■人機協同教學的起點是借助機器智能分析與教師經驗判斷，建立符合學生差異化需求的教學目標。以此為基礎，進一步破解如何激發學生深度參與的教學互動、如何實現伴隨式的精準教學評價與反饋
　　
　　■人機協同教學的關鍵在于構建充分發揮學生主體性、促進學習真正發生的教學形態。要通過教學目標與學情動態匹配、師—生—機多向適應性交互、伴隨式診斷與精準化反饋，構建師生機的深度合作關系
　　
　　■人機協同教學實施需要針對具體教學場景與問題，在“師—生—機”三者數據與信息充分交互中完成人機雙向賦能、協同決策，實現從目標決策到過程互動再到評測反饋的全流程合理設計
　　
　　當前，人工智能技術加速迭代演進，引領高等教育數字化創新發展，重塑高等教育教學模式。具體來講，生成性人工智能應用逐漸演化成為具有一定能動性、適應性和自主性的智能體，以AI助教、AI學伴等形態融合應用于高等教育教學中，對傳統教學模式進行要素革新與流程再造，并逐漸形成“人機共教、人機共育”的人機協同教學模式，逐步實現規模化與個性化兼顧的教學形態，以滿足智能時代對大批創新人才培養的需求。
　　
　　1 人機協同教學的起點是什么
　　
　　當前，“以學生為中心”是高校課程與教學創新的基本理念。因此，人機協同教學的起點是借助機器智能分析與教師經驗判斷，來建立符合學生差異化需求的教學目標。以此為基礎，進一步破解兩個關鍵問題：一是如何激發學生深度參與的教學互動，二是如何實現伴隨式的精準教學評價與反饋。
　　
　　就教學目標設定上，需要關注如何在內隱素養的外顯分析與挖掘中把握“預設”與“生成”目標的平衡。當前，高等教育的教學目標從知識技能傳授向學生核心素養的培養轉變，更加強調引導學生自主探究與主動建構，發展其批判性思維、復雜問題解決、學習遷移等高階能力。然而，核心素養是學生內隱關鍵能力與必備品格的體現，因此，高校教學中需要依托人機協同的環境條件，實現對內隱素養的外顯分析，更加精準識別學生當前的素養水平。此外，高校教學目標不僅要實現學科知識概念、定理和公式等客觀性、規則性“預設”知識的積累，還要在此基礎上打破特定專業對知識邊界的窄化限制，重視內隱性、實踐性的主觀“生成”知識，即更多需要靠學生親身參與、感受體悟、意會等方式獲得知識。這就要求教學目標設置中，充分分析挖掘學習者的學情信息，實現預設性與生成性教學目標的平衡。
　　
　　圍繞教學目標設定的內容、方式的改變，課堂教學策略與評測反饋也隨之改變。就教學策略，生成式人工智能技術融入課堂的人機協同教學賦予教師、學生、AI智能體各自承擔不同的角色與任務，同步塑造了新型合作關系，加速知識的共享與生成，使學習過程成為共同解決問題的深度互動過程。就評測反饋，智能技術扮演了學情分析師、個性化學習規劃師等角色，輔助教師評估學生達成目標的狀態，進而調整教學策略。
　　
　　因此，如何充分發揮人機協同的智慧，實現對學生知識理解、思維發展、價值塑造等高階目標的伴隨式精準評測還需進一步探索。需要注意的一點是，盡管精準的伴隨式評價需要采集全流程、多場景、多維度的學習數據，提高數據采集的連續性和可追溯性，但更不能打斷師生正常教與學的進程，以免帶來教學負擔。
　　
　　2 人機協同教學的核心環節是什么
　　
　　人機協同教學的關鍵在于構建充分發揮學生主體性、促進學習真正發生的教學形態，需要重點聚焦通過教學目標與學情動態匹配、師—生—機多向適應性交互、伴隨式診斷與精準化反饋來構建師生機的深度合作關系，激發群體智能，促進學生深度學習。
　　
　　一是教學目標與學情動態匹配。在實現預設性與生成性教學目標平衡的過程中，需要清晰明確“人”“機”的角色定位與協作機制。在角色層面，教師需要自上而下融通專業與社會需求，判斷學生應達成的核心素養目標；智能體承擔更多自下而上分析學生學情的任務，在規模化課堂教學中挖掘學生群體學情，在個性化互動交流中挖掘學生個體學情。在協作機制層面，重點體現在兩方面：教師“教什么”方面，教師依據智能助教提供的群體學情報告，判斷學生當前素養水平與目標水平之間的差距，從而科學設置教學目標、規劃教學內容等；學生“學什么”方面，智能學伴基于學生個體學情的跟蹤與判斷，感知學生在學習中引發的新問題與新目標，為學生匹配相應的教學資源與內容，以實現生成性教學目標。
　　
　　二是師—生—機多向適應性交互。在人機協同教學中，智能體以自然語言為交互渠道，理解與回應師生意圖。在多向交互中，智能體以三種不同形態化身為教學助手，具體表現為：第一，智能體作為共教者參與到師生交互中，替代師生之間的知識性問答與反饋，提升以獲取知識為目的的交互效率，使師生有更多時間與空間進行基于生命體驗的交流，滿足學生的人格與生命發展的需求。第二，智能體作為共學者參與到生生交互中，為學生群體之間的協作提供更個性化的認知與情感支持，提升學生人際交往與協作問題解決等高階思維能力。第三，智能體作為伴學者參與到學生與自我的交互中，為學生創設論文答辯、面試求職等虛擬情境，可以及時發現學生問題與薄弱項，提供客觀理性的改進建議，促進學生自我發展。
　　
　　三是伴隨式診斷與精準化反饋。在人機協同教學中，智能體作為智能助教來增強教師感知與加工信息的能力，并捕捉教學過程中多源數據，智能分析學生學習情況，實現教學評價從教師單一經驗判斷向數據循證轉變。在評價標準上，智能體協同教師制定出導向素養達成且可觀察、可操作的評價標準；在評價過程中，智能體通過與學生在不同場景中的互動交流，隱性化、伴隨式地采集與匯聚全場景、全流程的數據，生成指向素養達成的評價結果；在結果診斷上，教師結合教學經驗和多源數據循證，及時對學生提供認知與情感關懷反饋，學生依據反饋來自我認識、自我判斷、自我反思、自我調控，最終實現主動建構與積極發展。
　　
　　3 人機協同教學的實施路徑是什么
　　
　　人機協同教學實施需要針對具體教學場景與問題，在“師—生—機”三者數據與信息充分交互中完成人機雙向賦能、協同決策，實現從目標決策到過程互動再到評測反饋的全流程合理設計。
　　
　　多主體建構：精準定位目標路徑。教師依據教學經驗等，設定預設性目標；機器利用課程知識圖譜、關系挖掘等技術，精準定位學生在知識技能、高階思維等方面應達到的生成性目標。在這一過程中，需要以差異化目標作為學情分層畫像依據，突破傳統同質化的教學限制。如西南民族大學針對地區生源基礎差異化、學習需求多樣化的實際情況，授課前，教師根據收集的學生多平臺課前課后測試、課堂互動表現、作業實驗等過程性學習數據，結合學習基礎、學習需求等，把學生聚類為3至4個小組，設定模塊化課程內容，以實現“保證基礎，能者多學”的教學目標。值得注意的是，在學生動態學習過程中，機器需要根據教師預設規劃及學生實時學習診斷結果，持續為學生動態調整學習目標提供參考建議。
　　
　　多場景化生：多元形態師生互動。在課堂理論學習場景中，機器作為智能學伴或智能助教，與師生共同解決非良構、非衍生性問題，即融入跨學科、超學科等充滿不確定性的知識的問題，促進學生開展深度學習。在技能實訓和實驗操作中，機器作為智能工程師延展教師教學實踐能力，與集成化的實訓教學融為一體，把書本中抽象概念實體化，將操作性知識具象化，使學生在動手實踐中加深對知識應用的理解，增強學生的專業實踐性與課程的情感聯結。在自適應學習場景中，機器作為教師數字孿生體的“分身在場”，對學生數據進行多維分析挖掘與實時監測，結合學生發展需要，聚合網絡精品學習資源，為學生提供個性化資源推薦和學習指導，使學生在人機協作中實現知識掌握與能力培養。
　　
　　全流程伴隨：數智驅動多維評價。一是建立覆蓋全場景、全過程的教學評價數據基座，使學生“評價改進”有據可循。二是細化評價指標體系，增強評價指標的可度量性和可實現性，針對評價涉及的時間（課前預習、課中表現、課后反思）、空間（線上、線下、線上線下融合）、學習結果類型（知識技能、實驗/實踐任務、項目制品）等要素調整指標權重，并以儀表盤、數字畫像等可理解的直觀形式反饋評價結果給師生，實現即時評價改進。三是在教學測評中融入適配學科的分類垂直大模型，基于專業領域知識對學生作答、作品、論文等進行預評價，實時分析學生的學習軌跡、問題解決過程中的行為表現，通過反饋信息引導學生從回答“是什么”的正確答案轉向“為什么”和“如何”的結構化思考與表述觀點及依據的綜合能力。
　　
　　（作者馬志強系江南大學教育學院、江蘇“互聯網+教育”研究基地教授，文橋系江南大學教育學院碩士研究生；本文系國家社會科學基金2022年度教育學一般課題“協作知識建構會話智能化分析與反饋研究”［編號：BCA220215］的研究成果）