“AI+教育”浪潮下教师队伍建设的可行路径

孙众

人类文明的进步，与技术的推进力量是密不可分的。技术的作用之一，是使人类的能力得到前所未有的提高和拓展。以前很多凭人力无法完成的任务，到了技术高度发达的今天，变得轻松而高效，比如远程对话、日行千里等。

技术融合教育需慎重思考

自从2016年 AlphaGo战胜人类围棋大师李世石以来，全球掀起了第三次人工智能的热潮，各行各业都在探索“人工智能+”的新布局。教育领域亦然。通过不同的方式将人工智能技术引入教育场景并不难，引入到教学流程中的案例也不鲜见，如通过人脸识别实现自动计费的中学食堂，通过分析错题本大数据实现个性化学习改进的高中数学课堂等。然而，若人工智能技术仅用于辅助管理或增强现有教学效果，那么它也难逃“乔布斯之问”的结局。教育需要回答三方面的问题，以决定是否在学校情境里引入某项技术，以及技术融合教育的深度。

Q 是对原有教学流程的优化，还是形成新的教学形态？

A 比如学校让学生通过博客平台来提交作业，教师人工批改，这属于优化原有的教学流程。若是采用接入以自然语言理解为底层技术的人工智能平台，实现中文和英文作文的自动批改，学生与机器对话，自行提交作文并反复修改，最后再由教师根据典型问题或个性问题，提供有针对性的写作反馈，就是形成了人机协同的新型教学形态。

Q 是对原有教师职能的增强完善，还是孕育出新的教师职能？

A 比如帮助学科教师增强Technological Pedagogical Content Knowledge（整合技术的学科教学知识）的能力，全面提升教师信息技术的应用水平，这属于对原有教师职能的增强完善。若是在此基础上，培养或引进可以服务整个学校的跨学科教学数据分析师，则会诞生新的教师岗位，孕育出新的教师职能。

Q 是对现有人才培养机制的强化升级，还是打造新的成长渠道？

A 比如学校采用综合素质分析平台，记录全体学生多项表现的过程性数据，通过综合统计给出分析报告，这是对现有人才培养机制的数字化升级。若是不以升学分数作为人才培养机制的评价标准，基于个性化教学平台开展学科统整、探究式学习等，发挥学生的创新能力、团队合作能力、问题解决能力等，则是用技术开拓学生全面发展、个性发展的成长渠道。

以上问题的答案，实质上是在定位技术与教育的关系，归根结底是在思考技术与人的关系。因此探索人工智能在教师管理优化、教师教育改革、教育教学创新等方面的路径，已成为各界期待的教师队伍建设的上升点和“人工智能+教育”的突破口。

人工智能助力教师队伍建设的可行路径

必须指出的是，当前的人工智能还是新兴技术，是发展中的、不够成熟的技术。虽因深度学习等算法取得了重大突破，人工智能具备了看似神奇的自动驾驶、行走跳跃、语音交互等“有用”的智能表现，然而远未达到比肩甚至超越人类智能的程度。人工智能具有明显的高智商低情商、专业知识强生活常识弱、能跑大数据但只能处理明确具体的小任务等问题。因此用人工智能助力教师队伍建设时，需要清醒地认识到，人工智能或者其他更为先进的科学技术，并不能解决教师队伍建设的所有问题，只有不断思考技术与教育的关系，从关键处入手，发挥人工智能技术的长处，才有可能为教师队伍建设带来新的业务形态，帮助教师具备新的职业技能，以及为教师成长开拓新的发展路径。下面结合人工智能的多项核心技术，举例说明人工智能助力教师队伍建设的可行路径，期盼能引发更多讨论。

创新教育教学：基于知识图谱和自然语言理解技术的教学流程再造

进入21世纪后，教育基本实现了信息化，但是还未达到智能化的程度。而知识图谱，正是机器具有认知智能的前提。知识图谱本质上是大规模语义网络，正是人工智能时代知识表示的重要方式。知识图谱包括实体、概念、语义关系等，比如“姚明”是实体，“226cm”是概念，“姚明的身高是226cm”是两者之间的语义关系。今天我们向搜索引擎提问“姚明的身高”时，返回的结果已与几年前不同，用户最先看到的答案，不再是包含有“姚明的身高”字样的一系列网页，而是直接给出226cm这个答案。这就是因为知识图谱技术帮助搜索引擎实现了知识之间的语义表达。如果我们用麦克风进行语音提问时，就是使用了语音识别技术，让机器进行自然语言理解。

学科知识图谱帮助机器具有了认知智能，这样机器不仅能找到相似、相关的学科知识点，还能发现前导后续知识之间的语义关系，从而具有分析推理的能力。知识图谱从关系的角度，揭示出教学知识背后的本质属性，还可以从知识点及其关系的层面，帮助学生分析自己的学科知识掌握水平。因此当教学流程里引入了学科知识图谱技术时，学习平台就具备了智能化的知识搜索、资源推荐、自动问答等功能。机器能让教师从统一步调的集体化教学工作中解放出来，有更多时间和精力帮助学生围绕特定中心知识点，根据个人能力和兴趣，进行自主探究，教师在关键处、易混淆处、困惑处加以启发和点拨。

教师教育改革：机器视觉辅助教学诊断与改进

机器视觉是人工智能的核心技术，主要是通过对所采集的图片或视频进行处理，以获得相应场景的信息，如物体识别、运动跟踪、场景重建等。目前机器视觉广泛应用于医疗、工业制造、无人驾驶等领域。以斯坦福建立的ImageNet图片集为例，它帮助训练计算机，在1500万张照片里认识22000种物品，除了能识别出图片中有哪些具体的物品，如“猫咪”，还可以分辨出图片里有什么内容，如“一个男孩坐在一张放有蛋糕的桌子前”。机器视觉应用于教育领域时，可以将人脸识别用于课堂考勤、考试身份认证等、将表情识别用于判断学生专注度和参与度等，更重要的是还可以对课堂教学表现进行诊断。

目前人工智能领域的表情识别、骨架监测与语音自动生成文本技术等，比前几年都有了较大突破，将其综合运用于特定的课堂教学分析算法中，一方面可以判断教学视频中师生的行为表现，如讲解、练习、小组活动等，还可以分析师生言语交互情况，以及学习投入程度等，形成多模态、适应性强、精确度高、可规模化处理的人工智能分析结果。因此，面向真实课堂的教学观察与分析，将会成为人工智能协助教学诊断与改进，从而促进教师教育改革，助力教师队伍建设的可行路径之一。

（作者系首都師范大学信息工程学院副教授）

责任编辑：杨静