[中图分类号]G434 [文献标识码]A [文章编号]1007-2179(2021)04-0004-13 [修回日期]2021-07-15 [DOI编码]10.13966/j.cnki.kfjyyj.2021.04.001 [引用信息]袁磊，张淑鑫，雷敏，覃颖，张文超(2021).技术赋能教育高质量发展：人工智能、区块链和机器人应用前沿[J].开放教育研究，27(4)：4-16. 一、引言 2020年初，当各国关闭学校以应对新冠肺炎疫情时，学习变得数字化。此后一年，教师、学生和学校管理人员完成了数字教育的集体速成班。这也带来了许多负面影响。比如，技术与学习的分离导致技术层面的学习个性化无法真正落实；以数字技术为核心的世界产业结构的变化对人才培养提出了新的要求等。如何解决这些难题，创建数字化背景下的高质量教育?人工智能、学习分析、机器人等技术如何改变教育?OECD发布的《数字教育展望2021：人工智能、区块链和机器人应用前沿》报告讨论了这一系列问题，并着重探讨了智能技术如何改变课堂教育以及教育组织和系统的管理。该报告深入挖掘智能技术的有益用途，如实现学习个性化、支持有特殊学习需求学生的学习以及利用区块链进行文凭认证，并展望了后续研究面临的挑战和机遇。这些技术为教师、决策者和教育机构提供了实现教育数字化的途径，优化了教育的公平性和包容性。与其他领域一样，数字化正在改变教育。数据越来越多地用于管理教育系统，以制定针对性政策和推动创新。人工智能驱动的技术设备和解决方案越来越多地用于辅助教师或学习者在家学习。教育技术公司正在开发一系列新的解决方案。教育的传授和体验方式可能很快就会发生变化。这就带来了新的机遇和挑战，因为教育政策制定者和利益攸关方必须利用技术改善或改变教育。 数字化为教育提供了更多可能。教育一直都有丰富的数据，如成绩或学生旷课的信息，但如何利用数据帮助学生更好地学和教师更好地教，以及帮助教育行政部门决策提供信息却少有提及(OECD 2021)。教育与技术的关系一直困扰着众多学者和一线工作人员。OECD发布的《数字教育展望2021：人工智能、区块链和机器人应用前沿》报告概述了数字技术的机遇与挑战和最新的智能技术解决方案后，重点介绍了智能技术如何改变课堂教育，支持教育组织和系统的管理。 《中国教育现代化2035》行动纲要指出，教师队伍建设、教育信息化是推进教育现代化的有力支撑。基于这一精神，我们要积极应对信息化对教育提出的新要求，力促课程、教材、教育教学与信息技术有效整合，线上教育线下教育融合发展，提高教育质量；要充分运用信息技术手段开展高质量的师资培训，不断提升我国师资队伍整体水平；运用大数据助力教育评价改革，引领教育科学发展，为整体提升教育质量提供保障(管培俊，2021)。本文结合OECD报告，提出要发挥制度和技术优势，借力教育信息化，为人工智能时代的教育助力增益、赋能增效，为发展更加公平更高质量的教育作出新的贡献。 二、技术赋能学生学习：个性、公平、包容 (一)自适应学习技术：促进个性化学习 自适应学习技术，如智能辅导系统，能够使用智能方法实现学生学习的个性化。该系统通过检测学生的知识或知识差距，为其诊断学习的适当步骤；分析数据，诊断学习者的当前状态并预测未来发展；智能辅导系统为学生选择适当的行动，如提供新的练习、新的课程单元或某种指导。这不仅能帮助学生获取知识，还能纠正学生的行为。 1.检测：跟踪学习者及学习环境 智能跟踪学习者及其环境的能力正在逐步提高(Baker et al.，2014)。学习者之间存在很大差异，这些差异被认为是个性化学习的指标(Azevedo，2019)。使用技术跟踪学习者的学习数据一直是研究的重点，同时，不同的数据源越来越多地被用来理解学习者的特征。这些多模态数据源可以被概念化为生理、行为和情境数据。 生理数据表明学生在学习过程中的身体反应，如通过心率、电子皮肤活动、血量脉搏、皮肤温度和面部捕捉软件评估学习者的状态，行为数据检测学生学习行为。数据获取的一个重要来源是日志，另一个来源是鼠标移动和键盘输入。这些数据列出了毫秒级的学习者-技术交互序列，留下了学习技术的活动轨迹。眼球运动表明能体现学习者学习过程的关注点，并可用于检测学习的注意力分配、多媒体资源的观看等(Mudrick et al.，2019)。可佩戴眼睛跟踪器可以评估学生学习过程中与物理物体的互动和社交互动。此外，特定的眼睛跟踪数据，如瞳孔放大和眨眼行为，与认知负荷和情感状态相关。情境数据来自于学习者与学习环境的学习技术、人和资源的互动。语音和视频记录包含学习者如何与环境互动的数据。这些数据虽然可以对学习过程进行深入分析，但它们主要依赖于研究人员对数据的编码、评分、注释、理解和解释。 因此，多模态数据源可用于推进学习者及环境的跟踪，这是自适应学习技术应用促进学习个性化的关键。 2.诊断：评估学习者的当前状态 下一步是分析数据，诊断学习者的当前状态并预测未来发展。特定技术可以对学习和发展的重要特征进行评估。自动语音识别技术可以持续检测学生如何学习阅读，可以分析儿童阅读中能正确识别的字母、分辨不同单词的速度等。基于这些特征，系统可以诊断儿童阅读能力的发展，并支持学生个性化学习。除了语音识别，眼睛跟踪数据也可以用来诊断学习者的阅读发展能力。 同样，学生书写技能的发展，甚至书写困难学生的技能发展也可以得到诊断(Asselborn et al.，2018)。阿瑟伯恩使用平板电脑和数字笔衡量学生的写作技能，记录与书写发展轨迹相关的重要特征，如书写力度、笔压和笔倾斜。该方法可以提取多达56个与学生写作技能相关的特征，而这些特征可以转化为写作练习的辅导。
