夏炎：现在各行各业都在积极投身数字化转型，但我们知道教育是一个非常独特的领域。作为教育领域的专家，您认为在教育行业的数字化转型过程中有哪些核心痛点是丞待解决的？

郑蝉金：我认为，教育领域数字化转型的核心痛点至少有两个。第一，大规模个性化，也就是我们经常提到的因材施教。因材施教一直是我们教育界里的最高理念，但是如何实现大规模个性化是我们真正的痛点。第二个痛点是，AI 如何真正进入我们全人发展的过程。简而言之，就是 AI 如何影响我们的个体发展，包括认知发展和非认知发展（如社会情感等）。

AI 要怎样在这两大领域帮助人类去成长呢？我觉得第一个痛点对应的是影响面，就是如何利用 AI 技术低成本、快捷地实现大面积的个性化；而第二个痛点对应的是教育的诉求点。因为教育注重的就是人的全面发展，而 AI 主要就是在实质性教育目标方面进行辅助。我们常说教育包含“学、教、管、评”四个方面，而在此之前信息技术已经助力教育实现了“教”、“管”和“评”的部分功能，例如，信息技术已经被应用在教育管理层面，帮助教师和学校进行各种数据的采集。现阶段 AI 助力教育的核心关切点主要是在“学”这一方面。这也是教育领域的实质性最高目标。

夏炎：没错，我也很认同您的观点。从我们研究院之前与不同行业伙伴的合作来看，AI 在物流、金融等领域的任务会比较清晰，涉及人员也相对较少，更多的是针对已有模块进行优化。但教育领域的任务存在着一定的不确定性，还会涉及到多人间的互动，任务会变得复杂很多。请问郑教授怎么看待这个问题？您觉得 AI 在教育场景的应用，相对于其他行业有什么不同？

郑蝉金：我总结了一下，AI+教育相对于其他行业主要有三大不同之处。第一个不同之处是教育行业有着长链条的利益相关方，不仅涉及到多方主体，还会牵扯到多个层面。

首先从管理层来看，最高代表就是国家，这在全球都是一样的，教育行业反映的是国家的意志。国家之下就是具体的管理部门，再到落地，以国内为例依次就是教育局、教研员和校长。单从管理层我们就能看到一条关系链条，而 AI 应用到教育场景时离不开这个链条的要求和管控。

除了管理层，教育领域还有一条重要的链条叫做使用者。虽然使用者链条可能不会像管理层的那么长，利益方之间的紧密程度也不太一样，但这个链条包含了教师和学生，以及****的使用者——家长。

此外，我还想强调一个特殊的链条——微观技术指导，主要包括了领域专家、教研员、高级教师和一线教师等。具体来说，领域专家指的是高校中各类顶尖的教育学、心理学系教授和专家。教研员则是负责连接理论研究和一线实践的关键性人物，需要把领域专家提出的理念和教学实际情况相结合，并传达给高级教师。高级教师与一线教师之间则如同师傅和徒弟，高级教师会将有效合理的教学方法推广给各位一线教师们。

细观以上这三个链条可以发现，部分主体的角色是多元交织的，而且教学过程往往需要涉及多方主体。以监督为例，教育领域的监督既包括了国家的法规需求监督，又包含了微观技术指导（督导）。这些都充分展现了教育领域复杂的多方多层利益相关方。

微软亚洲研究院 AI 语言学习项目团队访问华东师范大学（右四：郑蝉金，右二：夏炎）

第二个不同之处就是教育领域缺乏大一统的理念指导。正如刚刚夏炎所说，其他领域的任务往往会对问题有一个相对清晰的界定，即 well-defined problem。但在教育心理学，我们很难对全人发展和培养给出一个清楚的问题界定。目前，在教育和心理学领域存在着形形色色、多种多样的理论思想，仅美国心理学会旗下就有55个子分支，美国教育研究协会下有12个子分支，可以想见由此叠加会衍生出多少种不同的视角、观点和理论去看待教书育人的问题。而这也使得 AI 应用到教育场景时面临着一个困境：到底要依照哪个理论去设计模型？因此，AI 在应用到教育领域时必须细致地应对每一个具体的教育场景去做独特的开发。尽管“社会生物学”奠基人 Edward Wilson 曾提出的知识大融通这个想法很激动人心，但是在教育领域是很难实现的。

第三个不同之处是学习是“反人性”的，需要人全力付出，学习的场景更加复杂。在教育心理学里有一个最近发展区的概念，它由 Lev Vygotsky（维果斯基）提出，指的是学生的学习发展有一个可能的发展水平，但学生需要突破现有水平，通过努力才能达到。那么如何将这个理论应用到 AI+教育的产品中呢？其实这就是我们常说的自适应学习系统。在这个领域下最成功的案例之一就是自适应测评，即根据学生的能力为其推荐题目。这个测评系统不会为学生推荐百分百可以答对的题目，而是推荐学生百分之五十可能会答对的题目，从而去激励学生挖掘潜力。自适应测评之所以相对于其他的教育场景更成功一些是因为它是一个 well-defined problem。但现在 AI+教育却非常不同，面对的学习场景比考试场景更加复杂，也更难将最近发展区这些概念应用到 AI 系统中。

夏炎：郑教授总结的非常完善。我也想就这个问题补充一点从计算机领域角度出发的看法。计算机最擅长解决的就是确定性的问题，问题越明确，模型越好进行收敛。但教育和学习的过程都是相对开放的，因此很难去衡量一个学生学习的过程是不是有效。例如，在定义学习发展目标时，家长、老师和学校的想法和理解可能就很不一样，这就会导致计算机很难针对多方给出一个大家都满意的最优解。所以 AI 在教育领域现在面临的问题就相当于是一个多重限制下的优化问题。

另外，您刚刚提到 AI+教育与其他行业一样都离不开领域专家的支持，但 AI+教育涉及到多方多层的利益方，应用场景也会更复杂。那么，AI+教育与其他行业相比，所需要的专业知识会否更深入？您认为 AI 与教育结合要解决的最关键问题是什么呢？

郑蝉金：针对这个问题，我的想法是 AI+教育所涉及的专业知识未必更深入，但应该是更多面的，而这会造成实施的成本和难度大幅提升。为了破解这些难题，华东师范大学在上海市政府的支持下，特别是上海市教委的指导下，成立了上海智能教育研究院。站在教育本身的立场，我们强调以人为本——是“教育+AI”而不是以往的“AI+教育”。成立一年多以来，我们上海智能教育研究院的不同团队在不同维度上都进行了很多的探索，取得了阶段性成就。我目前对教育+AI 的认知，很多也是跟着大家一起学习、探索而获取的新知识。回顾这段时间的探索与经验，我认为 AI 与教育的结合目前急需解决的最关键问题是 AI 如何真正地融入教育生态系统。任何一款 AI+教育产品从设计开发到最后的落地应用，都需要有一个将技术和教育接轨的角色。在微软亚洲研究院和华东师范大学合作的中文写作智能辅导系统“小花狮”项目中，我就扮演着这个 接轨的角色。作为扎根于教育学部教育心理学系的一名教育测量专家，我主要负责教育测量的有关技术，此外我们团队还有来自教师学院专门负责做作文测评的同事。目前我们主要有三个基础团队，之后我们还会考虑引入心理学或语言教育的专家。当然，一款好的 AI+教育产品不能只停留在设计开发上，还要考虑到在实际落地应用时教师们的需求以及如何降低他们使用时的学习成本。这也就是我刚才强调的如何融入教育生态系统。

中文写作智能辅导系统“小花狮”

以“小花狮”为例，我们在设计开发环节时就咨询过多个领域的专家。其中，大学教授主要为我们提供了理论和逻辑上的指导；高级教师为我们提供了实际应用上的反馈和建议；教研员则充当着桥梁，既兼顾理论又为我们反馈实际情况。这一条多方的长链条中任何一方的缺失都可能导致最后产品在上线和落地时面临质疑和困境。而在考虑到产品定位的前提下，如何将多方意见进行整合处理，是我们 AI+教育团队需要关切的核心问题。

近年来，我们也看到许多 AI 公司想要进入教育领域，但同时又面临着诸多困难和挫折，发展得也较为缓慢，并不如我们预期的一样蓬勃。究其原因，就是教育领域所需关涉的多方多层相关方和复杂细致的应用场景使得 AI 如何真正融入教育生态系统成为一大难题。

夏炎：那您觉得，我们接下来需要做些什么才能使 AI 真正融入教育生态系统呢？或者说，AI 落地到教育领域需要具备哪些必备条件？

郑蝉金：我认为，想让 AI 落地到教育领域首先需要让产品简单易用。因为产品最后的使用者是一线的教师们。我们只有将产品做得简便易于上手，才能降低教师们在使用时所需付出的学习成本，避免教师们产生****抵抗，从而可以更好地推广产品。

其次，我们要真正去解决实质性的堡垒，抓住和攻克刚需。无论是帮助学生提高学业成绩，还是在某个领域帮助学生提高学习能力，产品都需要至少抓住一个痛点和刚需。从教育的整体发展来看，我们应该将关注点放在学习过程和学习能力上。但相比于考试和教育管理，学习过程培养和学习能力提升的场景更加复杂。如何将 AI 结合到学习过程和学习能力这个层面，将是所有 AI+教育领域的企业和机构下一步要着重关注和思考的问题。

夏炎：从计算机领域来看，尤其是近年来我们微软亚洲研究院在实际设计、开发 AI 助力语言学习系列项目的过程中发现，算法中的部分成分是可以在教育场景中通用的，以 “小花狮”为例，其部分算法就沿用了我们之前在英语写作上的一些框架。我们也由此构建了一个通用的底层框架，然后上层应用再根据具体的学科场景去搭载不同的专业领域知识。所以我认为，我们搭建的这类通用底层框架或许反馈给教育领域，也可以帮助教育领域去做出一些改变。

提到刚需，我经常听到大家在谈论一个教育理念叫 4C，请您为我们介绍一下什么是 4C？为什么培养 4C 在教育领域中如此重要？

郑蝉金：4C 本质上是二十一世纪教育与人才培养目标的一种表述，定义了在新世纪教育领域要为整个社会培养出什么样的人才。而教育目标的制定是由各大国际组织（如 OECD，经济合作与发展组织）和各个国家根据自身的教育情况所做出的决定。4C 主要指的是批判性思维（Critical Thinking）、创造与创新（Creativity and Innovation）、沟通（Communication）和协作（Collaboration）。需要指出的是，尽管很多国际组织与国家都给出了不同版本的表述，但上述提到的这些 4C 元素在这些方案中都有一定的体现。

教育领域如何达成这些核心素养培养目标是目前我们非常最关切的教育问题。这一热潮已经体现在目前正在如火如荼开展的课程改革之中，其重要性不言自明。以前大家可能更侧重在认知层面，现在则既需要培养认知方面的能力（如批判性思维）又要培养非认知方面的能力（如沟通、协作等）。所以说，新世纪对人们提出了新的要求，那么教育能不能回应这些要求就成为了教育界需要应对新的挑战。同理，如何助力应对这一挑战自然成为教育+AI 的主要战场。

夏炎：那以我们合作的“小花狮”为例，您认为 AI 可以在培养核心素养和运用教育心理学方面做哪些辅助性工作呢？

郑蝉金：写作是个高级复杂的任务，它本身就蕴含了 4C 的这些元素。比如，写作中会有递进、转折这些逻辑关系，也就是我们说的批判性思维。此外，书面写作本身也是一种沟通能力。我们现在还会提倡高级写作，希望能够讲述一个可以吸引人阅读的故事，这就是创造性思维。而协作能力则可以在写作这个过程中去培养和训练。在很多的一线教学中，老师们会布置“漂流的作文本”这样的写作任务，去鼓励学生们合作完成写作。所以我们也希望通过“小花狮”里的各种设计来体现这些元素。我们或许暂时未必能做到面面俱到，但是有些基本的东西是一定要做到的，比如，批判性思维和沟通能力就是最基础的设计。

那么 AI 在这个过程中能够做到哪些辅助性工作呢？事实上，AI 应用于写作已经有很长的历史了，其中最成熟的首先还是自动评分。但是“小花狮”的目标不是简单的打分，而是如何帮助学生去学习，去发展他们的写作能力。也就是说，我们要让 AI 去帮助学生评估他们写作在各个方面的优缺点，并通过最近发展区去提供有效的针对措施来帮助提高写作能力。通过以上描述，大家也可以了解到这个任务会比自动评分要难很多。自动评分其本质就是利用线性回归来排序，但是帮助学生发展写作能力并不能只靠统计模型去实现，必须要借助 AI 提供诊断性信息，提升学生遣词造句、谋篇布局等具体的写作能力。如果我们能再进一步融入协作能力，利用写作活动来实现其他素养的提升，特别是非认知素养的提升，那样将更接近真正意义上的助力全人发展的目标。 

夏炎：我们也与您一样期待未来能够设计、开发出真正意义上帮助实现全人发展的产品。您既是教育专家，又很了解计算机科学，可否与我们分享一下您在进行 AI+教育的跨界合作中的经验和建议？

郑蝉金：根据我的自身经历，我主要有以下两点建议：第一是绝对的开放心态，第二是绝对的深度融合。

即便我是学教育的，我在做 AI+教育这个事情的过程中，还是需要不停地向一线的老师们学习。而只有团队中的每一个人都保持开放的心态，大家都愿意往前多走一步，那么我们才有可能把这个事情真的做好。当然，开放的心态也为第二点——深度融合，奠定了基础。没有深度融合的产品最后呈现出来的效果也是不理想的。

但这两点确实都很困难。第一点更加侧重于心态，第二点则强调了心态加上能力。由于我的个人经历跨越了很多领域，所以我对这两点的体会也更深刻。我本科是英语专业的，后来接受了心理学专业的训练，又刚好是负责最偏技术的方向，所以对计算机和统计学都有所了解，现在我的工作又是在华东师范大学的上海智能教育研究院与教育学部两个不同的二级单位之内。这些经历让我知道每个领域都如同大海一般非常广博，而我们唯一能做的就是保持谦逊的态度。

我们也很荣幸可以与微软亚洲研究院的这些科学家和工程师一起并肩攻克教育+AI 的难题。虽然教育和计算机这两个领域跨度很大，但大家都非常谦虚、有耐心，并且非常真诚地交流在项目过程中发现的各种问题。很多微软亚洲研究院的同事们还学习了大量教育领域的知识，让我们的交流与合作更加顺畅。因此，我认为每一个参与跨领域合作的人都应该保持开放的心态，聆听和接受来自不同领域的人提供的反馈，这样最后呈现出来的效果才会是真正的深度融合。

夏炎：我十分认同郑老师说的“要保持开放的心态”。在这里也非常感谢与我们合作的各位华师大的老师，正是这些领域内专家们开放的心态给予了我们沟通和合作的机会。这种开放的心态一定是双向的，可以让我们更加积极地去解决问题。

感谢郑教授的分享！期待我们未来继续携手共进！

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。