智慧學(xué)習(xí)環(huán)境中的人機(jī)協(xié)同設(shè)計

武法提 楊重陽 李坦

[摘? ?要] 作為教育數(shù)字化轉(zhuǎn)型的首要任務(wù)，智慧學(xué)習(xí)環(huán)境建設(shè)過分強調(diào)技術(shù)之于教育的能力，而忽略教育主體的價值與地位，涌現(xiàn)出場景割裂、數(shù)據(jù)孤島等問題。人機(jī)協(xié)同旨在充分發(fā)揮人與機(jī)器的優(yōu)勢，彌補彼此的劣勢，成為指導(dǎo)智慧學(xué)習(xí)環(huán)境創(chuàng)設(shè)與優(yōu)化的最優(yōu)解。研究將人機(jī)協(xié)同視為智慧學(xué)習(xí)環(huán)境設(shè)計的基線思維，構(gòu)建了由數(shù)據(jù)模型層、技術(shù)支撐層和場景應(yīng)用層三個層級，包含場景、數(shù)據(jù)、模型、資源、工具與服務(wù)等六個要素的智慧學(xué)習(xí)環(huán)境概念模型?；谄杖鹚沟娜藱C(jī)功能分配決策矩陣?yán)碚摚岢隽薃I講師、執(zhí)行型AI+人類助手、伙伴型AI+人類同儕、助教型AI+人類教練、人類導(dǎo)師等五種人機(jī)協(xié)同模式。在此基礎(chǔ)上，研究制定了智慧學(xué)習(xí)環(huán)境各層級的設(shè)計原則，分析了數(shù)據(jù)模型層的決策協(xié)同設(shè)計、技術(shù)支撐層的交互協(xié)同設(shè)計和場景應(yīng)用層的流程協(xié)同設(shè)計，討論了人機(jī)協(xié)同模式中人機(jī)互信和價值對齊的建構(gòu)策略，以期指導(dǎo)智慧學(xué)習(xí)環(huán)境中的人機(jī)協(xié)同設(shè)計。

[關(guān)鍵詞] 學(xué)習(xí)環(huán)境； 人機(jī)協(xié)同； 智慧學(xué)習(xí)環(huán)境； 人機(jī)協(xié)同模式； 人機(jī)協(xié)同設(shè)計

[中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 武法提（1971—），男，山東鄆城人。教授，博士，主要從事智能學(xué)習(xí)系統(tǒng)與智慧學(xué)習(xí)環(huán)境設(shè)計研究。E-mail：wft@bnu.edu.cn。

一、引? ?言

黨的二十大報告首次提出“推進(jìn)教育數(shù)字化”，強調(diào)建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會、學(xué)習(xí)型大國[1]。習(xí)近平總書記在中央政治局第五次集體學(xué)習(xí)時也指出，“教育數(shù)字化是我國開辟教育發(fā)展新賽道和塑造教育發(fā)展新優(yōu)勢的重要突破口”[2]。智慧學(xué)習(xí)環(huán)境建設(shè)是推動教育數(shù)字化轉(zhuǎn)型，實現(xiàn)“規(guī)模個性化教育”[3]和“資源數(shù)字化、管理智能化、成長個性化、學(xué)習(xí)社會化”[4]目標(biāo)的重要途徑。以大數(shù)據(jù)、物聯(lián)網(wǎng)、教育大模型為代表的新一代信息技術(shù)和人工智能技術(shù)，實現(xiàn)了伴隨式數(shù)據(jù)采集、靜默化環(huán)境感知、精準(zhǔn)化學(xué)情分析和個性化學(xué)習(xí)指導(dǎo)，為智慧學(xué)習(xí)環(huán)境的建設(shè)與應(yīng)用提供了堅實的基礎(chǔ)[5-6]。然而，當(dāng)前智慧學(xué)習(xí)環(huán)境建設(shè)依然存在設(shè)備堆砌、場景割裂、數(shù)據(jù)孤島、模型匱乏等諸多問題，難以滿足“供需平衡”與“資源均衡”的教育訴求。究其原因，智慧學(xué)習(xí)環(huán)境的建設(shè)過分強調(diào)技術(shù)之于教育的能力，而忽略了教育主體的價值與地位。教育是一個動態(tài)復(fù)雜系統(tǒng)，具備動態(tài)性、開放性、復(fù)雜性、價值性等特征。為了滿足教育訴求、達(dá)成教育目標(biāo)，智慧學(xué)習(xí)環(huán)境的創(chuàng)設(shè)必須遵循人機(jī)協(xié)同的理念。本研究基于重構(gòu)的智慧學(xué)習(xí)環(huán)境概念模型，提出了智慧學(xué)習(xí)環(huán)境下的人機(jī)協(xié)同模式，制定智慧學(xué)習(xí)環(huán)境中各層級的設(shè)計原則，開展各層級的人機(jī)協(xié)同設(shè)計，以期破解智慧學(xué)習(xí)環(huán)境建設(shè)和應(yīng)用的困境。

二、智慧學(xué)習(xí)環(huán)境的概念和模型

（一）智慧學(xué)習(xí)環(huán)境的概念內(nèi)涵

縱觀智慧學(xué)習(xí)環(huán)境的發(fā)展脈絡(luò)，研究者通常將智慧學(xué)習(xí)環(huán)境的概念內(nèi)涵歸納為“學(xué)習(xí)空間[6-8]、學(xué)習(xí)系統(tǒng)[9-11]、融合性空間和集成性系統(tǒng)[12-14]”。本研究傾向于融合性空間與集成性系統(tǒng)的觀點，認(rèn)為智慧學(xué)習(xí)環(huán)境是由物理空間、社會空間、信息空間與學(xué)生心理空間融合的，基于場景、數(shù)據(jù)、模型、資源、工具、服務(wù)等六要素，實現(xiàn)個性化學(xué)習(xí)系統(tǒng)、精準(zhǔn)教學(xué)系統(tǒng)、智能管理系統(tǒng)等無縫銜接的，促進(jìn)學(xué)生全面發(fā)展的支撐條件體系。在新一代人工智能與人在回路混合增強智能的聚合作用下，智慧學(xué)習(xí)環(huán)境被賦予了類似于人類的決策能力和超越于人類的感知與計算能力。在智慧學(xué)習(xí)環(huán)境中，通過規(guī)劃數(shù)據(jù)采集方案、搭建教育數(shù)據(jù)中臺、部署教育分析模型，實現(xiàn)學(xué)習(xí)場景的有效感知、學(xué)習(xí)系統(tǒng)的有機(jī)整合、學(xué)習(xí)規(guī)律的深層挖掘、學(xué)習(xí)問題的精準(zhǔn)診斷和學(xué)習(xí)策略的合理匹配，從而有效提升學(xué)生的學(xué)習(xí)體驗，助力學(xué)生全面發(fā)展。

智慧學(xué)習(xí)環(huán)境具備場景感知、數(shù)據(jù)驅(qū)動、無縫銜接、人機(jī)協(xié)同、自主進(jìn)化等五大特征。場景感知旨在各類傳感器與智能技術(shù)的聯(lián)動作用下，感知學(xué)生所處的時間、地點、方位等空間信息，監(jiān)測分析學(xué)習(xí)狀態(tài)和社交關(guān)系等學(xué)情信息，實現(xiàn)數(shù)據(jù)的伴隨式采集和靜默化感知。數(shù)據(jù)驅(qū)動旨在數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)第四范式的指導(dǎo)下，以各場景的多源異構(gòu)數(shù)據(jù)為基礎(chǔ)，通過存儲、整合、分析、應(yīng)用數(shù)據(jù)，實現(xiàn)從數(shù)據(jù)到信息的升級、從經(jīng)驗到知識的轉(zhuǎn)換。無縫銜接旨在通過場景感知和數(shù)據(jù)鏈接的智能功能，實現(xiàn)多源學(xué)習(xí)空間、學(xué)習(xí)系統(tǒng)和各類異構(gòu)數(shù)據(jù)的多場景整合。人機(jī)協(xié)同旨在發(fā)揮人類智慧與機(jī)器智能的雙重優(yōu)勢，通過規(guī)劃教育主體與智慧學(xué)習(xí)環(huán)境的階段性協(xié)同分工及可行性路徑，提高對復(fù)雜性、開放性教育問題的診斷和決策的準(zhǔn)確率。自主進(jìn)化旨在依托智慧學(xué)習(xí)環(huán)境的教育訴求，為教育場景提供智能服務(wù)內(nèi)容（如資源推送），同時基于各場景的智能服務(wù)效果和學(xué)生學(xué)習(xí)狀態(tài)等信息，反哺智慧學(xué)習(xí)環(huán)境，優(yōu)化智能功能，提高智能服務(wù)的精準(zhǔn)度，實現(xiàn)學(xué)習(xí)分析與教育場景的雙向促進(jìn)。

（二）智慧學(xué)習(xí)環(huán)境的理論模型

智慧學(xué)習(xí)環(huán)境由數(shù)據(jù)、模型、資源、工具、服務(wù)、場景等六要素組成，六要素相互支持、共同作用，生成一個有機(jī)整體，支持有意義學(xué)習(xí)的發(fā)生，促進(jìn)學(xué)生的全面發(fā)展，如圖1所示。數(shù)據(jù)模型層為技術(shù)支撐層中資源、工具、服務(wù)的設(shè)計與應(yīng)用賦能，而數(shù)據(jù)模型層與技術(shù)支撐層共同為場景應(yīng)用層的教育活動賦能，場景應(yīng)用層反過來促進(jìn)數(shù)據(jù)模型層的優(yōu)化升級和自主進(jìn)化。

數(shù)據(jù)模型層包括數(shù)據(jù)與模型兩個要素，是智慧學(xué)習(xí)環(huán)境中“智慧”的來源。數(shù)據(jù)是智慧學(xué)習(xí)環(huán)境最核心的要素，是研發(fā)智能功能、掌握教育主體狀態(tài)、診斷教育問題、開展協(xié)同決策、實現(xiàn)規(guī)模教育下個性化服務(wù)的主要驅(qū)動力。模型特指教育數(shù)據(jù)模型，通過對多源異構(gòu)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析、規(guī)律挖掘與深度歸因，實現(xiàn)將零碎的數(shù)據(jù)加工為有特定教育意義的信息，這些信息作為智能功能與業(yè)務(wù)服務(wù)的直接表征指標(biāo)反饋于教學(xué)過程之中。

技術(shù)支撐層包括資源、工具與服務(wù)三個要素，是場景應(yīng)用賴以支持的條件。資源是信息與知識的載體，包括權(quán)威的紙本資源、結(jié)構(gòu)化數(shù)字資源、非結(jié)構(gòu)化數(shù)字資源、人類資源等多種類型。教育數(shù)字化轉(zhuǎn)型背景之下，數(shù)字資源逐漸成為支持新型教學(xué)模式的核心資源。通過創(chuàng)新數(shù)字資源的類型，豐富數(shù)字資源的獲取渠道，拓展數(shù)字資源的應(yīng)用方式，支持學(xué)生高階思維能力的達(dá)成、實現(xiàn)知識與技能的高階遷移。工具是承載資源、提供服務(wù)、開展人機(jī)交互的重要媒介。在智能技術(shù)與人工制品的支持下，工具的類型逐漸豐富、功能不斷疊加，成為支持?jǐn)?shù)據(jù)模型層中智能功能集成與應(yīng)用、技術(shù)支撐層中資源服務(wù)設(shè)計與呈現(xiàn)、場景應(yīng)用層中活動實施與評價的必備條件。服務(wù)是資源與工具應(yīng)用的呈現(xiàn)方式，通過業(yè)務(wù)服務(wù)的形式，為教育主體呈現(xiàn)數(shù)據(jù)、資源與工具的應(yīng)用功能，如信息反饋、資源供給、互動答疑等。基于一鍵式觸摸、點擊、拖拽、放大等動態(tài)交互形式，或預(yù)設(shè)的規(guī)則語言、人類的口頭語言、手勢動作、文本圖片等自然觸發(fā)機(jī)制，為教育主體提供智能服務(wù)。

場景應(yīng)用層的場景由主體、時間、空間、設(shè)備、事件等要素構(gòu)成[15]，是數(shù)據(jù)、模型、資源、工具、服務(wù)等要素的載體。場景關(guān)注師生在所處的時空域中開展的粗粒度事件，即師生在什么時間、什么地點、使用何種設(shè)備、做了什么事情。智慧學(xué)習(xí)環(huán)境的典型應(yīng)用場景包括精準(zhǔn)教學(xué)場景、個性學(xué)習(xí)場景、智能管理場景、綜合評價場景等。

三、智慧學(xué)習(xí)環(huán)境下的人機(jī)協(xié)同模式

智慧學(xué)習(xí)環(huán)境下的人機(jī)協(xié)同是指充分發(fā)揮人類智慧和機(jī)器智能的優(yōu)勢，實現(xiàn)教與學(xué)效果的雙重提升[16]。人類擅長靈活應(yīng)變，具備對復(fù)雜問題的判斷能力和歸納推理能力，機(jī)器擅長處理高并發(fā)事項，能夠執(zhí)行重復(fù)性、程序性的任務(wù)[17-18]。機(jī)器在問題解決中的不足，降低了人類對機(jī)器智能的信任程度。例如，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)等判別式算法可能因訓(xùn)練數(shù)據(jù)失衡而出現(xiàn)算法偏見，產(chǎn)生地域歧視、性別歧視等問題[19]。ChatGPT、文心一言等生成式大模型也存在“AI幻覺”現(xiàn)象[20]，可能生成虛假知識，甚至違反價值觀的內(nèi)容。因此，提升機(jī)器智能的準(zhǔn)確性和公允性，實現(xiàn)機(jī)器智能與人類智慧的價值觀對齊，是智慧學(xué)習(xí)環(huán)境下人機(jī)協(xié)同的目標(biāo)?？茖W(xué)合理的人機(jī)分工，可以使人類與機(jī)器在發(fā)揮各自優(yōu)勢的同時彌補彼此的劣勢，最終達(dá)到人機(jī)合作效能的最大化，實現(xiàn)準(zhǔn)確度、公允性的提升和人機(jī)價值觀的對齊。

在人機(jī)協(xié)同的研究中，普瑞斯（Price）根據(jù)人類和機(jī)器各自的性能優(yōu)劣，提出了人機(jī)功能分配決策矩陣[21]，用于輔助人類與機(jī)器協(xié)同時，開展科學(xué)、合理的決策，達(dá)到效果與效率雙提升的目的。本研究基于人機(jī)功能分配決策矩陣，結(jié)合人類智慧與機(jī)器智能各自的優(yōu)缺點，分析智能工具在教育場景中的應(yīng)用，并將智慧學(xué)習(xí)環(huán)境中常見的人機(jī)協(xié)同模式劃分為五類：AI講師、執(zhí)行型AI+人類助手、伙伴型AI+人類同儕、助教型AI+人類教練以及人類導(dǎo)師，如圖2所示。根據(jù)普瑞斯的觀點，區(qū)域⑥表示人機(jī)均不擅長的工作，是需要進(jìn)一步探索的區(qū)域，故不在本文中做進(jìn)一步探討。

（一）AI講師

AI講師（區(qū)域①）是指在處理某些工作時，智能工具完全取代教師，并扮演教師的角色。AI講師具有高準(zhǔn)確度、強魯棒性等特點，適用于標(biāo)準(zhǔn)化、程序性和重復(fù)性工作。作為一種智能工具，AI講師具有“學(xué)而不厭”的特點，通過強化學(xué)習(xí)技術(shù)，不斷學(xué)習(xí)人類教學(xué)的知識，實現(xiàn)教學(xué)能力的迭代提升。同時，AI講師能夠做到“誨人不倦”，可以隨時隨地回答學(xué)生問題，滿足學(xué)生的個性化學(xué)習(xí)需求，從功能上支持學(xué)生的知識識記、內(nèi)容理解和知識應(yīng)用等“學(xué)而時習(xí)之”的目標(biāo)。AI講師在教學(xué)、管理、評價、測試等典型教育場景中的常態(tài)化應(yīng)用包括基于深度知識追蹤技術(shù)的單詞記憶訓(xùn)練、基于認(rèn)知診斷技術(shù)的自適應(yīng)測試和基于語音識別技術(shù)的發(fā)音診斷與糾偏等。例如：在數(shù)學(xué)教學(xué)中，可以借助認(rèn)知診斷技術(shù)對學(xué)生數(shù)學(xué)認(rèn)知水平進(jìn)行測試和分析，并由此推薦符合其認(rèn)知特點的數(shù)學(xué)習(xí)題，實現(xiàn)精準(zhǔn)練習(xí)[22]。學(xué)生在學(xué)習(xí)第二語言時，借助人工智能的口語測評工具（如IELTS和英語流利說），糾正自己的口語發(fā)音，提升口語表達(dá)能力[23]。

（二）執(zhí)行型AI+人類助手

執(zhí)行型AI+人類助手（區(qū)域②）是指相關(guān)工作主要由智能工具完成，人類僅參與部分輔助工作（如同一名助手）。此種模式下，執(zhí)行型AI擅長執(zhí)行擁有確定目標(biāo)、確定步驟的教學(xué)任務(wù)，能夠根據(jù)教學(xué)步驟，循序漸進(jìn)地引導(dǎo)學(xué)生學(xué)習(xí)。人類教師只需要在價值判斷的節(jié)點及時介入即可。因此，執(zhí)行型AI+人類助手模式適用于標(biāo)準(zhǔn)化、程序性和重復(fù)性較強，但是存在少量需要價值判斷和決策的工作，其典型教育應(yīng)用是自適應(yīng)學(xué)習(xí)和校園安防管理。例如：自適應(yīng)精準(zhǔn)教學(xué)系統(tǒng)主要負(fù)責(zé)自動化批閱學(xué)生的作業(yè)，基于深度知識追蹤算法建立學(xué)生的認(rèn)知水平檔案，利用推薦算法篩選出候選資源，根據(jù)既定的教學(xué)設(shè)計為學(xué)生推薦適切的學(xué)習(xí)路徑。教師只需要對候選資源的合規(guī)性、科學(xué)性進(jìn)行審核，以確保相關(guān)資源符合培養(yǎng)目標(biāo)[24]。智慧校園安防設(shè)計中，利用計算機(jī)視覺技術(shù)對可疑人員、可疑車輛進(jìn)行自動化監(jiān)控和預(yù)警，安保部門僅需對預(yù)警信息加以確認(rèn)和處理即可，降低了安保部門工作的強度，支持校園安全的智能化管理[25]。

（三）伙伴型AI+人類同儕

伙伴型AI+人類同儕（區(qū)域③）是指在相關(guān)任務(wù)中，因人類和智能工具的能力大致相同所形成的類似合作伙伴的關(guān)系。該模式下，智能工具旨在提升工作節(jié)點的效率，降低人類教師的負(fù)擔(dān)。人類教師更側(cè)重發(fā)揮其在情感溝通、人文關(guān)懷等方面的優(yōu)勢，促進(jìn)教學(xué)效果的達(dá)成?；锇樾虯I+人類同儕模式通過有效的人機(jī)合作，支持伴隨式數(shù)據(jù)采集、精準(zhǔn)化學(xué)情分析、一對一教學(xué)指導(dǎo)和教學(xué)反饋的常態(tài)化實現(xiàn)，達(dá)成“有教無類，因材施教”的目標(biāo)。例如：授課教師可基于課堂專注度監(jiān)測系統(tǒng)，掌握班級整體的專注度變化情況，并及時調(diào)整教學(xué)策略，提升課堂教學(xué)效果[26]。智慧作業(yè)中，成熟的OCR技術(shù)和計算機(jī)視覺技術(shù)常被用于客觀題的快速批閱，教師則側(cè)重于主觀題的判別[27]，讓教師有更多的時間走進(jìn)學(xué)生內(nèi)心，開展個性化評閱。

（四）助教型AI+人類教練

助教型AI+人類教練（區(qū)域④）是指相關(guān)工作由人類主導(dǎo)完成，智能工具充當(dāng)助理的角色，為教師提供資料、數(shù)據(jù)和決策意見。助教型AI+人類教練模式適用于解決復(fù)雜性、開放性和價值判斷等教育問題。此種模式下，通過將助教型AI精準(zhǔn)診斷功能與人類教師智慧相結(jié)合，準(zhǔn)確判定學(xué)生的學(xué)習(xí)狀態(tài)，支持人機(jī)協(xié)同“不憤不啟，不悱不發(fā)”的教學(xué)，促進(jìn)學(xué)生“舉一反三”能力的發(fā)展。例如：基于精準(zhǔn)畫像技術(shù)和教育大模型的智能問答系統(tǒng)，實現(xiàn)對學(xué)生學(xué)習(xí)狀態(tài)的精準(zhǔn)診斷，適時為學(xué)生提供暗示、提示、指導(dǎo)和演示，促進(jìn)學(xué)生的舉一反三能力的達(dá)成[28]。在心理輔導(dǎo)方面，基于社交大數(shù)據(jù)，借助人工智能技術(shù)實現(xiàn)對心理危機(jī)學(xué)生的快速預(yù)警，心理輔導(dǎo)教師及時介入開展心理干預(yù)，避免危機(jī)事件的發(fā)生[29]。

（五）人類導(dǎo)師

人類導(dǎo)師（區(qū)域⑤）是指相關(guān)工作完全由人類教師完成，適用于智能工具無法替代的高階工作，旨在基于人類的同理心，正確引領(lǐng)學(xué)生的情感、態(tài)度和價值觀，培養(yǎng)學(xué)生的批判性思維和創(chuàng)新等高階認(rèn)知能力。人類導(dǎo)師具有“循循善誘、傳習(xí)結(jié)合”的特點，強調(diào)借助教師智慧，指導(dǎo)學(xué)生參與真實社會實踐并開展創(chuàng)新性工作，發(fā)展學(xué)生高階認(rèn)知能力。此外，教育作為融入了情感和價值觀的活動，除了向?qū)W生傳授知識、培養(yǎng)高階認(rèn)知能力外，更需要教師與學(xué)生開展情感溝通和價值交流，引導(dǎo)學(xué)生態(tài)度、情感和價值觀的積極轉(zhuǎn)變。可見，智慧學(xué)習(xí)環(huán)境下教師的角色已然從以知識傳遞、技能培養(yǎng)為主的“講師”，變成了以情感交流、價值引領(lǐng)為主的“導(dǎo)師”。

四、智慧學(xué)習(xí)環(huán)境中的人機(jī)協(xié)同設(shè)計

協(xié)同學(xué)（Synergetics）源于古希臘語，是指合作的科學(xué)（Science of Cooperation）。從詞源分析，“Syn-”是指由于在一起引起的協(xié)調(diào)合作，“-ergetics”指代組織結(jié)構(gòu)和功能，Synergetics整體則表示當(dāng)內(nèi)部子系統(tǒng)之間的關(guān)聯(lián)發(fā)生改變時，引起宏觀的組織結(jié)構(gòu)和功能的質(zhì)變。因此，協(xié)同學(xué)也被視為“以內(nèi)因為依據(jù)”開展從無序到有序的演化規(guī)律的學(xué)科，強調(diào)穩(wěn)定的系統(tǒng)都是依托一定的方法協(xié)同且有序的活動[30]。智慧學(xué)習(xí)環(huán)境是由多元教育主體、多種教育應(yīng)用系統(tǒng)組成的，指向教育問題解決的支撐條件體系，所以是一種協(xié)同系統(tǒng)。作為智慧學(xué)習(xí)環(huán)境設(shè)計的基線思維，人機(jī)協(xié)同建立在人機(jī)互信和價值對齊的基礎(chǔ)上，通過制定數(shù)據(jù)模型層、技術(shù)支撐層和場景應(yīng)用層的設(shè)計原則，明確智慧學(xué)習(xí)環(huán)境各層級的協(xié)同目標(biāo)和達(dá)成協(xié)同目標(biāo)的實踐路徑。其中，數(shù)據(jù)模型層以決策協(xié)同為目標(biāo)，技術(shù)支持層以交互協(xié)同為目標(biāo)，場景應(yīng)用層以流程協(xié)同為目標(biāo)，共同實現(xiàn)人機(jī)協(xié)同在智慧學(xué)習(xí)環(huán)境設(shè)計中的深度融合和高效應(yīng)用。

（一）數(shù)據(jù)模型層的決策協(xié)同設(shè)計

數(shù)據(jù)模型層遵循透明性和可控性設(shè)計原則，通過公開數(shù)據(jù)的全生命周期方案、模型的設(shè)計開發(fā)方案，確保數(shù)據(jù)全生命周期和模型運行邏輯的透明可控，體現(xiàn)數(shù)據(jù)的感知記錄與識別計算能力，增強數(shù)據(jù)的預(yù)處理能力、復(fù)雜性教育問題的決策能力等，實現(xiàn)科學(xué)診斷與系統(tǒng)決策。換言之，數(shù)據(jù)模型層的核心目標(biāo)在于實現(xiàn)人機(jī)決策協(xié)同。

一方面，在保障隱私安全和技術(shù)倫理的前提下，公開數(shù)據(jù)的采集、存儲、整合、分析、應(yīng)用及清除等數(shù)據(jù)全生命周期的方案，支持教育主體掌握并參與方案設(shè)計，如允許教育主體了解“采集何類數(shù)據(jù)、用于何種目的”，給予教學(xué)者和管理者調(diào)整職責(zé)內(nèi)的班級數(shù)據(jù)的預(yù)處理權(quán)限等，體現(xiàn)智慧學(xué)習(xí)環(huán)境對數(shù)據(jù)的感知記錄能力，增強智慧學(xué)習(xí)環(huán)境對數(shù)據(jù)的預(yù)處理能力，提升數(shù)據(jù)的真實性和客觀性。

另一方面，在符合教學(xué)訴求和高置信度的前提下，允許在模型的選擇、設(shè)計、開發(fā)等過程中融入教育主體的智慧，提高模型對復(fù)雜性教育問題的決策能力。在模型選擇維度，基于校情、班情和學(xué)情等教學(xué)訴求，采用適配性高、可解釋性強的模型進(jìn)行問題診斷，并向教育主體闡明模型的運行邏輯和運行結(jié)果。在模型設(shè)計和開發(fā)維度，采用人在回路的混合增強智能技術(shù)，基于“場景感知—問題診斷—規(guī)律計算—策略匹配”的邏輯鏈路，構(gòu)建問題診斷模型與數(shù)據(jù)決策模型[24]。通過對機(jī)器的診斷結(jié)果進(jìn)行置信度評估，并與專家預(yù)設(shè)的置信度閾值進(jìn)行比較，實現(xiàn)對復(fù)雜性教育問題的精準(zhǔn)診斷與合理決策。若機(jī)器診斷結(jié)果的置信度低于閾值，將其反饋給人類專家進(jìn)行協(xié)同診斷，直至人機(jī)協(xié)同診斷結(jié)果的置信度水平達(dá)成一致，則輸出結(jié)果并進(jìn)入下一流程。同時，將修正的診斷結(jié)果反饋給機(jī)器進(jìn)行新一輪的強化訓(xùn)練與驗證。反之，則直接輸出機(jī)器的診斷結(jié)果。

（二）技術(shù)支撐層的交互協(xié)同設(shè)計

技術(shù)支撐層遵循體驗性和可靠性設(shè)計原則，在數(shù)字教育資源、教育軟硬件工具、教與學(xué)支持服務(wù)的設(shè)計中，教育主體和機(jī)器之間的深度人機(jī)交互是設(shè)計的出發(fā)點。深度的人機(jī)交互為教育主體的高階思維能力和認(rèn)知遷移能力的發(fā)展提供支架，對基于數(shù)據(jù)的教與學(xué)分析、歸因、解釋和改進(jìn)具有重要意義。換言之，技術(shù)支撐層的核心目標(biāo)在于實現(xiàn)人機(jī)交互協(xié)同。

交互內(nèi)容和交互形式的設(shè)計遵循體驗性原則，通過構(gòu)建交互式或體驗式數(shù)字資源，開發(fā)支持?jǐn)?shù)字資源呈現(xiàn)的工具，設(shè)計基于身體動作的自然交互服務(wù)，豐富基于身體動作的交互行為、延伸身體的感知覺體驗，助力人機(jī)深度交互的達(dá)成以及學(xué)習(xí)效果和效率的提升。一方面，交互內(nèi)容需緊扣現(xiàn)實世界，開發(fā)以知識點為單位的體驗式數(shù)字資源，借助AR、VR、MR工具進(jìn)行立體化呈現(xiàn)，延伸身體的感知覺體驗。另一方面，交互形式應(yīng)充分調(diào)動身體的參與，通過模擬人與人交互的機(jī)制，建立身體行為與教學(xué)意義的關(guān)聯(lián)關(guān)系，開發(fā)支持一鍵式觸摸、自然語言對話、手勢動作等交互功能，提升身體的參與頻度，提高學(xué)習(xí)體驗性，實現(xiàn)深度人機(jī)交互。例如，具身交互作為一種身體參與的體驗性和建構(gòu)性交互類型，通過設(shè)計支持具身交互達(dá)成的資源、工具與服務(wù)，喚醒身體的知覺經(jīng)驗、調(diào)動身體的肢體動作、映射身體的動作意圖，提升教育主體的交互體驗性，達(dá)成深度人機(jī)交互。

交互功能的設(shè)計遵循可靠性原則，充分發(fā)揮機(jī)器的優(yōu)勢，支持教育主體與資源、工具和服務(wù)對話，匯聚人類教師的智慧，獲取可靠性信息，完成功能性任務(wù)。例如，基于前述人機(jī)分工的模式，設(shè)計第三方答疑服務(wù)的功能。首先，通過厘清生成式人工智能和人類教師的優(yōu)勢及答疑路徑，結(jié)合學(xué)科知識圖譜和專家模型，構(gòu)建生成式大模型“安全護(hù)欄”[31]，實現(xiàn)對大模型輸出內(nèi)容的自動監(jiān)測，避免錯誤信息、有害信息的生成，確保產(chǎn)生內(nèi)容的科學(xué)性、嚴(yán)謹(jǐn)性和可靠性。隨后，學(xué)生使用自然語言開展互動式問答及討論。在服務(wù)中，通過匯聚大模型觀點、教師觀點，實現(xiàn)智能技術(shù)對人類（教師、學(xué)生）認(rèn)知的增強，達(dá)成啟發(fā)學(xué)生思考、啟迪學(xué)生思想的目的。這種形式改變原有的“學(xué)生—教師”“學(xué)生—智能工具”簡單二元交互模式，形成“學(xué)生—智能工具—教師”新型三元交互樣態(tài)，進(jìn)一步發(fā)揮智能技術(shù)在教學(xué)中的應(yīng)用效果。

（三）場景應(yīng)用層的流程協(xié)同設(shè)計

場景應(yīng)用層遵循聯(lián)通性和泛在性設(shè)計原則，依托教育角色模型和人機(jī)分工準(zhǔn)則，梳理各應(yīng)用場景的業(yè)務(wù)流程，基于業(yè)務(wù)數(shù)據(jù)流，聯(lián)通單一教育場景和多元教育場景的跨操作系統(tǒng)和多終端的泛在應(yīng)用，基于數(shù)據(jù)的無縫銜接，實現(xiàn)融通線上線下、校內(nèi)校外、教室場館的多源異構(gòu)設(shè)備的無縫學(xué)習(xí)。換言之，場景應(yīng)用層的核心目標(biāo)在于實現(xiàn)基于業(yè)務(wù)數(shù)據(jù)流的流程協(xié)同。

單一場景的設(shè)計遵循聯(lián)通性原則，依托教育數(shù)據(jù)規(guī)范和人機(jī)分工準(zhǔn)則，聯(lián)通教育場景中數(shù)據(jù)、模型、資源、工具、服務(wù)等要素，實現(xiàn)數(shù)據(jù)驅(qū)動的學(xué)習(xí)分析和教育場景的深度融合。通過統(tǒng)籌設(shè)計教育場景中的數(shù)據(jù)規(guī)范，科學(xué)設(shè)計數(shù)據(jù)埋點和采樣規(guī)則，制定面向不同軟硬件平臺的標(biāo)準(zhǔn)化接口，打破不同軟件與工具之間的壁壘，支持?jǐn)?shù)據(jù)和信息在資源、工具和服務(wù)中自由流轉(zhuǎn)，從而實現(xiàn)精準(zhǔn)教學(xué)、個性學(xué)習(xí)、智能管理、綜合評價等場景中各要素的互聯(lián)互通。例如，通過匯聚真實課堂的過程性數(shù)據(jù)和智慧作業(yè)的結(jié)果數(shù)據(jù)，聯(lián)通手機(jī)、平板、一體機(jī)等終端工具，連接線下紙本資源和線上數(shù)字資源，實現(xiàn)對學(xué)生的精準(zhǔn)畫像服務(wù)，支持教師的精準(zhǔn)教學(xué)和學(xué)生的分層個性化學(xué)習(xí)。

多元場景的應(yīng)用遵循泛在性原則，充分發(fā)揮機(jī)器的泛在智能優(yōu)勢和人類的主觀意識，實現(xiàn)業(yè)務(wù)數(shù)據(jù)流的多場景遷移。在智慧學(xué)習(xí)環(huán)境的多元場景中，通過部署云網(wǎng)邊端一體化的架構(gòu)，構(gòu)建多源異構(gòu)數(shù)據(jù)集，實現(xiàn)靜默化感知學(xué)生的空間信息、自主推送資源工具的聯(lián)通權(quán)限、伴隨式采集學(xué)習(xí)數(shù)據(jù)等智能功能，支持業(yè)務(wù)數(shù)據(jù)流在多種場景中的泛化應(yīng)用。

五、結(jié)? ?語

作為智慧學(xué)習(xí)環(huán)境進(jìn)化的內(nèi)生動力，智能技術(shù)往往通過對教育流程的自動化與半自動化、智能化與半智能化等實現(xiàn)，支持感知、識別、決策與強化等智能功能[32]，重構(gòu)教育教學(xué)、管理服務(wù)等業(yè)務(wù)流程，重塑智慧學(xué)習(xí)環(huán)境。然而，智能技術(shù)本身適用于處理標(biāo)準(zhǔn)化、程序性、重復(fù)性和邏輯性等離散任務(wù)，而非主動發(fā)現(xiàn)或打破規(guī)則，具有工具理性的本源性特征[33]。這與教育問題的復(fù)雜性與開放性、創(chuàng)造性與價值性，以及教育數(shù)據(jù)的冗余與價值密度低等特征存在不可調(diào)和的矛盾。此外，智慧學(xué)習(xí)環(huán)境建設(shè)中涌現(xiàn)出諸如場景割裂、數(shù)據(jù)孤島、信息應(yīng)用效益不足等問題，阻礙了智慧學(xué)習(xí)環(huán)境的發(fā)展。人機(jī)協(xié)同旨在充分融合機(jī)器處理標(biāo)準(zhǔn)化、程序性等問題的計算智能，和人類解決復(fù)雜性教育問題時表現(xiàn)出的主動發(fā)現(xiàn)和價值判斷的智慧，被視為緩解上述矛盾、破解智慧學(xué)習(xí)環(huán)境的建設(shè)困境、支持其從低效無序向高效有序發(fā)展的新思路。本研究基于重構(gòu)的智慧學(xué)習(xí)環(huán)境的概念模型，制定以“人機(jī)互信和價值對齊”為導(dǎo)向的人機(jī)協(xié)同模式，建立由AI講師、執(zhí)行型AI+人類助手、伙伴型AI+人類同儕、助教型AI+人類教練、人類導(dǎo)師構(gòu)成的人機(jī)復(fù)雜分工模式，指導(dǎo)智慧學(xué)習(xí)環(huán)境中各要素層級的人機(jī)協(xié)同設(shè)計，助力智慧學(xué)習(xí)環(huán)境的優(yōu)化升級。

人機(jī)互信和價值對齊是人機(jī)協(xié)同模式的關(guān)鍵所在，亦是推動人機(jī)從簡單分工邁向復(fù)雜分工的內(nèi)驅(qū)力。人機(jī)互信是指人類與機(jī)器相互信任，既包括人類對智能工具完成預(yù)定任務(wù)的期待，又包括機(jī)器對于人類語料的判斷篩選；價值對齊是指智能算法與人類價值觀的對齊。然而在教育實踐中，部分智能技術(shù)差強人意的表現(xiàn)，降低了使用者對智能工具的信任感，影響了人機(jī)協(xié)同的效果。未來研究中，可通過進(jìn)一步分析技術(shù)控制性、交互具身性、工具擬人性等因素對人機(jī)協(xié)同效果的影響，制定信任因素的設(shè)計原則和實施路徑。通過研究符合教育需求的置信度評估方法、構(gòu)建基于價值圖譜的人機(jī)價值對齊策略等，提出智能技術(shù)與人類價值觀對齊的策略與方案。

[參考文獻(xiàn)]

[1] 求是網(wǎng).中國共產(chǎn)黨第二十次全國代表大會在京開幕 習(xí)近平代表第十九屆中央委員會向大會作報告[EB/OL].（2022-11-01）[2023-11-09].http：//www.qstheory.cn/dukan/qs/2022-11/01/c_1129089114.htm.

[2] 新華社.習(xí)近平主持中央政治局第五次集體學(xué)習(xí)并發(fā)表重要講話[EB/OL].（2023-05-29）[2023-11-09].https：//www.gov.cn/govweb/yaowen/liebiao/202305/content_6883632.htm.

[3] 懷進(jìn)鵬.數(shù)字變革與教育未來 在世界數(shù)字教育大會上的主旨演講[EB/OL].（2023-02-14）[2023-11-09]. https：//rmh.pdnews.cn/Pc/ArtInfoApi/article？id=33925631.

[4] 周偉，杜靜，汪燕，等.面向智慧教育的學(xué)習(xí)環(huán)境計算框架[J].現(xiàn)代遠(yuǎn)程教育研究，2022，34（5）：91-100.

[5] 金智勇，張立龍.智慧教室“三位一體”模型構(gòu)建及實踐探索——以華中師范大學(xué)為例[J].現(xiàn)代教育技術(shù)，2019，29（4）：75-81.

[6] 黃榮懷，楊俊鋒，胡永斌.從數(shù)字學(xué)習(xí)環(huán)境到智慧學(xué)習(xí)環(huán)境——學(xué)習(xí)環(huán)境的變革與趨勢[J].開放教育研究， 2012，18（1）：75-84.

[7] 鐘國祥.基于網(wǎng)格的智能學(xué)習(xí)環(huán)境研究[D].重慶：西南大學(xué)，2008.

[8] 黃榮懷.智慧教育的三重境界：從環(huán)境、模式到體制[J].現(xiàn)代遠(yuǎn)程教育研究， 2014（6）：3-11.

[9] 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，2012，33（12）：5-13.

[10] HWANG G J. Definition： framework and research issues of smart learning environments a context-aware ubiquitous learning perspective [J]. Smart learning environments， 2014，1（1）：4.

[11] SPECTOR M J. Conceptualizing the emerging field of smart learning environments [J]. Smart learning environments，2014，1（1）：2.

[12] KINSHUK， CHEN N S， CHENG I L， et al. Evolution is not enough： revolutionizing current learning environments to smart learning environments[J]. International journal of artificial intelligence in education，2016，26：561-581.

[13] CHEUNG S K S， PHUSAVAT K， YANG H H. Shaping the future learning environments with smart elements： challenges and opportunities[J]. International journal of educational technology in higher education，2021，18（1）：1-9.

[14] MUTIZWA M R， OZDAMLI F， KARAGOZLU D. Smart learning environments during pandemic[J]. Trends in higher education， 2023，2（1）：16-28.

[15] 武法提，黃石華，殷寶媛.場景化：學(xué)習(xí)服務(wù)設(shè)計的新思路[J].電化教育研究，2018，39（12）：63-69.

[16] 符雪姣，曾明星，張友福.人機(jī)協(xié)同精準(zhǔn)教學(xué)整體框架與關(guān)鍵環(huán)節(jié)設(shè)計[J].開放教育研究，2023，29（2）：91-102.

[17] FITTS P M E. Human engineering for an effective air navigation and traffic control system[M]. Washington， D.C.： National Research Council，1951.

[18] 王一巖，鄭永和.智能時代的人機(jī)協(xié)同學(xué)習(xí)：價值內(nèi)涵、表征形態(tài)與實踐進(jìn)路[J].中國電化教育， 2022（9）：90-97.

[19] BAKER R S， HAWN A. Algorithmic bias in education[J]. International journal of artificial intelligence in education， 2022（32）：1052-1092.

[20] CHEN Y， FU Q， YUAN Y， et al. Hallucination detection： robustly discerning reliable answers in large language models[C]. Proceedings of the 32nd ACM international conference on information and knowledge management. New York： Association for Computing Machinery，2023：245-255.

[21] PRICE H E. The allocation of functions in systems[J]. Human factors，1985，27（1）： 33-45.

[22] 郭宇涵.基于知識圖譜與認(rèn)知診斷的小學(xué)數(shù)學(xué)個性化習(xí)題推薦系統(tǒng)研究[D].重慶：西南大學(xué)，2023.

[23] LI R. Using artificial intelligence in learning english as a foreign language： an examination of IELTS LIULISHUO as an online platform[J]. Journal of higher education research，2020，1（2）：85-89.

[24] 武法提，田浩.人機(jī)協(xié)同的精準(zhǔn)學(xué)習(xí)干預(yù)：動力機(jī)制、邏輯理路與實踐模型[J].開放教育研究，2023，29（2）：81-90.

[25] 蔣慎敏.可疑危險人物靠近能被視頻“捕捉” ……杭州第一所黑科技智安校園長這樣[EB/OL].（2018-07-18）[2023-11-09].https：//baijiahao.baidu.com/s？id=1606318780883062435&wfr=spider&for=pc.

[26] 王楠，王淇.基于深度學(xué)習(xí)的學(xué)生課堂專注度測評方法[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2023，7（6）：123-133.

[27] 唐旭，張遠(yuǎn)偉，張國強.基于智慧作業(yè)生態(tài)圈的作業(yè)AI自動批改探索與實踐[J].中國電化教育，2023（4）：115-121.

[28] 賈積有，樂惠驍，張譽月，等.基于大數(shù)據(jù)挖掘的智能評測和輔導(dǎo)系統(tǒng)設(shè)計[J].中國電化教育，2023（3）：112-119.

[29] 李彤彤，李坦，郭栩?qū)?基于社交媒體大數(shù)據(jù)的大學(xué)生心理危機(jī)預(yù)警[J].現(xiàn)代遠(yuǎn)程教育研究，2021，33（4）：92-103.

[30] 哈肯.協(xié)同學(xué)導(dǎo)論[M].張紀(jì)岳，郭治安，譯.西安：西北大學(xué)科研處，1981.

[31] REBEDEA T， DINU R， SREEDHAR M， et al. NeMo guardrails： a toolkit for controllable and safe LLM applications with programmable rails [DB/OL].（2023-10-16）[2023-11-08].https：//arxiv.org/abs/2310.10501.

[32] HERNANDEZ O J. The measure of all minds： evaluating natural and artificial intelligence[M]. Cambridge：Cambridge University Press，2017.

[33] 徐英瑾.人工智能哲學(xué)十五講[M].北京：北京大學(xué)出版社，2021.

Design of Human-Machine Collaboration in Smart Learning Environment

WU Fati，? YANG Chongyang，? LI Tan

（School of Educational Technology， Beijing Normal University， Beijing 100875）

[Abstract] As the primary task of digital transformation of education， the construction of smart learning environment excessively emphasizes the ability of technology in education， but ignores the value and status of educational subjects， resulting in problems such as scene fragmentation and data silos. Human-machine collaboration aims to fully leverage the strengths of humans and machines， compensates for each other's weaknesses， and becomes the optimal solution to guide the creation and optimization of smart learning environment. In this study， human-machine collaboration is regarded as the baseline thinking for the design of smart learning environment. A conceptual model of smart learning environment is constructed， which consists of three layers of the data model layer， the technical support layer， and the scene application layer， and six elements of scenes， data， models， resources， tools， and services. Based on the decision matrix of human-machine function allocation， five human-machine collaboration models are proposed， including AI instructor， executive AI+human teaching assistant， partner AI+human peer， assistant AI+human coach， and human mentor. On this basis， the study develops the design principles for each level of smart learning environment， analyses the design of decision-making collaboration at the data model layer， the design of interactive collaboration at the technical support layer， and the design of process collaboration design at the scene application layer. Strategies for constructing human-machine trust and value alignment in human-machine collaboration model are discussed， with a view to guiding the design of human-machine collaboration in smart learning environment.

[Keywords] Learning Environment; Human-Machine Collaboration; Smart Learning Environment; Model of Human-Machine Collaboration; Design of Human-Machine Collaboration