引论：我们为您整理了13篇人工智能与教育范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
0引言
20 世纪以来，计算机的发展日新月异，不断更新换代，以最早期的机械运行方式为基础，经历了电子管时代、晶体管时代直到集成电路，时至今日已涉及到人们生活、工作和学习的各个方面，伴随着计算机的出现并逐步普及应用，人们又开始力图根据认识水平和技术条件，试图用机器来代替人的部分脑力劳动，以提高征服自然的能力。
1人工智能的概念
人工智能（Artificial Intelligence），英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。主要探讨如何运用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动，并以此解决如咨询、诊断、预测、规划等需要人类专家才能处理的复杂问题。通俗的说，人工智能可以分为两部分来理解，即“人工”和“智能”，顾名思义就是人造的智能。人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。
2人工智能和教育的关系
（1）人工智能和教育的关系。人工智能以及人工智能科学从1956年诞生起，其研究和应用领域就与教育紧密相关。人工智能就是研究让计算机接受教育、提高智能的科学技术。AI的研究成果又反过来应用到我们日常生活的各个方面，并可以改进我们的生活。比如应用到教育过程中，促进教育的工作效率（减少教师的数量和工作时间、甚至直接提高受教育者的智能）。还可以产生新的教学模式，如网上学习共同体、合作学习等。（2）人工智能在教育中的应用。人工智能原理和技术从诞生起就应用于教育，其产品通常称作智能指导系统ITS或者智能计算机辅助教学ICAI。
ICAI系统可以采用多种形式。从根本上讲，它是在保证学生和程序灵活性的方式下，应用人工智能原理和技术，组织安排教学系统的各种成分。它并不是根据预先输入的问题、预先想到的解答、预先指定的分支等进行工作，而是根据学生学习时积累的知识而工作。它的一般工作准则和标准，是依赖本身的知识结构和近期活动事件，如学生回答的历史记录。许多ICAI系统都具有这样的重要特点，即能够实现与学生的自然语言对话。
3人工智能与网络教育的融合
随着人工智能的理论与技术发展，其在教育中的应用日渐扩大，例如Internet上的web站点，其网页的组织形式，就包含智能的原理。目前人工智能在教育领域特别是网络环境下的应用主要有以下几个方面：
（1）ICAI。计算机辅助教学（CAI）是由程序教学发展而来。但是以程序教学为理论基础开发的CAI课件，在推理机制和学生模型方面存在不足，因而不能根据不同学生的实际情况进行动态调整，缺乏灵活的应变能力。
借鉴人工智能中的专家系统知识，由于专家系统中包含知识库和推理机两个基本模块，在一般专家系统中再加入一个“学生模型”模块，就构成智能计算机辅助教学（ICAI）系统的基本结构。其中推理机的作用相当于现实教学中的教师，它可以根据知识库中的内容和学生模型推断出每个学生的学习能力、认知特点和当前知识水平，根据学生的不同特点选择最适当的教学内容与教学方法，并可对学生进行有针对性的个别指导，提高教学效果。
（2）智能。在我们传统的教学过程中，最经典的教学模式是以教师为主，教师讲、学生听，它是一种单向沟通模式。这种教学模式的优点是有利于教师主导作用的发挥，便于教师组织、监控整个教学活动进程，便于师生之间的情感交流，因而有利于系统的科学知识的传授，并能充分考虑情感因素在学习过程中的重要作用。
上世纪90年代以来，随着多媒体和网络技术的迅速发展，强调以学生为中心的建构主义学习理论日益流行。这种理论强调在教师主导下以学生为中心的学习，即一种“主导――主体”教学结构。在这种教学并重的结构中，教师是教学过程的组织者、是良好情操的培养者；学生是信息加工与情感体验的主体，是知识意义的主动建构者；教学媒体既是辅助教师教的演示工具，又是促进学生自主学习的工具。
篇2
（一）教育理念的革新。“人机一体”将成为未来新的教育方式[1]，由新技术和新手段的出现所应运而生的智慧教育[2]，将对原有教育进行改进和完善。智能技术在改变教育的手段和环境的同时，还有利于构建出系统解决教育问题的教育新体系，从而真正触及教育的根本[3]。
（二）关注技术的革新。机器深度学习、智能学习的算法、视觉识别以及智能语言识别这些基础技术的突破，为人工智能的教育应用奠定了坚实的基础[4]。
（三）探究教育的应用。人工智能在学校教育中的学业测评、交叉学科、角色变化等应用领域具有巨大潜力，教师角色内涵也将在与人工智能的协同共存中发生改变。AI监课系统能够数据化、可视化评估教师的授课情况，将人工智能技术的运用渗透到整个教学过程中，教师可以根据评分实时调整授课内容，以促进个性化学习，从而提升教学效果。教育深受技术发展的影响，新技术融入教育并促进教育方式的转变已成为必然趋势。一方面技术为教育提供了新的、更加广阔的可能性；另一方面技术具有变革人类的教育方式与学习方式的能力。然而，技术是一把“双刃剑”，如何获取或实现以人工智能为代表的新兴信息技术所拥有的特征、优势与功能，使其在教育中最大限度地发挥其应有的价值呢？人工智能技术如何继续被安全使用到教育领域？如何通过教育变革来促进新兴信息技术在教育教学中的广泛与深入应用，实现教育深层次革命等问题，是目前需要关注和探讨的主要问题。
1人工智能时代下教育变革的背景
1.1人工智能的内涵及具备的强大能力
人工智能最早由美国达特茅斯学院于1956年提出，其研究主要包括机器人、图像识别、自然语言处理、语音识别等，实质是一种自动感知、学习思考并做出判断的程序。人工智能具有自主学习、推断与革新的能力，推动了图像识别、自然语言处理等方面的技术突破。人工智能同时具有理性判断力、超强的工作力，只要电力供应不断，几乎可以无限制地工作下去，而且适应不需要情感投入的工作。它的超强能力，源于三个重要的技术：深度学习、大数据和强算力。
1.2人工智能时代的机遇和挑战
人工智能在精力、记忆力、计算力、感知力以及进化力等方面与人类相比，具有突出优势。在医药领域，人工智能的出现使普通民众可以享受更为高效、稀缺的医疗资源，解决医疗诊断领域诊断质量不均衡、医生资源不足等问题。在教育领域，人工智能促进教学质量进一步提升、教师角色多样化、学生学习能力的提升；为教育研究提供新技术和数据支撑；极大拓展了教育研究新视域；使教育在立德树人方面、教育方法创新方面、教育手段和环境方面以及教育服务供给方式方面均发生改变。然而，看到人工智能以其强大的处理能力带来机遇的同时，也需要正视人工智能带来的新挑战。在人工智能浪潮冲击下，如何借助人工智能发展的机遇推进教育的变革与创新？人工智能技术如何继续被安全使用？首先，人工智能专家大都认为，人工智能将会淘汰大量现有的依靠非脑力劳动为生的劳动力，需要培养人工智能时代的新型劳动力。而且，人工智能技术本身的不太成熟使很多人工智能技术只是应用在儿童教育领域，再者，人工智能潜在的道德伦理问题缺乏法律制度规范。除此之外，人工智能时代将对社会结构以及人的地位构成挑战。综上所述，人工智能时代所带来的机遇是大于挑战的。教育需适应人工智能技术所带来的突破和飞跃，不断调整和更新教育的方向和目标，实现育人成人的发展目标。
2人工智能与教育变革
2.1人工智能与教育目的的变革
人工智能带来的巨变不仅影响人类未来如何发展，而且极大释放了人类的生产力，这些在一定程度上使得人类需要重新思考教育是何目的。人工智能影响教育目的的变革主要表现在：第一，人工智能可能会使人类陷入精神危机。这源于两方面的结果：一方面，人工智能将取代大部分人的工作岗位，工作的丧失将会导致人的价值和尊严丧失。另一方面，人工智能技术的发展将可能导致所有基于自由主义的想法破产，转而人类所拥有的价值和尊严可能转化为一种“算法”，人工智能带来的职业替代风险在教育领域同样存在，主要是对教师角色的挑战。第二，人工智能有利于培养人的学习能力。从某种角度上讲，人工智能剥夺人的就业机会，但同时，人工智能助教机器人将协助教师实现个性化指导，从而有利于将学习的过程视为寻求自我价值和意义的过程。除此之外，人工智能有利于使教育注重培养人的精神能力，这种精神能力大致包括实践动手能力、价值追求能力以及创造能力，从而有利于学生知识以便于更好地完善自我、丰富自我，使教育跳脱“知识为本”的陷阱，发挥“立德树人”的正向作用。
2.2人工智能与学习方式的变革
第一，深度学习。深度学习也称为深度结构学习或者深度机器学习，是一类算法的集合。深度学习概念的提出，一方面尊重了教学规律，另一方面也是应对人工智能时代下的挑战。深度学习在机器学习、专家系统、信息处理等领域取得了显著成就，提倡学教并重、认知重构、反思教学过程，进而达到解决问题的目的。第二，个性化学习。个性化学习区别以往传统班级课堂授课，尊重学生的个性发展，因材施教。人工智能技术与大数据的应用有利于学生享受个性化的学习服务，可提供个性化的学习内容，可视化分析学生的学习数据，快速提高学生的学习效率。第三，自适应学习。自适应学习是指人工智能基于对个体学习进行快速反馈的基础上，根据学习者特征，为其推荐个性化的学习资源和学习路径，从而最大程度上适应学生的学习状态，是实现个性化学习的重要手段。人工智能技术有利于快捷、科学地判断学生的学习状态，进行学习反馈；持续收集学生的学习数据，其中包括学习目标、学习内容；高效地为学生提供海量的学习资源。
2.3人工智能与学习环境的变革
首先，有利于搭建灵活创新的学校环境。不仅可以使空间规划更具弹性，而且可以调节性增强物理环境。其次，人工智能时代的教育区别于以往传统教育强调的统一秩序，更注重个体的用户体验。创客空间、创新实验室等学习环境的不断增加以及人工智能技术的不断发展，个性化的空间环境与学习支持将改变目前学习的学习空间环境。除此之外，随着对话交互技术的逐渐成熟与不断普及，有利于实现虚实结合的立体化实时交互。VR、AR等技术的同步协作也有利于搭建新的学习环境，满足学习者的一系列要求。脑机互动技术的突破有利于实现将人工智能植入人脑，从而改变人类自然语言的交流方式。最后，人工智能通过即时、准确、高效的大数据分析有利于进行精准且个性的学习评价与反馈。人工智能将综合收集所有同学的学习记录，互相比对、优化，从而进行综合提升。更为重要的是，人工智能的人脸识别以及语音识别技术可以运用到教师的教学过程中，进行学生的学习情绪感知，学习状况的了解，从而促进学生学习的科学化；智慧校园、智慧图书馆等的出现，为教学环境的建设提供重要参考。
3人工智能在教育领域的应用
篇3
人工智能是研究如何构造智能机器（智能计算机）或智能系统，使其模拟、延伸、扩展人类智能的学科。随着人工智能的理论与技术在社会各个领域的广泛应用，其在教育领域内的应用也越来越受到重视，并取得了一定的研究成果。
一、人工智能教育应用的主要形式
人工智能在教育领域应用的最直接结果就是诞生了智能教学系统。智能教学系统是以计算机辅助教学为基础而兴起的，它是以学生为中心，以计算机为媒介，利用计算机模拟教学专家的思维过程而形成的开放式人机交互系统。目前，智能教学系统已成为人工智能在教育中应用的主要形式。智能教学系统主要是在知识表示、推理方法和自然语言理解等方面应用了人工智能原理。由于它综合了知识专家、教师与学生三者的活动，因此，与之相对应的，智能教学系统一般分成知识库、教学策略和学生模型三个基本模块，再加上一个自然语言智能接口。智能教学系统的功能具体来说有以下几条：了解每个学生的学习能力、认知特点和当前知识水平；能根据学生的不同特点选择适当的教学内容和教学方法，并可对学生进行有针对性的个别指导；允许学生用自然语言与“计算机导师”进行人机对话。智能教学系统的设计不仅要有计算机科学的知识，还需要有教育科学的理论指导。
二、人工智能在教育中应用的局限性分析
1.阻碍人工智能发展的关键因素。在人工智能的发展中，一直存在着对“计算机是否能代替人脑甚至超过人脑”的问题的讨论，实际上，以电子计算机为主要工具模拟人的某些思维活动而产生的人工智能是有局限的。①计算机处理问题的根本原理。要计算机解决某种问题，有三个基本的前提：必须把问题形式化；问题还必须是可计算的，即要有一定的算法；问题必须有合理的复杂度，即要避免指数爆炸。由于人的智能活动不能完全形式化，因此，机器就不能将人脑的智力活动全部复制出来。电子计算机最终只能把握0、1这两个开关代码，遇到不能形式化、不能找到算法或不能程序化的任务，计算机则难以执行。②人和机器之间的根本区别。智能模拟利用了人和机器的共性，即两者都是一个信息转换系统，但两者之间存在着不容忽视的本质区别。智能模拟与天然智能属于两种不同的进化系统，人类的智能是人类社会实践的产物，机器的智能是机械制造的结果。大脑和电脑的组织结构也不相同，两者属于两种不同的运动过程，前者是复杂的生理--心理过程，后者是机械--物理过程。智能模拟可以在局部上超过天然智能，但是，模拟的根本方法是功能模拟法，两个系统在结构和实际过程上是不一样的。智能模拟不具有人的思维的社会性，不具有主观世界。
2.人工智能在教育中应用的局限。就目前人工智能的发展水平以及人工智能本身的特点而言，它在教育中的应用也是有其局限性的。①与学生之间无法畅通交流。教育本质上是一种“交互”活动，而智能教学系统无法实现最充分、最真实的交互。目前自然语言理解的研究成果非常有限，远不能达到人人交流的要求。此外，就态度、品德、情感等教育问题而言，机器只能通过学生输入计算机的信息来判断其掌握和内化程度，而无法像人类教师通过自然状态的交流和观察来判断学生的真实情况，因此，“机器智能”很容易被蒙蔽“双眼”，无法做到像人与人之间那样自然畅通的交流。②决策和推理机制不完善。智能教学系统的关键智能所在是其决策和推理机制，即“教学策略”模块根据不同学生的具体情况通过推理做出灵活决策，这种决策基于学生模块提供的有关学生的知识水平、认知特点和学习风格，而这些不能完全被形式化。同时，随着教育理念的不断更新以及教学模式和教学方法的不断改进，系统所应用的教学策略模块用于评估和判断学生学习过程的能力是有限的。③人工智能并非适合所有的学习领域。根据加涅的学习结果分类，学习分为言语信息、智慧技能、认知策略、动作技能和态度五类。言语信息分为符号学习、事实学习和有组织的知识学习，这些属于可形式化内容，适用于智能教学系统；智慧技能分为辨别、具体概念、定义性概念、规则和高级规则，其中前四项属于可形式化内容，适用于智能教学系统，而高级规则属于复杂――形式化内容，部分内容不适用于智能教学系统；动作技能和态度领域的学习，在其认知成分中可以使用智能教学系统，但情感和行为成分等非形式化内容，则难以用智能教学系统来实现。因此，并不是所有的学习领域都适用于智能教学系统。智能教学系统在教育中应用的重点应放在认知领域中的符号学习、事实学习和有组织的知识学习、辨别、具体概念、定义性概念以及规则这些学习内容上。
三、人工智能教育应用的发展方向
近年来，随着计算机技术、网络技术、人工智能技术以及现代教育教学理论的发展，人工智能在教育中应用的发展呈现出以下几个趋势。
1.开始突破单一的个别化教学模式。长期以来，计算机辅助教学系统和智能教学系统都是强调个别化教学模式，这种模式在发挥学生的学习积极性、主动性和进行因人而异的指导等方面确实有许多优点。但是，随着认知学习理论研究的进展，人们发现在计算机辅助教学系统和智能教学系统中只强调个别化是不够的，在某些场合（例如问题求解）采用协作方式往往更能奏效。因此，近年来在智能教学系统中，协作型教学模式得到越来越多的重视和研究。
2.智能教学系统日益与超媒体技术相结合。超媒体系统具有良好的开发环境、灵活方便的用户界面以及图、文、声并茂的特点，而且其信息的组织方式与人类认知的联想记忆习惯相符，已成为目前一种最理想的信息载体和最有效的信息组织与信息管理技术，在许多领域尤其是教育领域有广阔的应用前景。把超媒体技术引入智能教学系统，从而发展成为智能超媒体辅助教学系统，可以大大改善计算机辅助教学系统的教学环境，激发学生的学习积极性，从而显著提高教学效果。
3.智能教学系统与网络的关系日益密切。网络的应用和普及为远程教育和终身教育提供了一个良好的空间。当前，智能教学与多媒体网络的结合成为人工智能在教育中应用的一个势不可挡的发展趋势。
4.传统人工智能与神经网络模糊决策机制相结合。传统人工智能从宏观角度开展认知模拟，可以部分地模拟人类的逻辑思维过程，而神经网络模糊决策机制从微观方面进行认知模拟，着力实现模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。今后将探索一种新的智能处理模型：把神经网络的模糊决策机制和符号专家系统的推理能力结合起来，利用多重知识源、多种模型进行复合协同处理。如果上述技术能够成熟运用，那将对人工智能的发展及其在教育中的应用起到决定性的作用。
参考文献：
[1]王士同.人工智能教程[M].北京：电子工业出版社，2001.
[2]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社，1998.
[3]何克抗.计算机辅助教育[M].北京：高等教育出版社，1997.
篇4
1 概述
2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。
因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。
此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。
2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。
1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。
2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。
3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。
4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。
5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。
6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。
学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。
参考文献：
[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.
篇5
一、影视教育智能化发展的应用价值
智能化影视传媒研究是教育信息化极为重要的应用场景，人工智能技术不仅拓宽了影视传媒教育的研究方向，同时也在技术手段、渠道搭建、傳媒伦理等层面发挥着重要作用。
1.消除数据鸿沟，发挥智能传媒教育技术赋能和知识平权的双重功能。影视传媒研究是以实践为基础的理论性教学，以培养创新型和复合型人才为教育目标。教育学者是影视文化传播的驱动者，因个体间存在传播技能、信息储备和交往行为方面的差异，造成影视传媒教育具有严重的知识鸿沟。在影视研究学者步入算法教育的重要阶段，智能教育平台可通过读取人的反馈改变原有的教学模式，调整每一位受教育者的天赋类型。与此同时，教育学者能够充分利用算法技术和人工智能手段，获取定制化的影视资源和学习条件，以技术逻辑引导学习流程，用分析框架提高教学模式的理论性和可操作性，通过强化教与学的变革场景，激活文化创作的想象力和逻辑性思维，使科技创新在理性与感性、理论与实践的引导作用下，从一般的理论教学形成智能媒介化的信息教学模式，从单向传授转变为双向互动的学习教育模式。
2.拓宽学习渠道，推动教育形态从理论课堂到智能媒体教育课堂的变革。人工智能技术与影视教育教学的深度融合，正引发起一场新的教学革命。从教育手段和学习途径上来看，原有的课堂教学已无法满足理论和实践的双重需求，大数据催生出的智能化影视教育，在虚拟世界和现实世界间搭建起新的算法课堂，利用人工神经网络简化理论教学的概念，又通过具有超强运算能力和通讯能力的技术手段协助实践操作。例如，人工智能照相机作为辅助型的教学工具，被运用于智慧课堂的摄影实践教学中，借助云端技术和物联网连接远程数据中心，可以帮助不懂摄影技术的学习新手尽快了解电影拍摄的理论框架和基本技能，推动教学场景从应用性教学到智慧型课堂的氛围建构。人工智能与影视教学的跨界融合，成为智能传媒教育进行颠覆式创新的重要表现形式，教育形态正逐渐从智慧课堂过渡到智慧校园，从传统的理论范式过渡到智慧媒体的应用型范式，帮助构建起新的学科话语体系。
3.重视传媒伦理，推动智能化影视传媒教育价值观和技术性的生成。人工智能是以追求效益为初心的理性工具，在技能研发阶段尚未对伦理规范提出强制要求，技术伦理向来是人工智能难以逾越的一道鸿沟；影视传媒教育则是以培养学生的伦理观和价值观为出发点，重视以道德审美为核心的理性意识。智能化传媒教育将信息技术和影视教学进行结合，使得理性工具得以同理性意识深度融合，人文关怀建立在技术作用之上，这既是培养受教育者核心价值观的时代需要，亦是强化人工智能技术伦理的有效途径。人工智能时代，强调智能化影视传媒教育技术性和价值观的生成，与其说是建立在影视教育应用场景上的技术伦理规范，不如说是借信息技术完成对传媒伦理和受教育者价值观的理性建构，让人工智能发展紧密联系意识形态和伦理道德问题，加深技术手段和教育学习的彼此作用，从而获得传媒教学在伦理层面的共识。随着传媒影响力的逐步扩大，以内容为载体的影视教学活动意味着要担负起更重要的教学责任，学科研究核心价值观的建设必须以注重传媒伦理和技术伦理为教学基础，重新建构现有的伦理道德观念，为人工智能技术注入价值观的活的灵魂。
二、影视教育智能化发展的风险问题
人工智能技术的迅速发展，赋予影视传媒教育极大的应用价值，与此同时也面临着潜在的风险问题。
1.灌输式教育仍占据主流，智能化影视教学陷入价值认知困境。在人工智能技术出现以前，理论+实践的教学策略已经成为一种固定的形态存在于传统影视教学工作中，受教育者根据统一的培养目标规划自己的学习方式，包括影视创作及影视理论等相关课程都按照相同的培养模式进行。由于教育主体对人工智能的认知存在两极分化的现象，过往只能够通灌输式对学生进行强制教育，智能化影视教学则是处于小范围内的实践和创新。对影视教育而言，理论与实践是学习的内容，继承与创新才是研究的实质。明确人工智能教育的价值认知，从灌输教育逐步迈向定制化教育，为高校的人才培养提供重要的智力支持，应当是影视教育智能化转型发展的着力点。
2.智能教育应用场景缺乏思考，其深度和广度有待进一步挖掘。当前，智慧课堂、智慧校园的出现奠定了智能传媒教育的基本雏形，依靠大数据、物联网等信息技术支撑的智能传媒教育，在平台搭建层面已出现显著性成果，但对应用场景的深度和广度挖掘还存在明显问题。影视教育智能化应当以追求个性化和定制化教育为目标，崇尚的是终身学习的教学理念，不应当将人工智能技术仅局限于传统的教学课堂，除了要从“线下”走向“线上”，还需要考虑到以人机交互为主要形态的教学应用场景，挖掘人工智能教育更多的应用情境和展现方式，从而对影视课堂的理论与实践教学价值提供合理的在场性证明。
3.专业壁垒依然存在，智能化教学成果马太效应极为明显。智能教育世界要求培养更加多元化的应用型人才，但人工智能的马太效应逐渐渗透到影视传媒教育工作中，也会导致教学成果受到出现严重的失衡现象，难以满足高校对人才培养的多元化需求。作为艺术研究的影视教学活动，其科学精神和创新实践同样重要。尤其在媒介融合背景下，要想推进受教育者从“影视学者”逐渐过渡到“影视作者”，人工智能不仅需要满足师生的定制化教学任务，还应当破除专业和行业的壁垒，对其相关联的学科和传媒领域进行合作，才能够改变当前智能化影视教育在教学模式上面临的不足，不断为社会输送更多的应用型人才。
三、影视教育智能化发展的转型实践
面对智能传媒教育的风险与挑战，影视专业更应当立足于自身的教育发展特色，从人才培养模式、应用场景建设、教育资源整合等方面，推进影视教育智能化发展的转型实践。
1.从“灌输教育”走向“精准教育”，创建新的人才培養模式。智能传媒教育范式的自主性建构，应当立足于对传统教学效率和人才培养模式的颠覆。基于当前影视传媒智能化发展在人才培养模式层面的不足，其转型实践需要从受教育者的个性化需求出发，在师生、家长和社会的通力合作下，创建新的人才培养模式，利用碎片化学习完成系统化的学习过程，逐渐从“灌输式教育”走向“精准化教育”。例如，人工智能时代对影视学生的培养更趋向于“以个人为导向的系统化学习”，通过前期对受教育者的大数据整理，对每一位同学的逻辑性、想象力、创造性和沟通能力等进行分析，从影视理论和影视创作两大方向出发对受教育者形成定制化的学生画像，并提供针对性的智慧作业，帮助教师采集学生的学习情况，从而实现规范化的信息管理。可以预见的是，智能传媒时代，“互联网+教育”学习模式的生成，在推动知识平权化等方面发挥重要价值，成为影视教育智能化追求的重要转型路径。
2.从“课堂缺席”走向“课堂在场”，打造新的传媒教育平台。人工智能不仅要改变传统的人才培养模式，同样也应当提供更加多元化的学习应用场景。过去的影视研究多局限于单一的课堂场景，采用课上理论和课下实践的方式进行授课，完成影视教学的闭环。人工智能时代，影视传媒教育应当调整原有的受教育模式，通过搭建合理的人工智能应用平台，可以巧妙地将课堂场景与智能技术结合起来，为受教育者提供更加多样性的教学应用场景，从而实现成长课堂的“在场共生”。例如，人工智能可以带动影视制作的推陈出新，通过搭建智慧超媒体系统，将电影屏幕从影院搬到校园，自动生成无穷界面。与此同时，影视传媒的智能化还可以帮助教师自动生成电影梗概，将理论性教学转变为可视化形象，使电影理论同定制化的影像人物之间建立匹配关联，让教育场景从线下逐步延伸到线上，为影视研究提供重要的云服务。
篇6
一、应用型人才的价值功能及素质结构
人才可以分为学术型和应用型两大类型，应用型人才是指利用自身所掌握的科学技术为社会创造价值的人才。他们的核心价值在于利用科学原理来解决实际生活和生产中的问题，为社会创造出各种价值和财富。为了使他们为社会创造出更多价值，充分发挥出人才的价值。这就要求这方面的人才既要掌握基本的原理和技能，又要具有获取知识、适应社会发展的学习能力、实践能力和创新能力，再有就是要求应用型人才要具有较高的人文素养，具有为社会为人们服务的精神，且可以积极主动的与他人进行沟通。从总体上来看，应用型人才的价值功能与素质结构表现在两个方面：
1.基本技能与创新能力并重
新科技革命使得科学与技术有效结合起来，使得从事科研人员和技术人员的界限逐渐模糊，应用型人才成为应用科学和应用技术的实施者，应用型人才必须不断加强自身的能力，采取合理的措施提高自己的综合素质，才能为社会创造出更高的价值。
创新能力是当今社会对应用型人才的最新要求，它为今后的人工智能代替手工劳作打下坚实的基础，而创造性思维特征的生产是创造思维的价值体现。所以说基本技能是应用型人才的基础，创新能力是时代赋予应用型人才的更深刻含义。
2.科学精神与人文素养并举
应用型人才是应用科学和技术结合的产物，二者之间是相互促进、相互反馈的关系。应用型人才即是科技的证明，又是革新的主体。所以说应用型人才掌握的科学原理和规律的程度决定着技能水平，同时技能的发展反过来又影响着劳动者对科技的探索和创新。因此应用型人才自身含有的科学精神局盯着其在专业领域的发展程度，甚至影响着自身价值的发挥。
在我国的教育体系中，对人才的培养方面划分的也十分详细，这导致了我国的人才精而专，但是缺乏综合素养。理科生和工科生是应用人才的主力军，但是他们又缺乏一定的人文素养，这就形成人才专而精但是不全的现象，不能适应社会的发展需求。因此我们要把道德、人文精神等渗透到科学技术活动领域当中，有效提升应用人才的综合素质。
二、树立科学的应用型人才教育观
长期以来，我国的高等院校在人才的培养上也煞费苦心，进行了不少的改革，但是仍然不能摆脱重理论轻实践的现象。因此导致对于人才培养出现漏洞，相关人员对创造应用型人才的认识程度不够。因此，各高校需要抛弃旧的教学理念，积极进行教学改革，通过科学的教育手段培养出适合社会发展的应用型人才。
1.以服务为宗旨，以就业为导向
随着社会工业化和城市化的推进，社会生产结构发生了变化，这要求应用型人才具有高度的服务社会的精神，在此基础上把我国严重的人口负担转化成人口优势。根据社会的实际需求培养出多层次、多元化的应用型人才，这是我国当代职业教育的根本要求。应用型人才价值的体现主要依靠他们在实际生产生活当中创造出的社会价值。因此我国对应用型人才的教育就是要依靠社会现实需求，开展针对就业需求的职业教育。从培养人才的理论上来说，各高校应当转变办学思想、办学模式和办学机制，一切的教育都是为学生的就业服务，帮助学生顺利从学生转变成应用型人才。
2.以市场规律为参照，以教育规律为根本
应用型人才的培养方式和培养方向需要从社会和市场的需求出发，在应用型人才的培养过程中，要坚持教育与社会信息的通畅，紧密配合市场规律，才能够实现高效的人才培养目的。
三、结语
综上所述，应用型人才的培养要跟社会的发展相结合，提高科学技术的应用能力，以发展国家经济能力为目标。当今科学技术与社会的生产逐渐朝着综合性和整体性方向发展，科学技术与人文社会科学相互渗透，出现了大批的新型较差学科和边缘职业学科，职业性应用人才成为社会发展的需求。
参考文献：
[1] 汤学俊. 试论PISA对大学生评价的启示[J]. 扬州大学学报（高教研究版）. 2010（05）.
篇7
城市交通系统是一个典型的复杂系统:
1)城市交通系统是由经济、环境、人口等因素综合作用的结果,必须全面综合地考虑城市交通和这些系统之间的关系。例如,不能为例城市交通问题的解决,而导致城市生态恶化,危害人居环境;不能为了城市交通的畅通,阻碍城市社会经济活动的健康发展。我们必须在已有工作的基础上,突破传统思维,探索研究此类复杂系统的新途径,而基于人工系统的研究方法正是这种有效途径之一。
2)城市交通问题不存在“一劳永逸”的解决方案。城市交通系统涉及人与社会的动态变化,本身也在不断变化和发展之中,不可避免地需要一个不断深化地认识过程,这类系统实际上不存在精确完备的整体解析模型。因此,无法“一劳永逸”地解决城市交通问题,我们需要基于“不断探索和改善”的原则,研究建立有效可行的计算实验方法体系,为不断地完善城市交通系统的综合可持续发展方案提供科学依据。
3)城市交通问题不存在一般意义下的最优解,更不存在唯一的最优解。首先,基于解析模型的最优解与假设条件直接相关,具有条件敏感性,但对于城市交通这样的问题,假设条件与实际情况往往存在很大差别。其次,解决这些问题一般不存在单一的优化指标,而多层次多目标优化往往导致多个甚至无数个解决方案,就连采用近似模型的多目标优化也是如此。再者,对于这类复杂系统,有时甚至连确定一个量化的综合优化指标也有困难,特别是由于复杂系统长期行为的不可预测性,试图求解其某一最优化解决方案本身就是不可行的。因此,我们应当接受有效解决方案的概念,而且还要接受一般情况下存在多个有效解决方案的事实。在这种情况下,我们应该利用平行系统方法,追求具有动态适应能力的有效解决方案。
基于以上分析,中国科学研自动化所王飞跃研究员提出了人工交通系统的概念。其基本思想是利用人工社会的理论与方法,把交通仿真推向更高的层次、获得更广的视野。它利用基于的建模、面向对象的编程和并行分布式计算等方法和技术,“生长”和“培育”交通系统,即“人工交通系统”。
利用人工交通系统解决问题的思路跟改革开放摸着石头过河差不多,不断探索和改善,使过程、方法更科学化、系统化、综合化,不断改善探索建立城市交通、物流、生态综合发展的理论和方法体系。
人工交通系统有三个核心组成部分:
一是根据人工社会的原理思想,建立一个来源于现实交通系统又超越现实交通系统的虚拟交通世界;
二是计算实验方法,即在上述的虚拟交通世界里进行可重复的实验,不但可以复原已有的交通拥堵、事故的成因,而且能够预先运行解决方案,从而选择最优的拥堵解决方法和突发事件的紧急预案;
三是平行管理运行,虚拟交通系统与实际交通系统相结合,直接采集现实交通数据,进行超前运算,以判断可能发生的交通事件,提前采取预防措施,为交通的高效畅通提供保障。
人工交通系统具有以下特点:
1)在宏观认识上,人工交通系统不是单纯的讨论交通自身的问题。相反,人工交通系统将交通看作社会整体的一个子系统,与经济、人口、环境、气候等子系统具有平等的地位,并将各个子系统之间的相互衔接、相互联系、相互作用和相互影响作为研究的重点之一。
2)在仿真方法上,人工交通系统属于微观仿真的范畴,但是不局限于研究局部的交通问题。人工交通系统面向大区域的仿真研究,采用复杂性科学中“涌现”的原理,在底层建立单个交通出行元素的模型,通过大交通区域内单个模型之间的相互作用,“涌现”出宏观的交通现象。
3)在实现手段上,人工交通系统不能在单一、孤立的计算机上进行仿真,要使人工交通系统具备真实交通系统的分散性和社会性,必须采用先进的分布式计算方法,如网格和P2P等,在互联网上建立结构化、分散化的虚拟交通路网系统,并且通过终端界面将网络中的真实人吸引到人工交通系统的运行中来,以使每一个模型具有逼近现实的社会属性。
篇8
人工智能课程主要讲授当今智能领域的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。
当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。
三个改革途径
（一）引导学生阅读应用研究文献
高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。
实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。
（二）安排学生对经典算法程序进行实验
与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。
在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。
学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。
例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。
（三）启发学生引入人工智能理论方法对毕业设计加以创新
毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。
在计算机领域中，人工智能属于研究和创新的前沿和热点，许多旧有问题利用人工智能方法都得到了新的解决途径。教师在指导学生毕业设计时，可针对某一问题恰当地启发学生引入人工智能的理论和方法，并尝试性地运用在解决当前问题之中，这样能较容易地获得新的改进和突破，对培养学生创新观念和能力很有意义。
近年来，高职教育得到了迅速发展，其社会认可度也不断提升。但是，在发展的过程中也出现了一些新的问题，其中突出的是如何对以往普通高等教育的教学方式和内容加以改革，以适应高职教育的新要求。人工智能课程作为一门重要的计算机专业课程，仍需要结合高职教育的实际要求以及学生的具体情况，在加强培养应用型、技能型人才，加强实践教学上不断进行探索和改革。
参考文献
[1]赵蔓，何千舟.面向21世纪的《人工智能》课程的教学思考[J].沈阳教育学院学报，2004，6（4）：131-132.
篇9
Register Use of Terminology from Functional and Cognitive Perspectives
—Case Study of “Expectation Value”
YU Wei
Abstract：Terminology can reflect the developments of science， technology， and society The register use of terminology has its own scientific， social， functional and cognitive reasons As a term of probability theory and statistics， “Expectation Value” is mapped into other fields by the way of analogy and extending， or some other methods The significant increase of the use frequency， the expansion of the semantics and the growth of the functions make “Expectation Value” develop and change from the specialized terminological fields into popular vocabulary， and become one of modern Chinese common words
Keywords：terminology， register usage， functional perspective， cognitive perspective
一 理论背景
20世纪60年代末期以来，随着篇章语言学、科技信息理论和文本综合分析处理等学科的发展，术语学逐渐开始研究术语的使用问题，特别是职业言语（首先是篇章）、专业人员培训和计算机系统中术语的使用[1]。篇章理论也是功能术语学的研究对象之一，主要分析篇章中术语使用的理论，可以对篇章进行术语分析，研究含有术语的篇章类型，也可以对术语进行篇章分析。在分析过程中，既可以自术语到篇章，也可以自篇章到术语。从术语学角度出发看术语与篇章的关系，通常包括以下几个方面：篇章的术语结构；篇章中的术语饱和度，即术语与篇章中所有实词的比例；篇章中术语出现的频率，即专业词汇和所有词汇的比例；以及篇章的术语形式，即通常通过术语集所表现出来的篇章内容形式。在这几个方面中，篇章的术语饱和度和出现频率通常以百分率的形式体现。对术语进行篇章分析时，经常会采用统计法，科学直观地指出使用特征[2]。一般而言，术语更多在非文艺性篇章中出现，如科学、政论、技术、公务等，这是因为术语本身具备大量的信息内涵，是相应的概念定义或扩展描写的凝缩，能够用精准简洁的语言表述丰富的内容。不过，术语也经常被用于文艺性篇章，通常是出于修辞需要，为了取得特殊的修辞效果，又或是使术语非术语化，即不用术语最为核心的意义，而是通过专业意义简单化、专业意义隐喻化等方式，让术语丧失其术语意义，获得泛化意义从而成为一般词汇。
在对术语的功能进行研究的过程中，研究者发现术语的认知功能使得术语成为可以确定、存储、交流知识的手段和获取新知识的途径，因此认知术语学逐渐成为了术语学研究的一个新方向。认知术语学采用认知方法分析术语，主要研究术语在科学认知和思维过程中具有何等作用[3]。作为词汇单位的术语，一方面具有通用词汇固有的功能，如称名功能、语义或符号功能、交际功能、语用功能等，另一方面作为专业词汇，术语又有自身特有的一些功能，如认知功能、工具功能、启智功能等，其中最重要的是认知功能。术语在认识和思维过程中具有积极的作用，是对客观现实的事物和现象的本质以及人的内心世界长期认识的结果，这些都是由术语的认知功能决定的，认知功能是术语最重要的特征之一。术语属于科学的元语言，而术语是形成相关科学概念系统所必需的辅助手段[4]。术语与认知科学，尤其是信息理论和认知心理学有天然的密切联系。术语不仅能反映认知领域现阶段的发展阶段和程度，概括、增加和传递科学知识，而且具有将信息固定下来，成为认知工具的能力。本文以“期望值”一词为例，分析造成术语跨语域使用的功能和认知机制。
二 “期望值”的跨语域使用 1不同语域中的“期望值”
“期望值”作为术语在不同语域中都可以使用，但是根据使用领域的不同，“期望值”的语义内涵也有所区别。在概率论和统计学领域里，一个离散性随机变量的期望值（expectation value），又被叫作数学期望，或均值，亦简称期望，物理学中称为期待值，是试验中每次可能结果的概率乘以其结果的总和。换句话说，期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。换句话说，期望值是该变量输出值的平均数。期望值并不一定包含在变量的输出值集合里[5]。
除了概率论和统计学语域之外，“期望值”也常在经济、商业语域使用，不过其语义内涵和外延都与上述不同。这些语域中的“期望值”常与“客户”“管理”等词搭配使用，用来指称某人（通常为服务对象）对于他人提供的管理、服务等业务所能达到的状态和水平，主要包括期望的内容、标准、规则（包括定量和定性两方面）等。
在《现代汉语词典》《辞海》《汉语大词典》等工具书中，“期望值”被释义为“对人或事物所抱希望的程度”，这个语义通常在新闻、文艺等语域中使用。具体说来，期望值可以指人们对所实现的目标主观上的一种估计，也可以指人们对自己的行为和努力是否导致所企求之结果的主观估计，其依据标准是个体的以往经验。此外，期望值还可以指社会大众对处在某一社会地位、角色的个人或阶层应当具有的道德水准和人生观、价值观等全部内涵的一种主观愿望。
在心理学语域，1964年北美著名的心理学家和行为科学家维克托·弗鲁姆（Victor HVroom）在《工作与激励》（Work and Motivation）一书中提出了期望理论（expectancy theory），即某一活动对某人的激励力量取决于他所能得到结果的全部预期价值乘以他认为达成该结果的期望概率。弗鲁姆将这一理论用公式表示为M=V×E，其中E就用来表示期望值，即个人根据以往经验进行的主观判断，对达成目标并能导致某种结果的概率的估计。如果一个人对目标估计为可以实现， 则此时概率为最大（E=1）；反之，如果估计完全不可能实现，这时概率为最小（E=0）。因此期望（值）也可以叫作期望概率[6]。
最后，在语言学语域中，期望值作为一个计算语言学的专门术语，又可以称为均值，指的是随机变量按其取值概率的加权平均，主要用于表征其概率分布的中心位置。
由此可见，“期望值”是属于不同学科领域的专门术语，其语义内涵和外延随着使用语域的不同而有所区别，但不可否认的是，各语域中的“期望值”的核心语义有共通的成分，这就为该词的跨语域使用打下了语义基础，并在语法和语用层面通过不同形式体现出来。
2 三个平面上的“期望值”
在北大CCL语料库搜索“期望值”，共有244条，其中有10条重复或无用语料，实际有效语料为234条，期望值在234条语料中分别充当了句子的主语、定语、宾语、状语，以及动宾短语中的宾语（小宾语）和主谓短语中的主语（小主语），具体分布如图1。
图1 “期望值”可充当的句子成分
期望值能充当的各种句子成分在全部语料中所占的比例如图2所示。
图2 不同成分在总语料中所占比例
从图2中可见，期望值在充当各种句子成分时，最主要的是充当句子的主语，其次是句子的宾语和主谓短语中的主语，充当其他成分的比例相对而言则要低很多，这与该词在句法、语义和语用层面表现出来的各种性质有密切的关系。作为名词，期望值不能受数量短语和副词修饰，通常在句子中充当句子的主语和宾语，有时也用来充当句子的定语，修饰后面的名词或短语，还可与介词“把”“对”“与”等组成介词短语充当句子的状语。除了直接充当句子成分之外，期望值还可以作为主谓短语中的主语，与动词组合后充当句子的主语、定语或宾语，以及作为动宾短语中的宾语，和其他动词组成动词短语作谓语。
期望值在句中作为主语时，一般与动词“下降”“提高”“降低”连用，也可以跟在“的”字短语、名词或名词短语之后，还可以跟在介词“对”+名词组成的短语后，作为宾语时则多与动词“达到”“寄予”等连用。当期望值与介词“把”“对”“与”等连用时则通常作为句子状语，与形容词短语“过高”“非常大”等连用时，多为主谓短语中的主语，组成短语后可充当句子主语或宾语。期望值作为主语或宾语时，通常只与句子的逻辑主语和谓语有语义关系，多为句子中的动词指向对象，属于受事元。期望值作定语时，与它后面的名词性成分之间是限定性关系，也可以说是领属性关系，如“期望值范围”“期望值的问题”等。
期望值通常用于陈述句，表叙述、说明、解释，一般不用于祈使句、感叹句和疑问句，但在具体的语境中可以表达感叹或疑问语气。期望值本身很少作为句子主体和叙述焦点出现，多与其他成分一起解释说明主题所要表述的内容、目的或范围，属于断定式的行事行为。
三 功能视域下的“期望值” 在语料库和各大主要搜索引擎及网站中，以“期望值”为搜索对象，得到结果如图3、4、5所示。
图3 “期望值”在各语料库中的搜索结果
图4 “期望值”在各搜索引擎中的搜索结果
图5 “期望值”在各网站中的搜索结果
如上各图所示，期望值这个词的使用范围大，使用频率较高，这说明该词适用语域较多，新闻、科技、文艺、军事、体育等领域均可使用。这与期望值本身就是多个专业领域的术语有关，同时，由于该词涉及范围很广，因此不同学科的研究成果也很多。在中国期刊网和硕博论文库里搜索，其总篇数和涉及学科如表1所示。
表1 “期望值”论文篇数及涉及学科
在这众多学科中，研究成果最多是管理、计算机、教育学、经济学、新闻学等几大学科。笔者从这些学科论文中随机挑选出了一些文章，对于术语“期望值”在文章中的出现频率和饱和度做统计，结果如表2所示。
表2 “期望值”的术语饱和度和出现频率
当然，由于搜集整理的数据范围比较狭窄，统计的文章篇数和字数也极其有限，表2的结果仅仅只能作为一种参考，没有普遍的参照性，但多少也能从该表格中看出“期望值”作为各学科专门术语的使用特点。在专业性和学术性较高的科研论文中，属于理科、工科的学科，如计算机、数学、经济学等显然更为严密抽象，对于术语概念的内涵和外延有着严格的规定，一旦确定了“期望值”的所指范围，接下来便不再重复阐释，因此术语出现的频率和饱和度都比文科论文更低一些。而类似于教育学、心理学、管理学等学科的论文则更讲求对术语的实际应用和说明，并常常会有案例分析出现，因此相对的术语出现频率和饱和度有所提高。
但是，从新闻类和文学类文章的数据可以看出，这些领域的“期望值”，无论是术语在整篇文章中出现的频率，还是和所有实词相较而得出的术语饱和度，都比较低，这是因为“期望值”作为各学科专门术语，其外延和内涵是受一定限制的，专业性较强，在实际生活中出现的概率比较低，往往是在涉及特定领域的话题时才会出现，因此数值较低也就不难理解了。
四 认知视域下的“期望值” 在认知语言学看来，语言深深扎根于认知结构之中，语义并不是基于客观的真值条件，而是对应于认知结构的[7]。因此，从认知角度看“期望值”一词由政治术语逐渐扩大语义所指范围，是源于人们对“期望值”的语义认识不断深入和丰富。人的概念范畴和认知范畴会不断产生新的内容，对于词语原有语义的理解也会愈加精确，“期望值”原有的概率论和统计学范畴语义不能继续满足表达需要，必须通过联想将之映射到其他语域以满足表达需要。由于概率论和统计学领域与其他领域之间的相似性，使得“期望值”能够通过隐喻、类比、引申等方式进入各个领域以适应实际需求。如概率论和统计学领域与数学、经济、计算机等领域都具有系统化的理论模式、逻辑严密、应用广泛等共同特征，很容易构建出相互之间的类比关系。再比如，心理学、教育学之间具有紧密的联系，彼此的研究对象、主题很多地方都是一致的，心理学的研究成果往往会被教育学采用，因此在两个语域之间也往往会建立起类比关系。而文学和新闻学则由于其学科特点，要反映和报道社会各个领域的人物、事件，对于各学科术语的接受性很高，所以“期望值”通过语义引申进入这些语域也是很自然的。
此外，“期望值”这个原本属于概率论和统计学领域的术语，可以通过类比、引申等方式映射到数学、经济、计算机、心理学、教育学、文学、新闻学等其他目标域，笔者认为这种映射的形成基于认知的图式理论[8]。我们知道，随着心理图式的增加，人们在面对未知事物时偏向于将之与自身已经储存的心理图式做比较，在比较的过程中会有对该未知事物可能状况的猜想，这种猜想便形成了人们的预估基础，也就是“期望值”。只有在这种共同的心理预期作用下，人们才能通过想象、联想、类比等手段的运用，为“期望值”语义的引申、转移、泛化等提供必要的保证，使得“期望值”的核心语义弱化，在使用中逐步向相关语域拓展。在跨语域的使用过程中，“期望值”的内涵和外延都渐渐发生了变化，最终进入现代汉语一般词汇。
五 总 结 人们对于术语的认识总是随着科学技术的进步、社会生活的发展而逐步加深的。“期望值”一词最初虽然是专业性极强的专门术语，但由于人类认知的特点和学科之间的联系，语义范围逐渐扩展，其内涵和外延不断地发生变化，渐渐不再局限于概率论和统计学范畴，而是通过类比、引申等方式投射到其他领域，从单学科术语向跨多语域使用的多学科通用术语演变。在使用过程中，随着使用频率的增加，“期望值”的语义、语法和语用特征都产生了一定变化，术语的核心语义减弱，其适用语域增多，最终构成一个全新的跨语域术语，以适应不同语境和表达的需求。通过“期望值”的演变，可以看出单学科术语的跨语域多学科术语化是功能和认知机制共同作用的结果。
参 考 文 献
[1]格里尼奥夫术语学[M]郑述谱，吴丽坤，等，译北京：商务印书馆，2011
[2]孙寰术语在篇章中的使用[J] 术语标准化与信息技术，2007（04）：9-11
[3]梁爱林 论认知术语学的理论基础及其应用[J]术语标准化与信息技术，2009（01）：4-10
[4]吴哲 认知语言学框架内的术语研究[J]中国科技术语，2008（04）：5-8
[5]维基百科 [EB/OL]（2013-06-10）[2013-04-15]http：//zhwikipediaorg/wiki/
[6]MBA智库[EB/OL][2013-04-15] http：//wikimbalibcom/wiki/%E6%9C%9F%E6%9C%9B%E5%80%BC
[7]王寅认知语言学探索[M]重庆：重庆出版社，2005
[8]刘宇红认知语言学：理论与应用[M]北京：中国社会科学出版社，2006
[9]Halliday， MAK An Introduction to functional Grammar[M]3版Beijing：Beijing Foreign Language Teaching and Research Express，2008
篇10
STEM 成为后人工智能教育的不动点：应对科技的变化，教育的变革一直都在进行且与科技的发展互为因果。从彼得・蒂尔对教育的质疑，到创客热潮在美国教育中的掀起，事实上，STEM教育是美国对过去概念化的“实用主义”教育和“通识教育”百年争论的落锤之音。起源于杜威和哈钦斯的那场争论，恰恰是工业革命已经明确成型后的两种教育理念的争论。之所以今天的美国已经很少争论到底是实用主义还是通识教育，是因为美国的科技已经进入到一个新的阶段。教育是一个组织行为，一个围绕未来10年不变的知识、20年不变的技能、30年留存的体验的稳定的复杂社会经济形态，因此不那么容易被颠覆。恰恰是科学、技术、工程、数学（STEM）构成了工业时代（数理化）和后工业时代（文科、理工科）中的不动点，在物理学和几何学中，不动点对于系统的稳定和概念的一致性非常重要，而目前的STEM教育，不仅仅是一个概念的东西，而是旧技术时代向新技术时代过渡的“不动点”。在这个不动点体系中，新的侧重开始后，原有的教师和学科体系以及支撑可以平稳切换，不至于导致教学秩序的混乱。
元学科、应用学科和副科发生结构性的变化。由于人工智能的出现，使得复杂计算和系统计算以及简单的人机交互计算工具化全面超越人类，对技术基础这个原有概念的教育的分歧越来越大。人工智能视野下学科概念如果表述成元学科、应用学科与素质学科，那么教育学科的概念的持续性还能以最大公约数继续运行：以数学、物理、化学等元学科为代表的学科，在今后的教育中更加重要并将作为筛选人的条件。而应用科学：（生物、地理、信息、劳动）学科，将着重项目制学习、体验学习，成为培养人的目标；社会科学（历史、哲学、思想品德）将来的重点在于综合应用，批判性思维学习，更加侧重学科的来源和发展；而综合素质类（音乐、体育、美术）将从副科走向前台。@样，围绕STEM的教育，人工智能下的教育体系还是一贯的科学（元学科）、技术（应用学科）、工程（素质学科、社会学科、管理学科）、数学（逻辑、数学学科）。
人工智能技术对学科的影响：越理性，越感性
数学：传统的工业时代的数学，其训练方法是数值计算，其指向是力学计算，这种侧重至今还非常浓厚。随着知识库的普及和共享以及计算工具的进化，越来越少的人将来从事传统的工程计算行业，而正宗的工科专业越来越向着专业化和高端化演化（如学材料的将来的进入门槛很可能是博士）。但是，人工智能今后用到的大量的数学以及人与人打交道用到的计算机数学，统计学基础的数学，这方面中国数学还停留在工业时代。美国学生从高中就开始问卷处理和微积分的学习，大学数学更加有用的是方程组、统计学等。数学是一个典型的年龄相关性学科，一定要从小学，而且转向数值和算法类的学习，从偏向材料计算的高等数学方向，转向偏向矩阵计算的统计数学方向，逻辑学、几何学和统计学成为三个数学学习的支柱。
物理：有一位著名的物理学家回顾过去物理百年，发现一个有趣的现象：“力”这个概念，在物理学上看，已经不是一个原始的变量了，能量和质量才是，为什么我们的老师还在使用这个概念呢？那是因为在机械时代，“力”是最容易理解的组合概念。在工业革命前后的几百年直到今天，物理学教育的重点还是偏向传统力学计算方向，从中小学来说就是牛顿力学。然而随着工业时代的结束，人们更容易见到的力学概念不再是机械和天体，而是转向社交网络、计算机图像、信息变量、生物体和电子学以及更容易接受的能量、时间维度。数学老师们转向统计学的同时，物理老师应该考虑从牛顿力学转向量子力学和热力学甚至时空维度，这些对于孩子未来的人生更是基础，而通过物理学进行基础的科学实证的训练以及科学观测和数据处理，才是物理学最基础的作用和价值体现。不然，人生什么年龄都可以去学物理而不必非要从未成年时代去学。
元科学化学：中美物理学和化学都是选择性的，但比较中美化学教育，却发现有很大的不同。美国高中化学就允许且必须使用带有功能性计算的计算器，而中国大学生都没有这方面的训练。也就是说，随着化学和生物化学要求越来越高、知识点越来越多，设法绕过烦人的记忆而走向逻辑，是美国学习化学的方向，这点也值得我们注意。另外，化学的侧重由从偏向无机化学方向的基础化学，转向偏向生物和有机化学方向甚至与物理相结合的量子规律，是化学学科的重点。例如，很多美国的大学录取要看高中生在化学创新方面的实践，能创新的往往是生物化学。
外语：工具性的外语逐渐失去市场，形式节奏上的美学、逻辑学角度的词源学、社会学角度的语言学、心理学角度的语义学成为外语复兴的落脚点。另外，似乎从来没有人将计算机程序当作外语来教，事实上，随着工具性的外语被人工智能取代，计算机程序语言很可能成为一种外语，而很多软件人才是学外语出身的，也不断印证这个结论。
语文：可以预料的是，随着工具性的人工智能的出现，原先学习语文的工具性的方法（如语法），逐渐将退出语言学习（包括外语），而作为母语的语文之所以在工具化人工智能时代还得到重视，最重要的理由也许是仪式感的表达：回到经典、回到表达、回到应用、回到美学。
除了以上学科教育的重点随着技术经济必然发生变化外，学科学习的醒悟和内在逻辑将更加重要，学科历史、学科逻辑、学科故事将替代题库训练，因为作为计算的精确性除了特殊人才的培养外，将让位于工具和人工智能，而人要考虑体验和持续学习的兴趣和逻辑。学科学习之间还将朝着融合的方向发展，应用学科和元学科的分离意味着应用学科更加朝着整合的方向发展：地理、生物、科技等融合课程，朝着综合应用发展。
人工智能技术对教育技术的改变：从工具到空间
随着人工智能的发展，也许目前花里胡哨的信息技术将隐身后台。课堂上也许看不见信息化了，师生在课堂层面体验将会越来越好，越来越贴近自然：看不见计算机的信息化，距离教育更近而不是技术更近。
学校之所以存在是因为学校为学生模拟了一个高度抽象的比真实世界还真实的教育世界。因此，未来的校园从改变世界的信息模版角度，将更加强调与客观世界的互动、映射和高度抽象。
美国的大学录取是更接近人工智能手段的个性化录取，而学生选拔是更接近大数据角度的GPA（平均成绩点）。从培养角度，学生画像比GPA更加个性化地从个体角度描述学生的个性特征，学生的学习行为、实践行为、创新行为，在全地域、全信息、全自动、全过程的记录下，将更加全面地反映学生的全貌。智能实验室和智能校园的方向，将来是基于个体的专业学习和评价。
与学生相对应的教育行为画像，将侧重于联系社会、联系科技、联系家庭、联系团队，从重复性劳动变为创造性劳动。
而学校的管理行为将演变成支撑技术：支撑数据、支撑品牌、支撑环境。今后的教育将出现越来越专业和自由的教师，越来越职业的校长。
在教育政策上，由于全国性的数据和人工智能的使用，教育测评将更加专业化、教育本体化（而不是被测评机构和排名所左右），教育选拔将更加科学化和长期化，短视模式随着计算方法和智能评估的进展而迅速被迭代掉，衡水模式将逐渐退出历史舞台，未来应该筛选更应该上清华大学的人和更应该培养好每一个想学习的人。即使仅从功利教育目标来看，教师个体经验也逐渐让位于人工智能和大数据，教育重心从教育哲学属性逐渐走入教育科学属性；而被恐惧绑架的教育所强调的教育的筛选功能，逐渐将重心转向教育培养功能，个体成功的培养目标，逐渐转变成为未来视角的社会价值角度；教育回归人与人的本质关系和专业培育孵化的社会职能，功利性和工具性减弱，过程幸福成为教育者追求的目标。教育者由工匠逐渐转型为艺人，教师由于工具化的替代，将会越来越有尊严和个性，而不是越来越像工具。
“人创造”的价值逐渐凸显，教育的价值在于“创造人”
柯洁在被人工智能的计算机打败之后，接连战胜外国围棋高手，刷了一下存在感并表示：“与机器下棋没意思”。同样，在工具制造时代，如果从质量和精度考虑，无疑机器越来越超过人，然而手工的红木家具、手工的艺术品、手工的食品、甚至手工的衣服和汽车，比起无论从什么角度来看的机器人制造的东西，都越来越贵，人也越来越愿意采购。“人创造”的价值凸显，是体验经济产业升级的一个标志，人工智能时代也不能例外。因为，“有意思和不可复制”才是人消费的高级时代。
不同于机器代替人的重复劳动的趋势，教育与学校会替代机械的班级成为人与人关系的场所，在这个场所中，机器越来越像人来代替人的高级状态，而人越来越摆脱工具性、摆脱重复性，更具艺术性和创造性。研究教育的历史会发现一个普遍的现象，就是随着工具性的增强，反而是班级规模的缩小和师生比的扩大，这也印证了：人毕竟要与人打交道，教育是一个个性化的活动。C器代替人意味着更多的时间人会回到家庭陪同孩子，这在美国已经持续发生了50年，几乎多数的女性甚至男性在孩子成长过程回到家庭（如果他们算教师的话，教师比例更大）。在学校里未来的师生比会持续增加，教育更加不再计较投入产出，而将演变成一种创造性的职业。
篇11
1.网站框架设计
我国高中阶段人工智能教育还处于起步阶段，据调查，全国已开设人工智能课程的中学不超过十所。事实上，对于人工智能这一前沿学科，大部分信息技术教师还缺乏足够的了解，因此对于该课程的开设也一直处于观望状态。考虑到人工智能教育的实际情况以及网站的主要对象，我们以高中信息技术选修课教材《人工智能初步》为基础，按教学内容设置和划分栏目，同时又围绕“学人工智能、教人工智能、用人工智能、机器人专题”四大专题进行内容重组。当然，网站的基本架构并非一成不变，它需要在实际应用中进行检验与修正，最终实现网站的完美架构。依据上述思路建构的网站基本框架如图1所示。
2.网站的栏目设计
新闻栏目以图文的形式人工智能发展的最新情况，这是激发并维持广大师生关注人工智能的基础，也是师生获取最新信息的窗口。子栏目“中国动态”“欧美动态”等分别介绍了各地区最新的人工智能信息，尤其是机器人产品的新闻。子栏目“会议论坛”，“比赛通知”为师生、参与比赛提供服务。
论文栏目是作为资源型网站的基础。子栏目“教学研究”主要面向从事人工智能教育的研究者和教师，探讨教学方法、分析教学案例、推荐教材和参考书，为更好的开展人工智能教学提供理论依据。子栏目“学习乐园”主要面向学生，展示活动实录、阐述学习感受，聆听专家意见，为更好的学习人工智能提供事实参考，教师也通过“学习乐园”来了解学生的所思所感所想。子栏目“赛事规则”介绍了各个地区和各级机器人比赛的一些规则，有利于师生更好的进行人工智能的教与学。
资源、视频、图库、酷站：这四个栏目是资源型网站的核心。尤其是资源模块中的子栏目“电子书刊”“教学课件”“人工智能软件”分别以不同的文件格式向师生提供教与学的资源，使其能快速准确地获取符合需求的资源，免去了在因特网上盲目搜索出现大量冗余信息的麻烦。网站整合了文本、视频、图片等多媒体信息，以丰富多彩的形式呈现资源，增强了网站的吸引力和信息的可阅读性。
爱问栏目是作为学习型网站的基础，也是本网站的一大特色。“爱问”是采用了模仿“百度知道系统”的程序设计，更注重知识的答疑解惑。我们将此栏目划分为“学人工智能”“教人工智能”“用人工智能”“机器人问题”四个子栏目，师生可根据各自的需要进行提问、回答问题、搜索问题等操作。同时，设立了积分制，激发师生提问和回答问题的热情。
用户中心栏目是学习型网站的核心。作为一个专题网站，必然要十分强调学习的功能。子栏目“网络书签”的功能可以使学习者记录自己所浏览过的或所感兴趣的网页，便于在下次登陆后继续学习。在子栏目“信息”功能中，学习者可以新闻、论文、资源、爱问等信息，待管理员审核通过后即可在网站中显示出来。另外，教师也可在教学过程中通过此模块要求学生提交作业，便于教师随时随地的批改作业。
二、网站的访问数据分析
人工智能教育专题网站从开设至今将近8个月的时间，已经有超过1万的独立访客访问了本站，我们选取了最近访问的2000位独立访客进行研究。通过对地域、被检索方式、受访页面及回头率的分析，可为网站下一步的改进与完善提供依据，为其他人工智能教育类网站的建设，在网站的用户类型，网站的内容选择与更新，网站的推介宣传等方面提供参考与借鉴。
1.地域分析
在统计到的访问该网站的地域中，国外共有12个国家访问了本网站。国内除西藏、澳门之外，其他省份、直辖市、特别行政区都有访问过本网站，这为我们今后在高中普及人工智能教育提供了有力的依据。但是，通过图2的数据我们也可看到，各个地区间的访问量差距较大，并且访问量靠前的几个省份基本上是沿海地区，而中部和西部地区的访问量比较少，所以在今后的工作中不仅要加强网站本身的建设和宣传，更要把人工智能教育的理念推广到中部和西部地区，使那里的中小学师生也接触人工智能的知识，激发他们对信息技术美好前景的向往。
2.被检索方式分析
搜索引擎是网络上最常用的获取资源的方式。掌握用户使用搜索引擎的情况，有助于了解网站的被检索方式。统计搜索关键字的次数，有助于了解网站被检索访问的原因。在专题网站建设完成后，向“百度”、“Google”等大型搜索引擎系统提交收录网页申请是极其必要的，它有利于提高网站的知名度和访问量。而在网站中增加“人工智能”，“prolog 源程序”等文字内容，将会有利于用户在盲目搜索时能访问到该专题网站。
3.受访页面分析
受访页面是指用户访问该专题网站时所停留的页面。通过对受访页面的统计，使我们能够掌握用户相对较为关注网站的哪些内容。表1数据中“学人工智能”占23.82%，“资源下载”占了16.32%，表明用户对人工智能的知识还不是很了解，对人工智能的认识还停留在“学”的层面，远未达到“教”的程度。人工智能教育类网站在建设中，如果能提供大量的人工智能的基础知识以及丰富的可下载资源，将会显著提高网站的受欢迎度以及用户的认可度。
4.回头率分析
在网站访问统计中，通常将距离上次访问超过12小时的再次访问记录为一次回头。通过对回头率的统计（表略）看出该专题网站的粘性不是很高，尤其是3次回访以上的用户还不多。通过对部分用户访谈后了解到，网站的更新速度慢，资源较少，内容偏难是其不愿进行多次回访的主要原因。所以，人工智能教育类网站在维护期间要注意内容的时效性、丰富性、通俗性才能保证网站访问的可持续性。
三、网站建设的若干思考
目前国内外有关人工智能的专题网站不多，针对人工智能教育的网站更少。在可供借鉴的成熟案例较少、研究又处于刚起步阶段的情况下，有必要对我们的工作进行反思总结。通过上述访问数据的分析，以及在人工智能教育专题网站建设的准备阶段，实施阶段及运行阶段的实践，我们认为在建设人工智能教育类网站时应当注意以下几个问题。
1. 充分关注用户信息
访问量是综合类或门户类网站的生命线，应当尽可能地拓宽访问者的类型与层次。但人工智能作为一门新兴学科，其专题网站的学科性特点甚至比普通的专题学习网站还要突出，因此单从访问量上来说，它是无法和门户类网站相比的。所以在建设的初期首先就要考虑的网站的对象问题，也就是要关注哪类人访问了网站。只有准确的掌握了用户的信息才能更好提供用户需要的资源。
在这里，人工智能教育专题网站是通过以下三种手段来获取用户信息的。
第一，用户必须注册才能访问网站，注册的内容包括年龄、身份、学历，电子邮件等内容。
第二，在网站中设立“网站调查”栏目，可以对“你是如何知道本站的”，“你觉得本站建设的如何”等内容教学在线调查。
第三，通过“中国站长站”等专业的数据收集程序来获取用户基本信息，可收集到用户地域、受访问页面、用户回头率等信息。只有掌握了准确的用户信息，才能更好的为用户提供服务。
2.与用户携手共建网上资源
人工智能的子学科门类众多，仅高中教材《人工智能初步》中就有知识及其表达、推理与专家系统、人工智能语言与问题求解等多个主题。而且我国的人工智能研究相对薄弱，很多资料都是外文的。任何一个人要很熟练的掌握人工智能的各个内容是很困难也是不现实的。我们通过一年多的实践也体会到，仅仅依靠课题组成员很难保证网站资源库内容的全面性和针对性。所以在网站最新一次改版中，我们增加了用户的信息功能，使得用户自己可以新闻、添加文章，上传资源，只要经过管理员审核即可在网站中显示。
另外，在人工智能教学过程中，我们也充分利用学生的优势，要求学生以作业的形式提交文本和视频资源，并将作业的数量和质量作为考察学生学习效果的一个指标。这些举措保证了网站内容更新的时效性和内容的针对性。用户所的就是用户所关注的，用户所关注的就是网站所要收集的。
3.通过多种形式充分发挥网站作用
目前，全国高中开设了“人工智能初步”选修课的学校极少，教师手头上可供选择的教材也只有5套。从专题网站上统计的数据来看，虽然网站目前的用户主要是教师，但“学人工智能”页面访问量却远多于“教人工智能”。从这些情况看，单靠几个人工智能教育类的专题网站无法从根本上解决高中人工智能教育现阶段所面临的窘境。所以，在条件允许的情况下，可以通过研修班、会议论坛等形式组织教师进行面对面的交流。
例如，我们就在2007年5月25日至27日在浙江师范大学举办了全国首届“高中人工智能课程研修班”，来自全国十个省市的70余位信息技术教师及教研员参加了研修班的学习。在研修活动中，教师不仅学习了人工智能的知识，也对人工智能教育的现状及发展过程中遇到的问题做了充分了探讨和交流。本次研修活动结束后，人工智能教育专题网站则成了学员们交换信息、交流体会、共享资源的有效平台。
四、结束语
总之，借助专题网站的平台作用开展各种活动，不仅弥补了人工智能教育网站缺乏面对面交流和互动的缺点，也为把网站资源建设的更具针对性提供了有效帮助。
参考文献：
[1]张剑平. 关于人工智能教育的思考[J] .电化教育研究.2003，（1）.
篇12
目前，“弱人工智能”已经渗透到我们生活的方方面面：搜索引擎、实时在线地图、手机语音助手、智能客服等都运用了人工智能技术。尽管人工智能要从感知、行为和认知三个维度全面模拟甚至超越人类，还有很长的路要走，但目前的AI凭借强大的计算能力、存储能力和大数据处理能力，已经改变着传统教育模式与教育形式，在破解教育资源不均、提高教育效率和教学质量、提供个性化精准化教学、优化教育评价系统等方面将发挥重要作用。
浙江西湖高等研究院人工智能研究室主任于长斌认为，人工智能下一步应用可能是远程教育、自我强化教育，甚至是教育领域的机器换人。从人工智能现阶段研究成果来看，机器人做数学题、英语题完全没有问题，有科学家还成功用人工智能自动生成科研和学术论文，其中有一些甚至被期刊录用。
高考机器人
在今年6月7日的“高考”中，人工智能机器人AI-Maths在数学科目的两套试题考试中分别取得了105分和100分的成绩。整个答题过程中，机器人不联网、不连接题库、无人工参与，全由机器人独立完成解答。研究人员表示，由于AI-Maths在识别自然语言时遇到了一些困难，导致部分考题失分。
AI-Maths先后解答了2017年数学科目高考的北京文科卷和全国Ⅱ卷的试题，分别用时22分钟和10分钟，北京文科卷得分105分，全国Ⅱ卷（数学）得分100分。对这台机器人来说，解答一道题目的时间最快不到一秒。此前总共做了不到500套试卷，大约12000道数学题。而一个中国学生，按照每天10道数学题估算，到高考前已经做了大约30000道数学题。
考试结果显示，这台高考解题机器人在不依赖大数据的前提下，逻辑分析能力远超人类，但在文意理解、多样性思维上要比人类逊色得多。参与阅卷的资深数学老师表示，AI-Maths相当于中等成绩水平的高中毕业生，失分主要是因为“读不懂题目”，遇到一些人类语言（而非数学语言）时，无法理解。
专家指出，这次机器人不得高分的原因较多，首先这个机器人并没有代表机器人的最高水平，其次机器人没有联网，不能够联想自己的知识，这样得低分也是理所当然的了。经过更多的训练和学习以后，未来AI-Maths会取得更好的成绩。
该机器人是由成都准星云学科技有限公司研发的一款以自动解题技术为核心的人工智能系统，诞生于2014年。该公司参与了科技部的863“超脑计划”。
同时进行的另一场机器人高考测试中，学霸君的Aidam首次与6名高考理科状元在北京同台PK，解答2017年高考文科数学试题。Aidam的成绩为134分，6名状元的平均分为135分。Aidam答题耗时9分47秒。为了展示，Aidam当天答题放慢了六倍速度，平时每道题完成时间应该在7-15秒。
从2014年开始，国内人工智能引领者科大讯飞就联合了包括北大、清华等在内的超过30家科研院校和企业，共同开启了一项隶属国家863计划的“高考机器人”项目，他们希望通过这个项目的实施，研制出能够参加高考并在2020年考上北大、清华的智能机器人。“超脑计划”汇集了国内近60%的人工智能专家，其重点就是要研究突破机器的知识表达、逻辑推理和在线学习能力。
目前，高考机器人在英语学习方面也取得阶段性成果：一是翻译，已经能够让翻译能力达到高考入门水平。二是在广东地区的英语高考、中考场景中，在发音准不准、填空题选择题，判断你懂不懂知识上，机器已经超过人工。三是口语作文实现突破。比如给学生一个题目《My Mother》，现在AI机器的评测打分已经比人类打分更精准。
有人提出了一个十分滑稽的问题，那就是人工智能要是通过高考考上大学，是不是意味着我们的教育培养出来的就是考试的机器？这个问题的逻辑不一定严密，但巧妙地折射出了现行教育体制的一些问题。如果以应试为主的教育方式不改变，智能机器取代老师几乎是必然。更可怕的是，这样的教育培养出的人也将被智能机器淘汰。
AI阅卷批改作业
面对庞大的考生规模和多种多样的考试，专家和老师阅卷成为一个独特的景观。从传统的纸笔阅卷到网上阅卷，再到今天的机器智能阅卷，AI可以轻松解决繁重复杂的阅卷难题，大大提高阅卷的效率和质量。
通过对试卷进行数字化扫描、格式化处理，转换成机器可识别的信号，机器就能按阅卷专家的评判标准，进行自动化阅卷，还可以自动检测出空白卷、异常卷，并给出最终的评阅报告及考试分析报告。原来三个月的工作，现在一周就能完成，而且更准确、公正。
中国教育部考试中心对“超脑计划”的阅卷工作进行了验证，结果是，在“与专家评分一致率、相关度”等多项指标中，机器均优于现场人工评分。
除了代替人工阅卷，人工智能还可以帮老师做批改作业、备课等重复枯燥的工作，不仅节省大量时间，还可以减少工作量。
语音识别和语义分析技术的进步，使得自动批改作业成为可能，对于简单的文义语法，机器可以自动识别纠错，甚至是提出修改意见，这将会大大提高老师的教学效率。
今年两会期间，科大讯飞董事长刘庆峰在提案中提到，科大讯飞的英语口语自动测评、手写文字识别、机器翻译、作文自动评阅技术等已通过教育部鉴定并应用于全国多个省市的高考、中考、学业水平的口语和作文自动阅卷。而基于国家“十三五”863“基于大数据的类人智能关键技术与系统”阶段性成果构建的“讯飞教育超脑”已在全国 70% 地市、1 万多所学校应用。
国外也有多个智能测评公司和实践案例。GradeScope是美国加州伯克利大学一个边缘性的产品，它旨在简化批改流程，使老师们更专注于教学反馈。目前有超过150家知名学校采用该产品。MathodiX是美国实时数学学习效果评测网站，算法会对每一步骤都进行检查、反馈。
美国教育考试服务中心（ETS）是世界上最大的私营非盈利教育考试及评估机构，已经成功将AI引入SAT和GRE论文批改，同人类一起扮演评卷人角色。
计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。
虽然人工智能可以阅卷、批改作业，但诚如《信息时报》刊发的《推广“机器人老师”可为广大教师减压》一文所言：教育需要尊重“异质思维”，同样的问题，学生会给出差异化、个性化的答案；目前“机器人老师”在阅卷、批改作业的时候会有明显的局限性，可能更适用于客观题却不适用于主观题。
不可否认，最初机器是用来辅助人工教学的，未来的趋势则是人辅助机器，而这个过程会一次次重塑考、学、教、管的服务流程。未来，当进入强人工智能和超人工智能时代，机器人更像是老甚至在许多方面超越老师。
机器人当老师
城乡、区域教育鸿沟，择校问题，学区房问题，都是教育教学资源不均衡导致的，归根到底是优秀教师的稀缺，而智能教育机器人则是解决这一问题的有力工具。“机器人老师”不仅有助于解决师资不足和师资结构不合理等难题，还能大大缓解社会矛盾，促进教育公平。
目前国内已涌现出像魔力学院这样的创业公司。几年前魔力学院创始人张海霞从北大毕业时，她的毕业论文是国内最早对人工智能教学进行研究的学术论文，同时在上大学期间，她就已经是新东方出国留学部最好的英语老师。这种雄厚的技术和教学背景，让她成为国内最早一批人工智能领域的创业者。
“与大多数互联网教育领域的产品不同，魔力学院从一开始，我们要解决的问题就是用人工智能机器替代老师进行讲课。曾经有很多投资人建议我们妥协一下，暂时用真人老师讲课，后面再一步步地进化到人工智能老师，但我们从来没有妥协。”张海霞说。
直到2016年3月，魔力学院第一个商业化的版本上线，企业开始有了第一笔收入，成为全球在人工智能老师这个领域第一家产品上线的创业公司，也是第一家实现了持续收入和盈利的创业公司。至今，在人工智能老师这个领域，魔力学院的相关产品仍然是惟一能从教、学、练、测各个维度提供人工智能老师教学的公司。
目前在新东方也开始这样的实验，教室里没有人类老师上课，机器人将重要知识点经过搜集和教学设计后，用非常幽默的方式向学生传授，从课堂效果来看，“学生很愿意听”。
新东方教育集团董事长俞敏洪认为，未来10年内，教师七成教学内容一定会被机器取代。不过，缺少人类老师的教学必然不完整，因为课堂教学不光是把知识点告诉学生，更需要对学生开展知识融合、创造性思维、批判性思维等能力训练。对于这些思维方式的训练教学，机器人老师还无法胜任。“未来的课堂将是机器人智能教学、老师情感和创新能力的发挥及学生学习的三者结合。”
除了民办教育在积极引入机器人老师，我国的“福州造”教育机器人已在部分城市的学校开始“内测”，今后有望向全国中小学推广。这款教育机器人除了帮助老师朗诵课文、批改作业、课间巡视之外，还能通过功能强大的传感器灵敏地感知学生的生理反应，扮演“测谎高手”角色。一旦和“学生机”绑定，可更清楚地了解学生对各个知识点的掌握情况。
对于机器人老师，国外早有应用。2009年，日本东京理科大学小林宏教授就按照一位女大学生的模样塑造出机器人“萨亚”老师。“萨亚”皮肤白皙、面庞清秀，皮肤后藏有18台微型电机，可以使面部呈现出6种表情。她会讲大约300个短语，700个单词，可以对一些词语和问题做出回应，还可以学会讲各种语言。“萨亚”给一班10岁左右的五年级学生讲课，受到新奇兴奋的孩子们的极大欢迎。
教育是塑造灵魂的特殊职业，教师是人类灵魂的工程师，面对的都是活生生的具有不同个性情感的学生，在价值观塑造和创新思维启发方面，“机器人老师”有着明显的局限性。尽管机器人老师不知疲倦，知识渊博，能平等地对待学生，加上它的特殊身份能激发学生的学习兴趣和动力，然而机器人永远无法完全替代“真正的人类教师”。
当老师们从繁重的重复性工作中解放出来，实际上可以将更多的时间和精力花在富有创造性的工作上。比如培养学生的素质和情商，激发学生对学习的热情，鼓励学生独立思考，形成自己的价值观和思想体系，成为有美好人格和创新能力的个体。
实际上，老师充当的是一个引导者、启发者的角色，老师做的应该是“准备环境-引导孩子-观察-改进环境-再引导-退出-再观察”。极少干预和不断引导，让孩子能最大限度地拥有独立性、专注度和创造力。
机器人进课堂是大势所趋。不久的将来，人类老师将负责进行情感、心理、人品、人格上的健康教育和品德教育，以及各类知识的融会贯通、学习方法的引导、创新能力的培养。而知识教育这部分，将会以“机器换人”的形式让渡给人工智能。这将对老师提出更高的要求，因为除知识教育外的这些教学内容，需要由真正有能力的老师来传授。“老师要避免被机器取代，就要先避免自己成为机器。”
可见，教师需要快速适应现代化教学需要，熟练使用各类领先科技产品，提升综合素质，这将决定教师本人的去与留，更是教育希望与未来的关键所在。
个性化教育
因材施教在我国已有2000多年历史，但在我国应试教育大环境下，根据学生不同的认知水平、学习能力以及自身素质来制定个性化学习方案，真是说易行难。当传统思想与尖端科技相结合，因材施教的可行性有了大幅提高。人工智能介入后，个性化教育有两条实现途径。
一是构建知识图谱。构建和优化内容模型，建立知识图谱，让学生可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给学生适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。
Newsela将新闻与英语学习融为一体。通过科学算法衡量读者英语水平，抓取来自《彭博社》《华盛顿邮报》等主流媒体的内容，由专人改写成不同难度系数的版本。LightSail也是相同应用，不过它的阅读材料是出版书籍，它收集了适合K12学生阅读的来自400多个出版商的8万多本图书。
2015年底Newsela用户量超过400万，LightSail和纽约市教育局、芝加哥公立学校、丹佛公立学校等机构达成了合作，而目前我国没有如此规模、与官方达成合作的个性化阅读学习平台。
二是自适应学习。人工智能可以从大量的学生中收集数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。当一个学生阅读材料并回答题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。
篇13
（二）高校创业教育与课堂教学模式改革分离
创业教育如果着眼于短期内促成更多人去创业的次功能，高校的创业教育在教学改革方面就容易陷入多开设一些创业类的课程，多讲授一些创业技巧的误区。受传统教学模式的影响，我国高校的创业教育实践在教学内容的设计上，重点关注的是创业者在创业过程要经历哪些事情，认为只要把做这些事情所需要的知识教清楚，创业教育的核心内容就完成了，于是我国不少高校在创业教育中“创业课程完善论”的倾向较为明显。另一方面，受校内师资队伍结构限制，校外实务界的师资进入高校的顺畅机制仍未形成，目前讲授这些课的教师中相当比例的人存在纸上谈兵的弊端。由于没有实践经验，其讲授的创业教育内容的有用性亟待提升，有些课程讲授的实际效果甚至可能破坏了受教育者对创业活动原本的良好期待，事实上起到了“反创业教育”的效果。创业教育需要培养的不是只会模仿和听话的好学生，而要培养新奇想法不断，自主意识鲜明的个体。学生不再是背诵知识点的能手，教师不再是剖析标准答案的专家，学生学习的过程不再是占有和守成，教师教学的过程不再是宣讲和布道。教师应更多地要把学生当成平等的生命体，教学过程应当是充满探索的心灵对话，师生之间能够彼此深度理解和领悟。因此，高校创业教育需要从改革现行高校课堂教学模式和学生成绩评价模式做起，这比多开设几门包含有“创业”名称的课程更有价值。但目前，这方面改革推进的力度还非常有限，甚至大部分创业类课程的教学模式都仍旧延续着传统的作法。我国高校现行的创业教育课程的教学，仍基本上是以课堂说教式教学方式为主，绝大部分课程的考试仍是以知识点的识记考察为核心，案例教学、讨论式教学、启发式教学很少得到有效运用。
（三）高校创业教育与社会创业现实脱节
因为过多地关注于创业教育的次功能，政府和高校就容易忽略创业理念端的基础内容，而更多关注那些创业行为端的形式内容，就容易导致高校从创业活动层面推进创业教育的热情有余，而从教学改革层面推进创业教育的作为不足，而大学生尝试创业活动的实战能力毕竟缺乏基础，于是高校的很多创业类的活动就容易陷入了形式主义的倾向，与社会创业现实脱节。以目前国内最有影响力的“挑战杯中国大学生创业计划大赛”为例，这项赛事从1999年开办以来，每两年举办一届，对广大在校学生认识创业活动起到了积极的宣传作用。但由于一方面评奖机制政府主导色彩明显，比赛与社会接轨度不够，另一方面对获得奖项者的功利性附加值给予太多，不仅参赛学生因获奖会得到其他诸多荣誉和优待，参赛高校也会因为获奖而高校创业教育功能认知偏差与应对被考核评估加分，这项赛事参赛规模虽不断扩大，大部分参赛者几乎都处于为了获奖而比赛的状况，参赛作品很少能够走向市场，真正进入创业领域，各个高校开展的创业计划大赛总体上仍停留在校内运作为主的状态。这项赛事对于促进中国社会创业活动的现实价值目前尚不明显。近年来，由学生团学组织开展各种形式的创业孵化班、创业先锋班的作法已经被国内许多高校采用，但总体而言，这些项目的短期功利性倾向较为明显，大部分高校基本上都以能够短时间内孵化出成功的创业项目作为追求。不过由于参与这些项目的学生往往热情有余而在创业心理和知识技能方面基础薄弱，指导这些项目教师团队在高校科技成果资本化方面缺乏校内系统支持，这些教育项目实际运行与市场脱离较远，自我想像式的模拟成分较多。总体来看，这类创业教育项目除了理论讲授之外，创业实践科技含量不高，主要形式大多为地摊式的低水平贩卖型创业，这样的实践项目可持续发展存在先天不足，创业项目自身生存时间不长。这几年在不少高校试点的大学生校内创业园，其实也不同程度地存在这一问题。
二、调整高校创业教育认知偏差提高学生创业能力
（一）健全社会参与机制提高学生创业意识
当今世界创新创业活动对社会发展的作用越来越大，以美国为例“，创业者正在实现他们创造的巨大价值，当今美国财富中超过95%是在1980年后创造出来的。”“美国700万百万富翁大多数是白手起家的企业家。”“创业企业创造了75％的新增就业机会。”[8]当今社会，知识渐渐开始替代资本成为影响社会发展的更核心力量。当下中国仍是创业的热土，中国的创业活动日益活跃，①对中国经济社会发展产生了巨大的贡献，众多学历文化水平不高的创业者无师自通，激战商海，创业精神相互浸染碰撞，大批民营企业萌芽发展。当下中国民间社会在创业精神方面已经远远走在高校前面，高校期待自己要引领、推动社会创业实践，首先应当健全社会参与机制，放下身段，主动融入社会，把社会蓬勃发展的创业精神引入高校。过去十余年中国高校在创业教育中成效不理想的重要原因之一是，大学生创业教育更多表现为政府努力推动，高校则处于相对被动的状态，走过的是一条“政府推动型创业教育”道路。[9]高校与蓬勃发展的社会创业文化相对疏离，形成了相对封闭的教育环境，绝大部分学生读完大学后反而更不倾向于去创业，这与高校内部缺乏真正的鼓舞创业的精神有很大的关系。笔者认为在一个缺乏创业精神的教育环境中，再多的创业知识和创业教育活动的成效都会大打折扣。而调整高校创业教育主次功能认知偏差需要强化社会参与，使民间社会创业精神的源头活水流进校园，使高校师生的创业精神与民间社会蓬勃发展的创业精神交融互动。由于创业经济时代给人们提供利用知识创造社会价值前所未有的机会，高校应当通过完善机制，引导更多的社会创业导师主动参与高校创业教育活动，更加重视高校创业知识和理念对本地区创业者的影响，以及与社会创业人才的互动交流，改变高校创业教育闭门造车的现象。而这需要高校改变现有对教师偏重科研论文数量为导向的考核评价机制，需要政府给予高校更大的办学自，使更多高校在事实上形成自己的办学个性，使其充满创新特征的创业精神得以勃发。
（二）在各学科教学中渗透创业教育
创业教育的核心和重点是创业精神培养，因此，提高高校创业教育效果最重要的不在于有形的创业知识和技能教育，而在于高校创业文化氛围的营造。大学是一个师生互动影响、创造知识的场所，教师群体的精神意识风貌会深刻地影响学生的意识状态，教师的创业精神会深刻地影响学生的创业精神，所以创业教育不能仅定位于是高校那少部分开展创业课程教学教师的事情，教育的内容也不应仅集中于开办企业知识这些事情。在创业经济时代，高校中的大部分教师都应当承担起传播创业精神的责任，在各自的学科中渗透创业教育，产生“润物细无声”的效果。有助于鼓励创业精神的课堂教学期待着师生广泛的互动，学生需要的不是现成打包好的、已经格式化的知识，学生需要的更多符合情境的真实事件信息，需要更多没有标准答案的深入讨论和质疑。无论是商业创业、社会公益性创业，还是岗位内创业，创业过程不确定性事件很多，多样性特征明显，只有紧密结合学科教学，融创业教育于各学科教学之中，各学科教育与社会创业互动展开，才能引发学生对创业的兴趣。当前在创业教育学科方面，高校从事创业教育类课程的教师不了解社会一般创业创办进展实况，这也是教师在学生面前就创业话题深入展开时，感到底气不足的重要原因。当然，高校创业教育本身定位不应限于创业技能教育，成为一种形而下的追求，但是如果高校的创业教育对中国社会中的创业者碰到大量现实问题仍长期处于失语状态，这样的创业教育必将是缺乏生命力的。高校创业教育需要拉近高校教师群体与社会和市场的距离，使高校知识溢出能够明显增加对社会的贡献度，教师在创业精神的影响下能够更自由的实现知识创新的资本化。正如医学院需要真正会给病人看病的医生来当教师，建筑学院需要真正有能力从事建筑设计、施工等工作的专家来给学生来当教师，高校创业教育也需要一大批真正有能力自己去从事商业创业、公益性创业或者正在校内开展岗位创业的教师向学生传播创业精神。尽管创业并不仅限于狭义的商业创业，但是一所洋溢着创业精神的大学中一定应当会涌现出一批能够将知识资本化的教师，他们完全可能产生于大学的各个专业之中，产生的他们过程既是大学创业精神自我塑造的过程，也是大学创业精神广育英才的过程。
（三）高校教师服务于本地区中小创业者
目前我国大部分高校中，整个教师群体的创业教育理念尚未得到很好普及，从事创业教育的师资实践能力普遍欠缺，[10]创业教育的师资对实战创业的服务能力弱是一个不容回避的客观事实。高校创业教育主功能的很好发挥需要建立在高校自身创业教育能力提升的基础之上，而高校良好的创业教育能力不仅应表现在对本校学生良好的教育质量上，而且应体现在能够为本地区创业者提供实在有用的创业服务上，因为高校本身应承担服务社会的职能。而当前的社会现实是，国内高校在这些方面还鲜有作为，我们看到更多的是很多高校在尝试聘请企业家担任各种形式的导师，却还很少有社会创业者在创业开始之前和创业进行之中，主动结合自己碰到的现实问题求助于高校的现象。“高校可以有效教创业”或者说“创业者可以到高校学创业”，再或者说“创业者到高校学习一下，会明显有助于创业”这些观念，显然远没有得到今天中国社会的认同。高校教师群体对高校所在地区创业活动的参与率低、贡献度小是高校在社会创业活动中话语权弱的重要原因，建立高校教师服务于本地区中小创业者机制，将可以有效缓解这一现象。本地区中小创业者在创业活动中除了资金外，事实上还会碰到许多困难，高校作为传承知识、创造知识集散地，理应为高校所在地区的创业者提供智力支持。但目前如何把高校智力资源与高校所在地区中小创业者的现实需求有效对接，尚缺乏有力的政策引导。笔者认为，目前各地政府和教育主管部门在积极探索创业孵化园等举措的同时，加强高校教师服务于本地区中小创业者平台建设已经显得非常必要，因为这项举措不但能直接帮助本地区中小创业者解决创业中的现实困难，引导高校智力资源主动对接市场，使本地区的创业层次得以提升，还能够间接提升大批在校学生的创业意识，深刻影响未来潜在的创业活跃度。
