论文 | 任重道远：人工智能教育应用的困境与突破
文库划重点：教育是非常复杂的系统，既涉及教和学过程的方方面面，又涉及学校、家庭、社会、政府的各个体系。现有研究对人的发展的理解还很有限，也难以找到构建这一复杂而又庞大的推理和决策系统所需要的规则。这些规则既要融合计算机科学和统计学的技术及理论，又要融合教育学、学习科学、心理学、脑科学、认知神经科学等成果。研究这些规则比研究人工智能技术本身更迫切。
摘要
近年来，人工智能技术在教育领域的应用成为热点，学界、产业界、教育实践一线都将人工智能技术视作促进教育公平，提升教育质量，实现教育个性化的重要突破口。本研究首先梳理了教育发展的核心目标，并通过对人工智能技术的分析和当前主要人工智能教育应用实践的讨论，阐述了人工智能技术在教育中的应用前提条件是对规则的清晰需求，而在人才培养过程中，基于传统教育学和心理学的学习者发展规则并不完全明确，尤其是针对学习者的非认知目标的发展。因此，人工智能技术的教育应用，首先必须具备的基本条件是对学习者发展规律的认识，这种认识需要教育、心理、脑科学、系统科学等多学科协同探索，构建出清晰的评量、匹配、干预规则。只有建立有效的规则体系，方能让基于深度学习的人工智能技术具备用武之地，并进一步实现数据分析结果的可解释性，从而为对教育教学服务的干预提供指导。研究预期从教育科学和技术科学融合的视角，为人工智能技术的教育应用提供方向性的建议，并为实现深度人机协同提供理论和策略层面的指导。
关键词：人工智能；核心素养；人机协同；监督变量；教育评价；教育应用
一、背景
2017年，中国政府发布的《新一代人工智能发展规划》明确提出发展智能教育，特别强调人工智能对教育的重要性[1]。2018年，中国教育部发布的《高等学校人工智能创新行动计划》进一步明确了人工智能与教育融合发展，尤其是促进高等教育创新发展的总体规划[2]。2019年5月16日，国际人工智能与教育大会在北京召开。国家主席习近平向大会致贺信提出，中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新，充分发挥人工智能优势，加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育[3]。
目前，在人工智能的风口下，产业界大量投资一线教育，尤其是基础教育领域。这里面既有噱头极高的学生面部表情识别应用：以人工智能技术判定学生学习情绪（晋欣泉等，2016）；以学科知识模型为核心，基于能力判别的自适应学习服务（Piech et al.，2015）；也有以学习者建模为核心，形成对学生学业的预测和表现性评价等（郑勤华等，2016）。这些听起来十分高深的人工智能教育应用，实际上是基于学生学习相关领域的大数据聚合，利用机器学习算法模型，为教育教学某个具体场景提供智能化的学习要素测量、评价、预测等服务。而这里的学习要素的核心指向人工智能技术所依据的“监督”变量——学习成绩。我们有理由认为，现在的人工智能技术教育应用，实际上只是浅层次的以认知为导向的人工智能教育应用。
人工智能在教育中的应用，追求的其实是实现个性化智能化的高质量学习。而个性化、高质量的学习，是指能够根据学生的学习需求、已有基础、学习环境、个性心理特征、元认知水平和学习状态等，结合具体的教育目标，量身定制个性化的学习内容、学习活动、学习路径、学习伙伴乃至学习评价。值得注意的是，从基本逻辑出发，如果我们期待用技术实现智能化服务，那就需要首先明确学习者的生理、心理和能力素养等方面的测量指标；其次，我们需要明晰学习服务的供给方（教师、环境、制度、内容等方面）的测量指标（吴忭等，2019）。只有科学建立两者的匹配关系，才可能实现真正意义上的个性化智能服务。然而，这些可能做到吗？或者说在目前的人工智能技术发展阶段，我们做到了什么？带着以上问题，本研究从时代发展对人才培养的目标着手，讨论人工智能技术在教育领域的应用存在什么样的瓶颈，要跨越这些瓶颈，需要怎样的方法论作为我们后续智能教育实现的抓手。
二、人工智能教育应用的基本逻辑
自1956年人工智能被确立为一门学科以来，人工智能技术已在很多领域发挥作用，甚至开始替代部分岗位上的职能人员，引起社会各界对平等、边界等问题的关注和讨论。AlphaGo打败世界级棋手是人工智能计算能力远超人类的证明，而高考机器人的研发代表了科学家们正努力寻找现阶段的人工智能在“理解”能力维度所能达到的最高水平。目前基于图像处理、语音识别、自然语言处理、増强现实等技术的人工智能已涉足军事、交通、商业、医疗、教育等多个领域并直指产业核心问题。那么，人工智能究竟能在哪些领域替代人类工作，甚至比人类更优异呢？我们需要先分析人工智能技术目前在真实世界应用场景中是如何生成问题解决方案并实施的。
从Deep Blue到Watson再到AlphaGo，人工智能系统在某些特定领域已表现出超越人类的趋势。在不断优化的算法支持下，人工智能系统依据完备的计算规则，加上高端材料提供的计算能力，解除了人类大脑和身体从事复杂繁重的工作，极大地解放了劳动力。但不可否认的是，即使基于数据驱动的深度学习算法对机器进行大量训练后已能达到较好的分辨水平，但目前的人工智能系统也无法真正理解真实世界的各类事物。1984年美国微电子和计算机技术公司（MCC）启动了Cyc研究项目，目标是通过对人类日常生活常识综合建立本体论和数据库，使人工智能具有和人类相似的推理能力。Cyc项目建立了Doug Lenat专家系统，让市民每天输入不同常识，建立可持续学习的人类常识知识库，用于回答和解决一系列的科学和技术难题。系统将人类理解力分解为数以千计的“微理论”，并尝试用逻辑符号将它们翻译为基本规则。项目的官方网站首页[4]将AI定义为“Actually Intelligent”而非现在通用的“Artificial Intelligence”，说明其追求的也是理解能力和推理能力更强的人工智能系统。
然而，运行了二十多年的Cyc项目及其他类似项目均没有取得显著成果。张钹院士指出，目前的人工智能还是弱人工智能，强人工智能只是概念，距离实现和应用还有较长的距离。弱人工智能相比强人工智能缺乏强大的理解能力，在许多领域中仍存在局限。即使掌握了数据和知识这两大资源，现在的人工智能所能应用的场景还需要满足“确定性信息、完全信息、静态的、单任务和有限领域”五个条件，若一个条件不满足则人工智能的应用将会变得困难重重。也就是说，目前的人工智能仅适用于规则（routine）十分明确的、定义（definition）十分清晰的任务。例如，人脸识别、语音识别、机器翻译等。而一旦涉及到复杂问题的解决，甚至需要一定价值判断时，人工智能技术的应用就变得举步维艰。近期热议的自动驾驶和自动泊车就反映了这一点。虽然技术原理相似，硬件配置也没有太大差别，但自动泊车技术面临的情境复杂度更低，也不受到社会伦理、法律法规等方面的过多约束，系统的健壮性和容错率较高，因此推广难度远低于自动驾驶。
当我们聚焦于教育与人工智能时，不难发现，二者之间有十分密切的协同关系。一方面，教育研究对人类学习模式的探索为人工智能的发展提供了借鉴思路：我们如何从一无所知的婴儿成长为完全的社会人，这实际上就是人工智能需要彻底理解的原理。另一方面，人工智能的教育应用同样需要契合五个应用场景的条件，给定清晰的规则和定义。人工智能在教育领域已逐渐开始大规模且高效地替代人类教师的部分职能，如答疑机器人、考试自动批阅系统等。以目前广泛使用的自动批阅功能为例，机器通过图像识别等技术可以轻松地将考生的答案与标准答案比对，快速生成评分。然而，人工智能对规则的需求使得当前的应用场景非常有限，比如机器自动生成作文评分功能尚未有大规模的应用。若要求人工智能系统基于现有评分规则对作文进行评分，考量的标准难以涉及思想深度、篇章结构等较难量化的维度；若使用深度学习方法对机器进行大量的标注语篇数据训练，即使能生成看似合理的结果，其结果也不具备可解释性。这是人工智能教育应用面临的困境和挑战。
因此，当我们探讨人工智能技术需要如何扩展其在教育教学环节的功能时，必须回归到教育教学活动的根本出发点：教育目标及其评价方式。教育目标是人才培养的标准，其中包含着教育者甚至是整个社会群体的价值观，为教育活动设计奠定基调。教育教学评价是在与教育目标一致的价值观指导下检验教育目标的达成情况，既要分析教育活动实施过程，也要评定教育结果。人工智能技术服务于教育目标，教育目标为人工智能技术的推广和深入应用提供了客观环境。教育活动计划性极强，作为领域专家，我们要时刻警惕不能陷入对技术的盲目依赖中。但我们不能否认人工智能技术的教育应用前景依旧十分广阔。而让人工智能系统初步具备教学活动评价能力，是人工智能教育应用的第一道难关。目前阶段，人工智能口语测评等应用已初见成效，但并非所有人工评价过程均可用人工智能系统替代。审视现阶段的教育目标和为了实现这些目标所制定的评价体系，我们能进一步理解人工智能教育应用面临的发展需求。
三、以人的发展为核心的21世纪教育目标
进入21世纪以来，人才培养目标发生了巨大变化，新的教育目标不再局限于知识技能的习得，更是从人的终身发展角度对人才培养提出新的要求。1996年，联合国教科文组织提出了新世纪终身学习的四大支柱：学会认知、学会做事、学会共同生活、学会生存（Keevy et al.，2015）；2003年，经济合作与发展组织启动了核心素养DeSeCo项目，指出核心素养可分为三方面：使用工具与环境互动（如语言、技术）、与社会异质群体互动、自我管理和自我发展（Rychen et al.，2001）；2006年，欧盟提出终身学习八大核心素养框架，包括母语交流能力、外语交流能力、数学与科学素养、数字化素养、学会学习、社会和公民素养、主动与创新意识、文化意识与表达[5]。2016年底，北京师范大学牵头制定了中国学生发展核心素养框架（林崇德，2017），以培养“全面发展的人”为核心，将其分为文化基础、自主发展、社会参与三个方面，综合表现为人文底蕴、科学精神、学会学习、健康生活、责任担当、实践创新六大素养，并具体细化为人文积淀、人文情怀、审美情趣等十八个基本要点。此外，美国、澳大利亚、新西兰、新加坡等也提出21世纪基本能力或素养框架。这些国家和组织倡导的人才培养目标均体现了终身学习理念：兼顾个人发展和社会发展需求，强调学习的持续性，侧重多方面能力尤其是学习能力的培养。
围绕着国际组织或国家层面设定的人才培养目标，教育评价方式也逐渐成型。现行的评价方式需综合考虑教育目标的框架结构、评价工具获取的途径、评价手段实施的难易程度、评价对象的身心发展阶段、评价结果的可解释性等因素。本研究通过对几个经典案例的调研和分析，总结了部分国家和机构教育评价方式。
总体来看，档案记录评价、标准化测试和问卷量表是较常用的评价方式。一个完整的评价体系往往由多种评价方式综合而成，根据评价对象的学段和评价的能力维度进行调整。虽然教育评价依据的框架不尽相同，但是我们可归结出通用的能力及其对应的评价方式（见表二）。综合全球各大组织机构和国家（地区）所提出的核心素养标准来看，目前面向21世纪、以终身发展为导向的教育目标可分为两类：一是以知识习得为主的教育目标，二是以综合技能为主的教育目标。
以知识习得为主的教育目标强调对学习者认知能力的培养，如语言知识和数理知识能力。以知识习得为主的教育目标评价是目前学校教育评价体系的主要组成部分，这类教育目标以学科为单位，通过标准化测试建立以分数为量化指标的能力评价标准，如奥地利的数学能力素养包括内容（content）、行为表现（action）和复杂性（complexity）三个维度的素养模型，并且国家标准化数学测试项目严格对应模型维度进行开发[10]。
以综合技能为主的教育目标强调学习者在复杂社会中的适应性能力的培养。综合技能又可以分为三个维度：一是思维能力，如创新性思维能力、批判性思维能力；二是社会交往能力，如沟通能力、合作能力；三是自我发展和管理能力，如学习能力、自我管理能力。虽然综合技能被认为是21世纪教育的核心竞争力，但由于缺少对学习成果的具体描述，此类教育目标的评价存在争议。思维能力是学习者面对复杂、不确定问题所表现出的思维方式，主要通过项目式学习评价，评价方式有很强的主观性和开放性。社会交往能力是学习者与其他个体或者群体互动时，建设性地参与互动过程，共同达成目标或解决问题冲突的能力，往往通过教师评价或学生评价实现。在网上学习或混合学习环境中，社会网络分析等方法也可以了解个体在环境中的交互情况，这种评价方式是基于数据且量化的，建立了明确的规则。自我发展和自我管理能力是学习者对自身认知、行为、情绪等的认识和监控的适应性调节能力，这类能力有较强的心理背景，评价方式常结合已有的问卷和量表完成教师评价或学生自评。
四、人工智能教育应用的难题
人工智能教育应用的核心目标是通过机器学习的方式建立人类学习的规则，像人类教师一样给予指导和反馈，以替代教师的部分职能，为学习者提供大规模个性化教育教学服务，这是人工智能应用的美好愿景。然而教育问题的复杂性，决定了人工智能应用不是简单的技术问题，不同教育目标的可量化程度使得人工智能应用面临的问题存在差异性。
清晰、明确、可量化标准的教育目标容易建立机器规则，因此其所对应的教育教学环节是目前教育人工智能应用的主要场景，发展学生知识习得的教育目标是其中的典型。比如，通过学习者学习过程行为海量数据的采集，设计开发学生成绩预警系统（Arnold et al.，2012）；基于专家标注的知识图谱，通过学生的答题情况判断知识掌握程度，以此形成个性化的习题推送系统等（Piech et al.，2015）。这类教育目标已经在教育学领域建立了以分数、正确率、百分位等标准化测试成绩为量化标准的评价，其应用场景和实现算法虽然不同，但应用本质和AI围棋、翻译等领域没有差别。
有些教育目标通过教育学、心理学等手段建立了量化规则进行评价，但这类规则还无法被人工智能识别，例如，元认知能力、自我管理能力、学习能力等。这些能力能通过问卷或观测进行测量，但这些问卷和观测指标还无法量化成机器所能理解的规则。对于这类教育目标，如果要实现人工智能的自动化教育应用，需要让原有评价体系的测量指标可量化。现在已有部分研究开始通过脑电、眼动识别、肢体识别等方式试图建立测量规则，但目前还处于探索阶段。未来如能通过情感识别、认知神经科学等手段将问卷等所测量的心理指标进行自动化检测、采集、分析，也许可以实现对这类能力目标的自动化评价。
在弱人工智能阶段，为了短时间内获得最高的社会经济价值，研究人员和技术人员需要重点攻克上述两类目标，即探索清晰的教育评价规则与机器规则对接的可能性，同时在教育学、心理学等领域确立操作性更强的评价规则，这两者都需要投入大量的人力成本。此外，还有一些教育目标，目前在教育学、心理学等领域也没有给出明确的评价规则，有些甚至没有给出明确定义。例如，现在许多国家虽然十分强调培养学生的创新思维能力，但是什么是创新思维能力，包括哪些维度，如何界定这些维度，每个维度又包含哪些要素，这些问题在教育学界仍存在很大争议。对于这类教育目标，如果要实现与人工智能的结合，首先面临的不是技术问题，而是教育学、心理学等领域的研究问题：如何定义和评价这些能力。如果进一步思考，其中可能还涉及对各个对象的本体论的哲学探讨。只有先完成对这类教育目标的清晰定义，给定评价规则，人工智能才有应用的可能性。或许随着未来强人工智能的出现，此类目标可以直接被拥有人类思维水平的机器理解，但这方案所需的时间成本难以估量。因此人工智能技术在这类教育目标评价中的使用条件较为苛刻，我们应当谨慎对待教育产业中与其相关的产品和服务，同时持续推进相关学术研究。
总体而言，人工智能应用场景的拓展有两个要求：一是可自动化获取的海量数据，二是清晰明确的概念界定和规则。教育领域依然存在大量的未给出规则定义、或者规则定义和范围不清晰的教育目标，使得人工智能的应用存在困难。即使对于已能通过成熟工具进行测评的核心素养能力，在转化为机器规则时也遇到了阻碍。这是技术开发人员与领域专家之间的沟通隔阂，或者说人工智能技术与领域知识间的壁垒。解决困难的根本途径，除需要从技术上探索，挖掘数据采集和分析的可能性外，还需要协同教育学和心理学的专家学者，从底层的教学理论进行挖掘和探索，搭建逻辑框架，保证人工智能“有章可循”。
五、教育人工智能：领域知识和机器学习结合的教育建模
无论是弱人工智能还是强人工智能，都代表着人们对技术创造更美好环境和服务的探索。本文不讨论人工智能技术的具体细节，而是从价值判断角度，说明技术应用可能存在的过度期待和热情。正如前文所述，人工智能技术教育应用首要的是规则的发现或建立，而教育因其复杂性和影响的系统性不能简单地建立起因果关系的强逻辑。更何况对于我们追求的教育发展核心目标，我们期待学习者实现的能力发展，都还缺乏严格科学的定义和定位。从这个意义上说，技术虽然给我们提供了很多可能性，但人机协同必然是在很长一段时间内，人工智能教育应用的必然之路。
我们可以把人工智能教育应用抽象成一个基本流程框架（见图1）。该流程主要分为数据汇聚、特征工程、学习建模和迭代应用阶段。
其中，数据汇聚是实现应用的源头。没有经过清洗的高质量数据集合，一切都是水中望月，本文对此不详细论述。在特征工程阶段，其核心是筛选出契合教育学问题解决所需要的核心变量，而这类变量的提取是需要该领域专家人工介入的第一个重点。
一般意义上特征工程的作用，是为了筛选出更好的特征，获取更好的训练数据，因为好的特征有更强的灵活性，可以用简单的模型做训练，得到优秀的结果。教育场景中，我们常见的完成作业次数、学习时长、学习成绩等，都是有效的特征，这些特征或多或少会对后续的建模产生强烈的数据影响。但数据影响还远远不够，在教育领域筛选特征时，还要考虑应用人工智能解决具体教育问题的需求——那些在教育学、心理学或别的学科已证明的能解释某个教育变量的重要因素——以提高教育建模的数据科学性和理论科学性。例如，我们希望通过机器学习的方法，发现学生的学习风格。这里，我们需要心理学专家判断：日常学习过程中，哪些特征有可能表征学生学习风格？如沉思型与冲动型学习风格，反映个体信息加工、形成假设和解决问题过程的速度和准确性。沉思型学生碰到问题时倾向于深思熟虑，用充足的时间考虑、审视问题，权衡问题的解决方法，然后从中选择满足多种条件的最佳方案，因而错误较少。冲动型学习者倾向于快速地检验假设，根据问题的部分信息或未对理解问题做透彻的分析就仓促作出决定，反应速度快，但容易发生错误（Riding et al.，2003）。那么，心理学研究就可能将学生单位时间完成的任务量、作业布置和提交的时间差等，作为判断学习风格要素的特征变量，虽然这些变量不一定具备数据科学中对机器学习算法的效率支持，但可能是真正能解释教育变量的核心特征。
教育建模是基于特征变量形成对教育问题认识的核心。这一阶段的重点在于“规则”，有可能是发现规则，也有可能是按规则进行演算。这一部分的缺失是当前人工智能教育应用不尽如人意的根源所在。当前人工智能教育应用的核心是自适应学习。不可否认，这类应用成功地提高了学生的学习效率和效果，在学习资源的推荐方面应用效果较好。但我们必须清楚，有效的应用前提是大量学科专家的介入，并提供了两个重要的支持：一个是知识规则，即对学科教学的知识逻辑体系进行人工标注；另一个是匹配规则，即在知识点和习题之间建立匹配规则，通过相应的习题可以判断学生知识点的掌握程度，并设计相应的干预规则，给予有效的推荐服务。这些传统知识习得领域规则的建立，可以通过学科教学专家介入的方式予以实施。但前文提到的大量人才培养目标，目前尚未或者不能通过这种方式建立机器人工判断和使用的规则。于是，人工智能教育应用自然倾向于“应试”，毕竟其直接对标的是学生成绩提升。因此我们认为，要真正实现人工智能的深度教育应用，在教育建模阶段，实际上更需要的是机器辅助下的专家人工建模，只有人机结合的增强学习，而非单纯的计算机“增强学习”，才有可能使教育应用具备可解释性，可支持教育教学干预，真正实现提高全面发展的人才培养目标。
迭代引用是真正意义上的机器学习的强项。模型嵌入到教育信息化产品中，在一线教与学实践中应用，能采集到大量的过程和结果数据，通过不断的算法迭代和用户反馈，实现模型的调优，真正促进高水平应用的可持续发展。
可以看出，专家（领域知识）的介入和机器学习算法的结合，是人工智能技术教育应用的必经之路。如何发挥两者的优势，共同实现教育重要变量的理解和建模，是未来该领域不断尝试和突破的核心工作。
六、结语
2019年5月18日，国际人工智能与教育大会在北京发布的《北京共识》[11]强调，要全面创新教育教学和学习方式，利用人工智能加快建设开放灵活的教育体系，确保全民享有公平、适合每个人且优质的终身学习机会，从而推动可持续发展目标和人类命运共同体的实现。要实现人工智能推动教育体系的灵活开放，一方面需要认识人工智能在支持学习和挖掘评价潜能方面的发展趋势，评估并调整课程以促进人工智能与学习方式变革的深度融合。另ー方面，需要发掘数据潜能，支持学生综合能力的多维度评价。由此可见，人工智能在各行业的广泛应用已是大势所趋，在这一背景下，我们认为人工智能技术的教育应用仍应追求教育本心，围绕人的发展展开探索，而非在技术的绑架下追求教育的“智能化”。人工智能技术的教育应用，首先必须具备的是对学习者发展规律的认识，这种认识需要多学科协同探索，共同构建清晰的评量、匹配、干预的规则。只有建立有效的规则体系，才能让基于深度学习的人工智能技术有用武之地，实现数据分析结果的可解释性，为教育教学的支持和服务提供指导。
教育是非常复杂的系统，既涉及教和学过程的方方面面，又涉及学校、家庭、社会、政府的各个体系。现有研究对人的发展的理解还很有限，也难以找到构建这一复杂而又庞大的推理和决策系统所需要的规则。这些规则既要融合计算机科学和统计学的技术及理论，又要融合教育学、学习科学、心理学、脑科学、认知神经科学等成果。研究这些规则比研究人工智能技术本身更迫切。从某种意义上说，利用算法帮助我们在教育场景更好地理解教育本身，可能是人工智能教育应用的另一个重点，也就是“智能增强”（Intelligence Augmentation，简称IA）。
此时，算法和数据都可以用来创建增强我们评价、诊断、预测、干预教育服务和创新教育服务的能力。如何在人机协同的环境下共同增强双方的智能，围绕教育问题给予科学有效的解决，将是个长久的、不断迭代和不断优化的过程。
基金项目：国家自然科学基金重点课题“‘互联网+’时代的教育改革与创新管理研究”（71834002）
作者简介：郑勤华，教授，北京师范大学远程教育研究中心主任，研究方向：学习分析技术；熊潞颖，硕士研究生，北京师范大学远程教育研究中心，研究方向：学习分析技术；胡丹妮，硕士研究生，北京师范大学远程教育研究中心，研究方向：学习分析技术。
收录于哈希力量，手机站省略本文固定网址
