人工智能時代的知識:致力于培養(yǎng)專長和學會遷移
發(fā)布時間：2020-12-11 00:23
人工智能時代的到來對就業(yè)能力產(chǎn)生了重要影響,它要求教育者樹立新的雙基觀,即聚焦基礎知識(包括核心概念和基本內(nèi)容)和基本能力(包括技能、品格和元學習);既精通專長,又學會遷移,并在兩者間保持適當?shù)钠胶狻＝逃粌H要造就T型人才,更要培養(yǎng)M型人才。所謂掌握知識,重在尋求意義和促進理解,尤其是要注重概念學習,真正做到知行統(tǒng)一。掌握專長和學會遷移是通過理解概念,而不是學習那些很容易接觸并掌握的內(nèi)容實現(xiàn)的。這就是說,要在學習內(nèi)容上將翻轉(zhuǎn)課堂教學法和技術相結合,從而實現(xiàn)課堂時間主要用于基于活動的概念學習。核心概念是知識的動力工具,在課程中應置于重中之重的地位。在學習上,如果能做到知行統(tǒng)一,就能降低產(chǎn)生脆弱知識、配方知識和惰性知識等有缺陷知識的可能性。
【文章來源】：開放教育研究. 2018年02期 第13-22頁 北大核心CSSCI
【文章頁數(shù)】：10 頁
【部分圖文】：
隨時間推移工作所需任務類型的變化
災耙檔撓跋歟?約?對日益遞增的“職業(yè)消亡”的關注，其數(shù)字變動范圍在9%(OECD)到50%(牛津大學)之間。隨著大量文章嘗試描述世界末日到歡樂的烏托邦的場景，以及嘗試描寫兩者間的各種細微差異，這一主題最近得到了公眾的廣泛關注(如Chui，2017;Surowiecki，2017;Hensel，2017;Shewan，2017;Jones，2017;Swarte，2017)。人工智能的進展對很大一部分人，特別是高技術人才是極具震懾力的(Anthes，2017)②。審視它發(fā)展趨勢的方法之一，就是運用布盧姆教學目標分圖2a認知技能領域自動化的發(fā)展(來源:CCＲ)·41·瑪雅·比亞利克，查爾斯·菲德爾.人工智能時代的知識:致力于培養(yǎng)專長和學會遷移OEＲ．2018，24(2)
圖2b情感技能領域自動化的發(fā)展(來源:CCＲ)圖2c動作技能領域自動化的發(fā)展(來源:CCＲ))類系統(tǒng)理論對認知(Krathwohl，2002)、情感(Krath-wohletal，1964)和動作技能領域(Simpson，1971)進行分析，這是為了理解日益復雜的思維、情緒和動作，并對其進行分類的需要。圖2顯示，現(xiàn)有運算法則已經(jīng)覆蓋了人類能力的重要部分，而這僅僅是影響的開始。人工任務和計算機任務之間的界限有多清晰?一旦任務被自動化，是否還為人類留有余地?國際象棋是我們可以設想的，它或以人類憑借直覺進行整體性游戲，或以自動化、運用強大的運算能力進行算法性游戲。1997年，深藍計算機在國際象棋較量中擊敗了世界冠軍加里·卡斯帕羅夫，預示著國際象棋進入電腦趕超人腦的行列。同樣，游戲Go最近被攻克了，甚至利用運算法則設計出人類玩家還沒使用過的創(chuàng)新策略。③然而，盡管計算機確實可以在國際象棋的較量中擊敗人類，但兩者的結合似乎比任何一個獨自運作更為強大。自由比賽的結果表明，業(yè)余國際象棋選手使用電腦可以打敗電腦、大師級選手，甚至戰(zhàn)勝性能較差電腦的大師級選手(Brynjolfsson＆McAf-ee，2014)。表面上看，這又是個很好的例子，說明電腦入侵了過去被認為是人類獨有的領域，但事實證明，人類可以把運算法則作為工具加以使用，讓人類將擅長的事情做得更好。表一計算機、人工和人機結合小組的比較實體優(yōu)點不足電腦在尋找解決方案的龐大檢索空間里快速生成和測試�？焖偬幚泶髷�(shù)據(jù)。開放世界中的解決方案生成器是不完整的。數(shù)據(jù)難以對開放世界作出充分表征。人類團隊有開放世界的生活經(jīng)驗。多領域的跨學科團隊的多元化經(jīng)驗。存在協(xié)調(diào)成本。人機團隊(最高性
本文編號：2909557
【文章來源】：開放教育研究. 2018年02期 第13-22頁 北大核心CSSCI
【文章頁數(shù)】：10 頁
【部分圖文】：
隨時間推移工作所需任務類型的變化
災耙檔撓跋歟?約?對日益遞增的“職業(yè)消亡”的關注，其數(shù)字變動范圍在9%(OECD)到50%(牛津大學)之間。隨著大量文章嘗試描述世界末日到歡樂的烏托邦的場景，以及嘗試描寫兩者間的各種細微差異，這一主題最近得到了公眾的廣泛關注(如Chui，2017;Surowiecki，2017;Hensel，2017;Shewan，2017;Jones，2017;Swarte，2017)。人工智能的進展對很大一部分人，特別是高技術人才是極具震懾力的(Anthes，2017)②。審視它發(fā)展趨勢的方法之一，就是運用布盧姆教學目標分圖2a認知技能領域自動化的發(fā)展(來源:CCＲ)·41·瑪雅·比亞利克，查爾斯·菲德爾.人工智能時代的知識:致力于培養(yǎng)專長和學會遷移OEＲ．2018，24(2)
圖2b情感技能領域自動化的發(fā)展(來源:CCＲ)圖2c動作技能領域自動化的發(fā)展(來源:CCＲ))類系統(tǒng)理論對認知(Krathwohl，2002)、情感(Krath-wohletal，1964)和動作技能領域(Simpson，1971)進行分析，這是為了理解日益復雜的思維、情緒和動作，并對其進行分類的需要。圖2顯示，現(xiàn)有運算法則已經(jīng)覆蓋了人類能力的重要部分，而這僅僅是影響的開始。人工任務和計算機任務之間的界限有多清晰?一旦任務被自動化，是否還為人類留有余地?國際象棋是我們可以設想的，它或以人類憑借直覺進行整體性游戲，或以自動化、運用強大的運算能力進行算法性游戲。1997年，深藍計算機在國際象棋較量中擊敗了世界冠軍加里·卡斯帕羅夫，預示著國際象棋進入電腦趕超人腦的行列。同樣，游戲Go最近被攻克了，甚至利用運算法則設計出人類玩家還沒使用過的創(chuàng)新策略。③然而，盡管計算機確實可以在國際象棋的較量中擊敗人類，但兩者的結合似乎比任何一個獨自運作更為強大。自由比賽的結果表明，業(yè)余國際象棋選手使用電腦可以打敗電腦、大師級選手，甚至戰(zhàn)勝性能較差電腦的大師級選手(Brynjolfsson＆McAf-ee，2014)。表面上看，這又是個很好的例子，說明電腦入侵了過去被認為是人類獨有的領域，但事實證明，人類可以把運算法則作為工具加以使用，讓人類將擅長的事情做得更好。表一計算機、人工和人機結合小組的比較實體優(yōu)點不足電腦在尋找解決方案的龐大檢索空間里快速生成和測試�？焖偬幚泶髷�(shù)據(jù)。開放世界中的解決方案生成器是不完整的。數(shù)據(jù)難以對開放世界作出充分表征。人類團隊有開放世界的生活經(jīng)驗。多領域的跨學科團隊的多元化經(jīng)驗。存在協(xié)調(diào)成本。人機團隊(最高性
本文編號：2909557
本文鏈接：http://www.lk138.cn/jiaoyulunwen/xuekejiaoyulunwen/2909557.html
最近更新
教材專著
