人机协同如何助推高等教育教学模式变革

　　■人机协同教学的起点是借助机器智能分析与教师经验判断，建立符合学生差异化需求的教学目标。以此为基础，进一步破解如何激发学生深度参与的教学互动、如何实现伴随式的精准教学评价与反馈
　　
　　■人机协同教学的关键在于构建充分发挥学生主体性、促进学习真正发生的教学形态。要通过教学目标与学情动态匹配、师—生—机多向适应性交互、伴随式诊断与精准化反馈，构建师生机的深度合作关系
　　
　　■人机协同教学实施需要针对具体教学场景与问题，在“师—生—机”三者数据与信息充分交互中完成人机双向赋能、协同决策，实现从目标决策到过程互动再到评测反馈的全流程合理设计
　　
　　当前，人工智能技术加速迭代演进，引领高等教育数字化创新发展，重塑高等教育教学模式。具体来讲，生成性人工智能应用逐渐演化成为具有一定能动性、适应性和自主性的智能体，以AI助教、AI学伴等形态融合应用于高等教育教学中，对传统教学模式进行要素革新与流程再造，并逐渐形成“人机共教、人机共育”的人机协同教学模式，逐步实现规模化与个性化兼顾的教学形态，以满足智能时代对大批创新人才培养的需求。
　　
　　1 人机协同教学的起点是什么
　　
　　当前，“以学生为中心”是高校课程与教学创新的基本理念。因此，人机协同教学的起点是借助机器智能分析与教师经验判断，来建立符合学生差异化需求的教学目标。以此为基础，进一步破解两个关键问题：一是如何激发学生深度参与的教学互动，二是如何实现伴随式的精准教学评价与反馈。
　　
　　就教学目标设定上，需要关注如何在内隐素养的外显分析与挖掘中把握“预设”与“生成”目标的平衡。当前，高等教育的教学目标从知识技能传授向学生核心素养的培养转变，更加强调引导学生自主探究与主动建构，发展其批判性思维、复杂问题解决、学习迁移等高阶能力。然而，核心素养是学生内隐关键能力与必备品格的体现，因此，高校教学中需要依托人机协同的环境条件，实现对内隐素养的外显分析，更加精准识别学生当前的素养水平。此外，高校教学目标不仅要实现学科知识概念、定理和公式等客观性、规则性“预设”知识的积累，还要在此基础上打破特定专业对知识边界的窄化限制，重视内隐性、实践性的主观“生成”知识，即更多需要靠学生亲身参与、感受体悟、意会等方式获得知识。这就要求教学目标设置中，充分分析挖掘学习者的学情信息，实现预设性与生成性教学目标的平衡。
　　
　　围绕教学目标设定的内容、方式的改变，课堂教学策略与评测反馈也随之改变。就教学策略，生成式人工智能技术融入课堂的人机协同教学赋予教师、学生、AI智能体各自承担不同的角色与任务，同步塑造了新型合作关系，加速知识的共享与生成，使学习过程成为共同解决问题的深度互动过程。就评测反馈，智能技术扮演了学情分析师、个性化学习规划师等角色，辅助教师评估学生达成目标的状态，进而调整教学策略。
　　
　　因此，如何充分发挥人机协同的智慧，实现对学生知识理解、思维发展、价值塑造等高阶目标的伴随式精准评测还需进一步探索。需要注意的一点是，尽管精准的伴随式评价需要采集全流程、多场景、多维度的学习数据，提高数据采集的连续性和可追溯性，但更不能打断师生正常教与学的进程，以免带来教学负担。
　　
　　2 人机协同教学的核心环节是什么
　　
　　人机协同教学的关键在于构建充分发挥学生主体性、促进学习真正发生的教学形态，需要重点聚焦通过教学目标与学情动态匹配、师—生—机多向适应性交互、伴随式诊断与精准化反馈来构建师生机的深度合作关系，激发群体智能，促进学生深度学习。
　　
　　一是教学目标与学情动态匹配。在实现预设性与生成性教学目标平衡的过程中，需要清晰明确“人”“机”的角色定位与协作机制。在角色层面，教师需要自上而下融通专业与社会需求，判断学生应达成的核心素养目标；智能体承担更多自下而上分析学生学情的任务，在规模化课堂教学中挖掘学生群体学情，在个性化互动交流中挖掘学生个体学情。在协作机制层面，重点体现在两方面：教师“教什么”方面，教师依据智能助教提供的群体学情报告，判断学生当前素养水平与目标水平之间的差距，从而科学设置教学目标、规划教学内容等；学生“学什么”方面，智能学伴基于学生个体学情的跟踪与判断，感知学生在学习中引发的新问题与新目标，为学生匹配相应的教学资源与内容，以实现生成性教学目标。
　　
　　二是师—生—机多向适应性交互。在人机协同教学中，智能体以自然语言为交互渠道，理解与回应师生意图。在多向交互中，智能体以三种不同形态化身为教学助手，具体表现为：第一，智能体作为共教者参与到师生交互中，替代师生之间的知识性问答与反馈，提升以获取知识为目的的交互效率，使师生有更多时间与空间进行基于生命体验的交流，满足学生的人格与生命发展的需求。第二，智能体作为共学者参与到生生交互中，为学生群体之间的协作提供更个性化的认知与情感支持，提升学生人际交往与协作问题解决等高阶思维能力。第三，智能体作为伴学者参与到学生与自我的交互中，为学生创设论文答辩、面试求职等虚拟情境，可以及时发现学生问题与薄弱项，提供客观理性的改进建议，促进学生自我发展。
　　
　　三是伴随式诊断与精准化反馈。在人机协同教学中，智能体作为智能助教来增强教师感知与加工信息的能力，并捕捉教学过程中多源数据，智能分析学生学习情况，实现教学评价从教师单一经验判断向数据循证转变。在评价标准上，智能体协同教师制定出导向素养达成且可观察、可操作的评价标准；在评价过程中，智能体通过与学生在不同场景中的互动交流，隐性化、伴随式地采集与汇聚全场景、全流程的数据，生成指向素养达成的评价结果；在结果诊断上，教师结合教学经验和多源数据循证，及时对学生提供认知与情感关怀反馈，学生依据反馈来自我认识、自我判断、自我反思、自我调控，最终实现主动建构与积极发展。
　　
　　3 人机协同教学的实施路径是什么
　　
　　人机协同教学实施需要针对具体教学场景与问题，在“师—生—机”三者数据与信息充分交互中完成人机双向赋能、协同决策，实现从目标决策到过程互动再到评测反馈的全流程合理设计。
　　
　　多主体建构：精准定位目标路径。教师依据教学经验等，设定预设性目标；机器利用课程知识图谱、关系挖掘等技术，精准定位学生在知识技能、高阶思维等方面应达到的生成性目标。在这一过程中，需要以差异化目标作为学情分层画像依据，突破传统同质化的教学限制。如西南民族大学针对地区生源基础差异化、学习需求多样化的实际情况，授课前，教师根据收集的学生多平台课前课后测试、课堂互动表现、作业实验等过程性学习数据，结合学习基础、学习需求等，把学生聚类为3至4个小组，设定模块化课程内容，以实现“保证基础，能者多学”的教学目标。值得注意的是，在学生动态学习过程中，机器需要根据教师预设规划及学生实时学习诊断结果，持续为学生动态调整学习目标提供参考建议。
　　
　　多场景化生：多元形态师生互动。在课堂理论学习场景中，机器作为智能学伴或智能助教，与师生共同解决非良构、非衍生性问题，即融入跨学科、超学科等充满不确定性的知识的问题，促进学生开展深度学习。在技能实训和实验操作中，机器作为智能工程师延展教师教学实践能力，与集成化的实训教学融为一体，把书本中抽象概念实体化，将操作性知识具象化，使学生在动手实践中加深对知识应用的理解，增强学生的专业实践性与课程的情感联结。在自适应学习场景中，机器作为教师数字孪生体的“分身在场”，对学生数据进行多维分析挖掘与实时监测，结合学生发展需要，聚合网络精品学习资源，为学生提供个性化资源推荐和学习指导，使学生在人机协作中实现知识掌握与能力培养。
　　
　　全流程伴随：数智驱动多维评价。一是建立覆盖全场景、全过程的教学评价数据基座，使学生“评价改进”有据可循。二是细化评价指标体系，增强评价指标的可度量性和可实现性，针对评价涉及的时间（课前预习、课中表现、课后反思）、空间（线上、线下、线上线下融合）、学习结果类型（知识技能、实验/实践任务、项目制品）等要素调整指标权重，并以仪表盘、数字画像等可理解的直观形式反馈评价结果给师生，实现即时评价改进。三是在教学测评中融入适配学科的分类垂直大模型，基于专业领域知识对学生作答、作品、论文等进行预评价，实时分析学生的学习轨迹、问题解决过程中的行为表现，通过反馈信息引导学生从回答“是什么”的正确答案转向“为什么”和“如何”的结构化思考与表述观点及依据的综合能力。
　　
　　（作者马志强系江南大学教育学院、江苏“互联网+教育”研究基地教授，文桥系江南大学教育学院硕士研究生；本文系国家社会科学基金2022年度教育学一般课题“协作知识建构会话智能化分析与反馈研究”［编号：BCA220215］的研究成果）