人工智能助力因材施教：實(shí)踐誤區(qū)與對(duì)策

汪瓊 李文超

摘要：實(shí)現(xiàn)以學(xué)生為中心的因材施教，為每個(gè)學(xué)生定制出符合其特點(diǎn)的學(xué)習(xí)發(fā)展路徑，既是一種教育理想，也是一種教育原則。雖然未來人工智能技術(shù)可能助力實(shí)現(xiàn)大規(guī)模因材施教，但是目前大多數(shù)教育人工智能產(chǎn)品還處于初級(jí)發(fā)展階段，在實(shí)際應(yīng)用中存在著因言過其實(shí)、誤以為真、不切實(shí)際等錯(cuò)誤認(rèn)識(shí)造成的實(shí)踐誤區(qū)，比如，過分依賴系統(tǒng)對(duì)學(xué)生的判斷和幫扶、查漏補(bǔ)缺加重了薄弱生的學(xué)習(xí)負(fù)擔(dān)、將自定步調(diào)重復(fù)學(xué)習(xí)視為個(gè)性化學(xué)習(xí)等。當(dāng)前的智能教育雖然可以通過技術(shù)手段優(yōu)化一部分教學(xué)工作，但離實(shí)現(xiàn)大規(guī)模因材施教還有很長的路要走。我們需要清醒地認(rèn)識(shí)到當(dāng)前人工智能教育應(yīng)用的局限，在開展人工智能助力教育的實(shí)踐中，既要強(qiáng)調(diào)和加強(qiáng)人工智能時(shí)代教師人工智能素養(yǎng)、數(shù)據(jù)素養(yǎng)和測評(píng)素養(yǎng)的培養(yǎng)，又要督促智能教育產(chǎn)品研發(fā)機(jī)構(gòu)和廠商基于教育理論精細(xì)化產(chǎn)品設(shè)計(jì)，增加算法透明度，引導(dǎo)和支持人機(jī)協(xié)同的因材施教早日實(shí)現(xiàn)。

關(guān)鍵詞：人工智能;因材施教;智能教學(xué)系統(tǒng);實(shí)踐誤區(qū)

中圖分類號(hào)：G434? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1009-5195（2021）03-0012-07? doi10.3969/j.issn.1009-5195.2021.03.002

——————————————————————————————————————————

基金項(xiàng)目：教育部—中國移動(dòng)科研基金2018 年度項(xiàng)目“中小學(xué)編程教育與人工智能工程素養(yǎng)研究”（MCM20180611）。

作者簡介：汪瓊，博士，教授，博士生導(dǎo)師，北京大學(xué)教育學(xué)院（北京 100871）;李文超，博士研究生，北京大學(xué)教育學(xué)院（北京 100871）。

一、引言

因材施教是教育領(lǐng)域一直以來的理想追求（張如珍，1997）。由于每個(gè)學(xué)習(xí)者的先驗(yàn)知識(shí)不同，即使學(xué)習(xí)相同的內(nèi)容，不同學(xué)習(xí)者達(dá)到同等掌握程度所需花費(fèi)的時(shí)間不同，學(xué)習(xí)過程中遇到的困難點(diǎn)也不一樣。在生師比居高不下的傳統(tǒng)教學(xué)環(huán)境中很難做到教學(xué)因人而異，但是教育研究者并沒有放棄尋找在群體教學(xué)中達(dá)到一對(duì)一教學(xué)效果的教學(xué)方法（Bloom，1984）。信息技術(shù)特別是人工智能技術(shù)的發(fā)展，讓教育界對(duì)于“智能時(shí)代的大規(guī)模個(gè)性化教育”充滿期待（劉德建等，2018;袁振國，2020）。

目前全國眾多地區(qū)都在大力開展智慧教育試點(diǎn)工作，教育部已經(jīng)設(shè)立了18個(gè)“智慧教育示范區(qū)”創(chuàng)建區(qū)域和2個(gè)培育區(qū)域，不少城市也紛紛設(shè)立人工智能實(shí)驗(yàn)校開展“人工智能+教育”的探索。然而，在實(shí)際應(yīng)用中因存在言過其實(shí)、誤以為真、不切實(shí)際等錯(cuò)誤認(rèn)識(shí)，引起了一些爭議和困惑。本文從分析人工智能助力因材施教的三個(gè)實(shí)踐誤區(qū)入手，闡明了智能系統(tǒng)助力因材施教的四條實(shí)踐原則，并就如何與尚處于初級(jí)發(fā)展階段的智能教學(xué)系統(tǒng)人機(jī)協(xié)同以實(shí)現(xiàn)個(gè)性化教學(xué)提出了兩條建議。

二、人工智能助力因材施教的實(shí)踐誤區(qū)

智能教學(xué)系統(tǒng)大多以布盧姆的“掌握學(xué)習(xí)”（Bloom，1968）教育理念為基礎(chǔ)?！罢莆諏W(xué)習(xí)”也是一種教學(xué)策略，即認(rèn)為：雖然學(xué)生對(duì)于某學(xué)科的學(xué)習(xí)態(tài)度有著喜歡和不喜歡之分，但是如果在其學(xué)習(xí)過程中，能夠給予其所需要的學(xué)習(xí)支持，比如，合適的內(nèi)容、充分的學(xué)習(xí)時(shí)間，以及及時(shí)的學(xué)習(xí)指點(diǎn)，大多數(shù)學(xué)生都可以達(dá)到所期望的教學(xué)目標(biāo)。

掌握學(xué)習(xí)理論與中國教育經(jīng)驗(yàn)十分吻合。在實(shí)際教學(xué)中，教師普遍認(rèn)為：造成學(xué)生之間差異的原因是有些學(xué)生功夫沒花到位，題做得不夠多。于是很多學(xué)校使用智能教學(xué)系統(tǒng)的主要方式就是通過系統(tǒng)給學(xué)生出題，為學(xué)生提供更多的練習(xí)機(jī)會(huì)。一些智能系統(tǒng)標(biāo)榜帶有知識(shí)圖譜，可以做到精準(zhǔn)訓(xùn)練，更是受到學(xué)校歡迎，成為實(shí)施“大規(guī)模個(gè)性化學(xué)習(xí)”的基礎(chǔ)。但是理想與現(xiàn)實(shí)總是存在差距的。人工智能助力因材施教在實(shí)踐中還存在很多問題。這些問題主要源于人們對(duì)智能教育存在一些不切實(shí)際的認(rèn)識(shí)。

1.誤區(qū)一：過分依賴系統(tǒng)對(duì)學(xué)生的判斷與幫扶

目前的智能教學(xué)系統(tǒng)還屬于發(fā)展初期，很多系統(tǒng)智能技術(shù)含量并不高，中小學(xué)的教學(xué)應(yīng)用中也并不需要太高的智能技術(shù)就可以勝任。比如，中小學(xué)學(xué)科知識(shí)點(diǎn)有限，學(xué)科知識(shí)圖譜由有經(jīng)驗(yàn)的教師繪制要優(yōu)于人工智能系統(tǒng)自動(dòng)生成;許多題庫系統(tǒng)中的測試題的難度、知識(shí)點(diǎn)等元數(shù)據(jù)標(biāo)簽還是人工標(biāo)記的，因此也存在出錯(cuò)的可能;適應(yīng)性出題技術(shù)（如基于項(xiàng)目反應(yīng)理論的測試設(shè)計(jì)）是30年前已經(jīng)成熟的教育測評(píng)技術(shù)，但目前入校的智能系統(tǒng)采用的并不多;等等。

當(dāng)然，我們不能因?yàn)檫@些系統(tǒng)沒有采用智能技術(shù)就詆毀這些系統(tǒng)對(duì)于教學(xué)的價(jià)值，只是在實(shí)際應(yīng)用中需要有清醒的認(rèn)識(shí)，不能盲目認(rèn)為智能系統(tǒng)對(duì)學(xué)生的判斷都是正確的，也不能假設(shè)智能系統(tǒng)提供的練習(xí)題目都是學(xué)生需要的而不加審核地直接布置給學(xué)生。目前一些學(xué)校使用系統(tǒng)自動(dòng)出題、自動(dòng)判題來對(duì)學(xué)生知識(shí)掌握情況進(jìn)行判斷，存在過分相信系統(tǒng)的問題。雖然讓學(xué)生在系統(tǒng)中做練習(xí)，有可能解決教師時(shí)間不足的問題，讓教師把原先花在批改作業(yè)上的時(shí)間用于與學(xué)生一對(duì)一的溝通上，是更好地發(fā)揮了人機(jī)各自擅長的作用，但是如果教師沒有因此對(duì)有問題的學(xué)生作業(yè)進(jìn)行個(gè)別化診斷，卻可能會(huì)出現(xiàn)一些學(xué)生被過度訓(xùn)練、另一些學(xué)生沒有精準(zhǔn)練習(xí)的問題。

筆者觀摩過的一節(jié)習(xí)題課就出現(xiàn)過類似的情況。在一堂基于智能系統(tǒng)的綜合題目練習(xí)課中，有幾位學(xué)生課前測驗(yàn)表現(xiàn)不佳，通過系統(tǒng)強(qiáng)化訓(xùn)練后，這些學(xué)生仍舊不能正確解題，說明這些學(xué)生在知識(shí)技能掌握方面可能有一個(gè)子技能沒有掌握好。教師雖然發(fā)現(xiàn)了這個(gè)問題，但是因?yàn)橹悄芟到y(tǒng)中沒有針對(duì)這個(gè)子技能的練習(xí)，教師也就沒有脫離系統(tǒng)來對(duì)這些學(xué)生進(jìn)行這方面的專門訓(xùn)練。這堂課對(duì)于這些學(xué)生來說就是浪費(fèi)時(shí)間，毫無幫助的。

相反，不依賴智能系統(tǒng)，依靠提升教師的測評(píng)能力，卻早就在實(shí)踐中被證實(shí)是非常有效的教學(xué)策略。比如，成都市一所知名中學(xué)的新分校，用了3年的時(shí)間就使該校學(xué)生的成績超過了老校區(qū)。校長說他只用了一招，就是要求每位教師每天自己出題給學(xué)生布置作業(yè)，而且要對(duì)學(xué)生的作業(yè)做數(shù)據(jù)分析，由此提高了教學(xué)的針對(duì)性。這種方式下，雖然教師的教學(xué)工作量有所增加，但教學(xué)能力提升明顯，教學(xué)效果顯著。安徽蚌埠市教育局也把命題作為教師崗位研修的基本活動(dòng)，已經(jīng)連續(xù)兩年開展賽命題活動(dòng)①。這些都是有經(jīng)驗(yàn)老校長的共識(shí)：教師的命題能力——學(xué)術(shù)術(shù)語是測評(píng)素養(yǎng)（Assessment Literacy），即能夠選擇合適的考核方式精準(zhǔn)地測定學(xué)生的知識(shí)掌握情況和運(yùn)用能力——是優(yōu)秀教師的核心能力。

由此，我們可以得出人工智能助力因材施教的第一個(gè)實(shí)踐原則：在智能時(shí)代，技術(shù)可以方便教師出題和進(jìn)行作業(yè)分析，但我們不能完全依賴智能系統(tǒng)所做的教學(xué)判斷，這會(huì)使教師變得越來越遲鈍。我們需要借助智能技術(shù)淬煉教師的核心能力，尤其是測評(píng)素養(yǎng)。

2.誤區(qū)二：薄弱生最需要自適應(yīng)系統(tǒng)查缺補(bǔ)漏

薄弱生通常被認(rèn)為是最需要智能教學(xué)系統(tǒng)的（向天成等，2015;劉邦奇，2020），其背后的假設(shè)是：學(xué)習(xí)成績不佳的學(xué)生更需要補(bǔ)習(xí)，即如果學(xué)生的學(xué)業(yè)水平較低，或者缺乏新知識(shí)所需要的前置知識(shí)，就需要在學(xué)習(xí)新知識(shí)之前補(bǔ)習(xí)。這是自適應(yīng)教學(xué)系統(tǒng)存在的價(jià)值。然而補(bǔ)習(xí)量過大的自適應(yīng)教學(xué)系統(tǒng)未必適合在學(xué)期中使用，因?yàn)閷W(xué)期中學(xué)生每天需要完成各學(xué)科的教學(xué)任務(wù)，補(bǔ)習(xí)量過大的話，很可能造成薄弱生跟不上班級(jí)學(xué)習(xí)進(jìn)度的情況，從而增加其學(xué)習(xí)焦慮，甚至產(chǎn)生厭學(xué)情緒。

圖1是美國一門號(hào)稱全球第一個(gè)具有適應(yīng)性教學(xué)功能的MOOC課程②的設(shè)計(jì)圖。由圖1可知，課程的學(xué)習(xí)路徑分為主干線和支線兩種。主干線是MOOC課程要完成的教學(xué)內(nèi)容，包括教學(xué)視頻、編程挑戰(zhàn)、討論問題等。支線部分是為學(xué)生提供的擴(kuò)展的課程知識(shí)點(diǎn)，目的是方便不具備前置知識(shí)的學(xué)習(xí)者進(jìn)行補(bǔ)充性學(xué)習(xí)。從圖1中可以看到，補(bǔ)充知識(shí)點(diǎn)是多個(gè)教學(xué)資源組成的微課，課程內(nèi)容增加了近一倍多。如果從自學(xué)角度來看這門課程的設(shè)計(jì)，確實(shí)考慮到了具備不同知識(shí)水平的學(xué)習(xí)者完成課程學(xué)習(xí)的需要，使其能很便捷地獲取補(bǔ)習(xí)的相關(guān)資料，進(jìn)而可以較為順利地完成課程學(xué)習(xí)。但是從有計(jì)劃的教學(xué)（如MOOC）角度來說，這種設(shè)計(jì)是有問題的：一些不具備入門知識(shí)的學(xué)生需要花費(fèi)更多時(shí)間去學(xué)習(xí)補(bǔ)充資源，這將使其很難跟上課程的正常學(xué)習(xí)進(jìn)度。由于學(xué)習(xí)步調(diào)不一致，這些學(xué)生在學(xué)習(xí)過程中遇到困難的時(shí)候，也就很難得到同學(xué)的幫助。已有MOOC的相關(guān)研究也證實(shí)：MOOC課程學(xué)習(xí)中如果缺乏同學(xué)之間的相互支持，將有可能提高學(xué)生輟學(xué)率，影響結(jié)業(yè)率（樊文強(qiáng)，2012）。中小學(xué)在學(xué)期中采用自適應(yīng)系統(tǒng)需要警惕出現(xiàn)類似的問題。

還有的學(xué)校認(rèn)為，通過多做題多練習(xí)的方式，就可以提升薄弱生的學(xué)業(yè)水平。這類學(xué)校并不安排薄弱生針對(duì)相關(guān)教學(xué)內(nèi)容進(jìn)行重新學(xué)習(xí)，而是根據(jù)所謂的“個(gè)性化學(xué)習(xí)系統(tǒng)”所揭示的學(xué)生學(xué)習(xí)漏洞，有針對(duì)性地出題訓(xùn)練學(xué)生。乍一看，很有道理，但細(xì)想之下，便有疑惑：薄弱生之所以薄弱，有可能是因?yàn)閷懽致?、做題慢、知識(shí)理解不深等問題。這類學(xué)生完成平時(shí)的作業(yè)都需要花費(fèi)比其他同學(xué)更多的時(shí)間，現(xiàn)在又需要比別人多完成一些練習(xí)，這個(gè)安排真的行得通嗎？真的可持續(xù)實(shí)施嗎？

20世紀(jì)50年代美國斯坦福大學(xué)Patrick教授開發(fā)的小學(xué)數(shù)學(xué)適應(yīng)性教學(xué)系統(tǒng)在這方面就做得很好（Taylor，2003）。圖2是他所開發(fā)的自適應(yīng)教學(xué)系統(tǒng)的工作原理示意圖。圖中灰色框?yàn)橹鲗W(xué)習(xí)路徑，學(xué)生每學(xué)習(xí)一個(gè)概念需要完成12道練習(xí)題。在完成這12道練習(xí)題的過程中，如果連續(xù)4道題全部做對(duì)或者只錯(cuò)1道，那么系統(tǒng)就會(huì)布置右側(cè)雙線框中更難一點(diǎn)的4道題目給學(xué)生;如果學(xué)生繼續(xù)全部做對(duì)或者只錯(cuò)1道，系統(tǒng)就會(huì)繼續(xù)加大題目難度，讓學(xué)生去做最右側(cè)三線框中的4道難題。但是如果學(xué)生在做較難的4道題目時(shí)錯(cuò)誤2道以上，系統(tǒng)就會(huì)讓學(xué)生回到主線接著做普通題。如果一名學(xué)生在進(jìn)行第一個(gè)概念訓(xùn)練的時(shí)候完成了最難的練習(xí)題目，那么他在進(jìn)行第二個(gè)概念練習(xí)的時(shí)候?qū)妮^難的題目開始，而不必去做普通題。但如果他在完成第一個(gè)概念練習(xí)最難的4道題時(shí)錯(cuò)誤2道以上，則在進(jìn)行第二個(gè)概念練習(xí)的時(shí)候還是要從普通題開始。也就是說，同一個(gè)概念，這套自適應(yīng)學(xué)習(xí)系統(tǒng)會(huì)根據(jù)學(xué)生的掌握水平匹配有針對(duì)性的訓(xùn)練。對(duì)于掌握得特別好的學(xué)生，會(huì)為其提供與其能力水平相匹配，同時(shí)又具有一定挑戰(zhàn)性的難題。對(duì)于掌握得不太好的學(xué)生，系統(tǒng)就會(huì)為其提供一些提示性幫助，如圖2中左半側(cè)的學(xué)習(xí)路徑。做基本題第一次出錯(cuò)，系統(tǒng)會(huì)給一個(gè)提示;如果在提示指導(dǎo)下第二次嘗試還出錯(cuò)，系統(tǒng)會(huì)再提供一個(gè)提示;如此直至所有的提示都用完。如果這時(shí)學(xué)生還不能做對(duì)題目，就需跳轉(zhuǎn)至補(bǔ)習(xí)環(huán)節(jié)，額外完成3道補(bǔ)習(xí)題目，如圖2最左側(cè)粗線框。這些補(bǔ)習(xí)題是針對(duì)學(xué)生錯(cuò)題的分解題目。當(dāng)學(xué)生正確完成這3道題目后，又將再次回到灰色框的主學(xué)習(xí)路徑上做剩余題目。

這個(gè)自適應(yīng)教學(xué)系統(tǒng)從技術(shù)實(shí)現(xiàn)來看并不復(fù)雜，也不需要特殊的“智能”技術(shù)，通過分層教學(xué)設(shè)計(jì)就可以實(shí)現(xiàn)為不同知識(shí)水平的學(xué)生提供相適應(yīng)的學(xué)習(xí)資源的目的。除此以外，該系統(tǒng)還有一些細(xì)節(jié)值得借鑒：比如同一個(gè)概念的學(xué)習(xí)，除非完全跟不上的學(xué)生可能會(huì)額外補(bǔ)習(xí)3道題外，其他絕大多數(shù)學(xué)生，無論優(yōu)秀還是普通，都完成相同數(shù)量的12道練習(xí)題。對(duì)于知識(shí)掌握水平不佳的學(xué)生，在其做錯(cuò)時(shí)系統(tǒng)會(huì)有提示提供幫助。這表明這些練習(xí)題目是經(jīng)過精心設(shè)計(jì)的，每個(gè)提示針對(duì)的是學(xué)生常見的困惑，做到了適度、有針對(duì)性的訓(xùn)練。當(dāng)然，這個(gè)適應(yīng)性教學(xué)系統(tǒng)的成功與高質(zhì)量的題目有很大的關(guān)系。

由此，我們提出人工智能助力因材施教的第二個(gè)實(shí)踐原則：在學(xué)業(yè)水平不一致的班級(jí)通過智能學(xué)習(xí)系統(tǒng)幫助薄弱生補(bǔ)習(xí)這一設(shè)想在實(shí)施時(shí)需要考慮具體可行性，特別是要估算學(xué)生的學(xué)習(xí)負(fù)擔(dān)，要提供高質(zhì)量的練習(xí)題。

3.誤區(qū)三：翻轉(zhuǎn)課堂+智能教學(xué)系統(tǒng)就能做到因材施教

翻轉(zhuǎn)課堂教學(xué)法與適應(yīng)性智能教學(xué)系統(tǒng)從某種角度來看是一對(duì)理想搭配，也是目前很多學(xué)校的常見做法，但如果不假思索地結(jié)合，可能會(huì)事與愿違。

比如，一些學(xué)校有了智能教學(xué)系統(tǒng)之后，經(jīng)常在課堂上讓學(xué)生用平板電腦進(jìn)行練習(xí)。這時(shí)，教師一般會(huì)預(yù)先設(shè)置好完成時(shí)間和題量（如要求學(xué)生在5分鐘之內(nèi)做完3道題），時(shí)間到后收卷，收卷后利用系統(tǒng)快速對(duì)練習(xí)結(jié)果進(jìn)行判斷，最后將判斷結(jié)果發(fā)送給教師和學(xué)生。學(xué)生只能看到對(duì)錯(cuò)判斷，教師不給予有針對(duì)性的反饋。這樣的教學(xué)活動(dòng)不僅不能幫助學(xué)生，還可能導(dǎo)致負(fù)面效果，實(shí)質(zhì)是一種“負(fù)分行為”：學(xué)生在做題的時(shí)候沒有充分的時(shí)間進(jìn)行思考，這樣的做題過程除了建立條件反射之外，對(duì)于學(xué)生的思維發(fā)展與知識(shí)理解沒有任何價(jià)值;做完題之后教師也不給予反饋和解釋，這段學(xué)習(xí)的意義就更低了。

美國教育家布魯姆曾進(jìn)行過一項(xiàng)研究，發(fā)現(xiàn)一對(duì)一教學(xué)法要優(yōu)于普通班級(jí)教學(xué)法2個(gè)標(biāo)準(zhǔn)方差（Bloom，1984），而掌握學(xué)習(xí)教學(xué)法的效果介于二者之間。布魯姆的研究目的是為了說明個(gè)別化教學(xué)的價(jià)值，但為什么普通班級(jí)教學(xué)不如一對(duì)一教學(xué)，另一位學(xué)者?？藸枺╒ockell，1994）給出了解釋。福克爾認(rèn)為：如果教師不稱職，所設(shè)計(jì)的教學(xué)活動(dòng)可能不僅無助于學(xué)生學(xué)習(xí)，還會(huì)損害學(xué)生的學(xué)業(yè)發(fā)展，就像上面提到的機(jī)械課堂練習(xí)活動(dòng)一樣。為此，?？藸柼岢?，教師不僅需要做一些事情來提高學(xué)習(xí)效果，還需要停止一些行為——那些不能提升學(xué)習(xí)效果或者浪費(fèi)學(xué)生時(shí)間的“負(fù)分行為”。當(dāng)我們?cè)谑褂弥悄芙虒W(xué)系統(tǒng)時(shí)，也需要警惕幫倒忙的“負(fù)分行為”。這是人工智能助力因材施教的第三個(gè)實(shí)踐原則：要辨識(shí)哪些行為是“負(fù)分行為”。這需要教師始終從幫助學(xué)生完成教學(xué)目標(biāo)的本心出發(fā)，也需要教師掌握一些教育理論和教學(xué)原則，通過持續(xù)學(xué)習(xí)發(fā)展專業(yè)眼光（Professional Vision）。

翻轉(zhuǎn)課堂教學(xué)法的流行讓更多的教師學(xué)會(huì)了制作微課，高校精品課程建設(shè)工程也讓許多大學(xué)課程擁有了配套的視頻教學(xué)資源。于是當(dāng)通過智能教學(xué)系統(tǒng)發(fā)現(xiàn)學(xué)生做題表現(xiàn)不佳時(shí)，一些教師會(huì)建議學(xué)生反復(fù)觀看教學(xué)錄像來提升課程學(xué)習(xí)效果。這種做法對(duì)于一部分學(xué)生有效，特別是那些上課沒跟上教師講課進(jìn)度的學(xué)生，但是單純地重復(fù)教學(xué)并不是真正的因材施教。

庫伯指出，一個(gè)完整的學(xué)習(xí)過程是由四個(gè)階段構(gòu)成的閉環(huán)（Kolb，1984），其中：具體經(jīng)驗(yàn)階段（Concrete Experience）是指學(xué)生通過親身體驗(yàn)來獲得新知;反思性觀察階段（Reflective Observation）是指學(xué)生對(duì)已有體驗(yàn)加以思考或者通過觀察別人的做法去領(lǐng)會(huì);抽象概念化（Abstract Conceptualization）階段是指學(xué)生通過學(xué)習(xí)相關(guān)的理論或總結(jié)體驗(yàn)建立新知識(shí)與新認(rèn)識(shí);主動(dòng)實(shí)踐（Active Experimentation）階段是指學(xué)生用理論指導(dǎo)實(shí)踐，或者在實(shí)踐中去驗(yàn)證所形成的概念。庫伯認(rèn)為，不同人經(jīng)歷這個(gè)學(xué)習(xí)圈的起點(diǎn)不同。比如，有人習(xí)慣于先從理論學(xué)習(xí)開始，然后動(dòng)手嘗試，在嘗試中獲取體驗(yàn)，最后反思總結(jié);也有人喜歡先動(dòng)手嘗試，遇到問題時(shí)進(jìn)行思考，然后進(jìn)行形式化總結(jié)，并與理論對(duì)話;等等。學(xué)習(xí)從不同階段開始便形成了不同的學(xué)習(xí)風(fēng)格。根據(jù)這一理論來思考基于數(shù)據(jù)的個(gè)別化教學(xué)策略，當(dāng)發(fā)現(xiàn)學(xué)生有一些知識(shí)沒有掌握而需要重復(fù)教學(xué)時(shí)，教師需要做的應(yīng)該是換一種教法，而不能一味地實(shí)施令自己舒服的教學(xué)方式。

美國學(xué)者格羅根據(jù)其教學(xué)經(jīng)歷也證實(shí)教師的教學(xué)策略需要與學(xué)生的學(xué)習(xí)階段及學(xué)習(xí)需求相匹配（Grow，1991）。格羅提出了SSDL模型（Staged Self-Directed Learning Model），即階段性自我指導(dǎo)學(xué)習(xí)模式。格羅認(rèn)為，可以將學(xué)習(xí)者的自我指導(dǎo)水平劃分為四個(gè)階段：依賴階段（Dependent）、好奇階段（Interested）、參與階段（Involved）和自我指導(dǎo)階段（Self-Directed），學(xué)習(xí)者通過不斷提升自我指導(dǎo)階段而獲得進(jìn)步，從低自我指導(dǎo)水平（依賴階段）、初級(jí)自我指導(dǎo)水平（好奇階段）、中等自我指導(dǎo)水平（參與階段），逐漸發(fā)展到高自我指導(dǎo)水平（自我指導(dǎo)階段）。處于不同自我指導(dǎo)水平的學(xué)生，對(duì)教師的要求也有所不同。比如，學(xué)生剛剛進(jìn)入某個(gè)新的領(lǐng)域，處于自我指導(dǎo)水平的依賴階段，這時(shí)候權(quán)威型的教學(xué)方式，即常見的教師講學(xué)生聽的教學(xué)方式可能最適合學(xué)生;但如果學(xué)生在該領(lǐng)域已有一定基礎(chǔ)，比如對(duì)學(xué)習(xí)內(nèi)容已經(jīng)產(chǎn)生了興趣（好奇階段），愿意開始做一些嘗試（參與階段），這時(shí)候教師除了布置必要的練習(xí)之外，給予及時(shí)反饋，提供協(xié)助、支持和鼓勵(lì)很重要。但是當(dāng)學(xué)生已經(jīng)可以長時(shí)間自主學(xué)習(xí)的時(shí)候，授權(quán)型的建構(gòu)主義教學(xué)方式可能最適合學(xué)生。格羅還認(rèn)為，教師的教學(xué)方法既可能會(huì)促進(jìn)學(xué)生的自我指導(dǎo)水平，也可能會(huì)阻礙學(xué)生的自我指導(dǎo)水平。只有將教學(xué)方法與學(xué)生發(fā)展水平進(jìn)行合理匹配，才能夠促進(jìn)學(xué)生的發(fā)展（Grow，1991）。

依據(jù)這兩個(gè)教育理論和模型來反思人工智能助力因材施教，不難得出第四個(gè)實(shí)踐原則：支持因材施教的智能系統(tǒng)，在資源種類上需要多樣化。比如，同一教學(xué)內(nèi)容最好有不同的教學(xué)法資源。在智能系統(tǒng)做不到的情況下，或者在需要人機(jī)協(xié)同開展因材施教的情境下，教師要有意識(shí)變化教學(xué)策略，特別是對(duì)薄弱生的重復(fù)教學(xué)，需要有意識(shí)地分析學(xué)生的學(xué)習(xí)風(fēng)格。

三、人工智能助力因材施教的實(shí)踐策略

1.智能時(shí)代的教師需要具備人工智能素養(yǎng)+數(shù)據(jù)素養(yǎng)+測評(píng)素養(yǎng)

信息技術(shù)進(jìn)入各行各業(yè)后對(duì)人才的素養(yǎng)提出了新的要求，教師崗位也是如此，教師在基本教學(xué)能力之外，還需要擴(kuò)展習(xí)得許多新素養(yǎng)。智能時(shí)代，教師首先需要具備人工智能素養(yǎng)（AI Literary），即教師要能對(duì)教育中人工智能技術(shù)的發(fā)展保持關(guān)注，了解具體人工智能產(chǎn)品的優(yōu)勢和不足，能夠辨識(shí)新聞中、廠家介紹中的未來設(shè)想功能與現(xiàn)實(shí)可用功能之間的差距，能夠選擇適當(dāng)?shù)娜斯ぶ悄墚a(chǎn)品，以符合倫理的方式恰當(dāng)?shù)剡\(yùn)用于提高教學(xué)質(zhì)量的教學(xué)工作中。這里并不是要求教師要非常了解人工智能技術(shù)，只是需要教師不迷信技術(shù)的實(shí)現(xiàn)原理，審慎對(duì)待技術(shù)系統(tǒng)的產(chǎn)出，特別是技術(shù)產(chǎn)品對(duì)學(xué)生的判斷。

其次，教師還需要具備數(shù)據(jù)素養(yǎng)。數(shù)據(jù)素養(yǎng)是信息素養(yǎng)的延伸和擴(kuò)展，指具備數(shù)據(jù)意識(shí)和數(shù)據(jù)敏感性，能夠有效且恰當(dāng)?shù)孬@取、分析、處理、利用和展現(xiàn)數(shù)據(jù)，并對(duì)數(shù)據(jù)具有批判性思維的能力（郝媛玲等，2016）。隨著教育環(huán)境中信息技術(shù)設(shè)備增多，教師可以用于教學(xué)判斷和決策的數(shù)據(jù)也越來越多。教師需要具備從教育情境數(shù)據(jù)中甄別數(shù)據(jù)質(zhì)量、發(fā)現(xiàn)學(xué)生學(xué)習(xí)需求、基于數(shù)據(jù)進(jìn)行反思教學(xué)的能力。

最后，如前所述，測評(píng)能力是優(yōu)秀教師的核心能力之一，測評(píng)素養(yǎng)是無論什么時(shí)候教師都應(yīng)該必備的素養(yǎng)?，F(xiàn)代信息技術(shù)快速發(fā)展，知識(shí)呈爆炸式增長，學(xué)生獲取信息的渠道越來越多樣。教師如何借助信息技術(shù)設(shè)計(jì)多樣化測試以了解學(xué)生知識(shí)掌握、學(xué)習(xí)目標(biāo)達(dá)成的情況，已成為智能時(shí)代教師測評(píng)素養(yǎng)的新要求。高質(zhì)量的測評(píng)工具才能獲得可靠的數(shù)據(jù)，也才能保證基于數(shù)據(jù)的教學(xué)決策是科學(xué)、合理的。

這三類素養(yǎng)中除了測評(píng)素養(yǎng)較早提出但一直沒普及到每個(gè)教師之外，另外兩種素養(yǎng)都是時(shí)代發(fā)展對(duì)教師提出的新要求，需要盡快納入教師培訓(xùn)內(nèi)容。

2.智能教學(xué)系統(tǒng)產(chǎn)品需要基于教學(xué)理論做更加精細(xì)化和實(shí)用性的設(shè)計(jì)

目前進(jìn)入中小學(xué)的智能教學(xué)系統(tǒng)產(chǎn)品有功能趨同的現(xiàn)象，且大多簡單假設(shè)允許學(xué)生自定步調(diào)的學(xué)習(xí)就是在支持個(gè)性化學(xué)習(xí)了，這是對(duì)個(gè)性化學(xué)習(xí)的誤解。前文已經(jīng)舉例說明了現(xiàn)有智能系統(tǒng)的基本假設(shè)沒有考慮操作可行性，學(xué)校對(duì)智能教學(xué)系統(tǒng)的應(yīng)用也存在盲目信任和簡單誤用。要解決這個(gè)問題，智能教學(xué)系統(tǒng)產(chǎn)品需要基于教學(xué)理論做更精細(xì)化設(shè)計(jì)。以自適應(yīng)學(xué)習(xí)系統(tǒng)為例，不同系統(tǒng)可以有不同的“自適應(yīng)”側(cè)重，或者以適應(yīng)學(xué)生的知識(shí)水平為目標(biāo)，如提供不同難度的內(nèi)容;或者以適應(yīng)學(xué)生學(xué)習(xí)風(fēng)格為目標(biāo)，如改變學(xué)習(xí)任務(wù)的完成順序，提供其喜聞樂見的學(xué)習(xí)內(nèi)容呈現(xiàn)方式等。近年來，自適應(yīng)教學(xué)系統(tǒng)從界面到算法都有了一些改進(jìn)探索和嘗試，但還需要放在學(xué)校教學(xué)的實(shí)際情境中去思考需求，避免加重學(xué)生學(xué)習(xí)負(fù)擔(dān)，挫傷學(xué)生學(xué)習(xí)積極性。

另外，智能教學(xué)系統(tǒng)產(chǎn)品也需要就算法透明性作出解釋。比如，有些智能教學(xué)系統(tǒng)記錄課堂教學(xué)行為，給學(xué)生和教師畫像，卻沒有說明算法依據(jù)，無法判斷其評(píng)價(jià)的科學(xué)性與合理性。目前一些學(xué)校已經(jīng)引入了這樣的產(chǎn)品，并將其當(dāng)作學(xué)校與時(shí)俱進(jìn)的展示窗口。幸而大多學(xué)校還未用其對(duì)師生進(jìn)行關(guān)鍵性評(píng)價(jià)，尚未產(chǎn)生嚴(yán)重不良影響。但是隨著越來越多的學(xué)校開始“以數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化學(xué)習(xí)”為抓手，不了解系統(tǒng)的計(jì)算原理就盲目進(jìn)行教學(xué)應(yīng)用，會(huì)帶來很大風(fēng)險(xiǎn)。

四、總結(jié)

兩千多年前，孔子因?qū)W生的秉性不同而給出不同的行動(dòng)建議：對(duì)于膽怯的學(xué)生，孔子鼓勵(lì)他想到就去做;對(duì)于魯莽的學(xué)生，孔子建議他想清楚了再去做，這是成語“因材施教”的來源。因材施教既是一種教育理想，也是一種教育原則。實(shí)現(xiàn)以學(xué)生為中心的因材施教，為每個(gè)學(xué)生定制出符合其特點(diǎn)的學(xué)習(xí)發(fā)展路徑，是智能教育的重要目標(biāo)和追求。今天的人工智能技術(shù)雖然還無法做到依據(jù)學(xué)生秉性給出針對(duì)性行動(dòng)建議，但是已經(jīng)可以通過技術(shù)手段部分實(shí)現(xiàn)因材施教，比如使用智能技術(shù)糾正英語發(fā)音等。同時(shí)，有了技術(shù)支持還可以釋放教師的部分精力，讓教師們有機(jī)會(huì)投入到人工智能尚不能發(fā)揮作用的教學(xué)情境，比如，更準(zhǔn)確地分析和處理學(xué)生的情感問題等。

然而我們要清楚地認(rèn)識(shí)到，當(dāng)前我們正處于人工智能教育應(yīng)用的初期。智能技術(shù)的發(fā)展特點(diǎn)需要在迭代中進(jìn)步，需要大量的實(shí)踐數(shù)據(jù)，但教育不能拿學(xué)生做實(shí)驗(yàn)，每一位學(xué)生都不可以成為不成熟教育產(chǎn)品的試驗(yàn)品。我們?cè)陂_展人工智能助力教育的實(shí)踐中，要遵循教育規(guī)律，對(duì)技術(shù)系統(tǒng)不濫用不誤用;同時(shí)技術(shù)公司也要以教育理論為指導(dǎo)，通過與教育研究者和實(shí)踐者的合作，開發(fā)具有教育性產(chǎn)品，真正解決教學(xué)中的關(guān)鍵問題。

注釋：

①蚌埠市教育局 “四賽”崗位研修總決賽賽命題實(shí)施方案（2021）1號(hào)（賽命題）[EB/OL].[2021-05-01].http：//www.

ahgzyz.com/display.asp？id=1878.

②? 網(wǎng)址為：https：//cse.ucsd.edu/about/news/news/uc-san-dx-

launchfirst-adaptive-online-course-teach-bioinformatics.

參考文獻(xiàn)：

[1]樊文強(qiáng)（2012）.基于關(guān)聯(lián)主義的大規(guī)模網(wǎng)絡(luò)開放課程（MOOC）及其學(xué)習(xí)支持[J].遠(yuǎn)程教育雜志，30（3）：31-36.

[2]郝媛玲，沈婷婷（2016）.數(shù)據(jù)素養(yǎng)及其培養(yǎng)機(jī)制的構(gòu)建與策略思考[J].情報(bào)理論與實(shí)踐，39（1）：58-63.

[3]劉邦奇（2020）.智能技術(shù)賦能：邁向大規(guī)模個(gè)性化教育[N].中國教育報(bào)，2020-10-21（05）.

[4]劉德建，杜靜，姜男等（2018）.人工智能融入學(xué)校教育的發(fā)展趨勢[J].開放教育研究，24（4）：33-42.

[5]向天成，趙微（2015）.大數(shù)據(jù)時(shí)代學(xué)困生幫助機(jī)制構(gòu)建的內(nèi)涵、原則及途徑[J].教師教育論壇，28（12）：18-21.

[6]袁振國（2020）.線上線下融合：實(shí)現(xiàn)大規(guī)模個(gè)性化的未來教育[J].中小學(xué)數(shù)字化教學(xué)，（11）：1.

[7]張如珍（1997）.“因材施教”的歷史演進(jìn)及其現(xiàn)代化[J].教育研究，（9）：73-76.

[3]Bloom， B. S. （1968）. Learning for Mastery. Instruction and Curriculum. Regional Education Laboratory for the Carolinas and Virginia， Topical Papers and Reprints， Number 1.[DB/OL].[2021-04-30].

https：//files.eric.ed.gov/fulltext/ED053419.pdf.

[4]Bloom， B. S. （1984）. The 2 Sigma Problem： The Search for Methods of Group Instruction as Effective as One-to-One Tutoring[J]. Educational Researcher， 13（6）：4-16.

[5]Grow， G. O. （1991）. Teaching Learners to Be Self-Directed[J]. Adult Education Quarterly， 41（3）：125-149.

[6]Kolb， D. A. （1984）. Experiential Learning： Experience as the Source of Learning and Development[M]. Englewood Cliffs， NJ： Prentice Hall.

[7]Taylor， R. P. （2003）. The Computer in School： Tutor， Tool， Tutee[J]. Contemporary Issues in Technology and Teacher Education， 3（2）：240-252.

[8]Vockell， E. L. （1994）. The Minus Two-Sigma Problem： Correcting Defective Instruction[J]. Contemporary Education， 65（4）：185.

收稿日期 2020-05-04 責(zé)任編輯 汪燕

AI-Empowered Personalized Education： Practical Mistakes and Countermeasures

WANG Qiong， LI Wenchao

Abstract： To teach students in accordance with their aptitude and allow them have individualized learning path is not only an educational ideal， but also an educational principle. Though AI technology may help to enable large-scale personalized education in the future， most educational AI products at present are still in their infant stage with some misunderstandings and abuse in application， such as the excessive reliance on the teaching and learning evaluation report given by AI， increasing the learning burden of weak students by the adaptive drill and practice， regarding self-paced repeated learning as the personalized learning and so on. AI techniques have optimized the teaching process in some degree， but there is still a long way to go to realize personalized education. We need a clear understanding of the limitations of the current AI application in education， emphasize and strengthen teachersAI literacy， data literacy and assessment literacy， and urge the research and development departments and corporations of intelligent educational products to refine product design based on educational principles， increase the transparency of algorithms， in order to guide and support the personalized education with man-machine coordination.

Keywords： AI Literacy; Personalized Education; Intelligent Tutoring System; Practical Mistakes