人工智能在教育方面的应用范文

导语：如何才能写好一篇人工智能在教育方面的应用，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

人工智能在教育方面的应用

篇1

2016年1月，美国佐治亚理工学院计算机学院的教授AshokGoel，借助IBM的Watson人工智能系统创建了一个在线机器人JillWatson，并将其作为课程教学助理。其目的是帮助教师回答学生通过在线论坛提出的大量课程问题。通过几个月的反复调试，JillWatson的回答已经能够达到97%的正确率。现在，机器人助教已经可以直接与学生沟通，不需要真人助教的帮助。这项人工智能在教育中的使用，解决了AshokGoel教授的助教人数不够，难以及时回答学生提问的困境，增加了学生参与在线学习的兴趣，提高了在线学习的留存率。

这只是人工智能在教育领域的小试牛刀。虽然有专家预测在未来十年内不会看到人形机器人替代教师进入课堂，不过地平线报告2016年基础教育版和2107年高等教育版都预测未来五年内人工智能将会在教育行业普及。

教育行业已有的人工智能研究和应用

Woolf等人在2013年提出了人工智能在教育领域应努力解决“五大挑战”：①为每一个学习者提供虚拟导师：无处不在地支持用户建模、社会仿真和知识表达的整合。②解决21世纪技能：协助学习者自我定位、自我評估、团队合作等。③交互数据分析：对个人学习、社会环境、学习环境、个人兴趣等大量数据的汇集。④为全球课堂提供机会：增加全球教室的互联性与可访问性。⑤终身学习技术：让学习走出课堂，进入社会。

过去十年，一些研究者对人工智能在教育领域中的应用做了大量的探索。相关的研究成果包括：①跟踪学习者的思维步骤和解决问题的潜在目标结构（Anderson等，1995）；②诊断误解和评估学习者的理解域（VanLehn，1988）；③提供及时的指导、反馈和解释（Shute，2008）；④促进高效学习的行为，如自我调节、自我监控和自我解释（Azevedo&Hadwin，2005）；⑤以合适的难度水平和最适当的内容来规划学习活动（VanLehn，2006）。

这些研究，基本上使用到了人工智能的每一项技术——自然语言处理、不确定性推理、规划、认知模型、案例推理、机器学习等。“智能导师系统”就是基于这些研究和技术而开发的人工智能教育应用。类似的成熟产品包括Tabtor（hellothinkster.com）、CarnegieLearning（carnegielearning.com）和FrontRow（frontrowed.com）。2014年，加拿大西蒙弗雷泽大学的一项试验发现用智能导师系统的学习者比使用其他教学方法的学习者获得的成绩更高。

人工智能在教育行业的新发展

教育行业的三种类型（内容、平台和评估）的服务商都在经历着一场变革。内容出版商面临纸质印刷到数字出版和开放教育内容的挑战。学习平台正试图区分自适应、个性化和数据分析的功能。评估供应商则继续探寻从多项选择题测试转向更具创新性的问题类型。人工智能将为这三种类型教育服务商带来新的发展思路和契机，同时也惠及教育生态系统中的所有利益相关者。学生通过即时反馈和指导提高学习效率，教师将获得丰富的学习分析和个性化指导经验，父母能够低成本地为孩子改进职业前景，学校能够规模化提高教育质量，政府能够提供负担得起的教育。2017年，人工智能将在以下领域发挥其效益。

1.人工智能批改作业

批改作业和试卷是一件乏味的工作，这通常会占据教师大量的时间，而这些时间本可以更多地用于与学生互动、教学设计和专业发展。

目前，人工智能批改作业已经相当接近真人教师了，除了选择题、填空题外，作文的批改能力已经大幅提高。美国斯坦福大学已经成功开发出一种机器学习程序，能够批改8～10年级的作文。随着图像识别能力的大幅提高，手写答案的识别也接近可能。就连占有美国标准化考试60%市场份额的全球最大教育企业——培生公司也认为，人工智能已经可以出现在教室并提供足够可信的评估。据培生公司近期的报告IntelligenceUnleashed推测，人工智能软件所具有的广泛的、定制的反馈能够最终淘汰传统测试。

2.人工智能实现一对一辅导

自适应学习软件已经能为学生提供个性化学习支撑。据2011年VanLehn的一项研究发现，人工智能在某些特定主题和方法上比未经训练的导师更具有效性。进一步的研究发现，人工智能导师能在学生出错的具体步骤上给予实时干预，而不是就整个问题的答案给予反馈（Corbett&Anderson，2001；Shute，2008）。

自适应学习在拉美地区正在兴起。AndréUrani市政学校的学生使用人工智能软件Geekie观看在线课程（视频和练习）。Geekie为学生提供每一步的实时反馈，并随着学习的进展来传授更为精细的课程内容。

早在1984年，本杰明·布卢姆的研究就提出一对一辅导能带来更好的学习效果。而人工智能技术可以模拟一对一辅导，以更好地跟踪、适应和支持个体学习者。这将是人工智能在教育中更高层次的个性化学习应用。例如，比尔·盖茨看好的人工智能聊天机器人或个人虚拟导师，能在学生面临挑战时提供强有力的支持，随时随地回答学生的提问；还可以为学生订制学习方案和规划职业发展路径，并引导学生走向成功。更重要的是，人工智能可以匹配聊天机器人或虚拟导师的面孔和声音来满足学生个人喜好。对比网页界面的自适应学习系统，这才是真正做到了一人一导师。

3.人工智能关注学生情感

2016年地平线报告高等教育版把情感计算列为教育技术发展普及的重要方向。也就是说，人工智能不仅限于模拟人类传递知识，还能通过生物监测技术（皮肤电导、面部表情、姿势、声音等）来了解学生在学习中的情绪，适时调整教育方法和策略。例如，机器人导师捕捉到学生厌烦的面部表情时，就可以立即改变教学方式努力激发他们的兴趣。这种关注情感的人机交流为学生营造一个更真实的个性化学习环境，更好地维持了学习者的动机。美国匹兹堡大学开发的AttentiveLearner智能移动学习系统就能通过手势监测学生的思想是否集中。突尼斯苏斯国家工程学院的研究人员正在研究开发基于网络的人工智能教学系统。该系统能够识别学生在任何地方开展科学实验的面部表情，以优化远程虚拟实验室的教学过程。

进一步的研究发现，人工智能还可以关注学生的心理健康。当前已经有使用人工智能来为自闭症儿童提供有效支持的案例。例如，伦敦知识实验室在Topcliffe小学开展试验，让自闭症学生与半自动虚拟男孩安迪开展互动交流，研究人员发现患有自闭症的学生在社交能力方面有进步。

4.人工智能改进数字出版

教科书等课程材料并非总是完美，传统印刷出版让课程的修订变得过于缓慢。这不仅是生产工艺的问题，更主要的是纸质课程材料无法快速获取使用者的反饋来识别缺陷所在。而数字化出版在人工智能的支撑下能彻底改变这一现状。

人工智能可帮助使用者快速识别课程缺陷。大规模网络开放课程Coursera的提供者已经将这一想法付诸实践。当发现大量学生的作业提交了错误的答案时，系统会提示课程材料的缺陷，进而有助于弥补课程的不足。

另一项人工智能在数字化出版的应用是自动化组织和编写教材。这是基于深度学习系统能模仿人类的行为进行读和写。ScottR.Parfitt博士的内容技术公司CTI就依据这项技术帮助教师定制教科书——教师导入教学大纲，CTI的人工智能引擎能自动填充教科书的核心内容。

随着自然用户界面和自然语言处理在人工智能领域的成熟应用，课程材料的数字化出版也会有更新的形态——不再局限于书本或网页的形式，聊天机器人和虚拟导师将成为内容表达的更好的方式。

5.人工智能作为学生

多年的研究表明，教会别人才是更好的学习，即learning-by-teaching。美国斯坦福大学教育学教授DanielSchwartz正基于这一理念来开发新的人工智能产品。他联合了多个领域的专家一起开发了人工智能应用——贝蒂的大脑（Betty’sBrain），让学生来教贝蒂学习生物知识。试点研究发现，使用这一方法来学习的学生比其他学生成绩更好，且在科学推理上也更胜一筹。

类似的研究和开发还有瑞典隆德大学的TimeElf和美国卡内基梅隆大学的SimStudent，这两个人工智能产品也是基于learning-by-teaching而开发，让学生在教会机器人知识的过程中深化对知识的理解。

另外，人工智能还推动其他教育方法和技术更好实现。如让虚拟现实学习环境更具沉浸感；给学生带来更多动手实践的机会；提供基于丰富学习分析的仿真和游戏化学习场景等。

篇2

【关键字】人工智能；教育；进展

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0018―03

人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。

人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。

一专家系统

专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。

目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-based instruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（ID Expert）。[6]

教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]

目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答；能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。

二机器人学

机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以 “示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。

机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。

机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。

三机器学习

机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]

随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-based reasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。

四自然语言理解

自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]

自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]

五人工神经网络

人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。

人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。

六分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。

分布式人工智能中的Agent和多Agent技术在教学中的应用逐渐受到关注。在教学中引入Agent可以有效地提高教学系统的智能性，创造良好的学习情境，并能激发学习者的学习兴趣，进行个性化教育。目前，Agent和多Agent技术多用于远程智能教学系统，通过利用其分布性、自主性和社会性等特点，提高网络教学系统的智能性，使教学资源得到充分利用，并可实现对学习者的学习行为进行动态跟踪，为学习者的网络学习创造合作性的学习环境。在网络教学软件中应用Agent技术的一个典型是美国南加利福尼亚大学（USC）开发的教学Adele（Agent for Distance Education - Light Edition） [22]。Agent技术在网络教学软件中取得的良好效果，促进了研究者对分布式人工智能在教育中的应用研究。

综上所述，科学技术的发展将会推动人工智能技术在教育中应用的广度和深度。从人工智能的应用趋势来看，人工智能在教育中应用的扩展可以通过以下三个方面进行：一是人工智能与其他先进信息技术结合。人工智能已经与多媒体技术、网络技术、数据库技术等有效的融合，为提高学习效率和效度提供了有力的技术支持，而引起教育技术界广泛关注。[23]例如人工智能技术通过与多媒体技术相结合，可以提高智能教学系统的教学效果；与网络通讯技术相结合，可以提高和改进远程教育的智能性。二是人工智能应用研究领域间的集成。人工智能应用研究领域之间并不是彼此独立，而是相互促进，相互完善，它们可以通过集成扩展彼此的功能和应用能力。例如自然语言理解与专家系统、机器人的集成，为专家系统和机器人提供了新的知识获取途径。三是人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸与扩展，这些新领域有分布式人工智能与Agent、计算智能与进化计算、数据挖掘与知识发现以及人工生命等[24]，这些发展与应用蕴藏着巨大潜能，必将对教育产生重要的影响。

技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮, 引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25] 人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。

参考文献

[1] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.

[2][11][18][19] 《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.

[5][12][15][20][24] 蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]诺伯特•M. 西尔,[德]弗兰兹•肖特,等.任友群,郑太年主译.教学设计的国际观第2册:解决教学设计问题[M].北京:教育科学出版社,2007:67.

[7] 任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.

[9] 陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.

[10] 关注机器人幼儿教育――访鲍青山博士[DB/OL].

[13] 柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.

[14] 杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.

[16] 自然语言理解[DB/OL].

[17] 贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].

篇3

关键词：人工智能；授课内容；讲授方法

人工智能概论课程是我校智能科学与技术专业开设的一门重要的专业基础课，它在整个专业教学体系中起到奠基的作用，如何针对其特点制定合理的教学目标与授课内容，并有效地组织课堂教学，取得良好的教学效果是非常重要的，本文将从多个角度对其进行全方位的思考与探索，为相关课程教学的改革提供新的思路。

1教学目标的精确定位

首先，人工智能概论课程在智能科学与技术专业整个教学体系中起到引导和奠基的作用，但不同于其他相关的专业基础课，其总的特点可归纳为“少而精”，即在较少的教学授课学时中起到画龙点睛的作用，为学生进一步的深入学习打好基础，并激发他们对智能专业的学习兴趣和爱好。基于以上特点，通常选择一学期共32学时课程的安排计划，并且在大三上学期开始进行授课。

其次，要研究解决同学们所反映的“虚与实”问题。人工智能是一门涉及到多个学科的课程，具有相当复杂的背景，其与哲学、数学、经济学、神经科学、心理学、计算机工程、控制论和语言学都有着密切的联系，并且随着这些学科的发展而深化，不断产生新的思路和新的问题。以上特点决定了该课程内容较为抽象，且难以把握全局，学习起来不易消化理解，从而造成了学生学习的困难，容易产生畏惧感，并且学生常常对其在实际环境中的具体应用产生疑问。

如何在这么短的授课学时里使学生产生学习兴趣并且能取得良好的教学效果是一个具有挑战性的课题，这需要对该课程的授课内容、教材选择、讲授方法和考核形式进行全方位的思考与探索，并在教学过程中落在实处。一方面让学生了解和掌握人工智能的发展历史和思想渊源，并指出各个分支的本质特点和整个领域的发展趋势；另一方面有意识地穿插介绍人工智能在实际中具体应用的例子，开阔学生的眼界，打消他们的疑虑。这些将在本文的后面部分进行深入的介绍。

最后人工智能概论这门课程还要兼顾研究型和应用型这两种特点的共同发展。在以前，由于人工智能授课内容的特点，常常讲授时偏向研究型，往往涉及到复杂的数学推导和逻辑运算，增加了老师讲授的难度和学生学习的困难。因此，针对上述问题，在教学过程中可以引入多种形式的事例说明和多媒体演示环节，以讲授思想为主，具体技术为辅，这将直接反映到授课内容的选择上。

2授课内容的选择

人工智能概论授课内容的选择至关重要，本着该课程“少而精”的特点，既需要让学生在较短时间内掌握基本的思想与概念要点，又要对该课程进行全方位的介绍，并点出其发展趋势，因而对授课教师有着非常高的要求。由于授课课时的限制，我们无法做到既面面俱到，又对每个具体方向进行详细的讲解；而且这样也容易陷入复杂的数学推导和逻辑运算的误区。因而，整个课程的讲授内容应该以传授思想和概念要点为主，并在讲授的过程中加入有趣的事例，通过这些形象的事例说明和多媒体演示环节折射出人工智能思想的精髓和应用的广阔前景。

人工智能概论主要涉及到知识表示、搜索推理、计算智能、专家系统、机器学习、自动规划、Agent和自然语言理解等内容，其中以知识表示、搜索推理和计算智能为授课内容的重点，在讲授的过程中需要对这些内容加以整理精简，分清主次，合理地安排授课内容在总学时内。除了这些基本的授课知识外，还应该在教学环节引入多媒体演示，通过形象生动的视频演示让学生们了解人工智能的科学价值和实际应用所在。视频可以选用世界一流大学实验室的开放多媒体内容，例如：MIT计算机科学与人工智能实验室的相关科研项目中间过程及结果的视频演示，以此来开阔学生的眼界，增长他们的见识，使之了解其应用前景和未来的发展空间。

人工智能领域的发展受到多个学科的影响，这些学科在不同历史时期都对人工智能领域起到了各种推进作用，也产生了许多不同层面的争论，至今也是如此。如何在授课过程中形象地对人工智能历史进行回顾，阐述这些学科对人工智能领域的影响，尤其是思想方面的影响特别重要。“回顾历史，立足当今，展望未来”――给学生形象地描绘出人工智能发展的思想史，并以画龙点睛之笔指出人工智能领域发展的广阔未来，是授课教师艰巨而光荣的任务，只有这样才能使学生把握住人工智能领域的整个发展脉络，激发出他们的学习兴趣和爱好。

以哲学家对强人工智能方向的争论为例，向学生们介绍这些收集整理的资料对于他们思想的启迪是非常有益的。这里值得说明的是这种思想的阐述事实上是非常不容易的，其难度甚至高于复杂的数学推导，因为它常常要求授课教师掌握思想的精髓所在，并用非常形象生动的语言对其进行说明，而这些常常是现在书本中所没有的。例如：知识的表示、获取、存储和推理是人工智能领域中重要的组成部分，虽然目前已经有很多书籍详细地介绍了这些方面，但学生仍然反映听起来比较抽象。为什么会这样？其原因是一些基本的问题并没有得到圆满的说明和阐述，如“什么是知识”，“知识能够表示吗”，“有统一表示各种各样抽象、复杂知识的工具吗”，“抽象的美学与复杂的人类情感，知识能够表示吗”……其中有些问题看似容易回答，却往往涉及到一些复杂的哲学问题，目前在各种人工智能的教科书和专著里常常对这些问题避而不谈，只在数学的层面上针对具体的问题来进行说明和讲授。如果想在这方面有所突破的话，就需要阅读大量的哲学书籍，如认知学、知识论和心智哲学等领域的著作，还需要大量时间的理解和参悟，这些有价值的资料也是对授课内容的极大丰富和补充。近年来，认知神经科学、心理学、生物学、语言学甚至社会学对人工智能领域有着较大的推进作用，也是将来融合发展的总体趋势，如何在课堂上结合具体的事例对其加以说明也是授课内容的一个重要环节。

3相关教材的选择

众所周知，关于人工智能的国内外优秀教材有很多，例如：S.J. Russell和P. Norvig所著的《Artificial Intelligence――A Modern Approach》被全世界89个国家的900多所大学用作教材[1]，国内可以考虑使用其影印版或中文翻译版本，大大的降低了购买国外原版教材所需的费用，并可以在此基础上考虑实现双语教学。此外还有蔡自兴教授等编著的人工智能及其应用，详细而恰当地介绍了人工智能领域中的各个研究方向(分别适合于本科生[2]和研究生[3])等。我们从整个教学时间安排上看，因其所占学时较少，所以人工智能概论课程的教材选择不适用于大部头的书籍，宜选用篇幅较小但内容较全的适合于本科生的教材。除了选择合适的教材外，对于任课教师还要拥有大量的参考书，包括上述提到的其他领域的书籍和资料，只有这样才能拓展所掌握的知识，为实现良好的教学效果而服务。

4讲授方法和考试形式的选择

课程讲授时注意主线的选择，着重以思想介绍为主，详细地介绍人工智能发展的历史以及各种学派和学说，如符号主义、连接主义和行为主义等，要重点介绍他们的特点和本质，指出它们形成的原因以及其中的不足之处，并向学生介绍新的学说，例如机制主义[4]等。整个教学过程并不涉及较为复杂的数学，要注重各个分支的思想源流，主要从其机制上做定性介绍。同时可在讲授过程中穿插相关历史问题的争论，例如：中国屋问题[5]等，引发学生学习的兴趣和爱好，开展交互式教学，使学生和老师产生互动。授课方式采用板书和多媒体交互使用方式，力争在每节课的空闲时间里穿插加入人工智能领域的实际应用介绍，放映相关的视频录像，开阔学生们的眼界。在最终考试形式的选择方面不是要学生死记硬背知识点，而是要注重学生思想的发挥，鼓励学生提出新想法和新思路，并丰富其掌握的相关知识，为将来的进一步学习打好基础和做准备。

5结语

我们认为在教学方式上力争采用“启发式”教学，能真正做到启迪学生思想的作用，尤其要鼓励思想创新，在高等教育阶段培养学生具有独立思考、勇于探索的能力，使之成为社会的有用之才。希望这些在人工智能概论课程教学中的思考和探索能在日常教学活动起到有益的作用，并与同行们共同交流和探索。

参考文献：

[1] S.J. Russell, P. Norvig. Artificial Intelligence:A Modern Approach[M]. 2nd Ed. 北京:清华大学出版社,2006.

[2] 蔡自兴,徐光佑. 人工智能及其应用本科生用书[M]. 3版. 北京:清华大学出版社,2003.

[3] 蔡自兴,徐光佑. 人工智能及其应用研究生用书[M]. 3版. 北京:清华大学出版社,2004.

[4] 钟义信. 机制主义方法与人工智能统一理论:人工智能的新方法与新进展[J]. 计算机教育,2010(19):7-10.

[5]J. Preston, M. Bishop. Views into the Chinese Room: New Essays on Searle and Artificial Intelligence[M]. Oxford: Oxford University Press,2002.

Teaching Reflection on Introduction to Artificial Intelligence

YANG Dedong, SUN Hexu, YANG Peng, ZHANG Lei

(School of Control Science and Engineering, Hebei University of Technology, Tianjin 300130, China)

篇4

据统计，2017年中国人工智能核心产业规模超过700亿元，随着各地人工智能建设的逐步启动，预计到2020年，中国人工智能核心产业规模将超过1600亿元，年复合增长率将达31.7%。

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低，越来越多的创业公司加入人工智能的阵营。

2018年被称为人工智能爆发的元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到社会生活的方方面面，带来生产效率及生活品质的大幅提升。智能红利时代开启！资本、巨头和创业公司纷纷涌入，将人工智能拉到了信息产业革命的风口。

如何把握产业动向，抓住风口机会？创业邦研究中心凭借在人工智能等前言科技领域持续研究、洞察的能力，在对国内人工智能创业公司进行系统调研的基础上，推出《2018中国人工智能白皮书》，对人工智能的核心技术、主要应用领域、巨头和创业公司的布局、未来发展态势和投资机会进行了深度解析。

第一部分人工智能行业发展概述

1.人工智能概念及发展

人工智能（Artificial Intelligence， AI）又称机器智能，是指由人制造出来的机器所表现出来的智能，即通过普通计算机程序的手段实现的类人智能技术。

自1956年达特茅斯会议提出“人工智能”的概念以来，“人工智能”经历了寒冬与交替的起起伏伏60多年的发展历程。2010年以后，深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来。

人工智能发展历程

2.人工智能产业链图谱

人工智能产业链可以分为基础设施层、应用技术层和行业应用层。

A基础层，主要有基础数据提供商、半导体芯片供应商、传感器供应商和云服务商。

B技术层，主要有语音识别、自然语言处理、计算机视觉、深度学习技术提供商。

C应用层，主要是把人工智能相关技术集成到自己的产品和服务中，然后切入特定场景。目前来看，自动驾驶、医疗、安防、金融、营销等领域是业内人士普遍比较看好方向。

人工智能产业链

资料来源：创业邦研究中心

第二部分人工智能行业巨头布局

巨头积极寻找人工智能落地场景，B、C 端全面发力。

资料来源：券商报告、互联网公开信息，创业邦研究中心整理

第三部分机器视觉技术解读及行业分析

1.机器视觉技术概念

机器视觉是指通过用计算机或图像处理器及相关设备来模拟人类视觉，以让机器获得相关的视觉信息并加以理解，它是将图像转换成数字信号进行分析处理的技术。

机器视觉的两个组成部分

资料来源：互联网公开信息，创业邦研究中心整理

2.发展关键要素：数据、算力和算法

数据、算力和算法是影响机器视觉行业发展的三要素。人工智能正在像婴儿一样成长，机器不再只是通过特定的编程完成任务，而是通过不断学习来掌握本领，这主要依赖高效的模型算法进行大量数据训练，其背后需要具备高性能计算能力的软硬件作为支撑。

深度学习出现后，机器视觉的主要识别方式发生重大转变，自学习状态成为视觉识别主流，即机器从海量数据里自行归纳特征，然后按照该特征规律使图像识别的精准度也得到极大的提升，从70%+提升到95%。

3.商业模式分析

机器视觉包括软件平台开发和软硬件一体解决方案服务。整体用户更偏向于B端。软件服务提供商作为技术算法的驱动者，其商业模式应以“技术层+场景应用”作为突破口。软硬件一体化服务供应商作为生态构建者，适合以“全产业链生态+场景应用”作为突破口，加速商业化。

（1）软件服务：技术算法驱动者—“技术层+场景应用”作为突破口

这种商业模式主要是提供以工程师为主的企业级软件服务。有海量数据支撑，构建起功能和信息架构较为复杂的生态系统，推动最末端的消费者体验。

此类商业模式成功关键因素：深耕算法和通用技术，建立技术优势，同时以场景应用为入口，积累用户软件。视觉软件服务按处理方式和存储位置的不同可分为在线API、离线SDK、私有云等。

国内外基础算法应用对比

资料来源：互联网公开信息，创业邦研究中心整理

（2）软硬件一体化：生态构建者—“全产业链生态+场景应用”作为突破口

软硬一体化的商业模式是一种“终端+软件+服务”全产业链体系。成功的因素是大量算力投入，海量优质数据积累，建立算法平台、通用技术平台和应用平台，以场景为入口，积累用户。亮点是打造终端、操作系统、应用和服务一体化的生态系统，各部分相辅相承，锐化企业竞争力，在产业链中拥有更多话语权。

4.投资方向

（1）前端智能化，低成本的视觉解决模块或设备

从需求层面讲，一些场景对实时响应是有很高要求的。提供某些前端就本身有一定计算能力的低成本的视觉模块和设备将有很大市场需求。前置计算让前端设备成为数据采集设备和数据处理单元的合体，一方面提升了处理速度，另一方面可以处理云端难以解决的问题。

机器视觉在消费领域落地的一个障碍是支持高性能运算的低功耗、低价位芯片选择太少。从低功耗、高运算能力的芯片出发，结合先进的算法开发模块和产品，这类企业将在机器视觉领域拥有核心竞争力。

（2）深度学习解决视觉算法场景的专用芯片

以AI芯片方式作为视觉处理芯片有相当大的市场空间。以手势识别为例，传统的识别方案大都基于颜色空间，如 RGB，HSV ，YCrBr，无法排除类肤色物体及黑色皮肤对识别精度的干扰。借助深度学习，如通过 R-CNN 训练大量标注后的手势图像数据，得到的模型在处理带有复杂背景及暗光环境下的手势识别问题时，比传统方案的效果好很多。

（3）新兴服务领域的特殊应用

前沿技术带来的新领域（如无人车、服务机器人、谷歌眼镜等），对机器视觉提出了新要求。机器视觉可以让机器人在多种场合实现应用。服务机器人与工业机器人最大的区别就是多维空间的应用。目前国内的机器视觉，涉及三维空间、多维空间，其技术基本上处在初始阶段，未来存在较大市场增长空间。

（4）数据是争夺要点，应用场景是着力关键

机器视觉的研究虽然始于学术界，但作为商业应用，能解决实际问题才是核心的竞争力。当一家公司先天能够获得大量连续不断的优质场景数据，又有挖掘该数据价值的先进技术时，商业模式和数据模式上就能形成协同效应。创业公司要么通过自有平台获取数据，要么选择与拥有数据源的公司进行合作，同时选择一个商业落地的方向，实现快速的数据循环。

第四部分智能语言技术解读及行业分析

1.语音识别技术

（1）语音识别技术已趋成熟，全球应用持续升温

语音识别技术已趋成熟，全球应用持续升温。语音识别技术经历了长达60年的发展，近年来机器学习和深度神经网络的引入，使得语音识别的准确率提升到足以在实际场景中应用。深度神经网络逐步找到模型结构和调参算法来替代或结合高斯混合算法和HMM算法，在识别率上取得突破。根据Google Trends统计，自2008年iPhone及谷歌语音搜索推出以来语音搜索增长超35倍。百度人工智能专家吴恩达预测，2020年语音及图像搜索占比有望达到50%。Echo热销超过400万，带动智能音箱热潮。

（2）语音识别进入巨头崛起时代，开放平台扩大生态圈成主流

语音识别即将进入大规模产业化时代。随着亚马逊Echo的大卖，语音交互技术催生的新商机，吸引大大小小的公司构建自己主导的语音生态产业链。各大公司纷纷开放各自的智能语音平台和语音能力，欲吸引更多玩家进入他们的生态系统。

（3）语音识别技术发展瓶颈与趋势

低噪声语料下的高识别率在现实环境使用中会明显下降到70-80%，远场识别、复杂噪声环境和特异性口音的识别是下一个阶段需要解决的问题。

麦克风阵列类前端技术不仅是通过降噪和声源定位带来识别率的提高，带环境音的语料的搜集、标注可用于模型的训练，有助于打造更新一代的语音识别引擎技术。语音巨头已经在布局。

在IOT包括车载领域，云端识别并非通行的最优方案，把识别引擎结合场景进行裁剪后往芯片端迁徙是工程化发展的方向。

2.自然语言处理（NLP）发展现状

（1）多技术融合应用促进NLP技术及应用的发展

深度学习、算力和大数据的爆发极大促进了自然语言处理技术的发展。深度学习在某些语言问题上正在取得很大的突破，比如翻译和写作。2014年开始LSTM、Word2Vec以及Attention Model等技术研究的进展，使DL有了路径在语义理解领域取得突破，并且已经有了明显的进展。对话、翻译、写作新技术成果里都开始逐渐混合入DL的框架。2014-2015年，硅谷在语义理解领域的投资热度剧增。

深度学习能最大程度发挥对大数据和算力资源的利用，语义理解的发展还需要深度学习、搜索算法、知识图谱、记忆网络等知识的协同应用，应用场景越明确（如客服/助理），逻辑推理要求越浅（如翻译），知识图谱领域越成熟（如数据饱和度和标准性较强的行业），技术上实现可能性相对较低。在各种技术融合应用发展的情况下，具备获取一定优质数据资源能力并可结合行业Domain knowledge构建出技术、产品、用户反馈闭环的企业会有更好的发展机会。

（2）NLP主要应用场景

问答系统。问答系统能用准确、简洁的自然语言回答用户用自然语言提出的问题。基本工作原理是在线做匹配和排序。比如 IBM 的 Watson，典型的办法是把问答用FAQ索引起来，与搜索引擎相似。对每一个新问题进行检索，再将回答按匹配度进行排序，把最有可能的答案排在前面，往往就取第一个作为答案返回给用户。

图像检索。同样也是基于深度学习技术，跨模态地把文本和图片联系起来。

机器翻译。机器翻译的历史被认为与自然语言处理的历史是一样的。最近，深度学习被成功地运用到机器翻译里，使得机器翻译的准确率大幅度提升。

对话系统。对话系统的回复是完全开放的，要求机器能准确地理解问题，并且基于自身的知识系统和对于对话目标的理解，去生成一个回复。

（3）创业公司的机遇

1)机器翻译方面：经过多年的探索，机器翻译的水平已经得到大幅度提升，在很多垂直领域已经能够在相当大程度上替代一部分人工，机器翻译技术的商业化应用已经开始进入大规模爆发的前夜。

2)应用于垂直领域的自然语言处理技术

避开巨头们对语音交互入口的竞争，以某一细分行业为切入点，深耕垂直领域，对创业公司也是一个不错的选择。

第五部分人工智能在金融行业的应用分析

人工智能产业链包含基础层、技术层、应用层三个层面。基础层的大数据、云计算等细分技术被应用到金融征信、保险、理财管理、支付等金融细分领域；技术层的机器学习、神经网络与知识图谱应用于金融领域的征信与反欺诈、智能投顾、智能量化交易，计算机视觉与生物识别应用于金融领域的身份识别，语音识别及自然语言处理应用于金融领域的智能客服、智能投研；应用层的认知智能应用于金融领域的智能风控。

人工智能在金融行业的典型应用情况

资料来源：创业邦研究中心

第六部分人工智能在医疗行业的应用分析

1.人工智能在医疗行业的应用图谱

人工智能在医疗行业的应用潜力巨大，目前在健康管理、辅助诊疗、虚拟助理、医学影像、智能化器械、药物挖掘和医院管理等领域均有企业在布局，其中医学影像、药物挖掘、健康管理，辅助诊疗、虚拟助理的应用发展速度较快。

图人工智能在医疗行业的应用图谱

资料来源：创业邦研究中心

2.人工智能在医疗行业的具体应用场景

医学影像。人工智能应用于医学影像，通过深度学习，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助更快的获取影像信息，进行定性定量分析，提升医生看图/读图的效率，协助发现隐藏病灶。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注，三维重建，靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。目前较为火热的应用有肺部筛查、糖网筛查、肿瘤诊断和治疗等。

药物挖掘。人工智能在药物研发上的应用可总结为临床前和临床后两个阶段。临床前阶段：将深度学习技术应用于药物临床前研究，在计算机上模拟药物筛选的过程，包括靶点选择、药效和晶型分析等，预测化合物的活性、稳定性和副作用，快速、准确地挖掘和筛选合适的化合物或生物，提高筛选效率，优化构效关系。临床后阶段：针对临床试验的不同阶段，利用人工智能技术对患者病历进行分析，迅速筛选符合条件的被试者，监测管理临床试验过程中的患者服药依从性和数据收集过程，提高临床试验的准确性。

虚拟助理。医疗虚拟助理是基于医疗领域的知识系统，通过人工智能技术实现人机交互，从而在就医过程中，承担诊前问询、诊中记录等工作，成为医务人员的合作伙伴，使医生有更多时间可以与患者互动。医疗虚拟助理根据参与就医过程的功能不同，主要有智能导诊分诊，智能问诊，用药咨询和语音电子病历等方向。

第七部分智能驾驶行业分析

1.智能驾驶行业产业链

智能驾驶行业的中心业务是以Google、百度为代表的智能驾驶操纵解决方案提供商和以特斯拉、蔚来为代表的成车厂商。该类厂商，上接上游软硬件提供商，下接公司和消费者，在整个业务链中扮演至关重要的一环。

产业链上游厂商多为细分技术提供商，如深度学习、人机交互、图像识别和新材料、新制造新能源等。

智能驾驶产业链图谱

资料来源：创业邦研究中心

2.智能驾驶市场分析

伴随着 ADAS 技术的不断更新，推断全球 L1-L5 智能驾驶市场的渗透率会在接下来 5年内处于高速渗透期，然后伴随半无人驾驶的普及进入稳速增长期。在未来的 2025 年无人驾驶放量阶段后，依赖全产业链的配合而进入市场成熟期。预测到2030年，全球 L4/5 级别的自动驾驶车辆渗透率将达到 15%，单车应用成本的显着提升之外，从 L1-L4 级别的智能驾驶功能全面渗透为汽车产业带来全面的市场机会。

按照 IHS Automotive 保守估计，全球 L4/L5 自动驾驶汽车产量在 2025 年将接近 60 万辆，并在 2025- 2035 年间获得高速发展，年复合增长率将达到43%，并在2035年达到2100万辆。另有接近 7600 万辆的汽车具备部分自动驾驶功能，同时会带动产业链衍生市场的大规模催化扩张。

根据独立市场调研机构 Strategy Engineers 的预测，L4 高度自动驾驶等级下，自动驾驶零部件成本约在 3100 美元/车，其中硬件占比 45%，软件占比 30%，系统整合占比 14%，车联网部分占比 11%。按照全球 1 亿辆量产规模计算，理想假设所有车辆全部达到 L4 高度自动驾驶水平，那么全球自动驾驶零部件市场规模在 2020 年将达到 3100 亿美元。

第八部分中国人工智能企业画像分析

随着人工智能技术的不断成熟，人工智能创业的难度逐步降低。创新的大门吸引众多创业企业进入。为了观察行业风向，助力创新企业发展，创业邦研究中心对国内200多家人工智能创业公司进行了系统调研，从发展能力、创新能力、融资能力等多维度指标，评选出“2018中国人工智能创新成长企业50强”。

地域分布

全国88%的人工智能企业聚集在北京、上海、广东和江苏。其中，北京人工智能企业最多，占比高达39.66%;其次是上海，人工智能企业占比达21.55%;位列第三的是广东，人工智能企业占达15.52%。北京以领先全国其他地区的政策环境、人才储备、产业基础、资本支持等，成为人工智能创业首要阵地;华东地区的上海、江苏、浙江均有良好的经济基础和科技实力，人工智能应用实力雄厚，也聚集了一批人工智能垂直产业园;广东互联网产业发达，企业对数据需求强烈，依靠大数据产业链推动人工智能产业发展。

行业分布

从行业大类分布来看，行业应用层的企业占比最大，为56.03%;其次是应用技术层的企业，占比达31.04%;基础技术层的企业占比最小，仅为12.93%。随着人工智能技术的发展，人工智能与场景深度融合，应用领域不断扩展，行业应用公司比重不断提升。在基础层技术方面，国际IT巨头占据行业领先地位，国内与国际差距明显，中小初创企业很难进入。

从行业应用来看，智能金融企业占比最大，为16.92%;其次是机器人企业，占比达15.38%;位列第三的是智能驾驶和智能教育，占比均为12.31%。金融行业的强数据导向为人工智能的落地提供了产业基础，智慧金融被列入国家发展规划中，庞大的金融市场为人工智能落地带来了发展前景。机器人作为人工智能产业落地输出，目前市场需求较大，商业机器人占据较大份额。中国智能驾驶市场在资本推动下进入者较多，企业积极推动应用落地，百度、北汽等大型企业尝试商业化落地智能驾驶汽车。人工智能推动教育个性化落地，相关初创企业涉入教育蓝海，推动智慧教育的发展。

收入情况

收入分布在500-10000万之间的企业最多，占比达49.14%;500万以下的企业位居其次，占比达 26.72%;位列第三的是10000-100000万之间的企业，占比为17.24%。

篇5

语音技术进校园

“哪里可以买到便宜的洗漱用品？”新生小贾刚刚把行李放下，就要买必备的生活用品了。

“小助手”回答道：“学校周边步行范围内有两个超市，一个物美超市在南门外面的学府街2号，一个是学生超市在学校的二食堂边上。您是要买牙刷、牙膏和毛巾么？请选择一下吧。”这时，在智能设备的屏幕上，展现了这两个超市的地图，同时把小贾可能要买的东西在这两个超市的价格都罗列在下面。

小贾很高兴地说道：“好啊，就这几个东西吧，我想从学校里的学生超市买这几样。给我送到宿舍来吧。”

“好的，”接到了小贾的指示，“小助手”直接下了单，“东西会在30分钟之后送达。另外，今天是新学期第一天，你要不要去校园里看看呢？”

小贾问道：“去哪里看好呢？新学期学校应该有什么活动吧？”

“小助手”依次列出了今天学校所有的活动和地点：“10点到17点，北门小树林有各个社团的招新活动；10点到11点，我的朋友S博士会介绍学校的智能授课评估系统……”

“这个智能授课要去听，据说以后我们的课堂综合评分，都是由这个智能语音系统来完成的。”同宿舍的小于在旁边忍不住插嘴。

“好啊！那就帮我们订两个座位吧，我们10点去参加S博士的演讲。”小贾说。

几秒钟后，“小助手”在其上方投射出一个报告厅的全息座位图，其中有两个座位高亮显示：“定好了！你们的座位在在H21和H23。报告厅离宿舍不远，我已经把路线图推送到你们的手机上了。”

小贾和小于顺着地图的指引，刚刚来到报告厅门口，“小助手”先跳出来和“S博士”打招呼了：“S博士你好，这是新生小贾和小于，今天来学习智能授课评估系统。”

这时候，教室门口突然跳出来一个戴博士帽的大胖子博士全息图，很热情地和大家打招呼：“欢迎欢迎，今天还有另一个校区的同学，通过全息在线和我们互动。”

大家坐定之后，一个更大号的“博士帽”被投射到最前面，“S博士”开始详细地讲解如何与该系统进行良好的互动，从而争取到更好的课堂分数。

其中有一点最让小贾印象深刻：回答课堂问题时，你们只要以你最喜欢的方式说出你的想法就好了，我们的系统会全面分析你的答案，并分析你的语气和语速，从而得到最好的分数。

会议的最后，小贾和小于很好奇地问“小助手”：“S博士到底在哪个校区工作啊？”

“小助手”嘿嘿一笑说：“S博士和我一样啊，是你们的智能语音助手哦。”

看过上面的故事，有的同学也许会问：这是哪个科幻小说中的场景？如果是在几年前，这样的场景也许还是人们对于遥远未来智能社会的幻想。不过，最近智能语音领域的迅猛发展，让很多这样的“科幻”场景即将成为现实。

那么，智能语音从哪里来到哪里去？未来这方面的技术会如何改变我们的社会和生活？带着这些问题，我们采访了这个领域在中国成长起来的大咖：科大讯飞。

最早接近“人类智能”的领域

近年来，“人工智能”这四个字在各个方向“轰炸”着人们的认知。事实上，这四个字意味着语音、图像、视频、文本、日志分析等多个领域。在这些个领域里面，很多离真正的“人类智能”还有一定距离。但是，智能语音领域却有着不一样的进展。

2015年，科大讯飞最新语音转写产品“讯飞听见”将中文普通话识别和转写的实用准确率提高到了95%以上，远超过人类专业速记员的速度和准确度。这个不同寻常的与那些最新研究成果和技术实验有很大的不同，这标志着中文智能语音的技术已经可以真真实实地达到人类的水平。

“科大讯飞虽然成立18年了，但是在语音识别领域其实还是个新兵，”讯飞负责人这样告诉记者：“最早的语音识别技术可以追溯到上世纪50年代，贝尔研究所Davis等人研究成功了世界上第一个能识别10个英文数字发音的实验系统；1960年英国Denes等人研究成功第一个计算机语音识别系统。大规模的语音识别研究始于上世纪70年代以后，在小词汇量、孤立词的识别方面取得了实质性的进展。”

上世纪90年代以后，大词汇量连续语音识别得到优化，在语音识别技术的应用及产品化方面出现了很大的进展。1997年，IBM Viavoice首个语音听写产品问世。

自2009年以来，借助机器学习领域深度学习研究的发展以及大数据语料的积累，语音识别技术得到突飞猛进的发展。2010年，谷歌VoiceAction支持语音操作与搜索。2011年初，微软的深度神经网络（DNN）模型在语音搜索任务上获得成功。也就在同年，苹果手机助理Siri首次亮相，人机交互掀开了新的篇章。

科大讯飞成立于1999年，相比这些巨头来说，是个不折不扣的“新兵”，刚开始难免是要坐冷板凳的。但是，在多年的e累之后，科大讯飞在智能语音领域中的贡献让人刮目相看。有些人认为中国的企业可能在中文智能语音方面积累更多一些，事实上，科大讯飞在历次的国内外语音合成评测中，各项关键指标均名列第一。2008年至今，科大讯飞连续在国际说话人、语种识别评测大赛中名列前茅。2014年，科大讯飞首次参加国际口语机器翻译评测比赛（International Workshop on Spoken Language Translation）即在中英和英中互译方向中以显著优势勇获第一。2016年，国际语音识别大赛（CHiME）科大讯飞取得全部指标第一；在认知智能领域，相继获得国际认知智能测试（Winograd Schema Challenge）全球第一、国际知识图谱构建大赛（NIST TAC Knowledge Base Population Entity Discovery and Linking Track）核心任务全球第一。

智能Z音技术从简单的比赛和实验室成果，到真正的实用化，甚至超过人类的智能水平，要做的工作比我们想象得要复杂得多。如果我们打开“讯飞听见”的技术链，发现其集成了包括语音转写识别技术、篇章级处理方案、自然语言处理技术、阵列解混响技术、口语化风格处理技术、声纹识别等多方面的技术，为了应对每个人之间的个体化的差异，方言语音识别、高抗噪语音识别、个性化识别等多方面的功能也是必不可少的。去年12月，“ 讯飞听见”的升级版本在原实时转写汉字的基础上，还可同步翻译为英、日、韩、维等多种语言。

更高阶：认知智能

人工智能的“旅程”中，在很长一段时间，一直处于“能存会算”的计算智能时代。在这一时期，机器还是计算的机器，人类和机器交互的方式还很有限很低效，在有限的交流中，机器能按照人来安排的指令，完成特定的功能已经算是合格了。

智能语音领域的发展，率先将机器的“听、说、理解”能力拉升到了“感知智能”的阶段。以谷歌、微软、讯飞为代表的一批优秀的企业和机构将语音的识别、认知、合成、翻译等能力植入了机器内。同时，在教育、车载、家居、通信、硬件和城市等多个领域，产生了丰富的应用。

“现在我们要进入认知智能阶段了。”科大讯飞强调说。从最新的讯飞产品线来看，在教育评测、知识服务、智能客服、机器翻译等领域，机器已经开始具备了“能理解会思考”的能力了。“人工智能在智能语音这个领域里已经超过人类了。最近我们在做一些教育评测领域的实践。如今，机器主观题阅卷技术对语文、英文等学科的评分已达到或超过人工评分水平。”

当智能语音系统具备足够多的实践、“学习”过足够多的数据，“练习”过足够多的对话，也许它真的可以为人类“打开另一扇窗口”。

篇6

由全球华人计算机教育应用学会主办，浙江大学承办的第十五届全球华人计算机教育应用大会（The 15th Global Chinese Conference on Computers in Education，简称GCCCE2011）于2011年5月29日至31日隆重召开。全球华人计算机教育应用大会是一项国际学术会议，每年举办一次，旨在汇聚世界各地教育政策制定者、学者、教育工作者、校长及一线教师，分享有关信息与通信技术（ICT）教育应用的实践方法及成功经验，以推动教育信息化的发展，促进教育创新。值得强调的是，本次会议已列入美国规模最大的专业学会――电气与电子工程师协会（IEEE）会议列表。

本次会议的主题是：信息技术促进教育创新，旨在深入探讨信息技术促进教育创新的相关问题，推动全球华人计算机教育应用界同仁的交流。围绕此主题，本次大会开设了十个子会议进行深入讨论：移动学习与泛在学习、教育游戏与非正式学习、ICT在华文教学中的应用、计算机支持的协作学习与人工智能教育应用、数字化学习环境构建与教育软件设计、数字化测试与评价、数字化学习与企业培训、中小学信息技术教育与应用、中小学教师论坛、博士生论坛。本次会议共吸引了500多名来自大陆、台湾、香港、新加坡、日本、非洲等国家或地区的学者，其中正式代表240人，嘉宾40人，研究生代表220多人。

二论文集主题与作者信息

为保证论文的质量和吸引广大学者的积极参与，本次会议收录的论文被IEEE出版，并送交工程索引（EI）检索。当然，这也是前14届高质量的会议成果铸就了今天的国际认可，从这一层面也可看出主办方为促进学术繁荣所做的努力。

1按论文主题划分

本次会议收到来自大陆、台湾、香港、新加坡、日本、非洲等国家或地区的学者积极投稿，共收到论文1327篇，经过严格的评审后，录用论文414篇，录用率为31.2%。其中张贴论文73篇，大会最后还评出优秀论文22篇。论文集紧密按照大会主题进行编订。

从表1数据可以看出“计算机支持的协作学习与人工智能教育应用”和“数字化学习环境构建和教育软件设计”来稿数量不相上下，依然沿袭往届的特征，说明在计算机的教育应用领域，学习环境的构建和教育软件的设计是热点。“教育游戏与非正式学习”的篇数紧跟之后，并且与往年相比，数量有所上升，表明在游戏中教育和组织非正式学习受关注度较高。而“ICT在华文教学中的应用”与往年相比数量有所下降，这与大会召开的地理位置相关：本次会议在大陆召开，而此主题研究者多为台湾地区。经研究分析，本次大会研究热点和重点话题基本与往届相同。

2按作者来源划分

本次会议收录论文的作者是来自全球各地的华人，笔者按照第一作者所在单位统计得表2：

分析表2的数据得知，除了中小学教师论坛，其他主题论文的作者半数以上来自大陆地区，除了地理优势外，在教育信息化背景下，大陆地区的研究者积极参与学术研究，推动教育信息化稳步发展。

三会议内容聚焦与评述

会议邀请来自于大陆、台湾、香港、新加坡、日本、非洲等地教授、学者做了四个大会主题演讲和十个专题讨论会，另外还组织参会者对杭州胜利小学进行半天的参访活动。

1大会主讲

香港大学罗陆慧英教授以“信息技术促进教育创新的可持续发展”为题，认为教育是一个复杂的系统，是由多个要素及其相互作用组成，任何一个单一的教育创新的做法都不会成为未来的教育模式。把信息和通信技术引进课堂教学，是对传统的教与学模式的“破坏性”转型。罗陆慧英教授以一个园区的变化为喻，提出要从生态系统的角度来处理教育创新问题，并给出了五项教学改革可持续发展的生态条件：一是政策，即跟变革相配合的明确的政策方向和压力；二是鼓励和支持策略，即适当的政策措施以栽培崭新实践的出现；三是专业连网，即教育人员专业战略协作和联网机制：四是为学习而建的架构，即机构学习是教学改革可持续发展的关键；五是学习•信息技术•技术，即以信息技术作为教学创新的物质体现、中介和基础设施。罗陆慧英教授的报告从系统的宏观角度深刻分析了信息技术能够促进教育创新，但是教育创新改革的可持续发展过程艰难，需要五项条件统筹配合。

华中师范大学杨宗凯教授主题演讲的题目是“深化融合，支撑创新――关于教育中长期规划教育信息化问题的思考”。杨宗凯教授作为国家教育信息化十年发展规划（2011-2020年）编制专家组组长，以《国家中长期教育改革和发展规划纲要（2010-2020年）》第十九章“加快教育信息化进程”的内容及国际教育中长期规划的需求为背景，阐述了对我国教育信息化发展的思考。在报告中，杨教授指出我国的教育信息化整体上处于起步、应用阶段，并结合我国教育信息化发展现状，介绍了国家教育信息化十年发展规划编制的指导方针、工作方法、整体风格以及四部分的成果，让所有教育工作者提前学习到国家教育信息化十年发展规划。最后杨教授还欢迎大家在国家教育信息化十年发展规划的意见稿推出时给出自己的意见和思考。

台湾科技大学黄国帧教授主题演讲的题目是“移动与泛在学习的研究趋势与应用”。在报告中，黄教授完整的介绍了移动与泛在学习的定义、实现架构及研究趋势，同时结合实例说明过去的教学工具与策略如何与新的科技结合，获得良好的教学效果。黄教授已发表超过350篇与数位学习及智慧型系统相关的论文及著作，在演讲中，黄教授展示了多个在自然科学及乡土教学方面的实际应用策略及成果，不仅为教师和研究者提供了具体的参考内容，还为研究生树立了在实际教学活动中研究的典范。最后，黄教授总结说“教育为本，科技为用”，指出了所有的科技都是教育中的工具，教育才是重点。

华中师范大学祝智庭教授在大会最后一天下午以“中国基础教育信息化新发展：从班班通到教育云”为主题，分析了在落实《国家中长期教育改革和发展规划纲要（2010-2020年）》背景下，我国基础教育信息化现状与发展趋势，提出了班班通到教育云的发展路线。在报告中，祝教授先介绍代表国内先进水平的“绿色班班通”解决方案以及在全国各省市的推广应用状况；接着推出基于大教育装备的“绿色教育云”开发计划，介绍其核心技术及服务框架；最后就如何通过电子书包作为云端个人学习环境，介绍具有前瞻意义的电子书包系统功能建模，以及电子课本――电子书包技术标准研究进展。据了解，电子书包已经在上海、扬州的部分学校进行开发使用。祝教授的报告内容吸引了众多华人的兴趣，台湾、香港等地专家学者纷纷提问，表示对此研究的支持和认同。

2 部分子会议报告综述

据统计，此次大会的子会议共有182场，同一时间段有5场报告在同时进行，笔者选取部分报告进行综述分析。

(1)移动学习与泛在学习

移动设备的迅速普及和相关技术的飞速发展催生了移动和泛在学习，创造了这两种新型的并极富潜力的学习模式。移动与泛在学习（台湾称为“行动与无所不在的学习”）历来是GCCCE大会研讨主题之一。从本次会议的收录论文来看，移动和泛在学习以台湾学者研究为代表，并以自然科学和英语学习为实例，以混合学习、泛在学习等理论为理论基础，以当下流行的技术设备为工具和手段，以实证研究等为研究方法，探讨相关的学习环境、学习模式、学习活动等。

(2)教育游戏与非正式学习

在娱乐中学习的思想催生了教育游戏，经统计发现，该主题主要是台湾地区研究生作为毕业论文的热门选题范围之一，研究的思路是以一定心理学方法或策略为基础，用量表、问卷等工具，并结合各种教学策略，设计各种教育游戏，对学生进行实验研究。其中，以国立台湾师范大学佳燕的题为《目标层次与鹰架策略对国小学童程序设计学习成效与认知负荷之影响》和国立台湾科技大学宋涵钰的题为《基于凯利方格之游戏学习模式对改善学习成效及态度之研究》为典型。此类选题的角度、研究方法和研究重点值得大陆的研究生借鉴。

(3)ICT在华文教学中的应用

在华文教学中写作课程的教学是一大难点，很多非大陆地区的华文研究者都在研究如何更好的利用ICT提高学生的写作能力。在报告中，台湾国立成功大学的苏彦宁团队的《导入网络同侪互评策略于国中写作课程之学习环境建置与初探》和新加坡教育部教育科技司Jo KimLee团队的《线上作文互评功能在教学上的设计与使用》不约而同的用到学生的线上互评策略，此策略吸引了与会者的兴趣并展开热烈的讨论。该主题的主持人陈明溥教授最后总结时指出，在华文教学中，不管使用何种策略，对社会性软件的选择很重要，而学生对社会性软件的使用热情度与学习环境的设计或学习活动设计相关，因此学习环境的设计或学习活动的设计才是提高学生写作能力的重点。

(4)计算机支持的协作学习与人工智能教育应用

从论文投稿和报告数量来看，计算机支持的协作学习与人工智能教育应用是目前的一大研究热点和重点。北京师范大学蔡苏代表他的团队做了题为《基于三维交互虚拟学习环境的案例开发与探究》的报告，报告中以四个众所周知的数学案例――天体运动、牛顿第一定律、牛顿第二定律、单摆运动展现了三维交互的虚拟学习环境，最后还用增强现实技术现场展示了这四个案例，吸引了众多与会者的注意和探讨。不得不说，随着虚拟现实技术的发展，尤其增强现实技术，计算机支持的协作学习与人工智能在教育中的应用前景会更宽泛。

(5)数字化学习与企业培训

数字化学习与企业培训是计算机在非正式教育领域应用的典范，但一直受到教育界的关注和研究，在往届的GCCCE大会中数字化学习与企业培训就受到专家及学者深刻探讨，当然此次大会也不例外。台湾师范大学张基成教授的《台湾企业数位学经验与个案》的报告是有关中小企业网路大学校在台湾的实施和推广。这个网路大学校的建设是为满足台湾企业从业人员、中小企业的自主性学习需求，课程内容浅易入门、广而多元，为台湾中小企业营造了数位学习的氛围，其运营模式主要包括学习入口网、学习平台、教材管理、学习服务、组织学习、推广服务和专案管理。这个中小企业网路大学校为逐渐兴起的企业大学的建设提供一个好的案例。

南京师范大学张义兵老师的《企业培训课程的设计与开发》是以苏宁电器的员工培训为例，介绍了他为苏宁电器设计和开发的培训课程的阶段成果。针对苏宁电器的要求，张老师对苏宁电器进行知识管理、培训教材设计、网络课程设计和e-learning策划。张老师的研究告诉我们企业培训没有通用的课程，不同的企业、不同的工作性质、不同的员工培训的内容都是不一样的。所以，要深入研究企业培训，先深入掌握企业各个岗位和员工特征。

四 GCCCE促进教育技术发展

经笔者调查统计，发现到会作报告的专家学者多是教育技术专业的背景或是与之相关专业的背景，徐州师范大学更是有20多名研究生参加，可见此次大会在教育技术人心中的重要性。计算机应用于教育是教育技术电教发展道路上的一个标志性的分支阶段，不仅因为计算机技术的发展越来越广泛，应用越来越深入，更因为提高教育质量是教育技术的根本问题和使命。

1 名称问题

2011年4月20日教育部了《普通高等学校本科专业目录（修订一稿）》的意见征求稿，提出将“教育技术”更名为“教育信息技术”。对于此问题，《电化教育研究》杂志社通过新浪微博平台广泛征求了改名问题的意见和建议，众多教育技术学专业的专家参与讨论并给出自己的意见。根据微博留言可知大家意见不一，总体认为教育技术更名是必要的，但是更名为“教育信息技术”是不合理的。

众所周知，教育技术在发展过程中先后出现了多次更名的现象：教育技术起源于“视觉教育”，后来更名为“视听教育”，再到“视听传播”，发展至我国曾有学者（至今有学者）称为“电化教育”，最后到广为大家接受的“教育技术”。我们不难发现教育技术的名称变化过程中技术的发展起到了重要的作用。于是教育技术是否要更名，免不了要考虑技术是否又发展到一个新的阶段。然而，纵观此次会议中所有专家学者在报告或论文中所用到的技术发现，专家学者们都在强调计算机在教育中的应用，并没有提出新的技术，只是技术使用过程中方法的创新。鉴于此点，笔者认为教育技术更名还没有更名的必要。但是在此次会议中，许多大陆的专家学者提到教育信息化的背景，他们指出我国还处在教育信息化的起步、应用阶段，要达到教育与应用的融合发展还需要经过融合和创新阶段。另外“教育技术”的名称毕竟是从国外引进，并不具有中国特色。考虑到以上两点，笔者赞同一些专家在微博中提出的更名为“信息化教育”的说法，同时“信息化教育”说明了教育技术的重心在教育，从而避免了教育技术姓“教”还是姓“技”的争论。

2 技术促进教育

正如台湾科技大学主题报告时所说“教育为本，科技为用”，教育技术的根本落脚点也是在教育，任何的技术（包括计算机相关技术）都是为提高教育的手段。我们关注技术的不断创新与应用，更强调是各种新技术下的教育能否得到提高甚至改革。

此次GCCCE（2011）大会“数字化学习与企业培训”的主题会上专门安排了一场由清华大学、中国教育技术协会钟晓流教授所做的题为《关于中国教育技术行业标准研制》的报告。2010年5月12日中国教育技术协会在清华大学成立了中国教育技术协会技术标准委员会（下称“标委会”），专门从事教育技术行业标准的研究与制定工作。钟教授的报告内容是标委会提出的在2011年开展并完成《多媒体教学环境规范建设》研究与制定工作的成果。《多媒体教学环境规范建设》的研究与制定是由清华大学、北京大学、浙江大学、上海交通大学、中国科技大学、南京大学、东南大学等50所高校的65位专家和教育技术领军企业的10位专家共同参与的，并分为六个小组分别从以下六个方面进行研究与制定：供配电、网络和建筑物理环境，音频环境与扩声系统，视频环境与视频设备，智能化控制系统，语言实验室与教学资源系统，系统集成。声、光、电等技术的飞速发展和应用改变了人类的许多方面，《多媒体教学环境规范建设》的六个方面正是在声、光、电等技术的应用基础上从硬件和软件两个角度同时改善了传统的教学环境，并彻底改变了一黑板一粉笔的教学设施。

技术促进教育的最好证明就是教学环境的软硬件设施得到改善和提高，而《多媒体教学环境规范建设》研究与制定正在落实着这一点。对于整个教育技术行业来说，教学环境的建设与维护是教育技术行业的核心工作，是数字化校园建设和教育信息化建设的重要内容，是信息技术促进教育创新的重要体现。当然，教学环境的规范建设只是标委会对教育技术行业标准研制的一方面，随着技术在教育中广泛而深入的应用，其他的标准也会相继出台，每一位教育技术工作者都有责任和义务为自己的行业标准做出努力和贡献。

篇7

主持人：

倪俊杰浙江省桐乡市凤鸣高级中学

嘉宾：

刘宗凡广东省四会市四会中学

邱元阳河南省安阳县职业中专

徐卫兵浙江省缙云县教师进修学校

现实：手机遥控的时代

现如今，家用电器越来越多，电视机、空调、电风扇、电灯、空气净化器……应有尽有。在电器多了的同时，各式各样的遥控器也多了。要想打开家里的电视机可能就要用到好几个遥控器。万一某一个的电池没电了，那真是麻烦了。各位读者也可以数数看，你家里一共有多少个遥控器？你有没有想过给遥控器“减负”呢？事实上，在很多人家里，遥控器可能只需要一个，那就是手机。

倪俊杰：互联网给传统家电市场带来了强大的冲击。这些厂商也“痛定思痛”，产品理念发生了巨大改变，都开始设计和生产能上网、能遥控的家电产品了。有的还开发了手机在线遥控APP，“智能家居”的概念由此诞生。

刘宗凡：我非常赞同“智能家居”的概念，自己在家也基本上实现了手机控制，这给我的生活带来了很多便利。通过安装手机遥控APP，可以实现用手机控制电器的功能，走到哪里，只要用手机对着空调、电视机、电风扇等电器设置一下，手机就成了名副其实的遥控器，非常方便，随心所欲。

雷军立志要将小米手机打造成未来生活的入口，现在正在一步步实现。小米的万能遥控器，就是智能家居迈出的一小步。

要实现万能遥控有很多方式，如红外遥控、Wi-Fi遥控、蓝牙遥控等。当然，目前能被遥控的家电以红外为主，下面我们来看看小米万能遥控APP如何工作。

打开“小米万能遥控”，单击左上角的“+”号，可以看到，能遥控的设备还真不少（如下页图1）。这次我们添加一台风扇为例，点击“风扇”，将出现一些风扇品牌供我们选择（如图2）。然后按住如图3中的“电源键”，风扇一响应立即松开（一般是关机），这时软件就识别出了这台风扇，在图4中选中“添加桌面快捷方式”，再按“完成”，以后就可以从桌面直接启动这个风扇遥控器。

小米万能遥控APP和实际的遥控器有什么差别呢？通过在使用中的观察，我们发现万能遥控器红外版实现了普通遥控器完全一样的功能，而Wi-Fi版还多了截屏、应用、搜索等功能，特别是“应用”功能，可以直接打开小米电视（小米盒子）安装应用，非常方便。

如果我们把手机横过来，会惊喜地发现，遥控器直接映射了小米电视的界面，这可以看成是一种反向投屏，我们在手机上的操作，会直接反映在电视上。也就是说，我们间接为没有触屏功能的电视增加了触屏功能。在一些不是专门为电视设计的应用或浏览网页时，我们会发现这种遥控方式非常人性化。

通^网络，我们还能遥控家里能联网的智能设备，如空气净化器、洗衣机、高压锅、路由器、摄像头甚至窗帘等家居用品……手机通过红外、蓝牙、Wi-Fi等手段，逐渐成为智能设备的控制中心。

徐卫兵：手机之所以能够用来遥控家用电器，原因在于很多智能手机中内置了红外模块。红外线信号其实是二进制编码的，我们在手机上选择功能按键后，红外模块会将信号编码传递出一串含有二进制编码的信息，并转化为红外遥控器的红外线发射出来，电器接收到信号后就会根据指令“行动”了。此外，如果有些手机没有内置红外模块，也可以通过购买外置的红外适配器来实现遥控的功能。

邱元阳：知道了红外遥控的原理，我们完全可以自己DIY一个手机红外遥控器。最简单的手机遥控器只需要一个3.5mm的耳机插头和两只红外二极管即可，连接方法如下页图5所示。

红外二极管（940nm）可使用两只，也可使用一只，两极分别焊接到耳机接头的左右声道（使用两只的话正负极反向连接，如图5），耳机插头用三级的或四级的都行。最后下载一个“遥控精灵”或其他音频转红外软件即可使用。

需要注意的是，因为家电品牌众多，遥控精灵APP初次使用时要保持网络畅通，以匹配云端数据来生成本地遥控配置文件，灵敏度和发射功率可以在软件上做进一步设置（如下页图6）。

跨越：从遥控到投屏

倪俊杰：任何连接肯定有发射端和接收端，即本机和客户机。手机遥控实现的是信号的传输，信号是看不见摸不着的。有没有一种连接比遥控更加直观呢？自然是有了，那就是投屏。如果遥控的连接是信号传输的1.0版本，那么投屏就可以说是2.0版本了。投屏实现的是将发射端的实时画面传输给接收端，这种效果要比遥控来得更加真实和震撼。

刘宗凡：手机是我们的随身装备，已经成了生活的一部分。但手机也有一个弊端，那就是手机的屏幕比电脑、电视小。虽然手机功能强大、体积轻巧，但我们有时候也还是不满足小屏幕操作，希望能转移到更大的屏幕上来。现在投屏技术应用已经非常广泛了，如商务会议、影视欣赏、亲朋聚会等多个场合都会用得到。基本上每一款智能设备，如手机、平板、电视机、投影仪、影音播放器都支持投屏，甚至Win10系统也支持无线投影技术。应该说，从遥控到投屏是一个大的跨越。图7为某品牌手机自带的多屏互动功能。

邱元阳：以往的投屏大多是依靠数据线和设备连接实现的，现在的投屏则是通过无线局域网实现的。无线投屏依靠的是投屏协议，比较主流的协议有Miracast、DLNA、AirPlay、WIDI、WHDI、Wireless HD等。其中AirPlay是苹果IOS设备自带的，效果比较流畅，同时支持多台设备投屏。只要在接收端安装苹果录屏大师（如下页图8），置于同一个Wi-Fi下的苹果设备就能通过AirPlay镜像投影到接收端。据我所知，已经有很多老师在课堂上用这种方法进行教学展示和互动了。

设计：基于投屏技术的智慧教室

倪俊杰：投屏技术能够应用于社会生活的各个场景，其中就包括教育教学。现在都在谈智慧教育、智慧教室。我们是否可以设计一间基于无线网络、移动设备、投屏技术的智慧教室？

刘宗凡：这太有意思了。这是未来教室的概念，我觉得这间教室将会是没有黑板，没有粉笔，也没有纸质书本的。教室的四周墙面上装着液晶触屏电视，窗户那一面的液晶电视是可以升降的。学生桌子的桌面其实是一台平板设备，当然，桌面是可以调节角度的，因为那是根据人体工程学专门设计的。通过投屏技术，教师能够将讲台或者手中平板的画面传送给每一位学生，学生也可以将自己的画面投屏到大屏幕或传送给其他同学。学生平时学习、做题、讨论、互动都可以在这张桌子上进行。

邱元阳：刘老师的设想给了我很大的启发，我也画了一张未来教室的平面图（如下页图9）。这间教室将覆盖足够强大的Wi-Fi，支持全班学生一起操作。而且我觉得教室的学生桌不应该是固定的，教师可以根据课堂需要设计不同的摆放位置。不过，这也带来了一个问题，学生桌需要充电该怎么办好呢？总不能在教室布满很多电线或插线板吧？

徐卫兵：其实，充电的问题也不难解决。既然是未来教室，那我们也可以脑洞大开地想，是否可以将无线充电技术应用进去呢？事实上，无线充电技术离我们很近，有很多研究团队在这方面做了努力。例如，1890年，物理学家兼电气工程师尼古拉・特斯拉就已经做了无线输电试验，实现了交流发电。2007年6月，麻省理工学院的研究团队把共振运用到了电磁波的传输上并成功“抓住”了电磁波，利用铜制线圈作为电磁共振器，一团线圈附在传送电力方，另一团在接受电力方。目前，无线充电技术已经应用在手机、电脑、相机等电子产品上了，这方面以我国的中兴通讯、比亚迪、奇瑞、海尔为代表的国内企业，在全球具有领先地位。我想只要在教室里安装了无线充电装置，在学生放学的时候就可以开始充电，这样不会耽误教学。

刘宗凡：真棒，看来两位老师对倪老师提出的未来教室非常有感觉呀！我还有一个建议，即把智能家居的概念也融入到这间教室。教室里的电灯、风扇、空调、饮水机等设备都能通过远程控制。现在雾霾天比较多，这间教室还应配有空气净化系统，它能根据当时的空气情况自动净化调整，这将充分体现智能管控。

畅想：人类能否进入万物可连的时代

倪俊杰：无线投屏技术确实很酷，但也有一些限制，主要的限制是无线局域网的距离限制和O备是否具有投屏模块。但可以设想，未来依靠Iot、5G等技术，我们的世界将会是一个大型的局域网，任何电子设备都内置了投屏模块。今后不管走到哪里，只要获得相应的权限，你的设备就可以投屏到任何设备甚至物质上，当然也包括空气。

邱元阳：没有网络确实是实现无线投屏的最大阻碍，据统计，目前地球上有大约三分之二的地区还没有实现互联网接入。不过有一个好消息，Google在2013年就提出Wi-Fi热气球计划，这个项目的名称是Project Loon。该项目旨在利用热气球为农村、偏远山区和不发达地区提供廉价的互联网接入服务。在谷歌进行的试验中，热气球的飞行距离超过150万公里，环绕地球一圈只需要22天。热气球能向地面固定天线提供每秒22MB、向手机提供每秒5MB的互联网接入服务。据报道，斯里兰卡或将成为Wi-Fi热气球项目的第一个商用试验地区。Google可能与斯里兰卡私营企业Rama合作推广Project Loon，第一个热气球已经于2016年2月升空，实验效果较好。Google因此希望继续推广该项目，让斯里兰卡的城镇和乡村都能普及Wi-Fi上网。如果该项目成功，那么今后有可能全世界任何角落都可以实现网络Wi-Fi覆盖，投屏也将变得随心所欲。

徐卫兵：我马上想到了物联网，物联网的概念可以给我们一些启示。埃里克・施密特（谷歌执行董事长）说：“我们所熟悉的那个互联网将成为历史，物联网将取而代之并成为生活的重要组成部分，而这将给科技公司带来巨大的机会。”小米科技董事长兼CEO雷军也曾说过：“未来没有所谓的互联网企业，每个公司都将变成物联网公司。”因此，我觉得人类进入万物可连的时代已经到来。物联网就是物物相连的互联网，这有两层意思：一是物联网的核心和基础仍然是互联网，它是在互联网基础上延伸和扩展的网络；二是其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。图10可表示三者的关系。

邱元阳：人工智能和区块链可能是物联网的两大核心，人工智能解决自动、智能问题，区块链解决设备之间的通信安全问题。我们可以设想未来的场景：某区域供电有压力，不再需要拉闸限电，所有的空调自动调低一度，在人们几乎没感觉的时候就自动解决了问题。牛奶盒子装有RFID芯片，不仅可以溯源，而且智能冰箱还可以知道你消耗牛奶的速度，定期提醒你采购。当你把牛奶盒子扔进垃圾箱时，RFID也能被感应到。

展望：从机器连接到机器连人

倪俊杰：既然机器可以投屏给机器，那么依靠生物科技技术，人的画面是否也可以投屏给机器呢？再进一步讲，机器是不是也可以投屏给人？这样一来，我们离人与人之间的“投屏式”连接也不远了。到了那个时代，人与人的交流可能不是通过文字、手势、语言，而是直接将自己脑中的画面“投屏”给任何人。

刘宗凡：网络实现了将不同的设备连接在一起。有什么办法可以将人与人连接在一起呢？现在有很多机器人已经实现了通过大脑远程控制，如墨尔本的Aubot公司就设计了Teleport机器人，使用者将集中度达到目标值之后就能控制Teleport了。

邱元阳：在科幻电影《致命指令》中，女主角米尔斯是一个植入了芯片的人，向我们展示了人脑连接电脑的科技时代。她不仅能用眼睛扫描各种对象从网络中获取相应信息，而且开发出了SAR（研究分析可自编程机器人）。虽然米尔斯能够与机器人网络连接并控制它们，但是SAR的自编程和自学习能力导致其最终脱离了人类的控制。而如今，“脑机接口”即将成为现实。

著名科技作家Tim Urban在WaitButWhy上发表了近4万字的长博客，详解了Elon Musk的“脑机接口”的宏伟蓝图。他认为这项工程将使SpaceX都黯然失色，因为它是在定义未来的人类是什么。

Elon意识到具有思考能力的计算机将是伟大的创造，能使人类将最重要及最高强度的工作实现外包，于是和Sam Altman创立了OpenAI，致力于研发和制订实现安全的通用人工智能的途径。

人类发展的历史表明，地球上一旦出现智能远高于其他物种的物种，它必将对其他所有物种构成威胁。超级智能AI的崛起只是时间问题，在那一天到来之前，人类务必要避免自己落入“其他所有物种”的境地。在Elon看来，在AI与其他所有物种共存的未来，人类只有一个选择，那就是成为AI。

Elon将人类大脑数字三生细胞壁（tertiary layer）比喻为巫师帽。这个概念是指全脑界面将变为如同将设备植入大脑，使大脑变为设备。巫师帽的电极阵列是一种新的大脑结构，与大脑边缘系统及大脑皮质并列，其中一个核心的目的为将其作为大脑及基于云端的定制AI系统之间的交互界面，AI系统将和大脑融合无间。

不过，由于人脑思考的速度和计算机的处理速度之间存在着巨大差距，人类的全脑界面是否足以支撑这种人机融合的实现，还需要人机通信带宽的支撑。

徐卫兵：我很认可蒲公英教育智库的李斌谈到的互联网的本质是“心联网”的观点，互联网技术为人类心与心的沟通提供了极大的便利，人们于是急切地、热烈地以难以自控的速度奔向彼此的依存和联结――于是我们知道，互联网的本质其实就是“心网”；借助这场运动，人类渴望穿越更多壁垒，解决更深层次的问题，甚至释放又一轮“人的进化与超越”……

篇8

关键词：教学评价方法；机器学习；适应性评价；评价改革

中图分类号：G642.41 文献标志码：A 文章编号：1674-9324（2016）15-0173-02

一、改善教学评价体系的原因

教学评价就是根据教学目的和教学原则，利用所有可行的评价方法及技术对教学过程及预期的一切效果给予价值上的判断，以提供信息改进教学和对被评价对象做出某种资格的证明。纵观目前的学校教育，虽然“素质教育”和“能力教育”逐渐受到人们的关注，但是就实际的教育状况而言，仍然是以知识和智能教育为核心、为主体、为主要的内容；人们仍然是以学生的学业成绩为衡量和评价学生甚至是衡量和评价学校的主要标尺。教学质量的评估是一个相对很主观的过程，但是它有对于教师的教学工作又有着很深刻的指导意义。在各大高校，人们对教学质量的重视，要求我们对教学工作做到科学的评估，这样才能积极地激发教师的工作积极性。相对于以往专家小组利用简单的统计学方法来计算教师的方法，在内容方面，它不能全面覆盖各种可能的影响教师教学质量的因素；在合理性上，它采用简单的统计学方法，没有认清各种影响因素所占有的比例是不同的；在简洁性上，它没有得到一个计算模型，不能在各个学科之间进行通用。

二、教学评价体系的意义

1.指引教学方向。我们进行教学评价活动时，首先要明确的就是教学评价指标，一旦有了明确的指标，教师在日常教学过程中就有了对比参照的依据，可见教学评价具有导向功能。在这次机器学习课程中我们可以知道机器学习不同于以往课程的学习，它的目的是使学生学习如何使机器通过识别和利用现有知识来获取。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。

2.诊断教学质量。教学评价是对教师教学全过程的评价。如同体检，是对教学过程进行一次常规、科学的诊断，从而为教师指明教学改进的目标。

3.激励教学动力。科学的、合理的教学评价可以调动教师教学工作的积极性。不管评价的结果是高还是低，对教师的教学水平的提高都有促进作用，可以激励教师提高自己。

4.促进师生关系。教学评价可以增强教师与学生、教师与教师等之间的关系。在这次的机器学习教学中，合理的教学评价体系需要学生、教师、同行专家等多方面的参与，促进了师生之间的交流，教师之间的交流，使得教师能够更加了解本此课程需要讲授的重点，体现出了教学评价体系在培养人才方面的突出贡献。

三、机器学习理论

机器学习就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，这是一门涉及概率论、统计学、凸分析等多门学科的新兴学科，它主要使用归纳、综合等方法，实现自我完善。机器学习研究的就是如何使机器通过识别和利用现有知识来获取新知识和新技能。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。目前的机器学习分为监督学习和半监督学习。

监督学习主要应用与分类与预测。

监督学习从给定的训练数据集中学习出一个函数h，当新的数据x∈X到来时，可以根据这个函数h预测结果为最佳的期望值或者最优分类。在这里性能被定义为对于分类错误的概率，所谓性能好也即被样本被错误分类的低。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。

1.机器学习在教学评价中的可行性。就目前高校对于教学质量的评价而言，主要是以专家小组为核心的教学质量评价机制，通过专家对量化指标的评分，综合评价某种教学过程的教学质量。而我们认为，与教学质量相关的第一手数据来源于学生和身处教学第一线的教师，如果能对这些数据进行分析和特征的提取，能够更好的反映教学质量的本质，也能够对影响教学质量的原因或固有模式进行更好的提取，最终达到有效的保障教学质量的目的。关于在教学评价体系中引入机器学习这一分析方法，将为解决上述为题带来简便，准确的算法。机器学习通过以为的数据，科学有效地得出一个符合评价本课程评质量的科学方法。而余等曾在教学评价的量化评价过程中引入了最小乘，这种统计学的方法实现了量化的评估教学质量。朱在学位论文中对高等学校的教学质量进行了深入的分析，并提出使用模糊数学的方法对教学质量评估体系建模，同时给出了初步的自动评价方法。各个领域的应用已经展示了用机器学习来量化的评估教学质量将是更加科学有效的方法之一。机器学习在近几年又有了新的突破。很多学者对机器学习本身进行研究，半监督学习以及与其他数学工具的结合上都有了令人可喜的成果。机器学习的飞速发展将为它在教学评价体系中的应用带来新的、更加广泛的应用。

2.机器学习在教学评价中的应用。经过这次的研究可以发现，机器学习的教学评价方法可以推广到其他学科的教学评价体系中。在这个体系中，学生、教师作为评价的主体，相关专家、学者，工作人员，教研人员为辅助。明确评价的目的和目标，评价的内容不单单依靠学生的成绩，注重分清总结性评价和形成性评价。在本次实验中使用监督学习，利用梯度下降来处理得到两个班级的64人的成绩、表现等数据，得到一个我们期望的评价模型。其中表示学生的考试成绩、出勤、实验成绩；x表示教师在考核中得到的分数，这个分数包括教研人员给教师的评分和学生对教师的评分。这两组数据一组是量化的准确的数据，其组成是有学生的考试成绩、出勤率占有成绩、实验表现所得成绩，这组数据是通常情况下人们用来去平均值来衡量教学质量的方法。另一组是课题组和学生对教师的评估，这组数据的出现是在上组数据的基础上发展而来。然而这两种数据单纯地取平均值的评价方法失去差异性、科学性与准确性。

四、总结

实验证明，在某些课程中，普通的评价方法有大半课程评价有误，而运用这种分析方法得出的结果，超过70%的结果与专家看法相一致。其主要是因为考试成绩并不能说明一切，而教研组、学生对教师的评分也不能起到完全的作用，对这两者取平均值更是错误的做法。这两种并不是占据相同的影响系数。

所以运用梯度下降的分析方法进行主观和客观数据分析，还考虑到了其他影响因素的存在，通过循环计算，累积结果我们得到了更加科学的分析模型。这个分析模型也仅是进行自动评价，来进行预警，对一些出现教学质量问题的概率比较大的课程进行自动的监控，但本质上不能替代教学督导的作用。

本系统进行了一种尝试，教学质量是一个相对主观的概念，使用一些客观和主观的指标去判断教学质量。在教学过程中我们发现，有一些基本框架性因素可以决定教学质量，因此对此进行建模也是有可能成功的。

参考文献：

[1]夏天阳.各国高等教育评估[M].上海科学技术文献出版社，1997.

[2]许传海，宋涛，张素.对教师教学质量评价的思考[J].中国高教研究，2003，（02）.

[3]杜祥培.课堂教学质量评价的探讨[J].中国大学教学，2004，（01）.

[4]张纲.教学质量评估的机器学习分析方法[J].万方数据库.

篇9

《普通高中技术课程标准（实验）》指出：技术课程具有高度的综合性，是对学科体系的超越。它强调各学科、各方面知识的联系与综合运用。学生的技术学习活动不仅是已有知识与技能的综合运用，也是新的知识与能力的综合学习。但是通过对高中技术领域课程的分析，我们发现，所谓的“综合性”看起来很美，其实不容易操作。且不要说综合运用其他学科的知识，连技术领域课程自身都被分割为两个彼此没有关联的科目——通用技术和信息技术。其中，信息技术是目前发展迅速、应用广泛、体现时展特征的技术。通用技术是指信息技术之外的、较为宽泛的、体现基础性和通用性并与专业技术相区别的技术。以目前开设的模块来看，通用技术关注硬件，信息技术则关注软件，二者之间缺少有效的关联。

近几年，以iPhone为代表的智能手机的流行，让各类传感器的应用贴近了人们的生活。2010年的上海世博会，那些由互动媒体技术构建的光怪陆离的奇幻世界，激发了青少年的好奇心和求知欲。这让我疑惑：传感器编程和互动媒体技术，应该归属于信息技术还是通用技术？信息技术和通用技术为什么要分割？于是，我尝试开发一门名为《互动媒体技术》的校本课程，横跨软件和硬件两个领域，引导学生关注软硬件技术的有机结合和综合应用，成为连结通用技术和信息技术两门课程之间的桥梁。

课程的内容及目标

1. 课程内容

“互动媒体”是“媒体”的一个数字化分支，是一种具有特殊信息传播功能的媒介。互动媒体技术的核心内容是传感器技术、单片机技术、编程技术和通讯技术，涵盖了机械学、电子学、工程学、自动控制、计算机和人工智能等领域。《互动媒体技术》课程通过设计单片机控制电路，结合编程语言，参照科技展厅中的互动媒体作品，通过一系列的互动媒体实验，指导学生把新奇创意变为现实，从而培养学生的技术素养。

2. 课程目标

（1）了解常见的传感器和数字电路的基础知识，能正确连接传感器、LED和电机等模块；了解计算机串口、并口编程的原理及方法。

（2）通过完整地经历提出设想、规划设计、制作与实施、调试与反馈等规范化设计过程，初步掌握综合设计的方法和技术。

（3）感受新技术对人类社会的重要性，激发对技术的学习兴趣；培养问题意识和设计思想，从而全面并富有个性地发展。

3.教学资源

正如景山学校吴俊杰老师所说：“编程技术和以传感器为核心的控制技术门槛过高，难以在中学开展。”互动媒体技术正是因为其涉及多个领域，所以在中小学中很少有人开设相关的课程。为此，在编程语言方面，我选择了图形化编程平台Scratch和S4A，只要拖曳积木图标，就可以制作出各种互动的作品，降低了编程技术门槛。而硬件平台方面，我选择了Arduino。由于Arduino源码开放和价格低廉，通过淘宝网等途径即可购买，因此降低硬件技术门槛和成本，让中学生能在短时间内理解互动媒体技术的原理，设计并完成一项互动媒体作品成为可能。

课程的实施

2011年开始，我实施了三轮《互动媒体技术》课程教学，共有60多名学生修习了这一课程。在三轮的课程实施过程中，课程方案几经修改，课程体系逐步完善，同时也积累了大量教学资源，课程日益成熟。目前，课程不仅拥有了一系列配套的支持软件，还设计并购买了教学套件。该教学套件由Scratch传感器板、Arduino Uno控制板、系列传感器、LED灯和舵机等组成。

1. 教学案例

《互动媒体技术》课程是一门实践性很强的课程，教学中要精讲多练。我采用两节课连上的方式，确保学生有足够的、连续的动手实践时间。教师不仅要加强学生对基本原理的学习，还要注意提高学生知识的广度，注重对学生学习兴趣的激发，突出综合设计能力和动手实践能力的培养。以《外界信息的获取》一课为例，其教学流程如下：

教学环节一：复习导入

教师演示一个简单的互动作品，学生讨论其不足之处和解决方案，得出Scratch传感器板支持的传感器类型太少的结论，从而引出S4A和Arduino。

教学环节二：教学新课

认识S4A和Arduino，介绍S4A和Arduino的安装以及常见传感器类型和接口。教师演示传感器和Arduino的连接，以及在S4A中显示传感器的数值。

教学环节三：技术试验

学生安装S4A和Arduino驱动，正确连接传感器，并在S4A上成功显示传感器数值，然后选择学习套件中的2～3个传感器，分别研究它们在不同状态时的数值变化，然后选择其中一个传感器的试验结果填写试验报告单。

教学环节四：作品创作

教师演示温度测量仪的编写，重点介绍如何将传感器信息存储在变量中，并演示将传感器信息可视化的思路。然后学生任选套件中的一个传感器进行程序编写，利用传感器返回的数值，让传感器的数值可视化、形象化。

教学环节五：反馈和提升

教师选择1～2个学生作品，展示并进行评价。然后提问：数字传感器能不能接到模拟接口？同样，模拟传感器能不能接到数字接口？让学生开展讨论。

教学环节六：总结和作业

通过网络，了解Arduino支持的传感器类型，了解这些传感器的适用范围以及淘宝网上的价格。

2.学生作品

《互动媒体技术》课程主要采用作品评价法。课程分为9个专题，每个专题都要完成一个小作品，最终要完成一个互动作品的设计。在教学中，教师主要工作是引导学生学会如何去设计一个有创意的互动媒体作品，在设计的过程中不断学习，不断完善作品。学生可以模仿一些展览馆中的互动媒体作品，以低成本的方式呈现出来。

学生的创意是无穷无尽的：有的用红外距离传感器实现虚拟翻书效果；有的用震动传感器制作地动仪；也有人用压电陶瓷传感器制作电子爵士鼓。其中，一位新疆的学生根据湿度、温度、雨点等传感器得到外界环境信息，然后根据信息显示不同的风景画，并让风景画中的湖面出现波纹，非常有趣。各种传感器的应用让学生的创意飞扬。目前已经有10多项学生作品在市青少年科技创意设计大赛和青少年科技创新大赛中获奖，9项作品被相关部门推荐申报国家专利。很多学生在课程结束后仍和我保持联系，继续完善其作品或者分享他们的新想法。

反思与启示

《互动媒体技术》课程已经实施了一年。从选课情况上看，课程深受学生欢迎，在所有的选修课程中，都是最早“爆满”。从教学效果看，学生设计制作的作品新奇有趣。这些都让我进一步认识到，在中小学中开设类似课程是非常有必要的。

1. 是探索创新人才培养的途径

综合就是创新。因为互动媒体技术是一门跨学科的综合性的科学技术。它涉及自动控制、计算机和网络技术、传感器、人工智能、微电子技术和机械工程等多个学科领域。北京航空航天大学宗光华教授认为：“只有基于项目的工程课程，才可以塑造多学科知识交叉和综合运用环境，将零碎知识与机械过程提升为探究世界各侧面相互联系的过程。”

信息时代，无论是高素质劳动者、专门人才，还是拔尖创新人才，技术素养和创新思维都是不可或缺的基本要素。互动媒体技术引入到中小学教学活动，有利于培养青少年从小对科技产生积极兴趣，并激发创新思维和创造意识，而Scratch和Arduino大大降低了技术门槛，使中小学的学生实现“有技术含量的创新”成为可能。

2. 可纳入中小学信息技术教育内容

目前，中小学的信息技术课程主要关注文本处理、互联网应用等方面，技术上仍停留在非常初级的阶段。将《互动媒体技术》中的传感器编程、智能控制等技术纳入信息技术课程，可以进一步拓展信息技术课程的宽度和深度，使青少年对于信息技术有了科学的认识和较为完整的理解。Scratch和S4A虽然是图形化编程软件，但互动功能十分强大。利用S4A和Arduino，学生能理解互动的原理，并搭建出互动媒体作品的模型，甚至可以学习智能手机、智能家居和物联网这些高新技术的知识，使课程和时展接轨，让学生感觉技术不再神秘，从而产生兴趣。

3. 是承载STEM教育的平台

“科学、技术、工程和数学教育”（STEM education）是近期美国教育的热点，如何在基础教育中实施STEM教育，已经逐渐引起我国教育专家的关注。STEM素养是一个多学科交叉的研究领域，强调把学生学习到的零碎知识与机械过程转变成一个探究世界相互联系的不同侧面的过程。一个STEM课堂的特点就是，在“杂乱无章”的学习情境中强调学生的设计能力、批判性思维能力和问题解决能力。这种复杂的学习情境包含了多种学科，其问题可能涉及纳米技术、生物医学和天体生物学等学科知识，强调综合技术的应用。《互动媒体技术》课程以项目的形式，引导学生综合应用技术，涵盖了多个课程领域，是一个很好的承载STEM教育的平台。我深信，随着《互动媒体技术》课程的普及，对学生STEM素养的提升将起到很好的促进作用。

参考文献

[1]赵中建. 为了创新而教育[N].中国教育报.第7版.2012.6.15.

[2]吴俊杰，梁森山.Ledong Scratch互动教学平台的应用与研究（七）——基于自制光敏扫描仪谈STEM教育[J].教学仪器与实验，27卷，9-11.

[3]汪文斌. 新媒体新世博新生活.人民网.Retrieved November 2， 2010， from .

篇10

关键词：虚拟现实技术；实训；教育教学

前言

随着科学技术的迅猛发展，新的教学手段不断涌现，继多媒体技术之后，教学技术领域又出现一种新型教学媒体，它就是虚拟现实技术。虚拟现实技术是近几年来国内外科技界关注的一个热点，它的兴起，为人机交互界面的发展开创了新的研究领域，为各类工程的大规模数据可视化提供了新的描述方法。

目前，虚拟现实技术已广泛应用于航空航天、医学实习、军事训练、建筑设计、教育培训等众多领域。以计算机仿真和数控加工技术为基础，利用计算机来模仿真实的数控设备工作环境，形成了虚拟数控技术，如将其应用于实训教学上，必将对整个教学产生深远的影响。

1. 虚拟现实技术简述

虚拟现实技术，简单地说，就是借助于计算机技术及硬件设备，实现一种人们可以通过视、听、触、嗅等手段所感受到的虚拟幻境。虚拟现实作为一项尖端科技，它集成了计算机图形技术、计算机仿真技术、人工智能、传感技术、显示技术、网络并行处理等技术的最新发展成果，由计算机图形构成三维数字模型，并编制到计算机中去生成一个以视觉感受为主，也包括听觉、触觉的综合可感知的人工环境，提供给人们通过计算机对复杂数据进行可视化操作与交互的一种全新方式。虚拟现实的最大特点是用户可以用自然方式与虚拟环境进行交互操作，改变了过去人类除了亲身经历，就只能间接了解环境的模式，从而有效地扩展了人们的认知手段和领域。

2. 我校虚拟现实技术发展现状

2008年完成基于VR(虚拟现实技术)的汽车发动机模拟训练系统。2009年完成基于VR(虚拟现实技术)的精雕数控机床模拟训练系统。两套系统目前已应用到实际教学当中。极大地提高了专业课的教学效果，受到了师生的一致好评。

3. 虚拟现实技术在教育教学中的现实意义

3.1虚拟现实技术开创了全新的学习场景――彻底打破空间、时间的限制

利用虚拟现实技术，可以彻底打破空间的限制，学生可以进入物体的内部进行观察，如学生可以进入虚拟的分子、原子、航天工作站等内部，考察物体内部的工作情况。虚拟技术还可以突破时间的限制，一些需要几十年甚至上百年才能观察的变化过程，通过虚拟现实技术，可以在很短的时间内呈现给学生观察。虚拟制造技术还可以应用计算机、交互外设及软件来构建一个虚拟的生产环境，使学生能如同在制造现场一样，与荧屏上出现的制造过程进行自由交流。基于网络的虚拟现实技术为学习者提供了全新的学习场景，构造出开放性的教学环境。

3.2虚拟现实技术提供了崭新的教学手段――构建实物虚化、虚物实化的方法

通过虚拟现实、多媒体、网络等技术的综合应用，可在课堂和实验室中展现在传统的教学模式中无法实现的教学过程。虚拟现实技术可以对学生学习过程中所提出的各种假设模型进行虚拟和虚物实化，通过虚拟系统便可直观地观察到这一假设所产生的结果或效果。虚拟现实系统可以进行实物虚化，虚拟各种人物，创建虚拟课堂，在虚拟的课堂气氛中，学生可以与虚拟的教师、学生一起交流讨论，开展启发式教学。运用虚拟现实技术，还可以使学生通过在虚拟场景的身临其境和自主控制的人机交互，由视、听、触、觉获取外界的反应，通过学生自我组织，制定并执行学习计划，进行自我评价，开展适应式学习。还可通过小组或团队的形式，组织学生进行学习，成员间共享成果，开展协作式教学。

3.3虚拟现实技术变革了传统实训方式

运用虚拟现实技术，突破传统实训室的限制，使每一位学习者都可以根据自己的学习特点，在自己方便的时间通过计算机自由地选择适合的学习训练内容，按照适合于自己的方式和速度进行学习，这种探索性的学习，模拟训练有利于激发学生的创造性思维，使学习者在具体情境中通过主动的探索获得知识，从而提高学习者的动力。虚拟实训环境大大增加了实训时间和内容，减少了实际实训的耗材及实训环节中的危险性。

3.4虚拟现实技术丰富了课堂教学内容

利用虚拟现实技术，可丰富教学内容，将实验、实训等技能训练搬到课堂中进行，由于这些虚拟的训练系统无任何危险，学生可以反复练习，直至掌握操作技能为止。应用虚拟现实技术，还可恰如其分地演示一些复杂的、抽象的、不宜直接观察的自然过程和现象，全方位、多角度地展示教学内容。利用计算机多媒体技术，制作各种仿真课件，创设所需要的某种虚拟情景，让学生进行模拟实验，从而极大丰富课堂的教学内容。

3.5虚拟现实技术节约了有限的教育成本――开展虚拟实验、进行虚拟生产

虚拟各种实验设备、实训环境和操作过程，使大多数课程可以在虚拟实验室中进行，大多数的技能可以在虚拟实训车间中进行训练，从而不必购置昂贵的实验实训设备。可以在节约大量昂贵的仪器设备费用的前提下，解决在教学中，因为实验设备、实验场地、教学经费等方面的原因而无法进行的教学实验，虚拟训练又可避免实验实训设备的损坏、训练材料的消耗等问题，从而有效节约教育成本。

4. 虚拟现实技术在教育应用中存在的问题及展望

可以预测，随着经济和技术的不断发展，虚拟现实技术将日益广泛地应用于教育教学领域。但目前的虚拟现实技术还存在一定的问题，主要表现在：

4.1虚拟环境与真实生产的差异

学生在虚拟的环境中学习，与在真实的生产中训练毕竟不同，因为如果仅考虑交互的真实性，那么无论如何身临其境，真正动手操作机器的效果要强于任何媒体教学。因此，虚拟现实技术不能完全代替具体真实的操作，它只能在一定程度上代替某些实验，而不能完全代替实践教学，尤其不能代替有创造性目的的试验。

4.2虚拟现实的效果还有待加强

虚拟现实的表示侧重于几何表示，缺乏逼真的物理、行为模型，虚拟现实技术在感知方面，视觉合成研究的较多，听觉、触觉关注较少，真实性与实时性不足，其虚拟的效果还需要进一步加强。

4.3硬件环境还有待提高

与虚拟现实技术相关的设备普遍存在使用不方便，效果不佳等情况，难以达到虚拟现实系统所需的要求，如中心计算机的处理速度还不足于满足在虚拟世界中巨大数据量处理实时性的需要，对数据存储能力也不足，基于嗅觉、味觉的设备还没有成熟及商品化。硬件设备品种有待进一步扩展。

4.4实现成本问题还有待降低

虚拟现实系统应用的相关设备价格也比较昂贵，且这些设备局限性很大，需要进一步发展其结构和制造技术，使其轻巧化和降低成本，才能更有利于推广应用。

虚拟现实技术作为一种新型的教学媒体，目前已引起教育界的极大关注。随着计算机技术的发展，虚拟现实的硬件与软件成本的逐渐降低，这种新的教学媒体必将广泛应用于教育教学中，最终在现代教育领域中发挥其重要作用。

参考文献：

人工智能在教育方面的应用范文

篇1

篇2

篇3

篇4

篇5

篇6

篇7

篇8

篇9

篇10

热门标签

相关文章

相关期刊

透析与人工器官

人工晶体学报

模式识别与人工智能

智能系统学报

精品范文