人工智能的教学角色隐喻分析

　　【摘要】能够自主“感知、理解、预测、行动”的人工智能是灵活强大的学习技术，在教与学过程中可以发挥多种作用。技术的灵活性为智能教学系统的设计和应用带来了挑战。合理的功能定位是人工智能技术发挥作用的前提，对其教学角色隐喻的分析对于智能教学系统的研究与利用有指导作用。本研究选择人工智能教育应用领域的高影响力项目开展了案例研究。案例研究表明，人工智能的教学角色隐喻主要有辅导者、教练、评价者、协调者、联通者、同伴和学生七种。从历史发展与现状来看，占优势的为教练、评价者和辅导者等教师隐喻。从教学的完整过程看，人工智能尚无法比肩人类教师，但在“行动中”其表现并不逊色于人类个体，在很多情况下各有千秋。受限于自然语言处理技术在语义处理上的裹足不前，辅导者还难以像人类教师一样与学习者开展连续的自然语言对话，但教练、评价者、协调者、联通者、学生和同伴则更充分地利用了计算机的多媒体与网络数据计算、存储、交互能力，能够提供人类教师难以或无法提供的学习经验。未来，人工智能的教学角色隐喻将继续演化，呈现出分化与整合、从支持“学”到“学教”并重的总体趋势;智能教学系统中文化因素的作用将日益显性化;将更重视与学习者建立与维持长期关系;人工智能将促进学习环境的虚实融合，提高学习环境的适应性。

　　【关键词】人工智能教育应用;智能辅导系统;计算机支持的合作学习;教学代理;高影响力项目;教学角色;案例研究

　　一、引言

　　能够自主“感知、理解、预测、行动”的人工智能是前所未有的强大学习技术，它增强了教与学过程中作为交互主体的计算机的灵活性与适应性(张志祯,等,2019)。在教育领域，可以低成本、大范围地使用智能技术的时间还不长，机构、个体的人工智能教育应用意识与能力差别很大，且总体上比较低。人工智能技术灵活、多样，它在学与教活动中起作用的方式多种多样，描述它作用的术语也并未达成一致。例如，“tutor”一词，有时指谈话教学法(如,Graesser,2016)，有时指认知学徒取向的问题解决教学法(如,Anderson,etal.,1995);译为中文，则有“辅导”“导学”“指导”等多种译法。对于核心概念的用词与内涵缺乏共识，就其后果而言，不但会增加沟通成本，易导致思想混乱，而且可能误导设计、开发与应用实践，不利于领域知识积累;究其原因，是受到领域快速发展、从业人员的学科知识背景与诉求差异大、相对忽视教学层面的反思总结等因素的共同作用。在大范围推进人工智能教育研究与实践的背景下，非常有必要对人工智能支持学与教的微观作用方式及其术语使用进行系统梳理。

　　在此过程中，人工智能的教学角色隐喻分析将是很有效的切入点。教学角色隐喻(metaphorofinstructionalrole)是对以人工智能技术为支撑的计算机系统在促进学习者①学习过程中所扮演的角色或发挥作用的方式的概括性比喻。社会心理学意义上的角色指个人在一定社会关系中占有的地位及其规定的行为模式。在某一社会情境中，角色的社会功能是通过主体的行为展现的，是其行为的集合。对于计算机系统而言，行为等价于其提供的功能(functionality或feature)，角色是特定功能的集合。隐喻是一种修辞手法，也是一种认知方式。

　　在修辞法意义上，隐喻是暗喻，是比喻的一种。隐喻较为含蓄，比喻隐藏在“是”这类谓词中，如“教师是人类灵魂的工程师”。有语言学研究者认为隐喻是一种认知方式，是人类的一项基本认知能力。在日常生活中，人们常常通过熟悉、具体的概念来认识、思考和说明抽象、复杂的概念，这就产生了隐喻;在新兴学科中这一现象尤为显著，如信息技术领域的病毒、信息高速公路等概念(刘丹凤,魏跃衡,2007)。在教育研究领域，教师的教学角色隐喻分析，即对于教师将教学看作什么、比作什么的系统分析，用于研究与发现教师的个人教学理论(康纳利,克兰迪宁,2004,p.73)，促进教师教育反思与专业成长(陈向明,2001)。Roll等(2016)认为对于人工智能教育应用领域，隐喻不但有助于建立共同愿景，而且有助于确立具体目标，对于人工智能教育应用研究有引领作用。在本领域诞生之初就已注意到计算机的教学角色隐喻问题。Collins等(1975)在40多年前就提到了人工智能的“人类教师”隐喻与“交互学习环境”隐喻。

　　20年后，Anderson等(1995)透露出辅导教师(tutor)隐喻的局限性，但已深陷其中，很无奈。20世纪90年代，可创建可视化交互虚拟的计算机多媒体技术成熟、普及，催生出教学代理(pedagogi⁃calagent①)及其教学角色研究，教学代理可以作为专家、激励者、指导者等多种教学角色(Johnson,etal.,2000;Baylor&Kim,2005)。又一个20年后，Roll等(2016)在元分析的基础上，提出人工智能作为“辅导教师”有局限性，未来应该追求做学习者的“导师”(mentor)。

　　二、问题与方法

　　本研究试图回答人工智能教育应用领域的如下问题：第一，人工智能主要有哪些教学角色隐喻?②第二，与人类教师相比，这些角色的优势与局限是什么?第三，教学角色隐喻分析对于未来的人工智能教育应用研究与实践有何启示?本研究为多个案的案例研究。采用案例研究的原因有三：一是本领域具有强烈的工程化取向，主要通过利用人工智能及计算机多媒体、网络技术建造教学系统或者系统原型来解决教育问题，这些系统蕴含了人工智能的教学角色隐喻，是天然的案例;二是本领域因人工智能技术发展、教育教学变革推进而处于快速发展期，知识体系、研究范式还未成熟，更适合探索性的案例研究;三是更深层次的认识论原因，即案例具有综合性与情境性，案例本身比从中抽象出来的原则更真实可信，更能体现实践智慧(波兰尼,2017,pp.63-64)。对于案例研究做如下说明：①案例选择标准。本研究案例为“高影响力”项目，案例需满足三个标准：一是持续时间较长，超过5年;二是在同行评审杂志/会议发表文章至少3篇;三是以目标学习者为被试开展过教学实验研究。②案例资料收集与分析方法。采用“滚雪球”法(巴比,2009)收集案例资料。

　　以《国际人工智能教育应用杂志(InternationalJournalofArtificialIntelligenceinEducation,IJAIED)》的25周年纪念专刊(2016年,第26卷第1、2期)为起点，在其“经典文章”的反思论文与参考文献的基础上，顺藤摸瓜，查找文献。采用质性研究的“持续比较”法，自下而上形成教学角色隐喻类别，并根据新案例调整类别体系。③案例分析单位。以项目开发的系统或系统原型为单位，汇总信息。记录案例系统名称、教学角色隐喻、开始年份、学科、知识点、学习目标类型、首席研究者、研究机构、研究机构所属地区、项目成熟度、体验版访问地址与账号等。项目成熟度属性的取值：原型描述、实验室实验、学校实验、课程整合和产品化五个水平。一个项目有多个版本或者衍生系统者，按照级别最高的取值。④案例情况。本研究重点分析的21个智能教学系统案例的基本信息见附表1。案例研究机构所在地区：北美17个，占比81.0%;欧洲4个，占比19.0%。项目的成熟度分布：实验室实验占比14.3%，学校实验占比14.3%，课程整合占比52.4%，产品化占比19.0%。学习内容分布：STEM16个，占比76.2%;语言、地理、社会文化行为等5个，占比23.8%。

　　三、人工智能教学角色隐喻：框架与案例

　　总体而言，如何促进学习者个体或小组的学习，即如何“用技术教”个体或小组，始终是人工智能教育应用研究关注的焦点。有关人是如何学习的、人类教师是如何教学的心理学理论是设计智能教学系统功能的主要依据，如维果茨基的内化与最近发展区理论、Anderson的ACT*R认知技能理论、人类教师辅导策略、班杜拉的社会认知理论、元认知理论、情境学习理论与认知学徒策略等。

　　(一)人工智能教学角色隐喻的框架

　　通过对案例中人工智能支持学习的方式进行分析概括，发现人工智能主要有七种教学角色隐喻，即人工智能作为：①辅导者(tutor)，呈现问题(ques⁃tion)，与学习者就问题进行自然语言对话，协同建构解释，促进学习者对于概念、原理的理解，如SCHOLAR、AutoTutor;②教练(coach)，选择问题(problem)，创建问题解决环境，逐步监控学习者解决问题的过程，适时给予评价、反馈，发展学习者的认知技能或者操作技能，如CognitiveTutor、WritingPal;③评价者(evaluator)，通过练习或测验评价学习者对知识、技能的掌握情况，也提供个性化反馈指导以及学情汇总，如ASSISTments、WISE+c-rater;④协调者(facilitator)，系统参与学习者的在线讨论，监控讨论是否偏离主题以及任务完成情况，并可根据情况进行干预，比如向某个学生提问，如MentorChat、Bazaar;⑤联通者(connector)，系统将学习者与恰当的资源或人建立连接，即资源的推荐系统、人的匹配系统，如CourseSignals、PHelpS、QuickHelper;⑥同伴(peer)，系统模拟出与学习者身份相同、人口学特征相似的同伴，以丰富学习交互方式，实现合作、观察与竞争等学习活动，促进学习者反思、表达，如LuCy、Mike、Alex;⑦学生(student)，系统模拟出能够以某种方式学习的学生，让学习者“教中学”，如Betty􀆳sBrain、SimStudent、SquareFamily。

　　在七种角色隐喻中，前五种均可视为教师(teacher)，因此总体上可以将教学角色隐喻分为教师、同伴与学生三大类。将上述教学角色按照应用环境(智能辅导系统，ITS;计算机支持的合作学习，CSCL)、领域专长高低、对于学习与认知社会性的强调程度等维度进行分析，可形成一个组织框架。协调者、联通者多见于计算机支持的合作学习(CSCL)环境中，即学习者借助网络与其他学习者开展合作学习活动，计算机起协调、支持、帮助建立联系等作用;其他五种角色主要在智能辅导系统(ITS)环境中，即计算机提供学习内容与学习环境，并与学习者开展教学互动。七种角色隐喻在领域专长(domainexpertise)与学习认知的社会性(socialdimensionoflearning)方面存在差异。通常而言，辅导者、教练与评价者位于连续体的一端，即计算机有很强的领域专长，具备解决学习者所面临的问题或任务的知识、技能，更强调学习与认知的个体性;学生、同伴、联通者、协调者位于连续体的另外一端，即其领域专长较弱，通常无法胜任解决学习者的问题这一任务，更强调学习与认知的社会性。在七种角色隐喻中，以用户数量和项目成熟度为标准，占优势的为教练、评价者、辅导者与学生。(二)辅导者：SCHOLAR与AutoTutor辅导者通过与学习者进行自然语言对话开展教学，促进学习。语言是教与学最基本的媒介，谈话教学法在东西方均有深厚的历史传统。孔子的“启发”、苏格拉底的“产婆术”，都以与学习者的谈话为核心。

　　四、人工智能不同教学角色隐喻的优势与局限

　　从教学的全过程看，人工智能尚远不如人类教师。任何模式的教学活动都可分为“行动前”“行动中”“行动后”(徐碧美,2003,p.24)。“行动前”的备课、开展教学设计、准备教学材料与环境，对人类教师而言通常是个体行为，对人工智能而言通常是多专业背景团队的工程任务，涉及教学设计、软件开发、设备调试、系统测试。可以说，对于智能教学系统而言，“行动前”基本上全靠“人工”。“行动后”，对人类教师而言是教学反思与作业批改，对人工智能而言似乎仅是被动的“数据统计报表”。

　　“教学相长”是人类教学活动的基本特点，不管是个别辅导还是集体授课，教学活动不仅能够促进学习者的发展，也能够改进人类教师对学科知识、学习者和教育情境的理解，即所谓“经验+反思=教师的成长”，教师的教学能力主要是在教学实践中发展起来的;对于人工智能而言，“行动”也许仅仅导致系统中学生模型有所更新而已。因此，本文只对比分析“行动中”人工智能与人类教师的行为表现。先分析人工智能在“行动中”的一般特点，再逐一分析各个教学角色的独特特点。

　　五、结语

　　本研究从教学角色隐喻的角度，以人工智能教育应用领域的高影响力项目为案例，对人工智能是如何支持学习活动的以及描述其作用方式的术语做了系统梳理。从案例中概括出七种教学角色隐喻，即辅导者、教练、评价者、协调者、联通者、同伴和学生。案例分析表明，人工智能的确是强大、灵活的学习技术，尽管在教学全过程中尚无法与人类个体相比，但它在“行动中”的表现并不逊色于人类个体，人工智能与人类教师在很多情况下各有千秋。受限于自然语言处理技术在语义处理上的裹足不前，辅导者还难以像人类教师一样与学习者开展连续的自然语言对话，但教练、评价者、协调者、联通者、学生与同伴则更充分地利用了计算机的多媒体数据计算、存储和交互能力，能够提供人类教师难以或无法提供的学习经验。如此灵活强大的学习技术，如何能够更充分地发挥作用，在更大范围内促进学习，提升教学质量，是亟待探索的课题。

　　未来，在各种外部力量与教育改革内在需求的推动下，人工智能教育应用将逐步生态化。人工智能教学角色隐喻将持续演化，总体上将从仅关注、支持“学”，技术自己去“教”，转变为“学教”并重，即技术除了继续支持“学”，还将支持教师的“教”。智能教学系统中文化因素的作用将显性化。人工智能教育应用领域将重视与学习者建立和维持长期关系的必要性、可行性与方法;将持续推进学习环境的虚实融合，提高学习环境的智能化水平，即提高其灵活性与适应性。本研究也存在一些局限。第一，案例选择的标准使新的项目未能纳入，特别是有关机器人教育应用的项目。这一决定有利有弊：好的方面，是能够排除一些“赶潮流”的项目，毕竟虽然技术发展飞速，但人类的学习和认知方式与能力是基本稳定的，而且人工智能技术复杂、不稳定，教育领域的研究者与实践者充分理解技术、全面认识其教育潜力、找到其发挥作用的方式与情境是需要时间的;坏的方面，是可能会遗漏关键项目，导致忽略重要的研究趋势，但通过对2018年、2019年相关学术会议论文的内容进行非正式分析可以发现，本研究所概括的隐喻能够涵盖最新的研究。

　　第二，本研究所选择的案例是和学习过程直接相关的人工智能教育应用项目，而对于其在大规模考试的作文、口语评判以及拍照搜题等与学习过程不直接相关的应用没有涉及。第三，选择的案例主要为美国、欧洲的科研项目。案例未涵盖我国的项目，是受文献检索结果、案例选择标准所限;未将某些知名的商业项目纳入分析的原因是，有关这些产品的可信度高的资料很难获取。智能时代来临，教育变革压力空前;我国教育信息化进入2.0新阶段，领跑的“智能化教育”亟待研究支持。对高影响力项目的案例分析，折射出欧美四十多年的人工智能教育应用研究与实践经验，对我们利用人工智能变革教育有借鉴价值。因此，尽管研究存在一些局限，我们也不揣浅陋，希望从教学角色隐喻这一视角对于人工智能在学与教过程中微观作用方式的概括分析，有助于引发更多对于人工智能教育应用过程中教学法层面的思考与讨论。

　　人工智能方向论文范文：人工智能在智慧景区管理中的应用现状与前景初探

　　摘要：国内外在智慧城市、智慧旅游、智慧景区等方面的研究已有较多进展，在大数据、人工智能、机器学习等相关领域的研究较为丰富，其研究成果、基础理论、方法技术等均打下一定的基础。智慧景区规划管理尝试在人工智能领域发挥学科优势，在学术研究中借助机器学习，探索规划决策的新规则与新模型，构建完备的智慧景区管理体系，对于完善我国的景区智能化，提高个性化服务水平，提升风景园林专业的发展水准具有重要的战略意义，也是响应国家政策、顺应时代潮流的必然趋势。