人工智能助力因材施教:实践误区与对策

被引:34
作者
汪琼
李文超
机构
[1] 北京大学教育学院
关键词
人工智能; 因材施教; 智能教学系统; 实践误区;
D O I
暂无
中图分类号
G434 [计算机化教学];
学科分类号
摘要
实现以学生为中心的因材施教,为每个学生定制出符合其特点的学习发展路径,既是一种教育理想,也是一种教育原则。虽然未来人工智能技术可能助力实现大规模因材施教,但是目前大多数教育人工智能产品还处于初级发展阶段,在实际应用中存在着因言过其实、误以为真、不切实际等错误认识造成的实践误区,比如,过分依赖系统对学生的判断和帮扶、查漏补缺加重了薄弱生的学习负担、将自定步调重复学习视为个性化学习等。当前的智能教育虽然可以通过技术手段优化一部分教学工作,但离实现大规模因材施教还有很长的路要走。我们需要清醒地认识到当前人工智能教育应用的局限,在开展人工智能助力教育的实践中,既要强调和加强人工智能时代教师人工智能素养、数据素养和测评素养的培养,又要督促智能教育产品研发机构和厂商基于教育理论精细化产品设计,增加算法透明度,引导和支持人机协同的因材施教早日实现。
引用
收藏
页码:12 / 17+43 +43
页数:7
相关论文
共 8 条
[1]   线上线下融合:实现大规模个性化的未来教育 [J].
袁振国 .
中小学数字化教学, 2020, (11) :1-1
[2]   人工智能融入学校教育的发展趋势 [J].
刘德建 ;
杜静 ;
姜男 ;
黄荣怀 .
开放教育研究, 2018, 24 (04) :33-42
[3]   数据素养及其培养机制的构建与策略思考 [J].
郝媛玲 ;
沈婷婷 .
情报理论与实践, 2016, 39 (01) :58-63
[4]   大数据时代学困生帮助机制构建的内涵、原则及途径 [J].
向天成 ;
赵微 .
教师教育论坛, 2015, 28 (12) :18-21
[6]   “因材施教”的历史演进及其现代化 [J].
张如珍 .
教育研究, 1997, (09) :73-76
[7]   TEACHING LEARNERS TO BE SELF-DIRECTED [J].
GROW, GO .
ADULT EDUCATION QUARTERLY, 1991, 41 (03) :125-149
[8]  
The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring[J] . BENJAMIN S. BLOOM. Educational Researcher . 1984 (6)