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。
关键词：深度学习;人工智能;教学设计;教育应用
中图分类号：G434? 文献标识码：A? 论文编号：1674-2117（2019）17-0098-04● 引言
人工智能技术的发展与应用对社会生活的各个方面产生了深刻的影响，深度学习被广泛认为是人工智能发展第三阶段的标志，是人工智能研究的前沿技术。2018年4月2日教育部发布《高等学校人工智能创新行动计划》，进一步提升高校在人工智能领域科技创新、人才培养和服务国家需求的能力。人工智能、大数据、物联网、云计算等先进技术正在逐渐渗透到教育领域中，并对教与学的模式、教学环境、教学的组织形式产生结构性影响。
深度学习（Deep Learning，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。● 深度学习技术的发展
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。
近年来，深度学习在机器翻译、自然语言处理、图像识别、视频识别、人机博弈、智能机器人等传统人工智能领域取得了极大进展，在金融、医疗、物流、交通等领域被人们广泛应用。目前，相关研究应用主要有以下几个方面。
（1）预测预估类。以用户的在线行为数据为基础，对不同个体的行为进行分析，得到“千人千面”的个性化结果。例如，房地产行业利用深度学习技术建立用户画像，根据用户年龄、工作等多方数据特征，建立模型进行预测实现的精准营销。又如，淘宝的商品推荐、广告的精准投放、金融风险控制。
（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。
（3）视频识别类。在2018年神经信息处理系统大会（NIPS）的会议论文中，YixiaoGe等人提出了一个行人重识别（reID）新框架——FD-GAN，用于在多个摄像头中对行人身份进行识别。深度学习在自动驾驶、目标检测等方面逐渐发挥作用，是进行视频编辑、对象分割等实现自动识别的关键技术。
（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。● 深度学习在教育中的应用
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（Chris Piech）团队发表了题目为Deep Knowledge Tracing（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）进行学习者特征分析。深度学习的应用可以帮助教师确定学习者的认知发展水平，分析学习者起点能力。通过学习者与教学内容和环境的交互行为，分析学习者的学习风格，代替需要人长期观察实践获得的经验，并不断自我完善。
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
（1）进行学生评价。基于深度学习的数据分析技术，对学生学习结果的评价更加科学、准确，降低了分析难度，缩短了反馈周期，使教师对学生的学习状态有更加准确的掌握。教师可以通过图像识别、语音识别、自然语言处理和情绪识别等技术，判断学生的学习状态和学习效果等，提高学习效能，并针对学生在练习过程中出现的问题，有针对性地推送相应的学习资源，从而有效提升练习效能。
（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。● 深度学习对教育的影响
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中的监督诊断、课堂教学监控、课后评价等方面不断发挥作用，它能够辅助教学，变革教与学的模式，加快教育现代化建设，并从技术支撑教学的角度，对学习理论和教学理论革新产生重大影响。
1.以学生为中心
（1）科学的学习结果测量分析，对学生的学习评价及后续的学习发生提供数据支持。深度学习使对每一位学生学习进行建模成为可能，根据每位学生的学习习惯为他们量身定制学习方案，充分挖掘每个学生的潜能。
（2）利用深度学习收集行为数据，分析学生的学习态度，建立认知模型。一方面便于学生对自身学习的管理，科学规划学习的路径，促进自主学习的产生，提高学习效率;另一方面便于教师的教学管理，对学生进行全面准确的分析，在教学过程中实现因材施教，实现以学生为中心的教育。
2.整合正式學习和非正式学习
为线上线下的混合学习模式展开提供数据支持和科学指导，整合正式学习和非正式学习。在目标分析阶段，采用深度学习算法，根据学生学习产生的数据得出学生当前状态与目标状态之间的差别，能精确、具体、及时、迅速地进行学习需求分析、教学对象分析，确定教学目标，实现学生的个性化学习，便于教师因材施教。在教学策略阶段，基于深度学习的语音识别、影像识别、智能机器人等技术，为教学活动的展开提供更加高效的媒体选择，辅助教师监控教学过程，根据不同学生的特点对学生的学习过程主动干预，优化教学效果。在教学评价阶段，即时反馈学生评价和教学评价，从而提高教学质量和教学效率。● 总结与展望
人工智能是影响世界政治、经济等的关键技术，阿里巴巴、亚马逊、微软、谷歌等高科技公司纷纷建立人工智能开放平台、云社区，分享人工智能技术的最新研究成果，人工智能必将与教育加速融合，改变教育的形态。
深度学习技术是人工智能的前沿技术，我们应对深度学习技术在教育中的应用进行探讨，用技术支撑教学，优化教学效果。现阶段，教育领域数据的收集和整理还未完善，且数据集数量较少、结构分散，教育领域数据特征的分析制约了确定学生知识水平和学习状态的可能，为个性化、自适应学习起“向导”作用的知识图谱（包括学科知识图谱和教学知识图谱）并没有真正完成。而对深度学习技术的不断研究，能丰富学校教育教学手段，贯彻以学生为中心的教育理念，为实现教育现代化提供无限可能。
参考文献：
[1]中华人民共和国教育部.教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].[2018-06-29].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
[2]LeCun Y，Bengio Y，Hinton G.Deep learning[J].Nature，2015，521（7553）：436-444.
[3]Cao Z，Simon T，Wei S E，et al.Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[J].2016.
[4]唐旭.20个令人惊叹的深度学习应用（Demo+Paper+Code）[EB/OL].[2017-04-06].http：//www.sohu.com/a/134345723_610300.
[5]Yixiao Ge，Zhuowan Li，Haiyu Zhao.FD-GAN：Pose-guided Feature Distilling GAN for Robust Person Re-identification[J].2018.
[6]中华人民共和国国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2018-06-29].www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[7]陈志刚.英语考试自动答题技术的研究[D].合肥：中国科学技术大学，2018.
[8]董慧慧.人工智能深度学习概念研究与综述[J].电脑编程技巧与维护，2018（08）：153-155.
[9]顾小清，冯园园，胡思畅.超越碎片化学习：语义图示与深度学习[J].中国电化教育，2015（03）：39-48.
[10]胡越，罗东阳，花奎，等.关于深度学习的综述与讨论[J].智能系统学报，2019，14（01）：1-19.
[11]宦太杰.基于深度學习的人脸检测算法研究[D].南京：南京邮电大学，2018.
[12]龙慧，朱定局，田娟.深度学习在智能机器人中的应用研究综述[J].计算机科学，2018，45（S2）：43-47+52.
[13]柳毅.基于卷积神经网络的新生儿疼痛表情识别方法研究[D].南京：南京邮电大学，2018.
[14]刘兴.机器人交互界面情感呈现系统的设计与实现[D].南京：南京邮电大学，2018.
[15]刘丹，李志河.近十年我国深度学习研究综述[J].教育现代化，2017，4（51）：284-285.
[16]刘勇，李青，于翠波.深度学习技术教育应用：现状和前景[J].开放教育研究，2017，23（05）：113-120.
[17]李新房，李静，刘名卓.新兴技术在高等教育中的应用、发展趋势与挑战研究——《2017地平线报告（高等教育版）》解读与启示[J].现代远距离教育，2017（04）：3-11.
[18]刘全，翟建伟，章宗长，等.深度强化学习综述[J].计算机学报，2018，41（01）：1-27.
[19]李尊.一张图带你看懂IBM Waston的工作原理[EB/OL].http：//www.Leiphone.com/news/201607/FOe US5Wo5gIFMvwJ.Html.2016-07-20.
[20]李欢冬，樊磊.“可能”与“不可能”：当前人工智能技术教育价值的再探讨——《高等学校人工智能创新行动计划》解读之一[J].远程教育杂志，2018，36（05）：38-44.
[21]马世龙，乌尼日其其格，李小平.大数据与深度学习综述[J].智能系统学报，2016，11（06）：728-742.
[22]牟智佳.“人工智能+”时代面向教育创新的教与学发展趋向[J].中小学电教，2018（04）：37-39.
[23]乔风娟，郭红利，李伟，等.基于SVM的深度学习分类研究综述[J].齐鲁工业大学学报，2018，32（05）：39-44.
[24]孙佑先.走，跟AlphaGo下棋去！[J].机器人产业，2017（03）：54-60.
[25]魏利，黄慧敏，钱鸣静.教育领域中的深度学习研究热点和研究趋势分析[J].数字教育，2018，4（02）：22-27.
[26]王琳琳.基于BPL数据增强的手写公式识别[D].哈尔滨：哈尔滨工业大学，2018.
[27]徐晔.从“人工智能教育”走向“教育人工智能”的路径探究[J].中国电化教育，2018（12）：81-87.
[28]闫志明，唐夏夏，秦旋，等.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017，35（01）：26-35.
[29]周晟颐.深度学习技术综述[J].科技传播，2018，10（20）：116-118.
[30]赵星宇，丁世飞.深度强化学习研究综述[J].计算机科学，2018，45（07）：1-6.
