國際領(lǐng)域“人工智能+教育”的研究進展與前沿?zé)狳c*
——兼論我國“人工智能+教育”的發(fā)展策略

李海峰 王 煒

（新疆師范大學(xué) 教育科學(xué)學(xué)院，新疆烏魯木齊 830017）

阿爾法狗（AlphaGo）的超強自學(xué)能力及其卓越智能，再次在全球范圍掀起了人工智能研究熱潮，各國政府和部門紛紛出臺多項戰(zhàn)略規(guī)劃或文件，來探索與推動人工智能發(fā)展。我國在《新一代人工智能發(fā)展規(guī)劃》中指出，中國要創(chuàng)建人工智能的科技創(chuàng)新體系、關(guān)鍵共性技術(shù)體系和創(chuàng)新平臺，加快培養(yǎng)與聚集人工智能的高端人才，構(gòu)建智能化基礎(chǔ)設(shè)施體系。

就教育領(lǐng)域而言，機器學(xué)習(xí)、深度學(xué)習(xí)、學(xué)習(xí)分析、人機協(xié)作等人工智能技術(shù)，已經(jīng)逐漸融入到教育領(lǐng)域，“人工智能+教育”成為人工智能技術(shù)應(yīng)用的主要形態(tài)之一。人工智能在教育應(yīng)用進程中，亟需厘清“人工智能+教育”的發(fā)展動態(tài)、研究主題及其前沿?zé)狳c，明確“人工智能+教育”的發(fā)展方向，為我國構(gòu)建人工智能時代的新型教育生態(tài)系統(tǒng)提供經(jīng)驗。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

我們以“Web of Science核心合集”數(shù)據(jù)庫為文獻檢索源，檢索主題關(guān)鍵詞為“artificial intelligence”和“education”，時間跨度為“所有年份”，檢索時間為2018年4月23日，所得檢索數(shù)據(jù)去除書評和編輯社論等文獻后，共獲得842篇學(xué)術(shù)論文。所得文獻以“全記錄與引用參考文獻”的格式進行題錄信息獲取，保存為純文本格式。

（二）研究方法

文獻計量學(xué)是運用數(shù)學(xué)和統(tǒng)計學(xué)挖掘文獻數(shù)據(jù)信息的研究方法，CiteSpace是當(dāng)前主流的文獻數(shù)據(jù)挖掘工具之一，主要用于文獻的作者、研究機構(gòu)、學(xué)科、研究主題以及知識基礎(chǔ)分析。我們將運用CiteS-pace 工具的爆發(fā)性（Burstness）、時間軸視圖（Timeline View）以及簇（Cluster）等分析功能，來獲取“人工智能+教育”研究主題的熱點、進展、類別以及知識基礎(chǔ)。

二、“人工智能+教育”的基本研究概況

（一）年代分布及背景分析

“人工智能+教育”的研究成果隨著年代發(fā)展逐步上升，2010年后呈現(xiàn)快速發(fā)展趨勢，其發(fā)展歷程包括萌芽階段、起始階段和發(fā)展階段，如圖1所示。

圖1 文獻的年代分布

1.萌芽階段

“人工智能+教育”研究萌芽于20世紀(jì)40年代，艾倫·特靈（Alan Turing）在其發(fā)表的《計算機器與智能》一文中，對人工智能概念進行了初步討論，大膽設(shè)想了機器能夠思考的可能性及編程實踐方法?！叭斯ぶ悄堋币辉~出現(xiàn)于1956年，“人工智能+教育”研究可以追溯到1976年康納蒂（Conati C.）等人發(fā)表在《自然》中的《教育中的人工智能》一文，文章圍繞人工智能在人際交往與教學(xué)中的應(yīng)用展開了理論上的討論。然而，在1975年至1990年之間，“人工智能+教育”的研究成果及數(shù)量并沒有明顯進展與上升，根源在于從1956年至1990年期間，人工智能技術(shù)存在著難以克服的問題。

2.起始階段

“人工智能+教育”研究在20世紀(jì)90年代后期開始顯現(xiàn)，得益于人工智能技術(shù)的快速發(fā)展以及研究領(lǐng)域的深化和拓展。研究者開始更多地關(guān)注人工智能研究的子問題及其現(xiàn)實應(yīng)用，諸如，圖像識別和醫(yī)療診斷?！叭斯ぶ悄?教育”的研究成果也在1990年開始出現(xiàn)小幅度快速增長，圍繞智能導(dǎo)師系統(tǒng)、認知交互計算機圖形學(xué)、臨床機器人、學(xué)生能力測試以及知識學(xué)習(xí)系統(tǒng)等開始深度探討?！叭斯ぶ悄?教育”在1998年再次得到了小幅度的快速發(fā)展，主要獲益于IBM公司開發(fā)的具有里程碑意義的計算機 “深藍”。國際象棋冠軍加里·卡斯帕羅夫 （Garry Kasparov）被“深藍”打敗后，再次激起了人工智能的研究熱潮和“人工智能+教育”的發(fā)展。此時，人工智能教育研究主題開始發(fā)生轉(zhuǎn)變，主要關(guān)注診斷與識別、智能導(dǎo)師信息處理、智能代理與教學(xué)應(yīng)用、多層次建模教學(xué)系統(tǒng)等。

3.發(fā)展階段

“人工智能+教育”的研究熱潮真正開始于2010年前后的大數(shù)據(jù)技術(shù)和計算機強大計算能力的發(fā)展，高效數(shù)據(jù)處理能力以及算法的飛速發(fā)展，使得人工智能技術(shù)得到迅速發(fā)展。自適應(yīng)學(xué)習(xí)、學(xué)習(xí)分析以及深度學(xué)習(xí)等人工智能技術(shù)的發(fā)展，進一步推動了“人工智能+教育”的快速發(fā)展，特別是阿爾法狗的自學(xué)能力以及驕人戰(zhàn)績，使得人工智能技術(shù)研究得到空前關(guān)注，推動了人工智能教育研究從2015年開始急速發(fā)展。

（二）核心期刊與學(xué)科分布

本研究檢索到的文獻分別來自625種期刊，學(xué)科范圍包括農(nóng)學(xué)、醫(yī)學(xué)、工程、教育學(xué)、人工智能以及心理學(xué)等。其中，以“人工智能+教育”為研究主題且發(fā)文量在5篇以上的期刊有12種，如表1所示。

表1 “人工智能+教育”研究的主要來源期刊（N≥5）

《國際教育人工智能期刊》是探討人工智能技術(shù)如何在教育教學(xué)中應(yīng)用的重要期刊，其以19篇文章位居期刊發(fā)文量榜首 （注：Web of Science核心合集僅收錄該刊一定數(shù)量的特刊文章）。它的辦刊宗旨在于發(fā)展基于計算機學(xué)習(xí)系統(tǒng)的設(shè)計原則，研究范圍包括智能代理及其學(xué)習(xí)環(huán)境、人工智能教育系統(tǒng)架構(gòu)、貝葉斯與統(tǒng)計方法、教育機器人以及教學(xué)系統(tǒng)的自然語言接口等。除了《農(nóng)產(chǎn)品加工業(yè)高新技術(shù)》和《醫(yī)學(xué)中的人工智能》兩本期刊明顯與教育學(xué)科存在差別外，其余期刊從計算機與教育的視角，詳細討論了人工智能技術(shù)在教育中的應(yīng)用。就“人工智能+教育”研究主題的核心期刊分布而言，學(xué)科交叉性研究較為明顯，研究成果涉及25個學(xué)科或者研究方向，主要包括：計算機科學(xué)、教育學(xué)、工程學(xué)、商業(yè)經(jīng)濟學(xué)、物理學(xué)、機器人學(xué)以及信息科學(xué)等。

（三）核心作者分布

核心作者是推動“人工智能+教育”發(fā)展與創(chuàng)新的重要動力，能夠形成學(xué)科或者學(xué)術(shù)研究的引領(lǐng)，形成以學(xué)術(shù)領(lǐng)袖為核心的學(xué)術(shù)共同體。根據(jù)作者的成果數(shù)量以及歷史引證強度，我們依次對發(fā)文數(shù)量大于3的作者進行呈現(xiàn)，如表2所示。

表2 “人工智能+教育”研究的核心作者分布

從“人工智能+教育”的研究成果數(shù)量看，英國愛丁堡大學(xué)的布爾納·保羅（Brna Paul）以5篇文章居首。從作者學(xué)術(shù)成就的H指數(shù)看，臺灣屏東科技大學(xué)的袁晨晨、臺灣中央大學(xué)的陳德懷以及美國卡耐基梅隆大學(xué)的科丁格爾·肯尼思（Koedinger Kenneth R.）等三位作者，具有較高的學(xué)術(shù)影響，他們在學(xué)術(shù)產(chǎn)出和學(xué)術(shù)影響力方面獲得了更多的同行認可。從作者的國家或地區(qū)分布看，中國臺灣地區(qū)的成果數(shù)量和作者H指數(shù)呈現(xiàn)出強勁優(yōu)勢。加拿大和羅馬尼亞分別有三位核心作者，而且加拿大作者的H指數(shù)居于前列。

從作者學(xué)術(shù)成果的歷史發(fā)展看，在1981年至2002年期間，斯洛文尼亞馬里博爾大學(xué)的博揚·多爾薩克（Bojan Dolsak）和瑪麗娜·諾瓦克（Marina Novak）以及美國密西西比州立大學(xué)的菲利普（Philip T.）是這一時期“人工智能+教育”領(lǐng)域的重要學(xué)術(shù)研究者。他們在人工智能、專家系統(tǒng)、智能教學(xué)系統(tǒng)以及監(jiān)控和數(shù)據(jù)分析等方面的研究，影響持續(xù)二十余年。在“人工智能+教育”的研究發(fā)展過程中，具有最強引證爆發(fā)點的作者是臺灣屏東科技大學(xué)的袁晨晨，她于2001年至2002年期間進行的智能機器人應(yīng)用、智能手機學(xué)習(xí)系統(tǒng)以及學(xué)習(xí)績效等研究成果，在國際上具有重要影響。斯洛伐克科學(xué)技術(shù)大學(xué)的里格·簡 （Ligus Jan）和利古索娃·珍娜（Ligusova Jana）于2012年至2013年期間，在信息控制系統(tǒng)、計算機教育中心和移動智能控制器等理論和實踐方面，取得了較大進展。

（四）學(xué)術(shù)共同體分布

我們通過CiteSpace的共引作者圖譜分析功能，解析出了“人工智能+教育”研究領(lǐng)域中的五個主要學(xué)習(xí)共同體及其成員，如圖2所示。

圖2 學(xué)術(shù)共同體及其成員結(jié)構(gòu)

第一個最具代表性的“人工智能+教育”學(xué)術(shù)共同體，由俄羅斯庫班州立大學(xué)和莫斯科技術(shù)研究所的成員組成，主要包括：瑞德奇科奧·伊戈爾（Ryadchikov Igor）、西克尼·西蒙 （Sechenev Semyon）、斯威德奧·亞歷山大（Svidlov Alexander）、斯尼特薩·謝爾蓋 （Sinitsa Sergey）、 奧 克 達·帕 維 爾 （Volkodav Pavel）、馬梅林·尤銳（Mamelin Yury）、波普奧·科瑞（Popko Kirill），研究主題主要聚焦機器人及教育信息處理。

第二個主要的學(xué)術(shù)共同體由意大利維羅納大學(xué)和威莫爾科學(xué)研究實驗室的成員組成，包括：羅恩斯維爾·加特奧（Ronsivalle Gaetano Bruno）、加特·斯蒙娜（Carta Simona）、 梅托斯·凡妮莎（Metus Vanessa）和奧蘭多·瑪麗莎（Orlando Marisa）等，他們專注于神經(jīng)網(wǎng)絡(luò)、在線游戲以及數(shù)字化教育智能等領(lǐng)域。

第三個主要的學(xué)術(shù)共同體由羅馬尼亞尤里奧哈蒂加努大學(xué)、梅德法姆公司和科技大學(xué)的相關(guān)成員組成，以傷口圖像人工智能理解與評價、數(shù)字化學(xué)習(xí)以及數(shù)字化工具等為主要研究內(nèi)容，代表人物包括普羅丹·奧古斯丁（Prodan Augustin）、魯蘇·馬德麗娜（Rusu Madalina）、 坎賓·瑞摩斯 Campean Remus）和普羅丹·羅迪卡（Prodan Rodica）。

第四個學(xué)術(shù)共同體主要由來自葡萄牙里斯本大學(xué)、希臘海倫開放大學(xué)、希臘亞里士多德大學(xué)的迪亞斯·索菲婭 （Dias Sofia B.）、迪尼茲·若澤阿爾維斯（Diniz Jose Alves）、 哈迪耶朗蒂亞杜·索菲婭（Hadjileontiadou Sofia J.）、哈吉倫蒂亞斯·列奧蒂奧斯（Hadjileontiadis Leontios J.）等研究者組成，以模糊認知映射、學(xué)習(xí)分析技術(shù)和混合學(xué)習(xí)環(huán)境等為主要研究方向。

此外，圍繞馬耳他大學(xué)和英國的利物浦約翰摩爾斯大學(xué)等，形成了以人工智能系統(tǒng)、智能導(dǎo)師系統(tǒng)以及頭痛誘因的智能診斷分析為主要研究取向的研究共同體，成員主要包括法魯吉亞·安東尼（Farrugia Anthony）、阿爾朱梅·達希亞（Al-Jumeily Dhiya）、阿爾朱梅·穆罕默德（Al-Jumaily Mohammed）、侯賽因·阿比爾（Hussain Abir）和蘭姆·戴維（Lamb David）等。

（五）作者所屬國家（地區(qū)）及研究機構(gòu)分布

我們檢索到的“人工智能+教育”文獻分別來自75個國家（地區(qū)）200個研究機構(gòu)。根據(jù)不同國家的成果數(shù)量、被引頻次以及中心度統(tǒng)計，表3列舉了該領(lǐng)域中最具有影響力的國家（地區(qū)）。

表3 作者所屬國家（地區(qū)）分布

美國以178篇居各國之首，其數(shù)量在發(fā)文量排名前十的國家中占32.4%，成果被引頻次超越了其它排名前十國家被引數(shù)量的總和。其“人工智能+教育”的研究成果來自不同領(lǐng)域的研究機構(gòu)，諸如：馬薩諸塞州總醫(yī)院、斯洛伐克科學(xué)技術(shù)大學(xué)、麻省理工學(xué)院、哈佛大學(xué)和密西西比州立大學(xué)等。這些研究機構(gòu)之間呈現(xiàn)出密切的科研合作特征，他們圍繞“人工智能+教育”的研究主題，形成了相應(yīng)的學(xué)術(shù)機構(gòu)共同體。中國的學(xué)術(shù)成果數(shù)量以71篇排名第二，但被引量排名卻僅為第五，這表明中國的成果雖然在數(shù)量上排名前列，但是并沒有得到國際研究者的高度認可。在中國的科研機構(gòu)中，以“人工智能+教育”為研究主題的科研機構(gòu)在CiteSpace共被引圖譜中并未尋見，更未見到具有影響力的學(xué)術(shù)研究機構(gòu)共同體。從作者所屬國家（地區(qū)）的發(fā)文數(shù)量以及被引頻次看，除了美國以外的其他國家并未呈現(xiàn)出顯著差異，英國、加拿大、德國、中國和巴西在被引頻次上處于優(yōu)勢。就研究機構(gòu)及其共同體而言，除了美國具有顯著的科研機構(gòu)合作外，也出現(xiàn)了以希臘海倫開放大學(xué)、加拿大蒙特利爾大學(xué)、葡萄牙里斯本大學(xué)和希臘亞里士多德大學(xué)等為代表的國際研究機構(gòu)合作典范，他們以訪學(xué)、學(xué)生交流、科研合作等方式建立了穩(wěn)定的研究機構(gòu)共同體關(guān)系。

三、“人工智能+教育”的研究主題分析

我們進一步利用CiteSpace對“人工智能+教育”研究主題進行關(guān)鍵詞聚類分析，主題關(guān)鍵詞聚類的輪廓值均大于0.3，表明主題的聚類結(jié)構(gòu)清晰。數(shù)據(jù)分析表明，國際上近四十年的“人工智能+教育”研究可以劃分為四大主要研究向度，包括：人工智能支持的社會化學(xué)習(xí)系統(tǒng)、智慧學(xué)習(xí)模型、智能導(dǎo)師系統(tǒng)以及機器人學(xué)習(xí)系統(tǒng)等，如圖3所示。

圖3 國際“人工智能+教育”的研究主題結(jié)構(gòu)

（一）人工智能支持的社會化學(xué)習(xí)系統(tǒng)

“人工智能+教育”為實現(xiàn)學(xué)習(xí)者的高效率社會化學(xué)習(xí)，提供了有效途徑。人工智能支持的社會化學(xué)習(xí)系統(tǒng)研究，可以劃分為四個子主題，包括：技術(shù)智能化、評價智能化、交互智能化以及社交智能化。

1.社會化學(xué)習(xí)系統(tǒng)的技術(shù)智能化

社會化學(xué)習(xí)系統(tǒng)的技術(shù)智能化主要通過神經(jīng)網(wǎng)絡(luò)技術(shù)、學(xué)習(xí)系統(tǒng)構(gòu)建、智慧學(xué)習(xí)、信息通信等技術(shù)或者手段得以實現(xiàn)。在社會化學(xué)習(xí)系統(tǒng)智能化的研究中，研究者在協(xié)助辯論的人工智能支持、[1]面向目標(biāo)學(xué)習(xí)的分布式環(huán)境、[2]服務(wù)導(dǎo)向的生態(tài)學(xué)習(xí)系統(tǒng)[3]以及基于人機交互知識工程方法的數(shù)據(jù)挖掘和學(xué)習(xí)引導(dǎo)推薦[4]等方面，取得了重要進展。

2.社會化學(xué)習(xí)系統(tǒng)的評價智能化

社會化學(xué)習(xí)系統(tǒng)的評價智能化主要借助于大數(shù)據(jù)技術(shù)、學(xué)習(xí)分析技術(shù)、神經(jīng)語言處理技術(shù)、知識與問題表征、學(xué)習(xí)過程監(jiān)控等實現(xiàn)。代表性的研究成果包括：情景演說家、[5]自動化問題生成、[6]網(wǎng)絡(luò)文本的半自動化語言本體構(gòu)建、[7]多文檔探究活動的解釋質(zhì)量評價方法、[8]學(xué)習(xí)者學(xué)習(xí)風(fēng)格的評鑒[9]以及面向?qū)W習(xí)績效的神經(jīng)網(wǎng)絡(luò)預(yù)測算法等。

3.社會化學(xué)習(xí)系統(tǒng)的交互智能化

社會化學(xué)習(xí)系統(tǒng)的交互環(huán)境，主要通過虛實融合呈現(xiàn)技術(shù)、交互性穿戴設(shè)備、體感數(shù)據(jù)采集技術(shù)等得以實現(xiàn)，諸如：智能數(shù)字化學(xué)習(xí)系統(tǒng)、[10]用戶動機識別系統(tǒng)[11]以及各種穿戴設(shè)備和信息傳輸工具的開發(fā)與應(yīng)用。澳大利亞新南威爾士大學(xué)的交互性虛擬現(xiàn)實技術(shù)在國際上處于領(lǐng)先地位，他們將人工智能和模糊邏輯技術(shù)，應(yīng)用到虛擬現(xiàn)實的數(shù)據(jù)挖掘中，實現(xiàn)了對學(xué)習(xí)者體感數(shù)據(jù)、情感計算以及學(xué)習(xí)行為數(shù)據(jù)的多模態(tài)化采集、分析與學(xué)習(xí)服務(wù)支持。

4.社會化學(xué)習(xí)系統(tǒng)的社交智能化

社會化學(xué)習(xí)系統(tǒng)的社會性，是人工智能對人的社會性發(fā)展的有力支持，是學(xué)習(xí)者作為集體學(xué)習(xí)活動個體抑或作為團隊活動成員的迫切需求和存在形態(tài)。虛擬社區(qū)空間及其智能虛擬代理等，為學(xué)習(xí)者提供了社會化互動虛擬場域，諸如，聊天機器人、智能伙伴以及各類智能虛擬生物。智能學(xué)習(xí)伙伴系統(tǒng)是人工智能技術(shù)支持的最為典型的社交智能化代表，超越了智能導(dǎo)師系統(tǒng)的學(xué)習(xí)指導(dǎo)角色限制，承擔(dān)了學(xué)習(xí)導(dǎo)師和學(xué)習(xí)伙伴的雙重角色。[12]人工智能支持的社會化學(xué)習(xí)技術(shù)，對于特殊學(xué)生的社會性培養(yǎng)具有重要作用，可以通過病癥量化的方式實現(xiàn)對不同群體的針對性治療。譬如，增強現(xiàn)實智能眼鏡系統(tǒng)，對于自閉癥兒童的社會溝通、思維定勢以及自閉癥相關(guān)行為具有顯著的改進作用，[13]應(yīng)用增強現(xiàn)實和情感人工智能，能夠幫助學(xué)習(xí)者學(xué)習(xí)關(guān)鍵的社會和情感技能。[14]

（二）人工智能支持的智慧學(xué)習(xí)模型

智慧學(xué)習(xí)模型是實現(xiàn)人工智能技術(shù)應(yīng)用于教育領(lǐng)域的關(guān)鍵技術(shù)，由學(xué)習(xí)行為數(shù)據(jù)算法、數(shù)據(jù)分析模式、數(shù)據(jù)分析維度以及學(xué)習(xí)輔助功能等內(nèi)容構(gòu)成。智慧學(xué)習(xí)模型聚焦于數(shù)據(jù)挖掘、控制論、學(xué)生建模、案例推理、學(xué)習(xí)虛擬化、貝葉斯網(wǎng)絡(luò)、多智能體系統(tǒng)、模糊邏輯、深度學(xué)習(xí)、學(xué)生分析、智能計算、智能輔導(dǎo)系統(tǒng)、知識狀態(tài)和虛擬模型等研究內(nèi)容。

人工智能推理過程可能由于問題概念的分類而受到限制，但是可以通過“通用情景模擬的多元代理框架”，實現(xiàn)不同問題類別的邏輯推理，將不同的推理過程分布到具有自主權(quán)的智能代理而實現(xiàn)智慧學(xué)習(xí)。[15]在學(xué)習(xí)服務(wù)推薦過程中，依據(jù)圖論的前后智能序列化方法可以解決會話詞語的運動變化問題，通過構(gòu)建模型將詞語的變化動機轉(zhuǎn)換成可以利用智能導(dǎo)師系統(tǒng)處理的算法形式，這對于問題解決背景下的教育軟件開發(fā)具有重要的參考價值。[16]學(xué)習(xí)者學(xué)習(xí)風(fēng)格是學(xué)習(xí)服務(wù)推薦的重要參考因素，增強型貝葉斯模式的開發(fā)提高了人工智能技術(shù)對學(xué)習(xí)者學(xué)習(xí)風(fēng)格探測數(shù)值的準(zhǔn)確性，[17]有助于幫助教師改進課程內(nèi)容以及學(xué)生學(xué)習(xí)過程。如何對學(xué)習(xí)管理系統(tǒng)的用戶數(shù)據(jù)進行挖掘是模糊邏輯算法面臨的重要挑戰(zhàn)，模糊認知圖譜與交互質(zhì)量模型，通過構(gòu)建學(xué)習(xí)系統(tǒng)中的交互方式以實現(xiàn)數(shù)據(jù)挖掘，模型能夠提供概念互聯(lián)以及學(xué)習(xí)者交互質(zhì)量的因果依賴表征。[18]

（三）人工智能支持的智能導(dǎo)師系統(tǒng)

智能導(dǎo)師系統(tǒng)是將人工智能、教育科學(xué)、認知科學(xué)、計算語言學(xué)、數(shù)學(xué)和其它領(lǐng)域中的計算模型結(jié)合起來的計算機化學(xué)習(xí)環(huán)境。智能導(dǎo)師系統(tǒng)緣于對原有教育軟件未能迎合教育環(huán)境需求而產(chǎn)生，聚焦于個性化學(xué)習(xí)、輔助性學(xué)習(xí)以及學(xué)習(xí)精準(zhǔn)測評等研究內(nèi)容，諸如：學(xué)習(xí)者建模、計算機化、自動預(yù)測、輔助教學(xué)、學(xué)習(xí)對象排序、問題復(fù)雜性、學(xué)習(xí)分析、算法、認知增強、教育數(shù)據(jù)挖掘和自然語言處理等。智能學(xué)習(xí)評價技術(shù)以算法和評價標(biāo)準(zhǔn)為主要研究向度，包括人工智能模糊邏輯算法的學(xué)習(xí)分析系統(tǒng)、[19]標(biāo)準(zhǔn)化測試項目方法、基于本體論和布魯姆學(xué)習(xí)目標(biāo)分類的計算機輔助項目庫、數(shù)字化學(xué)習(xí)系統(tǒng)框架、[20]復(fù)雜問題解決測量和表征應(yīng)用。[21]

智能導(dǎo)師系統(tǒng)實現(xiàn)了學(xué)習(xí)者個性化學(xué)習(xí)支持。個性化智能學(xué)習(xí)支持技術(shù)能夠?qū)崿F(xiàn)學(xué)習(xí)過程的動態(tài)學(xué)習(xí)服務(wù)供給，在基于能力學(xué)習(xí)的教學(xué)模型智能導(dǎo)師系統(tǒng)架構(gòu)中，系統(tǒng)能夠根據(jù)學(xué)生特征和活動動態(tài)定制個性化的教學(xué)過程，[22]利用案例推理和模糊系統(tǒng)能夠?qū)崿F(xiàn)學(xué)習(xí)者學(xué)習(xí)風(fēng)格和學(xué)習(xí)內(nèi)容的個性化自適應(yīng)學(xué)習(xí)。[23]在學(xué)習(xí)者個性化情感體驗方面，情緒感知系統(tǒng)開發(fā)與改善的理論指導(dǎo)分類框架，[24]能夠提高學(xué)習(xí)者適應(yīng)性的和積極的情感體驗，網(wǎng)絡(luò)智能導(dǎo)師提供的禮貌反饋和提示，能夠激勵和吸引學(xué)生學(xué)習(xí)。[25]在人類導(dǎo)師、智能導(dǎo)師系統(tǒng)以及其它導(dǎo)師系統(tǒng)的學(xué)習(xí)效果比較中，智能導(dǎo)師系統(tǒng)與人類導(dǎo)師對學(xué)生的學(xué)習(xí)影響，幾乎具有同樣的功效。[26]

（四）人工智能支持的機器人學(xué)習(xí)系統(tǒng)

教育機器人可以分為物理形態(tài)機器人和虛擬形態(tài)機器人，前者以開源硬件、編程控制和實踐操作等方式，通過協(xié)作互動、參與交流以及做中學(xué)的學(xué)習(xí)方式促進學(xué)習(xí)者學(xué)習(xí)；后者為促進學(xué)生學(xué)習(xí)的虛擬機器人，諸如：虛擬學(xué)習(xí)助手、虛擬學(xué)伴、虛擬學(xué)習(xí)團隊以及虛擬導(dǎo)師等。人工智能支持的教育機器人研究，涉及到虛擬社區(qū)、虛擬原型、學(xué)習(xí)者建模系統(tǒng)、社會化基本理論、機器人、自適應(yīng)采樣、個人學(xué)習(xí)、自動預(yù)測狀態(tài)、創(chuàng)新學(xué)習(xí)過程、輔助教學(xué)體系建設(shè)、自適應(yīng)系統(tǒng)、傷口愈合模擬、樂高機器人、智能眼鏡、增強現(xiàn)實和交互學(xué)習(xí)環(huán)境等。

其中，樂高（Lego NXT）機器人技術(shù)在人工智能教育機器人中具有重要影響，運用樂高頭腦風(fēng)暴，能夠幫助學(xué)生創(chuàng)建具有反應(yīng)的和縝密思考的教育機器人。[27]基于模糊系統(tǒng)開發(fā)的樂高教育機器人，實現(xiàn)了數(shù)學(xué)教學(xué)功能，能夠幫助學(xué)習(xí)者完成學(xué)科知識復(fù)習(xí)、知識檢測以及學(xué)習(xí)引導(dǎo)，[28]對學(xué)習(xí)意向和學(xué)習(xí)成績具有顯著的積極作用。[29]樂高教育機器人以“做中學(xué)”理念為導(dǎo)向，為學(xué)習(xí)者提供知識創(chuàng)新、自主學(xué)習(xí)和實踐探索的編程環(huán)境。教育機器人常以虛擬教育機器人的形式服務(wù)于學(xué)習(xí)者，通過動態(tài)接口代理技術(shù)與智能學(xué)習(xí)環(huán)境融合，在游戲化的學(xué)習(xí)環(huán)境中開展對學(xué)習(xí)者的學(xué)習(xí)幫助。[30]未來教育機器人的發(fā)展，可能在教室、虛擬學(xué)習(xí)環(huán)境中承擔(dān)更多功能，幫助教師進行監(jiān)督、管理和教學(xué)。[31]

四、“人工智能+教育”的前沿研究與知識基礎(chǔ)分析

為了分析“人工智能+教育”的研究前沿與知識基礎(chǔ)，我們利用CiteSpace對收集的文獻進行突現(xiàn)關(guān)鍵詞探測、聚類以及時間軸圖譜的文獻施引與被引關(guān)系呈現(xiàn)，如圖4所示。

（一）前沿研究分析

通過對“人工智能+教育”研究的關(guān)鍵詞時間軸圖譜分析發(fā)現(xiàn)，高等教育、交互質(zhì)量、大數(shù)據(jù)、智能導(dǎo)師系統(tǒng)以及增強現(xiàn)實等關(guān)鍵詞的引用頻率較為密集，表明研究者對上述研究領(lǐng)域進行了較為集中的探究，特別是大數(shù)據(jù)、智能導(dǎo)師系統(tǒng)以及增強現(xiàn)實等技術(shù)。

1.大數(shù)據(jù)

圖4 “人工智能+教育”研究的關(guān)鍵詞時間軸圖譜

教學(xué)是一項復(fù)雜活動，需要教師考慮不同教學(xué)方法和學(xué)習(xí)技巧如何適應(yīng)每一位學(xué)生，然而，學(xué)習(xí)管理系統(tǒng)并未把人工智能算法作為一種決策支持機制。教師利用Hadoop和Mahout技術(shù)構(gòu)建的學(xué)生培訓(xùn)模型框架，能夠根據(jù)學(xué)生的興趣和知識狀態(tài)調(diào)整課程內(nèi)容或材料。[32]大數(shù)據(jù)技術(shù)在支持個性化運動技能學(xué)習(xí)中具有較大潛能，穿戴設(shè)備、大數(shù)據(jù)處理、3D打印以及環(huán)境智能等技術(shù)的發(fā)展，為個性化運動技能學(xué)習(xí)提供了更加有效的支持，模擬神經(jīng)運動交互以及提供適切的個性化神經(jīng)運動支持，將是“人工智能+教育”研究的重要取向。[33]

此外，遠程數(shù)字化教與學(xué)系統(tǒng)已難以適應(yīng)智慧社會的個性化泛在教與學(xué)，后者構(gòu)建的個性化泛在數(shù)字化教與學(xué)框架（UTiLearn），以物聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、人工智能、云計算和深度學(xué)習(xí)等技術(shù)，提供了一個社會環(huán)境和生態(tài)系統(tǒng)，[34]解決了數(shù)據(jù)分析與管理、學(xué)習(xí)者系統(tǒng)交互、系統(tǒng)認知、資源規(guī)劃、靈活性以及可擴展性等方面的缺陷。

在協(xié)作學(xué)習(xí)環(huán)境中，云計算服務(wù)支持的知識評價與學(xué)習(xí)推薦，為評價學(xué)生的學(xué)習(xí)興趣、知識水平和互動參與等提供了有效支持。云計算、大數(shù)據(jù)與人工智能技術(shù)的結(jié)合，為推測學(xué)習(xí)者的知識水平和興趣提供了一種有效方式。[35]社會性計算技術(shù)的發(fā)展，使研究者能夠利用大量學(xué)習(xí)資源，但是集成正確的協(xié)議和用戶接口，將是大數(shù)據(jù)面臨的重要挑戰(zhàn)。[36]運用人工智能技術(shù)將這些資源結(jié)合起來，通過大數(shù)據(jù)分析技術(shù)以生成不同的統(tǒng)計數(shù)據(jù)和監(jiān)控學(xué)習(xí)算法，能夠設(shè)計出學(xué)生參與和評價的新機制。在具體的語言評價測驗環(huán)境中，運用大數(shù)據(jù)、人工智能和數(shù)據(jù)挖掘等技術(shù)，能夠從大量語言學(xué)習(xí)數(shù)據(jù)中，抽取出學(xué)習(xí)者的相關(guān)數(shù)據(jù)進行語言習(xí)得測評。[37]

2.智能導(dǎo)師系統(tǒng)

智能導(dǎo)師系統(tǒng)以模仿教學(xué)專家的方法或者經(jīng)驗來輔助教師進行教學(xué)，是提供個性化學(xué)習(xí)指導(dǎo)的教與學(xué)系統(tǒng)，研究范疇涉及問題求解方案的自動生成、知識獲取過程的表征、學(xué)習(xí)活動的診斷以及學(xué)習(xí)建議和反饋的提供等。“智能導(dǎo)師系統(tǒng)”的功能已經(jīng)從知識教授型轉(zhuǎn)向了能力素養(yǎng)提升型，知識與技能習(xí)得的智能導(dǎo)師框架，為智能導(dǎo)師系統(tǒng)兼具知識與能力的培養(yǎng)功能提供了一條路徑。該框架由建構(gòu)、定位、預(yù)測與強化等四個主要階段構(gòu)成，確保了理論知識和學(xué)科能力素養(yǎng)的習(xí)得。[38]在程序員新手的編程能力培養(yǎng)中，人工智能系統(tǒng)能夠簡化計算機編程的學(xué)習(xí)過程，根據(jù)學(xué)生的需求監(jiān)聽學(xué)生、推斷目的并加快進程。[39]

個性化和適應(yīng)性一直是智能導(dǎo)師系統(tǒng)需要不斷優(yōu)化和提升的艱巨任務(wù)，如何精準(zhǔn)鑒別學(xué)習(xí)者的學(xué)習(xí)風(fēng)格特征，是實現(xiàn)這一目標(biāo)的途徑之一。通過計算智能算法，可以明顯提升學(xué)習(xí)風(fēng)格鑒定的精準(zhǔn)性，諸如：人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、蟻群系統(tǒng)和粒子群優(yōu)化算法。[40]根據(jù)學(xué)生的需求進行學(xué)科內(nèi)容的自動化編輯與推送，并提供相應(yīng)反饋，是智能導(dǎo)師系統(tǒng)的關(guān)鍵功能之一，通過對課程內(nèi)容進行XML編碼，從而實現(xiàn)智能導(dǎo)師系統(tǒng)的知識表征。[41]從知識傳授或者個性化學(xué)習(xí)推薦向情緒感知支持轉(zhuǎn)向，成為了當(dāng)今智能導(dǎo)師系統(tǒng)探究的另一熱點，通過理論引導(dǎo)分類能夠發(fā)展與完善情緒意識系統(tǒng)，[42]促進學(xué)習(xí)者與系統(tǒng)之間進行積極的個性化交互。

3.增強現(xiàn)實

增強現(xiàn)實是將真實世界和虛擬世界的信息進行“無縫”集成的一項新技術(shù)，通過科學(xué)技術(shù)模擬仿真后，將虛擬信息疊加應(yīng)用到真實世界，從而被人類感官所感知，但又超越現(xiàn)實的感官體驗。增強現(xiàn)實智能眼鏡是目前的一項新興技術(shù)，常用于幫助自閉癥者習(xí)得與培養(yǎng)社會交際能力，集成了虛擬現(xiàn)實、情感人工智能以及智能眼鏡技術(shù)，是一種數(shù)字表現(xiàn)型輔助分析工具。[43]用戶對增強現(xiàn)實智能眼鏡的容忍度以及可用性，是幫助自閉癥者進行社會溝通技能訓(xùn)練的關(guān)鍵因素，影響著用戶使用增強現(xiàn)實智能軟件的可用性、易用性以及情感體驗。增強現(xiàn)實技術(shù)與腦電系統(tǒng)的融合，進一步提升了增強現(xiàn)實眼鏡對自閉癥者社會溝通技能治療的可行性，不僅可以實現(xiàn)智能眼鏡的個性化定制，而且也可以提供目標(biāo)導(dǎo)向的個性化訓(xùn)練體驗。[44]

4.交互質(zhì)量

人人交互、人機交互以及與信息交互等，是人工智能教育質(zhì)量的基本保證，交互質(zhì)量的影響因素涉及到技術(shù)的可用性、易用性以及系統(tǒng)功能。智慧社會的發(fā)展，對遠程數(shù)字化的教與學(xué)范式提出了新挑戰(zhàn)，諸如：數(shù)據(jù)分析與管理、學(xué)習(xí)系統(tǒng)的交互性、系統(tǒng)認知、資源計劃、靈活性以及可擴展性。個性、泛在數(shù)字化教與學(xué)框架，以智慧社會需要為導(dǎo)向，運用信息化技術(shù)手段實現(xiàn)了教與學(xué)的高效交互。[45]在特殊遠程學(xué)習(xí)者群體的交互中，基于模糊邏輯算法，能夠?qū)W(xué)習(xí)者的認知和信息意識進行智力、心理和身體等方面的鑒別，以創(chuàng)造一個可獲得的學(xué)習(xí)環(huán)境。[46]在交互質(zhì)量的評價中，文檔探究活動過程中形成的偶然關(guān)系和偶然鏈接是監(jiān)測的難點，機器學(xué)習(xí)及學(xué)習(xí)分析技術(shù)等為多文檔探究活動的交互質(zhì)量評價，提供了切實可行的途徑。[47]基于遺傳算法的人工智能系統(tǒng)能夠縮短交互過程，節(jié)省大量時間來提升教與學(xué)活動的交互質(zhì)量。[48]

（二）知識基礎(chǔ)分析

通過對“人工智能+教育”文獻的共被引聚類分析和引用強度分析，涌現(xiàn)出了評價、智能導(dǎo)師以及數(shù)據(jù)分析等“人工智能+教育”的重要知識基礎(chǔ)。

1.學(xué)習(xí)評價

學(xué)習(xí)評價一直是“人工智能+教育”研究的重要旨趣，形成性評價和自主學(xué)習(xí)的模型與反饋原則，受到了人工智能教育領(lǐng)域的借鑒?！胺答亴嵺`的模式與七原則”是人工智能教育關(guān)于學(xué)習(xí)者評價和自主學(xué)習(xí)管理的重要知識基礎(chǔ)，研究者把這些自主學(xué)習(xí)模型和反饋原則作為適應(yīng)性學(xué)習(xí)、數(shù)據(jù)挖掘以及智能教育效果的評價依據(jù)。自主學(xué)習(xí)模型由內(nèi)部處理和外部反饋兩部分組成，不僅呈現(xiàn)了學(xué)習(xí)者監(jiān)視和管理學(xué)習(xí)行為與學(xué)習(xí)績效的方法，而且顯示了內(nèi)部反饋在這些過程中的關(guān)鍵作用。自主管理過程的觸發(fā)，始于教師設(shè)定的學(xué)習(xí)任務(wù)，基于領(lǐng)域知識、策略知識和動機信念等基礎(chǔ)，經(jīng)過學(xué)生目標(biāo)、手段與策略、內(nèi)部學(xué)習(xí)結(jié)果等自主學(xué)習(xí)管理過程，實現(xiàn)外部可觀察的學(xué)習(xí)結(jié)果，教師、同伴和管理者等根據(jù)學(xué)習(xí)結(jié)果，對學(xué)習(xí)者的認知、動機和行為進行反饋。

支持和培養(yǎng)學(xué)習(xí)者自主學(xué)習(xí)的 “七條原則”，包括：闡明績效標(biāo)準(zhǔn)、促進自我評價、發(fā)布反饋信息、鼓勵師生會話、鼓勵積極動機和自尊、提供彌合差距的機會、應(yīng)用反饋改進教學(xué)。[49]智能認知地圖分析系統(tǒng)，為評價學(xué)生對特殊概念的理解提供了有效工具，通過分析學(xué)生所提概念的分布概率得以實現(xiàn)，而學(xué)生的話題理解評價，通過分析概念圖的圖形曲線變化進行。[50]

2.智能導(dǎo)師

智能導(dǎo)師系統(tǒng)是“人工智能+教育”研究領(lǐng)域中的重要分支，以知識表征、教學(xué)策略、學(xué)習(xí)診斷以及資源推薦等為主要研究內(nèi)容?；诰W(wǎng)頁的智能導(dǎo)師系統(tǒng)是教學(xué)軟件與互聯(lián)網(wǎng)功能進行融合的經(jīng)典成果，消解了僅具有交互和診斷能力的電子書學(xué)習(xí)方式，使得教育軟件能夠迎合正式教育環(huán)境的需求。國外學(xué)者開發(fā)的ZOSMAT系統(tǒng)，[51]能夠響應(yīng)真實學(xué)習(xí)環(huán)境中每一位學(xué)生的需求，應(yīng)用于個體學(xué)習(xí)和教師指導(dǎo)的真實教室環(huán)境。該系統(tǒng)能夠跟蹤每個學(xué)生學(xué)習(xí)過程的各個階段，指導(dǎo)他們所需要做的事情，體現(xiàn)了以學(xué)生為中心的教育理念，其功能主要包括：解釋關(guān)于話題的核心知識、告知何種類型的知識能夠被應(yīng)用以解決特定領(lǐng)域的問題、提供具有范例模型的問題解決案例、呈現(xiàn)學(xué)習(xí)績效測試報告、為學(xué)生提供可供選擇的下一個最有效活動。該系統(tǒng)包括管理、問題庫、學(xué)生模型、內(nèi)容結(jié)構(gòu)、專家模型以及用戶界面等部分。在教師輔導(dǎo)、計算機輔導(dǎo)以及無輔導(dǎo)等狀態(tài)的討論中，智能導(dǎo)師對學(xué)習(xí)者學(xué)習(xí)效果的影響與教師處于相當(dāng)?shù)匚?。[52]

3.數(shù)據(jù)信息挖掘與處理

數(shù)據(jù)信息挖掘與處理是“人工智能+教育”提升教與學(xué)效果和效率的重要基礎(chǔ)，學(xué)習(xí)風(fēng)格、學(xué)習(xí)行為、學(xué)習(xí)績效以及個性化學(xué)習(xí)推薦等數(shù)據(jù)信息的處理，必須獲得相關(guān)技術(shù)支持。深度問答技術(shù)，為“人工智能+教育”中的數(shù)據(jù)挖掘和個性化學(xué)習(xí)指導(dǎo)，提供了一種更加有效的途徑，能夠完成開放域問題的回答，其在游戲比賽和臨床醫(yī)學(xué)系統(tǒng)中表現(xiàn)出卓越的優(yōu)勢?；谏疃葐柎鸺夹g(shù)的臨床決策系統(tǒng)，能夠擔(dān)負大范圍的假設(shè)和相關(guān)證據(jù)探索，也能發(fā)現(xiàn)自主性會話所丟失的信息。[53]深度問答技術(shù)在游戲和臨床決策系統(tǒng)中的表現(xiàn)，吸引了更多的“人工智能+教育”研究者，來探討實現(xiàn)人機會話、智能問答以及學(xué)伴功能等內(nèi)容。在數(shù)據(jù)挖掘算法方面，進化算法、遺傳算法、貝葉斯定理等，是“人工智能+教育”領(lǐng)域中的重要知識基礎(chǔ)，為適應(yīng)性學(xué)習(xí)、智能導(dǎo)師系統(tǒng)、學(xué)習(xí)行為數(shù)據(jù)挖掘等，提供了理論基礎(chǔ)。

五、對我國“人工智能+教育”的發(fā)展策略思考

我們通過對國際“人工智能+教育”的相關(guān)文獻分析，可以發(fā)現(xiàn)，國際人工智能教育研究呈現(xiàn)出多學(xué)科交叉、校企聯(lián)合、團隊組建以及主題聚焦等特征。在借鑒國際“人工智能+教育”研究的經(jīng)驗基礎(chǔ)上，提出了我國“人工智能+教育”發(fā)展的四項策略，如圖5所示。

（一）制定跨界驅(qū)動的智能教育發(fā)展機制

圖5 我國“人工智能+教育”的發(fā)展策略

跨界驅(qū)動是指不同場域中的知識，跨越個體群體、組織機構(gòu)、學(xué)科領(lǐng)域、時間空間以及媒體介質(zhì)等邊界，在交叉融合過程中產(chǎn)生新知識。知識跨界將是驅(qū)動“人工智能+教育”發(fā)展的重要基礎(chǔ)和動力。[54]

1.重構(gòu)人工智能教育機構(gòu)的功能關(guān)系

“人工智能+教育”的創(chuàng)新與發(fā)展得益于多學(xué)科知識的交融，涵蓋計算機科學(xué)、量子科學(xué)、心理學(xué)、神經(jīng)科學(xué)、認知科學(xué)、經(jīng)濟學(xué)、數(shù)學(xué)和社會學(xué)等相關(guān)基礎(chǔ)學(xué)科，原來以學(xué)科劃分學(xué)院或者教育機構(gòu)的培養(yǎng)模式，將不能適應(yīng)“人工智能+教育”的人才培養(yǎng)，需要轉(zhuǎn)向以研究領(lǐng)域為導(dǎo)向的多學(xué)科人才或者機構(gòu)融合的聯(lián)盟性機構(gòu)，形成人工智能教育研究的集群組織。各學(xué)科既具有自己獨特的研究方向和組織結(jié)構(gòu)的獨立性，又是一個以某一研究領(lǐng)域為導(dǎo)向的聯(lián)合性單位。

2.建立學(xué)生跨界知識研修的評價機制

“人工智能+教育”研究的知識基礎(chǔ)多樣性，決定了學(xué)習(xí)者必須進行學(xué)科知識的跨界研修，跨界學(xué)科研修評價機制，對于人工智能教育的發(fā)展至關(guān)重要。學(xué)?？梢酝ㄟ^學(xué)分互認實現(xiàn)學(xué)習(xí)者按需學(xué)習(xí)的目標(biāo)，也可通過主輔雙修課程的學(xué)分管理方式，實現(xiàn)跨界知識學(xué)習(xí)，規(guī)定部分主修科目、跨界學(xué)習(xí)感興趣的輔修課目。

3.構(gòu)建人工智能技術(shù)跨界聯(lián)合研發(fā)機制

通過以協(xié)議、合約或者合同等方式，與人工智能教育相關(guān)的技術(shù)公司進行跨界技術(shù)研發(fā)合作，將具有不同技術(shù)優(yōu)勢的企事業(yè)單位聯(lián)合起來，共同圍繞人工智能教育進行技術(shù)研發(fā)?？缃缂夹g(shù)研發(fā)將進一步加速人工智能教育的發(fā)展，避免了技術(shù)的重復(fù)性研發(fā)以及低速研發(fā)等問題，充分發(fā)揮不同企事業(yè)單位在人工智能教育領(lǐng)域中的各自優(yōu)勢。

（二）組建優(yōu)質(zhì)學(xué)術(shù)研究共同體

“人工智能+教育”是一個具有明顯學(xué)科交叉性的研究領(lǐng)域，應(yīng)積極創(chuàng)建國際化交叉學(xué)科研究共同體，形成跨學(xué)科、跨區(qū)域、匯人才的特色學(xué)術(shù)研究共同體。

1.搭建人工智能教育研究的學(xué)術(shù)交流平臺

進一步開展以“人工智能+教育”為主題的國際會議，定期開展相關(guān)主題的研討活動。建立不同研究機構(gòu)或者研究者之間的學(xué)術(shù)交流抑或訪學(xué)機制，為研究者進行學(xué)術(shù)訪問，提供更多的機會和資金資助。

2.組建人工智能教育的國際化學(xué)術(shù)團隊

以研究機構(gòu)或者國際性學(xué)術(shù)組織為基礎(chǔ)，將與人工智能教育相關(guān)的研究者，組建成人工智能教育的國際化學(xué)術(shù)團體，建立學(xué)術(shù)團隊成員的遴選機制、人員交流制度、專家互聘機制以及物資支持機制。特別需要與美國、英國和俄羅斯等具有影響力的研究機構(gòu)和學(xué)術(shù)團隊，建立密切的合作關(guān)系。

3.打造具有特色研究主題的學(xué)術(shù)團隊

在全國建立或篩查人工智能教育的特色研究團隊，引導(dǎo)低水平、重復(fù)性的研究團隊轉(zhuǎn)型，在博士點申報、研究機構(gòu)評估以及人才隊伍建設(shè)等方面進行引導(dǎo)和評估。鼓勵建立穩(wěn)定的研究團隊和特色研究方向，充分利用院校的人才引進政策加快研究團隊組建，加強校企合作，以實現(xiàn)“人工智能+教育”團隊的人才共享、技術(shù)共享和人才聯(lián)合培養(yǎng)。

（三）形成“校、企、政”聯(lián)動機制

1.確立政府主導(dǎo)的聯(lián)動機制

發(fā)揮政府在人工智能教育發(fā)展中的主導(dǎo)地位，特別是政府在組織管理、資金支持、人才引進以及統(tǒng)籌協(xié)調(diào)等方面的作用。創(chuàng)新新一代人工智能教育研究重大科技項目的組織實施模式，進一步發(fā)揮市場運行機制的作用，以調(diào)動政府、學(xué)校和企業(yè)的力量，協(xié)同推進人工智能教育的發(fā)展。積極利用政府與社會資本的合作模式，引導(dǎo)社會資本、公司參與人工智能教育重大項目的研發(fā)、實施以及科技成果的轉(zhuǎn)化應(yīng)用。

2.建立校企合作共贏模式

加強校企聯(lián)動與深度融合，是實現(xiàn)高校與企業(yè)在人工智能教育領(lǐng)域優(yōu)勢互補和協(xié)同發(fā)展的關(guān)鍵，有助于實現(xiàn)人才校企協(xié)同培養(yǎng)、科研校企協(xié)作、成果轉(zhuǎn)化校企聯(lián)動。[55]我國具有世界級的人工智能企業(yè)，諸如，百度、科大訊飛和阿里巴巴等，能夠為人工智能教育研發(fā)提供技術(shù)、資金和人員支持。學(xué)校、政府和企業(yè)可以通過協(xié)議，來充分利用他們的人力資源、物力資源和技術(shù)手段。學(xué)校與企業(yè)簽訂相應(yīng)的人才培養(yǎng)計劃，為企業(yè)提供專業(yè)化的人才供給，通過聯(lián)合培養(yǎng)人才以實現(xiàn)人工智能教育的快速發(fā)展。

3.制定師資隊伍共建模式

堅持人工智能教育人才自主培養(yǎng)與人才引進相結(jié)合的策略，培育具有示范引領(lǐng)作用的高水平人工智能教育師資和團隊，構(gòu)建與百度、科大訊飛和阿里巴巴等公司聯(lián)合培養(yǎng)師資的行動框架。推動公司與高校人工智能教育高端人才的雙向互聘機制，彌補我國當(dāng)前人工智能教育師資明顯短缺的問題。鼓勵企業(yè)派高端人才進駐校園進行教學(xué)研究，將人工智能教育的新技術(shù)、新思想和新方法融入到課堂教學(xué)中。此外，亟需探索人工智能教育的教師教育培養(yǎng)新模式，為人工智能教育工作者提供相應(yīng)的知識與技能。[56]

（四）優(yōu)化人才培養(yǎng)體系與制度

1.設(shè)計與開發(fā)人工智能教育的教材和資源

教材和學(xué)習(xí)資源是人工智能教育人才培養(yǎng)的基礎(chǔ)，精選人工智能教育的相關(guān)基礎(chǔ)理論和關(guān)鍵性技術(shù)是實現(xiàn)這一基礎(chǔ)的保障。人工智能教育的教材和資源的設(shè)計與開發(fā)，需要將大數(shù)據(jù)智能理論、跨媒體感知計算理論、混合增強智能理論、群體智能理論、機器學(xué)習(xí)理論、類腦智能計算理論以及量子智能計算理論和相應(yīng)技術(shù)，依據(jù)學(xué)習(xí)者的身心發(fā)展、智力水平和學(xué)段特征等相結(jié)合，構(gòu)建從基礎(chǔ)教育到高等教育的系統(tǒng)化教材和資源體系。教材和學(xué)習(xí)資源的開發(fā)，需要聚集課程專家、一線教師、人工智能專家以及相關(guān)領(lǐng)域的人員共同參與，確保教材和資源的科學(xué)性、適切性、藝術(shù)性以及系統(tǒng)性。

2.開設(shè)人工智能教育學(xué)科或?qū)I(yè)

人工智能教育的專業(yè)人才培養(yǎng)，需要以學(xué)科或者專業(yè)為培養(yǎng)載體得以實現(xiàn)，專業(yè)化的發(fā)展路徑為人工智能教育的人才培養(yǎng)，提供了優(yōu)越的學(xué)習(xí)條件和師資隊伍。人工智能教育的學(xué)科或者專業(yè)建設(shè)，既可以通過組建專業(yè)化的教師隊伍得以實現(xiàn)，又可以通過融合不同專業(yè)的教師構(gòu)建學(xué)科集群的方式聯(lián)合組建，從而解決目前人工智能教育師資匱乏的問題。學(xué)科或?qū)I(yè)創(chuàng)建需要加強與科研院所和企業(yè)等機構(gòu)的合作，力爭實現(xiàn)“人工智能+教育”的產(chǎn)、學(xué)、研一體化發(fā)展，形成“人工智能+教育”人才的復(fù)合培養(yǎng)新模式。[57]

3.積極開展人工智能科普與教學(xué)改革

加強人工智能教育的頂層設(shè)計，既要重視理論研究，更要推動教與學(xué)的變革，實現(xiàn)人工智能教育與學(xué)科的深度融合。[58]將人工智能的相關(guān)知識，適度融入到基礎(chǔ)教育和高等教育的教材中，推動人工智能知識在大中小學(xué)生中的普及，激發(fā)他們對人工智能技術(shù)的興趣和學(xué)習(xí)動力，遵循師資先行、興趣導(dǎo)向和課程承載的基本行動路徑。[59]在中小學(xué)階段設(shè)置適切的人工智能課程，逐步推動編程教育生根與發(fā)展，鼓勵企業(yè)和個人參與到寓教于樂的編程教學(xué)軟件和人工智能教學(xué)游戲的開發(fā)和推廣中。