论文部分内容阅读
摘 要：人工智能对精准教学的环境带来教学共同体、中介物等方面的变化。新型冠状病毒肺炎疫情期间的线上云课堂实践实际上打破了传统教学的物理时空，依托人工智能的无边界学习和无边界的教育新时代终于到来，也为精准教学从关注抽象主体学生进展到关注具象个体学生提供了技术条件。云课堂对传统精准教学形成了挑战，本文着重探讨人工智能对精准教学的赋能与挑战。
关键词：精准教学;赋能;时空再造
中图分类号：G640 文献标识码：A 文章编号：1673-7164（2021）15-0005-03
2020年高校教育界遇到的最大挑战是新型冠状病毒肺炎疫情对传统教学模式的冲击，全国各地高校响应教育部“停课不停学”号召，基本都依托网络技术，利用大数据、人工智能技术展开了线上的云课堂教学。纵观教育史，高校这样大规模利用网络技术进行线上教与学的教育活动还是第一次。这次尝试给教育信息化提供了一个深化改革的机遇，也是对传统精准教学模式的一种挑战，未来教育工作者需要在不断改进相关技术的前提下，利用技术为精准教学赋能，开创教育的新格局和提升教育的新台阶。
一、云课堂对传统精准教学的挑战
20世纪60年代，美国学者奥格登·林斯利（OgdenLindsley）将斯金纳（Skinner）的操作性条件反射理论从实验室迁移到教育环境中，发展出了具有循证学属性的教学程序——“精准教学”（Precision Teaching） [1]。在智能時代，随着大数据技术的发展，精准教学开始突破传统模式的局限，逐渐发展为一种技术赋能的新型教学模式。大数据技术提供的海量数据和超速运算有助于建立起一套以学生为中心的研判机制，在精准分析学情的基础上精准定位教学目标、精准定制教学内容、精准设计教学活动、精准评价学习表现，进而驱动精准的教学决策，使教学过程和教学结果可量化、可监测、可调控 [2]。
但此时的精准教学，仍然是聚集在相对确定的“人、事、物、场、时”的时空界限之内的、以线下的实体课堂为主的教学，也就是说，教育的中心是课堂、教师与教材，有固定的授课时间、固定的授课班级、固定的授课教师、固定的作息时间、固定的运动时间等等，学生的“自由”也是被固定好的 [3]，一切教育涉及的要素都较好掌控和预测，当然也相对易于研判。而疫情期间依托人工智能推进的线上云课堂却打破了传统精准教学易于掌控的上述诸多因素，给教育者和学习者都提出了不少挑战。
二、人工智能对精准教学的环境改变
相对于传统的确定时空教学，引入人工智能之后的新式教学显然面临着很多不可预测且难以把控的环境因素，甚至成为影响精准教学的显性因素或关键因素 [4]。首先是主客体及共同体的变化。在人工智能构建的教学环境中，学生作为精准教学活动的主体应该具备一定程度的信息素养，以适应技术要求和网络环境，之前以知识掌握为中心的教学目标也相应转变为以信息素养为核心综合素养的提升。而教学共同体作为协助主体完成学习任务的其他参与者，也由原来的主要成员，即教师、学习伙伴和教学管理者，变为教师、实体学习伙伴、教学管理者、家长以及匿名的网络参与者共同组成的复杂组合，后两个因素尤其是最后一个因素成为传统精准教学最难把控的一个关键要素，见图1。
其次是教学中介物的改变。在人工智能环境下，传统精准教学中教学工具、规则以及劳动分工等中介物都发生了很大变化，以前以固定的教师和指定的教材为中心的教学工具，现在已经变成带着电脑、平板、手机进课堂，这些智能终端都成了教学工具，在终端上搭载的不同教育机构开发和推送的网络MOOC、智能教育App、智能在线教育系统以及各种线上线下结合的兴趣班也都可以成为具体教学内容被学生浏览及学习。而教学规则也不再是单纯由教师主导的针对教学过程而制定的纪律规则等，如“认真听讲”“不交头接耳”等已经变成“控制上网时间”“不乱发弹幕”“不打开与学习无关的网页”等新型教学纪律，甚至还可以是诸如提供更多元关联信息、在线辅导、在线答疑等基于学生需求的主导规则。
在人工智能环境下，教学过程的劳动分工界限也渐趋于模糊，比如传统精准教学仍然强调教师——教、学生——学、管理者——管和家长——沟通的分工模式，但是在人工智能介入的教学过程中，每一个共同体成员都需要完成教、学、管和沟通的义务，比如教师就需要在教材和教辅之外更多涉猎相关支持信息或者冲突信息并消化吸收，才有可能转换成可讲授的知识点传递给学生，这其中也包括了教师自身的时间管理、兴趣管理、身体管理等。
此外，原本由辅导员和思政教师主要负责教授的诸如生活常识、爱国情怀和社会责任等综合知识也需要专业教师有机融入专业课程本身，以课程思政的方式呈现，才能真正有助于学生消化、理解通过人工智能平台所获得的多元信息。
三、利用人工智能创造无边界教育
1998年，澳大利亚学者斯图尔特·卡宁汉姆（Stuart Cunningham）在其出版的专著《新媒体与无边界教育》一书中，第一次提出了“无边界教育”（Borderless Education） [5]。疫情期间的线上云课堂实践就打破了传统教学的物理时空，依托人工智能的无边界学习和无边界的教育新时代终于到来，也为精准教学从关注抽象主体学生进展到关注具象个体学生提供了技术条件。
（一）人工智能创造时间可逆性
时间具有一维性和不可逆性，传统精准教学基本是在固定的时空前提下展开教学设计、教学实施、教学监控和教学反馈等教学全流程的。但是人工智能拥有强大的存储能力和运算能力，能将教师与学生、学生与学生、学生与智能机器的互动过程进行全方位、多层次的记录和运算，比如学生浏览网页的痕迹、停留时间、在评论区下方的回答或者在弹幕中表达的想法和观点都能被有效记录，在需要的时候由教师对这些记录进行历史还原和可视化处理，深度学习领域的“长短期记忆网络技术”与“深度递归网络技术”还可以挖掘以上记录背后的深层次结构性因素。以上痕迹留存在某种程度上创造了时间的可逆性，换句话说，人工智能能将学习时间一直保持在“现在时”状态，教师不仅可以反复退回至某个时间点采集需要的资料，还可以用于分析学生的学习进度、学习难度、学习习惯、学习规律，也可以发现学生学习的某些弊端。根据这一套学情分析系统，学生的学习个性也能得到充足的数据支持，下一步的教学改进自然就容易开展了。 （二）人工智能创造了教育的“混合空间”
迄今为止，人类教育空间的演变共经历了四个阶段：第一阶段是经验传授、耕读相继的“田野空间”;第二阶段是以班级授课制为基础的“课堂空间”;第三阶段是以信息技术为基础的“网络空间”和“现实空间”;第四阶段是以智能技术为基础的“混合空间” [3]。
人工智能为混合教育空间提供了技术基础，传统的课堂空间、网络空间处于叠加态，学生和教师都同时既处于物理空间即教室中，也处于无界的网络空间之中，这种多元空间的混在以及去边界化和再边界化、去中心化和再中心化生成了一种“泛在”的学习空间。学生依托这一“泛在”的学习空间，可以更灵活地开展自适应学习、混合式学习和个性化学习。
比如传统精准教学中以物理时空为前提的教室已经虚拟化，以某门课程或某位教师为主导的混班制更容易实施，或者在此基础上采用混合程度更高的拼盘制，即学生、教师、课程的大拼盘。假设以课程为中心的拼盘，则可以在课程主导之下，全校的学生打破自然班级混拼，同时教师也可以打破学院界限混拼;或者以某教师的某门选修课为主导，实行全校乃至全国学生的混拼。此举其实是借用了MOOC的授課机制并将它推广至日常教学，而且更为灵活和多样了，学生也可以在更多排列组合中选择最适合自己的课程或教师团队。如此一来，以提高学生综合素养为教学目标的精准教学也更容易推及个体学生层面，有利于教学目标的实现。
四、结语
人工智能近年来高速发展，在2020年新冠肺炎疫情背景下得以推广，它的技术逻辑还没有完全被摸透，将人工智能全面应用于日常教学所带来的正负效果仍然有待观察，目前的研究也只是描述性地提及人工智能对现有教育模式的挑战。而未来的人工智能化教育不仅能将无边界教育推向极致，同时也会将人们的心理边界推向极致，因此下一步的研究和思考将是人工智能如何创新并塑造了精准教学，尤其是对于教育心理的影响。
参考文献：
[1] Kubina，R.M.，Orrison，R.S.. Fluency in Education[J]. Behavior and Social Issues，2000，10（01）：83-99.
[2] 万力勇，黄志芳，黄焕. 大数据驱动的精准教学：操作框架与实施路径[J]. 现代教育技术，2019（01）：31-37.
[3] 刁宏宇. 时空的超越：人工智能时代新的教育在场方式[J]. 佛山科学技术学院学报（社会科学版），2020（09）：24-29.
[4] 郭利明，杨现民，张瑶. 大数据时代精准教学的新发展与价值取向分析[J]. 电化教育研究，2019（10）：76-81.
[5] 吴婷琳. 边界消弭与多元合作：我国高等职业教育资源配置的路径选择[J]. 江苏高教，2018（01）：104-107.
（责任编辑：淳洁）
关键词：精准教学;赋能;时空再造
中图分类号：G640 文献标识码：A 文章编号：1673-7164（2021）15-0005-03
2020年高校教育界遇到的最大挑战是新型冠状病毒肺炎疫情对传统教学模式的冲击，全国各地高校响应教育部“停课不停学”号召，基本都依托网络技术，利用大数据、人工智能技术展开了线上的云课堂教学。纵观教育史，高校这样大规模利用网络技术进行线上教与学的教育活动还是第一次。这次尝试给教育信息化提供了一个深化改革的机遇，也是对传统精准教学模式的一种挑战，未来教育工作者需要在不断改进相关技术的前提下，利用技术为精准教学赋能，开创教育的新格局和提升教育的新台阶。
一、云课堂对传统精准教学的挑战
20世纪60年代，美国学者奥格登·林斯利（OgdenLindsley）将斯金纳（Skinner）的操作性条件反射理论从实验室迁移到教育环境中，发展出了具有循证学属性的教学程序——“精准教学”（Precision Teaching） [1]。在智能時代，随着大数据技术的发展，精准教学开始突破传统模式的局限，逐渐发展为一种技术赋能的新型教学模式。大数据技术提供的海量数据和超速运算有助于建立起一套以学生为中心的研判机制，在精准分析学情的基础上精准定位教学目标、精准定制教学内容、精准设计教学活动、精准评价学习表现，进而驱动精准的教学决策，使教学过程和教学结果可量化、可监测、可调控 [2]。
但此时的精准教学，仍然是聚集在相对确定的“人、事、物、场、时”的时空界限之内的、以线下的实体课堂为主的教学，也就是说，教育的中心是课堂、教师与教材，有固定的授课时间、固定的授课班级、固定的授课教师、固定的作息时间、固定的运动时间等等，学生的“自由”也是被固定好的 [3]，一切教育涉及的要素都较好掌控和预测，当然也相对易于研判。而疫情期间依托人工智能推进的线上云课堂却打破了传统精准教学易于掌控的上述诸多因素，给教育者和学习者都提出了不少挑战。
二、人工智能对精准教学的环境改变
相对于传统的确定时空教学，引入人工智能之后的新式教学显然面临着很多不可预测且难以把控的环境因素，甚至成为影响精准教学的显性因素或关键因素 [4]。首先是主客体及共同体的变化。在人工智能构建的教学环境中，学生作为精准教学活动的主体应该具备一定程度的信息素养，以适应技术要求和网络环境，之前以知识掌握为中心的教学目标也相应转变为以信息素养为核心综合素养的提升。而教学共同体作为协助主体完成学习任务的其他参与者，也由原来的主要成员，即教师、学习伙伴和教学管理者，变为教师、实体学习伙伴、教学管理者、家长以及匿名的网络参与者共同组成的复杂组合，后两个因素尤其是最后一个因素成为传统精准教学最难把控的一个关键要素，见图1。
其次是教学中介物的改变。在人工智能环境下，传统精准教学中教学工具、规则以及劳动分工等中介物都发生了很大变化，以前以固定的教师和指定的教材为中心的教学工具，现在已经变成带着电脑、平板、手机进课堂，这些智能终端都成了教学工具，在终端上搭载的不同教育机构开发和推送的网络MOOC、智能教育App、智能在线教育系统以及各种线上线下结合的兴趣班也都可以成为具体教学内容被学生浏览及学习。而教学规则也不再是单纯由教师主导的针对教学过程而制定的纪律规则等，如“认真听讲”“不交头接耳”等已经变成“控制上网时间”“不乱发弹幕”“不打开与学习无关的网页”等新型教学纪律，甚至还可以是诸如提供更多元关联信息、在线辅导、在线答疑等基于学生需求的主导规则。
在人工智能环境下，教学过程的劳动分工界限也渐趋于模糊，比如传统精准教学仍然强调教师——教、学生——学、管理者——管和家长——沟通的分工模式，但是在人工智能介入的教学过程中，每一个共同体成员都需要完成教、学、管和沟通的义务，比如教师就需要在教材和教辅之外更多涉猎相关支持信息或者冲突信息并消化吸收，才有可能转换成可讲授的知识点传递给学生，这其中也包括了教师自身的时间管理、兴趣管理、身体管理等。
此外，原本由辅导员和思政教师主要负责教授的诸如生活常识、爱国情怀和社会责任等综合知识也需要专业教师有机融入专业课程本身，以课程思政的方式呈现，才能真正有助于学生消化、理解通过人工智能平台所获得的多元信息。
三、利用人工智能创造无边界教育
1998年，澳大利亚学者斯图尔特·卡宁汉姆（Stuart Cunningham）在其出版的专著《新媒体与无边界教育》一书中，第一次提出了“无边界教育”（Borderless Education） [5]。疫情期间的线上云课堂实践就打破了传统教学的物理时空，依托人工智能的无边界学习和无边界的教育新时代终于到来，也为精准教学从关注抽象主体学生进展到关注具象个体学生提供了技术条件。
（一）人工智能创造时间可逆性
时间具有一维性和不可逆性，传统精准教学基本是在固定的时空前提下展开教学设计、教学实施、教学监控和教学反馈等教学全流程的。但是人工智能拥有强大的存储能力和运算能力，能将教师与学生、学生与学生、学生与智能机器的互动过程进行全方位、多层次的记录和运算，比如学生浏览网页的痕迹、停留时间、在评论区下方的回答或者在弹幕中表达的想法和观点都能被有效记录，在需要的时候由教师对这些记录进行历史还原和可视化处理，深度学习领域的“长短期记忆网络技术”与“深度递归网络技术”还可以挖掘以上记录背后的深层次结构性因素。以上痕迹留存在某种程度上创造了时间的可逆性，换句话说，人工智能能将学习时间一直保持在“现在时”状态，教师不仅可以反复退回至某个时间点采集需要的资料，还可以用于分析学生的学习进度、学习难度、学习习惯、学习规律，也可以发现学生学习的某些弊端。根据这一套学情分析系统，学生的学习个性也能得到充足的数据支持，下一步的教学改进自然就容易开展了。 （二）人工智能创造了教育的“混合空间”
迄今为止，人类教育空间的演变共经历了四个阶段：第一阶段是经验传授、耕读相继的“田野空间”;第二阶段是以班级授课制为基础的“课堂空间”;第三阶段是以信息技术为基础的“网络空间”和“现实空间”;第四阶段是以智能技术为基础的“混合空间” [3]。
人工智能为混合教育空间提供了技术基础，传统的课堂空间、网络空间处于叠加态，学生和教师都同时既处于物理空间即教室中，也处于无界的网络空间之中，这种多元空间的混在以及去边界化和再边界化、去中心化和再中心化生成了一种“泛在”的学习空间。学生依托这一“泛在”的学习空间，可以更灵活地开展自适应学习、混合式学习和个性化学习。
比如传统精准教学中以物理时空为前提的教室已经虚拟化，以某门课程或某位教师为主导的混班制更容易实施，或者在此基础上采用混合程度更高的拼盘制，即学生、教师、课程的大拼盘。假设以课程为中心的拼盘，则可以在课程主导之下，全校的学生打破自然班级混拼，同时教师也可以打破学院界限混拼;或者以某教师的某门选修课为主导，实行全校乃至全国学生的混拼。此举其实是借用了MOOC的授課机制并将它推广至日常教学，而且更为灵活和多样了，学生也可以在更多排列组合中选择最适合自己的课程或教师团队。如此一来，以提高学生综合素养为教学目标的精准教学也更容易推及个体学生层面，有利于教学目标的实现。
四、结语
人工智能近年来高速发展，在2020年新冠肺炎疫情背景下得以推广，它的技术逻辑还没有完全被摸透，将人工智能全面应用于日常教学所带来的正负效果仍然有待观察，目前的研究也只是描述性地提及人工智能对现有教育模式的挑战。而未来的人工智能化教育不仅能将无边界教育推向极致，同时也会将人们的心理边界推向极致，因此下一步的研究和思考将是人工智能如何创新并塑造了精准教学，尤其是对于教育心理的影响。
参考文献：
[1] Kubina，R.M.，Orrison，R.S.. Fluency in Education[J]. Behavior and Social Issues，2000，10（01）：83-99.
[2] 万力勇，黄志芳，黄焕. 大数据驱动的精准教学：操作框架与实施路径[J]. 现代教育技术，2019（01）：31-37.
[3] 刁宏宇. 时空的超越：人工智能时代新的教育在场方式[J]. 佛山科学技术学院学报（社会科学版），2020（09）：24-29.
[4] 郭利明，杨现民，张瑶. 大数据时代精准教学的新发展与价值取向分析[J]. 电化教育研究，2019（10）：76-81.
[5] 吴婷琳. 边界消弭与多元合作：我国高等职业教育资源配置的路径选择[J]. 江苏高教，2018（01）：104-107.
（责任编辑：淳洁）