智慧教育是运用智能技术养成智慧的教育。人工智能技术的发展是推动智慧教育研究和实践深入发展的重要动力。尽管以ChatGPT为代表的新一代大规模人工神经网络技术在教育领域已展现出巨大的应用潜力，仍存在内容不够精确、结果不可解释、过程难以控制等弊端，由此带来了智能答复不准确，智能识别结果可信度低，算法歧视与偏见，教育数据隐私安全等教育应用与伦理问题。该研究提出理感联通人工智能的概念，并归纳出知识升华、智能耦合及反省控制的三重联通机制。观照到智慧教育领域，建构了理感联通智慧教育框架，不仅解释了理感联通模型中各类技术对智慧教育的作用机制，同时也阐明了其在当前智慧教育中的典型应用场景。理感联通智慧教育框架的提出有助于推进人工智能在智慧教育中的进一步赋能，并降低未来强人工智能所带来的潜在风险。
理感联通人工智能的学理基础
理感联通人工智能作为促进智慧教育发展的新技术，不仅具有哲学层面理性与感性的双重隐喻，而且有来自脑科学的左右脑分工理论，以及心理学双重编码理论和双过程理论的观照，还有来自人工智能符号主义和联结主义的分裂与融合，他们共同构成了理感联通人工智能的学理基础。
理感人工智能联通的理论支撑：理性主义和经验主义。脑科学和心理学对理感联通人工智能的观照体现：左右脑分工理论指出人的左脑从事逻辑思维活动和右脑从事形象思维活动。人工智能发展的两大流派：符号主义和联结主义。
理感联通人工智能模型
将哲学中的理性主义、脑科学中左侧大脑的机能、心理学中双重编码的语言系统和双过程理论的系统2，以及人工智能中的理性流派方法，归纳整合为机器处理逻辑与规则等问题的理性计算。
将哲学中的经验主义、脑科学中右侧大脑的机能、心理学中双重编码的意象系统和双过程理论的系统1，以及人工智能中的联通主义和数据主义的经验流派方法，归纳整合为机器处理具象与直觉等信息的感性计算。
图1 理感联通模型
联通模型的三关键要素：
感性计算
基于人工神经网络的计算方式，对客观事物的声音、图像、或文本等多模态信息进行感知与识别，并相应生成文本、声音、图像、动作结果，由此可实现情绪感知、联想、动作控制与会话等。感性计算具有直觉型、启发性、快速性等特点。
理性计算
电脑对客观事物理性规律的表征，并由此进行的逻辑推理、判断、决策、规则应用等计算活动。
表1 感性计算与理性计算之比较
智慧通道
联结感性计算与理性计算的通道，有助于产生更高阶的智能行为。基于心理学、认知科学及人工智能当前的研究基础，可以总结智慧通道的三重联通机制：知识升华、智能耦合、反省控制。
理感联通智慧教育框架与典型应用场景
为厘清理感联通模型如何影响智慧教育，本文尝试构建出一种理感联通智慧教育框架(如图2所示)。
图2 理感联通智慧教育框架
以下重点从四个方面进一步阐释该模型的典型应用。
01 智慧评价
学习者的智慧发展，不仅包括知识的习得，也包含高阶思维的提升及适应复杂社会的综合能力培养。
02 智慧学习
在智慧学习领域，理感联通可为学生提供富媒体资源推荐及高智能辅导Agent等。富媒体资源推荐是指在多元学习环境下，为学生提供其所需的多种媒体类型的学习资源。
03 智慧教学
智慧教学是指借助人工智能等技术，进行差异化教学设计，动态调整教学策略，并通过智慧化教研活动反思教师自身教学水平。
04 可解释性及教学规律挖掘
基于可解释的分析结果，还可进一步从海量多模态教学数据中挖掘出与教学相关的特征及其关联，并将其升华为可理解的、可推广的、有助于教与学的教学规律。
推进理感联通智慧教育实践的发展建议
把握人工智能理感联通的学理基础和发展脉络，厘清理感联通智慧教育的内涵外延与理论模型，有助于更好地推进理感联通的智慧教育实践。未来的研究与实践可在以下几方面展开：加强理感联通智慧教育理论框架研究、积极展开人工智能理感联通算法模型研究、开展理感联通智慧教育实践研究。
本研究将智慧教育置于教育信息化的视角来审视，认为以ChatGPT为代表的新一代人工智能技术虽然已取得了长足的进步和发展，但仍存在内容不精确、结果不可解释、过程不可控制等弊端，由此带来了诸多教育应用与伦理问题。本研究提出理感联通人工智能的模型，其本质就是通过智慧通道将感性计算与理性计算相联通来促进其智慧发展，并控制人工智能应用的风险。观照到智慧教育领域，本研究建构了理感联通智慧教育框架，并具体阐释了感性计算、理性计算和智慧通道中可应用的各类技术及对智慧教育的作用机制，以及其典型应用场景，最后提出了推进理感联通智慧教育实践发展的建议。此外，如何在智慧教育实践中进行应用推广，仍有待于理感联通智慧教育模型的进一步优化完善和相关算法的进一步深入探索。
来源： e2lab微信公众号
