3.感知层

感知层是让机器和人一样能看会认，能听会说，具备感知能力。该层涉及的技术主要有语音识别与合成、计算机视觉、图像识别、生物特征识别、文字识别等。其中，语音识别和人脸识别分别入选《麻省理工科技评论》评选出的“2016年十大突破技术”和“2017年十大突破技术”。在我国，人工智能识别技术已处于世界领先行列，被广泛应用到教育教学中。近年来，基于语音识别技术的语言测评与辅助学习软件层出不穷，它们通过识别学习者的语音然后进行评测并给出修正意见以帮助学习者提升语言表达能力。图像识别技术在教学上的应用也颇具成效，基于该技术的拍照搜题软件被中小学生广泛使用。生物特征识别技术能够捕捉和感知学生学习过程中的面部表情、手势等变化，帮助教师了解学生在课上的学习情况。计算机视觉是利用计算机通过模仿人类视觉来感知和理解世界中的物体（Zhang et al.，2014），借助该技术可以采集学生学习过程中的图像，对其特征进行提取、分析，从而达到学情监测的目的。

4.认知层

认知层是感知层的进一步发展，不仅能够让机器感知和识别语音、图像和文字，而且能够读懂语音、图像和文字的内在含义。该层涉及的技术主要有自然语言处理、智能代理、知识表示方法、情感计算等。自然语言处理技术能够让机器“理解”人的语言，其在教育领域的应用主要体现在机器翻译、作文评价与批改、智能问答与人机交互等。智能代理技术能够让机器变得更具人性化和个性化，被广泛应用到教学系统中以提升教学质量。知识表示方法是指将人类知识推理编码成符号语言，使其能够被信息系统处理，该方法在提升专家系统智能方面发挥了重要作用。情感计算是人工智能的一个热门话题，是Picard教授于1997年在麻省理工学院提出的，她认为情感计算是对情感或情感产生影响的计算（Picard，1997）。情感计算应用于教育教学，可以有效促进学习者情感上的交互，从而提高学生学习的积极性。

5.教育应用层

教育应用层位于教育人工智能技术框架的最顶层，是各类人工智能技术在教育领域应用的集中体现。目前，人工智能教育应用主要聚焦在智能导学、自动化测评、拍照搜题、教育机器人、智能批改、个性化学习、分层排课、学情监测8个方面，服务的对象主要是学生、教师和管理者。

智能导学系统是利用人工智能技术提供个性化学习指导的自适应教学系统（Graesser et al.，2005），该系统能够满足不同学习者的需求，在知识、技能和情感上提供智能服务。在自动化测评方面，一些基于人工智能技术的语音测评软件，已投入市场。借助图像识别技术，拍照搜题类软件为学生的自主学习提供了便利。教育机器人作为一个强有力的学习工具，在教育领域的应用越来越普遍（Benitti，2012）。智能批改借助人工智能技术能实现作业自动批改，并给出评语和修改意见。在个性化学习方面，人工智能技术结合大数据能为每位学生制定个性化的学习路径，推送合适的学习资源，提升学生的学习效果。分层排课是利用先进的人工智能算法实现“一人一课表”，以应对分层教学带来的挑战。学情监测是借助人工智能技术全面了解学生的学习情况，并对其学习结果进行预测和干预。

三、教育人工智能的典型应用模式

教育人工智能的应用核心应聚焦教育目标和价值体系，利用人工智能技术的优势与教育过程相融合，以产生1+1＞2的效果（张坤颖等，2017）。根据目前人工智能技术的特点和优势，本研究认为人工智能可以解决三个层面的教育问题，分别是面向特殊人群的补偿性教育、针对常规业务的替代式教育以及服务个性发展的适应性教育（见图2）。

图2 教育人工智能三层次应用模式

1.面向特殊人群的补偿性教育

所谓补偿，就是抵消损失，弥补缺陷（贾静元，2016）。缺陷补偿是特殊教育的重要目的，其有两层含义：一是指用机体未被损害的部分去代替、弥补已损害的部分，以产生新的机能组合和新的条件联系；二是指利用新的科学技术、工具与手段使机体被损害的机能得到部分或全面康复。