【摘要】能夠自主“感知、理解、預(yù)測、行動”的人工智能是靈活強(qiáng)大的學(xué)習(xí)技術(shù)，在教與學(xué)過程中可以發(fā)揮多種作用。技術(shù)的靈活性為智能教學(xué)系統(tǒng)的設(shè)計(jì)和應(yīng)用帶來了挑戰(zhàn)。合理的功能定位是人工智能技術(shù)發(fā)揮作用的前提，對其教學(xué)角色隱喻的分析對于智能教學(xué)系統(tǒng)的研究與利用有指導(dǎo)作用。本研究選擇人工智能教育應(yīng)用領(lǐng)域的高影響力項(xiàng)目開展了案例研究。案例研究表明，人工智能的教學(xué)角色隱喻主要有輔導(dǎo)者、教練、評價者、協(xié)調(diào)者、聯(lián)通者、同伴和學(xué)生七種。從歷史發(fā)展與現(xiàn)狀來看，占優(yōu)勢的為教練、評價者和輔導(dǎo)者等教師隱喻。從教學(xué)的完整過程看，人工智能尚無法比肩人類教師，但在“行動中”其表現(xiàn)并不遜色于人類個體，在很多情況下各有千秋。受限于自然語言處理技術(shù)在語義處理上的裹足不前，輔導(dǎo)者還難以像人類教師一樣與學(xué)習(xí)者開展連續(xù)的自然語言對話，但教練、評價者、協(xié)調(diào)者、聯(lián)通者、學(xué)生和同伴則更充分地利用了計(jì)算機(jī)的多媒體與網(wǎng)絡(luò)數(shù)據(jù)計(jì)算、存儲、交互能力，能夠提供人類教師難以或無法提供的學(xué)習(xí)經(jīng)驗(yàn)。未來，人工智能的教學(xué)角色隱喻將繼續(xù)演化，呈現(xiàn)出分化與整合、從支持“學(xué)”到“學(xué)教”并重的總體趨勢;智能教學(xué)系統(tǒng)中文化因素的作用將日益顯性化;將更重視與學(xué)習(xí)者建立與維持長期關(guān)系;人工智能將促進(jìn)學(xué)習(xí)環(huán)境的虛實(shí)融合，提高學(xué)習(xí)環(huán)境的適應(yīng)性。

　　【關(guān)鍵詞】人工智能教育應(yīng)用;智能輔導(dǎo)系統(tǒng);計(jì)算機(jī)支持的合作學(xué)習(xí);教學(xué)代理;高影響力項(xiàng)目;教學(xué)角色;案例研究

　　一、引言

　　能夠自主“感知、理解、預(yù)測、行動”的人工智能是前所未有的強(qiáng)大學(xué)習(xí)技術(shù)，它增強(qiáng)了教與學(xué)過程中作為交互主體的計(jì)算機(jī)的靈活性與適應(yīng)性(張志禎,等,2019)。在教育領(lǐng)域，可以低成本、大范圍地使用智能技術(shù)的時間還不長，機(jī)構(gòu)、個體的人工智能教育應(yīng)用意識與能力差別很大，且總體上比較低。人工智能技術(shù)靈活、多樣，它在學(xué)與教活動中起作用的方式多種多樣，描述它作用的術(shù)語也并未達(dá)成一致。例如，“tutor”一詞，有時指談話教學(xué)法(如,Graesser,2016)，有時指認(rèn)知學(xué)徒取向的問題解決教學(xué)法(如,Anderson,etal.,1995);譯為中文，則有“輔導(dǎo)”“導(dǎo)學(xué)”“指導(dǎo)”等多種譯法。對于核心概念的用詞與內(nèi)涵缺乏共識，就其后果而言，不但會增加溝通成本，易導(dǎo)致思想混亂，而且可能誤導(dǎo)設(shè)計(jì)、開發(fā)與應(yīng)用實(shí)踐，不利于領(lǐng)域知識積累;究其原因，是受到領(lǐng)域快速發(fā)展、從業(yè)人員的學(xué)科知識背景與訴求差異大、相對忽視教學(xué)層面的反思總結(jié)等因素的共同作用。在大范圍推進(jìn)人工智能教育研究與實(shí)踐的背景下，非常有必要對人工智能支持學(xué)與教的微觀作用方式及其術(shù)語使用進(jìn)行系統(tǒng)梳理。

　　在此過程中，人工智能的教學(xué)角色隱喻分析將是很有效的切入點(diǎn)。教學(xué)角色隱喻(metaphorofinstructionalrole)是對以人工智能技術(shù)為支撐的計(jì)算機(jī)系統(tǒng)在促進(jìn)學(xué)習(xí)者①學(xué)習(xí)過程中所扮演的角色或發(fā)揮作用的方式的概括性比喻。社會心理學(xué)意義上的角色指個人在一定社會關(guān)系中占有的地位及其規(guī)定的行為模式。在某一社會情境中，角色的社會功能是通過主體的行為展現(xiàn)的，是其行為的集合。對于計(jì)算機(jī)系統(tǒng)而言，行為等價于其提供的功能(functionality或feature)，角色是特定功能的集合。隱喻是一種修辭手法，也是一種認(rèn)知方式。

　　在修辭法意義上，隱喻是暗喻，是比喻的一種。隱喻較為含蓄，比喻隱藏在“是”這類謂詞中，如“教師是人類靈魂的工程師”。有語言學(xué)研究者認(rèn)為隱喻是一種認(rèn)知方式，是人類的一項(xiàng)基本認(rèn)知能力。在日常生活中，人們常常通過熟悉、具體的概念來認(rèn)識、思考和說明抽象、復(fù)雜的概念，這就產(chǎn)生了隱喻;在新興學(xué)科中這一現(xiàn)象尤為顯著，如信息技術(shù)領(lǐng)域的病毒、信息高速公路等概念(劉丹鳳,魏躍衡,2007)。在教育研究領(lǐng)域，教師的教學(xué)角色隱喻分析，即對于教師將教學(xué)看作什么、比作什么的系統(tǒng)分析，用于研究與發(fā)現(xiàn)教師的個人教學(xué)理論(康納利,克蘭迪寧,2004,p.73)，促進(jìn)教師教育反思與專業(yè)成長(陳向明,2001)。Roll等(2016)認(rèn)為對于人工智能教育應(yīng)用領(lǐng)域，隱喻不但有助于建立共同愿景，而且有助于確立具體目標(biāo)，對于人工智能教育應(yīng)用研究有引領(lǐng)作用。在本領(lǐng)域誕生之初就已注意到計(jì)算機(jī)的教學(xué)角色隱喻問題。Collins等(1975)在40多年前就提到了人工智能的“人類教師”隱喻與“交互學(xué)習(xí)環(huán)境”隱喻。

　　20年后，Anderson等(1995)透露出輔導(dǎo)教師(tutor)隱喻的局限性，但已深陷其中，很無奈。20世紀(jì)90年代，可創(chuàng)建可視化交互虛擬的計(jì)算機(jī)多媒體技術(shù)成熟、普及，催生出教學(xué)代理(pedagogi⁃calagent①)及其教學(xué)角色研究，教學(xué)代理可以作為專家、激勵者、指導(dǎo)者等多種教學(xué)角色(Johnson,etal.,2000;Baylor&Kim,2005)。又一個20年后，Roll等(2016)在元分析的基礎(chǔ)上，提出人工智能作為“輔導(dǎo)教師”有局限性，未來應(yīng)該追求做學(xué)習(xí)者的“導(dǎo)師”(mentor)。

　　二、問題與方法

　　本研究試圖回答人工智能教育應(yīng)用領(lǐng)域的如下問題：第一，人工智能主要有哪些教學(xué)角色隱喻?②第二，與人類教師相比，這些角色的優(yōu)勢與局限是什么?第三，教學(xué)角色隱喻分析對于未來的人工智能教育應(yīng)用研究與實(shí)踐有何啟示?本研究為多個案的案例研究。采用案例研究的原因有三：一是本領(lǐng)域具有強(qiáng)烈的工程化取向，主要通過利用人工智能及計(jì)算機(jī)多媒體、網(wǎng)絡(luò)技術(shù)建造教學(xué)系統(tǒng)或者系統(tǒng)原型來解決教育問題，這些系統(tǒng)蘊(yùn)含了人工智能的教學(xué)角色隱喻，是天然的案例;二是本領(lǐng)域因人工智能技術(shù)發(fā)展、教育教學(xué)變革推進(jìn)而處于快速發(fā)展期，知識體系、研究范式還未成熟，更適合探索性的案例研究;三是更深層次的認(rèn)識論原因，即案例具有綜合性與情境性，案例本身比從中抽象出來的原則更真實(shí)可信，更能體現(xiàn)實(shí)踐智慧(波蘭尼,2017,pp.63-64)。對于案例研究做如下說明：①案例選擇標(biāo)準(zhǔn)。本研究案例為“高影響力”項(xiàng)目，案例需滿足三個標(biāo)準(zhǔn)：一是持續(xù)時間較長，超過5年;二是在同行評審雜志/會議發(fā)表文章至少3篇;三是以目標(biāo)學(xué)習(xí)者為被試開展過教學(xué)實(shí)驗(yàn)研究。②案例資料收集與分析方法。采用“滾雪球”法(巴比,2009)收集案例資料。

　　以《國際人工智能教育應(yīng)用雜志(InternationalJournalofArtificialIntelligenceinEducation,IJAIED)》的25周年紀(jì)念�？�(2016年,第26卷第1、2期)為起點(diǎn)，在其“經(jīng)典文章”的反思論文與參考文獻(xiàn)的基礎(chǔ)上，順藤摸瓜，查找文獻(xiàn)。采用質(zhì)性研究的“持續(xù)比較”法，自下而上形成教學(xué)角色隱喻類別，并根據(jù)新案例調(diào)整類別體系。③案例分析單位。以項(xiàng)目開發(fā)的系統(tǒng)或系統(tǒng)原型為單位，匯總信息。記錄案例系統(tǒng)名稱、教學(xué)角色隱喻、開始年份、學(xué)科、知識點(diǎn)、學(xué)習(xí)目標(biāo)類型、首席研究者、研究機(jī)構(gòu)、研究機(jī)構(gòu)所屬地區(qū)、項(xiàng)目成熟度、體驗(yàn)版訪問地址與賬號等。項(xiàng)目成熟度屬性的取值：原型描述、實(shí)驗(yàn)室實(shí)驗(yàn)、學(xué)校實(shí)驗(yàn)、課程整合和產(chǎn)品化五個水平。一個項(xiàng)目有多個版本或者衍生系統(tǒng)者，按照級別最高的取值。④案例情況。本研究重點(diǎn)分析的21個智能教學(xué)系統(tǒng)案例的基本信息見附表1。案例研究機(jī)構(gòu)所在地區(qū)：北美17個，占比81.0%;歐洲4個，占比19.0%。項(xiàng)目的成熟度分布：實(shí)驗(yàn)室實(shí)驗(yàn)占比14.3%，學(xué)校實(shí)驗(yàn)占比14.3%，課程整合占比52.4%，產(chǎn)品化占比19.0%。學(xué)習(xí)內(nèi)容分布：STEM16個，占比76.2%;語言、地理、社會文化行為等5個，占比23.8%。

　　三、人工智能教學(xué)角色隱喻：框架與案例

　　總體而言，如何促進(jìn)學(xué)習(xí)者個體或小組的學(xué)習(xí)，即如何“用技術(shù)教”個體或小組，始終是人工智能教育應(yīng)用研究關(guān)注的焦點(diǎn)。有關(guān)人是如何學(xué)習(xí)的、人類教師是如何教學(xué)的心理學(xué)理論是設(shè)計(jì)智能教學(xué)系統(tǒng)功能的主要依據(jù)，如維果茨基的內(nèi)化與最近發(fā)展區(qū)理論、Anderson的ACT*R認(rèn)知技能理論、人類教師輔導(dǎo)策略、班杜拉的社會認(rèn)知理論、元認(rèn)知理論、情境學(xué)習(xí)理論與認(rèn)知學(xué)徒策略等。

　　(一)人工智能教學(xué)角色隱喻的框架

　　通過對案例中人工智能支持學(xué)習(xí)的方式進(jìn)行分析概括，發(fā)現(xiàn)人工智能主要有七種教學(xué)角色隱喻，即人工智能作為：①輔導(dǎo)者(tutor)，呈現(xiàn)問題(ques⁃tion)，與學(xué)習(xí)者就問題進(jìn)行自然語言對話，協(xié)同建構(gòu)解釋，促進(jìn)學(xué)習(xí)者對于概念、原理的理解，如SCHOLAR、AutoTutor;②教練(coach)，選擇問題(problem)，創(chuàng)建問題解決環(huán)境，逐步監(jiān)控學(xué)習(xí)者解決問題的過程，適時給予評價、反饋，發(fā)展學(xué)習(xí)者的認(rèn)知技能或者操作技能，如CognitiveTutor、WritingPal;③評價者(evaluator)，通過練習(xí)或測驗(yàn)評價學(xué)習(xí)者對知識、技能的掌握情況，也提供個性化反饋指導(dǎo)以及學(xué)情匯總，如ASSISTments、WISE+c-rater;④協(xié)調(diào)者(facilitator)，系統(tǒng)參與學(xué)習(xí)者的在線討論，監(jiān)控討論是否偏離主題以及任務(wù)完成情況，并可根據(jù)情況進(jìn)行干預(yù)，比如向某個學(xué)生提問，如MentorChat、Bazaar;⑤聯(lián)通者(connector)，系統(tǒng)將學(xué)習(xí)者與恰當(dāng)?shù)馁Y源或人建立連接，即資源的推薦系統(tǒng)、人的匹配系統(tǒng)，如CourseSignals、PHelpS、QuickHelper;⑥同伴(peer)，系統(tǒng)模擬出與學(xué)習(xí)者身份相同、人口學(xué)特征相似的同伴，以豐富學(xué)習(xí)交互方式，實(shí)現(xiàn)合作、觀察與競爭等學(xué)習(xí)活動，促進(jìn)學(xué)習(xí)者反思、表達(dá)，如LuCy、Mike、Alex;⑦學(xué)生(student)，系統(tǒng)模擬出能夠以某種方式學(xué)習(xí)的學(xué)生，讓學(xué)習(xí)者“教中學(xué)”，如Betty􀆳sBrain、SimStudent、SquareFamily。

　　在七種角色隱喻中，前五種均可視為教師(teacher)，因此總體上可以將教學(xué)角色隱喻分為教師、同伴與學(xué)生三大類。將上述教學(xué)角色按照應(yīng)用環(huán)境(智能輔導(dǎo)系統(tǒng)，ITS;計(jì)算機(jī)支持的合作學(xué)習(xí)，CSCL)、領(lǐng)域?qū)ｉL高低、對于學(xué)習(xí)與認(rèn)知社會性的強(qiáng)調(diào)程度等維度進(jìn)行分析，可形成一個組織框架。協(xié)調(diào)者、聯(lián)通者多見于計(jì)算機(jī)支持的合作學(xué)習(xí)(CSCL)環(huán)境中，即學(xué)習(xí)者借助網(wǎng)絡(luò)與其他學(xué)習(xí)者開展合作學(xué)習(xí)活動，計(jì)算機(jī)起協(xié)調(diào)、支持、幫助建立聯(lián)系等作用;其他五種角色主要在智能輔導(dǎo)系統(tǒng)(ITS)環(huán)境中，即計(jì)算機(jī)提供學(xué)習(xí)內(nèi)容與學(xué)習(xí)環(huán)境，并與學(xué)習(xí)者開展教學(xué)互動。七種角色隱喻在領(lǐng)域?qū)ｉL(domainexpertise)與學(xué)習(xí)認(rèn)知的社會性(socialdimensionoflearning)方面存在差異。通常而言，輔導(dǎo)者、教練與評價者位于連續(xù)體的一端，即計(jì)算機(jī)有很強(qiáng)的領(lǐng)域?qū)ｉL，具備解決學(xué)習(xí)者所面臨的問題或任務(wù)的知識、技能，更強(qiáng)調(diào)學(xué)習(xí)與認(rèn)知的個體性;學(xué)生、同伴、聯(lián)通者、協(xié)調(diào)者位于連續(xù)體的另外一端，即其領(lǐng)域?qū)ｉL較弱，通常無法勝任解決學(xué)習(xí)者的問題這一任務(wù)，更強(qiáng)調(diào)學(xué)習(xí)與認(rèn)知的社會性。在七種角色隱喻中，以用戶數(shù)量和項(xiàng)目成熟度為標(biāo)準(zhǔn)，占優(yōu)勢的為教練、評價者、輔導(dǎo)者與學(xué)生。(二)輔導(dǎo)者：SCHOLAR與AutoTutor輔導(dǎo)者通過與學(xué)習(xí)者進(jìn)行自然語言對話開展教學(xué)，促進(jìn)學(xué)習(xí)。語言是教與學(xué)最基本的媒介，談話教學(xué)法在東西方均有深厚的歷史傳統(tǒng)�？鬃拥�“啟發(fā)”、蘇格拉底的“產(chǎn)婆術(shù)”，都以與學(xué)習(xí)者的談話為核心。

　　四、人工智能不同教學(xué)角色隱喻的優(yōu)勢與局限

　　從教學(xué)的全過程看，人工智能尚遠(yuǎn)不如人類教師。任何模式的教學(xué)活動都可分為“行動前”“行動中”“行動后”(徐碧美,2003,p.24)。“行動前”的備課、開展教學(xué)設(shè)計(jì)、準(zhǔn)備教學(xué)材料與環(huán)境，對人類教師而言通常是個體行為，對人工智能而言通常是多專業(yè)背景團(tuán)隊(duì)的工程任務(wù)，涉及教學(xué)設(shè)計(jì)、軟件開發(fā)、設(shè)備調(diào)試、系統(tǒng)測試�？梢哉f，對于智能教學(xué)系統(tǒng)而言，“行動前”基本上全靠“人工”。“行動后”，對人類教師而言是教學(xué)反思與作業(yè)批改，對人工智能而言似乎僅是被動的“數(shù)據(jù)統(tǒng)計(jì)報表”。

　　“教學(xué)相長”是人類教學(xué)活動的基本特點(diǎn)，不管是個別輔導(dǎo)還是集體授課，教學(xué)活動不僅能夠促進(jìn)學(xué)習(xí)者的發(fā)展，也能夠改進(jìn)人類教師對學(xué)科知識、學(xué)習(xí)者和教育情境的理解，即所謂“經(jīng)驗(yàn)+反思=教師的成長”，教師的教學(xué)能力主要是在教學(xué)實(shí)踐中發(fā)展起來的;對于人工智能而言，“行動”也許僅僅導(dǎo)致系統(tǒng)中學(xué)生模型有所更新而已。因此，本文只對比分析“行動中”人工智能與人類教師的行為表現(xiàn)。先分析人工智能在“行動中”的一般特點(diǎn)，再逐一分析各個教學(xué)角色的獨(dú)特特點(diǎn)。

　　五、結(jié)語

　　本研究從教學(xué)角色隱喻的角度，以人工智能教育應(yīng)用領(lǐng)域的高影響力項(xiàng)目為案例，對人工智能是如何支持學(xué)習(xí)活動的以及描述其作用方式的術(shù)語做了系統(tǒng)梳理。從案例中概括出七種教學(xué)角色隱喻，即輔導(dǎo)者、教練、評價者、協(xié)調(diào)者、聯(lián)通者、同伴和學(xué)生。案例分析表明，人工智能的確是強(qiáng)大、靈活的學(xué)習(xí)技術(shù)，盡管在教學(xué)全過程中尚無法與人類個體相比，但它在“行動中”的表現(xiàn)并不遜色于人類個體，人工智能與人類教師在很多情況下各有千秋。受限于自然語言處理技術(shù)在語義處理上的裹足不前，輔導(dǎo)者還難以像人類教師一樣與學(xué)習(xí)者開展連續(xù)的自然語言對話，但教練、評價者、協(xié)調(diào)者、聯(lián)通者、學(xué)生與同伴則更充分地利用了計(jì)算機(jī)的多媒體數(shù)據(jù)計(jì)算、存儲和交互能力，能夠提供人類教師難以或無法提供的學(xué)習(xí)經(jīng)驗(yàn)。如此靈活強(qiáng)大的學(xué)習(xí)技術(shù)，如何能夠更充分地發(fā)揮作用，在更大范圍內(nèi)促進(jìn)學(xué)習(xí)，提升教學(xué)質(zhì)量，是亟待探索的課題。

　　未來，在各種外部力量與教育改革內(nèi)在需求的推動下，人工智能教育應(yīng)用將逐步生態(tài)化。人工智能教學(xué)角色隱喻將持續(xù)演化，總體上將從僅關(guān)注、支持“學(xué)”，技術(shù)自己去“教”，轉(zhuǎn)變?yōu)?ldquo;學(xué)教”并重，即技術(shù)除了繼續(xù)支持“學(xué)”，還將支持教師的“教”。智能教學(xué)系統(tǒng)中文化因素的作用將顯性化。人工智能教育應(yīng)用領(lǐng)域?qū)⒅匾暸c學(xué)習(xí)者建立和維持長期關(guān)系的必要性、可行性與方法;將持續(xù)推進(jìn)學(xué)習(xí)環(huán)境的虛實(shí)融合，提高學(xué)習(xí)環(huán)境的智能化水平，即提高其靈活性與適應(yīng)性。本研究也存在一些局限。第一，案例選擇的標(biāo)準(zhǔn)使新的項(xiàng)目未能納入，特別是有關(guān)機(jī)器人教育應(yīng)用的項(xiàng)目。這一決定有利有弊：好的方面，是能夠排除一些“趕潮流”的項(xiàng)目，畢竟雖然技術(shù)發(fā)展飛速，但人類的學(xué)習(xí)和認(rèn)知方式與能力是基本穩(wěn)定的，而且人工智能技術(shù)復(fù)雜、不穩(wěn)定，教育領(lǐng)域的研究者與實(shí)踐者充分理解技術(shù)、全面認(rèn)識其教育潛力、找到其發(fā)揮作用的方式與情境是需要時間的;壞的方面，是可能會遺漏關(guān)鍵項(xiàng)目，導(dǎo)致忽略重要的研究趨勢，但通過對2018年、2019年相關(guān)學(xué)術(shù)會議論文的內(nèi)容進(jìn)行非正式分析可以發(fā)現(xiàn)，本研究所概括的隱喻能夠涵蓋最新的研究。

　　第二，本研究所選擇的案例是和學(xué)習(xí)過程直接相關(guān)的人工智能教育應(yīng)用項(xiàng)目，而對于其在大規(guī)�？荚嚨淖魑�、口語評判以及拍照搜題等與學(xué)習(xí)過程不直接相關(guān)的應(yīng)用沒有涉及。第三，選擇的案例主要為美國、歐洲的科研項(xiàng)目。案例未涵蓋我國的項(xiàng)目，是受文獻(xiàn)檢索結(jié)果、案例選擇標(biāo)準(zhǔn)所限;未將某些知名的商業(yè)項(xiàng)目納入分析的原因是，有關(guān)這些產(chǎn)品的可信度高的資料很難獲取。智能時代來臨，教育變革壓力空前;我國教育信息化進(jìn)入2.0新階段，領(lǐng)跑的“智能化教育”亟待研究支持。對高影響力項(xiàng)目的案例分析，折射出歐美四十多年的人工智能教育應(yīng)用研究與實(shí)踐經(jīng)驗(yàn)，對我們利用人工智能變革教育有借鑒價值。因此，盡管研究存在一些局限，我們也不揣淺陋，希望從教學(xué)角色隱喻這一視角對于人工智能在學(xué)與教過程中微觀作用方式的概括分析，有助于引發(fā)更多對于人工智能教育應(yīng)用過程中教學(xué)法層面的思考與討論。

　　人工智能方向論文范文：人工智能在智慧景區(qū)管理中的應(yīng)用現(xiàn)狀與前景初探

　　摘要：國內(nèi)外在智慧城市、智慧旅游、智慧景區(qū)等方面的研究已有較多進(jìn)展，在大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等相關(guān)領(lǐng)域的研究較為豐富，其研究成果、基礎(chǔ)理論、方法技術(shù)等均打下一定的基礎(chǔ)。智慧景區(qū)規(guī)劃管理嘗試在人工智能領(lǐng)域發(fā)揮學(xué)科優(yōu)勢，在學(xué)術(shù)研究中借助機(jī)器學(xué)習(xí)，探索規(guī)劃決策的新規(guī)則與新模型，構(gòu)建完備的智慧景區(qū)管理體系，對于完善我國的景區(qū)智能化，提高個性化服務(wù)水平，提升風(fēng)景園林專業(yè)的發(fā)展水準(zhǔn)具有重要的戰(zhàn)略意義，也是響應(yīng)國家政策、順應(yīng)時代潮流的必然趨勢。