章 智能教育技術前沿：機遇與挑戰 ..1
智能數字技術與數據在教育中的應用 ..2
教育數字化應用的前沿 ..3
關鍵機遇 ..7
政策導向 ..13
結語 ..27
譯後感 ..28
參考文獻 ..29
第二章 教育中的人工智能：技術整合 ..35
引言 ..36
智能教育技術：定義和使用場景 ..37
人工智能在教育教學和教育管理中的應用 ..40
未來趨勢 ..46
譯後感 ..48
參考文獻 ..49
第三章 個性化學習：走向人機協同 ..55
引言 ..56
人類- 人工智能混合繫統：教師與技術的角色定位 ..57
對未來的預測：人工智能的終極作用 ..61
基於學生知識的個性化 ..66
基於自我調節學習的個性化學習                                                                      未來個性化學習面臨的挑戰 ..75
譯後感 ..77
參考文獻 ..78
第四章 使用數字學習技術促進學生學習參與 ..87
引言 ..88
參與的重要性 ..88
“參與”的定義 ..90
參與度的測量 ..93
提高參與度 ..101
結論和未來趨勢 ..110
譯後感 ..111
參考文獻 ..113
第五章 課堂分析：從學生行為到課堂生態的變焦 ..131
引言 ..132
願景：課堂是一個數字繫統 ..133
“課堂即繫統”的概念是如何產生的 ..134
作為輸入端的課堂 ..137
作為輸出端的課堂 ..140
繫統的功能 ..143
觀點 ..152
致謝 ..153
譯後感 ..154
參考文獻 ..155
第六章 數字技術為有特殊需要的學生提供更好的服務 ..161
引言 ..162
教育、技術與特殊需要之間的關繫 ..163
以學習者為中心的智能技術實例 ..166                                                           未來展望 ..178
致謝 ..183
譯後感 ..184
參考文獻 ..185
第七章 教育機器人 ..193
引言 ..194
為什麼要讓社交機器人成為教育工作者 ..195
機器人的不同教學角色 ..196
機器人作為教學和學習的遠距臨場設備 ..199
機器人在不同年齡段和學習領域的有效性 ..202
對教育機器人的技術探討 ..205
教師的態度 ..206
商業產品 ..207
前景展望 ..209
譯後感 ..210
參考文獻 ..212
第八章 學習分析技術在學校管理中的應用 ..219
引言 ..220
學習分析技術為教育機構管理帶來的益處 ..221
三個案例 ..222
在管理層面應用學習分析技術面臨的挑戰 ..226
學習分析技術的未來走向 ..228
結論 ..229
譯後感 ..231
參考文獻 ..233
第九章 高中生輟學的早期預警繫統和指標：數字技術的新應用 ..239
引言 ..240                                                                                   早期預警繫統和指標 ..240
對輟學的準確預測 ..241
新興數字技術的應用：模式分析與數據科學 ..247
結論和未來發展趨勢 ..255
譯後感 ..260
參考文獻 ..261
第十章 基於遊戲的教育評價 ..275
引言 ..276
為什麼要在教育中使用基於遊戲或模擬環境的評價 ..276
如何構建基於遊戲的評價 ..280
三個教學應用案例 ..284
應用前景及實現方式 ..287
譯後感 ..288
參考文獻 ..290
第十一章 教育中的區塊鏈：一種全新的認證生態 ..297
引言 ..298
了解區塊鏈技術 ..299
區塊鏈助力教育認證 ..314
現實世界的應用 ..321
推動變革 ..329
結論 ..333
專業詞彙表 ..334
譯後感 ..335
參考文獻 ..336
作者簡介 ..358
譯後記 ..367

2020年初，為應對新冠肺炎大流行，各國紛紛關閉學校，學習從線下轉到了線上。在那以後的一年裡，教師、學生和管理人員共同有效地完成了倉促上馬的數字教育課程。它有許多嚴重的弊端，比如容易引發“屏幕疲勞”，對壓力適應的要求較高，數字學習能力欠缺或尚未準備好自學的學生甚至跟不上學習進度。但這推動一直以來在創新上較為落後的教育繫統在原本發展緩慢的智能學校教育方面快速進步。
然而，遠程教育與智能教育並不相同。更確切地說，遠程教育隻是一種維持學習的權宜之計，它保留了而不是變革現有的教育實踐。因此，遠程教育很少能夠達到線下課堂的教學水平，而且也不適合那些尚未在技術或心理上做好準備的學生。
在疫情流行前的兩年，由經濟合作與發展組織（以下簡稱“經合組織”）發布的教師教學國際調查（Teaching and Learning International Survey，簡稱TALIS）結果顯示，隻有一半的教師經常讓學生在項目或課堂任務中應用技術。但需求是發明之母，無法線下授課使許多教師正在趕上數字化浪潮。
對學校而言，涉足數字化可謂恰逢其時。許多人對“無時不在、無處不在”的遠程教育青睞有加。越來越多的教育工作者已經做好了準備，那麼技術呢？
事實證明，教育技術也已經準備好了。本書向我們展現了已在教育繫統投入使用的三個技術領域：人工智能（AI）或機器學習、機器人及區塊鏈。持續不斷的數據供給，使軟件和教育機器人對教學與學習具有的顛覆潛力：這不僅僅是技術，而是教學與技術的結合，我們稱之為教育技術學。如今，當我們在計算機上學習數學時，計算機可以研究我們是如何學習的，從而使我們的學習體驗更細膩、更具適應性、更具交互性。在與傳感器和學習管理繫統結合應用的過程中，人工智能可以讓教師真正了解不同學生的學習方式，知道學生對什麼感興趣，對什麼感到無聊，在哪裡取得了進步，在哪裡遇到了困難。教育技術學有助於使學習適應不同學生的需求，讓學習者對學習內容、學習方式、學習地點和學習時間擁有更大的自主權。
人工智能可以幫助教師（特別是新手教師）更好地把握教學，更自如地加快或放慢教學速度，或在冷場時突然拋出一個問題。學習分析可以告訴正在制定第二天教學計劃的教師，誰的羧酸衍生物家庭作業完成得很好，誰還需要復習。教育機器人可以把加布裡埃爾和伊詩塔帶到教室角落進行10分鐘的西班牙語對話，其他學生則在座位上繼續練習行為動詞。
當然，人工智能也正在推動評價和考試取得飛躍式發展，無論是基於模擬的評價、職業環境中的實訓評價，還是運用機器學習算法給論文評分。過去的幾個世紀裡，工業化背景下的教育所犯的一個嚴重的錯誤就是將學習與評價割裂開來；也就是說，讓學生不斷地學習大量知識，然後——有時是幾年後——測試他們能否在短時間內重現這些知識的一小部分。現在，技術可以重新整合學習和評價，利用實時數據和反饋幫助學生更好地學習、教師更好地教學，使教育繫統變得更有效。
但要想使教育技術學真正得到普及，它對用戶來說必須是友好的。如果教師不得不停止授課去查閱數據，那麼無論是周晗對二次的掌握程度，還是埃米莉亞是否覺得戰後社會福利史無聊，這些數據都是沒什麼用的。數據應該是直觀的。教育行政部門可以鼓勵開發者與教師和學生共同創建相關的、可負擔的、可互操作的、易於使用的數字工具。除非將教學納入這些工具設計的一部分，否則技術不太可能對學習有幫助。
另一個從智能教育工具中獲益的群體是有特殊需要的學生。智能軟件和機器人導師可適應赫克托的學習需求或法裡德的學習節奏。它們可以幫助教師發現和診斷那些常被忽視的問題，尤其是小學階段的問題。它們還可以幫助教師定制符合每個學生需求的課程學習路線。                                       
這種數據驅動的技術有助於實現公平競爭（在課堂上！），除了針對有特殊需要的學生之外，還適用於眼前的情況。對那些在疫情期間努力學習的年輕人來說，我們所面臨的可能是一個追趕期。指明他們需要哪些幫助及擅長哪些方面，正是個性化教育技術可提供的支持。
在本書涵蓋的三個技術領域中，區塊鏈是成熟的技術，盡管目前尚未在教學與學習中應用。作為一種可靠的、對用戶友好的認證繫統，區塊鏈看起來前途無量，它可以取代那些笨重而昂貴的學位（證書），並幫助人們擺脫學位頒發通常帶來的機構壟斷。經傳統學術機構之外的教育和培訓項目（如在職培訓和慕課）認證的結業證書，是幫助我們更接近終身學習、全方位學習的一個重要方面。如果每個人都能獨立於自己的工作，提升舊技能，學習新技能，並擁有經區塊鏈驗證的資格證書，那麼跳槽將變得更快、更順利，焦慮感也會大大降低。
但回到教學與學習，更多的技術並不能自動轉化為更好的學習成果。事實上，經合組織發布的國際學生評估項目（Programme for International Student Assessment，簡稱PISA）結果顯示，課堂上技術應用的強度與15 歲學生的數字閱讀、數學和科學技能之間呈持續負相關的關繫。那些花費更多時間在學校網站發布任務、在學校裡玩模擬遊戲、使用學習應用程序和網站或在學校電腦上做作業的學生，在評價中往往表現更差。
當然，有很多原因可以解釋校內較多的技術應用與較低的認知表現之間的聯繫。也許表現較差的學生隻是在家庭作業上投入了更多的時間，或者他們在電腦上花費了更多的時間，因為他們被引導去做更實用的數字作業。也許數字世界有助於培養不容易被當前評價捕捉到的知識和技能。但我們不應該排除這樣一種可能性，即低質量的數字學習工具取代了那些在沒有數字設備的情況下可更好完成的有價值的教學活動，或者取代了那些教師更了解如何在模擬世界中開展的活動。更重要的是，有效的數字化學習對學生自主性（包括自主學習能力、執行能力和自我監控能力）的要求很容易被低估。這些假設獲得了以下事實的支持：技術的使用和學習成果之間的關繫在各國之間差異很大。
顯而易見，要想讓機器人、班件、預測性分析等技術有效發揮作用，就需要重新定義教師的角色。技術和人工智能並不是魔法，它們隻是提升速度和準確性的加速器和放大器。人工智能既可以放大好的教育理念和實踐，也可以放大壞的教育理念和實踐。它既有助於消除教育實踐中的偏見和歧視，也能在教育實踐中傳播和擴大偏見。它可以賦能教師識別出有風險的學生，也會使教師失去判斷能力。在這種情況下, 人工智能將引起範式轉變, 從一種結果性教育（教師幫助學生理解他們是誰及他們想成為怎樣的人）轉變為相關性教育（技術所做的隻是回顧過去發生在具有類似特征的學生身上的事情）。雖然技術在倫理上是中立的，但它將始終掌握在非中立的教育工作者手中。真正的風險不是來自人工智能，而是來自其應用的後果。當早期預警繫統標記出有學生遇到麻煩時，應該由人類來評估原因並幫助他們回到正軌。
人類總是更善於發明新工具，而不是明智地使用它們。隻有通過培養教師，技術纔能將他們從日常的管理和教學任務中解放出來，為他們提供機會和支持，使他們成為優秀的教練、導師、榜樣、激勵者和領導者。教育隻有在人們能夠參與其中，而不是交給設備（無論是否是他們自己的設備）去做的情況下，纔能發揮出好的效果。
這場疫情帶著我們的教育繫統以光速從19世紀衝向21世紀，從“一刀切”、工廠式的學校發展為更加個性化、自由式的學習。在某種程度上，疫情揭示了創新的巨大潛力，而這種潛力在教育繫統中一直處於休眠狀態，因為教育繫統通常被強調獎懲制度的等級結構所主導。
但要想擺脫危機，就需要為學校的創新提供一個更公平的競爭環境。政府可以賦予教師和學校領導更多的專業自主權，打造一種協作文化，讓一切好的想法得以完善和分享。政府也可以為激勵措施提供資金，提高人們對有效措施的關注和需求。但政府本身能做的隻有這麼多。硅谷之所以成功，是因為政府為創新創造了條件，而不是因為政府進行了創新。同樣，政府不能在課堂上進行創新；它們隻能通過開放教育繫統，創造一種基於證據、利於創新的環境，使變革性的想法能夠開花結果。這意味著教育繫統內部應鼓勵創新，並向外界伸出橄欖枝。
我們如何知道教育繫統是否已經開放？當它們傳達變革的需求並為其建立支持時；當它們對能力開發和變革管理技能進行投資時；當它們釋放信號，表明教師不再是被動地實施技術與社會創新，而是也參與到其中的設計時；當它們讓創新者更願意承擔風險和提出新想法時；當它們幫助創新者找到更有效的方法來普及和推廣他們的技術時。
在疫情期間，我們學到了很多東西。訣竅是當一切回歸“正常”時，不要忘記它們。人工智能、機器人和區塊鏈正時刻準備著改變我們的教學、學習和辦學方式。技術已經準備就緒，我們呢？學校停課迫使我們涉足數字領域，而對一些學生和教師來說，這並沒有那麼糟糕。隨著本書所探討的這些智能教育工具的迅速發展，我們中的許多人可能已經準備好全力一搏了。