教育数字化转型的大背景下，开发基于大数据的智能诊断、资源推送、学习辅导等应用，促进学生个性化发展成为国家新型教育基础设施建设的目标
[1]，ChatGPT的出现引发了人们对人工智能生成内容（artifical intelligence generated content，AIGC）的广泛关注，利用AI技术开发智能教学系统，可以促进学生个性化学习和发展，丰富优质生成性学习资源，优化学习评价。
为了实现学生的个性化学习和发展，教师需要及时了解每个学生的学习情况，制定合适的教学计划，这对教师的能力和精力提出了极高的要求；另外，学生之间的异质性使得每个学生的学习需求不同，要全面兼顾每位学生的学习需求对于教师来讲也是一种考验。大数据、人工智能等科技的发展促进了数字世界和物理世界的融汇，于教育领域而言，传统教育也在向智能教育迈进。智能教学系统(intelligent tutoring system，ITS)的出现有效地支持了个性化学习
[2]。智能教学系统通过对学习者画像，为学习者按需规划个性化的学习目标和路径
[3]。通过语音交互和虚拟现实等技术，增强学习者的学习体验。因此，在当前的学习过程中，智能教学系统是实现学生个性化学习的有力工具。可以说，智能教学系统( ITS )是人工智能在教育变革方面最有希望、个性化教学最有效的工具之一。
1 智能教学系统
智能教学系统（ITS）由Sleeman和Brown于1982年正式提出，是利用计算机模仿教学专家的经验、方法来辅助教学工作的计算机系统
[4]。在教学中融入人工智能技术这一尝试由来已久，尤其是近年来技术的发展使得教学和学习中的技术应用越来越多，包括使用在线学习平台，如中国大学慕课、谷歌课堂、其他视频会议工具，以及交互性的教育游戏、数字材料等。这提高了教育的灵活性和可及性，实现了学生可从任何能访问互联网的地方访问材料和参加课程。在CNKI中检索“智能教学系统”一词，共有4 738篇文献，文献发表数量近年来呈总体上升趋势，其中，“人工智能”这一关键词在主要主题分布和次要主题分布中均位居第二。可以发现，近年来随着人工智能技术的快速发展，许多学者将其融入智能教学系统以实现智能教学系统的更新迭代。贾积有等
[5]在网络智能测评辅导系统中融入大数据挖掘、自然语言处理等技术，实现了针对具体学生提供内容不同的个性化辅导；许俨宁
[6]设计了一种基于大数据的智能教学系统，以镜多点平台作为硬件部分，发现其比传统的智能教学系统反应时间更短，更适合投入教学；陈晋音等
[7]研发了基于深度学习的智能教学系统，将线上线下联动，实现双向评估，提高了学生学习效率。尽管当前的智能教学系统为个性化发展提供了一定的支持，但有些问题仍待解决。首先，基于模板和规则的深度学习大多依赖于预先定义的统计模型，缺乏对客观世界的深入感知和对人类语言文字等知识的认知能力，当前的人工智能教育系统仅实现了教学知识应用的自动化而贯穿学习者的学习过程，以舒尔曼的教学推理与行动模型中教学过程的六部分——理解、转化、教学、评价、反思、新的理解为例，人工智能技术并不能够实现完全自动化处理，如理解学习内容、转化、反思和形成新的理解等任务, 能够自动化的只有教学与评价两部分
[8]。其次，当前的智能教学系统主要针对于数学、电子学等高度结构化的学科体系，而对于人文学科，如何将人本问题转化为计算问题，成为智能教学系统需要解决的问题。因此，面对当前智能教学系统所存在的不足，以交互性和生成性为显著特点的AIGC技术为其提供了契机。
2 AIGC概念与技术演进
人们对AIGC技术的关注源自2023年OpenAI推出的ChatGPT这一产品。AIGC概念并非最近产生，历史追溯至20世纪50年代就有通过计算机程序生成音乐和对话等。但在当下数智融合环境下，数字内容的指数级增长为AIGC技术的井喷式发展提供了庞大的数字基础，AIGC的创作生成能力也有了质的突破。AIGC的创作内容从刻板化、模态单一化迈向智能化、灵活化、内容模态丰富化。
目前，对AIGC这一概念尚无统一规范的定义。国内对于AIGC的理解是“继专业生成内容（professional generated content，PGC)和用户生成内容（user generated content，UGC)之后，利用人工智能技术自动生成内容的新型生产方式”。中国信通院和京东探索研究院发布的《AIGC白皮书》，将其定义为既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合
[9]。早期的AIGC技术只能进行简单内容的生成输出，由于预设的模板和规则，其运作迟钝且结果缺乏准确性，与所期盼的丰富真实的输出结果有较大差距。而近年深度学习技术的快速突破推动了AIGC技术的快速发展，当前AIGC已经可以满足真实内容生成、多模态内容生成，正在向“智慧”内容生成迈步。总结AIGC技术的能力，总体有三项，分别是数字孪生能力、数字编辑能力和数字创作能力。
数字孪生能力 AIGC强大的孪生能力可以实现高质量数据的保存，如消除在数据传输过程中产生的数据缺失损坏。在智能教学系统中，数据的完整保存是进行数据分析和用户画像的前提。不仅如此，孪生技术还可以实现模态数据之间的相互理解，在对保存的孪生数据进行理解之后，将数据多样化呈现出来，如在智能教学系统中通过学习者模型的分析将学习者评价以多种方式反馈出来。
数字编辑能力 对数字内容的编辑大致分为语义理解和属性控制两个方面。首先对于数据而言，其本身没有任何意义，只有将数据含义，也就是语义进行分析理解后，数据才有意义
[10]。基于AIGC的语义理解技术可以将数字内容的不同属性区分开来，避免多个属性的纠缠，可以更精准地识别用户指定的内容，在对数字内容进行语义理解后，根据用户指定的对应属性，对内容进行修改编辑，从而实现了对内容更精准地编辑。
数字创作能力 以ChatGPT为例，其不仅通过检查数字实例、现有的内容创建文本，还可以在与用户交互的过程中获取知识
[11]。AIGC可以生成包括但不限于文本，还有多模态的数字内容，如语音、视频等。在用户指定生成内容后，不仅可以基于现有数字内容模仿生成新的数字内容，甚至可以根据用户指定概念进行全新创作。当前，AIGC在各行业已有实际应用，如在传媒领域，北京冬奥会科大讯飞训练AI识别不同语言的相关专业术语，提高冬奥会出稿效率
[12] ；在艺术领域有AI作画网站，如Draft、NovelAI等；在直播电商领域如AI试衣间、数字人主播，等等；在教育领域，人工智能技术的融入推动了教与学的变革。当下AIGC代表了人工智能的最新突破之一，因此，有必要讨论AIGC在教育中能够有何作为。
3 AIGC驱动智能教学系统转型升级
智能教学系统为自适应和个性化方式支持学生学习提供了非凡的潜力。随着ChatGPT引起教育学者的兴趣，有学者表示，ChatGPT背后的技术似乎可以被用来提高个性化自适应学习的性能。当前，已有实证研究证明生成模型在学习中的作用。Xiao等
[13]利用ChatGPT开发了一个阅读理解练习生成系统，为学习者提供高质量和个性化的阅读材料，并在评估自动和手动生成的材料和练习题后发现，系统生成的材料能够满足学生需求，甚至超过了现有人工编写材料的质量。Limo等
[14]将ChatGPT工具介入本科生和研究生的个性化课程学习，发现多媒体和交互工具能够提高学生的参与度，通过为学生提供量身定制的交互式帮助，聊天机器人等人工智能技术可以改善在线课程的学习体验并提高学生的参与度；通过提供个性化和交互式的帮助，ChatGPT有能力鼓励自学者进行独立学习。因此，将人工智能生成技术融入智能教学系统，将使系统在交互和学习评价等方面有更大的变革（如
表1所示），使得智能教学系统实现更精准的个性化学习服务，为实现个性化教学增加更多可能性。
3.1 虚拟教师参与的实时学习交互
教学本身具有交互性，在交互过程中可以激发学生自主学习的积极性，培养学生学习兴趣，提高教学效率。传统的智能教学系统注重一对一的师生关系，根据不同学生的认知特点进行个性化教学
[15]，彭兰站在人机交流的视角，认为在可预见的将来，ChatGPT等实体/非实体的机器人将全面进入人类生活。彭兰
[16]将人机交流定义为“同为传播主体的人与机器之间的直接互动”，强调其与人际传播的类似性。也有学者
[17]表示当前人机交互已经能够实现“情感交流”，正在向“沉浸”与“共情”迈步。不难看出，许多学者都强调人机交互中机器交流的“拟人化”。可以推测，以自然对话功能突出的ChatGPT为代表的AIGC技术能够改变人机交互的发展方向。传统智能教学系统中存在的交互包括师生交互、生生交互和人机交互，如果线上学习不重视师生以及生生间的交互性，那么当下许多智能教学系统与学习者之间的交互就会缺乏情感交流，学习者在学习过程中容易产生抵触情绪，影响学习效果
[18]。然而，在智能教学系统加入人工智能生成技术后，人机可以实现自然语言交流，以ChatGPT为例，其自然语言对话能力，是当前的智能教学系统无法匹敌的，因此，在基于AIGC 的智能教学系统中，以生成模型作为对话代理，构建虚拟教师作为学生的虚拟交互对象，学习者可以自如地与虚拟教师对话，自然而且流畅。虚拟教师的回答是连续的、稳定的、一致的，学习者与虚拟教师对话，就像是与朋友聊天。
3.2 细粒度数据采集助力学习者精准评价
学习评价是为了确定学习者当前的学习与学习目标之间的差距
[19]。传统的智能教学系统对学生的评价依据是学生学习的过程数据，利用数据进行学习者画像从而构建学习者模型，输出学习者评价。AIGC的发展衍生出的智能内容孪生能力，能够将在传输过程中损坏和缺失的学习者的学习数据还原成高质量数据，实现更细粒度的数据采集并确保数据质量。不仅如此，AIGC还可以实现学习者不同模态数据之间的相互理解，从而打破不同模态数据之间的限制，实现更精准的学习者评价。
3.3 基于语义理解的个性化学习资源生成与推送
智能教学系统根据学习者不同的学习风格和学习需求，为学习者提供不同的教学内容和教学策略。传统的智能教学系统是根据学习者的学习风格和学习需求在知识库中提取相应的教学资源，实现了“泛在的”个性化教学。AIGC技术的融入可以让智能教学系统实现基于语义理解的学习资源生成和推送，根据学习者不同的学习情况，结合知识库，智能生成不同模态、多样化和精准个性化的教学资源。
4 基于AIGC智能教学系统模型的底层逻辑与功能革新
AIGC驱动的智能教学系统借助AIGC技术的生成性、认知交互力和实时孪生的能力实现“教—学—评”的良性循环，为学习者提供更沉浸式的学习体验、更精准化的资源推送和更精确化的学习者评价。基于现有智能教学系统的四模块结构，结合AIGC技术原理，构建AIGC驱动的智能教学系统，将智能教学系统主要分为学习者孪生体、领域知识模块、数据调用模块、内容生成模块和交互模块五个模块，如
图1所示。
4.1 AIGC+虚拟教师：实现与学习者的智能交互
在智能教学系统中，机器作为教师角色与学生交互。有学者表示，在交互过程中，机器不仅需要具有智商，还要具有情商和可信商
[20]。交互可以影响心流体验的产生，从而促进学习者的学习结果
[21]。当下的人机交互模式相较于之前已经有了很大的进步，但是还远远没有达到人和人交互的简单方便的状态。当前的智能教学系统更多地停留在知识内容的交互上，交互形式较为单一且缺乏师生之间的交流和情感交互。认知交互力作为AIGC技术的一大典型特性，融入智能教学系统后，为学习者与机器的沟通带来了更多可能
[22]。它可能会成为用户和计算机交互的新型界面
[23]。微软将ChatGPT植入必应搜索和Edge浏览器之后，用户已经可以通过一种近似人际交流的方式来让计算机完成诸如检索信息、整理资料这样的简单任务
[24]。因此，将AIGC与智能教学系统相结合，可能使学习者与机器的交互迈入一个新的时代。
人机接口是智能教学系统直接与学习者交互的界面。在传统的智能教学系统中，学生面对的大多是机器设备，缺乏面对面的情感交流和对话，限制了学生的学习动力，学生在学习过程中会产生孤独感。融入AIGC的智能教学系统的交互界面创设虚拟教师形象，以逼真的教师形象与学生进行对话式学习和互动，使学习者以人际交流的方式进行知识检索和学习，并根据学习者的学习需求，将多模态的学习资源适时反馈给学习者，可以激发学习者的内在学习动机、保持学习兴趣，从而达到最终的学习目标。具体来说，虚拟教师具有以下应用优势：
①生成式交流，实现对话辅导 对话辅导策略可以帮助学生逐步生成问题的正确回答，在这个过程中促进学生对概念和原理的深度理解。典型对话辅导系统如Auto Tutor，开始时模拟人类教师的辅导策略，后期发展出计算机能够实施更精细的对话辅导策略
[25]。交互式是人工智能生成技术的一大优点，典型的如ChatGPT，可以与用户实现流畅的人机对话，并且其自然语言对话能力是传统的智能教学系统无法比拟的，在植入智能教学系统后，将使智能教学系统的对话辅导性能大幅提升。
②虚拟教师实时互动，增强学习沉浸性 虚拟教师模仿真实教师的教学形态，使用肢体动作和面部表情与学生进行互动，虚拟教师肢体动作的加入能够提升学习者的注意力，为学习者带来沉浸式的学习体验，增强了学习过程的趣味性。虚拟教师的指导可以帮助学习者弥合学习鸿沟，还可以作为学习者的指导者和启发者。
③提供情感激励，实现个性化学习 心理学和教育学研究表明，情感在学生学习中起着重要的作用
[26]。情感与认知加工之间存在着密不可分的联系，学习过程中的情感状态对学习效果有一定的影响
[27]。虚拟教师不是简单的“刺激—反馈”，还需要与学生进行情感交流，为学生提供个性化的指导时，虚拟教师会将外部刺激作为情感状态转换的一个条件，从而实现具有情感特征的交互
[28]。基于AIGC的虚拟教师，可以在对学习者的学习问题进行反馈解答后，对学习者进行学习激励。在对学生的学习过程数据进行处理和语义分析后，虚拟教师可以对学生的学习行为和学习结果进行及时有效的反馈。不仅如此，虚拟教师还可以利用AIGC 的文本生成和学习者进行人际交流式对话，解决学生的学习问题，在学习过程中，如果学生的学习结果不理想，虚拟教师还可以利用肢体语言和语音等方式为学生提供情感激励，增强学习者的沉浸式交互体验，使学生有效开展个性化学习。
4.2 AIGC+学习者孪生体：实现学习者模型更精准地刻画
学习者孪生体依据学习者知识技能、学习风格、个性特征等对学习者特征进行描述、分析和构建模型，通过数据分析为学习者指定个性化的学习路径；而学习者建模对产生的数据进行收集，以建立和更新学习者模型
[29]。随着技术的发展，学习者建模也逐渐转向智能化，智能教学系统运转的前提是内容的数字化，学习者和系统交互中会产生大量的数据，相较于传统学习者模型对声音、文本等的简单采集和存储，AIGC技术主要从两个方面实现了学习者孪生体的优化。
首先是数据存储的完整性和高质量性，智能增强技术能够消除在学习者数据采集和传输过程中的数据缺失和损坏问题，大大提高了学习者数据质量，能够保证对学习者在学习过程当中数据记录的完整性，为学习者孪生体的完整刻画提供了基础。
其次是对所记录的学生数据本身的内容和完整语义的理解。智能教学系统通过传感器等对学习者不同模态的数据进行采集并记录，在数据完整记录的基础上，智能转译技术进一步增强了学习者孪生体中不同模态数据的相互理解，在将孪生后的数字内容进一步理解后，智能转译技术可以实现不同模态数据之间的相互理解、融合和转换。由此，根据学习者孪生体，智能教学系统可以对学习者的学习结果和学习过程进行更精准地把控。
技术对于模型的优化促推了学习者学习的个性化，主要体现在：
①优化学习路径 首先，基于AIGC的智能教学系统模型可以通过对学生的学习行为和习惯进行分析，生成个性化学习路径，并根据学习者的学习目标和现状，生成合理的学习计划，在学习过程中根据学习者的学习表现进行动态调整。例如，如果系统分析出学习者对某个知识点掌握程度高，那么系统会减少该知识点的学习，让学生更快地进入下一个知识点的学习。反之，系统会适当调整学生的学习进度，加强对此知识点的讲解和练习，以帮助学生更好地掌握知识。
其次，模型还可以优化个性化学习路径。这是通过对学生的学习表现进行分析，找出学生学习中的问题和瓶颈，然后根据这些问题和瓶颈，对学生的学习路径进行调整。例如，如果学生在某个知识点上一直无法掌握，那么系统会尝试采用不同的教学方法和资源，让学生更容易理解和掌握该知识点。这种优化可以帮助学生更快地进步，并且更好地适应自己的学习节奏和习惯。
最后，模型还可以提供多样化的教学工具和资源。如视频、音频、图像、模拟实验等，能够满足学习者不同的学习需求。例如，一些学生更喜欢通过观看视频来学习，而另一些学生则更喜欢通过阅读文字来学习。系统可以根据学生的学习喜好和需求，提供不同的教学工具和资源，从而让学生更好地理解和掌握知识。
②以评促学形成良性循环 学习者孪生体是智能教学系统对学生提供个性教学策略和资源推送的基础，AIGC的孪生能力进一步提高了学习者孪生体的完整性，实现了对学习者画像更精准地刻画和学习者不同模态数据的跨模态融合。学习者孪生体对过程数据和学习者更新的数据自动同步记录，进行动态更新，并将更新后的数据进行分析，可以实时调整智能教学系统的教学策略。利用学习者孪生体对学习者的学习结果进行客观的分析和评价，能够实现智能教学系统更精确的自适应个性化的推送，从而有效地提升物理空间中学习者的学习水平，实现以评促学的良性循环。
4.3 AIGC+知识库：学习资源和学习情境精准推送
为精准匹配学习者的需求，智能教学系统首先要“理解”学习者需要什么。因此，语义理解技术的发展可以使智能教学系统向更精准化匹配迈步。传统的智能教学系统在将人本问题转化成计算机问题时难以实现，早期的语义理解技术将内容作为一个整体进行理解，而在学习到的数字表征中，不同类别的语义信息往往是纠缠在一起的，难以对不同的语义进行精确理解和修改，而基于生成模型的可解耦语义学习技术，能够理解并学习不同语义成分的变化，从而实现对数据内容更深刻的理解。系统在理解学习者的学习需求后，在知识库中匹配合适的教学资源，根据学习者的学习偏好等进行资源整合生成，教学策略和资源的推送建立在“理解”的基础上而非“计算”的基础上，使智能教学系统更具“情商”。
①学习情境构建灵活化 学习情境是影响情感的外部因素，能激发、陶冶学生的情感, 激发学生的学习热情，对学生的身心发展有潜移默化的影响。学习是与“情境”相关联的，生动、直观、形象的、接近实际的学习情境，可以有效地激发学习者的联想，促使其将自己原有认知结构中的有关知识与经验和当前新知识有效整合，赋予新知识以某种意义
[30]。合理的学习情境能够激发学生的学习需要和学习动机。利用AIGC技术，可以由文字描述等形式智能构建各种学习情境，从微观原子到宏观宇宙，从无法重演、很难亲身实践的教学内容, 到危险性强的教学内容，降低教师创设教学情境的技术难度，降低人力和物力成本。
②学习资源个性化 在实现个性化学习路径的生成与优化的过程中，多样化的教学工具和资源也发挥着非常重要的作用。国内早期的智能教学系统在选择教学策略时，由学习者自主选择或系统自动选择。前者是教师教学策略的系统表现形式，较为固定化；后者则是在教学策略库中，根据知识内容特点和学生信息选择某种教学策略。相较而言后者在个性化教学中灵活性更高，但依然不能满足智能化教学的需要
[31]。
在实际教学过程中，针对不同的学生，教学内容和教学策略都需要调整，而非生硬地将教学策略套用在学生身上。基于语义理解的基础上，人工智能生成技术可以根据学习者的学习情况和学习特点，对原有的学习内容进行精确地更改、编辑和二次合成，更大程度地满足了学习者由于异质性差异所带来的学习需求的不同，并且生成的AI课程材料可以通过自动化创建和更新课程材料的过程来节省教师的时间和精力。
首先，基于AIGC的智能教学系统可以根据学生的学习风格、学习目标等，提供多模态、多形式的教学工具和资源供学生选择。例如，针对一位正在学习物理的学生，系统可以根据学生的学习进度和难度等级，提供不同难度的练习题，以帮助学生更好地掌握知识点。同时，系统还可以根据学生的学习兴趣和个性化需求，提供相应的教学工具和资源，例如音频、视频、动画等，以激发学生学习兴趣，提高学习效果。
其次，基于AIGC的智能教学系统能够对学生的学习数据和学习行为进行数据分析，从而优化教学资源的使用效果。例如，系统根据学生的答题正确率和学习时长等数据，动态调整学习内容的难度，确保学生学习路径的最合理化。针对学生的学习行为，优化学习资源的形式，改善学生的学习体验。
5 结束语
随着生成式算法、多模态技术和预训练大模型等底层技术的持续创新，人工智能实现了从感知、理解到生成、创造的跨越
[32]。AIGC技术引入智能教学系统，将在教学资源、教学交互和教学评价三方面优化智能教学系统，即将教学资源从预设式转变为生成式；将教学交互从简单的信息检索变为自然语言对话；将学生数据转变为更细粒度的数据存储从而实现更精准的教学评价。该研究以人工智能生成技术为支点，构建了涵盖学习者孪生体、领域知识模块、数据调用模块、内容生成模块和交互模块五个模块的智能教学系统，探讨人工智能生成技术对智能教学系统的优化路径。新的技术进入教育领域时，教与学的实践过程往往受到诸多挑战，技术也往往存在一定的缺陷，如AIGC对数据的依赖性太强，在模型训练中数据中的偏差和训练数据中的限制可能会对模型的输出产生不利影响。但可以肯定的是，AIGC的介入能够有效地促进个性化学习的发展。
京公网安备11010202008535号
PDF
(641KB)
