智能时代的人机协同学习:形态、本质与发展

作者简介:
郝祥军,华东师范大学教育学部教育信息技术学系在读博士,研究方向为智能教育、学习科学与技术设计;张天琦,华东师范大学教育学部教育信息技术学系在读硕士,研究方向为信息化教学设计;顾小清,华东师范大学教育学部教育信息技术学系教授,博士,博士生导师,研究方向为学习科学与学习技术、技术支持的教学创新(上海 200062)。

原文出处:
中国电化教育

内容提要:

人工智能推动了智能教育的快速发展,展现出人机协同的实践特征。但人机协同学习作为智能教育的重要组成部分,已经呈现出怎样的实践形态、透过现象彰显出怎样的本质却鲜有研究探讨。为了技术更好地服务教育、服务人的发展,研究对智能时代的人机协同学习实践进行深入剖析。首先,综合相关文献和实践发现,人的认知活动与机器智能产生了千丝万缕的联系,人机协同学习在实践中已呈现出知识导学、互动对话、智能增强三大形态。其次,透过现象看本质,研究从人机构成的学习双主体协同结构中揭示出人机协同学习三个重要本质内容:一是人机协同学习意味着人类认知与人工认知的协同混合;二是人机交互技术的应用为人机协同认知搭建了流畅的通道;三是人机互惠构成人机有效协同的关键。最后,研究提出两点发展建议,即在技术层面以人机交互与人机互惠为着力点提升技术设计,在实践层面以学习科学与以人为本为基本遵循规范实践过程。


期刊代号:G1
分类名称:教育学
复印期号:2024 年 02 期

字号:

       一、引言

       以人工智能为代表的新兴科技浪潮推动了智能教育的快速发展。我国《新一代人工智能发展规划》强调,要大力发展智能教育,构建包含智能学习、交互式学习的新型教育体系,并指明将人机协同增强智能作为人工智能发展的重点之一。教育人工智能以创设智能学习环境和揭示学习发生的原理与机制为主要目标,致力于增强人的智能和服务人的学习发展需求[1]。随着人工智能不断突破升级以及与教育的快速融合,人类与机器正在建立紧密的协作学习关系,人借助技术中介与外部环境交互、认识自我与世界的学习形态正走向常态化[2]。而且,由人工智能引发的学习革命正日益凸显智能技术赋能个性化学习的实践效果[3]。机器开始分担原本全部由人类大脑完成的认知活动,改变了信息加工过程,从而影响了学习发生过程与机制,最终推动了人机协同智能结构的形成,衍生出人机共生的学习系统[4]。正如毛刚等人所言,人机协同下的智能教育世界可谓是由学习者与智能技术在交互过程中形成的社会生态,人机协同将成为理解和建构未来教育的新方式[5]。随着教育步入智能时代,人机协同学习也由此成为当下乃至未来人类社会的一种应然学习形态[6]。陈凯泉等人综合分析智能教育中人机协同应用场景认为,人机协同的根本内涵在于回答“人应该做什么?技术机器应该做什么?以及人机如何协同?”三个关键问题[7]。众多学者以此展开了对智能时代人机协同学习的价值内涵、表征形态与实践进路[8]、实践模式[9]、特征与过程[10]、人机协同的精准学习干预[11]的探讨与框架构建研究。但人机协同学习作为智能教育中的重要组成部分,已经呈现出怎样的实践形态?透过现象又会彰显出怎样的实践本质?却鲜有研究探讨。实践的探索需要伴随相应的理论同行,为了技术更好地服务教育、服务人的发展,研究认为有必要对智能时代的人机协同学习实践进行深入剖析,探讨其在实践中应用的本质特征,从而为人机协同学习的未来发展提供方向与建议。

       二、实践形态

       人机协同学习是对人类智慧发展的补充与助力,由人机构成一种协作智能来实现人类发展的目标[12]。随着人工智能技术的不断发展,智能时代技术的教育应用逐渐关注如何基于认知科学或学习科学来促进智能技术与教育教学实现科学、有效的深度融合,并通过设计开发智能学习系统的形式来实现人机协同学习。综合当前人机协同的主要实践模式,包括机器主导的训练学习模式、人机分工的协作学习模式和人类主导的探究学习模式[13]。以其对应人机协同学习的实践形态,智能技术则主要从知识导学、互动对话、智能增强三个方面参与人的认知学习过程,分别扮演着专家导师、智能学伴、智能助手等角色促进人的学习。

       (一)知识导学:以自适应引导认知的过程

       从斯金纳提出程序教学机器,到今天的自适应学习系统,基于规则的学习系统一直参与着人的学习活动,其主要表现为以习题训练为核心内容的知识练习。随着人工智能的发展,智能环境下的学习系统虽然正试图“逃离斯金纳箱”,摆脱行为主义技术的桎梏[14],但不可否认的是,以知识为核心的导学仍然是智能技术影响学习的基本方式。只是智能时代的学习系统可以借助自适应诊断、反馈与推荐技术等为学习者规划个性化、定制化的学习路径,表现出自适应的特征,其本质上依然是按照系统预设的学习路线来引导学习者的认知过程。一般而言,智能学习系统多是基于专家知识构建专家模型,并对专家知识库中的每个成分都进行权重的赋值。其背后的运行逻辑在于智能学习系统可以构建出新手—专家差异模型,通过对比初学者的先验知识状态与领域专家的知识结构,确定学习者需要掌握的知识与概念。如今,大数据技术对知识节点关系的不断挖掘,构建学科知识图谱也是实现自适应学习的一个关键方法。知识图谱可以建立不同知识结点之间的关联关系与顺序关系,并为整个知识网络或知识体系的构建画好蓝图。智能学习系统会根据不同学习者特征在知识图谱中个性化定制学习路径,而最终依然是以知识为主线的导学模式。不同的是在学习内容自适应的基础上,学习评价自适应表现出的巨大优势,即可以利用一系列的问题与反馈来修订学习者的状态,并根据学习者的学习进度进行干预和调整。某些学习系统之所以一直被诟病走了行为主义的老路,正是因为某些事件的触发与反馈是在事先进行了规定,导致学习路径相对固定,缺少动态的变化。随着智能时代对传统项目反应理论的改进与更新,知识空间理论、认知诊断模型、贝叶斯知识追踪模型与自适应测评技术等新方法在智能学习系统中的应用实现了对学习者知识掌握状态的实时评价与反馈,为学习内容的个性化提供了关键支撑。此外,智能学习系统不仅可以提供专家所掌握的知识领域,还能够动态推荐适合学习者的学习序列,扮演一对一导师的角色,“手把手”辅导学习者学习。比如,通过智能代理(Agent)的形式,基于虚拟化身技术以导师(Tutor)的形象出现在人机交互的显示界面中,基于自然语言处理技术实现与学习者的文字或语音互动,并对学习者的学习情况进行诊断,以此提供相应的反馈来帮助学习者学习。所以,从知识学习的角度来看,智能时代人机协同学习的一个主要实践形态是以自适应技术引导学习者的自主学习与认知过程,通过反复训练、反馈和刺激,强化人对知识的理解与建构。

相关文章: