智能教育應(yīng)用的人機(jī)雙向反饋：機(jī)理、模型與實(shí)施原則

董 艷 李心怡 鄭婭峰 翟雪松

(1.北京師范大學(xué) 教育學(xué)部，北京100875; 2.河南財(cái)經(jīng)政法大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，河南鄭州 450047; 3.浙江大學(xué) 教育學(xué)院，浙江杭州310028)

一、問題提出

隨著人工智能技術(shù)不斷應(yīng)用于教育領(lǐng)域，人機(jī)之間的協(xié)同與交互成為研究關(guān)注的重點(diǎn)?！缎乱淮斯ぶ悄馨l(fā)展規(guī)劃》也將提升人機(jī)交互能力作為發(fā)展人工智能關(guān)鍵共性技術(shù)的重要目標(biāo)之一。2019年國(guó)際人工智能與教育大會(huì)發(fā)布的《北京共識(shí)》提出人工智能教育應(yīng)以人為本，在賦能教育的基礎(chǔ)上促進(jìn)人機(jī)互動(dòng)與協(xié)作。現(xiàn)階段人工智能教育應(yīng)用的交互在一定程度上可能加重了學(xué)生對(duì)機(jī)器的依賴性，剝奪了學(xué)生的主體地位甚至影響了學(xué)生高階認(rèn)知能力的培養(yǎng)。在人機(jī)交互過(guò)程中，反饋是不可缺少的組成部分，加強(qiáng)人工智能教育應(yīng)用中反饋機(jī)制設(shè)計(jì)與創(chuàng)新應(yīng)用有助于提升學(xué)習(xí)者在技術(shù)時(shí)代的反饋能力發(fā)展，提高人機(jī)交互的實(shí)際效果。近年來(lái)，反饋素養(yǎng)這一概念逐漸得到學(xué)術(shù)界的關(guān)注，學(xué)者們主要通過(guò)探究其內(nèi)涵、結(jié)構(gòu)要素及影響機(jī)制，思考如何提升學(xué)習(xí)者的反饋效果(董艷，2020)。

作為學(xué)術(shù)概念，反饋素養(yǎng)最早由英國(guó)學(xué)者薩頓提出，用來(lái)研究學(xué)習(xí)者如何通過(guò)對(duì)反饋的感知、吸收與應(yīng)用促進(jìn)其在教學(xué)交互中的參與和學(xué)習(xí)投入。學(xué)習(xí)者不僅要作為“信息接收方”理解與感知反饋信息，還要主動(dòng)作為“信息發(fā)送方”回應(yīng)反饋方。當(dāng)前反饋素養(yǎng)研究主要從理論演繹與實(shí)踐歸納兩條路徑構(gòu)建相應(yīng)的結(jié)構(gòu)要素和提升策略。比如，研究者在理論層面結(jié)合社會(huì)建構(gòu)主義框架將其劃分為四要素：感知反饋、采取行動(dòng)、作出評(píng)價(jià)和管理情感；基于評(píng)價(jià)理論構(gòu)建五維度框架(真實(shí)性、認(rèn)知挑戰(zhàn)、情感挑戰(zhàn)、評(píng)價(jià)判斷、執(zhí)行反饋)；在實(shí)踐層面，反饋障礙研究將反饋素養(yǎng)歸納為自我評(píng)估、評(píng)價(jià)素養(yǎng)、目標(biāo)設(shè)定與約束、投入與動(dòng)機(jī)。具體模型、研究來(lái)源及其主要結(jié)構(gòu)要素見表一。

表一 模型依據(jù)及結(jié)構(gòu)要素

綜合上述模型分析，本研究提出反饋素養(yǎng)模型的六個(gè)核心元素：感知反饋、認(rèn)知統(tǒng)合、評(píng)價(jià)判斷、采取行動(dòng)、情感管理、動(dòng)機(jī)調(diào)控(見表二)。這些要素不僅反映了學(xué)習(xí)者面對(duì)反饋的內(nèi)在心理過(guò)程，也體現(xiàn)出學(xué)習(xí)者基于反饋開展行動(dòng)的關(guān)鍵環(huán)節(jié)。這些要素可以在智能系統(tǒng)設(shè)計(jì)中加以整合，促進(jìn)學(xué)習(xí)者與智能系統(tǒng)間的交互設(shè)計(jì)。

關(guān)注人機(jī)雙向反饋對(duì)于提升學(xué)習(xí)者主體地位、培養(yǎng)高階能力以及加強(qiáng)情感交互具有重要價(jià)值(Baker, 2016)?，F(xiàn)階段，關(guān)于人機(jī)之間反饋的研究仍停留在機(jī)器對(duì)學(xué)習(xí)者的適應(yīng)性反饋，而對(duì)學(xué)習(xí)者向機(jī)器發(fā)出的反向反饋過(guò)程與機(jī)制關(guān)注不足。本研究將基于現(xiàn)有人工智能的反饋機(jī)理、反饋模型及雙向反饋模型的構(gòu)建原則，探索智能教育應(yīng)用的人機(jī)雙向反饋機(jī)制。

表二 學(xué)習(xí)者反饋素養(yǎng)的六個(gè)核心要素

二、反饋機(jī)理

研究表明，人工智能技術(shù)的分析越精準(zhǔn)，其對(duì)學(xué)習(xí)者主動(dòng)性的剝奪可能就越徹底。這種人機(jī)地位的不平等，使學(xué)習(xí)者逐步從學(xué)習(xí)的主體淪為接收機(jī)器反饋的客體，將對(duì)學(xué)生的長(zhǎng)期發(fā)展造成不良影響 (韓寧等, 2020)。一方面，人工智能通過(guò)采集和分析學(xué)生學(xué)習(xí)過(guò)程中的客觀數(shù)據(jù)，提供個(gè)性化學(xué)習(xí)內(nèi)容與路徑等反饋信息，提升學(xué)生的學(xué)習(xí)績(jī)效，改變知識(shí)學(xué)習(xí)與創(chuàng)新活動(dòng)的形式。但這一過(guò)程主要由機(jī)器主導(dǎo)，學(xué)習(xí)者處于被動(dòng)接收地位，主觀能動(dòng)性無(wú)法充分體現(xiàn)(張剛要等, 2020)。另一方面，人工智能提供的反饋信息替代了學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的自我評(píng)價(jià)、自我監(jiān)控和自我決策等認(rèn)知活動(dòng)，使學(xué)習(xí)者從全程參與變?yōu)椴糠謪⑴c，在模糊學(xué)習(xí)主體的同時(shí)也阻礙了學(xué)習(xí)者高階認(rèn)知能力的發(fā)展(李建中, 2019)。因此，解決這些問題，還需要深入探究人工智能教育應(yīng)用的反饋?zhàn)饔脵C(jī)制。反饋?zhàn)鳛橄到y(tǒng)有機(jī)運(yùn)行的主要環(huán)節(jié)，是人工智能教育系統(tǒng)的關(guān)鍵要素。然而，現(xiàn)有研究對(duì)其探討不足，更沒有深入剖析其機(jī)制。

(一)人工智能教育應(yīng)用的反饋形態(tài)

基于經(jīng)典的拉斯韋爾與香農(nóng)-韋弗的單雙向傳播模式及人工智能帶來(lái)的靜態(tài)資源與動(dòng)態(tài)資源形態(tài)，本研究將反饋機(jī)理歸納為靜態(tài)反饋、動(dòng)態(tài)反饋、混合反饋。靜態(tài)反饋主要指反饋信息從機(jī)器流向?qū)W習(xí)者，計(jì)算機(jī)通過(guò)算法與學(xué)習(xí)者交互，并從固定的資源庫(kù)中選取內(nèi)容呈現(xiàn)給學(xué)習(xí)者。早期智能導(dǎo)學(xué)系統(tǒng)依靠涵蓋學(xué)習(xí)者學(xué)習(xí)風(fēng)格、個(gè)性特征的學(xué)生模型，以預(yù)設(shè)的形式與學(xué)生交互。靜態(tài)反饋模型使學(xué)習(xí)者被動(dòng)參與人機(jī)交互，難以動(dòng)態(tài)適應(yīng)學(xué)習(xí)者的認(rèn)知變化；動(dòng)態(tài)反饋主要依托人工智能的自適應(yīng)技術(shù)，借助大數(shù)據(jù)、學(xué)習(xí)分析、自然語(yǔ)言理解、多模態(tài)等分析方法，實(shí)時(shí)獲取學(xué)習(xí)者學(xué)習(xí)行為、情緒和認(rèn)知等數(shù)據(jù)并動(dòng)態(tài)更新學(xué)習(xí)模型，精準(zhǔn)提供個(gè)性化的學(xué)習(xí)資源與路徑等反饋信息。動(dòng)態(tài)反饋模型實(shí)現(xiàn)了數(shù)據(jù)采集的多元化與動(dòng)態(tài)化，但由于缺少靈活雙向的溝通機(jī)制，對(duì)學(xué)生主觀生成的信息采集不足?；旌戏答伱嫦?qū)嶋H教學(xué)應(yīng)用場(chǎng)景，綜合考慮教師、同伴、學(xué)習(xí)者個(gè)體與人工智能應(yīng)用之間的多元交互，并將動(dòng)態(tài)與靜態(tài)反饋相結(jié)合。其研究結(jié)論已應(yīng)用于外語(yǔ)教學(xué)，通過(guò)采用自動(dòng)評(píng)價(jià)與人工評(píng)價(jià)相結(jié)合的方式提升學(xué)生的寫作水平。綜上，現(xiàn)階段人工智能應(yīng)用的反饋機(jī)制具有動(dòng)態(tài)性和單向性，其中數(shù)據(jù)和資源實(shí)現(xiàn)了動(dòng)態(tài)更新；人機(jī)交互以“機(jī)器→學(xué)生”的單向反饋為主，“學(xué)生→機(jī)器”的反饋渠道和信息較匱乏。本研究仍將深入探究反饋機(jī)制，以推進(jìn)人機(jī)協(xié)同和人機(jī)雙向反饋。

(二)人工智能教育應(yīng)用反饋的“主客體”變遷

基于上述反饋機(jī)制的演變和發(fā)展不難看出，機(jī)器在反饋過(guò)程中所占比例逐漸增高，學(xué)生的主體地位正在發(fā)生階梯式消解(李建中，2019)。學(xué)生是學(xué)習(xí)的主體，人工智能是對(duì)人類智能仿真的技術(shù)，其應(yīng)用于教育過(guò)程也遵循這一規(guī)律(劉凱等, 2018)。學(xué)習(xí)者和機(jī)器之間的主客體關(guān)系對(duì)于處理兩者之間的主動(dòng)性具有重要價(jià)值。梳理“主客體”變遷路徑，探究其變遷的動(dòng)力與本質(zhì)，能夠促使學(xué)習(xí)者積極參與學(xué)習(xí)規(guī)劃，提升自身的主動(dòng)性。在人機(jī)交互的最初階段，雙方的主客體關(guān)系表現(xiàn)在“學(xué)習(xí)者為主體、機(jī)器為客體”，機(jī)器作為工具輔助學(xué)習(xí)者學(xué)習(xí)。例如，IBM開發(fā)的Jill Waston機(jī)器人助教能回答學(xué)習(xí)者的問題，其機(jī)器人的身份卻不被察覺；游戲環(huán)境中的人機(jī)互動(dòng)反饋，結(jié)合語(yǔ)音文本對(duì)話和多模態(tài)數(shù)據(jù)追蹤，為學(xué)習(xí)者提供反饋循環(huán)，有助于學(xué)習(xí)者發(fā)揮自主學(xué)習(xí)的能動(dòng)性(Agapito & Rodrigo, 2018)。但這一過(guò)程的交互僅依靠人工智能技術(shù)，忽視了情感交流，教育的情感性將會(huì)逐漸消失，進(jìn)而影響學(xué)習(xí)者的社會(huì)性發(fā)展(李洪修等, 2020)。

隨著大數(shù)據(jù)以及人工智能算法快速發(fā)展，人機(jī)關(guān)系進(jìn)入“機(jī)器為主體，學(xué)習(xí)者為客體”的階段。人工智能技術(shù)通過(guò)過(guò)程數(shù)據(jù)采集、視頻監(jiān)控、情感計(jì)算、自然語(yǔ)言理解等技術(shù)越來(lái)越全面地掌握學(xué)生的信息，如將人工神經(jīng)網(wǎng)絡(luò)技術(shù)用于學(xué)習(xí)者認(rèn)知模型構(gòu)建，可精準(zhǔn)診斷與預(yù)測(cè)學(xué)習(xí)者技能發(fā)展與學(xué)習(xí)投入度(Chaplot et al.,2018)。在這一階段，學(xué)習(xí)者處于被動(dòng)位置，機(jī)器處于主體地位，人際關(guān)系的主客體發(fā)生顛倒，違背了“學(xué)習(xí)者中心”的基本原則。人機(jī)如何處理好雙主體的關(guān)系？一方面發(fā)揮機(jī)器的優(yōu)勢(shì)，同時(shí)突出學(xué)習(xí)者的主體性，都是未來(lái)需要探索的重要方面，即實(shí)現(xiàn)“人機(jī)雙主體”。人機(jī)雙主體呈現(xiàn)的主體間性關(guān)系，將交互雙方均看作主體，兩者具有平等關(guān)系和對(duì)稱責(zé)任，對(duì)外強(qiáng)調(diào)利益，對(duì)內(nèi)強(qiáng)調(diào)情感。例如，依托自然語(yǔ)言理解技術(shù)的發(fā)展，智能導(dǎo)師能為學(xué)習(xí)者提供類似于人類導(dǎo)師的輔導(dǎo)，即系統(tǒng)和學(xué)生都可以提問和作答(張志禎等, 2019)。這種關(guān)系也被描述為混合式主動(dòng)教學(xué)。再如，開放學(xué)習(xí)者模型支持學(xué)習(xí)者通過(guò)插入、共享、重新混合等修改原有的模型，有助于學(xué)習(xí)者自我評(píng)估決策(Bodily et al.,2018)。KB map-CT支持學(xué)習(xí)者自主構(gòu)建概念題圖，系統(tǒng)根據(jù)命題的正確性和置信信息設(shè)計(jì)識(shí)別和指導(dǎo)反饋，提升了閱讀質(zhì)量(Pailai et al., 2018)。

(三)現(xiàn)有研究的局限

現(xiàn)階段人工智能教育應(yīng)用以靜態(tài)和動(dòng)態(tài)反饋機(jī)制為主，基于行為預(yù)設(shè)和學(xué)習(xí)者客觀數(shù)據(jù)提供反饋信息，對(duì)學(xué)習(xí)者主觀數(shù)據(jù)的研究和采集不足，智能化程度有待提升。例如，學(xué)習(xí)者的知識(shí)隱藏行為具有很強(qiáng)的主觀隱蔽性，很難被計(jì)算機(jī)發(fā)現(xiàn)(翟雪松等，2019)。人機(jī)關(guān)系從人作為主體向機(jī)器作為主體偏移，學(xué)習(xí)者逐漸降為客體(張剛要等, 2020)。例如，自適應(yīng)技術(shù)的資源與路徑推薦取代了學(xué)生的自主反思和自我調(diào)節(jié)，使學(xué)習(xí)者處于被動(dòng)狀態(tài)，不利于學(xué)習(xí)能力與高階思維能力的發(fā)展。人工智能技術(shù)在賦能人的同時(shí)也在取代人類工作，技術(shù)發(fā)展趨勢(shì)不可逆轉(zhuǎn)。為適應(yīng)這一局面，構(gòu)建主體間性的新型人機(jī)關(guān)系，保持人在此過(guò)程中的主體性，就顯得非常必要。本研究嘗試提出人機(jī)雙向反饋模型，將反饋素養(yǎng)內(nèi)涵與人工智能教育現(xiàn)有反饋機(jī)制相融合，同時(shí)加強(qiáng)情感、社會(huì)及具身環(huán)境交互以及學(xué)生反饋素養(yǎng)，平衡人機(jī)關(guān)系，提升人工智能教育的育人效果(王慧莉等, 2020)。

三、反饋模型

為構(gòu)建面向智能教育應(yīng)用的人機(jī)雙向反饋模型，本研究分析了反饋素養(yǎng)與人工智能融合的必要性與可行性，并結(jié)合兩者的功能結(jié)構(gòu)，構(gòu)建了涵蓋數(shù)據(jù)、分析決策、支架、交互、行動(dòng)以及遷移目標(biāo)六個(gè)層次的人機(jī)雙向模型。

圖1 面向智能教育應(yīng)用的人機(jī)雙向反饋模型

(一)人機(jī)模型構(gòu)建需求

人工智能教育應(yīng)用如何發(fā)揮智能教育應(yīng)用的智能性、反饋性和多源性，突出反饋活動(dòng)中學(xué)習(xí)者的主體地位，不斷提升學(xué)習(xí)者自我策略選擇和價(jià)值判斷能力，并積極采取相應(yīng)的行動(dòng)管理自我情緒，是當(dāng)前研究的焦點(diǎn)(Dawson et al., 2020)。反饋素養(yǎng)理論啟發(fā)研究者關(guān)注學(xué)習(xí)者與外界互動(dòng)過(guò)程中的主體能動(dòng)性發(fā)揮，喚醒學(xué)習(xí)者在人工智能教育場(chǎng)景中的主體意識(shí)。而且，反饋素養(yǎng)理論強(qiáng)調(diào)學(xué)習(xí)者自身因素對(duì)反饋效果的影響，有助于打破人工智能應(yīng)用中關(guān)注反饋信息本身的局限。例如，在學(xué)習(xí)者模型構(gòu)建過(guò)程中，已有模型數(shù)據(jù)主要來(lái)自于系統(tǒng)采集的學(xué)生客觀數(shù)據(jù)，對(duì)交互中的學(xué)生主觀數(shù)據(jù)關(guān)注不足。開放學(xué)習(xí)者模型為學(xué)習(xí)者提供修改權(quán)限，一定程度上提升了人機(jī)交互中學(xué)生的地位(馬志強(qiáng)等, 2016)。如果能利用人工智能技術(shù)發(fā)展學(xué)生的反饋素養(yǎng)，提升學(xué)習(xí)者的反饋態(tài)度、學(xué)業(yè)調(diào)節(jié)能力和投入度，將會(huì)提升其主動(dòng)尋求反饋的能力。

學(xué)生反饋素養(yǎng)為人工智能教育應(yīng)用的反饋機(jī)制設(shè)計(jì)帶來(lái)新的思考，激發(fā)教育領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)的新需求。人工智能技術(shù)的教育應(yīng)用相對(duì)滯后于其他領(lǐng)域，這主要是因?yàn)榻逃械拇罅啃枨筮€未被發(fā)現(xiàn)，導(dǎo)致遵循需求導(dǎo)向的人工智能教育應(yīng)用還存在很大改進(jìn)空間。反饋素養(yǎng)框架的融入，可以從學(xué)習(xí)者角度為人工智能教育提供新的實(shí)踐和研究視角，加速教育現(xiàn)代化的發(fā)展。同時(shí)，反饋素養(yǎng)的理論與實(shí)踐對(duì)人工智能的技術(shù)整合具有良好的指導(dǎo)作用，有助于人工智能對(duì)教育活動(dòng)的系統(tǒng)支持與賦能。因此，反饋素養(yǎng)的要素與智能代理、虛擬現(xiàn)實(shí)、自然語(yǔ)言理解和自適應(yīng)等技術(shù)有機(jī)整合，有助于提升反饋素養(yǎng)與改善人機(jī)關(guān)系。

(二)人機(jī)雙向反饋模型構(gòu)建

表二所描述的六個(gè)核心要素不僅是學(xué)習(xí)者積極參與反饋的一種內(nèi)在或外在行為，也反映出其認(rèn)知和情感方面的綜合變化。本研究在分析已有人工智能教育應(yīng)用模型的基礎(chǔ)上，構(gòu)建了雙向反饋模型(見圖1)。該模型通過(guò)交互層將學(xué)生與人工智能作為雙主體聯(lián)結(jié)起來(lái)。其中，學(xué)生端包括學(xué)生行為層和目標(biāo)遷引層。人工智能端在已有數(shù)據(jù)采集和決策分析的基礎(chǔ)上，增加了支架層。支架層以支架理論與認(rèn)知學(xué)徒制為設(shè)計(jì)依據(jù)，通過(guò)提供意義建構(gòu)、表達(dá)反思以及規(guī)劃問題解決等支持，幫助學(xué)習(xí)者完成其能力范圍之外的復(fù)雜任務(wù)；認(rèn)知學(xué)徒制強(qiáng)調(diào)真實(shí)情境中導(dǎo)師示范與學(xué)習(xí)者實(shí)踐的重要性以及二者間的社會(huì)性互動(dòng)。模型以“學(xué)習(xí)投入、知識(shí)學(xué)習(xí)、情感學(xué)習(xí)、溝通協(xié)作、主觀能動(dòng)”為主要目標(biāo)，設(shè)計(jì)了代理、可視化、情感與環(huán)境四類支架，支持與引導(dǎo)學(xué)習(xí)者感知反饋，管理反饋過(guò)程，加強(qiáng)反思評(píng)價(jià)、維持學(xué)習(xí)動(dòng)機(jī)以及處理情感，促進(jìn)人機(jī)雙向反饋。

人機(jī)雙向反饋模型以數(shù)據(jù)為基礎(chǔ)。數(shù)據(jù)是人工智能決策的重要依據(jù)。為了充分關(guān)注學(xué)習(xí)者學(xué)習(xí)過(guò)程中的主觀能動(dòng)性，數(shù)據(jù)層將采集交互過(guò)程中學(xué)習(xí)者生成的主觀數(shù)據(jù)。該模型將學(xué)習(xí)者在內(nèi)容與情感等方面對(duì)機(jī)器的反饋數(shù)據(jù)納入數(shù)據(jù)層，實(shí)現(xiàn)了數(shù)據(jù)的雙向流通。交互層連接了學(xué)習(xí)者與機(jī)器，體現(xiàn)了人機(jī)雙主體的反饋過(guò)程：“自適應(yīng)模塊-適應(yīng)性反饋-學(xué)習(xí)者”的單向反饋和“自適應(yīng)模塊-支架層-學(xué)習(xí)者”的雙向反饋。其中，雙向反饋主要依賴支架層實(shí)現(xiàn)，支架層的設(shè)計(jì)綜合提供了語(yǔ)言、文字、圖像、情感以及具身感知等方面的交互；利用多模態(tài)、虛擬現(xiàn)實(shí)等技術(shù)，促進(jìn)學(xué)習(xí)者對(duì)反饋內(nèi)容的理解與回應(yīng)，通過(guò)智能代理的多重身份(導(dǎo)師、同伴、學(xué)生)促進(jìn)學(xué)習(xí)者自我監(jiān)控與自我評(píng)價(jià)，提升學(xué)習(xí)者在人機(jī)交互中的主體地位。

學(xué)生行為層主要定位在反饋機(jī)制。學(xué)生通過(guò)感知反饋進(jìn)而理解反饋，并結(jié)合反饋采取行動(dòng)，同時(shí)通過(guò)情感管理和動(dòng)機(jī)調(diào)控與機(jī)器進(jìn)行互動(dòng)反饋。在這個(gè)過(guò)程中，學(xué)生和機(jī)器是相互主客體關(guān)系，機(jī)器可以促進(jìn)學(xué)生的反饋，學(xué)生的反饋又可以為機(jī)器提供更多內(nèi)容，從而促進(jìn)學(xué)生學(xué)習(xí)目標(biāo)的達(dá)成。學(xué)習(xí)者周期性地參與這一反饋過(guò)程，會(huì)不斷激發(fā)他們提升反饋素養(yǎng)。在支架層與交互層的作用下，學(xué)生對(duì)反饋信息的感知理解、加工處理以及決策行動(dòng)等行為得到支持。同時(shí)，學(xué)生的情感和動(dòng)機(jī)也得到支撐，二者貫穿于整個(gè)反饋過(guò)程，對(duì)各環(huán)節(jié)起到調(diào)節(jié)作用。反饋素養(yǎng)的提升也會(huì)積極影響學(xué)生的其他能力。目標(biāo)遷引層呈現(xiàn)的是學(xué)習(xí)者通過(guò)智能教育應(yīng)用可以更好地達(dá)成的教育發(fā)展目標(biāo)，滿足未來(lái)的職業(yè)要求。同時(shí)，這些目標(biāo)不僅強(qiáng)調(diào)學(xué)習(xí)類型的重要性，也關(guān)注學(xué)生主動(dòng)性、能動(dòng)性等動(dòng)力層面的發(fā)展。支持性框架可促進(jìn)他們?cè)谛袨閷用娓玫貐⑴c學(xué)習(xí)。在反饋素養(yǎng)的基礎(chǔ)上，學(xué)習(xí)者的學(xué)習(xí)投入、知識(shí)掌握、情感培養(yǎng)、溝通交流和主觀能動(dòng)性都會(huì)得到相應(yīng)的提升。

四、實(shí)施原則

原則一：增強(qiáng)學(xué)習(xí)者的反饋理解與主觀能動(dòng)性

學(xué)生反饋素養(yǎng)以“感知反饋”為基礎(chǔ)。感知反饋維度強(qiáng)調(diào)學(xué)習(xí)者能夠充分理解反饋內(nèi)容以及認(rèn)識(shí)反饋的作用與價(jià)值，能夠在反饋中具有主觀能動(dòng)性。已有研究表明，學(xué)習(xí)者對(duì)反饋信息的理解困難往往會(huì)影響其反饋和學(xué)習(xí)投入的效果(Noble et al.,2019)，需要掌握必要的學(xué)術(shù)語(yǔ)言，才能理解、解釋并進(jìn)行復(fù)雜的思考。有學(xué)者使用“反饋詞匯表”幫助學(xué)習(xí)者理解反饋內(nèi)容，提升反饋理解能力(Winstone et al.,2019)。當(dāng)學(xué)習(xí)者遇到學(xué)習(xí)困難時(shí)，可以通過(guò)技術(shù)引導(dǎo)的形式拆解問題，并提供思維線索。支架還應(yīng)具備適應(yīng)性，即根據(jù)學(xué)生的行為水平自動(dòng)更改出現(xiàn)頻率。

原則二：促進(jìn)學(xué)習(xí)者的情感管理和動(dòng)機(jī)調(diào)控

情感是反饋過(guò)程中影響學(xué)習(xí)者接收反饋信息的重要因素，通常包括情緒和態(tài)度。研究表明，只有在激發(fā)學(xué)習(xí)者情感的基礎(chǔ)上才能取得應(yīng)有的反饋效果(唐林飛, 2014)。當(dāng)學(xué)習(xí)者收到批評(píng)或者成績(jī)差的反饋時(shí)，他們往往會(huì)表現(xiàn)出對(duì)反饋的抵制。在這種情況下，反饋效果就取決于學(xué)習(xí)者自身的自我效能感、動(dòng)機(jī)以及有效處理情緒的能力(Pitt & Norton, 2017)。構(gòu)建雙方互信的反饋環(huán)境，可減輕學(xué)習(xí)者向外表達(dá)的焦慮。人工智能教育可以先從同伴反饋切入，營(yíng)造平等信任的氛圍，降低學(xué)習(xí)者的焦慮并引發(fā)學(xué)習(xí)者共鳴。也有學(xué)者設(shè)計(jì)了情感反饋型虛擬教師，利用情感計(jì)算技術(shù)為學(xué)習(xí)者提供情感支持(朱珂等, 2020)。

原則三：促進(jìn)學(xué)習(xí)者的認(rèn)知投入與評(píng)價(jià)判斷

認(rèn)知投入指學(xué)習(xí)者在學(xué)習(xí)期間能有效應(yīng)用策略，促進(jìn)知識(shí)理解和問題解決。評(píng)價(jià)判斷指學(xué)習(xí)者對(duì)自身或他人的績(jī)效與工作作出判斷，現(xiàn)階段學(xué)習(xí)者對(duì)于評(píng)價(jià)指標(biāo)的理解并不透徹，往往傾向于那些容易理解的部分。為促進(jìn)學(xué)習(xí)者有效地選取與應(yīng)用策略和評(píng)價(jià)標(biāo)準(zhǔn)，教學(xué)過(guò)程需要增加認(rèn)知評(píng)價(jià)練習(xí)和認(rèn)知支架(Lubin et al.,2012; Nicol et al., 2014)。認(rèn)知導(dǎo)師在智能導(dǎo)師系統(tǒng)中融入認(rèn)知模型，對(duì)學(xué)習(xí)者的各種策略與迷思概念進(jìn)行表征，并通過(guò)模型跟蹤和知識(shí)跟蹤算法，為學(xué)習(xí)者從新手轉(zhuǎn)變?yōu)閷＜姨峁┞窂街С?Koedinger & Corbett,2006)?？珊箤W(xué)院采用學(xué)習(xí)儀表盤為學(xué)習(xí)者提供學(xué)習(xí)報(bào)告，方便學(xué)習(xí)者更清楚地掌握自身學(xué)習(xí)狀況，及時(shí)調(diào)整與規(guī)劃學(xué)習(xí)活動(dòng)，實(shí)現(xiàn)個(gè)性化學(xué)習(xí)。

原則四：促進(jìn)學(xué)習(xí)者的行動(dòng)意識(shí)和執(zhí)行過(guò)程

學(xué)習(xí)者的行動(dòng)維度主要指學(xué)習(xí)者對(duì)反饋信息的回應(yīng)，及回應(yīng)之后如何調(diào)整行動(dòng)。這些行動(dòng)一方面包括學(xué)習(xí)者所采取的縮小實(shí)際目標(biāo)與期望目標(biāo)之間差距的策略，另一方面包括學(xué)習(xí)者主動(dòng)尋求反饋和執(zhí)行反饋需要采取的下一步行動(dòng)。人工智能的反饋應(yīng)當(dāng)改變以學(xué)習(xí)結(jié)果為導(dǎo)向的模式，更加關(guān)注學(xué)生的長(zhǎng)遠(yuǎn)發(fā)展與技能培養(yǎng)(牟智佳等, 2018)。反饋行動(dòng)的執(zhí)行會(huì)受到情境影響，在真實(shí)的情境下，學(xué)習(xí)者更容易感知反饋信息并增加學(xué)習(xí)投入(Noble, 2019)。技術(shù)反饋更具有深度和真實(shí)感，學(xué)生也更喜歡這一形式。例如，增強(qiáng)現(xiàn)實(shí)技術(shù)提供的視覺反饋，可以提升兒童的內(nèi)在體驗(yàn)。

五、研究展望

本研究基于對(duì)目前人工智能教育應(yīng)用中反饋機(jī)制與人機(jī)雙向交互的分析，指出學(xué)習(xí)者主體性缺失問題，同時(shí)圍繞反饋素養(yǎng)研究提出六個(gè)過(guò)程要素，并從理論上構(gòu)建了面向智能教育應(yīng)用的人機(jī)雙向反饋模型。當(dāng)前，人工智能教育在構(gòu)建面向未來(lái)的教學(xué)生態(tài)系統(tǒng)中扮演著重要作用，研究者應(yīng)不斷促進(jìn)人類智能和人工智能的協(xié)同作用，推動(dòng)教育信息化與智能教育的發(fā)展。

(一)探索“教師-同伴-個(gè)人-機(jī)器”多元混合交互模型的實(shí)現(xiàn)路徑

人工智能要真正應(yīng)用到教育場(chǎng)景，促進(jìn)學(xué)習(xí)者的能動(dòng)性發(fā)展，除了關(guān)注機(jī)器與學(xué)習(xí)者、機(jī)器與教師的雙向交互，還要綜合考慮個(gè)人、教師、同伴與機(jī)器之間復(fù)雜的多元交互關(guān)系，深入探討“教師-同伴-個(gè)人-機(jī)器交互學(xué)習(xí)”多元主體模型和機(jī)制構(gòu)建。這包括探究如何將人工智能應(yīng)用更好地從非正式學(xué)習(xí)引入到各學(xué)科的課堂教學(xué)實(shí)踐，檢驗(yàn)人工智能教育應(yīng)用的實(shí)際價(jià)值；充分考慮人工智能作為伙伴、教師、助手、代理等多種身份，發(fā)揮混合多元交互的作用。

再者，基于人機(jī)之間的反饋機(jī)制以及師生和生生之間的交互模式，探索多元人工智能之間的交互關(guān)系，如基于動(dòng)力學(xué)理論，通過(guò)不同人工智能體間行動(dòng)、語(yǔ)言、情緒等的耦合，關(guān)注意義、價(jià)值、辯護(hù)以及不確定性等因素對(duì)這一過(guò)程的影響，并且通過(guò)“社會(huì)交互”塑造個(gè)體自治和群體智能(何靜, 2020)，促進(jìn)協(xié)同發(fā)展。輕量級(jí)生理反饋技術(shù)在教育中應(yīng)用的發(fā)展，也給大規(guī)模實(shí)施混合多元交互提供了技術(shù)基礎(chǔ)(翟雪松等，2020)。

(二)在反饋基礎(chǔ)上關(guān)注前饋，以提升反饋的應(yīng)用效果

人工智能教育應(yīng)用的反饋，主要關(guān)注學(xué)生當(dāng)前狀態(tài)與結(jié)果評(píng)估，對(duì)學(xué)生的長(zhǎng)遠(yuǎn)技能發(fā)展關(guān)注不足(Kluger & Van Dijk, 2010)。前饋是一種面向未來(lái)的教學(xué)策略(Bj?rkman, 1972)，為解決反饋的自身局限提供了思路。它通過(guò)指令向?qū)W習(xí)者傳輸先前的評(píng)估和實(shí)踐經(jīng)驗(yàn)，幫助學(xué)習(xí)者更清晰地理解任務(wù)的績(jī)效期望與評(píng)價(jià)標(biāo)準(zhǔn)。前饋關(guān)注對(duì)象是尚未發(fā)生的事情，其形式可分為兩類：一是在學(xué)習(xí)任務(wù)開展之前，預(yù)先告知學(xué)習(xí)者預(yù)期目標(biāo)及評(píng)價(jià)標(biāo)準(zhǔn)，為學(xué)習(xí)過(guò)程提供指導(dǎo)(Sadler,1983)；另一類是反饋之后，提出策略、認(rèn)知方面的更高目標(biāo)與建議(Hattie & Timperley, 2007)。人工智能教育應(yīng)用如果能夠融入前饋的機(jī)制與策略，將能夠改善現(xiàn)有反饋機(jī)制中目標(biāo)不明確與評(píng)價(jià)標(biāo)準(zhǔn)模糊等問題；同時(shí)改善反饋只關(guān)注當(dāng)前問題的局限性，把目標(biāo)擴(kuò)展到更加關(guān)注學(xué)習(xí)者長(zhǎng)遠(yuǎn)發(fā)展的全局視野(Noon & Eyre, 2020) 。

人工智能教育應(yīng)用的實(shí)現(xiàn)仍然離不開研發(fā)團(tuán)隊(duì)與教育專家的合作。目前人工智能在教育領(lǐng)域的應(yīng)用越來(lái)越廣泛，但大規(guī)模推廣應(yīng)用仍不多見。不斷加強(qiáng)技術(shù)開發(fā)人員與教育實(shí)踐者之間的深度溝通與對(duì)話，開展多元視角下的人機(jī)反饋機(jī)制探索，并在實(shí)際教學(xué)中迭代優(yōu)化與完善(Luckin & Cukurova,2019)，是未來(lái)人工智能應(yīng)用發(fā)展的主要路徑。

(三)基于具身認(rèn)知理論，拓展人機(jī)雙向反饋的智能應(yīng)用場(chǎng)域

當(dāng)前人機(jī)雙向反饋研究仍局限于人工智能應(yīng)用工具的視角。伴隨人工智能應(yīng)用與環(huán)境的廣泛融合，必然形成新的人機(jī)交互模式與反饋素養(yǎng)的相互作用機(jī)制。具身認(rèn)知理論強(qiáng)調(diào)身體感知及先前經(jīng)驗(yàn)對(duì)認(rèn)知的作用，尤其關(guān)注感知器官與環(huán)境的交互作用。因此，具身認(rèn)知理論可以為深入理解未來(lái)場(chǎng)景的人機(jī)交互機(jī)制提供新的思路和途徑。具體體現(xiàn)在三方面：第一，具身認(rèn)知理論能夠擴(kuò)展人機(jī)交互的范疇，為人工智能學(xué)習(xí)環(huán)境建設(shè)提供指導(dǎo)。依據(jù)具身認(rèn)知理論構(gòu)建的人工智能學(xué)習(xí)環(huán)境，學(xué)生與技術(shù)的交互更為頻繁多樣，如學(xué)生與人工智能代理交互，并通過(guò)觀察代理的行為，促進(jìn)學(xué)生知識(shí)理解具身化(王美倩等，2015)；第二，具身認(rèn)知理論為拓展人工智能的感知能力，豐富人機(jī)交互數(shù)據(jù)類型提供方向。具身認(rèn)知理論下，借助多種知覺傳感器感知和理解學(xué)習(xí)過(guò)程，使得面向智能教育的人工智能實(shí)現(xiàn)由“游離身外”的輔助學(xué)習(xí)轉(zhuǎn)向“具身模擬”的“人-機(jī)融合”學(xué)習(xí)(謝泉峰等，2020)，也使得人機(jī)交互更加全面深入，為機(jī)器反饋提供充分的數(shù)據(jù)支撐；第三，具身認(rèn)知理論強(qiáng)調(diào)學(xué)生在交互中的主體性與能動(dòng)性，能為學(xué)生反饋素養(yǎng)的培養(yǎng)提供理論支撐。以具身形式達(dá)成的學(xué)習(xí)，學(xué)生會(huì)更主動(dòng)參與環(huán)境的交互，并對(duì)接收的信息積極反饋，促進(jìn)人機(jī)雙向的高質(zhì)量反饋機(jī)制的形成。