原文刊載于《開(kāi)放教育研究》2018年第2期51-59頁(yè)
摘要：對(duì)當(dāng)前教育技術(shù)應(yīng)用效能評(píng)估表明，目前教育信息技術(shù)的實(shí)際適用度不高，教育技術(shù)學(xué)正面臨發(fā)展的瓶頸，長(zhǎng)期以來(lái)的工具性思維使教育技術(shù)的環(huán)境設(shè)計(jì)既很難反映教育過(guò)程的要求，又呈現(xiàn)出功能分隔的模塊化特征，從而只能作為外在學(xué)習(xí)環(huán)境而非嵌入式學(xué)習(xí)境脈。人工智能的發(fā)展為教育技術(shù)開(kāi)發(fā)打開(kāi)了新的視角，我們需要從工具性思維轉(zhuǎn)向人工智能思維。未來(lái)的教育技術(shù)學(xué)應(yīng)立足教育過(guò)程本身，充分吸納學(xué)習(xí)科學(xué)的已有的研究成果，建構(gòu)系統(tǒng)化、高關(guān)聯(lián)、深度學(xué)習(xí)和可實(shí)現(xiàn)的學(xué)習(xí)系統(tǒng)，以真正改善學(xué)校教與學(xué)的現(xiàn)狀。
關(guān)鍵詞：工具性思維；學(xué)習(xí)環(huán)境；人工智能思維；學(xué)習(xí)系統(tǒng)
作者：吳剛，博士，教授，華東師范大學(xué)教育高等研究院。研究方向：教育社會(huì)學(xué)、學(xué)習(xí)科學(xué)。
據(jù)說(shuō)喬布斯去世前曾提出一個(gè)疑問(wèn)：“為什么IT改變了幾乎所有的領(lǐng)域，卻唯獨(dú)對(duì)教育的影響小得令人吃驚?” [1]對(duì)這個(gè)不明出處的所謂“喬布斯之問(wèn)”我并不驚奇，如果IT真能給教育帶來(lái)根本性的變革，那倒是令人驚奇的。信息技術(shù)自誕生之日起就被戴上了美麗的花環(huán)，人們希望它能改變現(xiàn)狀，期待它為教育帶來(lái)期待的變革。
十多年來(lái)，信息技術(shù)在學(xué)校教育中的推廣應(yīng)用獲得了前所未有的迅猛發(fā)展，教育技術(shù)學(xué)刊物不斷推出運(yùn)用教育技術(shù)促進(jìn)教育發(fā)展和學(xué)生學(xué)業(yè)進(jìn)步的成功案例——且不管那些小范圍的實(shí)驗(yàn)本身是否可靠。人們相信，互聯(lián)網(wǎng)正在讓世界變平，讓更多的人可以分享文明進(jìn)步的結(jié)果，所以巨額技術(shù)經(jīng)費(fèi)的投入和每一種信息技術(shù)的教育應(yīng)用都被看作是努力消除“數(shù)字鴻溝”的舉措。但是，返回學(xué)校教育現(xiàn)實(shí)，課堂教學(xué)及學(xué)生學(xué)習(xí)真的因技術(shù)的使用而發(fā)生根本性改善了嗎？
科技已經(jīng)以過(guò)去不可想象的方式改變了社會(huì)的許多領(lǐng)域，信息技術(shù)應(yīng)用所帶來(lái)的社會(huì)變化及教育技術(shù)投資的持續(xù)增長(zhǎng)，使人們普遍對(duì)技術(shù)改變學(xué)習(xí)的潛力充滿(mǎn)期待。學(xué)生、教師和家長(zhǎng)看到一系列的教育技術(shù)——從數(shù)字化個(gè)性學(xué)習(xí)平臺(tái)到教育游戲，再到大規(guī)模在線(xiàn)課程，正以激動(dòng)人心的方式，對(duì)以往教育形態(tài)進(jìn)行全面征服。但是，教育技術(shù)究竟是如何幫助學(xué)生并在何種情況下改善學(xué)習(xí)的呢？
新技術(shù)在教育中的迅速普及已被證明是一把雙刃劍，有正面和負(fù)面的雙重影響，而新技術(shù)及其教育應(yīng)用的速度遠(yuǎn)遠(yuǎn)超過(guò)了研究人員對(duì)技術(shù)評(píng)估的速度。2017年,美國(guó)學(xué)者埃斯克塔等人(Escueta et al., 2017)在《教育技術(shù)：循證評(píng)論》一文中對(duì)發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家大量有關(guān)教育技術(shù)應(yīng)用結(jié)果的研究評(píng)估中，將現(xiàn)有文獻(xiàn)分為四類(lèi)：1)技術(shù)獲??；2)計(jì)算機(jī)輔助學(xué)習(xí)；3)行為干預(yù)；4)在線(xiàn)課程，希望通過(guò)討論和確認(rèn)迄今為止最有前途的教育技術(shù)發(fā)展來(lái)推動(dòng)知識(shí)基礎(chǔ)，判斷技術(shù)如何用于教育支持，概述新的實(shí)驗(yàn)研究的關(guān)鍵領(lǐng)域，并推動(dòng)教與學(xué)政策、計(jì)劃和結(jié)構(gòu)的改進(jìn)。他們的研究發(fā)現(xiàn)：1) 簡(jiǎn)單地為學(xué)生提供獲得技術(shù)的機(jī)會(huì)，結(jié)果會(huì)有很大的不同。在基礎(chǔ)教育（K-12）階段，給孩子一臺(tái)電腦可能對(duì)學(xué)習(xí)成果的影響有限，也無(wú)法提高其學(xué)業(yè)成就，但會(huì)提高操作計(jì)算機(jī)的熟練度和其他一些認(rèn)知結(jié)果。如果為中學(xué)后階段的學(xué)生提供技術(shù)，如向低收入家庭的學(xué)生發(fā)放筆記本電腦，則可能會(huì)提高其學(xué)業(yè)表現(xiàn)，包括提高課程成功率、學(xué)習(xí)成績(jī)、轉(zhuǎn)學(xué)課程成績(jī)和畢業(yè)率。原因不是增加了學(xué)生使用電腦的時(shí)間，而是節(jié)省了學(xué)生在大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室使用計(jì)算機(jī)的時(shí)間成本。2)計(jì)算機(jī)輔助學(xué)習(xí)(computer-assisted learning)技術(shù)可以提高學(xué)習(xí)結(jié)果，比如為學(xué)生提供即時(shí)反饋的數(shù)學(xué)作業(yè)可以提高數(shù)學(xué)成績(jī)；印度的適應(yīng)性學(xué)習(xí)軟件對(duì)學(xué)習(xí)數(shù)學(xué)和印地語(yǔ)有積極影響。計(jì)算機(jī)輔助學(xué)習(xí)也可以支持以學(xué)生為中心、個(gè)性化和以項(xiàng)目為基礎(chǔ)的教學(xué)，增加學(xué)生的參與度和積極性，不過(guò)這些研究大多缺乏嚴(yán)格的因果作用機(jī)制。3)行為干預(yù)的評(píng)估一般在教育生命周期的各個(gè)階段都能找到積極影響，不過(guò)其效果比計(jì)算機(jī)輔助學(xué)習(xí)的作用要小。與此同時(shí)，以技術(shù)為手段的行為干預(yù)，例如大規(guī)模的短信宣傳，非常便宜。4)在線(xiàn)學(xué)習(xí)課程在過(guò)去十年越來(lái)越流行，但相對(duì)于有部分時(shí)間的面對(duì)面授課，參加在線(xiàn)課程學(xué)習(xí)的學(xué)生可能會(huì)有負(fù)面的學(xué)習(xí)結(jié)果。一個(gè)重要原因是，在面對(duì)面授課中，教師能更靈活地整合各種話(huà)題，更好地適應(yīng)和吸引學(xué)生；另一方面，混合學(xué)習(xí)方式與完全面對(duì)面課程的學(xué)習(xí)效果接近。5) 慕課(MOOC)擴(kuò)散的影響是什么？觀察研究發(fā)現(xiàn)，關(guān)于慕課將“使教育民主化”的預(yù)期被夸大了，慕課確實(shí)能為弱勢(shì)群體提供獲取優(yōu)質(zhì)教育內(nèi)容的機(jī)會(huì)，但入學(xué)率和成功率都高度偏向于優(yōu)勢(shì)人群；慕課甚至可能加劇而不是縮小與社會(huì)經(jīng)濟(jì)地位相關(guān)的教育結(jié)果的差距。不難判斷，總體而言，這種應(yīng)用效能只能算中性偏好，與巨大的資源投入形成鮮明反差。
由于教育活動(dòng)特有的復(fù)雜性，我們無(wú)法通過(guò)嚴(yán)格的可控實(shí)驗(yàn)評(píng)估教育技術(shù)的效用，但國(guó)際上已有的大量準(zhǔn)實(shí)驗(yàn)研究結(jié)果揭示，教育技術(shù)總體上并沒(méi)有給我們帶來(lái)令人激動(dòng)的應(yīng)用效果，更沒(méi)有從根本上改善教育形態(tài)。
其實(shí)，富山太郎(Toyama，2011)曾提出“良好的教育沒(méi)有技術(shù)捷徑”，他逐一反駁了教育技術(shù)的九個(gè)神話(huà)，提出：1)學(xué)校中的電化技術(shù)史充滿(mǎn)了失敗；2)計(jì)算機(jī)也不例外，嚴(yán)謹(jǐn)?shù)难芯匡@示，計(jì)算機(jī)對(duì)教育很難產(chǎn)生正面影響，技術(shù)充其量只能擴(kuò)大教育系統(tǒng)的教學(xué)能力，它可以使好學(xué)校變得更好，但也能使壞學(xué)校變得更糟；3)技術(shù)以其更有效的非技術(shù)干預(yù)形式而有巨大的機(jī)會(huì)成本；4)許多優(yōu)秀學(xué)校系統(tǒng)不靠太多技術(shù)。他建議表現(xiàn)欠佳的學(xué)校系統(tǒng)應(yīng)把重點(diǎn)放在改進(jìn)教學(xué)和管理上，優(yōu)秀的學(xué)校應(yīng)該在進(jìn)行教育的補(bǔ)充性投資時(shí)，考慮更具低成本高效益的替代技術(shù)。富山太郎這些觀點(diǎn)也許是偏激的，但提醒我們需要審視教育技術(shù)的價(jià)值基礎(chǔ)，以助于我們重新思考教育改進(jìn)的技術(shù)動(dòng)力。
我們需要思考兩個(gè)問(wèn)題：1)為何我們所見(jiàn)的教育技術(shù)，很少是為教育過(guò)程或?qū)W習(xí)過(guò)程而開(kāi)發(fā)的，最多只是信息技術(shù)在教育中的應(yīng)用？2)為何這些信息技術(shù)的教育應(yīng)用，總是習(xí)慣性地采用傳播學(xué)模式,并將教育過(guò)程理解為傳播過(guò)程？
教育技術(shù)的進(jìn)程與學(xué)校教育的歷史相比，盡管短暫，卻始終以其技術(shù)優(yōu)勢(shì)而將教育傳統(tǒng)作為征服對(duì)象。一直到今天，包括聯(lián)合國(guó)教科文組織在內(nèi)的很多研究報(bào)告都認(rèn)為，誕生于工業(yè)化時(shí)代的學(xué)校教育形態(tài)，已經(jīng)完全不適應(yīng)信息技術(shù)時(shí)代的發(fā)展,突破傳統(tǒng)教育形態(tài)的路徑，就是依靠信息技術(shù)(Singh & Hassan,2017)。他們認(rèn)為，教育需要經(jīng)歷一個(gè)構(gòu)型轉(zhuǎn)變，傳統(tǒng)的“一刀切”教學(xué)范式正轉(zhuǎn)向以學(xué)生為中心的學(xué)習(xí)范式，這種學(xué)習(xí)范式強(qiáng)調(diào)個(gè)性化教育和個(gè)性化學(xué)習(xí)（TEAL，2012），相應(yīng)地，技術(shù)發(fā)展已經(jīng)具有支持新學(xué)習(xí)概念的屬性，例如社交互動(dòng)性、情境敏感性、連通性或個(gè)性化的移動(dòng)設(shè)備，這些屬性產(chǎn)生了教育可供性(affordance)。
因此，新的學(xué)習(xí)概念（個(gè)性化的、以學(xué)習(xí)者為中心的、協(xié)作的等）與新的移動(dòng)技術(shù)（個(gè)人的、以用戶(hù)為中心、網(wǎng)絡(luò)化、移動(dòng)的等）的結(jié)合非常適宜。數(shù)百年前，人們?cè)谖锢斫淌?、圖書(shū)館和學(xué)校學(xué)習(xí)；十多年前，利用信息通信技術(shù)、移動(dòng)設(shè)備和豐富的媒體，教育將借助技術(shù)的能力和優(yōu)勢(shì)，可以在任何地方、任何時(shí)間、任何地點(diǎn)提供學(xué)習(xí)機(jī)會(huì)。從那時(shí)起，ICT一直在加強(qiáng)其作為學(xué)習(xí)的重要組成部分的地位，有效地引導(dǎo)了新的和增強(qiáng)的學(xué)習(xí)模式（數(shù)字學(xué)習(xí)、慕課、泛在學(xué)習(xí)和移動(dòng)學(xué)習(xí)）。在教育發(fā)展過(guò)程中，學(xué)習(xí)機(jī)構(gòu)正處在一個(gè)令人興奮并具有挑戰(zhàn)性的階段，因?yàn)閷W(xué)習(xí)的下一個(gè)重大轉(zhuǎn)變將在這一代人中發(fā)生——這是面向今天學(xué)習(xí)者所提出的轉(zhuǎn)變。通過(guò)一種新的方言——數(shù)字語(yǔ)言——21世紀(jì)的學(xué)習(xí)者越來(lái)越多地顯示出數(shù)字學(xué)習(xí)的特點(diǎn)、技能和期望，而這些特點(diǎn)與為他們?cè)O(shè)計(jì)的學(xué)習(xí)環(huán)境形成了鮮明的對(duì)照。講臺(tái)上的傳統(tǒng)圣賢，身著制服的課堂要求，非真實(shí)的評(píng)估，分等的方法，以及班級(jí)里的學(xué)習(xí)經(jīng)驗(yàn)，不再吸引學(xué)生的思考、參與和他們對(duì)環(huán)境的反應(yīng)，在21世紀(jì)，有效的學(xué)習(xí)環(huán)境需要根據(jù)學(xué)習(xí)者的不斷進(jìn)化和多樣化的學(xué)習(xí)方式來(lái)設(shè)計(jì)，需要一個(gè)更個(gè)性化、更社會(huì)化、更開(kāi)放、更動(dòng)態(tài)、更有活力、更有知識(shí)的學(xué)習(xí)模式，而不是傳統(tǒng)學(xué)習(xí)解決方案那種千篇一律的、集中的、靜態(tài)的、自上而下的、知識(shí)推動(dòng)的模式(Chatti et al.,2010）。
這樣的前景是令人鼓舞而富有感染力的，它基于兩個(gè)前提：1)信息技術(shù)是一種通用技術(shù)，適用于所有場(chǎng)景和實(shí)踐；2)現(xiàn)時(shí)代的學(xué)生(出生于1984年后)是“數(shù)字原住民(digital native)”，數(shù)字技術(shù)是他們天然的環(huán)境要求。數(shù)字原住民擁有先進(jìn)的數(shù)字技術(shù)技能和學(xué)習(xí)偏好，傳統(tǒng)教育對(duì)其毫無(wú)準(zhǔn)備和不適合。依據(jù)稱(chēng)謂有嗎？普倫斯基（Prensky, 2001）的說(shuō)法，他們一生都沉浸在數(shù)字技術(shù)中，具有獨(dú)特性，與前幾代人的成長(zhǎng)完全不同?？墒?，這兩個(gè)前提都不成立。
在過(guò)去幾十年里，各種各樣的技術(shù)被用于增強(qiáng)和支持學(xué)習(xí)經(jīng)驗(yàn)。技術(shù)，廣義上包括硬件——交互式白板、智能表、手持技術(shù)、有形物體和軟件、計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)系統(tǒng)、學(xué)習(xí)管理系統(tǒng)、在線(xiàn)存儲(chǔ)的學(xué)習(xí)內(nèi)容、教育游戲、三維虛擬現(xiàn)實(shí)等。確實(shí)，新技術(shù)已經(jīng)改變教育，產(chǎn)生了新的學(xué)習(xí)傳遞方式。圖1顯示了技術(shù)增強(qiáng)的學(xué)習(xí)環(huán)境（TeL）中技術(shù)支持的范式轉(zhuǎn)變。數(shù)字學(xué)習(xí)(E-learning)擴(kuò)大了教育和支持的范圍，但依賴(lài)于在線(xiàn)計(jì)算機(jī)，因此受到地點(diǎn)和時(shí)間的限制；移動(dòng)學(xué)習(xí)通過(guò)打破這些限制來(lái)延伸電子學(xué)習(xí)，使學(xué)習(xí)能夠隨時(shí)隨地進(jìn)行；隨著低成本嵌入式傳感器的出現(xiàn)，更重要的是，配備傳感器的智能移動(dòng)設(shè)備能夠積累和分析關(guān)于學(xué)習(xí)者及其環(huán)境的信息，利用學(xué)習(xí)者的境脈信息提供自適應(yīng)和個(gè)性化的學(xué)習(xí)服務(wù)已成為現(xiàn)實(shí)，學(xué)習(xí)的核心已轉(zhuǎn)為協(xié)調(diào)情境意識(shí)的“泛在學(xué)習(xí)”方法。以學(xué)生為中心的學(xué)習(xí)轉(zhuǎn)變正在激發(fā)對(duì)除了學(xué)習(xí)以外的社會(huì)學(xué)習(xí)的興趣。因此，教育工作者正在為教育目的探索社交技術(shù)（例如Web 2.0社交網(wǎng)絡(luò)服務(wù)[SNS]和移動(dòng)Web 2.0）的潛力。最終的研究（例如Cochrane＆Bateman，2010）普遍顯示，這些技術(shù)支持社會(huì)建構(gòu)主義。由此，一種新的學(xué)習(xí)范式——智能學(xué)習(xí)(smart education)——正在成為泛在學(xué)習(xí)和社會(huì)學(xué)習(xí)的融合概念(Adu and Poo. ,2014 )。
圖1 技術(shù)增進(jìn)學(xué)習(xí)的演化：從數(shù)字學(xué)習(xí)到智能學(xué)習(xí)
從這張圖可以發(fā)現(xiàn)，短短十多年，多個(gè)“學(xué)習(xí)概念”應(yīng)運(yùn)而生，從數(shù)字學(xué)習(xí)到智能教育，而每種學(xué)習(xí)概念都依賴(lài)于技術(shù)，每個(gè)臺(tái)階都是后一種新技術(shù)的疊加。今天的教育技術(shù)發(fā)展是緊緊依賴(lài)于技術(shù)發(fā)展的，也就是說(shuō)，教育技術(shù)的驅(qū)動(dòng)在技術(shù)，不在教育。但是，技術(shù)的本質(zhì)是什么？布萊恩·阿瑟給出了三個(gè)定義：1)技術(shù)是實(shí)現(xiàn)人的目的的一種手段；從這個(gè)視角看，某些技術(shù)(如煉油)的目的是明確的；某些技術(shù)(如計(jì)算機(jī))的目的可能是模糊的、多樣的、變化的。作為一種手段，一種技術(shù)還可能是一種方法、一個(gè)過(guò)程或一種算法(如一種特殊的語(yǔ)音識(shí)別算法),無(wú)論它是什么，它總是一種手段，實(shí)現(xiàn)人類(lèi)的目的。2)技術(shù)是實(shí)踐和元器件（components）的集成；3)技術(shù)是在某種文化中得以運(yùn)用的裝置和工程實(shí)踐的集合(布萊恩·阿瑟,2014)。按照這些定義，技術(shù)總是面向具體目標(biāo)的手段或裝置，因而不存在可以適用所有對(duì)象的通用技術(shù)。那么，信息技術(shù)是通用技術(shù)嗎？對(duì)于教育系統(tǒng)而言，信息技術(shù)本是外源性的，雖然具有某種適用性，但這種適用性必須嵌入具體領(lǐng)域才能兌現(xiàn)。正如要用面包機(jī)做中餐，就需要重新設(shè)計(jì)一樣。教育信息技術(shù)設(shè)計(jì)的前提是教育邏輯，教育邏輯的核心是對(duì)學(xué)生的學(xué)習(xí)與認(rèn)知機(jī)制的理解。
而“學(xué)習(xí)環(huán)境”作為當(dāng)下教育信息技術(shù)學(xué)的主要隱喻，源于傳播學(xué)模式，傳播學(xué)模式將大腦視為知識(shí)桶，學(xué)習(xí)是信息有效傳遞的過(guò)程。圖2是從傳播學(xué)視角直觀理解教育環(huán)境和教學(xué)環(huán)境的。由傳播學(xué)模式而來(lái)的在線(xiàn)教育本質(zhì)上將內(nèi)容與過(guò)程分離。
圖2 傳播學(xué)視角下的教育環(huán)境和教學(xué)環(huán)境
從社會(huì)學(xué)意義看，系統(tǒng)與環(huán)境是一對(duì)范疇，人的學(xué)習(xí)機(jī)制是個(gè)系統(tǒng)。著名的社會(huì)理論家盧曼認(rèn)為，系統(tǒng)通過(guò)與環(huán)境區(qū)分而形成自己的結(jié)構(gòu)(形式)，系統(tǒng)每次的自我建構(gòu)都基于這種區(qū)分，它根據(jù)“意義”比較“選擇”有助于建立自身秩序的一面。系統(tǒng)通過(guò)這種方法，減少環(huán)境的不確定性對(duì)自身存在造成的壓力。通過(guò)選擇，系統(tǒng)也建立自身的復(fù)雜結(jié)構(gòu)來(lái)對(duì)抗環(huán)境同化的壓力，而它的自我結(jié)構(gòu)的過(guò)濾機(jī)制迭代的層次越多，它的結(jié)構(gòu)就越具有特征化和抗變換性。環(huán)境外在于系統(tǒng)，系統(tǒng)與環(huán)境交互作用。這也意味著，教育技術(shù)的應(yīng)用只是作為外部工具而無(wú)法納入學(xué)習(xí)系統(tǒng)本身，本質(zhì)上它與歷史上的粉筆和黑板沒(méi)有太大區(qū)別。
另一方面，學(xué)習(xí)環(huán)境設(shè)計(jì)通過(guò)抽象的模塊化構(gòu)造來(lái)充實(shí)的。例如，智能學(xué)習(xí)環(huán)境(Smart Learning Environment)的七個(gè)模塊是：1)學(xué)習(xí)狀態(tài)檢測(cè)模塊。通過(guò)連接到一些傳感設(shè)備來(lái)檢測(cè)學(xué)習(xí)者的真實(shí)世界狀態(tài)（如位置和學(xué)習(xí)行為）和環(huán)境（如溫度和濕度）。2)學(xué)習(xí)性能評(píng)估模塊。通過(guò)在線(xiàn)測(cè)試或在現(xiàn)實(shí)世界中測(cè)試來(lái)評(píng)估和記錄學(xué)習(xí)者的表現(xiàn)。3)適應(yīng)性學(xué)習(xí)任務(wù)模塊。根據(jù)學(xué)員的學(xué)習(xí)進(jìn)度、學(xué)習(xí)成績(jī)、個(gè)人因素以及他們?cè)诟鲗W(xué)科的學(xué)習(xí)目標(biāo)來(lái)分配學(xué)習(xí)任務(wù)。4)適應(yīng)性學(xué)習(xí)內(nèi)容模塊。為學(xué)習(xí)者提供學(xué)習(xí)材料，包括學(xué)習(xí)進(jìn)度、學(xué)習(xí)成績(jī)、個(gè)人因素以及個(gè)人的真實(shí)情況。5)學(xué)習(xí)支持模塊。為學(xué)習(xí)者提供了基于他們學(xué)習(xí)需求的學(xué)習(xí)支持。6)保存學(xué)習(xí)者資料和檔案的數(shù)據(jù)庫(kù)，在正確的時(shí)間為學(xué)生提供適當(dāng)?shù)闹С帧?)推理引擎和知識(shí)庫(kù)，用于進(jìn)一步進(jìn)行學(xué)習(xí)推論和支持。知識(shí)庫(kù)是教學(xué)和學(xué)習(xí)經(jīng)驗(yàn)的集合，可能包含決策規(guī)則。推理引擎是一個(gè)決策計(jì)算機(jī)程序，它根據(jù)知識(shí)庫(kù)中的規(guī)則對(duì)當(dāng)前的情況進(jìn)行分析。(Wu,Lee, et al. ,2013)在這里，學(xué)習(xí)環(huán)境設(shè)計(jì)相當(dāng)于丹麥人克里斯琴森（Ole Kirk Christiansen）發(fā)明的樂(lè)高積木，通過(guò)模塊拼接搭建了“智能”學(xué)習(xí)環(huán)境(SLE)。
根據(jù)黃等人（Huang，Yang & Zheng，2013）的分析，智能學(xué)習(xí)環(huán)境的設(shè)計(jì)和一般數(shù)字學(xué)習(xí)系統(tǒng)之間存在很大差異（見(jiàn)表一）。
表一 一般數(shù)字學(xué)習(xí)環(huán)境與智能學(xué)習(xí)環(huán)境比較
從表一可以知道，智能學(xué)習(xí)環(huán)境通過(guò)模塊搭建形成一種類(lèi)似學(xué)習(xí)平臺(tái)的技術(shù)裝置。確實(shí)，智能學(xué)習(xí)環(huán)境正朝適應(yīng)性方向發(fā)展，但是表一中的陰影部分還有一些關(guān)鍵問(wèn)題沒(méi)有解決。例如，這些模塊是依據(jù)什么目標(biāo)和學(xué)習(xí)機(jī)制選擇的？彼此如何形成內(nèi)在關(guān)聯(lián)？這些關(guān)聯(lián)通過(guò)什么約束條件實(shí)現(xiàn)？又如，學(xué)習(xí)共同體是學(xué)習(xí)科學(xué)的核心概念，但是學(xué)習(xí)共同體的建立需要明確的約束條件，這些設(shè)計(jì)者并沒(méi)有明確提出。就表一而言，它如何既保障教學(xué)裝置又保障學(xué)習(xí)裝置呢？因此，這類(lèi)看似完整需求指向的設(shè)計(jì)，有時(shí)因?yàn)槿鄙訇P(guān)鍵部件和內(nèi)在關(guān)聯(lián)度而成為無(wú)法技術(shù)實(shí)現(xiàn)的抽象模式。
需進(jìn)一步指出的是，最新的研究證明，根本不存在所謂的“數(shù)字原住民” (Kirschner, & Bruyckere, 2017)。相反，我們進(jìn)行教學(xué)設(shè)計(jì)時(shí)，應(yīng)該警惕基于不存在的“數(shù)字原住民”的教學(xué)變革；更重要的是，當(dāng)數(shù)字技術(shù)可能對(duì)學(xué)習(xí)產(chǎn)生不利影響時(shí)，教師在設(shè)計(jì)數(shù)字工具及其可供性、物理空間、虛擬環(huán)境以及這些環(huán)境中的服務(wù)和數(shù)字信息時(shí)必須注意這一點(diǎn)。例如,信息技術(shù)改變了教育生態(tài),原來(lái)的“學(xué)習(xí)者+學(xué)習(xí)材料”變?yōu)榱恕皩W(xué)習(xí)者+學(xué)習(xí)材料+技術(shù)+分心”，寫(xiě)作技巧和大腦已被ICT設(shè)備所取代。學(xué)生不再需要筆記，因?yàn)樵诰€(xiàn)課程材料只需點(diǎn)擊即可下載。他們可能不再運(yùn)用他們的大腦（以及認(rèn)知、感知和注意）來(lái)理解教學(xué)內(nèi)容。(Goundar,2014)
學(xué)習(xí)與發(fā)展是教育永恒的主題。人類(lèi)之所以成為萬(wàn)物之靈長(zhǎng)，很大程度依賴(lài)于學(xué)習(xí)所獲得的演化。技術(shù)增進(jìn)學(xué)習(xí)的本意是指技術(shù)擴(kuò)展了對(duì)原有教育活動(dòng)的理解視野，深化了關(guān)于教育過(guò)程有效性的機(jī)制分析，從而不僅改進(jìn)了教育效能，更轉(zhuǎn)化了工業(yè)革命以來(lái)的教育模式。但是，現(xiàn)今的教育技術(shù)，包括每年的地平線(xiàn)報(bào)告，大都從兩個(gè)方面推進(jìn)：一是采用信息技術(shù)單調(diào)疊加的方式發(fā)明學(xué)習(xí)概念和未經(jīng)評(píng)估的教育技術(shù)產(chǎn)品，后者帶來(lái)的潛在危害非常大(Hulleman et al.,2017)；二是采用嘗試—錯(cuò)誤的方式開(kāi)展教育試驗(yàn)。這不僅帶來(lái)巨大的資源投入的浪費(fèi)，更是將學(xué)習(xí)者視為技術(shù)的試驗(yàn)品。究其原因，乃是工具性思維限制了我們對(duì)于教育問(wèn)題本身的思考。
工具性思維的核心是工具，它關(guān)注由第三方設(shè)計(jì)的外在環(huán)境，環(huán)境依賴(lài)工具而建立，工具的基礎(chǔ)決定了環(huán)境的可能性，環(huán)境與系統(tǒng)相分離。進(jìn)行工具應(yīng)用時(shí)，設(shè)計(jì)者往往注意運(yùn)用工具的具體場(chǎng)景。工具性思維傾向于以技術(shù)為重點(diǎn)，以功能為導(dǎo)向。研究者經(jīng)常覺(jué)得需要使用自上而下的新技術(shù)，因此更多關(guān)注的是使用技術(shù)，而不是為什么使用并如何有效地使用。教育技術(shù)開(kāi)發(fā)者將信息技術(shù)視為學(xué)習(xí)工具，由于工具面向不同需求并以不同方式而生產(chǎn)的，因此按照彼此的功能模塊進(jìn)行疊加并外在于人類(lèi)學(xué)習(xí)系統(tǒng)，是學(xué)習(xí)環(huán)境的一個(gè)組成部分。在運(yùn)用過(guò)程中，工具性思維強(qiáng)調(diào)技術(shù)要求的“標(biāo)準(zhǔn)”“效率”“績(jī)效”，以及使用相應(yīng)的外設(shè)量規(guī)體系對(duì)學(xué)習(xí)行為進(jìn)行評(píng)估。這個(gè)看似具體和可操作過(guò)程，卻是建立在對(duì)環(huán)境想象，而非對(duì)學(xué)習(xí)系統(tǒng)本身運(yùn)行及特征挖掘的基礎(chǔ)上。
近來(lái)，人工智能的發(fā)展及AlphaGo Zero的崛起，為教育發(fā)展開(kāi)啟了新的視角。AlphaGo Zero沒(méi)有使用人工數(shù)據(jù)或人工專(zhuān)長(zhǎng)，從零開(kāi)始，面對(duì)一張空白棋盤(pán)和游戲規(guī)則進(jìn)行學(xué)習(xí)，通過(guò)自我學(xué)習(xí)而使自己的游戲技能得以提高，從而與通過(guò)一堆人類(lèi)標(biāo)注數(shù)據(jù)及模型進(jìn)行模仿訓(xùn)練的經(jīng)典模式漸行漸遠(yuǎn)。這意味著它可以突破人類(lèi)預(yù)設(shè)的模型和知識(shí)限制，從它認(rèn)為最優(yōu)的東西中學(xué)習(xí)，甚至可能比某些人類(lèi)的看法更加細(xì)致入微。由此，教育技術(shù)學(xué)的發(fā)展應(yīng)該從工具性思維轉(zhuǎn)向人工智能思維。
盡管機(jī)器工業(yè)發(fā)展迅速，但智能仍然是人類(lèi)和機(jī)器在執(zhí)行任務(wù)時(shí)的根本區(qū)別。2017 AlphaGo Zero的出現(xiàn)則可以視為人工智能爆發(fā)的元年。這是人類(lèi)60年來(lái)對(duì)智能問(wèn)題不懈探索的結(jié)果。而與AlphaGo Zero相關(guān)的機(jī)器學(xué)習(xí)（Machine Learning）則是一門(mén)專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身性能的學(xué)科。機(jī)器學(xué)習(xí)有四種通用方法：1)監(jiān)督學(xué)習(xí)(Supervised Learning)；2)無(wú)監(jiān)督學(xué)習(xí)(Unsupervised Learning)；3)半監(jiān)督學(xué)習(xí)(Semi-supervised Learning)；4)強(qiáng)化學(xué)習(xí)(Reinforcement Learning)。機(jī)器學(xué)習(xí)的目標(biāo)是使機(jī)器能夠預(yù)測(cè)、執(zhí)行集群、提取關(guān)聯(lián)規(guī)則，或者從給定的數(shù)據(jù)集做出決策。至于深度學(xué)習(xí)本身不是一種獨(dú)立算法，而是一系列通過(guò)無(wú)監(jiān)督學(xué)習(xí)實(shí)現(xiàn)深度網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò))的算法。這些網(wǎng)絡(luò)有n層深度，以至于（除了計(jì)算節(jié)點(diǎn)集群外）需要采用新計(jì)算方法來(lái)構(gòu)建(Khan et al. ,2017)。DeepMind的深度強(qiáng)化學(xué)習(xí)領(lǐng)軍人西爾弗(David Silver)認(rèn)為,強(qiáng)化學(xué)習(xí)+深度學(xué)習(xí)(Reinforcement Learning + Deep Learning) = 人工智能(AI)。當(dāng)然，這種說(shuō)法只是一個(gè)視角，盡管其非常成功。
多明戈斯(Pedro Domingo) 在《終極算法》一書(shū)中描述了五個(gè)人工智能學(xué)派,每個(gè)學(xué)派都從不同的角度看問(wèn)題。1)符號(hào)學(xué)派（The Symbolists）：它使用基于規(guī)則的符號(hào)系統(tǒng)進(jìn)行推理，人腦和計(jì)算機(jī)都是物理符號(hào)系統(tǒng)，認(rèn)知過(guò)程就是在符號(hào)表示上的運(yùn)算。解決問(wèn)題的方法是使用預(yù)先存在的知識(shí)庫(kù)和推理機(jī)（Inference Engine）。大多數(shù)專(zhuān)家系統(tǒng)都使用符號(hào)學(xué)派的方法，以 If-Then 的方式解決問(wèn)題。但是這種知識(shí)驅(qū)動(dòng)的符號(hào)模型有其局限性，如很多人類(lèi)行為（知識(shí)）并不能精確描述；知識(shí)庫(kù)總是有限的，它不能包含所有的信息；知識(shí)是確定的；它只能描述特定的領(lǐng)域；大量知識(shí)不能做到定量化（例如質(zhì)量）；所以這種模型只能在宏觀層面用來(lái)模擬人類(lèi)的某些行為。2)進(jìn)化學(xué)派（The Evolutionists）：主要采用模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，它通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解。這種方法又被稱(chēng)為遺傳算法（Genetic Algorithm）。在深度學(xué)習(xí)中，遺傳算法確實(shí)有被用來(lái)替代梯度下降法，所以它不是一種孤立的方法。這個(gè)學(xué)派也研究細(xì)胞自動(dòng)機(jī)（cellular automata），例如康韋(Conway)的“生命游戲”和復(fù)雜自適應(yīng)系統(tǒng)（GAS）。3)貝葉斯學(xué)派（The Bayesians）：它使用概率規(guī)則及其依賴(lài)關(guān)系進(jìn)行推理。概率圖模型（PGM）是其通用的方法，主要的計(jì)算機(jī)制是用于抽樣分布的蒙特卡羅方法。這種方法與符號(hào)學(xué)方法相似之處在于，可以以某種方式得到對(duì)結(jié)果的解釋?zhuān)涣硪粋€(gè)優(yōu)點(diǎn)是存在可以在結(jié)果中表示的不確定性的量度。4)類(lèi)推學(xué)派（The analogizers），它更多地關(guān)注心理學(xué)和數(shù)學(xué)最優(yōu)化，通過(guò)外推來(lái)進(jìn)行相似性判斷。類(lèi)推學(xué)派遵循“最近鄰”原理進(jìn)行研究。各種電子商務(wù)網(wǎng)站的產(chǎn)品推薦是其最常見(jiàn)的應(yīng)用。5)聯(lián)結(jié)學(xué)派（The Connectionists）：聯(lián)結(jié)學(xué)派的主要思想是通過(guò)神經(jīng)元之間的連接推導(dǎo)知識(shí)，這種 人工智能系統(tǒng)主要是基于數(shù)據(jù)驅(qū)動(dòng)。他們聚焦于物理學(xué)和神經(jīng)科學(xué)，相信大腦的逆向工程（reverse engineering）；用反向傳播算法訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)以獲取結(jié)果，其最新形式是深度學(xué)習(xí)。
機(jī)器學(xué)習(xí)中，“深度學(xué)習(xí)”與教育中的“深度學(xué)習(xí)”是兩個(gè)完全不同的。機(jī)器學(xué)習(xí)的“深度學(xué)習(xí)”源于人工神經(jīng)網(wǎng)絡(luò)。其“深度”指的是神經(jīng)網(wǎng)絡(luò)中的層的數(shù)量，淺層神經(jīng)網(wǎng)絡(luò)有一個(gè)所謂的隱藏層，而深度神經(jīng)網(wǎng)絡(luò)則不止一個(gè)隱層。多個(gè)隱層讓深度神經(jīng)網(wǎng)絡(luò)能夠以分層的方式學(xué)習(xí)數(shù)據(jù)的特征，深度學(xué)習(xí)通過(guò)組合低層特征形成抽象的高層特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。因此，“深度模型”是手段，“特征學(xué)習(xí)”是目的。深度學(xué)習(xí)的特點(diǎn)在于：1)強(qiáng)調(diào)模型結(jié)構(gòu)的深度，通常有5層、6層，甚至n層的隱層；2)明確突出特征學(xué)習(xí)的重要性，也就是說(shuō)，通過(guò)逐層特征變換，將樣本在原空間的特征表示變換(迭代)到新的特征空間，從而使分類(lèi)或預(yù)測(cè)更加容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來(lái)學(xué)習(xí)特征，更能刻畫(huà)數(shù)據(jù)的豐富內(nèi)在信息。
這個(gè)過(guò)程既不同于行為主義心理學(xué)的刺激—反應(yīng)—強(qiáng)化模式，也有別于原來(lái)的聯(lián)結(jié)主義，AlphaGo Zero的學(xué)習(xí)方式，已有皮亞杰認(rèn)知意義上的建構(gòu)主義的特征。深度強(qiáng)化學(xué)習(xí)就是用深度學(xué)習(xí)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)動(dòng)態(tài)場(chǎng)景的特征，然后通過(guò)強(qiáng)化學(xué)習(xí)學(xué)習(xí)對(duì)應(yīng)場(chǎng)景特征的決策動(dòng)作序列，這是一個(gè)連續(xù)決策以達(dá)成最優(yōu)的過(guò)程。深度學(xué)習(xí)的感知能力較強(qiáng)，但缺乏一定的決策能力；而強(qiáng)化學(xué)習(xí)具有較強(qiáng)的決策能力，但對(duì)感知問(wèn)題束手無(wú)策。因此，將兩者結(jié)合，優(yōu)勢(shì)互補(bǔ)，能夠?yàn)閺?fù)雜狀態(tài)下的感知決策問(wèn)題提供解決思路。值得指出的是，這兩種方法的平衡融合，恰是人腦動(dòng)態(tài)感知決策的方式(Gazzaniga,2014)。所以人工智能與神經(jīng)科學(xué)的結(jié)合具有機(jī)理的基礎(chǔ)。
教育人工智能(Artificial Intelligence in Education)的研究與應(yīng)用也已有三十多年，教育人工智能的核心是“使計(jì)算精確的和用清晰的形式表示曾經(jīng)是含糊不清的教育的科學(xué)目標(biāo)、心理和社會(huì)知識(shí)”。換句話(huà)說(shuō)，除了作為智能技術(shù)的引擎，教育人工智能也是一個(gè)有用的工具來(lái)打開(kāi)有時(shí)被為學(xué)習(xí)的“黑匣子”，使我們能更深和更微觀地理解學(xué)習(xí)是如何實(shí)際發(fā)生的（例如，學(xué)習(xí)者的社會(huì)經(jīng)濟(jì)和物理環(huán)境，或技術(shù)的影響會(huì)如何影響他的學(xué)習(xí)）。 教育人工智能的核心有三個(gè)關(guān)鍵模型:教學(xué)模式、領(lǐng)域模型和學(xué)習(xí)者模型（見(jiàn)表二）。以教育人工智能系統(tǒng)為例，該系統(tǒng)旨在為學(xué)生提供適當(dāng)?shù)膫€(gè)性化反饋。實(shí)現(xiàn)這一目標(biāo)，教育人工智能系統(tǒng)需要了解：1) 有效的教學(xué)方法（代表教學(xué)模型）；2) 學(xué)習(xí)知識(shí)的主題（代表領(lǐng)域模型）；3) 學(xué)生（代表學(xué)習(xí)者模型）
表二 教育人工智能模型
表二的“生產(chǎn)性挫折(Productive failure,PF)”是卡普爾(Manu Kapur)提出的，強(qiáng)調(diào)從失敗中學(xué)習(xí)。他讓學(xué)生參與學(xué)習(xí)的設(shè)計(jì)（Kapur＆Bielaczyc，2012），其四個(gè)核心的、相互依存的機(jī)制為：1)激活和區(qū)分先前的知識(shí)；2)關(guān)注目標(biāo)概念的關(guān)鍵特征；3)解釋和闡述這些特征；4)將關(guān)鍵概念特征組織和組裝到目標(biāo)概念中。而設(shè)計(jì)者需要了解學(xué)生知道什么？學(xué)生的知識(shí)邊界在哪？學(xué)生不知道什么？在實(shí)施中需遵循以下原則：1)創(chuàng)建解決問(wèn)題的情境，涉及處理挑戰(zhàn)但不沮喪的復(fù)雜問(wèn)題，依靠先前的教學(xué)資源，并認(rèn)可多種解決方案（機(jī)制1和2）；2)提供解釋和闡述的機(jī)會(huì)（機(jī)制2和3）；(3)提供機(jī)會(huì)比較和對(duì)比失敗或次優(yōu)解決方案的可供性和約束以及規(guī)范解決方案的組裝（機(jī)制3-4）。從教育人工智能模型的設(shè)計(jì)可以知道，每一種教育人工智能模型都應(yīng)該吸納最新的教育學(xué)或?qū)W習(xí)科學(xué)的研究成果，亦即教育技術(shù)學(xué)首先是從教育出發(fā)思考問(wèn)題。
圖3 經(jīng)典系統(tǒng)的簡(jiǎn)化圖（基于模型的自適應(yīng)指導(dǎo)）(Luckin et al. ,2016)
自適應(yīng)教育人工智能系統(tǒng)的一個(gè)好處是他們可以在良性循環(huán)中收集海量的數(shù)據(jù)，然后可以動(dòng)態(tài)地改進(jìn)教學(xué)模型和學(xué)科領(lǐng)域模型。這個(gè)過(guò)程有助于采用新的方法提供更高效、個(gè)性化、支持情境的，同時(shí)也測(cè)試和改進(jìn)我們對(duì)教和學(xué)過(guò)程的理解(Luckin et al. ,2016)。當(dāng)然，教育人工智能也應(yīng)該用于培養(yǎng)“21世紀(jì)能力(21st century skills)”，但是需要解決兩個(gè)問(wèn)題：1) 必須制定可靠和有效的指標(biāo)，這將使我們能夠跟蹤學(xué)習(xí)者在學(xué)習(xí)在本世紀(jì)所需的技能和能力的過(guò)程中的進(jìn)步，這將包括難以測(cè)量的特質(zhì)，如創(chuàng)造力和好奇心；2) 需要更好地了解能夠讓這些技能的發(fā)展最有效的教學(xué)方法和學(xué)習(xí)境脈(context)。
人工智能思維將智能機(jī)器體視為人類(lèi)智能的延伸，是人類(lèi)認(rèn)知系統(tǒng)的一部分。人工智能思維的核心是認(rèn)知，它關(guān)注系統(tǒng)性或關(guān)系性。人工智能思維和計(jì)算思維是相互交織和重疊的，因?yàn)榫哂杏?jì)算能力的機(jī)器智能是實(shí)現(xiàn)智能的主要手段。計(jì)算思維通過(guò)約簡(jiǎn)、嵌入、轉(zhuǎn)化和仿真等方法，把一個(gè)困難的問(wèn)題重新闡釋成一個(gè)知道問(wèn)題怎樣解決的方法；它是一種遞歸思維，又是一種并行處理；是一種多維分析推廣的類(lèi)型檢查方法；是一種采用抽象和分解來(lái)控制龐雜的任務(wù)或進(jìn)行巨大復(fù)雜系統(tǒng)設(shè)計(jì)的方法；是一種選擇合適的方式去陳述一個(gè)問(wèn)題，或?qū)σ粋€(gè)問(wèn)題的相關(guān)方面建模使其易于處理的思維方法；是利用啟發(fā)式推理尋求解答，也即在不確定情況下的規(guī)劃、學(xué)習(xí)和調(diào)度的思維方法(Wing J M.,2006)。然而，人工智能思維需要超越計(jì)算思維。人工智能的思維涉及系統(tǒng)、框架、技能，以及從人工智能研究和實(shí)踐中提煉出來(lái)的通用工具。與計(jì)算思維相比，人工智能思維超越了邏輯和基于算法的視角，如利用知識(shí)庫(kù)和案例庫(kù)解決問(wèn)題；捕獲和理解常識(shí)；啟用語(yǔ)義和境脈的處理以及處理非結(jié)構(gòu)化數(shù)據(jù)等，還應(yīng)該涵蓋深度學(xué)習(xí)和認(rèn)知計(jì)算背后的基本思想。除總體框架外，人工智能思維還應(yīng)該包括人工智能通用問(wèn)題解決方案的內(nèi)容：一套成熟的、廣泛應(yīng)用的知識(shí)表征觀念，以及相應(yīng)的易用的推理引擎。對(duì)在教育人工智能的發(fā)展，我認(rèn)為最重要的是系統(tǒng)性、高關(guān)聯(lián)性、深度學(xué)習(xí)化和可實(shí)現(xiàn)性。
基于人工智能思維的教育技術(shù)開(kāi)發(fā)思考，已經(jīng)有簡(jiǎn)單的嘗試。比格爾等人(Bieger et al. 2017)提出了一個(gè)“教學(xué)法五邊形”，或稱(chēng)為人工教學(xué)法(Artificial Pedagogy)，通過(guò)確定教學(xué)系統(tǒng)互動(dòng)中涉及的五個(gè)核心概念：學(xué)習(xí)者、任務(wù)環(huán)境、測(cè)試、訓(xùn)練和教學(xué)，形成一個(gè)教學(xué)五邊形的五個(gè)點(diǎn)。關(guān)鍵是其每個(gè)點(diǎn)都依據(jù)可靠的教育學(xué)、心理學(xué)或?qū)W習(xí)理論而確定約束條件。雖然其系統(tǒng)設(shè)計(jì)描述比較簡(jiǎn)單，卻聚焦教學(xué)本身，高關(guān)聯(lián)而減少冗余。我們可以以此進(jìn)一步開(kāi)發(fā)，因?yàn)閷W(xué)習(xí)者、任務(wù)環(huán)境、測(cè)試、訓(xùn)練和教學(xué)構(gòu)成一個(gè)教學(xué)系統(tǒng)，每個(gè)點(diǎn)有其相應(yīng)的約束條件，這些約束條件可以做成隱藏層，隱藏層又可以繼續(xù)細(xì)化并進(jìn)行特征挖掘，這就可以形成深度神經(jīng)網(wǎng)絡(luò)。人工教學(xué)法的特點(diǎn)是基于教學(xué)現(xiàn)實(shí)而從教學(xué)過(guò)程中生發(fā)的。
所以，教育技術(shù)學(xué)轉(zhuǎn)向人工智能思維意味著：“研究教育活動(dòng)本身，關(guān)注人的認(rèn)知特質(zhì)，理解學(xué)習(xí)發(fā)生機(jī)制”，這才是新的教育智能技術(shù)開(kāi)發(fā)的思維要求。
看似繁榮而迅猛發(fā)展的教育技術(shù)學(xué)其實(shí)充滿(mǎn)潛在的挑戰(zhàn)。《可見(jiàn)的學(xué)習(xí)》總結(jié)了6個(gè)通向卓越教育的路標(biāo)：1)教師是學(xué)習(xí)最大的影響因素之一；2)教師需要有指導(dǎo)力和影響力，并且能夠以關(guān)愛(ài)、積極和充滿(mǎn)熱忱的態(tài)度參與教與學(xué)過(guò)程；3)教師需要知道班級(jí)每位學(xué)生的所知所思，能夠依據(jù)對(duì)學(xué)生的了解來(lái)建構(gòu)意義和豐富的經(jīng)驗(yàn)；4)教師和學(xué)生需要知道他們課堂的學(xué)習(xí)目的和成功標(biāo)準(zhǔn)，知道學(xué)生對(duì)這些標(biāo)準(zhǔn)上限的了解情況，以及知道下一步去哪里。下一步的行動(dòng)應(yīng)當(dāng)依據(jù)學(xué)生已有知識(shí)和理解與成功標(biāo)準(zhǔn)之間的差距而定；5)教師必須從單一觀念轉(zhuǎn)變?yōu)槎嘣^念，并聯(lián)系和擴(kuò)展這些觀念，使學(xué)習(xí)者建構(gòu)、再建構(gòu)知識(shí)和觀念。關(guān)鍵的不是知識(shí)或觀念，而是學(xué)習(xí)者對(duì)這些知識(shí)和觀念的建構(gòu)；6)學(xué)校領(lǐng)導(dǎo)者和教師需要在學(xué)校、辦公室和班級(jí)創(chuàng)造這樣的環(huán)境：錯(cuò)誤是受歡迎的，因?yàn)樗菍W(xué)習(xí)的機(jī)會(huì) (生產(chǎn)性挫折的意義) 。這些無(wú)疑是教育技術(shù)開(kāi)發(fā)和思考的重要思想資源。
教育技術(shù)需要探索如何嵌入學(xué)習(xí)系統(tǒng)，而不是作為外在的學(xué)習(xí)環(huán)境而存在。長(zhǎng)期以來(lái)，工具性思維使教育技術(shù)的環(huán)境設(shè)計(jì)既難反映教育過(guò)程的要求，又呈現(xiàn)出功能分隔的模塊化特征，從而只能作為外在學(xué)習(xí)環(huán)境而非嵌入式學(xué)習(xí)境脈。人工智能的發(fā)展為教育技術(shù)開(kāi)發(fā)打開(kāi)了新的視角，從工具性思維轉(zhuǎn)向人工智能思維是未來(lái)的方向。未來(lái)的教育技術(shù)學(xué)應(yīng)該關(guān)注教育過(guò)程本身，充分吸納學(xué)習(xí)科學(xué)已有的研究成果，建構(gòu)系統(tǒng)化、高關(guān)聯(lián)、能夠深度學(xué)習(xí)和可實(shí)現(xiàn)的學(xué)習(xí)系統(tǒng)，以真正改善學(xué)校的教與學(xué)。當(dāng)然，真正的人工教學(xué)系統(tǒng)要求實(shí)現(xiàn)以下五個(gè)條件，即：1)推斷思維，即在缺乏知識(shí)和數(shù)據(jù)的情況下依然能完成任務(wù)；2)直覺(jué)思維，即在信息不完善（甚至缺乏信息）的情況下能夠完成任務(wù)；3)模糊判斷，即能夠處理非確定性任務(wù)；4)適應(yīng)性專(zhuān)長(zhǎng)，即能夠處理動(dòng)態(tài)任務(wù)；5)分布式加工，即能夠處理多領(lǐng)域和多任務(wù)。
注釋?zhuān)?/strong>
[1]很可惜，這個(gè)在國(guó)內(nèi)廣為傳播，并被冠以“喬布斯之問(wèn)”的問(wèn)題，在有關(guān)敘述文章中沒(méi)有提供出處，我反復(fù)搜索各種資源，也沒(méi)有看到英文出處，所以懷疑是虛構(gòu)的。
參考文獻(xiàn)：
[1]Adu, E. K., and Poo, D. C. C. (2014). Smart learning: A new Paradigm of Learning in the Smart Age. Paper presented at TLHE 2014: International Conference on Teaching and Learning in Higher Education, National University of Singapore.
[2]Bieger J., Thórisson K. R., Steunebrink B. R.(2017). The pedagogical pentagon: A conceptual framework for artificial pedagogy[A]. International Conference on Artificial General Intelligence[C]. Springer, Cham, 2017：212-222.
[3]Chatti, M. A., Agustiawan, M. R., Jarke, M., and Specht, M.(2010). Toward a personal learning environment framework. International Journal of Virtual Personal Learning Environments. Vol. 1, No. 4, pp. 66-85.
[4] Hulleman, C. S., Burke, R. A., May, M., Charania, M., & Daniel, D. B. (2017). Merit or marketing?:Evidence and quality of efficacy research in educational technology companies . White paper produced by Working Group D for the EdTech Academic Efficacy Symposium. University of Virginia:Charlottesville, VA.
[5]Zeng，D. (2013), From computational thinking to AI thinking. IEEE INTELLIGENT SYSTEMS,
[6]Roll.I,&Wylie.R,(2016)Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education.Vol26, Issue 2, pp 582–599
[7]Gazzaniga, M.S.,& Mangun, G.R.(2014) .The cognitive neurosciences. Massachusetts Institute of Technology.p689
[8]Goundar,S.(2014). The distraction of technology in the classroom. Journal of Education & Human Development. ,Vol. 3, : 211-229
[9]Huang, R., Yang, J., and Zheng, L.(2013). The components and functions of smart learning environments for easy, engaged and effective learning. International Journal for Educational Media and Technology. Vol.7, No. 1, pp. 4-14.
[10]Kapur, M., & Rummel, N. (2012). Productive failure in learning and problem solving. InstructionalScience, 40(4), 645–650.
[11]Kapur,M.(2014). Productive failure in learning math，Cognitive Science,Vol.38, Issue 5, pp1008–1022.
[12]Mohammed.M., Khan,M.B.,& Bashier.E.B.M., (2017), Machine learning：Algorithms and applications., CRC Press
[13]Kirschner, P. A. & Bruyckere, P. D.(2017) .The myths of the digital native and the multitasker，Teaching & Teacher Education, 67 :135-142
[14]Luckin, R., Holmes, W., Griffiths, M. & Forcier,L. B. (2016). Intelligence unleashed. An argument for AI in education. London: Pearson.
[15]Singh, A.D., Hassan,. M.(2017), In pursuit of smart learning environments for the 21st century. UEESCO
[16]Toyama, K. (2011). There are no technology shortcuts to good education.Ict in Schools.
[17] Wing J M.(2006),Computational Thinking.Communications of ACM，28（9）：23-28.
[18]Wu, H. K., Lee, S. W. Y., Chang, H. Y., and Liang, J. C.(2013). Current status, opportunities and challenges of augmented reality in education. Computers & Education. Vol. 62, pp. 41-49.
[19]參見(jiàn)佩德羅·多明戈斯(2017)：終極算法：機(jī)器學(xué)習(xí)和人工智能如何重塑世界，北京：中信出版社。(沒(méi)有具體頁(yè)碼，是綜述)
[20] 約翰·哈蒂(2015)：可見(jiàn)的學(xué)習(xí)：最大限度地促進(jìn)學(xué)習(xí)，北京：教育科學(xué)出版社：第21頁(yè)。
[21] 布萊恩·阿瑟（2014），技術(shù)的本質(zhì)：技術(shù)是什么，它是如何進(jìn)化的，浙江人民出版社：頁(yè)碼，第21-23頁(yè)。
From instrumental thinking to artificial intelligence thinking
——the crisis of education technology and its transformation.
Wu Gang
（Institute of Advanced Studies in Education, East China Normal University,200062,Shanghai）
Abstract: On the current application of education technology effectiveness evaluation indicated that the actual effectiveness of education information technology is not high, the development of education technology is facing a crisis. The instrumental thinking for a long time to make education technology environment design is both hard to reflect the requirements of the education process, and shows the characteristics of function space of modularization, which can only be as external learning environments rather than embedded learning context. The development of artificial intelligence opens a new perspective for education technology development. We need to shift from instrumental thinking to artificial intelligence thinking. Education technology of the future should pay attention to the education process itself, fully absorb the scientific study of the existing research results, construct the systematic, high correlation, deep learning and technology realization of learning system, to really improve the present situation of teaching and learning in the school.
Key words: instrumental thinking; learning environment; artificial intelligence thinking; learning system
聯(lián)系客服
