时间：2023-09-05 16:32:03
序论：在您撰写人工智能和智能教育时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
自1956年人工智能概念在达特茅斯会议提出以来, 人工智能的发展超出了人们的想象:1997年, IBM超级电脑深蓝击败国际象棋世界冠军卡斯帕罗夫;2016年, 由Google旗下的深度学习公司Deep Mind开发的人工智能围棋程序Alpha Go战胜了世界围棋冠军李世石, 这件事轰动了全世界[1]。随后有关人工智能的热点应用不断推出, 比如无人驾驶、智能医生、语音与人脸识别等, 让我们认识到人工智能的应用已与生活息息相关。在教育领域, 人工智能应用也取得了重大突破, 比如2017年高考期间, 机器人艾达挑战高考数学, 10分钟就答完, 获得134分, 激发了教育领域对人工智能的巨大热情, 同时也引发了人们对教育的忧虑与反思[2]。2017年7月国务院印发了《新一代人工智能发展规划》, 提出人工智能产业竞争力在2030年要达到国际领先水平。目前世界主要发达国家先后从国家层面人工智能政策规划, 将人工智能作为国家经济发展、社会变革和国际竞争的新动力[1]。
1 人工智能定义和发展阶段
人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。
2 人工智能应用状况与反思
2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。
3 人工智能时代职业教育的发展策略
为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。
3.1 解放思想, 更新理念与制度
中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。
3.2 善用人工智能, 提升教学与管理
在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。
3.3 深化产教融合、优化实训筑牢就业
在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。
3.4 完善终身学习的职业教育体系
随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。
3.5 人文教育为道, 智能教育为用
在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。
4 结论
人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。
参考文献
[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.
[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].
[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.
[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.
[5]贺倩.人工智能技术在移动互联网发展中的应用[J].电信网技术, 2017 (2) :1-4.
在人工智能技术应用上，教育领域也深受影响，如何更好的迎合现实需求，对此，我认为
一、人工智能技术要在促进学生学习理解上体现价值。
技术是有成本的。如果技术应用只是提高了训练的效益，其价值便只在低层次认知能力，这些成本是否值当？人工智能技术之应用须在促进学生高层次认知能力的发展上发挥作用，帮助学生从解答习题为主走向解决问题为主。我们应该依托人工智能技术在情境创设与人机互动等方面的优势，促使学生基于理解的学习，促使学生面向应用的学习。
二、人工智能技术要在促进学生个别化学习中发挥作用。
人工智能技术的出现，打破了教育的知识传播平衡，加强了“以学生为中心”的学习关系，使对每一个学习个体的尊重有了可能。而这恰是当前教育实践的薄弱之处。因而，在学校层面应用大数据与人工智能技术的关键，未必在统计意义的归因，而是关于学习个体的过程信息的采集，这是促进学生个别化学习的技术凭借。
关键词：人工智能；大数据；交叉领域
自二战时期阿兰•图灵破解恩尼格玛密码机带来胜利的曙光之后，人工智能初见苗头，1956年“人工智能”一词首次由约翰•麦卡锡等科学家在达特茅斯研讨会上提出，时至今日，人工智能经历了60多年的浪潮和洗礼，其中有曙光、有冰封，也有期望。纵观当下，人工智能不仅仅是机器智能，在深度学习和推陈出新的算法推动下，其携手云计算、大数据、卷积神经网络等，攻破了自然语言语音处理、图像识别的瓶颈，像潘多拉的盒子一样在认知科学、机器人学、机器学习等领域全面开花，人工智能涵盖了从基础层、技术层到应用层等多个方面，为人类文明带来了翻天覆地的变化[1-2]。人工智能包罗万象，在其基础上衍生的大数据“洪流”对人类社会的方方面面进行冲击，这些数字的价值已然超越了诸如金钱、财产、黄金、石油，甚至是土地。然而，大数据技术也如同普罗米修斯盗得的圣火，一方面给人间带来温暖和光明，另一方面也有可能使自身被奴役甚至使人葬身火海[3]。因此，当我们沉迷于大数据的海洋中时，我们是否有能力像蓝鲸遨游大海一样自由掌舵，是当今大数据和人工智能时代存在的一个重大问题。是“曲径通幽”还是“会当凌绝顶”，我们如何在大数据中“浮游”，而不是一味地扩充，需要理性看待与合理评价大数据对人类生存和发展的影响。
1.人工智能和大数据与“工业革命”
2020年刚刚结束的新一轮美国总统竞选上演了各种“国家闹剧”，为何特朗普在2016年赢得大选，而4年之后却无法连任？时间推移，2016年他胜利的部分原因在于他利用了面临技术威胁的工业行业中工人们的焦虑，同时指责非法移民对美国及美国人资源和就业机会的占用[4]。但在技术浪潮的挑战中，自动化和人工智能才是占用的“根源”。早在18世纪60年代工业革命时期，机器取代人力，规模化工厂生产取代个体手工生产，即引发了人工智能数据的工业大变革。从机械结构、电气控制等模块的设计和改良，车间机器人的智能化已可以代替人完成生产作业[5]。通过智能化机器人可以减轻劳动负担，还可以用于环境检测[6]和实施救援[7]等，保护我们的人身安全。这些“机器人”在为我们减负的同时确实也引发了“失业危机”，这种现象不仅于美国，日本、韩国和德国亦是如此。我们也许可以形象一下，未来20或30年后，工厂中工伤几乎为“零”，完全实施机器人24小时作业，速度惊人，质量统一，而仅有的几个人使用简单的触摸界面对机器下达“命令”。机器的发展已超乎我们对普通机械的认知，21世纪开发的三大机器人中大狗（BigDog）解决了运动和重载运输问题，特别用于军事领域，被誉为“当前世界上最先进适应崎岖地形的机器人”；亚美尼亚（Asimo）从人类如何移动上展现了机器人仿人运动；Cog具有了人类所特有的思考，由不同处理器组成的异种机互联网络形成了“大脑”。特斯拉——其除了是电动汽车和能源公司外，还是自动驾驶汽车行业的领跑者之一。其2016年已销售具有自动驾驶、自动自制和自动停车功能的电动汽车，但出于法律和伦理层面，驾驶员还是要坐在驾驶位上，但他可以做他想做的其他事，发短信、打电话或是休息，而不再是驾驶汽车。我们可以不用担心酒驾，不用因为时间紧张而疲劳驾驶，不必为新手司机而变得脾气暴躁……汽车自动驾驶将让我们行驶得更规则、更安全和更“无聊”。自动驾驶上的智能进化，使得自驾型派送车为商业化服务成为可能，还有自驾型飞行器也在被研发，通用、宝马、谷歌等公司一直在努力开发，通过无人机在您家门口投送包裹将对电子商务世界带来更多创造性方案。“如果你够走运的话，机器可以把你当成宠物。”虽为戏谑之言，却又饱含心酸。工厂变得越来越自动化，但其仍需要人类专家，他们才知道如何监控传感器，知道在发生故障时如何进行修复，机器的运行离不开人的监控，只有人的思考才能有新产品的诞生以及高效的生产流程，我们与机器共存，是从体力中解放，但要从事脑力工作。
2.人工智能和大数据与金融的未来
“数字蝶变”席卷金融行业各个领域[8]，金融行业应用大数据、移动互联网、人工智能等先进信息技术，累积了非常多的客户信息。通过大数据的帮助，金融公司在分析数据下寻找更多的金融创新机会。在商业智能（BI）的辅助下，电信业可以对客服描述和定位及需求进行预测；保险业可以在进行风险分析的同时进行损益判断；银行业可以调整市场活动，建立信贷预警机制等等[9]。人工智能和大数据让金融业形成了“以客户为中心”的模式。与客户最密切的金融即是金钱，但是它们已经被“支付宝”和“微信”以及更多的电子支付方式取代，越来越少的人使用现金，数字金钱是否会完全取代物质金钱，我们很可能会发展为无现金社会。那么首先“下岗”的是谁呢？答案毫无疑问：银行。巴克莱银行前首席执行官安东尼•詹金斯曾预测，对于工业化国家，银行员工和其分支机构在未来10年内会消失；花旗全球视角与解决方案的一项研究预测，美国和欧洲的银行将在未来10年裁减约180万员工；甚至2016年2月的一份丹麦银行家协会新闻稿表示，银行抢劫案数量连续第5年下降。就支付领域而言，在这样的时代背景下，如何利用大数据技术对跨越式发展的支付行业进行监管，成为一个值得深入研究的课题[10]。在人工智能下，我们都有被银行自动回复或自会读取特定问题的“员工”惹恼过。沟通技巧和财务知识同样重要，因此，银行业员工的下岗只是在基础性操作上，对于“专业咨询”，需要更多受过高等教育、具有更好沟通能力的员工。目前，我国的多数银行还没建立“开放、共享、融合”的大数据体系，数据整合和部门协调等问题仍是阻碍我国金融机构将数据转化为价值的主要瓶颈。大数据的整合、跨企业的外部大数据合作不可避免地加大客户隐私信息泄露的风险。有效防范信息安全风险成为商业银行大数据应用中急需解决的问题。
3.人工智能和大数据与“专家系统”
电子病历数据、医学影像数据、用药记录等构成了医疗大数据。医疗数据不仅包括大数据的“4V”特点，即规模大（volume）、类型多样（variety）、增长快（velocity）、价值巨大（value），还包括：时序性、隐私性、不完整性和长期保存性。医疗大数据可以提供预警性，当数据发生异常时，通过一定的机制可以发出警告，从而迅速采取相应措施，及时解决问题[11]。成立于1989年的美国胸外科协会（STS）数据库，至今已经涵盖了美国95%的心脏手术，收集了500万条手术记录[12]。其中的先天性心脏手术（CHSD）数据库是STS数据库的重要组成部分，是北美最大的关注儿童先天性心脏畸形的数据库，被认为是医学专业临床结果数据库的金标准。近年来，基于CHSD数据库所进行的数据挖掘不断增加，大型数据库对提高医疗质量所起到的正向作用正在日益凸显。如Welke等基于CHSD数据库探讨小儿心脏外科病例数量和死亡率之间的复杂关系[13]；Pasquali等基于CHSD数据库探讨新生儿Blalock—taussig分流术后的死亡率[14]；Jacobs等基于CHSD数据库采用多变量分析方法来研究病人术前因素的重要性[15]；Dibardino等基于CHSD数据库采用多变量分析的方法来探讨性别和种族对进行先天性心脏手术结果的影响[16]。这些都是在医疗领域采用人工智能提供的医疗诊断，形成了“专家系统”，专家系统可以说是一种最成功的人工智能技术，它能生成全面而有效的结果。借助医疗大数据的平台，“专家系统”可以智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。不仅是数据平台，“达芬奇机器人”可以看成医疗的高精尖“人工智能”，它能缩短泌尿外科手术以及术后患者恢复时间，促进患者早期下床活动，减低并发症发生率[17]。达芬奇手术机器人在消化系统肿瘤、泌尿系统肿瘤、妇科肿瘤和心胸部肿瘤等手术中均有运用[18]。正是机器人，还有其他人工智能设备，如插入手表或衣服里的传感器、植入我们皮肤下的芯片，以及智能手机中装有各种“专家系统”的远程医疗、预防医学，甚至是器官的3D打印和虚拟现实治疗等的发展，让医学发生相应的转变，并使其逐步突破人类的传统健康概念，那么是否意味着医学将成为只有科学性，毫无直觉性的学科呢？我们携带的内部传感器和外部应用程序将成为我们的医生吗？“你好，医生”被“嘿，Siri”取代吗？这不尽然。医学必然将是向精准化发展，并更具个性化、参与性、预防性和可预测性。医生不再是疾病的修理工，而是改善我们健康状况的顾问。直观当下，我们还是被“看病难”所困扰，我们提出“分级诊疗”，是在拥有家庭医生、全科医生和专科医生的基础上再加上人工智能，以实现预期的健康监测、辅助诊疗和疾病筛查。
4.人工智能和大数据与教育变革
面对各行业和各学科，教育作为传承文明和创新知识的载体，似乎被排除在人工智能之外。就目前而言，人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题[19]。我国目前更想要做到的是在教育上消除“信息鸿沟”，促进教育公平、均衡发展。因此，目前可以看到人工智能的教育多在于语言学习软件，通过虚拟技术和人工智能构建一个灵活的、可扩充的虚拟交互平台，设计多维虚拟场景和智能人工角色，实现不同场景下人机角色的交流和学习，提升学习者的口语能力和语感知识[20]。这使得教师不再是唯一的知识传播者，任何互联网搜索引擎都将提供比教师所有的更多信息，并且可以更快捷地获取。肺炎疫情暴发以来，远程网络教育成了主要教学形式，互联网教育形式其实早在小学、中学和大学中运用，虚拟现实技术在教学领域的研究和探索也在全面展开。谷歌已经开发一款VR纸板视图，并将研发的虚拟课程一起推向市场，使现实生活中在生物课上解剖一只青蛙成为一件容易且有趣的事，通过虚拟青蛙，学生们可以去除心脏和其他器官，而不再是象征性的抽象体验。虚拟现实可以像互动游戏一样，比单一的在教室听老师授课带来更多乐趣和体验，学习效果可能更好。我们的学习是知识的积累，那么教育就是我们的库，荀静等结合自身情况对西安工业大学知识库构建进行探究，认为机构知识库在保存知识资产的同时，更重要的是促进学校知识资产的传播利用和管理，提升学校影响力和学术声誉[21]。刘畅等通过对东北大学机构知识库服务的推广研究，了解到开放获取的概念和实践已经受到了广泛的认可，机构知识库不仅可以成为一个知识的存储库，也可以成为各个学科领域的学者进行在线交流的平台，提供个性化的增值服务，既有利于机构知识库的内容建设，也可以进一步促进学术交流和科研合作[22]。知识库，即大数据的有机整合和有序利用，是学术成果、视频文档、实验数据等进行收集、长期保存、传播和提供开放利用的知识资产管理与教育服务[23]。
5.人工智能和大数据应用的共性需求
人工智能和大数据时代，海量的信息来自“五湖四海”，但都通过互联网络汇聚智能终端。这些数据只会进一步增多，不仅仅是云存储，对于信息的进一步挖掘、处理、分析和利用，目标性结果才是我们最想要的信息。全球包括IBM、微软、谷歌和亚马逊等一大批知名企业纷纷掘金大数据挖掘这一市场，大家都在开拓自己大数据分析平台。数据挖掘是大数据时代孕育的产物[24]，是我们的共性需求，与传统的统计分析技术相比，数据挖掘有着自身的本质特征,数据挖掘是在没有明确假设的前提下去挖掘信息并发现知识。数据挖掘所得到的信具有先前未知、有效以及可实用三个特征[25]。数据挖掘的出现不是为了替代传统的统计分析技术,相反，它是统计分析方法学的延伸和扩展[26]。随着信息时代的到来，数据挖掘被越来越多地应用于各个领域。
6.人工智能和大数据的展望
大数据与人工智能相辅相成，在人工智能的加持下，海量的大数据输出优化的结果，使人工智能向更为智能的方向进步，大数据与人工智能的结合将在更多领域中击败人类所能够做到的极限。漫长的人类历史发展和进化，信息和人类一直“缠缠绵绵”“你追我藏”，因此，我们应该明白信息就是信息，我们需要的是“维基百科”，而不是仅仅的“维基”。走出狭隘的信息资源，管理和洞察大数据，才是对数据的有用。因为，我们早已告别了数据库放在一间房间的时代。此刻不得不提蓝鲸法则——大数据之道：了解数据懂得利用数据的“浮力”才是关键；“以简约为目标”将数据最终形成洞察及行为；可以通过“数据”“信息”“知识”流程式、组合式、直通车式各种需要的方式来获取[27]，在简约中“印象”处理繁杂的大数据，使之“为我所用”。=数据也是一门科学、一项技术，如果实验不能证明其具有可重复性和一般性，那它是没有科学依据，但是，任何一项科技，如果你坚信它必将改变社会和商业，选择从长期展望其发展并持续付出努力，那么就是一种战略选择[29]。人类社会的政治、经济、文化、思维等固有“态势”被重刷，数据思维将为我们带来一个智能全新的世界观。
学校是美国20世纪50年代最早采用人工智能教学法从事英语教育的大学。经过半个多世纪的发展，已经形成了一套系统性的教学理论，在英语语言教学方面取得了巨大成就。
改革传统教学模式
田纳西州立大学是一所由政府资助的大学，地理位置优越，其所在地――纳什维尔，是医疗卫生、音乐、出版和交通运输的重要中心，也是美国乡村音乐的发源地，素有“Music City USA”之称，曾在2006年被提名为美国最佳居住地第一名。学校共提供45个学士学位和24个硕士、博士学位，主要集中在人文科学、行政管理、心理学、特殊教育和教学、生物科学以及计算机科学等七个领域。学校商学院在1994年获得高级大学商学院国际协会认证，并同时在本科生和研究生课程两方面得到了国际认可。
在早期发展阶段，由于师资力量严重不足，学校采取了以人工智能辅助的方式开展教学活动。如今，田纳西州立大学的人工智能教学法在美国可谓独树一帜。他们在教学过程中注重从学生的心理特征出发，营造了科学高效的学习环境，大大激发了学生的学习兴趣。
在田纳西州立大学，教师在教学过程中侧重于营造良好的学习环境，设法将文本、图形、色彩、声音、影像等信息融为一体，打造形式多样、内容丰富的教学内容，而不是机械地灌输书本知识。这对于激活学生的感知能力，吸引学生的注意力，以及调动他们的学习兴趣等具有十分显著的作用。在这样的环境下，学生获取的信息量远比传统教学环境下要多，学生学习的态度也更加积极主动，有效地培养了他们的自主学习能力，极大地提高了学校的教育教学质量。
与此同时，学校在教学过程中十分注重新技术的应用。当微软公司刚推出MS Power Point（PPT）时，学校便尝试将这种技术应用到教学中。从教学实践来看，基于PPT的教学课件，具有吸引学生注意力、刺激学生产生学习兴趣的特殊功能。教师们借助该课件强大而生动的演示功能和链接功能，将自己多年总结的教学内容制作成多层次和交互性较强的演示文稿，利用超级链接功能将词汇、语法、语音和图像等与教学内容有机结合，形成了线性和非线性课程教学体系，极大地丰富和强化了课堂教学。
随着PPT形式、颜色、动画效果等不同的变化，学生们对课件内容产生了越来越大的兴趣，对所学知识的掌握也更牢固。同时，老师还让学生将所学知识自己动手做成幻灯片，拿到班上演示给大家看。学生在准备课堂发言时，会上网查询相关文化背景知识，正确使用相关专业知识点，既复习了所学知识，也提高了学生的学习兴趣，增强了学生实际运用专业知识的能力。
近年来，学校还自主开发了人工智能化的语言教学软件，学生可以在校内的任何一个计算机终端上链接到服务器上的教学软件，从而实现真正意义上的自主学习，从根本上改变了传统教学环境。
创设“人工智能”课堂
田纳西州立大学的教学人员认为，语言学习的核心目的是为了形成语言能力，而语言能力的形成是建立在真实语言材料基础之上的，整个教学活动必须有一个自然、真实的语言环境。而在传统英语教学中，教师所采用的单词、句型往往都是教科书上或是词典上的，与现实生活存在一定的差异，不利于教育教学水平的提高。
为此，他们在英语教学活动中大胆引入人工智能技术，与时俱进地吸收当前流行的英语词汇，并且及时更新一些旧词汇的新用法。通过人工智能教学系统，教师可以通过多媒体课件，向学生全方位地展示英语文化、英语语言思维以及英语语言习惯，帮助学生理解和掌握英语，从而有效地克服传统英语教学存在的缺陷。该系统不仅有助于学生在有限的课堂时间内获得更多的信息，而且拓展了教学空间，让教学活动从课堂延伸到课外，使学生们可以自由地调取多媒体课件，实现自主学习英语，从而达到事半功倍的教学效果。
与此同时，阅读及写作能力培养也是田纳西州立大学的一大特色。传统的阅读及写作课主要采用的手段是教师讲解，教学内容也大多源自教材，形式单一，内容陈旧，很容易让学生产生疲劳感。针对这种情况，学校通过采用人工智能教学系统，使教育教学效率明显提升。教师在教学中通过引导学生掌握不同体裁的语篇所具有的不同交际目的及篇章结构，帮助学生提升阅读、写作能力。教学中，教师将教学内容所属体裁类型的特点用多媒体一一展示，使学生有效地掌握不同题材的语篇结构，使他们在阅读理解相关体裁的内容时，能准确理解内涵，并能够模仿其特点写出相同体裁的文章。
借助人工智能系统，田纳西州立大学为学生们提供了全方位、自主式的学习环境，同时，他们的学习进度会被计算机完整地记录。计算机会根据他们各自的学习情况，提供适合的学习内容，使他们在没有教师指导的情况下，也能够顺利地完成学习任务。
定制“个性化”学习模式
多年来，田纳西州立大学的教育教学活动一直倡导“自主化、个性化”，力求打造以学生个体为中心的学习模式。在传统教学中，由于课时短、教学内容多，教师往往无暇顾及每个学生的需求和差异，只能够设定一个统一的标准开展教学活动，对于学生的个性发展是非常不利的。
针对这种情况，学校进行了多元化教学模式改革，为每个学生定制“个性化”学习模式，使他们拥有更多自主选择的空间，从而能够同时满足不同层次学生的需求。同时，学校还从根本上打破了传统教学活动受到时间和空间限制的局面，使学生在课堂上没有解决的问题，可以通过智能教学系统加以解决，也可以通过网络向教师求助。这样，他们就有了更为宽广的思维空间。这对于专业能力的形成而言，无疑具有十分重要的影响。
不仅如此，在这种学习模式下，教师的身份也发生了变化――在教学活动中不再是主导者，而是一个参与者、咨询者、监督者，学生则成了教学活动的主体。
关键词：高校；人工智能；伦理道德教育
中图分类号：G642.0文献标志码：A文章编号：1674-9324（2019）41-0144-02
一、人工智能课程伦理考虑的基本内涵
人工智能课程中进行伦理考虑，是在人工智能课程中有针对性地加入道德教育的元素。在方式上，可以借用西方的“隐形教育”方式。在内容上，必须符合中国的人工智能发展态势，更要受中国社会主义核心价值体系的引导。目前中国的人工智能课程，过度偏向于技术性。尤其是许多社会机构提供的课程，更是偏向于功利性，目的在于让学习课程的学习者快速获得工作。因此，必须从源头入手，对这些社会机构进行一定的约束和规范，对人工智能课程内容进行整体的架构。
二、高校人工智能课程中伦理考虑的必要性
（一）我国对于科技工作者职业道德建设的要求
首先，科技工作者的职业道德建设是促进社会治理体系现代化的必然要求。加强社会治理制度建设，一靠法治，二靠德治。中国正聚焦力量加强自主创新，科技是第一生产力。基于当代中国语境下，科技工作者的职业道德建设就至关重要。科技工作者对自己的社会责任与伦理责任应该有着充分的理解，在科研活动中既要着眼于为社会提供科学技术上的新成果，同时也要强调在伦理道德建设中起到应有的作用。
其次，从长期看，科技工作者的职业道德建设利于国家科技的发展，利于促进科技难题的解决。发展是连续和间断的同一，科技发展不能一蹴而就。在面临科技瓶颈问题时，就更要求科技工作者具有坚韧不拔的品质和无私奉献的精神。这些精神都是进行职业道德教育中的重要内容，也是科技工作者承担的社会角色中必不可少的特质。
最后，高尚的职业道德是科技工作者奋进的不竭动力。一个科技工作者只有站在最广大人民的立场上，奉献自我才能成就事业。随着全球化的发展，受西方“享乐主义”的负面影响，科技工作者只有更加坚守自我、承担社会责任，才能具有不断前进的精神支柱。
（二）对解决人工智能伦理困境的源头性作用
随着人工智能应用领域的广泛化，以及应用群体的普及化，难以避免的带来一些伦理问题上的困境。例如伦理学中经典的“电车难题”，在当代科技发展中也出现了在人工智能领域的“无人车难题”。无人车产生事故的责任归属与分配就是目前很多学者在关注的伦理问题。人工智能的发展对当前的法律规制，还有现存的人伦规范都产生了挑战。人工智能的未来发展方向，在操作性上要避免技术鸿沟，在设计过程中要坚持算法公开化、透明化，并且在出现数据漏洞时应尽快地进行自我修复。这对于科技工作者自身的素质提出了很高的要求，不但要求科技工作者自身的知识素质与知识能力过硬，而且要求科技工作者要严于律己，具有较高的思想道德素质。要求科技工作者对于人工智能的发展保持理性的态度，坚持为国为民。许多科幻电影和小说中都体现了未来人工智能发展到一定阶段时，人与机器产生的情感迷思。作为科技工作者，在设计与调整过程中都应保持情感中立，勇于承担社会责任。目前我国正处于人工智能发展的初级阶段，人工智能尚不能拥有自主意识，人工智能的行为责任必须要找到其背后的拥有自主意识的人。无论是现阶段还是未来，作为人工智能产品开发者与设计者的科技工作者树立正确的价值观和承担相应的社会责任是十分必要的。科技工作者的知识层次与道德品质在某种程度上说，是研发人工智能产品的起点。因此，对科技工作者的成长过程中进行持续的道德教育，使其树立高尚的道德观念，对于解决许多人工智能带来的伦理困境都具有源头性、基础性的作用。
三、高校人工智能课程与伦理道德教育的结合方式探索
（一）高校人工智能课程资源的充分运用与更新
从资源形态上看，实物化资源与虚拟化资源，线上资源与线下资源都应充分运用。随着智能校园的普及，有基础条件的地区与校园可以充分运用好身边的人工智能。人工智能课程是一门理论与实践相结合的课程，因此课程的内容也不能仅停留在理论层面。除了对于学术资源的运用，也应当结合实体的人工智能产品进行学习。但因为人工智能的发展程度还没有普及化，人工智能机器人也远没有达到触手可及的程度。因此运用新媒体技术，通过虚拟现实的手段进行在教学过程中的知行结合是可以尝试的路径。VR技术在网络设备硬件教学中可以节约成本，便于人工智能课堂的普及化。在理论教学中，可以通过与虚拟机器人的交互增强趣味性。VR技术有3个最突出的特点：交互性、沉浸性和构想性。课程设置者可以充分借助VR的沉浸性设置相应的场景，让课程学习者通过对特定道德场景的判断引出思考。这种新媒体手段既可以更新原有课堂知识的教学教法，更适合作为伦理教育走入人工智能课堂的重要媒介。
从资源时态上看，人工智能课程资源必须随着人工智能的发展而不断更新。从现实角度来看，最初开设人工智能课程时，其教学目标还是相对简单的——即培养学生的创造性与知识能力。但随着人工智能的普及应用，产生了许多人工智能语境下的道德困境。从指导思想来看，我国逐步走向世界舞台，随着实力增强指导思想也是不断变化的，新时代会提出新目标，为了实现中华民族的伟大复兴，课程内容的丰富也是十分必要的。因此，人工智能课程若要符合时代需要，就需要不断地更新课程资源。人工智能这一学科是具有学科交叉性的，与之相关各个领域的最新前沿问题都需要结合相应的道德教育，只有这样才能适应时代的发展。
（二）高校人工智能课程内容的合理架构
对于不同年龄层次的人工智能课程，必须考虑到不同群体的教育规律。提出合理的教育目标，用不同群体可以接受的方式方法才能达到最优的教学效果。我国人工智能课程目前的课程架构中，已经有学者进行了分年龄层次的研究。人工智能课程可以规划为专业性逐渐增强的、从边缘到中心的课程层级系统。对于高校本科生和研究生来说，人工智能课程设置内容必须具有专业性。在上文的课程体系建构中添加了艺术、文学、哲学等内容，其中包含对于人工智能伦理学的思考与认识。但在某种意义上这些青年的社会价值观就代表了未来科技工作者的社会价值观。因此在这一阶段，人工智能课程的架构与实施，国家应加以引导和监督。一方面需要建立统一标准的高校人工智能课程体系，另一方面在應对课程具体内容的落实方面给予一定程度的监督。
（三）在高校人工智能课程教学过程中充分运用案例
首先应充分运用学术案例，例如度量学习，在其基础上的迁移学习，以及发表在《机器学习》、《数据挖掘》等顶级期刊上的论文。使课堂具有含金量，可以说这也是国家发展与关注的重点。通过学术性经典案例的学习可以拥有不一样的视角，通过历史发展的角度去看人工智能技术的演变与发展。其次应充分运用具体案例。在人工智能课程中对于许多道德问题，不应抽象地去讨论，而应该具体地去讨论。也可以让学生与AI系统进行直接的问答，如：我们能保证它们稳定可靠吗？我们应该如何去测试人工智能？人工智能课堂中既要包容学生多元化的答案，不压抑创造性又要对于错误的思想进行思想转化，这就需要教育者具体问题进行具体分析了。
关键词:中西合璧;人工智能;双语教学
双语教学是我国高等教育适应国际化趋势、培养富有创新精神和国际视野的复合型高素质人才的需要。作为一种全新的教学方式,它承接了中外文化的碰撞和融合[1]。各校在教学过程中都遇到了各种困难,也探索了不少经验。自2005年秋季,我校在人工智能课程中采用双语授课,在教学实践中摸索出一套中西合璧的双语教学模式,将中西方的优势有效结合起来,比较适用于工科专业课程的双语教学。
1中西合璧的双语教材
教材是体现教学内容的知识载体,是教师和学生进行教学活动的基本工具。我们重点调查了MIT、Stanford和CMU等国外高校,他们均选用了Stuart J. Russell和Peter Norvig合著的《Artificial Intelligence: A Modern Approach》,该教材几乎涵盖了CC2001关于人工智能课程的全部内容。该书网站(aima.cs. berkeley.edu/)的统计数据显示,目前已有100多个国家的1 100多所大学选用该书作为教材。我们对选用该教材的部分高校授课情况作了追踪调查,结果表明绝大部分人工智能课程的实际授课内容都与该教材内容基本一致。在国内,中南大学的人工智能课程是国家级精品课程,教材是课程负责人蔡自兴教授与徐光佑教授主编、清华大学出版社出版的《人工智能及其应用》(第三版)(该教材分本科生用书和研究生用书两种版本),与其课程内容设置完全配套。
我校选用了《Artificial Intelligence: A Modern Approach(2nd)》一书,清华大学出版社出版了影印版(人民邮电出版社出版了中译文版本),同时将Nils J. Nilsson著的《Artificial Intelligence: A New Synthesis》作为辅助教材,机械工业出版社出版了英文影印版及中译文版本。
人工智能这一学科诞生于西方,目前该领域的诸多成果和文献均以英文为语言载体。选用英文原版教材、推行双语教学,为学生的后续学习和研究深造奠定了良好基础。另外,与国内教材相比,国外教材更注重知识产生的过程、解决问题的思维方法,对提高学生的学习兴趣、培养学生的创新能力极其有益。另一方面,选用原版教材的问题也显而易见。一是原版教材内容过多,需要精心筛选、分清主次后才能使用;二是原版教材昂贵,增加了学生的经济负担,再购买配套中译文版,负担更重;三是学生英语水平参差不齐,双语授课的课程还不成体系,前后课程缺乏衔接性和延续性,学生直接使用原版教材有一定的语言障碍,即使有配套的中译文版,同时翻看两本书也不方便。
我们正在逐步消化吸收英文原版教材,在无损原版教材思想精髓的前提下,自主编写适用于双语教学的中西合璧讲义。双语教材以英文语言为主,以中文注释为辅,有效降低学生阅读的难度,更趋实用。
2中西合璧的授课语言
语言是信息传递的载体,是教学过程中必不可少的工具。双语教学涉及到这种信息传递载体的改变。
在双语教学中,外语的使用比例要求不低于50%,这是不够科学的。双语教学不是语言课,教学质量依然是核心,语言仅仅是载体,引入外语教学的目的无非是为了保证知识的“原汁原味”,同时训练学生的专业外语听说能力,但这一切都应以学生听懂课为前提。双语授课进度慢已是不争的事实,更有些双语教师,为了兼顾上述目的,先用外语讲一遍,再用汉语解释一遍,这种做法极不可取,也是紧张的课时限制所不允许的。双语课味同嚼蜡,引不起学生兴趣,也是普遍存在的现象。
我校人工智能课程的授课对象是计算机专业的四年级本科生,学生的英语水平很不均衡,如果不考虑实际情况,大比例地采用英语讲授,是难以保证教学效果的。我们把握的原则是:1)英语主要用于讲解专业性内容,如专业术语、技术原理、算法等,这样学生在学术交流中就不会对专业技术内容存在语言障碍;2)只用学生能听懂的语言讲授专业性内容,对过于生涩的专业技术内容,还要使用汉语讲解,这样学生就不会把专业技术内容学“夹生”了,在作研究时才不会有技术上的障碍;3)用母语调节课堂气氛,适当穿插的人工智能领域人物、故事及笑话以汉语为主,把学生发散的注意力快速集中起来,把学生的学习兴趣激发出来;4)中英文衔接,不重复表述,这样就不会额外占用课时。
例如,在讲解Agent技术时,对于Agent的定义、结构等核心内容,我们采用英语讲解;而对于Agent涉及到的心理学、逻辑学等方面的生涩理论,则用汉语给出扼要的说明;对于为阐释Agent的rationality概念而举的吸尘机器人、黑足泥蜂搬运食物的例子,则主要用汉语讲解,激发学生的兴趣,抓住学生的注意力。
3中西合璧的教学课件
作为一种新型的教学手段,多媒体以其鲜明的图像、生动的画面、灵活多变的动画及声音效果克服了传统教学模式的诸多不足,受到师生的认可与好评[2]。本文探讨的重点不是如何设计媒体的表现形式,而是如何利用课件更好地发挥双语教学的效果。很多双语教学任课教师只注重追求授课过程中外语的使用比例,课件全文用外语制作,在讲解过程中还要费尽周折地解释,收效甚微。我们在制作课件时,不单纯追求英语比例,而是想方设法让课件能更好地辅助学生理解,在关键处均用双语同步给出内容,或者以英文为主,给出扼要的中文注释。这样,学生能够通过视觉信息更好地理解授课内容,而教师也不必再用中英文重复叙述。
此外,在课件素材的选取上,也应注意国内外结合。比如,在讲解启发式搜索技术时,国外课件(包括教材)常用的素材是八皇后、八数码等问题,其中八皇后问题相对大多数同学来讲比较陌生,而国内的重排九宫(与八数码问题是一个问题)、华容道等问题对学生来讲则更熟悉。用国内的素材入门、用国外的素材拓宽视野,也是多媒体课件的中西合璧之道。
4中西合璧的文化熏陶
文化是生活在一定地域内的人们的思想、信念及生活与行为方式的总称。从人才培养的角度,我们一般将培养目标分为知识、能力和素质三个层面,文化属素质培养范畴。文化的熏陶和感染在育人中具有重要作用,这一点往往容易被工科专业课教师忽略。
从历史文化的角度看,中西方文化从萌芽、发展到现在的格局,无疑是各具特色的。双语教学提供了开放的空间,让学生在学习的同时广泛吸纳西方文化,但这也给中国传统文化造成了一定的冲击,如不注意调和,势必造成文化失衡,对培养学生的世界观、人生观、价值观都不利。尤其计算机类课程中的技术内容大部分诞生于西方,如果不在教学过程中进行一种文化平衡,往往会使学生产生一种我不如人的自卑心理或崇洋心理。
中西方文化对人与自然的基本观点是不同的。中国文化关注的对象是人,人与人的关系自先秦时期便成为中国文化的核心与基础问题。而西方文化较多关注的是自然,人与自然的关系是古希腊注重的中心问题,由此衍生出理智和科技。中国的哲学是一种人生哲学,在处理人与自然的关系上,中国文化讲究天人合一、顺天应物、道法自然。把自然人格化,追求人与自然和谐发展。从古希腊泰勒斯的自然哲学开始,探索自然奥秘,开发和利用自然资源为人类服务就成为了欧洲思想的主流。西方科学起源于对自然的探索和研究,很早就出现了毕达哥拉斯、阿基米得这样名垂千古的科学家。在人与自然的关系上,西方文化认为人与自然处于对立的斗争状态。西方人也讲人与人之间的关系,但首先关注的不是伦理而是竞争,因而出现了“优胜劣汰”的规律[3]。
在工科专业课堂上,涉及到文化要素的主要是两方面内容,一是与课程技术内容有关的哲学观点,二是本学科发展历程中的人物、事件和形成的学派等等。在教学过程中,教师要注意穿插上述内容,对学生进行文化熏陶,要注意中西合璧。比如,介绍人工智能发展过程中的重要人物时,必然提及Turing、McCarthy、Minsky、Shannoon、Simon、Newell、Feigenbaum、Hopfield、Brooks等西方学者,但同样也不能忽略国内的吴文俊、王守觉、蔡文等学者,他们近年分别在机器定理证明、仿生模式识别、可拓学等领域取得了开创性成果,而这些还没有来得及写进人工智能教科书。
5中西合璧的思维方式
对学生思维方式的培养也是教学任务之一。中西方文化的差异也将导致思维方式的不同。在技术思维方面,中国强调系统和整体,更具辩证性;而西方强调细节和局部,更注重逻辑性。西方人的思维方法更偏于二元对立,而中国文化环境则造就了中国人思维方式的连续统合特征[4]。外文教材的编写体例与中文教材有着明显的不同,这就是中西方思维方式不同的原因。教师首先要注意到这种思维方式的差异,并在教学活动中让学生也逐步意识到这种差异,并进一步接纳和学会西方的思维方式,将中西方的思维方式融于一身。举例来说,在讲解逻辑推理技术时,可以通过介绍逻辑学的三大起源(古希腊的形式逻辑、古印度的因明学、我国先秦时期的名辩学)向学生呈现这种思维方式的差异,在讲解演绎推理、模糊推理、云推理时,也要注意体现中西方思维方式中各自的特长,以利于学生吸纳。
6结语
自2005年开展双语教学以来,我们每年授课后都进行一次教学效果的问卷调查,“接受双语教学”的学生比例从2005年的37%逐年上升到2009年的89%,说明这套双语教学模式已经得到了绝大多数学生的认可。
中西合璧的双语教学模式是我们在人工智能教学过程中探索出来的,但是也可以推广到其他工科专业课中。双语教学中各种要素的中西合璧不是简单相加,而是要结合专业内容进行深度融合,这需要任课教师广泛涉猎、精心加工、用心引导。双语教学不能停留在语言形式和技术内容层面上,还要上升到文化和思维层面。
注:本论文受到哈尔滨工程大学教学改革工程项目支持。
参考文献:
[1] 施锦芳. 高校双语教学模式及方法的研究与实践[J]. 沈阳教育学院学报,2010,12(2):33-35.
[2] 周荃,胡奕. 多媒体教学:传统教学手段的历史性转型[J]. 广州市经济管理干部学院学报,2006,8(2):69-71.
[3] 邓绍建. 中西方文化差异研究[J]. 价值工程,2010(5):220-221.
[4] 马丽,滕修攀. 中西方思维方式的文化差异研究:二元对立与连续统合的视角[J]. 社会心理科学,2010,25(2):13-17.
Sino-west Style Bilingual Teaching Mode for Artificial Intelligence
LIU Hai-bo, SHEN Jing, ZHANG Guo-yin, LIU Jie
(College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China)
关键词:学习对象元数据;学习导航;资源整合
随着无线互联网、“三网”融合等信息高速公路基础设施的逐步完善以及互联网教学资源的迅速增长,互联网作为一种信息与知识的传播手段正在改变教与学的关系。同时,现代社会对人才的多元化需求也要求学生具备通过互联网进行自主学习与评价的能力。
互联网教学资源具有数量多、形式多样、分布式存储、不断变化且无统一规范等特点。同时,教学资源与学习者及学科知识模型之间也没有统一的关联规范。对于大多数学习者而言,在利用含有海量教学资源的互联网进行学习时通常会迷失方向。为提高互联网优质教学资源的利用效率,迫切需要对互联网上不断增加的海量教学资源进行整合并为学习者提供个性化学习导航服务。关于教学资源整合以及学习导航的方法得到了广泛地研究[1-4]。
学习对象元数据(LOM, Learning Object Metadata)规范是IEEE采用的一种表示学习对象(教学资源)信息的规范。不但可以用于整合教学资源,还可以表示教学资源之间的依赖关系。
本文提出一种教学资源整合以及学习导航的框架,采用LOM表示教学资源元信息,利用XML表示LOM,并将LOM的XML数据转换为扩展知识结构图,并在扩展知识结构图的基础上实现教学规划与学习导航。
1基本框架
1.1基于学习对象元数据(LOM)的资源整合
全国信息技术标准化技术委员会(CELTS)教育技术分会制定了教育信息相关规范,CELTS将IEEE的学习对象元数据(LOM, Learning Object Metadata)规范封装在CELTS-3中,包括3个子规范,其中CELTS-3.1为信息模型规范,CELTS-3.2为元数据的XML绑定规范,CELTS-3.3为实践指南,CELTS-3.4为测试规范。LOM规范表示了学习对象的9大类元信息,包括:通用、生存期、元-元数据、技术、教育、权利、关系、评注、分类等。
LOM数据项如图1所示,有关LOM的详细描述参见文献[5-6]。
LOM数据项中,“关系”类信息描述了相关学习对象之间的关系,为学习导航提供了基础数据。CELTS-3.1 采用了Dublin Core关于学习对象关系的类别,其中“A基于B”和“A需要B”两类关系表示A依赖B,“B基于A”和“B需要A”两类关系表示B依赖A。
1.2基于扩展知识结构图(EKG)的学习导航
文献[7]提出了一种基于扩展知识结构图的教学规划方法,其中扩展知识结构图(Extented Knowledge Graph)定义为一个满足以下条件的有向无环图,(1)图中包含两类节点:知识节点和方法节点;(2)知识节点的后继节点为方法节点,表示完成该知识点教学的多种可选的教学方法。方法节点的后继节点为知识节点,表示运用该方法完成学习目标所需掌握的基础知识;(3)每个方法节点设多个置权值,表示不同的学习者通过该方法完成教学目标所需的费用。
一个示例性的扩展知识结构图如图2[7]所示。
LOM表示的学习对象(教学资源)信息可以很好的表示扩展知识结构图。设某一学习对象A(其标识为A),利用“A.通用类.标题”表示该学习对象所学习的目标知识点,学习对象A即为学习该目标知识点的一种学习方法,“A.教育类.难度”则表示该方法的初始难度,该难度值将根据不同学习者的评价进行调整。利用学习对象A来学习其目标知识点的基础知识集合则记录在“A.关系类”元数据中,包括所有“A.关系类.类型”为“A基于B”或“A需要B”的资源(用“A.关系类.资源”表示)。
1.3系统框架
系统管理学习对象(教学资源)元数据,学习者,教学专家(学习对象提供者)等信息,系统并不维护学习对象本身。系统基本功能包括:
1) 为教学专家提供接口,将学习对象的LOM信息录入到LOM数据库,并转化为XML表示形式;
2) 自动将XML表示的LOM数据库转换为扩展知识结构图;
3) 根据扩展知识结构图进行学习导航;
4) 为学习者提供接口,自主学习导航以及评价反馈。
系统结构如图3所示。
2人工智能教学资源整合和学习导航实例
以人工智能中状态空间搜索有关教学资源整合和学习导航为例,对上述系统加以说明。
与状态空间搜索有关的知识点包括:状态空间、状态空间搜索、盲目搜索、宽度优先搜索算法、深度优先搜索算法、启发式搜索、A*算法、A*算法的实现。学习这些知识点的依赖关系如图4所示。
以上示例分别说明了两个学习对象LOM的主要XML元素,前者的元素说明了“A*算法”对于“状态空间搜索”的依赖关系。与A*算法有关的部分教学资源如表1所示,由于篇幅限制其他资源的LOM表示从略,一种典型的学习路径为:(9)-(7)-(11)-(12)-(1)-(5)-(13)-(4)。
3结语
本文对教学资源整合以及学习导航方法进行了探索。提出一种教学资源整合以及学习导航的框架,采用LOM表示教学资源元信息,利用XML表示
LOM,并将LOM的XML数据转换为扩展知识结构图,并在扩展知识结构图的基础上实现教学规划与学习导航。后续工作将建立LOM的XML收集以及转换系统,为教学资料提供者以及学习者提供服务接口。
参考文献:
[1] 梁汉立. 基于概念网的知识组织与学习导航机制的研究[D]. 长沙:中南大学信息科学与工程学院,2003.
[2] 陈其晖,徐海宁,凌培亮. 基于知识点关系的学习导航系统建模方法研究[J]. 计算机科学,2007,34(12):193-196.
[3] 李益才,张小真. 模型驱动的智能教学系统分层规划的研究[J]. 重庆交通学院学报,2005,24(5):157-161.
[4] 姜云飞. 基于知识结构图的智能教学规划[J]. 计算机研究与发展,1998,35(9):787-792.
[5] 史元春,沈中南,向欣,等. 学习对象元数据:信息模型规范(CELTS-3.1)[EB/OL]. [2007-10-17]. celtsc.edu. cn/680751c665875e93/folder.2006-04-03.8417036039/celts-3/celts-3-1-cd3-0.pdf.
[6] 郑莉,史元春,沈中南,等. 学习对象元数据:XML绑定规范(CELTS-3.2)[EB/OL]. [2010-05-02]. celtsc.edu. cn/680751c665875e93/folder.2006-04-03.8417036039/celts-3/celts-3-2-ts.pdf.
[7] 段琢华. 具有学习能力的智能教学规划[D]. 广州:中山大学软件研究所,2002.
Tutorial Material Integration and Learning Navigation for Artificial Intelligence Based on LOM
DUAN Zhuo-hua
(School of Computer Science, Shaoguan University, Shaoguan 512003, China)
