數位科技在教育的應用：篇四

數位科技與AI在教育應用越來越廣泛，ChapGPT於2023年在台灣教育界也掀起風潮，成為熱烈討論的課題。財團法人中技社2020年出版「AI在教育領域應用」專題報告有詳盡介紹，國外相關報導和研究也是雨後春筍。PAH平台陸續翻譯研究論文重點，以滿足讀者之好奇。

優履工作室（Uni Workplace）陪伴第一線各領域教師設計與實踐數位融入課程、教學與評量，也將陸續在此PAH平台公開分享，提供有興趣的教師攜手共學。

人工智慧在教育領域：三種範式

Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 100020.

陳佩英、曾子容編譯（2023.07.19）

摘要

• 隨著計算和資訊處理技術的發展，人工智能（AI）在教育中廣泛應用。教育中的人工智慧（AIEd）為教育實踐開闢了新的機遇、潛力和挑戰。

• 在短暫的發展歷程中，AIEd經歷了幾個範式轉變，本文將這些轉變歸納為三個範式：「AI導向，學習者作為接受者」；「AI支持，學習者作為協作者」；「AI賦能，學習者作為領導者」。

• 在這三個範式中，AI技術以不同的方式解決教育和學習問題。在第一個範式中，AI用於表示知識模型並指導認知學習，而學習者是AI服務的接受者；在第二個範式中，AI用於支持學習，而學習者與AI協力合作；在第三個範式中，AI用於賦能學習，學習者主動學習。

• 總的來說，AIEd的發展趨勢是賦能學習者的主動性和個人化，使學習者能夠反思學習依情況進行學習調整。AI系統帶動學習者為中心、數據驅動的個人化學習的迭代發展。

導言

隨著計算和訊息處理技術的發展，人工智慧（AI）在教育實踐中被廣泛應用，例如智能教學系統、教學機器人、學習分析儀表板、適應性學習系統、人機互動等。自AI30年前發展以來，被視為一種強大的工具，可促進教學設計、技術發展和教育研究的新範式，這是傳統教育模式中無法實現的。具體而言，AIEd為教育創新提供了新的機遇、潛力和挑戰，例如個人化學習的變革、教師角色的挑戰以及複雜教育系統的發展。各種AIEd技術（如自然語言處理、人工神經網絡、機器學習、深度學習和遺傳演算法）已被應用於創建智慧學習環境，用於行為檢測、預測模型構建、學習反饋與推薦等。AIEd已成為資訊和教育領域的主要研究焦點，具有促進知識、認知和文化轉化的潛力。

儘管AI具轉化教育的潛力，但好的教育成果通常並非僅僅依靠使用先進的AI計算技術就能達成。更重要的是，使用不同類型的教育技術通常暗含著不同的哲學和教學觀點，這反過來對學習和教學的品質產生關鍵影響。雖然相關的研究已對AIEd的分類方法、研究問題、挑戰和未來展望進行了回顧，但很少有研究明確地探討AI在教育中的不同角色，AI如何與現有的教育和學習理論相接，以及AI技術的使用程度如何影響學習和教學。

為了填補這一空白，本研究透過提出三種AIEd範式，對AIEd的理論、教學和演算方面進行了批判性反思，以解決教育中的學習和教學問題。

相關回顧

AIEd面臨著教育領域的核心問題，應該向學習者提供什麼以及何時提供，以及如何賦予學習者能夠自導學習。儘管AIEd將先進的計算和資訊處理技術應用於教育中，但這並不能保證良好的教育成果和高品質的學習。技術的使用應與教育和學習理論緊密相接，以指導教學設計和技術發展。

不少研究指出AIEd的共同問題，即AI技術和理論基礎之間的連接不足，這反過來對AI在教育中的實施產生了重大影響。因此，考慮到現有的教育和學習理論，檢視AI技術在教育中的不同角色有其必要。因此，本文歸納三個主要範式，描述了相關的理論基礎、概念研究和實際實施，並為未來的AIEd實踐、研究和開發提供了一個參考框架。即：「AI導向，以學習者為接受者」、「AI支持，以學習者為合作者」、「AI賦能，以學習者為領導者。」

研究發現

註：Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 100020. Table 1.

範式一：「AI導向，以學習者為接受者」

AI用於代表領域知識並指導學習過程，而學習者則作為AI服務的接受者，按照特定的學習路徑進行學習。範式一的理論基礎是行為主義，強調透過指令習得知識並強化學習。

範式一認為學習是透過有邏輯、逐漸增量的方式引入新概念，為學習者提供關於錯誤的實時回饋，並大大強化正面回饋。在範式一中，作為接受者，學習者對預排的知識序列做出反應，按照AI設定的學習序列和路徑執行學習活動，以實現預定的目標。在範式一中，AI系統繼承了教學機器的特點，以邏輯方式呈現主題知識，要求學習者作出明確回應，並即時提供正確性的知識。AI系統既不對學習者新出現的知識和技能進行建模，也不根據個體學習者或類似個體群體的特性調整反饋。範式一基本上最不傾向以學習者為中心。

典型的範示一實施是在智能教學系統（ITSs）。例如，ACT編程導師為編程知識設置了一個生產規則的數據庫，使用基本統計方法來估計學生學習規則的概率，並根據估計的概率向學生提供個人化的練習序列。在範式一中，通常使用基於統計關聯技術的AI來表示知識，以一組規則庫形式，檢測特定的學生行為模式，或提供自動回饋或提示。在範式一中，整個學習過程中，AI作為指導者，學習者接受AI服務進行認知探究、解決問題和實現學習目標。

範式一中的一個主要問題是，需要多少和何種類型的關於學習者的訊息才能充分呈現、診斷和引導知識和技能的獲得？在範式一中，雖有系統收集學習者的訊息以幫助診斷其學習狀態，然而，學習者的學習內容、程序和目標皆由系統定義，學習者被迫按照AI系統所安排的特定學習路徑進行學習。系統或專家可能依賴性AI系統設定學習者達到的知識和技能的期望，而不去實際考慮個體學習者的特性、需求和目標。在解決範式一中包含不明確問題的領域和任務方面也存在挑戰。為了解決在範式一中AI對學習者在「黑箱」中的過度支配，在範式二學習者中被視為協作者。

第二範式：AI支持，以學習者為合作者

第二範式被描述為AI-支持，以學習者為協同合作者，即AI系統放棄控制權，成為一個支持性工具，而學習者則與系統合作，專注於個體學習者的學習過程。第二個AIEd範式建基在認知和社會建構主義的學習觀點，認為學習者在社會情境中與人、訊息和技術進行互動之時，學習就會發生。

因此，在第二範式中，AI系統和學習者應該建立積極、互動的關係，以優化個人化學習。具體而言，AI系統收集學習者新出現的學習資訊作為輸入，優化學生學習路徑，而學習者則以合作者的角色與AI系統進行溝通，以實現更好或更有效的學習。總的來說，相較於第一範式，第二範式透過學習者和AI系統之間的互動和持續合作，朝著以學習者為中心的個人化學習邁出了重要的一步。

在第二範式中，已經開發了多種AI實施方式，例如基於對話的教學系統（DTS）或探索性學習環境（ELE），以達成系統和學習者之間的互動。一方面，AI系統收集並分析學習者新出現的多模態數據，以更準確地理解學習者的學習狀態。另一方面，學習者可以與系統進行溝通，了解系統的決策過程，並進一步為學習做出更好的選擇。透過這種方式，學習者藉由提出「為什麼不」和「如果...會怎樣」等問題來探索智能系統的推理過程，這對於解釋或理解交互式學習情境中的推理過程非常重要。在第二範式中，使用貝葉斯網絡、自然語言處理、馬爾可夫決策樹等AI算法分析來自多個來源的大量數據，獲得可靠且高準確性的結果，並生成可供交流的可視化圖像。總的來說，與第一範式中AI系統預定認知學習路徑而學習者接受AI服務以跟隨學習相比，在範示二中，AI系統和學習者建立互動關需，這朝著更以學習者為中心的學習方向前進。

範式二面臨的主要問題是，學習者的訊息在何種程度以及如何被集合到AI系統中，以優化學生學習路徑、反映學習狀態的不同面向，並發展自適應的、受AI支持的學習和教學。一般問題是缺乏持續的溝通或協同的人機互動。這種互動是複雜的，因為學習者的資訊和數據以及系統的狀態都不是靜態或簡單的。兩者都具有複雜的層次結構，並且在學習過程中都在動態變化。換句話說，對AI系統來說，提供實時數據分析並對學習者提供即時反饋是至關重要的，學習者需要利用這些反饋來提高正在進行的、新出現的學習過程。因此，如果AI系統能夠保持對學習者生成的數據的持續收集和分析，並為學習者提供實時的、探索性的學習決策機會，那將是有益的。為了進一步促進學習者的主動性，學習者在第三範式中被視為領導者。

第三範式：AI增強，以學習者為領導者

範示三的特點是AI賦能，學習者作為領導者，這將學習者的主導權視為AI教育的核心，並將AI視為增強人類智能的工具。範式三反映了從複雜理論的角度看待教育，將其視為一個複雜的適應系統，在該系統中，多個實體（例如學習者、教師、信息和技術）之間的協同合作是確保學習者增強智能的關鍵。在此複雜系統中，需要設計和應用AI教育，並意識到AI技術是由學習者、教師和其他人類組成的更大系統的一部分。為了在複雜系統中實現協同合作，提出了如人機合作、以人為中心的AI和ML系統、人工智能協作、以人為中心的教育人工智能等概念。從人的角度出發考慮AI，考慮人的條件、期望和情境。在範示三中，AI通過提供高度的透明性、準確性和有效性，協助學習者和教師實現增強的智能。教師透過由AI系統提供的可理解的、可解釋的、個人化的支持，以促進以學習者為中心的學習。學習者主動參與，成為自己學習的領導者，管理AI決策的風險，實現更好或更有效的學習。總的來說，第三範式作為AI在教育中應用的發展趨勢，反映了增強人類智能、能力和潛力的最終目標。

人機合作系統，結合先進的AI技術和人類決策，有潛力實現第三範示中的AI賦能，學習者作為領導者的目標。一方面，先進的技術（例如腦-機介面，機器學習，深度學習）有潛力實現連續的數據收集和分析，以確保數據的準確性、透明度和互動性。例如，先進的互動技術的發展，例如智能穿戴設備，雲計算，物聯網改變了人與AI系統的互動方式。反過來，隨著人工認知的發展，AI在教育系統中的角色也在變化。另一方面，有了AI技術支持的個人化訊息，人可以對教學和學習做出更好的決策。例如，循環神經網絡分類的深度學習模型，可進行實時的MOOC預測建模，提供個人化的通訊便利，允許教師和學生直接溝通。另一種由AI技術支持的人工智能辯證的想法，他們使用預測和分類算法模型來提高專家導師決策過程的透明度，以便進行深入的反思和反饋。這些創新嘗試，使用人機合作使教師能夠對學習者的進一步參與做出更準確的預測和分析，並進一步為學習者提供個人化的指導。

總的來說，在範示三中，需要培養的是AI系統與人類智能之間的協同互動、整合和合作，以產生適應性、個人化的學習第三範式面臨的一個主要挑戰是，如何應對複雜性，即如何將學習過程的複雜性與AI系統的複雜性和教育背景的複雜性相互匹配。未來的AIEd應該設計和運作，使其提供持續的溝通手段，收集所有使用者的價值觀和解釋，使AI模型在整個操作過程中與人類價值觀保持一致，並使目標與以學習者為中心的學習相容。解決這些挑戰不僅需要AI系統支持新興、變化中的學習過程，利用學習者的傾向與行為，提供可解釋和可操作的輸出，而且還需要賦予學習者和教師反思學習和教學的過程和目標，通知AI系統相應地調整，從而產生學習發展的反覆迭代循環。前述的新概念，如以人為中心的AI和機器學習系統、人工智慧與協作、教育中以人為中心的人工智慧為第三範式提供了框架。

此外，可持續發展的AIEd需要處理各種教育、社會、文化、技術和倫理等方面的問題，例如AIEd中的包容性和公平性、教師面對AI增強教育的準備、包容性數據收集和使用系統。總而言之，第三範式旨在賦予學習者完全的學習主動性，優化AI技術以提供有關新興學習的實時見解，並重新思考AI在複雜的、互聯的學習系統中帶來的學習變化。

討論

由於教育和學習理論很少應用於AIEd研究來支持學習和教學，因此有必要將AI技術與教育和學習理論緊密結合起來。根據主要的學習理論，本文提出了三個AIEd範式，以系統地總結AI技術如何應對教育問題。範式一「AI定向，學習者作為接受者」和範式二「AI支持，學習者作為協作者」是過去三十年來主要的AIEd範式，提供學習服務，以供學習者跟隨並參與學習。範式三「AI賦能，學習者作為領導者」指出了AIEd的發展趨勢，即促進人類智能融入人工智能，並解決諸如AI算法中的偏見、缺乏治理、AI決策的原因和方式不透明等問題。

為了推動AIEd朝著第三範式的發展，需要考慮以下關鍵因素：多模態數據蒐集技術、實時AI演算法模型和多維度的AIEd特徵。

首先，多模態數據收集可以更好地解釋、證實和支持人類學習的豐富性和複雜性。先進的互動技術發展有潛力改變多模態數據蒐集技術。例如，各種多模態數據收集方法，包括生理感測數據、眼動追蹤、腦電圖等，有助於獲得學習者狀態的多方面理解，並達到良好的學習表現預測。

其次，實時的AI演算法模型可以及時收集和回饋訊息給人們，利於促進學習者或教師在教育中的主導地位。人機互動（HCI）可以集成實時的AI計算模型和多模態輸入數據，追求多管齊下的方法，結合複雜的多模態數據，以及識別這些數據流的最重要特徵，以促進第三範式「AI賦能，學習者作為領導者」。實時AI模型確保了研究人員收集和理解用戶生成數據的方式，以更深入地了解人與技術之間的實時互動。

第三，除了技術之外，AIEd的多維度特徵，如社會、認知、情感、哲學和倫理等方面，是教育背景中的關鍵考慮因素。當AI技術可比人類做出更好的計算和邏輯決策時，人類在感知、情感、感受和認知方面具有AI無法匹敵的特徵。因此，第三範式朝著以人為中心的AI（HAI）發展，應該從人類的角度來考慮多維度的特徵、條件和背景。值得一提的是，單單使用先進的技術並不能保證實現「AI賦能，學習者作為領導者」的範式。例如，研究人員使用腦-機接口技術捕獲學習者的腦電圖訊息，以檢測學習者的心理、情感或注意力水平。儘管在這種情況下使用了先進的技術，像許多其他AI應用一樣，教育的舊範式仍然存在，即未考慮學習者的需求和學習目標，學習者不知道數據的使用方式和目的，也無法自導自己的學習。

綜上而論，人類智能與機器智能的融合有助於AIEd從第一和第二範式向第三範式發展；特別是設計實時的AI模型，可以嵌入多模態數據收集和分析技術，並整合人類的認知、思考和反思判斷，這是實現第三範式的一種方式。

結論

此篇論文提出了三個AIEd範式：「AI定向，學習者作為接受者」、「AI支持，學習者作為合作者」和「AI賦能，學習者作為領導者」，系統性總結AI技術如何應對教育中的學習和教學問題。AI技術有潛力推進教學和學習科學，進而為發展AI技術提供循證的基礎。更重要的是，強調AIEd不僅僅是關於AI技術的實施；它在技術應用過程中融合教學、社會、文化和經濟等多個維度。基於現有的教育理論，研究人員可以從AIEd應用中得出關於教學法和學習科學的新解釋或新思路。AIEd領域的發展將引領知識探究，朝著以學習者為中心、數據驅動、個人化學習的持續推展。

Abstract

With the development of computing and information processing techniques, artificial intelligence (AI) has been extensively applied in education. Artificial intelligence in education (AIEd) opens new opportunities, potentials, and challenges in educational practices. In its short history, AIEd has been undergoing several paradigmatic shifts, which are characterized into three paradigms in this position paper: AI-directed, learner-as-recipient, AI- supported, learner-as-collaborator, and AI-empowered, learner-as-leader. In three paradigms, AI techniques are used to address educational and learning issues in varied ways. AI is used to represent knowledge models and direct cognitive learning while learners are recipients of AI service in Paradigm One; AI is used to support learning while learners work as collaborators with AI in Paradigm Two; AI is used to empower learning while learners take agency to learn in Paradigm Three. Overall, the development trend of AIEd has been developing to empower learner agency and personalization, enable learners to reflect on learning and inform AI systems to adapt accordingly, and lead to an iterative development of the learner-centered, data-driven, personalized learning.

Keywords：Artificial intelligence in education, Paradigms AI-Directed, Learner-as-recipient, AI-Supported Learner-as-collaborator, AI-Empowered Learner-as-leader