摘要：文章首先从人工智能时代社会发展对人才需求的角度入手，指出个性化是人工智能时代教育应用发展的必然趋势，并介绍了教育应用的发展现状，指出人工智能技术推动了个性化教育从理念走向实践。接着，文章描述了智能教育的核心服务，即从学习个性化、教学精准化和管理科学化等三个方面推动教育走向个性化。最后，文章介绍了智能教育核心服务在用户终端产品中的应用集成与案例实践。

关键词：人工智能；智能教育应用；个性化；智能教育核心服务；AI 助手

引言

近年来，人工智能（Artificial Intelligence，AI）受到了全社会的普遍关注，并被提升到了国家战略的高度。人工智能时代已经到来，AI 技术正在悄然改变着传统行业的方方面面，如何应对人工智能带来的机遇与挑战已成为各行各业都必须面对的问题，教育行业也不例外。科大讯飞肩负着建设“国家新一代人工智能开放创新平台”的重要使命，积极探索AI 技术与教育的融合创新应用。基于对我国教育信息化发展现状的深入分析，以及对AI 技术在教育领域应用趋势的前瞻预测，科大讯飞围绕教育主场景推出了人工智能核心技术服务及其应用产品，在广泛的实践过程中取得了良好的应用效果。

一 人工智能教育应用的发展趋势与现状

1 新时代呼唤个性化教育理念与模式

在工业化时代，以规模化、机械化和程序化为主要特征的生产模式，要求通过教育来培养大量具备基础知识技能、具有严格服从精神的高度专业化、标准化人才。而在AI 技术日益渗透到各行各业的当今时代，生产过程已由单一、重复的流水线生产模式转变为大规模、个性化、自动化的智能制造模式。社会更需要劳动者具备创新能力，BBC（英国广播公司）援引牛津大学学者Osborne 等关于“人工智能对未来职业的可替代率”的数据体系进行职业预测：不仅那些可通过标准化训练的人才如电话销售员会被大量替代（可替代率达99.0%），“程式化强、重复性高”的高级脑力工作如会计师也会被大量替代（可替代率达97.6%），而只有那些强调“创新、沟通和深入思考”工作如软件开发人员被替代的可能性低（可替代率仅8.0%）。可见，当前教育的重要任务就是培养创新人才。

创新人才的培养离不开个性化的教育方式。心理学家林崇德认为，创新型人才应具备创造性的个性品质。尊重个性品质的发展，就是保护人才的创新能力。美国心理学家特尔曼对800名男性儿童做了长达30 年的追踪调查，发现成就较大的前20%群体与成就较小的后20%群体在性格、情感、兴趣、爱好、自我意识等个性特征方面存在显著差异，前者的个性特征得到了充的发展。由此可见，培养创新人才需正视并尊重智力水平、性格特征、兴趣爱好等个性差异，同时在遵循身心发展规律的基础上，选择最适宜的发展方式来促进个人成长。总之，创新人才离不开个性化的教育培养，未来教育必将走向个性化。

2 人工智能推动教育的个性化从理论构想到落地实践

教育个性化的第一步是实现学习活动的个性化，即能够根据学生自身的学习需求、学习经验、兴趣爱好、风格习惯、文化背景等个性化要素，结合国家教育方针与社会人才需求，量身定制学习内容、学习方法和学习计划。推动个性化学习需要掌握足够多的背景信息，并进行大量的数据建模分析和智能决策计算，才可能达成预期效果，鉴于其实现的复杂性，2015 年新媒体联盟《地平线报告（基础教育版）》就将个性化学习列为具有相当困难的挑战性工作。而随着深度神经网络的广泛应用、脑科学研究的不断进步与突破，在大数据、云计算等相关技术的支撑下，人工智能技术被快速地应用到社会各领域中，如面向教育领域的、基于人工智能的信息化系统（即“智能教育应用”）可充分利用教育行业大数据，通过不断学习顶级的专家知识体系，以达到一流专家的水平。据此，智能教育应用一方面可从海量的学生行为数据中，敏锐地识别每个学生的特点和诉求，并制定相应的学习策略；另一方面可从良莠不齐的海量学习资源中找到合适的学习内容，并推荐给学习者；最终，实现学习活动的个性化。由此可见，在人工智能的支撑与推动下，教育的个性化必然会由理论构想逐步转为落地实践，个性化也将成为智能教育应用发展的必然趋势。

3 人工智能教育应用的发展现状

作为个性化教育发展基础的教育信息化，近年来取得了长足进步，据《教育信息化“十三五”规划》统计：我国中小学的互联网接入率达到87%，多媒体教室普及率达到80%；优质数字教育资源日益丰富，信息化教学逐步普及；教师及学校管理者的信息化意识与能力显著增强。随着教育信息化应用的普及与推广，传统的教育教学模式发生了很大的改变，促进了教育公平并提高了教育教学质量，但在应对教育个性化的挑战时仍显得有些力不从心，具体表现为以下三个方面：①学生的学习过程未能实现个性化，学生不能充分了解自己，教师又难以关注到每个学生，因此在课堂内外，即便有信息化应用的支持，也只能获得标准化的学习内容和学习策略指导；②教师的教学过程未能实现精准化，教师以一人之力难以从预习、听课、复习、自学作业、考试等各类场景应用中，观察并掌握全班所有学生的个性特点、学习行为与学业成果，更不能精准地指导每位学生的学习，③学校的管理过程未能实现科学化，学校的各类数据分散在不同的业务系统之中，相互间数据未能融合，学校的决策管理过程难以得到数据的全面支撑，学校在数据割裂的状态下，也难以为教学精准化与学习个性化提供有力的管理支撑。

二 人工智能教育应用的发展对策与举措

鉴于人工智能时代教育应用的发展趋势与发展现状，智能教育应用必须在教育主场景中解决阻碍教育走向个性化的关键问题，才能真正推动个性化教育由理念到实践的发展。

1 用AI 技术解决阻碍教育走向个性化的关键问题

①通过智能推荐引擎解决学习过程个性化的问题。智能推荐引擎一方面基于对学生数据的全面掌握，准确刻画学生的个性特征与学习需求；另一方面基于对学习资源内容和使用状况的智能分析，实现资源特性的标签化；最终根据每个学生的真实需求，智能化推送合适的学习资源，以实现学习过程的个性化。

②通过智能学情分析解决教学过程精准化的问题。智能学情分析技术一方面汇聚了单个学生的学习态度、学习风格、知识点掌握情况等信息，使教师能够精准掌握学生个体的学习需求；另一方面统计了班级整体的学习氛围状况、薄弱知识点分布、成绩分布等学情信息，使教师能够精准掌握班级整体的学习需求；最终为合理规划教学资源、恰当选取教学方式提供专业指导意见，实现教学过程的精准化。

③通过智能决策支持解决管理过程科学化的问题。智能决策支持一方面实现了校园数据的打通、汇聚与交换，形成学生、班级、学校多级数据体系；另一方面实现了校园数据的规整与加工，并基于业务场景创建校园数据仓库，创建分析、度量、诊断、预测等各类模型，生成可视化分析图；最终为学校管理者提供基于数据与模型的决策建议，以实现数据驱动的管理过程的科学化。

2 将解决个性化教育核心问题的AI 技术打造成核心服务

为系统性提升教育应用对个性化教育的支撑能力，研究中将人工智能相关技术进行封装，并整合为开放服务，供面向具体教育场景的应用产品集成与调用，称为“智能教育核心服务”（Core Services for AI in Education）。智能教育核心服务，依托“智能教育平台”提供的AI技术能力与大数据处理能力，面向具体教育场景，提供“技术”与“业务”两大类服务。

（1）智能教育技术类核心服务

该类服务面向具体的教育应用场景，从技术的角度实现对人工智能通用技术的封装与定制，使各类教育应用产品能够迅速集成交互界面友好、接口简单易用的AI 技术与服务。从应用产品的角度来看，借助该类服务可以快速获得AI 能力，因此也被称为“人工智能代理（AI Agent）”，其主要功能包括：①人机交互技术，指研究人和计算机之间的信息交换，包括语音合成、语音识别、情感交互等具体领域技术；②自然语言理解技术，指研究能实现人与计算机之间用自然语言进行有效通信的理论和方法，包括机器翻译、机器理解、问答系统等具体领域技术；③知识图谱技术，本质上是构建语义网络，指研究将各类信息连接在一起形成关系网络，并利用网络中的关系分析与解决问题的技术；④生物特征识别技术，指通过个体生理特征或行为特征对个体身份进行识别认证的技术，包括语音识别、指纹识别、人脸识别等具体领域技术等。

（2）智能教育业务类核心服务

该类服务面向具体的教育应用场景，从业务的角度实现人工智能通用技术与业务流程的融合，以实现学习过程的个性化、教学过程的精准化和管理过程的科学化等具体业务要求，使应用产品能够快速获得开展个性化教育的必要能力。从应用产品的角度来看，该类服务扫除了开展个性化教育的技术障碍，使应用系统可围绕服务展开业务，因此也被称为“人工智能助手（AI Assistant）”，其主要包括以下三种服务：①智能推荐服务。在自适应考试、智能口语评测、全学科阅卷等人工智能技术的支撑下，充分利用用户的学业诊断数据、用户行为数据，并根据学生的学习目标、学习风格、学习习惯以及对知识点的掌握情况，通过用户画像、资源画像及构建知识图谱，实现学习资源的个性化推荐。该服务被广泛地应用于学生自主学习、课后练习等相关场景的产品应用中。②学情分析服务。实现了各类学情数据和教师教学数据的打通、汇聚、规整与分析，并在数据挖掘技术和学习分析技术的支撑下，使教师不仅能够全面掌握学生个人的学情信息，还能够全面掌握全班学生的学情分布状况。该服务被广泛地应用于包括教学预设、课堂教学、备课与教研等相关场景的产品应用中。③决策支持服务。基于用户教育管理数据、行为数据及相关行业数据，利用BI（Business Intelligence）分析、业务建模、数据可视化等技术手段，实现对管理决策活动的数据支撑，并提供监控、模拟和模型预测等功能。该服务被广泛地应用于学校的校园管理、区域的教育管理与教育治理等相关场景。

四 人工智能教育应用的实践案例

科大讯飞作为教育技术引领企业，通过人工智能、云计算、大数据等先进技术，为广大教育用户提供了覆盖“教、学、考、评、管”的全场景产品体系，且产品已在全国10000 多所学校应用并形成体系。合肥市某省属重点中学（以下简称“该校”）主要在教育各场景中常态化应用了科大讯飞的智能教学、智能学习和智能管理系统，从而形成了一系列典型特色的人工智能教育应用案例。下面将以该校2014 级的35 个班、共1937 名学生为例，介绍其人工智能教育的应用情况。采集的行为数据时段是2016 年2 月22 日至2016 年7 月5 日。

1 智能教学系统的应用实践

智能教学系统集成了智能教育核心服务中的学情分析服务。该系统采集了班级所有学生的行为数据、基础信息数据和学业数据，并提交给学情分析服务；学情分析服务通过后台的大数据分析与智能技术处理，形成对学生个体与学生整体的画像，生成可视化的学情分析报告并提供给教师。教师根据学情报告中的各项指标数据，准确规划教学路径、精确设计教学策略，从而实现教学过程的精准化。

本研究以该校英语学科C 老师某节作文课的智能教学过程为例，来介绍智能教学系统的应用，其具体过程是：①利用AI 代理完成英语作文练习作业的批改与数据采集，并通过AI 助手自动生成班级与个人关于本节课的学情分析报告。其中，学情分析包括各类分析指标，该指标可帮助C 老师全面了解班级作文练习中的薄弱点分布状况。②C 老师针对全班学情分析报告中出现的低分组高频薄弱点（如拼写错误）和高分组高频薄弱点（如成分缺失错误）进行精准讲评。③学生根据个人学情报告和老师讲评，在线对作文进行修改，包括订正原有错误、修改完善作文表达等。④学生修改完成后，AI 助手再次向C 老师提供班级和个人报告、向学生提供个人报告，以让双方得到实时反馈和效果评价，便于学生及时更改、教师进一步推送资源。⑤通过上传、共享等方式，C 老师将修改后的优秀作文分享至全班，学生利用AI 助手分组讨论并学习优秀作文的写作、词句表达等来取长补短、精准提升写作水平。借助于AI 代理和AI 助手，整个写作的教学过程由此实现精准教学的目的。

C 老师将此次英语作文教学重点放在教学设计上，并通过AI 助手精准掌握学生学情，实现了以学生为主体的个性化教学；同时，借助AI 助手，学生也获得了个性化作文的学习指导，他们在课堂上进行小组讨论、个性化练习作文，极大地调动了写作的积极性，也显著地提升了英语写作水平。据后期统计，在2016 年7 月初的月考中，该班的英语作文平均分较2 月初的月考作文分数提高了15%。

2 智能学习系统的应用实践

智能教学系统集成了智能教育核心服务中的智能推荐服务。该系统基于学生的基础信息和学情信息，进行数据挖掘，并通过行为建模、经历建模，结合学科知识点的行业建模生成学科知识图谱，为学生规划科学的学习路径，同时在自适应学习技术的帮助下，为学生智能化推荐教师和系统提供的微课资源、试题资源、课件资源和其它学习资源，辅助学生进行个性化学习。

本研究以该校2014 级M 同学的数学学习过程为例，来介绍智能学习系统的应用，其具体过程是：①AI 代理通过图文识别等技术，自动收集M 同学平时的习题练习数据与考试测试数据，并借助AI 统计其薄弱知识点，完成对M 同学的认知诊断。②基于散落的知识点并结合知识点学习的先后次序关系，AI 助手构建了M 同学的学情知识图谱，通过图谱可以找出M 同学的元认知缺失情况，并形成可视化的学习效果，效果可用图谱上的不同颜色节点来表示，由此也就形成了M 同学数学学习的个性化路径。③AI 助手根据个性化路径，按知识点先后次序有针对性地向M 同学推送数学微课视频与巩固性习题；在完成推荐的资源后，M 同学再次进入“数据收集—诊断建模—个性化推荐—数据再收集”的个性化线上学习闭环。④在线下，数学老师通过M 同学不同颜色的学情知识图谱，针对其薄弱知识点进行教学、布置任务等，形成线下学习微循环。由此借助于AI 代理和AI 助手，M 同学用线上线下、集中和自主等多种学习方式补齐自身短板，展开个性化学习。

在2016 年3 月～6 月期间，M 同学使用智能学习系统后学习效果显著：一方面，在题量相近时，个性化作业的准确率（0.88）明显高于非个性化作业的准确率（0.522），且整个班级的答题准确率平均提升21.6%；另一方面，M 同学在7 月初的的数学月考中分数提升15.2%，而同期统计的一个月作业时间却相对减少31%。由此可见，使用智能学习系统进行个性化学习，对提高答题准确率、减少作业负担、提升学习效果有明显作用。

3 智能管理系统

智能教学系统集成了智能教育核心服务中的决策支持服务，主要包括分析：①数据采集工具采集区域或学校内的教学、学习、考试、管理等场景数据，并提供给数据加工系统进行存储、加工，生成用户画像，进行相关业务建模；②数据应用系统在数据可视化等技术手段的支撑下，将数据进行集成展示；③数据分析系统提供监控、预测和模拟等功能，辅助管理者进行学校或区域的教育管理和教育治理。

在实际应用中，学校管理涉及面广，故本研究仅以管理领域内的师生管理为例，并以该校2014 级学生为对象，具体的智能师生管理过程是：①利用AI 代理收集学生对教师发布微课的评论、点赞数，学生对老师的私信数，对教师公告信息的回复数，学生间相互作业批改、相互提问以及私信数等互动数据。②利用AI 助手对原始互动数据进行加工，获得标准化的师生互动数据，并进行师生画像，构建该校的师生社交网络；在该网络中，师、生以节点表示，不同节点间的连线表示不同的师生、生生互动关系，节点连接数与连接比例可表示互动的积极程度。③通过AI 助手，利用图挖掘算法找到社交网络中最具影响力的学生与老师，计算出师、生的影响力指数。④根据可视化的师生、生生关系，以及数量化的师、生影响力指数，该校管理者在AI 助手的支持下做出相应的教育管理制度调整，如针对影响力指数较大的前5 位教师进行试管理：建立相应激励机制，大力加强教学推进工作；建立相应教学资源调控制度，合理规划资源并提升教学效果；建立相应校内师生申诉制度，及时反馈并解决教学困难。

在2016 年7 月初，学校管理者对师生试管理成效进行了统一调查：通过统计并分析学生成绩发现，5 位教师所教班级学生的平均成绩在全校排名上均有所提升；通过相关问卷调查发现，学生对该5 位教师的角色认同感获得显著提升；通过对师生的情绪调查发现，学生与教师的负面情绪在逐步消减，而学习积极性与教学积极性则有了显著提升。

五 结语

人工智能技术在教育领域的广泛应用，为传统的学校教育注入了新的活力，推动了教学、学习与管理模式的变革，也使得教育在一次又一次的模式变革中不断由量变走向质变。可以预见的是，学校将由宣讲式的大班教学模式，逐渐走向更能培养创新精神的、以学生为中心的个性化学习模式。在人工智能时代，或将可以真正实现我们长久以来梦寐以求的个性化教育和因材施教。