AI背景下中小學(xué)師生融合動力現(xiàn)狀及改進

趙 錚,李 墨

教育部2018 年發(fā)布《教育信息化2.0 行動計劃》明確提出“開展智慧教育探索與實踐,目的就是要推動教育理念與模式、教學(xué)內(nèi)容與方法的改革創(chuàng)新,提升區(qū)域教育水平”[1]。隨著當(dāng)前中小學(xué)關(guān)于融合課、示范課等形式的探索與推進,融合動力對于教學(xué)方法實施與創(chuàng)新的影響愈加明顯,促進教學(xué)變革的內(nèi)生性也逐漸作為檢驗智慧教育在中小學(xué)課堂落地實現(xiàn)融合創(chuàng)新的成效標(biāo)準之一。[2]

與此同時,隨著AI技術(shù)的普及與應(yīng)用、AI教育工作的推進與落實,AI時代的來臨對于智慧教育創(chuàng)新思路、推進教育信息化2.0走向深入都有著顯著的現(xiàn)實意義。根據(jù)當(dāng)前融合課中關(guān)于教學(xué)動力的現(xiàn)狀與需求,研究AI背景下對于教學(xué)動力產(chǎn)生與維持的機制是當(dāng)前應(yīng)用探索工作中一項重要內(nèi)容。

一、當(dāng)前融合課中教學(xué)動力的現(xiàn)狀與訴求

在技術(shù)與教學(xué)融合歷程之前,教學(xué)發(fā)展的動力來源大多關(guān)注于教師與學(xué)生在教學(xué)過程中的元認知培養(yǎng),如促進師生對于教學(xué)成效的梳理、對于教學(xué)過程的反思與調(diào)節(jié)等,其在傳統(tǒng)教學(xué)環(huán)境中的現(xiàn)有意義在于強調(diào)教師發(fā)展性,即促進自我提升以更好地推進教學(xué)。[3]當(dāng)前,教學(xué)動力發(fā)展意義更關(guān)注促進融合動力的發(fā)展。[4]關(guān)于融合課教學(xué)動力的衡量標(biāo)準定位于技術(shù)促進下的教師與學(xué)生共同的動力合力,這也與當(dāng)前智慧課堂以師生集體智慧生成發(fā)展為構(gòu)建取向的理解相映射。具體指新技術(shù)環(huán)境需要教師不斷提升自身信息素養(yǎng),積極嘗試技術(shù)與教學(xué)融合,創(chuàng)新自身教學(xué)方法,面向師生能力培養(yǎng),重視教學(xué)效能,促進師生共同發(fā)展等方面。分析教學(xué)融合動力的定位與構(gòu)成有助于實現(xiàn)技術(shù)促進教學(xué)創(chuàng)新及提高相應(yīng)的成效。

(一)當(dāng)前中小學(xué)融合動力現(xiàn)狀調(diào)研

本調(diào)研目標(biāo)定位于分析當(dāng)前教師與學(xué)生互促表現(xiàn)中存在的不足與需求。采用問卷與訪談結(jié)合的形式。內(nèi)容主要考察對象在教學(xué)創(chuàng)新過程中的態(tài)度與感受,首先確定教師自身、技術(shù)對教師、學(xué)生對教師、技術(shù)對學(xué)生四個方面進行問卷調(diào)查以摸清初步的情況。而后根據(jù)教學(xué)環(huán)境中的融合動力、群體動力相關(guān)框架為理論基礎(chǔ)[5－6]對于技術(shù)支撐方面進行訪談；結(jié)合學(xué)習(xí)動力對于學(xué)習(xí)者學(xué)習(xí)力培養(yǎng)的促進方式為相關(guān)理論依據(jù)[7]對于學(xué)生對教師的影響進行訪談。①此為天津市教育科學(xué)研究院年度重點調(diào)研課題“智慧教育理念下教學(xué)創(chuàng)新發(fā)展現(xiàn)狀及政策研究”部分調(diào)研內(nèi)容。

1.教師融合動力影響來源——自身情況

圖1 教師融合動力影響來源——自身情況

該部分調(diào)查主要聚焦于教師自身對于融合課探索的初心,目前教師進行融合探索普遍是基于自我提升的意愿或是往期探索中積累的信心(圖1)。這為整體融合課的深入探索在心理準備方面奠定了基礎(chǔ),這種內(nèi)生的動力往往不會因為外界的看法和態(tài)度而受到影響,只會取決于后續(xù)的實踐與體驗,為后續(xù)深入研究確定了方向。

2.教師融合動力影響來源——學(xué)生方面

該部分主要考察學(xué)生對于教師融合動力的影響,原題目為“學(xué)生在哪些方面會影響您應(yīng)用技術(shù)進行教學(xué)的效果”。根據(jù)調(diào)查,在當(dāng)前融合課中教師對于學(xué)生方面的感受,有將近一半的教師表示學(xué)生的技術(shù)應(yīng)用能力是影響融合課實施的一個主要因素(圖2),此外還有教師認為學(xué)生的興趣以及學(xué)業(yè)水平也會影響其是否繼續(xù)進行融合課的探索。

圖2 教師融合動力影響來源——學(xué)生方面

3.教師融合動力影響來源——技術(shù)表現(xiàn)

該部分調(diào)查圍繞技術(shù)表現(xiàn)影響教師的融合動力,主要關(guān)注各個教學(xué)環(huán)節(jié)之中的應(yīng)用效果,旨在通過詢問“當(dāng)前技術(shù)在哪些教學(xué)環(huán)節(jié)支撐中影響了教學(xué)預(yù)期”來確定主要關(guān)注的方面。多數(shù)教師認為技術(shù)對于課堂教學(xué)以及備課兩個環(huán)節(jié)的支撐還不能滿足教師的需求,一些功能仍需要補足和改進,其他方面情況見圖3所示。

圖3 教師融合動力影響來源——技術(shù)表現(xiàn)

4.學(xué)生融合動力影響來源——技術(shù)表現(xiàn)

該部分旨在通過教師所了解的情況,摸清當(dāng)前技術(shù)在對學(xué)生學(xué)習(xí)過程支撐中有哪些環(huán)節(jié)低于學(xué)生的使用預(yù)期。最終梳理了5個主要方面(圖4),其中問題情境設(shè)置方面較突出,結(jié)合對實際情況的了解,當(dāng)前自主在線學(xué)習(xí)或是翻轉(zhuǎn)課堂中學(xué)生普遍認為技術(shù)在“如何啟動學(xué)習(xí)”方面缺少支撐,或是具備推送功能但在適應(yīng)性方面不能滿足學(xué)生的要求,難以激發(fā)學(xué)生嘗試應(yīng)用的興趣。

圖4 學(xué)生融合動力影響來源——技術(shù)表現(xiàn)

(二)提升教與學(xué)動力水平的主要問題與需求

我們通過調(diào)研發(fā)現(xiàn),當(dāng)前教師普遍應(yīng)用技術(shù)支撐教學(xué)的內(nèi)生動力較高,有自我提升的意愿,更多的教師愿意進行技術(shù)的嘗試,本研究認為在技術(shù)支撐教學(xué)環(huán)境下出現(xiàn)“教師厭教、學(xué)生厭學(xué)”并阻礙教師融合動力維持的主要因素存在于教師與學(xué)生獲得技術(shù)支撐后的反饋之中,體現(xiàn)為“學(xué)生因素對教師造成的心理落差”“技術(shù)因素對教師造成的心理落差”“技術(shù)因素對學(xué)生造成的心理落差”三個方面。

1.學(xué)生表現(xiàn)與教師心理預(yù)期間的落差

在融合課實施過程中,往往出現(xiàn)師生行動不協(xié)調(diào)的狀況,尤其教師在應(yīng)用新技術(shù)或創(chuàng)新課堂形式時,就會出現(xiàn)教師準備時間過長,課堂節(jié)奏緩慢、效率不高的局面。歸結(jié)為學(xué)生在幾個方面的缺少：一是在應(yīng)用虛擬實驗進行教學(xué)過程中,學(xué)生缺少軟件功能的準備,技術(shù)理解能力不強拖延了融合課實施的時間。二是在開展翻轉(zhuǎn)課堂時,學(xué)生在課前的準備不夠充分,缺少信息檢索、收集、整理等相關(guān)素養(yǎng)能力,影響了課堂更深層次教學(xué)的實施。三是在開展STEAM 課程探索時,學(xué)生缺少在學(xué)科融合思維、學(xué)科遷移性思維、計算性思維、編程性思維等方面的培養(yǎng)基礎(chǔ),而這些思維無法從當(dāng)前傳統(tǒng)單學(xué)科、講授型課堂中培養(yǎng),導(dǎo)致了教師準備時間過長。

2.技術(shù)表現(xiàn)與教師心理預(yù)期間的落差

由于課堂教學(xué)涉及的影響因素很多,某一環(huán)節(jié)應(yīng)用技術(shù)改變了教學(xué)方式,會對其他因素產(chǎn)生更多的影響。教師更多擅長為設(shè)計者提供與教學(xué)內(nèi)容、學(xué)科知識教學(xué)方法相關(guān)的支撐工具修改意見,但當(dāng)前技術(shù)無法從整體為教師提供更全面的學(xué)習(xí)情況分析,如學(xué)生學(xué)習(xí)力水平、學(xué)生實際掌握的知識水平、學(xué)生紀律和專注情況等只能憑借經(jīng)驗去推測,導(dǎo)致了最終教學(xué)成效往往低于教師預(yù)期的標(biāo)準,并與傳統(tǒng)課堂成效差別不大,所以當(dāng)前融合課探索過程中,仍有很多教師沒有采用新技術(shù)環(huán)境進行教學(xué)的動力或意愿。

3.技術(shù)表現(xiàn)與學(xué)生心理預(yù)期間的落差

學(xué)生對于自我提升的意愿和課堂外學(xué)習(xí)的效果影響推動教師嘗試新技術(shù)新方法來改變現(xiàn)有的教學(xué)成效。當(dāng)前即便在先進融合示范的區(qū)校中,學(xué)生獲得的個人學(xué)習(xí)環(huán)境也難以維持其內(nèi)生動力水平,教師方面需要學(xué)生在整個教學(xué)過程中具有全面的自我認知從而和教師一起共同面對教學(xué)實踐中出現(xiàn)的問題,而學(xué)生方面對于個人學(xué)習(xí)環(huán)境的要求聚焦于個性化和精準化的訴求,能夠概括為幫助自己認清當(dāng)前學(xué)習(xí)水平、近期清晰的學(xué)習(xí)路徑以及遠期的發(fā)展方向。

綜上所述,當(dāng)前階段技術(shù)融合仍存在的需求如表1所示。而面對這些需求,AI背景下的融合動力能否得到改善,會不會出現(xiàn)新的問題,這是需要我們繼續(xù)討論的內(nèi)容。

表1 當(dāng)前融合探索中主客體心理預(yù)期

二、AI背景下的師生融合動力

(一)AI應(yīng)用影響下的師生融合動力

關(guān)于師生融合動力(對于新技術(shù)應(yīng)用在教與學(xué)中的探索)的討論集中于是否滿足教師與學(xué)生的心理預(yù)期,而應(yīng)用過程的載體是技術(shù)與教學(xué)的融合方式,討論AI背景下的融合方式則需要關(guān)注其本源訴求對象的發(fā)展與演變,其中涉及價值取向、角色預(yù)期以及技術(shù)功能的演變。

目前在常態(tài)化自主學(xué)習(xí)中,從技術(shù)融合角度來說并不能夠支撐學(xué)習(xí)者快速進入學(xué)習(xí)狀態(tài),往往需要教師的有效引導(dǎo),在一定程度上降低了教學(xué)的效率。從融合動力角度來說,技術(shù)應(yīng)用帶來的效果應(yīng)當(dāng)滿足教師的預(yù)期：應(yīng)然能夠解放教師進行更有針對性的問題設(shè)計與課堂組織,AI技術(shù)(傳感器＋機器學(xué)習(xí))的介入可以實現(xiàn)課堂教學(xué)行為的自主識別采集以及面向過程數(shù)據(jù)的自動編碼,更能夠?qū)σ酝n堂“教與學(xué)交互情況”“學(xué)生興趣狀態(tài)”“識別課堂教學(xué)情境”“學(xué)習(xí)參與度”等方面的分析技術(shù)進行建模與賦能,[8－10]幫助教師提高利用技術(shù)進行教學(xué)的自信,從而實現(xiàn)“滿足教師心理預(yù)期”的訴求。

對比成績等最終效果,技術(shù)融合中的教師也需要學(xué)生在過程中給予心理上的支持,包括學(xué)生表現(xiàn)出的專注性、深度性和積極性。我們可以將之理解為AI應(yīng)用背景下學(xué)生給予的融合動力：即幫助教師促進學(xué)生進入更深層次的學(xué)習(xí)狀態(tài)以保持學(xué)習(xí)者的心流,[11]這與學(xué)生的內(nèi)生動力激發(fā)有直接的關(guān)系,特別是多元混合且環(huán)境復(fù)雜的未來學(xué)習(xí)之中,讓學(xué)習(xí)者獲得“保持”與“深度”需要提升現(xiàn)有的適應(yīng)性手段,包括個性化的學(xué)習(xí)路徑與更多的適配性的學(xué)習(xí)資源。構(gòu)建以學(xué)生為主體、由學(xué)生自主規(guī)劃、以技術(shù)支撐為輔助的個體學(xué)習(xí)機制,從而為學(xué)習(xí)者驅(qū)動整個學(xué)習(xí)過程提供動力。

智能化數(shù)據(jù)采集與計算能夠滿足來自學(xué)生獲取學(xué)習(xí)決策的需求,這就意味著AI技術(shù)能夠支持自主學(xué)習(xí)承擔(dān)更多的認知任務(wù),學(xué)生的心理預(yù)期就從個性化轉(zhuǎn)變?yōu)榫珳蕚€性化。與課堂多模態(tài)采集的算法不同(身體姿態(tài)、視線角度、眼睛焦點等),獲取學(xué)生的信任需要機器充分了解學(xué)生并且針對學(xué)習(xí)者的屬性進行不斷學(xué)習(xí),涉及針對學(xué)生個體學(xué)習(xí)過程性的數(shù)據(jù),采取伴隨式的畫像建模,需要對學(xué)生學(xué)習(xí)風(fēng)格、動機水平(情緒識別、生理反饋)、情境要素、知識本體等統(tǒng)合并加以合理的解釋。[12－13]

但當(dāng)前采集設(shè)備技術(shù)發(fā)展相對緩慢,一定程度上會對學(xué)習(xí)者的心理(隱私安全)、生理(腦機過載)、認知(信息爆炸)產(chǎn)生負荷或影響,這為滿足融合動力提出了新的要求。

(二)AI教育影響下的師生融合動力

隨著技術(shù)應(yīng)用的限域不斷提高,師生對于技術(shù)的理解與操作顯然應(yīng)當(dāng)跟進技術(shù)發(fā)展的步伐,為了滿足應(yīng)用過程中所帶來的融合動力不足問題,推進AI教育漸漸引起研究者們的關(guān)注?！吨泄仓醒雵鴦?wù)院關(guān)于全面深化新時代教師隊伍建設(shè)改革的意見》指出：“教師應(yīng)主動適應(yīng)信息化、AI等新技術(shù)變革,積極有效地開展教育教學(xué),”[14]同時學(xué)生也應(yīng)當(dāng)做好應(yīng)對AI時代來臨的準備。

在當(dāng)前“智能化領(lǐng)跑教育信息化2.0”[15]已然進入深潛階段、硬件環(huán)境建設(shè)標(biāo)準已然基本統(tǒng)一的前提下,來自教師與學(xué)生對于AI應(yīng)用的心理預(yù)期標(biāo)準也會因AI教育發(fā)展的影響而變化。本研究認為考慮AI時代下的STT(學(xué)生、教師與技術(shù))三者深度融合方向在讓學(xué)生學(xué)會學(xué)習(xí)之前應(yīng)當(dāng)著眼于師生如何更好地適應(yīng)和融入技術(shù)環(huán)境之中,換言之植入融合動力是體現(xiàn)融合最終價值的前提。

從內(nèi)生角度來看,目前教師培訓(xùn)內(nèi)容逐步涉及大量的關(guān)于AI理念的宣講,并且普遍得到了教師的認同,教師對技術(shù)在教學(xué)中的應(yīng)用發(fā)展充滿了期待,能夠積極地嘗試新技術(shù)新方法來滿足現(xiàn)有教與學(xué)的需求。應(yīng)對AI時代的來臨主要聚焦于師生在教學(xué)探索中的自我定位以及所需技能深入細化,則AI教育首先需要肩負起改善師生思維、提升師生技能的職責(zé)。

1.AI教育對于教師的回應(yīng)

AI環(huán)境下教師融合動力從體驗角度出發(fā)關(guān)注于應(yīng)用更省時、更高效、更輕松等方面。而此時教師相關(guān)知識、技能成為了這一視角下的主要影響因素。其一,由于大量的數(shù)據(jù)生成需要教師的甄別,大量的可選性教學(xué)策略需要教師去抉擇。其二,圍繞針對學(xué)習(xí)的路徑、策略、方向的話語權(quán)歸屬問題,這涉及AI本身的公式、邏輯等背后的設(shè)計者與教師的博弈,盡管教師減輕了工作負擔(dān),但也需要儲備相應(yīng)的知識去識別可能出現(xiàn)的模型不完備或是設(shè)計者操縱、利用數(shù)據(jù)等情況。針對以上情況,AI教育需要走在應(yīng)用的前面,相信學(xué)校中各領(lǐng)域各學(xué)科最終都會走向人機協(xié)同,學(xué)生、機器、教師三角色交互比重也會趨于4：3：3,在一定程度上也可以理解為教師與學(xué)生都需要AI相關(guān)系統(tǒng)化的學(xué)習(xí),這也與教師角色與定位變化契機相吻合。

2.AI教育對于學(xué)生的回應(yīng)

當(dāng)前AI關(guān)于學(xué)生的教育主旨在于培養(yǎng)學(xué)生相關(guān)技能和思維以適應(yīng)萬物皆可賦能的時代。計算機科學(xué)以數(shù)學(xué)為基礎(chǔ),AI應(yīng)用思維也可以稱之為數(shù)學(xué)范疇下的思維,AI思維的運用同樣受人文思維的限制,AI教育同樣需要關(guān)注目的性、嚴密性、科學(xué)性、專注性、實用性等社會屬性。就如在當(dāng)前編程課程、STEM 課程的火熱推行中,也存在一些冷聲音,諸如“學(xué)生所具備的相應(yīng)技能無法應(yīng)用于生活之中”、“對于自身學(xué)習(xí)毫無幫助”,等等。不同于教師的體驗性,學(xué)生應(yīng)用技術(shù)的融合動力取決于如何更好地利用技術(shù)獲得滿足和成就,這也成為了AI教育對于學(xué)生心理預(yù)期的積極回應(yīng),這其中涵蓋了學(xué)生具備明確的技術(shù)應(yīng)用目標(biāo)以及科學(xué)的技術(shù)應(yīng)用方法,能夠結(jié)合AI具有可編輯、可擴展的屬性來幫助自己學(xué)習(xí)和實踐。AI教育在涵蓋培養(yǎng)邏輯、計算、編程等技術(shù)型思維之前,首先需要思考如何為學(xué)生樹立科學(xué)正確的價值觀和個人發(fā)展方向以及實現(xiàn)過程中所需要具備的創(chuàng)新性、遷移性、科學(xué)性思維。

綜上所述,關(guān)于融合動力需求的解決,AI給予了其身處背景之下需要對應(yīng)的問題,即AI應(yīng)用對應(yīng)產(chǎn)生預(yù)期落差的問題,AI教育對應(yīng)影響體驗的問題,這些對應(yīng)都能在一定程度上保證師生能夠更主動地應(yīng)用技術(shù)以及更持久地融入技術(shù)。但AI技術(shù)所具有的精準與全面兩重屬性,也在另一方面為融合動力的維持提供了新的挑戰(zhàn)。自從其從認知層面改變了學(xué)生信息加工的方式以來,學(xué)生和教師在應(yīng)用AI前都會考慮其將代替自身行使哪些行為、其不能干擾自身哪些行為,因而AI時代帶來的角色討論在融合動力訴求中顯得尤為重要。

三、AI背景下的角色邊界

融合動力從心理簡化機制來闡述就是通過彼此之間的信任而自愿為一個目標(biāo)去努力,我們在忽視教育外領(lǐng)域AI發(fā)展造成的趨同影響后,可以理解為AI應(yīng)用需要實然背景下的教育應(yīng)然做到：讓學(xué)生、教師、技術(shù)三個角色之間產(chǎn)生更為強烈的認同與信任。由此,角色間定位與認同、角色邊界維持對于融合動力持續(xù)性存在尤為重要。

一是對于面向持有“教師角色蛻化”或“機器更加親和”觀念的學(xué)生,教師的融合動力顯然會受到阻礙,讓學(xué)生了解機器協(xié)同及角色轉(zhuǎn)換的本質(zhì)是AI教育另一個需要注重的方面,AI只是充當(dāng)一種“觀察—轉(zhuǎn)述—學(xué)習(xí)—模仿者”的角色,并不會成為知識的源頭,同樣需要教師引領(lǐng)、協(xié)同和不斷地調(diào)整。

二是當(dāng)前AI所扮演的角色在碎片化的領(lǐng)域已然從決策者轉(zhuǎn)變?yōu)榭刂普?在個性化精準化推送(如新聞推送、淘寶推送等)影響下,我們需要避免用戶一直沉浸在由他喜歡的內(nèi)容、風(fēng)格、路徑所構(gòu)建的環(huán)境之中,產(chǎn)生安逸感以及思維定式的同時也會排斥教師所進行的改變,尤其在場景以及目標(biāo)產(chǎn)生變化之時難以適應(yīng)并加以排斥,從而影響了教師的角色作用。學(xué)習(xí)過程中內(nèi)容與目標(biāo)的漸進性恰恰又是不斷修正和調(diào)整的過程。

此外,AI能夠伴隨學(xué)生學(xué)習(xí)過程來識別相應(yīng)信號(動作、表情、腦電波)以計算其知識技能水平、個性水平(愛好、特長)、情感狀態(tài)等信息,并提供全方位的檢測、分析、決策,但情感介入和價值方向引領(lǐng)還需要教師的引導(dǎo),這也是人的社會屬性領(lǐng)域所提倡的內(nèi)容,如果AI干預(yù)了師生之間的交互,帶有一些主觀意識的培養(yǎng)將隨之被削減,學(xué)校乃至社會在整體治理方面將會受到影響。那么如何做到角色邊界維持?我們需要從教師與技術(shù)兩方面出發(fā)探討各自所應(yīng)輸出的角色功能。

(一)來自教師的角色輸出

1.培養(yǎng)學(xué)生生涯意識和主動性人格

為了避免學(xué)生被AI所固化,教師應(yīng)當(dāng)清晰自己的角色屬性,著重關(guān)注學(xué)生意識的培養(yǎng)、人格的塑造,幫助學(xué)生在AI環(huán)境下的學(xué)習(xí)具備明細的發(fā)展方向和生涯意識,保有主動性的人格。這樣才能促進學(xué)生學(xué)會抉擇和判斷,保持不斷改變和修正自己的狀態(tài)。

生涯意識培養(yǎng)可以理解成在強調(diào)社會生存與精神影響下的學(xué)生的內(nèi)部發(fā)展動力,教師需要在教育實踐中盡可能地了解學(xué)生的內(nèi)心需求。[16]特別是主動性人格特質(zhì)方面,其并非靜態(tài)人格,應(yīng)著眼于環(huán)境或組織因素,將主動性人格特征視為動態(tài)并加以干預(yù)。[17]相比“大五”人格,主動性人格(compound personality)作為一種復(fù)合型人格特征能更好地預(yù)測員工在學(xué)習(xí)情境下的動機從而促進員工的開發(fā)活動。[18]此外,父母生涯發(fā)展期望與主動性人格以及生涯適應(yīng)力存在正相關(guān)。[19]主動性人格是一種相對穩(wěn)定的個人特質(zhì),反映了一個人無論在什么環(huán)境中都很少被情境阻力所限制,會最大限度地積極采取行動,以確保取得積極成果的傾向。[20－21]主動性人格有利于促進創(chuàng)新行為和開發(fā)活動。與低主動性人格的個體相比,高主動性人格的個體會積極加入到知識分享的活動中去,增加自身的知識積累。[22]

2.構(gòu)建實踐型場域

教師應(yīng)積極探索利用自動感知與虛擬現(xiàn)實相結(jié)合,幫助學(xué)生擴充學(xué)習(xí)場域,并為學(xué)生的學(xué)習(xí)帶來沉浸式與交互式的體驗,為教學(xué)情境的創(chuàng)建提供支撐,其對于輔助學(xué)生進行知識遷移方面有突出的作用。[23]尤其在工程學(xué)領(lǐng)域,可以更直觀地觀察客觀事物的現(xiàn)象和運動規(guī)律,對深入分析其本體屬性具有很好的促進作用；增強現(xiàn)實技術(shù)幫助使用者看到真實世界以及融合于真實世界之中的虛擬對象,以此能夠傳達以往無法實現(xiàn)的訊息。[24]特別是應(yīng)用于人文科學(xué)中(結(jié)合游歷教學(xué)、生活教學(xué)等具體形式),通過增強學(xué)生體驗的途徑,促進了學(xué)生相關(guān)的思想認識和精神體會。由上正是隨著這種虛實結(jié)合的發(fā)展使得教學(xué)條件在獲得上更顯便利,教師可以選擇更適合的資源條件引導(dǎo)學(xué)生進行更專注、更深度的學(xué)習(xí)。

3.促進學(xué)習(xí)者深層次學(xué)習(xí)

為促使學(xué)生合理運用AI相關(guān)技能實現(xiàn)解決問題的能力,教師仍然需要將高階思維作為學(xué)生的發(fā)展目標(biāo),鼓勵并支持學(xué)習(xí)者進行深層次的學(xué)習(xí),而目前在常態(tài)化自主學(xué)習(xí)中,AI提供的技術(shù)支持在基于前概念方面能夠為學(xué)習(xí)者提供一種來自知識結(jié)構(gòu)的支撐,[25]但學(xué)習(xí)者快速進入學(xué)習(xí)狀態(tài)往往需要教師的有效引導(dǎo),其中包括積極的情緒感染、針對性的教學(xué)策略以及交互的課堂組織等領(lǐng)域,這些領(lǐng)域也都可以被AI所感知和分析,但關(guān)注和干預(yù)仍需要教師去探索?？傮w而言教師這個角色會越來越具有挑戰(zhàn)性,這不是AI替代的挑戰(zhàn),而是來自教學(xué)多樣性的挑戰(zhàn),這也恰恰突出了教師所扮演角色的重要性。

(二)來自技術(shù)的角色輸出

在AI時代來臨之時,其本身也在逐步完善以更好地突出本身角色的價值,從加強教師的體驗到改變學(xué)生的思維定式最終促成學(xué)習(xí)方式的補充,這也是技術(shù)對于師生更積極的應(yīng)用與探索作出的回饋。

1.支持教師的規(guī)劃和調(diào)整

如上文所述,教師的角色在于不斷對課堂進行干預(yù)和調(diào)整,來源于教師超越課堂環(huán)境對整個學(xué)習(xí)過程的把握和規(guī)劃。AI在對學(xué)習(xí)者行為痕跡進行動態(tài)捕捉的同時,也要考慮如何反饋給教師,則機器學(xué)習(xí)的畫像維度也同時要超越學(xué)生的范疇,將學(xué)生學(xué)習(xí)過程特征、教師的教學(xué)特征、課堂綜合特征以及學(xué)科內(nèi)容特征統(tǒng)合起來以幫助教師更好地施行和調(diào)整規(guī)劃。如建立學(xué)生風(fēng)格檔案,建立學(xué)生學(xué)習(xí)風(fēng)格共性特征庫,挖掘其中的教學(xué)切入點,從而規(guī)劃教師教學(xué)計劃和分配定向教學(xué)任務(wù)等,對教學(xué)組織的整體綜合性分析是未來AI維持角色邊界的關(guān)鍵。

2.生成動態(tài)的學(xué)習(xí)決策方案

目前技術(shù)并不會嘗試不符合學(xué)習(xí)者風(fēng)格、知識水平、興趣內(nèi)容、行為習(xí)慣的推送,設(shè)計者們不會冒險根據(jù)未來可能會出現(xiàn)的情況來決定現(xiàn)有的計算方法。為了避免學(xué)生產(chǎn)生思維定式,動態(tài)的決策學(xué)習(xí)方案需要用戶模型在可動態(tài)調(diào)整下做到實時的精準,根據(jù)具體學(xué)習(xí)內(nèi)容、環(huán)境以及其他因素的變化而動態(tài)修改對人物屬性的測算模型。這需要AI不斷地進行深度學(xué)習(xí)并對經(jīng)驗加以總結(jié),可以為學(xué)生提供假設(shè)下的一些新的可能,尤其未來學(xué)習(xí)形式中,對非正式場所的學(xué)習(xí)時間占比較大,需要對更為復(fù)雜的學(xué)習(xí)痕跡進行跟蹤,在此基礎(chǔ)上整合其他屬性的計算模塊,如學(xué)習(xí)內(nèi)容的條件參數(shù),環(huán)境對學(xué)習(xí)者注意力與理解力的影響,等等,再結(jié)合學(xué)習(xí)者相對穩(wěn)定的認知與人格數(shù)據(jù),為學(xué)習(xí)者形成生成性的學(xué)習(xí)決策提供服務(wù)。

3.將學(xué)生置于路徑之中

社會屬性作用下,學(xué)生在路徑網(wǎng)絡(luò)中通過互助與互比更容易獲得積極的動力。

目前,AI提供相對適應(yīng)的學(xué)習(xí)決策服務(wù)是在滿足學(xué)習(xí)者現(xiàn)有學(xué)習(xí)特征的基礎(chǔ)上實現(xiàn)的。除了一些相對穩(wěn)定不具有明顯偏向的因素之外,一些因素雖然切合當(dāng)前的學(xué)習(xí)特征,但在適配性滿足的同時并不一定保證其是最有效的,特別是在學(xué)習(xí)路徑方面,AI學(xué)習(xí)除了結(jié)合目標(biāo)學(xué)習(xí)者自身特征之外,應(yīng)加強對學(xué)習(xí)網(wǎng)絡(luò)的學(xué)習(xí)來對比優(yōu)秀學(xué)習(xí)者的數(shù)據(jù)進行綜合分析,用推薦代替適配。其中,發(fā)現(xiàn)并揭示變量間的依賴關(guān)系、預(yù)測路徑的精準性顯得尤為重要,當(dāng)然基于概率的不確定性推理(如將圖論與概率論相結(jié)合的貝葉斯網(wǎng)絡(luò),為數(shù)據(jù)分類、推理和預(yù)測等問題提供了重要的理論基礎(chǔ))以及路徑推薦相關(guān)算法(用戶相似度算法,如余弦相似性、皮爾森系數(shù)、調(diào)整余弦相似性)目前已經(jīng)具備。[26－27]但是要解釋復(fù)雜路徑內(nèi)的因果關(guān)系還需要我們進一步探索,AI學(xué)習(xí)盡量以學(xué)生心理變化為抓手,如學(xué)習(xí)投入不僅可以預(yù)測網(wǎng)絡(luò)學(xué)習(xí)者的學(xué)業(yè)成就,而且可以預(yù)測其輟學(xué)率和心理與行為問題等。[28]不過我們?nèi)匀恍枰^續(xù)探索并做好準備,特別是對于學(xué)生集體畫像而言,更要適應(yīng)整體的學(xué)習(xí)發(fā)展路徑,目的在于讓學(xué)生改變低效果的學(xué)習(xí)風(fēng)格和習(xí)慣并且在過程上凸顯兩個作用,一是達到學(xué)習(xí)效果,二是促進學(xué)生的內(nèi)生動力,從而在培養(yǎng)學(xué)生的學(xué)習(xí)慣性基礎(chǔ)上,促進其人格的塑造以及對學(xué)習(xí)和自身的認同。