本文淺析了人工智慧教育下的7種新學習方式——遊戲化、社交化、協作型、問題式、自主型、探究型、專案式。

人工智慧教育的形態

減負、整治監管、素質教育這三座大山把K12教育的線下輔導機構、線上教育壓得喘不過氣來，逼得不管是線上還是線下的K12教育企業不得不面臨變革，而變革的企業無一不順勢而為，遵從素質教育、順應人工智慧教育。

似乎只有打著人工智慧教育的旗號，才能避開監管雷區，才能夠獲得資本青睞。但更多的企業也僅僅是打著旗號，並沒有實質性的改變，只是利用人工智慧教育的賣點，尋找新的賣課渠道，新的營銷方式而已。但不管怎樣，現在看來，只要藉助人工智慧“發力”的教育企業，都能夠活得好好的。

時下的人工智慧教育是社會的一個熱點、甚至是一個風口。那人工智慧教育到底是什麼呢？

從現在市場來看，人工智慧教育主要分為兩個賽道：

其一，是人工智慧對教育進行賦能

主要體現在兩個方面：

一方面，人工智慧賦能學校基礎設施，讓學校、課堂網路化、智慧化。諸如：人臉識別的門禁系統、網路協同的雙師課堂、以及近期被廣泛議論的由曠世出品的監測學生課堂行為狀態的人臉識別應用等等。
另一方面，人工智慧賦能教學練測評，讓教學及學習個性化，提升教與學的效率。諸如：松鼠AI的自適應學習系統、英語流利說千人千面的學習體驗等等。

其二，是對人工智慧知識進行教育

主要表現在機器人教育、人工智慧教育、程式設計教育等讓學生學習人工智慧知識，掌握程式設計能力。

諸如：童心制物推出的富有AIOT元素的電子積木“神經元”、優必選、樂聚的教育機器人、大疆出品的機甲大師RoboMaster S1教育產品等等。

從兩個賽道的劃分，顯而易見人工智慧教育有兩種不同的教育模式。但，不管是第一個賽道的K12人工智慧教育，還是第二個賽道以STEAM教育著稱的人工智慧教育，他們都圍繞著學生與學習。換句話說不管任何形式的人工智慧教育都無法脫離學生與學習兩者的關係。

也就是說，我們要用好人工智慧教育，就得先搞清楚學生與學習的本質問題。而從市場競爭、商業邏輯上來看現在的人工智慧教育，每個企業似乎看起來都擁有自己一套完善、成熟的打法。

諸如：K12的人工智慧教育以知識圖譜、學生畫像、學生學習行為資料等個性化的服務來形成差異化乃至競爭壁壘的戰略。
諸如：STEAM的人工智慧教育以豐富的課程體系、優質的師資力量、軟硬體產品一體化、競賽模式等全覆蓋的服務來爭奪市場份額的商業邏輯。

隨之，學生與學習的探究也往往被忽略。從短期來看，忽略自認為不起眼的問題好像也沒造成什麼重大的“事故”發生，甚至人工智慧教育愈發火爆，入局者大到網際網路巨頭、小到線下教育機構都躍躍欲試。

而從長遠來看，K12的個性化教育的確能夠提高學習效率、體驗，甚至有不錯的學習效果。現在假設，透過這樣的學習方式，最終讓每位學生都成為不分高低的學霸，那整個社會、市場就會失衡了。也就是普通中學、職專、大專、二本、甚至一本都不復存在，而將近1.7億的中小學生，2700萬的大學生要就得在那些一流的院校擠一擠了。

從經濟學上來講，一旦供需失衡，整個市場就會產生動盪以至經濟下行。同理，教育失衡，人才培養、人才供應就會出現問題。

上述的假設可能比較不切實際，但又有誰能夠預料未知的事物呢？

也不妨從比較實際的假設來看，假如個性化的學習或者機器的教學比教師教授來得更有效率，能取得更好的成績，那這個更私人化的機器或許就會讓教師“失寵”，那對學生有人生意義的啟發和引導的任務，教師還能夠繼續嗎？

同樣，從長遠來看STEAM的人工智慧教育，STEAM教育的風口必將催生越來越多不同形態各式各樣的入局者。現在假設，每位學生都有機會接觸很多不同型別的產品，那人工智慧知識會不會像現在移動網際網路的資訊一樣，碎片化、內容參差不齊。而，對於辨別力還不是很敏捷的中小學生來說，人工智慧的哪些知識是值得學習的、哪些是沒必要深入的，我想他們可能分辨不出。

所以，人工智慧教育的本質還是教育，教育就必須得圍繞學生與學習。不管是AI時代的AI教育也好，或者是未來時代的未來式教育也罷，學生與學習之間的關係都是永恆的，是學生就一定得學習，要學習就要把自己當做學生。由此，本文將從7種新的學習方式，來聊聊新的學習方式對學生學習有何影響。

新學習方式

何為新的學習方式，顧名思義就是跟傳統學習方式有差異的地方，而傳統的學習方式就是我們耳熟能詳的以應試為主的先教後學再考、題海戰術、千人一面的PPT的教學方案、唯分數唯成績論的學習。

反觀，一直以來推行的素質教育，以先學後教再測的翻轉課堂、慕課，以千人千面的個性化學習，以資源共享、網路協同的雙師課堂教學模式為代表的所謂新型的學習方式。

除了應對應試教育的個性化學習方式之外，當下的素質教育、人工智慧教育還需哪些學習方式才能夠在教學模式、教育理念上進行變革呢？

或許，還有這幾個學習方式需要我們關注，遊戲化、社交化、協作型、問題式、自主型、探究型、專案式等7個。

其中，可根據學生與學習的關係，將上述學習方式劃分成學習心理、群體心理、教學心理這三類，依次對應：遊戲化、自主型；社交化、協作型；專案式、探究型、問題式。

1. 遊戲化

對於學生來說，要是學習像遊戲一樣好玩、輕鬆，像遊戲機制一樣有極大的吸引力，那可想而知，他們就會把升級打怪的精力全部都放在學習上，遊戲玩法戰略就都運用到學習方法上了。

當然，令人嚮往著迷的遊戲也不僅僅有這幾點魅力，就像前一篇寫到文章，遊戲之所以能夠比玩具更有吸引力是因為它擁有4大法寶。

對此，遊戲化的學習體驗，相信能夠引起學生的關注、興趣、嚮往。諸如：現在的少兒英語、少兒程式設計、早教等產品很多都利用遊戲化的元素，結合遊戲通關的機制來觸達使用者。

2. 自主型

自主型，顯然是讓學生有權利選擇自己感興趣的事物進行學習，而在應試教育體制下，學生的選擇餘地並不大，他們除了為考試而學習外，做其他事情似乎得不到父母支援，甚至被受限。

正如前階段熱播劇《小歡喜》，就把應試教育與家庭教育體現得淋漓盡致一樣，除了高考其他的興趣、愛好都不受待見。

劇中，喬英子可謂是學霸，但她沒有自主選擇興趣、專業的權利，完全受限於她母親宋倩。她母親不讓她玩樂高、不讓其填報南京大學，以致最後喬英子沒抵擋住父母、學習的壓力而得了鬱抑症。這部劇就是在描繪當前教育與家庭的現狀，推薦你看。

反觀，要是學生有自主選擇的權利，他們就會對自己所做的選擇負責任，就會因為責任而自主學習、努力以抵達目標。就像喬英子的夢想是研究宇宙、邀遊太空，雖然興趣、選擇多次受阻，但她依舊朝著夢想奮進，因為她會對夢想負責任。

從中，我們也可以發現，對於學生們來說，興趣驅動的事物往往會有更大的精神支撐，會有更持久的戰鬥力，會更自主。顯然，現在的STEAM教育就是為興趣而生，但似乎缺了什麼？這個疑惑暫時保密。

3. 社交化

社交是我們人類賴以生存的剛需，也是作為群居動物的生存法則。所謂，物以類聚人以群分，是有資料依據的，據調查研究發現，學習成績好的學生周邊的同學成績也不賴。（排除特殊情況，綜合考慮）

當然，這並不是教唆學生都跟所謂成績好的同學相處或排斥其他學生。我想說明的是，為什麼會有此種現象？

其實這種現象也並不是什麼巫術，你想，當一位成績中上的學生與幾位成績優異的學生聚集在一起後，他們會幹嘛？

我想，他們會討論學習或者與學習相關的事情，為什麼。因為學習相關的事，是成績優異學生們擅長的東西，他們當然渴望在群體中獲得認可、成就感，所以成績優異的學生之間會因為某個問題的最優解而爭論、而這過程的批評性思維就是社交後的收穫。你想，自己跟自己能爭論出什麼東西來。

當然，成績中上的學生可在尋求最優解的探究中學習，向成績優異的同學學習，久而久之，他們就會被學習氛圍所帶動，感染。而其實這類群體的學生也並不是炮灰，他們也可以從自己擅長的領域切入，來獲得存在感、參與感。另外，由於強者不認輸的志氣，所以成績優異的學生是不是可以從中學到自己並不擅長的領域的知識。

反觀，要是不進行社交，他們之間就無法相互學習，無法感受到群體帶給他們強烈的成就感。當然，現實生活中的社交好處更是不言而喻。

同樣在上一篇文章提到，現在的智慧玩具-程式設計教育產品有一個軟肋就是無法做到網路協同，線上化社交，這也讓其產品失去群體的優越。

4. 協作型

一個人走得快，但走不遠，這就是團隊的力量。脫離團隊的協作、合作，我們難以完成一件需多方資源介入的事情。

那學習上要是進行協作，會有什麼預想不到的事情發生呢？

可以這麼假設，假如在一次時間緊張且乾貨多的講授課中，要是僅憑一個人的記錄，可能是會遺漏些。但，要是事先約定好，進行默契的配合，或許可將整堂課重要的內容一字不落的記錄下來。

反觀，STEAM的人工智慧教育，在實驗作品的輸出，比賽作品的製作過程中，更是不能忽略團隊的協作的作用。是可以脫離團隊獨立完成，但畢竟一個人的智慧是有限的，沒有了頭腦風暴、集思廣益，或許作品的創意不夠或者創新性不強，甚至完成度達不到預期。

但，從這些場景也僅僅能看到協作的表面。現，仔細想想，也許我們可以發現協作背後也許面臨著競爭、磨合、夥伴、角色這個飛輪。

團隊的形成或許正是這一流程，想想學生們參加的競賽為什麼大多是團隊式的，從政府頂層設計的目當然是促進學生之間協作的教育目的，但要是從學生的角度來看，其實是因為比賽是競爭式的，所以需要站隊，結伴而行。這也就是為什麼學生們要尋求參賽團隊的根本原因。

顯然，團隊存在的目的不單純是為了在氣勢壓倒一切，競爭意識是觸發形成團隊的因子。而團隊的真正建立，是要經歷一場甚至多場賽事的磨合，才逐漸清楚哪些人適合這個團隊，團隊中的每個人依依適合什麼角色，扮演什麼角色才能夠發揮他們各自的競爭力。

只有如此反覆的運轉，大浪淘沙後才能找到志同道合的人，才能夠擁有競爭力的Team。反觀，現在的學生參賽團隊，要麼共同經歷過一次或多次比賽就散了，要麼在學業結束後不得不終結，散場。

我想，STEAM的人工智慧教育，應該試著打破這種情況，做到讓學生在教育過程中組建一支強有力的團隊，走出校園、走向社會、走向崗位甚至走向世界、未來。

最後，我們聊聊現行的STEAM人工智慧教育在新的學習方式的協同下，能否助力素質教育的發展。

5. 專案式

在程式設計教育流行的時下，或許你對專案式學習（PBL）並不陌生，為什麼該學習方式會如此盛行呢？

我想，一來是跟程式設計教育的形式有關，程式設計教育需以專案為依託，以實際的物品、問題，以虛擬作品創作為載體，從而透過輸出來檢驗或測試程式設計教育的學習情況。

二來是跟專案式的流程有關，時下對素質教育的呼籲，無非是為了訓練、培養學生的綜合素養、綜合能力。而專案式的教學或學習過程正符合綜合能力的訓練。

從創意/新想法的產生足以判斷該學生具備獨立思考的特性，而產生的創意一旦被進一步分析，開始分析創意的可行性、新穎度並對創意進行發散的構思，這足以展現該學生的知識儲備及活躍的思維。

直至進行到方案和問題的拆解階段，這對學生的創新及解決問題的能力具有極大的考驗，也是形成經驗的階層。

而行動、實施更是顯而易見，這是對一位學生行動力、驅動力以及動手能力的考察。最後的評估及最佳化，其實是反映一位學生的追求程度、看待問題的態度，乃至分析問題的能力。

反觀，實際的STEAM教育，往往忽略該教學過程的。

6. 探究型

探究，顧名思義是對一件事進行追溯，以聯想、發現更多相似的知識。不知道你們當時是否偏科以致對某門課程無比熱愛，而我就是一個數學狂。當時，我學習數學的態度可以用探究來形容，因為我時常會因一道題沒解出來，而花很多時間去研究它，以至解出並從中發現一些規律或者說最優解。

而研究，其實是在不斷推翻自己的假設，驗證提出的假設，以及對假設做出的結論進行質疑的過程。這一持續的過程，是不斷重新整理自己的解題思路，更是不斷訓練自己批判性思維。

反觀，STEAM教育的作品輸出也好或者人工智慧理論知識學習也罷，其實更多的是缺少質疑的環節。

諸如：學生們利用電子積木搭建一個避障小車的物聯網應用時，他們會提出自己需要的假設，比如設想，紅外檢測感測器的檢測距離設定多遠，檢測到障礙物時右轉還是左轉。

在看似沒問題的假設後，開始進行試驗，此時他們已在小車前方安置了感測器，並設定好“檢測到障礙物時-執行右轉的程式”，在正常的條件下進行驗證，實際往往會按照預期執行。

由此，他們會終止此項應用的探究。但，這過程其實更有意思的是提出質疑，比如：要是左右兩側、後方，都有其他的小車來撞擊自己時，該如何是好，是否考慮全方位安裝感測器。比如，障礙物是否太小以致檢測不到，障礙物是否透明以致感測器無法進行判斷等等，圍繞應用進一步探究的問題。

而上述的質疑，其實就是不斷提出問題、發現本質問題的過程，這也就是最後一個學習方式。

7. 問題式

如果上述的避障小車應用到實際的自動駕駛汽車上，後果相當嚴重。可能我們不應該將學生的作品與實際產品對應起來，但想想，如果人工智慧的教育是脫離實際場景或實際應用，那人工智慧教育的意義是否缺失了？學生們認識到的人工智慧僅僅是一個雛形，甚至是一個產品、應用的模型。

那有朝一日，他們實際開發時，會不會按照之前的思維進行設計，設計出缺失可用性、缺失安全性、缺失價值性的產品來。

所以，在實際的教學中，實際的創作過程中，我們應該教授他們將人工智慧的知識深入到實際場景中，在實際的環境中發現應用最關鍵的問題，發現產品最本質的問題。也就是應對每一個專案、每一份作品、每一個應用時，需圍繞應用最核心的部分，多多質疑，多多提出問題，多問為什麼，以使來反覆校正自己的對應用的認知。

正如前面提到，當AI產品越來越多樣，越來越雜亂時，學生怎麼辨別出哪些東西該學，哪些不該學。我想，此刻的答案應該是，學那些離我們實際場景最近，對實際應用最契合的知識。

反觀，現在程式設計教育、人工智慧教育，它們離掌握實際的人工智慧技術、應用到底有多遠呢？希望引發你的質疑。

人工智慧教育下的7種新學習方式