欢迎来到易发表网!

关于我们 期刊咨询 科普杂志

人工智能基础教育优选九篇

时间:2023-08-27 15:02:27

引言:易发表网凭借丰富的文秘实践,为您精心挑选了九篇人工智能基础教育范例。如需获取更多原创内容,可随时联系我们的客服老师。

人工智能基础教育

第1篇

不知不觉,又是一年结束了。在同志们的支持下,我不仅圆满地完成了教学任务,还在思想业务水平上有了很大的提高。现将有关方面总结如下:

一、思想品德方面

热爱并忠诚于教学事业,教学态度认真,教风扎实,爱岗敬业,工作积极,团结同志。工作中尽职尽责,做到教书育人,为人师表,自觉遵守学校的规章制度。认真完成教育教学工作任务,取人之长,补己之短。在今后的工作中,我会不断严格要求自己。

二、教学方面

本学期,我担任的是《机床电气控制》和《电工技术基础与技能》的教学工作。为了能更好的提高他们的学习成绩,在工作中认真学习新课程标准,使自己的教育教学水平不断创新,不断提高。

1、认真备课

课上的是否成功,很大程度上取决于课备得是否精彩,因此每节课我都认真作好课前备课。认真钻研教材,对教材的基本内容都弄清楚,了解教材的结构,重点与难点,掌握知识的逻辑,能运用自如,知道应该补充哪些资料,怎样才能教好。了解学生原有的知识技能及他们的兴趣、需要、学习方法、学习习惯,学习新知识时可能会有哪些困难,采取相应的预防措施。仔细考虑教法,解决如何把教材的内容传授给学生,如何组织教材、如何拓展教材,如何安排每节课的活动。甚至细化到自己的每句话应该怎么说,以便能调动起学生的积极性和求知欲,让他们对所教课程感兴趣,为能更好的学习打下基础。

2、积极上课

备课充分,能调动学生的积极性,上课效果就会好。但同时又要有驾驭课堂的能力,因为学生在课堂上的一举一动都会直接影响课堂教学。因此一定要组织好课堂教学,关注全体学生,注意信息反馈,调动学生的有意注意,使其保持相对稳定性,同时,激发学生的情感,使他们产生愉悦的心境,创造良好的课堂气氛,课堂语言简洁明了,克服了以前重复的毛病,课堂提问面向全体学生,注意引发学生学数学的兴趣,课堂上讲练结合,作业少而精。教师是每节课的组织者,所以,老师每天都要有充足的精神,让学生感受到一种自然气氛。这样,授课就事半功倍。

3、精心批改作业

要提高教学质量,一定要做好课后辅导工作,本年度由于疫情利用钉钉在线教学。在教学中,我有针对性的对一些学生尤其是后进生进行辅导,从最基本知识点着手,然后是电路结构和原理,每讲完一节课,我都要利用钉钉软件在线布置作业,讲解知识点,当天的内容当天完成,不让学生欠债。不断地给他们鼓励,经常询问他们学习上的困难,帮助他们解决问题,在批改作业方面,每一次都能做到全批全改,对个别学生错的地方、不会的地方,认真讲解,从不放任自流。

三.教育工作方面

爱学生是对老师最最基本的要求。老师爱学生,可以弥补家庭和社会教育的不足,使教师的影响长久地保存在学生的内心深处。要做一个合格的人民教师,还要爱学生。不论在生活上,还是在学习上,都要给予必要的关心和帮助。我还抽时间给学生谈心、交流,和学生共同活动,缩短了师生距离。由于我爱学生,关心学生,处理问题及时,方法得当,注意和学生沟通,所以,学生就信任我,喜欢我,也喜欢上我的课。热爱学生,还表现在教师对学生的尊重和信任,以及对学生的严格要求。尊重学生的人格,了解学生的个性,相信学生,关心学生,既统一严格要求,又注意学生的个体差异,区别对待。对程度、水平不同的学生,采取不同的教育方法,因材施教。关爱每一个学生,特别是差生,使每一个学生都学有所得,不让一个学生掉队,把每一个学生都培养成社会有用的人才。一个教师能得到学生的信任,使自己的工作顺利进行,使学生能健康活泼的成长,是自己最大的成功和欣慰。

第2篇

人工智能技术及其应用的发展历史虽然只有短短的50余年,但是它作为信息技术的前沿领域,对社会经济和发展的影响却越来越大。在基础教育课程改革的大潮中,许多国家意识到基础教育领域开展人工智能教育的必要性,努力把人工智能列入技术类教育的教学内容中。作为师范类院校,教授人工智能课是有必要的。? 

(1)为部分优秀的学生将来做更深入的研究打坚实的基础。在面向知识经济的今天,研究获取、表示和使用知识的人工智能学科越来越受到人们的重视。目前人工智能研究被列为中国高技术领域的重点之一。以专家系统为代表的智能化系统在信息技术中也占有重要地位。因此在高等教育中开展人工智能教育和智能化系统的研发,不仅是计算机科学的应用,也是促进各学科服务于国民经济发展的必然趋势。为使人工智能的理论、方法和技术的研究与应用普及和深入,教育重心必须要下移,即从研究生教育向本科教育普及。开展本科层次人工智能普及教育的有效途径之一是在本科高年级开设相关选修课。开展人工智能教育,不仅能够更好地发挥高等院校的育人和科学研究功能,而且能为学生拓宽专业路径,扩大自主学习空间和发展个性创造条件,同时也为营造一个使学生不仅有宽厚、扎实的理论基础,且具综合分析和解决问题能力的环境。? 

(2)为将来从教的学生积聚大量的知识。英国早在1999年,人工智能课程已经作为选修课出现在中学的信息与通讯技术(ICT)课程中。许多中小学还通过机器人竞赛活动来激发中小学生学习人工智能的兴趣,使学生不仅提高了用信息技术解决问题的能力,而且培养了多种思维方式,获得了更多的创新空间。美国现行的中学信息技术课程设置中,将人工智能的内容作为“媒体与技术”层面对12年级学生的要求。澳大利亚的部分中学开设的信息处理与技术课程,人工智能、信息系统、算法和程序设计、社会和伦理道德、计算机系统分别作为5个主题共同构成了该课程的教学内容。在该课程的大纲中规定,人工智能部分的教学内容在高中第3学期为12年级的学生开设,教学时间为10周。? 

在我国,多年以来中学奥林匹克信息学竞赛中一直包含有人工智能相关的题目,涉及启发式搜索、博弈、智能程序设计等问题。2003年4月,我国教育部正式颁布《普通高中技术课程标准(实验)》,首次在信息技术科目中设立了“人工智能初步”选修模块,标志着我国高中人工智能课程的正式起步。? 

我国的新课程标准颁布后,教育部评审并通过了分别由教育科学出版社、广东高教出版社、地图出版社、上海科技教育出版社和浙江教育出版社出版的5套高中《人工智能初步》教材,并开发了相应的教辅材料,包括教师用书和配套光盘等。为了配合中学人工智能课程的实施,国内也推出了一些适合中学生学习与体验的人工智能软件和网络资源。另一方面,一些高校的本科生、研究生也逐步关注中学人工智能教育的开展并将其作为毕业论文的研究选题。一些师范院校适应形势要求,已为师范生开设了与此相关的选修课程。? 

2 人工智能的教育及教学条件现状? 

通过对本人多年的教学过程进行总结,我校的《人工智能》课程教育现状可总结为如下几点:? 

(1)理论知识充裕。但与实践相脱节,特别是在智能科学技术的教育教学方面。尽管知识面相当广泛,而人工智能理论的普及教育以及智能技术的开发与应用仍然十分滞后。? 

(2)同其它普通高等院校一样,在本校,人工智能技术的研究与应用尚未普及,甚至比不上其它院校。这不利于培养学生的科研兴趣及创造精神。? 

(3)缺乏配套实验教材,实验教学内容缺乏,无法培养学生的研究能力和创新能力。只有开设实验项目,才能使人工智能的相关知识具有研究性和综合性。? 

(4)对中小学智能教育的深度及教学方式、教学特点缺乏研究。做为师范类院校,我认为在对学生进行基础知识教育的基础上,要紧抓中小学智能教育的特点对师范类学生进行相关的教育与培训。? 

相对于教育现状,我校的《人工智能》课程教学条件现状要稍好一些,其状态如下:? 

(1)教材使用国家级规划教材,此教材非常系统地介绍了人工智能的基本原理、方法和应用技术,适合本科及研究生使用。在我们的授课过程中,也会适当为学生提供相关的国内其他先进教材,如中南大学蔡自兴教授的《人工智能及其应用》等。? 

(2)为了促进学生自主学习,我们准备了多种类型的扩充性学习资料,加强学生主动学习的意识,包括:课程相关杂志和书籍目录,以及部分重要的参考文献,与人工智能相关的网络资源如优秀BBS、新闻组、网址等。 它们包括了大量的文献资料、本领域研究的前沿动态等。 使用表明,学生非常乐于查阅这些资源。 使学生能通过使用这些资源进行一些人工智能程序设计,探讨一些问题,在课堂讨论中展示他们的收获。? 

(3)校园网的普及与不断优化使本课程有优良的实践性教学环境,能充分满足教学需要。我们拥有较充足的多媒体教室和网络教室,为实现本课程教学提供了物质保障。在网络资源建设方面,全校办公室、教室、学生宿舍和教师宿舍都以宽带网相连,这些硬件设备对本课程教学发挥了重要作用,使本课程教学质量得以明显提高。? 

3 人工智能教学方法及手段的改革? 

针对我们现在所采取的教学方法,我认为存在许多不足,如教学方式比较单一,教学内容偏重理论讲解等,为此,提出以下教学方法的改革:? 

(1)通过多种途径激发学生的学习兴趣。课程的学习效果,直接受到学生兴趣和参与意识的影响。一般来讲,《人工智能》作为一门前沿课程,开始学生学习兴趣很大,当开始接触到抽象理论知识及部分算法时,学生往往感到不易接受。 我们通过各种途径和方法, 激发和培养学生的学习兴趣,包括鼓励学生参与某部分知识的扩充性资料查找,预留一定时间请学生负责对此内容进行讲解,布置学生对某个基本成型的实验进行纠错及验证,降低问题解决的难度。学生因此产生兴趣从而做更深度研究。? 

(2)进行启发式教学。 我们可以尝试在教学过程中不断提出问题请学生思考,启发学生求解这些问题,鼓励学生提出自己的猜想和解决方案,然后摆出教材中的解决方案,并与同学所提出的观点进行分析和比较,这足以加强学生学习的主动意识和参与意识,提高学生学习的积极性。? 

(3)课堂辩论与交互式教学。 组织课堂辩论,讨论的议题可定位为譬如人工智能是否能超过人类智能等有争议的问题。学生通过对这些问题展开激烈争论,激发了学习潜能,明确了学习目标。当然师生间的交流方式还有很多,如邮件互发、QQ留言等,也可在课程网站中的互动平台进行交流。? 

(4)分层次因材施教。 在授课过程中,通过对每个具体学生的学习进度、课堂作业情况进行及时评估,对学生提出进一步的学习建议和指导, 实现个性化的教学。 对优秀学生探讨,可以在教学设计和实验设计中要求其选作部分探索性、创新性的功课和实验,以发挥学生个性优势。对于有意于将来从事中小学教育的学生可以在机器人及人工智能技术发展现状等知识层面对其做问题讲解。而那些看似缺乏兴趣的学生,我们可以用多媒体手段如播放人工智能相关电影及科学小片引起其兴趣,实行逐步引导的教学过程。? 

另外,我们可以尝试双语教学。 采用中文教材和讲授的同时,注重在课程中的关键词同时用英文表示,并适当指定英文参考短文和英文参考书。使学生能够接触国外文献资料,加深对学习内容的理解,获得更宽广的知识。我们也可以在教学内容安排上,注重理论联系实际,将一些人工智能网络上的虚拟实验给学生进行课外上网练习,从而使学生了解算法的具体运行过程, 通过参与达到知识的理解,掌握基本方法和技术。? 

 

根据现有的条件,我们在教学中可以采用多媒体教学和网络课程教学相结合的方法,充分利用多媒体的丰富表现形式,利用网络课程的交互性、情景化等特点,构筑以学生为主体的《人工智能》课程现代教学模式。 对于抽象知识,可通过动画和视频演示,通过声音和图像展示人工智能的历史、人物和前景,做到学生直接而深刻地看到知识的内涵外延。网络课程能较好地实现交互并使学习过程情景化,通过网络课程的课堂练习和章节练习,教师可以评价学生的学习情况,并给学生提出学习建议,从而提高学生的研究力和创新力。我们也可以给学生播放中学《人工智能》课程课堂教学录像,以使学生看到初高中学生的知识范围及深度;同时给学生播放现有的《人工智能》科学成果,让学生看到理论背后的实践;也可以播放科幻片,激发学生想象的翅膀从而有兴趣把人工智能作为将来深造的方向。《人工智能》是一门较新的课程,改进教学方法和手段不仅要靠教师,也应增加硬件设备的投入。如果人工智能能采用智能辅助教学系统或机器人辅助教学过程逼真、形象,一目了然,这样可大大提高学生的学习效率,尤其是提高学生的观察判断能力、发现问题和解决问题的能力。? 

4 人工智能实践教学设计的探讨? 

我们可以在教学过程中,适量开设一些实验和设计,提高学生的动手能力,并加深他们对理论知识的理解,降低理论的抽象度,提升理论的实用性。在近两年的教学过程中,我们会适量加入一些人工智能语言的教学过程。例如,在讲解了“野人与传教士过河”等问题后,我们可以让学生使用Visual Prolog或者C ?++?对算法进行实现;在讲解 TSP 问题的遗传算法解决案例后,指出编码方案、初始种群大小、进化代数、交叉率变异率等因素对求解结果的影响,并要求学生通过实验的方式来分析、理解这些问题,并提出“寻找更有利的解决方案”等问题。把学生的兴趣激发后,为解决这些问题,学生会在课外主动查阅相关文献、相互讨论以实现他们所设计的方案,这样既培养了学生善于钻研和勇于创新的精神又提高了学生的实践与创新能力。? 

参考文献:? 

[1] 熊德兰,李梅莲,鄢靖丰.人工智能中实践教学的探讨[J].宿州学院学报,2008(1).? 

[2] 何元烈,汪玲.“Visual C ?++?”在“人工智能”教学中的应用与探讨[J].广东工业大学学报:社会科学版,2008(8).? 

第3篇

在大数据的“滋养”下,AI在越来越多的领域更懂人,让拥有深度学习能力、不断进化的AI帮助人类探索学习规律、开拓认知潜能,已成为人不被机器淘汰的必要之举,根据教育部的规定,2018年秋季开学后,高中生们将要开设一门新课程:《人工智能》。

互联网教育尤其是线上K12培优项目一直是投资热门,直播1对1模式风口过后,教育圈内最火的应该是AI项目了。据亿欧智库的报告显示,2017年人工智能教育融资额度达42.17亿元,其中超80%属于早期投资项目,这个赛道有望诞生多个独角兽公司。

笔者发现,当前布局人工智能的在线教育大体分为三派:

教学或题库测评类工具产品,比如作业盒子等;

培训机构应用AI技术,比如好未来等;

人工智能教育引擎及平台提供商,比如高木学习等。

现在摆在AI教育创投从业者面前的问题是:到底以技术实力论英雄的AI教育的泡沫有多大?真金不怕火炼的AI教育项目的核心能力在哪里?如何才能落地? 本文试做解读。

一、为什么“自适应”其实并非真正的AI?一位投资人朋友曾向我这样说道:“既懂互联网行业又完全懂本行业的业务的管理型人才不超过十个,这是在‘互联网+’双创浪潮中每个垂直行业头部项目就几家能玩转的原因。”而认知和技术门槛更高的“AI+”情况恐怕会更加不妙,甚至很多人把“自适应”与“AI教育”划等号。

自适应学习(Adaptive Learning)的鼻祖是美国的Knewton公司,它通过评估不同学生对知识材料掌握度进行个性化推荐,有点类似于今日头条的兴趣引擎。 Knewton在国内的门徒众多,目前大概有40多家项目宣布发力做“自适应”,比如“乂学教育”(学练测自适应)、“学吧课堂”(题库自适应)、“英语 流利说”(英语口语纠正)、“一起作业”(家长、老师在线监控)等等。

嘉御基金创始人卫哲说过,“90%的人工智能项目都是伪AI”,鉴别的依据是看项目“算法速度”,如果是代数级而不是几何级计算那就不是“真AI”,以此来考验自适应项目,得到的结论未免让人失望。

初级的自适应项目是人工预设指令或编程规则推荐,高级的自适应是基于知识图谱推荐,即使是高级的自适应项目由于没有按照既定的教学大纲和教学目标有 逻辑地展开,在具体知识学习之中并不系统。关键是很多自适应项目采集的是各科最优秀特级教师的能力,导致其算法本身是线性的、模拟人学习而已。

自适应的技术原理就好比AlphaGo是应用了人类最优秀围棋大师的能力而非是完全迥异机器深度学习和自演化模型;自动驾驶AI应用了某个人类零误 差老司机的感知能力而非是基于全网海量交通大数据做运算和决策;人工智能医生是应用了看X片最快最准的医生的经验而非是海量数据库训练;显然按这样的路径 训练出的机器并非是真正的AI。

“真正拥有充分教学大数据及算法速度的‘AI教师’是能轻松超越拥有30年教龄特级教师的,并且可以突破人类的知识局限,对算法模型进行自动演化,找到人类从未尝试过的策略。”高木学习创始人刘瞻这样描述AI教师。

刘瞻是帝国理工学院科班出身,早在2015年开启AI教育创业,他认为判断真伪AI教育项目具体有三个考察维度:

(1)自适应是基于模拟优秀老师的知识图谱推荐知识,而真正的AI教育机器人则是泡在“教学实践大数据”中做深度学习。

(2)自适应主要用作知识盲点的统计,但无法分析出知识体系之间的本质联系,用AI更重要的任务是找到行为背后的原因,比如某学生表面上二次函数是 薄弱环节,既有可能是其对二次函数的各细分知识点掌握不牢,也有可能是前置知识点一次函数、函数的思想理解不透彻,还有可能是方程求解的问题;甚至有可能 是抽象思维或计算能力的问题,AI会根据该学生数据和“知识路径矩阵”,找到问题背后的原因从而匹配出最优学习路径。

(3)人类教师的情感因素能左右学生的学习效果,AI教师也应综合考虑学生的自信心与成就感的培育与激发,从而确保学生学习过程“知”、“情”、“意”的一体化。

二、AI教育的核心:帮助每个学生找到“元认知能力”AI教育并不会改变“老师-学生”的二元结构,甚至人工智能教育还要在师生两端彻底解决互联网教育未完成的两大难题:

如何帮助学生找到学习方法、提升学习效率?在中国一个普通中学生80%的学习时间是低效的。

如何帮助老师对学生更高效的“因材施教”?目前在我国师资资源依然整体短缺并且分布不均,1对1培优成本高、小班普及率低等问题依然突出。

AI教育的优势在于通过数据化形式分析学生自己都不清楚的“症结”,即所谓的“懂我更懂教好我”,同时AI还能帮助老师实现教学效果的稳定化和可控化。AI在充分收集和处理教与学两端的大数据后,还得在具体教学场景之中个性化建模,最终实现“让学生更会学,让老师更会教”,这是人工智能教育的目的。

陶行知先生说过,“教是为了不教”,教育本质不是灌输知识,而是要启发学生思考并让学生掌握自主学习的能力。目前很多伪AI学习神器只能“授人以 鱼”但并不能“授人以渔”,我国基础教育历来缺乏方法论课程,只有极少数有天赋的学生能自主制定适合自己的学习方案,而绝大多数天资处于平均线的学生在混 沌中摸索。如果从AI的视角来看,所谓“天赋”不过是少数幸运儿自觉不自觉的分享了“元认知能力”。

当人主动设定学习计划、自我反馈、动态调整学习策略时,就接近了“元认知”,在大数据时代,这种元认知能力是能被定量化分析的,AI 教育可以为学习者提供关于反复激活元认知能力的“训练法”。根据刘瞻的解读,AI教育的“训练法”就好比给蹒跚学步的婴儿安上矫正走姿的“学步车”,具体 应用什么样“训练模型”则是由AI根据大数据进行场景化定制的,有可能是通向学习目标所需要的“云梯”,有可能是“舟楫”,或者是“拐杖”等等,这些模型 能不断调取和强化人的“元认知能力”。

尽管市面上90%项目都是着眼于知识点和解题训练的自适应,真正AI教育项目比如高木学习的AI不仅包含自适应的知识图谱大数据,而且还能不断从学 生的行为数据中演化“知识路径矩阵”即AI可根据学生对知识和能力体系的理解定制出个性化学习路径。与此同时,AI让学生在对知识的理解与记忆过程中不仅 训练知识掌握度,还不自觉地训练了元认知能力,这套“个性化学习引擎”其实是在培养学生“忘掉所有知识后”剩下的元认知能力,具有普适化的特点。

实际上,AI教育并不需要局限在某一学习阶段、某一学科的知识体系,完全可以打造一个跨学科、跨门类、跨阶段使用的“通用知识学习引擎”,也就是说,除了应用在K12领域外,AI教育还可以应用在高等教育阶段,甚至在辅导大学生时比中小学生会更为轻松,无须综合考虑学生的学习动力因素等。

反过来讲,如果市面上的人工智能教育项目只能用于某一单科或只能教K12,就不是基于大数据获取和智能化引擎的“全才”和“通才”,基本可视为基于特定领域专家总结的经验规则的“伪AI”。

三、为什么AI教育项目落地,to B模式比to C模式更容易跑通?当前AI教育项目的商业化进程走向大体分为两大派:

一派是自建场景的颠覆派,试图开发新的测试软件以抓取学生的数据,甚至引入一些把AR(增强现实)、MR(混合现实)等黑科技,其目标是以“AI教师”完全取代真人老师教学,属于“人机对抗”模式,较为典型的是乂学教育的松鼠AI。

另一派是升级现行教育体系、不另创场景的改良派,属于“人机共教”模式,较为典型的是高木学习的AI Tutor。

一般走人机对抗模式最终走的是to C模式;而“人机共教”走的是to B模式。鉴于我国当前AI教育的应用场景主要为教学机构包括全日制学校与培训机构,而非一个个分散的学生;只有让AI去辅助老师备课、上课,嵌入到学生作 业和训练,帮助学生提分和学校提升升学率,才能帮助AI更快落地并且找到盈利模式。

从“全日制学校”应用AI的实践上看, AI能让老师“心中有数(据)”,提升教学的针对性,AI教师实际上相当于真人老师的“智能助教”,可以减轻老师50%的工作负荷量,比如AI帮老师批改 作业,把数据分析的可视化呈现出来帮助老师定制教研方案。因此,在市场推广过程中,AI教育项目不需要担心基层老师的接受阻力,能让老师摆脱“汗水老师” 的局面也是基础教育机构所希望看到的。

由于全日制学校获取的大数据比培训机构更加海量、持续、高频,因此高木学习更看重AI在全国全日制学校场景中的数据价值,积极在全国推行城市合伙人制度,并计划与地方教育主管部门合作推出全国教师AI应用能力培训公益活动。

To B模式中另一大企业客户就是体制外的培训机构,他们所面对的学生付费意愿强、购买力相对旺盛,是AI教育项目获得稳健现金流的必争之地,那么当前培训机构应用AI教育项目开展“人工智能双师班”的效果如何呢?

首先,AI教练能保持教学效果稳定化输出,解决原本老师教学效果不确定的弊端。

其次,AI 提升了老师的工作效率,突破了培训机构因为名师稀缺且流动性大限制培训机构的规模化发展的瓶颈。

再次,比如高木学习的AI帮助学生发掘了“元认知能力”增强学习信心、提分效果明显,帮助合作培训机构提升了续费率,为招生带来便捷。

第4篇

一、深度学习概念的提出

深度学习的概念,源于30多年来计算机科学、人工神经网络和人工智能的研究。上世纪八九十年代,人们提出了一系列机器学习模型,应用最为广泛的包括支持向量机(Support Vector Machine,SVM)和逻辑回归(Logistic Regression,LR),这两种模型分别可以看作包含1个隐藏层和没有隐藏层的浅层模型。计算机面对较为复杂的问题解决训练时,可以利用反向传播算法计算梯度,再用梯度下降方法在参数空间中寻找最优解。浅层模型往往具有凸代价函数,理论分析相对简单,训练方法也容易掌握,应用取得了很多成功。①随着人工智能的发展,计算机和智能网络如何基于算法革新,模拟人脑抽象认知和思维,准确且高清晰度地进行声音处理、图像传播甚至更为复杂的数据处理和问题解决等,在21世纪来临的时候成为摆在人工智能领域的关键问题。

30多年来,加拿大多伦多大学计算机系辛顿教授(Hinton,G.)一直从事机器学习模型、神经网络与人工智能等问题的相关研究,并在机器学习模型特别是突破浅层学习模型,实现计算机抽象认知方面取得了突破性的进展。2006年,他在《Science》上发表了《利用神经网络刻画数据维度》(Reducing the Dimensionality of Data with Neural Networks)一文,探讨了应用人工神经网络刻画数据的学习模型,首先提出了深度学习(Deep Learning)的概念和计算机深度学习模型,掀起了深度学习在人工智能领域的新。这篇文章的两个主要观点是:第一,多隐藏层的人工神经网络具有优异的特征学习能力,学习到的特征对数据有更本质的刻画,从而有利于可视化或分类;第二,深度神经网络可以通过“逐层初始化”(Layer-wise Pre-training)来有效克服训练和优解的难度,无监督的逐层初始化方法有助于突破浅层学习模型。②基于深度置信网络(DBN)提出非监督逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。③2012年,辛顿又带领学生在目前最大的图像数据库ImageNet上,对分类问题取得了惊人的结果,将计算机处理图像数据问题时排名前五的错误率(即Top5错误率),由最高26%大幅降低至15%,大大提高了人工智能图像数据处理的准确性和清晰度,这是早先计算机仅仅依赖数学模型的表层学习和单层学习根本无法实现的水平。

在人工智能领域,深度学习其实是一种算法思维,其核心是对人脑思维深层次学习的模拟,通过模拟人脑的深哟纬橄笕现过程,实现计算机对数据的复杂运算和优化。深度学习采用的模型是深层神经网络(Deep Neural Networks,DNN)模型,即包含多个隐藏层(Hidden Layer,也称隐含层)的神经网络(Neural Networks,NN)。深度学习利用模型中的隐藏层,通过特征组合的方式,逐层将原始输入转化为浅层特征、中层特征、高层特征直至最终的任务目标。深度学习可以完成需要高度抽象特征的人工智能任务,如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络,多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。训练深层模型是长期以来的难题,近年来以层次化、逐层初始化为代表的一系列方法的提出,为训练深层模型带来了希望,并在多个应用领域获得了成功。

人工智能学者们认为计算机和智能网络的这一深层的自动编码与解码过程,是一个从数据刻画、抽象认知到优选方案的深度学习的过程。由于人脑具有深度结构,认知过程是一个复杂的脑活动过程,因而计算机和人工智能网络模拟从符号接受、符号解码、意义建立再到优化方案的学习过程也是有结构的;同时,认知过程是逐层进行、逐步抽象的,人工智能不是纯粹依赖于数学模型的产物,而是对人脑、人脑神经网络及抽象认知和思维过程进行模拟的产物。应该说,到目前为止,深度学习是计算机和智能网络最接近人脑的智能学习方法。近几年来,深度学习进一步尝试直接解决抽象认知的难题,并取得了突破性的进展,AlphaGo的问世,便是明证。2013年4月,《麻省理工学院技术评论》(MIT Technology Review )杂志将深度学习列为2013年十大突破性技术之首。④深度学习引爆的这场革命,将人工智能带上了一个新的台阶,不仅学术意义巨大,而且实用性很强,工业界也开始了大规模的投入,一大批产品将从中获益。二十世纪八九十年代以来,随着学习科学的不断发展,深度学习的概念和思想不断在教育中得到应用。

二、深度学习在教育中的兴起与发展

来自脑科学、人工智能和学习科学领域的新成就,必然引起教育领域研究者的深刻反省。计算机、人工智能尚且能够模拟人脑的深层结构和抽象认知,通过神经网络的建立开展深度学习,那人对知识的学习过程究竟应该是怎样的一个脑活动过程和学习过程?学生的学习有表层和深层等层次之分吗?从作为符号的公共知识到作为个人意义的个人知识究竟是怎样建立起来的?知识学习过程究竟是一个怎样的抽象认知过程?信息技术环境支持下深层次的学习如何实现?近十多年来,这些问题引起了许多教育研究者特别是教育技术学研究者的浓厚兴趣,深度学习、深度教学的研究日益引起人们的重视。也正是在辛顿的“深度学习”概念明确提出后,教育学领域特别是教育技术学领域的深度学习研究日益活跃起来。

其实,早在1956年布鲁姆在《教育目标分类学》里关于“认知领域目标”的探讨中,对认识目标的维度划分就蕴含了深度学习的思想,即“学习有深浅层次之分”,将教学目标分为了解、理解、应用、分析、综合、评价六个由浅入深的层次。⑤学习者的认知水平停留在知道或领会的层次则为浅层学习,涉及的是简单提取、机械记忆符号表征或浅层了解逻辑背景等低阶思维活动;而认知水平较高的深层理解、应用、分析、综合和评价则涉及的是理性思辨、创造性思维、问题解决等相对复杂的高阶思维活动,属于深层学习。1976年,美国学者马顿(Marton,F.)和萨尔约(Saljo,R.)在《论学习的本质区别:结果和过程》(On Qualitative Difference in Learning: Outcome and Process)一文中,明确提出了表层学习和深层学习的概念。⑥这被普遍认为是教育学领域首次明确提出深度学习的概念。他们在一项关于阅读能力的实验研究中,明确探讨了阅读学习的层次问题。通过让学生阅读文章并进行测验,发现学生在阅读的过程中运用了两种截然不同的学习策略:一种是试图记住文章的事实表达,揣测接下来的测试并记忆,即表层学习(Surface Learning);另一种是试图理解文章的中心思想和学术内涵,即深层学习(Deep Learning),也被译为深度学习。深度学习的学习者追求知识的理解并且使已有的知识与特定教材的内容进行批判性互动,探寻知识的逻辑意义,使现有事实和所得出的结论建立联系。浅层学习和深层学习在学习动机、投入程度、记忆方式、思维层次和迁移能力上有明显的差异。深度学习是一种主动的、高投入的、理解记忆的、涉及高阶思维并且学习结果迁移性强的学习状态和学习过程。之后 ,拉姆斯登(Ramsden,1988)、英推施黛(Entwistle,1997)以及比格斯(Biggs,1999)等人发展了浅层学习和深度学习的相关理论。⑦随着信息技术的发展,近十年来,国外学者对信息技术支持下的深度学习及其在各学科领域、各类教育中的应用研究日渐广泛。

2002年以来,从技术支持高等教育的深度学习、虚拟环境中的深度学习、形成性评估对深度学习的影响、学习环境对学生进行深度学习的影响、技术支持下的深度学习设计等方面研究成果日益丰富,但绝大部分是基于教育技术学视野的研究成果。2006年,辛顿教授关于深度学习的成果发表,进一步推动了深度学习在教育中的研究与应用。近十年来,在中小学深度学习研究方面最有影响的当属加拿大西盟菲莎大学(Simon Fraser University)艾根(Egan, K.)教授领衔的“深度学习”(Learning in Depth,简称LID)项目组所进行的研究,其成果集中体现在《深度学习:转变学校教育的一个革新案例》(Learning in Depth: A Simple Innovation That Can Transform Schooling)等著述之中。⑧该研究探讨了深度学习的基本原则与方法,分析了深度学习对学生成长、教师发展和学校革新的价值与路径,并在加拿大部分中小学进行实验研究。其核心成果聚焦课堂学习和教学问题,即使是关于教师教育中深度学习的研究,也聚焦于教师的学习过程和学习方式。⑨艾根所开展的深度学习研究项目超越了单一教育技术学视野的研究,不仅仅是关于教学设计、学习技术和学习环境开发的研究,而是基于建立新的学习观和知识观,对教学活动与学习过程作出了新的阐释。

总体上看,国内关于深度学习的研究最近十年才刚刚起步。2005年,我国学者黎加厚教授在《促进学生深度学习》一文中,率先介绍了国外关于深度学习的研究成果,同时探讨了深度学习的本质。他认为深度学习是指在理解学习的基础上,学习者能够批判性地学习新的思想和事实,并将它们融入原有的认知结构中,能够在众多思想间进行联系,能够将已有的知识迁移到新的情境中,作出决策和解决问题的学习。⑩此文被认为是国内较早介绍并论及深度学习的研究成果,此后,关于深度学习的探讨,特别是基于信息技术环境下的深度学习的相关研究论文逐渐增加。2006年10月,笔者在前期研究的基础上,与台湾成功大学教育研究所所长李坤崇教授联合发起“海峡两岸能力生根计划”,推进能力导向的深度教学的理论研究与实验研究,主张以价值观、知识观、学习观、过程观的重建为基础,以发展学生的学科能力为宗旨,实施深度教学,克服课堂教学改革过于注重教学程序、教学技术、教学时间的浅层次改革和表层学习的局限性,深化课堂教学改革。2014年后,中国教育科学院院长兼教育部课程教材研究与发展中心主任田慧生研究员基于深化课程改革的需要,带领一个团队开始启动深度学习的项目研究。直至今日,基于核心素养追求背景下的深度学习研究项目,如雨后春笋般涌现,“深度学习”成为教育研究中的一个热词。

尽管计算机、人工智能领域与教育学领域都提出了“深度学习”概念,但不难看出二者显然具有本质差异。计算机与人工智能领域的深度学习是建立在机器模拟人脑深层结构的基础之上的,是基于人脑结构的一种计算机算法思维和问题解决模型,是对人脑和认知结构的模拟。而教育学领域的“深度学习”概念,无论是布鲁姆还是马顿和萨尔约,都指向了“知识”和“学习”两个核心,是关于知识学习的目标和过程的问题。布鲁姆在教育目标分类学认知领域的目标构设中,认为认知目标是由了解、理解、应用、分析、综合、评价六个不断加深的层次构成的。这一目标明显是关于知识学习和认知过程的目标,在2001年修订版中,这一目标被精确表述为知识学习和认知过程两个维度。马顿和萨尔约在关于阅读的研究中,基于学生对文本理解的层次和理解的深度提出了“深度学习”的概念,并认为学习的本质区别在于过程而不是学习的结果,是学生对文本知识学习的深刻程度决定了其学习结果的差异性。

艾根的研究实现了从深度学习向深度教学的转向。艾根的深度学习(Learning in Depth)研究更明确地指向了学生对知识的学习所到达的深度,以及教师通过对知识的处理引导学生逐步到达一定的学习深度。这一深度学习的过程是一个逐步深化的学习过程,要求教师在教学过程中引导学生着眼于知识的深层次理解和深度处理。该项研究表明,深度学习的研究开始从单一的学习技术研究转向了对教学过程的关注,注重深度学习与深度教学的关联性和一致性,深度学习的研究呈现出向深度学习与深度教学相结合的转向。

三、深度学习的核心理念

从深度学习走向深度教学,一方面是教与学的一致性决定的,另一方面是当前中小学课堂教学普遍存在的局限性Q定的。教与学的关系既不是对立关系,也不是对应关系,而是一种具有相融性的一体化关系,离开了教无所谓学,离开了学也无所谓教。学生真正意义上的深度学习需要建立在教师深度教导、引导的基础之上。从本质上看,教育学视野下的深度学习不同于人工智能视野下的深度学习,不是学生像机器一样对人脑进行孤独的模拟活动,而是学生在教师引导下,对知识进行的“层进式学习”和“沉浸式学习”。“层进”是指对知识内在结构的逐层深化的学习,“沉浸”是指对学习过程的深刻参与和学习投入。离开了教师的教学和引导,学生何以“沉浸”?因此,深度学习只有走向深度教学才更具有发展性的意义和价值。同时,我国新一轮基础教育课程改革以来,课堂教学改革依然存在着诸多表层学习、表面学习和表演学习的局限性,“学习方式的转变”往往演变成了教学形式的改变,诸如教与学在程序上的简单翻转和在时间上的粗暴分配。其所体现出来的知识观、价值观、教学观、过程观依然陈旧落后,以学科知识、学科能力、学科思想和学科经验的融合为核心的学科素养依然未能得到实质性的渗透。

深度教学的“深度”是建立在完整而深刻地处理和理解知识的基础之上的。艾根在深度学习的研究中,首次从知识论的角度,论述了深度学习的“深度”(Depth)的涵义。他认为“学习深度”具有三个基本标准,即知识学习的充分广度(Sufficient Breadth)、知识学习的充分深度(Sufficient Depth)和知识学习的充分关联度(Multi-Dimensional Richness and Ties)。这三个标准,也是深度学习的核心理念。

第一,知识学习的充分广度。充分的广度与知识产生的背景相关,与知识对人生成的意义相关,与个体经验相关,也与学习者的学习情境相关。如果教学把知识从其赖以存在的背景、意义和经验中剥离出来,成为纯粹的符号,便成为无意义的符号、无根基的概念知识。知识具有强烈的依存性,无论是自然科学的知识还是社会科学或人文学科的知识,都是特定的社会背景、文化背景、历史背景及其特定的思维方式的产物。离开了知识的自然背景、社会背景、逻辑背景,前人创造的知识对后人而言几乎不具有可理解性。随着深度学习的兴起,旨在以广度促进理解的“无边界学习”日益引起人们的重视。可见,知识的充分广度,其实是为理解提供多样性的支架,为知识的意义达成创造了可能性和广阔性基础。

第二,知识学习的充分深度。知识的充分深度与知识所表达的内在思想、认知方式和具体的思维逻辑相关,深度学习把通过知识理解来建立认识方式,提升思维品质,特别是发展批判性思维作为核心目标。所以说,深度学习是一种反思性学习,是注重批判性思维品质培养的学习,同时也是一种沉浸式、层进式的学习。深度学习强调学习过程是从符号理解、符号解码到意义建构的认知过程,这一过程是逐层深化的。

第三,知R学习的充分关联度。知识的充分关联度,是指知识学习指向与多维度地理解知识的丰富内涵及其与文化、想象、经验的内在联系。知识学习不是单一的符号学习,而是对知识所承载的文化精神的学习。同时,通过与学生的想象、情感的紧密联系,达到对知识的意义建构。从广度,到深度,再到关联度,学生认知的过程是逐层深化的。所谓意义建构,即从公共知识到个人知识的建立过程,都需要建立在知识学习的深度和关联度之上。

①Y.LeCun and Y.Bengio.Convolutional networks for images,speech,and time-series.In M.A.Arbib,editor,The Handbook of Brain Theory and Neural Networks.MIT Press,1995.

②Geoffery E.Hinton and Salakhutdinov R.R.,Reducing the dimensionality of data with neural networks. Science.2006 Jul 28;313(5786):504-7.

③Geoffrey E.Hinton,Simon Osindero,Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006(7).

④余凯等.深度学习的昨天、今天和明天[J].计算机研究与发展,2013,9.

⑤安德森.布卢姆教育目标分类学(修订版)[M]. 北京:外语教学与研究出版社,2009:78-80.

⑥Marton,F. and Saljo,R.,On Qualitative Difference in Learning:Outcome and Process. British Journal of Educational Psychology,1976,46:4-11.

⑦安富海.促进深度学习的课堂教学策略研究[J].课程・教材・教法,2014,11.

⑧Kieran Egan. Learning in Depth: A Simple Innovation That Can Transform Schooling. London, Ontario: The Althouse Press, 2010.

第5篇

[关键词]智能机器人 师范院校 教师教育 师范模式

一、引言

20世纪90年代以来,随着科技的进步,人工智能技术的发展,智能机器人在全世界范围内掀起了一股热潮。随着机器人技术理念的逐步完善和相关设备更新,人们也将越来越重视智能机器人的教学和竞赛活动。正是因为看到了这一点,我国的高等教育以及中小学教育在这方面也都投入了巨大的热情和精力,智能机器人教育在学校教育中的地位也越来越重要。笔者通过文献检索发现,智能机器人教育在国内外已不是少数学校的事。

1.国内外高校智能机器人教育开展现状

无论国内还是国外,在高校开设智能机器人教育课程的现象已经非常普遍。但主要是一些综合性大学。比如日本是世界上机器人教育和机器人文化普及最高的国家之一,在日本不仅每所大学具有高水平的机器人研究和教学内容,且每年举行多种不同档次的机器人设计和制作大赛,通过大赛培养了大批机器人技术研究和应用人才,使日本的机器人技术走到了世界前列。其他再比如一些欧美国家,亚太地区等都有该类项目的开设。

在国内,据不完全统计也有为数相当的高校有开设这项课程。其中有包括清华大学、北京大学、北京理工大学、西安理工大学等综合型大学,也有北京师范大学、浙江师范大学等师范类大学,其他还有一些职业技术学院等等。可以说我们的教育界还是注意到了这门新兴的学科,也在这块领域投入了相当的支持和关注。

2.国内外中小学智能机器人教育开展现状

国外青少年热中于机器人基于他们的历史文化环境:一是高新科技(尤其是IT的超速发展);二是漫画、电影、电视、体育竞赛、电子游戏以及互联网的影响。也正是由于这些文化因素的影响,智能机器人教育在国外开展地如火如荼,发展也比较迅速。目前,各国都有举办不同级别、科目、门类的比赛:比如日本的ROBO―ONE比赛至今已经举办了7届,还有“青少年机器人大赛”等,其主要参赛者都是年轻人。与此同时韩国的青少年也在掀起一股机器人热潮,韩国政府和企业也正在投入大量资金开发机器人产业,并使之商品化。而在美、德、法等国家,机器人产业也正在受到重视,一般采取“官产学”形式。“官”即政府的支持和调节,“产”即产业界的自我分类的研究和开发,“学”即学校专门设置的课程,进行学校教育。在如此庞大的体系下,机器人产业在国外已占非常重要的地位,尤其在当今的信息技术时代。

我国的智能机器人教育现状又如何呢?据不完全统计,在2005年全国已有2.5万余所中小学、320余万学生参与到智能机器人教育当中来。随着这几年经济的快速发展,目前我国中小学参与到机器人教育这个项目当中的人远远超过了上述数据,而且还在不断上升。特别是沿海发达地区,比如上海、广东、浙江、江苏等地区。目前的主要开设形式是校本课程或者兴趣小组等,参与的学生也大多是出于个人兴趣爱好。

3.中小学智能机器人教育的师资现状

由于智能技术是信息技术的核心领域,智能机器人也成为了培养学生动手能力、创新能力、协作能力和逻辑思维能力,提高学生综合素质,开拓智力的平台;同时,也是进行程序设计形象化、成果化教育的平台。

目前就已开展智能机器人教育的学校来看,其主要的指导老师就是信息技术老师。智能机器人教育主要多个学科的知识,由于没有专门的机器人教育专业,使得我国基础教育领域机器人方面的师资处于接近真空状态。可以看到中小学信息技术教育在师资方面还存在着诸多欠缺的地方。而计算机科学与技术、教育技术这两类专业在培养目标和培养模式上都带有局限性。比如计算机科学与技术专业,他们培养的人才往往有双重性:一是培养具有教书育人的良好素质,能胜任中小学计算机教育的教师;二是可从事计算机行业的相关人才。而教育技术专业虽然把培养目标调整为“具有良好的信息素质,胜任中小学信息技术课程的教学工作”,但是,目前多数教育技术专业、计算机科学与技术专业的培养模式培养大批“胜任”智能机器人教育课程的教师显然不切实际。

4.关于师范院校开展智能机器人教育的情况

在我们国家而言,智能机器人还属于比较新兴的项目,作为科研重要基地的大学起步也较晚,大家的水平差距相对较小。如果师范院校现在开设该项目,以时机来看,比较恰当。正因为大家处于同一起点,相互之间的差距不是很大,更加有竞争。师范类院校作为为社会培养人才的基地,更应该看到这一事实。目前师范类院校较综合大学来实力上看处于劣势状态,但师范院校由于和基础教育结合紧密,在发展机器人教育方面事实上具有先天优势。为提高师范类院校的竞争地位,增强培养人才的实际能力,创造出师范特色的新的人才培养模式,都值得我们思考并加以实施。

二、师范院校开展智能机器人教育的价值

1.师范类院校提高本身竞争力的需要

在师范类院校开设智能机器人教育正是顺应了师范教育改革的潮流。不仅可以为基础教育提供更好的师资力量,也为师范类院校在人才培养模式上带来了新的思考。拓宽了师范生的就业渠道,增强了社会竞争力。

2.中小学智能机器人教育的需要

智能机器人教育引入中小学,不仅有利于信息技术的发展;有利于我们探索教育改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时,也将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促使新兴的智能机器人产业的形成。因此智能机器人进入中小学已成为一种必然趋势。我们可以通过智能机器人教育这个平台挖掘学生的创造潜能培养造就创新人才。不久的将来,智能机器人教学必将进入我们的周围,越来越多的人员便会参与到其中。如果师范类院校开设智能机器人教学,那么等到这些人员从事到中小学教育以后,他们发挥出来的作用将不可限量。

3.培养学生的诸多能力需要

智能机器人技术是世界强国重点发展的高技术,也是世界公认的打开21世纪大门的钥匙。智能机器人融合了机械、电子、人工智能等技术。如果把它引入教育,不仅有利于信息技术教育的发展;有利于我们探索人才改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促进新兴产业的形成。实践证明它不仅可以激发学生的想象力,培养学生的设计能力、创造能力、动手能力和跨专业的综合应用能力而且还培养了学生的协作精神。把智能机器人引入师范教育,不仅培养了学生的诸多能力,同时又为师范类院校学生在就业竞争中提供了一项优势,何乐不为?

4.师范性和专业性结合,培养更全面人才的需要

师范教育的根本目的不在于培养文学家、科学家,而是培养能培育文学家、科学家的教育家。在师范类院校开设智能机器人课程便是培养模式上的一种尝试和创新。由于师范类院校其本身的特殊性,它主要为基础教育培养师资力量,侧重点在于培养教师而不是培养研究性人才。师范类院校要培养智能机器人教育的人才,势必要调整培养目标和培养模式,把专业性和师范性更好到结合在一起,只有这样才能优化人才,增加竞争力。师范类院校要看到自己的缺点的同时也注意发挥自己的优势。目前中小学存在的问题就是专业教师的缺乏。为中小学智能机器人教育提供更优的师资,也为师范类院校学生提供更多的就业机会而言,在师范类院校开设智能机器人教育也就非常必要而且也很有利。

三、要研究智能机器人教育发展的师范模式

1.要总结开设智能机器人教育的做法和经验

湖州师范学院于2004年开始智能机器人教育,目前拥有机器人仪器80台,实验室两个。主要以学科竞赛、兴趣小组形式开展设,目前正在课程开设试验。举办过六次机器人院级比赛,五次机器人校级比赛,举办过两期暑期培训,并代表学校参加过7次全国性的比赛,参与到这项教育活动的学生数大约有600人,获得了全国一等奖多项,引起社会、其它学校的关注。

作为师范院校,开展智能机器人教育的主要目的是为突出专业特色,增强社会竞争力。虽然我们开展的时间并不是很长,但无论是自己举办活动还是参加大规模的比赛,我们的师生都认真努力,收获颇多。在教学实践和理论方面都有了很大的提高,积累了一定的经验。

从笔者的走访来看,无论是参与到其中的教师还是学生,都得到了一定的锻炼。一些同学甚至还受到了一些中小学的邀请,去担任他们的兴趣小组指导教练,参加省级比赛,也取得了不错的成绩。智能机器人教育开阔了学生的视野,培养了学生的能力,同时打造了学校品牌,为学生就业提供了多一条的途径。

但同时在教育对象、课程设置、实验室管理等方面也都还存在着一定的问题。比如智能机器人是融合了多种技术的综合性课程,开设培训课程以前,需要学生有一定理论基础。所以需要开设一定的前序课程。由于受到实验室、师资等问题的限制,目前我们学院开设的项目还比较少,学生参与面还不够宽等等。

2.要明确培养目标,更好地开展机器人教育,形成师范模式

就师范类院校开展智能机器人教育而言,笔者认为我们要按师范专业的特点开展一系列智能机器人教育课程、活动,形成一种师范模式,更好地普及机器人教育,为基础教育培养优秀人才。

(1)在师范专业开设一些信息技术课,培养学生信息素养

当今时代,对学生的信息技术素养要求越来越高。根据我院实际经验,学生在参与到机器人活动中时需要一定的信息技术基础,比如C语言编程,而我们师范生缺少的就是这方面的知识。如果师范院校在这方面能开设一些系列课程,使学生的理论知识水平有所积累,对于我们开展机器人教育必将有极大的帮助。我们在从小学教育专业、教育技术专业本科生中开展智能机器人教育,就十分重视学生信息技术课程知识的补充,因此师范生在智能机器人教育的一系列活动、选修课程中理解能力、动手能力就迅速提升。

(2)建立配套完备的机器人教育实验室

智能机器人是技术的前沿之一,集成了数学、物理、化学、生物、机械、电子、材料、能源、计算机硬件、软件等众多领域的科学和技术知识,没有一种技术平台比智能机器人更综合。所以为了使现在的师范生能够更适应未来信息时代的要求,在教学实验环节中及时地增加教学实验内容是非常有必要和可行的。况且,机器人教学需要有实际的场地设备等要求,机器人教育实验室的创办非常需要。加强机器人教育实验室建设,重点在对学生进行机器人教育指导能力的训练,同时要注意实验室的专业完备程度,规范管理等,并提高机器人实验室的软件建设、社会服务能力。

(3)成立大学生机器人教育协会,组织机器人学科竞赛

机器人比赛是一项很好的科技创新活动,不仅易于激发兴趣,而且还可以培养学生的多种能力。学生们在研讨争论中,逐渐提高了语言表达能力;在策略方案分析中,锻炼了思考、分析问题和解决的能力;在具体设计和安装调试中,综合运用各门课程知识,提高了工程设计和工程实施的安装能力。我们目前建立大学生机器人教育协会,吸引学生参加这方面的活动,学习机器人原理,掌握机器人制作、编程、操作技能,活动形式主要是开展机器人学科竞赛。这样既可以检验我们学生学到的实际的知识以及获得的能力,也能赢得更多的荣誉,得到学校领导的重视,扩大师范院校在机器人竞赛的影响,更重要的是从亲身实践中学会和发展智能机器人教育活动的组织能力。

第6篇

关键词:科学素养;机器人教学;科技实践活动;创新精神

一、机器人课程,现代教育的呼唤

我们对现代科学技术发展特点及其对人才的要求进行研究的时候意识到,开展青少年科技活动的目的并不在于在各项比赛中获得名次,根本目的在于培养青少年的科学素质。信息技术教学改革特别强调对学生学习经验的培养,注重学生体验、感悟和实践的过程,注重对学生个性的健康发展和对学生的创新精神、

实践能力的培养,而智能机器人教学非常有利于贯彻这一理念。

二、一边实践,一边思索:智能机器人教学模式的思考

1.以学生长远发展为目标,培养专门人才

在机器人实践活动中不以竞赛为唯一目标,在平时教学活动中注重培养学生的兴趣,教师多角度地看待每一个学生的学习,轻结果,重过程,对学生的进步和成功都及时给予鼓励,使自信的愉悦贯穿于整个教学过程中。这种正面情绪会促使学生充满兴趣,更自主地投入到学习、探究中。

2.以小组为单位组织课堂教学,小组竞争形成竞赛机制

在教学过程中给学生设置一些比较复杂的任务,通过小组讨论协作完成,小组间再进行竞争。竞争是触发激情的手段之一,能延续学习兴趣,锻炼学生的心理素质。同时在小组设置中,采取“以老带新”的方式,一来形成互相帮助的氛围,增加团队凝聚力,二来把自己解放出来。

3.鼓励学生进行创意机器人的制作

鼓励学生主动探索、设计自己的机器人,并编写程序完成任务。实践中教师是指导者与合作者,学生才是主体。平等和谐的师生关系能进一步激发创造力,学生亲身体验由抽象的理论到触手可及的实物过程,极大地调动了学生的积极性,促进其主动发展。

二、机器人教学实践活动的成效与思考

1.显性的成效——四年来学生获得的成绩

四年系统教学,我校涌现出一批有潜质的科技特长生,利用课余时间参加全国、省、市各级竞赛活动,已获得全国、省、市多项一、二等奖。

2.隐性的成效——弥补课堂教学的不足,有利于培养学生的科学素养

(1)教学思想上,开展智能机器人教学活动有利于处理好教学与发展的关系,即传授知识、技能技巧和发展智力、培养能力的关系。

发展学生的智能,最重要的是发展其观察、思维和实际操作的能力。在课堂教学中,学生的观察受到限制,思维受到束缚,很少有机会动手,能力很难得到发展。而在智能机器人教学实践中,学生真正实现主体地位,在实践中亲自观察、探索、操作,学生的兴趣、情感、意志都能得到较好发展,达到使学生在掌握知识的基础上充分发展智力、能力的目的。

(2)教学内容上,开展智能机器人教学活动有利于处理好基础知识学习和现代新的科学知识学习之间的关系。

常规课堂教学的内容落后于现代科学技术的发展是始终存在的现象,即使采取在课堂教学中加深难度、提高速度的办法,也难以消除这个差距,单靠课堂教学无法解决这个矛盾。一个行之有效的办法就是将课外、校外科技活动与课堂教学结合起来。智能机器人教学课程的内容不受大纲、教材的限制,适于加进现代科学的新知识,开阔学生的科学视野,与现实生活紧密结合,渗透着现代科学技术新成果的内容。

(3)教学方法上,开展智能机器人教学活动有利于把传授法教学与发现法教学结合起来。

常规课程教学最主要的方法是传授法,是教师通过讲解教材将基础知识传授给学生。应该说,对于刚开始接受知识的青少年学生来讲,这是完全必要的,有益的。但它也存在弊端,往往导致学生死记硬背和机械训练,阻碍智力和能力的发展。

在智能机器人的教学过程中,课堂内,以传授的方法为主,给学生以基础知识和基本技能,而在课外,机器人教学活动引导学生在已有知识的基础上去进行科学知识的自主探究,弥补课堂教学的不足,有利于培养学生的科学素质。

(4)教学形式上,开展智能机器人教学活动有利于学生的全面发展与兴趣爱好、特长发展的关系。

课堂教学对完成共性教育和全面的基础教育有很大的优势,但对于因材施教、发展个性又存在严重的不足。活动内容丰富、形式多样的智能机器人教学可以弥补这一不足,使学生在科技上的兴趣、爱好和特长得以发展。

三、机器人教学实践活动开展的思考

1.如何提高智能机器人研究活动的教学与社会效益

智能机器人课程的内容决定了它属于青少年科技实践活动。以科技实践兴趣课为载体的智能机器人教学形式,只能面向一部分学生。笔者在思考,如何让更多学生享受智能机器人课程?是否可以换一种教学载体:如可以把新课程标准下的“地方课程”拿出一部分来用于实施智能机器人教学,或把智能机器人教学与关系比较紧密的信息技术课程进行整合,开发出适合本区域学生特质的校本课程。这样,可以让现有的机器人器材,尽可能提高使用率,从而最大限度地发挥其作用,取得更明显的教学与社会效益。

参考文献:

[1]王秀英.孙增圻教授谈中小学机器人教学.信息技术教育,2005(11).

[2]蔡鹤皋.机器人将是21世纪技术发展的热点[J].中国机械工程,2000(2).

[3]克来格.机器人学导论[J].机械工业出版社,2006(6).

[4]程马峰.小学机器人教学实践探索[J].东莞信息技术教研网.

[5]徐提昇.浅谈初中机器人教学[J],2010(1).

[6]中小学智能机器人科技教育的实践与探索[J].东莞中学信息技术教研网.

第7篇

记 者:李主任,您好。很高兴地看到,2016年初采访您时,您提到的一些设想,现在正在一步步地走向现实。比如去年4月启动的北京市中小学教师开放型教学实践活动、11月启动的双师服务试点。北京市教委通过供给侧结构性改革,让优质的教育资源穿越了学校和区域的边界。您能给我们介绍下这两个项目实施的过程及取得的成效吗?

李 奕:是的,当时计划的“教师走网”,已经通过“北京市中小学教师开放型教学实践活动”在全市范围的教师继续教育领域里成功地“走”了起来。教师通过自主选课并在课堂中听课研修,改变了传统继续教育“讲大课”的方式,实现了教师选择的自主性和实践性。该项目自2016年4月启动以来,已经在上半年和下半年各完成了一轮培训活动。

第一轮培训,我们将市级以上骨干教师的1482门课程名录挂到网络平台上,听课教师在线自助选择自己喜欢的课,充分尊重了听课教师的自主选择权。只要教师自己喜欢,就可以跨年级,甚至跨学科选择授课老师的课。线上选定听课对象以后,听课教师们就可以根据时间安排,到线下授课点听课,并参与教研和备课。这一系列活动完成后,教师们将照片、任务单上传到平台,平台就会给授课老师和听课老师双向计学分。由于这个平台对接北京市教师MIS系统,所计学分与教师的继续教育、晋级密切相关。

在开展第二轮培训时,又实现新的突破――我们把上传授课目录的教师扩展到年轻的骨干教师。只要教师具备独特的内容或擅长的方面,就可以上传。由于上传行为本身是没有成本的,只有实际发生听课行为了,才有成本,所以我们继续扩大供给侧的结构和数量,供给越多,教师们选择的范围就越大。此外,还有一个变化就是,民办教育机构的教师也首次尝试进来,量虽不大,但是一种类型,或许不输给公办学校的教师。“北京市中小学教师开放型教学实践活动”是典型的利用互联网思维来运作的一个项目,它的特点是自选、开放、后付费。形式上,它与初一、初二的开放性科学实践活动相似,不同的是,这次是教师“走网”,骨干教师、特级教师的优质资源属性开始在网上流动了。

为了保障培训质量,让学员之间能够有充分的讨论和互动,我们要求每位授课教师每学期最多开放两次课,并且每次课最多接纳10个学员听课。所以,有的授课教师大家抢得厉害,而有些授课老师的课型挂上网以后,没有人选他的课,形成潜在的压力。

记 者:在实际的操作过程中,真的会出现这种情况吗?那不被选的教师岂不是很尴尬?

李 奕:当然有。第一轮1482门课程挂上去后,只有1375门课程选满了,另外100多课程情况很复杂了。有的授课教师已经脱离教学一线,有的是对开放自己的课程压力大等。中央提出,要更多地用市场的机制决定资源的配置。这就是由市场机制来决定,拿事实来说话。包括以后我们评价一位教师的影响力,就要看他的受众到底有多少?通过互联网的行为数据,能查出每年到底有多少个区县、多少个教师选他。选的人多了,他自然就是骨干,因为他已经用实际的影响力证明他就是这个领域的“骨”和“干”了。假如还有另外一位教师,他一年教了200节课,发表了10篇论文,但只是面向自己教的这两个班的学生。那他是一位优秀、敬业的好老师,可是他在骨干引领作用的发挥上,就不充分了。

这些都是在互联网思维下的市场机制和优质资源属性配置。这个项目运行后还有个“副产品”:来听课的10位学员之前可能完全不认识,但在听完课离开的时候互相加了微信,建了微信群,形成了一个备课交流圈子。有了这个圈子,教师们以后的讨论会延伸下去。这就是运用互联网思维建立起了教育系统内人与人之间“跨界”的连接。

在通州区启动的双师服务工程只是一个试点,将来有可能扩展到全市。一旦全面启动,将会比“北京市中小学教师开放型教学实践活动”的工程大,因为它属于教育的基本公共服务范畴。

“智慧学伴”将让学生的交往超越学校和学区边界

记 者:您刚才提到教师参加开放型教学实践活动后,会结成一个个社交的小圈子。这个圈子超越了地区和班级的界限。这种边界的超越,会发生在孩子们身上吗?

李 奕:实际上已经发生了。北京市初中开放性科学实践活动计划带来的宝贵“财富”是:一个实践活动班内30个来自不同学校的孩子聚在一起搞科学实践活动,从互相不认识,到在一起做事,再到分手时合个影、留个联系方式,后续还会有联络。这是任何一所学校靠自身力量,再怎么走班教学,也提供不了的教育服务。等这拨孩子2018年中考时,每个人的通讯录里都有五个以上非本区、本校的同学,而且他们在一起合作学习:做过飞机、拆过鼠标或捣鼓过中医药、护手霜,到现在还有联系。这就是在孩子们身上真实发生的实践活动。这个项目给教育系统留下来的是他们选课的记录,告诉我们为什么学生喜欢选这个,不选那个。所以,这个项目最大的价值就是让孩子独立选择,而且班级的组合是开放的,是有意做到“无组织、有纪律”,不再需要“带队老师”,不再是和“本班的同学”一起做了。

北京市教委2017年从教育信息化角度重点推进的一个项目就是“智慧学伴”。互联网给人带来的是相互交往能力的跃升。这时候,人与人之间的交流就不仅是可以穿越边界,还能实现跨越角色的交往。无论是成年人还是孩子,都可以通过互联网参与到社会实践中,找到与自己志同道合的学伴。就拿“双师工程”来说,其实它背后更可能吸引孩子的,不是双师,而是学伴。在参与活动的过程中,一个学生可能在这儿找到几个跨区的、有相同兴趣爱好的同学,建立起定向的联系,分享自己的成果和成长的经历。这是我们所乐见其成的,因为这实际是从底层,用互联网思维来支持和帮助孩子。从这个意义上来说,它就是“学伴工程”。

我们现在给学生配双师,目的是增加学生的实际获得,但同时也要考虑未来,特别是伴随着人工智能时代的到来,学生从教师那里直接获得的知识比例会进一步降低,而且还会更精准,更符合每个孩子的个好和实际需求。通过互联网也可以掌握大量的关联知识。就像我们现在在工作过程中利用搜索引擎了解讯息、学习新知那样,随时随地会有个资源库、智能系统支持我们的工作与成长。

人工智能时代将会深刻影响学习行为,但不会颠覆学校

记 者:人工智能是2016年的热词。尤其是AlphaGo与李世石的“人机大战”,让人们见识到了人工智能的“过人”之处。相信对于人工智能在教育中的应用,您也有很多思考。我们想听听您对此的见解。

李 奕:基础教育实践中的人工智能,并不像理论界、科研领域那样高深到非得有个机器学习或者专家系统等。“人工智能”就在我们身边。人工智能是一种理念,在教育中的另一种拓展应用就是助力于学生学习方式的改变。它对我们中小学的教师和学生来说,都有重大的影响。如果善于驾驭人工智能,现在我们所倚重的教室、专业器材、教材等,都将不再是最核心的资源。

我们关注同学和老师、同学与同学之间的互动与交流,以及在此过程中产生的新学习资源,即智慧学伴工程。北京师范大学未来教育高精尖创新中心就是在打造这样一个新平台,让学生与学生、学生与教师之间的活动丰富起来,对行为数据记录和问题收集进行有效处理,形成对每个孩子的个性支持。

我们认为,一个人从中小学到走上社会,他都需要智慧学习和学伴。想想看,我们的微信群里有没有圈子?其实,你的圈子就是你的智慧学伴,这是自然而然形成的。生活中为什么两个人总是联系,就是因为你发的东西我爱看,我发的东西你爱看,我的生活你关注,你的生活我关注,所以人之间的连接越来越丰富。处在这种丰富连接中的人,知识与信息的获得是持续增长的。当然,这其中要有教师的正确引导和影响。

新的资源观和环境观下的数字校园

记 者:确实在现实生活中,基于微信、QQ等互联网技术建立的圈子,就相当于给人重新划分了学习的社群。

李 奕:在这种情形下,就涉及新的学习材料的提取和萃取,我们将不再仅仅依靠专家编选资源,让学生去学,而是在原有基础上尝试由市场机制决定谁是优质教育资源。我们也期待学生和教师,在新的资源观和环境观下,开始进入一种新的学习状态。现在,有不少学校已经开始用手持设备和移动互联网进行日常的教育教学的活动,就是一个例子。

如北京市教委数字校园实验校中,有的从上个学期9月份开始,就将校园网由PC版升级为移动端APP。升级后,学生每天都要回家完成四项作业:英语的口语、语文的朗读、数学的速算、每天的日记。孩子每天花5分钟做完作业以后,可以给同学点赞,看谁获得的“点赞”多,学生们写的日记可以互相评论和留言。

用手机的方式做四项作业,是一个进步――教师以前检查不了英语的口语、听力,现在通过这种方式能检查了。但这是一个浅层次的提升,更为核心、深层次的提升是:学生学会欣赏了、学会倾听了,与此同时,他的阅读量随着交流的增多也越来越大。这就实现了在一个班、一所学校这样一个小环境里信息的流动和互动。

现在学校在三年级又开展了作业阅读,鼓励学生们自己上传作业内容。小孩子都爱往上传,因为对他来说很容易,就像聊天一样。比如上传一句名言“书山有路勤为径,学海无涯苦作舟”作为班级作业。只要他上传了作业,教师就会组织全班50个孩子都念一遍,这个过程中就产生了大量数据,上传作业的学生还有权利给其他学生做点评。

这样一来,新的教学方式出现了。在这样的作业过程中,学习是跨学科的,对象和学伴是互换的,学习的内容是不断增长更新的。

数字校园真正升级在孩子的交往能力上

记 者:据我们了解,北京也有一些学校正在做这样的尝试,比如北京十一学校亦庄实验小学,利用“一起作业网”的平台,进行作业的提交、点赞和评价,在此过程中潜移默化地培养学生的社交能力。

李 奕:数字校园真正的升级换代,体现在对孩子们的交往能力的提升上。当然,这只是一所学校范围的尝试。如果一个学区有这个意识,像东城和海淀这类有条件的学区,要拓展到学区里去做,效果会更好。比如东城的某些学校在使用“作业盒子”以后,你会发现孩子们交往的朋友圈和视野,比传统名校的孩子更棒。

这种棒是从教育的角度来看资源和环境,这是将来信息化发展的重要方向。什么是数字原住民?数字原住民不是只玩玩游戏,而是他对信息很敏锐,能提取、筛选信息,而且善于交流,有包容心,会给别人点赞,而不是很嫉妒、焦虑或者压抑。从社会大背景来看,利用信息技术能不能实现这种升级和超越?我认为能。

所以,看待一件事,一定要发掘这件事背后的价值取向和给孩子带来的变化。

记 者:我们也发现,教学中技术的使用门槛虽然降低了,但对教师的驾驭能力要求更高了。教师不能只做“教书匠”,而是既要想办法将信息技术成为学生手里学习的工具,还要善于组织学生的交流、讨论和活动。

李 奕:是这样的,有了APP,教师要善于去用,不只是善于用它布置作业,而是善于捕捉行为记录,以确定第二天在课堂上该关注谁、该如何因材施教等。将来理想的状态是,教师未必有学生知道得多,但是会比学生更敏锐。

第8篇

随着“科学素质教育综合示范校”建设的落实与实施,学校进一步制定了“科技教育中长期发展规划”,培养和引进了一批在全市乃至全国有一定影响的科技与学科教育领域的专家型教师,同时聘请中科院、国家天文馆、北京大学、清华大学、天津大学、南开大学和国外著名大学的专家、学者作为学校的兼职导师,并以9个优势科研领域为核心,建设了30多间创新实验室,为学生提供了科学体验和实践平台,超前达到适应高中新课程发展和科技创新型人才培养需求的标准,同时积累了一些宝贵经验。

实验中学的历任校长都始终倡导、支持科技创新教育工作。学校连续18年被评为市级科技活动先进校,获得“全国科技活动先进校”、“全国创建绿色学校先进单位”、“全国青少年科普创新示范校”、“青少年科技创新人才培养项目实验学校”、“中国少年科学院科普基地”、“全国电脑机器人教育实践基地”等称号。培养了许多在各级大赛中获奖的科技特长生,多名学生在各级科技竞赛中创造佳绩。

从2010年起,学校在天津市率先组建了“科技创新实验班”,并在此基础上进行基础教育阶段科技创新型未来人才培养的科研与尝试。随着天津市特色高中建设项目的实施,学校出台了“科技创新人才培养计划”,积极稳妥地推进学校科技创新教育工作的开展。

构建目标策略体系

培养目标

培养未来的科技创新型人才,是实验中学贯彻“以人为本、力行创新,为学生的终身发展奠基”办学理念的具体体现。实验中学的教育者认为,科技创新教育最需要体现的是“三创”,即创意、创造、创业。创意表现为新观念、新思想、新设计;创造是指动手能力,表现为新发明、新突破;创业是指开创新事业,所以,把未来的科技创新型人才可以定义为“有创意,能创造,善创业”的人。

实验中学“科技创新实验班”采取“双主线”教育模式(即育人教育和成才教育),紧紧围绕“国家兴亡、匹夫有责”的育人目标和“坚实的基础,良好的素质,发展的潜能,广泛的特长”的成才标准,培养未来的科技创新型人才。这类人才除了具备坚定的信念、较强的动手操作能力、科学的思维与研究方法、健康的体魄、健全的人格外,还应具备强烈的创新意识、创新精神和创新能力;对科学研究兴趣浓厚,具有无尽的求知欲、探索欲和责任感;逐步培养向往科学、探索科学、敢于革新、不怕失败、坚忍不拔、善于合作的精神;在不断追求真理、探索新知的同时,在创新感知力、创新记忆力、创新想象力和创新思维力等方面也表现突出。

计划分解

实验中学的科技创新教育具有鲜明的研究性质,“科技创新人才培养计划”主要通过宏观与微观、理念与实践、横向比较与纵向梳理、整体与局部四个维度的对比研究,探究国外发达国家创新型人才培养的先进理念和制度,对比分析我国创新型人才培养的主客观条件,力求探索具有中国特色的科技创新型未来人才培养模式。该计划分为以下四个方面。

一是基础教育阶段培养模式的研究。根据基础教育阶段学生的具体情况,根据学生的特点和特长,进行“案例式”和“项目式”培养方式的研究,以项目带动方式,让学生参与整个科研流程,在科研过程中提高学生沟通、交流与合作的能力,使学生的综合素质和科研潜能得到全面健康发展。

二是课程设置与科技创新型未来人才培养关系的研究。整合课程资源,突破现有学科知识框架,构建新型的课程结构,实施学分制自主型管理模式,并尝试对课程设置与培养模式的关系加以研究。根据不同项目组学生的不同需要,创设科技创新型课程设置模式。

三是校本课程研究。立足数学、物理、化学、生物、信息、化学工程、生物工程、人工智能、地球与空间科学这9大科技创新优势领域,学校构建了科技创新型人才校本课程体系,开发出1~2门科技创新教育课程。

四是评价体系研究。根据未来科技创新型人才的潜力和特长,积极为学生搭建交流成果与展示能力的舞台,采取开放性、流动性的动态管理和评价方式,让学生在全面发展的基础上,尽早进入带有个性色彩的科学研究领域,力争为国家培养出更多的优秀人才。

培养策略

第一,改革新生遴选机制。

打破传统的选拔和培养机制,探索科技创新型人才早期培养的普遍性规律,培养一批具有良好创新素养、科学精神与人文底蕴的优秀学生。“科技创新实验班”学生的选拔和培养改变以往传统意义上的“理科班”、“特长班”模式,对学生的综合素质提出更高的要求。学生自愿报名,每年5月,符合条件的学生集中培训、活动3~5天。成立专家组,以科技论文、动手实验、技术设计、基础知识综合测试等方式确定初选名单,再由专家组面试、组织答辩,确定最终入选名单。

第9篇

【关键字】Agent;教育资源;信息分析

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097(2008)13―0125―03

引言

教育资源是网络教育的基础,美国在教育资源建设起步早,建立了美国教育资源信息中心ERIC(Educational Resources Information Center),教育资源搜索联盟GEM(The Gateway to Educational Materials)等系统,提供了丰富的教育资源,包括教学研究,教学计划、课件、网络课程、教师求职等信息。中国的国家基础教育资源网和广东省基础教育信息资源中心也提供“教学素材类资源、主题学习性资源和网络课程资源”。这些资源、服务的分布性和异构性使得教育资源共享在实施阶段往往走向混乱。将人工智能技术应用于教育资源信息管理可以实现教育资源的智能化和网络化。国家已经加大涵盖各级各类教育的信息资源开发的力度,北京,上海,广东等地已经投入了大量资金进行基础教育资源库的建设。如何将开发好的教育资源方便有效的利用成为了教育资源管理的一个研究热点。现代教育资源系统是一个复杂开放的分布式系统,Multi-Agent是分布式人工智能的新技术,能使逻辑上和物理上分散的系统并列、协调地运行得以解决。将Multi-Agent技术应用于教育资源管理中,使得教育资源的共享方式从个人,单个单位共享发展到网络的智能化共享阶段。

一般认为,Agent 是一种处于一定环境下包装的计算机系统, 为实现设计的目的它能在那种环境下灵活地、自主地活动[1]。从建造Agent 的角度出发, 单个Agent 的结构通常分为思考型Agent、反应型Agent 和混合型Agent。MAS (Multi- Agent System)即多Agent 系统产生的最直接的原因是, MAS 的协作求解问题的能力超过单个Agent, 并且MAS 与已有系统或软件的互操作、求解数据和控制具有分布特性的特点以及提高系统的效率和鲁棒性等。多Agent技术是人工智能的一个重要成果,它由分布在网络上的多个自治的Agent通过相互作用组成的智能体系统,具有自治性、交互性、协调性、适应性等特点,非常适合处理分布异构的动态问题[2]。

在教育资源信息采集中,采用多Agent技术具有重要意义。本文将多Agent技术应用于教育信息采集系统,使得基于资源的学习成为可能。学生通过对教育资源信息进行筛选、分析、综合,并将其应用实际问题的解决中,达到对知识的深层建构,形成信息加工和解决问题的能力。

一 系统架构

1 系统框架结构

教育资源信息采集系统从互联网、数据库以及各类文档等信息载体获取相应的信息,并将其存储在系统信息库中,并与特定的教育任务相结合解决实际问题。本文提出了基于Multi-Agent教育资源采集系统模型如(图1)所示,包括教育资源信息采集Agent、教育资源信息分析Agent、教育资源信息管理Agent、系统管理Agent和教育资源信息库组成[3]。

系统管理Agent是整个系统的入口,各类用户通过它访问和管理教育资源信息。

信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息,用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的,存放教育资源的不同数据库是异构,信息采集Agent对特定的任务进行采集提高了信息采集的导引能力[4]。

教育资源信息分析Agent一方面根据规则库分析库内信息,对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级,并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

信息管理Agent根据系统管理Agent的要求,将用户任务分解成子任务分配给不同的信息采集Agent和信息分析Agent,并将处理结果返还系统管理Agent[5]。

教育资源信息库出于对知识产权方面考虑,信息库内不保存资源本身。教育资源信息库按照教育资源类型分类存储,按照素材分为文本、图形、音频、动画、视频五个数据表,这样搜索起来效率就很高。每一类别的资源有其属性,如素材编号、类型、学科(专业)、适用对象、适用的年级,来源、URL、内容简介、关键词、素材编写时间、素材编著者、素材长度。不同类型的资源属性也不尽相同,比如图像素材的属性还包括分辨率、扫描分辨率、颜色数等,而视频素材包括数据量、帧数、关键帧、帧规格、情感类型、播放时间、采样频率等方面属性。

2 系统工作流程

用户通过系统管理Agent请求执行特定的教育任务,系统管理Agent将用户需求任务交给信息管理Agent。信息管理Agent接收系统管理Agent的指令,将任务分解成子任务,分配给相应的信息采集agent。信息采集Agent完成单一采集点的信息采集任务,从信息管理agent处接收采集指令,首先从信息库中提取数据,并按照实现定义好的协议格式将数据打包,并将数据传送到系统管理Agent,再交由信息管理Agent处理。如果本地信息库中没有相应的信息,则与系统中其他采集Agent通信,协作完成采集任务,并将采集回来的信息经过信息分析Agent整理存入信息库中。

系统管理Agent代替了传统的用户和数据库直接交互。它不仅有友好的用户界面接受来自用户的请求,并且能将用户的请求转化为Agent能够识别的命令,并通过学习适应用户的习惯、偏好,在适当的时候给用户某些必要的提示,启发其顺利高效地使用系统。根据用户的信息需求, 系统Agent将教育资源的URL、类型、学科(专业)、内容简介、关键词、适用对象、来源等属性以网页的形式及时反馈给用户。信息管理Agent的功能是对教育资源信息库进行添加、删除、修改、排序和查询等管理。教育资源信息管理Agent把教育资源信息采集Agent采集到的信息写入教育资源信息库,之后通知教育资源信息分析Agent对其进行分析,教育资源信息分析Agent根据规则库进行分析,并将分析结果通知信息管理Agent。信息管理Agent起到了教育资源采集Agent、分析Agent和教育资源信息库之间的桥梁作用。

本系统作为智能化的教育资源信息采集系统,相对于传统教育资源站点有自身的特点。信息采集Agent是系统关键所在。只有采集到了足够的而且是有用的信息,用户才能够对这些信息作出适当的处理来完成任务。教育信息资源是动态变化的,存放教育资源的不同数据库是异构,信息采集Agent对特定的任务进行采集提高了信息采集的导引能力;信息分析Agent对采集信息进行处理,一方面根据规则库分析库内信息,对教育资源信息进行规范化处理。另一方面根据网络用户对资源的评价对资源设置等级,并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

二 关键技术

1 教育资源信息采集Agent

(1) 教育资源信息采集Agent

教育资源信息采集Agent它可自动采集Internet上的文本、图象、声音、视频、动画等有关教育资源属性及其评价的相关信息,并定期自动更新。它为后继的教育资源信息分析Agent提供丰富的教育资源信息库。教育资源信息采集Agent具有自动探测前进功能。Agent探测前进是指发现有和知识模块内容相同的信息通过链接来搜索未知站点,假设Internet是一个有向图,那么Internet上的每一站点内的每一网页就是图中的一个结点,网页中的连接就是有向图的边。教育资源信息采集Agent起始抓取页面看作是该图的根结点,利用图的广度优先遍历算法采集站点。

(2) 教育资源信息采集Agent的工作原理

信息采集Agent的基本模型由采集器、目标模块、知识模块、效应器、通信机制和信息处理器组成(如图2)。教育资源信息采集Agent是思考性Agent,当Agent根据目标模块的任务被激活时,采集器开始探测和接收外部信息流,信息处理器根据接收到的通讯原语、知识模块信息、效应器决定是否接受任务,并激活相应的部件。目标模块以任务表的形式来表示,初始由用户静态建立。知识模块存放有关教育资源方面的关键字,如媒体素材、题库、网络课件、案例等。信息处理器根据采集器探测到的链接和知识模块的信息比较,发现了有符合的链接,信息处理器通过通讯机制把相关的信息通知教育资源信息管理Agent写入教育资源信息库,同时修改目标模块。效应器根据信息处理器的控制命令执行具体的事务处理。比如信息处理器在进行一项任务的同时又接收到新任务,可先把任务放在表中,然后根据优先级进行处理。

2 教育资源信息分析Agent

(1) 分析Agent

目前常用的信息过滤方法有如下4种:基于关键词向量的信息过滤方法;基于文章集的信息过滤方法;多Agent过滤方法和进化式信息过滤方法。教育资源信息分析Agent属于混合型Agent,它是由感知器、效应器、通信机制、信息库、规则库组成。它既能够快速地响应外来信息和感知环境的变化,又可以对信息进行筛选,并将处理的信息排序。

(2) 教育资源信息分析Agent

教育资源信息是以Web文档形式存在,通常采用VSM(Vector Space Model)作为其特征的表示方法,将信息组织划分为文档集合、文档、标引词三个级别。教育资源信息分析Agent信息库是资源类型划分的文档集合经过处理后被设置成为特征值或特殊符号的集合,具体是把文档集合(Document)={文本信息,图像信息,音频信息,视频信息,动画信息},按照教育资源建设规范的要求把文档集合中每一类文档的属性值看作是标引词,教育资源信息的标引词(Key)={标题(Title)、创建者(Creator)、主题(Subject)、描述(Description)、出版者(Publisher)、贡献人(Contributor)、日期(Date)、类型(Type)、格式(Format)、标识符(Identifier)、源信息(Source)、语言(Language)、关联(Relation)、覆盖范围(Coverage)、权限(Rights)}。这样就把教育资源信息设置成为一个二维表资源信息文档(Infor_EDU_Res)={DocKeyi,j},i=0,1,,,4,j=0,1,,,14。Agent信息库还包括一个资源信息评价表,表内包括四个健值评价总数,好的个数,中的个数,差的个数,信息评价表(Infor_Evalu)={Evalu_Sum, Evalu_Good, Evalu_Nor, Evalu_Bad}。教育资源信息分析Agent的规则库是把教育资源信息采集Agent所采集到的信息和资源信息文档(Infor_EDU_Res)比较并把得到的健值与教育资源信息分析Agent信息库的健值进行相似度计算,这样就可以把同一类型的资源信息放在同一个数据表里,便于用户的查询。然后通过对采集到的信息的评价设置成特征值对采集到的教育资源信息进行排序。

(3) 教育资源信息分析Agent的作用

教育资源信息分析Agent的作用有两个方面,一方面教育资源信息分析Agent根据规则库分析库内信息,对教育资源信息进行规范化处理。另一方面教育资源信息分析Agent根据网络用户对资源的评价对资源设置等级,并通过教育资源信息管理Agent对教育资源信息库内的资源信息进行删除、修改处理。

三 小结

基于Multi-Agent的教育资源信息采集分析系统充分发挥了Agent的智能性, 具体说明了各个Agent 的作用以及整个系统模型的运行过程,在教育资源信息采集Agent我们采用了探测前进,在教育资源信息分析Agent中我们探究了规则库的建构。从这个教育资源信息采集分析过程中也可以看得出,采集和分析的智能化得到了很大的提高,减少了人工的参与,采集的效率也得到了很大的改善,分析的明确性与有效性也在很大程度上得到了提高。

参考文献

[1] Hidehiko Wada, Shuhei Okada. An Autonomous Agent Approach for Manufacturing Execution Control Systems Control System [J].Integrated Computer-Aided Engineering.

[2] KRAUS S.Automated Negotiation and decision making in Multi-agent Environments [A].Lecture Notes in Artificial Intelligence2086[C ].Berlin: Springer-Verlag Press,2001,150 172.

[3] 段培俊,周东岱,程晓春.基于Multi - Agent 技术的教学资源个性化服务模型研究[ J ].北师大学报,2006,38(2):31-35.

相关文章
相关期刊