소식

“인공지능+교육”의 함축적 특징오늘날 디지털 시대에 ChatGPT로 대표되는 자연어 처리 모델과 최신 영상 생성 모델인 Sora 등 첨단 기술의 등장은 교육 분야에서 인공지능(AI)의 무한한 잠재력과 폭넓은 전망을 깊숙이 드러내고 있습니다. 이러한 첨단 기술의 출현은 교육 분야에 인공지능이 주도하는 혁명적인 변화를 예고할 뿐만 아니라, 보다 높은 수준의 맞춤형 교육을 달성하기 위한 강력한 기술적 지원을 제공합니다. 이러한 맥락에서 '인공지능+교육'이라는 새로운 모델을 연구하고 적용하는 것이 특히 중요하고 시급하다.소위 "인공지능+교육"은 포괄적인 개념으로, 인공지능 기술을 교육 분야에 심층적으로 통합하고, 지능적인 수단을 통해 교육 환경을 최적화함으로써 전통적인 교육 모델과 교수 방법의 출현을 촉진하는 것을 의미합니다. 근본적으로 변화하는 새로운 교육 모델입니다. 좁은 의미에서 '인공지능+교육'은 인공지능 기술을 활용해 교육, 관리, 평가, 피드백 등을 지원해 보다 효율적이고 개인화된 교육 서비스를 구현하는 것을 의미한다. 더 넓은 의미에서 "인공지능 + 교육"은 기술 응용에 국한되지 않고 교육 개념과 모델의 혁신을 의미합니다. 학생 중심, 인공 지능 기술을 최대한 활용하여 학생의 개별 요구를 충족하고 학생의 학습 효과를 지속적으로 향상시키는 것을 강조합니다. 동시에 "인공지능+교육"은 교육자들이 새로운 시대의 교육 발전 요구에 적응할 수 있도록 교육 개념을 지속적으로 업데이트하고 정보 활용 능력을 향상시킬 것을 요구합니다."인공지능+교육"은 주로 다음과 같은 특징을 가지고 있습니다. 새로운 현장 교육: 교육의 깊이와 폭을 확장합니다. "인공지능 + 교육"의 심층적인 통합으로 인해 전통적인 교육 모델이 재정의되고 교육의 경계가 지속적으로 확대되고 있습니다. '인공지능+교육'은 교육의 시공간적 한계를 깨고 새로운 교육 시나리오를 구축해 교육의 깊이와 폭을 크게 확장한다. 인공지능 기술의 도움으로 학습자는 언제 어디서나 온라인 학습 플랫폼을 통해 학습할 수 있으며, 지능형 튜터링 시스템을 통해 즉각적인 학습 피드백을 받고 질문에 답할 수 있으며, 시뮬레이션 학습 시스템을 통해 지식에 대한 더 깊은 이해를 얻을 수 있습니다. 학습의 깊이와 학습 효율성이 크게 향상됩니다.맞춤형 학습: 교육 자원의 정확한 매칭을 달성합니다. 개인화 학습은 '인공지능+교육'의 기본 기능 중 하나이자 장점이다. 인공지능 기술의 도움으로 학습자의 학습 궤적을 종합적이고 정확하며 시기적절하게 수집하고 학습자의 학습 선호도를 파악하여 정확한 계산을 통해 학습자에게 맞춤형 학습 서비스를 제공하고 학습자의 관심, 능력 및 학습 자원을 실현할 수 있습니다. 학습 방법을 정확하게 일치시켜 학습 효율성과 효과를 향상시킵니다.적응형 조정: 학습 과정의 동적 적응을 가능하게 합니다. 적응성은 '인공지능+교육'의 중요한 특징이다. '인공지능+교육'의 적응적 조정 기능은 학습자의 학습 진행 상황과 피드백에 따라 학습 내용과 난이도를 동적으로 조정할 수 있어 학습자는 항상 자신에게 가장 적합한 학습 스타일과 학습 난이도 영역에서 학습할 수 있습니다. 또한 적응적 조정은 학습자가 자신의 학습 사각지대와 취약한 고리를 발견하고 적시에 격차를 감지 및 메우며 학습 효과를 더욱 향상시키는 데도 도움이 될 수 있습니다.몰입형 경험: 교육 혁신을 위한 추진력을 지속적으로 생성합니다. '인공지능+교육'이라는 새로운 시나리오 교육 모델에서 몰입형 경험은 점차 교육 혁신의 중요한 엔진으로 자리잡고 있습니다. '인공지능+교육'은 첨단 가상현실(VR)과 증강현실(AR) 기술을 결합해 몰입형 학습 환경을 조성하고 추상적인 지식을 구체화해 학습자에게 몰입형 학습 경험을 제공함으로써 교육 과정을 더욱 생생하고 생생하게 구현한다. 이러한 환경에서 학습자는 지식을 보다 직관적으로 이해하고 숙달할 수 있을 뿐만 아니라, 배운 지식을 보다 깊이 탐구하고 경험할 수 있어 학습자의 창의성을 효과적으로 자극하고 교육 혁신을 위한 지속적인 혁신 모멘텀을 제공할 수 있습니다. '인공지능+교육'은 지속적으로 혁신적인 모멘텀을 창출함으로써 새로운 시대의 교육 발전의 변화하는 요구에 역동적으로 적응할 수 있는 교육 모델의 변화와 혁신을 지속적으로 촉진할 것입니다.

전 세계적으로 인공지능 기술의 지속적인 발전은 교육 변화를 촉진하는 중요한 원동력이 되었습니다. 인공지능 기술과 교육의 깊은 통합은 교수법과 학습법에 지대한 영향을 미칠 뿐만 아니라 교육 개념의 핵심을 건드리고 교육 패러다임의 근본적인 변화를 확실히 촉진할 것입니다. 그러나 양날의 검처럼 교육 분야에 인공지능 기술이 널리 적용되면서 교육의 발전과 개혁에도 일련의 문제와 과제가 생겼다.● 기술적 과제. 기술적 적합성 문제. 현재 인공지능 기술은 상당한 발전을 이루었지만 교육의 복잡한 시나리오에 직면하면 여전히 부적절합니다. 인공지능의 본질은 인간의 지능을 시뮬레이션하는 것입니다. 알고리즘과 데이터를 사용하여 작업을 수행하고, 개인화된 학습 및 교육의 새로운 방식으로 교육을 제공하며, 교육의 효율성과 경험을 향상시킵니다. 그러나 이 기술은 아직 완전한 성숙 단계에 도달하지 않았으며 학습 데이터의 희소성으로 인해 여전히 문제에 직면해 있으며, 이로 인해 개인화된 솔루션의 정확성이 부족할 수 있습니다. 동시에 데이터 리소스가 제한되면 모델도 마찬가지입니다. 부분 일반화 현상에 문제가 있다. 이러한 문제는 교육 분야에서 인공 지능을 심층적으로 적용하는 데 영향을 미칠 뿐만 아니라 시중에 나와 있는 많은 교육용 인공 지능 제품이 실제 응용 프로그램에서 충분히 "지능적"인 것처럼 보이지 않게 하여 교육 시나리오의 변화하고 복잡한 요구를 충족시키기 어렵게 만듭니다. .기술 의존 위험. 교육 분야에서 인공지능 기술의 광범위한 적용은 잠재적인 위험도 가져옵니다. 즉, 교육자와 관리자가 교육 및 관리 문제를 해결하기 위해 이러한 기술에 지나치게 의존할 수 있고, 학습자도 지식을 얻기 위해 인공지능 기술에 지나치게 의존할 수 있습니다. 정보와 정보에 대한 의존성은 교육 과정에서의 성찰과 학습 과정에서의 독립적 사고의 중요성을 무시하면서 교육 및 학습에서 "기술 의존"으로 이어질 수 있습니다. 따라서 교육에 인공지능을 적용하는 것이 돌이킬 수 없는 추세를 보이고 있지만, 우리는 여전히 교육의 본래 의도를 고수하고, 교육의 핵심 가치와 인간의 포괄적인 발전에 계속 초점을 맞춰야 하며, 기술의 과도한 지배를 피해야 합니다. 교육의 교육적 기능을 약화시킨다.●데이터 보안 및 개인정보 보호의 과제. 스탠퍼드대가 발표한 '2024년 인공지능 지수 보고서'에서는 기술의 지속적인 발전과 폭넓은 적용으로 생산성이 크게 향상됐지만, 현재 인공지능 기술의 보급과 적용 역시 기술 자체의 한계로 인해 제한될 수 있다고 지적했다. 개인정보 보호, 잘못된 정보 확산, 지적재산권 위험 등의 문제가 발생할 수 있습니다.데이터 보안 문제. 데이터 수집, 저장 및 전송 중에 데이터 보안을 보장하는 것이 중요합니다. 교육 분야에서 축적되는 데이터에는 학생의 기본 개인정보뿐 아니라 학습 진행 상황, 학업 성취도, 행동 패턴 등 민감한 데이터 등 학습 과정에 대한 중요한 기록도 포함됩니다. 이러한 정보는 매우 사적이며 민감한 내용이므로, 실수로 유출되거나 악의적으로 사용될 경우 학생 개개인의 안전에 심각한 위협이 될 수 있으며, 전체 교육 시스템의 안정성과 건전한 운영에 부정적인 영향을 미칠 수 있습니다. 따라서, 인공지능 기술 응용 분야에서는 데이터의 수명주기 전반에 걸쳐 데이터의 보안을 보장하기 위해 완전한 데이터 보안 메커니즘을 어떻게 구축하는 것이 시급하고 중요한 과제가 되었습니다.개인 정보 보호 문제. '인공지능+교육' 시나리오에서는 대량의 학생 데이터를 수집하고 분석해 학생별 맞춤형 학습 계획을 제공한다. 학생의 개인 정보, 학습 행동 및 성적 등은 모두 개인 정보 보호 범주에 속하며 이러한 데이터의 수집 및 사용은 학생의 개인 정보를 전적으로 존중해야 합니다. 그러나 실제로 학생의 개인정보 보호는 철학, 기술, 경영 등 다양한 요인의 영향으로 인해 불확실성에 직면할 수 있습니다. '인공지능+교육' 통합 개발에서는 교육 환경의 안전성과 신뢰성을 보장하기 위해 학생 개인 정보 보호에도 큰 관심을 기울여야 합니다.●가치 수준 과제. 교육 분야에서 가치와 윤리는 빼놓을 수 없는 부분이다. 교육 분야에서 인공지능 기술의 적용이 사회의 기대와 요구에 어떻게 부응할 수 있는지는 '인공지능+교육'이 풀어야 할 과제이다. 가치 수준에서 직접적으로 직면하십시오.기술 제품의 가치 기능이 누락되었습니다. 현재 대부분의 인공지능 교육 제품은 주로 지능형 알고리즘을 통해 학생들에게 맞춤형 학습 콘텐츠와 피드백을 제공하는 적응형 학습 분야에 중점을 두고 있습니다. 그러나 교육의 목표는 지식을 전달하는 것 이상으로, 사회적 기술, 심리적 자질, 도덕적 성품 등의 함양과 같은 학생들의 전반적인 발전도 포함합니다. 그러나 기존 인공지능 교육 제품은 이러한 자질을 함양하기에는 미흡한 수준이다. 가치 수준에서의 인공지능 교육 제품의 기능적 결함으로 인해 교육 분야에서 인공지능 기술의 포괄적인 적용과 광범위한 영향력이 어느 정도 제한되고 있다.서로 다른 가치를 조정하는 것이 어렵다. 점점 심화되는 세계화, 정보화 시대의 맥락에서 사회적 사고와 개념은 점점 더 다양한 특성을 보이고 있습니다. "인공지능 + 교육"의 통합을 촉진하는 과정에서 인공지능 기술의 적용이 이러한 다양한 발전 추세에 적응할 수 있도록 보장하는 것이 특히 사회의 핵심 가치와 윤리에 맞춰 시급하고 중요해졌습니다. 전체 문제. 도전적인 작업. 특히, 다양한 시나리오에서 문화에 대한 이해와 실천에는 상당한 차이가 있습니다. 예를 들어, 일부 회사에서는 집단주의와 팀 정신이 중요한 가치 지향으로 간주되지만 다른 회사에서는 개인의 투쟁이 존중될 수 있습니다. 따라서 인공지능 기술 제품의 설계 및 적용은 오해를 피하기 위해 이러한 문화적 차이를 충분히 고려해야 합니다.●지식이 생산되고 전파되는 방식의 과제. 인공지능 기술 적용의 지속적인 심화는 지식의 생산 및 전파 방식을 변화시킬 뿐만 아니라 인재 양성 모델에 새로운 과제를 제기합니다. 지식 생산 방법의 변화는 학생들의 독립적인 사고에 도전합니다. 인공지능 기술의 발전은 인간이 지식을 획득, 생성, 적용하는 방식을 변화시켰습니다. 지식 생산 방식의 자동화와 지능화로 인해 지식 습득의 문턱이 낮아졌지만, 인공지능이 생성한 콘텐츠에 과도하게 의존하면 학생들의 학습에 관성이 생겨 학생들이 독립적으로 정보를 검색하고 필터링하고 통합하는 능력을 점차 상실하게 될 수 있습니다. 이러한 변화는 학생들의 독립적인 사고 능력에 새로운 도전을 가져왔습니다.지식 전파 방식의 패러다임 혁명은 학교의 기능에 도전하고 있습니다. 인공지능 기술의 적용은 지식이 전파되는 방식에 큰 변화를 가져왔습니다. 전통적인 '교사-학생' 이중 교육 모델은 점차 '교사-기계-학생'의 3차원 구조로 변화하고 있습니다. 이 새로운 모델에서는 교사, 기계, 학생이 서로 홍보하고 영향을 주어 지능 교육의 발전을 공동으로 촉진합니다. 그러나 이러한 변화는 시대에 따라 학교에 대한 사람들의 개념이 변화한다는 것을 의미하기도 한다. 즉, 학교의 지식 전달 기능이 약화될 것이며, 이는 또한 지식 전파에 있어서 학교의 기능적 위치에 도전이 된다는 것을 의미하기도 한다.●교사와 학생의 역할을 조정하는 데 따른 어려움. '인공지능+교육' 시나리오에서는 교사와 학생의 역할이 바뀌었고, 둘 다 교육 시나리오의 변화에 ​​더 잘 적응하기 위해 계속해서 학습해야 합니다. 교사 역할 적응의 어려움. "인공 지능 + 교육" 시나리오에서 교사는 더 이상 지식을 전달하는 역할만 하는 것이 아니라 점차적으로 학생의 학습 과정에서 안내자와 보조자로 진화해야 합니다. 이를 위해서는 교사가 탄탄한 전문 지식을 보유해야 할 뿐만 아니라 일련의 새로운 교육 도구와 방법을 숙지해야 합니다. 이러한 변화는 의심할 여지 없이 교사에게 더 높은 요구 사항을 부여합니다. 학생 역할 적응의 과제. "인공지능 + 교육" 시나리오에서 학생들은 독립적인 학습 능력이 뛰어나야 할 뿐만 아니라 인공지능 기술과 효과적으로 상호작용할 수 있는 능력도 갖춰야 합니다. 전통적인 학습 모델에서 수동적 수혜자인 일부 학생의 경우 자율 학습은 전례 없는 도전과 딜레마에 직면하게 되며, 이로 인해 학업 성취도의 격차가 더욱 확대될 수 있습니다.●리소스 공유 문제. 인공지능 기술은 교육에 많은 기회를 제공하지만 형평성에 대한 도전도 제기합니다. 어떻게 모든 학생들이 인공지능 기술의 적용으로 인한 혜택을 누릴 수 있게 할 것인가가 중요한 문제가 되었습니다.'알고리즘 블랙박스'로 인한 투명성 문제. '알고리즘 블랙박스'란 알고리즘의 내부 논리와 의사결정 과정이 불투명하고 사용자가 이해하기 어려워 오류를 발견하고 수정하기 어려운 것을 의미하며, 이러한 오류에 따른 의사결정은 공정성에 영향을 미칠 수 있습니다. 부정적인 영향. '알고리즘 블랙박스'는 알고리즘 편향, 투명성 부족 등의 문제로 부각되는 경우가 많다. 기술의 잠재적 차이는 적용 비용에 영향을 미칩니다. 특히 일부 선진 지역과 학교는 풍부한 교육 자원과 재정적 지원으로 인해 상대적으로 우수한 기술 인프라를 갖추고 있어 인공 지능 기술을 사용하여 보다 조기에, 보다 포괄적으로 교육을 지원함으로써 학생들에게 보다 풍부하고 효율적인 학습을 제공할 수 있습니다. 경험. 반대로, 오지에 있거나 경제적 여건이 열악한 학교에서는 높은 기술 비용을 감당할 수 없어 인공지능 교육 자원 배분에 있어 다른 상황에 직면할 수 있습니다.

기술 적용 수준: 기술 환멸과 기술 변혁의 결합을 고수합니다. '인공지능+교육'의 발전 과정에서 우리는 첨단 기술이 진정으로 교육의 본질에 봉사할 수 있도록 기술적 환멸과 기술적 퇴보를 결합하는 원칙을 고수해야 합니다. 기술적 환멸이란 인공지능 기술에 대한 과도한 신비화와 맹목적인 숭배를 깨고 도구로서의 본질을 직시해야 함을 의미한다. 인공 지능의 원리, 기능 및 한계에 대한 심층적인 이해를 통해 우리는 교육에서 인공 지능의 역할을 보다 합리적으로 볼 수 있으며, 교육 목표와의 적합성을 무시하면서 맹목적으로 기술의 참신함을 추구하는 것을 피할 수 있습니다. 새로운 인공지능 교육 기술을 구현하기 전에, 검증되고 교육 목표와 일치하는 기술만 도입되도록 적합성, 효율성 및 잠재적 위험을 평가하는 검토 메커니즘을 확립해야 합니다.Technification은 인공 지능 기술을 교육 과정에 적절하게 통합하는 것을 강조하여 교사의 역할이나 전통적인 교육 방법을 완전히 대체하는 것이 아니라 교육 효과를 향상하고 교사의 업무를 지원하며 학생 학습을 촉진하는 강력한 도구로 만듭니다. 따라서 기술 적용 범위를 명확히 하고 인공지능을 교육에 적용할 수 있는 범위를 명확히 해야 한다. 교육기관은 기술 전문가, 교육 전문가와 협력해 인공지능을 교육 분야에 적용하기 위한 표준과 지침을 마련해야 한다. 교육 이러한 표준과 지침은 어떤 인공 지능 기술이 적용 가능하고, 어떤 기술이 교육 환경에 적합하지 않을 수 있으며, 인공 지능을 교육 활동에 합리적으로 통합하는 방법을 명확히 해야 합니다. 교육에서 인공지능의 합리적인 적용 범위를 명확하게 정의함으로써 우리는 교육 과정에서 기술의 남용과 교사와 학생의 기술에 대한 과도한 의존을 피할 수 있으며, 이는 결국 교육 과정의 독립적인 사고와 혁신에 영향을 미칩니다.데이터 보안 및 개인 정보 보호: "인공 지능 + 교육"의 보안 위험을 제거하기 위해 데이터 운영 조정 및 표준화된 관리에 주의를 기울이십시오. "인공 지능 + 교육"의 개발 과정에서 데이터 보안, 규정 준수 및 개인 정보 보호를 보장하려면 법률, 관리, 기술 등 다양한 수준에서 완벽한 데이터 보호 및 개인 정보 보호 관리 메커니즘을 구축해야 합니다. 기술은 교육을 제공하지만 교사와 학생의 정당한 권리와 이익을 침해하지 않습니다.첫째, 데이터 보안법을 ​​강화한다. 데이터 수집, 저장 및 사용의 모든 측면에서 교육 기관의 책임과 의무를 명확하게 정의하기 위해 데이터 보안과 관련된 엄격한 법률 및 규정이 도입되어야 합니다. 둘째, 데이터 전체 수명주기 관리 시스템을 구축합니다. 셋째, 개인정보 보호 메커니즘을 개선한다. 개인정보 보호정책의 투명성이 핵심입니다. 사용자가 데이터 수집, 사용, 공유 방법을 완전히 이해하고 자신의 권리를 알 수 있도록 명확한 개인정보 보호정책을 수립하고 공개해야 합니다. 동시에 개인 정보 유출 위험을 줄이기 위해 민감한 데이터는 익명화되거나 둔감화됩니다. 고급 암호화 및 보안 기술을 사용하여 데이터에 대한 견고한 기술적 보호를 제공합니다. 마지막으로 표준화된 관리와 인력교육을 강화한다. 관련 인력을 대상으로 데이터 보안 및 개인정보 보호 교육을 정기적으로 실시하고, 평가를 통해 필요한 지식과 기술을 습득하도록 합니다.가치 수준: 기술이 교육 과정을 지배하거나 대체하는 것이 아니라 교육 과정에 도움이 되도록 보장합니다. "먼저 교육에서 인공지능의 보조적 지위를 분명히 하라. 교육의 본질은 지식, 기술, 정서적 태도, 가치관을 포함한 인간의 포괄적인 발전을 육성하는 것이다. 인공지능은 보조적인 교육 도구가 아닌 보조적인 교육 도구로 간주되어야 한다. 교육 학교의 주체는 인공 지능 기술을 사용하여 학생들에게 맞춤형 학습 자원을 제공하고 지능형 알고리즘을 사용하여 학생들의 학습 진행 상황과 학습 효과를 추적함으로써 학생들의 지식에 대한 이해와 기술 숙달을 촉진하는 것이 목적입니다. 인공지능 기술은 학교를 대체할 수 없습니다. 교사는 교육의 주체가 되었으며, 현재의 인공지능 기술 적용으로는 교사, 학생, 급우 간의 정서적 교류와 상호작용이 어렵습니다. 따라서 인공지능은 단지 보조 역할만 할 수 있습니다. 교육에서의 역할.둘째, 학생들의 종합적인 발전에 관심을 기울이십시오. 교육 목표는 인공 지능 기술 적용을 위한 척도입니다. 인공 지능 기술을 활용한 교수 활동을 설계할 때, 기술이 교육 목표의 실현을 제공하는 것이 아니라 인공 지능 기술의 적용 시나리오에 교육 목표가 완전히 포함되어야 합니다. 단지 기술적 수단에 의존하여 지식 전달의 효율성을 향상시킬 뿐입니다. 예를 들어, 인공 지능 기술을 사용하여 다양한 교육 설계 시나리오의 교육 시나리오를 시뮬레이션할 수 있습니다. 예를 들어 역사 수업에서 역사적 사건의 발생을 소개할 때 학생들은 가상 현실 기술을 사용하여 고대로 "여행"하고 목격할 수 있습니다. 역사적 사건의 발생을 몰입적으로, 역사적 지식 교육과 정서적 태도 및 가치 교육의 통합 및 기타 다각적인 교육 목표를 달성합니다.마지막으로 다양한 문화적 시나리오에 대한 인공지능 교육 제품의 포괄성을 강화합니다. 인공지능 교육 제품의 디자인 컨셉은 학생들이 인공지능 기술의 양날의 칼 효과를 이해하고 기술과 가치에 대한 학생들의 올바른 견해를 함양할 수 있도록 돕는 것이어야 합니다. 가상현실이나 증강현실 기술 등 인공지능 교육 제품의 적용을 통해 다양한 문화적 배경의 의사소통 시나리오를 시뮬레이션하고 가치교육을 의사소통 시나리오에 통합하여 학생들의 다문화 의사소통 능력을 향상시킵니다. 또한, 인공지능 교육 제품을 개발할 때 다양한 문화적 배경의 차이를 충분히 고려해야 합니다. 예를 들어 인공지능 제품의 기능 설계에서는 다양한 사용자의 개인화된 요구를 충족하기 위해 다양한 언어 옵션과 문화적 배경 설정을 제공할 수 있습니다. .지식 생산 및 전파 수준: 다양한 인재 양성 모델을 탐색합니다. 교육 분야에서 인공지능 기술의 적용은 지식이 생산되고 전파되는 방식을 근본적으로 변화시키고 있습니다. "인공지능+교육"은 인재 양성 모델의 혁신을 위한 무한한 가능성을 제공합니다.우선, 지식 생산 방식의 변화라는 관점에서 볼 때, 인공지능 기술의 도입은 학생들에게 전례 없는 편리함을 제공했지만, 동시에 학생들의 독립적인 사고 능력을 키우는 데 어려움을 가져왔습니다. 인공지능에 대한 지나친 의존. 첫 번째는 인공 지능 사용과 기존 교육 방법의 균형을 맞추고 가상 현실과 증강 현실 기술을 결합하여 학생들에게 몰입형 학습 경험을 제공하고 시뮬레이션 환경에서 실제 작업을 수행할 수 있도록 하여 지식에 대한 이해를 심화시키는 것입니다. 두 번째는 문제 기반 학습을 구현하고, 실제 문제 시나리오를 설계하고, 실제 문제를 출발점으로 사용하고, 학생들이 인공 지능 도구를 사용하여 탐색 및 해결하도록 안내하고, 독립적으로 사고하고 문제에 직면할 때 해결하는 능력을 배양하는 것입니다.둘째, 지식 전파 방식의 변화라는 관점에서 볼 때, 인공지능 기술은 지식 전파 방식을 교사와 학생 간의 양방향 상호 작용에서 '교사-기계-학생' 간의 다차원적 상호 작용으로 변화시켰습니다. "인공지능 + 교육" 시나리오에서 "교사-기계-학생"의 3차원 구조는 교육과 학습 자원의 높은 수준의 통합을 달성하기 위해 인공지능 기술을 사용하여 이 세 가지 간의 긴밀한 상호 작용을 강조합니다. 교사의 교육 효율성을 향상시키는 중요한 요소가 되며 학생들의 맞춤형 학습 요구를 충족시키는 핵심 링크가 됩니다. 인공지능 기술을 통해 비디오, 오디오, 애니메이션 등 다양한 형태의 기존 교육 리소스를 효과적으로 통합할 수 있으며 다양한 교육 시나리오에 따라 언제든지 적합한 그래픽, 텍스트, 오디오 및 비디오 교육 리소스를 생성할 수 있습니다. 교사에게 더욱 생생한 시각적 교육 콘텐츠를 제공할 뿐만 아니라 학생들의 경험 감각을 향상시키고 학습에 대한 학생들의 관심을 자극하는 데 도움이 됩니다.교사-학생 역할 적응 수준: 교수능력 향상 및 주체적 학습능력 배양. "인공지능 + 교육" 시나리오에서는 교사와 학생의 역할 변화와 조정이 특히 중요합니다. 이는 전통적인 교육 모델의 혁신일 뿐만 아니라 미래 교육 발전에 대한 적극적인 탐구이기도 합니다.첫째, 교사 대상 인공지능 활용능력 교육을 강화한다. "교사-기계-학생"의 3차원 구조에서 교사는 인공지능 기술을 활용하여 각 학생의 학습 요구와 진행 상황을 보다 정확하게 이해하고 개인화된 교육 서비스를 제공할 수 있습니다. 교사는 안내자로서 학생들이 기계로 생성된 지식을 이해하도록 돕고 인공지능 자원을 보다 효과적으로 사용하는 방법을 학생들에게 안내해야 합니다. 따라서 인공지능+교수의 요구를 충족시키기 위해서는 교사가 새로운 역할에 적응하고 교수에 인공지능 기술을 활용하는 능력을 향상시킬 수 있도록 인공지능 응용 기술에 대한 체계적인 교육과 훈련을 제공해야 한다.둘째, 학생들의 주체적인 학습능력 배양을 강화한다. 새로운 교육 모델에서는 학생들이 독립적인 학습 능력을 향상하고 전통적인 학습 방법의 장점을 인공 지능 기술 지원 학습과 결합하도록 지원해야 합니다. 전통적인 교실에서의 토론, 사례 분석, 그룹 협력 및 기타 활동과 같은 학생의 심층적 사고와 교사와 학생 간의 정서적 의사소통에 중점을 두는 동시에 학생들도 전통적인 학습 방법의 장점을 계속해서 이어갑니다. 학습 향상을 위해 인공지능 기술을 유연하게 사용하는 방법을 배워야 합니다. 효과에는 지능형 교육 시스템을 사용하여 개인화된 학습 경로를 설계하고, 몰입형 학습을 위해 가상 현실 및 증강 현실 기술을 사용하는 것이 포함됩니다. 학생들의 학습 성과를 평가할 때, 학생들의 교과 지식 숙달에 초점을 맞추는 것뿐만 아니라 창의성, 의사소통 능력, 팀워크 능력 및 기타 능력 개발을 종합적으로 고려하여 보다 다양한 평가 방법을 채택해야 합니다.성과 공유 수준: 교육 자원 할당을 최적화하고 기술 격차와 알고리즘 블랙박스를 깨뜨립니다. 인공지능 기술의 급속한 발전은 교육 분야에 전례 없는 변화와 기회를 가져왔지만, 지역, 학교, 교육자 간 기술 차이의 존재는 인공지능 적용 수준의 차이도 부각시켰습니다. '인공지능+교육' 발전의 성과가 공유될 수 있도록 자원 배분을 최적화하고 기술 격차를 해소하는 정책 지침이 필요하다.첫째, 정책지도를 통해 교육자원 배분을 최적화하는 것이 기술격차를 극복하는 열쇠이다. 정부는 정책 지도 역할을 해야 하며 교육 자원의 총 투자에 관심을 기울일 뿐만 아니라 지역별, 학교별 자원의 합리적인 배분에도 관심을 기울여야 합니다. 재정예산의 최적화, 특별기금 설치 등의 대책을 통해 오지, 경제여건이 열악한 학교, 특수교육 분야에 교육자원을 유도하고 기술 인프라 여건을 지속적으로 개선함으로써 지역과 학교 간 교육격차를 효과적으로 해소해 나가겠습니다. , 불균등한 자원 분배로 인한 기술적 잠재력 격차를 방지하고 모든 학생에게 더 나은 교육 환경을 제공합니다.둘째, 인공지능 교육의 대중화 역시 '기술적 잠재력 격차'를 극복하는 중요한 방법 중 하나이다. 인공지능 관련 강좌 신설, 대중과학 강좌 개최, 실무 플랫폼 제공 등 다양한 방법을 통해 인공지능 교육을 대중화하면 모든 학생에게 공통적인 기술 출발점을 제공할 수 있어 학생 집단 간 기술 격차를 줄이고 문제를 해소할 수 있다. 기술적인 차이로 인해 발생하는 리소스 공유 차이입니다.또한, 알고리즘 의사결정의 투명성을 높이는 것도 자원 공유를 촉진하는 또 다른 중요한 조치입니다. '인공지능+교육' 시나리오에서는 '알고리즘 블랙박스'를 깨고, 알고리즘 편향을 바로잡고, 알고리즘 의사결정의 투명성을 높이는 것이 공정성을 높이는 데 도움이 될 것입니다. 알고리즘 의사결정의 공정성과 투명성을 보장하기 위해 알고리즘에 대한 정기적인 감사를 수행하기 위해 독립적인 제3자 조직을 도입할 수 있습니다. 이를 통해 정보 비대칭성을 제거하고 교육 시스템 내 모든 당사자의 신뢰를 강화할 수 있습니다.

위의 내용은 약간 요약되어 있습니다.2024년 13호 "National Governance" 잡지에서 선정됨원제 | “인공지능 + 교육”: 현재 상황, 과제 및 접근 방식

저자 | 시 린보(Si Linbo) 교수, 노스웨스트 대학교 행정학과

뉴미디어 에디터 장창 |

편집자 펑이판 |