原标题：大数据人工智能模型下未来教育的“六个转变”
当前，人工智能正超越运算智能水平，在感知智能水平上突飞猛进，正在向认知智能水平迈进，对教育的影响日益广泛和深远。要深入了解其影响，必须先剖析人类学习与机器学习的区别和联系。
人类学习是机器学习的基础，二者存在本质区别。
首先，学习起点的区别：有限设定与无限开放。机器学习的起点是初始输入的编码信息，只有完全符合学习起点的信息并被精准识别后，机器学习才会发生。因此，参数和算法是影响大数据模型效率的关键，目前现有的大数据模型参数大多超千亿。人类学习的起点是一个无限开放的时空范围，一切外在和内在的信息都能促发学习。
其次，学习逻辑不同：算法执行与自我创生。机器以逻辑迭代为学习方式，进行算法叠加，生成学习结果。人类学习是以信息内化为基础的，是自我创生为主的，会创生不同知识间的新联系，创生出原本没有直接关联的独立事物间的联结，产生许多新的联想和感性表象，这种创生体现出鲜明的个体差异性，即同样的学习活动会产生丰富多彩的结果。
最后，学习结果不同：标准比对与选择偏好。机器学习将学习迭代后符合系统设置的指标体系标准的结果输出或存储，这就是机器学习的结果。因此，应用同一型号的学习机器在相同时空执行相同学习任务后的结果往往是一样的。人类学习则基于自己的偏好，蕴含更多情感，如存在“弃好用差”等价值选择可能，因此更容易获得创新性、差异性结果，因此才有“一千个读者就有一千个哈姆雷特”之说。
基于大数据模型的人工智能对教育的影响主要在两个方面：一方面，大量繁重、机械的人类工作会被机器取代，使教育的价值、目标等发生改变，影响人们对教育功能的认识和教育需求；另一方面，直接影响教育场景、手段，使传统教育形态发生变革，甚至改变人们的教育观念。在大数据模型人工智能深化背景下，未来教育可能会产生以下转变。
其一，教育功能从服务已知向服务未知转变。人工智能快速发展，新旧领域和行业快速更替，未来科技、工作、生活等领域的发展具有更大的不确定性。因此，从知识本位向能力本位进而向素养本位转变，成为未来教育的必然选择和应然主流。未来的不确定性和难以预知性，要求学习内容从确定性结论转向过程性内容，学习过程从理解性接受转向生成性建构，学习应用从知识性强化转向方法性化用，学习评价从终结性鉴定转向过程性指导，实践活动从学科性探究转向跨科性融合。
其二，学校形态从时空同场向散点分布转变。未来，大数据、人工智能、物联网等技术将打破现有教育时空局限。云数据的大容量和人工深度挖掘技术，将使教育内容数据资源建设和个体学情数据分析更加立体而精准；虚拟仿真技术和多模态互动技术，将使时空异步的教育情境更加逼真和有效；基于全息媒体和网络交互技术构建的大数据学习模型，将使学习协作和社交发展不再必然依赖现实的物理空间。因此，未来学校将体现出学习时空上的离散型特征，也会日渐增强虚拟性、泛在性、非在场性等特点。
其三，教学工作从人工为主向人机协同转变。大数据模型能高度模拟知识、技能等教学情境并使之成为现实。未来，从事教学的将不再全部是教师，也不一定是“全职”教师，而会呈现出人机协同、精细分工特征：一是基于课程标准和选用教材的解读与设计者，更强调学科性专业解读能力和将内隐思维精准文本化的教学预案设计能力。二是将教学或活动方案制作成适合异步时空学习的多模态媒体课程，设计成可由人工智能机器实施的教学程序，并可由机器执行。三是指导学生借助大数据模型构建的学习情境进行个性化学习的人员，主要进行学习方法指导、培优补差、家校沟通等工作。
其四，知识获取从知识存储向信息链接转变。从农业时代到工业时代，人们注重拥有知识和技能，以期提前储备好未来需要的知识。但是，未来充满不确定性，知识、技能、职业都不断涌现，难以也没有必要完全掌握。因此，未来教育要从重视知识和能力习得转向重视信息获取、建立信息链接等，重视基于知识提供的线索进行想象和发散性思考，重视共享经验和知识并进行协作创新，强化知识链接能力。
其五，能力塑造从领域通才向两极分化转变。未来受社会欢迎的人才可能不再是通才，而呈现出两极现象：一极追求专业性精深，在特定专业、领域、项目的某个具体点上做到极致，成为专家级人才并保持研究的前沿性和权威性。另一极追求跨界性整合，具备多个专业、领域、行业的一般性知识和能力，致力于突破单一领域局限，寻求跨学科、跨业界的整合和创新。简言之，前者追求纵向深度，后者追求横向链接，而在特定领域的一般能力水平将可能失去主导价值。
其六，学习策略从全面学习向定向攻关转变。未来社会，人们的生活、工作和学习都将面临更多的新理论、新知识、新技术，因此从事任何工作都要提高准确识变、科学应变的能力。面对新领域、新技术、新情况等，“识变”后的定向学习是“应变”的重要举措。定向学习不是储备性先期学习，而是针对性应急学习，其学习内容方向、多少、深浅、进度都依解决现实问题的需要而调整。
（钟建林，作者单位：福建省教育科学研究所）
