芥末翻｜人工智能必将改变教育：AIEd的未来
芥末翻是芥末堆全新推出的一档学术栏目，由芥末堆海外翻译社群的小伙伴们助力完成。我们致力于将全球经典或是前沿的教育理念、教育技术、学习理论、实践案例等文献翻译成中文，并希望能够通过引进这类优质教育研究成果，在全球教育科学的推动下，让更好的教育来得更快！
编者注
本期是芥末翻连载培生AI+教育的研究报告第三周，有两个目的：第一，给感兴趣的非专业读者解释AIEd是什么，如目标、实现方式及作用机制。只有确保一定程度的了解，我们才能走出AI的科幻印象及由此产生的恐惧。第二个目的：阐述AIEd现在及未来能为学习带来的影响，以提高学习者的学习效率。
本文选自培生集团研究报告《Intelligence Unleashed ：An argument for AI in Education》，作者 Rose Luckin，Wayne Holmes。
译者康琳，魏来，汪汪
编辑阿槑
前文请戳：
AIEd 的未来与人工智能(AI)的未来密不可分。AI 技术与消费市场的结合吸引了大量研发人员涌入该行业。目前创新和发展的速度超过以往，当前 AI 的普及意味着 AIEd 的创新应当成为商业领域的关注点之一。
在本章节中，我们展望前沿理论和实践的发展，希望看到新技术的研发，以及AIEd带来的进步。这一切都充满机遇与挑战。我们试着从积极的角度看待这些发展，并在此着重传达一种振奋人心的可能性，即 AIEd 必将改变教育。
人们日益认识到，21 世纪技能对于当前和未来的就业是必不可少的，许多组织和团队都在推进这一技能列表。举个例子，世界经济论坛提出了 16 种技能，分为三大类:：
我们普遍认同这些能力在当下及未来都非常重要，并且应当成为终身学习的一部分。但要实现这个目标，至少有两大挑战需要解决：
开发信度和效度指标，方便追踪学习者的能力发展水平，包括一些难以衡量的特征，比如创造力和好奇心。
我们需要更好地理解，培养这些能力最有效的教学方法和学习环境是怎样的。
AIEd 有助于解决这两大挑战：
首先，AIEd 借助工具和技术来进行细粒度分析，这使我们能够追踪每位学习者的知识和能力的发展情况，因为学习者长期通过与系统互动来学习。对个体学习者的学习记录进行收集和解读，我们能够了解学校、学区和全国整体的进展。
目前已经有越来越多的数据收集设备如生理数据、语音识别和眼球追踪 ，将使 AIEd 系统能够为目前难以评估的能力提供新的依据。例如，在实践类学习场景下，涉及问题解决与团队合作，通过语音识别（确认团队的分工，分别在做什么和说什么）和眼球追踪（调查每个学习者在某一特定时刻的关注点）等数据，能够解决其评估问题。
第二，当学习者更多地使用 AIEd 系统，我们将能够收集大量教学和学习实践的数据，来判断哪些模式是最有效的。这些数据将使我们能够跟踪不同的教学方法下学习者的进步，反过来，这将使我们能够开发一个动态目录，在不同的环境下，为各类知识和能力匹配最佳教学和学习方式。
重要的是，我们还能够将学习者的进步与学习环境联系起来，然后在 AIEd 系统中构建环境模型。目前已经有纳入环境因素的新方案，比如实体或虚拟空间，可用的学习工具，包括课程、技术和书籍等。
随着时间的推移，这些模型将使我们有能力为不同的学习环境匹配最佳教学方法。并能够帮助我们弄明白如何调整环境因素(如技术、教师和环境的组合)，以改善教学效果，这都有助于学习者习得知识以及 21 世纪能力。
我们赞同彼得·希尔和迈克尔·巴伯在《Preparing for a Renaissance in Assessment》中所提到的，学习有三个核心组成部分(课程、教学，与评价)，而评价正在阻碍我们的前进。我们还同意“技术是解决方案一部分”的说法。我们判断，在不久的将来，AIEd 将是够改进教学评价方法的三个关键因素。
AIEd 将提供实时评价来促进学习
在教学中更多地使用技术，能够帮助我们收集教师和学习者的海量数据。我们已经开始分析并研究这种 “大数据”。例如，高精度的分析结果已经用于预测学习者从在线课程中“退学”的概率。
AI 技术将提升学习分析的精确度，以获得跟学习者取得成功、应对挑战和自身需求等方面的相关信息和数据，进而用于改进学习。例如，AIEd 系统使得学习分析能够识别学习者在学习外语(或是一个棘手数学方程式)时的信心和动机变化。
这些信息也可以用于为学习者提供及时干预措施，辅助其学习，既可采用技术支持、教师特别关注，也可以是两者的结合。
AIEd 帮助我们了解学习的最新进展
除了实时性，从数字化教学中收集的数据将为我们提供新的视角，而这些在传统的评估中无法获得。例如，除了识别学习者是否给出了正确答案外，还可以分析数据集，以帮助教师了解学习者如何得出答案。数据还可以帮助我们更好地理解认知过程，如记忆和遗忘曲线，以及这些对学习效果的本质影响。AIEd 分析还可以确定学习者是否感到困惑、无聊或沮丧，帮助教师理解和提高学习者的情绪准备。
AIEd 将帮助我们超越结果性评价
如 Kristen DiCerbo 和 John Behrens 在《数字海洋对教育的影响(Digital Oceanon Education)》中所提到的，AIEd 研究人员在过去 25 年中开发的模型和技术已经获得大量学和教的数据，它们可以带给我们更多有价值的信息，以便对学习者进行过程性评估。
通过 AIEd 系统对学习者的学习活动进行持续分析，我们不需要再使用现有的结果性评估。相比此前基于对学习者所学的碎片化内容进行评价的传统评估，AIEd 驱动的评估有助于构建有意义的学习活动，可能是一个游戏或一个合作项目，并且能够评估一切学习(和教学)活动。
AI 和 AIEd 一直是跨学科领域，展望未来，AIEd 将继续借助心理学和教育神经科学等学科的新理论，以更好地了解学习过程，从而构建更准确的模型，更好地判断和影响学习者的成功、动机和毅力。
以教育神经科学为例
保罗·霍华德 - 琼斯是布里斯托大学的神经科学和教育学教授，他在著作中提到了一个实例，即神经科学能够辅助 AIEd 系统的设计。他在著作中提到，当学习与不确定奖励关联在一起时，学习效果可以得到提升，即学习者知道完成任务时会得到奖励，但是不能确定奖励内容。这在传统教育中是难以实现的，在传统教育中奖励与成功直接关联。
不确定的奖励在电子游戏世界中更常见，目前教育游戏的设计倍受关注，使用不确定奖励来吸引学习者并提高他们的学习效果。将 AIEd 技术添加到这些教育游戏的设计中， 并基于学习者的水平给予不同的响应，使奖励更能够匹配学习者。
以心理学为例
多年来，Carol Dweck，斯坦福大学最著名的心理学家，一直在探索“思维模式”（mindsets） 在学习中的作用。他们区分开那些相信智力不会随时间变化的学习者(“固定型思维”，fixed mindset)与那些相信他们的能力可以提高的人(“成长型思维”，growth mindset ) 。有成长型思维的学习者将挑战看作是要克服的事情；他们更坚持并重视努力学习，这使得他们作为学习者获得了更多的成功。越来越多的证据表明，改变思维模式，对学习者的成绩和成就测试得分有重大的影响。
在帮助学习者培养思维模式方面，技术的作用已经有所体现；事实上，Carol Dweck 的团队已经开发出一款软件Brainology，该软件可提供内容和支持，以促进成长型的形成。AI将会带来更多可能性。例如，借助AI，系统可以适应学习者的目标和思维，或者帮助学习者发展积极的心态。借助更精细化的学习者模型，我们能了解学习者的思维模式及其变化，并相应地调整教学，包括向教师提供有针对性的反馈，使每个学习者以最有效的方式培养成长型思维。
在古代中国，每位皇子都有侍读和太傅，也许中国皇帝知道他们的皇子在与他人一起学习时，效率会更高；同样，当代心理学也持有相同观点。
20 世纪 80 年代早期，AIEd 研究通过学习辅助系统可以将这个古老的模式带入现实。这些系统为每位学习者提供了基于计算机的协作学习伙伴。同伴的作用是通过协作和竞争来激发学习者的学习热情。同伴也可以作为学习者的指导对象。基于计算机的教师为学习者提供了实例和指导，并决定了待解决问题的顺序和内容。
下一代学习伙伴有巨大的潜力改变未来的教和学，开发学习同伴并不存在技术障碍，可以通过课堂内外的学习来陪伴每位学习者。这些终身学习伙伴可以设在云端，通过多种设备访问，并根据需要离线操作。
学习伙伴可能会扮演特定领域的专家，具备某个领域的专业知识，而非全部领域。此外，这个伙伴可以帮助学习者培养成长型思维，从而促进学习。因为这类系统可以帮助所有学习者获得最匹配其需求的学习资源，该系统更适合于努力的学习者以及那些高成就动机的学习者。
“
本翻译仅作了解之用，并非用于学术研究或商业决策。芥末堆海外翻译社群的小伙伴们力求将关键理念与思想更广泛地传播至中文区域，故部分表达可能与原文有所差异。如需使用，请查证阅读原文。
作者：芥末翻
© jiemodui.com