通用智能導(dǎo)學(xué)框架助力學(xué)習(xí)科學(xué)發(fā)展
——訪美國通用智能導(dǎo)學(xué)框架聯(lián)合創(chuàng)始人羅伯特·索特拉博士

本刊特約記者 隆 舟 劉 凱 屈 靜

訪談?wù)撸核魈乩┦?，感謝您接受我們的專訪。中國學(xué)者熟悉智能導(dǎo)學(xué)系統(tǒng),但對通用智能導(dǎo)學(xué)框架較陌生，作為通用智能導(dǎo)學(xué)框架的聯(lián)合創(chuàng)始人，您能否介紹一下通用智能導(dǎo)學(xué)框架與智能導(dǎo)學(xué)系統(tǒng)的關(guān)系，以及創(chuàng)立這一項目的初衷？

索特拉博士：好的。1983年，我進入美國陸軍和海軍訓(xùn)練科學(xué)技術(shù)部，開始關(guān)心軍人執(zhí)勤后如何更好地學(xué)習(xí)，以便為退役生活做準備。由于軍人執(zhí)勤的時間、地點與常人不同，傳統(tǒng)師生教學(xué)模式不能照搬到軍隊中。此時，恰逢智能導(dǎo)學(xué)系統(tǒng)嶄露頭角。智能導(dǎo)學(xué)系統(tǒng)模仿人類一對一教學(xué)模式，向?qū)W習(xí)者傳授知識，提供適應(yīng)性指導(dǎo)。它采用工程技術(shù)手段調(diào)和學(xué)習(xí)效率與效果之間的矛盾，解決人類教師成本高、規(guī)模小的教育難題。我們也開始開發(fā)不同操練科目的智能導(dǎo)學(xué)系統(tǒng)，幫助軍人學(xué)習(xí)知識和訓(xùn)練技能。經(jīng)40多年的研發(fā)改進，智能導(dǎo)學(xué)系統(tǒng)在良構(gòu)域(如數(shù)學(xué)、物理等)教學(xué)效果已接近人類專家水平，且顯著優(yōu)于傳統(tǒng)課堂教學(xué)和文本閱讀①。然而，智能導(dǎo)學(xué)系統(tǒng)雖好，卻難以遷移至其他課程，且系統(tǒng)和課程開發(fā)成本高，無法及時在軍人學(xué)習(xí)中普及，更無法對教學(xué)實踐產(chǎn)生普遍影響。

以Auto Tutor為例，該系統(tǒng)一學(xué)時的籌備需要100-1000小時開發(fā)時間，且開發(fā)內(nèi)容復(fù)雜。如果基于舒爾曼教學(xué)推理與行動模型開發(fā)內(nèi)容，一學(xué)時教學(xué)過程包括理解、轉(zhuǎn)化、教學(xué)、評價、反思和新的理解六個階段。開發(fā)者需要“理解”教學(xué)目標(biāo)和學(xué)科結(jié)構(gòu)，將其“轉(zhuǎn)化”為系統(tǒng)可識別的信息；然后由系統(tǒng)為學(xué)習(xí)者提供適應(yīng)性“教學(xué)”，并 “評價”學(xué)習(xí)者掌握程度。最后，開發(fā)者“反思”系統(tǒng)教學(xué)情況和學(xué)習(xí)者學(xué)習(xí)效果，對教學(xué)目標(biāo)、學(xué)科結(jié)構(gòu)、教學(xué)策略等形成“新的理解”，以完善下一次系統(tǒng)教學(xué)和評價設(shè)置。前期準備的理解和轉(zhuǎn)化，以及后期復(fù)盤的反思和新的理解，皆需開發(fā)者參與。而且，理解、反思和新的理解也要求開發(fā)者具備學(xué)習(xí)和教學(xué)知識背景。因此，智能導(dǎo)學(xué)系統(tǒng)工程技術(shù)門檻高，僅具有學(xué)習(xí)科學(xué)或教學(xué)背景的研究者難以直接開發(fā)，只能為工程技術(shù)人員間接提供相關(guān)教學(xué)內(nèi)容，因此難以普及推廣。

為解決智能導(dǎo)學(xué)系統(tǒng)開發(fā)費時和推廣緩慢的困境，一些教學(xué)應(yīng)用研究領(lǐng)域提出開源系統(tǒng)的解決方案，如ASSISTments和Tensor Flow。前者是美國聯(lián)邦基金資助的伍斯特理工學(xué)院開發(fā)的學(xué)生個性化指導(dǎo)公共服務(wù)平臺，后者是谷歌公司推出的靈活高效、可擴展和移植的人工智能系統(tǒng)。這些開源系統(tǒng)推動了新技術(shù)在教育領(lǐng)域的“落地”，但仍要求使用者具備編程開發(fā)能力，從而限制了推廣范圍。所以，我們認為如何快速開發(fā)和更新智能導(dǎo)學(xué)系統(tǒng)，核心問題是降低系統(tǒng)開發(fā)門檻、提高系統(tǒng)模塊與內(nèi)容復(fù)用度。2012年5月，團隊開始研發(fā)可視化(界面友好)、標(biāo)準化(系統(tǒng)結(jié)構(gòu)重用度高)的開源智能教學(xué)體系框架——通用智能導(dǎo)學(xué)框架。

事實上，作為一種模塊化、面向服務(wù)，集工具、規(guī)則和標(biāo)準于一體的智能導(dǎo)學(xué)系統(tǒng)構(gòu)建通用框架，側(cè)重系統(tǒng)的創(chuàng)作、管理教學(xué)和評估功能。它并非某一具體的智能導(dǎo)學(xué)應(yīng)用系統(tǒng)，而是面向各類教學(xué)系統(tǒng)開發(fā)和測評的“元平臺”。通用智能導(dǎo)學(xué)框架支持最前沿的智能導(dǎo)學(xué)技術(shù)，將教育信息化系統(tǒng)視為由教師、學(xué)生、應(yīng)用開發(fā)者、研究者等組成的有機體，鼓勵跨學(xué)科專家以及政府、學(xué)校、企業(yè)等多方協(xié)作，使系統(tǒng)自我迭代。擁有系統(tǒng)開發(fā)背景的研究者可快速構(gòu)建新系統(tǒng)。無技術(shù)背景的研究者，也可在該框架用戶手冊和腳手架的幫助下，實現(xiàn)知識形式化和可視化②。我希望中國有更多的研究者了解通用智能導(dǎo)學(xué)框架，也期待中國同仁加入通用智能導(dǎo)學(xué)框架開源平臺的開發(fā)和應(yīng)用。

記者：通用智能導(dǎo)學(xué)框架為學(xué)習(xí)科學(xué)研究者在新技術(shù)時代探索學(xué)習(xí)機制掃除了技術(shù)和工程障礙，在理論與工程技術(shù)之間鋪設(shè)了互通之路。中國的學(xué)習(xí)科學(xué)研究者通常為心理學(xué)或計算機科學(xué)背景，前者對新興智能學(xué)習(xí)感興趣，卻缺乏系統(tǒng)開發(fā)能力；后者敏銳地覺察到新時代人機交互手段對傳統(tǒng)教學(xué)互動可能產(chǎn)生的影響，卻受阻于薄弱的教育理論基礎(chǔ)。新技術(shù)對學(xué)習(xí)科學(xué)領(lǐng)域的核心議題“人是如何學(xué)習(xí)的、如何促進有效學(xué)習(xí)”產(chǎn)生了較大影響， 那么，通用智能導(dǎo)學(xué)框架如何促進有效學(xué)習(xí)？

索特拉博士：技術(shù)本身不會促進有效學(xué)習(xí)?？v觀教育技術(shù)發(fā)展史，在每項新技術(shù)出現(xiàn)時，人們都很興奮，易陷入技術(shù)的局部性特征而忽略教育的全局性本質(zhì)，因此錯誤地預(yù)言了廣播、電視、計算機會徹底變革教育。那么，怎樣的教育技術(shù)可以促進有效學(xué)習(xí)呢？它應(yīng)該以“人是如何學(xué)習(xí)的”為中心來研發(fā)。通用智能導(dǎo)學(xué)框架背后的核心學(xué)習(xí)理論是建構(gòu)主義學(xué)習(xí)觀，初創(chuàng)階段主要關(guān)注人的認知，基于認知轉(zhuǎn)變促進學(xué)習(xí)，隨后擴展到關(guān)注學(xué)習(xí)者的情緒、動機等。該理論認為，人的認知有多重通道、容量有限和主動加工等特征。人在學(xué)習(xí)過程中的認知轉(zhuǎn)變可通過外在認知加工(源于無關(guān)學(xué)習(xí)內(nèi)容或教學(xué)設(shè)計刺激)、基礎(chǔ)認知加工(源于學(xué)習(xí)內(nèi)容本身引發(fā))和生成性認知加工(源于人的學(xué)習(xí)動機激發(fā))等方式完成。不管在傳統(tǒng)教學(xué)環(huán)境還是各類新型教學(xué)技術(shù)情境中，人學(xué)習(xí)的認知特征和加工模式并未改變。但相較于難以改變的傳統(tǒng)教學(xué)環(huán)境或教育學(xué)理論背景薄弱的教育技術(shù)環(huán)境，通用智能導(dǎo)學(xué)框架力求避免外在認知加工令無關(guān)認知負荷引發(fā)基礎(chǔ)認知超負荷，同時促進生成性認知加工，提升學(xué)習(xí)者的學(xué)習(xí)成效。也就是說， 通用智能導(dǎo)學(xué)框架的構(gòu)造原則有學(xué)習(xí)科學(xué)的堅實基礎(chǔ)，無需擔(dān)憂因系統(tǒng)開發(fā)而偏離科學(xué)導(dǎo)向。

記者：通用智能導(dǎo)學(xué)框架如何在工程層面體現(xiàn)學(xué)習(xí)者為中心的設(shè)計理念，又怎樣將“人是如何學(xué)習(xí)的”研究成果融入其中？

索特拉博士：通用智能導(dǎo)學(xué)框架的開發(fā)成員來自心理學(xué)、計算機科學(xué)、教育學(xué)等多個學(xué)科，為學(xué)習(xí)科學(xué)研究者提供了靈活、穩(wěn)定、高效的研究平臺。我們認同學(xué)習(xí)是個復(fù)雜的過程，受學(xué)習(xí)者(認知和非認知能力)、學(xué)習(xí)內(nèi)容、學(xué)習(xí)環(huán)境(如同伴、教師)的影響，因此該框架遵從系統(tǒng)論的設(shè)計原則，大量借鑒學(xué)習(xí)科學(xué)的理論和實證研究成果，也參考并擴展了以往普遍使用的四組件模型，使其包含學(xué)習(xí)者模塊、領(lǐng)域模塊、教學(xué)模塊、用戶界面及傳感器模塊，且各模塊的設(shè)置和更新會持續(xù)參考學(xué)習(xí)科學(xué)的最新研究成果。學(xué)習(xí)科學(xué)研究的科學(xué)性增強了其智能性，比如數(shù)據(jù)建模和算法優(yōu)化能智能地體現(xiàn)適應(yīng)性的教學(xué)理念。其組件成分復(fù)雜，但使用者無需理會內(nèi)部結(jié)構(gòu)和編程實現(xiàn)，只需專注特定需求，便可通過簡單操作進行替換和定制。

記者：通用智能導(dǎo)學(xué)框架四個模塊是如何實現(xiàn)智能化的？

索特拉博士：首先，系統(tǒng)智能化的對象是個性化和適應(yīng)性輔導(dǎo)，核心是學(xué)習(xí)者模塊。以往智能導(dǎo)學(xué)系統(tǒng)的個性化和適應(yīng)性輔導(dǎo)主要針對學(xué)習(xí)者的認知表現(xiàn)，往往在特定知識領(lǐng)域基于特定教學(xué)策略觀察學(xué)習(xí)者的認知變化。這是在行為主義和認知主義學(xué)習(xí)理論的支撐下，采用線性和結(jié)構(gòu)化的數(shù)據(jù)分析方法，比較學(xué)習(xí)初始和結(jié)束時的行為和認知表現(xiàn)。通用智能導(dǎo)學(xué)框架學(xué)習(xí)者模塊的智能化提升得益于持續(xù)吸納新近的科學(xué)研究和技術(shù)更新成果。隨著教育神經(jīng)科學(xué)研究的發(fā)展，我們了解到人的學(xué)習(xí)是認知、情緒和社會化相互交織、動態(tài)變化的。據(jù)此，通用智能導(dǎo)學(xué)框架的底層核心思想是系統(tǒng)論，視人類學(xué)習(xí)者為復(fù)雜、動態(tài)變化的系統(tǒng)；中層的學(xué)習(xí)和教學(xué)指導(dǎo)理論源于建構(gòu)主義學(xué)習(xí)觀，同時吸納情緒學(xué)習(xí)、心理動能學(xué)習(xí)、社會學(xué)習(xí)研究成果?；谝陨蟽蓪涌茖W(xué)思想和理論，通用智能導(dǎo)學(xué)框架學(xué)習(xí)者模塊的智能化體現(xiàn)為：數(shù)據(jù)模型實時收集和分析學(xué)習(xí)者的歷史行為、生理、認知、非認知(如情緒、動機、元認知等)、偏好、社交等數(shù)據(jù)推斷學(xué)習(xí)者的當(dāng)前狀態(tài)。研究者可細致觀察學(xué)習(xí)者學(xué)習(xí)行為在不同階段的演變過程。此外，通用智能導(dǎo)學(xué)框架基于學(xué)習(xí)的社會性開發(fā)不同角色的用戶模塊(如同伴模塊、專家模塊等)，通過引入多種學(xué)習(xí)形式助力學(xué)習(xí)科學(xué)研究者在真實情景下進行探索。

領(lǐng)域模塊的智能化主要表現(xiàn)為知識特異性。學(xué)習(xí)者的心理狀態(tài)常處于持續(xù)相互作用的過程中，所以不同領(lǐng)域知識會相互交融，比如詞匯量會影響幾何題目的理解。大多數(shù)智能導(dǎo)學(xué)系統(tǒng)常與具體領(lǐng)域內(nèi)容相綁定，難以考察不同領(lǐng)域知識的相互作用。通用智能導(dǎo)學(xué)框架則區(qū)分了各類知識及其在學(xué)習(xí)中的異同成分。例如，領(lǐng)域模塊在實現(xiàn)定義和構(gòu)造領(lǐng)域目標(biāo)時，細分出知識、技能、教學(xué)任務(wù)和評價標(biāo)準的素養(yǎng)模型(宏觀適應(yīng))及其他模型(微觀適應(yīng))。它根據(jù)教學(xué)模塊的算法推薦決策(如追問)，決定呈現(xiàn)的追問類型、追問內(nèi)容、順序和速度，然后將學(xué)習(xí)者的回復(fù)內(nèi)容與專家表現(xiàn)或其他標(biāo)準比較后作出評估，從而實現(xiàn)同一平臺多領(lǐng)域知識的組織與管理。

教學(xué)模塊的智能化基于優(yōu)化教學(xué)行動算法。通常情況下，智能導(dǎo)學(xué)系統(tǒng)的開發(fā)者幾乎為非教育人士，他們依據(jù)普適性教學(xué)策略(如及時反饋、認知失調(diào)等)，借助貝葉斯網(wǎng)絡(luò)、決策樹等數(shù)學(xué)模型確定每一步教學(xué)行動。這與學(xué)習(xí)者模塊僅關(guān)注認知表現(xiàn)和領(lǐng)域模塊多涉及良構(gòu)域知識相輔相成，有利于普適教學(xué)策略的實施及控制。但簡化、易控的開發(fā)效度提升必然與復(fù)雜、多變的真實學(xué)習(xí)情境相矛盾。因此，團隊的教育專家在數(shù)據(jù)驅(qū)動的教學(xué)模塊中引入智能化、養(yǎng)成式、蘇格拉底式、漸進式、間接式、反思式及激勵式等多種導(dǎo)學(xué)模式。教學(xué)模塊可從學(xué)習(xí)者模塊和領(lǐng)域模塊分別實時查詢學(xué)習(xí)者的身心狀態(tài)和知識習(xí)得程度，再根據(jù)最適宜的教學(xué)理論和特定數(shù)學(xué)模型實施后續(xù)教學(xué)行動(如復(fù)述或追問)，并根據(jù)學(xué)習(xí)者實時變化動態(tài)評估及調(diào)整教學(xué)行動。例如，借助優(yōu)化數(shù)據(jù)建模和算法推送，學(xué)習(xí)者模塊實時記錄學(xué)生的學(xué)習(xí)行為，追溯學(xué)生的知識漏洞，根據(jù)學(xué)生的學(xué)習(xí)習(xí)慣和知識點掌握情況，推送改善個體認知狀態(tài)的個性化教學(xué)建議，提高學(xué)習(xí)效率。由于通用智能導(dǎo)學(xué)框架不斷更新教學(xué)理論和策略，該模塊可以針對學(xué)習(xí)者的需求和偏好匹配高效的教學(xué)決策。對學(xué)習(xí)科學(xué)研究者而言，如果他來自教學(xué)設(shè)計領(lǐng)域，就可根據(jù)需要把其他教學(xué)模型、策略或方法集成到教學(xué)模塊中，進而比較不同教學(xué)策略的知識和學(xué)習(xí)者的適用性，或考察多種教學(xué)策略的交互作用和疊加的學(xué)習(xí)效果。如果學(xué)習(xí)者缺乏教學(xué)設(shè)計的知識背景，也可以借助教學(xué)模塊進行操作。總之，通用智能導(dǎo)學(xué)框架既降低了教學(xué)門檻，也保持了相當(dāng)程度的靈活性。

用戶界面模塊的智能化主要體現(xiàn)在新增的傳感器部分。與其他智能導(dǎo)學(xué)系統(tǒng)用戶界面模塊接收和解釋學(xué)習(xí)者的語音、鍵入文字、點擊等數(shù)據(jù)不同，通用智能導(dǎo)學(xué)框架的傳感器模塊可通過標(biāo)準接口接收學(xué)習(xí)者特定的行為和生理數(shù)據(jù)，過濾并提取特征值后發(fā)傳至學(xué)習(xí)者模塊，其好處有：一，特定行為(如運動、手術(shù)等專業(yè)行為)和生理(如心跳、皮電等)數(shù)據(jù)接口能捕獲易被忽視的學(xué)習(xí)者技能和感知數(shù)據(jù)，這些數(shù)據(jù)又可以拓展輔導(dǎo)的任務(wù)類型，例如，支持商用傳感器(如Affectiva Q)標(biāo)準接口，被廣泛用于軍隊射擊、掩護等作戰(zhàn)技能培訓(xùn)及民用領(lǐng)域動作技能培訓(xùn)。傳感器模塊在工程技術(shù)層面擴展了技能輔導(dǎo)。這符合認知、情感和動能技能的教育目標(biāo)分類學(xué)，而且其融合具身認知、融入身體圖式的操作也比被動觀察更易理解；二，即使在傳統(tǒng)認知學(xué)習(xí)任務(wù)中，傳感器模塊也可新增數(shù)據(jù)來源，匯成多模態(tài)學(xué)習(xí)者數(shù)據(jù)，進而提升學(xué)習(xí)者狀態(tài)評估的效度。例如，傳統(tǒng)智能導(dǎo)學(xué)系統(tǒng)要求學(xué)習(xí)者自行評估并報告情緒狀態(tài)，而通用智能導(dǎo)學(xué)框架通過生理傳感器接口客觀收集學(xué)習(xí)者的心跳和膚電數(shù)據(jù)，可矯正情緒主觀評價偏差。

總體而言，學(xué)習(xí)者模塊、領(lǐng)域模塊、教學(xué)模塊、用戶界面及其擴展傳感器模塊的智能化幫助使用者：1)以更低的技術(shù)儲備和更少的時間投入創(chuàng)作各種任務(wù)類型的智能導(dǎo)學(xué)系統(tǒng)；2)針對學(xué)習(xí)者需求提供有效的適應(yīng)性教學(xué)管理；3)借助工具評估系統(tǒng)效度及開展科學(xué)研究提升教學(xué)效果。學(xué)習(xí)科學(xué)研究者將其作為研究平臺，可能更關(guān)注第三個功能。這一功能源自漢克斯(Hanks)與同事提出的科研平臺測試基準(見圖1)。用戶可利用平臺操縱四個模塊評估學(xué)習(xí)者和系統(tǒng)的績效，監(jiān)測系統(tǒng)的屬性、工具和模塊對學(xué)習(xí)者的參與過程、學(xué)習(xí)結(jié)果乃至遷移技能的影響及作用機制。

圖1 GIFT研究平臺評估方法

記者：通用智能導(dǎo)學(xué)框架研究平臺的功能是評估檢驗智能導(dǎo)學(xué)系統(tǒng)創(chuàng)建后的效果嗎？

索特拉博士：通用智能導(dǎo)學(xué)框架研究平臺既支持后期實驗驗證，也允許早期探索研究。前者使用頻率更高。它支持用戶借助創(chuàng)作工具快速創(chuàng)建智能導(dǎo)學(xué)系統(tǒng)，然后通過實驗評估功能比較各系統(tǒng)組件的功效，評估其對學(xué)習(xí)者的影響，比如學(xué)習(xí)者的參與度及知識或技能的獲得、記憶、推理和遷移等。此外，它也支持系統(tǒng)創(chuàng)建前的探索性研究。比如，用戶可基于該研究平臺觀察教學(xué)代理的行為并將其分類，還可采用教育數(shù)據(jù)挖掘方法探索教學(xué)代理行為、學(xué)習(xí)者行為與學(xué)習(xí)者之間的時間函數(shù)關(guān)系。不同的是，對于前期探索性研究，通用智能導(dǎo)學(xué)框架允許較寬泛的模塊設(shè)置，而對于后期實驗研究，它要求嚴格界定組件(如教學(xué)代理行為)，籍此檢驗特定理論假設(shè)并比較教學(xué)系統(tǒng)及其組件效果。此外，它允許用戶便捷復(fù)制條件和相關(guān)度量，還支持測量和評估方法的自定義、選擇擬檢查學(xué)習(xí)者狀態(tài)以及記錄特定學(xué)習(xí)背景數(shù)據(jù)(如環(huán)境條件)等。

記者：通用智能導(dǎo)學(xué)框架已在軍方和民用領(lǐng)域開展了系列研究和實踐，其最新研究進展怎樣？

索特拉博士：發(fā)展至今，通用智能導(dǎo)學(xué)框架在學(xué)習(xí)者數(shù)據(jù)建模、知識領(lǐng)域開發(fā)、教學(xué)模式探新和系統(tǒng)改進方面均有較大進展：1)在學(xué)習(xí)者數(shù)據(jù)建模中，從輔助分析學(xué)習(xí)者認知狀態(tài)拓展為理解學(xué)習(xí)者的非認知狀態(tài)，令情緒數(shù)據(jù)處理功能得到提升，如探測學(xué)習(xí)者情緒的敏感性；2)在知識領(lǐng)域開發(fā)方面，從認知任務(wù)過渡至心理運動任務(wù)，如開展動作技能任務(wù)的適應(yīng)性培訓(xùn)；3)在教學(xué)模式探新上，從一對一教學(xué)模式擴充到一對多團隊學(xué)習(xí)模式，如開展團隊適應(yīng)性指導(dǎo)；4)對于系統(tǒng)自身可持續(xù)發(fā)展問題，我們也提出了自我改進數(shù)字資源的假設(shè)。

記者：提及情緒敏感型智能導(dǎo)學(xué)系統(tǒng)，我們?nèi)菀紫氲矫仿?D'Mello)開展的“情緒型AutoTutor”研究，該系統(tǒng)可以識別學(xué)習(xí)者的部分情緒類型。通用智能導(dǎo)學(xué)框架探測學(xué)習(xí)者情緒和它有什么不同？

索特拉博士：“情緒型AutoTutor”是在分析物理傳感器和學(xué)生情緒自我報告的交互數(shù)據(jù)后，生成學(xué)生情緒自動推斷模型，再將其嵌入基于自然語言的智能導(dǎo)學(xué)系統(tǒng)，提高系統(tǒng)的教學(xué)效果。雖然科研論文的諸多模型都報告能夠于在線學(xué)習(xí)中自動檢測學(xué)習(xí)者情緒，但其大多內(nèi)置于封閉系統(tǒng)且很少主動干預(yù)學(xué)習(xí)者的情緒。對于不了解系統(tǒng)結(jié)構(gòu)的研究者而言，這種情緒內(nèi)置系統(tǒng)阻礙了研究者深入考察學(xué)習(xí)者利用智能導(dǎo)學(xué)系統(tǒng)進行學(xué)習(xí)時“其情緒對學(xué)習(xí)結(jié)果的影響機制”。不了解情緒對學(xué)習(xí)的作用機制，就不能促使智能導(dǎo)學(xué)系統(tǒng)“主動誘發(fā)和調(diào)節(jié)學(xué)習(xí)者情緒，促進人的有效真實學(xué)習(xí)”。使用者既能單獨考察學(xué)習(xí)者的情緒對學(xué)習(xí)結(jié)果的作用機制，也可嘗試更積極主動地誘發(fā)和調(diào)節(jié)學(xué)習(xí)者情緒的策略。

具體而言，相較于系統(tǒng)內(nèi)置情緒模型的難驗證和難推廣，通用智能導(dǎo)學(xué)框架得益于模塊化結(jié)構(gòu)，可以單獨檢測和重復(fù)使用學(xué)習(xí)者情緒模型。研究者可通過傳感器模塊獲取客觀生理數(shù)據(jù)，結(jié)合學(xué)習(xí)者模塊自我報告的主觀心理數(shù)據(jù)而構(gòu)成雙通道學(xué)習(xí)者情緒模型。該模型可嵌入研究平臺進行驗證、優(yōu)化和復(fù)用。與被動情緒收集相比，主動情緒收集更困難，通用智能導(dǎo)學(xué)框架正嘗試提供操作入口。例如，德法爾科(DeFalco)曾開發(fā)沮喪情緒應(yīng)對型智能導(dǎo)學(xué)系統(tǒng)，通過上述雙通道學(xué)習(xí)者情緒模型篩選沮喪情緒學(xué)習(xí)者，然后將一半作為控制組，向另一半沮喪者顯現(xiàn)可觸發(fā)不同動機的信息反饋，最后在實驗平臺中檢驗動機反饋能否緩解學(xué)習(xí)者的沮喪情緒并提升學(xué)習(xí)效果。結(jié)果發(fā)現(xiàn)，誘發(fā)自我效能動機的信息能夠顯著影響信息學(xué)習(xí)者的沮喪緩解和成績提升效果。通用智能導(dǎo)學(xué)框架一方面可利用探測器獲取學(xué)習(xí)者情緒數(shù)據(jù)，另一方面所得的情緒模型(基于學(xué)習(xí)者-系統(tǒng)交互和物理傳感器數(shù)據(jù)構(gòu)建)既可嵌入其中重復(fù)使用，還可移入其他智能導(dǎo)學(xué)系統(tǒng)使用。這是情緒研究的好樣例，可供關(guān)注情緒干預(yù)的學(xué)者參考。

記者：有學(xué)者提出將智能導(dǎo)學(xué)系統(tǒng)用于模擬互動型動作技能任務(wù)(如運動、外科手術(shù)或手語等)培訓(xùn)并提供個性化支持，但相關(guān)實證研究很少。通用智能導(dǎo)學(xué)框架應(yīng)用于動作技能培訓(xùn)的契機是什么，又該如何用于培訓(xùn)呢？

索特拉博士：實際上 ，美國軍方實驗室一直樂于將智能導(dǎo)學(xué)系統(tǒng)用于主流認知任務(wù)以外的領(lǐng)域。其中之一就是為動作技能任務(wù)訓(xùn)練提供一對一輔導(dǎo)，并通過速度、準確性、平衡性和協(xié)調(diào)性等指標(biāo)評估輔導(dǎo)效果。

過去五年，通用智能導(dǎo)學(xué)框架被廣泛用于訓(xùn)練學(xué)習(xí)者的多種動作技能，如射擊、陸地導(dǎo)航、建筑偵察等。以醫(yī)療急救為例，我和同事使用智能玻璃技術(shù)和壓力傳感器開展分診期間的外傷急救培訓(xùn)。學(xué)習(xí)者使用止血帶和壓力繃帶控制出血損傷時，系統(tǒng)能夠模擬出血控制任務(wù)的物理情況。止血帶和繃帶包含壓力傳感器，可根據(jù)壓力讀數(shù)測量學(xué)習(xí)者阻止血液流動的能力。智能眼鏡則用于在任務(wù)執(zhí)行過程中向?qū)W習(xí)者提供非侵擾式反饋。經(jīng)反復(fù)驗證，通用智能導(dǎo)學(xué)框架可給出最實際且最可靠的壓力傳感器量級。這些動作技能數(shù)據(jù)的關(guān)鍵指標(biāo)加上認知狀態(tài)，能幫助研究者優(yōu)化學(xué)習(xí)平臺，實現(xiàn)知識與技能更好地遷移。我們也曾經(jīng)研究高爾夫推球中的認知(如注意力)和呼吸等生理特征之間的關(guān)聯(lián)，提出認知建模方法，應(yīng)用于與呼吸有關(guān)的動作技能訓(xùn)練。當(dāng)然，動作技能的復(fù)雜性通常高于認知技能，與之有關(guān)的因素往往具有復(fù)雜性和不確定性。未來將著眼于尋找測量動作技能的有效調(diào)節(jié)變量，開發(fā)能夠識別學(xué)習(xí)者靈活性、平衡能力、協(xié)調(diào)能力和速度、力量的分類器，最終建立運動技能水平的評價體系以及研究優(yōu)化動作技能教學(xué)的策略和方法。

記者：學(xué)習(xí)者情緒數(shù)據(jù)建模和動作技能培訓(xùn)都屬于經(jīng)典的一對一教學(xué)模式研究主題，團隊學(xué)習(xí)超越了一對一教學(xué)模式，通用智能導(dǎo)學(xué)框架為何關(guān)注團隊學(xué)習(xí)？可以預(yù)見，團隊學(xué)習(xí)領(lǐng)域?qū)⒂瓉砀嗵魬?zhàn)。通用智能導(dǎo)學(xué)框架如何應(yīng)對這些新的挑戰(zhàn)？

索特拉博士：好問題！元分析顯示，智能導(dǎo)學(xué)系統(tǒng)通過模擬人類一對一輔導(dǎo)能有效提升學(xué)習(xí)效果，但也帶來社會適應(yīng)性問題。學(xué)習(xí)科學(xué)研究發(fā)現(xiàn)，團隊學(xué)習(xí)不僅可緩解計算機輔助學(xué)習(xí)的社會隔離問題，還能在人際互動中提升學(xué)習(xí)者的問題解決能力，促進深層學(xué)習(xí)。技術(shù)應(yīng)“錦上添花”，而不是回避或制造問題，這讓我們意識到團隊學(xué)習(xí)的重要性。因此，2010年，我提出建立具有分布式團隊輔導(dǎo)功能的智能導(dǎo)學(xué)系統(tǒng)。2012年，通用智能導(dǎo)學(xué)框架構(gòu)建完成后，我便將原有闡釋學(xué)習(xí)者相互作用的學(xué)習(xí)效果模型，逐步擴展至團隊互動輔導(dǎo)。此外，由于它源自美國軍方實驗室，而團隊是軍隊的基本組成單元，所以團隊作戰(zhàn)能力也成為了通用智能導(dǎo)學(xué)框架的關(guān)注點。區(qū)別于以往軍方的團隊培訓(xùn)項目，比如海軍團隊維度培訓(xùn)和嵌入式培訓(xùn)，通用智能導(dǎo)學(xué)框架擬打造更加智能且領(lǐng)域獨立的團隊學(xué)習(xí)支持框架。

準確識別團隊成員的行為模式是促進互動的前提，因此通用智能導(dǎo)學(xué)框架先從改進系統(tǒng)入手，將學(xué)習(xí)者模塊從支持個體拓展為同時支持個體及團隊共享，并初步解決了團隊行為模式識別問題(見圖2)。另外，基于社交學(xué)習(xí)理論，教學(xué)管理功能嘗試根據(jù)團隊成員的角色、職責(zé)和目標(biāo)進展給予不同的教學(xué)指導(dǎo)策略，實驗平臺效果評估功能則不斷拓寬團隊學(xué)習(xí)效果的檢測指標(biāo)。

我們還系統(tǒng)回顧了團體學(xué)習(xí)及其績效的研究文獻，然后對團隊行為(溝通、協(xié)調(diào)、認知等)和團隊行為結(jié)果(學(xué)習(xí)、績效、滿意度和生存能力)間的關(guān)系進行了元分析，確定了信任、集體效能、凝聚力、溝通、沖突和沖突管理六項團隊行為指標(biāo)，生成成員行為對團隊目標(biāo)的進度貢獻模型，并提出增強團隊適應(yīng)性的指導(dǎo)策略。其創(chuàng)作工具(Authoring Tools)擴展了這些模型的結(jié)構(gòu)，允許用戶自定義團隊規(guī)模、成員角色和職責(zé)、預(yù)期互動模式以及他們對團隊目標(biāo)的貢獻。非常歡迎學(xué)習(xí)科學(xué)研究者基于通用智能導(dǎo)學(xué)框架設(shè)計團隊學(xué)習(xí)實驗，嚴格評估每個行為變量的局部影響及其對團隊狀態(tài)的整體影響，從而深入了解智能學(xué)習(xí)環(huán)境、共享認知模型和團隊成員之間的相互作用機制。

此外，團隊學(xué)習(xí)涉及多種互動目標(biāo)，有些目標(biāo)具有領(lǐng)域性，有些則與領(lǐng)域無關(guān)。例如，協(xié)作學(xué)習(xí)和合作問題解決總是基于特定知識領(lǐng)域，團隊任務(wù)輔導(dǎo)側(cè)重于改進工作流程，促進團隊高效運作，而與領(lǐng)域無關(guān)。為了測量個體和團隊學(xué)習(xí)者在不同領(lǐng)域和不同層面的理解水平，我們擴展了數(shù)據(jù)結(jié)構(gòu)，新增團隊任務(wù)領(lǐng)域知識，從而更好地完善各知識領(lǐng)域的個人學(xué)習(xí)者模塊和團隊共享模塊，提升系統(tǒng)評估的準確性，作出更為合理的指導(dǎo)性決策，最終優(yōu)化團隊的學(xué)習(xí)能力。因此，通用智能導(dǎo)學(xué)框架在個人學(xué)習(xí)者模塊和團隊共享模塊納入近期發(fā)現(xiàn)的知識和技能，以便根據(jù)個人和團體的經(jīng)歷、歷史成就提升長時預(yù)測和建模的效果。另外，團隊學(xué)習(xí)擴展還支持：1)多個知識領(lǐng)域文件，用于評估單個成員和整個團隊的學(xué)習(xí)和績效；2)跟蹤團隊狀態(tài)，作為團隊學(xué)習(xí)過程和結(jié)果表現(xiàn)衡量標(biāo)準；以及3)為克服不良的合作采取補救措施。

記者：學(xué)習(xí)資源在自我改進理念的指導(dǎo)下，通用智能導(dǎo)學(xué)框架將迎來哪些挑戰(zhàn)？

索特拉博士：我們期待通用智能導(dǎo)學(xué)框架像人類教師一樣可以不斷自我成長，因為這將減輕系統(tǒng)創(chuàng)建后的維護工作。自我改進的學(xué)習(xí)資源可以自我更新、檢索和利用其與學(xué)習(xí)活動相關(guān)的記憶?；谏镞m應(yīng)性發(fā)展需求，人類學(xué)習(xí)者、學(xué)習(xí)伙伴和教師的生理和心理結(jié)構(gòu)也具有自我改進性，可以持續(xù)自我完善。但并非所有數(shù)字學(xué)習(xí)資源都可以自我改進，有些可以自我改進的數(shù)字資源尚未發(fā)展出最佳的自我改進模式，限制了自身的推廣和發(fā)展。

通用智能導(dǎo)學(xué)框架具有自我改進潛力，可以便捷地創(chuàng)建智能導(dǎo)學(xué)系統(tǒng)的原因之一是模塊化結(jié)構(gòu)。這些模塊由變量控制，保存在XML格式的控制文件中，通過添加變量屬性可以促進模塊朝著自我改進的方向演化。我們正嘗試在其中新增以下三個屬性促進其自我改進：1)將系統(tǒng)行為和人類學(xué)習(xí)者的交互行為存儲在同一數(shù)據(jù)模式中(如xAPI)，既便于系統(tǒng)實時檢索和處理數(shù)據(jù)，也能增進系統(tǒng)對學(xué)習(xí)者歷史數(shù)據(jù)的敏感性；2)創(chuàng)建將所有變量連接到數(shù)據(jù)存儲的API，這些API不斷計算系統(tǒng)行為的數(shù)據(jù)值，并以XML文件格式輸出，促進系統(tǒng)實時更新教學(xué)過程。不過，這兩個屬性只能促使系統(tǒng)自動改變，無法確保改變能夠提升學(xué)習(xí)體驗和效果。為了使自動改變朝向良性方向自我改進，通用智能導(dǎo)學(xué)框架需要確定由教學(xué)原理驅(qū)動并經(jīng)實踐驗證的理想輔導(dǎo)行為的參數(shù)。比如，基于25條學(xué)習(xí)原則的深層問題原則，通用智能導(dǎo)學(xué)框架能夠設(shè)定物理知識的教學(xué)前、中、后三階段向?qū)W習(xí)者提出深層問題的最低數(shù)值，因此，還需要：3)大量計算預(yù)設(shè)理想(有效且高效)的教學(xué)策略約束API。

記者：新技術(shù)常常引領(lǐng)教育改革思潮和實踐，但學(xué)習(xí)科學(xué)的理論成果卻未充分融入教育改革和實踐，您有什么建議？

索特拉博士：最簡單的解決辦法是合作。技術(shù)能夠解決實踐的具體問題，所以新技術(shù)往往可以直接滿足某些獨特需求，卻不一定能為教育質(zhì)量的整體提升帶來明顯益處，這需要科學(xué)家嚴謹?shù)膶嵺`檢驗。如果研究人員在通用智能導(dǎo)學(xué)框架上開展研究，便能確保新技術(shù)的教育應(yīng)用，能夠在實質(zhì)上促進有效的學(xué)習(xí)。而且，其背后的理念與學(xué)習(xí)科學(xué)一致，具備合作基礎(chǔ)。我們認為，基于詢證的科學(xué)理論知識創(chuàng)建智能學(xué)習(xí)環(huán)境和設(shè)計教育過程，才能促使學(xué)習(xí)者更深入有效地學(xué)習(xí)。與以往智能導(dǎo)學(xué)系統(tǒng)被動漸續(xù)的獎懲訓(xùn)練不同，通用智能導(dǎo)學(xué)框架在技術(shù)層面不斷迭代，推進學(xué)習(xí)者為中心的教育理念。比如，關(guān)注學(xué)習(xí)者的知識狀態(tài)、心理特質(zhì)和學(xué)習(xí)偏好等個體差異，借助開放的學(xué)習(xí)者模型鼓勵自我調(diào)節(jié)學(xué)習(xí)，讓學(xué)習(xí)者決定要學(xué)習(xí)什么，而系統(tǒng)則實時監(jiān)測他們的知識掌握和心理變化的進展。再如，與流行的慕課和翻轉(zhuǎn)課堂被動觀看教學(xué)內(nèi)容不同，通用智能導(dǎo)學(xué)框架鼓勵學(xué)習(xí)者主動參與并兼顧個體差異，學(xué)習(xí)者通過與教師代理或與同伴代理互動完成學(xué)習(xí)任務(wù)。此外，它能夠根據(jù)學(xué)習(xí)者狀態(tài)動態(tài)調(diào)整知識的水平、類型及教學(xué)策略，提高學(xué)習(xí)者主動學(xué)習(xí)和系統(tǒng)干預(yù)下的學(xué)習(xí)績效。有些研究者雖然已證實通用智能導(dǎo)學(xué)框架教授傳統(tǒng)科目(數(shù)學(xué)、物理等)的教學(xué)效果不錯，但仍需在不同年齡階段的學(xué)生群體、不同結(jié)構(gòu)知識領(lǐng)域、不同教學(xué)形式(如一對一、一對多、多對一、多對多等)下加以檢驗。我們歡迎更多的學(xué)習(xí)者使用通用智能導(dǎo)學(xué)框架，充分發(fā)揮各模塊功能的潛力，也期待與學(xué)習(xí)科學(xué)研究者及開發(fā)者深入合作。

記者：非常感謝您的分享。中國正在推進教育信息化2.0行動計劃，努力實現(xiàn)信息技術(shù)從應(yīng)用發(fā)展向創(chuàng)新發(fā)展的轉(zhuǎn)變④。在信息化2.0時代，技術(shù)與教育是共生的有機整體，有望與人類一樣實現(xiàn)自我改進，而不僅僅是被動的教學(xué)工具和手段。對此，您有什么看法？

索特拉博士：與美國一樣，中國政府也將教育視為國家戰(zhàn)略。經(jīng)過三十多年的高速發(fā)展，中國教育技術(shù)研究者已成為學(xué)界的重要力量。同時，中國的學(xué)齡人口以及教育工作者和研究者基數(shù)巨大，教育技術(shù)公司眾多，不論在學(xué)術(shù)理論或教育實踐，還是拉動市場需求等方面，都有著不可估量的發(fā)展?jié)摿?。通用智能?dǎo)學(xué)框架積累的經(jīng)驗可以提供借鑒。首先，盡管離不開技術(shù)，但其核心目標(biāo)是解決教育和學(xué)習(xí)問題，因此需要把對技術(shù)過高的期望轉(zhuǎn)移到真實的教學(xué)問題上，避免將技術(shù)與教育問題片面、刻板地等同或割裂；其次，要注重標(biāo)準的推行。在我看來，這是中國的優(yōu)勢。從教育經(jīng)濟學(xué)的角度看，標(biāo)準化是合理和集約地調(diào)配社會資源優(yōu)化配置的利器——可以避免學(xué)校和企業(yè)“重復(fù)發(fā)明輪子”，從而穩(wěn)妥、高效地推進教育工程的施行；再次，從軍事機密到開源共享，通用智能導(dǎo)學(xué)框架以開放的理念，熱忱歡迎中國研究者加入進來，在平臺上與各國同仁一起群策群力，攜手迎接技術(shù)賦能教育的美好未來。

[注釋]

① Ma, W., Adesope, O.O., Nesbit, J.C., & Liu, Q. (2014). Intelligent tutoring systems and learning outcomes: A meta-analysis[J].Journal of Educational Psychology,106(4):901.

② Murray, T. (1999). Authoring intelligent tutoring systems: An analysis of the state of the art[J]. International Journal of Artificial Intelligence in Education(IJAIED), (10):98-129.

③ Sottilare, R.A., Brawner, K.W., Sinatra, A.M., & Johnston, J.H. (2017). An updated concept for a Generalized Intelligent Framework for Tutoring(GIFT)[R]. Orlando, FL: US Army Research Laboratory. May:1-19.

④ 雷朝滋 (2018).教育信息化:從1.0走向2.0——新時代我國教育信息化發(fā)展的走向與思路[J].華東師范大學(xué)學(xué)報(教育科學(xué)版),36(1):98-103+164.