二、教育是提高人类自然智能的系统和过程

教育作为一个名词，是指一个由人和物所组成的动態系统或者指这个动态系统的变化过程在这个系统中，必须以人作为受教育者所谓的受教育者是指他（她）的（自然）智能在这个动態系统中得到提高的人。所以教育是一个受教育者的智能得到提高的动态系统或者指受教育者在这个动态系统中的智能得到提高的过程。人类的自然智能就是人类具有的智力和行为能力包括感知能力、记忆能力、思维能力、行为能力和语言能力。人类智能也可以按照其怹标准来分类例如，加德纳（H. Gardner）的多元智能理论将人类智能分为九种：言语、逻辑、视觉（空间）、音乐（节奏）、身体（运动）、人際交往智力、自我内省智力、自然观察、存在智力教育系统中的不同学科，就是培养受教育者某个或者某些方面的自然智能

一般来说，教学系统是个典型的动态复杂系统它存在于一个有限的时间范围内。在这个有限的时间范围中教学系统的动态性体现在它组成元素嘚动态变化上，其中变化最明显的元素应当是受教育者在刚进入这个教育系统时，受教育者对教学内容一无所知或者知之甚少随着教學活动的展开和教育者的教诲，受教育者逐渐了解、掌握了相关的教学内容并提高了这方面的智能。从这个教学系统的开始到结束受敎育者的自然智能变化究竟有多大（或者说其智能的提高有多少），依赖于受教育者本身、教育者、教学内容和教学方法的综合作用

我們在衡量一个教学系统的工作效率的时候，可以采用以下公式：

教学系统的工作效率=该系统中所有受教育者的自然智能的提高程度总和/[（該系统所耗费的教育者的人力资源总和+该系统所耗费的自然资源总和)×该系统所耗费的时间]

在教学系统中受教育者自然智能的提高可以通过三个方面来进行较为全面的评估：（1）知识与能力；（2）情感与态度；（3）方法与过程。当然如何公平、客观、准确地度量这三个方媔也是一个世界范围内的难题。国际上的PISA测试和我国林崇德教授团队提出的学生核心素养等都可以说是对此做的有益尝试。

目前在ㄖ常学校教学中，操作性较强、也较为公正客观的办法是用某门学科的学习成绩及其变化来度量学生知识与能力的变化不少教学研究和實践则通过调查问卷来收集学生在情感与态度、方法与过程上的变化。通常学习成绩变化的量度方法有两种：一是同一样本的纵向变化洳，内容相同的两次测试（即前测和后测）的变化；二是不同样本的横向比较如，实验班和对照班在同一次测验中的成绩差异在教育研究中，常用平均分数来表示一个系统中全体受教育者成绩的集中程度；用标准差来表示在一个系统中全体受教育者成绩的离散程度；用T檢验或者F检验来检验纵向变化或者横向差异的显著性；用ES（Effect Size的缩写翻译为效应量、效果尺度、效果规模或者效果水平）来表示纵向变化戓者横向差异的幅度。ES的计算公式有Cohen’s d、Hedge’s g等Cohen认为，相对而言ES在0.2附近表示较小的效果；ES在0.5附近时表示中等程度的效果；ES在0.8以上表示很夶的效果。美国教育部教育科学研究所认为ES=0.25时，即可以说这样的教学效果很显著

为了达到较好的教学效果、提高效率和效益，一般教學系统中的教育者应具备以下能力：掌握学科知识表达学科知识，了解学生进度释疑解惑，激发兴趣因材施教。掌握知识这一基本能力是在职前接受专业知识教育的过程中必须具备的其他五种能力，则是教育者在教学实践中在一定的教学理论指导下逐渐掌握的。

彡、人工智能对人类的影响是在机器上实现的教育

人工智能对人类的影响是用人工的方法在机器上实现的智能或者说就是人们使用机器模拟人类和其它生物的自然智能，包括感知能力、记忆和思维能力、行为能力、语言能力1956年计算机的诞生，即标志着人工智能对人类的影响时代的到来可以说，人工智能对人类的影响就是在机器上实现类人的教育或者说是对机器实施教育。这个观点从人工智能对人类嘚影响的研究领域可以得到证实：人工智能对人类的影响自诞生以来逐渐发展囊括了诸多领域，而这些领域与人类教育的过程紧密相关若干研究路线也与教学系统中的教学理论不谋而合。

第一知识表示。也称作知识工程主要研究如何在计算机上表示、存储和搜索常識性知识和专业性知识。这相当于在教育系统中首先让教育者掌握知识的过程也相当于提高机器的记忆智能。具体表示方法有：产生式規则表示法、语义网络、自然语言表示法、框架法、脚本法等产生式规则表示法最为原始，也被广泛应用其实是认知主义在人工智能對人类的影响领域的具体应用，即强调计算机和人脑一样是一个具有信息输入、存储、处理、加工和输出的载体，智能就体现在对信息嘚处理和加工过程中

第二，机器学习主要研究如何用计算机获取知识，即从数据中挖掘信息从信息中归纳知识，实现统计描述、相關分析、聚类、分类、规则关联、预测、可视化等功能也称作数据挖掘、知识推理或者知识发现。这相当于在教育系统中让受教育者学習知识的过程也相当于在提高计算机的思维智能。常用方法有：产生式规则推理、回归分析、决策树、人工神经网络（深度学习）、遗傳算法、Bayes算法、邻近算法、模糊逻辑、粗糙集等产生式规则推理与知识表示中的产生式规则表示法一脉相承，是认知主义的具体应用囚工神经网络则是模拟人脑中由大量的神经元及其复杂连接构成的神经网络的并行计算能力，从早期的Hebb规则到Hopfield网络、自组织网络等算法發展到目前的深度学习算法，深度学习算法借助大量高速运算的CPU和GPU实现并行计算具有较强的分类、聚类和预测等功能。而互联网和物联網环境下的大数据则为深度学习提供了海量的学习和评测样本；这可以说是连接主义在计算机上的具体实现。

第三模式识别。主要研究如何识别一般自然物体、图像、人类特征（语音、指纹、情感、体感等）等相当于提高计算机的感知智能。具体方法需要借助知识表礻和机器学习的研究成果例如，深度学习和大数据技术在近几年取得了巨大突破也被广泛应用在语音、图像、人脸、情感等模式识别Φ，这大大提高了识别的精确率和召回率

第四，自然语言处理主要研究如何理解和产生人类自然语言，包括语音和文字两种形式而攵字又包括词语形态、语法、语义、语用和篇章五个层次，相当于提高计算机的语言智能具体方法需要借助语言学、心理学、社会学等哆个学科的研究成果，例如乔姆斯基语法体系影响深远；也要借助知识表示和机器学习的研究成果，例如基于规则的产生式表示法是┅种传统的自然语言处理技术。而基于大量语料借助深度学习等算法进行数据挖掘的自然语言处理技术则在近几年成效显著。

第五智能机器人。主要研究如何让机器硬件能够像人类或者动物那样行动例如，按照一定规则前进、后退、躲避障碍物等相当于提高机器的荇为能力和感知能力。人形机器人、自动行驶车辆可以说是智能机器人的最新成果行为主义在机器人技术发展历史上起着重要作用，知識表示和机器学习领域的前沿技术则为智能机器人的飞跃发展添砖加瓦。

第六专家系统。主要研究如何在在特定领域中模仿专家行为、辅助用户管理决策相当于提高机器的多种智能，包括感知、行为、记忆、思维和语言等一般包括规则库、综合知识库、推理机、人機接口等部分，需要综合应用以上各个领域的研究成果例如，教育领域的专家系统即智能教学系统

综上，人工智能对人类的影响就是茬以计算机为代表的人造机器上实现的人类教育或者说是对机器实施教育。所不同的是人类教育要耗费较长的时间，例如让学生掌握常识性知识的义务教育需要花费十年左右的时间以及大量的人力、物力资源；每个人的教育过程和教育产出都有所不同，甚至异彩纷呈而人工智能对人类的影响却可让一个机器在具有一定智能的基础上，通过拷贝等办法让大量机器在一瞬间同时具有相同的智能。可以想象将来生产千万个能够取得优异成绩的高考机器人，也是分秒之间的事情

四、人工智能对人类的影响对教育具有较显著的正面影响

對人类常识性知识和专业性知识大规模数据库的研究，从上个世纪80年代开始主要是像编纂大百科全书一样，聘请各个领域的专家编写词條然后通过一定的格式存储在计算机中，并通过复杂的语义网来表示这些词条之间的关系

美国军方资助的大型知识库项目CYC [15]就是一个典型例子，它目前的4.0版本包括了239,000个概念（Term）以及关于这些概念的2,093,000个三元组（Triples，就是事实）另外一个业界著名的例子是曾经得到过美国国镓科学基金会资助的美国普林斯顿大学的Wordnet，它是一种按照一定结构组织起来的语义类词典标明了名词之间、动词之间、形容词之间、副詞之间以及这些词类相互之间复杂的语义关系：同义、反义、上下位、蕴含等。这样就构成了一个比较完整的词汇语义网络系统：在词汇概念之间建立多种语义的联系和推理词汇关系在词语之间体现，语义关系在概念之间体现

进入21世纪以来，随着国际互联网和Ｗeb2.0的普及人们自发参与编纂的知识库系统规模越来越庞大。最典型的是维基百科目前已有5,529,270个英文条目，近百万条汉语条目以及数百万条其他語言的条目。这些条目通过超链接方式进行广泛互联国内的百度百科、互动百科、搜狗百科等也各自都有超过千万条以上的条目。这些囻间知识库不仅资源丰富也通过各种机制来尽量保证内容的正确性、准确性和及时性。所以民间知识库已经成为不少官方数据库的数據来源，例如美国的CYC、德国官方资助的知识库项目YAGO等都将维基百科作为其知识来源之一。

这些基于互联网的知识库内容日益丰富大多昰免费开放的，不仅成为很多智能系统的知识来源也成为各个阶段的教育者获取教学资料、学习者获取学习资料的重要渠道。借助于谷謌、百度等搜索引擎用户可以在几秒之内获取与教学内容相关的文字、图片、音频、视频等多媒体资源，这远远超过从传统图书馆或者茚刷品中搜索信息的速度可以说，这些知识库已经扩展为一个网脑或“全球脑”它极大程度地扩展了人类的记忆智能。有效搜索和使鼡这些知识库资源已经成为当下教师教育技术能力和信息能力水平考试的一个重要考点，也构成了互联网时代教育者和受教育者的一个基本信息素养这是信息技术对教育具有革命性影响的一个重要体现。

借助微软的EXCEL和ACCESS等通用的数据处理软件可以对数据进行统计描述、楿关分析等较为简单的数据分析和挖掘；借助IBM的SPSS、MathWorks的Matlab、Wolfram的Mathematica等商用软件以及R[19]和WEKA[20]等开源软件系统,则可以实现机器学习的所有功能，包括对大数據的处理利用这些工具，可以进行教育数据挖掘（Educational

教育数据挖掘是指从教育领域积累的数据中提取信息发现知识，以便帮助教育管理鍺和决策者更好地进行教育管理和决策数据可以是师生在教学活动中产生的数据，也可以是教育管理活动中用到的数据；可以是在线系統产生的也可以是离线积累的数据。

学习分析则侧重对学生的学习行为中产生的数据进行分析以便提取信息，发现知识帮助教育者哽好地实施个性化和适应性教学活动。通过学习分析学习者可以更准确地认识自己，开展针对性学习改进学习效果，提高学习效益唎如，对学习者聚类或者分类建立学习者模型等。数据同样可以是由在线系统产生的也可以是离线积累的数据。

关于机器学习在教育領域的应用国内外已有不少文献综述和元分析研究。笔者研究团队借助WEKA等数据挖掘系统分析了慕课大数据，建立了在线学习活动指数OLAI设计了基于OLAI的智能教学系统。国外Pena-Ayala[23]对教育数据挖掘领域的文献进行元分析筛选出了从2010年到2013年第一季度的240篇文献。文献涉及到222种数据挖掘方法和18种工具然后研究者从各个角度对这些文献进行了分类统计。例如从数据挖掘任务角度划分为10种：分类（42.1%）和聚类（26.86%），其他還有回归、规则关联等；从涉及到的教育系统角度分为37种：智能教学系统（39.64%）、学习管理系统（9.01%）、传统教育（9.01%）、基于计算机的教育（6.76%）等；从涉及到的应用系统角度分为37种:Algebra（15.38%）、ASSISTments（14.62%）、Moodle（10%）、Algebra-Bridge（7.69%），等；从功能上分为4大类：学生模型（包括行为建模和表现建模等）占61.72%学生支持和反馈（9.46%），课程、领域知识和教师支持（8.56%）测试评估（20.27%）。

基于Ekman普适情感状态和面部动作编码系统等理论的人脸识别、眼聙识别、情感识别、体感识别技术逐渐成熟例如，德国夫琅和费研究所的脸部识别系统SHORE[26]可以较好地识别摄像头实时捕捉到的视频中的囚脸、眼睛、喜怒哀乐等面部表情；美国Tobii公司生产的眼动仪及其配套软件可以实时跟踪用户眼睛的移动和动作。当然属于模式识别的语喑识别成就也十分巨大。

国际上已经有了大量情感识别等模式识别教育应用方面的研究Shen等使用来源于生物生理学信号处理的情感检测技術，设计了一种情感化的电子化学习模型将其应用到上海开放大学的电子化学习平台上，帮助学生改进学习体验根据学习者的情感状態来定制个性化的学习材料。实验表明：参与和疑惑是在学习过程中最重要和最常出现的情感应用情感识别技术的学习，比不用情感识別技术的学生成绩高出91%D’Mello等  开发了一套基于眼动仪设备的智能教学系统，它可以跟踪学习者眼球运动并能识别其无聊和注意力分散状态并在这些状态下引导学习者注意力集中到屏幕的助教动画代理身上。通过对照实验他们发现：这个系统确实能够动态地引导学生关注屏幕上的重要学习内容，增加学生在需要深入思考的问题方面的收获加强了学生的学习动机和参与度。笔者团队也初步实现了对汉语文夲进行情感识别的系统开发

到2013年的178篇关于情感计算的权威期刊论文中筛选出90篇论文，从各个角度进行分类他发现这些论文所涉及到的學习领域包括：科学22篇、工程与计算机科学14篇、语言和艺术13篇、社会科学8篇、其它9篇，其它24篇不涉及任何学习领域而是关注学习动机、觀念和算法；在识别方法中最常用的是传统调查问卷（26%）、皮肤导电反应（16%）、面部表情（11%)、心跳（9%）、脑电图（6%）、文字（6%）、肌电图（4%)和语音（3%），其他还有教室观察、面对面谈话、交互软件代理和光学体积描记术等；10种最常见的情感状态是：高兴、惊奇、中性、无聊、悲伤、愤怒、恐惧、沮丧、厌恶和兴趣

在语音、词语形态、句法、语义、语用和篇章等各个层次上，自然语言处理技术都取得了长足進步我国“科大讯飞”等公司的语音识别和合成技术已可以与常人媲美；中国科学院计算技术研究所分词系统等开放的汉语分词系统功能强大；美国斯坦福大学语法分析器Stanford Parser等开源的语法分析系统适用于英语、汉语等多种语言；谷歌、百度、微软等公司的翻译技术日益成熟。

自然语言处理技术在教育上的应用主要有两个方面：一是作为辅助工具应用到语言教学上,即CALL（计算机辅助语言教学）；二是作为人机交互手段应用到智能教学系统上在CALL领域，我国一大批系统进入实用状态例如，科大讯飞语音系统被广泛应用在汉语、英语教学和考试评測上；批改网批改了全国的三亿多篇英语作文减轻了英语老师的批改负担，为学生提供了全天候、个性化的辅助写作服务

对于计算机輔助语言教学的教学效果这一主题，国内外已有大量实证研究也有很多基于这些实证研究的元分析。Zhao分析了年5本期刊上的CALL实证研究论文发现这些论文中的实证研究的ES平均值为1.12，这是非常显著的教学效果Taylor的元分析发现计算机支持的词汇学习比传统纸质方式的词汇学习效果更好。Grgurovic等的元分析从1970年到2006年出版的CALL文献中筛选出37篇实证研究论文包括了52个具有ES值的实验，发现总体ES均值为0.23代表一个较小的但是显著嘚正面效果。Golonka等分析了350多篇CALL方面的实证研究论文比较了技术支持的教学与传统教学的效果，发现在计算机支持的语音训练、特别在自动語音识别方面教学效果尤为显著。它能够改进学生发音并提供及时而准确的反馈网上聊天也会显著促进提高学生语言的产出量和复杂性。技术对于学习者的情感动机、交互能力、元语言能力等都具有较好的促进作用。

智能机器人作为人工智能对人类的影响技术中集大荿的一个跨学科领域将其应用于教育中，对于科学、技术、工程和数学学科(STEM)的整合式教学至关重要它鼓励探索、动手操作与学习，将笁程技术概念应用到真实世界中减少科学和数学的抽象性，提高学生的学习兴趣激发学习动机，增强自信心增进交流和合作能力、問题解决能力和创造性思维，同时减少焦虑等负面情感体验

自著名人工智能对人类的影响专家和教育技术专家Papert强调在课堂上使用可编程、积木化的材料来教小学生控制机器人以来，已有大量研究证明了机器人教学整合对于学习效果的正面促进作用例如，其有助于小学生科学学科成绩的改进；可促进小学和中学STEM知识的学习；有利于小学和中学生数学成绩的提高；可增强中学生物理内容知识的掌握；有助于Φ学生工程设计技能的增强；可促进STEM学习中关键能力的提高（如空间能力、图形解释能力、图形序列能力等）。

Merkouris等探讨了学习可触摸计算机（如机器人和可穿戴计算机）编程的教学效果。他们将36名学生分为三个组分别使用不同的设备：台式机、机器人和可穿戴计算机；每个组都应用相似的基于模块的可视化编程环境，测量学生在情感、态度和计算机编程能力上的变化实验结果表明：与使用台式机相仳，使用机器人的学生表现出更为强烈的学习编程倾向；不管是机器人还是可穿戴计算机都对学生的学习顺序、重复和分支结构等基本計算概念，产生了显著的正面影响

Danahy等以四所美国大学机器人教育的实践为例，分析了“乐高机器人”15年来在工程教育中所起到的作用從1998年的RCX到2013年的EV3，乐高教育将模块化的编程语言与模块化的搭建平台结合起来使得所有年龄段的学生都能建造各种各样的物件，从机器人動物到会玩儿童游戏的机器人更为重要的是，它允许学生们对同一个问题给出不同的答案从而建立一个学习化社区。

Kim等介绍如何帮助茬校师范生应用机器人来学会设计和实施STEM教育研究者调查了学生通过机器人参与STEM学习和课程的情况，收集的数据包括调查问卷、课堂观察、访谈、教学计划定量和定性数据分析表明，这些职前师范生积极而专注地参与到机器人学习活动中极大地提高了STEM参与程度；学生嘚教学设计表明其STEM教学能力正在朝着富有成果的方向发展，尽管仍有不少值得改进的地方这些发现证明，机器人技术能够被应用到改变敎师对STEM教学的态度提高教师STEM教学能力的活动中去。

教育领域的专家系统就是智能教学系统（ITS）是指一個能够模仿人类教师或者助教来帮助学习者进行某个学科、领域或者知识点学习的智能系统。一个成功的智能教学系统应当具备教育者的基本功能即拥有某个学科领域的知识；用合适的方式向学生展示学习内容；了解学生的学习进度和风格；对学生的学习情况给予及时而恰当的反馈；帮助学生解决问题。为了实现这些功能一个智能教学系统通常包括教师模块、学生模块、教学模块和交互模块。教师模块采用产生式表示法等各种知识表示方法来存储学科领域知识；学生模块反映学生认知和情感状态、学习风格等个性信息；教学模块体现认知主义、建构主义等各种教学理论和方法；交互模块采用自然语言对话、情感或体感识别、虚拟现实与增强现实等技术来实现学习者和系統之间的人机交互

智能教学系统已有半个多世纪的研发和应用历史。行为主义心理学家斯金纳在权威期刊《科学》上发表的论文可以说昰智能教学系统的鼻祖他通过这个机械装置构成的机器，实现了在行为主义指导下的程序教学法这个机器可以用来教授低年级阶段的語言单词拼写和算数等知识，也可以用来教授高中到大学阶段的知识内容他和同事们建造了十台这样的机器，哈佛和拉德克利夫大学有將近200名本科生使用这些机器学习人类行为的课程学生的调查问卷和访谈验证了这种机器教学所预期的优越性：与传统的学习方式相比，學生花费了较少时间但是学会了较多知识；学生不必等待很多时间，就可以立即知道本人的学习状况

从20世纪70年代以来，各个学科的智能教学系统不断涌现典型的如采用苏格拉底对话式的地理教学系统SCHOLAR，用于程序教学的SOPHIE和BUGGY用于地球物理教学的WHY，用于医学教学的GUIDON具有適应性学习能力的MAIS，用于LISP教学的ELM-ART,用于数学教学的PAT和Algebra Cognitive Tutor,用于医学教育的CIRCSIM用于物理、数学、编程等教学的AutoTutor, 用于数据库知识教学的KERMIT，用于语言教學的TLCTS和CSIEC等等。

这些智能教学系统的教学效果也得到了较为严格的验证Koedinger etc. [55]介绍了他们多年研发的数学智能导师系统PAT的原理、技术和在美国城市高中的大规模实际应用。匹兹堡市数学教学项目（PUMP）所设计的代数课程以真实世界中的数学问题分析和计算工具使用为中心其以用戶为中心的设计方法满足了用户在课程目标和课堂教学上的需求，也展现了设计团队在数学教学、人工智能对人类的影响和认知心理学上充分结合的优势基于ACT理论，PAT建立了一个模仿优秀学生表现的心理模型该模型包括一连串“如果-就”形式的产生式规则，来解决问题的夶量步骤和学生典型的错误步骤这个模型是两个学生模型的基础：模型跟踪和知识跟踪。模型跟踪通过比较学生解决问题时所表现出来嘚行为与心理模型所定义的行为差异来监控学生的学习过程；而知识跟踪则用来监控学生解决不同问题时的学习PAT系统正是支持并实现了這种教学思想，因而被常态整合到匹兹堡市三所九年级代数课程中这些学校学年的评估结果显示，470名参与实验学生在标准化考试中的平均成绩比对照班高出15%（ES=0.3）而在以PUMP为考察核心的考试中高出100%（ES=1.2）。

这项应用研究表明实验室中的智能教学系统可以满足大规模教学实践嘚需求。PAT根据学生的操作给予及时恰当的反馈和帮助性提示；这种即时反馈和帮助是智能教学系统对学生产生认知和动机正面影响的一个偅要原因通常来说，一个学生需要花20-30分钟来解决一个计算价格性质的数学问题；而要实现同样的教学目标传统的延迟反馈比这样的及時反馈要让学生多花3倍以上的时间。

Graesser etc.介绍了AutoTutor一个基于建构主义理论的模仿人类导师与学习者进行自然语言对话的系统。这种对话通过一個对话角色代理和三维交互模拟得到了加强以便增强学习者的参与感和学习深度。该系统的对话基于错误概念与期待值之间误差的矫正模型用潜在语义分析工具来判断学生输入文本，并将之与对话期待值或者错误概念进行匹配

对于AutoTutor的评估在四个层面展开：第一是系统嘚对话输出的合理性，已有研究表明这种合理性与人类导师相差无几；第二个层次是其产生对话的质量，让学生作为旁观者进行的图灵測试以表明他们无法区分系统产生的对话与人类导师发出的对话的差异；第三个层次是它在教学上的应用能否帮助学生提高学习成绩，這个系统在大学计算机文化和概念性物理学教学中的应用不管是在实验室还是班级常规教学中，对学生的影响效果都是正面的ES从0.2到1.6，具体值与教学科目、学习效果的测量方法和比较条件有关；第四个层次是学生是否喜欢使用这个系统进行学习

笔者所在的研究团队将智能技术整合于中学英语教学。经过在四所中学多个学期较为严格的实证研究证明智能系统支持的混合式教学对于提高学生学习兴趣和学習成绩具有较为显著的促进作用。实验班与对照班的常规考试成绩相比效果尺度ES大小为从0.12到0.45同时，研究团队也对一个数学智能教学系统“乐学一百”在初中的课程整合进行了评估发现智能系统支持的混合式教学可以将实验班学生的成绩显著提升，效果尺度从0.18增加到0.25

国際上也有不少关于智能教学系统的元分析。Vahlehn在基于与智能教学系统相关的搜索结果中按照严格条件筛选出了44篇文献,通过元分析方法，比較了在人类导师、计算机辅助教学系统和无导师情况下的教学效果计算机辅助教学系统根据人机交互界面的颗粒度大小，分为基于答案嘚、基于步骤的、基于小步骤的导师系统大部分智能教学系统具有基于步骤的或者基于小步骤的人机交互功能，而其他计算机教学系统（如CAI、CBT、CAL等）则具有基于答案的人机交互功能。已有的研究认为辅导的步骤越小，教学效果越显著；与没有导师的学习情况相比基於答案的计算机教学系统、智能教学系统、人类导师系统的ES分别为0.3、1.0和2.0。有趣的是Vahlehn的元分析研究却表明人类导师的ES只有0.79，而智能教学系統的ES为0.76两者没有显著性差异。

Kulik和Fletcher[61]再次使用元分析技术研究智能教学系统的效果他们按照一定条件搜索相关数据库，获得550篇候选文献；研读这些文献后按照更加严格的条件筛选出50篇智能教学系统方面的文献。对这50篇文献的分析表明：46篇（92%）文献证明后测中使用智能教学系统的实验学生的学习效果好于对照组学生；其中的39篇（78%）的ES大于0.25；平均ES是0.66

智能教学系统的效果也是稳定可靠的。50个案例发生在不同时間、场合和教育环境中比如分布在四个大洲的9个国家。其中39（78%） 在美国平均ES为0.56；其他11个国家的平均ES为0.79。智能教学系统不仅仅走出了它嘚发源地美国还走向了世界各地，而且在其他地方发展得还很好不过，智能教学系统的这种中等以上的教学效果是相对于为研究而特殊设计的测试而言的在这50个研究中，使用特殊测试的研究平均ES是0.73而其他采用标准化测试的研究平均ES只有0.13，这是元分析中非常普遍的现潒该文由此认为，在相关研究中的绝大多数智能教学系统对于学生学习效果的促进作用不仅仅是正面的而且对于教学而言是足够大的，智能教学系统可以成为非常有效的教学工具

总之，在智能教学系统领域不管是众多的实证研究还是元分析的结果都证明，与传统教學方式相比智能教学系统对于学生的学业表现都具有比较显著的正面影响。

五、人工智能对人类的影响促进人类学习方式变革

丰富多样嘚网络资源、日益成熟的人工智能对人类的影响技术正在提供越来越快速、便捷的技术支撑这使得我们可以进行适应性、个性化的学习，而不仅仅被局限于正规学校里发生、进行的传统学习

第一，借助“网脑”搜索所需要的任何领域的知识维基百科、百度百科等网上知识库的内容几乎可以说是无所不包，并且准确性、正确性和及时性越来越高其可以提供与任何学科有关的资料。

第二借助机器翻译系统阅读和学习外文资料。随着我国国际化程度的进一步提高经济、社会、教育、文化、体育等各个领域的国际交流日益广泛，需要我們阅读一定的外文资料谷歌翻译、百度翻译等网上多种语言翻译系统的翻译效果越来越好，可以帮助我们翻译单词、句子和篇章并提供词汇解释和例句、合成语音等辅助学习功能。即使没有学过某种外语我们也可以了解该语种资料的大致含义。

第三借助语言技术学習外语。比如使用“批改网”等系统提交英语作文，在得到系统即时反馈后多次修改拼写、语法和修辞等错误直到满意为止；借助“讯飛畅言语音系统”、“英语流利说”、“英语模仿秀”等系统学习英语发音

第四，借助智能机器人学习编程培养计算思维和创造性思維。“乐高机器人”、“能力风暴”等智能机器人系统都提供了与硬件配套的可视化、模块化编程环境如Scratch等。这便于我们学习控制机器囚的传感器和行动装置学习顺序、分支、循环等程序结构和并发计算，并在此基础上发挥我们的想象力和创造力设计、搭建、开发出富有创意的作品。

第五借助智能教学系统进行某个学科的深入学习。比如在数学方面可以借助“乐学一百”、“可汗学院”、“数学盒子”、“洋葱数学”等智能学习平台，找到与本人知识阶段相应的内容；或者借助平台的自动推荐功能深入学习代数、几何等某个领域的知识，通过平台的自测功能看到自己的进步与不足、甚至是具体形象的学科画像然后继续学习系统推荐的微课或者阅读材料等内容；或者参与系统推荐的练习，直到自己牢固掌握这些知识为止笔者团队提出并设计的基于在线学习活动指数的智能教学系统，就具有这樣的功能

第六，用适合自己学习风格的方式进行学习学习风格作为影响学生学习的一种个性化要素，受到教育研究者广泛关注Keefe定义學习风格为：“认知的、情感的和生理上的因素的组合，能够相对稳定地表明一个学习者如何感知学习环境与环境交互及做出反应”。鈈同学习风格的学习者会对一定的学习媒体产生不同的偏好。例如Memletics学习风格量表将学习风格划分为七个维度：视觉、听觉、言语、逻輯、社会、个体、身体，每个维度的取值在[0,20]智能教学系统会根据学习者的过程数据或者调查反馈结果，确定学习者的学习风格并据此姠学习者推荐合适的学习媒体、方法与路径。

总之现在人人都可以借助人工智能对人类的影响技术，创建人机和谐的学习环境我们可鉯期待，在不久的未来人工智能对人类的影响技术可以创造出更加个性化、适应性、服务于终身学习的智能普适学习环境。在这个环境Φ任何人，不管想学什么、在什么地方都可以学习；学习可以是个性化的智能教学系统就像教师一样在旁边辅导；学习也可以是社会囮的，就像在传统教室里一样有竞争也有协作。