理感聯(lián)通：人工智能賦能智慧教育新范式

廖劍 劉選 劉革平

摘要：智慧教育是運用智能技術(shù)養(yǎng)成智慧的教育。人工智能技術(shù)的發(fā)展是推動智慧教育研究和實踐深入發(fā)展的重要動力。盡管以ChatGPT為代表的新一代大規(guī)模人工神經(jīng)網(wǎng)絡(luò)技術(shù)在教育領(lǐng)域已展現(xiàn)出巨大的應(yīng)用潛力，但仍存在內(nèi)容不夠精確、結(jié)果不可解釋、過程難以控制等弊端，由此帶來了智能答復(fù)不準(zhǔn)確，智能識別結(jié)果可信度低，算法歧視與偏見，教育數(shù)據(jù)隱私安全等教育應(yīng)用與倫理問題。該文認(rèn)為造成該困境的重要原因是，現(xiàn)有人工智能研究中理性計算與感性計算的割裂。研究基于哲學(xué)、心理學(xué)和腦科學(xué)、人工智能等領(lǐng)域?qū)Ω行耘c理性這對具有本質(zhì)性特征的理論概念進行闡釋和分析，提出理感聯(lián)通人工智能的概念，將其表達(dá)為理性計算與感性計算的有機整合，并歸納出知識升華、智能耦合及反省控制的三重聯(lián)通機制。觀照到智慧教育領(lǐng)域，建構(gòu)了理感聯(lián)通智慧教育框架。該框架不僅解釋了理感聯(lián)通模型中各類技術(shù)對智慧教育的作用機制，同時也闡明了其在當(dāng)前智慧教育中的典型應(yīng)用場景。理感聯(lián)通智慧教育框架的提出有助于推進人工智能在智慧教育中的進一步賦能，并降低未來強人工智能所帶來的潛在風(fēng)險。

關(guān)鍵詞：智慧教育；理感聯(lián)通；人工智能；雙過程理論；ChatGPT

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A

本文系2021年國家自然科學(xué)基金面上項目“基于圖神經(jīng)網(wǎng)絡(luò)的學(xué)生課堂狀態(tài)協(xié)同判別及解釋模型研究”（項目編號：62177039）、西南大學(xué)中央高?；究蒲许椖俊盎趯崟r視頻分析的增強智能課堂教學(xué)系統(tǒng)研究”（項目批準(zhǔn)號：SWU2109323）研究成果。

一、智慧教育發(fā)展現(xiàn)狀與人工智能賦能教育瓶頸

我國智慧教育的發(fā)展起步于2012年，典型標(biāo)志是祝智庭教授發(fā)表《智慧教育：教育信息化的新境界》一文[1]，該文直接指出智慧教育是教育信息化的新訴求和新境界，由此引領(lǐng)我國教育信息化邁向新的發(fā)展階段。同時，智慧教育“以智慧學(xué)習(xí)環(huán)境為技術(shù)支撐、以智慧學(xué)習(xí)為根本基石、以智慧教學(xué)法為催化促導(dǎo)”的理念推動和引領(lǐng)智慧教育的研究與實踐不斷發(fā)展[2]。2018年，我國教育部印發(fā)《教育信息化2.0行動計劃》，正式將“智慧教育”寫入官方文本，將開展智慧教育創(chuàng)新示范、構(gòu)建智慧學(xué)習(xí)支持環(huán)境、加快面向下一代網(wǎng)絡(luò)的高校智能學(xué)習(xí)體系建設(shè)、加強教育信息化學(xué)術(shù)共同體和學(xué)科建設(shè)作為智慧教育創(chuàng)新發(fā)展的行動計劃。

然而，在智慧教育如火如荼發(fā)展的背后，支持智慧教育深入發(fā)展的以人工智能為代表的智能技術(shù)卻也面臨諸多問題。例如，盡管目前ChatGPT等大語言模型大大加強了計算機語言交互能力，但仍存在回答問題的準(zhǔn)確性不足，如OpenAI 承認(rèn) ChatGPT 會給出看似合理但不正確甚至荒謬的答案，由此帶來學(xué)生的認(rèn)知與偏差、算法歧視與偏見、數(shù)據(jù)隱私泄露等潛在風(fēng)險與問題[3][4]。此外，人工神經(jīng)網(wǎng)絡(luò)技術(shù)面臨著“黑箱”問題，即其計算過程不透明且難以解釋，使得一方面智能運算如學(xué)生專注度識別結(jié)果被質(zhì)疑，另一方面也引發(fā)諸多學(xué)者對人工智能是否可控的擔(dān)憂。

筆者認(rèn)為，機器智能中“感性計算”與“理性計算”的割裂是造成這些問題的主要原因。本研究通過從哲學(xué)、心理學(xué)與腦科學(xué)、計算機科學(xué)等層面對感性計算與理性計算的學(xué)理基礎(chǔ)進行梳理，提出通過“理感聯(lián)通”模型來解決上述問題。理感聯(lián)通深度融合了感性計算與理性計算，是弱人工智能向強人工智能過渡的必然途徑，也將是約束人工智能并降低其倫理問題風(fēng)險的必然手段。本研究在辨識感性計算和理性計算差異的基礎(chǔ)上，進一步提出理感聯(lián)通智慧教育的理論框架，并通過四個典型案例對模型的應(yīng)用場景進行了闡述，以使其真正為教育環(huán)境安全賦能，并促進學(xué)習(xí)者的智慧發(fā)展和養(yǎng)成。

二、理感聯(lián)通人工智能的學(xué)理基礎(chǔ)

理感聯(lián)通人工智能作為促進智慧教育發(fā)展的新技術(shù)，不僅具有哲學(xué)層面理性與感性的雙重隱喻，而且有來自腦科學(xué)的左右腦分工理論，以及心理學(xué)雙重編碼理論和雙過程理論的觀照，還有來自人工智能符號主義和聯(lián)結(jié)主義的分裂與融合[5]，他們共同構(gòu)成了理感聯(lián)通人工智能的學(xué)理基礎(chǔ)。

哲學(xué)中的理性主義（Rationalism）和經(jīng)驗主義（Empiricism）為理感聯(lián)通人工智能提供了理論支撐[6]。理性主義強調(diào)從一個最確定的理論支點出發(fā)，通過邏輯學(xué)等理性方法可靠地推斷出更為復(fù)雜和系統(tǒng)的知識[7]。人工智能借此發(fā)展出了基于規(guī)則的方法、形式語言理論、語義網(wǎng)絡(luò)、一階謂詞演算等計算方法及理論[8]。而經(jīng)驗主義哲學(xué)家強調(diào)通過感覺和反思，不斷將個別和特殊的經(jīng)驗事實，歸納為一般普遍性的知識。人工智能基于此發(fā)展出了語料庫、數(shù)據(jù)挖掘、大數(shù)據(jù)分析等基于統(tǒng)計學(xué)的計算方法[9]。

腦科學(xué)和心理學(xué)對理感聯(lián)通人工智能的觀照體現(xiàn)在，左右腦分工理論指出人的左腦從事邏輯思維活動和右腦從事形象思維活動[10]。雙重編碼理論指出的人的頭腦中存在分別以語言和意象為基礎(chǔ)的兩種既相互獨立又相互聯(lián)系的加工系統(tǒng)，以及只有這兩個系統(tǒng)進行同步編碼才能在大腦形成長時記憶的觀點[11]。“雙過程理論”[12][13]則揭示人的大腦中包括系統(tǒng)1和系統(tǒng)2兩個系統(tǒng)，分別進行直覺思考和邏輯推理。上述理論均為理性計算與感性計算之間的“聯(lián)通”提供了重要的理論支撐。

此外，人工智能本身的發(fā)展也表現(xiàn)出符號主義和聯(lián)結(jié)主義兩大流派，其中符號主義認(rèn)為人的認(rèn)知和思維本質(zhì)上都是符號運算過程，人和計算機均可被看作物理符號系統(tǒng)，只要厘清人的智能運作原理，并使用形式化符號來描述，就能使計算機通過推理運算來實現(xiàn)智能化的行為[14]。聯(lián)結(jié)主義通過對人腦神經(jīng)元模型的研究與模擬，能夠完成包括模式識別等智能任務(wù)。

近年來融合符號主義與聯(lián)結(jié)主義也成為前沿研究熱點，其研究可歸納為符號增強神經(jīng)、神經(jīng)增強符號、神經(jīng)符號協(xié)同及神經(jīng)符號轉(zhuǎn)換四種類型。符號增強神經(jīng)是指將符號主義的方法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練識別和解釋中，如從用于圖像處理的深度神經(jīng)網(wǎng)絡(luò)中提取如貓的眼睛和耳朵等概念[15][16]；神經(jīng)增強符號是指將神經(jīng)網(wǎng)絡(luò)應(yīng)用在符號系統(tǒng)中，如利用圖神經(jīng)網(wǎng)絡(luò)對符號主義中的知識圖譜中缺失的信息進行自動補全等[17][18]；神經(jīng)符號協(xié)同是指通過神經(jīng)網(wǎng)絡(luò)和符號系統(tǒng)在體系結(jié)構(gòu)上的協(xié)同以實現(xiàn)更高階的智能行為，如唐杰教授依據(jù)雙過程理論提出的認(rèn)知圖譜[19][20]；而神經(jīng)符號轉(zhuǎn)化是指將一個神經(jīng)系統(tǒng)轉(zhuǎn)換為一個符號系統(tǒng)，如將深度神經(jīng)網(wǎng)絡(luò)的分類規(guī)則通過知識蒸餾提取進決策樹模型中[21]，或通過神經(jīng)網(wǎng)絡(luò)從多文檔大數(shù)據(jù)中構(gòu)建教育知識圖譜[22]。由此可見，人工智能自身的發(fā)展情況也揭示出兩大流派在發(fā)展過程中逐步走向融合的趨勢，這些均為人工智能“理感聯(lián)通”的提出奠定了良好的理論和實踐基礎(chǔ)。

三、理感聯(lián)通人工智能模型

基于上述分析，本文將哲學(xué)中的理性主義、腦科學(xué)中左側(cè)大腦的機能、心理學(xué)中雙重編碼的語言系統(tǒng)和雙過程理論的系統(tǒng)2，以及人工智能中的理性流派方法，歸納整合為機器處理邏輯與規(guī)則等問題的理性計算。同理，將哲學(xué)中的經(jīng)驗主義、腦科學(xué)中右側(cè)大腦的機能、心理學(xué)中雙重編碼的意象系統(tǒng)和雙過程理論的系統(tǒng)1，以及人工智能中的聯(lián)通主義和數(shù)據(jù)主義的經(jīng)驗流派方法，歸納整合為機器處理具象與直覺等信息的感性計算。而人的一些更高級的智能行為（如創(chuàng)造性思維），則往往需要感性與理性的融合及共同參與。正如苯環(huán)的結(jié)構(gòu)（即理性知識）就是凱庫勒（Friedrich A Kekule）感性地夢到一條咬住尾巴的蛇而受到啟發(fā)后發(fā)現(xiàn)的。由此本文進一步引入智慧通道的概念，并認(rèn)為智慧通道如同大腦中的臏胝體聯(lián)通左右腦，是連接感性計算與理性計算的關(guān)鍵。基于此認(rèn)識和理解，我們提出如圖1所示的人工智能的理感聯(lián)通模型。

借助哲學(xué)、腦科學(xué)、心理學(xué)以及人工智能兩大流派對理性計算和感性計算的啟示，我們將人工智能理感聯(lián)通模型中三個關(guān)鍵組成要素的定義進一步闡釋如下：

感性計算特指基于人工神經(jīng)網(wǎng)絡(luò)的計算方式，對客觀事物的聲音、圖像、或文本等多模態(tài)信息進行感知與識別，并相應(yīng)生成文本、聲音、圖像、動作結(jié)果，由此可實現(xiàn)情緒感知、聯(lián)想、動作控制與會話等。感性計算具有直覺型、啟發(fā)性、快速性等特點。

理性計算特指電腦對客觀事物理性規(guī)律的表征，并由此進行的邏輯推理、判斷、決策、規(guī)則應(yīng)用等計算活動。理性計算具有分析性、規(guī)則明確性、慢速性等特點，在人工智能中對應(yīng)專家決策系統(tǒng)及知識圖譜的構(gòu)建與推理等。結(jié)合前文分析，感性計算與理性計算在各個層面的進一步區(qū)別如表1所示。

智慧通道是聯(lián)結(jié)感性計算與理性計算的通道，有助于產(chǎn)生更高階的智能行為。正如人類大腦中存在的臏胝體能夠聯(lián)通左右腦一樣，人的高級智能（如創(chuàng)造性思維）往往需要理性和感性的交互才能形成。此外，感性計算中獲取的感性知識可以升華為理性計算中的理性知識，而理性計算也可對感性計算中直覺產(chǎn)生的決策等進行監(jiān)控和反省，并糾正直覺判斷中可能存在的錯誤?；谛睦韺W(xué)、認(rèn)知科學(xué)及人工智能當(dāng)前的研究基礎(chǔ)，我們認(rèn)為智慧通道中可包含知識升華、智能耦合、反省控制三重聯(lián)通機制。

（1）知識升華：Dienes與Pemer從語義和心理表征的功能屬性提出了內(nèi)隱知識和外顯知識。內(nèi)隱知識是指未被表征、難以量化和表述的知識[23]，與感性更為相關(guān)。外顯知識是指理性計算更容易加工處理的概念、原理、規(guī)則等。而知識升華則是指從感性的、經(jīng)驗的和不易理解的內(nèi)隱認(rèn)識中進行提煉并上升為理性的、易理解的外顯認(rèn)識。當(dāng)前人工智能研究中的知識蒸餾等技術(shù)[24]，能將神經(jīng)網(wǎng)絡(luò)中難以直接認(rèn)知的神經(jīng)元鏈接方式，轉(zhuǎn)換為易于理解的規(guī)則，就可以看作是知識升華的一種應(yīng)用。

（2）智能耦合是指由感性計算與理性計算聯(lián)合產(chǎn)生的更高級的智能行為，如情景理解、語境理解、基于聯(lián)想的推理、高階評價、目標(biāo)規(guī)劃甚至是創(chuàng)造等。其中，情景理解涉及對情景中物體和人物的感性識別，以及對人物關(guān)系和人人關(guān)系的理性推理。語境理解不僅需要理解語言的詞法、句法、章法等理性規(guī)則，更需要理解語言所應(yīng)用的情景，來確定詞語的精確含義和推斷談話者的意圖。基于想象的推理，突破了基于邏輯推理的局限，將聯(lián)想納入推理規(guī)則中，從而更好地模擬人的高階思維。高階評價和目標(biāo)規(guī)劃不再局限于通過規(guī)則明確的評價體系進行量化評價，也可實現(xiàn)對元認(rèn)知能力、自我管理能力等難以直接量化的目標(biāo)進行質(zhì)性的評價和目標(biāo)規(guī)劃[25]。

（3）反省控制是指理性計算能夠?qū)Ω行杂嬎闼龀龅闹庇X判斷進行內(nèi)省解釋，并給予相應(yīng)干預(yù)與控制。埃文斯與斯坦諾維奇的雙過程理論對反省機制做了詳細(xì)闡述[26]，感性計算做出的直覺判斷雖快，但有時會犯認(rèn)知偏差的錯誤，這就需要理性計算對感性計算進行監(jiān)控與反省。反省機制由此有助于提高人工智能決策的準(zhǔn)確性與解釋性[27]。此外，如同人的理性思維可以引領(lǐng)感性行為，機器的理性計算在內(nèi)省時如預(yù)測感性計算行為發(fā)生偏差，也能提前進行引領(lǐng)，規(guī)避錯誤。如使人工智能的行為始終不違反機器人三定律理性原則，避免對人產(chǎn)生不可控的負(fù)面后果。

總之，人工智能的理感聯(lián)通模型包含感性計算、理性計算、以及聯(lián)結(jié)感性與理性計算的智慧通道三個關(guān)鍵要素，該模型的建立有助于實現(xiàn)人工智能從“弱人工智能”向“強人工智能”轉(zhuǎn)段升級，同時降低強人工智能所帶來的應(yīng)用倫理風(fēng)險。

四、理感聯(lián)通智慧教育框架與典型應(yīng)用場景

人工智能理感聯(lián)通概念的提出，既為人工智能下一步的發(fā)展提供了思路，也為機器智能如何進一步賦能教育提供了思考框架。為厘清理感聯(lián)通模型如何影響智慧教育，本文嘗試構(gòu)建出一種理感聯(lián)通智慧教育框架（如下頁圖2所示）。

從下頁圖2中可以看出，該框架與人工智能理感聯(lián)通模型保持一致，包括感性計算、理性計算和起到聯(lián)通作用的智慧通道三個關(guān)鍵要素。其中，感性計算代表以深度神經(jīng)網(wǎng)絡(luò)為主的人工智能技術(shù)對學(xué)生不同層面的狀態(tài)的感知，如對師生的文本、聲音、動作、情緒等基礎(chǔ)特征進行感知；基于上述基礎(chǔ)特征再對學(xué)習(xí)狀態(tài)、交互狀態(tài)和教學(xué)狀態(tài)等教育核心變量進行歸納識別；最后在更高層次為學(xué)生高階能力評價等提供數(shù)據(jù)支持。

理性計算采用教育知識圖譜、專家系統(tǒng)、決策樹等人工智能技術(shù)，對學(xué)習(xí)內(nèi)容進行組織并對教育中相應(yīng)的理性規(guī)則進行定義，其內(nèi)容可涵蓋教育知識技能圖譜、教學(xué)規(guī)律、教學(xué)干預(yù)策略、資源及學(xué)伴推薦策略、教育目標(biāo)規(guī)劃原則、及高階能力評價指標(biāo)體系等。

智慧通道是聯(lián)通感性計算和理性計算的關(guān)鍵要素。通過聯(lián)合感性計算與理性計算，可實現(xiàn)對學(xué)生個性化教育目標(biāo)的設(shè)定、綜合評價高階學(xué)習(xí)能力并生成學(xué)生全維度畫像等?；趯W(xué)生的智慧畫像，可進一步提供豐富的教學(xué)策略與學(xué)習(xí)工具來支持學(xué)生的智慧成長，如采用具備想象推理能力的高智能教學(xué)Agent對學(xué)生進行個性化教學(xué)輔導(dǎo)等。此外，智慧通道也有助于挖掘與提煉可解釋的教學(xué)規(guī)律，并設(shè)置反省控制環(huán)節(jié)以規(guī)避教育AI應(yīng)用中所存在的風(fēng)險。

基于如前面圖1所示的理感聯(lián)通智慧教育框架，我們重點從智慧評價、智慧學(xué)習(xí)、智慧教學(xué)、可解釋性及教學(xué)規(guī)律挖掘四個方面進一步闡釋該模型的典型應(yīng)用。

（一）智慧評價

學(xué)習(xí)者的智慧發(fā)展，不僅包括知識的習(xí)得，也包含高階思維的提升[28]及適應(yīng)復(fù)雜社會的綜合能力培養(yǎng)[29]。智慧教育環(huán)境除傳統(tǒng)課堂外，還可包含課堂之外的學(xué)習(xí)空間，如智慧校園、在線學(xué)習(xí)環(huán)境、混合現(xiàn)實環(huán)境及教育元宇宙[30]。然而當(dāng)前智能技術(shù)僅能對清晰、明確和可量化的教育目標(biāo)進行評價，難以處理沒有明確規(guī)則甚至沒有明確定義的評價目標(biāo)，如學(xué)習(xí)者的創(chuàng)造性思維、批判性思維等[31][32]。采用理感聯(lián)通教育模型，一方面可借助已有的評價領(lǐng)域?qū)＜抑R對評價體系進行理性建模；另一方面可從學(xué)生的課堂學(xué)習(xí)音視頻、作業(yè)記錄、生物信號等多模態(tài)大數(shù)據(jù)中，感知挖掘?qū)υu價結(jié)果產(chǎn)生影響的重要特征，由此對專家評價模型進行印證與補充，最后通過綜合專家理性規(guī)則和多模態(tài)數(shù)據(jù)感知分析結(jié)果來不斷完善改進評價結(jié)果。

此外，當(dāng)前評價系統(tǒng)已能對選擇題、填空題、連線題等客觀題進行精準(zhǔn)的自動評價。然而對問答題、作文、作圖題等主觀題進行意義級別的評判還欠準(zhǔn)確。采用理感聯(lián)通模型，可通過感知聯(lián)想文本或圖中的概念，再結(jié)合教育知識圖譜在意義層面對問題、作文、圖表等進行理解則可給出更優(yōu)評判。

（二）智慧學(xué)習(xí)

在智慧學(xué)習(xí)領(lǐng)域，理感聯(lián)通可為學(xué)生提供富媒體資源推薦及高智能輔導(dǎo)Agent等。富媒體資源推薦是指在多元學(xué)習(xí)環(huán)境下，為學(xué)生提供其所需的多種媒體類型的學(xué)習(xí)資源。如當(dāng)學(xué)生進入智能校園中的一棟建筑時，通過增強現(xiàn)實學(xué)習(xí)系統(tǒng)，向該學(xué)生個性化地推送場景中物品的英語單詞拼寫、語音及示例視頻等。借助理感聯(lián)通人工智能，可結(jié)合教育知識技能圖譜，對語音、視頻等多媒體學(xué)習(xí)材料進行自動切片及索引，再根據(jù)境脈學(xué)習(xí)目標(biāo)推送給學(xué)生。此外，也可根據(jù)學(xué)生的實時反饋，讓具備聯(lián)想推理及語言深度理解能力的高智能Agent對學(xué)生進行相應(yīng)個性化輔導(dǎo)，如與學(xué)生討論與問題情境及學(xué)習(xí)目的都相關(guān)的問題，由此實現(xiàn)與學(xué)習(xí)者的深度交互。

（三）智慧教學(xué)

智慧教學(xué)是指借助人工智能等技術(shù)，進行差異化教學(xué)設(shè)計，動態(tài)調(diào)整教學(xué)策略，并通過智慧化教研活動反思教師自身教學(xué)水平[33][34]?，F(xiàn)有教學(xué)資源庫大多有現(xiàn)成的教學(xué)材料與教案，然而教師仍需要手動調(diào)整教學(xué)材料與教案來適應(yīng)不同水平的學(xué)習(xí)者群體。采用理感聯(lián)通人工智能，可通過圖像視頻分析技術(shù)等提煉教學(xué)材料中的對象，并根據(jù)教育知識圖譜及學(xué)生群體狀態(tài)，自動生成教學(xué)資源與教學(xué)設(shè)計方案。教師在實施教學(xué)過程中，理感聯(lián)通智慧教學(xué)系統(tǒng)也可對學(xué)生課堂學(xué)習(xí)狀態(tài)的音視頻等進行實時監(jiān)控，并通過屏幕等智能設(shè)備反饋給教師，最后結(jié)合教學(xué)干預(yù)策略庫調(diào)整教學(xué)策略或針對部分學(xué)生進行教學(xué)干預(yù)。

此外，理感聯(lián)通還有助于提升智慧教學(xué)研究。傳統(tǒng)的教學(xué)研究通常由教研員觀察教師上課，并在課后進行討論，由此導(dǎo)致教研目標(biāo)不明確、教研內(nèi)容不精準(zhǔn)、教研手段單一等缺點。采用理感聯(lián)通模型，可實時采集教師上課音視頻，通過深度學(xué)習(xí)網(wǎng)絡(luò)對教師的提問技巧、教學(xué)策略運用、教姿等進行識別，并結(jié)合教學(xué)專家知識庫對教師的教學(xué)進行自動或人機協(xié)同的評價與指導(dǎo)，從而促進教師的智慧教學(xué)水平。

（四）教學(xué)規(guī)律挖掘解釋及可控型教育人工智能

由于當(dāng)前機器智能運算的準(zhǔn)確率仍存在局限，對于機器智能所做出的判斷（如學(xué)生專注度、教師表現(xiàn)等），應(yīng)給予人能理解的解釋，才能使判斷結(jié)果更可信[35]。傳統(tǒng)深度學(xué)習(xí)網(wǎng)絡(luò)由于內(nèi)部運算過程不透明，在解釋性上存在較大缺陷。在理感聯(lián)通模型中，可采用如知識蒸餾等技術(shù)，提取神經(jīng)網(wǎng)絡(luò)中識別結(jié)果的可解釋模式，并通過自然語言處理等技術(shù)，為智能分析的結(jié)果提供人類可理解的解釋?；诳山忉尩姆治鼋Y(jié)果，還可進一步從海量多模態(tài)教學(xué)數(shù)據(jù)中挖掘出與教學(xué)相關(guān)的特征及其關(guān)聯(lián)，并將其升華為可理解的、可推廣的、有助于教與學(xué)的教學(xué)規(guī)律。

此外，通過理感聯(lián)通模型中的反省與控制機制，將理性計算中的規(guī)則、策略、知識圖譜關(guān)系等引入到感性計算中，還可有效地監(jiān)控、預(yù)測及控制產(chǎn)生式AI（如教育輔導(dǎo)Agent）的輸出內(nèi)容，避免錯誤內(nèi)容導(dǎo)致學(xué)習(xí)者認(rèn)知偏離，規(guī)避敏感及錯誤話題，并保護用戶隱私數(shù)據(jù)不在交互中泄露等。

五、推進理感聯(lián)通智慧教育實踐的發(fā)展建議

盡管當(dāng)前關(guān)于理感聯(lián)通智慧教育的研究還處于初級階段，筆者認(rèn)為人工智能的理感聯(lián)通將是未來發(fā)展的必然趨勢，其研究成果也將對未來教育產(chǎn)生巨大影響。把握人工智能理感聯(lián)通的學(xué)理基礎(chǔ)和發(fā)展脈絡(luò)，厘清理感聯(lián)通智慧教育的內(nèi)涵外延與理論模型，有助于更好地推進理感聯(lián)通的智慧教育實踐。未來的研究與實踐可在以下幾方面展開。

第一，加強理感聯(lián)通智慧教育理論框架研究。當(dāng)前的理感聯(lián)通智慧教育框架，雖已指出了理感聯(lián)通的作用機制及其在智慧教育中的應(yīng)用途徑，但是關(guān)于理感聯(lián)通智慧教育模型的內(nèi)涵與外延、相關(guān)概念的關(guān)系與辨析等問題，仍需在后續(xù)研究中進一步深化和細(xì)化。同樣，與理感聯(lián)通智慧教育相關(guān)的教學(xué)理論與學(xué)習(xí)理論，仍需進一步厘清。未來可通過組建跨學(xué)科學(xué)術(shù)共同體來開展跨學(xué)科研究，圍繞理感聯(lián)通的核心問題，從哲學(xué)、計算機科學(xué)、心理學(xué)和教育技術(shù)學(xué)等多元視角切入，立足各自不同學(xué)科的優(yōu)勢，深入探索理感聯(lián)通智慧教育的理論和技術(shù)問題。

第二，積極展開人工智能理感聯(lián)通算法模型研究。盡管當(dāng)前人工智能領(lǐng)域已有研究致力于將符號主義與聯(lián)結(jié)主義相結(jié)合，但是將感性計算與理性計算進行有機聯(lián)通的研究仍然很有限。未來研究者需充分借鑒來自腦科學(xué)和神經(jīng)科學(xué)方面的研究成果來進一步探索感性計算與理性計算聯(lián)結(jié)的機制、模型與算法等。

第三，開展理感聯(lián)通智慧教育實踐研究。只有切實推進理感聯(lián)通智慧教育應(yīng)用，才能將理感聯(lián)通智慧教育的理論研究落地，從而對教育產(chǎn)生實際影響。目前的相關(guān)技術(shù)（如認(rèn)知圖譜、知識蒸餾等）已在算法上初步具備完備性，因此如何將理感聯(lián)通技術(shù)逐步深入地應(yīng)用于不同學(xué)科的智慧教學(xué)實踐，不斷積累應(yīng)用經(jīng)驗并進行推廣是擺在智慧教育實踐領(lǐng)域的緊迫課題。與此同時，教師應(yīng)該充分認(rèn)識到人工智能理感聯(lián)通給教育帶來的機遇和挑戰(zhàn)，不斷轉(zhuǎn)變自身的觀念與角色，以更好地適應(yīng)理感聯(lián)通智慧教育實踐。

六、研究總結(jié)與反思

本研究將智慧教育置于教育信息化的視角來審視，認(rèn)為以ChatGPT為代表的新一代人工智能技術(shù)雖然已取得了長足的進步和發(fā)展，但仍存在內(nèi)容不精確、結(jié)果不可解釋、過程不可控制等弊端，由此帶來了諸多教育應(yīng)用與倫理問題。本研究提出理感聯(lián)通人工智能的模型，其本質(zhì)就是通過智慧通道將感性計算與理性計算相聯(lián)通來促進其智慧發(fā)展，并控制人工智能應(yīng)用的風(fēng)險。觀照到智慧教育領(lǐng)域，本研究建構(gòu)了理感聯(lián)通智慧教育框架，并具體闡釋了感性計算、理性計算和智慧通道中可應(yīng)用的各類技術(shù)及對智慧教育的作用機制，以及其典型應(yīng)用場景，最后提出了推進理感聯(lián)通智慧教育實踐發(fā)展的建議。

雖然本研究在人工智能理感聯(lián)通模型的提出和理感聯(lián)通智慧教育框架的構(gòu)建方面具有初步的創(chuàng)新性，但其理論模型是否完善還有待進一步研究與探討，如理性計算與感性計算是否能完整清晰地進行劃分，智慧通道里的反省控制等機制如何系統(tǒng)實現(xiàn)，是否還有其它重要組成部分，人工智能理感聯(lián)通對智慧教育的支持是否還有遺漏等。此外，如何在智慧教育實踐中進行應(yīng)用推廣，仍有待于理感聯(lián)通智慧教育模型的進一步優(yōu)化完善和相關(guān)算法的進一步深入探索。

參考文獻(xiàn)：

[1] 祝智庭，賀斌.智慧教育：教育信息化的新境界[J].電化教育研究，2012，（12）：5-13.

[2] 劉革平，劉選.跨學(xué)科比較視域下智慧教育的概念模型[J].電化教育研究，2021，（3）：5-11.

[3] 王佑鎂，王旦等.ChatGPT教育應(yīng)用的倫理風(fēng)險與規(guī)避進路[J].開放教育研究，2023，（2）：26-35.

[4] 張絨.生成式人工智能技術(shù)對教育領(lǐng)域的影響——關(guān)于ChatGPT的專訪[J].電化教育研究，2023，（2）：5-14.

[5] 張鈸，朱軍等.邁向第三代人工智能[J].中國科學(xué)：信息科學(xué).2020，（9）：1281-1302.

[6] 趙澤林.理性主義與經(jīng)驗主義：人工智能的哲學(xué)分析[J].系統(tǒng)科學(xué)學(xué)報，2018，（4）：11-15.

[7] 陳修齋.歐洲哲學(xué)史上的經(jīng)驗主義和理性主義（第2版）[M].北京：人民出版社，2007.

[8] [美]休伯特·德雷福斯.寧春巖譯.計算機不能做什么[M].上海：三聯(lián)書店，1986.

[9] [英]瑪格麗特·博登.劉西瑞等譯.人工智能哲學(xué)[M].上海：上海譯文出版社，2001.

[10] 蘇葉蘭.開發(fā)右腦記憶英語單詞的教學(xué)案例分析——基于斯佩里的左右腦分工理論[J].南昌教育學(xué)院學(xué)報，2018，（3）：38-41.

[11] Paivio，A.MentalRepresentations：A Dual Coding Approach [M].New York：Oxford University Press，1986.

[12][26] Stanovich，K.Rationality and the Reflective Mind [M].New York：Oxford University Press，2011.

[13] Evans，J.S.B.T.Dual-Processing Accounts of Reasoning，Judgment，and Social Cognition [J].Annual Review of Psychology，2008，（1）：255-278.[14] 蔡恒進.行為主義、聯(lián)結(jié)主義和符號主義的貫通[J].上海師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2020，（4）：87-96.

[15] Zablocki é，Ben-Younes H，et al.Explainability of deep vision-based autonomous driving systems：Review and challenges [J].International Journal of Computer Vision，2022，130（10）：2425-2452.

[16] 毛典輝，薛子育等.基于深度神經(jīng)網(wǎng)絡(luò)的圖像語句轉(zhuǎn)換方法發(fā)展綜述[J].計算機科學(xué)，2018，（3）：25-30.[17] 張吉祥，張祥森等.知識圖譜構(gòu)建技術(shù)綜述[J].計算機工程，2022，（3）：23-37.[18] 楊東華，何濤等.面向知識圖譜的圖嵌入學(xué)習(xí)研究進展[J].軟件學(xué)報，2022，（9）：3370-3390.

[19] 趙國慶，李欣媛等.從認(rèn)知地圖到認(rèn)知圖譜：相似概念的跨學(xué)科審視[J].現(xiàn)代遠(yuǎn)程教育研究，2021，（5）：14-25.

[20] 萬海鵬，王琦等.基于學(xué)習(xí)認(rèn)知圖譜的適應(yīng)性學(xué)習(xí)框架構(gòu)建與應(yīng)用[J].現(xiàn)代遠(yuǎn)距離教育，2022，（4）：73-82.

[21] 邵仁榮，劉宇昂等.深度學(xué)習(xí)中知識蒸餾研究綜述[J].計算機學(xué)報，2022，（8）：1638-1673.

[22] 呂品，賀云艷等.面向教育的中文知識圖譜自動構(gòu)建技術(shù)[J].中國教育信息化，2021，（2）：86-92.

[23][27] 曾春艷，嚴(yán)康等.深度學(xué)習(xí)模型可解釋性研究綜述[J].計算機工程與應(yīng)用，2021，（8）：1-9.

[24] 李莉，楊治良.解析Dienes & Pemer的內(nèi)隱知識理論[J].黑龍江高教研究，2011，（6）：114-117.

[25] 鄭勤華，郭利明.人機協(xié)同的敏捷教育建模及實踐應(yīng)用[J].現(xiàn)代遠(yuǎn)程教育研究，2021，（4）：43-50.

[28] 高琳琳，解月光等.智慧課堂視域下高階思維發(fā)展的干預(yù)策略體系研究[J].中國電化教育，2022，（6）：112-119+133.

[29] 童莉莉，張晨等.教育社會實驗：人工智能融入教育的研究新探索[J].中國電化教育，2022，（3）：62-68.

[30] 劉革平，王星等.從虛擬現(xiàn)實到元宇宙：在線教育的新方向[J].現(xiàn)代遠(yuǎn)程教育研究，2021，（6）：12-22.

[31] 鄭勤華，熊潞穎等.任重道遠(yuǎn)：人工智能教育應(yīng)用的困境與突破[J].開放教育研究，2019，（4）：10-17.

[32] 鄭勤華，陳麗等.理論與技術(shù)雙向驅(qū)動的學(xué)生綜合素養(yǎng)評價新范式[J].中國電化教育，2022，（4）：56-63.

[33] 謝幼如，邱藝等.人工智能賦能課堂變革的探究[J].中國電化教育，2021，（9）：72-78.

[34] 鐘紹春，鐘卓等.智能技術(shù)如何支持新型課堂教學(xué)模式構(gòu)建[J].中國電化教育，2022，（2）：21-29+46.

[35] 劉桐，顧小清.走向可解釋性：打開教育中人工智能的“黑盒”[J].中國電化教育，2022，（5）：82-90.

作者簡介：

廖劍：副教授，博士，研究方向為人工智能教學(xué)應(yīng)用、教育音視頻智能分析及機器人輔助教育。

劉選：副研究員，在讀博士，研究方向為智慧教學(xué)設(shè)計和數(shù)據(jù)治理。

劉革平：教授，博士生導(dǎo)師，研究方向為教育信息化理論與政策、智慧教學(xué)環(huán)境、虛擬現(xiàn)實。

Rational-perceptual Interconnectionism： The New Paradigm of Artifical Intelligence in Education

Liao Jian1， Liu Xuan1，2， Liu Geping1

（1.Faculty of Education of Southwest University， Chongqing 400715； 2.Office of Academic Research of Open University of Sichuan， Chendu610073， Sichuan）

Abstract： Smart education is a form of education that applies intelligent technologies to foster human wisdom. The new generation of AI， such as ChatGPT， has demonstrated strong potential to support smart education fundamentally. However， the limitations of current AI technologies on transparency， interpretability， and controllability hinder the further application of AI in education. One of the main reasons for these drawbacks is the division of perceptual computing and rational computing in AI. This study proposes the concept of rational-perceptual interconnectionism， aiming to integrate the models of perceptual and rational computing based on relevant research in philosophy， psychology， neural science， and computer science. This study also builds a framework to apply rational-perceptual interconnectionism in typical scenarios of smart education. The proposed framework has great potential to enhance the application of AI in smart education and decrease the potential risks of strong AI in the future.

Keywords： smart education； rational-perceptual interconnectionism； AI； dual process theory； ChatGPT

責(zé)任編輯：李雅瑄