人工智能带领人类走向智能社会，其所带来的社会变革必然推动教育领域的根本转变，促使教育模式向智能化、精准化的方向发展。美国斯坦福大学人工智能研究中心N.J.尼尔逊教授定义人工智能为“关于知识的学科”，即如何表示知识以及如何获取知识并使用知识的学科，由此可见人工智能将对教育教学造成巨大影响。

　　在传统高等教育中，教与学存在明显的边界，学生通过传统的课本学习和统一课堂灌输的被动学习模式进行学习。学生的志向、兴趣、潜力和创造力在这一过程中被忽略，只能获得标准化，统一化的教学，而非个性化精准化的教学。

　　如何做到在有限的资源下根据受教者的特性打造定制化的教学方案，培养富有个性和创新精神的人才，是教育亟需解决的问题。

　　人工智能因为其在分析、评估和预测上的优势，可以用来挖掘教学过程中学生的学习情况，进行总结归纳，结合知识图谱和专家经验等领域模型给予反馈。

　　因此我们可以借助信息技术的力量，建设一套基于人工智能的教学平台，实现对各个学生定制专属学习路径并获取教学过程评价，解决教学模式固化导致学生缺乏学习热情和创新能力的问题。

国内外发展现状

　　智能教学系统是近二十多年发展起来的一个重要教育技术学领域，该系统融合了人工智能、计算机科学、认知科学、教育学、心理学和行为科学以及多媒体等技术，其研究目的是由计算机系统负担起人类教育的主要责任，实现最佳教学。

　　国外目前已有许多平台提供相关智能学习服务，如knewton是全球领先的自适应学习平台，基于大数据分析和推荐系统、根据学生特点和学习习惯，及时调整内容供应。亚利桑那州立大学使用Knewton提供个性化学习体验的课程后，通过率提升了17%。

　　国内目前也有相关AI学习系统，比如学霸君平台，基于海量数据和题库，通过OCR、知识图谱、大数据建模等技术将优质教师的经验和知识都沉淀到平台里，为每个学生制定符合长期的个性化学习方案。

　　市面上已有的智能教学平台大多局限于授课和题库，而对于比较前沿、复杂的学科，如大数据、人工智能等，需要强数据支撑和环境依赖，学生无法在平台上便捷地进行快速实践，往往需要另寻途径进行配置，效率极低，导致学习多数停留在知识理论层面。

　　而前沿学科的普及和深入学习往往能促进教育的变革和发展，两者相互促进形成良性循环；所以针对前沿学科，如何帮助学生身临其境、理论实践并存地学习，是非常值得探讨的问题。

　　国内外目前也有一些针对前沿学科学习的平台，如微软亚洲研究院人工智能教育团队成立了一个AI教育社区，集合微软与高校教师、开发者共享的人工智能教学课件、案例、开发工具和环境搭建；Fast AI课程平台针对深度学习开放了一系列线上课程，可基于jupyter Notebook完成在线编程建模。

　　但目前这些平台都没有和个性化教学结合，为了让学生能全流程高效地进行定制化学习和实践，我们提出了一种一站式智能化教学平台。

一站式智能教学平台总体框架

　　系统结构

　　针对一些能够在线完成的实践，可将课程与实践集合成教学一站式平台。实现与教材中的内容和知识点对接，且在结构上以项目制的形式实现项目环境一键安装部署和项目数据一键导入，按照每个学生的特点进行定制化的引导学习。（平台的结构如图1）

图1 一站式教学平台的系统结构

　　平台需有充足的计算和存储资源来支撑各个项目的数据和运行，底层一般采用云平台进行动态资源调度。框架集成学生实践所需的各种环境，并可支持一键部署，减少搭建成本。

　　上层包含课程库、模型库、算子库等业务配置库，学生在线上学习课程的同时，可以从业务配置库里获取需要的模型、数据、算子等资源，让学生能够快速上手学习。

　　功能模块

　　一站式教学平台需要实现以下几个基本功能模块：

　　1.定制化学习路径。作为自适应式教学平台，为各位学生制定个性化学习路径是最基本的需求。该模块主要由四个模型构成，即领域模型、学生模型、教学模型和用户界面模型（图2）。

图2 教学平台模型结构

　　其中领域模型表示特定领域内的知识图谱和专家经验，判断学习者的步骤是否合适；学生模型即为当前学生画像，描述当前学习者当前的理解和技能水平；教学模型则负责定制教学策略，使系统提供合理的辅导动作。

　　2.项目制实践操练。基于项目的学习模式，可以让学生投入到有意义的解决问题活动中，使学生对相关的问题进行调查研究，用实践作品完成研究。会让学生对学习更加投入，项目学习赋予学生一个能动的角色一问题的解决者、决策者、调查者和记录者，可以有效提高教学质量。

　　3.集成式环境部署。平台需要集成学生较为常用的开发实验环境。例如初学者需要编写程序，或者是做建模、大数据分析等，让每位学生在本地搭建开发环境，准备模型、数据材料，会在一定程度上增加学生入门的复杂度，降低学习效率。而通过平台机制和配套环境进行简化，初学者则不会“望而生畏”，而是在不断进步的成就感中学习这一学科。

　　4.动态化业务配置。除了常用模型和数据的提供之外，平台也需要进一步支撑动态化和个性化的业务配置，以加深学习者的学习深度。例如在学习模型过程中，学生采用平台提供的标准模型和数据完成训练并学习运行过程，进入下一阶段后学生需要通过自定义一些参数或数据文件来加深对模型的认知理解。

一站式智能化教学平台案例

　　浙江大学于2020年7月正式上线了以人工智能学习为主的智能科教平台。平台深度聚焦人工智能技术创新，人工智能人才培养与生态建设，汇聚国内外前沿技术和产业资源，联动校、企、政力量，搭建开源、开放、互通的新一代人工智能体系。平台功能如图3所示。

图3 智能科教平台功能示意

　　平台将为师生提供由简到难进行学习的全过程项目训练，并给出成绩反馈。学生在平台上实现了以逻辑推理为核心的“斑马问题与八皇后问题”，以搜索求解为核心的“黑白棋”、以线性回归为核心的“图像恢复重建”、以统计建模为核心的“特征人脸识别”等复杂算法。

　　2020年上半年疫情期间，238名计算机学院三年级本科生通过平台线上完成了《人工智能》课程的学习，同比2019学年该课程的通过率由95%上涨至98%，课程综合成绩80分以上占比由82%上涨至93%，成绩分布情况如图4所示。

图4 《人工智能》不同授课模式综合成绩对照

　　据调研，相对于传统的教学模式，学生认为符合自身接受能力进阶式的学习模式更有利于该课程的学习，一站式平台极大提升了学习实践的效率。

　　平台还打通了企业生态，浙江大学和蓦（Momodel人工智能建模平台）联手提供对应难度的标准化测试，联系知名企业筹备浙大专场人工智能评测，给予通过者颁布具有实际效力的证书。

　　人工智能的发展，为高校的教学建设带来新的技术手段和依据。而人工智能的学习和普及，也将继续推动教育的重塑和创新。针对高校教学的实际情况，充分利用人工智能思想和技术，可以高效的提升教学质量和学习主动性。

　　在未来，一站式智能教学平台将整合各类前沿环境和资源，如虚拟现实、教学社区等，打造丰富灵动的教育生态，推动教育向智能化方向不断进步。

　　作者：周宇、张宇燕、张紫徽、陈文智（浙江大学）

　　责编：郑艺龙