互联网，具有开放共享、跨越时空，扩大教育服务供给的优点。尽管我国在线教育体系基本实现了在疫情期间让师生“看得见、听得着”的一般性教学供给需求，但是仍然不能完全解决优质教育资源和师资资源的稀缺，难以同时为超大规模的学生群体提供个性、精准、高质量的指导，而这其实也成为此次疫情期间大众对在线教育质量焦虑症的最关键痛点之一。

 

　　创设高沉浸式的环境，提升学习的体验感

 

　　以人为本，给学生创造美好的学习体验，是技术之于教育的重要价值。此次在线教育的“疫期大考”，诞生了一个网络流行词语:“网课学困生。”这是指那些“一上课网速就不好，没有摄像头；一提问就时不时传来游戏声音”不愿上网学习的学生。此类吐槽的缘由之一就在于，由于在线学习环境中“师生教学两不触碰”，交互性不强、操作复杂等技术缺陷，常使得学习者产生孤独感和无助感，影响了学习体验。

 

　　智能技术有利于攻克现行在线教育由技术限制而带来的难题，助推虚拟实验室、沉浸式学习系统等智能学习环境的创设，着力提升在线学习环境的交互性、操作性、技能性，以此激发学习者的参与积极性，增强他们的在线学习临场感。利用智能感知、虚拟仿真等技术开发交互式教育资源，为学习者构建一种高度情境化的学习环境，使其产生置身其中的感觉，最大限度激发学习者的探究欲望，例如北京师范大学影像史学实验室在这次高校新冠肺炎疫情阻击战中，利用多年来建设积累的虚拟仿真教育资源，为在线教学提供了成熟的数字化历史教学内容和技术支撑。此外，还可以将虚拟现实技术引入到直播教学中，通过互联网将虚拟现实终端与内容服务器连接起来，为学习者提供实时、互动的全景视频服务，让学习者在虚拟场景里感受世界各地的文化气息，达到面对面教学都可能无法体验到的信息传递感。

 

　　依据每个孩子的学情诊断，进行精准画像

 

　　世界上没有两片完全相同的树叶。每个学生的初始能力和学习风格，都是不尽相同的。因此，开展个性化教育的前提，首先就是要精准掌握学习者的学习个人特征。在当前的在线教育环境中，由于师生在物理层面处于准分离状态，孩子们的个体学习特征还很难被实时捕捉，而且教师的精力有限，无法实现大规模地对每个学生进行个性化的观察诊断。

 

　　其实，在线教育中每个学习者的一切行为数据都是有迹可循、能被记录下来的，而这背后隐含了巨大的有待开发的教育潜在价值。大数据、学习分析等技术能够全方位收集、深挖学习者的数据资源，进而帮助教师高效“读懂”每一个学生。首先，在大数据等技术的加持下，在线学习平台能够“伴随式采集”学习者信息，高效汇聚来自教育全过程的数据，如：学习时长、资源的浏览量、师生互动交流情况、作业或作品的完成进度，以及测试结果等碎片化的学习行为轨迹数据，并利用学习分析技术对这些非结构化数据进行深度挖掘，形成“学习者的在线大数据”。其次，学习分析技术能帮助对学生特征进行抽取并对其进行标签化处理，抽象出学生的信息全貌进而形成精准画像，从而建立起互联化、一体化的学生信息全息图。最后，基于学生画像多角度、全方位、精细化分析学习者的学习水平、知识背景等个人特征，并将其作为教育教学决策的基础支撑和重要依据。

 

　　智能高效推送学习资源，实现资源找人

 

　　我们淹没在信息的海洋中，却饱受着知识的饥渴。由于线上教育资源数量众多，存储分散，且质量参差不齐，使得学生在面临海量的学习资源时，常常不知应该如何选择。传统的在线教育技术还缺乏有效的资源匹配机制，仅凭借学生的检索情况和平台自带的推荐功能，将资源发送给学生。这种“粗放式”的推送方式，造成了教学资源投放的精准度不高、同质化现象严重等问题，也让学生在选择资源时浪费了大量的时间。

 

　　基于智能技术的“学习资源智能推送机制”有利于解决上述问题，改变目前“人找资源”的窘境。首先，在大数据环境下，在线学习平台能够将教育资源结构化和碎片化，建立起资源推送与学生特征精准匹配的智能体系，有效保证了资源的推送效率。其次，在线学习平台可以采集学习者的资源使用偏好，并结合对学生学情的精准诊断来自动查找、汇聚推荐适合的学习资源。最后，平台根据学习者的学习偏好、风格等个性化特征，对其资源选择倾向做出预测性的分析，从而逐步提高智能推送机制的精确度，促使资源推送由原来的“被动反馈”向“主动预测”过渡，实现“资源找人”。

 

　　在当前疫情期下，每位老师在开展在线教学时，往往要同时面对几十个乃至几百个学生，巨大的在线工作量让老师们感到分身乏术、筋疲力尽。

 

　　随着大数据、学习分析、智能测评等技术在在线教育领域的应用，学习支持服务会逐渐从“人工”“标准”走向“智能”“多样”，作业布置与批改、常见问题答疑等此类枯燥任务将交由人工智能接管，教师将从繁重的机械性工作中解脱出来。在线教育的差异化服务过程是通过综合运用学习分析、智能测评等技术来实现的：在线学习平台对学习者的访问量、作业得分、讨论发帖数等学习数据进行收集，精准记录他们的学习轨迹，最终形成学习全过程数据链，多维、客观、个性化地分析学习者需求，并根据分析结果向学习者推送与其相适应的学习服务。

 

　　目前，智能技术支持的在线学习支持服务已经有了一定的实践，如美国佐治亚理工大学启用一款名为吉尔·沃特森的机器人作为助教，代替教授回复学生们在论坛中提出的问题，帮助毕业生们解决毕业论文中遇到问题。又如，中国大学MOOC（慕课）等在线教育平台所采用的智能互评技术，能够自动为每位学习者分配其他同伴的作业，学习者们可以根据评分规则来为他人打分，这在一定程度上减轻了教学团队的工作量，为学习服务的多样化供给，提供了巨大赋能。

 

　　为学生的个性化学习，绘制路线图

 

　　学习有法，但无定法，贵在得法。规划出与每个学生的特征和需求相吻合的学习路径，是帮助学生实现个性化学习的前提。疫情期的在线教学，“齐步走”的方式无法适用于每位学习者。

 

　　人工智能等技术在教育领域的应用，使大规模的个性化在线学习路径的规划成为可能。首先，结合初步构建的学生画像，在充分考虑学习者初始能力、学习风格、任务完成程度等个性化特征的基础上，预测学习者的学习状态，为其量身定制与其匹配的学习内容与活动，并以序列组合的方式推荐给学习者。其次，学习者根据自身需求自主选择适合自己的学习序列组合开展学习。同时，利用大数据技术收集学习者全过程学习数据，并实时更新学习者画像，通过不断地迭代生成，实现对个性化学习路径的动态跟踪与调控。

 

　　总之，“公平而有质量”，是在线教育朝更高水平发展的命题，而实现大规模的个性化在线教育则为破题的关键要义。当个性化的在线学习需求成为人民群众的普遍期待时，回应和满足这些期待则成为我们政府和教育工作者的当然使命。新一代智能技术的崛起和发展，有助于从粗放帮助走向精准帮扶，助力解决教育发展的“不平衡”；有助于从标准化供给到追求多样化的优质供给，助力解决教育发展的“不充分”，这为实现大规模的个性化在线教育提供了技术可能。但是，我们仍然也要意识到技术在教育中的价值，并非由技术来决定，而是由设计和使用者来决定的。因此，如何借助智能技术的力量绘制在线教育的发展蓝图，实现“公平而有质量”的在线教育，依然任重道远。