何文涛 等|智能时代人机协同学习的本质特征与一般过程-澳门凯发
诊断改进
开放教育 您现在的位置: 澳门凯发-ag凯发旗舰厅 >> 诊断改进 >> 开放教育 >> 正文
何文涛 等|智能时代人机协同学习的本质特征与一般过程
栏目:开放教育 作者: 来源:  时间:2023-03-15 07:18:55 点击:

何文涛 等|智能时代人机协同学习的本质特征与一般过程-澳门凯发

【摘要】随着人机融合程度的不断加深,学习者的学习表现出明显的人机协同特性,但面对人机协同学习是如何发生的、有何特征和局限、如何规避其所带来的潜在风险等问题,我们其实并不清楚。为解决这一问题,本文在论述人机协同学习表征形态的基础上,阐明了人机协同学习的本质特征,具体表现为学习目标的整合性、学习内容的场景性、学习主体的互补性、学习环境的多元性和互动反馈的群体性;构建了人机协同学习的过程模式,包括人机协同的信息输入、信息加工、信息输出和内外反馈四个方面。为消除人机协同学习的局限与潜在风险,本文认为人机协同学习时应遵循人与机器互信、人为本机为辅、支架延迟提供、感统促进内生四大学习原则,在享机器之便的同时要防机器之弊。


【关键词】人工智能;人机协同学习;学习过程;学习原则





一、

问题提出


人工智能以一种技术手段或思维方式融入学习场域,虽不能彻底改变学习的本质,但会直接影响学生的学生方式(郭炯 & 郝建江, 2019)。技术是学习者与学习环境之间进行信息交换的重要媒介,技术的使用可有效减少学习者在获取知识、理解知识上的初期认知成本,促进学习者认知结构的重构。过去在讨论技术与学习的关系时常把技术当成学习系统的外部工具,而不是纳入学习本身的主体要素。智能时代的信息量和信息熵呈爆炸式增长,仅依靠学习者自身的认知能力难以处理这些海量信息。随着人机接口、机器学习等新兴智能技术在教育领域的广泛应用,技术成为学习系统必不可少的组成部分(毛刚 & 王良辉, 2021),逐渐从学习系统的外在工具性中介角色转变为主体性角色,并能够分担一些特定的认知活动。这样一来,人的认知活动不再仅依赖学习者自身,也能借助智能机器,学习者的原有认知方式发生了重大改变。随着智能时代人机协同、互适应学习机理等方面研究的不断深入,智能机器在学习中的主体性日益增强,不仅能够迅速识别有意义的知识信息,清晰表征情境化问题,还能与学习者的智慧进行结合,协作处理较为复杂的实际生活问题,学生学习过程的人机协同特性日益显现。但面对人机协同学习是如何发生的、有何特征和局限、如何规避其所带来的潜在风险等问题,我们其实并不清楚,而这些问题的解决是有效开展人机协同学习实践的关键。要解决这些问题,需首先弄清楚人工智能支持下的学习者学习表现出怎样的人机协同形态,从中总结出其与传统学习的本质区别和内涵特征,才能在此基础上探究人机协同学习发生的一般过程,即人机协同学习过程模式。同时,还需清楚人机协同学习中人工智能的介入可能带来的潜在风险和具体的规避规约,才能更好地保证人机协同学习实践的良性发展。为此,本文尝试从人机协同学习的表征形态、内涵特征、过程模式、潜在风险与规约几方面构建人机协同学习的理论体系,以阐明人机协同学习的发生机制,为人机协同学习实践提供理论指导。


二、

人机协同学习的表征形态


当下学习实践已呈现出多种人机协同形态,人机协同学习是人工智能技术在学习领域广泛应用的必然发展趋势。只有搞清楚学习过程中学习者与智能技术之间的真实关系,才能揭示智能时代人机协同学习的具体表征形态。在人与技术之间的关系方面,伊德的技术现象学对此进行了权威论证。根据伊德的人-技关系理论,我们将学习者与智能技术之间的关系分为四种,即具身关系、解释关系、它异关系和背景关系(唐·伊德, 2008)。依据这一框架,可对人机协同学习的表征形态予以说明。

(一)具身态人工智能参与的自主定制学习

智能技术以具身形态参与学习者的具体学习过程。具身形态的人工智能技术具有拓展学习者的信息感知获取能力、协助其进行认知加工、支持多种形式的信息输出与自我表达的功能,不仅能将有共同目标、相似兴趣的自主学习者进行汇聚,提升信息传播效率,还可以把多类互联感知设备封装起来,为学习者打造接近自然感受的信息与情感传递的虚拟感知空间,获得真实生活情境下无法切身体验的真实世界之外的感知,让学习者能够借助虚拟场景开展高效的自主学习,并为学习者提供逼真、及时的学习反馈。通过智能技术进行自主学习行为的分析,不仅可以全面呈现学习者自主学习过程中的时间分配、学习参与度和具体学习策略使用等方面的特征,帮助学习者有针对性地高效开展自主反思,还能动态感知学习者学习需求并及时做出决策,为学习者提供评价定制、路径引导、资源推荐等方面的个性化支持,自动规划学习进程,引导学习者高质量地完成学习任务。在此过程中,学习者可基于智能机器的建议,依据自身个性化学习需求,定制需要学习的科目、课程或知识点,自主定制学习节奏与过程。

(二)可解释性人工智能参与的协作学习

解释人工智能的作用在于能够通过综合万物互联的数据,对复杂的现实世界进行多角度、全方位的分析解读,帮助人们更准确地理解与掌握现实世界万事万物的运行规律,进而更高效地解决实际问题。作为具有解释功能的智能学习分析技术,能通过采集教与学过程中的各类数据,分析学习者的学习规律与认知特点,从而进行学习风险预测。智能技术参与的协作学习,学习共同体以学习目标或待解决的协作问题为导向,通过小组成员间的协商讨论开展信息交互、信息加工、问题解决、成果共享等协作活动。在协作学习过程中,智能技术能够动态调整小组成员的角色分工或承担部分探究任务,帮助小组成员相互之间更加清晰地传递、理解关于协作问题的不同认知,以此汇聚小组成员关于问题解决思路与结论的群体智慧,促进协作学习方式的创新。例如,通过网络感知技术精准监测组员在协作学习互动中的认知特征与群体意识,然后基于这些数据自动调节协作活动内容和组员之间的关系网络,对促进组员更高效、精确地制定学习计划、理解要解决的问题、开展过程监控与反思具有很大帮助(janssen et al., 2013)。在这一过程中,智能技术以“解释者”的角色出现,以直观的、可视化的方式参与协作学习。

(三)它异性人工智能参与的探究学习

它异性人工智能以“人的形象”参与学习,不仅能丰富学习者的互动体验,还能给予学习者情感方面的支持。智能机器在以独立的个体身份参与学习者探究学习时可与学习者共同组成人机融合的学习共同体,通过发挥人类与机器的各自优势合力完成学习任务。如智能学伴或智能导师可依据学习者的个性化学习需求,为其自动匹配探究学习所需的学习资源等支持,学习者利用这些支持可以有理有据地开展协同探究与反思(王良辉, 2012)。另外,智能技术还能像人类学习者一样精准识别同伴在探究学习中的喜怒哀乐等情绪变化,并根据特定算法调节其与学习者的交互方式,帮助人机学习共同体在适应性规则的引导下顺利开展探索活动。在此过程中,借助智能机器设定的内在适应性规则,学习者在探究过程中能够获得更多试错的机会和更为精准的指导。这类智能机器以“准它者”的角色参与探索学习,通过为学习者提供学习线索、搭建脚手架的方式帮助学习者降低问题探索的认知负荷,对培养学习者的问题解决与实践创新能力具有促进作用。

(四)背景态人工智能参与的社群互动学习

作为自然背景形态的智能技术一般隐蔽在学习活动当中,可为学习者的人机信息交互和社群人际互联创建无感化的学习空间(毛刚 & 王良辉, 2021)。智能技术能够纳入更多多元化要素,联结不同地域的学习者采用多样化学习方式进行协同学习,彻底打破传统的社区型学习结构,并逐渐向社会化网络学习结构转变。这类人机协同学习呈现出明显的社群互动特征。社群互动协同学习包含两个关键要素:其一是社群,社群表现为学习者组成的团体具有结构的异构性和兴趣意识的统一性,社群可由智能学习空间根据学习者的共同兴趣爱好进行个性化推荐自动建立,也可在智能推荐的基础上由学习者自主选择形成;其二是互动,互动主要表现为学习交互的多样性,智能技术可为学习者提供丰富多样的、可深度参与的线上线下互动环境(余亮 等, 2020)。借助此互动环境,可根据学习者的即时需求,为其推送个性化的社群资源,同时还能探测学习者在进行社会性互动过程中的认知状态和情感分歧情况,并给予及时的适切引导,打破传统教学中的“集体空间”,为学习者社群学习随时随地的互动交流提供支撑。


三、

人机协同学习的本质特征


(一)何为人机协同学习

人机协同思想最早出现在工业时代,主要强调人与机器的劳动分工关系。20世纪90年代,从功能分配的角度,系统与信息科学专家对人机协同的基本方式进行了界定:复杂高速、单调重复、精密运算的工作和笨重危险、环境恶劣的工作由机器承担;对机器系统进行指令安排、程序设计、监督控制、维修保养或突发事件处理等工作由人来承担。人与计算机的协同工作关系进一步将人机协同从普通的劳动分工领域拓展到部分决策领域(毛刚 & 王良辉, 2021)。人与计算机取长补短,共同进行认识、感知、思考、决策,一起工作,同时彼此之间互相理解、制约和监护(杨灿军 & 陈鹰, 2000)。随着人工智能的快速发展和不断突破,人机协同中的“机”不再特指计算机,而是指包括计算机在内的多种智能技术。智能技术有别于以往的工具性或中介性的媒体技术,具有很强的主体特性,能够通过强大的数据算力分担人类的部分认知劳动,并能通过改变学习环境让学习者采用多种方式与客观世界互动。这使得学习的发生不再仅是与外界环境进行信息交互,还需要进行人机分工协作,学习发生的过程与机制发生了重大改变(郭炯 & 郝建江, 2019)。智能时代人机协同学习越来越普遍(艾兴 & 赵瑞雪, 2020),引起了越来越多学者的广泛关注。艾兴等人认为,人机协同学习是利用人工智能技术作用于学习者的身心,使其获得智慧、健全人格和操作技能的学习方式(艾兴 & 赵瑞雪, 2020)。这一定义充分凸显了人机协同学习的人本价值取向和学习目标的整合性,但对人机协同学习是如何发生的所述不详。在此基础上,郝祥军等人对其进行了补充:人机协同学习的本质在于人与技术建立协作关系,人在借助技术与世界进行信息交互的过程中认识世界,协同发展(郝祥军 等, 2022)。但这一定义未交代人机协同学习评价方面的相关内容。王一岩等人则认为,智能时代的人机协同学习旨在充分发挥人类智能和机器智能的核心优势,通过人机交互、协同工作、共同协商决策,实现人机协同教育的智慧生成,重构智慧学习新生态(王一岩 & 郑永和, 2022)。但这一概念未涉及人机协同学习环境的相关论述。可见,人机协同学习的内涵还需进一步完善。

基于前人研究,本文认为,人机协同学习是通过人工智能等技术的“外挂”或主体性功能来延展学习者的学习能力或分担学习者的部分学习任务,通过虚实融合的学习环境为学习者提供常规物理环境中难以获得的学习体验,辅助学习者进行多元化的群体互动并为其提供实时动态的评价反馈,以促进学习者能够更好地获得成熟的智慧思维、健全的人格品质和实用的应用技能的一种学习方式。

(二)人机协同学习的本质特征

由人机协同学习的概念可知,人机协同学习和传统学习存在本质的不同,具有学习目标的整合性、学习内容的场景性、学习主体的互补性、学习场景的多元性和学习互动的群体性五大特征。

1. 学习目标的整合性

人机协同学习的目标主要包括两大方面:一是关注学习者借助智能技术将所学内容内化为自身知识结构或能力体系的智慧生长;二是关注学习者学习知识理念时所表现出来的外化于形的动作技能的生成。内化于心的智慧是指学习者在充分理解、熟练掌握相关智能技术与理念方法的前提下,思考如何利用这些智能技术服务于学习者自身在学习过程中的知识建构与能力生成,促进深度学习行为的发生,以帮助学习者更加全面地把握学习内容的认知,促进学生思维品质的提升与知识观念的更新,进而创造美好生活。这是人们开发利用智能技术的价值旨归。外化于形的技能是指学习者通过具体行动来实践或验证知识理念,实现学习的进一步突破,即操作技能的培养与提升。目前,利用人工智能分析学习者的动作、表情的研究日益增多(vail et al., 2016)。在这些智能化分析技术的加持下,可快速识别学习者学习过程中的面部表情与肢体动作,准确判断其动作技能掌握是否娴熟,并为学习者的操作技能提升提供翔实的数据支撑。可见,人机协同学习不仅仅追求学习者知识理念学习的深度,还关注其在知识践行中的动作技能提升,符合核心素养培养的价值追求(艾兴 & 赵瑞雪, 2020)。

2. 学习内容的场景性

知识技能有硬软之分(李新房 等, 2017)。硬知识反映的是人类对自然规律的本质认识,具有静态、可显见的特征。软知识反映的是人类随着硬知识应用场景的丰富而对新规律或已知规律认识的不断深化,具有动态、不易见的特征。硬技能是个人在特定职业中的专业能力,有清楚的领域界限。软技能是一种不易直观测量、难以描述清楚但又不同于专业能力的技能,能够根据应用领域的不同进行变化和迁移。目前的机器智能还不具备人类的迁移思维能力和情感意识技能,但在数据分析和自我学习方面较为突出,在既定硬知识技能学习方面远超人类。因此,在智能教育时代学习者对特定知识技能的学习将会被弱化,因为这些特定知识技能将更多地被智能机器掌握(王竹立, 2019),学习者只需根据需要借助智能技术随时进行提取即可,学习者的注意力应更多地放在如何创造性地借助特定知识技能来适应不同的生活场景,在掌握知识应用场景的过程中来深化既定知识技能的学习水平。在人机协同学习场域下,学习者的学习内容逐渐从知识学习转向知识应用场景的学习(郭炯 & 郝建江, 2019)。

3. 学习主体的互补性

学习者的心理能力来源于感观和经验,如果没有视、听、嗅、触等各类感官的介入和参与,任何外部事物都无法进入我们的大脑,学习也就不会发生。在人机协同学习中,具有主体性的机器可以作为学习伙伴全过程参与学习者的学习,拓展或补充学习者部分感官捕获有效信息的能力。智能机器不仅能够辅助学习者更高效地进行问题情境的分析、学习资源的获取与学习评价的反思,优化学习过程,还能替代学习者完成良构知识信息的加工处理,降低学习者的学习成本,同时还能与学习者进行学习信息和情感互动,精准获取其在知识学习中的疑惑和感受,强化智能机器与学习者之间的主体互补关系,增强人机协同的智能性。而学习者主要关注问题解决本身,负责非良构知识的学习,以弥补智能机器难以举一反三、不能解决情境性问题的缺陷。通过人机两类学习主体的优势互补,以协同互补的方式助力学习者“随机通达学习”的实现与高阶思维的培养。

4. 学习场景的多元性

人工智能技术的应用对学习场景的进化具有推动作用。利用声、光、温等传感器设备收集数据,基于这些数据可将传统教室升级为一个能够支持虚拟视觉、听觉、触觉全面感知的学习场所。在5g网络的支持下,利用虚拟增强现实技术可将在线学习平台打造成为虚拟教室,克服传统学习的时空局限,增强学习者在线交互的真实性与沉浸感。学习者可在vr眼镜等设备的支持下进行虚拟与真实学习场景的切换,获得学习抽象知识所需的条件线索,对提升学习者的知识理解力和信息辨别力具有促进作用,利于学生在知识探究过程中实现动作技能的强化。例如,借助自动感知技术创设逼真的沉浸式语言学习环境,通过大量真实生活情境中的图文信息、真人语音等内容,模拟自然真实的语言环境,让学习者沉浸在类似母语的语言环境中主动开展语言字词的学习以及口语交流训练。这些多元化的学习环境拓宽了学习者的学习场景和获取知识的渠道,使之不再受时空限制,方便学习者随时随地学习,使学习者的学习逐渐从单一实体教室场景转向虚实混合的多元场景。

5. 学习互动的群体性

具有主体角色的智能机器可作为学习伙伴,不仅能为学习者提供贴身式学习支持,还能在学习过程中采集、分析学习者的学习特征,然后通过学习仪表盘等可视化方式将学习者在学习过程中的隐形需求和认知结构特征进行显化。提供学习辅助的智能媒介也不再仅充当工具手段的中介功能,而被当成学习主体的组成部分,能够收集、反馈和体现学习者在学习过程中的情感意志。学习者与智能机器在学习中的无缝融合,使得学习主体从学习者单一主体逐渐向 “人 机”融合体或者是多“人 机”融合体构成的共同体演变,学习主体范畴得到了进一步扩展。在智能学习平台的支持下,借助智能终端,教师与学习者之间、学习者与学习者之间、学习者与智能机器之间可实时进行互动,彻底改变了以往“教师提问-学生代表回答”的单一、被动、静态的课堂反馈模式。学习者的学习互动方式逐渐从个体被动应答教师的单一静态反馈转向多类学习主体间的群体实时互动,学习主体间、学习者和教师间的互动深度更为充分、互动方式更为丰富、互动反馈更为及时。


四、

人机协同学习的一般过程


明晰人机协同学习的本质特征有利于我们更好地理解人机协同学习的发生过程。信息加工理论认为,学习过程是学习主体通过系列心理动作完成外部知识信息的内部加工过程,主要包括信息的输入、加工、输出与学习反馈四大环节(李文淑, 2018)。智能时代,随着人机融合程度的不断加深,人与机器逐渐形成学习共同体,人机各展所长,在多元化学习环境的支持下围绕知识的应用与深化进行全方位学习互动与群体反馈,通过协同方式促进学生的智慧生长和动作技能的生成。人机协同学习的具体过程如图1所示。

图1 人机协同学习的过程模式图


(一)人机协同的信息输入

学习输入是主体通过效应器官获取外部刺激信息的过程。效应器官是人进行信息的获取、处理、传递、应用和感知外部环境刺激的主要媒介。传统课堂学习中的信息输入多以教师讲授、图文学习或视频学习为主,刺激的多是视听感官,而人工智能可以延展人的效应器官与外部环境交互的通道,拓展信息输入来源,提高信息获取效率。如,学习者通过一些智能化的特定可穿戴设备能够在虚拟场景中体验逼真的视、听、嗅、触等感官模拟;依托虚拟现实技术构建生动形象的虚拟环境,提供在真实生活中难以切身体验的感知觉学习线索,有效增加学习者对抽象学习内容的理解深度,扩展信息输入的刺激来源;依托智能教学系统将理解难度较大的各类原理知识通过图形化、游戏化或虚拟仿真的形式向学习者进行传递,使原理知识的学习从依靠单一的文字或视听觉信息扩展到全感官信息,促进学习者将信息感知升华为认知思维。借助一些智能感知交互设备,可帮助学习者实现虚拟与现实学习环境之间的实时无缝切换,丰富获取知识信息的途径和知识应用情景,不仅利于学习者随时随地开展自主学习,还能大大提升学习者的学习体验和对有意义信息内容的理解力与辨认力(郭炯 & 郝建江, 2019)。对于那些由于生理缺陷而无法正常获取学习信息的特殊人群,可借助人工智能将学习信息转换成特殊群体能够识别的呈现方式,通过人体感官的补偿机制延伸特殊人群的效应器官功能,弥补其在智力或身体方面的缺陷(杨现民 等, 2018)。

(二)人机协同的信息加工

学习是一种学习主体将新旧知识进行融合,以优化自身知识结构的加工过程。智能时代,需要学习者处理的信息量暴增,单单依靠学习者自身的认知能力难以适应这种时代的变化。智能技术的不断发展使其在学习系统中的主体性角色日益显现,人的部分认知活动可交由智能机器来完成。随着智能设备能够独立承担的认知活动越来越多,完全依赖人类记忆系统的信息加工表征与贮存方式正在被改变。进行信息加工时,学习者依据随机应变、情感关怀等人类特有能力,主要负责对事物的价值和意义进行解释;智能机器则依据其在数据存储、计算、搜索、分析识别方面的优势,承担信息的存储、感知、识别等方面的学习活动,可减轻学习者的认知负担,帮助学习者分辨、剔除不相关的无用信息,建立不同知识概念之间的新图式关系,完成知识学习的系统化。智能机器在加工外部输入信息时产生的数据越多,学习者感官得来的信息就越多,就越能够帮助学习者将输入信息转化为内在智慧。如利用体感游戏、图像识别等相关技术替代学习者完成部分信息的收集、整理、处理和呈现等工作,利用与学习目标相契合的认知分析工具从多维度追踪评估学生的学习过程,可促进学习者进行形象记忆、抽象思维、元认知反思等高阶心智思维活动。通过人机协同方式加工输入的学习信息能够有效转移学习者的认知压力,突破个体认知极限,助力学习者解决单独依靠个人难以完成的复杂问题,并能通过长程推理等活动将这些学习经验结构化,实现人机智能的有效融合(彭红超 & 祝智庭, 2018)。

(三)人机协同的信息输出

学习的输出是一种对动作对象施加特定影响的认知过程(曹培杰, 2018)。培养创新人才要求学习者的学习输出不能停留在知识的简单记忆或浅层理解层面,而是要在已有理解水平上建立新的认知图式,发展学生的高级思维能力,促进知识的深层理解与应用迁移(林崇德, 2003)。传统教学中的信息输出主要以交流、提问、作业、纸笔测试等形式为主,输出的多是显化的学习结果,学习者的学习状态、思维方式、认知风格、学习路径、能力水平等信息无法进行直接呈现。借助人工智能技术不仅能将学习者的显性学习结果更便捷、高效地输出,还能为学习者的多人协同学习提供实时呈现平台,如文档的协同编辑,可将学习者的动态思考过程实时共享给其他学习者,实现学习者学习过程和学习结果的双向高效传递,同时还能全面采集学习者的作业完成情况、测试情况、交互信息、视频学习记录等结构化数据,以及专注度、思维表征等非结构化数据,支持学习者进行非结构化或复杂技能的输出,并能可视化呈现学习者的学习状态、行为表现等学习信息,显化学习者的默会知识。可见,人机协同学习的信息输出途径包括两种:一是学习者借助智能技术进行学习结果的传递与共享,提高信息输出的实效性;二是通过智能技术呈现学习者的学习过程信息,辅助学习者更全面地呈现个人学习成果。但过多依赖智能设备帮助学习者输出学习过程中的默会信息,在一定程度上也会导致教师互动能力和学生表达复杂问题能力的退化,限制学习者的独立思考和自身的创新动力(李建中, 2019)。

(四)人机协同的内外反馈

学习反馈分为内、外反馈两种,对学习过程的执行行动起检验、调节作用。通过智能技术可对学习过程和认知结果进行多维度全方位分析,并将分析结果图形化可视呈现,可为学习者提供实时的个性化反馈与评估,为其能够及时调整学习过程与个人学习计划提供数据支持(赵慧臣 等, 2018),对学习者深度学习行为的发生具有促进作用(郑兰琴 等, 2018)。另外,智能技术还能对学习者的学习水平、知识结构等进行鉴别,为学习者提供全面的学业水平发展评估报告,帮助学习者反思学习过程并做出正向选择,促进高质量学习行为的持续发生。借助情境感知、模式识别等智能技术可对学习者与环境交互的生成性信息进行实时跟踪、采集、建模和分析,然后在同一时间轴上对这些数据进行处理,建构反映学习过程的非结构化多源数据结构网络,准确解析学习者的认知过程、学习习惯和情感状态(尹睿, 2018),并提供个性化的学习分析、资源推送和学习路径推荐等外部反馈。但智能机器基于学习动态,通过算法的逻辑运算与预测所提供的个性化学习路径是否具有参考价值,仍需学习者根据自身的实际情况与真实需求做出恰当的价值判断。

需要说明的是,同时具备信息输入、信息加工、信息输出和内外反馈的人机协同是理想状态下人机协同学习发生的一般过程,现实中的学习者学习往往只在某一个或几个环节上实现人机协同。如智能导学系统支持下的训练学习,借助导学系统把知识内容和需要完成的作业习题按学科逻辑呈现给学习者,然后获取学习者学习过程中的行为反应,并根据学习者的具体反应为其提供正误判断、相关解答和问题提示等引导信息,此过程受导学系统控制,学习者与机器进行协同学习时只能执行系统设定的学习活动,自主度较弱(郝祥军 等, 2022)。这一过程主要体现为学习的内外反馈环节上的人机协同。再如人工智能赋能的探究学习,通过智能环境根据学习者的个性化需求提供精准的学习支架,助力学习者认知加工,降低认知负荷,而通过智能分析可准确呈现学习者的多模态学习数据,帮助学习者选择系统提供的分析结果,建构和设计自己的学习路径,探索符合学习者自己特征和实际需求的有效学习方式。这一过程主要体现为信息加工、信息输出和内外反馈环节上的人机协同。智能时代通过人机协同能够有效促进学习者的学习过程更加高质、高效,对学习者认知能力的培养也更为高阶,但同时也会因智能技术的介入给学习者的学习带来一些潜在风险。


五、

人机协同学习的潜在风险与规约


(一)人机协同学习的潜在风险

世界数字化以后,人和机器生成的信息远超人们的接受能力,为快速获得有效信息人们常采用搜索引擎。有了搜索引擎的帮助,人们很容易得到一些接受型知识,导致人们过分强调这类知识的重要性,误把 “所见即所得”或下载行为当成认知行为,而忽视自身认知自主性的发展(李冀红 等, 2021)。人类学习具有社会性、积极主动性的特征。在人机协同学习中,智能机器虽然具有超强的自我学习能力,能够在极短时间内完成信息的感知、处理与分析并迅速做出决策,习得的知识量也超出了人类知识的限制,但仍然无法改变智能机器没有人类学习的社会性和积极性的局限,不具有完全的自学习能力,在一些数据无法穷举的领域其算法难以做到无师自通(宋灵青 & 许林, 2019)。在利用技术追求效率的过程中,显性的、结构化的知识更容易通过人机协同实现加速传递与接受,但容易陷入“知识本位”的旋涡,致使学习变得扁平、单维,不利于学习者创造力的发展(秦丹 & 张立新, 2020)。

建构主义认为,学习是一种学习者通过积极主动与环境进行相互作用来建构个人知识结构的过程,知识是个体与环境相互作用的建构结果,并不是一成不变的,“一千个读者就有一千个哈姆雷特”。智能澳门凯发的技术支持下的人机协同学习,通过对学习者的学习过程和结果进行多维度的检测与计算来生成下一步学习路径和干预策略,追求精准、简洁、有序的学习活动路径,使学习的每一步都有轨可循。然而,正是这样一条排除了学习过程偶然性和随机性的平滑“因果链”,限制了学习者学习过程中多维度地与周围环境相互作用的空间,斩断了学习者在知识建构过程中可能存在的“旁逸斜出”,让学习者失去了探究、失误、质疑与反思的机会(安富海, 2021)。人机协同学习预设路径的固化与机械性,让学习处于被动状态。学习是生成的,而非预设的;知识的意义和价值不仅仅体现在其本体,还在于使学习者能够在学习知识的过程中不断参与并创造新的知识(秦丹 & 张立新, 2019)。

另外,人机协同学习中智能机器能够参与具体的学习决策,并对学习过程进行干预,其主体地位进一步得到了凸显。如没有明确的人机协同学习的伦理边界和完善的智能教育服务准入机制的约束,智能产品的滥用极易导致学习者思维的惰化,同时也会面临“人”与“机器”学习主体争端的问题(王一岩 & 郑永和, 2022)。我们一旦将学习诊断与决策权交给机器负责,学习者就会跟随机器被动学习,但机器存在潜在的设计偏见、数据偏见和算法偏见(郝祥军 等, 2022),学习者易被困于算法牢笼之中,沦为算法设计者任意摆布的玩偶。

总之,人机协同学习的潜在风险主要体现在两个方面:一是利用智能技术辅助或替代学习者的部分学习任务时,易陷入追求效率的 “知识本位”旋涡,致使学习变得单维,不利于深度学习的发展和学习者创造力的发展;二是人工智能主体地位的凸显,人机协同学习时易引起学习主体争端问题,如不明确人机分工和主辅地位,不仅会使人机协同学习效果大打折扣,还会引发一系列教育伦理问题。

(二)人机协同学习的规约

为消除人机协同学习的这些局限与潜在风险,本文认为人机协同学习需遵循以下规约。

1. 人与机器互信原则

alphago的故事表明,在某些规则清晰、明确且可以良好定义的领域,人工智能已超越人类,且此领域内的工作也最易被智能机器取代。在美国国家研究委员会组织的研讨会上,关于人机协同与会者认为:智能机器和人类要结合各自的长处,弥补彼此的弱点,增强彼此处理问题的能力;人类和智能机器可以共同完成自己无法独自完成的复杂性任务;智能机器是人类的学习伙伴,而不是工具媒介;人机协同可以增强和扩展人类的认知、感知和合作交流的能力。当下各种智能设备已遍布我们生活的各个角落,人与人、人与机器协同工作,学习将为成人们处理问题的基本方式。而实现人机协同的前提是机器擅长的我们要敢于交给机器去做,用机器服务好自己的学习(何文涛 等, 2021),但也要注意人机协同过程中的伦理安全、产权保护等。

2. 人为本机为辅原则

智能时代,智能机器替代人类完成部分重复性机械工作已成现实。随着智能技术的发展,信息传播的门槛将会大大降低,知识信息增长也会加快,不同水平和来源的数据信息鱼龙混杂,智能机器由于自身的预设性、机械性等特点难以保障其提供或产生的知识信息的质量,仍需要人们发挥“人”特有的能力(藤野贵教, 2018),对这些信息进行过滤、筛选和判断。虽然智能机器也能自我学习,但这种学习是针对封闭数据进行的自我训练,一旦数据开放,智能机器将无法独立处理复杂的情境性数据,而且通过数据训练智能机器也是为了其能更好地为人类的学习服务,而不是让其自我发展。人机协同学习中智能机器即使表现出一定的主体性,但仍是为学习者的学习服务的,学习的主体仍是学习者,智能机器无法替代学习者进行学习。为此,我们需要正确看待智能机器的功能,遵循人为主体机器为辅助的原则,与机器和谐相处,发挥机器之长,但不能过分依赖机器,否则就会被机器绑架。

3. 支架延迟提供原则

在人机协同学习系统中,借助智能分析技术,智能机器可作为学习助手或学习伙伴为学习者提供适切的学习支架或情感支持服务(李海峰 & 王炜, 2018)。理想状态下,学习者在学习过程中一遇到困难,无论是知识学习困境、思维卡点,还是学习情感问题,都能从智能机器那里无延迟地得到相应的帮助。但学习者的学习具有一定的过程性,从信息输入,到学习者将新旧知识建立联系,将新内容进行输出,再到反思学到的新知识,学习者都需要时间进行消化吸收。而智能机器支持下的学习者学习,在学习结果的驱动下追求理想状态,只要学习者遇到问题,机器就会机械地按照算法来执行任务,为学习者提供适合的学习支架,不给学习者进行“深思”的时间。久而久之,学习者会变得越来越懒惰,不愿再思考,而没有学习者的深入加工或反思,学习在某种意义上并未真正发生。因此,在人机协同学习中,机器在为学习者提供学习支架时应适当延迟,保证学习者有充分的时间来思考疑惑,而不能“像养猪一样”进行精准投喂,否则人机协同教育会把人变成傻子,与教育的初衷背道而驰。

4. 感统促进内生原则

当我们沉浸在由人工智能技术虚拟出来的某种即时学习场景时,如包含浩瀚宇宙万物变化的物理空间或充满各类鱼类的海底世界,学习者多是感觉运动系统在活动,发生的只是基于身体感知的即时性行动或走马观花而已。这是因为认知是实时的,它要求认知主体须在与环境的交互过程中快速、连续地做出即时反应,认知主体也就难以停下来对所感知的外部信息进行结构化反思,无法形成完整的心理模型。严格地说,学习者的学习并未真正发生。可视化的信息输入虽然降低了学习者的初期信息获取成本,但并未降低知识内容的认知难度,如果学习者不具备娴熟的特定知识经验和高阶的认知能力,就难以将输入的信息内化到个人的原有认知结构当中。因此,在人机协同学习中不仅需要借助智能技术增强人与环境交互的真实体验,提高学习者的在场感,还需要借助认知反思工具帮助学习者实现内部知识和外部行动之间的耦合,促进学习者的即时性行动和结构化反思的协调运作(chretien et al., 2008)。通过结构化反思,将学习者即时性行动学习中的“冲动”或内隐的默会知识进行显性化,进而内生为学习者的个人认知。


六、

小结


当智能机器在生活、学习中以“独立个体”的身份出现时,如何与之协同是我们当下急需解决的一个重要问题。在未来的社会建设中,机器和人类需要各显神通,智能机器负责完成重复的程序性或人难以完成的工作,而人类则负责创造性工作,做机器不能做之事,协同促进世界的发展。为实现这一美好愿景,我们需从两方面进行努力:一是享机器之便,更新个人思想观念,接受智能机器替代人类部分工作的现实,积极学习新技术并灵活应用技术解决生活、学习中的实际问题;二是防机器之弊,虽然智能机器能够替代人类更好、更快地完成一些特定任务,但我们也应当意识到,作为伙伴或助手的智能机器只能提供局部性的帮助,无法统领大局,认识世界的主体依然是人,机器只是我们认识世界的手段,如何选择未来要走的路径仍需人类自己做出抉择。另外,与智能机器协同时,我们不仅要具备防止在技术流中迷失自我的基本素养(崔铭香 & 张德彭, 2019),还要考虑因技术的局限性所导致的数据隐私泄露与算法偏见等安全问题(郝祥军 等, 2022)。



参考文献

向上滑动阅览

艾兴,& 赵瑞雪. (2020). 人机协同视域下的智能学习:逻辑起点与表征形态. 远程教育杂志(1),69-75.

安富海. (2021). 精准教学:历史演进、现实审视与价值澄明. 课程·教材·教法(8),56-62.

曹培杰. (2018). 智慧教育:人工智能时代的教育变革. 教育研究(8),121-128.

崔铭香,& 张德彭. (2019). 论人工智能时代的终身学习意蕴. 现代远距离教育(5),26-33.

郭炯,& 郝建江. (2019). 人工智能环境下的学习发生机制. 现代远程教育研究(5),32-38.

郝祥军,顾小清,张天琦,& 王欣璐. (2022). 人机协同学习:实践模式与发展路向. 开放教育研究(8),31-41.

何文涛,张梦丽,& 路璐. (2021). 人机协同的信息技术教育应用新理路. 教育发展研究(1),25-34.

李海峰,& 王炜. (2018). “互联网 ”时代的师生关系构建探析. 中国教育学刊(7),81-87.

李冀红,庄榕霞,年智英,刘德建,& 黄荣怀. (2021). 面向人机协同的创新能力培养——兼论面向智能时代的创造性人才诉求. 中国电化教育(7),36-42,61.

李建中. (2019). 人工智能时代的知识学习与创新教育的转向. 中国电化教育(4),10-16.

李文淑. (2018). 教育人工智能(eai)对学习机制的影响. 现代教育管理(8),119-123.

李新房,李静,&刘名卓. (2017). 新兴技术在高等教育中的应用、发展趋势与挑战研究——《2017地平线报告(高等教育版)》解读与启示. 现代远距离教育(4),3-11.

林崇德. (2003). 心理学大辞典(上卷). 上海教育出版社.

毛刚, & 王良辉. (2021). 人机协同:理解并建构未来教育世界的方式. 教育发展研究(1),16-24.

彭红超,& 祝智庭. (2018). 人机协同的数据智慧机制:智慧教育的数据价值炼金. 开放教育研究(2),41-50

秦丹,& 张立新. (2019). 问题与优化:课堂精准教学实践的现实审视与反思. 电化教育研究(11),63-69,77.

秦丹,& 张立新. (2020). 人机协同教学中的教师角色重构. 电化教育研究(11),13-19.

宋灵青,& 许林. (2019). 人工智能教育应用的逻辑起点与边界——以知识学习为例. 中国电化教育(6),14-20.

唐·伊德. (2008). 技术现象学(吴国盛 译). 上海交通大学出版社.

藤野贵教. (2018). 2020年人工智能时代我们幸福的工作方式(崔海明 译). 机械工业出版社.

王良辉. (2012). 教育中信息技术用途及限度的伊德技术现象学分析. 现代远程教育研究(4),15-20.

王一岩,& 郑永和. (2022). 智能时代的人机协同学习:价值内涵、表征形态与实践进路. 中国电化教育(9),90-97.

王竹立. (2019). 再论面向智能时代的新知识观——与何克抗教授商榷. 远程教育杂志(2),45-54.

杨灿军,& 陈鹰. (2000). 人机一体化协同决策研究. 系统工程理论与实践(5),24-29.

杨现民,张昊,郭利明,林秀清,& 李新. (2018). 教育人工智能的发展难题与突破路径. 现代远程教育研究(3),30-38.

尹睿,黄甫全,曾文婕,曾育芬,潘蕾琼,陈思宇,& 伍晓琪. (2018). 人工智能与学科教学深度融合创生智能课程. 开放教育研究(6),70-80

余亮,魏华燕,& 弓潇然. (2020). 论人工智能时代学习方式及其学习资源特征. 电化教育研究(4),28-34.

赵慧臣,唐优镇,马佳雯,& 王玥. (2018). 人工智能时代学习方式变革的机遇、挑战与对策. 现代教育技术(10),20-26

郑兰琴,张璇,& 曾海军. (2018). 人工智能助力教与学的创新——访美国教育传播与技术协会主席 eugene g. kowch教授. 电化教育研究(7),5-11.

chretien, k., goldman, e., & faselis, c. (2008). the reflective writing class blog: using technology to promote reflection and professional development. journal of general internal medicine, 23(12): 2066-2070.

janssen, j., & bodemer, d. (2013). coordinated computer-supported collaborative learning: awareness and awareness tools. educational psychologist, 48(1):40-55.

vail, a. k., grafsgaard, j. f., boyer, k. e., wiebe, e. n., &lester, j. c.(2016). predicting learning from student affective response to tutor questions. intelligent tutoring systems(pp.154-164). springer.


the essential characteristics and general process of human-machine collaborative learning in the age of artificial intelligence


wentao he, lu lu, yueliang zhou and rui zhou


abstract: as the degree of human-computer integration continues to deepen, learning shows obvious characteristics of human-computer collaboration, but it is still unclear that how human-computer collaborative learning occurs, what the characteristics and limitations are, and how to avoid the potential risks that human-computer collaborative learning brings. in order to solve these problems, the authors discuss the representation form of human-machine collaborative learning and clarified the essential characteristics of human-machine collaboration learning, including the integration of learning objectives, the scene nature of learning content, the complementarity of learning subjects, the diversity of the environment and the group nature of interactive feedback. then the authors construct the process model of human-machine collaborative learning, including four aspects of human-machine collaborative information input, information processing, information output and internal and external feedback. in addition, in order to eliminate the limitations and potential risks of human-machine collaboration, the article believes that human-machine collaborative learning should follow the four learning principles, including mutual trust between human and machine, human as the fundamental and machine as the auxiliary aid, scaffolding delayed provision and sensory integration to promote endogenous learning. it is important to prevent the disadvantages of the machine when taking the convenience.

keywords: artificial intelligence; human-machine collaborative learning; learning process; learning principles


作者简介


何文涛,浙江省智能教育技术与应用重点实验室副教授(通讯作者:budai2008@126.com)。

路璐,浙江省智能教育技术与应用重点实验室硕士研究生。

周跃良,浙江省智能教育技术与应用重点实验室教授。

周睿,浙江省智能教育技术与应用重点实验室硕士研究生。

网站地图