摘要：随着科学技术的不断发展, 尤其是人工智能技术的突飞猛进, 对成人教育的发展产生了深远的影响。一些主要的人工智能技术在成人教育得以普遍应用, 特别是人工智能技术在情景教学、实时在线自动测评、移动自主学习和实时在线个性化学习等方面在成人教育领域的应用, 极大改变了人们的学习方式, 促进了成人教育的发展。
关键词：人工智能技术; 成人教育; 应用现状; 个性化学习;
Abstract：The development of science and technology, especially artificial intelligence technology, has a profound impact on adult education. This paper first introduces some major artificial intelligence technologies, and their applications in terms of situation teaching, real-time online automatic evaluation, mobile autonomous learning and real-time online personalized learning, then, it argues that artificial intelligence technology has greatly changed learning mode and promoted the development of adult education.
Keyword：AI; adult education; applications; personalized learning;
一、引言
人工智能是21世纪科技领域最为前沿的技术之一。随着对人工智能研究的深入, 人工智能技术不断成熟, 极大地促进了成人教育的发展, 改变人们的学习方式。近年来, 国内外很多学者对人工智能技术在成人教育领域应用开展了多方面的研究。Li等人[1]介绍了人工智能技术在教育教学评价中的应用。Zhang[2]介绍了虚拟现实技术在导游实训教学中的应用。Sulisworo等人[3]介绍了移动学习在高中教育的应用现状。Liu等人[4]讨论了计算机远程教育在实用英语写作教学中的应用。Hao等人[5]介绍了网络多媒体技术在成人教育中的应用, 认为网络技术的灵活性和丰富性特点为成人教育注入了新的活力, 使成人教育更加灵活。Anshari[6]介绍了大数据技术在在线学习中的应用和挑战。Xiao[7]介绍了个性化推荐技术在在线教育中的应用。Xie[8]介绍了协同过滤推荐技术在网络在线学习个性化推荐中的应用。
随着人工智能技术的不断发展, 其对教育的影响将会越来越深远, 虽然研究者对人工智能技术在教育领域的应用进行了研究和总结, 但只介绍了具体的某些技术在教育教学中的应用, 对人工智能技术在成人教育中的应用和影响研究还不够。本文先介绍了一些主要的人工智能技术发展现状, 然后具体介绍了人工智能技术在情景教学、实时在线自动测评、移动自主学习和实时在线个性化学习等方面的应用现状;并采用调查问卷形式, 调研了在线英语学习软件的使用现状以及人工智能技术对成人教育领域的影响。
二、主要的人工智能技术
人工智能最早出现在1956年达特茅斯会议上, 旨在研究能够展现人类智能的机器。人工智能技术由下往上分别涵盖三个层次:基础层、技术层、应用层 (图1) 。其中基础层主要包括各种类型数据的传感器、计算芯片、网络服务、操作系统以及数据挖掘、机器学习等理论算法;技术层主要针对不同的数据类型发展的数据处理技术, 如数字图像处理技术、自然语言处理技术、文本数据处理技术等;应用层是根据应用环境和功能需求发展的技术, 如无人机、无人驾驶、智能家居、智能交通、智能教育、虚拟/增强现实、个性化推荐、机器人等技术等。
本文主要介绍成人教育应用相关的技术, 基础层主要介绍数据挖掘与分析技术、机器学习, 技术层主要介绍数字图像处理技术和自然语言处理技术, 应用层主要介绍虚拟/增强现实技术和个性化推荐技术。
1. 数据挖掘与分析技术。
数据挖掘是从大量的数据中取得有效、新颖、潜在有用、最终可理解的知识的收集过程[9], 包含了对海量数据的收集、清洗, 以及通过关联规则或分类方法法对数据进行处理和对结果进行可视化呈现, 使海量数据的内在联系能够清晰地被人们所认识。
海量的数据为人工智能的学习和发展提供了非常好的基础, 因为海量的数据分析可以帮助人们发现事件发展的一般规律, 这就是知识形成的过程[10]。数据挖掘的目的就是从海量的、有噪声的、随机生成的实际应用数据中挖掘有价值的信息, 并对其加以分析以找出有意义的模式。
2. 机器学习。
机器学习指计算机通过分析和学习大量已有数据, 从而拥有预测判断和作出最佳决策的能力。在人工智能中, 机器学习已经成为开发用于计算机视觉、语音识别、自然语言处理、机器人控制和其他应用的实用软件的首选方法, 对人工智能的发展起主要推动作用[11]。
人工神经网络是受到人脑神经元的启发, 试图设计与人脑神经元相似的网络结构, 模拟人脑对信息的处理方式, 以提高机器的信息处理速度。作为人工神经网络的一类, 卷积神经网络现已广泛应用于大型图像处理中。深度学习是相对于简单学习而言, 是传统神经网络的拓展, 可通过学习一种深层、非线性网络结构, 表征输入数据, 实现复杂函数逼近, 具有强大的从少数样本集中学习数据集本质特征的能力。
3. 数字图像处理技术。
数字图像处理技术是从图像中识别出物体、场景和活动的能力。数字图像处理技术使计算机拥有人类的视觉功能, 可以获得、处理、分析和理解图像或多维度数据, 包括图像获取、图像重建、图像增强、图像恢复、图像压缩/编码、图像超分辨率、图像特征提取等[12]。
数字图像处理有很多优势, 如处理内容、处理精度、处理灵活性等都是模拟图像处理所无法比拟的;而且可以进行复杂的非线性处理, 改变处理功能只需要进行不同功能模块的重新编码和参数变换。但其不足是处理速度慢, 尤其是在进行复杂的图像处理时更要占用更高的内存。图像分割处理是数字图像处理中的关键处理手段之一, 是将图像中敏感的主要像素群作为主要处理对象, 包括区域特征、边缘特征等, 是对敏感像素群进行识别、理解和分析的基础数据特征。图像识别处理基本采用传统的模式识别方式, 有统计模式识别和结构模式识别两种。随着研究的深入, 人工神经网络模式识别和模糊模式识别也得到不同程度的重视, 进行广泛研究。
4. 自然语言处理技术。
自然语言处理技术研究的是实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理将人类语言转化为计算机程序可以处理的形式, 以及将计算机数据转化为人类自然语言的形式, 从而让计算机可以理解人类的语言, 其语言形式可以为声音或文字。自然语言处理综合了语言学、计算机科学、数学等学科, 主要研究能实现自然语言通信的计算机系统[13]。
从研究内容来看, 自然语言处理包括语法分析、语义分析、篇章理解等。从应用角度来看, 自然语言处理具有广泛的应用前景。特别是在信息时代, 自然语言处理的应用包罗万象, 例如机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息检索、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等。其涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
5. 虚拟/增强现实技术。
虚拟现实技术也被称为“沉浸式多媒体”或“计算机模拟现实”, 被认为是21世纪重要的发展学科以及影响人们生活的重要技术之一。它是一种综合了计算机图形学、人机接口技术、传感器技术以及人工智能技术等多领域成果的新技术, 目标是提高人机交互的功能, 达到真实的视觉、触觉、听觉和嗅觉体验效果。
虚拟现实增强技术将虚拟环境与现实环境进行匹配合成以实现增强, 其中将三维虚拟对象叠加到真实世界显示的技术称为增强现实, 将真实对象的信息叠加到虚拟环境绘制的技术称为增强虚拟环境。这两类技术可以形象化地分别描述为“实中有虚”和“虚中有实”。虚拟现实增强技术通过真实世界和虚拟环境的合成降低了三维建模的工作量, 借助真实场景及实物提高了用户体验感和可信度, 促进了虚拟现实技术的进一步发展。
6. 个性化推荐技术。
个性化推荐是根据用户不同的需要、兴趣、动机、信念等个性化因素, 因人而异地向用户提供差异化的服务来满足用户的个性化需求。个性化服务的核心就是建立用户与信息产品之间的二元关系, 通过分析用户的偏好特点和行为模式, 然后建立个性化的用户模型, 再根据用户的个性化模型进行推荐。
目前主要的个性化推荐技术可以分为以下几类:基于内容过滤的推荐、基于规则的推荐、基于协同过滤的推荐。基于内容的推荐是利用概率或者机器学习技术将用户的已有兴趣表示为模型, 然后与资源进行比较, 通过两者之间的相似程度来为用户进行推荐。基于规则的推荐是将推荐规则事先进行保存, 然后通过这些规则对用户进行推荐。协同过滤推荐算法根据相似用户对商品的兴趣偏好生成针对目标用户的推荐列表, 喜欢相同物品的人更可能有相同的兴趣爱好。
三、人工智能技术在成人教育中的应用
人工智能技术深深地改变了教育者和受教育者的地位、教学和学习方式, 下面主要介绍人工智能技术在情景教学、实时在线自动测评、移动自主学习和实时在线个性化学习等方面的应用现状。如表1所示, 每一项应用都包含了很多各种各样的人工智能技术。
表1 成人教育应用中对应的技术情况
1. 在情景教学中的应用。
在传统的课堂教学中, 实际教学情境变化太少, 学习交互方式单一, 缺乏生动活泼的表现力和丰富的多感官刺激, 从而使学生的学习单调乏味, 这对成人教育学生的意义建构发生困难。而利用虚拟现实技术创设的虚拟学习情景, 可以提高教学效果, 丰富教学手段和教学表达力。
增强现实技术作为虚拟技术的新阶段, 有着重要的教育价值。增强现实技术交互性的技术特征, 能为学习者的想象力和创造力提供虚拟学习环境, 并为教育者构建高信息量的教学环境和多样化的教学手段提供条件。将增强现实技术融入教学, 形成新型的教与学的互动平台, 实现知识重构和教育创新。增强现实技术能为研究性学习提供直观、交互和探索式学习环境, 其对于创造教育情景, 强化课堂教学等有一定的辅助作用。增强现实技术是研究技术支持的教育变革的组成部分, 为技术在教育领域中的应用打开一扇窗。
在成人教育的过程中, 为了创设更好的学习情景, 可以创设虚拟教室, 在计算机网络上利用多媒体通讯技术构造教室学习环境, 不仅能实现传统物理教室的大部分功能, 如实时交互, 而且能实现异步通讯、异步辅导、异步讨论等。
与传统的学校教育教学方法相比, 增强现实技术能为学习者学习创设接近真实的虚拟学习环境, 能充分调动学习者的主动性和积极性, 对于强化课堂教学, 突破教学重点、难点, 实现高效率的知识建构和培养学生创新思维能力都将起到积极的作用。
2. 在实时在线自动测评中的应用。
传统教育领域中检验教学成果、学生学习情况主要的考察方式是传统的试卷考试;然而试卷的审阅评测是一个耗时耗力的工作, 既增加了教师的工作量, 也让学生得不到及时反馈, 严重地阻碍了成人学习的效率, 不利于成人教育的发展。随着教育科学和计算机技术的发展, 考试逐步向无纸化、电子化方向发展, 这也推动了教育向智能化方向发展, 作为智能教育软件的关键技术之一的考卷自动测评在智能教育中占据着重要地位。
目前大部分人工智能技术首先落地场景是语言类口语考试[14], 主要利用语音评测以及语音识别等相关技术实现口语考试中的发音评估、表达力评估工作。如今, 人工智能在英语口语考试中已逐渐开始试点, 有的地区已经实施人工智能在口语考试中的完整解决方案。除了语言类口语考试, 人工智能还逐渐应用于其他学科的阅卷场景, 如批改网, 一款智能批改英语作文的在线服务系统, 能够激发学生学习外语的兴趣和积极性, 已经在大中小学广泛使用。批改网系统是基于云计算的英语作文自动批改在线服务, 通过计算学生作文和标准语料库之间的距离, 即时生成学生作文的得分和语言及内容分析结果。
近年来, 国内在教育评测领域人工智能技术也已经成功应用。随着人工智能技术的发展, 在线成人教育自动评测领域将会有越来越多的新产品、新服务出现, 比如全学科、全题型、全学段的自动评测技术的研发和应用。这些应用将改变在线成人教育评测的已有模型, 为学生、老师、家长和教育机构提供更多的支持。
3. 在移动自主学习中应用。
成人教育不同于普通教育, 成人在学习的过程中会受到工作和家庭的牵制, 在教学上呈现出短暂而集中的特点。如何提高零碎时间的利用率, 在有限的时间里实现自主学习, 是成人教育的一项重要创新任务。自主学习是与传统的接受学习相对应的一种现代学习方式。传统教学强调的是接受式的、被动式的学习。自主学习强调学习者在总体教学目标的宏观调控下, 在教师的指引下, 根据自身条件和需要自由地选择学习目标、学习内容、学习方法, 通过自我调控学习计划来实现具体学习目标的学习模式。自我学习侧重以学生为学习的主体, 通过学生独立地分析、探索、实践、质疑和创造等方法来实现学习目标。
随着“互联网+”时代的到来, 智能手机、平板等移动智能设备已经成为了人们交流与学习的重要工具, 学生获取知识的媒介渐渐由传统的纸质书籍转移至网络媒介。移动自主学习是指学习者利用无线移动通信网络技术和设备获取教育信息、资源和服务等, 并在适当的情境和时间下通过移动技术实现教与学的丰富交互、随时随地进行的数字化学习形式, 从而达到自主学习的目的。网络多媒体技术的灵活性和丰富性特点为成人教育注入了新的活力, 使成人学习更加灵活。便捷化、自主化的移动学习是一股不可阻挡的潮流。
现在越来越多手机软件的开发, 使得学生不仅能够利用学习工具 (如词典、翻译软件) 来辅助学习, 而且能够利用多媒体软件播放视频音频材料, 利用阅读软件浏览文本, 利用办公软件对相关知识进行编辑, 以此达到主动学习的目的。
4. 在实时在线个性化学习中的应用。
多元智能理论强调, 要尊重学生个体之间的差异, 因此在教学过程中要针对学生的个人学习特征, 采取适合其的教学策略、教学内容、活动序列、个性化评价等, 进一步使学生的个性化得到培养和展现, 以培养多样化、个性化的人才为最终追求。
个性化学习可以根据学习者的兴趣偏好、学习需求、学习风格、初始能力和认知水平等特征来设计教育项目、教学方法以及学术支持策略, 并为学习者提供独特的学习资源和学习路径。个性化学习不仅要针对学习者制定不同的学习策略, 还要在学习过程中进行个性化指导;既要给学习者提供学习资源汇聚的个性化学习空间, 又要根据学习者个性特征推荐符合其偏好的个性化学习资源, 促进学习者与内容以及学习者之间的有意义互动。
随着在线学习系统记录的学生学习数据的数据量越来越大, 针对学生的个性化教育是当前在线学习系统重要的研究和应用。人工智能和网络技术可以打破固有的时空局限, 不分时间、地点, 学习内容也可以多元化、个性化。随着人工智能技术的发展, 自我教育、自主教育、自适应教育、按需教育等新教育形态逐渐出现。这些教育形态不要统一的场地、统一的时间期限、统一的教材或者内容。教育真正上升到以人为本、各取所需的层面, 而不再是集中灌输、统一学习。
人工智能技术与学校教育融合成为一种未来趋势, 这为个性化学习和个别化学习的实现提供了技术保障, 成为教育发展的重要推动力。
四、问卷调查研究
为了进一步了解人工智能技术对成人教育的影响以及人们移动自主学习的情况, 笔者设计了一份《英语学习软件的使用情况》的调查问卷, 调查对象以全国的成人高校大学生为调查对象, 发放网络问卷365份, 收回有效问卷365份, 有效回收率为100%。
1. 调查对象与内容。
调查对象涵盖成教生年龄段从18岁到30岁, 其中18岁到24岁占85.48%, 男生176人 (48.22%) , 女生189人 (51.78%) 。调查对象覆盖了全国24个省市自治区, 既有北京、上海、江苏、浙江、广东等沿海发达地区, 也有陕西、内蒙古、江西、广西等中西部地区。
笔者在综合已有英语App移动自主学习研究的基础上, 采用自编问卷进行调查研究。自编问卷题目共计9条, 涵盖调查对象的基本信息、英语水平、移动自主学习情况以及对人工智能技术了解情况等4方面。比如, “常用的背单词工具”、“学习软件对自己是否有提高”、“人工智能技术对教育是否有影响”和“是否希望使用个性化的学习软件”等。
2. 调查结果与分析。
数据分析结果显示, 目前成人教育中学生利用手机英语App进行移动自主学习的比例高达84.38%, 其中76.44%的学生是用于大学四六级的英语学习, 并且长期使用移动手机英语App学习的学生中94.02%认为自己的英语水平有提高, 而使用传统书本学习的学生中只有36.84%认为有提高。从调查的数据统计分析结果来看, 移动自主学习已经开始成为学生的一种主流学习方式, 并且这种学习方式可以大大提高学习效率。
在本次问卷调查中, 针对人工智能技术对教育的影响情况进行了专门的统计, 如图2所示。结果显示, 84.11%的学生认为人工智能技术对教育有很大的影响, 并且有88.49%的学生希望能够使用个性化的学习软件。这说明人工智能技术在不断地影响学生的学习方式以及有利于学习效率率的的提提高高。
对上述的统计结果分析可知, 目前移动自主学习方式在一些知识学习中成为主流, 并且这种方式也非常有效, 对学习普遍有提高。调研结果也表明, 大多数人期待使用个性化学习, 普遍认为人工智能技术对教育有很大的影响。
五、结论
人工智能技术的不断发展, 对教育领域已经产生了深远的影响, 而成人教育一直以来都是利用先进科学技术不断提高教育质量。随着人工智能技术的的不断成熟, 为成人教育的改革和创新提供了有利条件。本文所介绍的一些主要的人工智能技术以及人工智能技术在情景教学、实时在线自动测评、移动自主学习和实时在线个性化学习等方面的应用现状, 并通过调查问卷形式调研了在线英语学习软件的使用现状以及人工智能技术在成人教育领域的影响情况, 结果显示人工智能技术极大改变了人们的学习方式, 促进了成人教育的发展。
[1]Bao-Ping Li, Zhou Y.Research on Educational Evaluation based on Big Data[J].Modern Educational Technology, 2016 (6) :5-12.
[2]Zhang P.Design of Virtual Reality Guide Training Room Based on the Modern Education Technology[J].Lecture Notes in Electrical Engineering, 2014, 269:1221-1227.
[3]Sulisworo D, Toifur M.The role of mobile learning on the learning environment shifting at high school in Indonesia[J].International Journal of Mobile Learning&Organisation, 2016, 10 (3) :159-170.
[4]Liu X, Zhang J.Application of Computer Distance Education in Practical English Writing Teaching[J].International Journal of Emerging Technologies in Learning, 2018, 13 (4) :71-82.
[5]Ou X, Hao W.Analysis of Physical Education Teaching Model Based on Multimedia Information Technology[J].Boletin Tecnico/technical Bulletin, 2017, 55 (4) :66-71.
[6]Anshari M, Alas Y, Yunus N M, et al.Online Learning:trends, issues, and challenges in the Big Data Era[J].Journal of E-Learning and Knowledge Society, 2016, 12 (1) :121-134.
[7]Xiao J, Wang M, Jiang B, et al.A personalized recommendation system with combinational algorithm for online learning[J].Journal of Ambient Intelligence&Humanized Computing, 2017 (1) :1-11.
[8]Xie X J, Zhu L, Zheng Y, et al.Research on Personalized Recommendation System for Online Learning Based on Collaborative Filtering Technology[J].Computer Knowledge&Technology, 2018.
[9]Joseph S R, Hlomani H, Letsholo K.Data Mining Algorithms:An Overview[J].Neuroscience, 2016, 12 (3) :719-43.
[10]柴艳妹, 雷陈芳.基于数据挖掘技术的在线学习行为研究综述[J].计算机应用研究, 2018, 35 (05) :1287-1293.
[11]Jordan M I, Mitchell T M.Machine learning:Trends, perspectives, and prospects[J].Science, 2015, 349 (6245) :255-260.
[12]Sun Y L.Research on the Application and Development of Digital Image Processing Technology[J].Computer Knowledge&Technology, 2014, 43 (1) :183-186.
[13]肖博达, 周国富.人工智能技术发展及应用综述[J].福建电脑, 2018, 34 (01) :98-99+103.
[14]徐立芳, 莫宏伟, 李金, 梁红, 栾宽.智能教育与教育智能化技术研究[J].教育现代化, 2018, 5 (03) :116-117+119.