教育人工智能研究應超越教育技術范疇

/教育人工智能研究應超越教育技術范疇【摘要】教育人工智能是教育學科走向科學化的關鍵路徑。當前中國教育人工智能研究和實踐嚴重滯后，缺乏基礎理論創新、實踐應用支持和大數據庫建設。教育人工智能研究的學科定位出現偏差，長期存在對教育技術單一學科分支的路徑依賴，形成了研究壁壘、思維惰性和創新恐懼，導致當前教育人工智能研究淺層化。應對教育人工智能發展的研究需求，不能過度依賴教育技術學科，應凸顯本輪教育人工智能發展的顛覆式和破壞性創新特質，超越教育技術范疇。一是擺脫教育技術學科限制，引導形成全教育、全學科、全過程、全參與者共同進行教育研究和實踐的研究新格局，加強重大基礎理論創新，推動理論研究與實踐應用融合，形成理論引導實踐、實踐反哺理論的良性創新系統，引導形成全面參與的新研究范式，全面推進教育人工智能研究。二是進一步解放思想，克服技術恐懼，全面引入教育大數據和人工智能方法，推動學科從業人員的思維轉化與能力提升。三是借助技術壁壘，形成新的教育研究行業標準，將教育學科打造成為可以與其他社會科學體系進行科學對話的規范學科。四是響應產業界需求，對教育人工智能產品進行有效性評估，形成基于評價的產品研發自我調適系統?！娟P鍵詞】人工智能；教育技術；學科建設；大數據；研究方法 人工智能發展正帶來教育理念和教育實踐的顛覆性變革，但當前中國教育學科卻并未做好研究應對，未能引領教育人工智能發展，理論研究缺位并滯后于實踐應用。這一問題的背后，是教育人工智能研究的學科定位出現嚴重偏差，長期存在對教育技術單一學科分支的路徑依賴，忽視了本輪教育人工智能發展的全教育、全學科、全過程、全參與者的顛覆式和破壞性創新特質。應對教育人工智能發展，需要全體教育學科研究者與實踐者共同參與，全面開展教育人工智能基礎理論研究，逐項推進教育人工智能實踐研究，克服有技術沒理念、以技術代理念、理念與實踐脫節等現實問題。 一、中國教育人工智能研究嚴重缺位 世界人工智能發展呈現迅速推進、中美獨大的基本態勢，其中又以美國從事前端研究、基礎研究和理論研究，中國從事中后端研究、應用研究和實踐研究等為主要特征。教育人工智能是本輪人工智能發展的關鍵應用場景，2016年之后，各類教育人工智能產品層出不窮，教育機器人、教育輔助設備、在線教育技術等走進課堂、登上電視、融入家庭、籌資上市，迅速改變了傳統的教育生態，成為中國繼自動駕駛、圖像識別等之后人工智能領域研發最快、落地最多、市場最大、前景最為可期的發展方向之一。 與此同時，中國教育人工智能研究卻嚴重匱乏，教育研究與教育人工智能實踐脫節。一方面，教育研究者存在一定的思維惰性，認為教育人工智能是“科學問題”和“技術問題”，是“硬學科的事”，普遍不熟悉教育人工智能技術原理，不追蹤技術前沿，不參與實踐落地，無法根據人工智能發展主動進行理念與實踐變革。已有研究成果不僅數量偏少，而且大多集中在制度、倫理、哲學等外圍方面，深入性、實質性、系統性研究十分缺乏，尚未觸及教育基本理論體系和實踐體系問題[1-2]。教育研究的缺位并不能阻擋實踐的前行，當前中國教育人工智能正表現出實踐超前于理論的異像，缺乏理論指導的各類教育人工智能應用和實踐正成為“脫韁野馬”，出現失控態勢。2020年，中央紀委國家監委罕見發文對在線教育產品進行嚴厲批評，指出大量產品存在濫用“教育人工智能”概念、過度宣傳、夸大成效等問題。截至目前，學界仍然少有對于各類教育人工智能產品標準、應用、測試、評估等的專題研究，研究缺位問題極為嚴重。 另一方面，缺乏人工智能研究的教育學科也逐漸脫離理論前沿與問題前沿，成為無源之水、無本之木，理論創新與實踐創新能力后勁不足，學科合法性遭到質疑。一些研究者沒有意識到教育人工智能可能帶來的教育基礎理論根本性、整體性和全局性重大變革，部分專業學術期刊拒絕刊發教育人工智能相關研究成果，一些重大課題、獎項等仍繼續沿用傳統的教育基本理論、課程教材教法、院校管理模式等，缺乏對于人工智能技術和理念的應有關照，研究的前沿性不足。 當前教育人工智能研究嚴重缺位和滯后，主要體現在以下3個方面： 第一，缺乏教育人工智能基礎理論創新。人工智能技術本身是人類社會重大基礎性創新的產物，旨在推動包括教育在內的各類社會活動的顛覆性變革。人工智能時代，傳統的教育教學基本理論適切性降低，亟待進行理論更新與完善，尤其需要原始創新。但是，當前整個教育學科對于教育人工智能理論創新的意識、能力、成果都嚴重不足，理論建設缺位、錯位、滯后等問題非常突出[3-4]。一是缺乏系統性原創理論成果。應對教育人工智能變革，需要整個教育學科進行基本理論體系創新，而非局部性、適應性和應急性理論創新。當前學術界雖已推出了一些有關教育人工智能的理論性文章，但宏觀把握人工智能時代教育基本理論的創新研究不足，中微觀上基于教育人工智能技術應用、實踐規律進行理論構建和范式總結不足，純粹的教育人工智能基本理論研究幾乎沒有，少量研究呈現出零散、碎片、短視等特征。此外，教育人工智能基本理論研究往往需要技術、理論、應用、場域等多學科視角，但目前已有成果少數就技術談技術，多數無技術空談理論，導致研究成果質量不高。二是理論闡釋表面化和淺層化。當前學界有關教育人工智能基本理論的研究闡釋仍不到位，宏觀上有關人工智能如何影響教育教學和人才培養活動、如何影響教育學科方法論重塑、如何影響教育基本理念和實踐轉向等研究不深不透[5]，中微觀有關教育人工智能如何影響課程、教材、教法、評價、教育管理等研究不專不精[6]，理論闡釋大而化之、研究內容空心化、研究結論與對策建議表面化和淺層化等問題較為突出。三是理論研究的科學性水平不高?；谌斯ぶ悄芮把厮枷?、方法、技術開展的教育研究活動極少，少數利用人工智能BP神經網絡、隨機森林等算法開展的研究也基本采用的是傳統人工智能研究理論，真正基于機器學習、深度神經網絡等前沿技術開展的教育研究鳳毛麟角。一些研究成果動輒談倫理、哲學、價值、意義，隔靴搔癢，說外行話，降低了教育人工智能研究的科學性。一些學者并未深入理解教育人工智能的基本原理，將教育人工智能作為“熱點”來追，由于缺乏基本功，研究成果往往含糊不清，停留在表面，無法深入技術、過程和機理，無法形成真正的底層創新、自主創新和多學科協同創新成果。 第二，缺乏教育人工智能實踐應用支持。第三次人工智能技術革命開啟了“計算機算力+大數據+應用場景”的協同創新模式，凸顯了技術與應用的交叉和多學科融合發展的基本態勢。在此過程中，需要各學科從業者以學科專家身份參與教育人工智能應用場景設計，形成以教育思想指導教育技術、先教育場景后人工智能技術等基本邏輯。但現實情況是，由于教育學者的學科交叉意識不強，能力不足，當前中國數百款教育人工智能產品研發鮮有教育專家身影，形成了教育產品和實踐與本土教育需求脫節、資本逐利性特征壓制教育規律性特征、真假教育人工智能并存混淆視聽、部分產品嚴重背離教育倫理等各類問題[7]。退而言之，教育學科專家即使無法參與人工智能技術產品開發，也應對相關產品的實踐推廣、效果評估、功能完善、倫理監督等展開研究工作。但截至目前，類似研究仍然極為缺乏，教育學科無法為教育人工智能實踐提供足夠支持、學科前沿性下降、對教育教學活動支撐度不夠等問題值得警惕。 第三，缺乏教育人工智能大數據庫建設。在傳統教育研究和教育人工智能研究之間，還存在著必經的研究階段，即教育大數據研究。教育大數據不僅是教育研究走向科學化的必經之路，而且是各類教育人工智能模型訓練的核心基礎。與其他行業相比，教育學科具備很好的大數據采集條件，各級各類教育機構每時每刻都在生產和保存海量教育數據資源，這將可能為教育人工智能研究提供關鍵支持[8-9]。以科大訊飛為例，其教育機器人訓練的核心素材來源于數百億道中小學測試題，但這一數據集(數據庫)是靜態的，而全國教育系統日常命制和使用的各類試題卻內容多樣、規模龐大、動態更新，如果進行系統采集形成動態大數據庫，則可大幅提高相關教育產品的研發質量，也為教育研究提供全新的數據支持。但從當前來看，中國教育大數據采集和應用工作仍嚴重滯后，各級各類教育機構“數據沉睡”“數據孤島”等僵局仍未打破，教育研究者不參與教育大數據收集、管理和應用仍然是常態。這導致各類教育人工智能研究和實踐數據來源單一、固化，存在很多偏差，教育機構內部停留在傳統的治理理念和治理模式上，缺乏基于大數據和人工智能規律的改革創新與突破。 二、教育人工智能研究不能過度依賴教育技術學科 導致上述教育人工智能研究缺位、滯后的原因很多，單從學科立場來看，主要是教育學科長期以來在大數據、人工智能以及其他技術創新和實踐應用研究方面，對教育技術單一學科有較強的路徑依賴，無論是技術依賴、產品依賴還是情感依賴等，都會形成堅固的研究壁壘、思維惰性和創新恐懼，這是導致當前教育學科教育人工智能研究不足的重要原因之一。 從學科框架和學科距離來看，教育技術學科是一門深度交叉的教育學子學科，其教育屬性弱，技術屬性強，受計算機科學、圖書情報學等影響較大。一些教育技術學者也傾向于認為自己是“科學家”而非“社會科學家”，這導致教育技術學與教育學母學科聯系不夠緊密，教育技術學與教育學其他分支學科距離較遠[10]。一方面，傳統教育學科學者認為教育人工智能研究應由教育技術學科主要承擔；另一方面，教育技術學科學者認為教育人工智能研究是自身的學科領地。 但就現實而言，教育技術學無法支撐起整個教育人工智能研究。由于學科基礎、學科視野、學科立場等的局限，加之本輪人工智能技術革命的全面性、顛覆性和破壞性特征，因此，過度倚重教育技術學科開展教育人工智能研究既不現實，也容易將教育人工智能研究“矮化”成為單一分支學科的任務，無法適應教育人工智能時代的研究新需求，這種路徑依賴無論對于教育技術學科分支還是整個教育學科都帶來風險。 第一，人工智能與教育技術是總與分的關系。人工智能技術和實踐的發展與傳統各類局部性技術創新存在根本性差異。人工智能正在推動整個教育學科理論體系和實踐體系的顛覆式創新，這一進程遠非教育技術單一學科分支可以支撐。從學科范疇的大與小來看，教育技術范疇遠遠小于人工智能范疇，二者是包含與被包含關系，技術范疇差異極大，甚至將之形容為水滴與大海的關系也不為過。教育人工智能發展涉及絕大多數人工智能的技術范疇，從排列關系看，應該是人工智能技術＞教育人工智能技術＞(遠遠大于)教育技術。教育人工智能發展借鑒絕大多數人工智能技術成果，其技術范疇廣度遠大于教育技術范圍，試圖通過教育技術分析學科進而支撐起整個教育人工智能研究沒有任何可能。 第二，人工智能與教育技術是深與淺的關系。人工智能技術基本原理誕生于基礎數理學科，技術突破來自計算機等技術性學科，實踐應用才拓寬到教育技術等教育學科。因此，教育技術學科處于人工智能技術和應用傳遞的“末梢”，無法真正參與到教育人工智能基本原理、基本技術、基本方法等創新過程，更多屬于教育人工智能在后端技術應用環節的引進、消化、集成創新等范疇。與此同時，在整個教育學科體系中，教育人工智能也無法充分扮演起教育學科專家的特定角色，無法完全代表教育需求者參與場景應用開發。因此，教育人工智能研究與實踐如果形成對教育技術學科的單一性技術依賴，反而可能導致相關研究和實踐不深、不專、不夠前沿等問題發生。 第三，人工智能技術與教育技術是里與表的關系。雖然名為教育技術，但這一教育學科分支最大的發展壁壘還來自技術本身。從事教育技術學科的學術共同體不僅規模不足，而且受到學科限制，很難真正參與到人工智能基礎理念、基礎技術、基礎應用等創新活動之中。教育人工智能要真正迎來大的發展，應由表及里，減少人工智能技術傳遞的中間環節，直接面向最前沿的人工智能技術活動本身，開展教育理論與實踐創新。 教育技術本身屬于新興學科和分支學科。教育技術學對于大數據和人工智能等前沿突破性技術的使用仍然具有高度選擇性，仍然只能將有限技術成果應用于教育場景。教育技術學科既無法掌握技術創新的全貌，也無法掌握教育學應用場景的全貌，屬于技術全集、教育全集中的子集。因此，將教育人工智能發展完全寄托于教育技術學科既不現實，也無可能。 從學科分布和從業人員規模來看，當前中國教育技術離教育人工智能發展目標相距甚遠。目前中國只有千余人真正從事教育技術研究，即使全部轉換至教育人工智能方向，與未來發展需求相比也只是杯水車薪。仍以科大訊飛為例，其僅“智慧教育”產品方向就有包含數百人的技術團隊，涉及的“精準教學”“自主學習”“智慧考試”“高校管理”“創新教育”5個主要方向，如引入教育學科專家參與，則涉及多個學科方向和研究領域，遠非教育技術單一學科所能承載。 三、教育人工智能研究應走向學科中心 教育學是社會科學學科體系的重要組成部分，遵循科學研究范式、運用科學研究方法、呈現科學研究結論、制定科學教育政策是教育學研究的核心訴求。教育人工智能是教育學科走向科學化的關鍵路徑。當前教育人工智能研究進入膠著狀態，教育學科的傳統研究者基于思維惰性、技術恐懼、創新能力不足等主動放棄了研究和實踐參與，而教育技術學科研究者則摩拳擦掌，躍躍欲試，試圖迎接教育人工智能的春天，這在疫情暴發后在線教育變為主流教育模式后表現得更為明顯。但是，教育人工智能研究和實踐具有高度復雜性、多主體參與性、高成本性等特征，即使教育技術學科本身也存在著研究領域的復雜性、多學科交叉性、應用場景的局限性等特征，單純依靠教育技術學科應對教育人工智能時代的變革既不可能，也不可取。為此，教育人工智能研究應超越教育技術范疇。 第一，擺脫教育技術學科限制，全面推進教育人工智能研究。應強化教育人工智能研究和實踐的全學科、全過程、全參與者、全研究者的基本理念，引導形成全部教育學及分支學科、全體教育學學術共同體、全體教育研究和實踐利益相關者參與的新研究范式。建議由教育行政主管部門、教育學各類研究機構、各學術團體等共同推動開展全學科的教育人工智能研究與實踐活動，教育學科與各分支學科迅速行動起來，教育學學者迅速參與進來，相關學術期刊發揮引領作用，全面規劃和布局教育人工智能研究，著力克服教育人工智能研究滯后于實踐，中國教育人工智能研究滯后于西方，教育人工智能研究基礎創新、重大創新、原始創新不足等問題，真正形成理論指引實踐發展的良性格局。 第二，克服技術恐懼，全面引入教育大數據和人工智能方法。人工智能時代傳統學科壁壘正不斷被打破，跨越“大文大理”的學科協同創新逐步成為可能，“技術+應用場景”的軟硬學科合作模式已現雛形，傳統上由教育技術學科代表教育學科進行新技術引進、在教育領域推廣使用的職能已經弱化。此種背景下，應進一步解放思想，克服社會科學對于自然科學前沿理念和技術的恐懼，大量引入教育大數據和人工智能最新的方法和技術。一方面，應推動學科從業人員的思維轉化與能力提升，通過多種途徑幫助現有從業者認知和接受大數據、人工智能等新理念和新技術。比如制作高校學生全過程學習大數據庫建設和使用指南，降低大數據和各類模型運用難度，通過可視化等工具提高工作效率，增強決策科學性，提升使用樂趣。另一方面，應有意識吸引更多掌握大數據和人工智能前沿理念和技術專業人士加入教育學科，參與教育學各類大數據庫建設，利用人工智能研究方法全面檢驗各類傳統教育研究結論。通過新的研究方法和技術工具的使用，對教育研究的各類已有成果分門別類進行梳理和再研究、再檢驗、再沉淀，對于人是怎樣學習的、記憶是如何產生和強化的、教師和學生應如何扮演好教育角色、各類教育技術使用的有效性等各類具體的教育問題進行系統梳理。新技術擁有者應與教育研究者一起，進行各類教育大數據采集，運用人工智能方法，圍繞上述教育學科的基礎知識框架，逐項展開深入研究。這些教育學科建設的基礎性研究活動工作量極大，可以認為是對過去數百年來教育研究成果的再論證。人工智能方法和技術的引入，將大大加快研究進程，提升研究科學化水平，具有完成此項研究任務的可能性。這些經過較為穩定的大數據和人工智能檢驗的教育學知識基礎，將可以被陸續納入教育學基礎知識庫，形成本學科較為穩定的知識體系。雖然對這些知識本身仍然可以再研究、再論證，但絕大多數經過科學檢驗的知識，將可以被直接用于進行新的教育實踐和探索(直到有新的研究發現替換掉已有知識庫內容)，這將極大改變教育學科研究的選題盲目化、結論淺層化、過程神秘化、結果虛無化等傳統弊端，大幅提高教育研究的科學性水平，并大量節約教育研究成本，重拾各界對教育研究的信任，提振教育學研究者的學術信心。 第三，借助技術壁壘，形成新的教育研究行業標準。應全面引入教育大數據和人工智能理念、技術和方法，筑起教育學科壁壘，形成學科“護城河”。重新配置教育研究各類要素和資源，進一步密切教育研究與其他社會科學研究的聯系，逐漸打通教育科學研究與自然科學研究的壁壘與隔閡。教育學科在人工智能時代要重回科學化的目標和道路，實現學科重建，提升教育學科在整個社會科學體系中的地位和影響(乃至逐漸進入自然科學體系)，最關鍵的問題還在于是否面向人工智能等最新研究方法，形成新的教育研究行業標準。當前教育研究行業標準混亂，研究者魚龍混雜，學科門檻偏低，從政府官員到基層任課教師，似乎都天然是教育學科的研究者，教育類學術發表則“八仙過海各顯神通”，嚴格堅持同