人工智能视域下高校思政课教学机制创新研究

张 帅 丛春秋

(苏州科技大学，江苏 苏州 215009)

一、引言

人工智能(Artificial Intelligence，简称AI)这个近几年流行起来的词汇，于1956年达特矛斯会议就被创造，经过一系列发展，随着计算性能的提升，大数据时代提供了大量训练样本，深度学习技术发展起来，深度学习使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法，支持更加复杂的网络，达到更高的精度。在2016年,谷歌的AlphaGo击败了李世石，引起了大家的广泛注意，把人工智能的概念彻底点燃，一时之间成为最受关注的技术。不论是人脸识别、语言识别、自动驾驶，还是地图导航，人工智能技术在各大领域广泛应用。现如今，人工智能在图像识别领域全面超越人类，语音识别接近人类，国务院也要求利用人工智能技术推动智能教育的发展，“推动人工智能在教学、管理、资源建设等全流程应用”[1]。

2019年8月，中共中央办公厅、国务院办公厅印发 《关于深化新时代学校思想政治理论课改革创新的若干意见》，明确提出“大力推进思政课教学方法改革，提升思政课教师信息化能力素养，推动人工智能等现代信息技术在思政课教学中的应用，建设一批国家级虚拟仿真思政课体验教学中心”[2]。由此可见，将人工智能运用于高校思政教育已经成为新时代下的必然趋势，会推动个性化智能学习，推进师生交互式主动学习，健全思政理论评价机制，建立智能图书馆系统，实现智能校园。将人工智能技术运用于思政教育，为高校思政教学机制提供了新的思路和活力。

二、传统思政教育面临的困境

(一)传统思政教育中教师和学生存在的问题

于教师而言，传统思政教育存在着许多与时代发展不同步的问题，高校思政教育教师一直都被思政理论课的时效性问题所困扰，“因为课程实效性的大小关系到思想政治理论课质量的好坏。想要将思想政治理论课的实效性最大化,需要处理好思想政治理论课教学工作中的矛盾”[3]。思政教师不仅要保证教育内容的科学性和先进性，与时俱进更新自己的知识，还要对学生的学习情况进行实时评测，来确保学生的学习情况与教学情况保持高度一致。传统的评测手段需要教师和学生花费大量的时间和精力，教师很难保证对每个学生的学习情况都了解。教师还存在忽视学生是独立个体、是思政课堂上的主动接收者的现象，学生的学习理应是自发的、开放的、深刻的，而教师多采用大水漫灌的教学方式，不考虑学生的个体差异，只是单纯把学生看做知识的被动接收者，只需要认同和服从，难以让学生发自内心地去学习。

于学生而言，思政课教育过程中，部分大学生对思政课认同度较低，具体表现在:“第一，部分大学生对高校思想政治课程的社会价值和个人价值表示不太认同；第二，部分大学生对思想政治课教师的思想素质、知识水平和能力素质持不太认同的态度；第三，部分大学生对目前使用的教材、教学过程中运用的教学方式方法和实行的考核评价体系表示不太认同；第四，部分大学生对国家和高校对此课程的重视程度、认同氛围和制度保障体系持不太认同的态度。”[4]学生多以应付考试的态度来进行思政课的学习，没有意识到我国思政课教学是马克思主义中国化的重要成果，是被实践证明的科学理论，对指导我国社会主义现代化建设和学生发展有着重要意义。学生在成长过程中，因环境不同，有着不同的思想观念，并且还因为正处于成长过程中，思想观念不稳定，往往会有一些错误的想法，对思政课的认识仅存在于应付考试层面，甚至认为思政课是“水课”，很难发自内心地去认同这门课，从而给思政教师教育带来了阻力。学生对思政课学习投入较低，大部分学生除了在上课时、有作业时、期末考试前对思政课学习有所投入，其余时间基本想不起来主动进行学习。同时，对于思政课的学习，没有完整的体系和策略，在考前按照思政课教师画的“重点”突击学习。如果教师布置的任务较多，学生还会产生抵触、厌倦的心理。

(二)传统思政教育中的问题归因

当今，我国依然处于快速发展阶段；同时，国际形势风云激荡，充满风险与机遇。国内外环境的变化，势必带来教育环境的变化，因此在教学内容、教学方法、教师知识储备、学生认知基础等方面都发生了变化，思政课需要保持其先进性，首先就要在思政教育的教学内容中紧跟时代发展，教学方法要与时俱进，开拓创新，利用新的技术进行发展。教师知识储备和学生认知基础要同步发展，对于学生关注的问题要及时解惑，一起讨论；对于一些因谣言、偏见和负面舆论产生影响的内容，要及时对学生进行更正，做到师生共同进步。传统思政理论课教育中暴露的问题，要在新的历史条件下进行解决。

1.传统思政理论课教学内容覆盖范围小于实际需要

当前，思政课程教学面临的最重要问题是思政教学的方法。长期以来，高校思政教育常常处于“尾大不掉”的尴尬位置，直接舍弃又不符合教学规律，但继续存在却又意义不大[5]。思政理论课不仅要教给学生道德规范、法律知识，还要让学生形成积极的思考方式和处事方式。思政理论课教学内容存在很多不具备实用价值的内容，但是又具有宏大的体量，为学生学习带来困难，同时学生会存在不知道如何运用所学的理论知识。在学生实际需要中，理论知识范围又常常无法覆盖，因此思政理论课教学内容要结合实际需要，与现实结合，在其他课程中渗透思政，为学生提供有力的思想武器。

2.传统思政理论课评价机制技术革新缓于课程创新

思政理论课教育的目的是培养人的思想，具有很强的严肃性。思想理论教育不像工科实验可以推倒重来，如果教育方式有误，会对学生和社会带来危害。科学有效的评价机制会有很好的助推作用，然而在现代科技的迅速发展下，一些可利用的科技手段鲜有在传统思政理论课的评价机制中被利用，存在很强的滞后性，现行评价机制与现代的科技发展不协调。

3.传统思政理论课教师对学生的学习情况掌握不足

思政理论课一般为大班上课方式，一个教师常常要面对数百名学生，传统思政理论课教学方式下，教师获取学生的学习情况和学习进度渠道较少，无法及时掌握每个学生的学习进度，不利于因材施教。

4.传统思政理论课教学机制忽视学生的个人感受

传统思政教育过程中，往往只把学生当做承接知识的载体，而忽略了大学生的个人情感和在思政教育中的收获。大学生思政获得感是指在满足大学生现实教学需求的基础上，让学生可以感受到真实的收获，进而产生从被动学习到主动学习的转变[6]。增强学生获得感是用来衡量高校思政教育的重要尺度，高校能否通过利用信息化时代人工技能技术带来的红利，提高大学生在思政教育中的获得感，是高校思政教育中的重要研究方向，是实现高校“以人为本”教育理念的重要方法，为思政教育改革提供了强有力的推进作用。

5.传统思政理论课成绩评级分类方式过于低效

思政理论课的评价主体是教育者，评价客体是受教育者。随着时代的发展进步，评价主客体的思想水平、学习方式、行为方式、教育环境都发生了巨大变化。教师承担着对学生课程成绩评价方式的责任，而传统的评级分类方式多是采用考试的方式，教师所掌握的评级方式已经落伍，无法与学生的客观需求相匹配。然而时代是不断发展的，如果教师不能够与时俱进，学生在教育过程中就会感到枯燥乏味，因此需要结合当前时代背景，顺应当前国内和国际形势，采用新的思政理论课成绩评级分类方式。

高校传统思政理论课教学机制必须进行创新，来促进教师和学生的共同进步。“从根本上说是做人的工作，必须围绕学生、关照学生、服务学生，不断提高学生思想水平、政治觉悟、道德品质、文化素养，让学生成为德才兼备、全面发展的人才。”[7]

三、人工智能技术在教育领域的优越性

人工智能源于计算机科学和工程学，但并非仅仅受它们影响，在发展的过程中同时也受到哲学、经济学、神经科学、认知科学的影响。人工智能与教育相结合是当今高等教育发展的潮流，目前已经有相当多的人工智能产品已经在高校落地，随着技术的不断发展，未来人工智能技术还将解决更多的教育领域的问题，比如教育资源不平衡、批改作业繁琐、因材施教难度大等困扰多年的问题。尽管很多高校教师还不知道人工智能范围，以及具体应用，并且工业界对人工智能定义尚未达成共识，但是人工智能已经在高等教育领域生根发芽，迸发出蓬勃生机。人工智能教育(Artificial intelligence in education，AIEd)是将人工智能技术对教育产业赋能，促进自适应学习发展，通过大数据实现教育的个性化。人工智能教育的优越性主要体现如下：

1.特征分析和预测。机器学习(Machine Learning,ML)是一门交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，主要分为监督学习和非监督学习方法。监督学习是从给定的训练数据集中学习出一个函数，方法包括线性回归、logistic回归、KNN、SVM等；非监督学习方法输入数据没有被标记，也没有确定的结果，需要根据样本间的相似性进行分类，方法包括PCA和很多深度学习方法。机器学习方法可以运用在课程安排、处分决定、学生成绩分析上。

2.考核和评价。可以利用计算机视觉技术对文字进行识别，光学字符识别(Optical Character Recognition，OCR)技术已经发展的相当成熟，国内很多APP已经开始自动批改作业，比如猿辅导发布的拍照批改APP“小猿口算”。在大学作业批改中，尤其是有固定参考答案的题目，可以提前设置好答案，然后对试卷进行扫描批阅，尽管这一技术在思政教育中可能不太适应，但是将学生试卷电子化，便于思政教师随时批阅试题，有更多精力来进行教学任务。人工智能技术能及时提供反馈和考核结果，因此学生可以免去考试，把人工智能教育嵌入学习活动中，持续分析学生进步。机器学习算法可以用来预测某个学生无法按时完成作业概率，便于教师及时督促。

3.自适应系统。每个学生的喜好、习惯以及接受知识的方式不太相同，人工智能技术可以根据学生设置的偏好，进行个性化推荐学习内容，教师也能与时俱进，把握学生的兴趣点。个性化推荐系统(Personalized Recommendation System，PRS)是建立在大数据基础上，我们对该系统并不陌生，在网购、观看视频APP、百度搜索的时候，这项技术都会运用在我们身上，便于我们快速找到我们喜爱的内容。个性化推荐系统能帮助学生选定课程内容，推荐个性化内容，便于教师对学生学习内容进行分析，从学生兴趣出发，营造良好的课程氛围。

4.智能教学系统。智能教学系统(Intelligent tutoring systems,ITS)是一种基于人工智能的计算机系统，在不需要教师操作下，可用于模拟一对一私人辅导，为学生提供及时的指导。通过智能教学系统提供高效的反馈，学生能够自由提出问题，系统快速进行反馈，完成难度较大的作业。智能教学系统主要由四个模型组成：领域模型、学生模型、导师模型、用户界面模型。领域模型解决辅导模块提交给学生的问题；学生模型通过机器推断出学生的认知状态；导师模型基于其课程教学知识以及学生模型和领域知识之间的比较，从而控制和学生的交流与教学；用户界面模型集成了需要进行交流的三个模型的信息。通过智能教学系统，学生能够享受到充足的教育资源，便于偏远地区学生也能共享最顶尖的教育资源，不需要“行千里路”，也能“读万卷书”。

四、人工智能与思政教育结合

本文介绍了人工智能技术在教育领域的优势，当这一技术与思政领域结合的时候，思政教育得到了质的飞跃，让学生觉得思政教育同样站在时代的潮流上，加强课堂上师生交互，让思政课堂具有良好的教学氛围。

(一)基于DKT模型的学生思政学习进度追踪

借助于新的人工智能技术，实现教师和学生状态的同步，可以让思政教师快速获取学生的学习情况，通过大数据分析，对每个学生进行分类，对评级较低的学生及时督促学习。DKT ( Deep Knowledge Tracing)模型是在2015年的神经信息处理大会上被斯坦福大学的Chris Piech团队提出的，中文名为“深度学习情况追踪”，“所谓学习情况追踪,是通过对学生掌握知识的进度了解,准确预测学生后续的学习状况”[8]。通过DKT模型对学生进行思政学习追踪，对学生的知识基于时间建模，以便思政教师能精确预测学生对于知识点的掌握程度，以及预测出学生在下一次课堂的表现。精确的知识追踪能让教师抓住学生当前的需求，并按照学生的需求进行答疑解惑。早期的知识追踪模型依赖于一阶马尔科夫模型，随着深度学习技术的发展，现在采用循环神经网络(Recurrent Neural Network， RNN)来处理知识追踪任务，会让深度知识追踪更为灵活。

循环神经网络是一种时间序列的模型，信息是基于早期的信息和当前输入的信息进行递归传播的。RNN具有高维、连续的隐藏状态表示，最大的优势在于能利用更多的早期信息，尤其是RNN的变种长短期记忆网络(Long Short-Term Memory，LSTM)网络结构。RNN在很多时间序列问题上都能够取得非常好的结果，因此将RNN应用到知识追踪上会有更好的结果。DKT模型通过采用RNN算法，通过神经元处理后，得到学生学习的进度和掌握知识的情况，而在高校思政教育中，学生的思想改变就是体现了其学习情况。“学习《中国近代史纲要》的内容,通过了解中国近代人民所遭受的苦难以及在共产党的领导下中华民族走向伟大复兴的历程,所产生的民族耻辱感和民族自豪感的情感变化,将会在后续的学习过程中有所体现。”[3]通过DKT模型对学生的学习情况进行分析，与之前预测的结果进行对比，能够有效反映出学生思政学习进度，便于思政教师进行评价。对学习情况不佳的学生，教师可以及时督促学习，实时引导学生思想向正确转变。

(二) 基于PyTorch实现双向LSTM情感分析

PyTorch是最新的深度学习框架之一，由Facebook 团队开发，2017年在GitHub上开源，现在已经被广泛运用于自动化工作任务，在分布式训练、可扩展的生产和部署选项、多种设备支持方面备受好评，通过安装CUDA能够进行GPU加速训练，是基于基础数据类型张量(Tensor)工作的。PyTorch强大的功能，在特征分析和预测、考核和评价、自适应系统、智能教学系统均能够有很好的应用。情感状态反映了一个人的心理状态，心理作用很重要，如果心理异常，戴上了有色眼镜，看待问题极端，厌恶思政教学，教学效果就会适得其反。因此思政教师要密切关注学生情感，对学生进行心理疏导。

情感分析(Sentiment Analysis，SA)是属于自然语言处理(Natural Language Processing，NLP)领域的一个分支任务，近几年随着互联网的发展而兴起。情感分析是执行对一个文本的分析，获取文本表达的情感是正面、负面或者中性，还有少部分研究对情感进一步细化，从而更好地区分不同的情感强度。利用PyTorch框架，搭建基于LSTM模型的思政课程中学生的情感分析系统，能够识别文本的正面情感、负面情感。首先要进行数据集的收集，要收集学生在思政理论课程学习过程中的学习数据，包括学习内容、学习进度、心理变化、情感状态等，学生要把学习数据定期反馈，生成新的数据集，以此为基础，使用嵌入式词向量来表示词汇，然后进行神经网络的训练。通过嵌入层，新的词汇表示传入LSTM单元。这是一个递归连接网络，所以词汇的序列信息会在网络之间传递。最后， LSTM单元连接一个sigmoid输出层。使用sigmoid可以预测该文本是积极还是消极的情感。“应用情感计算理论与技术,有助于教师监测学习者的情感变化，调整教学策略和方法,实时给予学习者情感反馈,使教学质量达到最佳。”[9]在思政教育中进行情感分析，能够及时调控教师和学生的情感，积极的情感能够引导学生接收思政理论知识，形成良好的思政教学氛围，情感分析对于思政理论学习是非常关键的。

(三)基于自动语音识别实现师生互动

本次新冠肺炎疫情期间，上网课成为各大高校开展教学活动的主要形式，高校教师学习网络教学软件，极大地促进了“远程教育”的发展，可以预见的是，因为本次疫情的影响，教师和学生都习惯了上网课的教学形式，“远程教育”会逐渐成为教育行业中不可忽视的新模式。如果能在上网课的同时，将教师的话自动翻译成文本，以字幕的形式呈现在学生眼前，会更加便于学生学习，实际上，这项技术早就存在了，自动语音识别(Automatic Speech Recognition，ASR)就是实现这一设想的有力技术，并且发展得相当成熟，甚至在各类国际会议上，同声传译技术可以做到实时翻译成其他语言，我国的科大讯飞在该领域硕果累累。

在思政课堂上，采用自动语音识别技术，选择端到端(end-to-end)的LAS(Listen Attend and Spell)模型，能够考虑上下文的所有信息，精确度较高。系统输入教师与学生的音频数据，输出文本数据，通过声纹识别区分不同的人，记录下学习数据，既可以让教师对教学过程进行分析，便于学生课后温习，提高课堂参与度，促进师生良性互动，形成交互性的学习共同体，又能让学习数据作为情感分析依据和成绩评级方式。

(四)基于CNN形成新型成绩评定方式

教学过程中的最后一环就是成绩评定，在传统的思政教育过程中，教师是成绩评定的考评者，不同的教师会有不同的倾向，即使有相同的考评指标，同一答案在不同教师评定下会有不同的结果，势必会造成一定的不公平。且传统的评定成绩方式多采用“一次性评价”，在教学活动完成后用一次考试的方式来决定学生的成绩，一定程度上忽略了学生在整个学习过程中的参与，让很多学生养成了“临时抱佛脚”的习惯。卷积神经网络(Convolutional Neural Networks，CNN)是近年来深度学习的代表算法，是一种前馈神经网络，模拟了人的视觉神经网络，在计算机视觉领域取得了很大成功。基于CNN形成新的成绩评定方式，能够促进思政教育，这一注重学生思想培养的学科能够很好达到教学初衷；同时，采取同一标准进行评定，保证了成绩评定的公平性和结果的科学性。

基于CNN形成新型成绩评定方式不仅注重最终的考试，更注重学生和教师平时的课堂互动。通过自动语音识别实现师生互动后，统计每个学生的发言量，对发言内容进行评级，按照一定标准进行打分，与最终考试成绩一同作为评定最终成绩的输入。利用神经网络进行成绩评定，注重学生在学习过程中的客观学习情况，建立个人学习模型，能够强调以学生为思政教育过程中的主体，客观、科学地评定学生的成绩。

五、思政教育未来发展

在思政教育的未来发展中，仍当以学生为中心，由思政教师、人工智能、技术人员共同构成教学共同体。思政教育未来发展有以下几种思路：

(一)实现思政主观题自动阅卷

在思政试卷批阅上，思政教育客观题部分多为选择题，可以通过CNN进行手写字母识别，判断正误，但是主观题部分，多为开放性答案，目前技术在这种应用上有一定难度，正在进行关键技术的攻克。随着技术的发展，相信能够实现机器自动批阅试卷，为阅卷工作节约大量时间，为教师节省大量精力。

(二)VR思政教师

随着5G技术的发展，为虚拟现实(VR)带来了更多的可能，智能教学系统可以以教师的形式呈现，VR教学可能成为未来教育的发展趋势，学生可以足不出户，通过VR沉浸式的方式参加到教学活动中来，促进教育资源的均衡，便于偏远地区学生也能和名师零距离接触。

(三)思政知识图谱的建立

知识图谱最早是由谷歌发布，目的是提升搜索引擎返回答案的质量，从而提高用户查询的效率。在知识图谱辅助下，搜索引擎可以洞察到用户查询背后的一个语义信息，然后返回更为精准结构化的信息，更好满足用户的一个查询需求。建立思政知识图谱，能够辅助教师了解学生想法，学生更快了解到自己想要学习的思政知识，并且可以梳理思政知识脉络，明白思政理论与我国发展的关联性，从而更好地在实践中运用思政理论。由于知识图谱的结构比较稳定，因此如果学生思想产生异常，教师能够及时发现和引导。

六、结语

将人工智能技术运用于高校思政教育，能够从根本上推动高校思政教育水平的提高，用科学的力量解决传统思政教育面临的困境。技术发展要以人为本，始终贯彻服务师生的理念，让教师节省时间和精力，了解学生的想法，更好地去服务于学生，引导学生思想正确发展；让学生能够认识到思政教育是与时俱进的学科，及时发现自身的学习漏洞，查漏补缺，从思想上武装自己，成为建设社会主义现代化的生力军，成为奔涌的“后浪”。