مقال أكاديمي تاريخي نشر في موقع الكرسي يوم 15 أكتوبر 2024. تعرض الإحصاءات والمناصب والنظم المقترحة وفق سياق النشر الأصلي.
QI Binbin (1)، BAO Haogang (2)، ZHENG Yafeng (3)، LI Yanyan (1)
1. المركز الوطني للأبحاث الهندسية للتعلم الشبكي والتقنيات الذكية، جامعة بكين للمعلمين، بكين 100875، الصين.
2. معهد أبحاث التعليم الأساسي، الأكاديمية الوطنية الصينية للعلوم التربوية، بكين 100088، الصين.
3. مركز العلوم والتكنولوجيا التربوية، جامعة بكين للمعلمين، تشوهاي، غوانغدونغ 519087، الصين.
محتويات المقال
الملخص والكلمات المفتاحية
الملخص: تمثل بيئات التعلم أساسا للتحول الرقمي في التعليم وتغير أساليب التعلم والتدريس. ويعد تجديدها وتطويرها الذكي وتمحورها حول المتعلم وتقديم خدمات دقيقة من متطلبات التعليم الرقمي والنظام التعليمي عالي الجودة. ويحدد المقال مفهومها بأربعة أبعاد: الاستشعار والرصد متعددا الوسائط، وتسجيل عمليات التعلم وتحليلها في سيناريوهات متعددة، ونمذجة مواقف التعلم عبر البيئات والتوصية بها، وبناء مجتمعات تعلم تعاونية بين الإنسان والآلة ودعمها. ويتبع الإطار منطق معالجة البيانات وتدريب النماذج والخدمات الذكية، ليشمل تطوير البيئة المادية وتجميع البيانات، وبناء المؤشرات والخوارزميات، والدعم التكيفي الدقيق. وتوجه التطبيقات التعليمية المرتبطة بالسياق التنفيذ عبر معايير تصميم البيئات وتقييمها، ومحركات الحوسبة، ومنصات رصد الفصول على نطاق واسع، وتطبيقات تجريبية قائمة على الأدلة. ويناقش المقال بنية الحوسبة السحابية والطرفية والأجهزة، وقابلية التفسير التربوي، والتعاون وتصميم التفاعل، وأمن البيانات والخصوصية.
الكلمات المفتاحية: بيئة التعلم الذكية؛ التمحور حول المتعلم؛ التعاون بين السحابة والحافة والأجهزة؛ التعليم الذكي؛ التحول الرقمي في التعليم.
1. مقدمة
دعا تقرير المؤتمر الوطني العشرين للحزب الشيوعي الصيني إلى تعزيز رقمنة التعليم وبناء مجتمع وبلد للتعلم مدى الحياة للجميع [1]. وأصبحت الرقمنة مدخلا لفتح مسارات ومزايا جديدة لتطور التعليم الصيني. وتشكل بيئة التعلم أساس تغير طرائق التعلم والتدريس [2]، إذ تنتقل من الحرم المغلق تقليديا إلى بيئات قائمة على الإنترنت تمتد إلى المنزل والمجتمع [3]. وخلال نحو عقدين دعمت السياسات الوطنية مبادرة الاتصالات الثلاثة والمنصتين، ومنصات الإنترنت زائد التعليم، ثم البنية التعليمية الجديدة، فتحسنت التجهيزات الرقمية جذريا. وتشير الإحصاءات الواردة في المقال إلى أكثر من 498300 مؤسسة من جميع المستويات والأنواع [4]، واتصال جميع المدارس الابتدائية والثانوية بالإنترنت، بما فيها نقاط التدريس، ووجود أكثر من 5.8 مليون فصل متصل متعدد الوسائط، أي نحو 68% من الفصول. لكن هذه الميزة لم تتحول بما يكفي إلى زخم للإصلاح. ولا تزال صعوبات التنسيق بين المدرسة والمرافق الثقافية والعلمية والمنزل، والجمع بين المحلي والبعيد والحضوري والمتصل، وضعف الدعم الشخصي قائمة.
أصبح تجديد بيئات التعلم ككل وتطويرها الذكي وتمحورها حول المتعلم وتقديم خدمات دقيقة ضرورة للتعليم الرقمي والنظام الجيد. وتنص خطة تطوير الجيل الجديد من الذكاء الاصطناعي على بيئات تدريس شاملة متعددة الأبعاد، وبيئة متمحورة حول المتعلم تقدم خدمات دقيقة وتخصص التعليم اليومي والمستمر [5]. ويستلزم ذلك تجاوز تحديات الاستشعار والرصد المادي، وتسجيل العمليات وتحليلها، ونمذجة المواقف وخدماتها، وربط المجتمعات ودعمها عبر البيئات والسيناريوهات. ويمكن لمنصات الرصد واسعة النطاق إنشاء بيئات تعلم متاحة في كل مكان، مترابطة بين السياقات ومتمحورة حول الفصل، تجمع الحضور والاتصال والاستشعار المكاني الذكي. ويسهم ذلك في تحسين الخبرة والأداء وتسريع التحول الرقمي والتطوير الذكي، وتقديم أساس تقني للتعليم الجيد واستراتيجيتي الصين الرقمية وتقوية التعليم الوطني.
2. مفهوم بيئة التعلم الذكية
تطور البيئة الذكية بيئة التعلم الرقمية بجعل المتعلم وأنشطته محور التجديد. وتهدف إلى بيئة متمحورة حول الإنسان تتميز بثلاث سمات.
(1) بيئة إنسانية تعنى بتغير التعلم في العصر الذكي. فالتعلم اكتساب للمعرفة والمهارات والاتجاهات من خلال بناء تعاوني مع الأقران والمعلمين والوكلاء المترابطين، في بيئة من إنترنت الأشياء والأدوات الذكية [6]. وينبغي أن تقوم على الرقمنة والتنمية منخفضة الكربون، وأن تتسم بالثقة والترابط والتكامل، وأن يحسن تطويرها المستمر خبرات التعلم والتدريس ويدعم التعلم عبر البيئات والمواقف.
(2) بيئة ذكية تدمج ثلاثة فضاءات. بوصفها تطبيقا تعليميا مبتكرا للجيل الجديد من الذكاء الاصطناعي، تسهم في تعليم رقمي يدمج المجتمع البشري والعالم المادي والفضاء المعلوماتي. وتتيح الخصائص الزمانية والمكانية الاستشعار ونمذجة المواقف وتحليل السلوك عبر البيئات وخدمات الدعم التكيفي.
(3) بيئة تكاملية تحسن الخبرة والأداء عبر السياقات. تدعم التقنيات الأنشطة كي يحدث تعلم فعال ويتحقق التعلم الرقمي ونمو الطلاب. ويمكن لشراكات المدرسة والمرافق أو القواعد التعليمية والمنزل تعزيز التربية المشتركة بين الأسرة والمدرسة والمجتمع.
تركز البيئة الذكية على أنشطة المتعلم. ويعرض الشكل 1 أربعة عناصر أساسية.
(1) الاستشعار والرصد متعددا الوسائط. يتيح إنترنت الأشياء إدراك البيئة وضبطها وتحسين الراحة وخفض الطاقة، مع أثر في الصحة البدنية والنفسية وسير التدريس. وتجمع المستشعرات وعقد الحوسبة الطرفية ديناميكيا بيانات الصوت والإضاءة والكهرباء والحرارة والرطوبة والشبكة في الفصول والمختبرات والمكتبات والمتاحف العلمية، لتكوين قواعد متعددة الوسائط لحالات البيئة. وتدعم التدفقات الأصلية تمثيلات ديناميكية وتوائم رقمية لرصد المكان وجودة الشبكة وعمل التجهيزات.
(2) تسجيل العمليات وتحليلها في سيناريوهات متعددة. توفر بيانات العملية أساسا أكثر موضوعية وتفصيلا من الدراسات القائمة على الملاحظة والخبرة. وتلزم معايير وأدوات لجمع البيانات المتعددة في الفصول والبيئات الافتراضية والفضاءات الهجينة. ويسجل الجمع والتجميع غير التدخليين وغير المزعجين السلوك طوال الأنشطة. وتتيح وسم أنشطة عدة أطراف مكتبات لترميز القراءة والنقاش والتدريب والتجارب. وتتعرف الحوسبة بين الوسائط على السلوك وتتابع تنشيط المعرفة والانخراط وتفاعل الأقران، وتنتج سجلات مفسرة لملاحظة الدروس.
(3) نمذجة المواقف عبر البيئات والتوصية بها. تجمع النماذج خصائص المكان والمشاركين في المنزل والمدرسة والمرافق، وتتعرف على الأنشطة المعقدة، وتولد ملفات سياقية فردية وجماعية بدرجات تفصيل مختلفة. وتستخرج من تسلسل المواقف اهتمامات المتعلمين والمجموعات ونواياهم المحتملة لتوصية محتوى تكيفي ومسارات شخصية.
(4) بناء مجتمعات الإنسان والآلة ودعمها. تحدد مواصفات جمع وقياس القوالب المعرفية المرحلة التعليمية والمعرفة السابقة والانخراط وأسلوب التعلم والحمل المعرفي، لتشكيل مكتبة متعددة الأبعاد. وتتعرف على التفاعل بين المتعلم والمشاركين والبيئة، وترسم شبكات المجتمع بدمج الزمان والمكان وموارد المعرفة والسلوك المعرفي. وتشكل الخبرة وشبكات التفاعل التعليمي مكتبة توصيات وتدخلات دقيقة مع إبقاء الإنسان في الحلقة، human-in-the-loop [7]، لدعم خدمات تكيفية. ويؤدي دمج العناصر والتقنيات إلى بيئة مترابطة تدعم أنشطة أصيلة متمحورة حول المتعلم وتحسنها.
عرض الوصف النصي الكامل للشكل
في المركز رمز للتعلم والتدريس داخل الفصل. وتحيط به أربع وحدات تتصل به وتتصل أيضا فيما بينها خارجيا. والوحدات ووظائف الدعم المتجهة إلى المركز هي:
- استشعار البيئة ورصدها بوسائط متعددة ← ضبط راحة البيئة ديناميكيا.
- تسجيل عمليات التعلم وتحليلها في مواقف متعددة ← التقييم الكمي للعملية.
- نمذجة المواقف عبر البيئات والتوصية بها ← توصية الموارد والمسارات.
- بناء مجتمعات تعلم الإنسان والآلة ودعمها ← التفاعل المجتمعي والدعم الدقيق.
3. تصميم الإطار
البيانات والخوارزميات والقدرة الحاسوبية عناصر الذكاء الاصطناعي الثلاثة، وأساس الخدمات التعليمية الشخصية عالية الجودة. ويشمل الإطار طبقات الأجهزة والبيانات والنماذج والخدمات. تجمع الأجهزة البيانات، وتبني المعالجة والتحليل المؤشرات، ويدرب النموذج لتقديم موارد ودعم شخصيين. ووفقا لمنطق المعالجة والتدريب والخدمات، يوضح الشكل 2 تطوير البيئة وتجميع البيانات والمؤشرات والنماذج والدعم التكيفي الدقيق.
عرض الوصف النصي الكامل للشكل
يضم الشكل من الأسفل إلى الأعلى الأجهزة والبيانات والنماذج والخدمات. وترد المكونات أدناه بترتيب الصورة من الأعلى إلى الأسفل:
- طبقة الخدمات
- فهم سلوك التعلم
- توصيات شخصية بموارد التعلم
- دعم وتدخل تعليمي دقيق
- استشعار بيئة التعلم وضبطها
- ملفات تعلم فردية وجماعية
- تقييم القدرات المعرفية للمتعلم
- طبقة النماذج
- نموذج الاستشعار الذكي للبيئة
- نموذج استدلال حالة التعلم
- نموذج توصية الموارد
- نموذج التوأم الرقمي للفصل
- نموذج التعرف على سلوك الأنشطة
- نموذج التعرف على مواقف التعلم
- شبكة مقترنة متعددة الطبقات
- طبقة البيانات
- بيانات البيئة
- بيانات سلوك الأنشطة
- بيانات المتعلم
- بيانات موارد المعرفة
- بيانات تفاعل المجتمع
- طبقة الأجهزة
- مستشعرات إنترنت الأشياء
- الكاميرات
- شاشة تدريس متكاملة
- الأجهزة المحمولة
- منصات التعلم عبر الإنترنت
3.1 تطوير البيئة المادية وتجميع البيانات
جمع بيانات المتعلم والبيئة وتسجيلها شرط أساسي. وتحتاج الفصول والمختبرات ومواقع التدريب إلى تعزيز بمستشعرات إنترنت الأشياء والكاميرات والأجهزة التي تجمع المعلمات البيئية والصوت والصورة آنيا. وتجمع العقد الطرفية مؤشرات الصوت والضوء والكهرباء والحرارة والرطوبة وحالة الشبكة، وأبعاد التجهيزات وموادها وتوزيعها المكاني، لتشكيل مؤشرات البيئة. ويستخدم رصد السلوك الحضوري النص والصوت والصور والفيديو لوسم النظرات والحركات والوضعيات والتعبير الوجهي ومحتوى الكلام ونبرته، ثم دمجها في بيانات الأنشطة. وتقدم المنصات نقرات وتسلسلات تصفح وتفاعلات من نقاش وتعليقات ومشاركة. وتقيس المقاييس والاستبانات المعرفة السابقة وأنماط التعلم والحالة النفسية والمستوى المعرفي. وتنظف المصادر غير المتجانسة من الفصول والمنصات والمواد السمعية والبصرية والنص والموقع وتجمع. وتنظم الطوابع الزمنية مخزونا يضم البيئة والمتعلم والموارد والأنشطة والشبكات الاجتماعية.
3.2 المؤشرات والنماذج الخوارزمية
يمكن لاكتشاف الأجسام وتتبع أهداف متعددة والتعرف على السمات تحديد المعلمين والطلاب والأشياء في الصور والفيديو. ولتقليل كشف سمات الوجه في التحليل الزماني المكاني يقترح المقال إعادة التعرف على الأشخاص، ReID [8]، لتحديد الشخص نفسه بين كاميرات أو تسلسلات مختلفة. ثم تحول نماذج التعرف على الأنشطة في مواقف متعددة البيانات الفردية إلى تسلسلات تعلم وتدريس. وبالاقتران مع الملاحظات الصفية والأسئلة والأجوبة وتعبيرات الوجه، تقدر تنشيط المعارف وتغير الانخراط والتفاعل بين المعلم والطلاب وبين الأقران.
إلى جانب الأنشطة الحضورية، تسجل المنصات نقرات ومنشورات ومهام تمثل التعلم الفردي والتواصل المجتمعي. وتشمل النص والصوت والصورة وعلاقات الشبكة والبيانات المكانية والزمانية. وقد تبين عناوين IP ومواقع التسجيل المدينة أو الحرم، بينما ترتبط السلاسل الزمنية بمشاهدة الفيديو والنقاش. وتحتوي الخطط والمذكرات ومقاطع MOOC غير المهيكلة كيانات وعلاقات لرسوم المعرفة. وتكشف الوسائط أيضا القدرات المعرفية والمسارات والتفاعلات. فاستخراج الكيانات والعلاقات يكشف البنية الضمنية لشبكات المعلم والطلاب والأقران. ويمكن لرسم بياني دمج الزمان والمكان والموارد والسلوك المعرفي: تمثل العقد الأماكن والمفاهيم والسلوك، والحواف العلاقات المكانية والمعرفية والسلوكية. وتتيح وحدات الترميز وفك الترميز الخاصة بالمهام التعلم والاستدلال في سياقات مختلفة. وتلتقط الشبكات العصبية البيانية، GNN، العلاقات والسمات المحلية، وتحلل العقد المهمة والمجتمعات ومسارات الانتشار. وتساعد تصورات الشبكات الديناميكية المقترنة متعددة الطبقات على فهم العلاقات واكتشاف الأنماط المعقدة الخفية.
تكون مؤشرات المواقف والبيئة والسلوك مجموعات متعددة الوسائط للمدرسة والمنزل والمجتمع. ويحدد اكتشاف الأجسام بالتعلم العميق المشاركين، ثم تستخدم سلاسل الأنشطة الزمنية شبكات الذاكرة الطويلة القصيرة المدى، LSTM، للتعرف على المواقف عبر البيئات وتحليل المراحل والعملية الكاملة. وتتيح الأنشطة والقوالب المعرفية وتفاعل الأقران وتنشيط المعرفة ملفات فردية وجماعية متعددة المقاييس تشمل السلوك وتغير الإنجاز وتفضيل الطرق والعادات. وتحدث بيانات الأداء الجديدة هذه الملفات دوريا لتصبح واعية بالسياق.
3.3 الدعم التكيفي الدقيق والخدمات الذكية
تتيح الحوسبة المتعلقة بالبيئة المادية والعمليات والملفات والمجتمعات الرصد والضبط، وفهما مفسرا للسلوك، وتوصيات موارد تكيفية، ودعما مجتمعيا وتدخلا تعليميا.
(1) تضبط نماذج الاستشعار الراحة ديناميكيا. وتراعي المؤشرات أثر الإضاءة في صحة البصر والضوضاء في الانغماس. وتغذي العقد الطرفية الشبكات العميقة بتدفقات الصوت والضوء والكهرباء والحرارة والرطوبة والشبكة. وتكيف النماذج ترميز الصوت والصورة مع الاتصال وتتنبأ براحة المكان وتضبطها آنيا.
(2) تولد قواعد تقويم الدروس ومؤشراته تغذية راجعة مفسرة. تستند المعايير السياقية إلى تسلسلات الأنشطة والحالات وخبرة المعلمين والمعرفة التخصصية. وتقيم طرائق مثل التحليل الهرمي الانخراط والتفاعل والتدريس والتنظيم، لإنتاج تقارير تفاعلية تساعد المعلمين والإدارة على تحسين الاستراتيجيات والنتائج.
(3) تخصص الملفات الواعية بالنشاط الموارد. فالأنشطة المعقدة والملفات الفردية والجماعية والسياق تولد أوامر، prompts، تناسب الخصائص والتفضيلات. وفي التدريب المختبري تدعم التوصيات التحضير والتدريس الدقيق. ويساعد توجيه الخطوات والتنبيه إلى الأخطاء على التأمل وتعميق الفهم. كما يوجه التشابه والاختلاف بين المتعلمين موارد جماعية للتعلم والنقاش والتعاون.
(4) تسمح بنية شبكات المجتمع بدعم وتدخل دقيقين. يتيح النموذج الأولي متعدد الطبقات التجميع والاستكشاف لفهم البنية والعمل. ويمكن للشبكات ومكتبة التدخلات الخبيرة، ومنها الإرشاد النفسي للتعلم ودعم الأقران والتدخل المشترك للأسرة والمدرسة والمجتمع [9]، تكوين حلقة موثوقة بين الإنسان والآلة تقدم خدمة مناسبة لكل موقف.
4. مسارات التنفيذ
يطبق الإطار والخوارزميات والخدمات في سياقات فعلية لدعم التجريب واسع النطاق. وتناقش أربعة مسارات: التصميم والتقييم عبر البيئات، ومحركات الحوسبة المدفوعة بالأحداث، ومنصات رصد الفصول بالسحابة والحافة والأجهزة، والتطبيقات الواسعة الموجهة بالأدلة.
4.1 التصميم والتقييم عبر البيئات
التطبيقات التعليمية السياقية للذكاء الاصطناعي مدخل أساسي لتطوير البيئات [10]. ويوجه الابتكار القائم على السيناريو التقنية نحو اختراقات تتيح تطور العرض التقني والطلب التعليمي معا [11]. أولا تدرس أمثلة التدريس الصفي والتعلم التعاوني والتطوير المهني والتدريب والتعلم الذاتي عبر الشبكة، وتحلل البنية القائمة وتوضع معايير البناء وأدلة التطوير. وتمثل الأحداث والأنشطة والمشاركون والأجهزة والأماكن ببيانات منظمة. ثم تستخلص السلوكيات والتغيرات العاطفية والصعوبات والاحتياجات عبر المراحل لبناء خرائط رحلة متمحورة حول المتعلم [12]. وتوجه النظرية التربوية الخدمات التكيفية ومنطق دعم الأنشطة. وأخيرا يقيم المعلمون والطلاب والخبراء التصاميم ويحسنونها عبر دورات متكررة.
4.2 محركات الحوسبة المدفوعة بالأحداث
أجهزة إنترنت الأشياء ومستشعرات الصوت والصورة والمنصات مصادر بيانات مهمة. وتعرف أفعالها بالأحداث، مثل حالات المستشعر وعمليات المستخدم واستجابات الخدمة الخارجية. وتدمج مكتبة النماذج الأساسية الاستشعار وتسجيل العمليات والتعرف على السياق وربط المجتمع في محرك أحداث يلتقط تغير السلوك والحالة عبر بيئات معقدة. وتستخدم البنية المدفوعة بالأحداث، EDA [13]، النشر والاشتراك لبدء الأحداث ومعالجتها، مع ترابط ضعيف وقابلية للتوسع ومرونة. وتستجيب الطوابير والمجدولات والقنوات والمعالجات للأنواع والخصائص وتقدم خدمات استباقية من تدفق الأحداث. وتحتاج الحوسبة إلى قاعدة معرفة تصف العلاقات والسببية بين الحالات والرموز السلوكية والقوالب المعرفية وملفات التعلم واستراتيجيات الدعم والتدخل. وتوجه أوصاف الكيانات وقواعد الاستدلال الخدمات الدقيقة عبر البيئات والمواقف.
4.3 منصات الرصد بتعاون السحابة والحافة والأجهزة
تتمحور منصة الفصول الذكية حول الحوسبة ومعالجة البيانات. وتتيح الطبقات المتعاونة [14] مشاركة مجموعات السحابة والعقد الطرفية وأجهزة إنترنت الأشياء في الاستشعار والتعلم والقرار. وتربط Zigbee وLoRa وWi-Fi مصنّعين وأجهزة وخدمات مختلفة. وتصل البوابات الطرفية أجهزة الأشياء ومحطات التعلم بالسحابة، فتجمع البيانات وتهيئها وتحول البروتوكولات وتحلل وتقرر آنيا وتراقب وتتحكم عن بعد. وتنسق الاستشعار بين الحافة والأجهزة. وعند معالجة إطارات الفيديو المهمة، تشغّل العقد نماذج في بيئة تنفيذ محلية موثوقة أو تستدعي السحابة وترسل النتائج إلى قاعدة سلاسل زمنية. وتدير السحابة العقد وتدريب النماذج. وتحدد نماذج الأشياء التعليمية الخصائص والوظائف والأحداث وتسجل العقد والأجهزة التابعة. وتدعم بيانات السيناريو والموارد التدريب والضبط الدقيق للنماذج الكبيرة، بينما تنظم مواصفات الرسائل والتوزيع التدريب السحابي والنشر الطرفي. وتدمج المنصات المحاكاة ورصد الحالات وتقييم الكفاءة وتسجل المتعلمين والبيئة وتحللهما طوال العملية لتقديم دعم تكيفي.
4.4 تطبيقات واسعة موجهة بالأدلة
ينبغي أن تتبع التجارب أو شبه التجارب دورة التصميم والتطوير والتنفيذ والتحقق والتحليل والتقييم والتحسين. وتقارن مجموعات ذات تغذية راجعة مختلفة لبحث العمليات والنتائج وأثر سجلات الدروس والتوصيات والدعم التكيفي في معرفة الطلاب والمعلمين ومهاراتهم العملية ودوافعهم العاطفية. ويكشف ذلك آليات دعم التقنية للتعلم ومبادئه واستراتيجياته، ويوفر أدلة مفسرة للتمحور حول المتعلم. وتطبق بيئات التدريس الشاملة متعددة الأبعاد المحسنة في الممارسة. ويوضح التتبع الدور الأساسي للتقنيات ومساعدتها الفعلية. وتحدد نظرية النشاط والتصميم المنهجي الأحداث والعناصر الحاسمة والمؤثرة في النتيجة. وتفسر النماذج التربوية آليات الدمج وتستخلص مبادئ لمواقف مختلفة. ثم تتحقق تطبيقات إقليمية واسعة من الحل المتكامل وآثاره التعليمية، وتدعم خدمات التدريس عبر البيئات على نطاق كبير.
5. التحديات الأساسية
تحد النضج التقني والمخاطر الأخلاقية والبنية التعليمية من إنشاء بيئات متمحورة حول الإنسان. وتبحث أربعة تحديات: البنية الحاسوبية الموزعة، والتفسير التربوي للنماذج، والتعاون وتجربة التفاعل، وأمن البيانات والخصوصية.
5.1 بنية حوسبة السحابة والحافة والأجهزة
يتطلب التعاون الموزع تحديث الشبكات التعليمية. وتعتمد التطبيقات عبر البيئات على البيانات والخوارزميات والحوسبة وتحتاج إلى دعم القدرات العامة. ويمكن للتحقق واسع النطاق الاستفادة من منظومة خدمات الحوسبة الوطنية المتكاملة لتوفير موارد مختلطة وغير متجانسة ديناميكيا للمؤسسات لبناء النماذج وتدريبها وتشغيلها. وتتطلب المواقف المختلفة مطابقة ذكية للحوسبة والتخزين ونقل البيانات، وجدولة موزعة للشبكات والحوسبة باستراتيجيات متعددة. وتوفر العقد عادة CPU وGPU وNPU للاستدلال ورسوم 3D وفك الفيديو. وعند نقص القدرة المحلية، يمكن للمراكز الإقليمية تزويد البيئات بموارد ديناميكية تحقق متطلبات الحوسبة العالية والزمن المنخفض.
5.2 قابلية التفسير التربوي للنماذج
لا تنتقل النماذج العامة مباشرة إلى السلوك التعليمي، ولا تكفي خوارزمية واحدة للسيناريوهات المعقدة وقد تقود إلى تعميم جزئي. والتفسير مهم لأن التحليل والقرار البشريين يعتمدان على المعرفة السابقة، ويجب وصل الفضاء الدلالي المفهوم بفضاء سمات البيانات [15]. وتوجه الخبرة التربوية ترميز الأنشطة والمواقف والحالات لتوفر معرفة سابقة للحوسبة. وتصل الأنشطة التعليمية السمات الحاسوبية الدنيا بالدلالات التربوية العليا عند تطوير الخوارزميات. وتفسر التصورات والتفاعل منطق الصندوق الأسود للتعلم العميق وآليته [16]، وتعزز فهم الطلاب والمعلمين للقرارات وتحد من عدم الثقة الناجم عن الغموض.
5.3 التعاون وتصميم تجربة التفاعل
يهدف التفاعل بين الإنسان والحاسوب والذكاء الاصطناعي المتمحور حول الإنسان إلى دعم المهام وتعزيز الإدراك، وتحسين الاستشعار والتفكير والعمل والإبداع [17]. لذلك تحتاج الواجهات والآليات إلى تصميم إنساني يستجيب للحوادث وللتنشيط الذي يبدأه المتعلم، ويقدم تنبيهات الأخطاء والإرشاد بحسب السياق. وتقيم سهولة الاستخدام والمؤشرات النفسية والفسيولوجية راحة الخبرة والانخراط وفعاليتها. وتؤثر خصائص المتعلم ومظهر الذكاء الاصطناعي ودوره في التصور والاستعداد للاستخدام [18]. ويجب مراعاة تسلسل الأنشطة وتقسيم الأدوار والعاطفة ليصبح النظام أو الوكيل التربوي جزءا طبيعيا من التعلم والتدريس. ويزيد دمج الخبرة البشرية والنتائج المحسوبة جودة التفاعل وكفاءته.
5.4 أمن البيانات وحماية الخصوصية
أصبحت البيانات، بوصفها عامل إنتاج جديدا، موردا استراتيجيا للتعليم. وتجمع البيئات بيانات المكان والمتعلم والأنشطة والمجتمع والموارد، مما يزيد أهمية إدارة أصول البيانات العامة واستخدامها المتوافق مع القواعد. وتحتاج البنية إلى مسؤوليات وحدود واضحة وآليات مشاركة وانفتاح تسمح بتداول موثوق وفعال بين المؤسسات والإدارات. ويجب الاهتمام بخصوصية الطلاب والمعلمين وإزالة تعريف البيانات الحساسة ومخاطر الامتثال. وتعزز نظم الإدارة والمواصفات الصارمة التشفير وضبط الصلاحيات. ويمكن للحوسبة الآمنة [19] والحوسبة الحافظة للخصوصية والتعلم الآلي الاتحادي [20]، بدمج البرمجيات والعتاد، أن تتيح استخداما آمنا ومتوافقا وفعالا للبيانات المتعددة الوسائط مع صون الخصوصية.
6. خاتمة
لا يزال الطلب الملح على تعليم جيد وتعقيد التقنيات الجديدة وعدم يقينها، خاصة الذكاء الاصطناعي، يطرح تحديات أمام دمج التقنية والتعليم. وبيئات التعلم الذكية أساس للتحول الرقمي والابتكار. ويمكن لدمج عناصرها بالتقنيات وتطوير الاستشعار المتعدد وتسجيل العمليات ونمذجة المواقف ودعم مجتمعات الإنسان والآلة بناء بيئة متمحورة حول المتعلم. وتربط معالجة البيانات وتدريب النماذج والخدمات بين تطوير المكان والتجميع والمؤشرات والنماذج والدعم الدقيق. وتوسع التطبيقات السياقية والمعايير ومحركات الحوسبة ومنصات الرصد استخدام الذكاء الاصطناعي التعليمي. وهي تدعم التعلم الشخصي والمستمر وإتاحة الموارد الجيدة، وتسهم في نظام شبكي ورقمي وشخصي ومدى الحياة، ومجتمع يتعلم فيه الجميع في كل مكان ووقت.
نشر المقال أصلا في E-education Research، العدد 10 لعام 2024. ولإعادة نشره لاحقا يرجى التواصل مع هيئة التحرير عبر بريدها الرسمي: dhjyyj@163.com.
للاستشهاد: QI Binbin، BAO Haogang، ZHENG Yafeng، LI Yanyan. A Learner-centered Intelligent Learning Environment: Connotation, Framework and Implementation Paths. E-education Research، 2024، 45(10): 72–78. DOI: 10.13811/j.cnki.eer.2024.10.010.
المراجع
تحفظ المراجع بلغات توثيقها الأصلية وأسماء مؤلفيها وترقيمها لتسهيل الوصول إليها.
- [1] 中华人民共和国中央人民政府. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[EB/OL]. （2022-10-16）[2024-01-02]. https://www.gov.cn/xinwen/2022-10/25/content_5721685.htm. ↩
- [2] 黄荣怀. 智慧教育的三重境界：从环境、模式到体制[J]. 现代远程教育研究，2014（6）：3-11. ↩
- [3] 李艳燕. 科技赋能教育创新：学习环境的变革与升级[J]. 人民论坛·学术前沿，2023（20）：73-79. ↩
- [4] 中华人民共和国教育部. 2023年全国教育事业发展基本情况[EB/OL]. （2024-03-01）[2024-08-14]. http://www.moe.gov.cn/fbh/live/2024/55831/sfcl/202403/t20240301_1117517.html. ↩
- [5] 中华人民共和国中央人民政府. 国务院关于印发《新一代人工智能发展规划》的通知[EB/OL]. （2017-07-08）[2024-01-02]. https://www.gov.cn/gongbao/content/2017/content_5216427.htm. ↩
- [6] 黄荣怀，虎莹，刘梦彧，等. 迈向数字时代教学变革的基本理论：数字教学法[J]. 电化教育研究，2024，45（6）：14-22，33. ↩
- [7] MOSQUEIRA-REY E， HERNANDEZ-PEREIRA E， ALONSO-RIOS D， et al. Human-in-the-loop machine learning：a state of the art[J]. Artificial intelligence review， 2023，56（4）：3005-3054. ↩
- [8] YE M， SHEN J， LIN G， et al. Deep learning for person re-identification：a survey and outlook [J]. IEEE transactions on pattern analysis and machine intelligence， 2021，44（6）：2872-2893. ↩
- [9] 武法提，高姝睿，田浩. 人机智能协同的精准学习干预：动因、模型与路向[J]. 电化教育研究， 2022，43（4）：70-76. ↩
- [10] 中华人民共和国科学技术部. 科技部等六部门关于印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》的通知[EB/OL]. （2022-07-29）[2024-01-02]. https：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/gfxwj/gfxwj2022/202208/ t20220812_181851.html. ↩
- [11] 张晓林，梁娜.知识的智慧化、智慧的场景化、智能的泛在化——探索智慧知识服务的逻辑框架[J]. 中国图书馆学报，2023，49（3）：4-18. ↩
- [12] ALVAREZ J， LEGER P M， FREDETTE M， et al. An enriched customer journey map：how to construct and visualize a global portrait of both lived and perceived users' experiences?[J]. Designs， 2020，4（3）：29. ↩
- [13] 汤小春，张克，赵全，等. 基于事件驱动架构的分布式流处理弹性资源分配策略研究[J]. 计算机学报，2023，46（2）：244-259. ↩
- [14] YAO J， ZHANG S， YAO Y， et al. Edge-cloud polarization and collaboration：a comprehensive survey for AI[J]. IEEE transactions on knowledge and data engineering， 2022，35（7）：6866-6886. ↩
- [15] 张钹，朱军，苏航. 迈向第三代人工智能[J]. 中国科学：信息科学，2020，50（9）：1281-1302. ↩
- [16] 卢宇，章志，王德亮，等. 可解释人工智能在教育中的应用模式研究[J]. 中国电化教育，2022（8）：9-15，23. ↩
- [17] SHNEIDERMAN B. Human-centered AI [M]. Oxford：Oxford University Press， 2022. ↩
- [18] 姜婷婷，许艳闰，傅诗婷，等. 人智交互体验研究：为人本人工智能发展注入新动力[J]. 图书情报知识，2022，39（4）：43-55. ↩
- [19] ZHAO C， ZHAO S， ZHAO M， et al. Secure multi-party computation：theory， practice and applications [J]. Information sciences， 2019，476：357-372. ↩
- [20] WEI K， LI J， DING M， et al. User-level privacy-preserving federated learning：analysis and performance optimization [J]. IEEE transactions on mobile computing， 2021，21（9）：3388-3401. ↩
الملخص الإنجليزي الأصلي
عرض العنوان والمؤلفين والانتماءات والملخص بالإنجليزية كما نشرت
A Learner-centered Intelligent Learning Environment: Connotation, Framework and Implementation Paths
QI Binbin 1 , BAO Haogang 2 , ZHENG Yafeng 3 , LI Yanyan 1
（1.National Engineering Research Center for Cyberlearning and Intelligent Technology, Beijing Normal University, Beijing 100875; 2.Institute of Basic Education Research， China National Academy of Educational Science, Beijing 100088; 3.Center for Educational Science and Technology, Beijing Normal University, Zhuhai Guangdong 519087)
[Abstract] The construction of learning environments is the foundation of the digital transformation in education and the transformation of learning and teaching methods. Promoting the renovation and intelligent upgrading of learning environments, constructing learner-centered intelligent learning environments, and realizing precise delivery of learning services are the realistic demands for the development of digital education and the construction of a high-quality education system. Focusing on the key issues of intelligent computing in learning environments, the connotation of intelligent learning environments is defined from four aspects: the multimodal perception and monitoring of learning environment, the recording and analysis of learning process in multiple scenarios, the modeling and recommendation of cross-disciplinary learning scenarios, and the construction and support of human-computer collaborative learning communities. Following the logic of "data processing, model training, and intelligent services", a framework was designed covering physical environment transformation and data aggregation, data index and algorithmic model construction, precise adaptive support and intelligent service. Taking the application of scenario-based artificial intelligence in education as a starting point, the implementation paths were proposed, which included the design and evaluation criteria for cross-disciplinary learning environments, the development of intelligent learning environment computing engines and large-scale smart classroom monitoring platforms, and the evidence-based large-scale demonstration applications. Finally, the key challenges for realizing intelligent learning environments were discussed, including cloud-edge-device computing infrastructure, the educational interpretability of intelligent models, human-computer collaboration and interaction experience design, and data security and privacy protection.
[Keywords] Intelligent Learning Environment; Learner-centered; Cloud-Edge-Device Collaboration; Intelligent Education; Digital Transformation in Education
التمويل ومعلومات المؤلفين
التمويل: المشروع الوطني الرئيسي للعلوم والتكنولوجيا للجيل الجديد من الذكاء الاصطناعي لعام 2022، التقنيات الأساسية والتطبيق التجريبي للحوسبة الذكية في بيئات التعلم، رقم 2022ZD0115900.
نبذة المؤلفين المنشورة عام 2024: QI Binbin، رجل من يانتشنغ بمقاطعة جيانغسو، ولد عام 1992، باحث مساعد وحاصل على الدكتوراه، يدرس بيئات التعلم الذكية والواقع الافتراضي التعليمي. البريد: qidoublebins@163.com. والمؤلفة المسؤولة عن المراسلات LI Yanyan، بريدها liyy@bnu.edu.cn.
المصادر وملاحظات القراءة
يتبع النص مقال الكرسي التاريخي. وأخذ الشكلان من الصفحتين المطبوعتين 73 و74 في ملف المجلة الرسمي. وتستخدم عناوينهما الأصلية عبارة بيئة التعلم الذكية. وتعرض التقنيات بوصفها مقترحات بحثية، ولا تعني أن هذا الموقع ينفذ جمع البيانات أو التحليل الموصوف.
يشير العبور بين البيئات إلى اتصال المدرسة والمنزل ومرافق التعلم والانتقال بينها. تتبع ترجمة المتن المعنى الصيني، بينما يحفظ الملخص الإنجليزي الأصلي بصيغته المنشورة في الملحق.
الرابط الأصلي: https://aiedchair.bnu.edu.cn/news-7826-ar/
