人工智能时代的知识:致力于培养专长和学会迁移
发布时间：2020-12-11 00:23
人工智能时代的到来对就业能力产生了重要影响,它要求教育者树立新的双基观,即聚焦基础知识(包括核心概念和基本内容)和基本能力(包括技能、品格和元学习);既精通专长,又学会迁移,并在两者间保持适当的平衡。教育不仅要造就T型人才,更要培养M型人才。所谓掌握知识,重在寻求意义和促进理解,尤其是要注重概念学习,真正做到知行统一。掌握专长和学会迁移是通过理解概念,而不是学习那些很容易接触并掌握的内容实现的。这就是说,要在学习内容上将翻转课堂教学法和技术相结合,从而实现课堂时间主要用于基于活动的概念学习。核心概念是知识的动力工具,在课程中应置于重中之重的地位。在学习上,如果能做到知行统一,就能降低产生脆弱知识、配方知识和惰性知识等有缺陷知识的可能性。
【文章来源】：开放教育研究. 2018年02期 第13-22页 北大核心CSSCI
【文章页数】：10 页
【部分图文】：
随时间推移工作所需任务类型的变化
灾耙档挠跋欤?约?对日益递增的“职业消亡”的关注，其数字变动范围在9%(OECD)到50%(牛津大学)之间。随着大量文章尝试描述世界末日到欢乐的乌托邦的场景，以及尝试描写两者间的各种细微差异，这一主题最近得到了公众的广泛关注(如Chui，2017;Surowiecki，2017;Hensel，2017;Shewan，2017;Jones，2017;Swarte，2017)。人工智能的进展对很大一部分人，特别是高技术人才是极具震慑力的(Anthes，2017)②。审视它发展趋势的方法之一，就是运用布卢姆教学目标分图2a认知技能领域自动化的发展(来源:CCＲ)·41·玛雅·比亚利克，查尔斯·菲德尔.人工智能时代的知识:致力于培养专长和学会迁移OEＲ．2018，24(2)
图2b情感技能领域自动化的发展(来源:CCＲ)图2c动作技能领域自动化的发展(来源:CCＲ))类系统理论对认知(Krathwohl，2002)、情感(Krath-wohletal，1964)和动作技能领域(Simpson，1971)进行分析，这是为了理解日益复杂的思维、情绪和动作，并对其进行分类的需要。图2显示，现有运算法则已经覆盖了人类能力的重要部分，而这仅仅是影响的开始。人工任务和计算机任务之间的界限有多清晰?一旦任务被自动化，是否还为人类留有余地?国际象棋是我们可以设想的，它或以人类凭借直觉进行整体性游戏，或以自动化、运用强大的运算能力进行算法性游戏。1997年，深蓝计算机在国际象棋较量中击败了世界冠军加里·卡斯帕罗夫，预示着国际象棋进入电脑赶超人脑的行列。同样，游戏Go最近被攻克了，甚至利用运算法则设计出人类玩家还没使用过的创新策略。③然而，尽管计算机确实可以在国际象棋的较量中击败人类，但两者的结合似乎比任何一个独自运作更为强大。自由比赛的结果表明，业余国际象棋选手使用电脑可以打败电脑、大师级选手，甚至战胜性能较差电脑的大师级选手(Brynjolfsson＆McAf-ee，2014)。表面上看，这又是个很好的例子，说明电脑入侵了过去被认为是人类独有的领域，但事实证明，人类可以把运算法则作为工具加以使用，让人类将擅长的事情做得更好。表一计算机、人工和人机结合小组的比较实体优点不足电脑在寻找解决方案的庞大检索空间里快速生成和测试。快速处理大数据。开放世界中的解决方案生成器是不完整的。数据难以对开放世界作出充分表征。人类团队有开放世界的生活经验。多领域的跨学科团队的多元化经验。存在协调成本。人机团队(最高性
本文编号：2909557
【文章来源】：开放教育研究. 2018年02期 第13-22页 北大核心CSSCI
【文章页数】：10 页
【部分图文】：
随时间推移工作所需任务类型的变化
灾耙档挠跋欤?约?对日益递增的“职业消亡”的关注，其数字变动范围在9%(OECD)到50%(牛津大学)之间。随着大量文章尝试描述世界末日到欢乐的乌托邦的场景，以及尝试描写两者间的各种细微差异，这一主题最近得到了公众的广泛关注(如Chui，2017;Surowiecki，2017;Hensel，2017;Shewan，2017;Jones，2017;Swarte，2017)。人工智能的进展对很大一部分人，特别是高技术人才是极具震慑力的(Anthes，2017)②。审视它发展趋势的方法之一，就是运用布卢姆教学目标分图2a认知技能领域自动化的发展(来源:CCＲ)·41·玛雅·比亚利克，查尔斯·菲德尔.人工智能时代的知识:致力于培养专长和学会迁移OEＲ．2018，24(2)
图2b情感技能领域自动化的发展(来源:CCＲ)图2c动作技能领域自动化的发展(来源:CCＲ))类系统理论对认知(Krathwohl，2002)、情感(Krath-wohletal，1964)和动作技能领域(Simpson，1971)进行分析，这是为了理解日益复杂的思维、情绪和动作，并对其进行分类的需要。图2显示，现有运算法则已经覆盖了人类能力的重要部分，而这仅仅是影响的开始。人工任务和计算机任务之间的界限有多清晰?一旦任务被自动化，是否还为人类留有余地?国际象棋是我们可以设想的，它或以人类凭借直觉进行整体性游戏，或以自动化、运用强大的运算能力进行算法性游戏。1997年，深蓝计算机在国际象棋较量中击败了世界冠军加里·卡斯帕罗夫，预示着国际象棋进入电脑赶超人脑的行列。同样，游戏Go最近被攻克了，甚至利用运算法则设计出人类玩家还没使用过的创新策略。③然而，尽管计算机确实可以在国际象棋的较量中击败人类，但两者的结合似乎比任何一个独自运作更为强大。自由比赛的结果表明，业余国际象棋选手使用电脑可以打败电脑、大师级选手，甚至战胜性能较差电脑的大师级选手(Brynjolfsson＆McAf-ee，2014)。表面上看，这又是个很好的例子，说明电脑入侵了过去被认为是人类独有的领域，但事实证明，人类可以把运算法则作为工具加以使用，让人类将擅长的事情做得更好。表一计算机、人工和人机结合小组的比较实体优点不足电脑在寻找解决方案的庞大检索空间里快速生成和测试。快速处理大数据。开放世界中的解决方案生成器是不完整的。数据难以对开放世界作出充分表征。人类团队有开放世界的生活经验。多领域的跨学科团队的多元化经验。存在协调成本。人机团队(最高性
本文编号：2909557
本文链接：https://www.wllwen.com/jiaoyulunwen/xuekejiaoyulunwen/2909557.html
