余冬梅
（陕西理工大学 数学与计算机科学学院，陕西 汉中 723000)
在线教育是随着大规模在线开放课程在2012 年的英美国家诞生而逐步发展起来的，2013 年进入我国。2017 年我国国务院《新一代人工智能发展规划》中指出，要开发立体综合教学场、基于大数据智能的在线学习教育平台，开发智能教育助理，建立智能、快速、全面的教育分析系统[1]；
2018 年我国教育部《教育信息化2.0 行动计划》中又明确，到2022 年基本实现“三全两高一平台”，努力构建“互联网+”条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式[2]。随着我国的“互联网+教育”得到迅速发展，在新冠疫情期间，在教育部“停课不停教，停课不停学”的总要求下，在线教学在我国高校呈井喷式增长，据统计，到2021年11月在线授课108 万名教师，在线学习35 亿人次，慕课数量和慕课学习人数均居世界第一，我国的慕课发展变化如表1和图1所示。
图1 我国慕课开课数量与学习人数变化趋势图
表1 2018—2021年慕课注册用户和选课人次（亿）
在互联网和人工智能技术不断发展的未来，教育与其高度融合只是时间问题，高等教育将会沿着传统无智能化-部分智能化-高度智能化-完全智能化[3]的路径不断演进，当前处于部分智能化阶段，还属于打破传统无智能化的旧生态平衡的初期，因此，出现的矛盾问题较多。
1.1 教师和学生基于教学平台的信息技术素养不足
初期，线上/混合式教学模式被少部分教师应用到教学中时，大多数学生感到新鲜，出于猎奇心理而接受，但随着越来越多的教师和课程应用线上教学模式，学生们内心的新鲜感逐渐消磨，开始产生应付和抵触情绪，究其原因，主要有：
1) 有些教师采用线上/混合式教学模式，只是将原来线下进行的教学环节机械地搬到了线上，并没有充分利用教学平台功能支持教学,反而占用了学生的上网时间和流量。
2) 当大量的课程采用线上/混合式教学时，教师使用的线上教学平台种类繁多，学生每换一种平台就需要把一定的精力花到线上工具的摸索上，影响了实际线上学习精力。
1.2 线上教学平台的智能化水平普遍不足，对教与学的支持不够
1) 不能很好地帮助教师了解学生的学习效果，也不能帮助学生了解自己对知识和能力的掌握水平，无法测算教学目标的达成度。
2) 在对学生学习过程考核方面，教学平台上鲜有对学生答案相似度评判的功能，导致评价真实性不足，为了考核公正性仍需要教师人工识别，此工作量大且不具有成效感。
1.3 不能满足个性化学习需求
当前的线上/混合式教学中所采用的学习资源推送模式，是教师根据教学设计提前将学习资源放到学**台上，学生在学习过程中需要在教师指定的资源范围内进行自行分辨筛选，需要自我完成学习路径、知识的二次组装和构建。而教学设计是教师在默认学生已经掌握前驱知识、具备前驱能力的条件下，根据自身的教学经验和学习经历，揣摩学生在学习相关内容时的知识需求、学习路径需求后完成的，只能设计出符合部分学生学习需求的方案，而非符合所有学生的需求。因此，当前的线上教学抑或混合式教学模式无法真正做到个性化教学，而个性化学习需求也不能满足。
1.4 线上教学资源建设存在不足
虽然在国家乃至各省教育主管部门的大力倡导和资金支持下，各个高校的积极参与下，建设了很多线上慕课资源，并对全国高校教师和学生开放，但资源的水平参差不齐，内容量有多有少，而且由于各高校的办学层次和定位不同，已建成的资源不一定适合所有高校。
1.5 线上课程思政的育人效果不佳
线上教学会导致教师与学生之间的互动变少，学生学的模式变成“人-机器-人”，面对冰冷的电脑或移动设备，缺少“面对面”教学模式的亲近感，完全线上教学模式下的课程思政几乎流于形式。
本文分析当下高校人工智能+教育的发展现状，可以看出教育生态系统俨然已经出现了不平衡现象，结合生态学理论，构建以在线教育为基础的高校教育生态系统的理论和模型，借鉴和遵循生态学原理，促使基于互联网+人工智能的高校教育生态系统尽快走向新的平衡，具有很强的现实意义。
2.1 概念界定
1) 生态系统(Ecosystem)的概念
生态系统是指在一个特定环境内，相互作用的所有生物和此环境的统称。此特定环境里的非生物因子与其间的生物之间具有交互作用，不断地进行物质的交换和能量的传递，并借由物质流和能量流的连接，而形成一个整体[4]。简言之，生态系统是由生物群落及其生存环境共同组成的动态平衡系统[5]。又可分为自然生态系统和人工生态系统[4]。
生态系统的构成因子有：非生物的物质和能量、生产者、消费者、分解者[6]。非生物的物质和能量是其他三类因子赖以生存的基础平台，借助该平台按照生产者→消费者→分解者→生产者的循环往复，进行物质交换和能量传递，形成完整的生态系统。
2) 教育生态系统的定义
生态系统理论下的教育系统应属于人工生态系统，其中各组成因子在各自主导行为的链接中产生循环关系并获得各自所需，各方之间通过一定的能量流动取得预期目标，最终达到动态平衡状态，此为教育生态系统。
根据生态系统理论，当新的能量流进入生态圈中，自然会导致旧生态的不平衡，生态系统的各个因子为了达到新的平衡需要进行新一轮适应性训练，可以是主动训练或者被动训练，而教育生态系统中的因子往往是属于前者，否则终将被淘汰。
3) 智能化高等教育生态系统的概念
美国国家高等教育技术计划之《重塑技术在教育中的作用：2017年国家教育技术计划更新》(Reimagining the Role of Technology in Education: 2017 National Education Technology Plan Update) 中阐述了在教育技术的支持下，按照“学习(Learning) 、教学(Teaching) 、评估(Assessment) 、领导(Leadership) 和基础设施与平台系统(Infrastructure) ”五个方面定义了高等教育生态系统[7]，以确保所有学生都能公平获得由技术实现的高质量教学为目标。
2.2 智能化高等教育生态系统模型构建
1) 模型的构成要素（因子）
从生态学的角度，智能化的高等教育生态系统中的构成因子有教育者、学习者和其利益相关者、管理者、智能教育技术支持者、基于人工智能的软硬件集成平台等五项。
教育者通常是指教师和教学辅助人员等，完成对知识、技能的总结、展示、讲解、传授以及相关的自主设计与管理，如教学设计等。学习者和其利益相关者通常是指学生及其家长或监护/资助学生学习并关注其学习过程和结果的人，完成个性化学习与自主学习的自我设计以及对知识和技能的学习、训练、测试、应用等。管理者通常是指教育机构（学校）、各级行政管理部门，完成各级教育教学制度、策略的制定、发布、指导执行等。智能教育技术支持者通常是指提供智能化教育教学技术服务的人或机构，完成智能化教育教学软件的规划、设计、实现、部署、维护等。基于人工智能的软硬件集成平台是指互联网、智能化教育所需的软硬件设施设备，包括所有教育教学资源，为其他构成因子的活动提供基础性平台。
2) 要素（因子）间关系
基于人工智能的软硬件集成平台在整个教育生态系统中起基础支撑作用，其他四项构成因子的所有教、学、管、服务等工作的开展均在平台上进行。教育者在平台中进行教学设计与教学资源的准备，将知识和技能传授给学生，以及必需的教与学之间必备的交互和管理（包括对学生的主观评价，客观评价由平台中的智能软件自动完成）。学习者在平台中获取学习所需所有资源，并在教育者的帮助下进行学习以及与学习相关的任务。管理者将管理制度、策略等融入平台软件中，供其他系统因子根据自己的角色自动匹配完成。智能教育技术支持者将智能软件部署到平台当中供其他系统因子使用，并为他们提供后续技术服务。系统模型如图2所示。
图2 智能化教育生态系统模型图
生态过程中的适应与发展是相互联系的,适应是为了更好的发展，发展是为了达到新的平衡。教育机构（如学校）与外在环境是相互影响的,但是教育机构受外在环境的影响程度更大，而教育生态系统对环境的适应,在很大程度上不是通过改变环境来适应,而是通过自身的变革来适应[8]。
在旧的教育生态系统中引入新的改变，如学习工具、教学模式、评估方式等，就会打破旧系统的原有平衡，形成动荡。当前，教育生态系统从非智能化向着智能化路径发展的过程中，势必会通过引入互联网、人工智能、大数据、云计算等新技术而带来学习、教学、管理、评估和基础平台的改变，自然会引起旧教育生态系统的不平衡，我国高校当前的“互联网+教育”的改革正处于这样的不平衡的动荡期，主要表现如表2所示。
表2 智能教育生态系统不平衡点分析
智能化教育须是以互联网、大数据、人工智能、云计算、区块链等多学科技术为支撑，这是达到教育生态平衡的“硬平台”，同时还需要教育理念、管理策略等的“软基础”，二者共同作用才能达到适度的系统平衡。“硬平台”中通过硬件设备和算法来完成，而算法是人类解决问题的策略抽象到机器系统中的处理步骤，这些处理步骤集合又称之为计算模型。因此，算法有时是冰冷的、必须可量化的，而教育应该是有温度的，有时候是主观的和不完全量化的，将算法应用到教育生态系统中，免不了要发生冲突和风险。
4.1 基于“硬平台”的分析
对于智能化集成的基础平台研究和创新对于智能化教育的作用是不言而喻的，这是物质基础，是“硬平台”，相对于“软基础”而言，即为皮之不存毛将焉附的作用。
这里重点说明的是“硬平台”中的算法。随着各类算法研究的不断进步，智能化教学平台一定能达到教、学、管的显性设计目标，但是这个目标或将是冰冷的，因为隐性的问题会随之产生，如数字鸿沟、教育公平、个人隐私、数据应用与安全等法律层面问题[9]，这些都将是导致教育生态系统不平衡的诱因，而这些问题的源头核心是算法。
1) 在设计计算模型时，往往会忽略预求解问题中次要的或者很微小的信息属性[10]，但这种忽略也给求解问题的真实性打了折扣，当数据量很小的情况下，这种“微小”看似不起眼，但当海量数据产生时，其对计算结果的影响未必是“微小”的，而有时事物的特色却正体现在这种“微小”中，这使得算法在应用中存在一定的隐患，且这种隐患很难预估。
2) 在线教育需要人工智能技术，人工智能中的机器学习类算法具有自学习、自训练能力[10]，而人类对于这种自主性能力的发展方向很难理解和判断，这本身也是一种隐患。
3) 算法最终展示的是计算模型，它是以数学为基础，具有公式化的特点，它会把输入的数据按照同样的计算步骤和方法进行处理，这会把教育教学工作以同样的规约进行处理，有导致教育无差别的隐患，最终使个性化学习成为空话。
4) 计算模型是由“人”构建的，算法是由“人”设计的，这些都需要基于“人”（设计者）对待解问题空间的理解而决定，一旦理解有偏差，其设计出来的软件就会有缺陷，而且软件一旦经过互联网平台，其缺陷影响力将无限放大,若被放到教育系统中，其负面影响会不可估量，而教育不是生产产品，不可能将次品回炉重造。
4.2 基于“软基础”的分析
教育生态平衡的“软基础”应该包括教育理念、课程思政、学习方法、管理策略等，这些都是不好进行量化、不易评价好坏的软概念，因此也很难用设备或者算法直接表现出来，只有当它们在教育生态系统中化解成多个具体措施被运用一段时间以后，由系统利益相关方的感受或者行为数据统计分析才能得出结论，而这些具体的措施也未必能够被算法化。就教育理念来说，当下教育部提倡的产出导向(Outcome Based Education，OBE) 的教育理念，还没有一个计算模型可以将该理念直接设计到教育生态系统中，而只能在整个教育过程中通过教学环节共同作用达到OBE 的效果。因此，教育生态系统的“软基础”的特点是：不好量化、不易评价，这也是智能化教育生态系统中下一步重点研究的方向。
4.3 未来智能化教育生态系统建设的策略建议
不平衡性是生态系统发展的特征，为使系统不平衡因素能尽快调整，第一，建立、规范相应的制度政策、法律法规，界定出智能化教育建设的规范化的内容和边界；
第二，严格管理算法策略的设计，算法应严格在法律等相关条款下进行，不能由设计者自行定义和设计，教育主管部门应设置专门的管理分部，对教育生态系统中的所有智能算法进行监督、审查，对具有产生不良倾向的算法暂停运行、责令及时改进；
第三，制定智能化教育生态系统从业人员道德规范，指导所有参与到该生态系统中的从业人员都要统一认识，规范行为，做出符合教育规律的教、学、管的行为，以及违反法律和职业道德的相应惩戒措施；
第四，在基于智能化教学系统中产生的所有数据均应在法律界定范围内被保存、传播、使用、分析和销毁。
基于不同软性概念的特点，采用不同的教育教学措施，不宜使用一刀切模式，基于生态系统理念，教育多样性的体现也要求我们求同存异，应该允许有些教学活动采用线上形式，有些采用线下形式进行。
教育智能化的核心要义是：将教学者从简单、重复的工作中解放出来, 把时间、精力和智慧更多地投入到个性化教学、创造力的训练以及具有创新价值的教育教学设计中；
提高学习者的学习效率和效果，达到个性化学习的目标；
提高管理者的管理效能。人工智能的演化与发展可以替代教学者、学习者、管理者完成一些基础性的工作，而且智能化的程度会越来越高，但这需要一个过程，需要我们完善教育生态系统中的“硬平台”建设和“软基础”建设。在《教育部2022年工作要点》中第28条指出，要实施教育数字化战略行动，强化需求牵引，深化融合、创新赋能、应用驱动，积极发展“互联网+教育”，加快推进教育数字化转型和智能升级[11]。因此，我们相信，我国智能化高等教育生态系统的发展将会更加完善，期待文中设计的模型可以得到进一步细化。