大三下第16周总结
目录
基础知识部分
智能体
智能体的定义？
智能体的核心架构
智能体技术如何和教育适配？
AI智能体（AI-agent）
定义？
AI-agent和LLM是什么关系？
AI-agent是如何工作的？
AI-agent的案例？
教育智能体
定义？
教育人工智能的概念？
教育智能体和教育人工智能区别？
教育智能体的案例
差异化教学
教学设计
跨学科教学（学习）
跨学科教学定义？
跨学科主题教学？
PBL
研究方法
质的研究
量的研究：
混合研究：
混合研究的三种不同类型？
数字教材
定义？
数字教材的四个层次？
数字课程
新质学习力
新质生产力的概念
新质学习力的概念
数字孪生（Digital Twin）【技术类】
21世纪技能（素养类）
名词解释？
MOOC
SPOC
具身认知理论
具身学习
分布式认知理论
沉浸理论
微认证（Micro-credentials）
热点部分
人工智能赋能课堂教学
生成式人工智能赋能课堂教学的价值内涵？
生成式人工智能赋能课堂教学的形态层级？
生成式人工智能赋能课堂教学的进阶路径？
人工智能驱动的教育科研新范式
人工智能驱动科研范式转换的发轫逻辑？
人工智能在知识生成方面的可靠性问题
教育人工智能
教育人工智能（EAI）的内涵？
教育人工智能的目标（两个）？
教育人工智能的核心（3个）？
影响教育人工智能（EAI）发展的关键技术？
教育人工智能的典型应用？
人工智能教育应用的发展趋势（5个方面）？
教育人工智能未来应该关注的一些问题？
教育人工智能（EAI）人才培养中政府、学校及培训机构的定位
教育技术人员应该怎么做？
人工智能教育应用
人工智能的政策：
人工智能的三次浪潮：
人工智能的三大核心要素？
人工智能的三大核心驱动力？
人工智能教育应用的现状？
人工智能教育应用的典型特征？
人工智能教育应用的发展趋势?
人工智能与教育融合创新发展体系？
国家中小学智慧教育平台教师数字化资源选择行为影响因素研究
选择行为：
理性选择理论：
感性选择理论：
对国家智慧教育平台的建议？
AR增强现实
AR技术符合教育理念的部分？
AR系统的基本流程？
AR技术应用于教育领域的研究起点？
AR教育系统的特点和功能？
AR学习环境的教学方式？
元宇宙
元宇宙名词解释
元宇宙的特征
元宇宙应用于在线教育的理论基础
基于元宇宙的智能在线学习环境构建
教育元宇宙
教育元宇宙名词解释
教育元宇宙及其特征1.0
教育元宇宙的底层支撑技术？
教育元宇宙的应用案例
教育元宇宙的挑战？
教育元宇宙的展望和建议？
个人总结：
基础知识部分
智能体
智能体的定义？
智能体是指能够感知环境并采取行动以实现特定目标的计算机系统，具有感知能力、行动能力、目标导向、自主性和环境交互能力。由大语言模型和特定功能模块组成的智能系统，能够自主理解任务、制定计划、执行操作并进行反馈，从而释放大语言模型的潜能。
智能体的核心架构
智能体的核心架构可划分为三个关键功能区域：信息输入区、数据处理区和信息输出区。信息输入区负责接收包括文本、图像、音频和视频等信息。数据处理区分为推理区和记忆区：推理区作为智能体的中枢处理单元，以大语言模型为基础，能深度分析输入信息，实现逻辑推理和决策制定；记忆区则作为知识库和经验储存中心。信息输出区负责将处理结果转换为可传递的信息。除功能区域外，智能体还可以通过应用程序编程接口(Application Programming Interface，简称API）调用外源工具，以扩展其功能边界
智能体技术如何和教育适配？
智能体技术在解决教育等特定领域的复杂问题时仍存在局限性。因此，要充分发挥智能体在教育中的作用，需要进行针对性的适配和优化，使其能够更好地契合教育领域的独特需求和挑战。目前，有三种主流方式：长文本提示、检索增强生成和微调。
基于表格分析，微调技术在技术难度、结果精度等各方面，相较于长文本提示和检索增强生成更为适宜教师操作。微调能通过命令控制、设置变量等方式，调整智能体模型参数以适应教育领域的特定模式，产生更稳定、一致的输出结果。此外，微调使智能体能够学习并内化教育领域的复杂模式和隐含知识，提供更有洞察力的回答。尽管初期需要较多数据资源投入，但微调后的模型在处理问题时效率大幅提升，能更快速、直接地生成高质量回答，为教师提供可持续改进的智能化方案。
AI智能体（AI-agent）
定义？
以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。
AI-agent和LLM是什么关系？
LLM:Large Language Model大语言模型
LLM是AI-agent实现的前提和基础。
我们可以把AI Agent与LLM形象地比作生物体与其大脑，AI Agent有手有脚，可以自己干活自己执行，而LLM呢，就是它的大脑。
AI-agent是如何工作的？
AI Agent的架构是其智能行为的基础，它通常包括感知、规划、记忆、工具使用和行动等关键组件，这些组件协同工作以实现高效的智能行为。
| 架构组件 | 功能描述 |
| 感知系统 | 感知系统是AI Agent与外部世界交互的第一步。它通过多元化的输入方式，如文本分析、图像识别、声音处理等，来捕捉环境信息。 |
| 规划系统 | 规划系统是AI Agent的决策中心。它根据感知到的信息确定如何达到既定目标。这一过程需要AI Agent进行决策制定，将复杂任务分解为可执行的子任务，并制定相应实现复杂任务的策略。 |
| 记忆 系统 | 记忆系统是AI Agent的核心组成部分，它允许AI存储和检索信息，支持学习和长期知识积累。这种系统使得AI能够记住过去的经验，并将其应用于未来的决策和行动中。 |
| 工具 使用 | 工具使用是AI Agent利用外部资源或工具来增强其感知、决策和行动能力的过程。通过这种方式，AI Agent可以扩展其能力，以更有效地完成任务。 例如，在电子商务平台上，AI Agent利用机器学习算法分析用户的购买历史和浏览习惯，智能推荐商品，增强了用户的购物体验并提高了转化率。 |
| 行动 系统 | 行动系统是AI Agent执行任务和与环境交互的具体实施者。根据规划的结果，Agent执行具体的行动。 |
总结：
AI Agent的工作流程其实就是一个连续的循环过程。
它从感知环境开始，经过信息处理、规划和决策，然后执行行动。最后，根据执行结果和环境反馈进行调整，以优化未来的行动和决策。
通过这种结构化和层次化的方式，AI Agent能够有效地处理信息，做出决策，并在复杂环境中执行任务。 这种架构不仅提高了AI Agent的智能水平，也增强了其适应性和灵活性。
AI-agent的案例？
AI Agent不只是大多数人接触到的AI工具类软件程序，（如文心一言、通义千问，豆包，KIMI，讯飞星火，）等等，还可以是AI机器人、乃至虚拟角色都可能是。
①ChatDev
是由清华大学，北京邮电大学以及布朗大学共同开发的创新项目，实现了由大模型驱动的AI全流程自动化软件开发。通过智能对话窗口，了解用户需求，由各种AI Agent角色进行交互式协作， 来生成一个完整的软件解决方案。
②斯坦福的AI西部小镇
虚拟西部小镇（Smallville）是由斯坦福大学的研究者们开发的一项研究项目。虚拟小镇是一个交互式的沙盒环境，其中的AI居民像人一样，展现出社交能力。
教育智能体
定义？
新一代生成式人工智能技术，以大语言模型为大脑驱动，可以自主规划教育任务，感知多模态教育信息，调用知识库与教育工具，完成复杂多样的教育任务，并为人工智能教育教学的创新提供关键技术支撑；是按照用户设置，人机协同执行教育学习任务的程序。不仅可以帮助教师备课和批改作业，还能辅助学生个性化，深层次地探究学习。
教育人工智能的概念？
教育人工智能（Educational Artificial Intelligence，简称E-AI)是集合师资、内容、工具为学习者提供“私人定制”的智能教育教学学习生态系统，是人工智能与学习科学相结合而形成的 一个新领域。E-AI将为用户提供个性化、智能化的自适应学习，是互联网教育发展的一个变革。
教育智能体和教育人工智能区别？
教育智能体的案例
①上海育民中学发布的“小承”科艺智能体
结合AI,从课程重构，空间赋能，和技术驱动三个维度促进科艺融合。强化学生问题意识，促进学生提问，形成科学的思维模式。同时，科艺融合理念打破学科壁垒，为学生提供了更广阔的发展空间。
②虹口区教育智能体导航系统（HEADS）
融合豆包大模型和虹口区 16 年特殊教育数据，开发出具备语音交互、情绪识别功能的智能体，可实时感知学生课堂情绪波动，辅助教师调整教学策略，使这类学生的课堂参与度提升 40%。
差异化教学
差异化教学是一种因材施教的重要策略，强调共生和个性的辩证统一。在班集体教学活动中立足学生个性化差异，因材施教，满足学生不同的学习需求，促进每个学生发展积极健康的个性，开发学生的潜能和创造力，同时培养学生的集体主义精神，促进集体力量的增强。不仅是对学生个性差异的尊重，也是对教育公平的追求。
教学设计
教学设计（Teaching Design）以认知学习理论为基础，以教育传播过程为对象，应用系统科学的方法分析研究教学问题和需求，确立解决问题的方法和步骤，并对教学结果作出评价的一种计划过程和操作程序。其目的是将诸如学习理论和教学理论等基础理论的原理和方法，转换成解决实际问题的方案，是以解决教学问题，优化学习为目的的特殊设计活动。具有动态性和开放性等特点。
跨学科教学（学习）
跨学科教学定义？
跨学科教学（Interdisciplinary Teaching）是指通过将不同学科的知识、方法和技能结合起来进行教学，以培养学生在多种学科之间进行综合思考和解决问题的能力。尤其在培养学生创新能力、批判性思维和解决复杂问题方面具有显著的优势。跨学科教学不仅注重知识的传授，更强调将学科内容与现实世界中的实际问题联系起来，帮助学生构建更加全面和深入的知识结构。
跨学科主题教学？
“跨学科主题教学”是兼顾教学视角的“跨学科性”与教学模式的“主题统筹性”,在坚持学科立场的基础上打破学科界限，围绕特定主题将两门及以上学科的内容进行整合，以中心主题统筹教学目的、内容、资源、方式及评价诸要素，通过问题导向的整体性设计与实施，促进学生在意义建构中实现全面发展的教学理念与实践。
PBL
项目式教学，也被称为项目学习法（Project-Based Learning，简称 PBL），是一种以学生为中心的教学方法，强调以问题为导向，通过完成具体项目来学习较为完整的知识，形成专门的技能和得到充分发展的学习。基于项目的学习主要由内容，活动，情景和结果四大要素构成。
研究方法
质的研究
质的研究（qualitative research）是以研究者本人作为研究工具，在自然情境下采用多种资料收集方法对社会现象进行整体性研究，使用归纳法分析资料和形成理论，通过与研究对象互动对其行为和意义建构获得解释性理解的一种活动。
量的研究：
量的研究是引用一定的数学方法，通过变换来判断研究对象诸因素的关联，最后用数值来表示分析研究的结果。它是对于研究对象的属性进行数量上的分析研究，是对于事物量的关系的研究。
混合研究：
混合研究法是将定性研究方法和定量研究方法整合起来，以更全面地理解研究问题或者现象的研究方法。混合研究将定性和定量方法有机地结合在一起，以弥补它们各自的研究局限性，实现研究结果的广度和深度。混合研究包括并行设计、顺序设计和融合设计三种不同类型。
混合研究的三种不同类型？
并行设计是同时进行定性和定量研究；
顺序设计是先进行定性研究，再进行定量研究；
融合设计则是在整个研究过程中交替使用定性和定量方法。
数字教材
定义？
即数字化教材，是以数字形态存在，可以装载在数字终端阅读，进行动态内容跟进，及时记录交互轨迹的新型学习材料。和传统教材相比，数字化教材利用多媒体技术将传统纸质化的内容进行数字化处理，转变成适用于各类电子终端的互动性教材。数字教材分为四个层次，分别是：纸质教材数字化，多媒体数字教材，互动式数字教材和集聚式数字教材。
数字教材的四个层次？
1.纸质教材数字化。纸质教材数字化是数字化的最基础层面，表现为静态的电子教材。教学方式主要为引导学生阅读和练习。
2.多媒体数字教材。多媒体数字教材，即多媒体的电子教材，含有音频、视频、动画等。教师不仅仅引导学生阅读和练习，还包括倾听和观察。
3.互动式数字教材。互动式数字教材是能够实现互动的数据式教材。它能够支持读者与数字教材的互动、师生互动、学生之间互动，以及教师、学生与数字教材的作者之间的互动，引导对话、交流、分享成为必要的教学方式。
4.集聚式数字教材。集聚式数字教材，是数字资源集聚的数据式教材，是前三个层次的整合和提升，是最高形态的数字教材。教师的教学方式在于以学习终端为载体、以学习云平台为支撑，实现多主体、多维度、多层次的高效互动。数字教材的发展将引领学生学习方式变革和促进教师工作方式变革
（静态->媒体融合->交互深化->生态集成）
数字课程
数字课程是以培养创新型人才为目标，体现数智赋能思维，应用数字化、网络化、智能化技术对教学内容进行组织和表征，开展价值引领、成果导向、问题解决的场景化教学活动，并进行教学过程记录和效果循证评价的一种课程形态。数字课程作为智能技术和课程融合发展的产物，是课程数字化转型的必然结果。
新质学习力
新质生产力的概念
新质生产力是相对于传统生产力而言的，人类社会的不同历史阶段，生产力发展所依赖的技术支撑和工具各不相同。新质生产力是以新技术的应用为驱动，以新产业、新业态和新模式快速涌现为重要特征，进而构建起新型社会生产关系和社会制度体系的生产力。
新质学习力的概念
新质学习力是在人工智能与教育深度融合等背景下提出的，以学生为中心，关注学生可持续发展的一种学习能力。以融合创新和价值引领作为支柱，既回应了新质生产力对人才的需求（如技术创新，产业升级），也重塑了学习的本质（从知识积累转向创造应用），是面向未来的核心竞争力，最终会实现个人成长和社会发展的同频共振。
数字孪生（Digital Twin）【技术类】
是基于对真实世界物理实体的全域感知，在信息维度构建一个实体的虚拟体，达到与物理维度的实体同生共存、虚实交融的形态。“数字孪生技术（Digital Twin）是指在特定的数据闭环中，在指向性的多维异构数据驱动下，创建物理实体（系统）相对应的动态高仿真数字模型，以提供不同情境下面向特定对象的主动或响应式服务。
21世纪技能（素养类）
名词解释？
美国21世纪学习合作组织2009年修订了“21世纪学习框架”(Framework for 21st Century Learning)，包含两部分：一是学习成果，二是支持系统。学习成果部分围绕核心学科和21 世纪主题培养学生的21世纪技能，如学习与创新技能（4Cs），生活与职业技能，信息、媒介与技术技能。其中，尤为强调培养学生学习与创新技能即4Cs技能，包括批判性思维和问题解决 (critical thinking and problem solving)技能、沟通(communication)技能、合作(collaboration)技能、创造力和创新(creativity and innovation)技能。支持系统部分包含标准和评价、课程和教学、教师专业发展和学习环境等支持性策略。
（学习成果---学习与创新（4Cs）；生活与职业；信息，媒介与技术；）
（支持系统----标准与评价；课程与教学；教师专业发展与学习环境）
MOOC
MOOC（Massive Open Online Courses）即大规模开放在线课程，也称慕课，是一种新的面向公众的更加注重教学互动过程的网络教学模式，具有大规模、开放、在线等特点。“大规模” 意味着参与者的数量不受限制；“开放”意味着任何人都可以参与学习，而且是免费的；“在线”意味着参与者可以通过网络参与课程，不受地域限制。MOOC按照运行模式可以分为cMOOCs 和xMOOCs两类。
SPOC
SPOC是英文（Small Private Online Course)的简称，按照字面意义理解为“小规模限制性在线课程”。其中，small和private是相对于MOOC中的massive和open而言。“small”是指学生规模一般在几十人到几百人；“private”是指对学生设置限制性准入条件，达到要求的申请者才能被纳入SPOC课程。用于小规模、特定人群的教学解决方案，将传统线下教学与MOOC相结合，呈现一个互动、开放、自主的小规模混合教学课堂。
具身认知理论
具身认知理论基于对传统“身—心”二元认知观的批判，认为认知的形成是大脑、身体与环境间相互作用的结果。身体的感觉运动系统，形态结构和经历体验都会影响认知的形成与发展。强调身体参与认知的过程，身体和环境的具身交互，因此在认知形成过程中重视置身情景，身体感知和动态交互。
具身学习
具身学习(Embodied Learning)是基于具身认知（生理体验与心理状态之间有着强烈的联系）的一种新型学习，是一个整合学习科学和人机交互研究的新兴领域。具身学习是心智，身体和环境的相互作用，是获得知识与信息的基本方式。
分布式认知理论
认为认知分布于个体内，个体间，媒介，环境，文化，社会，以及时间之中。分布式认知是一种认知活动，是对个体内部表征和外部环境进行信息加工的过程。和传统认知理论相比，分布式认知强调认知活动的系统性，认为认知活动过程中的各个要素是紧密相连的，而且都会对认知活动发挥相应的作用。
沉浸理论
也成为“心流理论”，用于描述人全身心地投入某种活动，不受周围环境其它因素干扰，并达到一种极致愉悦的状态。“挑战”和“技能”的关系被认为是影响沉浸的主要因素，当同时面临高挑战和拥有高技能的时候，沉浸体验才有可能发生。同时沉浸体验的产生还需要学习者自由开放地参与到相应的活动中。
微认证（Micro-credentials）
微认证是证明学习者的特定技能或具体成就达到相应质量标准的评定过程，为学习者提供 了一种证明正式与非正式学习及成果展示的机会，通过微认证而获得的凭证即是微证书。与传 统教育资历认证相比，微认证对于学习时间、地点、方式没有具体要求，对认证机构也不再局 限于特定的权威组织。微认证具有能力目标单一、聚焦核心、分而学之、凭证可堆叠等特征，体现了碎片化、泛在性、终身性、灵活性的学习趋势。
热点部分
人工智能赋能课堂教学
生成式人工智能赋能课堂教学的价值内涵？
(赋能课堂教学的环节，方法)
1. 从教学场景来看
生成式人工智能可以全方位赋能教、学、评、辅等多元场景，提供针对性的支持。（比如老师备课，AI 能给创意；学生做题，AI 能针对性答疑；评价作业，AI 能给分析建议 。）
2. 从课堂教学过程来看，
可以赋能教学目标确定、教学内容供给、教学方法选用、教学活动开展和教学评价实施；
3. 从课堂教学模式来看，
能够通过人机协同的“对话式学习”和“争论式学习” 实现因材施教，在提供个性化学习支持的同时培养学生的高阶思维能力；【能通过 “人机协同的对话式学习（比如学生和 AI 聊天学知识，AI 顺着学生思路引导 ）”“争论式学习（AI 和学生、老师就某个问题辩论，激发思考 ）”，实现 “因材施教”（根据每个学生不同情况教 ），既给学生个性化学习支持（比如有的学生基础差，AI 补基础；有的想拓展，AI 给难题 ），又培养学生高阶思维（像批判性思考、创新思考能力 ） 。】
4. 从课堂交互关系来看，
能够引发传统的“师—生”二元交互结构向“师—机—生”三元交互结构的转变；【比如以前学生有问题只找老师，现在也能找 AI 讨论，老师也能借助 AI 了解学生情况，一起促进学习 。】
5. 从课堂教学成效来看，
可以提升课堂教学成果的完成度和创意感、教学过程的角色感和交互性，教学方式的智慧化与创造性以及教学评价的生成性与个性化。【能让课堂成果（比如作业、项目 ）完成得更好、更有创意；让教学过程里，老师、学生、AI 各自角色更清晰，互动更带劲；让教学方式更智慧、更有创造性（不再是死板讲课 ）；让教学评价更贴合学生实际、更个性化（不是一刀切评价 ） 。】
生成式人工智能赋能课堂教学的形态层级？
（生成式人工智能赋能课堂教学的不同模式）
（一）基础形态：劳动替代与任务辅助
劳动替代与任务辅助”是生成式人工智能赋能教育的基础形态，其核心特征在于利用通用领域的大模型等技术完成机械性、程序性、重复性的教学任务，如文本生成、教学数据分析等，从而释放教育者的认知资源。教育者将从繁重的事务性工作中解放出来，有更多精力投入教学的本质性活动，如师生深度对话、个性化学习指导等。在这一赋能形态中，生成式人工智能作为教育场域之外的通用性智能化工具存在，并未真正介入教育教学过程，与真实课堂之间存在明显的“场景隔离”，未对教学过程带来实质性的影响和改变。
作为生成式人工智能赋能课堂教学的基础形态，“劳动替代与任务辅助”在实践中具有最广泛的适用性和可实施性。这一层级的赋能形态不仅为课堂教学带来了即时可见的效率提升，更为重要的是，通过技术应用的普及与实践经验的积累，为后续更高层级的赋能形态奠定了坚实的技术基础和实践支撑。
（二）初级形态：能力增强与边界拓展
能力增强与边界拓展”是生成式人工智能赋能教育的初级形态，标志着生成式人工智能从传统工具转向场景化服务。生成式人工智能利用教育大模型等技术，对课堂教学情境进行分析，进而为教师和学生提供个性化的智能服务，开始真正介入教育教学之中。呈现出双重维度的赋能特征：能力维度的“从弱到强”，知识维度的“从窄到广”。
但由于缺乏对教学全过程的系统性理解和立体化支持，尚未形成技术与教学过程的深度融合。
（三）中级形态：人机协同与创新激活
“人机协同与创新激活”是生成式人工智能赋能课堂教学的中级形态，其核心特征在于利用智能体等技术与人机协同机制，推动课堂人机交互方式和教学模式的深层变革。在这一形态中，生成式人工智能成为具有较高自主性的教学智能体，与教师、学生形成多向互动关系。
首先，教学智能体能够准确把握教学目标、教学内容和学习者特征，形成对教学情境的整体性认知；其次，教学智能体可以主动介入教学环节之中，提供建设性的引导和支持。最后，通过人类智能和机器智能的优势互补，激发教学创新的可能性空间。另外，教学智能体会通过持续学习来优化自身知识结构，动态调整其认知模型和相应策略，并内化人类的价值观[8]，实现人机双向的协同创新。
其核心价值一方面在于通过人机优势互补，形成教学效能倍增效应；另一方面，借助生成式人工智能的创造性特征，激发教师的教学创新力与学生的学习创造力，推动课堂教学从知识传递向能力培养、从标准化教学向个性化发展的范式转变。目前这种形态的技术赋能在研究领域正在进行积极尝试，但未真正进入一线课堂教学的常态化实践中。
（四）高级形态：认知融合与思维塑造
“认知融合与思维塑造”是生成式人工智能赋能课堂教学的高级形态。其核心特征在于构建学生、教师和生成式人工智能等多元主体间的动态交互与融合系统，通过多主体协作来汇聚群体智慧，塑造个体思维。
这一形态需要实现三重融合：其一是主体融合，从过去“师—生”“师—机”“生—机”二元单向的传递模式转变为由教师、学生和智能体多向交互的开放学习生态[5]，师生与智能体之间、多元智能体之间形成新型的合作关系[9]。其二是角色融合，多元智能体提供的支持将突破知识层面的局限，构建一个包括社交、认知、元认知、情感等多维度的支持体系，促进学习者整体素养的协同发展。通过智能体角色的有机融合，可以满足课堂教学中师生的复杂需求。智能体可以作为学习伙伴，通过个性化的对话和互动激发学生的思维潜能；可以作为评价专家，通过多维度的学习诊断提供精准的反馈指导；还可以作为元认知导师，引导学生反思学习过程并优化学习策略。其三是智慧融合，各主体之间的交互不再是相互独立的封闭回路，将形成相互关联、动态演进的多主体智慧网络。多元智能体之间的数据和记忆实现联通，从而能够从多个维度对学习者的认知特征、行为模式和发展需求进行系统分析，并基于群体智慧和经验提供精准的学习支持。
作为生成式人工智能赋能课堂教学的高级形态，“认知融合与思维塑造”将重塑传统的教学组织方式，实现多主体认知融合和提升，进而向批判性思维、创造性思维等多元高阶思维能力的系统性培养转变。其核心价值在于构建一个以思维发展为导向、以认知升级为路径的新型教学生态，为培养适应未来社会需求的创新型人才提供全新可能。目前这一形态的课堂在技术层面已初具可行性，但其在教育领域的落地仍面临诸多挑战。
【简单说，就是生成式 AI 赋能课堂，从 “帮老师打杂”，到 “介入教学帮师生变强”，再到 “和师生协同创新”，最后 “融合成新学习生态培养高阶思维”，一层比一层厉害，慢慢改变课堂教学的玩法 ～】
生成式人工智能赋能课堂教学的进阶路径？
（生成式人工智能赋能课堂教学从基础到高级形态发展时，需要哪些条件支撑？）
（一）从基础形态到初级形态：政策指引与制度保障
生成式人工智能赋能课堂从基础形态到初级形态，本质上是技术从通用性场域向教育专业性场域的过渡与渗透。因此，需制定前瞻性、指导性和科学性的教育政策体系，明确生成式人工智能在教育场域应用的基本原则和发展方向，为技术与教育的融合提供宏观指引和根本保障。
【政策】
2023年9月，联合国教科文组织发布了《生成式人工智能教育与研究应用指南》[12]，作为一份面向全球的指导性文件，该指南提出了生成式人工智能教育应用的政策框架、治理对策和应用策略，并特别强调以人为本的生成式人工智能开发和应用指导原则[13]，为各国政策制定提供了重要参考。2024年7月，美国教育部发布《利用人工智能设计教育：开发人员必备指南》，旨在帮助开发者利用大语言模型等新兴人工智能技术实现教育目标，强调人工智能教育产品的开发应理解和重视教育领域的特定价值观和需求，并提供有效性方面的证据[14]。我国在积极响应全球发展趋势的同时，也在探索符合本土教育特色的政策规划。2023年7月，我国互联网信息办公室等七部门联合发布《生成式人工智能服务管理暂行办法》，鼓励生成式人工智能技术在各行业、各领域的创新应用，支持教育和科研等机构在生成式人工智能技术创新和转化应用方面进行协作[15]。2024年10月，北京市教育委员会发布《北京市教育领域人工智能应用指南（2024年）》，明确了生成式人工智能教育应用的发展方向和应用框架，为生成式人工智能在教育领域的规范应用和实践创新提供了全面、系统的指导[16]。
同时，需要建立技术准入和监督评估制度，明确技术应用必须遵循的价值原则和行为规范，从教育适切性、安全可靠性、伦理规范性等维度设定评估标准，针对不同教育场景和应用层次实施差异化评估，并对技术应用效果进行持续跟踪，及时发现和纠正技术应用中的伦理风险。另外，生成式人工智能介入教育过程会产生大量的个体特征信息和教学交互数据，而数据的安全性和可控性是支撑人机协同教学深入开展的信任基础。因此，需要构建数据治理机制，实现教育数据采集、存储、使用、销毁的全周期管理，有效防止数据被泄露、伪造和篡改[17]。数据治理机制更深层的价值在于实现数据主权的回归，让教师和学生能够自主决定数据的使用范围和授权对象，真正掌控自己的数据资产。
（二）从初级形态到中级形态：素养提升与观念完善
生成式人工智能赋能课堂从初级形态迈向中级形态，意味着技术深度参与教学全过程，与教师、学生形成紧密的协同关系。这种深度协同对教育主体提出了更高要求，师生人工智能素养的提升成为必要支撑。
师生的人工智能素养应建立在“以人为本”的基本观念和价值取向之上，不仅包括对生成式人工智能基本作用的认识，更涵盖了伦理意识和道德原则，以及教与学过程中科学使用、理性判断以及创新融合的实践应用能力，以使其成为有意识的决策者和负责任的使用者。在具体实施层面，应当着重推进以下几个方面：一是深化理解和认知，引导师生准确把握技术在不同教育场景和环节中的应用价值、限制和边界，建立起“人机协同”而非“机器替代”的应用理念与行为准则，充分发挥自身的主导作用；二是提升技术应用和实操能力，帮助师生熟练使用生成式人工智能工具和服务；三是发展创新意识和能力，鼓励师生深入探索符合学科特点的人机协同教学模式，实现教育创新和技术创新的深度融合。
三）从中级形态到高级形态：价值重塑与技术突破
要实现生成式人工智能赋能课堂教学的高级形态和最终跨越，必须从教育的价值取向和培养理念层面进行根本性变革。这需要通过对教育本质的深入审视和教育价值的重新塑造，为生成式人工智能赋能教学提供前瞻性指引和引领性驱动。
智能时代的教育应以培养高级智能主体为目标，充分释放人机协同的分布式智能[24]。课堂教学目标应从单纯的知识和技能传授转向思维塑造，通过课程体系、教学方法和评价机制的系统性变革，最终构建学生、教师与生成式人工智能等多主体深度融合、多元智慧共生的教育新生态。
从技术层面来看，当前基于大模型的教学智能体构建尚处于起步阶段。尽管已初步实现多模态感知、检索增强生成、推理与规划等关键能力，并在教育任务设定、内容记忆与反思等核心功能上取得显著进展，但现有教学智能体对教学资源、教学对象和教学过程等核心要素的理解仍显不足[11]。这突出体现在三个方面：一是对课堂教学资源的属性、关联与语义信息的精准解析能力有待提升；二是对教学对象的行为模式、语言特征与潜在意图的识别精度尚需提高；三是对教学过程中各类互动行为、活动设计与目标达成的深度理解仍需加强。为突破这些技术瓶颈，亟须开展系统性技术攻关。通过提升教学智能体的认知理解能力，实现多元智能体在课堂环境中的高效协同，进而推动教育场景任务与角色的精准适配。这些技术突破需要教育研究者、技术开发者与教学实践者的深度合作，共同构建具有深度教育理解能力和教学胜任力的多元智能体，实现促进学习者认知能力发展与高阶思维培养的目标。
人工智能驱动的教育科研新范式
人工智能驱动科研范式转换的发轫逻辑？
AI 在科研里能当 “先知”（帮设计研究 ）、“数据代工厂”（生成模拟数据 ）、“知识发明家”（从数据挖新知识 ），让科研变得更高效、更厉害，甚至自己搞科研！
1. 赋能研究设计与假设生成的先知者
- AI 能像 “先知者” 一样，帮研究者搞研究设计、生成假设，让研究更高效。
- 预判研究方向
AI分析海量文献，寻找研究趋势，发现空白，预测未来研究方向 - 辅助论文写作
AI帮助研究者评估论文质量，选取研究方法，补全思路 - 生成研究假设
AI可以从数据中寻找规律，生成更加靠谱的假设 - 模拟实验风险
可借助智能体开展干预措施的仿真推演与效果评估，规避在真实群体中开展实验的潜在风险 - 教育政策制定
大模型可以自动执行海量文献搜索，分析及证据提取工作，协调相互冲突的证据，缩短证据综合周期，提高教育政策制定水平
- 预判研究方向
-
模拟与生成合成式数据的智能代理
AI 能生成 “模拟数据”（不是真实收集的，but很像真数据 ），帮研究者搞科学研究 -
转化科研数据的知识自主涌现者
人工智能在知识生成方面的可靠性问题
- 幻觉是大模型被公认的一个局限性，即生成看似是合理却无意义或不真实的信息。
- 研究人员需要解决机器学习中的计算再现性（Computational Reproducibility )问题。计算再现性指的是独立研究者能够重复计算实验并获得与论文手稿所报告结果相一致的能力。人工智能的“黑 箱”特性、论文中缺乏详细的计算说明文档以及无法访问相关计算资源（如代码、数据及计算设备），都会限制计算再现性目标的实现，降低新范式研究的可靠性与严谨性。
- 其三，机器智能的涌现性与主体性特征为科研伦理规范提出了新挑战。人们难以窥探机器自 主决策背后的推理逻辑，这极大地增加了评价知识创 新程度、判断学术诚信、分配人机知识贡献的复杂性。 此外，众多研究人员尚不具备解释机器模型如何得出 特定结果或生成相关结论的基本能力，提升其算法意 识、人工智能素养迫在眉睫。
教育人工智能
教育人工智能（EAI）的内涵？
人工智能本身就是一个模拟人类能力和智慧行为的跨领域学科，涉及到计算机科学、控制论、信息论、神经生理学、语言学、心理学等多个领域；学习科学同样是一个跨学科领域，关注学习是如何发生的以及怎样才能促进高效地学习，涉及到教育学、心理学、语言学、社会学等多个学科。教育人工智能（EAI）则是人工智能与学习科学相结合而形成的一个新领域。
教育人工智能的目标（两个）？
教育人工智能的目标有两个： 一是促进自适应学习环境的发展和人工智能工具在教育中高效、灵活及个性化的使用；二是“使用精确的计算和清晰的形式表示教育学、心理学和社会学中含糊不清的知识”，让人工智能成为打开“学习黑匣子”的重要工具。换言之，教育人工智能重在通过人工智能技术，更深入、更微观地窥视、理解学习是如何发生的，是如何受到外界各种因素（如，社会经济、物质环境、科学技术等）影响的，进而为学习者高效地进行学习创造条件。
教育人工智能的核心（3个）？
教学模型、领域知识模型和学习者模型。
教学模型主要包含教学的专业知识、技能和有效方法，领域知识模型包含了学生所学科目的专业知识体系，学习者模型展现了计算机与学习者的互动，通过学生学习活动、情绪状态等了解学生的学习情况。
学习者模型可以根据具体学习者的学习行为反馈其学习情况， 教学模型和领域知识模型则通过学习者模型的反馈情况推断学习者的进度，调整模型中的知识体系、教学方法等，以适合学习者的学习， 进而形成一个相互循环的动态系统，使整个模型体系更加完整，更加丰富。
影响教育人工智能（EAI）发展的关键技术？
- 知识表示方法
知识表示作为人工智能和信息融合的核心技术之一，决定了领域知识获取、知识库构建以及推理计算的有效性等，影响着所开发系统的推理效率和能力，它实质上是一种可被计算机接受的用于描述知识的数据结构。
知识表示具有多种方法，关于它的研究主要包括早期的一阶谓词逻辑表示法、产生式表示法、框架表示法以及现在的神经网络知识表示法等。知识表示是研发智能专家系统需要解决的首要问题，人工神经网络知识表示法，主要用于评估难度较高或领域专家无法清晰表达为规则的知识叫。在教育领域，人工神经网络的应用大多与教学专家系统相结合，以提高专家系统的智能性，解决各种复杂的现实问题。合适的知识表示方法，对智能专家系统的研发具有重要的意义，也会对教育带来深远的影响。 - 机器学习与深度学习
机器学习作为人工智能研究的一个核心领域，它可以让计算机通过经验不断提高自身性能，在未事先明确编程的情况下做出正确反应。现代机器学习是一个始于大量数据的统计学过程，试图通过数据分析导出规则或者流程，用于解释数据或者预测未来数据。总之，机器学习能够使计算机依据统计学方式，自行寻找在实践中发挥功效的决策流程，并最终解决问题。
随着机器学习研究的不断深入，深度学习作为机器学习领域一个新兴研究方向，逐渐成为研究者关注的焦点。“深度学习通过建立类似于人脑的分层模型结构，对输入数据逐级提取从底层到高层的特征，从而能很好地建立从底层信号到高层语义的映射”。深度学习是一种高效的特征提取方法，通过提取数据中更加抽象的特征，从而实现对数据更本质的刻画回。深度学习研究的进展，对语音识别、图像识别、自然语言处理等领域均有重要的影响。
例如，微软研究院的专家通过与深度学习专家的合作，在语音识别技术框架上取得了彻底的突破；百度公司基于深度学习技术在语音搜索系统、自然图像识别和人脸识别上均取得了重要的进展；谷歌的迪恩和斯坦福大学计算机系的吴恩达联合开发的“谷歌大脑”，就是通过深度学习的方式分析了数万张猫的图片后形成了对猫的“记忆”。在美国白宫科技政策办公室发布的两份报告中，特别指出了机器学习与深度学习在人工智能研究中的基础性地位，值得教育人工智能研究人员关注。 - 自然语言处理
自然语言处理主要是让计算机理解人类的自然语言，以实现用自然语言与计算机进行交流刚。自然语言处理研究的内容包括：如何让计算机正确回答用自然语言提出的问题；如何使计算机根据输入的文本生成摘要；怎样使计算机利用不同的词语和句型，对输入的自然语言信息进行复述以及让计算机进行语言翻译等。在教育领域，自然语言处理技术最初的应用是进行语法错误检测明，随着自然语言处理技术及其应用研究的不断进步，自然语言处理技术在教育领域的应用越来越广泛
有研究者将其在教育中的应用概括为四个方面：第一，文本的分析与知识管理，如，作文或译文的自动评价和纠错、话语和文体分析、剽窃检测等；第二，人工系统的自然语言界面，如，智能问答系统、计算机和学生之间的多模态交流等；第三，语料库在教育中的应用，如，基于语料库的数据挖掘工具等； 第四，面向语言教学研究的应用，像计算机辅助语言教学、电子书包等。自然语言处理的发展，将为学生进 行语言、数学以及其他技能的学习带来全新的方式。 - 智能代理
智能代理是一种以主动服务方式自动完成一组操作的机动计算机程序，具有分布性、自主性、主动适应性和迁移性等特点。目前，智能代理的研究多集中在智能代理中的关键技术、管理问题、检索应用和基于智能代理构建的系统等方面。在这些研究领域中，基于智能代理构建的系统更多地吸引了研究者的注意，尤其是各种分布式系统的研究。有研究者指出，基于智能代理的各种分布式系统极大地提高了分布式系统的安全性能。
随着智能代理技术研究的不断成熟，教学系统中也逐渐引入了智能代理，它有效地提高了教学系统的智能性，其分布性、迁移性等特点，使学习资源得以充分利用，为学生个性化的学习提供了条件。智能代理在教学系统中取得的良好效果，将会进一步促进其在教育中的应用。 - 情感计算
情感计算是指人类通过为机器设定程序使之能识别、理解、处理并模拟人的情感。例如，可运用摄像机捕捉面部表情和手势，同时，运用一种可以检测并理解这些人类情感的算法，使机器获取使用者的情感状态。情感计算的核心是开发可以实现上述功能的程序和硬件。在商业上，已经研发出了具有情感表达能力的机器人；如，开发出了能够根据求职者视频来评估其情感表现的网站HireVue，它能够帮助雇主挑选出更适合工作岗位的雇员。
情感计算应用在教育领域，可以使计算机教学系统能够实时捕捉学习者的情感状态，在合适的时机给学生提供激励和适切帮助，因此，也是教育领域需要关注的一项人工智能技术。
教育人工智能的典型应用？
- 智能导师辅助个性化教与学
智能导师是人工智能在教育领域的一个重要应用，它能够根据学生的兴趣、习惯和学习需求为其制定专门的学习计划，有利于学生的个性化学习。智能导师首次出现于1982年，它主要是由计算机模拟教师教学的经验和方法，对学生实施一对一的教学，并向具有不同需求和特征的学习者传递知识。智能导师通过自然语言处理和语音识别技术，来实现计算机扮演导师角色的功能，它能够代替现有教师为学生提供辅助性的学习材料。
智能导师之所以可以促进学生的个性化发展，提高学生的学习效果，主要是因为智能导师能够在学习者学习的过程中实时跟踪、记录和分析学习者的学习过程和结果，以了解其个性化的学习特点，并根据这一特点为每一位学习者选择合适的学习资源，制定个性化的学习方案。当然，智能导师在为学习者提供有针对性、即时的学习方案时，还能够对学习者的学习表现和问题解决的情况进行评价和反馈，并提出相应的建议 - 教育机器人等智能助手
随着人工智能技术的发展，越来越多的人工智能工具被应用于教育领域，成为教师教学和学生学习的得力助手。教育机器人就是一种被广泛应用于教育领域的人工智能型助手。例如，网龙华渔教育研发的“未来教师”机器人，可以帮助教师完成课堂辅助性或重复性的工作，如，朗读课文、点名、监考、收发试卷等，还可以帮助教师收集、整理资料，辅助教师进行备课、科研活动，减轻了教师的负担，提高了教师的工作效率。
教育机器人作为学生学习的助手，可以帮助学生管理学习任务和时间，分享学习资源，引导学生积极主动地参与到学习中，通过与学生的友好合作，进而促进学生的学习。除了教育机器人，各种基于语音技术的虚拟智能助手也正在成为人们学习的好帮手。如，苹果手机中的Siri和安卓系统 中的Jelly Bean，人们可以向它们提出任何问题，与其进行逼真地对话，从而快速找到自已所需要的资源 - 居家学习的儿童伙伴
人工智能产品不仅仅是学校教育中教师与学生的助手，同时也是家庭中儿童的伙伴。例如，由北京紫光优蓝机器人技术有限公司研发的“爱乐优”家庭亲子机器人，就是针对0-12岁儿童而设计的同伴机器人。它不仅能够陪伴儿童一起做体操、唱歌、玩游戏，而且还能为儿童提供补习照顾，成为一人一机的学习助理，促进儿童的学习，达到寓教于乐的效果。智能机器人“小胖”还可以陪伴儿童一起观看视频。教育机器人作为儿童的伙伴，一方面可辅助学童完成作业，另一方面也能够担任学童的玩伴，并随时反馈学生在家的情况。 - 实时跟踪与反馈的智能测评
智能测评强调通过一种自动化的方式来测量学生的发展，所谓自动化就是指由机器担任一些人类负责的工作，包括体力劳动、脑力劳动或者认知工作。通过人工智能技术而实现的自动测评方式，能够实时跟踪学习者的学习表现，并恰当地对他们的学习表现进行评价。 以批改网为例，它就是一个以自然语言处理技术和语料库技术为基础的在线自动评测系统，它可以分析学生英语作文和标准语料库之间的距离，进而对学生的作文进行即时评分并提供改善性建议和内容分析结果团。通过人工智能技术实现的即时评价方式，不再局限于封闭式的评价方式， 而是可以通过开放的形式，对学生类似于论文式的学习给出有效反馈和评价。 - 教育数据的挖掘与智能化分析
教育数据挖掘(Educational Data Mining)是综合运用数学统计、机器学习和数据挖掘等技术和方法， 对教育大数据进行处理和分析，通过数据建模，发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系，来预测学习者未来的学习趋势。
对于学习者而言，教育数据挖掘与智能化分析， 能够向学习者推荐有助于改进他们学习的学习活动、学习资源、学习经验和学习任务。对于教育工作者而言，教育数据挖掘能够提供更多、更客观的反馈信息，使他们能够更好地调整和优化教育决策、改进教育过程、完善课程开发，并根据学习者的学习状态来组织教学内容、重构教学计划等。 - 学习分析与学习者数字肖像
学习分析(Learning Analysis)是一类运用先进的分析方法和分析工具预测学习结果、诊断学习中发生的问题、优化学习效果的教学技术,近年来，随着人工智能技术的进步，通过智能化的数据挖掘和机器学习算法等可呈现学习者数字化肖像。即基于不同类型的动态学习数据，可分析、计算每个学习者的学习心理与外在行为表现特征，刻画出立体化、可视化的学习者肖像，从而为不同学生的个性化学习以及教师改进教学提供精准服务。 例如，美国普渡大学构建的名为“课程信号”的 教师教学支持与学习干预系统，就是利用学习分析的各种技术手段帮助教师了解每个学生的学习情况，不断改进教学方法，并为学习者提供及时且具有针对性的反馈。
人工智能教育应用的发展趋势（5个方面）？
- 人工智能技术要为每位学习者提供个性化学习机会。
随着学习科学领域研究的不断深入，人 们期望下一步智能学习系统的开发，能够充分结合 学习科学研究成果与人工智能技术的进步，使学习系 统能够与学习者之间以更自然的方式进行交互，在教 师缺席的情况下承担起个人和小组导师的角色。 - 人工智能技术要促进学习者“21世纪能 力”的获得。
“21世纪能力”是为了应对知识经济发 展需求及社会进步而对人才培养所提出的要求，具 体包括创造性与问题解决、信息素养、自我认识与自 我调控、批判性思维、学会学习与终身学习、公民责 任与社会参与等内容。“21世纪能力”要求人工智 能技术不能仅局限于促进学生学习具体的、结构良 好的知识和技能，而是要帮助学生获得复杂问题解 决、批判性思维、多人协作能力等高阶能力。 - 人工智能技术要实现对学习环境中交互性数据的分析。
针对信息化教学系统和智能导师系统中存储的大量数据，目前，已经形成了学习分析和教育数据挖掘两类研究群体。但是，教育的发展对人工智能技术提出了更高的期望：不仅要分析来自学习者的个人数据，而且还要分析各种交互性数据。交互性数据既包括学习者之间的交互数据，也包括学习者与实物之间的交互数据。 - 人工智能要支持全球课堂的普及。全球课堂(Global Classroom)的目标是为学习者提供 一种普及化的、随时随地可以访问的、学习者深度参与的学习环境。在这样的学习环境中，处于任何水平的学习者都能获得良好的学习体验。慕课（MOOC/MOOCs) 可以被看作是全球课堂的雏形，但当前的慕课具有偏重知识传递、通过率低、只适应具有一定知识背景 和较高学习动机的学习者等局限。而人工智能技术支持下的全球课堂，能够为学习者提供一个云端一体、支持认知发展和相互协作的全新学习环境。
- 工智能要支持人们的随处学习和终身学习。
要实现这一目标，一方面，要求人工智能技术能够根据学习者的成长变化，为学习者提供合适的、 高度相关的资源以适应他们的理解和需求；另一方面，也要求人工智能技术能够有效促进对共同话题的关注，以及有效的人际交流，而上述功能的实现，离不开智能代理、虚拟角色等人工智能技术的普及。
教育人工智能未来应该关注的一些问题？
- 教育人工智能的相关标准及支撑条件
我们认为，需要尽快建立教育人工智能相关标 准，为教育人工智能系统、工具的开发与应用提供必 要的规范、准则和要求，这是促进教育人工智能发展 的必要条件。首先，教育管理机构应该组织相关专 家，在对人工智能一般标准讨论的基础上，依据教育 领域的需求与目标，可从“软件工程、性能、指标、安 全、可用性、兼容性、安全与隐私、可追溯性”148等诸 多方面做出相关的规定。其次，为了促进大数据时代 教育人工智能产品的研发，有必要建立高质、开放、 安全、大容量的训练与测试数据库，以便教育人工智 能产品可采用深度学习等技术来建构模型。 - 基于人工智能的智慧学习环境
在教育领域，人工智能教育应用与发展正从独 立的、针对特定领域的智能导师系统向基于人工智 能技术的智慧学习环境演进。所谓智慧学习环境，是 指整合了智能感知、学习分析、情感计算等技术的融 合体49。与独立的智能导师系统相比，智能学习环境 不但能够感知学习者的个人知识与学习特征，还能 够感知学习者与他人交互所表现出的社会性特征， 从而构建更加全面准确的学习者模型，提供更加有 针对性的教与学服务。
（三）教师与人工智能系统的协同机制
人工智能的研究案例表明，当人类智慧与人工 智能技术相结合的时候，工作往往能够取得更好的 效果。例如，一项研究发现，当通过照片判断淋巴细 胞中是否存在癌细胞时，如果只使用人工智能技术 错误率为7.5%，如果只由医疗专家来判断错误率为 3.5%，但如果将两者结合起来，错误率可以下降至 0.5%5。在教育领域，怎样将人工智能教学系统与面 对面教学相结合，使教师与人工智能系统之间协同 工作，以最大限度地发挥二者的协作优势，共同为学 生提供更有个性化的、更有效的教学体验，这是当前 教育人工智能研究需要深入探讨的问题之一。
(四)人工智能人才的培养与储备
人工智能的发展，归根到底要依靠专业人才。来 自美国的资料显示，人工智能人才目前处于明显缺 乏状态，而这种状况还存在扩大的趋势凹，高校、企 业之间人才争夺已经拉开帷幕凹。“领英”数据分析 进一步发现，美国拥有10年以上经验的人工智能人 才比例接近50%,而我国只有25%。总体上，我国人 工智能专业人才总量较美国和欧洲发达国家来说还较少，10年以上资深人才尤其缺乏。从教育领域来 看，应该尽快了解我国人工智能领域的人才状况，建 立人才数据库，并根据社会发展需要加大人工智能 人才的培养力度。
（五）教育人工智能的伦理、社会及安全问题
在图像识别技术上，出于对当事人隐私或者某 些信息的保护，电视和网络会将文字或脸部像素化。 但随着人工智能的发展，这种保护隐私的方法已经 不再可靠。有研究发现，神经网络只要通过主流的机 器学习方法训练，就可以识别图像中隐藏的信息。在 某些数据库和隐私技术上，神经网络的成功率已达 到80%，甚至是90%。在像素化图像方面，随着图片 模糊程度增加，神经网络的成功率会降低，但仍然能 够达到50%到75%的成功率⑶，如图12所示。因此， 伦理道德和安全保障是教育人工智能也必须面对的 挑战之一。为此，一方面，应将伦理道德教育纳入人 工智能课程之中，树立伦理道德意识；另一方面，应 该加强人工智能教育应用的监管，制定与安全应用 相关的规定，运用区块链等技术保护使用者的隐私 和权益，推动教育人工智能良性积极发展。
教育人工智能（EAI）人才培养中政府、学校及培训机构的定位
我们认为，教育要应对智能化时代人工智能快 速发展的各种挑战，人才是关键因素，政府、学校、培训机构在人才培养中均应承担相应的职责。 、
- 政府在人工智能人才培养中的定位
在人工智能专业人才培养中，政府应该提供政策和资金方面的保障。一方面，政府应了解企业和社 会对人工智能人才的需求，制定出人工智能专业人 才的培养目标和相关标准，并根据目标和标准协调 包括中小学、大学、职业培训机构等在内的相关机 构，推进人工智能专业人才的培养。另一方面，政府 应为人工智能教育提供必要的经费支持，如，增加人 工智能研究生的培养经费，提升人工智能课程设计 的投入，资助人工智能教育研究项目，对开展人工智 能教育的高校、职业院校和其他组织拨款等。 - 中小学在人工智能人才培养中的定位
中小学是学生学习的基础阶段，此阶段主要是让学生学习与人工智能相关的基础知识，培养他们对人工智能的兴趣。具体措施包括：首先，培养学生的数据科学素养，为人工智能人 才的成长莫定良好的基础。一个人工智能的社会，要 求全体公民都应具备阅读数据、使用数据、理解数据和表达数据的基本能力，而这种能力应从基础教育阶段就开始培养。中小学应开设数据科学课程，培养 学生的数据科学素养，以应对人工智能时代的挑战。 其次，在中小学教育阶段应开设《人工智能基础》等课程，使学生掌握人工智能初步知识。一方面， 可将人工智能列入技术类教育的教学内容中，使学生对人工智能有一个基本了解。事实上，许多国家已经在有关课程中加入了人工智能的内容：有的国家将人工智能课程作为选修课纳入到信息与通讯技术 (ICT)课程中，有的国家将人工智能作为《信息处理与技术》课程的组成部分网。我国教育部则是将《人工智能初步》和《简易机器人制作》设为高中信息技术课程的选修模块。另一方面，除了常规的课程学习，中小学还可以积极组织学生参加各种青少年人工智能竞赛，如，中国青少年机器人竞赛、中国教育机器人大赛、国际奥林匹克机器人大赛（World Robot Olympiad， WRO)、FLL机器人世锦赛（FIRST LEGO League，FLL）等（如图10所示），通过竞赛使学生增加对人工智能的兴趣，并形成问题解决能力和创新能力。
- 大学在人工智能人才培养中的定位
正如《为未来人工智能做好准备》报告所指出，大学在培养人工智能专业人才方面扮演着十分重要的角色。
具体来说，我们可以从以下几个方面着手：
----在师资方面。为应对人工智能发展的挑战， 大学和学术机构一方面应该把计算机科学人才、统计学人才、数据库和软件工程师等与人工智能相关的人才组织起来，形成一支高水平的研究团队并给予支持；另一方面还应该积极从学校外部引进人工智能专业人才，充实人工智能教学团队，为教学质量提高和人才培养提供基本保障。
-----在课程方面。首先，大学应在软件工程等相关专业中加强机器学习、数据挖掘、自然语言处理等 人工智能相关课程的教学，在程序设计等专业课程中突出人工智能方法，使学生掌握人工智能专业知 识和专业能力，培养专门的人工智能研发人才。其次，大学应向其他专业学生提供人工智能应用类课程，使学生掌握在其他领域中应用人工智能工具的方法。例如，针对教育学专业的学生，可向他们介绍教育领域常用的人工智能工具，并使他们掌握应用 这些工具优化教学的方法。另外，大学应对社会各领域在人工智能和数据科学方面所面临的挑战进行整理，形成典型的教学案例以供学生进行分析和研究，从而促进人工智能专业人才的培养。
----在实践方面。大学应加强与人工智能企业的交流合作，建立密切的伙伴关系，为学生提供研究和实践的机会。例如，美国麻省理工学院媒体实验室“终身幼儿园”项目小组通过与乐高公司紧密合作，开发出可编程的乐高智能玩具，以帮助孩子们学会在数字时代怎样进行设计活动州。通过校企合作，可以有效提高学生在人工智能产品方面的研发能力。
此外，大学还应定期举办和参加人工智能类竞赛，如，全国大学生机器人大赛、全国机器人锦标赛、机器人世界杯(Robot World Cup)、FIRA机器人足球 比赛(Federation of International Robot-soccer Association,FIRA)、DRC机器人挑战赛（DARPA Robotics Challenge，DRC)等。通过竞赛，不但能够使学生加深和巩固专业知识的学习，而且能够提高他们的创新精神和实践能力。
（四）职业培训机构在人工智能人才培养中的定位
职业培训机构可以为受训人员提供必要的技能培训，为那些有意扩展个人职业技能的在职人员、进修人员及失业人员提供自我提升和再就业的学习机会。在今后的培训中，这些机构可以继续发挥自身的优势，增加《人工智能应用》等实用课程培训，使受训人员更好地适应人工智能社会带来的新变化。
教育技术人员应该怎么做？
首先，教育技术专业人员应保持一份开放的心态，做教育人工智能的实践者、建设者和研究者。教育技术人员应始终关注人工智能技术取得的新进展，了解不断涌现的教育人工智能产品，推动基于人工智能技术的智慧学习环境建设，探索人工智能技术教育应用的方法与策略，引领由数据挖掘、深度学习等人工智能技术驱动的教育研究，促进教育人工智能的良性发展。
其次，面对智能化浪潮，教育技术人员还应保持一份冷静的心态，警惕教育人工智能有可能导致的风险及负面影响，并预先采取相关措施加以避免。针对人工智能将启动变革人类社会第四次“工业革命” 的观点，世界经济论坛创始人克劳斯·施瓦布教授在 2016年达沃斯会议上就警告说54,新技术（包括人工 智能、机器人、物联网、3D打印等）的规模、速度和影响如此深远，从来没有哪个历史阶段像现在这样拥 有巨大的前景，但潜在危险也是前所未有的。
因此，作为教育技术专业人员，我们同样需要警惕教育人工智能的盲目或不适当推广而造成的潜在影响。即在教育人工智能的研究、开发、应用、推广等过程中，我们始终遵循科学的方法，避免教育技术发展史上技术乐观主义者所导致错误的重演。
人工智能教育应用
人工智能的政策：
美国先后颁布了《为人工智能的未来做好准备》和《国家人工智能研发战略规划》，欧盟委员会制定了SPARC 机器人创新计划，英国和德国政府分别制定了“现代工业战略”和“工业4.0”计划，日本政府规划了人工智能产业化路线并部署了超智能社会。我国政府于2017年7月8日发布了《新一代人工智能发展 规划》，指明了我国发展人工智能的重点任务，并对发展规划进行了全面部署，这是我国“抢占信息 化制高点，增加国际话语权”的重要战略举措。
人工智能的三次浪潮：
图灵测试掀起了人工智能的第一轮浪潮。
人工智能的第三次浪潮缘起于2006年Hinton等人提出的深度学习技术
人工智能的三大核心要素？
运算力、数据量和算法模型是人工智能的三大要素。
人工智能具体应用的实现，如语音识别和图像识别等，需要先赋予机器一定的推理能力，然后它才能做出合理的行动。而这种推理能力，源自于大量的应用场景数据集。通过使用大量的数据对算法模型进行一定的训练，机器才能够根据算法做出具有类人智能的判断、决策和行为。
人工智能的三大核心驱动力？
大数据、云计算和深度学习这三大核心驱动力，共同构成了人工智能的突破性进展。
大数据
大数据（Big Data）是指一般软件工具难以捕捉、管理和分析的海量数据，与传统数据相 比，它具有数据量巨大、非结构化、分布式且大量采用可视化展现等特点。大数据具有“5V”特 性：Volume(大量）、Velocity（高速）、Variety（多样）、Value（低价值密度)、Veracity （真实性）。通过对海量数据进行模型构建，有利于挖掘事物的变化规律，准确预测事物发展 趋势，并进行及时有效地干预。大数据技术几乎在所有领域都拥有非常广阔的应用前景，大数 据的教育应用要依赖“教育数据挖掘”(Educational Data Mining，简称EDM)和“学习分析技术” (Learning Analytics，简称LA)这两大技术的支撑
云计算
云计算_(Cloud Computing)是一种按使用量付费的模式，这种模式提供可用的、便捷的、 按需的网络访问，进入可配置的计算资源共享池（资源包括网络、服务器、应用软件）。用户 只需按照“即用即付费”的方式便可随时随地通过网络终端设备获取各种资源，服务提供商则根 据服务级别协议提供服务，使资源的利用率达到最优化。三种服务模式。
- IaaS（infrastructure-as-a-service）基础设施即服务。提供服务器，硬盘，虚拟机等。（2）PaaS（platform-as-a-service）平台即服务。比如开发环境或开发框架。（3）SaaS (software-as-a-service)软件即服务。无需自己开发，直接购买产品。比如信息管理软件 (MIS），学习管理软件（SIS）等。
深度学习
深度学习（Deep Learning）是目前最热的机器学习方法,是神经网络算法的衍生。通过建立类似人脑的封层模型结构，对输入数据逐层提取从底层到高层的特征，从而能够很好的建立从底层信号到高层语义的映射。深度学习是一种高效的特征提取方法，通过提取数据中更加抽象的特征，从而实现对数据更本质的刻画。（深度学习是机器学习的一种，是以人工神经网络为本质的，这个人工神经网络如果层数很多的话（复杂度很高），我们就可以称之为深度神经网络）
人工智能教育应用的现状？
- 智能导师系统
- 自动化评测系统
自动化短文评价系统
自动化口语测评系统 - 教育游戏
- 教育机器人
人工智能教育应用的典型特征？
- 智能化
智能化是教育信息化的发展趋势之一。海量 数据蕴藏着丰富的价值，在知识表示与推理的基础上，构建算法模型，借助于高性能并行运算可以释 放这种价值与能量。未来，在教育领域将会有越来越多支持教与学的智能工具，智慧教学将给学习者带来新的学习体验。在线学习环境将与生活场景无缝融合，人机交互更加便捷智能，泛在学习、终身 学习将成为一种新常态。
- 自动化
与人相比，人工智能更擅长记忆、基于规则的推理、逻辑运算等程序化的工作，擅长处理目标 确定的事务。而对于主观的东西，如果目标不够明 确，则较为困难。如数学、物理、计算机等理工科作业，评价标准客观且容易量化，自动化测评程度 较高。随着自然语言处理、文本挖掘等技术的进 步，短文本类主观题的自动化测评技术将日益成熟 并应用于大规模考试中。教师将从繁重的评价活动中解放出来，从而有精力专注于教学。 - 个性化
基于学习者的个人信息、认知特征、学习记 录、位置信息、媒体社交信息等数据库，人工智能 程序可以自学习并构建学习者模型，并从不断扩大 更新的数据集中调整优化模型参数。针对学习者的 个性化需求，实现个性化资源、学习路径、学习服 务的推送。这种个性化将越来越呈现出客观、量化 等特征。 - 多元化
人工智能涉及多个学科领域，未来的教学内容 需要适应其发展需要，如美国已经高度重视STEM 学科的学习，我国政府高度重视并鼓励高校扩展和 加强人工智能专业教育，形成“人工智能+X”创 新专业培养模式。从人才培养的角度分析，学校教 育应更强调学生多元能力的综合性发展，以人工智 能相关基础学科理论为基础，提供基于真实问题情 境的项目实践，侧重激发、培养和提高学生的计算 思维、创新思维、元认知等能力 - 协同化
短期来看，人机协同发展是人工智能推动教育 智能化发展的一种趋势。从学习科学的角度分析， 学习是学习者根据自已已有的知识去主动构建和理 解新知识的过程。对于人工智能来说，新知识是它 们所无法理解的，所以这种时候学习者就需要教师 的协同、协助和协调。因此在智能学习环境中，教 师的参与必不可少，人机协同将是人工智能辅助教 学的突出特征。
人工智能教育应用的发展趋势?
人工智能在教育中的应用特征为推动人工智能 与教育的融合创新发展指明了方向。在当前国家大 力发展人工智能的政策引领下，不仅要从本质上认 识人工智能的核心要素与驱动力，把握其典型应用 特征，还要能够顺应其发展趋势。以数据驱动引领 教育信息化发展方向，以深化应用推动教育教学模式变革，以融合创新优化教育服务供给方式，将是 人工智能教育应用的未来发展趋势，也是人工智能 时代教育发展的鲜明任务和重要机遇。
- 以数据驱动引领教育信息化发展方向
人工智能技术在教育领域的深人应用，推动着 信息技术与教育的融合创新发展。纵观人工智能在教 育领域的应用发展历程，从早期基于规则的知识表示 与推理，到今天基于深度学习的自然语言处理、语音 识别与图像识别，“智能”的习得已经由早期的专家 赋予演变为机器主动学习获取。除了算法模型的显著 改进，作为模型的训练数据集，大数据为人工智能添 加了十足的动力燃料。大数据智能以数据驱动和认知 计算为核心方法，从大数据中发现知识，进而根据知 识做出智能决策。数据已经成为产业界争夺的焦点， 数据驱动的智能决策与服务已经成为学术界研究的热 点。在教育领域，数据可以解释教育现象，也可以揭 示教育规律，并能够预测未来趋势。数据驱动的方法 推动着教育研究从经验主义走向数据主义和实证主 义。因此，教育数据革命已经到来。数据驱动的人工智能将引领教育信息化发展的新方向。 - 以深化应用推动教育教学模式变革
人工智能在教育领域取得如此大的成就，技术引 领是关键。同时，不难看出，人工智能在教育领域的 应用具有较强的场景性，也就是说，这种应用是针对 教育实践活动中的具体问题而展开的，具有明确的问 题空间和目标导向。也因此，这种由应用驱动的技术 与教育的融合发展，是技术在教育领域中的一种深人 应用。如自动化口语测评中，针对具体的语言语音对 象，在语音识别技术的基础上，应用语音测评技术实 现对学生口语的自动化评价。人工智能技术在教育领 域的深化应用，创设了强感知、高交互、泛在的学习 环境，为学生的知识建构活动提供了良好条件，为创 新型教学模式的发现和运用提供了空间。 - 以融合创新优化教育服务供给方式
人工智能在教育领域中的应用实现了跨学科、跨领域和跨媒体的融合创新。人工智能与神经科学、认知科学、心理学、数学等相关基础学科的交叉融合，联合推动了教育人工智能技术的发展和应用。同时，人工智能本身的发展，离不开人工智能教育和培训。而这种教育更需要建立于STEM学科融合的基础之上。人工智能与教育两者相辅相成，互相促进。跨领域推理融合了多个领域的数据与知识，莫定了强大的智能基础。跨媒体感知计算以智 能感知、场景感知、视听觉感知、多媒体自主学习等理论方法为依托，旨在实现超人感知和高动态、高纬度、多模式分布式大场景感知。人工智能技术与教学内容、教学媒体和知识传播路径的多层次融合，突破了传统教育方式的限制，提供跨学科、跨媒体、跨时空的智能教育服务供给，是建设“人人皆学、处处能学、时时可学”学习型社会的有效途径。
人工智能与教育融合创新发展体系？
在大数据和深度学习等技术的重要支撑下，人工智能关键技术的突破，推动了人工智能在教育领域中的多样化应用形态，并提供了更智能的学习服务与体验，呈现出智能化、自动化、个 性化、多元化和协同化的特征与趋势。在服务监控与治理的保障下，以政策为引领，牢牢把握“应用驱动”的基本原则，进而展开理论和技术研究，是推动人工智能与教育融合创新发展的重要路径。
国家中小学智慧教育平台教师数字化资源选择行为影响因素研究
选择行为：
选择行为是个体根据个人的知识结构，通过一定的心理过程，做出接受某一种或多种信息源的决策过程
理性选择理论：
理性选择理论（RCT)起源于政治学、经济学和行为 学，其本质是行为主体通过理性的考虑而做出某种行 为，从而使其自身的利益和行为得到最大程度的实现。理性选择理论认为个人利益与价值偏好是影响选择行为的关键因素，
感性选择理论：
理性选择论过分强调个体的理性，使理性在社会生活中处于无所不能的地位。而感性选择理论则是对盲目理性扩张展开反思，侧重于从理性对立面的情感、习惯、习俗或约定俗成的处事行为等来重建社会学的理论命题。
教师数字化资源选择行为的影响因素模型
理性选择因素变量：
在对数字化资源进行选择时，用户的个人利益与价值偏好指的是，教师认为选择该资源所付出的成本小于资源所带来的利益。
教师在甄选数字化资源与产品时会被经济购买力结构及社会、政策等多元因素的结构制约。
感性选择因素变量：
用户采取决策时习惯于求助于各种口碑来源，从而提升自己的专业性，降低决策风险。
用户的在线消费呈现出一种非理性的趋势，习惯成为促进重复选择的主要原因。
在智慧教学环境下，信任是指教师在情感上对数字资源平台和其他使用者的信赖程度，
教师对数字化资源的选择，本质上就是一个符号消费的过程，在消费的过程中，产生的品位、个性等，都是这些资源产品所携带的符号含义。
总的来说：
本研究认为教师在国家平台上的数字化资源选择行为是一个包含理性认知与感性判断、决策、
采用等环节的动态过程。理性选择因素包含个人利益与价值偏好、结构制约、口碑3个变量；感性选择因素包括习惯、信任、符号意义3个变量。
对国家智慧教育平台的建议？
- 探索先进技术服务，把握行为“画像”智能升级
教师在国家平台上的数字化资源选择行为呈现出复杂的决策特性，是感性选择与理性选择相互交织、彼此渗透的动态过程。掌握教师的选择行为发生因素对下一阶段深入推进国家平台常态化应用具有重要意义。在下一阶段国家平台的构建与优化过程中，要充分利用大数据分析和人工智能技术等先进技术，对教师在国家平台上的行为进行深度挖掘和分析。通过收集教师的教学习惯、资源选择偏好、应用情况等多维度数据，构建出更精确、全面的用户画像。基于教师画像数据，进一步为教师进行智能推荐，实现个性化、精准化资源选择、应用路径定制，强化教师个性化符号意义偏好和使用习惯，提升国家平台的智能化水平和教师用户体验，进一步增强教师的国家平台使用频率与应用深度。
- 研制精品数字资源，发挥平台“品牌”优势效应
在教育数字化转型的进程中，国家平台业已跨越从“平台建设”至“应用推广”的关键发展阶段，资源供给能力全方位跃升。但着眼于更高质量的教育生态构建，实现国家平台常态化运作的愿景，仍要进一步推动国家平台资源朝着专业化、精品化、体系化、安全化、丰富化方向进阶。“口碑”是影响教师在国家平台上的资源选择行为的关键因素之一，平台在下一阶段的优化过程中，要制定资源质量的建设标准，健全资源质量的审核、评价机制，谋划一批高质量、有影响力、可推广可借鉴的精品数字资源，一方面进一步扩大国家平台的品牌效应，一方面强化教师用户使用的数字资源的“品牌”概念，营造国家平台资源“质量至上”的口碑。忧师所忧，供师所需，以资源质量、平台服务等因素功能的提升，降低教师选择资源的时间和思维成本，继续弱化教师理性选择的制度制约因素，化“强制指令”的外驱力为“主动探索、积极应用”的内驱力。
- 构建高质量集成生态，强化多元参与信任体系
国家平台的建设最终指向构建一个高质量、可持续发展的教育生态系统，而信任是这个系统可持续发展的关键要素。首先，要加强国家平台资源的系统谋划，以国家平台为统一入口，与各级平台互联互通，实现国家平台资源高质量的集成建设，构建国家、各省市逐级参与的信任链接，强化教师对国家平台的信任支撑；其次，依托教育水平高的地区、办学水平高的学校、教学水平高的教师和制作水平高的团队开发建设课程教学资源，形成优校、优课、优师协同参与的信任环境；最后，加强国家平台的沟通路径和评价交互方式，积极与各级教育部门、学校、教师、社会、企业等多方合作与交流，促进各方之间的交流和互动，提高全体教师对平台建设的参与度，让教师切实走近国家平台、资源建设的全过程，强化教师与国家平台、资源之间的信任关系，从而增强国家平台的凝聚力和影响力。
AR增强现实
AR技术符合教育理念的部分？
（1）行为主义认为学习是刺激一反应(S-R)联结公式，由刺激得到反应而完成学习。在AR虚拟学习环境中，学习者与环境交互，而且能迅速得到反馈结果，并根据反馈结果决定下一步的操作，建立知识和反应之间的连接；
（2）AR虚拟学习环境中包括丰富的建构工具包和表现场所，并强调学习者自已更多的控制，这样既符合皮亚杰“把实验室搬到课堂中去”的设想与实践，又符合建构主义学习理论中关于“学习是一种真实情境的体验”的观点。
AR系统的基本流程？
支撑技术：成像设备，跟踪与定位技术，交互技术
需要实现虚拟物品和真实场景尽可能融合，要实现精确定位
流程：
- 捕获真实场景中的图像
- 分析真实场景和相机之间的举例
- 生成虚拟的对象
- 合并图像流生成虚实结合的场景
AR技术应用于教育领域的研究起点？
①从游戏的角度（三维游戏 3D graphics,3D虚拟世界，3D虚拟环境）
②从e-learning的角度
- 学习管理系统环境下的学习
- 社会网络环境下的学习
- 第三阶段是在三维虚拟空间中的学习， 增强现实学习即属于三维虚拟空间学习的范畴
- Learning
英文全称为（Electronic Learning），中文译作“数字（化）学习”、“电子（化）学习”、“网络（化）学习”等.
一是强调基于因特网的学习；二是强调电子化；三是强调在E-Learning中要把数字化内容与网络资源结合起来。三者强调的都是数字技术，强调用技术来对教育的实施过程发挥引导作用和进行改造。网络学习环境含有大量数据、档案资料、程序、教学软件、兴趣讨论组、新闻组等学习资源，形成了一个高度综合集成的资源库。
AR教育系统的特点和功能？
（一）将抽象的学习内容可视化、形象化
学生利用3D模型来增强对现实情景的感知能力，从而增强对事务的理解。利用3D增强现实技术的天文教学......
- 支持泛在环境下的情境式学习
在移动设备，无线网络和本地注册技术的支持下，以及在真实环境中的电脑仿真技术，游戏，模型和虚拟物体的帮助下，移动AR可以使无处不在的合作式和情景式学习得到加强,具有便捷性，交互性，情境性以及个性化。... - 提升学习者的存在感、直觉和专注度
类似教学游戏和虚拟空间这种增强现实软件和其它沉浸式学习媒体，能够让学习者有某种存在感，能够增强他们的直觉，让他们专注其中。
首先，AR 能够给学习者一个特殊的空间，让他们感觉到跟其他人同处一个位置。这种存在感可加强学生对学习社区的认知。其次，一个 AR 系统通过提供即时反馈和语音或非语音的提示来培养学生的直觉。由于直觉对培养学习中的情感价值非常重要，而 AR又恰恰能够将学习者、虚拟元素或信息以及某些特性在一个真实环境中融合到一块，所以，AR在培养学习者直觉方面有巨大潜力。最后，像AR 这样的沉浸式媒体，能够给学习者带来一种身临其境的感觉，而这种感觉也是一个人在综合而真实的体验中所拥有的主观感受。 - 使用自然方式交互学习对象
比如中学数学概率中的抛硬币实验。传统通过flash进行动画模拟，随机产生正反面，画面都是计算机生成的虚拟画面，缺乏与学生现实世界的交互；但是AR能以真实“抛”硬币的方式来增强玩游戏的体验感。比如，基于AR的凸透镜成像，学生用手操作虚拟蜡烛，透镜，改变物距，观察实验结果，这种非鼠标，键盘的自然交互方式，与做真实实验的感觉基本是一致的。 - 把正式学习与非正式学习相结合
例如，利用AR和其他技术，建立一个虚拟的关于科学的主题公园环境，分为学校模式和博物馆模式。学生通过对虚拟和传统博物馆的参观，利用AR将学校中学到的科学知识与其联系，增强学生对实验，模型等事务的形象化程度。
AR学习环境的教学方式？
这三类教学方法不具有排他性，在某些场合可以综合使用
- 基于角色扮演的AR教学
学习者在AR环境中可以扮演不同的角色，如仿真模拟，角色扮演等。不同角色的学习者在一个动态系统中，对交互的内容进行操作，增强学生之间的交互与合作 - 基于位置的AR教学
注重学习者和物理环境的交互。依靠移动设备的地理位置，将位置信息和学习内容关联起来。从而促进在真实的环境中，针对问题做出靠谱的决策。同时，当学生在能够第一时间获取当前位置的学习内容和周边环境信息的时候，可以通过与同伴分享，强化认知。 - 基于任务的AR教学
- 基于游戏（角色扮演，挑战活动）
- 基于问题（可以用来促进学习，自我鼓励，解决问题以及知识运用）
元宇宙
元宇宙名词解释
元宇宙（Meta verse）：元宇宙是综合多种新技术而产生的新型现实相融的互联网应用和社会形态，它基于扩展现实技术提供沉浸式体验，基于数字李生技术生成现实世界的镜像，基于区块链技术搭建经济体系，将虚拟世界与现实世界在经济系统、社交系统、身份系统上密融
元宇宙的特征
- 虚拟与现实深度融合
从元宇宙的存在形式来看，虚拟与现实的深度融合是元宇宙最基本的特征。元宇宙是利用成熟的数字技术来构建既基于现实又独立于现实的“数字孪生”世界，既包括现实世界的数字化复制品，又包括虚拟世界的自主创造物。元宇宙通过视觉，触觉，听觉以及全身感觉器官的穿戴设备，以及低延迟，高仿真的交互技术，让用户产生在场的感觉刺激，有利于在元宇宙中的在线交流与互动，实现沉浸式体验。因此，通过“数字孪生”世界的搭建和沉浸式的体验，促进虚拟世界和现实的深度融合，能让用户在元宇宙中 产生仿真现实又超越现实的沉浸感受。 - 智能数字化技术的集合
元宇宙是一个开放，自由，复杂，巨大的生态系统，涵盖了整个网络，终端设备和现实条件，是不同类型建造者共同构建的超大型数字应用生态，各种智能数字技术是其根基。元宇宙的组建依托于MR、区块链、通信技术、云计算、物联网与人工智能等数字技术的集合，如通过MR、脑机接口、物联网与可穿戴设备等交互技术进入虚拟世界，进行沉浸式体验与交互；通过区块链、人工智能技术来监管和维护元宇宙的运转体系，确保元宇宙持续稳定、符合标准与高效健康地运转；通过5G、云计算技术来支撑大规模用户的同时在线交互活动，保障交互的流畅性与低延迟。随着技术的进一步发展，更多先进技术与创新应用也将逐步纳入元宇宙的组建中来。 - 线上和线下一体化关系
基于虚拟与现实深度融合的特征，元宇宙中虚拟与现实的界限将不再清晰，用户可以依据个性化需求在虚拟与现实世界中任意转换不同的社会形式。元宇宙中每个用户都将拥有唯一的元宇宙身份标识，并且能够通过该身份标识 在元宇宙中产生具有现实感的真实社会交往关系。同时，基于该身份标识，用户可以随时随地通过相应数字设备进入到元宇宙来，进行学习、工作、生活等社会活动。在此过程中，用户的虚拟身份或集体角色会在线上与线下的转换过程中保持全面与完整 (Dionisioetal.,2013）。因此，元宇宙将深刻冲击当前社会的组织形态与运作形式，进而形成线上与线下全面一体化的新型社会关系。 - 加深用户思维的表象化。
元宇宙为用户提供了一个沉浸体验、具身交互的虚拟现实深度融合系统，能够让用户利用海量资源 和技术工具实现“可见即可感知”“可想即可尝试”等抽象思维表象化的过程。首先，用户在元宇宙中是“自由”与“全能” 的，能够通过相应操作将自己的思维即时转化为具体有形的产品，使抽象复杂思维有效地实现清晰化与具体化，易于自身理解与分享交流。其次，思维的表象化能够让用户专注与沉浸于自身的思考过程中，规避因多媒体技术为代表呈现的“中介”信息而造成用户专注度、反思能力与逻辑能力弱化的问题。
元宇宙应用于在线教育的理论基础
- 具身认知理论
具身认知理论基于对传统“身—心”二元认知观的批判，认为认知的形成是大脑、身体与环境间相互作用的结果。身体的感觉运动系统，形态结构和经历体验都会影响认知的形成与发展。强调身体参与认知的过程，身体和环境的具身交互，因此在认知形成过程中重视置身情景，身体感知和动态交互。 - 分布认知理论
认为认知分布于个体内，个体间，媒介，环境，文化，社会，以及时间之中。分布式认知是一种认知活动，是对个体内部表征和外部环境进行信息加工的过程。和传统认知理论相比，分布式认知强调认知活动的系统性，认为认知活动过程中的各个要素是紧密相连的，而且都会对认知活动发挥相应的作用。
- 沉浸理论
也称为“心流理论”，用于描述人全身心地投入某种活动，不受周围环境其它因素干扰，并达到一种极致愉悦的状态。“挑战”和“技能”的关系被认为是影响沉浸的主要因素，当同时面临高挑战和拥有高技能的时候，沉浸体验才有可能发生。同时沉浸体验的产生还需要学习者自由开放地参与到相应的活动中。
基于元宇宙的智能在线学习环境构建
技术架构，系统结构，组成要素和培养目标
- 技术统摄——构建基石
- 系统结构——空间塑造。
- 构造环境。也就是师生所处的感知共生场域，包括真实镜像，虚拟造物，穿戴设备和学习场域。元宇宙构造环境既赋能现实，又超越虚拟，学习者可进行泛在、自由和富有成效的学习。
- 信息环境。//也就是动态数据流通和资源服务环境。//宇宙不仅能智能供给资源，而且让学习者深处资源之中，达到资源服务与学习者认知的智能耦合。数据聚合，即将学习者的历史数据与动态的行为、生理、心理和认知等数据进行有机整合，及时反馈给系统、教师与学习者自身，以动态优化教学过程；知识生长，即建立智能化的知识资源库，形成原生资源、动态资源与再生资源的知识流转循环，实现知识的动态更新；动态服务，即打通知识呈现、场景表现、路径优化与智能推送的边界，以降低认知负荷，实现“所思有所得”；虚实联通，即实现元宇宙中的信息与现实世界的信息无缝对接。
- 心理环境。即师生动态性与持续性的主观整体感受。//其组成部分包括：场所感，即元宇宙能创造让学习者产生身份认同、功能依赖和情感依恋的学习居所感受；具身感，即通过身体参与运动、相称姿态动作和感知增强等沉浸式交互，可产生环境、认知和身体高度融合的在场体验；临场感，即通过创设良好的自主探究、合作探索和意义整合的环境，可促进学习者情感表达、开放沟通和团结协同的感受；认同感，即学习者拥有对所处环境和自身有价值或有用的评估，能让学习者产生较高的心理认同和规则认同。
- 文化环境。即师生共同的外在行为遵循与内在价值认同。元宇宙将重塑环境与人的关系，形成多元、和谐、开放和生 成的文化场域。其组成部分包括：人机协同，即将人类智能与机器智能进行有效融合产生“协同智能”（蔡连玉等，2021）， 元宇宙中的智能技术广泛参与到目标制定、内容生成、过程规划和结果评估之中，可形成人一技互为主体的学习生态；秩序规 范，即在元宇宙所形成的社会准则影响下，重新建构学习环境的运行准则；人际交往，即在元宇宙富媒体学习环境中，所形成的 自由、平等、公正的人际关系；价值观念，即对元宇宙学习环境中的自我、行为、规则、品德等的综合认知。
- 组成要素——核心表征（8个）
- 复合资源
- 智能工具
- 意向活动
- 全人评价
- 具身学习
- 学习伙伴。元宇宙中的“人际”关系将超越现实束缚，形成更为紧密的伙伴关系
- 教学类群。教师也可塑造与学习者相同的存在类型。
教育元宇宙
教育元宇宙名词解释
教育元宇宙是利用VR/AR/MR、数字孪生、5G、人工智能、区块链等新兴信息技术塑造的虚实融合教育环境，是虚拟与现实全面交织、人类与机器全面联结、学校与社会全面互动的智慧教育环境高阶形态。
教育元宇宙及其特征1.0
教育具有开放性、不可还原性、非线性与非均衡性等特征，是一个复杂系统。
以往人们研究教育系统通常采取理论研究和试验两种方式，而元宇宙的出现，有可能为人类认识教育系统的复杂性和教育的发生发展规律带来第三种方式。
将元宇宙在教育中的应用称为“教育元宇宙”。
三个核心特征：
- 强调社交互动——交互性
教育场景的四大基本要素：教师，学生，学习资源，学习环境。对于教育元宇宙中的学习环境，不是固定的，可以由部分或者全部成员修改，从而促进学生和学习资源，学习环境之间的交互。
此外，①允许学生和教师之间通过代理建立关系，可以通过虚拟形象传达学生或者老师的角色。②学生可以在教育元宇宙中社交，建立社会关系③随时随地的社会交互，扩宽了学习空间，提供更多学习，社交机会④交互性为不同阶段，学科，层次，领域的教育打开了一扇门，为这些形式的教育活动注入灵感。
（2）真实世界的虚拟——沉浸性
由于和现实世界很像，所以可以通过模拟物理定律为用户提供一个逼真的现实世界环境。因此，我们所熟悉的一些行为（如身体不能穿过墙壁、物体由于重力下落等）能够在三维立体的虚拟环境中得以反映，这极大地提高了虚拟世界的真实感和沉浸性。然而，为了促进用户在教育元宇宙中的探索，也有一些情况例外，如用户可以腾空而起或瞬间传送到教育元宇宙中的任意地方。教育元宇宙高度真实和沉浸的特征将进一步提升用户的存在感、临场感，使用户身临其境般的学习成为可能。
（3）自由，开发，灵活的规则——多元性
教育元宇宙不像商业游戏一样有预置的规则，它并不强加任何既定的规则或目标。
①所有的教育元宇宙居民（即用户，而非平台的开发者）负责定义他们自己理想环境的规则和条件，这使得用户在教育元宇宙中几乎可以做任何想做的事情，如举办音乐会、组织游戏、开设大学讲座等
②采用分布式云计算技术，将服务器托于世界不同的地区，因此教育元宇宙允许用户根据需求扩大或缩小学习环境的规模。
③提供访问控制，可以在共享环境中引入私人空间，从而大规模开放在线课程（Massive Open Online Courses，MOOC）和小规模私有在线课程（Small Private Online Course，SPOC）都可以通过三维沉浸的方式展开，产生无限，多元的教育活动形式。
教育元宇宙的底层支撑技术？
大致可归为六大类：网络及运算技术、物联网技术、区块链技术、交互技术、电子游戏技术、人工智能技术。
- 网络及运算技术，5G校园网、边缘计算、多终端协同云计算可作为教育元宇宙的网络及运算基础设施，为未来学生和教师享受高带宽、低延迟、多连接的泛在学习场景提供坚实的硬件环境基础；
- 物联网技术，芯片的小型化和计算能力的大幅提升，促进了物联网技术的迅速 普及，为教育元宇宙感知物理世界的信号和接入教育元宇宙提供了传输通道，这种万物互联的 学习环境必定会激发出学生动手创作新世界的热情，并为未来的安全校园、创客教育、多模态智慧课堂提供有力支撑；
- 区块链技术，该技术的去中心化、分布式、可追溯性、高信任度等 技术特征，确保了教育管理和教学过程中所产生数据信息的完整性和安全性，可为未来教育元宇宙中学习成果认证、学分银行建设、数字资源管理及分发、开放教育资源生态构建、数字校园社区自组织运行等提供基于规则与算法运作的知识分享与认证保障；
- 交互技术，以计算机图形学、计算机视觉、姿态识别、手势识别甚至脑机接口等人机交互技术为支撑的三维虚拟现实/增强现实学习环境，为教育元宇宙带来了无限想象空间，使学生的学习不再局限于视觉和听觉两个通道，因为多通道融合的VR/AR技术可让学生在教育元宇宙中的学习活动汇聚视觉、听觉、触觉、嗅觉、味觉等综合感官体验；
- 电子游戏技术，电子游戏技术衍生出来的游戏化学习、悦趣化学习让学生在教育元宇宙中的学习变得更加有趣，配合多模态的数据、脑科学技术，游戏化学习在提供更多沉浸感的同时，也让学生的学习过程更加科学、合理；
- 人工智能技术，教育元宇宙中个性化推荐、教学行为数据挖掘、知识图谱、多模态情感计算得益于当前人工智能技术的飞速发展，智能导师、智能测评、多模态情感计算等都将在教育元宇宙中得到更广泛的发展和应用。这些底层支撑技术和应用场景为教育元宇宙的发展与落地提供了坚实、有力的基础，并描绘了一幅极具想象力的未来教育蓝图。
教育元宇宙的应用案例
- 学科教育
- 数学、物理、化学、生物一一虚拟实验室
-
- 语文、英语、历史、地理一一沉浸式情境体验
- 非正式学习
- 虚拟学习社区
新冠肺炎疫情的出现和互联网技术的发展，使得建立虚拟学习社区成为关注热点。一个完整的虚拟学习社区，大多具有历史、身份、相互依赖、多元化、自治、参与、社交礼仪、反思、学习等基本要素30。众多研究表明，基于网络的协作学习环境会使社区成员获得更强的社区意识和参与感，可以推动成员之间的互动，并促进成员对知识的理解。 - 博物馆教育/科技馆教育
VR/AR技术能够帮助呈现部分不易或无法真实展示的实物，丰富展出的内容和形式，带给参观者更全面的游览体验。而教育元宇宙可以更加丰富博物馆、科技馆的教育形式，使学生跨越时间和空间，给学生创造近乎真实的博物馆、科技馆情境，从而使学习在相关情境中自然而然地发生
- 虚拟学习社区
- 职业培训
目前，VR/AR 技术在职业教育领域中发挥着举足轻重的作用，一些受客观条件限制而难以开展或危险性高的实验、培训等，可以通过教育元宇宙中的 VR/AR 技术实现。
比如：医学（感觉扯远了）
教育元宇宙的挑战？
- 缺乏顶层设计和评估机制
- 没有明确的发展目标
- 理论研究处于分散状态，无统一方案
- 技术不够成熟，应用门槛比较高
- 5G 网络不够普及、人工智能不够智能、虚拟现实不够沉浸、增强现实不够虚实融合、人机交互不够自然等
- 头盔、眼镜、手柄等专用硬件设备不够便携，操作也比较复杂，软件的功能设计和实际应用门槛矛盾突出
- 教学应用缺乏深入探究
- 校园课堂的 VR/AR 教学应用产品以科普类的体验为主，很多停留在演示和简单交互阶段，而对于课程教学内容的深入探究不足
- 警惕资本炒作和绑架
- 存在伦理风险
- 隐私角度：保护个人数据
- 价值观念：从不同文化输出和虚假舆论中树立正确价值观
教育元宇宙的展望和建议？
- 明确目标和布局方案
加强顶层设计，将元宇宙相关技术运用到教育教学中的发展目标和具体方案。①明确通过元宇宙培养哪些核心素养和能力，②怎样设计课程内容，需要怎样的师资，如何鼓励教师参与其中②试点学校先行，为普及化实施积累经验 - 聚焦多通道自然交互
①充分发挥视觉体验技术
②加强自然交互技术的研发 - 注重教学内容设计
个人总结：
这周:
1. 关于学习时间的问题，若是一天都没有课，我发现自己是不能从早上一屁股坐到晚上的，中午，傍晚是要休息的，否则强迫自己坐下去，最终会形成逆反心理，也不利于长期学习。
2. 理解>all,东西是背不完的，要先理解，在理解的基础上形成记忆，否则死记硬背，慢慢就会丧失对这门学科的兴趣，也不利于长期学习。要及时记忆的，否则过两天就不知道自己写的什么了。
3. 减少内耗，让行动走在杂乱的思绪前面吧。今日事，今日毕；
下周：
想要开始整理计算机网络，数据库的知识点，基础知识还是要打牢的，想要再复盘一下《新编》这本书的基础知识。