作者簡介：戴永輝（通訊作者），博士，講師，上海對外經(jīng)貿(mào)大學(xué)工商管理學(xué)院；徐波，博士，教授，上海對外經(jīng)貿(mào)大學(xué)工商管理學(xué)院副院長（上?！?01620）；陳海建，博士，副教授，上海開放大學(xué)理工學(xué)院副院長（上?！?00433）。

基金項目：全國教育科學(xué)“十三五”規(guī)劃2016年度國家一般課題“大數(shù)據(jù)下在線學(xué)習(xí)用戶畫像的構(gòu)建及其應(yīng)用研究”（BCA160053）。

引用：戴永輝,徐波,陳海建(2018).人工智能對混合式教學(xué)的促進及生態(tài)鏈構(gòu)建[J].現(xiàn)代遠程教育研究,(2):24-31.

摘要：混合式教學(xué)通過“線上 線下”相結(jié)合的方式，融合了傳統(tǒng)教學(xué)與網(wǎng)絡(luò)教學(xué)的優(yōu)勢，已成為互聯(lián)網(wǎng)環(huán)境下現(xiàn)代教學(xué)發(fā)展的重要方向。當(dāng)前我國混合式教學(xué)實踐中主要存在教學(xué)資源單一、學(xué)生學(xué)習(xí)自主性不強、課堂教學(xué)與在線學(xué)習(xí)缺乏有機結(jié)合等問題。而神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、情感計算等人工智能技術(shù)的發(fā)展，不僅為解決上述問題提供了新的技術(shù)手段，而且促使教學(xué)進一步向“以學(xué)習(xí)者為中心”的個性化、精準化和智能化方向發(fā)展。人工智能發(fā)展對混合式教學(xué)的觀照主要體現(xiàn)在推動個性化教學(xué)資源建設(shè)、促進互動教學(xué)與浸潤式情感教學(xué)、推進課堂教學(xué)與在線學(xué)習(xí)融合等方面。綜而觀之，人工智能發(fā)展和混合式教學(xué)之間的關(guān)系應(yīng)該辯證看待：混合式教學(xué)的應(yīng)用需求為人工智能發(fā)展持續(xù)提供新動力，人工智能的發(fā)展應(yīng)以混合式教學(xué)應(yīng)用為導(dǎo)向，在兩者之間構(gòu)建深度融合的生態(tài)鏈，形成可持續(xù)創(chuàng)新、雙螺旋演進的互動發(fā)展模式。

關(guān)鍵詞：人工智能；混合式教學(xué)；發(fā)展應(yīng)用；辯證關(guān)系；生態(tài)鏈構(gòu)建

一、引言

教育信息技術(shù)的發(fā)展推動了教學(xué)環(huán)境和教學(xué)模式的變革，在線學(xué)習(xí)、移動學(xué)習(xí)、MOOC學(xué)習(xí)和混合式學(xué)習(xí)等新興學(xué)習(xí)方式的涌現(xiàn)給傳統(tǒng)教學(xué)帶來巨大沖擊，尤其是“以學(xué)習(xí)者為中心”的混合式教學(xué)模式被認為引發(fā)了國際教育界教育思想觀念的變革（何克抗，2005），是一種可預(yù)見的教育變革趨勢（胡立如等，2016）。相較于傳統(tǒng)教學(xué)或網(wǎng)絡(luò)教學(xué)，混合式教學(xué)采用“線上 線下”的新型教學(xué)方式，既保留了傳統(tǒng)教學(xué)中的面對面交流，又引入了數(shù)字化教學(xué)可記錄、可重復(fù)的優(yōu)勢，迅速成為一種新興教學(xué)模式的代表。然而，面對學(xué)習(xí)經(jīng)歷和知識結(jié)構(gòu)各異的學(xué)習(xí)者，當(dāng)前暴露出的教學(xué)資源建設(shè)單一化、教學(xué)交互缺乏、課堂教學(xué)與在線學(xué)習(xí)割裂的問題，已經(jīng)嚴重阻礙了混合式教學(xué)的推進，如何有效解決上述難題是混合式教學(xué)機構(gòu)最為關(guān)心的問題。

近年來，圍棋機器人AlphaGo、IBM沃森的智能診斷、科大訊飛的智能翻譯等人工智能技術(shù)的不斷發(fā)展和應(yīng)用給人類社會帶來深刻的影響，也使得人工智能研究迅速成為世界各國關(guān)注的熱點。2016年10月，美國發(fā)布《美國國家人工智能研究與發(fā)展戰(zhàn)略規(guī)劃》和《為人工智能的未來做好準備》，對人工智能的倫理、技術(shù)標準、培訓(xùn)、人才培養(yǎng)等做了戰(zhàn)略部署。2017年，日本政府制定了人工智能產(chǎn)業(yè)化路線圖，計劃在2020-2030年前后，分3個階段，分步驟實施人工智能產(chǎn)業(yè)化。2017年7月，我國國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，將人工智能研究提升到國家戰(zhàn)略層面，開啟了我國人工智能發(fā)展研究的新征程。神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)等人工智能關(guān)鍵技術(shù)的發(fā)展使得學(xué)習(xí)者學(xué)習(xí)過程中產(chǎn)生的海量圖像、語音、文本數(shù)據(jù)、個性化特征信息等的挖掘更為精準，為推動我國混合式教學(xué)和現(xiàn)代教育變革提供了有力保障。

二、文獻綜述

1.混合式教學(xué)

20世紀90年代，基于網(wǎng)絡(luò)和數(shù)字媒體技術(shù)的E-Learning學(xué)習(xí)方式因其具備4A（Anytime、Anywhere、Anyway、Anyone）特性，受到學(xué)習(xí)者的喜愛而迅速推廣，但呈現(xiàn)出“學(xué)生退課率高、情感交流缺乏”等系列問題引發(fā)了國際教育界的反思。隨即混合式學(xué)習(xí)作為教學(xué)改革的新理念被提出，其學(xué)習(xí)方式可看成是教學(xué)媒體的混合、學(xué)習(xí)模式的混合和學(xué)習(xí)內(nèi)容的混合（祝智庭等，2003）。此外，混合式教學(xué)還被認為是“線下面對面與在線學(xué)習(xí)的集合”，是在線教學(xué)和傳統(tǒng)教學(xué)優(yōu)勢有機結(jié)合的教學(xué)形式。它既發(fā)揮了教師的引導(dǎo)作用，又滿足了學(xué)習(xí)者自主學(xué)習(xí)的需求，成為近年來教學(xué)研究的熱點。通過中國知網(wǎng)和萬方數(shù)據(jù)庫等文獻庫，以“混合式教學(xué)”“混合式學(xué)習(xí)”為關(guān)鍵詞進行檢索，最終得到國內(nèi)年發(fā)文量統(tǒng)計如圖1所示。

圖1　2008-2017年發(fā)文量統(tǒng)計圖

由圖1可知，2008年到2014年，我國混合式教學(xué)相關(guān)研究的年均發(fā)文量在90篇以內(nèi)，2015年以來，發(fā)文量突破180篇，且呈跳躍式增長，2017年更是高達676篇，這從側(cè)面反映出我國混合式教學(xué)改革逐步推進的過程。從國內(nèi)混合式學(xué)習(xí)相關(guān)研究來看，主要集中在混合式教學(xué)的理論與應(yīng)用、在線教學(xué)信息化建設(shè)兩方面（王國華等，2015； Mittag，2016）。

混合式教學(xué)涉及的學(xué)習(xí)理論眾多，但主要有建構(gòu)主義學(xué)習(xí)理論和自主學(xué)習(xí)理論等。其中，建構(gòu)主義學(xué)習(xí)理論將主體、情境、協(xié)作和資源看成是促進教學(xué)的四個條件，并且學(xué)習(xí)環(huán)境由情境、協(xié)商、會話、意義建構(gòu)四大要素組成（馬曉燕，2017）。自主學(xué)習(xí)理論則認為，學(xué)習(xí)以自學(xué)為主，主體是學(xué)習(xí)者，他們自主決定學(xué)習(xí)方式和學(xué)習(xí)行為。趙冬梅等（2012）基于Blackboard平臺，以計算機基礎(chǔ)課程為例，從課程導(dǎo)入、教學(xué)計劃和實施、學(xué)習(xí)評價等方面對大學(xué)混合式教學(xué)進行了研究，結(jié)果表明該模式在培養(yǎng)學(xué)生主動學(xué)習(xí)和實踐操作能力上效果甚佳。牟占生等（2014）基于Coursera教學(xué)平臺，對混合式教學(xué)模式進行了前端分析、學(xué)習(xí)活動與學(xué)習(xí)評價設(shè)計，其教學(xué)應(yīng)用結(jié)果表明，該學(xué)習(xí)模式對于學(xué)生成績和學(xué)習(xí)興趣的提升有積極作用。蘇佩堯（2015）基于微信公眾平臺對“課前、課堂、課后”三位一體的混合式學(xué)習(xí)平臺進行了設(shè)計與構(gòu)建，并以“現(xiàn)代教育技術(shù)”課程的學(xué)生為應(yīng)用對象，證明了該混合式教學(xué)模式能有效激發(fā)學(xué)生學(xué)習(xí)的主動性和積極性，并認為混合式教學(xué)模式正逐步成為當(dāng)今教學(xué)改革的方向。

縱觀在線教學(xué)中的信息化發(fā)展，Web1.0到Web4.0技術(shù)支持下網(wǎng)絡(luò)課程經(jīng)歷了四個階段（孫曙輝，2016）。在Web1.0時代，由超文本組成的網(wǎng)絡(luò)課程進入學(xué)習(xí)者視野，學(xué)習(xí)者可通過Email、BBS發(fā)帖進行交互學(xué)習(xí)。在Web2.0時代，XML、Ajax異步刷新技術(shù)的出現(xiàn)，使得線上網(wǎng)絡(luò)課程建設(shè)可以整合SNS、Wiki、RSS、博客等應(yīng)用，初步體現(xiàn)了以學(xué)習(xí)者為中心的教學(xué)理念。在Web3.0時代，互聯(lián)網(wǎng)信息技術(shù)已能支撐學(xué)習(xí)者對個性化、智能化學(xué)習(xí)的基本需求，學(xué)習(xí)者可以自由決定學(xué)習(xí)進度、學(xué)習(xí)內(nèi)容，是學(xué)習(xí)過程的計劃者和管理者（孫立會，2009）。在Web4.0時代，智能化、移動化的學(xué)習(xí)終端越來越普及，使得多平臺和多終端對接的網(wǎng)絡(luò)課程成為主流。

2.人工智能教育

“人工智能”一詞最早出自1956年美國的達特蒙斯大學(xué)，發(fā)展至今已過60多年，現(xiàn)已成為一門涉及計算機科學(xué)、信息科學(xué)、心理學(xué)、哲學(xué)、認知神經(jīng)科學(xué)、生理學(xué)等眾多領(lǐng)域的前沿交叉科學(xué)（徐鵬等，2009）。近年來，信息技術(shù)在機器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)上不斷取得突破性進展，為人工智能的發(fā)展與應(yīng)用奠定了堅實基礎(chǔ)。尤其是AlphaGo擊敗職業(yè)圍棋選手，以及越來越多人工智能技術(shù)被運用到經(jīng)濟、交通、醫(yī)療、金融、法律、教育等領(lǐng)域，加速了人們對人工智能的認識、理解和運用。在教育領(lǐng)域，學(xué)者們對人工智能的研究大體可分為人工智能教育基礎(chǔ)研究和技術(shù)應(yīng)用研究兩大類。

人工智能教育基礎(chǔ)研究主要集中在人工智能教育現(xiàn)狀及趨勢、人工智能教育基本理論和人工智能教育發(fā)展等方面。如：徐鵬等（2009）對國內(nèi)人工智能教育應(yīng)用研究現(xiàn)狀進行了綜述，指出國內(nèi)教育技術(shù)界將人工智能教育技術(shù)開發(fā)作為重點，有關(guān)實踐應(yīng)用類的研究偏少；王斐（2013）認為人工智能輔助教學(xué)的功能在中學(xué)教育中體現(xiàn)得不夠充分，需要各級教育行政機構(gòu)、專家學(xué)者和一線教師進行積極探索。此外，有學(xué)者指出在“人工智能 ”時代，應(yīng)以學(xué)習(xí)者為中心，以目標、過程和評價為導(dǎo)向進行個性化學(xué)習(xí)，在學(xué)習(xí)者心智特征分析基礎(chǔ)上提供符合其個性化學(xué)習(xí)需求的內(nèi)容、活動、路徑和評價（牟智佳，2017）。在教育人工智能標準上，需要提供可實施的準則和規(guī)范來促進人工智能教育系統(tǒng)和應(yīng)用的發(fā)展（閆志明等，2017）。

人工智能技術(shù)在教育中的應(yīng)用主要有情感計算（李勇帆等，2013）、大數(shù)據(jù)、智慧教育（柯清超，2013）、深度學(xué)習(xí)、人機互動自適應(yīng)學(xué)習(xí)（楊翠蓉等，2016）、機器人學(xué)習(xí)（黃榮懷等，2017）等。如：李德毅（2016）指出教育機器人將給教育帶來重大的機遇與挑戰(zhàn)，集新材料、人工智能、大數(shù)據(jù)、語言學(xué)、腦認知等多學(xué)科交叉融合的機器人，將成為人類社會走向智慧社會的重要技術(shù)應(yīng)用；基于人工智能的虛擬現(xiàn)實產(chǎn)品，將給教學(xué)帶來越來越多的互動體驗（郭漢等，2016）；此外，基于人工智能的排課優(yōu)化算法，使得“一人一課表”成為可能，在有效降低排課成本的同時，為個性化教學(xué)推送奠定了良好基礎(chǔ)（劉辰，2017）。

三、人工智能發(fā)展對混合式教學(xué)的推動

1.推動個性化教學(xué)資源建設(shè)

個性化教學(xué)資源建設(shè)是個性化教學(xué)的重要組成部分。個性化教學(xué)實施的前提是對學(xué)習(xí)者進行建模和知識表征，這就需要對學(xué)習(xí)者的認知水平、興趣愛好和學(xué)習(xí)能力進行精準描繪。在人工智能技術(shù)發(fā)展成熟以前，上述內(nèi)容的提取和建模不太理想，因而個性化學(xué)習(xí)資源和個性化學(xué)習(xí)方案一直難以真正實現(xiàn)。隨著物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)分析技術(shù)的不斷成熟，基于上述智能技術(shù)進行的學(xué)習(xí)者行為精準數(shù)據(jù)挖掘為個性化教學(xué)資源建設(shè)提供了關(guān)鍵技術(shù)支撐。

學(xué)習(xí)者建模表征，是個性化教學(xué)資源建設(shè)的基礎(chǔ)，可以通過對學(xué)習(xí)者的基本屬性、學(xué)習(xí)風(fēng)格偏好、學(xué)習(xí)者類型和知識點興趣等的描述來完成學(xué)習(xí)者畫像（陳海建等，2017），進而完成學(xué)習(xí)者個性化教學(xué)資源推送。如圖2所示，學(xué)習(xí)過程中的海量語音、文本、圖片、日志等數(shù)據(jù)經(jīng)情感計算、模式識別、深度學(xué)習(xí)等人工智能挖掘和推理表征后，完成對學(xué)習(xí)者畫像的精準描繪，再與豐富的各類學(xué)習(xí)資源進行匹配，自動生成個性化學(xué)習(xí)資源推送給學(xué)習(xí)者。

圖2　個性化教學(xué)資源推送

2.推動互動教學(xué)與浸潤式情感教學(xué)

混合式教學(xué)效果不佳的原因主要來自兩個方面：一是教學(xué)內(nèi)容無法激發(fā)學(xué)習(xí)者的興趣；二是教學(xué)過程感受不到情感交流。浸潤式情感教學(xué)是指教師在教學(xué)過程中，根據(jù)教學(xué)內(nèi)容來創(chuàng)設(shè)恰當(dāng)?shù)那榫?，進行情感浸潤為導(dǎo)向的教學(xué)，在潛移默化中讓學(xué)生的情感發(fā)生積極變化，激發(fā)學(xué)生的學(xué)習(xí)興趣，由淺入深掌握知識，力求達到“潤物細無聲”的效果。實施浸潤式情感教學(xué)不僅需要教師獲取到學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，還需要教師在教學(xué)過程中清楚學(xué)習(xí)者當(dāng)前的學(xué)習(xí)任務(wù)和情緒狀態(tài)，以便根據(jù)學(xué)習(xí)者的當(dāng)前狀態(tài)來實施針對性的教學(xué)。從采集學(xué)習(xí)者的各類數(shù)據(jù)，到判定學(xué)習(xí)者的情感和學(xué)習(xí)興趣所在，正是人工智能技術(shù)所擅長的事情。一旦學(xué)習(xí)者的情感和學(xué)習(xí)興趣被提取出來，有針對性的浸潤式情感教學(xué)隨即可以開展。

人工智能中情感計算與虛擬現(xiàn)實技術(shù)的發(fā)展，無疑會推動浸潤式情感教學(xué)邁向新的發(fā)展階段。情感計算的目的是通過賦予計算機識別、理解、表達和適應(yīng)人的情感的能力來建立和諧人機環(huán)境，并使計算機具有更高的智能。在混合式教學(xué)過程中，師生之間線上和線下的文字、語音交流，都蘊藏著情感，這些情感經(jīng)過人工智能中的情感計算將得以捕捉和解讀。虛擬現(xiàn)實技術(shù)作為一種新的教學(xué)手段被引入教學(xué)，其所搭建的學(xué)習(xí)環(huán)境可以讓學(xué)習(xí)者在虛擬世界體驗真實世界中的情感，能夠以近乎仿真的形式參與到自主探索中，打破了以往呆板的課堂形式，對于推動浸潤式情感教學(xué)與互動教學(xué)具有積極的作用。

3.推動課堂教學(xué)與在線學(xué)習(xí)的相互融合

課堂教學(xué)與在線學(xué)習(xí)割裂脫節(jié)，是當(dāng)前混合式教學(xué)中突出存在的問題?；旌鲜綄W(xué)習(xí)中的線下教學(xué)仍然主要采用傳統(tǒng)教學(xué)模式，教師作為課堂教學(xué)的中心和權(quán)威，承擔(dān)著向?qū)W生傳授知識的任務(wù)，學(xué)生則被動接受知識，是知識灌輸?shù)某惺苷?。線上教學(xué)原本是對線下學(xué)習(xí)的補充和延伸，然而承擔(dān)線下教學(xué)、作業(yè)和試卷批改的教師，原本教學(xué)任務(wù)就繁重，再加上需要開展線上教學(xué)，因而在線上與學(xué)生的互動未能及時完成。此外，線上教學(xué)資源的制作也需要教師來完成，這使得教師疲于應(yīng)付，所制作的教學(xué)資源有時僅用于形式上的交差，質(zhì)量堪憂。學(xué)生在線上互動時如果未能獲得教師的及時響應(yīng)，或者訪問到的課程資源質(zhì)量不佳，興趣自然逐漸消去，課堂教學(xué)與在線學(xué)習(xí)割裂脫節(jié)現(xiàn)象則愈發(fā)加重。

上述現(xiàn)象的產(chǎn)生，很大程度來自于教師負壓過重。隨著人工智能教學(xué)技術(shù)的發(fā)展，教師的角色逐步發(fā)生轉(zhuǎn)變，有望“減負”。當(dāng)前的人工智能技術(shù)已能承擔(dān)一些知識記憶類和簡單重復(fù)性的教學(xué)工作。專家建議將那些承擔(dān)陳述性、程序性知識的教學(xué)工作分配給人工智能技術(shù)去完成，讓教師更多關(guān)注在課堂上利用人工智能技術(shù)對學(xué)生進行學(xué)習(xí)引導(dǎo)。教學(xué)將不再以向?qū)W生填鴨式灌輸為主，教師也將從繁重的講解中解脫出來，不再被那些繁瑣、簡單機械的工作套住，而是將更多的精力和時間放在引導(dǎo)學(xué)生學(xué)習(xí)、提升自身學(xué)術(shù)涵養(yǎng)、提供高質(zhì)量的課程教學(xué)資源上，從而更好地促進課堂教學(xué)與在線學(xué)習(xí)的相互融合。

四、人工智能在混合式教學(xué)中的應(yīng)用

人工智能的研究領(lǐng)域包括專家系統(tǒng)、自然語言理解、機器學(xué)習(xí)、情感識別、人工神經(jīng)網(wǎng)絡(luò)等眾多領(lǐng)域，相關(guān)的教學(xué)應(yīng)用涵蓋眾廣，在此主要對面向教師、面向?qū)W生和面向教學(xué)的人工智能教學(xué)典型應(yīng)用進行探討。

1.面向教師的人工智能應(yīng)用

（1）智能評測

智能評測是指通過對學(xué)習(xí)者學(xué)習(xí)過程和學(xué)習(xí)行為數(shù)據(jù)進行大規(guī)模自主智能評估，并進行個性化即時反饋。其中，大規(guī)模評估是指通過人工智能大數(shù)據(jù)分析技術(shù)對學(xué)生的學(xué)習(xí)行為和學(xué)習(xí)成果進行針對性地評測；個性化即時反饋是指通過對某位或某一群體學(xué)生的學(xué)習(xí)行為和學(xué)習(xí)過程數(shù)據(jù)進行分析后給予反饋。當(dāng)前，基于人工智能技術(shù)的智能評測應(yīng)用主要有口語考官和試卷批改機器人等。

眾所周知，每年都有各種類型的英語聽說考試，考試者的錄音如果都由人工去評分，不僅工作量巨大，而且評判標準很難一直保持統(tǒng)一。隨著語音識別準確率的不斷提升，使得借助人工智能口語考官來對英語聽說考試進行評分成為現(xiàn)實。只需抽取樣本數(shù)據(jù)進行訓(xùn)練，人工智能口語考官便能學(xué)會像人類考官一樣對學(xué)生的回答進行評估。美國教育考試服務(wù)中心已經(jīng)在一些英語考試中采用人工智能技術(shù)來評測打分?？拼笥嶏w公司的語音技術(shù)也在2015年應(yīng)用于廣東70萬高考英語口語環(huán)節(jié)考生答卷的批閱（劉勝男等，2015）。

人工智能口語考官不僅能進行語音評分，還能糾錯，對平翹舌音、前后鼻音都能進行精準分辨?；谌斯ぶ悄艿脑u分不僅更快，而且更準和更公正。我國的“英語流利說APP”就是一款能指出用戶發(fā)音錯誤和自動打分的移動端APP應(yīng)用，深受英語學(xué)習(xí)者的喜愛。

評卷對每位教師而言并不陌生，但人工閱卷通常容易受主觀因素影響而導(dǎo)致結(jié)果偏差，機器閱卷應(yīng)運而生。國內(nèi)的阿里AI智能閱卷、科大訊飛智能評卷系統(tǒng)等應(yīng)用的推廣，開啟了以機器評閱為主、人工審核為輔的全新評閱方式。國外的Gradescope公司開發(fā)的批改卷面試題軟件，解決了給試題打分的耗時問題，伯克利大學(xué)、斯坦福大學(xué)、麻省理工學(xué)院等高校已經(jīng)加入該應(yīng)用的使用行列。

（2）智能應(yīng)答

智能應(yīng)答是基于自然語言處理、知識推理、文本語音和圖像分析等技術(shù)而實現(xiàn)的大規(guī)模知識處理與反饋的自動應(yīng)答系統(tǒng)，它主要從語義理解和答案搜索方面解答學(xué)習(xí)者的疑問。如：微軟小冰聊天機器人、百度智能問答機器人，它們在接收到文字、圖像或語音信息后，先進行內(nèi)容解讀，然后再自動給予合適的回復(fù)。

在混合式教學(xué)中，學(xué)習(xí)者通過線上和線下完成學(xué)習(xí)及師生互動交流，針對學(xué)習(xí)者發(fā)出的文本、語音和圖像，以深度學(xué)習(xí)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)為基礎(chǔ)的人工智能教學(xué)應(yīng)答機器人正好能大顯身手。例如，能力風(fēng)暴教育機器人已推廣到4萬多家學(xué)校；海爾小帥智能機器人，能與小朋友進行語音交互，回答小朋友的問題。

（3）個性化教學(xué)

根據(jù)學(xué)生的個性特征，進行教學(xué)資源的個性化智能推薦與因材施教一直是教育界所期望看到的理想教育方式，然而具體實施起來卻困難重重。個性化推薦就是根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為，自動預(yù)測學(xué)習(xí)者的興趣偏好，有針對性地向?qū)W習(xí)者推送合適的教學(xué)資源。為此，大量基于學(xué)習(xí)行為數(shù)據(jù)建模的各種推薦算法紛紛被應(yīng)用，如關(guān)聯(lián)規(guī)則算法、蟻群聚類算法、協(xié)同顧慮算法、機器學(xué)習(xí)算法等。其中基于人工智能的深度學(xué)習(xí)推薦算法最受關(guān)注。

深度學(xué)習(xí)的思想來自于機器學(xué)習(xí)，是指初始數(shù)據(jù)獲得之后，對數(shù)據(jù)做預(yù)處理、特征提取與選擇，再到推理，最后進行預(yù)測的過程。在混合式教學(xué)中，根據(jù)學(xué)習(xí)者網(wǎng)上瀏覽文本、語音、圖像、視頻等資源的行為數(shù)據(jù)，進行特征提取并基于人工智能的深度學(xué)習(xí)推薦算法，可以為學(xué)習(xí)者提供學(xué)習(xí)資源的智能推薦。例如，愛奇藝視頻網(wǎng)、網(wǎng)易云課堂，以及優(yōu)必選聯(lián)合騰訊叮當(dāng)推出的個性化智能教育機器人等，它們均能根據(jù)用戶的瀏覽行為給用戶智能推薦相關(guān)的課程資源。

2.面向?qū)W生的人工智能應(yīng)用

（1）智能識別

智能識別在人工智能教學(xué)中屬于應(yīng)用最早也是最為成功的技術(shù)，無論是語音識別、圖像識別、人臉識別，還是腦波識別，都屬于智能識別范疇。由于人的語音天生就蘊藏著情感，因而基于語音情感庫的情感識別在教學(xué)中也被廣泛應(yīng)用（Chen et al.，2017）。

我國2015年成立的“管理科學(xué)與工程學(xué)會神經(jīng)管理與神經(jīng)工程研究會”，標志著我國的神經(jīng)管理與神經(jīng)工程研究進入新的階段。越來越多的機構(gòu)和學(xué)者投入到基于腦神經(jīng)認知的情感識別研究中。例如，浙江大學(xué)管理學(xué)院神經(jīng)管理學(xué)實驗室對腦信號的感知與情感評估分析技術(shù)進行了大量研究；復(fù)旦大學(xué)管理學(xué)院戴偉輝教授研究了面向教育大數(shù)據(jù)分析的神經(jīng)管理學(xué)機制；軟銀情感識別智能機器人Pepper、小影印象 APP應(yīng)用等，都能根據(jù)人的表情、語音來識別人的情緒。若將這些技術(shù)應(yīng)用到混合式教學(xué)中，則有利于教師識別出學(xué)習(xí)者的狀態(tài)，對講課內(nèi)容、授課方式進行及時調(diào)整，從而獲得更好的教學(xué)效果。

（2）智能導(dǎo)學(xué)

以往“題海戰(zhàn)術(shù)”是學(xué)習(xí)者最常選擇的學(xué)習(xí)方式，然而盲目學(xué)習(xí)的結(jié)果往往是浪費時間，事倍功半。當(dāng)混合式學(xué)習(xí)者面對海量的互聯(lián)網(wǎng)學(xué)習(xí)資源不知所措時，智能導(dǎo)學(xué)無疑是幫助學(xué)習(xí)者提升學(xué)習(xí)效率的重要手段。智能導(dǎo)學(xué)的總體思路是對學(xué)科領(lǐng)域知識體系先做分解，形成一個個知識元，然后通過導(dǎo)學(xué)關(guān)鍵點進行語義定義，再將上述定義好的知識元進行歸納與整理，形成體系，并得到相應(yīng)的邏輯知識地圖，進而形成個性化學(xué)習(xí)路徑。

在人工智能大數(shù)據(jù)分析的幫助下，教師和管理者可以對混合式學(xué)習(xí)者的學(xué)習(xí)行為和知識量進行全面掃描評估，找到學(xué)習(xí)者的薄弱項，進行自適應(yīng)學(xué)習(xí)路徑設(shè)計，讓其能針對性地開展學(xué)習(xí)，減少重復(fù)學(xué)習(xí)的時間，提高效率。智能導(dǎo)學(xué)的關(guān)鍵是對學(xué)習(xí)者進行畫像和適應(yīng)性指導(dǎo)。智能導(dǎo)學(xué)在混合式教學(xué)中的應(yīng)用如下：

學(xué)習(xí)路徑智能化引導(dǎo)。當(dāng)學(xué)習(xí)者首次進入系統(tǒng)學(xué)習(xí)新知識點時，系統(tǒng)會首先判定學(xué)習(xí)者的知識量，即通過調(diào)用已建立的領(lǐng)域知識判定模型，對當(dāng)前知識點的前驅(qū)知識點和后續(xù)知識點進行掃描。在學(xué)習(xí)過程中，通過與系統(tǒng)交互的情況來檢測學(xué)習(xí)者對前驅(qū)知識點的掌握程度，如果未達要求則引導(dǎo)至前驅(qū)知識點繼續(xù)進行學(xué)習(xí)。學(xué)習(xí)者每完成一個知識點的學(xué)習(xí)，都要接受測試，只有通過了測試，才能認為掌握了該知識點。

薄弱環(huán)節(jié)自行檢測。在混合式學(xué)習(xí)中，學(xué)習(xí)者可對薄弱環(huán)節(jié)知識點進行自我檢測，對于那些沒有掌握好的知識點，可以進行多次學(xué)習(xí)，并與以往學(xué)習(xí)情況進行對比。在此過程中人工智能學(xué)習(xí)系統(tǒng)可以查詢該領(lǐng)域知識庫的相關(guān)內(nèi)容，并對薄弱環(huán)節(jié)進行補強。

學(xué)習(xí)進度有效控制。學(xué)習(xí)者在開始學(xué)習(xí)之前要制定自己的學(xué)習(xí)計劃，詳細列出課程內(nèi)容學(xué)習(xí)計劃，一旦出現(xiàn)偏差或者未按照原定計劃執(zhí)行時，系統(tǒng)就會給予提醒，并且定期對計劃進行檢查。在完成一定時段的學(xué)習(xí)后，系統(tǒng)會將學(xué)習(xí)者的學(xué)習(xí)狀況進行統(tǒng)計，列出這段時間內(nèi)的知識難點以及尚未完全掌握的知識點，并對后續(xù)學(xué)習(xí)計劃進行審查，看是否需要調(diào)整今后的學(xué)習(xí)計劃。

3.面向教學(xué)的人工智能應(yīng)用

（1）智慧課堂

從信息化視角來看，智慧課堂可看作是利用先進的信息技術(shù)手段來營造智能化的課堂教學(xué)環(huán)境，形成師生交流立體化、教學(xué)過程智能化的課堂。大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算、可穿戴設(shè)備等技術(shù)的發(fā)展成熟，數(shù)字化學(xué)習(xí)環(huán)境與教育的深度融合，使得教學(xué)中各類數(shù)據(jù)的收集、追蹤、分析成為可能，為智慧課堂的建成奠定了堅實的基礎(chǔ)。

近年來，越來越多的教學(xué)機構(gòu)參與到智慧課堂建設(shè)中來。例如，依托上海開放大學(xué)的上海開放遠程教育工程技術(shù)研究中心所建的“智慧課堂”，配備有虛擬現(xiàn)實（VR）和增強現(xiàn)實（AR）設(shè)備、人體眼神姿態(tài)識別儀、EEG/ERP腦波檢測器等數(shù)字化設(shè)備，能將學(xué)習(xí)者課堂上的面部表情、身體姿態(tài)和腦電波等數(shù)據(jù)信息全程捕捉下來。智慧課堂的構(gòu)建如圖3所示。

圖3　智慧課堂構(gòu)建圖

由于人的興奮、緊張、愉悅等狀態(tài)通過臉部表情、身體姿態(tài)和腦電波能夠反映出來，因此對每位學(xué)習(xí)者臉部表情進行相應(yīng)的歷史對照分析，并結(jié)合腦波檢測，便能較準確地識別出學(xué)習(xí)者的狀態(tài)，分析出學(xué)生的注意力是否集中，以及對知識點的掌握程度。然而由于學(xué)習(xí)過程中的臉部表情、腦電波數(shù)據(jù)所呈現(xiàn)出的復(fù)雜、非線性、數(shù)據(jù)量大、干擾性大等特性，常用的數(shù)據(jù)分析方法識別效果不佳，而基于機器學(xué)習(xí)、深度學(xué)習(xí)的人工智能識別技術(shù)能有效處理上述特性，使得智慧課堂成為學(xué)習(xí)者進行個性化學(xué)習(xí)的重要場所。

（2）智能在線考試

基于人工智能的在線考試系統(tǒng)除具有常見的用戶信息管理、試題庫管理、在線考試、自動評卷功能外，還提供了智能組卷功能和在線作弊防范監(jiān)測功能，不僅能自動生成區(qū)分度良好的試卷，而且還能對作弊試卷、雷同試卷進行辨別。此外，智能在線考試系統(tǒng)還能對每次考試結(jié)果生成考試分析報告，對考試結(jié)果進行精準分析，以及對考試難易程度做出評判。

智能在線考試系統(tǒng)的另一特色是具備數(shù)據(jù)挖掘統(tǒng)計功能，即能對每一場考試產(chǎn)生的數(shù)據(jù)進行挖掘與統(tǒng)計，并給出描述性統(tǒng)計值，如每場考試最早完成答卷的時間、平均答卷時間、最長答卷時間、答題者的最高分、平均分、最低分等信息，以及對試卷的難易程度給出評判，并以圖表的形式直觀展示，便于師生迅速了解該次考試的情況。此外，智能在線考試系統(tǒng)還能對考試數(shù)據(jù)執(zhí)行分類、聚類、關(guān)聯(lián)規(guī)則分析等操作，通過數(shù)據(jù)挖掘方法來尋找知識點、試題間的潛在關(guān)聯(lián)，為在線考試更好地服務(wù)。

從混合式教學(xué)的特征、現(xiàn)狀與需求來看，人工智能在上述教學(xué)中的發(fā)展與應(yīng)用呈現(xiàn)以下規(guī)律：人工智能技術(shù)將不斷應(yīng)用于解決混合式教學(xué)中存在的問題，并為教學(xué)的創(chuàng)新發(fā)展提供更具智能化的模式與手段。與此同時，混合式教學(xué)中的應(yīng)用新需求將為人工智能在上述專業(yè)領(lǐng)域的發(fā)展不斷提供新的動力，由此促進人工智能的進一步發(fā)展。因此，我們應(yīng)該在人工智能發(fā)展與混合式教學(xué)應(yīng)用需求之間構(gòu)建深度融合的生態(tài)鏈，形成可持續(xù)創(chuàng)新、雙螺旋演進的互動發(fā)展模式。

五、結(jié)束語

混合式教學(xué)作為一種“線上 線下”相結(jié)合的新型教學(xué)方式，顛覆了傳統(tǒng)教學(xué)中“以教師為中心”的理念，已成為互聯(lián)網(wǎng)環(huán)境下現(xiàn)代教學(xué)變革的重要方向。當(dāng)前混合式教學(xué)中存在著教學(xué)資源單一、學(xué)生學(xué)習(xí)自主性不強、課堂教學(xué)與在線學(xué)習(xí)缺乏有機結(jié)合等主要問題。人工智能的發(fā)展與應(yīng)用，不僅為解決上述問題提供了新的手段，而且促進了上述教學(xué)進一步向“以學(xué)習(xí)者為中心”的個性化、精準化和智能化教學(xué)方向發(fā)展。從上述領(lǐng)域未來的發(fā)展看，混合式教學(xué)的應(yīng)用需求將為人工智能的發(fā)展不斷提供新動力，而人工智能的發(fā)展應(yīng)該以上述應(yīng)用為導(dǎo)向，在兩者之間構(gòu)建深度融合的生態(tài)鏈，形成可持續(xù)創(chuàng)新、雙螺旋演進的互動發(fā)展模式。

參考文獻：

[1]陳海建,戴永輝,韓冬梅等(2017). 開放式教學(xué)下的學(xué)習(xí)者畫像及個性化教學(xué)探討[J]. 開放教育研究, (3):105-112.

[2]郭漢,宋耀偉,張森木(2016). 基于計算機視覺的虛擬現(xiàn)實技術(shù)在體育教學(xué)中的應(yīng)用研究[J]. 西北工業(yè)大學(xué)學(xué)報(社會科學(xué)版), (2):92-96.

[3]何克抗(2005). 從Blending Learning看教育技術(shù)理論的新發(fā)展[J]. 國家教育行政學(xué)院學(xué)報, (9):37-48,79.

[4]胡立如,張寶輝(2016). 混合學(xué)習(xí):走向技術(shù)強化的教學(xué)結(jié)構(gòu)設(shè)計[J]. 現(xiàn)代遠程教育研究, (4):21-31.

[5]黃榮懷,劉德建,徐晶晶等(2017). 教育機器人的發(fā)展現(xiàn)狀與趨勢[J]. 現(xiàn)代教育技術(shù), 27(1):13-20.

[6]柯清超(2013). 大數(shù)據(jù)與智慧教育[J]. 中國教育信息化, (24):8-11.

[7]李德毅(2016). 人工智能在奔跑 教育的機遇與挑戰(zhàn)——在“北京聯(lián)合大學(xué)智能機器人產(chǎn)學(xué)研合作與人才培養(yǎng)創(chuàng)新發(fā)展研討會暨機器人學(xué)院成立大會”上的報告[J]. 北京聯(lián)合大學(xué)學(xué)報, (3):1-4.

[8]李勇帆,李里程(2013). 情感計算在網(wǎng)絡(luò)遠程教育系統(tǒng)中的應(yīng)用:功能、研究現(xiàn)狀及關(guān)鍵問題[J]. 現(xiàn)代遠程教育研究, (2):100-106.

[9]劉辰(2017). 曉羊教育:用人工智能算法排課表[J]. 創(chuàng)業(yè)邦, (8):36-37.

[10]劉勝男,吳曉如(2015). 人工智能如何改變教育?[J]. 中國傳媒科技, (7):52-54.

[11]馬曉燕(2017). 基于慕課和微課的英語混合式教學(xué)模式相關(guān)問題探討[J]. 吉林省教育學(xué)院學(xué)報, (3):82-84.

[12]牟占生,董博杰(2014). 基于MOOC的混合式學(xué)習(xí)模式探究——以Coursera平臺為例[J]. 現(xiàn)代教育技術(shù), (5):73-80.

[13]牟智佳(2017). “人工智能 ”時代的個性化學(xué)習(xí)理論重思與開解[J]. 遠程教育雜志, (3):22-30.

[14]蘇佩堯(2015). 微信公眾平臺支持下混合式學(xué)習(xí)活動探討[J]. 實驗技術(shù)與管理, (6):177-180.

[15]孫立會(2009). 互聯(lián)網(wǎng)的過去(Web1.0)、現(xiàn)在(Web2.0)、未來(Web3.0)對改善學(xué)習(xí)方式的影響[J]. 現(xiàn)代教育技術(shù), (s1):7-8.

[16]孫曙輝(2016). 在線教學(xué)4.0:“互聯(lián)網(wǎng) ”課堂教學(xué)[J]. 中國教育信息化, (14):17-20.

[17]王斐(2013). 人工智能在中學(xué)教育教學(xué)中的應(yīng)用現(xiàn)狀分析[J]. 中國醫(yī)學(xué)教育技術(shù), (4):397-400.

[18]王國華,俞樹煜,黃慧芳等(2015). 國內(nèi)混合式學(xué)習(xí)研究現(xiàn)狀分析[J]. 中國遠程教育, (2):25-31.

[19]徐鵬,王以寧(2009). 國內(nèi)人工智能教育應(yīng)用研究現(xiàn)狀與反思[J]. 現(xiàn)代遠距離教育, (5):3-5.

[20]閆志明,唐夏夏,秦旋等(2017). 教育人工智能(EAI)的內(nèi)涵、關(guān)鍵技術(shù)與應(yīng)用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析[J]. 遠程教育雜志, (1):26-35.

[21]楊翠蓉,陳衛(wèi)東,韋洪濤(2016). 智能導(dǎo)學(xué)系統(tǒng)人機互動的跨學(xué)科研究與設(shè)計[J]. 現(xiàn)代遠程教育研究, (6):103-111.

[22]趙冬梅,尹伊(2012). 基于Blackboard平臺的混合式學(xué)習(xí)模式教學(xué)實踐探究[J]. 現(xiàn)代教育技術(shù), (9):41-44.

[23]祝智庭,孟琦(2003). 遠程教育中的混和學(xué)習(xí)[J]. 中國遠程教育, (19):30-34.

[24]Chen, H. J., Dai, Y. H., & Feng, Y. J. et al. (2017). Construction of Affective Education in Mobile Learning: The Study Based on Learner’s Interest and Emotion Recognition[J]. Computer Science & Information Systems, 14(3):685-702.

[25]Mittag, H. J. (2016). Blended Learning in Practice: An Overview on Recent Developments[J]. Journal of Lifelong Learning Society, 5:171-186.

收稿日期　2018-03-01　責(zé)任編輯　劉選