[摘要]人工智能及相关技术在教育领域的应用，极大促进了具身认知环境的形成，成为高校学习者深度学习开展的重要基础。文章首先概述人工智能、具身认知与深度学习，其次阐述人工智能支持下具身认知环境的形成，再次分析高校学习者深度学习的主要特征，最后探讨利用人工智能和具身认知环境促进高校学习者深度学习的有效策略，旨在推动高等教育教学改革、支持学习者深度学习、重塑高等教育生态。
[关键词]人工智能,具身认知,高校学习者,深度学习
0引言
2019年2月《中国教育现代化2035》发布，明确提出建设智能化校园，统筹建设一体化智能化教学、管理与服务平台；利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。立足人工智能时代高等教育发展新生态，从推动高等教育教学改革和促进学习者深度学习角度，研究人工智能和基于具身认知环境的高校学习者深度学习问题，符合我国高校教育信息化发展新趋势。
1相关概念
1.1人工智能
人工智能系统能够基于知识工程、机器学习等技术进行数据处理，进而发现、分析、解决问题甚至作出预测。这种能力使得机器能够表现出类似人脑的反应，具有一定的“智能”。2023年，ChatGPT-4正式发布，其作为生成式人工智能大模型，以独特的多模态学习能力正在引发全球科技界的剧变。人工智能大模型是集智能感知、分析、决策、执行等功能于一体的泛在智能技术，通过深度融合数据、算力和算法等各要素，旨在实现生产要素优化配置↓。传统人工智能走的是专用化道路，影响范围有限，人工智能大模型的出现彻底改变了人工智能的走向，开始从专用化迈向通用化，由此产生的影响是跨行业、变革性的。
1.2具身认知
具身认知也被称为身体性认知，是通过身体与外界交互进行认知。具身强调认知对身体的依赖性，视身体为学习主体，身体是感知世界、建构意义的参照与媒介，参照体现为认知临在感的获得，媒介体现为身体与环境交互，认知形成于身体在环境中对活动形式及交互的体验[2]。具身认知环境指的是基于具身认知理论的身心融合、主客一体而建立的心智、大脑、身体、空间相互感知和嵌入的学习环境。具身认知环境以具身交互和具身技术为基础，主要有两个加工过程：一是来源于外部环境刺激的加工过程，表现为人对外部刺激的感知、调节，即具身；二是源自内部主体意识的加工过程，表现为人对知识、意义的主动解释、构造，即认知。具身认知被认为是有效学习的最直接体验。
1.3深度学习
学习是有层次的，并且是逐渐深入的。在教育领域中，深度学习是指借助具有整合作用的实际问题激活深层动机、开展具身交互和高阶思维、促进深度理解和实践创新并产生深远影响的个性化学习样态³。其主要有两方面特质：一是思想特质。深度学习是触及心灵深处的学习，是深入知识内核的学习，是体现生命本质的学习。触及心灵深处表现为愉悦体验学习，深入知识内核表现为意义建构学习，体现生命本质表现为智慧生成学习。二是实践特质。深度学习是激活深层动机的学习，是基于具身交互和高阶思维的学习，是促进深度理解和实践创新的学习。激活深层动机表现为自主探究学习，具身交互和高阶思维表现为具身认知学习，深度理解和实践创新表现为解决问题学习。深度学习是最为理想的学习形式。
2人工智能支持下具身认知环境的形成
进入信息化时代，技术的入场使人以信息化的方式存在，所产生的积极作用是明显的，但也出现了一些新的问题。由于物理层面的交互开始让位于数字界面的交互，身体直接参与的在场功能被弱化甚至被消解，导致学习者出现临场感不足、参与度不高等问题，引发认知失范。人工智能技术对具身认知的影响是双向的，一方面拓展了学习者的感知范围、能力，获得良好的“临在”、真实、强交互等沉浸体验；另一方面促使隐性外部信息显性化，有效提升外部信息呈现、传播效果，增强学习者对环境的依存感4]。人工智能技术的应用不仅丰富了具身交互的方式、方法、途径，还优化了具身交互结构。在新的认知环境中，具身交互是教师、人工智能、学习者彼此之间的交互。人工智能及相关技术的应用较好解决了具身交互问题，使学习者以“在场”方式参与到各项学习活动中，极大促进了具身认知环境形成。
人工智能支持下的具身认知环境有“直接在场”和“间接在场”两种形态。直接在场形态中，具身交互发生于现实环境中，具身技术直接作用于学习者，以延伸感知、加强体验；间接在场形态中，具身交互不是发生于现实环境，而是学习者借助具身技术打破时空限制，在不同数字空间的远程“在场”。鉴于“间接在场”具身认知环境临在感不足，需要积极利用人工智能等具身技术进一步拓展学习者的感知范围、增强学习者的感知能力，赋予学习者高真实性、强交互性等沉浸体验。这也是“间接在场”具身认知环境最显著的特征——人与环境的融合即“在场”。基于人工智能的具身认知环境是以学习者为中心的虚实混合环境，强调认知中学习者主体的具身交互参与性，突出人工智能技术与环境的深度融合性，表明认知学习环境的动态性、发展性，体现认知学习成果的体验性、生成性。
3高校学习者深度学习的主要特征
3.1是真正促进学习者个性发展的学习
深度学习是真正促进学习者个性发展的学习，主要体现为两个方面：一是精准识别学习者个性特征。人工智能技术应用为精准识别、全面分析学习者的个性特征提供了支持，无论是学习者的学习兴趣、风格、动机和已有知识等基础维度的个性特征，还是学习者的学习、思维、创新等方面能力和态度、情感等高阶维度的个性特征，都可以进行跟踪、监测并构建学习者模型。二是动态生成个性化学习目标。人工智能时代，基于构建的学习者模型，借助数据挖掘、多模态分析、智能测评等技术准确分析出“学习差距”,可以根据学习进程、效果进行动态调整，进而为每一位学习者确定个性化的学习目标。
3.2是一种具身交互的陪伴式学习
在传统“间接在场”形态认知环境中，学习者很容易因独自学习而出现自制力下降、注意力分散、情感“空虚”等导致学习过程中断。基于人工智能和具身认知环境的深度学习较好解决了学习过程中学习者的情感缺失问题，是一种具身交互的陪伴式学习。通过具身交互，学习者之间可以进行交流及情感反馈，实现对学习者的情感陪伴；通过具身交互，学习者与认知环境间“相互感知”而获得“在场”体验，实现对学习者的空间陪伴；通过具身交互，学习者、教师、人工智能环境之间就知识进行“纠缠”,实现对学习者的学习陪伴。学习者情感、体验的满足是深度学习开展的重要条件。
3.3是具有涌现、通用特点的智慧学习
人工智能在深度学习中的应用，使学习者可以在有限的时间内利用、学习、理解更多的资源、模式、特征，进而处理更加复杂的、具有挑战性的学习任务。当学习者保持这样深度学习的时间足够长，就会涌现出很多意料之外的智慧，使得生成智慧成为深度学习最突出的特征。这些通过深度学习生成的智慧除具有功能强大性、长期有效性外，还具有广泛通用性，可以用于解决、指导其他不同类型的问题、任务，表现出较高的边际价值和推广性，这些特性都是传统学习方式生成的智慧所不能企及的。基于人工智能和具身认知环境的深度学习是真正的智慧学习。
3.4是符合人未来发展要求的理想学习
发展目标上，深度学习兼顾人的认知、情感、意志等多维度发展。外显形式上，深度学习既是方式，也是目的。学习目标上，深度学习关注“理解、分析、应用、创造”等高阶维度目标。学习内容上，深度学习既关注概念性、事实性知识，也关注良构、非良构问题。学习内容不同导致学习过程不同，深度学习过程更加注重学习者对知识的反思、整合、运用、创造。学习资源上，可以根据学习者的个性特征、所处情境等有针对性地提供所需资源。学习策略上，可以利用学习者模型动态生成、推荐和选择。认识视角上，拓展到了整体视角，视深度学习为学习者、教师、环境三者的具身交互。
4高校学习者深度学习开展策略
4.1增强具身认知环境统一性，强化具身交互功能
具身交互的实现、具身体验的获得很大程度上取决于具身认知环境各要素之间的融合度，即具身认知环境的统一性，要求具身认知环境所涉各场景之间可以无缝切换，与学习相关的活动、行为都可以顺畅地跨场景迁移、实施，使学习者体验到真实的“在场”感。可以运用人工智能及相关技术高度模拟现实世界[5。比如，利用沉浸式语言训练技术创建与学习者相匹配的母语环境；运用情景感知、增强现实、人机接口等技术打破物理空间和虚拟空间之间交互的界限。具身认知环境的统一性越高，具身交互越容易实现，具身体验越容易获得，越容易促进学习者的深度学习。
4.2丰富学习支持服务场景，激发学习动机
学习的兴趣、动机直接影响学习的主动性、持续性及精力投入。调动、激发学习者的学习动机，克服头脑中因知识“堆积、分离”给学习活动带来的不利影响，实现浅层学习向深度学习转变，是促使学习者深度学习开展的有效途径。可以尝试通过丰富具身认知环境下的学习支持服务场景调动学习者的学习积极性，激发学习者的深度学习动机。比如，基于智能搜索技术，为学习者设计、推送个性化、充足、适合的学习资源；基于智能学习系统，为学习者提供提问、答疑、导航和社交等服务；基于智能测评系统，给予学习者学习方法、策略等反馈；基于信息可视化方法，绘制学习者成长曲线，以提高学习满意度；等等。
4.3加强新旧知识联系，促使认知向深度理解转变
信息化时代，信息的碎片化特点加剧了学习者头脑中本身就以“片段”形式存在的知识的碎片化，同时受已有知识、经验局限性和遗忘因素的影响，新旧知识之间的联系不足成为常态，影响到知识的迁移、应用和深度理解。对此，有必要借助人工智能技术帮助学习者强化新旧知识之间的联系，促使学习者认知向深度理解转变，主动开展深度学习。比如，利用学习者画像技术，在精准分析学习者个性特征后，结合学习内容确定学习者的“短板”,通过内容分析、关联分析等智能算法挖掘当前学习内容所涉及的新旧知识，自动形成学习内容、学习路径并推荐给学习者，供学习者自主选择开展学习，有效拓宽学习者的新旧知识联系渠道。
4.4发挥跨领域知识重构优势，提升高阶思维能力
高阶思维的形成离不开对复杂、多样知识的重构。在传统认知环境中，知识重构的效率直接限制了高阶思维的形成，可以发挥人工智能的跨领域知识重构优势，助力学习者高阶思维能力的提升6。比如，运用跨媒体智能检索、关联分析等技术收集、筛选、整合来自不同媒体、领域的信息、知识，应用云计算、大数据、数据挖掘等技术构建知识仓库，利用语义分析、多模态分析等人工智能技术进行知识的挖掘、分析、关联、演化、重组、表征、推理，绘制知识图谱，重构知识体系，生成新的知识与技术，供学习者跨领域迁移、使用。
5结束语
进入信息化时代之后，人工智能技术与教育教学改革之间的关系越发紧密、复杂。人工智能在教育领域的应用所产生的影响是深层次、变革性的，正在重塑教育生态。传统的浅层学习逐渐被人工智能取代，认知环境正发生根本性改变，人们已经意识到真正需要的是触及生命本质的深度学习。上述所有变化、变革都要求我们必须正视人工智能，正视认知环境，正视深度学习。
主要参考文献
[1]李世瑾，王成龙，顾小清.人工智能教育治理：逻辑机理与实践进路[J].华东师范大学学报(教育科学版),2022(9):55-66.
[2]钟柏昌，刘晓凡.论具身学习环境：本质、构成与交互设计[J].开放教育研究，2022(5):56-67.
[3]陈明选，周亮.数智化时代的深度学习：从浅层记忆走向深度理解[J].华东师范大学学报(教育科学版),2023(8):53-62.
[4]余南平，张翌然.ChatGPT/生成式人工智能对教育的影响：大国博弈新边疆[J].华东师范大学学报(教育科学版),2023(7):15-25.
[5]朱永新，杨帆.我国教育数字化转型的现实逻辑、应用场景与治理路径[J].中国电化教育，2023(1):1-7,24.
[6]卢迪，段世飞，胡科，等.人工智能教育的全球治理：框架、挑战与变革[J].远程教育杂志，2020(6):3-12.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/82244.html
