將教育與技術融合，我們該如何著手開發AIEd系統？

芥末翻是芥末堆全新推出的一檔學術欄目，由芥末堆海外翻譯社群的小夥伴們助力完成。我們致力於將全球經典或是前沿的教育理念、教育技術、學習理論、實踐案例等文獻翻譯成中文，並希望能夠通過引進這類優質教育研究成果，在全球教育科學的推動下，讓更好的教育來得更快！

本文選自培生集團研究報告《Intelligence Unleashed ：An argument for AI in Education》，作者 Rose Luckin，Wayne Holmes，譯者康琳，魏來，汪汪，編輯阿槑。圖片：unsplash

編者註：本期是芥末翻連載培生AI+教育的研究報告第五周，有兩個目的：第一，給感興趣的非專業讀者解釋AIEd是什麼，如目標、實現方式及作用機制。只有確保一定程度的了解，我們才能走出AI的科幻印象及由此產生的恐懼。第二個目的：闡述AIEd現在及未來能為學習帶來的影響，以提高學習者的學習效率。

將教育與技術融合

各行各業的工作將被穩步增加的機器人或者基於大數據的智能演算法所取代，這樣的預測並不少。然而，應用於學習上的人工智慧技術一直以來都沒有得到持續且高度的重視。這種差異的存在並不令人意外，因為這一切是由經濟學家主導而不是教育家。這同樣也反映出定量研究與現實社會之間的鴻溝，定量研究主要關注的是工作機會的變化，而不是能力；關注的是有可能實現自動化的崗位，而不是那些有可能新創造出來的崗位。

在本報告中，我們已經提及過 AIEd 的方方面面，通過進一步完善在智能現實世界中的測試，可以對教育領域的創新提供適當的解決方案。簡單地講，這種必然趨勢是指：隨著人類生活和工作越來越依賴智能機器，教育體系也將需要達到目前尚未企及的水平。在我們頭腦中，這種必然趨勢甚至超過全球化所帶來的巨大影響，會將教育目前存在的問題大幅度緩解，例如學生間的成就差距。

概括下目前的觀點，我們認為現在應該做以下兩件事。首先，繪製出 AIEd 工具目錄，這些工具能夠用來支持下一階段的教育體系改革，幫助我們解決教育領域所面臨的巨大挑戰。其次，闡明使用AIEd 的方式，形成改革的時間表。

就像學習者需要及時、可操作性的反饋，我們也應該為學習者構建一個能夠適應未來經濟發展的教育體系。但在構建該體系之前，我們需要提醒自己，教育的目的遠不只為了找到一份工作。例如，應該通過教育探索你的熱情，體驗工作過程的心流和滿足感，成為一個有能力， 有意願、有責任和道德感，並為你的家庭、社區、國家甚至世界帶來正向改變的人。

而找到一份好工作是與上述所提到的教育目的是一致的，這也是政府投資教育的核心原因之一。下方的表格表明 AIEd 工具與未來 15 年就業市場預測需求的匹配。

而將來所需要的投資和成本與目前在學習上的投資相比，不會發生顯著的增加。堅持應用摩爾定律，以及明智的投資，我們有足夠的理由相信， AIEd 應用的成本將隨著時間降低，可以降至目前的消費水平所能擔負的價格。

利用 AIEd 評估教育變革

一旦我們將 AIEd 工具應用到上述所講的教育領域中，我們將有一個全新的、強大的方式去評估教育水平和成就。通過實施合理的公共數據標準和數據共享需求，AIEd 可以提供不同級別的關於教與學的分析，無論是關於哪門課，哪個班級，哪所學校，哪個地區或者國家。

有了這些信息，制度領導者、戰略家將需要拓展新技能去分析數據，找到成績下降的潛在原因及最有效的解決方案。例如，AIEd 可以進行學校層面的分析，實時發現學校正在遭遇的問題。然後可以召集一組專家去找到快速解決問題的辦法。

教育體系需要靈活利用以實現獲得豐富的實時系統分析。同樣，AIEd 系統可以為教育管理者和政策制定者提供提升新技能和能力的支持。

我們已經前面概述過，AIEd 將在下一階段的教育體系變革中扮演重要的角色。下面就到了本報告的最後一部分：為了使 AIEd 猛虎出籠，現在就要付諸實踐的事情。

關於 AIEd 猛虎出籠的一些建議

在沼澤求生中，Michael Fullan 和 Katelyn Donnelly 描述了三種強有力的因素，這三種因素必須結合在一起，藉助技術的力量，來推動學習迅速向前邁進。

其中一種因素是教學方法，即關於如何教與學的研究；第二種因素是技術本身，關於這個話題，我們此前已經談論了很多；最後一種因素是體系變化，即如何傳遞變化以便給每個學習者帶來積極影響的理解。

在未來，AIEd 解決教育中的挑戰效果取決於我們如何處理下列問題，即(1)我們需要智能的技術，將好的教與學方式具象化(2)有吸引力的消費級產品(3)這種人機結合的產品將被廣泛使用。AIEd 目前該如何來應對這三個角度的問題？而且，更重要的是，我們需要做什麼來釋放 AIEd 的全部智能?

教學方法

迄今為止，AIEd 主要是研究用最少的精力更快實現教育的目標，舉個例子，學習高度結構化的科目如數學導論或物理導論，或者將 AI 技術應用到高度結構化的大數據中，例如大學行政系統。

這些研究結果只是最基本的，還遠遠不夠。如果我們想要徹底改變所有學習者的學習廣度和學習質量，如果我們想要應對 21 世紀中尚未解決的學習理論挑戰，投資者和研究者們還有很長的一條路要走。

簡而言之，AIEd 必須從教學方法開始改革，並且要更有決心。

建議

不要被技術綁架，從學習本身出發。

將現有的 AIEd 研究資金集中投入在那些有可能會對學習產生真正重大改變的領域。

改變AIEd研究領域的現狀，放棄那些分散的、邊緣化的、各自為政的方式。

基於對學習科學與教育實踐的洞見，設置一系列雄心勃勃的挑戰賽。

技術

目前，AIEd 尚處於家庭作坊式的發展階段——研發經費較少且規模不大，大多數研究人員只有有限的經費，也沒有找到商業合作夥伴。這導致的結果就是大多數應用的開發都停滯在原型階段以內，原來已經學習的大部分都已經失傳了。解決辦法是不要把錢廣泛投向 AIEd，分別去應對每一個項目，每一個可能的學習場景。

相反，成功往往來自於在某一特定領域的專註：例如，某個科目領域或者某種具體的學習者需求。要實現這一目標，組織、激勵以及資金需要到位，為 AIEd 創造出一個創新、合作的生態系統。

建議

在 AIEd 中開發可以構建反覆創新的基礎平台，而減少重複再造的情況。(例如，美國國際職業標準協會認證、分享數據標準、分享學習者模型等)

激發對於 AIEd 技術智能化的市場需求。例如，可以實際應用的 AIEd 解決方案，政府和慈善組織可以為其專門開闢一條銷路。這將促成 AIEd 研究者與商家的合作。

成立一個類似DARPA（國防高級研究計劃局）的組織，從而加速 AIEd 工具從實驗室走向現實生活中。

改變教育體系

AIEd 將在一個數字技術和傳統的課堂活動互補的混合式學習空間里運行。認識到這一點意味著，解決實際課堂、大學或者工作場所學習環境中所存在的混亂，教師和學習者成為 AIEd 的共同設計者。如果用圖標解釋是像這樣的：

然而，我們花了太少的精力在設計、描述 AIEd 如何可以具體去適應學習者和教育工作者的現場體驗。我們同樣忽略了如何去提供正確的專業培訓讓教育者明白這些重新設計的學習模型。

我們也需要更好的證據去證明 AIEd 可以在實際課堂上和大學裡應用，畢竟，如果我們不能提出 AIEd 方案是否可行的檢驗方式，我們則無法要求 AIEd 去解決教育的重大問題，也難以要求教育體系領導認真對待 AIEd。

建議

教師，學生和家長共同參與，以保證未來的 AIEd 系統滿足他們的需求(參與式設計過程可以成就更好的 AIEd 產品，使教師對學習過程了解更多，使學習者更加成功)。

接下來，反覆迭代產品，並智能地評估現實情境中的 AIEd 應用。

開發數據標準：在數據使用過程中，將數據共享及倫理標準放在首要位置。

我們不會低估其實現難度，包括所需要的新思維、不可避免地走彎路，需要付出的努力。然而，如果要合理地釋放AIEd 的智能，我們必須做出改變——通過全新的協作方式，合理的資金支持，密切地關注教學法。如果不這麼做，潛在的成本將是巨大的。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！