教学人工智能：空间、限度与超越

［摘 要］教学人工智能与人类教师相比，无论是在提升教学的高效化、精准化和个性化方面还是在保障教学的科学性和可靠性方面都具有优势。但教学人工智能在应用过程中面临着技术上的困境、价值上的挑战和治理上的难题。这就决定了教学人工智能是无法全面取代人类教师的地位，而应该把简单的教学任务交由教学人工智能处理，将复杂的教学任务交由人类教师处理，构建一种积极务实的人机共处模式。在此基础之上，还应当确立应对算法难题之措施、保障人类教师和学生的权利、增强人员之间的交流和复合人才的培养以及建构合理的责任分配机制等，以确保教学人工智能的广泛应用与发展。

［关键词］教学人工智能；人机共处模式；教学决策；人工智能算法；筛选机制

［中图分类号］G434［文献标识码］A ［文章编号］1005-5843（2023）06-0099-09

［DOI］10.13980/j.cnki.xdjykx.2023.06.015

2016年美国颁布了《国家人工智能研发战略规划》，提出在教育应用中“研发更有效的人类与人工智能协作方法”［1］。这为教学领域应用人工智能（Artificial Intelligence，简称 AI）开辟了道路，让相关问题开始进入研究者的视野。近年来在大数据、云计算、5G技术、算法、区块链、语音视觉识别等技术得到突破的前提下，教学人工智能的应用与研究也迈入了快车道，掀起了一股热潮。在这种情况下，我国亦根据国情制定了一系列的文件和政策，积极支持把人工智能技术在教学领域进行应用并与之相结合作为重点来发展。如2017年国务院印发了《新一代人工智能发展规划》，提出“利用智能技术加快推动人才培养模式、教学方法改革”。2018 年教育部印发了《教育信息化 2.0 行动计划》，提出要开展智慧教育的探索与实践。2019 年国务院印发了《中国教育现代化 2035》，提出2035年建成“智能化校园”和“智能化教学”等目标，无论是教学体系还是教学能力都实现智能化。在国家的一系列文件和政策的指引下，学界开始探究教学人工智能的空间与限度的问题。在探讨教学人工智能的前景时，大多数学者认为教学人工智能只能起到辅助性的作用，特别是对人类教师的教学决策能够起到比较突出的改善性的作用［2］，但有学者认为教学人工智能有取代人类教师教学工作的潜在能力［3］。造成这些差异性认识的原因在于：多数学者只是从宏观和一般角度对教学中的人机共处模式及作用进行探讨，大多停留在原则性和展望性层面上，未基于教学的独特需求以及教学人工智能的实际应用经验等从具体和微观层面进行探讨。鉴于此，本文从教学人工智能应用现状出发，立足于教学的育人价值追求，对教学人工智能的空间、限度与超越展开深入探讨。

一、教学人工智能的空间

从控制论的角度来看，当在某一领域能够利用一种工具或技术对人类的思考或劳动予以替代时可称为人工智能。如美国人工智能领域的开拓者尼尔斯·尼尔森（Nils J.Nilsson）就把在比较复杂环境中能够进行自主感知、学习、推理和决策的机器或系统作为人工智能定义的核心内容。其显著的标准是：能否将人类的事情完成，甚至比人类还做得好［4］。因此，本文所探讨的教学人工智能是指那些能够在教学中替代人类教师开展教学活动的机器或者系统。它是人类教师借助人机的高效协同，在智能化的教学环境中传授知识和促进学生身心健康成长的过程［5］。也就是说，本文所指称的教学人工智能是在广义上使用这个概念。在这种情况下，基于网络化、数字化和智能化融合驱动的人工智能技术被应用于教学领域都属于此类［6］。

当前，许多人工智能助教系统进入教学领域，如我国北极星 AI 助教、句酷批改网和101 教育 PPT等［7］，这已成为当下的一种不可逆转的趋势和潮流。有学者认为，倘若人工智能技术在教学中的应用能够产生出比人类教师更具可接受和可说服的教学效果来，那么在可靠性和成本效益方面自然比人类教师更具优势。在这种情况下，将人工智能视作教师也未尝不可［8］。从教学人工智能表现出教学过程的高效化、精准化、个性化以及科学性和可靠性上看，教学人工智能比人类教师具有明显的优势［9］。首先，教学人工智能有利于实现教学内容的个性化发展。“知识大爆炸”的时代，不仅使教学内容更加丰富，也导致了学生需求的多样性。“差生跟不上，优生吃不饱”的现象在传统课堂的教学中普遍存在。从当前教学人工智能的应用实践来看，教学人工智能可以充分发挥其优势，在以下几个方面对教学内容个性化予以提升：一是人类教师可以根据学生的实际情况，结合教学人工智能所提供的丰富资源、工具和平台，对每类学生选择性适用，满足学生的个性化需求。在人类教师和教学人工智能的交互作用下，教学人工智能囊括了教学所需的影音视频、参考文件、测试、作业等教学资源、AR教学和VR教学等教学工具和各种平台等，把原有受时空限制的教学予以无限地拓展，而且在教学人工智能的协助下有效推动教学流程的便捷化和自动化［10］。二是教学人工智能可以关注每个学生的学习需求。学生利用智能移动终端设备，随时可以将自己不懂的问题传输给教学人工智能，教学人工智能根据之前积累的教学数据解答问题，对于不能解答的问题，教学人工智能会把问题反馈给人类教师，由人类教师做出解答。有效的人机交互模式既减轻了教师的工作负担又能满足学生的个性化需求。三是教学人工智能可以及时反馈每个学生的学习效果。教学人工智能可以实时反馈学生的学习数据，还可以对单个学生及整个班级学习状况生成评价报告，为人类教师深入了解课堂教学情况打下坚实基础，也为下一次课堂教学内容安排与设计提供可参考的依据［11］。如北极星 AI 助教、101 教育 PPT都具有这样的功能。其次，教学人工智能能够更好地保障教学目标的准确实现。一般而言，教学活动应该有明确的教学目标，可能包括多维的知识目标、能力目标和价值目标。教学实践中，不同教学目标的达成依赖于不同的教学活动，往往难以在有限的课堂教学中完全达成，不同的人类教师在讲授相同的教学内容时也会侧重不同的教学目标。在教学人工智能系统中，通过建构出相应的算法模型，对教学的决策、实施、评价和分析做出判定［12］。这种算法模型的建构，能够根据先前所建构的知识图谱而自动地关联到相应的教学知识链条，为确保相同的教学内容达成完整的教学目标提供了可靠和可行的路径。例如一些教学内容推送系统、智能导学系统（Intelligence Teaching System，ITS）、北极星AI助教等教学辅助系统在保障人类教师遵循相同教学达成相同教学目标方面已经取得一定的效果。此类研究也成为当下的潮流，从而在充分发挥教学人工智能保障教学目标实现中起到积极作用。再次，教学人工智能能够基于教师群体的经验而实施更稳定和可预测的教学活动，保障教学决策的科学性。教学活动的稳定性和可预测性直接关系到教学的质量和学生的可接受性，以及有效凝聚教学共识目标的实现。一方面，在人工智能所具有的存储能力、算法和算力的优势的支持下，教学人工智能能够通过分析、归类、汇总和索引等方式对教学内容、教学规律、教学规范和教学环节等教学数据更加全面地掌握，教学人工智能的决策是基于全量信息，不管是在掌握信息总量方面还是在发掘和整理信息规律方面都拥有超越人类教师的能力。这就无疑对教学人工智能决策的全面性和理性化起到了保障作用。另一方面，在面对相对复杂和新型的教学内容时，教学人工智能的决策也是在人类教师群体经验和公共理性的基础之上而做出的，与个别人类教师可能按照直觉或臆想而作出的教学决策相比，应该更具有稳定性和可预测性。在具体的实践中，人工智能教学辅助系统已展现出特有的稳定性和可预测性。如Wiley和 Hastings 等人把学习者生成的文档，在利用两段式的机器学习和自然语言理解技术且结合语义索引（Latent Semantic Index）和Coh-Metrix 评分引擎的情况下，依靠对文档中的因果关系及链条的检测来评价学生对概念和想法的运用，其结果显示采取混合方法检测和评价内容具有优势［13］。在这种情况下，意味着教学人工智能的决策已拥有更加稳定和理性的特质，对提升教学的确定性和可预测性大有裨益，从而增强了教学整体的质量和效果。最后，教学人工智能能够有效防范人类教师决策的偏见风险，保障教学效果的确定性。随着人工智能技术的深入发展，近些年快速兴起的脑机接口技术（Brain-Computer Interface，BCI）成为新的突破口。通过神经网络技术使算法不仅具备深度学习和自主学习的能力，而且具备自动迭代等能力。因此，能够直接解构、重组和发掘教学原始数据要素中的关联意义，在这个基础上开展教学的决策。这就将人类教师决策的偏见等不当的外在因素排除在教学决策过程之外，有利于保障教学决策的客观性与合理性。对此，有学者就指出：当在教学上发生与同类相关的争议时，均可以利用同一的算法来解决。在这种情况下，教学人工智能能够防范和消除人类教师出于对好教师或具有人情味的教师的名声的追求而任意展开教学的风险［14］。而且在具体的实践中，教学人工智能的客观性也得到了肯定。如Westera等人把学习者173 份的论文通过使用 Reader Bench 框架（一种自然语言理解的软件模型），为这些论文报告生成一组文本复杂度指数，然后将不同配置的机器学习算法相结合来预测分数，实验表明该方法拥有相当高的精确度。这样确保了人类教师决策的客观性，因而是符合“教书育人”要求的。

二、教学人工智能的限度

尽管教学人工智能在许多方面表现出比人类教师更优的特性，但它仍面临着技术上的困境、价值上的挑战和治理上的难题［15］。只有全面和客观地看待教学人工智能的限度，才能深入系统探讨教学人工智能的发展前景。

（一）技术上面临的困境

1.教学数据供给不足的困境。教学人工智能的优势是基于全量教学数据深度学习而对决策模型予以构建，因此，它的科学性和可靠性是由教学数据的全面性、完整性和准确性维系的。大多数人工智能教学辅助系统都是以教学案例作为数据学习来源进行制成的。当下的教学案例无论在数量还是在质量上都难以满足教学人工智能所要求的全面性、完整性和准确性标准。我国虽已建立一定的教学案例数据库，但从数量上来看，可使用的公开教学案例可能仅占少部分。考虑到目前在案例公开程序上缺乏完善的管理制度，教学案例涉及智力成果归属问题，以及案例公开的成本等因素，教学案例选择性公开的状况普遍存在。从质量上来看，即使是已公开的教学案例，也存在着质量参差不齐的情形，甚至存在简化教学设计以及重复进行教学设计等情形［16］。而且由于缺乏科学系统的教学数据积累计划，已公开的教学数据并不能对教学的全貌进行细致全面的反映，如学生与教师之间的沟通与交流、独特的教学视角和模式的运用、个人教学风格的内在张力地展现、教学委员会的群体讨论等都难以依靠数据化的方式得到有效呈现，这就导致了教学人工智能所习得的数据供给不足因此存在局限性，它们无法达到全面性、完整性和准确性的数据状态，从而影响到教学人工智能的科学性和可靠性［17］。

2.教学人工智能难以摆脱算法黑箱的困境，这与实现教学目标所要求的教学活动的透明性和公开性发生了冲突和矛盾。美国著名信息专家詹娜·布瑞尔（Burrell Jenna）对造成算法黑箱的原因进行了总结，认为一是因算法涉及国家机密或商业秘密而产生有目的的不透明；二是因在把握算法技术的能力和程度上的差异而产生技术文义的不透明；三是因算法的复杂性和先进性而产生固有的不透明［18］。以上三种原因也是影响教学人工智能算法透明度的主要因素。具言之，首先，当前多数人工智能教学辅助系统都是通过外包给相关技术公司的方式予以开发并在它们技术支持下开展应用。但这些公司都从自身商业利益出发，常常拒绝向发包单位公开算法，甚至抵制相关算法的公开。如2018年美国纽约市出台了《自动化决策特别工作组法》，实现监管政府所应用的诸多算法的目的。但这一法案遭到许多科技公司以商业秘密保护为由的强烈抵制，迫使该法案最终被取消［19］。其次，因教学人工智能算法愈是具有高效性和精确性，就愈需要先进技术予以支持和复杂的原理来进行支撑。但算法知识的专业性本来就使普通人难以理解其运作原理，这对于没有计算机知识背景的教师或学生来说也如此，他们均难以对教学人工智能算法设计和运作机理进行掌握和理解。最后，教学人工智能算法的复杂性不仅表现为具有潜在的自我学习能力，而且表现为具有潜在的自我编程能力，还表现为具有潜在的自我更新迭代的能力，特别是可以轻松地拟合万维以上的函数。因此，教学人工智能算法在应用一段时间之后，哪怕是设计算法的人员也难以准确解释教学人工智能决策背后的算法逻辑。

3.教学数据挖掘需要大量投入的困境。教学人工智能的主流算法是建立在知识图谱和深度学习相结合的基础之上的，在这种基于从多个数据源中提取信息方式的知识图谱的半监督学习（semi-supervised learning）方法中［20］，无论是数据的精确化程度还是模型的精细化程度都对教学人工智能决策的准确性有着直接的影响。但结构化的语义知识图谱绘制并非是通过人工智能可以完成的，需要大量的教学专业人员归纳总结教学规律、教学规范以及教学构成的相关节点的特点，而且对此打上明确的标签。这些人工归纳总结活动为机器深度学习提供可靠的数据集合。同时，因教学案例数据信息具有一定程度的不客观性、不真实性和不全面性的问题，加之在教学术语运用方面也存在着不统一性，以及教学数据结构化水平明显不高等问题。这就不仅需要大量人工对相关数据进行清洗和挖掘，而且需要大量人工对相关数据予以结构化改造。所以，从当前教学人工智能的实践来看，“有多少人工方能产出多少智能”“有多少优秀人工才能带来多少优秀智能”［21］。这意味着教学人工智能的建设无论是在人力和物力方面还是在财力方面需要长期和大量的投入。另外，在人文社科领域，它的主观性和不确定性一般表现得十分突出。在这种情况下，当教学人工智能的准确率达到一定水平与程度之后，如果再对教学人工智能的准确率作进一步的提升，那么就需要以几何倍的增长方式进行投入。因此，当教学人工智能的可靠性与高效性未完全释放出来，并且对它的应用前景并不清晰的情况下，就需要通过长期的高投入去发展教学人工智能，无疑对教学人工智能的应用与发展的信心和耐心是一种严峻的考验。

（二）价值上面临的挑战

1.教学人工智能决策难以防范价值偏见的风险。从表面上来看，教学人工智能基于内在的逻辑功能是可以对人类教师先入为主的价值偏见起到防范作用的。但事实上，教学人工智能并非我们想象那样能够保持客观与中立的状态。这是因为，教学人工智能是基于挖掘和学习先前教师教学经验与数据而进行教学预测工作。而且教学人工智能离不开“GIGO（garbage in， garbage out）定律”的支配与影响，这使得教学人工智能对先前教师的教学经验予以习得的同时，不可避免的对先前教师教学经验中所包含的价值偏见部分予以习得，就产生了所谓的“偏见进，则偏见出”的现象［22］。再者，学校在教学人工智能技术开发方面的能力有限，多数人工智能教学辅助系统都是通过外包给技术公司的方式开发并在它们的技术支持下开展应用。如果公司的技术人员本身存在价值偏见或基于自身利益的考虑而产生价值偏见等，那么就有可能将这些价值偏见写入教学人工智能算法之中。而且算法黑箱和技术壁垒在教学人工智能发展中客观存在，这就会导致无法立刻发现和及时纠正产生的价值偏见。在这种情况下，由于教学人工智能大规模应用于教学领域。因此，在教学人工智能决策中产生价值偏见的风险不可避免。