解析人工智能与高等教育中的大数据

说到人工智能与高等教育的融合，大数据是首当其冲的，将摆脱现有面向单一数据、反馈不及时、脱离教学场景的教学评价窘境，通过大数据实时处理与情感细微感知等技术，开展教学全过程的分析与及时针对性的反馈，从而推动以“促进学习者学习”为目标的动态“伴随式”评价的开展。

大数据分析推进全过程的评价。当前的教学评价往往只依据学生的作业完成情况、考试分数成绩等固定单一的数据，整体上这些数据存在以下问题：对于多次获取的成绩分数数据，难以综合把控学生的发展状况；作业、测试等阶段性数据，难以持续、动态地定位与追踪学生的学习状态。

而大数据技术的出现，使得粒度更细、范围更广、渠道更多、频率更快、精度更高的教学数据得以被便捷、及时地采集。顺应教学各环节的开展，可形成一条具有正向流动与反馈调整的学习数据流。大数据分析技术可充分整合这些数据，实现学习数据流的动态把控，即分析动态学习数据，追踪学习过程，记录学习路径，开展全过程的诊断与评价。因而，大数据技术与高等教育的融合，推动课堂评价从阶段性静态评价向全过程动态评价的转变。

教育倡导因材施教，但在教师面对学生多的背景下，难以感知和分析每个学生的学习状况，因此因材施教和个性化教育很难落到实处。现有的在线教学大多数只是空有“个性化教育”的外衣，实质上只是把上课地点从教室搬到了手机和电脑等电子产品上，仍然无法及时有效地关注学习者的学习情况。而人工智能的出现，将有很大可能解决当前这一问题。

人工智能助力学习资源的个性化。以慕课为代表的在线教育平台涵盖了海量的教育数据，以往对于这些课程的选择多依赖于学习者自身，这一方面会导致信息过载下的信息迷航，另一方面也会由于课程内容不匹配而使其丧失兴趣。人工智能的广泛应用，则可使个性化学习资源成为可能。综合学生的知识水平、兴趣爱好、学习习惯和学习情绪等数据信息，采用基于模式提取、聚类分析等机器学习方法开展用户行为分析，可实现教育资源的过滤与推荐。因此高校教育可借助人工智能促进学习者专业领域资源的个性化选择，开展个性化教学。

人工智能促进学习指导的个性化。人工智能机器人逐渐被应用于指导学习者个性化学习，在及时广泛收集学习者学习数据开展行为分析的同时，其背后所蕴含的人工智能可以根据学习者现有的学习路径，构建深度学习模型，开展资源的序列推荐，实现后续学习路径的自适应规划；也可以根据学习者与习题测试的反馈，自动建模学习者的知识状态，开展知识追踪，从而实现学习者能力的自适应评估。整体而言，自适应的学习路径规划与能力评估都会推动学习指导的个性化。

人工智能促进教育形式的个性化。在人工智能的辅助下，在线教育在未来定会成为高等教育的重要形式，以改善高等教育目前普遍采用的程序化现场教学形式灵活性不足的问题，从而使得学生的学习环境不局限于单一的教室，学习内容不局限于单一的课程，而是可以根据自身的个人需求和喜好等，选择适合自己的学习资源及学习形式，实现个性化教育。

在面向教师和学生开展人工智能教育时，必须要关注其中的伦理问题，以保证教育的健康发展。我们要充分考虑人工智能在教育活动中所扮演的新角色，认识这些角色的不当行为可能带来的伦理风险，不主动利用角色的特殊地位为个人牟利或是危害他人利益。比如，从学生的角度出发，如果完全借助人工智能自动生成一些诸如论文、作品等更多强调原创性的成果，由于人工智能的学习模式在于从海量样本中抽取和借鉴，因此不可避免地可能产生微妙和复杂的知识产权和诚信等伦理问题。再比如，从教师的角度出发，在使用教育人工智能采集和使用学生的学习行为数据以提供教学支持服务的过程中，对于其中大量的学生隐私数据可能涉及个人安全伦理问题。因此，要向师生说明其背后涉及的伦理安全风险，而这将是运用人工智能的前提。

综上所述，我们还要主动了解人工智能的局限性、不确定性及后果风险，学会在合理的场景正确使用技术，避免环境变化、外来攻击等不确定性因素干扰下所带来的风险问题。比如，人工智能在助力教育时，其背后所依靠的画像分析技术、个性化推荐技术等可能会存在一定的不可靠性而导致分析与推荐上的偏差。作为教师，要及时帮助学生识别出不合理的内容与信息并进行过滤；而作为学生，也要尽可能具备选择适合自身课程开展学习的能力，师生双方合作才能建立良好健康的教育生态。