3.1　人工智能辅助学生学习

随着信息技术的发展，学习者接受教育的方式发生了变革，除了在传统课堂听课以外，学习者可以通过网络渠道或学习平台进行学习。人工智能技术和互联网技术使得学习的场地由课堂内拓展到课堂外，学习者获得辅导和帮助的方式也更多样化，基于平台支持的学习系统逐渐普及。当前的学习辅助系统主要有以下几种：

（1）自适应学习平台

个性化学习是指以反映学生个性差异为基础，以促进学生个性发展为目标的学习范式。学习者的学习需求不同，其学习目标、学习方法和学习内容也不相同。为学习者提供个性化学习服务，体现学生的差异化，是智慧教育的目标之一（余明华、冯翔、祝智庭，2017）。在学习平台的构建中，利用人工智能技术，结合学生的知识发展水平、行为和情感等因素，设计自适应的学习系统是技术辅助教学较为重要的一环。例如，自适应系统中，在知识维度，可以利用机器学习对每个学生进行建模和跟踪，生成过程性评价信息；在行为维度，可以根据学习者的不同学习行为模式对学生进行行为建模，提供相应的学习支持并预测学生的学习表现和学习效果；在情感维度，可以发现学习者的不同情感与学习行为、学习效果的相关性，从而根据学生的情感状态推荐课程资源（余明华等，2017）。

大量的网络学习平台或学习系统的出现为学习者创造了自主学习的机会。如何在海量的教学资源中快速找到适合学习者自身学习能力和学习特点的内容，如何对自己的学习能力和学习效果进行正确的评价，如何对学习者的学习过程进行实时准确的反馈以便使学习者能够及时调整自己的学习方式和学习状态，就需要利用人工智能技术整合网络学习资源，开发智能化的网络学习平台或系统（谷伟、张娜娜，2012）。智能化网络学习平台从本质上来说就是一个能够支持学习者个性学习需要并能够准确反映学习者学习特点的在线学习环境。通过智能化网络学习平台，学习者不再是被动地接受知识，而是根据自己的学习需求，主动地去寻求答案、发现知识，真正实现“以学习者为中心”（赵婉芳、赵妍、徐江红，2017）。

研究者从网络学习平台中有关学习环节的智能化处理角度出发进行研究和开发，构建智能网络学习环境，以提高学习者的学习效率和学习效果。例如，蒋福德（2010）对网络学习平台如何实现测试、评价、答疑智能化进行了研究，结合学生在学习过程中的情感因素，利用智能代理技术实现了网络学习系统的个性化、智能化反馈。他通过对领域知识进行分解，将其表示为知识点并进行优化，基于学习者的学习风格、学习状态监控进行自适应学习内容呈现，运用线性导航、树形目录导航、知识点网络导航进行适应性导航及其他增强适应性导航的方法，对学习平台提供的视频内容进行智能化灵活呈现。刘小玲（2003）等则在学习系统中引入自反馈模型，对系统收集的学习者的学习行为、学习方式、学习水平等诸多因素结合自反馈系统进行分析、模糊推理，从而获得学习者的学习特点、学习能力等反馈信息，满足远程智能学习系统中个性化学习的需求。

（2）智能导师系统

基于人工智能技术的智能导师能够实时跟踪、记录学生的学习行为，分析学习过程和结果，了解其个性化的学习特点、学习兴趣和习惯，并据此为每一位学生选择合适的学习资源，制订个性化的学习方案。智能导师在为学生提供有针对性、即时的学习计划的同时，还可以对学习者的学习表现和问题解决的情况进行评价和反馈，并提出相应的建议（闫志明等，2017）。当前，不同研究者对智能导师系统展开了研究。刘清堂（2017）等指出智能导师系统是在认知理论学习基础上，将人工智能和各学科思想相结合，为不同学习者提供自适应学习的平台。研究进一步指出，在智能导学系统研究发展中，未来可以开发通用的智能导师框架或标准协议，构建独立的具有更高性能的学习者模型服务器，整合新技术，为学习者提供更准确的个性化、智能化学习支持。孙发勤（2020）等分析了智能导师系统在K12教育中的必要性，在原有系统架构的基础上，提出了一种新的应用于K12编程教育的智能导师系统框架。该框架由领域模型、学生模型、评估模型、追踪模型、适应模型和媒体模型六部分构成，可以满足编程教育过程的各种需求。梁迎丽（2012）等研究了我国英语口语教学中存在的问题，结合当前语音评测技术，提出了一种基于语音评测的英语口语智能导师系统原型。原型由领域模型、学生模型、教学模型三部分构成，能够对学生的口语进行自动化评测并给出个性化资源推荐。冯霞敏（2018）等在对当前智能导师系统和智慧实训系统进行研究后，开发设计了一个面向职业院校的智慧导游实训平台。平台借鉴已有的智能导师系统，融入导游讲解的相关内容，重新构建了包含VR情境漫游、自适应实训、智能化评价三种模式的体系架构。该系统具有导游实训过程情景化、资源数字化、评价智能化等特点，能够促进导游领域创新人才的培养。

（3）个性化学习资源推荐系统

个性化学习资源推荐系统通过对学习者的学习活动进行记录，分析学习者的学习习惯，为其推荐适合其学习特点的学习资源，其目的是帮助学习者选择感兴趣的课程、学习材料和学习活动等。人工智能技术能够针对学生的个性化需求来获取和使用教育资源。例如，针对学习者的学习需求和个人偏好向其推送学习资料或信息，满足个性化学习的需要；针对学习者的知识基础、学习偏好和学习目标，按需推送学习活动；针对学习者当前的学习状态和需要，适时提供学习指导、答疑解惑；针对学习者的学习过程和学习行为的记录，适应性地推送学习者需要的适合其学习使用的认知工具（黄荣怀，2014）。又如，一些研究者将协同过滤算法应用于学习系统，使学习者从海量的学习资源搜索中解脱出来，实现学习资源的个性化推荐（章伟，2017）。该系统使用机器学习方法，通过挖掘系统的服务日志，分析学习者的学习习惯和学习风格，识别学习者的学习习惯和学习兴趣，进而构建推荐模型，以自动地适应学习者的兴趣和知识水平。