人工智能背景下基于特教专业的大学联盟构建*

王 琦 廖 娟 李长安 彭 刚

引言

人工智能已经成为改变经济社会各部门运行状态的新动力[1]，大学的特殊教育专业能否迅速搭上新技术的便车关乎高等教育人才培养质量和残疾人事业发展。“十九大”报告提出要“推动互联网、大数据、人工智能和实体经济深度融合”。国务院发布的《新一代人工智能发展规划》战略部署了人工智能产业，强调在智能教育的发展方面构建包含有助于残疾学生的智能学习、交互式学习的新型教育体系。目前，人工智能已经在重度残疾人集中学习、视听残疾者无障碍交流等方面实现突破，但是在中国这样一个幅员辽阔、人口众多的国家开展智能校园建设，推动人工智能在教学、管理、资源建设等全流程应用，除了要依靠技术纵深发展，还有待合理配置资源、加强高校间的联动与协作[2]。在这种大背景下，研究基于特教专业的大学联盟构建，对提供精准推送的教育服务、实现高等教育订制化等具有积极意义。

1.当前中国残疾人高等教育存在的问题

1.1 设置本科特殊教育专业的学校数量少且分布不均衡。1985年，原教育部、国家计委等部门发出《关于做好高等学校招收残疾青年和毕业分配工作的通知》，要求各地教委、高招办在招生工作中对生活能够自理、不影响所报专业学习及毕业后所从事工作的肢体残疾考生，在德、智条件相同的情况下，不应仅因残疾而不予录取。1987年，北京大学首次招收肢残学生，21名残疾考生得以进入高等学府学习。经过多年的发展，80%以上的学校不再拒收残疾学生，大陆地区有50多所院校专门设置特殊教育专业，残疾学生获得高等教育的权益得到有效保障。但是，相比某些发达国家和地区，中国大陆各省市区设置特殊教育专业的学校较少。以台湾为例，省内有11所院校设置了该专业，而大陆没有省市区超过5所。与此同时，学校分布不均衡特征显著，西藏、青海等省市区没有高校设置特教专业，江苏、广东、重庆等省市区有3—4所高校设置该专业。

1.2 各地区高等院校录取残疾考生情况差异大。2017年，全国高等院校录取残疾考生11000余人，河南、山东、浙江、云南、江苏是高等院校录取残疾考生较多的省市，招考人数均超过了600人，而西藏、青海、上海、海南、宁夏五省市区招考人数不足200人。剔除考生规模总量的影响，从录取残疾考生人数占考生总数的比例来看，北京、吉林、天津、浙江、云南录取率较高，山西、四川、广西、广东、河北录取率低。总之，各地区高等院校招生和录取情况差异较大，招生与录取的区域间不均衡性显著，具体体现在资金、教师资源等各方面。

图1 中国高等院校录取残疾考生及占比情况

1.3 学校资源与招生情况匹配度低。从学校资源与招生情况匹配度来看，江苏、广东、浙江等省市区学校资源和招生情况匹配情况较好，设置特教专业学校数量较多且招收学生数量大（见图2第一象限）。北京、河北、重庆等省市区学校资源足够多，但是招收学生数相对较少，资源利用率较低（见图2第二象限）。辽宁、陕西、广西等省市区学校资源较少，但招收学生数量也不多，所以资源利用率较高，但是有待提升整体特殊教育质量，以吸引更多资源投入、提高青年残疾人人力资本水平（见图2第三象限）。云南、甘肃、湖南等省招收学生较多，但是学校数量不足，呈现资源供给不足的问题（见图2第四象限）。

图2 中国特殊教育院校资源及招生情况分布

1.4 学生水平参差不齐，随班就读有困难。在我国，残疾人接受高等教育主要有两种途径：一种是参加普通高考，进入一般高等院校就读；另一种是参加为残疾人专门设置的特殊高等教育招生考试，进入特殊高等教育学府或普通高等院校为残疾学生单独设立的院、系、班就读，二者招收学生之比稳定在5∶1。但是“随班就读”存在一定问题，教师缺乏对特殊教育知识背景的了解，对“随班就读”的学生难以因材施教，也难以顾及学生在身体或者智力上的差异，导致特殊人群的教育问题异常突出，特殊人群的教育工作很难开展[1]。另一方面，特殊高等教育招生考试采取各校独立命题的方式，由于没有统一的标准，考试内容难度不尽相同。这就难免导致不同学校学生的水平参差不齐。

1.5 专业设置单一重复。由于传统技术和学生特殊性的限制，国内高校开展特殊教育课程存在改进空间，还需降低成本、提高资源利用率。第一，不同学校开展的通识教育课程具有相似性。因为我国教育部门对于高校的课程安排有着严格的要求，要求拥有通识类科目的专业至少开设两门课程，由于不同学校没有课程共享机制，导致课程重复率高。第二，部分必要课程开展困难。各个高校在人才培养计划中都提到要进行全面人才的培养，有些前沿课程需要智能教具的辅助才能完成，设备资源不足的学校往往难以开展[2]。

1.6 辅助教师资源严重不足。特殊教育专业教师资源需求量大，这与学生特征密切相关。以聋人学生为例，一位学生至少需要有两名志愿者服务，进行手语翻译和帮助记录笔记。国内少有独立的特殊高等教育学校，大部分附属于普通高校下的一个部系，甚至只是一个班级，这很难形成一个聚合力较强的教学和研究团队。但是，如果单独配置，辅助教师资源利用率不高，人财物的约束较强。发达国家残疾人高等教育教师除接受师资培训外，还会接受额外的特殊教育专业支持，尽管这也是解决问题的途径之一，但是资源占用率过高，可借鉴性不强。

2.构建基于人工智能技术的大学联盟的必要性和可行性分析

2.1 从技术化、智能化到智慧化，人工智能技术不仅是特殊教育需求的“满足者”，而且是“拉动者”。在政府、残联和教育机构的努力下，2017年，中国有万余名残疾人被普通高等院校录取或进入特殊教育学院接受高等教育学习，而1990年至2000年的10年间，我国普通高校总共才招收近万名残疾大学生。有如此突飞猛进的发展，教育技术化功不可没。而人工智能的发展正是在教育技术化发展的基础上实现的智能化、智慧化，因此，人工智能技术是特殊教育需求的“满足者”。但是，从相对量上来看，每年能被大学录取的残疾人占残疾人口总数的比率仅为0.12‰，远低于全国5.5‰的水平。如果在未来，人工智能广泛介入专业教育，适龄残疾青年接受高等教育的比率至少能提升2倍。可见，人工智能技术也是特殊教育需求的“拉动者”。

2.2 大面积铺开人工智能技术有难度，联合应用效率高。首先，人工智能技术处于初始发展阶段[3]，产品成熟性低、应用成本高，基于目前各高校及地区资源禀赋限制，全面推广需要大量资本投入。院校发展需要平衡特殊教育和普通教育的资源配比，资源投入需要循序渐进和科学规划。其次，机器人教育是一系列的活动、教学课程、实体平台、教育资源和教育哲学[4]。高技术与高人力资本相匹配，即便有足够的财政支持，人工智能教育在资金投入方面能够全面铺开，目前中国地区差异和学校差异约束也难以实现投入产出效果的一致性。因为教师人力资本不足的地区和学校需要引入人才或者对现有教师进行新技能的培训，这样就形成了资金投入和人力资本配套的时间滞后性，最终造成设备闲置折旧。这种折旧包括两方面成本增加，一是闲置设备维护耗费成本，二是新技术更新造成的设备换新和淘汰成本，而人工智能的发展是迅速的，后者带来的损失可能更严重。再次，对于学习速度慢、记忆力不佳的残疾学生而言，重复性的智能学习只需要借助平台共享课程体系就可以完成，对不同学校重复投入资源会造成浪费。因此，建立大学联盟、共享资源是降低成本、实现有限资源合理配置的选择。

2.3 人工智能技术开放性、可扩展性特征为特教专业的大学联盟提供了基础。目前，比较成熟的产品包括教室或专用教室使用的远程控制机器人、STEAM教具等。这些产品都具有开放性和扩展性，一旦大学联盟建立起来，成本分担与资源共享的投资模式形成，一些通识性、基础性的课程就可以通过远程控制的方式来呈现[5]。首先，缩短了空间距离，节约了成本，可以避开设置特教专业大学数量少且分布不均衡的负面效应。其次，可以使课程碎片化，不会导致“一堂课跟不上，堂堂课拖后腿”的情况，让随班就读有困难的残疾学生能跟进教学进程。另外，因为不同院校的资源可以分时段呈现，有特殊需要的残疾学生还可以自由延长或者缩短听课时长。再次，在智能识别系统从“听话”变成“懂话”再变成“懂思索”的过程中，基于大学联盟的实践课程可以通过共享交流的方式实现教学效果的提升，弥补部分院校设备和教师资源匮乏的缺陷。

2.4 部分人工智能产品处于研发或概念阶段，有待借助学校协同力量进行试验和训练。首先，课堂机器人助教等需要情境设计的机器人尚在研发阶段，需要更多的试验和训练才能真正走进所有特教专业的课堂[6]。这些训练集中在某一个或某几个高校，可能存在其他高校的需求满足度低或需求不匹配的问题，不过基于大学联盟的协助互助方式的试验和训练可以解决该问题，只需要借助现有的多媒体设备就可以实现。其次，特殊教育专业的大学生需要日常生活管理方面的支持，正在研发或概念阶段的机器人有利于实现这一目标，时间管理、日常生活管理等共性活动都可以通过大学联盟的方式统一进行。再次，产业间整合处于初级阶段，电信、教育等产业与人工智能技术的融合也会为特教专业学生的学习提供便利条件，大学协作能促进产业融合发展。

2.5 构建特殊教育大学联盟在高校内部认可度高，有愿景和起色，但尚未形成规模，构建基础有待进一步夯实。通过构建大学联盟的方式发展高等教育已经为业内认可，目前中国已经有数十个大学联盟，从国家发展战略看，有中法顶尖大学“人工智能（AI）联盟”等；从功能分类看，有促进招生、就业、教学改革、学科发展、MOOC建设、产学研合作等各类联盟；从层次看，有“985”院校联盟、有地方高校联盟。这一发展趋势已经引起高校管理者和专门从事特殊教育的人士注意。但是，在高等特殊教育方面的联盟只有广东省特殊教育教师发展联盟一家，该联盟旨在有效推进特殊教育师资培养的协同创新，而人工智能工具的使用也是培育特殊教育师资协同创新的重要方面。因此，专门以人工智能为内容的特殊教育大学联盟在规模上待扩展，在内容上待丰富。

3.依托大学联盟实现特教专业优化管理的方式与策略

基于以上必要性和可行性分析，构建以人工智能为主要内容的特教大学联盟是新时代构建文明社会、推动残疾人事业发展的一项举措，旨在通过联合办学、协同创新、教师资源定期流动等方式实现人工智能技术在特殊教育上的合理共享与有效应用。

3.1 遵循开放、多样、责任、质量原则构建联盟。首先，开放强调教育观念、办学模式、管理方式、学习对象和人工智能资源开放，包容共享，为有愿望、有能力学习或者通过鼓励有愿望学习的残疾人提供高等教育机会。其次，多样强调适应学习主体多样化和学习需求多样化的特征。根据不同残疾类别学生适于且喜好学习的课程、他们对人工智能辅助工具的不同需求以及学习主体在校、在职、在家等不同场合的学习需求构建联盟。再次，责任强调大学联盟主动适应大学所在地新时代经济、社会、文化发展的需要，特别关注偏远地区的高等教育需求，成为承担社会责任、促进特殊教育发展、实现特殊教育公平目标的有力支撑。最后，质量强调优质资源整合的效果，是联盟活力之所在。真正实现残疾人人力资本的深挖掘和广扩展。

3.2 明晰教育主管部门相关责任，为特教专业大学联盟优化管理提供政策支持。首先，教育机器人是新兴产业，中国的发展程度与国外差距较小，国外经验对本国的借鉴作用不强。要进行充分的实践论证，明确教育机构或相关服务机构的支持和服务义务，相关责任机构应当在资源投入、学校关系构建、联盟学校职能分工等各环节提供必要的支持，建立起优质院校先发引领、一般院校跟进支持的联盟模式。其次，伦理、隐私、安全等方面需加强有效监管。一方面，特殊教育专业具有特殊性，残疾人群在信息保护方面处于弱势，且以资源共享的联合方式进行教学或科研活动容易导致信息外漏，相关方面的监管需更加严格；另一方面，整个机器人行业尚处于行业标准未完善的状态，信息保护和信息安全工作需提前入手。

3.3 平衡各地、各学校间的资源投入水平，为特教专业大学联盟优化管理创造基础条件。首先，在对较发达的大城市高等院校特殊教育专业进行人工智能技术部署的同时，要适当加大对偏远落后地区高校的扶持力度。因为联盟院校的合作基础是有一定门槛限制的，如果院校间在硬件设备、教师资源方面差距太大，会造成技术共享困难、联动效能减弱的问题。其次，增加院校间软知识的互动和交流，扩展资源共享边界。院校间的不均衡性还体现在教学内容上，地方院校有必要转变以往只注重学生的理论知识培养，忽略残疾人的动手操作能力、职业道德教育和身心健康，导致学生自卑心理强、难以应对未来工作生活的现状，借助人工智能技术与联盟院校建立软知识层面的互动，提升学生的社会适应力[7]。再次，通过鼓励普通院校积极参与联盟活动、申请成为联盟会员等方式实现智能协作。随班就读的问题在未来会长期存在，大部分残疾学生在普通高校。多种方式并举的联盟运行方式可在制定规则、确定常任理事名单、设计活动方式与合作模式等方面充分考虑特教专业学生和随班就读学生的需求。

3.4 基于成本和产出效率最大化考虑，发挥联盟协同优势，分层配置设备。人工智能技术可以实现不同类语言交互、课堂智能控制、自动化辅导、智能测评、数据挖掘、日常管理等，在教学、实验、课下复习、考试、个性化教学管理、生活辅助等方面发挥作用。不同类设备成本差异较大，联盟学校可根据需要分层配置设备，基础的运行环境要求有网络、电脑或类似电脑功能的手持设备，所有联盟成员和参与联盟活动的成员都需要配备这些设备，大多数院校已经具备该条件。联盟主要成员可以配套较复杂、成本高的智能机器人等，非主要成员可以安装包括语言转换设备、具有某项单一或者简单几项功能的智能控制系统等。有了这些基础设备，联盟大学可以进行包括同步课堂教学、联合命题及考试系统、自动化辅导、网络资源共享、试验阶段人工智能设备应用与练习、特殊教育专业学生普适性需求改进等在内的系列合作。

3.5 重点在课程开发与相关教师培训方面下功夫，为特教专业大学联盟优化管理提供核心动力。首先，建立适应特教专业学生的课程群体系。尽管教育智能化备受国家重视，但是针对特殊教育专业课程的开发没有及时跟进，很多课程并没有根据具体应用群体和适用场景进行改造升级。另外，机器人教育课程的实施者更多是技术人才，与专业教师、学校的合作有待加强，让技术人才更充分了解机器人特殊教育的本质和教育教学过程，让高校教师了解新技术在教学等各方面应用的可能性，同时成为需求提出者，方便技术人员对现有技术进行更新。其次，联盟大学教师应加强模式识别、专家系统和机器情感等方面人工智能技术应用的了解。事实上，人工智能技术应用是非常广泛的，教师的技能学习要有侧重点，模式识别、专家系统和机器情感技术在特教专业教育方面应用价值较高。借助模式识别技术帮助学生弥补身体方面的缺陷，提高学习效率；借助专家系统构建合理联盟方式，促进教学模式改革；借助机器情感技术，随时关注学生情绪和心理的变化。

[1]Popenici S A D,Kerr S.Exploring the impact of artificial intelligence on teaching and learning in higher education.Research and Practice in Technology Enhanced Learning,2017,12(1):22.

[2]Brundage M.economic possibilities for our children:artificial intelligence and the future of work,education,and leisure.Acta Botanica Croatica,2015,61(8):11-26.

[3]Li N,Matsuda N,Cohen W W,et al.Integrating representation learning and skill learning in a human-like intelligent agent.Artificial Intelligence,2015,219:67-91.

[4]Conati C,Heffernan N,Mitrovic A,et al.Artificial intelligence in education.Nature,2015,44(262):435-437.

[5]Gadanidis G.Artificial intelligence,computational thinking,and mathematics education..International Journal of Information & Learning Technology,2017,34(2):133-139.

[6]Roll I,Wylie R.Evolution and revolution in artificial intelligence in education.International Journal of Artificial Intelligence in Education,2016,26(2):1-18.

[7]赖德胜.胡仲明.我国残疾人集中就业扶持政策分析.残疾人研究，2011(03):9-12.