随着人工智能技术的不断突破,AI技术开始进入教育领域，各学校面临着如何让教师发展永葆青春的命题，需要关注在人工智能时代，教师怎么做才能适应这些变化，在新时代有所作为？
由天真蓝教育传媒与华樾科学技术研究院联合推出的公益课程“新学校香山训练营”第三期近日于广东佛山外国语学校进行。本期学习主题为“走出舒适区——校长如何自我管理”，课程期间设置了资深专家主题报告和对话、校长行动与思考分享、专家点评和主题研讨会、学校参观等环节。来自全国各地100多位中小学校长报名参与了本次活动。
训练营期间，来自北京爱云校教育科技研究院的陈瑶分享了《人工智能与教育实践》主题报告，介绍了人工智能的研究探索及在教育领域的应用情况，引发参会校长们的诸多思考。
陈瑶指出，现阶段AI应用在弱人工智能领域发展快速，而在强人工智能领域仍处于探索阶段。创造强人工智能比弱人工智能困难得多。这里的“智能”是指一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。
从国家政策的角度来看，2017年国务院发布的《新一代人工智能发展规划》成为行业的重要指导文件。规划指出未来科研的八个主要方向及重点突破的八大技术，如大数据智能理论、知识计算引擎与知识服务技术、跨媒体分析推理技术等。大数据、高效能计算则要建设成为智能化基础设置。
对于人工智能在教育中的应用，陈瑶首先指出，教育是围绕学生成长展开的，无论是在什么时期，我们都希望在了解学生学习与成长过程的基础上，匹配合适的资源，并且不断优化这个过程，以实现预期的发展。
以学生为中心的各类数据是教育教学优化的重要依据。我们用数据描述现状与过去，分析影响因素、变量关系、发展规律；预测未来的发展变化和影响因素，调配和优化资源、方法和工具，获得预期的结果。在学校里，学生与教师的基础数据、教学行为与结果数据、科研数据、管理数据、服务数据和舆情数据等都是AI应用于教育的重要基础。
现在，越来越多的学校部署了智能数据采集设备和系统，比如智能教室、智能阅卷、智能作业、可穿戴设备、智能学伴等等，采集着海量的、过程性数据。仅爱云校的“好分数”阅卷分析平台就服务着全国3万所学校开展日常学业数据采集与分析，单日最高采集700多万份学业数据。
同时，数据分析与挖掘方法也在不断发展。以学习分析技术为例，滞后序列分析法（Lag Sequential Analysis, LSA)主要用于检验人们发生一种行为之后另外一种行为出现的概率及其是否存在统计意义上的显著性，可以帮助研究者和教学者准确把握学习者潜在行为模式，从行为视角阐释技术增强学习效果的原因，同时有效指导后续教与学活动的设计与实施。学习预警分析聚焦学生个体，通过测量、收集、分析和报告学生的学习、参与、表现的相关数据，找到问题，进行干预。知行情三维学习预警模型，旨在从知识、行为和情绪三方面对在线学习者进行全方位预警。
数据分析的价值在于应用，数据可视化的发展有力推动了数据应用。传统统计分析或者数据挖掘经常将数据变得简化、抽象，这使得数据集真实的结构被隐藏起来，而数据可视化却弥补了这个弊端，它真实还原了数据集的结构，甚至还在其基础上针对数据细节做出了进一步增强。数据可视化借助人类的视觉感知与认知能力，能够十分有效地展现和传达信息，对人类数据应用起到重要的作用。互联网时代数据更新频率和获取渠道都在增加，而实时数据的巨大价值只有通过有效的可视化处理才可以体现。例如，政府工作报告中词汇的历年变化，区域教育数据和资源的配置情况，学生的学业画像等，我们都可以从图中一目了然。
陈瑶还分享了几个人工智能在教育中的典型应用场景，覆盖智能学习过程、智能教育评价等方面。比如北京十一学校目前正在建设的“云课堂”，通过平台辅助教学改革，一方面沉淀高品质、系统化的课程内容，另一方面清晰呈现出学生个性化学习路径与效果，并且为学校开展PBL项目学习提供工具箱的支持，逐步形成任务驱动、认知过程外化、师生生生互动的社会化学习共同体。
在评价方面，陈瑶分享了四川成都泡桐树中学的案例。学校打造了自己的“三制三化”教育体系，十分关注学生的成长过程，教育评价与诊断工作成为学校改革的关键。泡桐树中学首先构建出符合学校育人理念的指标体系，设计了多样化数据采集方式，通过动态优化的分析诊断模型形成面向学生个体的成长报告。
在智能学习工具应用方面，陈瑶分享了个性化智能错题本。这个工具具备及时性、原题解析、举一反三这些关键特征，并且能够快速融入日常教学之中，帮助教学质量提升，建设校本知识库，开展精准教研。目前，在广州第六十五中学、洛阳第一高中、河北正定中学等学校都取得了良好口碑。
对于接下来可以重点尝试的人工智能与教育实践方向，陈瑶从内容建设、学习成长、教学优化、管理提升四个方面给出建议。例如，运用AI进行跨领域的内容整合，推动课程设计和教学体系的迭代和升级；运用AI进行学习过程的记录、分析、路径推荐和资源配置，为学生搭建自我决定、自我量化的学习平台；运用AI升级助教角色，从辅助到增强教师；运用AI促使管理工作更加注重教学有效性、资源有效配置和组织升级等关键问题。
以建设知识图谱（下图）为例，从引用关系获悉作者学术影响力：颜色冷暖看观点产生的时期，越早期颜色越暖，引用次数越多，点的面积越大、与同一作者之间关系越紧连接线越粗。由此，我们随时可以知道哪位老师在哪些方面的教学教研比较有建树，教研成果被其他老师所认可、引用，与他合作最多的老师有哪些，他们共同研究了哪些问题，产出了什么成果。比如，一位老师开始认知学徒教学应用的研究，发表了一篇教学研究文章，被另一位老师认可，这两位开始了合作，在某个新领域开启了一个教学研究范式。若干年后，他们借鉴“认知学徒”理念在AI教育环境设计领域开辟了一个新天地，万千孩子受益，同时也吸引了更多教育同行加入这个领域共同深耕。
同样，以知识模块为视角，可以随时了解按现有教学组织方式，哪些知识模块、知识点是学生的典型错误（属于发展性错误），运用哪些学习资源、通过怎样的训练可以有效降低犯错概率或者缩减犯错的时间。也可以了解哪些跨学科、跨学段的知识模块的联系最为紧密，可以有哪些新的教学组织方式。
最后，陈瑶老师总结说，人工智能正在为我们创造一个与以往相比更加不一样的学习环境和反馈体系，在数据支持下可以随时了解什么是有效的、在什么情况下是好的，可以迁移到哪些情境之中等。而身处于这种环境的我们，其实是在一个同样也向我们学习的系统中进行着学与教的过程。这个系统跟随着我们的教学教研行为，变得越来越知道每一位学生何时需要继续往前学、何时需要不一样的脚手架和更多匹配的练习。陈瑶老师也鼓励在座校长们，建构人工智能环境，其实就是建构我们教育大脑的外挂系统，让它赋能我们的教育。