随着人工智能和大数据技术的发展，一些学校将人脸识别系统等智能设备安装到课堂，监测、 分析学生的课堂行为和学习状态。还有部分学校将基于“脑机接口”的头环设备引入课堂，让小学生佩戴头环，由智能设备来统计学生上课时的注意力变化曲线，以判断学习投入度、专注度， 为改善学业表现提供干预依据。
很多家长看到类似新闻的时候，第一反应是“这安全吗”，家长不想让看似高科技的产品给孩子带来身心上的潜在伤害。而很多教育从业者除担心安全问题外，还会考虑“这科学吗”。若无教育理论和实证研究的支持，若学校在伦理道德方面缺少有效监管，“知人知面”的人工智能在教育上的应用是否是作恶？学校、教师该如何正确地适应人工智能在教育中的应用？
2018年1月，中共中央、国务院印发《关于全面深化新时代教师队伍建设改革的意见》。文中明确提出要“推动教师主动适应信息化、人工智能等新技术变革，积极有效开展教育教学”。2019年5月，《北京共识——人工智能与教育》发布，指出各国要制定相应政策，推动人工智能与教育、教学和学习系统性融合，利用人工智能加快建设开放灵活的教育体系。
为贯彻落实国家对人工智能教育的政策导向，教育部已启动系列工作，其中包括人工智能助推教师队伍建设行动。一线教师和教育研究者，应该为创造“知心”的人工智能教育应用而行动。
具备辨别、应用人工智能教育产品的能力
人工智能是通过智能机器模拟、延伸、扩展和增强人类改造自然和治理社会能力的新兴技术。它是一门交叉学科，涉及计算机科学、脑科学、认知科学、生命科学、数学、哲学、心理学等领域。2018年北京师范大学未来教育高精尖中心发布《人工智能+教育蓝皮书》，归纳出当前人工智能八大关键技术，包括云计算与大数据、机器学习、自然语言理解、计算机视觉、人机自然交互、机器人与智能控制、知识图谱、虚拟现实与增强现实。以八大关键技术为底层架构，才是人工智能教育产品的核心特征。
由此可知，单纯的可视化编程、Python语言学习、单片机等培训课程或教育产品，不能与人工智能画等号；类似“师生用多种终端，随时随处访问教学平台中的资源和应用”，并非人工智能，而是属于教育资源信息化管理；以提升考试分数为目的的智能推送错题等，也非人工智能教育产品的应有形态。教师主动适应人工智能的第一步，是具备辨别的能力，将伪AI、假智能排除后，接下来就要学会应用人工智能教育产品。
实际上，不少科研机构和企业已经研发出能较好支持不同教学场景的人工智能产品。例如：基于自然语言理解的作文自动批改，能够帮助学生实现英文甚至中文作文的即时打分、提出改进建议，能够帮助教师了解班级作文的整体情况和典型错误，为作文教学提供新模式。
基于知识图谱和自然语言处理技术的全唐诗语义检索与可视化平台，依据古代文学专家制定的诗歌知识框架，实现大规模的知识挖掘，实现诗歌主题、情感、风格，诗人行动轨迹、社交关系等全方位信息抽取和可视化呈现，为古诗学习打造新空间。
基于语音识别技术的英语发音识别系统，由机器学习训练成的深度神经网络，为小学生提供口语评测，即时评价学生的英语发音与语调等问题，为英语学习提供新渠道。
一线教师和教育研究者要学会应用这些人工智能教育产品。
具备支持人工智能教育产品研发的能力
纵观教育技术发展史，很多时候技术的发展快于教育理论的更新。技术跑得太快，理论落在了后面。当新技术无法在教育领域里找到适当的理论和方法时，就会产生不符合教育规律的产品。
以文首提到的人脸识别为例。1969年，瑞典心理学家豪瑞斯·詹最早提出了面部表情编码系统。每种表情都是特定部位肌肉的特定运动，眼部、面部、口部肌肉的变化，可以反映人的情绪状态，如上唇略提、嘴角后伸、两眉舒展等表情，代表了喜悦、愉快、欢乐的情绪。美国心理学家保罗·艾克曼教授创立情感识别和量化技术，提出面部动作编码系统。通过该技术，人类第一次可以通过科学标记计量的方法，将高兴、伤心、害怕、愤怒、厌恶、惊讶、轻蔑等七种基本情绪，进行定性定量分析。当表情编码理论和情绪识别技术都较为成熟时，将技术迁移到教育场景下加以运用的成本最小，因此短时间内出现了大量以人脸识别、情绪识别为表现形态的教育产品。但教育界却未做好应对准备，课堂环境下情绪状态与身心健康成长的关联理论缺失，技术研发跑到了教育理论的前面，于是引发了一系列关于人工智能进课堂的隐私、伦理、善恶大讨论。此时，一味地去批评无良企业或作恶产品，无法从根本上解决问题。教育从业者应更具紧迫感和责任心，提供新技术在教育场景中使用的理论支撑，为技术应用提供导向。
我曾经问过一位优秀的计算机专家，对有意合作的教育界人士的最大期望是什么？他说：“会提出问题，并给出教育理论支持。”
这让我回想起，美国教育技术传播与技术协会原主席、国际知名教育技术学者唐纳德·伊犁类似的表述：“如果技术是答案，那么问题是什么？”教育界想用人工智能技术来解决哪些重要、紧急、用传统方法解决低效甚至无解的问题？为了解决这样的问题，已经有哪些教育经验、方法和理论基础？
举例来说，课堂教学评价的一个高频问题是“什么样的课是好课”。这个问题会出现在不同学段不同学科的课堂上，出现在农村城市、国内国外的学校里。多位学者、教师、教研员都曾给出回答，比如我国学者叶澜教授将“有意义、有效率、生成性、常态性、有待完善”作为判断好课的五个标准；美国学者加里·鲍利奇在《有效教学方法》一书里，提出判断好课的七个维度，包括流畅的课堂、温暖的学习氛围、明确的任务导向、学生的积极投入、学生的学习成就、多样的教学方法、单元知识结构；德国学者希尔伯特·迈尔在《怎样上课才最棒：优质课堂教学的十项特征》中总结道：清晰的课堂教学结构、高比例的有效学习时间、促进学习的课堂氛围、教学内容清晰明确、创建意义的师生交流、教学方法多样化、促进学生个体发展、巧妙安排练习任务、明确的学习成果期望、完备的课堂教学环境，是好课的十大特征。这些答案，都饱含着教育智慧和真知灼见。然而，教育界能否为技术研发人员提供可量化的好课维度与统计指标？课堂教学质量评价的理论，能否转化为有科学标记计量的方法？
诚然，由于教育具有丰富性、多样性、复杂性与艺术性等特征，不会有关于好课的唯一量化标准；在某些方面，教育是不可计算，不可统计的。可是，如果以此为借口，不积极寻找教育转型的良机，不改变依赖专家经验、主观判断、人为总结的范式，不主动与技术做适当的对话与对接，那么教育由一门学科发展为一门科学的路，还要走多长？如果教育意图在人工智能技术那里寻找一些答案的话，那么问题与对应的理论基础在哪里？
儿童成长需要“知心人”，希望智能时代的到来，能促进教育界与技术界携手，利用技术了解教育、洞察教育，让人工智能成为教育的知心人。（作者系首都师范大学信息工程学院副教授）