深度学习教育应用研究综述.docx

深度学习教育应用研究综述

孙连秀马玉慧

摘要：人工智能技术快速发展，逐渐进入教育领域，对教学环境、教学设计产生影响，深度学习是人工智能研究的前沿技术，基于大量数据的特征分析，为教育的变革开辟新的途径。本文通过梳理深度学习技术的应用和发展现状，探讨深度学习在教学设计的分析、策略选择和评价三阶段对教学中各个要素的影响，并从技术支撑的角度分析其在教学中所发挥的作用。

中图分类号：G434?文献标识码：A?论文编号：1674-2117（2019）17-0098-04

深度学习（DeepLearning，DL）是一个复雜的机器学习算法，是人工智能领域研究的热点。目前深度学习技术已经在交通管理、网络安全、医疗保健、智能机器人、游戏等领域广泛应用。鉴于深度学习技术的成功应用，教育机构和各大高科技企业、在线教育公司纷纷在教育实践中引用深度学习技术。

深度学习是机器学习的众多算法之一，最初源于对人工神经网络（ANN）的研究，是一种深度训练深度神经网络的算法，具有很强的特征学习能力。深度学习模型基于大量数据特征，利用分类、回归等统计学算法解决各类实际问题，在图像识别、语音识别、自然语言处理、目标检测等方面具有独特的优势。深度学习的性能很大程度上取决于网络的结构，对于不同类型的数据问题，人们发展了多种不同的网络结构模型，其中包括许多经典的神经网络模型，如深度置信网络、多层感知机、长短时记忆网络等。

（2）文本图像类。目前应用广泛的基于图像分类的卷积神经网络（CNN）实现图片内容提取（OCR）。牛津视觉几何小组用深度学习技术读出视频中的文字，输入文字，就可以直接搜出图像中包含这些文字的BBC新闻视频。如今，深度学习已经可以对照片中的各种元素进行描述。

对文本信息的处理包括关键词提取、文本内容分析、新闻分类、情感分析等。例如，社区情感分析将大量用户评论中表现高兴、悲伤、愤怒等的语言进行标记，训练深度神经网络模型对评论进行分类。

（4）自然语言处理。在人机对话方面，各科技公司纷纷推出自己的人工智能语音助手、家用机器人产品，如小度音响、天猫精灵、小爱同学等。在机器翻译方面，微软的Skype能够将语音实时翻译成不同的语言。

（5）博弈类。生成式对抗网络（GAN）是深度学习的一种，自AlphaGo后，基于深度强化技术的神经网络使计算机在许多博弈游戏中表现优异。同时，Google大脑的研究团队创建了两个深度学习网络用于安全工具开发，他们让其中一个不断创造自己的加密算法，然后让另一个网络去尽力攻破它。在两套系统的反复缠斗后，第一个系统已经能生成非常优秀的安全加密算法。

深度学习技术以教与学过程中的数据为基础，在教学设计的分析阶段、策略选择阶段以及评价阶段对教育系统的各个要素产生影响，满足教师需要大量调查和没有足够经验指导的教学需求，为“以学习者为中心”的教学设计提供指导。

1.在教学设计的分析阶段

（1）进行学习需求分析。通过深度学习技术对学生在线学习行为进行分析，能够精确地掌握学生对知识的掌握情况，美国斯坦福大学克里斯·皮希（ChrisPiech）团队发表了题目为DeepKnowledgeTracing（简称DKT）的深度知识追踪论文，对学生的知识进行时间建模，能精确预测学生对知识点的掌握程度，以及学生在下一次的表现。在特定情境下，确定学习者目前的知识状态，能为教师确定教学内容、进行教学设计提供科学的理论依据，便于个性化教学活动的展开。

2.在策略选择阶段

深度学习技术改变了传统的教师、课件的教学环境，形成了智能分析、辅助学生个性化学习的智能教与学的环境。计算机实时采集形成的数据集，对学生的认知情况进行分析，使教师对学生的认知状态、情绪状态有了更加清晰、准确的分析。深度学习技术为教师教学过程中进行媒体、资源、策略的选择及设计，提供数据支持和有效分析。基于深度学习技术的智能问答系统能及时解决学生的问题，并从学生的问题中提取关键词，分析与理解问题，从而给出相应的回答，提高学生对课程的满意度。

深度学习技术的突破，带动了语音识别、图像识别、影像识别等感知识别技术的大爆发。例如，基于深度学习技术的语音识别功能，微软小英提供情境模拟、口语特训、单词修炼等多种功能。“讯飞超脑”计划目前重点研究的课题包括类人答题、作文评阅、语音转写等。

3.在教学评价阶段

（2）进行教学评价。基于深度学习的人工智能技术，辅助教师进行学生学习行为监督、评价，减轻教师教学管理负担，智能阅卷系统帮助教师减少重复性劳动。

随着人工智能技术研究的不断深入，关于深度学习跨学科的研究也得到了飞速发展，如教育学、物理学、数学等学科领域都衍生出了不同层次的深度学习研究。深度学习在教育领域的应用，在人工智能教育、教育环境、教育资源、整合正式学习和非正式学习方面逐渐体现出来。深度学习技术在学习过程