Page 217 - 心理健康教育模式及理论创新

第六章 新时期教育学及其教学管理问题的有关探究

神经网络翻译框架，通过整合注意力网络机制和循环神经网络，完美模拟人脑翻
译机制生成流畅的译文，目前支持中、英、日、韩等多种语言语音到文本的互译
翻译。这一技术能够地道、流畅且忠实地表达原文内容，可辅助快速阅读、文档
资料翻译、日常社交沟通与外语口语学习等。

（5）创新学习机制
传统意义上的学习机制是学校教育体制的产物，而“人工智能 +”的学习机制
则是借助人工智能技术进行深度学习的具体体现。如前所述，高速发展的网络和人
工智能信息技术，使碎片化学习等泛在学习方式日益常态化。但这些碎片化、间断

性学习方式所获得的知识信息，并不能直接建构起完整的知识结构系统以应用于工
作实务。因此，需要立足“人工智能 +”和深度学习技术功能，以 PKM 汇集归纳整
理碎片化知识信息，实现信息加工和知识系统建构。当前“一带一路”建设对国际
化人才的需要，要求我们改变以往重在记忆和再现知识的传统教学方法，全面强化

学生的知识应用与再学习能力。为此，需要引入 AI 深度学习的智能化功能，打破时
空地域范围，超越以教师和书本为传播载体的传统教育方法和教学体制，综合利用
人工智能知识信息链接、个性化跟踪反馈等功能特性，建立适应瞬息万变的全球化
竞争挑战的教学机制，帮助学生自主建构个性化的专业知识结构体系。

（6）构建多元教学评价体系机制
不同于传统教学评价，“人工智能 +”条件下的教学评价要求通过大数据分析，
发现隐藏在数据之中的事物相关性。也就是说，“人工智能 +”条件下的教学评价，
必须具备海量多样的数据、高度适合的技能组合、优化的数据平台、功能强大的

数据分析工具，以及可扩展的灵活计算与存储架构，对学习者的个体学习状态和
线上线下的教育教学成效做出全面评价。总之，就“人工智能 + 教育”而言，其
大量在线教育资源和线上线下师生沟通渠道，以及国际协作教育的授课成效等，
都需要应用大数据技术手段对教育教学进行准确有效的评价。

区别于传统课堂终结性评价方式，“人工智能 +”条件下的教学评价将充分
发挥人工智能的互联互通特性，使所有相关学生、教师和教育协作单位管理者共
同参与其中，在对当前教育与学习成效作出评价的同时，更多关注个体全过程学
习状态，强化教育过程和个体学习成效的过程性监督指导。“人工智能 +”条件

下的教学评价是一种形成性、总结性、全过程的双向乃至多向性成效评估，将对
教学计划制定、学习方法选择、学习成效考核等线上线下教与学的全部内容展开

205