去年我在新加坡參加第一屆 “亞洲教育科技峰會（EdTechxAsia）”，看到了很多最新的教育科技應用。當時我有感而發(fā)，寫了一條朋友圈消息：

“ 如果技術驅動的教育創(chuàng)新沒有與教育公平相呼應，未來的世界將會變的更加分裂并固化—

一部分人接受的是用過時的教育方法灌輸的過時的教育內容，未來只能從事高度流程化、低認知度的工作，從而深陷社會底層；另一部分人則充分享受新的更加有效的學習體驗，從事的是高認知度、高創(chuàng)造性的工作，從而穩(wěn)居社會的高等階層。打破這種局面，教育領域的社會創(chuàng)業(yè)者們大有可為，也必須有所作為。”

轉眼一年過去了，這幾天我在倫敦參加第五屆 “ 歐洲教育科技峰會（EdTechxEurope）” 。 巧的是，今天在倫敦大學學院（UCL）舉行的這場研討會，主題為 “人工智能（AI）與教育民主化” ；而這個主題恰好和我去年的擔憂有關。面對未來的教育者們，讓我們一起來聽聽大家到底在討論些什么吧。

什么是人工智能  

1）上周倫敦一棟大樓著火，造成嚴重傷亡?，F任首相 Theresa May 的應對舉措很及時，但因為事發(fā)后拒絕前往現場慰問受災居民，而被民眾普遍批評 “ 缺乏人道主義（lack of humanity）” 。那么我們究竟應該如何評價 Theresa May  （作為人）的智能（是否完備）？

2）AI 看上去很聰明，但是它知道自己都知道些什么嗎？

3）AI 在未來會替代教師嗎？

這是第一位分享者向在場聽眾提出的三個問題。第一個問題意在說明關于何謂 “智能” ，我們尚未有統(tǒng)一的觀點，其內涵和外延都有很大彈性。人們現在一談到人工智能 AI，想到的就是具體的技術，其實研究 AI ，“ 首先是智能，然后才是技術（intelligence first，tech later）” 。

第二個問題反映出的是 AI 尚不具備自我意識（self-knowledge& self-awareness），這是 AI 系統(tǒng)的主要局限。

第三個問題是很多人都關心的，分享者的回答很明確：“不會。未來，AI 會變成TA（教學助手，TeachingAssistant），教育將會是人工智能和人類智能結合的工作” 。AI + 大數據 + 各種靈巧的可視化手段，可以幫助我們更好地理解人類的智能，揭開學習過程的 “黑箱” ，從而更好地理解學習是如何發(fā)生的，并改善人們的學習體驗。

“AI cannot understand itself, BUT IT CAN HELP HUMANS TO BETTER UNDERSTAND THEMSELVES ”

大數據從哪里來？  

很多人提到人工智能 + 教育，想到的就是在線教育。沒錯，在線教育天然地適合 AI，而且學習者在網絡上的操作也天然地就會生成大量的數據。不過，還有很多與學習有關的數據來自線下。

讓我們想象一下10年后的教室會是什么樣？

2027 年的教室很有可能乍一看和現在沒什么區(qū)別，不過細節(jié)決定一切。仔細看看，教室的各處都有攝像頭，每一張課桌上都有內置的微型麥克風，學生身上有各種可穿戴設備。它們不動聲色地記錄著學生的各種數據，很多數據是我們現在一般不太會想到與學習有關聯(lián)的，或者想到了也難以有效搜集記錄的。

比如：學生的眼球運動、面部表情、肢體動作、語音語調的變化、各項生理指標的變化、學習者的各種群體互動指標、學習者與不同學習材料/學習設備的接觸情況 ……

這些數據會得到實時的分析，并在教師手上的設備中以不同的可視化方式有效呈現。每個學生也會有自己特定的學習界面，AI 會根據他們的學習習慣和搜集到的數據來調整學習內容、方式和進度，并對學生的學習行為給予相應的反饋。

與通常的想象不同，這間未來的教室里未必會有一個機器人來當助教。AI 的形式可以多種多樣，甚至根本不必具有什么特定的外在形式。

人工智能在PBL上的應用  

以項目為基礎的學習方式（Project-based Learning，PBL）正在變得越來越流行，今天有一個分享主題專門探討了 AI 在此方面的應用。

分享者的邏輯非常清晰：

1、面向未來的學習更加強調技能，而非知識 

2、PBL是一種非常有助于培養(yǎng)學習者技能的學習方式 

然而，實證研究表明，很多類似 PBL 這樣的小組學習（Group Learning）在學習效果上并沒有比傳統(tǒng)的學習方式更好。

主要的原因是：相比傳統(tǒng)的標準化的教學方式，PBL 這樣的響應式學習對教師的要求更高，教師的工作負擔更重，教師面對的教學情況和學生的個性需求非常復雜而多樣，難以應對，反而導致教學質量下降。

下面這幅小組學習的實景照片很能說明問題。

課堂上的這位老師正在低頭和一位學生交流，他看不到教室的一邊有一位學生正在舉手求助；同時在教室的另一邊，兩名學生已經完全不知所措。

PBL 這樣的學習方式要想真正發(fā)揮應有的作用，不僅僅是一個學習形式的改變，也不是僅僅按照 PBL 的步驟來設計課程，還需要對每一位學習者和每一個學習小組有合適的監(jiān)測和適時的指導，并對學習過程和學習成果做出有效評估。這正是人工智能可以做貢獻的地方。

隨著技術的發(fā)展，PBL 過程中的很多數據都可以很便捷地搜集分析。比如小組各成員臉部間的平均距離、學生手部移動的平均速度、學生從網絡上獲取的學習資源的數量和內容分析…… 通過對這些數據進行分析，可以生成很多關于學習的洞察，便于教師及時提供學習指導和支持。

分享者舉了一個例子，安裝在學生身上的傳感器記錄了兩位學生在一個 PBL 課程上移動的軌跡，可以清楚地看到兩人在交互行為上的差異（主要和誰/什么發(fā)生交互，以及交互的頻率和時間段），通過比較兩人最終的學習成果，可以分析怎樣的交互行為和怎樣的學習環(huán)境設計會更有利于提升學習者的學習效果。

（ 我把現場拍攝的這幅照片發(fā)到了 “2017群島加速器大本營” 微信群里，一位小島反饋說：“這個好像精益生產中的一個工具，叫 ‘意大利面圖’ 。蹲一個人觀察兩到三個人的運動軌跡，通常搞一輪下來大家都要崩潰，但效果很好。生產力可以提高 20-30% ?，F在有了AI，用在教育領域應該會有更多發(fā)現，很期待。未來真實不敢想象?！?/p>

沒錯，這個例子確實很像是精益生產里的運動軌跡分析和車間布局設計。這位小島的反饋其實提醒我們，對很多 PBL 的實踐者來說，現在可能還沒有條件用上 AI，但是仍然有必要思考應該監(jiān)測那些指標，哪怕用錄像和人為觀察記錄的方式也可以去做一些監(jiān)測。這么做當然不像 AI 那么精細縝密，但比不做肯定要強。想起前不久 “群島社會化學習城市論壇” 巡回公映的紀錄片《Most Likely to Succeed》中，HTH 這所創(chuàng)新學校在進行 PBL 教學時，老師對學生的學習過程也是要保持密切地觀察記錄評估的。）

情緒：被忽視的學習數據  

現在市面上已經有了不少所謂應用了人工智能的教育類產品，比如根據學生的答題結果來推送學習材料或者練習題。這些產品美其名曰：“ 自適應式學習產品” 。不過細細想來，這種產品適應的是學習者對知識技能的掌握情況，或者更高級一點的，還可以分析并適應學習者的認知情況。然而，學習者不是一個機器，而是一個人。是人，就意味著有心理和生理的各種狀況，這些狀況對學習者的學習體驗和學習成果都會產生影響?，F有的數據監(jiān)測往往忽略了這些信息，特別是學習者的情緒狀態(tài)。即便有些監(jiān)測數據已經包括了學習者的眼球運動這樣的行為信息，但仍然主要是為了判斷學習者對學習內容的關注度，而非學習者自身的情緒反應。

有一位分享者說了一句我印象深刻的話：“ 我感覺，故我學習（ I feel ，therefor I learn ）?！?nbsp;

真正的自適應類學習產品必須包括對 “學習場景” 的深刻理解，以及學習者即時的情緒體驗的洞察和反饋，由此才可能帶給學習者有效的可持續(xù)的學習體驗。在群島的產品設計課程里，反復強調好的用戶體驗要關注三個與 “情” 有關的維度：情境、情緒、情感，其實就是這個意思。

這讓我想起 2014 年去卡塔爾參加 “世界教育創(chuàng)新峰會（WISE）” 時，一個分論壇就是關于大數據在教學上的應用。其中一位分享嘉賓指出：“教育是復雜性（complex）問題，大數據不足以準確分析，比如大數據無法告訴你一個學生今天表現不佳是因為沒吃早飯。” 是啊，一個學生學習成績不佳，或許不是因為沒有理解知識點，而是因為剛剛被同學霸凌了，或者父母吵架了，或者對這部分學習內容感覺厭煩。

一位分享者舉了一個例子來展示自適應式的學習產品，如何把學習者的情緒納入考量。AI很可能會在學習過程中對學習者做出這樣的反饋：“ 你看起來好像有點焦慮？” 這個問題有可能是根據算法得出的結論（注意：AI 還遠遠不具備感知情緒的能力），但更有可能只是為了激發(fā)學習者的某種反饋。學習者可能會回答：“是啊，這幾道題目真的太難了?！被蛘?，“不是的，我只是有點餓了。” 這些反饋會成為 AI 的輸入，引發(fā)進一步相應的輸出。雖然這個過程是如何實現的，還是它只是一個未來場景，分享者沒有細說，但是毫無疑問，人工智能在應用于教育時，將會越來越重視和作用于學習者的情緒體驗。

真正的自適應類學習產品必須包括對 “學習場景” 的深刻理解，以及學習者即時的情緒體驗的洞察和反饋，由此才可能帶給學習者有效的可持續(xù)的學習體驗。在群島的產品設計課程里，反復強調好的用戶體驗要關注三個與 “情” 有關的維度：情境、情緒、情感，其實就是這個意思。

說了這么多，AI到底和教育民主化有什么關系？

有一位分享者認為教育民主化包括三個部分：

1）每個人都有平等的權利接受優(yōu)質的教育；（這可能也是大多數人首先想到的）

2）尊重多樣性：學習者特質不同、學習方式和學習進度多元；（真正的因材施教和自適應式學習）

3）Impact of education on how school leavers usetheir education to control their environment。（這句話我把英文原文寫在這里，是因為我也沒理解是什么意思。尤其是分享者口中的 “school leaver” 是指從學校里畢業(yè)的人，但是在一個終身學習的時代，這個身份有什么意義呢？）

第一位分享者談到了為什么人工智能會有利于教育民主化，她認為有三點原因：

1)  能夠增加學習者的 “自我效能（self-efficacy）” ：這個術語說的通俗一點，就是一個人對于運用所掌握的能力去實現自己的目標感到很有信心。因為學習過程變得更加清晰、自己的學業(yè)進步變得更加明確可視，學習者于是對學習的過程以及應用學到的技能變得更有信心。

2) 根除標準化的考試形式，使學習測評變得更加豐富多元，更能適應學習者的不同個性，對不同的學習方式和學習經歷也更有可能獲得評估和認可。關于這一點，我在今年初寫過一篇文章《開放數字徽章：推動一場“社會化學習”的革命》，也談到了同樣的問題。

另外，分享者講到了一個學習和評估的可能性：面向未來的學習強調技能的掌握，而對技能最好的評估是實踐應用。未來，有可能通過監(jiān)測真實工作環(huán)境中技能應用時的各種數據，用這些數據來指導技能的教學并進行教學成果評估。

3)  解放教師，使人人都可以有一個個性化的導師。根據 OECD 的預測，到2030 年，全球范圍內面臨高達 6 千 9 百萬的教師缺口。如何彌補？僅靠增加教師數量是遠遠不夠的。人工智能的應用使現有的教師得以從繁重的工作中解放出來，從事更有價值的個性化學習指導的工作。 

總體來說，這些分享者普遍對人工智能在教育領域的應用前景以及對教育民主化的影響抱有非常樂觀態(tài)度。長遠來看，AI的應用會大幅降低教學成本，提高教育質量，并有助于將高質量的教育惠及更多人。但顯而易見，這個過程并不會順利的乃至天然的發(fā)生。

幾位分享者都提到，各個利益相關方需要圍繞 “AI+教育” 展開更多的對話，既要為 AI 祛魅，也不要恐懼 AI 在教育領域的應用，才能更好地借助人工智能來推動教育的變化。

本文轉載自微信訂閱號“Aha社會創(chuàng)新學院”（微信ID：AhaSchool)

作者：顧遠

原文標題：Aha| 人工智能離教育還有多遠？-來自倫敦的聲音