优化，从而更全面、高效地赋能教育教学，增强教学效益。

参考文献

[1] 李振，周东岱，王勇.“人工智能+”视域下的教育知识图谱：内涵、技术框架与应用研究[J].远程教育杂志，2019（4）：42-53.

[2] 互联网教育智能技术及应用国家工程实验室.唐诗别苑——基于知识图谱的全唐诗语义检索与可视化平台[EB/OL].[2019-06-10]. https：//cit.bnu.edu.cn/kxyj/kyzy/53588.html.

[3] 杨娟，杜旭，李浩.自适应学习系统中教育知识图谱模型构建研究[J].中国教育信息化，2021（24）：24-29.

（作者赵云渤系北京市第八中学高中教师，高级教师，西城区兼职教研员；张东宇系北京市第八中学高中教师；李洁敏系北京市第八中学高中教师，超创中心教师；楼武林系北京市第八中学高中教师，西城区骨干教师；赵鑫系北京市第八中学高中教科室主任，北京市特级教师）

责任编辑：孙建辉