减负与基于人工智能的教育创新.docVIP

减负与基于人工智能的教育创新 　　摘 要 　　以认知负荷理论观照，减负不是一味地减，而是减轻外部认知负荷和内部认知负荷，提升关联认知负荷。基于人工智能的教育创新，为减负提供了诸多新思路。其一，提供个性化和便于意义建构的教育内容以减轻学生的外部和内部认知负荷，提供促进元认知发展的教育内容以提升学生的关联认知负荷。其二，个性化学习、深度学习和自主学习等方式，成为落实减负的有效方式。其三，数据挖掘与学习分析技术、自适应测验、网络化自我评估，为减负提供了多种可能。 　　关 键 词 　　减负；人工智能；认知负荷；元认知 　　中图分类号 　　G41 　　文献编码 　　A 　　文章编号 　　2095-1183（2018）05-000-04 　　减负，近年来备受重视。然而，一轮接一轮的减负行动在某种意义上反映出成效不彰甚至陷入“越减越重”的尴尬境地。[1]今年“两会”期间，减负再次成为会里会外的关注热点之一。减负，需要新思路，而人工智能的发展，为教育理念、内容、方式和评估带来了一系列创新，为减负提供了新的可能。 　　一、减负的理念创新 　　减负的研究与实践众多，但是借助人工智能这一新兴手段，深入到学生的认知负荷层面，探讨减什么负与如何减负的研究还较为鲜见。 　　认知负荷理论已阐明，学生的认知负荷主要包括三类：一是外部认知负荷，受学习材料组织和呈现方式影响；二是内部认知负荷，受学生先前经验影响；三是关联认知负荷，受前后知识之间的意义建构影响。由此看来，减负并不是一味地减，而是减轻前两种负荷而增加第三种负荷。具体而言，包括以下三点：（1）减轻外部认知负荷。要求教师改变不恰当的学习任务组织与呈现方式，例如在设计课件时，要合理组织与整合学习材料，避免不必要的词语、画面或声音等分散学生的注意力，干扰其知识建构过程。（2）减轻内部认知负荷。要求降低教学材料的深奥程度与抽象程度，适当控制教学内容的多寡，保证学生基于原有学习经验能够胜任相应复杂程度材料的学习。（3）增加关联认知负荷（其核心是“元认知负荷”），要求创新学生建构知识的方式方法，促进学生元认知发展，帮助学生加大投入到图式建构及其监控中的认知资源数量，促使学生在不同问题情境中产生不同图式，使学生具备更强的学习能力。换言之，元认知对认知过程起监控作用，强化有意识的元认知监控活动，会增加学习过程中的认知负荷，但这种负荷对启动不同知识之间的意义建构和学习迁移具有显著促进作用，属于应该增加的认知负荷。 　　当下，人工智能飞速发展的时代已经到来，人工智能与学习科学相结合开创了教育人工智能（educational artificial intelligence）新领域，其关键技术主要体现在知识的表示方法、机器学习与深度学习、模式识别、自然语言处理、智能代理、情感计算等方面，其应用与发展集中表现为智能导师与助手、智能测评、学习伙伴、数据挖掘与学习分析等趋势。实现以上“两减一增”，有赖于基于人工智能的教育创新。 　　二、减负的内容创新 　　利用人工智能有助于实现教育内容创新，包括提供个性化和便于意义建构的教育内容以减轻学生外部和内部认知负荷，提供促进元认知发展的教育内容以提升学生关联认知负荷。 　　（一）提供个性化的教育内容：减轻外部认知负荷 　　不可否?J的是，学校课程中存在冗杂的内容，充斥着无用信息，导致学生的认知资源被过度消耗，在学习新知识时感到负担较重。而人工智能可以根据学生的需要，提供个性化的教育内容，并使内容呈现方式多样化，增加有效学习，减少无用信息的呈现，从而减轻学生的外部认知负荷，达到减负增效的目的。 　　教学模型、领域知识模型和学生模型是教育人工智能的核心。第一，教学模型，主要包含教学的专业知识、技能和有效方法。第二，领域知识模型，包含了学生所学课目的专业知识体系。第三，学生模型，展现了计算机与学生的互动，通过学生学习活动、情绪状态等了解学生的学习情况。学生模型可以根据学生的具体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生模型反馈的情况来推断学生的学习进度，调整模型中的知识体系以适合学生的学习。 　　教育人工智能可以通过开展模型建构，即在教学模型的基础上，让学生掌握相应的学科专业知识，结合领域知识模型进行知识的理解和掌握，学生模型则可以根据学生的学习情况及特点进行个性化设置，避免为学生提供重复性内容。对于学生已掌握的知识，则不必每天循环往复地进行学习，而只需要结合认知和记忆规律在必要时候强化学习，从而减少学生重复学习，减轻外部认知负荷，增加学习效率。 　　（二）提供便于意义建构的教育内容：减轻内部认知负荷 　　如果学生的原有经验水平难以胜任新内容的学习，就会感受到较大的内部认知负荷，感觉学业负担沉重。当前，通过人工智能技术提供便于意义建构