黄色小视频在线观看,精品国产31久久久久久,日本亚洲欧美

導語：如何才能寫好一篇人工智能在教育行業的應用，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

人工智能在教育行業的應用

篇1

關鍵詞：人工智能；教育變革；智慧教育

近年來大數據、云計算等信息技術飛速發展，人工智能在一些特殊領域（如圖像識別、語音識別、自然語言等）不斷取得突破性進展。人工智能作為新的技術驅動力正引發第四次工業革命，為醫療、教育、能源、環境等關鍵領域帶來新的發展機遇。人工智能專家預測，人工智能在通用技術領域可能尚不能替代人類，但在一些特殊領域，人工智能將會淘汰現有的勞動力。在國外，許多國家紛紛把人工智能作為國家發展的重要競爭戰略，我國學者也密切關注著人工智能的最新理論進展和實踐應用，國務院于2017年7月頒布《新一代人工智能發展規劃》，明確人工智能發展的重點策略。“人工智能變革教育”的潮流，引發了教育研究領域的“人工智能熱”。當前全球范圍內，人工智能在教育領域的大量研究和應用催發形成了教育人工智能概念。目前梳理學術上關于研究人工智能與教育的文獻主要集中于：

（一）教育理念的革新。“人機一體”將成為未來新的教育方式[1]，由新技術和新手段的出現所應運而生的智慧教育[2]，將對原有教育進行改進和完善。智能技術在改變教育的手段和環境的同時，還有利于構建出系統解決教育問題的教育新體系，從而真正觸及教育的根本[3]。

（二）關注技術的革新。機器深度學習、智能學習的算法、視覺識別以及智能語言識別這些基礎技術的突破，為人工智能的教育應用奠定了堅實的基礎[4]。

（三）探究教育的應用。人工智能在學校教育中的學業測評、交叉學科、角色變化等應用領域具有巨大潛力，教師角色內涵也將在與人工智能的協同共存中發生改變。AI監課系統能夠數據化、可視化評估教師的授課情況，將人工智能技術的運用滲透到整個教學過程中，教師可以根據評分實時調整授課內容，以促進個性化學習，從而提升教學效果。教育深受技術發展的影響，新技術融入教育并促進教育方式的轉變已成為必然趨勢。一方面技術為教育提供了新的、更加廣闊的可能性；另一方面技術具有變革人類的教育方式與學習方式的能力。然而，技術是一把“雙刃劍”，如何獲取或實現以人工智能為代表的新興信息技術所擁有的特征、優勢與功能，使其在教育中最大限度地發揮其應有的價值呢？人工智能技術如何繼續被安全使用到教育領域？如何通過教育變革來促進新興信息技術在教育教學中的廣泛與深入應用，實現教育深層次革命等問題，是目前需要關注和探討的主要問題。

1人工智能時代下教育變革的背景

1.1人工智能的內涵及具備的強大能力

人工智能最早由美國達特茅斯學院于1956年提出，其研究主要包括機器人、圖像識別、自然語言處理、語音識別等，實質是一種自動感知、學習思考并做出判斷的程序。人工智能具有自主學習、推斷與革新的能力，推動了圖像識別、自然語言處理等方面的技術突破。人工智能同時具有理性判斷力、超強的工作力，只要電力供應不斷，幾乎可以無限制地工作下去，而且適應不需要情感投入的工作。它的超強能力，源于三個重要的技術：深度學習、大數據和強算力。

1.2人工智能時代的機遇和挑戰

人工智能在精力、記憶力、計算力、感知力以及進化力等方面與人類相比，具有突出優勢。在醫藥領域，人工智能的出現使普通民眾可以享受更為高效、稀缺的醫療資源，解決醫療診斷領域診斷質量不均衡、醫生資源不足等問題。在教育領域，人工智能促進教學質量進一步提升、教師角色多樣化、學生學習能力的提升；為教育研究提供新技術和數據支撐；極大拓展了教育研究新視域；使教育在立德樹人方面、教育方法創新方面、教育手段和環境方面以及教育服務供給方式方面均發生改變。然而，看到人工智能以其強大的處理能力帶來機遇的同時，也需要正視人工智能帶來的新挑戰。在人工智能浪潮沖擊下，如何借助人工智能發展的機遇推進教育的變革與創新？人工智能技術如何繼續被安全使用？首先，人工智能專家大都認為，人工智能將會淘汰大量現有的依靠非腦力勞動為生的勞動力，需要培養人工智能時代的新型勞動力。而且，人工智能技術本身的不太成熟使很多人工智能技術只是應用在兒童教育領域，再者，人工智能潛在的道德倫理問題缺乏法律制度規范。除此之外，人工智能時代將對社會結構以及人的地位構成挑戰。綜上所述，人工智能時代所帶來的機遇是大于挑戰的。教育需適應人工智能技術所帶來的突破和飛躍，不斷調整和更新教育的方向和目標，實現育人成人的發展目標。

2人工智能與教育變革

2.1人工智能與教育目的的變革

人工智能帶來的巨變不僅影響人類未來如何發展，而且極大釋放了人類的生產力，這些在一定程度上使得人類需要重新思考教育是何目的。人工智能影響教育目的的變革主要表現在：第一，人工智能可能會使人類陷入精神危機。這源于兩方面的結果：一方面，人工智能將取代大部分人的工作崗位，工作的喪失將會導致人的價值和尊嚴喪失。另一方面，人工智能技術的發展將可能導致所有基于自由主義的想法破產，轉而人類所擁有的價值和尊嚴可能轉化為一種“算法”，人工智能帶來的職業替代風險在教育領域同樣存在，主要是對教師角色的挑戰。第二，人工智能有利于培養人的學習能力。從某種角度上講，人工智能剝奪人的就業機會，但同時，人工智能助教機器人將協助教師實現個性化指導，從而有利于將學習的過程視為尋求自我價值和意義的過程。除此之外，人工智能有利于使教育注重培養人的精神能力，這種精神能力大致包括實踐動手能力、價值追求能力以及創造能力，從而有利于學生知識以便于更好地完善自我、豐富自我，使教育跳脫“知識為本”的陷阱，發揮“立德樹人”的正向作用。

2.2人工智能與學習方式的變革

第一，深度學習。深度學習也稱為深度結構學習或者深度機器學習，是一類算法的集合。深度學習概念的提出，一方面尊重了教學規律，另一方面也是應對人工智能時代下的挑戰。深度學習在機器學習、專家系統、信息處理等領域取得了顯著成就，提倡學教并重、認知重構、反思教學過程，進而達到解決問題的目的。第二，個性化學習。個性化學習區別以往傳統班級課堂授課，尊重學生的個性發展，因材施教。人工智能技術與大數據的應用有利于學生享受個性化的學習服務，可提供個性化的學習內容，可視化分析學生的學習數據，快速提高學生的學習效率。第三，自適應學習。自適應學習是指人工智能基于對個體學習進行快速反饋的基礎上，根據學習者特征，為其推薦個性化的學習資源和學習路徑，從而最大程度上適應學生的學習狀態，是實現個性化學習的重要手段。人工智能技術有利于快捷、科學地判斷學生的學習狀態，進行學習反饋；持續收集學生的學習數據，其中包括學習目標、學習內容；高效地為學生提供海量的學習資源。

2.3人工智能與學習環境的變革

首先，有利于搭建靈活創新的學校環境。不僅可以使空間規劃更具彈性，而且可以調節性增強物理環境。其次，人工智能時代的教育區別于以往傳統教育強調的統一秩序，更注重個體的用戶體驗。創客空間、創新實驗室等學習環境的不斷增加以及人工智能技術的不斷發展，個性化的空間環境與學習支持將改變目前學習的學習空間環境。除此之外，隨著對話交互技術的逐漸成熟與不斷普及，有利于實現虛實結合的立體化實時交互。VR、AR等技術的同步協作也有利于搭建新的學習環境，滿足學習者的一系列要求。腦機互動技術的突破有利于實現將人工智能植入人腦，從而改變人類自然語言的交流方式。最后，人工智能通過即時、準確、高效的大數據分析有利于進行精準且個性的學習評價與反饋。人工智能將綜合收集所有同學的學習記錄，互相比對、優化，從而進行綜合提升。更為重要的是，人工智能的人臉識別以及語音識別技術可以運用到教師的教學過程中，進行學生的學習情緒感知，學習狀況的了解，從而促進學生學習的科學化；智慧校園、智慧圖書館等的出現，為教學環境的建設提供重要參考。

3人工智能在教育領域的應用

人工智能被認為是最有潛力和影響力的教育信息化技術，將通過人工智能數據挖掘分析、3D打印、模擬仿真等技術的應用，實現人工智能與教育的深度融合，對計算機輔助教學、個性化教育服務、教育人工智能生態環境等產生根本影響。2018年《地平線報告》（高等教育版本）指出了教育領域的信息化發展，未來一段時間內將通過人工智能與信息技術的結合，進而影響教育階段的不同過程。具體見表1所示。

篇2

據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。

2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智能行業發展概述

1.人工智能概念及發展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。

人工智能發展歷程

2.人工智能產業鏈圖譜

人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智能產業鏈

資料來源：創業邦研究中心

第二部分人工智能行業巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和算法

數據、算力和算法是影響機器視覺行業發展的三要素。人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口

軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智能在金融行業的應用分析

人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智能在醫療行業的應用分析

1.人工智能在醫療行業的應用圖譜

人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖人工智能在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智能在醫療行業的具體應用場景

醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年將達到 3100 億美元。

第八部分中國人工智能企業畫像分析

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。

地域分布

全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。

行業分布

從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位，國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出，目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。

篇3

關鍵詞：智能信息處理；智慧城市；卓越工程師計劃

0 引言

我們處于信息時代，衣食住行時刻與信息技術相關聯，信息技術的發展水平從側面反映了社會的發展進度。當前計算網絡與大型數據庫的廣泛使用，給決策者和經營者帶來了很大的壓力，他們面對海量的數據而無從下手。因此智能信息處理應運而生，它能便捷快速地解決這一困境，推動社會信息化的發展。智能信息處理的最終目的是發明出能夠集學習能力、理解能力和判斷能力于一身的人工智能系統。其根本就是要基于部分算法來得到并提出信號中的有用信息，最終實現智能系統控制。智能信息處理技術幾十年來經歷了模擬數字，現在正向以“人工神經網絡”為主，與模糊數學、遺傳算法、小波分析、混沌理論相結合的方向發展。一些新思想、新理論、新算法、新器件也不斷涌現。所有這些給未來信息科學的發展，描繪出了一副誘人的前景。

智能信息處理作為智能類專業的重要基礎專業課程，為更深入地學習后續的智能類專業知識奠定了基礎，同時，將所學知識融會貫通巧妙應運用于專業學習中，為日后科研打下堅實的基礎，所以，如何進行教學改革，以達到培養高素質人才的目標，是我們需要認真研究的重要課題。

1 智能信息處理改革背景

智慧城市的建設基于云計算、人工智能、決策分析優化等信息技術，針對包括政務、民生、環境、公共安全、城市服務、工商活動在內的各種信息的需求，提供智能化響應和智能化決策支持的信息服務。因此，智慧城市建設的核心內容是智能信息處理。換種角度來看，將智慧注入城市之后，便有了智慧城市，若沒有智能信息處理技術，傳統的城市在面對海量數據時就遠不能滿足其主體要求，這便使得供求關系嚴重失衡。在這種供求矛盾激化的前提下，才使得智能信息處理技術的發展更加快速。

在智慧城市背景下的智能信息處理是在城市的建設過程中，借助互聯網、物聯網和智能化設備等高度發達的信息化手段，在其管轄的城市環境、公共服務、本地產業和全體公民的范圍中，將城市的政治、經濟、生活和文化等綜合信息進行廣泛地采集和動態的監控，通過充分地統計、互聯和共享，將這些信息進行智慧地感知、分析、集成和應對，為城市運營和發展提供更好的決策支持和動態管控的能力，讓城市管理變得更加智能，以盡可能最大化地去解放、利用和提升人自身的智慧，為城市居民提供一個更加健康、安全、和諧和幸福的生活環境。

“卓越工程師教育培養計劃”是《國家中長期教育改革與發展規劃綱要》的重要內容，由教育部發起，目的是為了向未來的工程領域培養高品質、類型豐富的工程師后備軍。其要求是高等院校需要經過轉換辦學理念、調整人才培養目標的定位和轉換人才培養模式等途徑來培養面向工業領域、面向未來、面向世界的優秀工程技術人才，從而提升我國產業的國際競爭力。卓越計劃為智能化信息處理的改革指明了道路，為高等工程教育培養提出了要求。高等工程教育要遵守以德為先、能力為重、全面發展的培養規律，增強為國家、為行業和企業主動奉獻的意識，持續提高大學生的競爭能力、實踐能力和創新能力，最終建設出布局合理、結構優化、類型多樣、主動適應經濟社會發展需要的高等工程教育體系，從而加快我國向工程教育強國邁進的步伐。針對目前的人才需要，智能信息處理教學改革勢不可擋。

2 原有教學方式

智能信息處理是信息處理的一種方法，將不完全的信息改變為完全的信息，同時使其具有可靠性、精確性、一致性和確定性。智能信息處理學科于當前來說是相對前沿的，同時也是新觀念、新思想、新理論、新技術不斷出現并迅速壯大的新興學科。智能信息技術是多個領域的綜合，其中包含了人工智能、現代信號處理、人工神經網絡、模糊理論等理論。基于對智能信息處理理論和方法的分析，原有的智能信息處理的教學安排如表1所示。

原有授課方法主要是講授法，教師通過口頭語言敘述向學生傳授知識的同時培養其思考能力的教育方法，在以語言傳遞為主的教學方法中應用最廣泛，是最基礎的授課方法。這種授課方式使教學內容較為單一，教學質量不穩定，無法使學生對智能信息處理這種學科有更深刻的認識。

3 改革教學方式

3.1 以競賽的方式開展

1998年中華人民共和國頒布的高等教育法中曾提出：“高等教育的任務是培養具有創新精神和實踐能力的高級專門人才”。自1990年至今，一定數量的研究型高等院校開始借鑒國外成功的教學思路，實施本科生科研訓練計劃。2006年教育部面向全國重點大學和部分有較強行業背景和特色的地方大學，在國家層面上開始實施大學生創新性實驗計劃，引起許多地方高校的重視。

圍繞“智能”和“智慧城市”參加與其相關的“和利時杯”電氣控制應用設計大賽、“亞控杯”組態軟件應用設計大賽、全國大學生西門子杯挑戰賽等面向全國高校學生的賽事，可以優化學生的知識結構，培養學生科學實踐和動手能力，增強創新和競爭意識，并且能夠提高學生的整體素質。通過開展競賽式教學模式，脫離枯燥的課堂，鍛煉實際操作能力，讓學生體驗新穎的教學方式，能調動學生的積極性，培養學生團隊合作意識和競爭意識。重要的是通過競賽，學生能深切掌握書本的理論知識，切實掌握智能信息技術的關鍵。競賽的教學方式符合國家和社會對人才的需求，能在諸多方面提高學生的綜合素質，推動了“卓越工程師計劃”的培養進程。

3.2 以建構主義開展

建構主義教學理論是一種源于歐美的新興教學改革理論，國外教育專家曾對建構主義理論有過較為深入的探索。建構主義強調以學生為中心，教師只對學生的意義建構起幫助和促進作用，較傳統教育來講，這使教師和學生的地位有了較大的改變。所以，自建構主義提出至今，教育專家始終不放棄對其進行分析和研究，努力建立起一整套能夠與建構主義教學相適應的方法體系和設計理論。可是整個過程非常艱難，需要非常長的時間才能完成，盡管如此，建構主義教學理論的基本思想和主要原則已經取得階段性成果，已經成功地運用于Intemet和多媒體的建構主義學習環境中。以建構主義為基礎，融合智慧城市的建設需求，更深入地理解智能信息處理在智慧城市中的作用和必要性，對整體提高學生對學科的認知和應用能力起到推動作用，十分契合“卓越工程師計劃”對學生素質的要求。

由于個人的基礎、水平、背景等方面的原因，每個學生對知識點的理解程度參差不齊，所以，為了讓更多的學生理解和提高水平，教學中就不能以教師為中心，更不能“填鴨式”教學，而要結合智能信息處理教學，以學生為中心。面向全體學生，教師在教學時不僅要通俗易懂、深入淺出，還要注意知識的廣度和深度，以便適應不同學生的需要。再結合智能信息處理教學中學生應建構起自己的知識結構，教師要善于啟發、誘導，幫助學生豐富和調整自己的理解。

3.3 以智慧城市案例開展

案例教學法早在20世紀20年代就已被提出。它從出現至今始終具有強大的活力和影響力，所以一直被美國企業界、學術界、教育界等高度重視。采用智慧城市案例開展智能信息處理教學類似于醫學院運用病例分析來輔助教學，都是應用大批實際情況和經歷的介紹材料來訓練學生。這樣既達到鍛煉大學生思維的目的，也顯示了學校先進的教育方式，這是已經被證實的顯著有效的教學方式。顧名思義，案例教學法就是結合案例，讓學生以自己的認知來分析和理解案例，或與集體共同討論、實踐，最終培養和提高各自實際管理工作的能力或處理解決問題的能力。“卓越工程師計劃”所培養的人才以工程師的身份為智慧城市設計智能產品，滿足智慧城市建設需求的同時也對人才培養起到督促作用。

在智能信息處理教學改革中以智慧城市的案例開展教學活動，能讓學生在模擬的智慧城市情景中對實際問題進行分析，使學生能在非實踐的情況下對實際情況進行分析從而鞏固學習的理論知識，同時能夠發展學生解決實際問題的能力，使知識得到內化，增強學生的表達能力和自信心，其主要教學流程如圖1所示。

篇4

李開復帶隊奔赴硅谷，

了解美國的科技前沿。

日前，

他在中國“硅谷”中關村的一次演說中，

分享了他的見聞。

先講一些比較吸引眼球的東西吧。我覺得在硅谷的每個會議上都有一些有趣的討論。比如跟安卓之父安迪?魯賓的討論就非常有意思，他做的公司叫環球游樂場，其實《華爾街日報》上已經報道了很多。見到他的那天，我們正好也看到了谷歌旗下軍用大型機器人公司波士頓動力的那只機器狗。踹不倒的機器狗的前世今生

這只機器狗很好操作，我也玩了一下。說起來還挺有緣分的，因為波士頓動力的創始人馬克?萊布特，之前是卡內基梅隆大學的教授，我是學生的時候，他的辦公室就在我隔壁。那個時候他在做的項目是一個會單腳跳，然后跳一分鐘都不會摔倒的機器人。不過那個時候，如果你拿著棍子輕輕一碰，它就會倒了。而且當時還有一捆很粗很長的線，連接在電腦上，這就是最早的情形。

前幾天刷屏的那個怎么踹都不會倒的機器狗和機器人，已經迭代進步了很多。馬克?萊布特后來創立波士頓動力，并且獲得了美國國防部的研究經費，專門做機器人研究。從一只腳做到四只腳，再做回兩只腳，每一步推進都很不容易，可能已經花了美國國防部上億美元的經費了。然后，谷歌看上了，就把波士頓動力買進來了，買進來以后谷歌就沒有讓它再拿國防部的錢。機器人的創業平臺的誕生

安迪?魯賓后來離開了GoogleX，創立了一個叫環球游樂場的公司。簡單來說，他的公司就是希望做一個機器人版的安卓平臺。如果我們以手機來參照的話，大概在十年前，你要開一個手機公司可能要花一兩億美金做研發，才能把手機做出來，但是現在你可能花一百萬美金就能做出來了。因為有各種代工，有標準模塊，軟件用安卓，還有其他。如果不要什么特色，就是要搞一個手機出來。硬件的成本已經被降低了一百倍，普及了。所以現在樂視為代表的互聯網手機廠商全都跑出來了。當然，小米創業的時候做手機還是挺貴的，不過在此之后就越來越便宜。

同樣的，安迪?魯賓認為，機器人普及也必然發生，他希望做的事情可以降低機器人創業模塊的門檻。比如安卓提供了智能手機的模塊，讓開發手機的，從硬件到軟件都容易，成本低，讓更多人進來，讓更多人圍繞手機進行創業，要不然創業門檻太高了。

安迪?魯賓認為機器人的研發進度和十年的前智能手機差不多，所以做一個機器人平臺，讓更多的人來做機器人創業，這會是一個改變世界的事情，也是他從孩童時代的一個夢想。要做工業機器人，或者是掃地的機器人，都是可以的。從機器人模塊的角度來看，機器人基本就是一大堆傳感器，組合起來，然后有學習訓練和控制，讓它能夠動――動手、動腳、動爪子。軟件里加入輸入和識別之類的系統。

這就是安迪?魯賓跟我們分享的他的夢想。他的模式跟創新工場初期非常相似，由一個孵化器來深度參與一些項目，然后把有價值的模塊標準化，把好的項目拆分出去，作為獨立的公司發展。深度學習人工智能博士生的高薪人生

另一個很有趣的現象，是做深度學習的人工智能博士生，現在一畢業就能拿到200到300萬美金的年收入，這是有史以來沒有發生過的。當然我覺得硅谷的公司都在追捧這個方向，而且基本是四大名校：斯坦福、麻省理工、卡內基梅隆、伯克利。以前這些學校的博士生在硅谷都可以拿到高薪，但是從來沒有到250萬美元/年的薪資水平。

這為什么會發生呢？第一，是因為真正懂深度學習的人現在還不是很多，所以供需不平衡。第二，是因為很值。谷歌拿到這樣的人，可以馬上用他賺一百倍的錢。因為只要把這樣的一個人用在某個領域，比如說，假設谷歌要做最聰明的二級市場財務投資，一年就能賺出一百倍來，所以這事毫無疑問是劃算的。第三，是因為涉及競爭。谷歌會很不希望這樣的人落入他的競爭對手懷中。因為谷歌可以因此有領先的優勢，但如果這個人去了臉譜、微軟，馬上就會給后兩家機會。所以是人才的戰爭。對于這一批一年可能少于50個的博士畢業生，這三大公司：谷歌、臉譜和微軟，都在用不合理的價錢去挖。

這給了我兩個啟示。一方面是遺憾自己生得太早了，我學的就是這個領域，但是那時候沒有公司這樣來挖我們。另一方面是類似的人才戰爭，可能也會在中國發生。

中國的大學恐怕沒有50個這樣的博士，但是我們這邊有幾所“大學”，這幾所“大學”的名字叫做騰訊、百度和阿里巴巴。這幾家公司之間互挖，可能會成為很有趣的事。

因為我自己是做這方面的，所以我覺得深度學習雖然很厲害，但是沒那么了不起。你讓一個聰明的人學兩年，他也可以有這個價值。這也就是說，我們是不是應該來幫助培訓一千個中國的深度學習專家，這些都是很有趣的討論。

我也問了他們，這樣拼命的競爭，再過兩三年，中國學這些東西也不難，中國數據也比你們多，你們這套公開了，中國在這個領域的人才可能會比美國多。

因為在中國，百度、騰訊、新浪微博等等的數據量也非常大，如果在中國也有250萬美金的年薪誘惑，中國人會更瘋狂地沖向這個領域。所以我相信這個領域最后應該也是一個中美領跑的狀態，雖然現在中國遠遠落后于美國，畢竟美國有斯坦福、伯克利出來的人，而且不斷流動。但對于中國來說，這批人可能就在百度、騰訊和阿里。現在百度、騰訊和阿里自己掌控得住這些人，但是長期來說他們也不可能永遠掌控。而且小米、奇虎360也都會有這樣的人，所以這會是一個很有趣的業界競爭的狀態。

與此相關的，領英的霍夫曼提到馬斯克和彼得-蒂爾他們成立了一個開源平臺。主要是為了防止谷歌、臉譜和微軟這樣的大公司形成壟斷。他們有那么多計算機，那么多錢，又把最優秀的人全挖進去了，所以就要搞一個開放式的開源平臺，來確保這個東西能夠被更多的人快速學習掌握。所以這是一個很有趣的事情，硅谷考慮得很超前。虛擬現實與增強現實將改變人生

整體來說，關于虛擬現實和增強現實，感受主要有這么幾點。

先拿虛擬現實（VR）來說，對于這個領域的發展，有一批人是非常樂觀的，另外一批人則認為我們還早了一個周期，就是說現在還在摸索狀態，因為內容不夠多、體驗不夠好、太貴，可能真的還在一個玩家的時代。

就創新工場來說，我們也綜合了一些意見。我們的看法是，虛擬現實長遠來講對社會的影響應該是特別巨大的，而且隨著摩爾定律等作用，它應該會越做越炫，越做越不頭昏，越做越沒有線，越做越輕，越做越小。最終變成一個物體，也許不是眼鏡，但會讓你不知不覺把它融入生活里去，這一天是絕對會到來的，會是一個巨大的產業，會改變所有的事情。

但是具體方面，我們可能會稍微保守一點。我們可能對這種五到十年的未來，抱有很樂觀的期待。但是對于到底能不能在一兩年之內，打破玩家的領域，達到普及的狀態，我們還是抱觀看和懷疑的態度。

當然我覺得從投資的角度，現在看到好公司就得投了，因為你不能進入生產周期才投，只是說要顛覆什么的話，還需要一點時間。

我個人對于虛擬現實的看法是，它的第一個突破一定是在娛樂方面。因為我們講了那么多3D的東西，只有在娛樂內容相關的領域得到了驗證，看電影更爽、玩游戲更爽、然后越做越逼真，大概是這樣一個狀態。然后是電影業和游戲業的延伸，但需要說明的是，這是一個巨大的延伸。

增強現實，可以有不同領域的應用。可以用在教育方面、輔助方面、服務方面。增強價值的應用是能夠直接被證明價值的，而不只是讓娛樂感更爽更強，可以在一些領域挖掘出一些垂直性的應用，這是大家的一個達成的認知。谷歌的野心與科學家的心聲

此外還去了谷歌見了他們的CEO皮猜，斯坦福人工智能教授李菲菲，以及領英的創始人霍夫曼。與他們談論的主題都是人工智能相關的，可以把我的總結分享一下。

去年谷歌調整出一個母公司Alphabet，其實我們也知道他們為什么這么做，但這次去了就更加深刻地了解了。基本上，谷歌想要做一個“機器大腦”出來，這個“大腦”是下列幾件事情的結合體。

第一，要有特別大的數據量，這個數據量最好不是公開的，是私有的，而且是可以不斷地更新、增加的。因為沒有這個東西，就沒有競爭優勢。第二，要有特別大的機器平臺，能夠在上面運作、學習、迭代，讓你的“大腦”越來越聰明，而且用這個數據越做越好。第三，需要一批特別棒的深度學習或者機器學習的專家，他們知道怎么去弄海量的服務器和海量的數據，從里面把數據變成一種認知和知識，以及能做的事情。

一旦有這三件東西之后，可以應用到其他領域。用在搜索上，這個“大腦”能把世界全部索引了，你搜什么都能告訴你，還可以做一個最好的排序。用在生活領域，就是一個在線谷歌，可以告訴你今天要去什么地方吃飯，最好選擇怎樣的出行方式，路上可以買花，提醒你老婆生日快到了，實際上是把這些東西都結合起來了。用在廣告領域，就是怎樣投放一個廣告能讓你賺更多錢。

而且之前我們這些IT人總是想著如何用IT讓生活更美好，往往忽略了這套數據為什么不能用在基因排序？為什么不可以用在生物科技、制藥、健康領域？或者是你可以想象的所有領域，因為一旦有了巨大的數據，價值就大了。

于是你可以看到，谷歌從美國基因泰克公司挖了CEO，來做Alphabet的醫藥公司的CEO，谷歌的野心是非常清晰的。他用搜索和廣告來塑造了一個巨大的“大腦”，這個“大腦”讓聰明的工程師來調整，用巨大的數據來學習，用巨大的計算量來不斷地迭代。然后把這三者配到一起，找一個領域，比如說要學癌癥的治療，假如能夠有一個數據庫，包含某個國家所有人的基因、癌癥病例，讓數據滾起來，跟醫院結合起來，有回饋的途徑，知道是否有效，不斷去追蹤，實時迭代，可能就會掌握癌癥治療的方法。

所以谷歌的方向，就是不斷地找新領域，找該領域內的領軍人物，擁有相關大數據，再配幾個機器學習專家，給他們一大堆機器用來計算，就能產生價值了。這在任何領域都會攻無不克。幫年輕人找對象、吃什么、推演所有的事情，甚至軍事，都沒有問題。

歸結起來，Alphabet的野心就是成為一個無所不為，用“大腦”來驅動并顛覆傳統行業的一個公司。他們一定有很多內部的方法來分析，接下來介入哪個領域，是醫學、建筑、房地產、金融還是二級市場之類的。

舉個例子，Alphabet做一個銀行相關的應用，來分析人的信用和風險能力。假如一個人找銀行借一千萬，如果只看內部資料，銀行可能只知道你在這里存了五百萬、在新浪科技上班等信息，但如果有另外一個爬蟲，能把你的其他數據都爬來，比如你還在美國高盛藏了兩千萬、在開曼群島買了一棟房子，咚咚咚，“大腦”就會告訴你可以借錢給他。

所以Alphabet這么一來，可能就會成為世界上最偉大、同時也是最可怕的公司。當然我覺得有這個野心的公司其實很多，但是Alphabet應該是最有基礎把它做好的公司。

篇5

我們經常談出版的數字化轉型，無論是教育出版還是其他出版，向內容提供商、內容服務商轉型的大方向是對的。教育出版的重要出口就應該是在線教育，在線教育也屬于內容服務的一種形式。

在互聯網時代，教育不再是學校和教育出版社的事情，任何人都可以從事在線教育，沒有任何準入機制。現在教育出版機構面臨的最強勁競爭對手是互聯網巨頭，它們資金雄厚，在在線教育領域一擲千金，幾十億、上百億元的投資對他們來講不是問題，再加上他們在互聯網技術方面的優勢，使得教育出版機構毫無優勢可言。

近年，互聯網巨頭都瞄準了在線教育市場。海外，蘋果i丁unes U開始進軍在線教育，主要提供開放式教育資源;谷歌也建豆了Google Doc在線學習系統。國內，互聯網三巨頭BAT紛紛進軍在線教育。2014年2月，阿里投資1億美元加盟丁utorGroup; 2014年8月1日，騰訊與新東方聯合成豆北京微學明日網絡科技有限公司;2014年8月5日，百度收購在線教育傳課網。此外，阿里巴巴推出淘寶同學，騰訊開設騰訊大學，百度推出百度知心。

互聯網是一次革命，幾乎打破了所有的傳統行業邊界，如果我們再用傳統的專業分工思維考慮問題，無疑是作繭自縛。雖然，互聯網企業并不掌握優質的教育內容，但是，它們可以花重金購買，也可以重新生產，或者通過協議聚合內容。正如中國知網不生產內容，但是它能夠聚合內容，成為典型的內容提供商和服務商。現在幾乎沒有哪所大學敢不購買中國知網的數據庫。今日頭條也不生產內容，但是僅僅經過3年的發展，它已經成為移動新聞客戶端的老二，靠的就是聚合內容。

在歐美在線教育市場，以培生、圣智學習等為首的幾大教育出版商已經壟斷了付費教育資源市場，中國的教育出版機構在付費在線教育領域沒有形成明顯的優勢。國家教育出版機構組建了很多在線教育平臺，但是市場知名度都不如其他行業組建的在線教育平臺。無論是滬江網校、網易公開課，還是一起作業網、學霸君、作業幫、學而思網校、猿題庫都不是出版機構創建的，這是需要出版同行認真思考的問題。一起作業網由真格基金徐小平等人投資，2015- 2016年連續兩年在數字出版年會上大規模做宣傳推廣，發展十分迅速，已經在很多小學普及。

二、在線教育課時長度多長為宜

目前，全球傳統課堂的課時長度幾乎都是40-50分鐘，沒有人認為不合理。但是，科學研究卻表明40- 50分鐘的課時長度并不符合人的認知規律。1996年美國印第安納大學的教授約安·米登多夫和阿蘭·卡利什在《國家教學論壇》就發表了一份詳盡的關于學生注意力的報告。他們發現學生需要3- 5分鐘才能靜下心來，在之后的10-18分鐘內精力非常集中。之后，不管教師講得多好，不管課程多么吸引人，學生還是會走神。雖然之后學生還能再次集中注意力，但集中的時間越來越短，在課程即將結束時，集中的時間只有3- 4分鐘。可是，卻沒有學校愿意把課時長度降低到巧分鐘以內。

在實體教學中，教材編寫、教學計劃、教學管理、教師計酬等都是基于45分鐘課堂，如果把課時長度都改成巧分鐘，那么教學管理、教材編寫、教師薪酬等都要相應改變，這相當于一場教育革命，不要說技術上如何實現，恐怕教師、教學管理者都很難接受，阻力不可想象。但是，在線教育很多是在實體學校以外進行的，還沒有完全進入現行的教育體制，可以不受這樣的限制。現在很多在線教育的課時已經調整為巧分鐘以內，這需要教育出版機構關注，盡早采取應對措施。

當下，很多在線教育平臺的視頻課程仍是傳統課堂的翻版，大多數為40-50分鐘，1小時的也不在少數，有些甚至長達2小時。這樣的時長往往讓人感到疲勞，教學效果也難以保證。筆者在超星學術視頻看到很多課程在20分鐘以內，應該說這樣的設置是合理的，是符合學生認知規律的;愛課程網的視頻課程時長多為30-50分鐘，基本是按照現實課堂設置的。

三、紙質教材的存亡問題

無論是中國還是美國，教材，尤其是中小學教材一直是出版業的主要收入來源，出版業最關心的是紙質教材的存亡。那么，在線教育究竟會對紙質教材產生怎樣的影響呢?

1.知識點教育挑戰紙質教材的存在

從歷史發展角度看，教材并非教育的必需品。早期的人類教育沒有教材，工業化革命以后，班級教育的出現才產生了教材。未來教育是否還需要教材，答案恐怕是未必。教材是系統化的知識點。在傳統教育形式下，對中小學階段教育來說，往往是幾十萬甚至上百萬人使用材。在以紙質媒體為主要傳播介質的時代，我們沒有辦法為每一個學生量身定制教材。隨著互聯網高度發展，尤其是大數據技術的應用，我們已經完全能夠實現為每一個人單獨定制教材的可能。這些教材由計算機軟件來完成，不需要印刷，而且還可以根據學習者的進展隨時調整。這就是智能化推送與測試系統，也叫作知識點教育，美國的可汗學院就是采用知識點教育。

再往前展望，甚至可能沒有教材的概念，因為新的學習資料都是根據學習者掌握程度隨機生成的，實際上已經沒有了教材。在線教育的發展使傳統的教材觀念、教材盈利觀念都受到極大挑戰。一旦智能化教育全面推廣，紙質教材就可能沒有存在的必要。當然，現實發展比技術實現要緩慢得多，歐美的教材定制也僅僅發展到章節的定制組合，也就是根據教師的要求可打亂教材的章節排列，還沒細化到對整本教材知識點的重新組合。

2.實體學校的消失，伴隨的可能是教材的消失

在線教育的發展使得人們隨時隨地能接受教育，人們是否還需要到學校去接受教育就成為一個問題。美國一些教育專家大膽預測，將來會有大量的實體大學消失，而中小學實體學校的消失可能要晚于實體大學的消失。美國《國家利益》雜志2013年預測“未來50年內，美國4500所大學，將會消失一半”。美國斯坦福大學校長約翰·亨尼斯說，“學生已經厭倦了傳統課堂并準備擁抱網絡教育”，“教育技術將摧毀現有高等教育體系，這是不容否認的”。斯坦福大學Udacity創辦人特隆認為，50年后美國大概會只剩下10所實體大學。實體大學的消失，不會是個案，伴隨的可能就是各級各類實體學校的消失。

教材是班級教育的伴生物，傳統班級教學必然需要統一的教材。依據上述專家的預測，傳統實體學校的消失，可能伴隨的就是班級教育的消失，不再需要統一的組織教學，教材恐怕也就壽終正寢了。

3.數字化教材的審批問題

國家教育部已經開始審批數字教材，上海部分出版社的數字教材已經獲得審批通過。這就意味著數字教材不一定由紙質教材轉化而來，完全可以單獨編寫，通過審批后上市使用。過去幾年，那些擁有紙質教材版權、經營權的出版機構一直認為數字教材必須由紙質教材轉化而來，即使自己不開發數字教材，也能通過轉授權獲得部分收入。現在看來，這種想法有些過于天真。這也說明，擁有紙質教材，出版機構在在線教育中未必就擁有優勢。

四、在線教育的智能化發展

在線教育最大的問題就是一名教師面對很多學生，當一名教師同時面對幾萬人、幾十萬人時，對單一學生的具體指導就會遠遠超出教師的實際能力。近些年，人工智能發展很快，在線教育使用機器人服務已經不可避免，這也是在線教育智能化的一部分。比如，人機對話軟件可以解決語言學習沒有陪練的問題，但是人機對話還很不完善，局限性很大。如環球雅思網校的人機對話軟件只能糾正單詞發音，不能對流暢程度、詞匯運用、語法錯誤進行糾正。人工智能運用于在線教育還有很遠的路要走，但是智能機器人在教育服務領域未來的發展前景十分廣闊。美國的可汗學院有試題自動生成軟件，學生看過視頻后，軟件會自動彈出問題，要求學生回答。可汗學院還建有數據庫，通過數據庫可以追蹤每一個學生的學習進度，還能根據學生的掌握情況，自動推送學習內容，已經實現智能化。

目前，歐美教育智能化面臨的一個敏感問題是個人隱私，很多學生不愿意讓平臺跟蹤他們的學習。

五、在線教育存在的問題

1.缺乏現場感，對人的社會性發展不利

北京大學文學院陳平原教授回憶自己的博士生導師王瑤先生時說，王先生沒有給學生正式講過課，學生都是在和王老師聊天中學習知識。我國古代的教育方式，很多時候也是聊天式的，導師和學生吃住在一起，可以說無所顧忌、無話不談。聊天是最自由的交流方式，天馬行空，可以就很多問題進行探討，可能不十分準確和嚴謹，但是對知識面的拓展、對靈感的激發是很見效的。這種教育方式顯然是一位教師面對幾十萬在線學生無法實現的，也無法產生老師潛移默化、言傳身教的效果。

K12在線教育最大的問題是無法提供現場感。在實際教學過程中，好老師并非是那些講得最好的老師，而是負責任的、管理得當的老師，能夠調動學生學習積極性的老師。尤其是在中小學階段，管理課堂是一項十分重要的教學任務，在線教育無法實現像地面教學一樣的管理課堂。離開老師的管束，再好的內容如果學生聽而不聞、不入腦子，也達不到教學效果。

在現實課堂中，教師會走到學生中間去，通過手勢、表情與學生交流，甚至有一些大尺度的調侃;而視頻課程由于錄制設備的限制，老師只能停留在講課桌后面，表情呆板、不鮮活，在一定程度上限制了教師的發揮，也使得課程的精彩點綻放受到限制。

在線教育也會造成學生社會性減弱。人是社會性動物，要參與社會活動，通過社會來學習知識和技能，同時承擔一份社會分工。學生到學校學習，也是在參加一種社會活動。如果大量的學習都通過在線來完成，也就意味著學生與學生、學生與老師的相處時間越來越少，這實際上減少了學生的社會活動。這種情況會導致學生主要通過在線了解世界，而不是通過實際的社會生活來了解，最終會脫離社會現實。韓國原計劃2015年在全國推廣電子書包，結果發現學生大多通過電子書包了解世界，減少了與社會和自然的接觸，帶來了一些負面的影響，于是決定放慢電子書包的推廣速度。

2.視頻課程制作花費巨大

視頻課程制作花費巨大，按照哈佛和麻省理工成豆的edX估計，一門課就要25萬美元。清華大學指定MOOC制作合作公司“過來人”的創始人張有明說:“一個完整的MOOC團隊是非常復雜的，包括項目經理、助教、志愿者、制作人、攝制團隊、后期制作、運營人員;整個制作流程也很長，包括選題、知識點設計、拍片宣傳、集中攝制、后期制作、測試反饋、運營數據……老師為制作MOOC課程，平均1個小時的視頻，至少要花10倍到20倍的時間做前期課程內容的準備，即使這個老師的課講得非常熟練。” 由于在線教育需要大量的投入，這些投入都要攤到教材上，因此現在歐美大學數字教材價格不僅沒有降低，反而比紙質教材還高，而且只能在教育出版商、開發商的軟件環境下閱讀。相比而言，老師和學生反而更鐘情紙質教材。這可能只是階段性問題，隨著技術的普及、數字教材使用人數的增長，教材的價格會逐步降低。

3.意識形態問題

開放性教學資源平臺的全球免費共享也帶來另一個問題，那就是意識形態問題。比如，西方國家社會學課程的某些講授未必符合我們政府的要求。

4.不利于教育的多元化發展

目前，在線教育都選擇全國頂級的教師授課，最終可能會形成一門課只有幾位老師在講的局面。而教育是多元化、個性化的行為，如果全國都在使用某幾個教師的教學視頻，那就如同工廠一樣，生產出標準化的產品，不利于學生思想的多元化發展。其實，不同的教師是各有優勢的，對同一個問題的不同講解，會給學生提供不同的信息和方法。

5.完成率很低

在一片對網絡開放教學資源的贊揚聲中，也出現一些不樂觀的數據，“以斯坦福大學的Udacity公司的課為例，目前僅有5%一16%的完成率，通過率更低”。沒有課堂監督，沒有教學管理，只靠自覺完成學習，看來還是有問題的。這也需要在線教育工作者思考，究竟采用什么手段才能提高完成率，否則，這些優秀的教學資源就等于白費了。

6.一些技術問題

在線教育的迅猛發展也暴露出一些問題，需要進一步完善，如課程播放不流暢，教師講解不精彩。有些用戶反映視頻播放很卡，有些30多分鐘的課程需要1 小時才能看完;有些教師講解古板，基本是照本宣科，缺乏趣味性。另外，我們在紙質教材中尋找內容很簡單，但目前視頻關鍵詞搜索技術還很難令人滿意。

7.盜版問題

在線教育視頻盜版問題嚴重。原創單位花費很多精力、金錢制作的在線教育課程被輕易翻錄、傳播，嚴重影響原創單位效益。幾千元的視頻課程，通過網絡十幾元就能買到，而且不影響使用。

8.網游等如何控制

上課期間教師可以通過軟件控制，使孩子們認真聽課、做練習，但是放學后孩子們通過終端設備看什么就難以控制。K12在線教育還面臨父母不愿讓孩子上網，害怕孩子玩游戲、上交友平臺，以及屏幕傷害眼睛等現實問題。

篇6

【關鍵詞】信息技術教育教學方法改革

1.現代信息技術的發展對教育教學的影響

進入21世紀伴隨著計算機技術和通訊技術為基礎的信息技術的高速發展，尤其是“多媒體技術”和“互聯網技術”的日趨成熟，在人類文明從工業化時代向信息時代轉變的過程中，信息化正以驚人的速度改變著人們的工作方式、學習方式、思維方式、交往方式乃至生活方式。毫無疑問，當代信息技術在教育教學中的應用與發展已成為當今教育系統眾所周知的共識。現代信息技術早已融入到了教育教學的每個角落。

現代信息技術的普及有力的促進了教育教學改革的進程，比如信息技術的發展促進教育教學模式的轉變；服務化的網絡教育推動著教育方法的進步；信息技術的變革提供了學生個性化自主學習的通道。尤其“211工程”院校開展的現代遠程教育便是信息技術條件下最有說服力的教學方式與方法的大膽創新，這種通過網絡自助學習與教師在線互動相結合的學習方式更是被“環球網校”、“考試吧”等各大知名培訓機構所采用。

總之現代信息技術的飛速發展正對教育傳播技術、教育教學模式、教育資源、專業與學科設置、學生自身等等各方面起著強有力的催化作用，這一時代的變革要求我們教育工作者必須緊跟時代潮流抓緊適應信息化條件下的教育教學發展。

2.傳統教學模式與方法已不適應高度信息化條件下的教育發展

2.1信息化時代教育教學方式與特點

信息化時代的教學模式應該是符合現代教學思想的新型教學模式，以現代信息技術的支持為最高特征，包括現代教學觀念和現代教學方法的應用等內容。在信息化教學模式下，學生的主體地位得到強化，有利于發揮學生學習的主動性、積極性和創造性如圖1所示，在整個學習環節中教師不再是主體，學生才是學習的主體，一切教學措施都圍繞學生展開。受到信息網絡技術的沖擊，從教師與學生兩個方面來說都與以往傳統教學模式下有著截然不同的差別。高度發達的信息技術對現代教育教學觀念、教學內容、教學資源，教學手段、教學管理等一系列的方面產生了質的變革。

我們認為信息化教學模式是建構主義理論與先進的媒體技術、網絡技術、人工智能技術等相結合的高度智能化的教學方式。具有教材多媒體化、資源全球化、學習個性化、管理自動化、環境虛擬化等特征。

2.2傳統教育教學的方式方法已經阻礙了現代教育的發展

傳統課堂教學模式是以“教師為中心”的課堂教學模式，這種教學方式與方法早已與素質教育相違背，尤其在承擔高級專門人才培養的高職院校，很多課堂教學模式仍然是教師是教學過程中的主體，學生只是被動接受的客體。這種傳統的以“教師為中心、以書本為中心、以課堂為中心”教師憑借“一間固定的教室、一塊固定的黑板、幾支粉筆”引導學生跟著自己的思維轉的教學模式極大的遏制了學生的上課積極性，能動性和個性化創造力。

走進高職課堂，經常看到教師在課堂上侃侃而談，部分學生卻在課堂上睡覺、說話、玩游戲、耍手機等現象，結果教師講完了一堂課，完成了這節課的教學任務，但部分課堂上精力不能集中的學生卻不知所云。這樣的教師為主體的傳統的教學模式長期以來都忽視了學生本身也是有思想、有愿望、有意識、有興趣的人，沒有充分考慮到學生的個體差異性，不能充分有效地貫徹因材施教的教學方針，不能充分調動學生的課堂積極性和能動性。顯然，上述這種傳統的教育教學方式是以傳授知識而不是以智能培養特別是創新精神的培養為重點的，而是以犧牲學生的主動精神和創新精神為代價的，它根本無法適應當前物聯網時代知識經濟對人才的需求。

再者，傳統的教學模式已經牢牢的固化了教師的授課方式與創新思維教學方法。教師一味的在講臺上講，學生呆板的在下面聽，師生之間缺乏統一的載體來有效的互動與思考，長期下來教師也就機械式的板書、講解、沒有發揮出創新教學手段的意識與環境。

3.現代信息技術條件下教學模式與教學方法的改革方向

3.1信息技術條件下教學的模式應是隨時隨地就地學習與課堂學習相結合

高度發達的信息化校園，不僅僅在于使學校的師生都能掌握應用網絡的技能，更重要的是建立一種全新的教育體制與教學模式。目的是使學校在這樣網絡化的環境下，培養出學生更強的信息獲取與分析能力，注重學生個性化需求與自主學習的技能。學生通過教育網絡環境下獲取的信息遠比老師課堂講述的詳細、完整的多。學習者可以根據自身的安排利用空余時間進行個性化學習，比如出差在外的人，可以選擇有網絡的賓館、酒店等場地，利用閑暇時間根據個人進度安排學習。這樣可最大限度地發揮學生的主動性、積極性，老師既可以進行個別化教學，又可以通過網絡技術推行項目捆綁式協作型教學。

比如目前在一些211高校開設的現代遠程教育模式，這種教學模式主要是通過現代信息技術將傳統的課堂轉移到網絡中利用現代智能遠程教育系統（Modem Distance Intelligent Tutoring System，MDITS），而實施的現代教學手段。目的就是克服傳統的以教師為中心的教學局限，建構以學生為中心的教學模式，強調充分挖掘學生個性化需要與自主學習為主，教師可以通過網絡遠程輔導或針對個別案例進行個性化指導學習。這種形式的學習并非要求學生一定在特定的教室里接受教育，而是學生以自我為主去合理安排時間，在規定的時間內自由開放式的學習完成相應的課程并在線考核合格即可。很顯然網絡信息時代的學習注重以學生個性化需求為中心，學習的主體權利以學生自身為主，高度尊重學生合理選擇學習方式。可以說隨著無線網絡技術、手機智能技術等移動終端技術的廣泛推廣與普及，信息時代的教育將是具有高度開發性、高度互聯性、資源共享性、高度自主性等服務學生個性化需求與創新的綜合智能化的教育模式。

通過信息技術構建的網絡化課堂很多功能與優勢是傳統課堂教學模式所不能及的，所以現代信息技術條件下教育教學的全新模式是構筑知識經濟時代人們終身學習體系的主要手段。它以現代遠程教育手段為主，綜合面授、函授和自學等教學形式、采用多種媒體手段聯系師生并承載課程內容。現代遠程教育可以有效地發揮各種教育資源的優勢，做到只要有網絡就可隨時隨地去學習。為不同的學習對象提供方便的、快捷的、廣泛、高效的教育服務。

3.2現代信息技術條件下的教學環境要求教師應不斷豐富與拓展自身的綜合知識

近年來，全國各地都比較重視校園信息化建設，隨著網絡信息技術、多媒體技術、等高科技的發展，傳統的教學思維、教學手段、教學模式、教師角色、教學教案等等都在發生著深刻的變革。作為為人師表的教師自身更應該趕上信息化時代的步法，不斷學習進取，提高自身現代信息技術的綜合素質，才能有效地服務于信息時代的教育領域。總體上來講，目前我們很多教師信息技術素養普遍較薄弱，信息技術應用水平偏低。部分教師教育觀念落后，教學內容陳舊，教學方式與方法老套，又不善于運用合適的多媒體教學軟件，也不愿查閱教學資料等等這類的顯現很是突出。

隨著信息技術的發展，信息傳播以前所未有的速度和廣度向前發展，這必將促使學校教育的方方面面發生深刻的變革，將有越來越多的學習者可以通過信息技術來獲得知識和信息。教師的傳統地位將受到挑戰，他們將由知識的傳授者、課堂的管理者轉變為信息支持者、知識建構者、道德監控者和指導者。在這樣的時代背景下，提高教師的信息素養成為教師專業發展的一個重要的內容。

所謂教師的信息化素養，主要是指開展信息化教學的能力，其核心是信息技術與課程整合。為此學校應當建立教師信息化教學能力培訓的硬性制度，并從以下幾個方面提升自己：

第一，教師應主動提高自身多媒體教學系統的應用能力。教師通過制作多媒體樣式的課件，說明所講解知識的結構，形象地演示其中某些難以理解的內容，展示動態變化的過程等；營造一種多媒體教學環境的沉浸感，并且嘗試讓學生主動使用媒體來表達和傳遞思想情感、展示和交流學習成果，那么就能把單純的教師演示工具變成環境創設工具，達到以學生為主體的教學環境。

第二，提高教師的信息檢索與綜合處理能力。通過網絡檢索到的信息資源有時并不能直接使用，必須對它們進行加工、處理及整合之后，才能變成真正可用的信息。所以，教師還應具備對信息加工處理及整合的能力。如果僅僅依靠閱讀書刊來獲取知識信息，那么，我們獲取的知識是相當有限的，而且這種方式是不快捷的、低效的。信息化背景下的教師，應掌握基本的計算機信息處理技術和網絡技術，充分利用網絡資源加強學習，提升自身的業務水平和能力。

第三，提高教師信息化條件下網絡教學的組織實施能力，掌握先進的智能化教學系統。教學實施是指教師實踐預先設定好的教學方案的全過程。網絡教學組織實施能力不僅包括教師利用網絡進行講解和答疑的能力，同時更加注重教師對學生的問題式學習和協作式學習的指導能力。因為網絡教學的教學實施不具備傳統課堂教學在組織實施過程中現場操作的可控性和可變性，為此，教師事先一定要精心策劃好教學實施的全過程，要充分考慮到教學過程中的各個環節（如學生協作活動的設置等），以確保整個網絡教學能順利、高效地進行。

3.3高度信息化狀態下課堂教學應趨于網絡化與教學手段的多樣化

信息化條件下的課堂教學發展趨勢是更加網絡化、更具靈活性、授課形式多樣化、高度智能化、高度人機交換功能等。因此在信息化課堂教學可以充分挖掘多媒體、互聯網、自動化教學系統、等等先進教學手段將課堂教學效果最大限度的凸現出來。例如可以采取分組進行“項目捆綁”式教學，將課堂上的學生分成信息化學習小組，并為每個小組提供至少一網計算機，理科課程還可以給小組配備實驗器材、模擬軟件或者傳感器等。學生在教師的指導下，充分發揮自己的主體作用，利用計算機進行個別學習和小組式合作學習。

再比如，利用網絡教室，通過教學系統軟件對學生進行一對一數字化輔導學習。這種類型是指每個學生都擁有數字化學習終端，教師并能夠運用這一終端系統所提供的平臺與資源，對每個學生進行教學演示或者單獨互動輔導學習。教師可以將信息技術作為人機交互工具，對學生進行個別學習輔導；可以通過網絡實現師生之間、生生之間的教學交流和協作學習；可以為學生提供網址、搜索引擎等，指導學生獲取學習資源；還可以根據不同任務，指導學生進行科學計算、數據統計等活動。

當然最常用的就是多年媒體課室，教師通過多媒體合成技術對講授的知識進行系統的、全面的、生動的描述與分解，將抽象的知識以形象生動的數字化模擬信息技術展示出來。既便于學生理解掌握知識，又使得學生不斷自我意識上去形象生動的思考與反復記憶。我們稱這種基于計算機多媒體技術用于課堂教學的模式為“多媒體計算機輔助教學”模式。第一，有教學環境是多媒體計算機及依據教學目標設計、反映教學策略的教學軟件系統；第二，以各種種媒體的方式顯示教學內容；第三，教學信息按超文本方式進行組織，符合人的聯想記憶方式；第四，具有良好的交互界面，學習者必須通過一系列交互操作來進行學習。總之，現代信息技術催生的現代教學多媒體智能化教學模式它可以創造出一種身臨其境、完全真實的學習環境。

3.4信息時代的教學應是正視學生的個性與正確引導學生個性化發展的創新型教育

信息時代的教育更應該是高素質的綜合性教育，它將以學生的個性化自主學習為原則，以“數字智能化”為手段，以培養學生的“自主學習、創新發展”終生學習能力為終極目標。通過多媒體網絡教室和網絡虛擬學習資源庫，為學生創造自主學習的條件。在老師精心指導幫助下，按照自己的認知水平，借助人機交互的多媒體資源自主創新去學習，體驗學習的快樂和成功的樂趣。

未來教育將是以學為中心的教學模式，利用網絡教育資源的目的主要是滿足學生的學。在教育、教學中尊重學生的個性，充分發展學生的個性，克服“一刀切”“一概而論”的教學傾向。把教育、教學的目標、效果具體落實到每個學生，做到學生個別化教學。以培養學生的自主意識，開發學生的潛能，使學生能夠自主發展、超常發展。教育的作用不僅在于幫助學生樹立理想，更重要的是通過相對完整的訓練幫助學生實現理想。教育的主體是學生，現代教育必須以學生的個人興趣為出發點，激發學生的創造性，并通過教師多元化的指導，構建出既有學生自主選題、自主學習、自主研究、自主管理，又有團隊合作的高度自主化教育模式，尊重學生個性發展、尊重多樣性、鼓勵學生創造是現代信息化教育的靈魂。信息化時代的學生可以通過自主終端人機交換設備根據自身條件有針對性或對感興趣的學科方向去發展，實現個性化學習需求。

4.現代信息技術下教育教學的發展趨勢

根據中國互聯網絡信息中心2013年最新的報告顯示，目前我國網民數量達到了5.64億，利用手機等移動設備上網人數為4.20億。由此可見現階段到將來一段時間網絡信息技術仍會飛速的普及，對于教育行業來說，信息技術的快速發展必將催促教育教學更加快步地去適應信息技術的變革。未來基于互聯網環境下的教育體制與教學模式不受省市、空間和地緣的限制，通過計算機網絡可擴展至全社會的每一個角落，甚至是全世界。

當今時代，教學手段與資源更趨于多媒體化，多媒體教育應用正在迅速成為教育技術中的主流技術，比如多媒體教學系統、多媒體電子書刊等，可以說目前國際上的教育技術正在迅速走向多媒化。同樣伴隨著計算機技術的發展現代教育愈來愈重視人工智能在教育中應用與研究，很多針對學生訓練與學習的智能化模塊不斷的被開發并應用在教學當中。總之隨著信息技術的發展，教育技術應用模式的多樣性與個性化越發加強，新時代的教育正面臨著向前沿科技領域變革與應用方向發展。

課題：本論文為教育部科研十二五重點課題《個性化學習開發與提高教學效率研究》下子課題《信息技術條件下教學方法改革與學生個性化學習能力提高的研究》成果之一。課題編號：111820089-ZC-5。

參考文獻：

[1] 張京，張慶秀.試論建構主義教學設計理論與新型的教學模式.河北農業大學學報，2002，（2）

[2] 陳東.開放教育[M].上海：上海教育出版社，2006.

[3] 易朝暉，李宏斌，李明霞.信息化條件下教學方法改革的思考.計算機教育，2007-6

[4] 劉曉.信息化教學模式與傳統教學模式的比較.科技創新導報，2012-03

篇7

機器人競賽

機器人競賽是一項很好的科技創新活動，形式繁多，內容豐富。設計方案的開放性，也為學生的創新奠定了基礎。參賽者可以用不同的方法實現同一個項目，通過比賽，激發其對機器人的學習興趣，引導他們積極探索機器人新科技，為其自主創新能力的培養提供良好的平臺。中國機器人大賽暨RoboCup公開賽：1999年，在RoboCup國際委員的支持和授權下，首屆中國機器人大賽暨RoboCup公開賽在中國重慶舉辦，目前是中國機器人最具影響力的賽事，比賽共設立12類65項賽事。機器人競賽種類多、規模大、水平高，為大學生進行創新實踐活動提供了很好的平臺。“未來伙伴”杯中國智能機器人大賽（暨國際機器人滅火比賽中國賽區選拔賽），是中國人工智能機器人專業委員會等多個單位主辦的一項全國性賽事。大賽包含機器人救火大賽、機器人足球比賽、機器人創新大賽、機器人搜救大賽、機器人擂臺賽和機器人舞蹈戲劇大賽等6個主題項目。其中機器人救火大賽是國際賽制機器人滅火比賽（暨國際機器人滅火比賽中國賽區選拔賽）。“飛思卡爾”杯全國大學生智能汽車競賽，由教育部委托高等學校自動化專業教學指導分委員會主辦。競賽分競速賽與創意賽兩類比賽。自2006年首次舉辦以來，“飛思卡爾”杯全國大學生智能汽車競賽已經成功舉辦了6屆。

機器人實踐教學的具體實施

機器人競賽、創新實踐是一項很好的科技創新活動，機器人的趣味性易于激發學生學習和研究的興趣，同時將創新實踐、競賽引入教學過程，使學生變被動學習為主動學習和研究。“機器人項目教學法”的一般教學結構如圖1所示：“項目教學法”最顯著的特點是“以項目為主線、教師為引導、學生為主體”，改變了以往“教師講，學生聽”被動的教學模式，創造了學生主動參與、自主協作、探索創新的新型教學模式。本文以參加2012年中國機器人大賽暨RoboCup公開賽的醫療與服務機器人組的項目為例，在比賽初期確定人員，將不同專業和不同年級的學生組成一個競賽小組，研究競賽規則、制定項目方案、機器人結構設計、電路設計、程序調試，學生分工合作，過程中集思廣益、取長補短、團結協作。這種在探索中學習的過程是其他教學環節無法實現的，對于培養學生的實踐創新能力非常重要。本文以一種醫療與服務機器人設計為導向的項目教學法，按照以下六個教學步驟進行：

1.項目的申請

本學院主要參加了醫療服務機器人、機器人游中國、擂臺等機器人項目，學生可以針對感興趣的比賽項目，或者根據江蘇省高等學校大學生實踐創新訓練計劃，申報項目，填寫申請書。教師針對學生申報的項目，分析學生的實際情況，建議選擇項目規模和難度適中的項目。中國已經進入了老齡化社會，而且在今后幾年內老齡人口數量將會呈上升趨勢，老齡化將更加嚴重。老齡化使社會的勞動力減少，一些老年人不僅不能參加勞動，而且有的甚至失去了自理能力，需要人照顧，這就增加了他們的子女以及社會的負擔。年輕人為了工作日益繁忙，在目前服務行業工作者稀缺的背景下，在醫院時不時會有行動不便的病人需要護士和家人的攙扶。而在沒有人幫助的情況下，行動不便的病人寸步難行，稍有不慎就有可能摔倒受傷。所以筆者建議學生選擇參加醫療與服務機器人創新設計與制作賽項，設計一種醫療服務機器人更好的服務病人。

2.項目團隊的建立

建立學生團隊，營造互相競爭、互相幫助的學習氛圍，學生在做項目過程中攜手合作，彌補相互間的不足，遇到問題大家一起討論解決，這讓學生體會到團隊的重要性，做到共同進步。同時，團隊的學生分工明確，每人負責項目的某一部分，使學生真正參與到項目中，整個項目的完成，離不開每一個學生，學生為使項目不會因為自己負責的部分沒有完成而主動學習，主動查資料，可以培養和提高學生的自主學習能力。學生團隊的建立，應考慮學生的專業，年紀，特長等因素。教師確定一名隊長，根據項目的特點，隊長可以自己招學生，實現學生管理學生。參加醫療與服務機器人創新設計與制作賽項，筆者選擇了5名學生，隊長由09級的一名學生擔任，該生組織能力比較強，專業能力也比較脫出，由他負責整個項目的進展，匯報工作。其他學生分別是1名2009級的，2名2010級的，1名2011級的，專業分別是自動化、測控、電氣。

3.項目任務、計劃的制定

團隊負責人制定機器人項目工作計劃，確定工作步驟。機器人是集機械、電子、控制、計算機、傳感器、人工智能等多學科先進技術于一體的智能儀器。本次設計的醫療服務機器人由小組討論決定，醫療服務機器人外形像輪椅，病人能夠獨自駕駛去化驗室拿取報告，去門診找醫生復診，降低護士工作量及病人家屬的負擔。為使醫療服務機器人更好的服務病人，該團隊為機器人設置了兩種模式：座椅模式和病床模式，免去了病人就診、休息時需要被移動到病床上的麻煩。機器人將現場鍵盤控制和遠程控制相結合，實現護士對病人的遠程監護，機器人在前進過程中，檢測到前方有障礙物時就會立刻停下，減少不必要的事故。同時機器人配備了機械手，可以幫助病人取物品，最大程度幫助病人。根據團隊中學生的專業、特長等分配任務，負責機器人機械結構設計的學生需要畫圖紙、電焊等來完成機器人結構的設計、機械手的設計；電路設計的學生制作包括單片機電路、電源穩壓電路、電機驅動電路、紅外避障電路、鍵盤輸入電路；測控專業的學生負責電路的測試、場地的制作等工作；程序編寫的學生，完成程序的設計、調試；控制界面的設計由另外一個學生負責，主要是VB編寫上位機、WIFI攝像頭的調試、藍牙通信的調試。根據機器人項目的特點，學生在制作過程中可適當地作一些調整。根據項目完成的時間確定工作步驟，進行時間分配。最終得到教師的認可才能執行。

4.項目制作

學生自己確定各自在小組中的分工，然后按照已確立的工作步驟和程序工作。基于機器人項目的作品成果形式多種多樣，可以是調查報告、實物模型、演講稿、論文等。通過展示作品成果，可反映學生在項目完成過程中所掌握的技能。本次設計的醫療服務機器人成果包括機器人模型一個、機器人設計與使用說明書一份、演講稿一份。在本項目比賽結束后，指導學生按照他們設計的醫療服務機器人撰寫論文、申請專利。

5.項目檢查評估

整個項目檢查評估采用答辯的形式向教師匯報，首先由隊長對整個項目進行匯報總結，再由隊員對自己負責的工作進行匯報和自我評估，并且對設計的醫療服務機器人進行展示，教師根據團隊成員的表現、研究成果表述和作品的展示進行檢查，為到現場比賽作準備。針對項目中出現的問題，師生共同討論，教師引導學生獨立思考問題，解決問題。學生通過對比師生評價結果，找出造成結果差異的原因

6.項目資料歸檔或應用

為使學生養成良好的習慣，項目結束后，教師監督學生將項目工作資料整理歸檔，材料包括項目申報書、進度表、機器人機械結構圖、程序設計流程、機器人控制程序、項目結項書、項目報告講義等。

機器人項目教學的成果

機器人創新實踐是一個綜合性、高難度的科技制作過程，有利于提高學生的動手能力和創新能力。在教師指導下，學生通過自己查閱資料、提出有創意的設計方案，選擇合適的元件，設計、焊接電路，編程、測試程序等，充分調動了學生的積極性，發揮學生的創造力，使學生在實踐中進一步提高自己的綜合能力。有助于將學生的興趣應用到教師的科研中，使學生們熱愛科技，投身科技，在學校形成良好的科技學術氣氛。本校參加機器人競賽源于2010年，當時參賽的賽事為“飛思卡爾”杯全國大學生智能汽車競賽、中國機器人大賽暨RoboCup公開賽、江蘇省機器人大賽、“未來伙伴”杯機器人競賽，并因此開設了機器人技術、機器人創新實踐與競賽等公共選修課；制定了《大學生創新實驗室項目負責制實施辦法》，針對項目采取一系列措施，保證學生能在項目的過程中鍛煉自己的能力，同時能保證創新實驗室項目的創新性。實踐教學效果顯著，本校代表隊在2012年第七屆“飛思卡爾”杯華東賽區比賽中，獲得攝像頭組第一名，晉級參加全國決賽的隊伍，獲得全國攝像頭組特等獎。2012年中國機器人大賽暨RoboCup公開賽獲得3項季軍，2010年“未來伙伴杯”獲得滅火比賽冠軍，受邀參加在美國舉辦的國際機器人滅火比賽。

篇8

【關鍵詞】仿真技術實踐教學數控技術應用

一、前言

仿真技術是以相似原理、信息技術、系統技術及其應用領域有關的專業技術為基礎，以計算機和各種物理效應設備為工具，利用系統模型對實際的或設想的系統進行試驗研究的一門綜合技術。它集成了計算機技術、網絡技術、圖形圖像技術、多媒體、軟件工程、信息技術、人工智能等多個高新領域的知識。在教學活動中，特別是實驗教學中引入仿真技術，將使教學方式發生根本性的變化，并能夠獲得顯著的教學效果[1]。

二、目前高職院校機電專業的實踐教學存在的問題

高職教育培養的是在生產、建設、管理、服務等第一線工作的高層次技術應用型人才，這一目標確定了“技術應用型”的中心地位。高等職業教育文化知識、專業理論知識的學習主要是為技術培養奠定基礎的，而技術的培養主要是通過實踐教學來完成的。因此，實踐教學必然成為高等職業院校教學活動的重要組成部分，處于中心地位，其開辦得成功與否決定了高職辦學的前途與命運。目前高職院校機電專業的實踐教學普遍存在以下問題：

1、實踐教學設施投入不足

由于實踐教學對師資、設備、基地建設和產學合作等硬件要求很高，所以投入不足、維護費用高、實訓設備老化等問題，就導致現有的實訓設備無法滿足學生一對一動手的需要，實踐教學內容的先進性和超前性也比較差。

2、某些實驗實訓存在有安全隱患

許多專業實驗實訓設備使用高壓鋼瓶、高壓電等危險設施；化學實驗中難免用到劇毒物質，會有廢棄物的排放，直接影響師生的健康，造成環境污染；機械加工類的實訓學生如果違規操作的話也會容易受傷，存在很大的安全隱患。

3、社會、企業參與不積極

這主要表現在實踐教學的運作過程中，行業、企業的主體作用發揮不夠。在我國，企業追求經濟效益的最大化與高職教育追求人才培養“零適應期”的目標存在矛盾，學生在實習期只能看不能動或者僅僅停留在表面，無法深入了解。因此，我國實踐教學雖也注意發揮企業作用，但尚未真正過渡到“雙主體”，即以學校和企業為主體的階段。

三、計算機仿真技術在實踐教學中的應用

近年來隨著科學技術的不斷發展，特別是計算機技術的發展，為現代化教學手段的實施提供了有力的媒介。充分運用計算機技術、多媒體技術、仿真技術就可以很好地解決傳統實驗教學的弊端，有效提高實驗教學質量。高校應加快實驗教學手段更新的步伐，運用先進的計算機技術對現有的實驗教學進行必要的改革。其中計算機仿真技術在實驗教學中的應用（仿真實驗）就是一個很好的思路，它改變了傳統的教育模式，使得教與學的方式發生了革命性的變化[2]。下面以數控技術專業為例，介紹一下運用計算機仿真技術進行實踐性教學的情況。

數控技術專業的實踐教學具有實踐性強、知識抽象等特點，仿真技術應用于數控實踐教學至少在以下幾個方面擁有明顯的優點：

1、形象性

數控加工仿真系統能創造一個與實際近乎相同的特殊環境，仿真操作面板與機床實際操作面板可以完全吻合，仿真操作與實際機床操作在面板控制部分近乎完全一致。通過軟件，學生可以從任意角度觀察數控機床加工過程，仿真過程形象生動。

1、可以極大的減少學校的投入

職業院校引入數控加工仿真系統，最直接的好處是節省了原材料、工量具、儀表設備等的投入；節省了實驗實訓室的用房面積；節省了實習耗材。

2、安全性高，便于學生自主學習

數控加工仿真系統不會對操作對象如儀表、元件、工件、刀具等造成實質性損害，更不會因操作失誤對學生造成人身傷害，還可以通過仿真中的聲、光、文字警報等對學生操作錯誤進行提醒和糾正。學生可以大膽的、獨立的進行學習和練習。

3、交互性強，方便了教師授課

數控加工仿真系統不同于電化教學，電化教學中學生是被動式、單向式，雖然直觀但不具備交互性。數控加工仿真系統過程中，學生與實習對象能進行交互，可以大大激發學生學習興趣。

4、可以學習多種機床、多種系統的不同操作

當前，數控機床的種類和生產廠家眾多，學校無法一一購買。仿真軟件提供了現在常見的數控機床和主流數控系統。教學時可根據需要選擇相應的機床和系統進行授課，使學生到工廠后能在最短的時間內融入到生產中去。

5、可以極大的提高學習效率，提高學生學習興趣

數控加工仿真系統可縮短材料、儀器或工量具的準備過程，也節省了實習完成后的回收時間，極大的提高了實習效率；仿真軟件以和實際機床相同的用戶界面及其可操作性，在很大程度上可以激發學生的學習積極性，只要有電腦，學生就能按照自己的進度，自主的選擇實訓內容。

雖然仿真技術能解決傳統實踐教學中存在的一些問題，但是不能認為仿真技術可以代替現場實踐。仿真系統缺乏真實性，學生對工藝參數是很難理解的。如：500轉/分鐘和1400轉/分鐘，0.2mm/轉和0.96mm/轉，切削深度2mm和6mm的切削用量在加工一個工件時對加工精度、機床剛性、刀具耐用度、生產效率有多大影響等。學生要具備扎實的控制儀器的經驗和動手能力，仍需要在現場操作，仿真技術與實際操作相結合能更有效達到實踐教學的目標。

總之，仿真技術應用于實踐教學大大提高了學生的素質和綜合職業能力、激發了學生的獨立思考和創新意識、降低了實訓成本，但傳統的實踐手段仍是職業院校培養學生實踐能力的基礎。找到二者的最佳結合點是目前仿真實踐技術應用和發展應該解決的問題。

參考文獻

篇9

[關鍵詞] 科學范式；大數據；智慧教育；教育技術范式；個性化自適應學習

[中圖分類號] G40-057 [文獻標志碼] A

[作者簡介] 祝智庭（1949—），男，浙江衢州人。教授、博士生導師，主要從事教育信息化理論、系統架構與技術標準、網絡遠程教育、教學與系統設計以及面向信息化的教師專業發展等研究。E-mail：。

一、科學范式（Scientific Paradigms）

美國著名科學哲學家托馬斯·庫恩（Thomas Kuhn）在《科學革命的結構》（《The Structure of Scientific Revolutions》）一書中系統闡述了關于范式的概念和理論。所謂科學范式是指“在一定時間范圍內，能為研究者群體提供樣板問題極其解決方案的普遍公認的科學成就”（Universally Recognized Scientific Achievements That， for a Time， Provide Model Problems and Solutions for a Community of Researchers）。[1]

科學范式的概念是庫恩范式理論的核心。庫恩認為，科學范式具備兩個方面，首先，在科學范圍內，該術語指的是可以被復制或模擬的一組示例性的實驗；其次，這組范例的基礎是共享的先入之見（Preconceptions），這些先入之見形成于證據收集之前，并且影響證據的收集。先入之見體現于兩方面，一是其隱含的假定，一是相關的形而上學的元素；個體科學家對該范式的詮釋可能會有所不同。[2]因此范式界定了某一研究領域的研究方法，即研究什么，研究問題的提出，如何針對研究問題進行研究活動，以及如何對研究結果進行詮釋等。同時，范式具有哲學意義，它暗示了某研究群體的研究遵循的基本理論和研究群體共享的信念和世界觀等。

庫恩同時認為，范式不是一成不變的，它在科學研究的進程中完善、發展，最終可能退出。隨著科學的發展，新的科學范式會出現，補充或者取代舊的范式，這也就成為科學發展進程中的科學革命。在庫恩看來，“科學革命”的實質就是“范式轉換”；在廣泛接受的科學范式里，發現現有理論或者范式無法解決的“例外”，因此嘗試用其他理論取而代之，該理論得以發展最終成為新的范式。在自然科學領域，范式的轉換比較明顯，如伽利略的動力學相當于近代科學的初級階段的范例，愛因斯坦的相對論則為當代科學的研究發展提供了模式。

庫恩本人認為范式這一概念不適合社會科學范疇。原因是當他在社會學者聚集的帕洛阿爾托學者中心寫《科學革命的結構》一書時，觀察到社會科學學者們在諸多理論方面存在分歧。因此他在書的前言意指出，他之所以提出范式的概念正是為了將社會科學從自然科學中區分開來，他認為在社會科學中不可能存在任何范式。然而盡管社會科學不可能像自然科學那樣在某一特定時期存在一個范式，在相對較小范圍的研究領域，如社會學、人類學、教育學等或其下屬領域內，可能存在支持這些領域的研究范式、研究傳統、研究計劃等。這些較小領域的研究特征能夠激發不同領域的研究，界定什么是或不是研究證據，以及為控制與其他相似研究領域的學術爭論。例如，斯金納行為主義和個人建構理論同屬于心理學和教育學研究范疇，這兩個心理學子學科的一個最顯著區別是對意義和意向的關注（Meanings and Intentions）。在個人建構理論中，這兩個概念屬于核心問題，但在行為主義中，它們不能作為科學證據，因為他們無法被直接觀察到。[3]另外，學者們認為，[4]雖然社會科學內也存在明顯的概念方面的改變，如從行為主義到認知方法，但是它們與自然科學范圍內的科學革命不同，原有的理論一般不會被完全摒棄，而是仍舊在新的范式占據統治地位的情況下擁有一席之地。

Thagard提出并闡述了理論（Theories）與方略（Approaches）的區別。理論是指“相關假定的集合，對大范圍的實證研究結果和事實進行解釋和歸納概括的基礎”，方略是“實驗研究方法和詮釋風格的集合”。[5]Thagard認為，由于整個社會科學領域并不存在一個統一廣泛的支持各個學科的理論基礎，社會科學的變革更多的是由于研究方略的改變，而不是源自對理論統一性的評估。也就是說，社會科學范式，更多的偏重是指研究方略方面。本文之所以提出這點，是因為本文目的之一是評估新的研究方法，即大數據（Big Data）催生的數據密集科學（Data-Intensive Science）對教育技術研究范式，即教育技術研究方法的影響。

二、悄然興起的大數據分析與應用

大數據一詞出現于1997年，NASA研究人員Michael Cox 和 David Ellsworth第一次用該詞描述上個世紀90年代出現的數據方面的挑戰，即超級計算機生成的巨大的信息數據量。當時，Cox和Ellsworth對實驗中產生機周圍的模擬氣流數據無法進行處理或者將其可視化。“數據集相當大，對主內存、本地磁盤，甚至遠程磁盤都造成挑戰，”他們寫道，“我們稱此問題為大數據。”[6]

大數據的產生與信息技術、互聯網等密不可分并且以越來越多的方式產生，[7] 如多媒體內容、社會網絡以及各類傳感器，不論是傳統的數據密集型行業如基因研究、藥學，還是互聯網新貴，都面臨著儲存分析大數據的問題。例如Facebook 擁有超過9億的用戶，并且用戶數量仍在增長；Google 每天有30億的搜索查詢，Twitter 每天處理4億次的短信，相當于大約12TB的數據量。

時至今日，大數據尚沒有系統統一的定義和理論，學者們一般只是用該術語描述難以用傳統軟件和方法分析的超大量的復雜的數據。[8]Laney[9] 首先提出用“3Vs”（Volume，Velocity，Variety）的概念，在此基礎之上，IBM [10]用“4Vs”描述大數據，即大數據應該具備四個維度，大體量（Volume）、高速度（Velocity）、多樣化（Variety）和真實性（Veracity）。大體量是指各種類型的不斷增長的數據很容易積累到百萬兆字節甚至千兆兆字節（Terabytes—Even Petabytes）的信息。高速度是指及時處理大數據的必要性，例如分析大量的當日呼叫詳細記錄可以實時預測客戶流失的程度等。多樣化是指數據形式的多樣性，如可以分析多種數據的變化包括文本、圖像、音頻等來提高客戶滿意度等。真實性則意味著大數據提供信息的可信度，以及據此決策的可靠程度。還有些學者[11]（Quinn， 2012）認為應該加入另外兩個V：Value （價值）和 Visualization （可視化）。關于類型，學者們認為數據，不論是否是大數據都分屬三種類型：非結構化數據、半結構化數據、結構化數據。[12][13][14]非結構化數據指沒有格式的數據，如PDF、E-mail 和文檔。結構化數據具備一定格式，便于存儲、使用和從中提取信息，例如傳統的事務型數據庫。半結構化數據是指類似XML和HTML 的有一定加工處理的數據。

大數據的應用和影響體現在各個領域。大數據不只意味著體量的大小，它同時意味著研究方法更傾向于利用新的多種類型的數據獲取信息，以數據為基礎進行研究，并作出決策。在天文研究方面，美國的The Sloan Digital Sky Survey[15] （SDSS2008）成為天文學家的主要信息來源，同時，天文學家的主要工作也從包括拍攝星空圖片等變為主要應用數據庫查詢和發現天象的變化。對企業來說大數據的應用則意味著更好的商業決策，有些公司如Google、Amazon，Yahoo等，分析利用此類數據，并將其結果作為擴張市場的依據或者提供個性化服務的方向，因此公司得以快速成長。大數據的出現和潛在的價值也引起了各國政府的注意。例如，奧巴馬政府2012年宣布，每年將花費超過2億美元在大數據研究應用方面，以致力于科學探索、環境、生物醫學、教育和國家安全方面的研究。[16]在教育領域，隨著遠程教育的發展和LMS（如Blackboard 和 Moodle等）的應用，大數據的潛在應用也越來越廣。這些系統每天都記錄大量的學生交互信息、個人數據、系統數據等。[17]這些也促進了教育界學習分析學（LA， Learning Analytics）和教育數據挖掘（EDM， Educational Data Mining）的發展應用，以及教育技術領域的研究范式的變化。

三、“數據密集科學”作為科學研究第四范式所帶來的機遇與挑戰

大數據作為一個通用術語，實際描述著正在發生的影響到自然科學、工程學、醫學、金融、商業、直至整個社會的科學革命。正是基于大數據的出現以及影響，Jim Gray[18]在2007年提出了數據密集型科學（Data-Intensive Science）的概念。Gray 認為，從進行科學研究的方法的角度來看，從古至今存在的科學研究方法范式包括：

1. 實證式（實驗科學）（Empirical/Experimentation）分支，開始于1000年前，主要的研究方法是對自然現象的描述論證，對自然現象進行系統歸類，如對化學元素的分類；

2. 理論式（理論推演）（Theoretical）分支，當科學假設與預期結果一致時，則使得理論框架開始占有一席之地，出現于數百年前，主要采用建模方式，由特殊到一般進行推演；

3. 計算式（計算機仿真）（Computational）分支，開始于幾十年前，主要方法為利用計算方式模擬復雜現象，科學數據可以用模擬的方法獲得，而不再依賴于單一的實驗；

4. 數據密集型科學（Data-Intensive Science），在前三種方法的基礎之上，采用IT技術獲取、處理、存儲、統計分析大數據，從中獲取知識。

數據密集型科學被稱之為科學研究的“第四范式”，與其他三種范式一起成為科學研究的方法，它的出現與大數據密切相關。因此，Gray提出的“范式”更接近于Thagard[19]提出的“方略”。

Gray[20]認為，數據密集科學包含三項針對數據的活動：獲取、存儲維護、分析。大數據給科學研究帶來巨大改變的同時，也意味著多方面的挑戰。學者們認為，整個數據獲取到分析的過程都存在不同的困難和挑戰。[21]例如，在獲取數據時，如何摒棄無用的數據，如何做到在數據收集的過程中過濾數據以免卻儲存之后再進行處理的麻煩；同時，如何自動產生元數據（Meta Data）對數據進行描繪。其次是數據存儲，即數據庫存問題，事務性數據庫不適合存儲關系不明確的大數據。在分析方面，傳統的統計算法的前提是數據的同質性（Homogeneity），大多數大數據不具備此特性。針對這些挑戰（大數據的非結構化，具有多樣性，同時數量巨大），傳統的關系數據庫無法滿足要求；NoSQL （Not Only SQL）數據庫則為存儲和檢索大數據提供了可能。Google的Google File System、Big Table、Map Reduce 代表了這方面的技術創新。

在《第四范式：數據密集型科學發現》[22]一書中，多位作者提出了各個科學領域的研究與大數據結合的必要性和數據密集科學對不同領域科學研究方法的影響，包括地球與環境科學、生命與健康科學、數字信息基礎設施和數字化學術信息交流等。他們也描述了大數據以及數據密集科學影響下不同領域的科研活動、過程、方法以及成果，拓寬了不同學科領域應用大數據的思路。例如，Robertson[23]等在討論發展中國家的醫療合作時，描述了他們的以計算機和手機結合為基礎的NxKM （NxOpinion Knowledge Manager）系統。該系統包括一個有專家開發的知識庫、一個醫療診斷引擎和一個手機界面，用來輸入患者信息并根據該信息自動產生問題（多項選擇），以從患者獲得更多信息。因此，雖然患者信息可以由當地人連接輸入系統，但該信息由遠程專家分析，因此，多方面的合作以及信息數據的綜合使用，使得診斷結果和診治手段也將更加可靠。該書雖然涵蓋了多方面內容，包括信息密集型科學研究范式對地球環境、醫學、認知科學、學術信息交流等方面的深刻影響，但沒有涉及大數據對教育，尤其是教育技術的影響。

四、教育技術研究范式演變軌跡

本文對教育技術不做定義方面的明確界定，它基本等同于英語的Educational Technology、Instructional Technology或者Instructional Development[24]（Dills & Romiszowski， 1997），其研究核心是應用技術支持教學和學習。教育技術研究的核心方略是設計研究，本文從研究范式的角度出發，主要目的是看教育技術的范式的特點、演變以及大數據對教育技術研究可能產生的影響。

首先，學者們認為，在教育技術領域，正如整個社會科學領域，從來都是多范式并存的。即從未有過只有一個范式存在而其他范式完全退出教育技術學術圈的情況，盡管也許在某個時期存在一個占據主要地位的范式。[25]例如當斯金納心理學占據統治地位的時候，與之對壘的非斯金納行為主義地位次之，同時之前影響最大的弗洛伊德心理學的影響依然在某種程度上存在，而未來的范式（認知信息加工理論）也開始嶄露頭角。另外，Saettler[26]認為20世紀的教育技術領域存在四種范式：物理科學或者媒體理論、傳播學和系統理論、行為主義和新行為主義觀點、認知理論。也有些學者描述了教育技術研究和評估領域內的范式變化，如Driscoll[27]概括了八種教育技術研究范式，Clark 和Sugrue[28]描述了媒介研究（Media Research）中行為主義和認知理論范式對于研究設計和研究問題形成的影響。其次，Reigeluth[29]認為，教育技術范式的改變是從整個社會的變化開始，而且其改變的速度隨著人類知識庫的迅速增長和科技的高速發展越來越快。大部分的教育技術范式研究中囊括了多種的技術應用，同時很多研究更偏重于理論方面的變遷，而Koschmann則詳細論述了計算機為基礎的教育技術范式演變。[30]

Koschmann認為：[31]在計算機進入教育領域后，教育技術作為一個獨立的研究領域才開始出現，因此針對教育技術范式的研究也應該集中在以計算機為基礎的技術方面；同時他認為教育技術研究也經歷了一系列范式轉換。他應用庫恩的理論，主要描述了四種涉及計算機的教育技術范式，即計算機輔助教學（CAI， Computer-Assisted Instruction）、智能教學系統（ITS，Intelligent Tutoring System），Logo-as-Latin以及計算機支持的協作學習（CSCL，Computer-Supported-Collaborative Learning）。

Koschmann強調，CAI主要是針對教學技術的設計和評估的研究范式，他在后來的研究中認為，[32]CAI并非與計算機同時出現，相反，它可能是桑代克（Thorndike）教育心理學研究范式的延伸和擴展。IBM公司開發的Coursewriter（一種課件著作軟件）被認為是CAI開始的標志，即使沒有任何編程經驗，人們也可以用該系統開發自己的教學課件。由于CAI開發人員大部分具有教學背景，CAI系統大多反映了教育界對教和學的認知，即學習是被動獲取信息的過程，而教學則是知識傳遞的過程。CAI系統一般貫徹如下學習策略和措施：確定學習目標，將學習目標分解為一系列學習任務，然后開發一系列學習活動，以達到預定學習目標。CAI同樣以行為主義和實證主義為理論基礎，因此CAI研究人員認為學習是可測量的學習成績或者能力水平的變化，學習是CAI 研究中的因變量，而學習過程中引進的技術方面的創新成為干預措施和自變量。對照組的使用在研究中很常見，研究問題通常為：使用該項技術對教學有何影響？因此，教學效驗（Instructional Efficacy）成為該范式下的核心研究問題。

第二個范式為ITS，起源于人工智能，以Carbonell[33]的博士論文的出現為標志。ITS理論認為，認知是一個計算過程，可以通過建立模擬人腦工作模式的智能型系統來研究。[34]如果智能型行為可以通過系統程序表現，那么具備經驗和技能的教師的角色也可以設計出來。由于一對一教學被認為是金牌標準，[35]因此可以推斷出如果每個學生都有個人的導師，那么整個社會的教育水平都會相應得到提高，這也是智能教學系統研究范式的基本理念。信息加工理論是人工智能前提之一，它認為問題解決是定義問題空間的表征（Representations）的過程，包括初始狀態、目標狀態以及不同狀態之間的一系列運作。在此基礎上，表征成為解決問題和理解認知過程的中心問題，而學習則成為獲取正確的問題空間的表征的過程，教學則是輔助學習者獲取表征的活動。在此過程中技術的角色與其在CAI中并沒有本質不同——然而人工智能系統更注重交互性，也更偏重于復雜技能的習得。與CAI不同，智能教學系統范式的核心研究問題是教學能力，即該系統是否完全能與嫻熟的真正的導師相媲美。因此，研究問題更看重的是系統的效果，而不是學生的成績。

計算機輔助教學與人工智能系統盡管有所不同，但從認知論的角度說，他們都屬于現實主義和絕對主義（Realist and Absolutist），即認為學習是被動獲取知識，而教師是絕對權威。[36]

第三個范式為Logo-as-Latin，意指像學習拉丁語一樣看待LOGO語言的學習。其中LOGO是上個世紀60年代由MIT數學教育實驗室Papert教授領銜開發的程序語言，主要供兒童在編程的過程中學習。該范式以建構主義為理論基礎。建構主義起源于皮亞杰的發展心理學，認為學習是新的信息與已有的知識融合同化的過程。有學者認為，計算機編程可以成為建構主義學習方式的重要角色。[37]例如學生可以建立模擬系統，在此過程中，學習者成為“教師”，而計算機則開創了一個新的教育技術在學習中的角色，即成為“被輔導者”。與CAI不同的是，CAI研究關注教學效果，而Logo-as-Latin研究更專注于教學遷移。編程教學被看作干預手段，學習者在其他相關學習任務上的成績被看作因變量。然而，在后期的文章中，Koschmann認為，[38]Logo-as-Latin與CAI同樣起源于傳統教育心理學，與CAI密切相關，因此應該將它看作CAI的一個變種，而不是獨立的教育技術研究范式。

Koschmann提出的第四種范式是CSCL。CSCL與前三種范式有很多不同之處。首先，前三種研究范式都是建立在心理學基礎之上，其本質是行為主義和認知主義。而CSCL的基礎是人類學、社會學、語言學以及傳播學等。具體說來，其理論基礎包括（不限于）社會建構主義、社會文化理論以及情景認知理論等。社會建構主義認為知識的建構本質上是社會性過程；社會文化理論以維果斯基的文化—歷史理論為代表，強調語言在智力發展過程中的作用；情景認知理論認為，學習是進入實踐共同體（Community of Practice）的過程，“要想學會如同真正的專業從業人員那樣使用一個工具，一個學生就應該像一個學徒，必須融入該社區及其文化。因而，在相當大的程度上，學習是，我們相信，一個文化熏陶的過程”[39]。因此CSCL范式中，學習的社會性和文化性成為核心問題。不同于前三種范式針對的問題（教學效果、教學能力、教學遷移），CSCL被稱為“演繹的實踐性教學”（Instruction as Enacted Practice）。CSCL研究范式有幾個特點：（1）研究問題比較集中在學習過程而不是結果；（2）研究多傾向于描述性，而不是實驗性；（3）很多研究者樂于以參與者（CSCL成員）的角度研究合作學習的過程。因此CSCL研究著眼于參加者的談話，合作過程中使用的工具，合作小組的成果等。CSCL范式下的研究問題包括：學習如何在學習者的語言中表現出來？社會性因素如何影響學習過程？技術如何在合作學習中應用？Koschmann將這這四種范式做了簡單對比，見表1。

五、數據密集科學影響下的教育技術

研究范式：個性化自適應學習

數據密集型研究方法捕捉了整個信息時代帶來的大數據的基本整體影響。在不同的領域，研究方法的側重和目的不同，因此各有特點。如在工業界，商業智能系統（Business Intelligence System）體現了大數據對決策的影響。在教育領域，美國教育部在一份簡報中指出，[40]大數據在教育領域的具體應用主要為學習分析學（LA， Learning Analytics）和教育數據挖掘（EDM， Educational Data Mining）。EDM 和LA 之間沒有明確的分界線，但它們的起源、理論和目標不盡相同，并且逐漸成為涇渭分明的兩個研究領域。

EDM 的目的是研究和利用統計學、機器學習和數據挖掘方法來分析教和學的過程中產生的數據。學者們認為，EDM的研究目的包括以下方面：[41]（1）應用多方信息如學生的知識程度、動機、元認知、學習態度等建立學生模型，并以此預測學生的學習行為；（2）發現或改進學習內容展現和最佳教學序列的領域模型；（3）研讀由學習軟件提供的不同的教學支持的效果；（4）建立包括學生、領域模型和教學軟件的計算模型，推動關于學習和學習者的科學研究。

美國教育部的簡報中總結了EDM針對和所要回答的問題：[42]（1）什么樣的教學順序（不同學習主題）對不同特點的學生最有效？（2）什么樣的行為與更好的學習成績相關（如較高的課程學習成績）？（3）什么樣的學生的行為指標預示了學生的滿意程度、參與度和學習進步，等等？（4）什么特點的在線學習環境能導致更好的學習成績？（5）什么因素能夠預測學生取得成功？

Siemens將LA定義為“關于學習者以及他們的學習環境的數據測量、收集、分析和匯總呈現，目的是理解和優化學習以及學習情境”。[43]LA的一個重要應用是監測和預測學生學習成績，及時發現潛在問題，并據此作出干預，以預防學生在某一科目或者院系課程學習中產生風險。[44]相比于EDM，LA借鑒了更廣泛的學科，除了計算機科學、統計學、心理學、學習科學，還引進并應用信息學和社會學的理念和技術。[45]LA回答的問題如下：（1）什么時候學生可以進行下一個學習主題？（2）什么時候學生可能在某一門課程中落后？（3）什么時候某個學生可能有完不成一門課程的風險？（4）如果沒有干預補救措施，學生可能得到什么樣的成績？（5）對特定學生來說，下一個最好的課程是什么？學生是否需要特殊幫助？

美國教育部[46]的簡報中總結了應用EDM和 LA 的范疇：（1）用戶知識模擬、用戶行為分析、用戶經驗分析；（2）用戶分類/分組（Profiling）；（3）知識域模擬如學習課題分類排序等，知識元素與相應的教學原則分析；（4）趨勢分析；（5）自適應和個性化學習。

應用LA和EDM數據分析結果，教師可以更好地了解學生，理解和觀測學生的學習過程，發現最合適的教學方法和順序，及時發現問題并進行干預，以提供個性化的學習服務為主旨。現在已經研發出的應用系統案例有普渡大學的“課程信號系統”（Course Signals System，以下簡稱Signals）[47]、在美國加州大學圣巴巴拉分校以及阿拉巴馬大學使用的Moodog，[48] 以及美國西部州際高等教育委員會教育技術合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育大數據分析項目——預測分析報告（PAR，Predictive Analytics Reporting）系統。[49]

Signals系統通過數據挖掘和統計預測模型，根據多個變量（表現指標包括：現有平均分和努力程度，如學生LMS的交互頻率；個性特點指標包括學術準備，如高中平均分和各項標準考試成績；學生特點，如是否為美國居民、年齡和選修學分）來預測學生是否能夠完成/通過該課程。Signals 在課程進行的過程中，以交通信號指示燈的方式，讓學生了解自己的學習狀況：課業良好（綠色），課業中度危急（黃色），或者課業嚴重危急（紅色）。同時教師可以提供給學生有效的反饋信息，引導學生使用合適的資源等來提高成績。[50]Moodog的主要功能是跟蹤記錄學生在課程管理系統（CMS，Course Management System）上的學習活動，其基本目標有兩個：（1）為教師提供學生與在線學習材料交互情況；（2）幫助學生將自己的學習行為和進程與其他學生相比較。[51]

PAR[52]的主要目的是應用EDM技術，分析跨越多所高等院校的學生數據，以期發現并確認影響學生退學/以及是否能夠畢業的因子，并據此實施有效的教學干預。參與PAR的高校包括兩年制和四年制高校，有公共學校和私立學校，亦有傳統高校和非傳統高校如網絡大學。已經有16個WCET成員機構提交了1，700，000條匿名和去身份標識的學生記錄以及8，100，000條課程級別數據記錄。所有高校使用統一的數據模型，該數據模型包括以下核心數據元素。（1）總體元素：基本框架，描述所有PAR數據的基本概況。（2）學生一般元素：描述學生人口數據和學術背景信息。（3）學生課程元素：描述學生參加的課程和學生的課程成果。（4）學生的學術元素：學生級別的數據。（5）課程目錄的元素：教育機構開辦的PAR學生就讀的課程細節信息。（6）學校元素：學術單位的具體信息。

應用描述、推理和預測分析技術，PAR項目初步發現32個影響學生學習以及退學的普通變量（多為學生特點變量），包括性別、種族、學位種類、多種專業、課程數量、班級人數等。其他發現如學生的性別、年齡以及種族與該生是否會退出某門課沒有關系。該研究仍在繼續。

這些系統目前的主要功能是分析學生的網上學習活動，判斷實施干預措施的時間以及方法等；其潛在功能則可能包括教師可以根據學生使用學習資源的情況發現哪些最受學生歡迎或者哪些活動影響學習成績，提供適合不同學生需要的學習材料；調整學習順序或者學習活動等；最終，完善的學習系統可以根據學生的特點（學習風格、已有知識、動機情況等）引導學生使用適合自己特點的學習材料和學習路徑。因此EDM和LA在教育技術領域內的應用最終指向個性化學習和自適應學習環境的研究和開發。

美國教育部簡報認為應用LA和EDM技術達成預測學生學習和干預學習過程的自適應學習環境應該包括六個部分：[53]（1）自適應學習內容，通過與學生的交互活動，可以辨別學生的水平和能力，因此可以管理、維護和呈現適合特定學生的學習內容；（2）學生學習數據庫，用來獲取存儲學生與學習內容的互動，包括時間和行為等；（3）預測模型，應用學生學習數據和人口統計數據（儲存在另外的數據庫中，如年齡種族等），追蹤學生學習過程，預測未來行為以及成績，如課業成績，是否有可能輟學等；（4）可視化報告，將預測模型產生的結果用儀表盤形勢表現出來；（5）自適應引擎，用來操控學習內容，確保學習內容適合學生的能力和特點；（6）干預引擎，教師、管理員、系統開發人員等可否決系統提供的建議進行人為干預。除了六個自適應系統內部組成部分外，還包括一個外部的學生信息系統。這個信息系統是由學校學區或者地區教育部門持有維護的學生背景信息資料，如年齡、性別、所學過的課程、成績、學習風格等。預測模型可以從中獲取數據作為預測學生行為成績等的部分依據。圖1提供了自適應學習系統的概況。

圖1中的箭頭和數字表示自適應學習環境中的數據流的方向和順序。整個自適應學習系統包括三個信息反饋回路數據流（Feedback Loop）。數據流的第一步是學生與學習內容的交互，交互內容被儲存于學生學習數據系統里（第二步），第三步則是預測模型抽取學生學習數據和背景數據，應用LA和EDM技術進行分析，然后將結果傳遞至自適應引擎（第四步），自適應引擎據此針對特定學生作出學習方面的調整，而這些調整則通過學習內容策略等的改變表現出來。同時，預測結果也可以通過數據儀表盤（數據可視化面板）傳達給教師和管理人員（第五步）。當學生、教師，管理人員等得到相關信息時整個反饋回路得以完成。學生通過自適應引擎獲取的反饋信息包括學習活動情況、學習目標/技能完成程度、測評結果等，學生可據此更好地進行自我調節學習（Self-Regulated Learning），如在自己尚未完全掌握的學習內容上投入更多時間、改變學習策略等。教師方面獲得的信息則包括學生整體學習情況以及每個學生的學習情況，教師可以根據這些信息做出課程內容以及進度方面的調整，例如決定是否對個別學生進行干預，提供更多學習資料等。管理人員獲取的信息則是包括多門課程、多個學生和教師的情況。根據整體信息，管理者可以知道哪門課程的學生成績不盡如人意、哪些特點的學生的成績更出色等。管理層可以據此作出決策，如增加某門課程作為另一課程的先決條件（Prerequisite）等。

美國教育部簡報中的自適應學習系統通過LA和EDM，引導學生了解自己的學習狀況，為教師的教學干預提供依據，也使得管理層更好地進行決策。然而，以數據密集科學為基礎，LA和EDM 技術能夠更好地分析學生的需要和特點，從而使得學習更傾向于個性化。因此我們認為基于數據密集科學的自適應學習系統應該體現個性化的學習特點，下一個教育技術研究范式是個性化自適應學習（Personalized Adaptive learning，簡稱PAL），即在自適應基礎之上，學習內容更體現學生特點和需求。根據學生的特點（已有知識，學習風格等）和其他信息（年齡，性別，興趣等）數據可以將學生分組（Profiling），學習系統可以根據學生特點和需要推薦學習內容，教師針對不同特點的學生提供豐富的學習材料，學生同時可以自己選擇學習材料、測評方式等。圖2提供了PAL系統的基本結構。

圖2中虛線部分代表了學習內容生成的過程：學生背景數據（以往成績、所學課程、學習風格等）導入預測模型，分析生成可視化數據，教師據此設計適合不同特點學生組的不同學習內容。圖2的實線箭頭部分代表了自適應學習過程和數據流。自適應學習過程與圖1一樣，由三個反饋回路組成。

不同于以往的個性化學習和自適應學習的是，PAL環境將以大數據為基礎，納入EDM和LA數據分析和結果，因此能夠提供更適合特定學生的學習內容，獲取更多和更精確的學習者信息和學習活動信息，更好地分析學習過程模式和學習活動有效性，更準確地進行學習評估等。

PAL與Koschmann的四個教育技術范式相比較，其獨特之處在于它傾向于利用多方面數據：一方面根據已經存在的數據，提供適合學生特點和需要的學習內容；另一方面分析已有數據和學習過程中產生的數據，根據結果發現問題，并采取個性化干預措施。因此其基礎為數據密集科學，同時體現了以學生為中心，根據學生的個性特點，發展潛能來進行教學的人本主義的教學觀念。

六、機遇與挑戰

個性化自適應學習能夠體現“以學習者為中心”的學習理念，并且與智慧教育[54]的主張不謀而合，成為教育技術的一個新的研究范式。智慧教育主張借助信息技術的力量，創建具有一定智慧特性（如感知、推理、輔助決策）的學習時空環境，旨在促進學習者的智慧全面、協調和可持續發展，通過對學習和生活環境的適應、塑造和選擇，以最終實現對人類的共善（對個人、他人、社會的助益）。智慧教育充分體現了“以學習者為中心”的思想，強調學習是一個充滿張力和平衡的過程，揭示了“教育要為學習者的智慧發展服務”的深刻內涵。

智慧學習環境的一個基本特征是：基于學習者的個體差異（如能力、風格、偏好、需求）提供個性化的學習服務；并記錄分析學習歷史數據，便于數據挖掘和深入分析，數據結果用于評估學習過程、預測未來表現和發現潛在問題，并以數據分析結果進行干預。因此以大數據為基礎的個性化自適應學習將成為智慧學習環境的重要組成部分。同時，EDM和LA能夠為高校提供有效信息，對學生進行干預，最終能夠提高學生成就，降低輟學率，提升畢業率。

另外，大數據除了支持學習過程分析外，還可以在知識表征（概念提取、本體建立、可視化）與利用（自動翻譯、答疑）方面大有可為，因此，除PAL方式外，大數據能夠促進個性化學習服務與社會智慧發展，促進人本主義教育理念的實現，并且成為社會知識生態發展模式的重要組成部分。

總而言之，大數據為教育技術的發展帶來很多可能性，例如創建個性化自適應學習環境、知識發現工具、管理決策平臺等，同時它的應用面臨諸多挑戰。首先是來自數據方面的挑戰：如何儲存海量的非結構化數據，例如學生的討論等文本數據？如何分析這些復雜數據？如何真正理解數據結果并傳達給非數據專業人員？只有當大數據管理技術、數據分析以及數據可視化工具方面取得突破性進展，才有可能真正實現以學習者為中心，滿足不同學習者的需要的個性化自適應學習環境。其次，數據密集型科學的應用在教育方面的體現主要是LA和EDM，通過數據使得學習過程透明化，并以數據為基礎分析學生的行為和學習成績。這些數據可以傳達“發生了什么”，而不能回答“為什么”，尤其是那些數據中沒有體現出來的原因。因此如何將無法從數據中觀察到的因素，如學生的學習動機、情感等納入干預設計，仍有待進一步研究。

[參考文獻]

[1] Thomas S.Kuhn. The Structure of Scientific Revolutions（3rd Edition）[M]. Chicago： University of Chicago Press， 1996：10.

[2] T.S.Kuhn.The Structure of Scientific Revolutions（2nd Edition） [M]. University of Chicago Press，1970： 88 and 41respectively.

[3] Wikipedia， the free encyclopedia[EB/OL].http：///wiki/Paradigm.

[4] [5] [19] P.Thagard. Conceptual Revolutions[M]. Princeton， NJ： Princeton University Press，1992.

[6] U.Friedman（2013）. Big Data：A Short History[DB/OL].[2013-05-10].http：///articles/2012/10/08/big_data？page=0，1.

[7] [12] Purcell，B.. Theemergence of “big data” Technology and Analytics. Journal of Technology Research[DB/OL].[2013-05-10].http：///manuscripts/121219.pdf.

[8] C.Snijders，U.Matzat，U.-D.Reips.‘Big Data’：Big Gaps of Knowledge in the Field of Internet Science[J].International Journal of Internet Science， 2012，（7）：1～5.

[9] Doug Laney. 3-D Data Management： Controlling Data Volume， Velocity and Variety[DB/OL].[2013-04-10].http：///doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf.

[10] IBM[DB/OL].[2013-05-10]http：///software/data/bigdata/.

[11] E.Quinn. The 6 Vs： The BI/Analytics Game Changes so Microsoft Changes Excel[DB/OL].[2013-05-10].http：///blogs/the-6-vs-the-bianalytics-game-changes-so-microsoft-changes-excel/.

[13] C.Coronel， S.Morris， P.Rob. Database Systems： Design， Implementation， and Management（10th Ed.）[M]. Boston： Cengage Learning， 2013.

[14] P.Baltzan. Business Driven Information Systems，（3rd ed.） [M]. New York： McGraw-Hill，2012.

[15] SDSS-III： Massive Spectroscopic Surveys of the Distant Universe， the Milky Way Galaxy， and Extra-Solar Planetary Systems [DB/OL].[2013-01-10].http：///collaboration/description.pdf.

[16] White House OSTP. Obama Administration Unveils “Big Data” Initiative： Announces $200 Million In New R&D Investments[DB/OL]. [2012-03-29]http：//whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.

[17] R.Mazza，C.Milani.GISMO： A Graphical Interactive Student Monitoring Tool for Course Management Systems[DB/OL].[2012-01-10].http：//linux3.dti.supsi.ch/～mazza/Web_area/Pubblicazioni/TEL04/TEL04.pdf.

[18] [20] J.Gray. Jim Gray on eScience： A Transformed Scientific Method[R].The Fourth Paradigm：Data-Intensive Scientific Discovery，2009.

[21] Agrawa， et al.. Challenges and Opportunities with Big Data [DB/OL].[2013-05-11].http：///ccc/docs/init/bigdatawhitepaper.pdf.

[22] T.Hey，S.Tansley， K.Tolle（Eds.）.The Fourth Paradigm： Data-Intensive Scientific Discovery. Redmond， Washington. UNT Digital Library[DB/OL].[2013-04-23].http：//digital.library.unt.edu/ark：/67531/metadc31516/.

[23] J.Robertson，D.DeHart，K.Tolle，D.Heckerman. Healthcare Delivery in Developing Countries： Challenges and Potential Solutions[A]. T.Hey， S.Tansley， K.Tolle.（Eds.）. The Fourth Paradigm： Data-Intensive Scientific Discovery[C]. Redmond， Washington，2009：65～73.

[24] [25] C.R.Dills，A.J.Romiszowski.The Instructional Development Paradigm：An Introduction[A]. C.R.Dills， A. J. Romiszowski （Eds.）.Instructional Development Paradigms[C]. Englewood， NJ： Educational Technology Publications， Inc，1997.

[26] P.L.Saettler. The Evolution of American Educational Technology [M]. Englewood， CO： Libraries Unlimited，1990.

[27] M.P. Driscoll. Paradigms for Research in Instructional Systems[A]. In C. R. Dills， and A. J. Romiszowski （Eds.）.Instructional Development Paradigms[C]. Englewood， NJ： Educational Technology Publications， Inc，1995.

[28] R.E.Clark， B.M.Sugrue. Research on Instructional Media， 1978-1988[A]. G.J. Anglin （Ed.）. Instructional Technology： Past， Present and Future （2ed ed.） [C]. CO： Libraries Unlimited.

[29] C.M. Reigeluth. Educational Systems Development and Its Relationship to ISD[A]. G.J. Anglin （Ed.）.Instructional Technology： Past， Present and Future （2ed ed.）[C]. CO： Libraries Unlimited.

[30] [31] [38] T.Koschmann. Paradigm Shifts and Instructional Technology[A]. CSCL：Theory and Practice of An Emerging Paradigm [C]. Mahwah， NJ：Lawrence Erlbaum， 1996：1～23.

[32] T.Koschmann. Revisiting the Paradigms of Instructional Technology[A].Proceedings of the 18th Annual Conference of the Australian Society for Computers in Learning in Tertiary Education[C]. 2001：15～22.

[33] J.Carbonell. Mixed-Initiative Man-Computer Instructional Dialogues[D]. Massachusetts Institute of Technology， 1970.

[34] Z.Pylyshyn. Computing in Cognitive Dcience[A]. M. Posner （Ed.）. Foundations of Cognitive Dcience[C]. Cambridge， MA： MIT Press，1989：51～91.

[35] B.S.Bloom. The 2 Sigma Problem： The Search for Methods of Group Instruction as Effective as One-to-One Tutoring[J]. Educational Researcher， 1984，13（6）：4～16.

[36] M.Schommer. Effects of Beliefs about the Nature of Knowledge on Comprehension[J]. Journal of Educational Psychology， 1990，82： 498～504.

[37] S.Papert. Mindstorms[M]. New York： Basic Books，1980.

[39] J.S.Brown， A.Collins， P.Duguid. Situated Cognition and the Culture of Learning[J]. Educational Researcher， 1989，18（1）：32～42.

[40] [42] [45] [46] [53] U.S. Department of Education， Office of Educational Technology. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief， Washington， D.C.[DB/OL].[2013-05-20].http：//ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.

[41] R. S. J. D.Baker， K. Yacef. The State of Educational Data Mining in 2009： A Review and Future Visions[J]. Journal of Educational Data Mining， 2009，1（1）：3～17.

[43] G.Siemens. Learning Analytics A Foundation for Informed Change in Higher Education[DB/OL].[2013-01-17].http：///gsiemens/learning-analytics-educause.

[44] L.Johnson， R. Smith， H. Willis， A. Levine， K. Haywood. The 2011 Horizon Report. Austin， TX： The New Media Consortium. [DB/OL].[2013-05-20].http：//net.educause.edu/ir/library/pdf/HR2011.pdf.

[47] K. E.Arnold. “Signals： Applying Academic Analytics[DB/OL].[2013-04-18].http：//educause.edu/EDUCAUSE+Quarterly/EDUCAUSEQuarterly MagazineVolum/SignalsApplyingAcademicAnalyti/199385.

[48] EDUCAUSE. 2010. Next Generation Learning Challenges： Learner Analytics Premises[DB/OL].[2013-04-18].http：//educause.edu/Resources/NextGenerationLearningChalleng/215028.

[49] [52] WCET Predictive Analytics Reporting （PAR） Framework [DB/OL].[2013-05-11].http：//wcet.wiche.edu/advance/par-framework.

[50] R.Ferguson. The State of Learning Analytics in 2012： A Review and Future Challenges[DB/OL].[2012-12-11].http：//kmi.open.ac.uk/publications/pdf/kmi-12-01.pdf.

篇10

關鍵詞：創新思維；案例；培訓；創造力；創新

中圖分類號：G642.0；F230.9 文獻標志碼：A 文章編號：1673-291X（2017）02-0177-04

引言

創造力是創新的根本推動力，是21世紀人類的重要生存能力，對于學生教育與成人發展均有不可忽視的價值。創造力在人類歷史的長河中發揮著不可替代的作用，但是教育領域對創造力的重視卻十分不夠，很多人甚至認為創造力只能是一種天賦，無法加以培養與提升。早在1950年，美國心理學會主席吉爾福特在他的就職演講上就明確提出人人均有創造力，他大聲呼吁學術界對創造力關注得太少。他的這次重要發言在學術界產生了重大的影響，隨后，越來越多的心理學領域與教育學領域的學者投入到了創造力研究中。創新思維是創造力研究領域的一個重要主題。創新思維是創造力的關鍵成因，創新思維對商業成功的影響近年已經引起了學術界和商界的關注，哈佛等知名大學已經為商科的學生開設了創造力課程，來提升學生們的商業創新能力。但是，由于創新思維是一個抽象與復雜的領域，有關創新思維與商業成功的關系，以及如何提升商業領域的創新思維還是十分模糊。本文通過對前人研究的分析，提出創新思維的七要素模型，并將它們與商業案例進行匹配，旨在分析商業創新思維的內涵。最后，就如何提升商業創新思維提出相關建議。

一、創新思維的內涵與可提升性

（一）創新思維的內涵

1967年，美國心理學家吉爾福特提出了“智力三維結構”模型。吉爾福特認為，人類智力應由三個維度的多種因素組成：第一維度是指智力的內容，包括圖形、符號、語義和行為等4種；第二維度是指智力的操作，包括認知、記憶、發散思維、聚合思維和評價等5種；第三維度是指智力的產物，包括單元、類別、關系、系統、轉化和蘊涵等6種。它們共同組成了120種獨立的智力因素。他認為，創造性思維的核心是其中的第二維度：“發散思維” （盧家楣，1987）。

后續研究者進一步提出，創新思維是發散思維與聚合思維的統一。認為發散思維是指個體不依常規方式“從給定的信息中產生新信息，并從同一來源中產生各種各樣、許許多多輸出”的思維形式（劉春雷，王敏，張慶林，2009）；聚合思維則是個體利用已有知識經驗或傳統方法分析給定信息，并從中獲得一個最佳答案的思維形式。如庫恩（1987）認為，創新思維是發散思維與聚合思維的有機統一，并且兩者之間要保持著“必要的張力”。吉爾福特后來也認為，收斂思維與發散思維的結合是創新思維的基本運動形式（1991）。持有相似觀點的包括沃建中等人（沃建中，王福興，林崇德，劉彩梅，2007），他們在對中學生創造性思維的研究當中同樣認為，創造性思維是發散思維和聚合思維的統一，創新不僅思維要發散，同時也需要概括性和邏輯性等聚合思維的參與。相似地，日比野省三提出了創新思維是“展開與整合的思維方式”，指在決策過程中的每一個步驟都應該首先選擇展開，然后再將它們整合，以做出最好的決定。即首先應該將解決問題要達到的目的展開，確定一個高水平的目的，然后開始收斂和整合，找到特定的解決方案，并從更大的范圍來理解今后的發展方向（付俊英，2000）。

學者們還提出創新思維是非邏輯思維和邏輯思維的結合。非邏輯思維的主要表現形式是直觀思維、靈感思維等（陳湘純，傅曉華，2003），邏輯思維則是創新思維的基礎，否則難以有創新理論與符合邏輯的概念。張麗華和白學軍（2006）認為，創造性思維是一個過程、狀態和結果，是大腦皮層區域不斷恢復聯系和形成聯系的過程，是以感知、記憶、思考、聯想、理解等能力為基礎，以綜合性、探索性和求新性為特點的心智活動（周明星，1999）。直覺、靈感及創造想象等是人們心理特征的產物。孔慶新、孔憲毅（2008）認為，創新思維是潛意識和顯意識的結合。隨著腦科學的發展，學者們提出創新思維是左右腦的共同產物。1981年美國加利福尼亞大學羅杰?斯佩里（Roger Sperry）獲得了諾貝爾獎。斯佩里及其同事發現，大腦左半球長于語言和計算，大腦右半球對空間的識別，對音樂、藝術、情緒的感知，則優于大腦左半球。大腦左半球習慣做分析，右半球偏向于整體直觀。左右腦有兩種不同的感受和思維功能，它們在創造性解決問題的過程中分工合作、相輔相成。與這些觀點相應的是思維導圖，它是一種以全腦思維替代線性思維的思考方法，是一種用圖形輔助思考的一種簡潔而有效的工具，具有以下作用：梳理凌亂的想法，聚焦主題；進一步拓展主題；在孤立的信息之間建立聯系；畫出清晰的全景圖，可以觀察到所有細節與整體；將關注的主題形象化，便于發現不足之處；進行概念組合和再組合，進行比較；維持思維的積極性，不斷探索方案；把注意力集中在主題上，將短時記憶轉化為長時記憶；促進思維發散，多角度捕捉新思想。

我國教育界的知名學者林崇德老師認為，創造性思維是根據一定的目的，運用一切己知信息，產生出某種新穎、獨特、有社會意義或個人價值的產品的智力品質（林崇德，2000）。張曉芒（2006）在總結了各類觀點后，提出創新思維是思維的一種智力品質，它是在客觀需要和倫理規范的要求下，在問題意識的驅動下，在已有經驗和感性認識、理性認識以及新獲取的信息的基礎上，統攝各種智力因素與非智力因素，利用大腦有意識的悟性思維能力，在解決問題的過程中，通過思維的敏捷轉換和靈活選擇，突破和重新建構已有的知識、經驗和新獲取的信息，以新認知模式把握事物發展的內在本質及規律，并進一步提出獨特見解的復雜思維過程。

（二）創新思維的可提升性

創造力培訓的有效性在教育學與管理學領域都已經得到了不少驗證（葛操，白學軍，2007；胡l平，林崇德，申繼亮，2003；暴占光，華煒，張向葵，田錄梅，2007；楊敏，2012；鞠慧卿，2015）。現有的常用方法包括頭腦風暴法和托侖斯發散性思維培訓及測驗法。頭腦風暴法是美國創造學家奧斯本于1963年首創的一種創造性技法，它是眾多創意生成方法的鼻祖。頭腦風暴法提倡在不加評價的氛圍下分享創意，打破頭腦中的封閉局面，掀起思考的風暴，使個體在面對具體問題時能夠從自我和他人的求全責備中釋放出來，促使短時間內形成大量的創新想法。它的四大原則是自由暢談、禁止批評、追求數量、對設想進行組合與改進。頭腦風暴法被廣泛應用于組織的創造力培訓中，這一方法在硅谷的IDEO設計公司得到出神入化的應用。一些創新思維的培訓方法已經得到了開發與廣泛使用。比較知名的是托侖斯的發散性思維測試方法，它包括了12種題目，如要求根據所呈現的圖畫，列舉出他為了解該圖而欲詢問的問題；要求根據所呈現的圖畫，列舉出圖中所描繪的行為可能的原因；要求對給定玩具提出改進意見；要求推斷一種不可能發生的事情一旦發生會出現什么后果；要求對熟悉及不熟悉的音響刺激做出想象等。

以上相關國內外研究說明，創新思維是一種內涵豐富的思維特征，創新思維是理性思維與感性思維結合共同作用的產物，是不同思維成分的組合，它是可以通過刻意的訓練得到提升的。由于教育與學習的一些傳統偏見，創新思維中的一些能力得不到訓練，因而也就無法形成有創新力的思維組合。本文在此基礎上，總結出創新思維的系列核心特征，以及這些特征在商業實踐中的運用。

二、創新思維的七個要素及其在商業上的應用

本文認為創新思維具有以下七個基本要素，它們與商業領域的成功有緊密的關系。

（一）突破思維定勢能力

創新意味著另辟蹊徑和思維突破，這就需要警惕自我思維的定勢。突破思維定勢是一種思維能力，也是商業創新不可缺少的要素。其中一個例子是云南白藥。中藥是我國的四大國寶之一，凝聚著文明古國千年文化的精華。云南白藥治療跌打損傷有很好的功效，但是一個人一生使用云南白藥的頻率是很低的。為了突破這個小眾市場的局面，云南白藥利用技術創新與牙膏進行聯合，牙膏的使用頻率要比云南白藥高出很多倍，云南白藥就從小眾化市場轉向了大眾消費品市場。突破了藥店只能生產藥品的思維定勢，云南白藥將中國的傳統老字號品牌在今天的市場做得業績斐然。另一個例子是，在廣告傳媒領域，流行的觀點是媒體的受眾群體越大它的廣告效果越高。然而，華東師范大學中文系畢業的江南春卻在思考如何把廣告植入到人們日常生活的軌跡中去。他發現在社區公寓樓等生活軌跡必經的點卻沒有廣告媒體。于是，他們就在電梯里放了電梯海報，變成框架媒體；在寫字樓電梯口裝了樓宇電視，在大家等電梯的時候，播放廣告；在賣場裝電視、電影院片前安置廣告。通過將消費者的生活、工作、購物、娛樂的軌跡點設計成廣告投放點，分眾傳媒公司就形成了中國最大的生活圈媒體。

（二）對潛在問題的敏感性

發現一個高質量的潛在問題是創造性解決問題的重要一步。對商業問題的敏感性可以引發商業創造力。比如，隨著近年空氣污染在我國的日愈加重，IBM和微軟看到了一個業務機會：空氣質量預測市場。隨著“認知計算”的進步，計算機程序能夠不斷提高自我建模能力，預測軟件可以利用天氣、交通、國土利用以及來自政府監測站的實時污染數據，甚至是社交媒體的發帖，提前預測未來十天的空氣質量。IBM已經將產品推廣到北京市環保局與30多家我國光伏發電公司。再如，Laptop Lane公司的首席執行官發現一個衣著考究的經理人在機場尋找手提電腦的插座時，激發了他的問題思維：商務旅行者的人數不斷增加，越來越多的人攜帶手提電腦，他們中許多人希望與同事和顧客不間斷地保持聯系。出差職員的旅途通信沒有得到滿足，這是一個有潛力的商業問題。于是他在機場推廣舒適的、全方位服務的工作站，每一個地方設有4―12個辦公室，面積為36―48平方英尺，墻高7英尺。場地租用費為前5分鐘2美元，以后每增加1分鐘38美分，提供復印、隔夜快遞、會議室出租、傳真和打印服務。

（三）抽象與本質思維

抽象與本質思維讓人們從具象中擺脫出來，提取事物的根本特征，在創造的過程中，這可以提升思維的靈活性，從而更具創造力。抽象與本質思維讓商業營銷與廣告緊扣消費者的需求本質。比如，露華濃是一家知名的化妝品公司，它的創始人查爾斯說：“在工廠里我們制造的是化妝品，在商店里我們出售的是希望。” 另一個例子是支付寶的誕生，馬云意識到電商銷售中買賣雙方需要建立彼此信任的交易機制，在這種本質思維的啟示下，支付寶作為第三方支付平臺得以建立，極大推進了在線購物。

（四）聯想組合思維

創造的過程是要素組合的過程，這需要在創造的過程中聯想到不相關的要素并進行組合。聯想組合是新產品創新的重要思維能力。例如，功能組合就是把不同物品的不同功能、不同用途組合到一個新的物品上，使之具有多種功能和用途。按摩椅就是按摩功能和椅子功能的結合體，具有計算功能的鬧鐘也是一種新的組合，將智能手環UP和咕咚運動組合形成了健康醫生。再比如材料組合，檸檬和紅茶組合在一起，就開發出了檸檬茶；調酒師調制雞尾酒采用的也是一種不同的成分組合。

（五）類比思維

大自然里蘊藏著許多知識，仔細觀察并加以利用，可以創造出許多商業財富。比如，珍珠是由于某種異物進人了河蚌的膽囊后，在它的周圍凝聚起許多膽囊分泌物而形成的一種膽結石。這一原理被人們巧加利用，在河蚌中人為放入異物進行人工育珠。相似的，天然牛黃是非常珍貴的藥材，只能從屠宰場上碰巧獲得，無法滿足制藥的需求。一家醫藥公司為了解決牛黃供應不足的問題，也運用比擬思維，把一些異物埋在牛的膽囊里，果然從牛的膽囊里取出了和天然牛黃完全相同的人工牛黃。

（六）原理遷移思維

知識不等同于創造力，如何使用來自不同學科的知識進行創新需要原理遷移思維，即將知識進行跨界使用的能力。一個典型的案例是視屏游戲中任天堂的Wii技術。這家公司利用來自汽車領域的防抱死系統和氣囊彈出技術創造了游戲中的控制桿，將體感操作化為標準配備，讓平臺上的所有游戲都能使用指向定位及動作感應，使用者可以揮動、甩動、砍劈、突刺、回旋、射擊等各種方式來使用方向盤、劍、槍等工具，這種其身臨其境的交互體驗讓玩家愛不釋手，贏得了市場的青睞。

（七）創新導向的元思維

元思維是指導個體思維傾向的思維，創新元思維是指不斷要求自己求新求異的思維認知。在技術與市場的變動之下，建立創新元思維是持續贏得商業競爭力的重要保證。一個典型的例子是海爾集團。這家公司在發展壯大的30年中，已經經歷了五次大變革。1984―1991年是海爾的名牌戰略階段。當時的冰箱供不求，但是張瑞敏為了提升質量求名牌，做出了“砸冰箱”的舉動。1991―1998年是海爾的多元化戰略階段。海爾通過“吃休克魚”的方式，通過兼并重組進入了洗衣機、電視機、空調等各類家電領域。同時，它打造了“日清管理法”。1998―2005年是海爾的國際化戰略階段，海爾轉向“出國創牌”的戰略，開始在美國、意大利建立或收購工廠。海爾還提出了“市場鏈”理論和“人人成為戰略業務單元”的主張，讓每個員工都成為一個盈利單位。2005―2012年是海爾的全球化戰略階段。海爾推行“人單合一雙贏”管理模式，提倡“自主經營體”和“倒三角”的組織管理。從2012年底至今，海爾開始提出網絡化管理戰略，提出了在全球企業經營歷史上前所未有的“企業平臺化、員工創客化、用戶個性化”的新經營主張。張瑞敏身上的創新導向的元思維，使得海爾不停留在以往的成功中，而是不斷地創新與變革，以適應不斷變化的市場環境。與此對應的是，曾經是海爾榜樣的索尼、松下等公司卻由于無法很好滿足用戶需求，而遭受了長時間的巨額虧損。

三、相關建議

商業創新思維關系到商業的競爭力，提升商業行為的質量不僅需要掌握各類商業經營的理論和技能，需要經營知識與邏輯分析，同時它還是一個創新思維的過程，需要突破思維定勢，對潛在問題有高度敏感性，懂得提取本質進行抽象思維，靈活聯想與組合，巧用比擬思維，將不同領域的原理進行遷移使用，并持續不斷地尋求創新。這七方面創新思維的提升，將會為商業創新做出有意義的貢獻。本文在總結以上七項能力的基礎上，提出以下建議。

（一）總結各行業商業創新與創新思維的關系，提取關鍵的創新思維

當前，互聯網、人工智能、生物醫藥等新技術層出不窮，大數據產業正在興起，為商業創新提供了前所未有的創新機遇。由于各個行業在研發設計、生產經營、銷售推廣上各有差異，按行業總結商業創新與創新思維的關系，提取不同行業中關鍵的創新思維，將有助于培育更多的商業創新。比如，現在的互聯網思維，是指在互聯網+、大數據、云計算等科技不斷發展的背景下，對市場、用戶、產品、企業價值鏈乃至對整個商業生態進行重新審視的思考方式；是解構大規模生產、大規模銷售和大規模傳播，以個性化生產、口碑和快速響應來取勝。這是一種商業競爭模式的大改變。然而，人們在商業創新的過程中所依賴的創新思維的基礎并沒有改變，只是聯想與組合思維、原理遷移思維在這個充滿機會的時代里顯得愈發重要。總結各行業的商業創新現象與創新思維的關系，將有助于我們去繁就簡，在各式各樣的商業創新事例中捕獲創新思維的根本。

（二）推廣商業創新思維的訓練

教育與心理領域的研究發現啟示我們，商業創新思維也可以加以訓練與推廣，以提升大眾的創新素質。本文認為，創新思維的訓練要關注思維的習慣，經由思維的習慣提升思維的能力。思維訓練應當不同于知識的學習，而是如何關注思維的走向與思考的過程，只有將七種創新思維內化為個體的思考習慣，才能在創新的過程中自覺開展創造性的思考。因此，需要通過持續的大量的商業思維練習，進行習慣培養。這項工作所需要注意的是，每個人都有自己的思維風格（羅斐，吳國宏，2004），思維風格是人們進行思考的偏好方式。因此，對于不同思維風格的人如何進行創新思維的訓練，將是一個有待深化研究的課題。

參考文獻：

[1] 暴占光，華煒，張向葵，田錄梅.發散思維訓練對 62 名初一學生創造力的影響[J].中國心理衛生雜志，2007，21（3）：169-172.

[2] 陳湘純，傅曉華.論創新思維的哲學內涵[J].科研管理，2003，24（1）：10-14.

[3] 付俊英.論思維定勢與創造性思維[J].科學技術與辯證法，2000，17（5）：19-22.

[4] 葛操，白學軍.訓練方法對不同創造力水平兒童創造力發展的影響[J].心理與行為研究，2007，5（1）：13-17.

[5] 胡衛平，林崇德，申繼亮.英國青少年科學創造力的發展研究[J].心理科學，2003，26（5）.

[6] 鞠慧卿.三至五年級小學生感覺尋求與創造力之間的關系研究[J].校園心理，2005，13（2）：87-90.

[7] 孔慶新，孔憲毅.試論創造性思維的定義、特點、分類、規律[J].科學技術與辯證法，2008，25（2）：25-31.

[8] 庫恩.對批評的答復[M].北京：華夏出版社，1987：358.

[9] 林崇德.創造性人才?創造性教育?創造性學習[J].中國教育學刊，2000，（1）：5-8.

[10] 劉春雷，王敏，張慶林.創造性思維的腦機制[J].心理科學進展，2009，17（1）：106-111.

[11] 盧家楣.吉爾福特智能三維結構模型的新發展[J].上海師范大學學報：哲學社會科學版，1987，（2）：143-144.

[12] 沃建中，王福興，林崇德，劉彩梅.不同學業成就中學生創造性思維的差異研究[J].心理發展與教育，2007，（2）：29-35.

[13] 楊敏.加強發散思維訓練培養學生創新能力[J].數學學習與研究：教研版，2012，（7）：44-45.

[14] 張麗華，白學軍.創造性思維研究概述[J].教育科學，2006，（5）：86-89.

[15] 張曉芒.創新思維訓練[M].北京：企業管理出版社，2006.

[16] 周明星.思維創新與創造創新[M].北京：中國人事出版社，2003.

[17] 羅斐，吳國宏.斯騰伯格思維風格理論述評[J].心理科學，2004，27（3）：718-720.

Seven factors model of innovative thinking and its commercial application

LI Shang-zhi，WANG Can-ming

（High school section，Beijing Petroleum Institute Affiliated Middle School，Beijing 100083，China）

欧美五月婷婷_国产成人一区二区_久草在线视频网站_porn一区_亚洲一区国产二区_国产精品夜夜爽

人工智能在教育行業的應用范文

篇1

篇2

篇3

篇4

篇5

篇6

篇7

篇8

篇9

篇10

熱門標簽

相關文章

相關期刊

透析與人工器官

人工智能

人工晶體學報

人工智能科學與工程

精品范文