②北京工商大学学生在智慧教育教室研讨线上教学课后习题。资料图片③北京交通大学学生在轨道交通通信与控制虚拟仿真实验教学中心进行VR实验。资料图片■人机协同教学的起点是借助机器智能分析与教师经验判断，建立符合学生差异化需求的教学目标。以此为基础，进一步破解如何激发学生深度参与的教学互动、如何实现伴随式的精准教学评价与反馈
■人机协同教学的关键在于构建充分发挥学生主体性、促进学习真正发生的教学形态。要通过教学目标与学情动态匹配、师—生—机多向适应性交互、伴随式诊断与精准化反馈，构建师生机的深度合作关系
■人机协同教学实施需要针对具体教学场景与问题，在“师—生—机”三者数据与信息充分交互中完成人机双向赋能、协同决策，实现从目标决策到过程互动再到评测反馈的全流程合理设计
当前，人工智能技术加速迭代演进，引领高等教育数字化创新发展，重塑高等教育教学模式。具体来讲，生成性人工智能应用逐渐演化成为具有一定能动性、适应性和自主性的智能体，以AI助教、AI学伴等形态融合应用于高等教育教学中，对传统教学模式进行要素革新与流程再造，并逐渐形成“人机共教、人机共育”的人机协同教学模式,逐步实现规模化与个性化兼顾的教学形态，以满足智能时代对大批创新人才培养的需求。
1人机协同教学的起点是什么
当前，“以学生为中心”是高校课程与教学创新的基本理念。因此，人机协同教学的起点是借助机器智能分析与教师经验判断，来建立符合学生差异化需求的教学目标。以此为基础，进一步破解两个关键问题：一是如何激发学生深度参与的教学互动，二是如何实现伴随式的精准教学评价与反馈。
围绕教学目标设定的内容、方式的改变，课堂教学策略与评测反馈也随之改变。就教学策略，生成式人工智能技术融入课堂的人机协同教学赋予教师、学生、AI智能体各自承担不同的角色与任务，同步塑造了新型合作关系，加速知识的共享与生成，使学习过程成为共同解决问题的深度互动过程。就评测反馈，智能技术扮演了学情分析师、个性化学习规划师等角色，辅助教师评估学生达成目标的状态，进而调整教学策略。
因此，如何充分发挥人机协同的智慧，实现对学生知识理解、思维发展、价值塑造等高阶目标的伴随式精准评测还需进一步探索。需要注意的一点是，尽管精准的伴随式评价需要采集全流程、多场景、多维度的学习数据，提高数据采集的连续性和可追溯性，但更不能打断师生正常教与学的进程，以免带来教学负担。
2人机协同教学的核心环节是什么
人机协同教学的关键在于构建充分发挥学生主体性、促进学习真正发生的教学形态，需要重点聚焦通过教学目标与学情动态匹配、师—生—机多向适应性交互、伴随式诊断与精准化反馈来构建师生机的深度合作关系，激发群体智能，促进学生深度学习。
一是教学目标与学情动态匹配。在实现预设性与生成性教学目标平衡的过程中，需要清晰明确“人”“机”的角色定位与协作机制。在角色层面，教师需要自上而下融通专业与社会需求，判断学生应达成的核心素养目标；智能体承担更多自下而上分析学生学情的任务，在规模化课堂教学中挖掘学生群体学情，在个性化互动交流中挖掘学生个体学情。在协作机制层面，重点体现在两方面：教师“教什么”方面，教师依据智能助教提供的群体学情报告，判断学生当前素养水平与目标水平之间的差距，从而科学设置教学目标、规划教学内容等；学生“学什么”方面，智能学伴基于学生个体学情的跟踪与判断，感知学生在学习中引发的新问题与新目标，为学生匹配相应的教学资源与内容，以实现生成性教学目标。
三是伴随式诊断与精准化反馈。在人机协同教学中，智能体作为智能助教来增强教师感知与加工信息的能力，并捕捉教学过程中多源数据，智能分析学生学习情况，实现教学评价从教师单一经验判断向数据循证转变。在评价标准上，智能体协同教师制定出导向素养达成且可观察、可操作的评价标准；在评价过程中，智能体通过与学生在不同场景中的互动交流，隐性化、伴随式地采集与汇聚全场景、全流程的数据，生成指向素养达成的评价结果；在结果诊断上，教师结合教学经验和多源数据循证，及时对学生提供认知与情感关怀反馈，学生依据反馈来自我认识、自我判断、自我反思、自我调控，最终实现主动建构与积极发展。
3人机协同教学的实施路径是什么
人机协同教学实施需要针对具体教学场景与问题，在“师—生—机”三者数据与信息充分交互中完成人机双向赋能、协同决策，实现从目标决策到过程互动再到评测反馈的全流程合理设计。
多主体建构：精准定位目标路径。教师依据教学经验等，设定预设性目标；机器利用课程知识图谱、关系挖掘等技术，精准定位学生在知识技能、高阶思维等方面应达到的生成性目标。在这一过程中，需要以差异化目标作为学情分层画像依据，突破传统同质化的教学限制。如西南民族大学针对地区生源基础差异化、学习需求多样化的实际情况，授课前，教师根据收集的学生多平台课前课后测试、课堂互动表现、作业实验等过程性学习数据，结合学习基础、学习需求等，把学生聚类为3至4个小组，设定模块化课程内容，以实现“保证基础，能者多学”的教学目标。值得注意的是，在学生动态学习过程中，机器需要根据教师预设规划及学生实时学习诊断结果，持续为学生动态调整学习目标提供参考建议。
多场景化生：多元形态师生互动。在课堂理论学习场景中，机器作为智能学伴或智能助教，与师生共同解决非良构、非衍生性问题，即融入跨学科、超学科等充满不确定性的知识的问题，促进学生开展深度学习。在技能实训和实验操作中，机器作为智能工程师延展教师教学实践能力，与集成化的实训教学融为一体，把书本中抽象概念实体化，将操作性知识具象化，使学生在动手实践中加深对知识应用的理解，增强学生的专业实践性与课程的情感联结。在自适应学习场景中，机器作为教师数字孪生体的“分身在场”，对学生数据进行多维分析挖掘与实时监测，结合学生发展需要，聚合网络精品学习资源，为学生提供个性化资源推荐和学习指导，使学生在人机协作中实现知识掌握与能力培养。
（作者马志强系江南大学教育学院、江苏“互联网+教育”研究基地教授，文桥系江南大学教育学院硕士研究生；本文系国家社会科学基金2022年度教育学一般课题“协作知识建构会话智能化分析与反馈研究”［编号：BCA220215］的研究成果）