智能时代的人机协同学习：形态、本质与发展
原创 CET 2023年第10期 中国电化教育 2023-10-09 14:14 北京
郝祥军 张天琦 顾小清
摘要：人工智能推动了智能教育的快速发展，展现出人机协同的实践特征。但人机协同学习作为智能教育的重要组成部分，已经呈现出怎样的实践形态、透过现象彰显出怎样的本质却鲜有研究探讨。为了技术更好地服务教育、服务人的发展，研究对智能时代的人机协同学习实践进行深入剖析。首先，综合相关文献和实践发现，人的认知活动与机器智能产生了千丝万缕的联系，人机协同学习在实践中已呈现出知识导学、互动对话、智能增强三大形态。其次，透过现象看本质，研究从人机构成的学习双主体协同结构中揭示出人机协同学习三个重要本质内容：一是人机协同学习意味着人类认知与人工认知的协同混合；二是人机交互技术的应用为人机协同认知搭建了流畅的通道；三是人机互惠构成人机有效协同的关键。最后，研究提出两点发展建议，即在技术层面以人机交互与人机互惠为着力点提升技术设计，在实践层面以学习科学与以人为本为基本遵循规范实践过程。
关键词：智能教育；人机协同学习；人机协同认知；人机交互；人机互惠；人本
引用请注明以下信息：
郝祥军,张天琦,顾小清.智能时代的人机协同学习:形态、本质与发展[J].中国电化教育,2023,(10):26-35.
一、引言
以人工智能为代表的新兴科技浪潮推动了智能教育的快速发展。我国《新一代人工智能发展规划》强调，要大力发展智能教育，构建包含智能学习、交互式学习的新型教育体系，并指明将人机协同增强智能作为人工智能发展的重点之一。教育人工智能以创设智能学习环境和揭示学习发生的原理与机制为主要目标，致力于增强人的智能和服务人的学习发展需求[1]。随着人工智能不断突破升级以及与教育的快速融合，人类与机器正在建立紧密的协作学习关系，人借助技术中介与外部环境交互、认识自我与世界的学习形态正走向常态化[2]。而且，由人工智能引发的学习革命正日益凸显智能技术赋能个性化学习的实践效果[3]。机器开始分担原本全部由人类大脑完成的认知活动，改变了信息加工过程，从而影响了学习发生过程与机制，最终推动了人机协同智能结构的形成，衍生出人机共生的学习系统[4]。正如毛刚等人所言，人机协同下的智能教育世界可谓是由学习者与智能技术在交互过程中形成的社会生态，人机协同将成为理解和建构未来教育的新方式[5]。随着教育步入智能时代，人机协同学习也由此成为当下乃至未来人类社会的一种应然学习形态[6]。陈凯泉等人综合分析智能教育中人机协同应用场景认为，人机协同的根本内涵在于回答“人应该做什么？技术机器应该做什么？以及人机如何协同？”三个关键问题[7]。众多学者以此展开了对智能时代人机协同学习的价值内涵、表征形态与实践进路[8]、实践模式[9]、特征与过程[10]、人机协同的精准学习干预[11]的探讨与框架构建研究。但人机协同学习作为智能教育中的重要组成部分，已经呈现出怎样的实践形态？透过现象又会彰显出怎样的实践本质？却鲜有研究探讨。实践的探索需要伴随相应的理论同行，为了技术更好地服务教育、服务人的发展，研究认为有必要对智能时代的人机协同学习实践进行深入剖析，探讨其在实践中应用的本质特征，从而为人机协同学习的未来发展提供方向与建议。
二、实践形态
人机协同学习是对人类智慧发展的补充与助力，由人机构成一种协作智能来实现人类发展的目标[12]。随着人工智能技术的不断发展，智能时代技术的教育应用逐渐关注如何基于认知科学或学习科学来促进智能技术与教育教学实现科学、有效的深度融合，并通过设计开发智能学习系统的形式来实现人机协同学习。综合当前人机协同的主要实践模式，包括机器主导的训练学习模式、人机分工的协作学习模式和人类主导的探究学习模式[13]。以其对应人机协同学习的实践形态，智能技术则主要从知识导学、互动对话、智能增强三个方面参与人的认知学习过程，分别扮演着专家导师、智能学伴、智能助手等角色促进人的学习。
(一)知识导学：以自适应引导认知的过程
从斯金纳提出程序教学机器，到今天的自适应学习系统，基于规则的学习系统一直参与着人的学习活动，其主要表现为以习题训练为核心内容的知识练习。随着人工智能的发展，智能环境下的学习系统虽然正试图“逃离斯金纳箱”，摆脱行为主义技术的桎梏[14]，但不可否认的是，以知识为核心的导学仍然是智能技术影响学习的基本方式。只是智能时代的学习系统可以借助自适应诊断、反馈与推荐技术等为学习者规划个性化、定制化的学习路径，表现出自适应的特征，其本质上依然是按照系统预设的学习路线来引导学习者的认知过程。一般而言，智能学习系统多是基于专家知识构建专家模型，并对专家知识库中的每个成分都进行权重的赋值。其背后的运行逻辑在于智能学习系统可以构建出新手—专家差异模型，通过对比初学者的先验知识状态与领域专家的知识结构，确定学习者需要掌握的知识与概念。如今，大数据技术对知识节点关系的不断挖掘，构建学科知识图谱也是实现自适应学习的一个关键方法。知识图谱可以建立不同知识结点之间的关联关系与顺序关系，并为整个知识网络或知识体系的构建画好蓝图。智能学习系统会根据不同学习者特征在知识图谱中个性化定制学习路径，而最终依然是以知识为主线的导学模式。不同的是在学习内容自适应的基础上，学习评价自适应表现出的巨大优势，即可以利用一系列的问题与反馈来修订学习者的状态，并根据学习者的学习进度进行干预和调整。某些学习系统之所以一直被诟病走了行为主义的老路，正是因为某些事件的触发与反馈是在事先进行了规定，导致学习路径相对固定，缺少动态的变化。随着智能时代对传统项目反应理论的改进与更新，知识空间理论、认知诊断模型、贝叶斯知识追踪模型与自适应测评技术等新方法在智能学习系统中的应用实现了对学习者知识掌握状态的实时评价与反馈，为学习内容的个性化提供了关键支撑。此外，智能学习系统不仅可以提供专家所掌握的知识领域，还能够动态推荐适合学习者的学习序列，扮演一对一导师的角色，“手把手”辅导学习者学习。比如，通过智能代理(Agent)的形式，基于虚拟化身技术以导师(Tutor)的形象出现在人机交互的显示界面中，基于自然语言处理技术实现与学习者的文字或语音互动，并对学习者的学习情况进行诊断，以此提供相应的反馈来帮助学习者学习。所以，从知识学习的角度来看，智能时代人机协同学习的一个主要实践形态是以自适应技术引导学习者的自主学习与认知过程，通过反复训练、反馈和刺激，强化人对知识的理解与建构。
(二)互动对话：以协商展现人机共同控制
由于机器主导人的学习过程的弊端逐渐显现，以及随着自然语言处理等人机交互技术的不断发展，人机对话的场景已经在生活、学习中频繁出现。由此，人机协同学习开始注重向基于协商的自适应学习转变，重视学习者的自主性和自我调节能力在学习过程中的作用，逐渐探索出以智能系统与学习者互动对话的方式共同控制学习过程的实践模式[15]。近期爆火的ChatGPT更是以人机互动生成问题解决方案，展示出其在人机协同学习上的巨大潜力和价值。因此，在智能时代的人机协同学习实践中，智能学习系统可以化身为智能学伴，不仅可以在认知层面与学习者进行对话协商，还会从情感交互与学习策略等方面支持学习者。例如，AutoTutor是一种自然语言处理技术支持的教学代理，它不仅可以模拟教师，还能同时模拟学伴，以三方互动对话的方式让学习者在协商与对话中学习[16]。在情感交互方面，基于游戏化学习情境设计的智能学伴不仅可以进行学习预警、错题收集，还可以分析学习者的情感状态[17]。美国麻省理工学院的媒体实验室很早就利用情感计算研发了一套著名的学习同伴系统以支持学习者的情感交互[18]。平克沃特(Pinkwart)教授团队开发的智能学伴系统可以通过检测学习者的皮肤电反应、心率变异度等生理数据判断学习者在某种学习情境中的情绪状态[19]。在学习策略上，有些自适应学习系统采取与学习者协商的方式，鼓励学习者在学习过程中关注元认知，以此培养学习者的自我调节学习能力[20]。除此之外，智能学习系统逐渐融合学习分析与自适应推荐技术，会通过分析学习者的学习状况、学习风格与情感需求等个性特征，然后将合适的真人学伴推荐给学习者，鼓励学习者与真人学伴开展协作学习[21]。比如，矩阵特征分解技术已在慕课学习环境下为学习者匹配最适合的论坛，促进所有参与论坛的学习者形成学习共同体[22]；复杂过滤技术支持的推荐算法帮助学习者根据他们的知识差距和互惠偏好与同伴建立联系[23]。智能学习系统此时真正跨越时空阻隔，成为人人互动的媒介通道，自适应匹配或推荐真人学伴，提供学习互动空间来助力人的学习。因此，智能时代人机协同学习的第二个重要实践形态是以互动对话为特征的协作学习，在智能学习系统自适应的优势基础上关注学习者自身对学习过程的控制和调节，从专注于知识内容学习拓展至人在自主学习过程中的社会性发展[24]。
(三)智能增强：以智能服务彰显以人为本
美国知名评论家布雷特·金曾著《智能浪潮：增强时代来临》，指出今天人工智能等新兴科技已经重新定义了人类社会，正走向智能增强时代[25]。随着智能技术的不断发展以及与教育的不断融合，人类在学习认知活动中基于技术的智能增强现象日益显现。比如“认知外包”，即基于分布式认知理论，通过外部设备对人脑智能的外包和辅助实现人脑的内部认知网络与机器脑的外部认知网络的动态交互，实现人机协同的智能增强[26]。尤其，智能时代的不确定性成为了一种确定，学习者往往会面临很多非良构问题，遭遇非结构化、非线性、时变性、模糊性等不确定因素，人则暴露出面对复杂信息时的能力局限，而需要将一部分认知活动外包给智能系统，借助机器智能增强人的智能，以达到对外部世界正确、全面而深入的认知。所以，人工智能逐渐成为人类智能的一种补充，其借助强大的计算能力与先进的数据算法给学习者提供可参考的信息，化身为一种让学习者如臂使指的智能助手，辅助学习者进行学习、决策、探索与创新，以智能化的教育服务彰显出以人为本的实践价值[27]。例如，ChatGPT所提供的智能服务，引入了基于人类反馈的强化学习(Reinforcement Learning with Human Feedback，RLHF)，不仅充分发挥了机器从海量数据中学习的能力，更注重设计以“人在回路”的解释通道，增强人类对机器输出结果的调节，从而达到与人类的常识、认知、需求、价值观保持一致，适应用户的问题生成契合的内容，高效地为人类服务。相关学者指出，ChatGPT能在用户对话中实现内部数据的微调，生成符合用户习惯与偏好的内容，或将成为人类自我发展的理性认知工具，逐渐与人类大脑构成复合脑[28]。除此之外，人工智能技术体系中，认知建模技术、机器学习算法在教育中的运用都是通过关注学习者行动背后的认知风格、行为模式和学习偏好等，开发出更多符合学生个性化成长需要的学习服务，让学习者自主按需选择[29]。这体现出人本人工智能的目标指向，通过人类控制和人工智能自动化之间的协作，提供高透明度、准确性和有效性的服务来帮助学习者实现增强智能[30]。综合而言，智能技术是以算法、数据以及算力作为内在支撑，通过构建学习者模型识别学习者状态，进而持续监测学习者的学习状况，在资源推送、路径规划与适应性反馈等教学服务上顺应学生个性化需求和认知规律，适时提供学习支架，以增强学习者对外部世界与自我探索的认知与能力[31]。从建模到适应性，技术与人的学习、认知走向了深度融合，充分体现了智能服务以人的发展为重要价值目标。智能时代的人机协同学习也因此开始展现出由学习者自我设计、自我监控、自我调节、自我评价的特征[32]。智能服务的研发也逐渐摒弃机器主导学习过程的思想，而回归到以人为中心的设计上，充分尊重人类的主导地位，让人类有意识、有能力实现对自我认知策略、认知过程的调节。所以，人工智能不是指单一技术，而是可以执行认知任务，并与人类大脑相互作用，特别是可以帮助人类进行有效学习和解决问题的计算认知系统。智能时代，人类在学习等社会实践活动中，越发追求智能服务的实时性、交互式、个性化，主动性和人性化[33]，智能服务也逐渐成为典型的人机协同应用场景，急需构建真正高效、智能的“数据融合、协同生产、智能服务”体系，个性化、精准化地满足用户需求。故而，智能时代人机协同学习的另一重要形态是以智能服务增强人类智能，凸显以人为本的价值内涵。
三、本质探讨
在智能时代的人机协同学习实践中，人类的认知活动已经在知识理解、互动学习以及智能服务等方面与机器智能产生了千丝万缕的联系。人机混合智能也逐渐具备了基本的物理条件，即人类智能与机器智能形成闭环的人机互助系统，可以不断相互作用、相互辅助[34]。1960年利克利德(Licklider)在共生理论的基础上提出人机共生思想，认为人与机器形成的伙伴关系能够在决策和控制复杂情况方面比单独的人类更有效地执行智力操作[35]。人与机器形成的协同共生关系也暗含着人将不再是唯一的学习活动主体，人机协同学习系统可视为由人与机器共同组成的学习共生体[36]。共生理论起源于生物科学领域，但共生现象不论在自然界还是人类社会都是普遍现象，后来逐步在经济、管理、教育等社会科学领域应用。基于共生理论提出的共生单元、共生模式等要素[37]，人机协同学习可以解构为：“人机”作为共生单元协同构成学习双主体，两者之间不断交换物质、能量与信息，在一种互惠共生模式中协同完成知识生成与认知发生过程[38]。研究基于此进一步根据刘步青提出的人机协同化的结构——人、人机交互接口、机器[39]，刻画了如图1所示的人机构成的学习双主体协同结构。透过现象看本质，基于学习与认知的关系，人机协同学习也可以阐释为人的认知活动与机器认知活动的协同融合，人类与机器之间以数据输入、信息输出的互惠过程走向一种人机认知协同、混合智能的高阶境界。据此，研究将在实践形态的基础上，深入探讨智能时代人机协同学习的本质特征，希望能够总结出人机协同学习的关键之处，从而助力未来人机协同学习发展。
(一)人类认知与人工认知走向协同混合
人类对世界的理解，本质上是用概念、属性、关系来感知世界的过程。而人工智能正以其强大算力、算法和处理数据的优势活跃在我们日常生活中，经常在幕后塑造我们遇到的信息，从而与人类认知相互作用，甚至改变人类认知。因此，有研究者尝试从认知的视角解释人类和人工智能系统在学习、意义构建和决策等复杂知识过程中的互动关系，并将涉及机器学习或程序自动化处理的认知过程定义为人工认知[40]，也可称为以数据为核心原料的机器认知[41]。比如机器学习可以产生某种可以被刻画为数据在时空中的关系的机器知识，这些关系表现为某种模式，而对模式的识别就是认知，用模式去帮助人进行预测、调整和决策就是知识的应用[42]。的确，机器已经在一定程度上可以分担人类的认知活动，可同样被视为学习主体[43]，其将数据转化为信息和知识的过程，何尝不是认知过程。人工认知在智能时代的教育实践中最常见的应用就是个性化学习，通过密切监控和评估学生的学习状态，对学习的过程进行诊断和调整来改变学生的学习方式并协助教师改善教学、因材施教[44]。
正如学习科学研究一直强调的，知识具有生成属性，学习者根据自身经验与外界交互并积极建构意义时才会有深层理解的认知发生[45]。但是人工智能影响下的学习发生过程已经成为人和机器双主体的一系列内在心理动作对获得的外部知识信息进行内部加工的过程[46]。若将认知定义为与信息交互所涉及的感知过程(视觉、听觉、触觉等)、一般操作(语言、记忆、识别等)和复杂的综合活动(包括推理、判断、决策、解决问题、意义构建和创造)[47]，那么人机协同学习所发生的认知过程则彰显了人机混合的新型智能范式[48]。以信息加工过程来理解，人机协同下的混合智能不仅依靠人对外界环境与信息的感知，还会涉及到机器的传感器等硬件对环境中客观数据的采集分析，从而混合生成一种新型的信息输入。到了信息处理阶段，机器以其强大的计算能力将数据分析的结果个性化呈现给学习者，以此与人类的认知相结合，实现人脑中的内部认知网络与机器的外部认知网络的连接，走向人机协同的知识建构。最后，在决策阶段，机器基于事实数据的分析而做出的决策也会被推荐给学习者，学习者则需要综合相关的信息进行价值决策。在人工智能技术体系中，深度学习、自然语言处理、计算机视觉、情感计算等关键技术正逐步模仿人类认知的感知过程和一般操作，已经可以实现对环境的快速感知、语音图像的灵敏识别，还可以实现一定程度的推理判断等复杂过程。在本研究描绘的人机协同学习实践形态中，不管是自适应知识导学、人机互动协商还是智能增强，智能学习系统都在幕后基于多种数据的分析给予学习者相应的认知反馈，学习者都需要对智能学习系统提供的信息依据自身实际进行分析、判断并做出相应的决策。因此，智能时代的人机协同学习也是人类认知与人工认知进行协同混合的过程。学习者自始至终都在智能学习系统的认知引导和辅助下主导学习过程。同时，智能学习系统一直是以其强大的数据计算与处理能力参与着人的认知过程，并基于学习者学习过程中所产生的数据，来加深对其学习过程的分析理解，然后以个性化的学习支持(如知识点提示、学习对话、资源推介)，为学习者提供适应性反馈与智能服务。总而言之，人与机器在学习活动中逐渐以混合智能作为一种高效的协作模式，达到人机有机统一，共同为学习提供复杂的决策支持，使人的感知能力、认知能力与人工智能的强大计算能力相融合，最终实现人类认知与人工认知的有效协同[49]。
(二)人机交互构成人机协同认知的通道
以智能技术与算法为内核的智能学习系统已经发展成为一种人工认知工具，其主要优势在于能够从大量数据中识别和分析复杂的模式，通过模式识别技术实现智能信息过滤，然后运用深度学习算法训练，在最少的人为干预下将数据转化为信息，由此得出合理的“规则”动态适应学习者的学习过程，辅助其做出学习预测、调整或决策[50]。所以，智能时代的教育发展已经凸显出人机协同化的认知特征，将人和机器的认知推理特征进行融合。既然人机协同化的结构可以分为人、人机交互接口、机器[51]，那么人类认知与人工认知如何通过人机交互接口达到有效的信息交换就是关键。人机交互(Human-Computer Interaction，HCI)一直以人和机器之间传递、交换信息为研究重点，是指人与计算机之间使用某种对话语言，以一定的交互方式实现人与计算机之间的信息交换过程。据此，人机协同学习的另一个本质是人与机器之间的信息交互过程，人机交互构成人机协同认知的关键通道。
人机交互与认知科学一直具有密切的联系[52]。用户(学习者)感知信息、使用知识并做出决定的行为和过程都是认知科学的研究领域。了解用户(学习者)可以更好地预测和解释发生在用户(学习者)和计算机系统之间的交互。所以，认知科学有助于优化人机交互技术。例如，人的认知活动开始依托“基于软件实现的脚手架”(Software-realized Scaffolding)[53]。反过来，人机交互技术的应用也会催生认知科学中新的理论内容，如具身学习设计与具身认知理论[54]。卡德(Card)等最先将认知科学应用于人机交互，提出了人类处理器模型；该模型包含三个信息处理系统，即感知系统、运动系统和认知系统，这些系统允许对人类在交互活动中的表现进行丰富的建模，它们相互作用以模拟人类实际经历的认知过程[55]。后续的研究表明，人机交互技术在“感知—决策—执行”的功能结构中能够支持人类与机器不同方式的协作，进而扩展人类感知、理解、行动和学习的能力[56]。由于技术的更新发展，人机交互的方式也越来越多样，按照交互硬件可区分为键鼠交互、触屏交互、体感交互、脑机交互等，而按照人的感知方式可以分为视觉交互(Visual)、语音交互(Acoustic)、触感交互(Haptic)等多种交互类型[57]。比如，研究所总结的三种人机协同学习实践形态，每一种形态都体现了不同人机交互方式。以自适应为特征的知识导学是以系统预先指定的知识序列和事件逻辑为学习者提供学习支持，多以知识练习为主，主要是基于视觉交互方式为学习者提供相关问题的提示或反馈。人机互动协商是基于语音或文本交互方式建立协作伙伴关系，培养学习者的自我调节学习能力。以智能服务实现人体增强是人类认知与人工认知协同工作的高层次阶段，会通过文字、语音、体感等多种交互方式扩展人的认知能力与范围，以改善决策和创造性解决问题的过程，从而帮助学习者更好地认识自我与世界[58]。信息的类型决定着交互方式的选择，也影响着人对信息的可理解性、可接受性，唯有符合用户需求与特征的信息交互方式才更容易被用户采纳和理解，从而发生同化、顺应等认知建构过程。当前，多模态整合已成趋势以及新兴科技层出不穷，以虚拟现实、元宇宙等技术支撑的全息仿真交互，脑机接口技术支持的脑机交互，情感计算技术支持的情感交互等更加全方位、智能化的人机交互方式正在教育实践中跃跃欲试。通过整合人的视觉、听觉、触觉等多模态感知系统，精确模拟环境的各种模态，为学习者提供更为逼真的、能够实时交互的虚拟学习情境，从而突破传统媒体的信息传输局限，以相对自然、无感和高效的方式实现人机之间的交互，并以多模态数据整合分析为学习者提供更加多元、全面的学习反馈与智能服务。未来随着人机交互技术的升级，人类与机器之间的信息交换与认知协同通道也将会更加自然流畅。
(三)人机互惠构成人机有效协同的关键
人工智能正快速逼近人类的思维方式，并开始分担一些人类的认知劳动。由人与机器共同组成的学习共生体定义了双方的互惠互利关系[59]，即人类学习者和机器相互学习，以创造一个适应人类学习者需求的智能学习环境[60]。所以，在解释人机协同学习的本质时，不可忽视的一点是人与机器在交互过程中的互惠共生，以此才能基于人机交互实现人类认知与人工认知的高度协同。而且，真正意义上的人机协同需要人类和机器有共同的学习认知，即人和机器都必须洞察和理解彼此的知识[61]。
何为人机互惠？人机互惠的关键其实在于利用人与机器的互补性和互惠性，实现互利共赢[62]。比如，学习对人类学习者来说是知识或技能的习得，对机器来说则是服务性能的改进、算法的优化以及对人学习过程的深层次建模。有学者已经明确提出人机互惠学习的概念，即“一个在完成共享任务时涉及人机协作中相互交换、依赖、行动与影响的双向过程，从而让学习者创造新的意义或概念，丰富现有的意义或概念，或提高技能和能力”[63]。在人机共同参与的协同学习过程中，人与机器都是学习的主体，学习者不仅能够享受机器自适应、智能化的服务，根据机器反馈的学习结果进行调节，同时也会为机器提供过程数据进行分析建模。机器同样作为学习的主体，是基于学习者的各类数据不断学习，不断优化算法和改进学习者模型，从而能够快速适应学习者的变化，并形成基于环境的动态自适应学习反馈。所以，人机互惠有两层含义，一方面机器本身可以利用人机之间的交互数据和机器提供的反馈机制来“感知”并通过博弈来加强机器的智能，从而实现机器智能的自我进化；另一方面，随着机器智能的提高，人也可以受到机器输出的信息启发以及运用机器提供的智能服务，从而丰富自己的经验和知识，提高自己的认知能力。前文所提到的三种实践形态，不管是基于学习者反应提供自适应的认知引导，还是人机互动对话达到学习过程共同控制，以及实现认知外包帮助学习者更好地认识问题并解决问题，其本质上都是在以人机互惠的方式运行。尤其对有独立认知能力的智能体而言，人机还能实现互教互学，即智能体不仅能够教授学习者知识，学习者也能反向教授智能体知识，两者通过互教互学的方式将学习置于教授、观察和模仿的活动过程中，共同促进自身对知识的理解[64]。回到人工认知的角度来看，人机互惠的特征则更加明显。大多数人工智能认知技术依赖于大型数据集，而这些大数据都是围绕与人类相关的状态、过程和事件的信息，因此人类认知和人工认知实现协同混合的前提就是将人类相关的信息输入机器需要学习的数据集中；数据集经过机器学习算法的处理和分析，由人工智能认知系统输出并反馈给人类相应有价值的信息，进而作用于人类与社会[65]。人机互惠关系的建立也是未来实现真正智能化的突破口，通过真正意义上形成双向的信息交换和控制，相互适应达到人机融合智能[66]。由此来看，人机协同也为未来人类智慧与机器智能的互构性发展提供了新的发展土壤[67]。
四、发展建议
基于对人机协同学习的本质探讨，我们更加理解人与机器的交互学习过程。开发智能学习系统以支持学习活动，并利用这些系统探索和理解学习的本质是人工智能促进教育改革创新的重要目标[68]。人机协同学习的未来实践应在把握其本质的基础上，兼顾技术与实践两个层面为学习者创设智能学习环境，提供符合认知科学的学习支持[69]。
(一)技术层面：以人机交互与人机互惠为着力点，提升技术设计
数字技术日新月异，新兴科技层出不穷，知识更新迭代加速，教育数字化转型趋势下，越来越多的技术将投入到教育实践，显现出人机协同的教育特征。但如西门子(Siemens)等人所言，“要实现真正的协作，人类和机器需要共同的认知，即人和机器都必须洞察和理解彼此的知识”[70]。所以，从技术上而言，我们如何开发与人类协同工作的人工智能系统？人类和人工智能如何分享和解释他们的意识、目标和彼此的策略？是智能时代人机协同的关键挑战[71]。因此，研究基于前文探讨的本质认为，应从人机交互和人机互惠两个方面着力提升技术设计，促进人机之间的自然交互、信息交换和认知协同。
首先，优化人机交互技术提供全新的学习体验。人机交互技术在教育实践中的优势在于能够减轻学习者的认知负荷，促进多感官并用，为其创设一个轻松有趣、沉浸交互的智能学习环境，从而促使学习者主动求知、乐于求知。人机交互技术所孵化的自然交互页面更能为智能教育发展提供强有力的支持，促使智能教育更加具象化、情境化、立体化。人机交互领域虽然已经出现用于语音识别、手势识别、眼动追踪、皮肤电和脑机接口等多种类型的交互媒介，但当下人机交互技术也存在诸多技术短板[72]。比如，要依赖于特定的硬件输入设备，从而将学习者限制在一个特定的学习“硬”环境中，在智能头环、VR/AR眼镜等硬件约束下进行所谓的“自然交互”。由此，智能教育应对人机交互技术提出更为高级、严苛的要求。研究认为，一方面人机交互技术的设计应考虑到教育的内在规律，在相关教育理论(如具身认知理论、自主学习理论等)的指导下规范设计，从而兼顾“以人为本”的教育本质要求和教育本身的多元性与复杂性。另一方面要注重多感官的交互，与物联网、VR、AR等结合，对传统数字化学习环境更新升级，为学生创设更加“自然”“无感”的智能学习环境，提供全新的学习体验。尤其在学生自主学习情境中，人机交互技术除了要关注学生在人机交互中知识内容交互，还应增强人机之间的情感交互，通过设计更加个性化、可视化的自适应反馈、情感化的学习提示等提升人机对话中的情感自然程度。只有在这种无感化的智能学习环境中，人机才能通过愈发自然的方式实现信息交互，实现技术对人学习过程数据的伴随式采集，助力师生成长轨迹的数字化追踪。所以，在技术层面上，人机协同学习的交互设计应朝着“无感”交互、情感交互的方向阔步前进，致力于为学习者提供全新的学习体验。
其次，以人机互惠使“人更加理解机器，机器也更加理解人”。随着人与人、人与物、物与物之间都可以数据作为纽带形成连接，人类进入到数据定义万物、数据量化万物、数据连接万物的智能时代，生存空间也从社会空间、物理空间延伸到信息空间，在数据科学的赋能下越来越多的数据将被转化为信息或知识，从而影响着人的认知与决策[73]。而且随着人工智能研究的逐渐深入，人们也更加清晰地认识到人类和人工智能各自的优势，人的作用也被引入到人工智能系统电路的计算中，可以解决模糊和不确定分析的问题，使人的感知能力、认知能力与人工智能的强大计算能力相融合，形成双向的信息交换和控制，达到真正意义上的人机智能融合。人在回路在ChatGPT等最新人工智能产品证明下，已经成为人工智能的可行成长模式，其通过引入人的智慧参与，可以避免机器无效学习，增强机器理解和适应人类的自主学习能力。从技术设计上，有两个可以努力的方向。一是增强算法的透明度与可解释性，因为从真正意义上的协作而言，数据驱动的智能机器需要理解人类的主观体验和感知思维，知识驱动的人类思维也需要了解机器的客观特征和理性计算。例如，通过以先验知识为主的专家解释、以统计学习为主的数理解释、以深度学习为主的归纳解释等策略[74]，让学习者能检验教育模型，理解智能学习系统给出的决策结果。这也符合“人在回路”的混合增强智能设计原则，即人始终是人机协同过程的核心部分，人的因素可以直接影响到人机交互的结果[75]。二是获取高质量的数据为机器的更新迭代提供“养料”。高质量的数据可以训练出高质量的学习者模型，从而更加理解人并促进人的学习。同时，注重引入人类对机器模型输出结果的调节，让机器在与人类的交互过程中尽可能获取其真实需求，人类由此扮演着用户和人工智能助手的角色，帮助解决让人工智能模型的产出和人类认知保持一致的问题。因此，高质量的数据应该围绕着与目标相关的状态、过程和事件，增强数据的一致性、可靠性和有效性等[76]，不应为了适应机器的数据规则而对事件进行简约化表达。只有尽可能全面、接近真实的数据才能让机器更好地运用其强大的计算能力来理解人与环境。
(二)实践层面：以学习科学与以人为本为基本遵循，规范实践过程
英国哲学家大卫·休谟(David Hume)认为，一切科学都与人性有关，对人性的研究应是一切科学的基础[77]。科学如此，教育以立德树人为根本任务更不可例外。所以，无论技术如何发展，人的最优发展是所有科学与社会实践的标准。
首先，以学习科学规范人机协同学习设计。学习科学是认知科学的一个重要分支，源于人类对复杂学习法问题的跨学科研究，教育人工智能就是其中重要领域之一。一方面，学习科学站在学生视角探究人是如何通过外部环境与内部机制的协调从而实现自主学习[78]。这与教育人工智能致力于揭示学习发生原理与机制的目标相一致。另一方面，学习科学不仅关注“人是如何学习的”等基础理论研究，还关注在新的学习理论指导下学习分析技术、人机协同技术，以及数字化新型学习环境和学习资源的创设等实践研究。研究也表明，学习科学用于教育人工智能的发展可以产生强大的效果[79]。故而从实践上，人机协同学习应将人机如何协同的探索聚焦于关注学习的发生，通过了解学习为何发生、怎样发生来规范人机协同学习设计。一是发挥学习分析重构学习活动的关键技术作用。学习分析主要从数据与实证的角度出发，致力于描述、理解、解释、研究与预测学习现象[80]。人机构成的学习双主体应充分利用技术的便利将交互过程的数据与信息实现学习规律挖掘，融合社会网络分析、语义分析、表情分析、情感计算、文本挖掘、行为分析、统计分析等多种学习分析手段，实现对人机协同学习发生过程的跟踪、诊断、预测和调节。二是基于学习科学理论与实证结论，分析影响学习发生的关键因素，优化学习设计。比如，梅耶(Mayer)认为，技术媒体不仅仅是信息传递系统，而是知识构建的认知辅助工具，涉及以促进学习者进行适当认知处理的方式呈现信息[81]。然后，其依靠大量的实验总结了12条认知学习原则，包括邻近原则(避免信息源孤立分散)、多媒体原则(多感官融合)、冗余原则(避免冗余信息反复出现)等，这为人机协同学习设计明确了如何考量学习者的认知负荷、如何把握认知支架的渐隐性。所以，人机协同学习设计可以在认知理论或学习科学的原理指导下，从学习资源的呈现、学习策略的提供、学习结果的反馈等方面，注重通过分布式认知让机器分担学习者的低阶认知负荷，帮助学习者更加有效地处理信息，并解放学习者的认知资源以用于高阶认知活动中。同时，还可以从学习的特性出发改善学习方式，例如学习的具身性体现出创设情境化学习环境的重要性，强调推进知识型学习走向体验式学习[82]。总的来说，只有基于科学理论和循证知识创建智能学习环境和设计教育过程，才能促使学习者更深入有效地学习[83]。
其次，秉持人本价值开展人机协同学习实践。无论是技术渗透教育系统造成系统要素的内涵扩展，还是教育系统内部关系的延展与变化，都表明智能技术的教育应用将会造成教育生态的深刻变革[84]。但无论何时，技术的发展都需要持续秉持以人为本的价值原则，而且学习技术不同于纯技术，它涉及教学和与人互动，必须以人为中心。因此，人机协同学习是智能教育发展的一个重要形态，更应将人的生命成长作为实践的旨归，在人本主义理论指导下注重人的自我实现，践行以学习者为中心的人本主义理论教育观[85]。一要构建人机协同的伦理规范，注意技术自身的局限对人与社会的影响。人机协同意味着人和机器之间的相互作用和相互影响，但技术与生俱来的局限与风险，比如算法黑箱、算法偏见、数据安全隐私等问题会让人在与机器的协作过程中无形地受到技术侵犯。美国著名教育哲学家玛克辛·格林(Greene)曾言：“我们在屏幕前不断转移注意力，不断浏览各种信息、投入各种娱乐，但它并不能为我们提供与他者的主观在场的具象性相遇，我们的身体消失于各种技术的大数据，学生丧失了想象世界的能力”[86]。所以，伦理规范是智能教育发展的保障，也是引导科技向善、构建人机互信的基础。在人机协同学习的实践中，我们需要深刻认识技术带来的机遇与挑战，统筹技术赋能与人的学习发展两个层面建立监管治理体系，在安全、合理、科学的范围内使用技术助力学习，及时规避技术赋能教育实践的风险[87]。二是发展人本人工智能，丰富智能教育服务。人机协同是人本人工智能发展的核心和突破口[88]。人本人工智能强调从“冰冷的技术”到“温暖的人性”的回归，主张利用人类智慧和机器智能之间的协作，以高水平的可靠性、安全性和信任性来增强人类生产力[89]。在技术快速更迭的科技浪潮之中，无论何时，人类与教育的发展始终坚持以人为本，人性发展一直会是未来教育的时代主题[90]。人机协同学习作为人机智能协同的重要形态，更应注重以人为本的理念引领，坚持人在回路的发展方向，在人机协同的过程中以人的参与或引入人的参与来提升问题求解的效果，以更加人性化的智能服务提供实时个性化外部反馈，支持学习者进行深层次的自我认知。综而述之，人机协同学习的未来实践应加快构建符合人类发展的伦理规范、安全监管体系，围绕人的知识学习、认知建构、问题解决、情感发展以及社会能力等成长维度，设计出更多实时性、交互式、个性化，主动性和人性化的智能服务，提升人类认识世界、改造世界的能力。
五、结语
面对日益错综复杂的社会发展和未来挑战，智能时代的教育也正在经历一场前所未有的深刻变革。但教育是一个不以人自身意志为转移的内生复杂系统，人工智能的介入使得教育边界被打开，各种不同性质的要素突然耦合在一起，冲突、协同、变革等现象开始涌现，教育系统的复杂程度已不可同日而语。人机协同学习是智能教育发展的一个重要形态，在顶层设计上要有完善的科学认识和理论体系，才能在实践中探寻出符合人成长发展的新方法、新模式。因此，无论人工智能等新兴科技浪潮怎么冲击人类的教育和社会，我们依然需要保持清醒的头脑去审视这不断涌现的新事物与新形态，透过现象发现本质，从而清晰未来的前进方向。
