新教学模式的技术基础和目标

随着科学技术的发展，新技术层出不穷。通信、网游、电商、银行、交通等领域出现了很多令人惊喜的技术应用，如人工智能、人脸识别、指纹识别、大数据处理、海量数据存储、大并发访问等。新技术给这些行业带来了日新月异的变化，促生了很多商业新模式，方便了人们的日常生活，加快了生活的节奏。但是这些新技术在教育领域的应用还很有限，未来的教育离不开信息技术，未来的教学模式将随着信息技术的发展而发生更大的变化。目前新技术处于高速发展的阶段，不久的将来也许有更新的更合适的教育技术产生，实现人与机器的和谐共处。同时教学模式也会随着技术的更新而发生新的变化。本附录为了方便读者在较短的时间内对新教学所关联的技术基础有一个概要了解，特别对几个核心新技术作简单介绍。

A5.1　新教学模式应用的核心新技术

A5.1.1　IP技术

（1）IPv6技术

由于目前广泛使用的IPv4是几十年前制定的，当时制定标准的时候未预料到互联网会爆炸式发展，因而随着时间的推移，IP地址资源已经几乎消耗殆尽，因此IPv6应运而生。

IPv6是英文“Internet Protocol Version 6”（互联网协议第6版）的缩写，是互联网工程任务组（IETF）设计的用于替代IPv4的下一代IP协议，其地址数量号称可以为全世界的每一粒沙子编上一个地址。IPv6的使用，不仅能解决网络地址资源数量的问题，而且能解决多种接入设备连入互联网的障碍。

IPv6的地址长度为128位，是IPv4地址长度的4倍。IPv6的优势就在于它大大地扩展了地址的可用空间，如果地球表面（含陆地和水面）都覆盖着计算机，那么IPv6允许每平方米拥有7×1023个IP地址；如果地址分配的速率是每微秒100万个，那么需要10—19年才能将所有的地址分配完毕。

中国借助IPv6技术升级的机会，以根服务器组数量扩展为抓手，改变了美国在全球互联网治理中一家独大的状况，不仅使中国拥有了根服务器，有利于中国的网络主权和信息安全，还让德国、法国、俄罗斯、印度等国家共同参与全球互联网的治理，创建了一个公平合理、互利共赢的互联网治理新体系。

（2）IPv6对网络的影响

把IP地址一下子扩大到128位，从理论上做到了每个设备一个IP的可能，IPv6在网络中正式应用后将对网络生活的各方面产生很大的影响。

端到端实时通信

端到端实时通信是通信业务的基本特征，同时也是下一代网络的本质特征和发展方向，是互联网产业化的必然需求，而传统网络的“终端—服务器”模式无法满足这一要求，制约了互联网产业化的发展速度，势必被IPv6技术所代替。

语音、数据和视频的融合

将来所有的电信服务和信息服务，包括语音、数据和视频业务等，将会使用下一代网络，运营商将利用IPv6的多业务能力提供新的服务，创造新的收入增长点。这些新服务主要包括：

应用服务提供：包括应用软件的递送和支持电子商务服务。

综合语音和数据业务：IPv6具有把语音和数据综合在一起的能力，包括Web智能的呼叫中心、统一信息传递和多媒体会议。

满足丰富的移动互联业务需求

在以IPv6为基本核心技术的下一代网络上可以实现现有的全部通信服务，更重要的是IPv6提供的巨大的地址空间以及所具有的诸多优势和功能，使其成为构筑移动互联网的重要基础，并使提供语音、数据、视频融合的高品质、多样化通信服务的移动互联网的实现成为可能。那时，从移动终端、汽车到自动贩售机、家用电器和其他机器设备都可以实现实时在线，一个个信息孤岛最终连成强大的网络，人们将获得全新的信息和通信服务体验。

（3）对教育领域的影响

IPv6的出现使人手一个固定IP成为可能，对教育系统来说，很多系统不再局限于局域网或者内网使用，可以方便地应用到互联网上，终端IP的固定不再需要CDN内容分发和内网穿透技术，降低了软件实现的难度，使数据访问更加简单快捷。

A5.1.2　5G通信技术

随着3G、4G技术的广泛应用，无论是移动互联还是端到端的应用都发生了很大的变化，通信技术作为信息的传输媒介在其中起了决定性的作用。

5G是新一代移动通信技术发展的主要方向，是未来新一代信息基础设施的重要组成部分。与4G相比，5G不仅将进一步提升用户的网络体验，而且将满足未来万物互联的应用需求。

5G时代推动通信技术服务业发展。通信技术服务包括以下四个环节：网络工程服务、网络维护服务、网络优化服务以及相关系统解决方案，其最终目的是为运营商提供一个稳定、高效的通信网络，并为其业务的开展提供可靠的技术支撑。未来5G网络的建立必须经历通信技术服务所包含的这几个环节，因此未来通信技术产业业务量有望爆发，产业大有可为。

（1）5G技术的特点

第一，为用户提供了超大带宽。带宽是指在单位时间内能传输的数据量，即在传输管道中可以传递数据的能力。可用带宽越低，每个人的设备运行得就越慢。大带宽是第五代移动通信技术的优势之一。随着可用带宽的增加，人们也将能够利用这一带宽对他们的设备做更多的事情，使它们比以往任何时候都更加通用。

第二，更大带宽意味着更快的速度。在3G和4G网络环境下，下载文件或连续观看几分钟的视频会比较费劲，但对于5G网络来说，这不是问题。由于带宽的提升，人们可以在不排挤其他用户的情况下使用更多的带宽。随着智能设备能搭载并使用高速的5G网络，这些设备将不再受带宽的限制，能够比以往任何时候运行得更快。

第三，催生巨大的市场空间。从理论上讲，在传输速率方面，5G峰值速率为20 Gbps，相较于4G提升了20倍，用户体验速率将达到0.1 Gbps—1 Gbps，提升了10—100倍。预计5G将成为数据驱动型行业、智慧城市和基础设施管理的关键性因素，因为它可以让更多设备在同一区域内可靠、安全且不间断地工作。同时，5G还将成为连接人类和机器的催化剂，以前所未有的规模将人和机器连接在一起，真正实现“万物互联”，并创造出新的商业和经济机会。

（2）对教育行业的影响

3G时代，移动网络迈入教育领域，移动学习应运而生；4G网络开启了移动互联网时代，在线教育全面发展，远程教育进程加速。5G时代将从根本上改变当前的教育模式。随着5G网络覆盖逐步完善，5G将在创新教学手段、均衡教育资源、扩展学习途径、提升教学质量、完善考评体系、实现校园智能化管理等方面发挥更大的作用，助力构建智慧教育新生态。

A5.1.3　大数据处理技术

在大数据技术不断应用落地的同时，大量的新技术涌现，核心技术就是大数据处理技术。大数据处理技术包括：大数据采集、大数据预处理、大数据存储与管理、大数据分析、大数据可视化等。

大数据采集就是通过各种数据抓取和采集技术获取大数据的过程，这个过程必须关注针对大数据源的智能识别、感知、适配、传输、接入等技术。一般来说，数据采集方式分为系统日志采集法和网络数据采集法。其中比较常用的是网络数据采集法中的网络爬虫。

大数据预处理技术主要是对已经完成收集的数据进行辨析、抽取、清晰等操作。数据抽取的过程可以帮我们将复杂的数据转化为单一或者便于处理的数据，而数据清洗则是去除我们所不关心的数据内容，从而实现数据的“去噪”，提高数据分析的精准度。

大数据存储与管理要用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用；重点解决复杂结构化、半结构化和非结构化大数据管理与处理技术；主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。

大数据分析是数据分析的核心环节，是对已有数据通过各种分析手段实现数据价值的过程。相对于原来少量数据可以使用Excel完成而言，大数据庞大的数据量需要采用更多的技术来实现数据分析。

通过编程的方法可以实现数据最终的可视化效果，以让数据说明的问题更加直观，也是数据分析最终结果的体现。

A5.1.4　自动识别技术

自动识别技术（Automatic Identification and Data Capture）就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信息，并提供给后台的计算机处理系统来完成相关后续处理的一种技术。

自动识别技术将计算机、光、电、通信和网络技术融为一体，与互联网、移动通信等技术相结合，实现了全球范围内物品的跟踪与信息的共享，从而给物体赋予智能，实现人与物体以及物体与物体之间的沟通和对话。

按照应用领域和具体特征的分类标准，自动识别技术可以分为条码识别技术、生物识别技术、图像识别技术、磁卡识别技术、IC卡识别技术、光学字符识别技术（OCR）与射频识别技术（RFID）。

自动识别技术是以计算机技术和通信技术的发展为基础的综合性科学技术，它是信息数据自动识读、自动输入计算机的重要方法和手段。归根到底，自动识别技术是一种高度自动化的信息或数据采集技术。教学领域特别关注的是生物识别技术。

随着科学技术的不断突破，人们身上越来越多的生物特征被运用到各行各业中，比如常见的指纹识别、人脸识别、虹膜识别、静脉识别等。生物识别技术将计算机和光学、声学、生物传感器与生物统计学原理等领域的高科技手段紧密结合起来，利用人体固有的生理特性和行为特征来鉴定个人的身份。

（1）指纹识别技术

指纹识别技术是通过比较不同指纹的特征来进行识别的技术。每个人的指纹是唯一的，如果指纹的相似性高达99%以上，那么基本上可以将其识别为同一个人的。由于指纹识别仪器操作简单快捷，在生物认证领域被广泛使用，其主要用于公司考勤、安防、身份识别认证、银行金库系统等，即使是今天的手机和电脑也使用指纹识别。

在教育行业，指纹识别技术只能应用到浴室、图书馆、实验室等有限的场景，诸如教室点名、远程授课点名都不适合。

（2）人脸识别技术

人脸识别技术也是大家经常说的“刷脸”。每个人的人脸图像都是不一样的，即使是双胞胎也可以通过人脸识别技术来予以区分。

人脸识别技术根据人脸特征的不同，通过特殊的生物识别技术算法来识别是否为同一个人。现阶段，人脸识别技术运用的范围并不太宽广，毕竟它比指纹识别对人们隐私的侵害要大得多。

对于教育行业来说，人脸识别技术确实有其用武之地。例如远程教育系统中的人脸识别点名功能、智慧教室系统中的人脸识别点名功能、宿舍管理或者校园管理系统中的人脸识别功能可以甄别出来是否为本校人员，并依据甄别结果由自动监测系统进行人像跟踪和定位，以预防安全隐患的发生。人脸识别技术在教育领域可以应用到诸多方面，为未来的教育发展提供技术基础支撑。

人脸识别技术主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸图像匹配与识别。

人脸图像采集及检测

人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同的面部表情等信息都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar（Haar-like features）特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。例如：通过眨眼睛、张大嘴巴等动作的检测可以避免通过照片替代人的事件发生，保证了站到摄像机前的是人而不是物品。

Haar特征通常用于人脸识别，分为四类：边缘特征、线性特征、中心特征和对角线特征，这些特征组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素之和减去黑色矩形像素之和，计算公式为：v＝Sum白－Sum黑。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征可以由矩形特征简单地描述，如眼睛要比脸颊颜色要深、鼻梁两侧比鼻梁颜色要深、嘴巴比周围颜色要深等，但矩形特征只对一些简单的图形结构进行描述，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

Haar的四种特征提取模板矩形如附录图5-1所示（色块矩阵姿态包括水平、垂直、斜45度）。

附录图5-1　四种特征提取模板矩形

主流的人脸检测方法基于以上特征采用Adaboost学习算法。Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。

人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征（弱分类器），按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸图像预处理

对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸图像特征提取就是针对人脸的某些特征进行的。人脸图像特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸图像特征提取的方法归纳起来分为两大类：一类是基于知识的表征方法；另一类是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸器官的形状描述以及它们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点之间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

人脸图像匹配与识别

人脸图像匹配就是将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。

（3）虹膜识别技术

每个人的虹膜都和指纹一样，不仅是独特的，而且没有特殊情况是不会发生改变的。只要人类实现虹膜识别技术，就可以将此技术应用于各种场景。虹膜识别技术比指纹识别技术更准确、更迅速，但是虹膜识别技术需要参与识别的人进行主动配合才能有较高的识别率。

（4）静脉识别技术

手掌静脉识别技术是一种安全性极高的生物识别技术。其工作原理是将近红外传感器采集的手掌静脉分布特征值加密处理成不可逆的计算机数据，存入数据库，当需要身份认证时，再收集掌动脉数据并与数据中的模板对比从而认证个人身份。

随着时代的发展和技术的不断进步，生物识别技术解决了人类社会日常生活中的一个基本识别问题。未来，这种识别的结果将越来越多地与各种行业的应用相结合，信息将通过网络共享。

A5.1.5　AR／VR／MR技术

A5.1.5.1　什么是AR技术

AR是Augmented Reality的缩写，译为“增强现实”，是一种全新人机交互技术。通过AR技术，参与者与虚拟对象进行实时交互，从而获得一种奇妙的视觉体验，而且能够突破空间、时间以及其他客观限制，感受到在真实世界中无法亲身经历的体验。

教育行业是一个不断迭代的行业，总是需要更好的学习方式和更深的学习层次。随着科技的发展，人们对学习的要求越来越高，传统的教育方式很难满足大部分人的需求。教育＋互联网已经成为行业的标配，在线教育用户边界不断扩大，关联内容也越来越多，而AR技术的发展也为之提供了一种新可能。

AR技术将需要学习的内容以3D形式在屏幕上呈现，甚至是1∶1还原模型，展现模型内部构造细节，同时与现实场景交互，或进行联机模拟操作。AR应用适用于教育领域的AR培训、AR建模、AR图书、发现式学习、AR导览和3D展厅等场景应用。AR教育方案具有以下优势：

①趣味性高：AR呈现的内容全部是3D立体的，非常生动、直观、形象，有助于学生理解和记忆。

②团队协作：当学生们用AR技术去学习的时候，他们不再是死记硬背，而是去体验学习内容，并且可以以团队协作的方式参与到教学中。

③提高学习的效率：生动的AR展示所带来的感官体验是语言描述无法比拟的，沉浸式学习让学生对知识的掌握更牢固，提高了学生接受知识的效率。

④节省时间：虚实融合的AR技术令很多数字化的教学内容可以直接融合到实体教学物品上，为教师带来巨大的方便，他们不需要在虚拟和现实之间进行反复切换，从而节省了大量时间，提高了教学的效率。

⑤远程支持：AR可以让不同地区的教师、学生聚集在一个虚拟课堂中上课，并且可以真实、实时地交互。

⑥提高安全：针对生化方面的课程，借助AR技术，完全可以进行虚拟的实验而获得同样的效果。这样，教学中的风险就大大降低了。

⑦降低成本：有了AR技术，很多课程所需的实体物料就不需要了。

A5.1.5.2　什么是VR技术

VR（虚拟现实）是一种虚拟现实技术，其通过计算机技术生成一种模拟环境，同时使用户沉浸到创建出的三维动态实景。可以将其理解为一种对现实世界的仿真系统。在教育领域VR已经展现出其巨大的优势，并且会进一步改变现有的教育模式。VR在教育领域具有以下优势：

第一，虚拟现实可以通过多种方式使学习变得更加有趣，其中之一就是虚拟漫游。在很短的时间内，这已经成为VR学习的最佳应用，因为其可以将学生带到世界上任何地方、任何事件发生点，而无须他们离开座位。他们可以在这里探索他们想要的一切，并参与特定的历史事件或者观看特定的物理现象，这可以让学习变得更加有趣。

第二，VR应用扩展了知识的展现手段。学生可以进行太空漫游、自由探索、以第一或第三视角参与历史事件的重演、无视时间和距离进行穿越。学生不仅能够看到、听到和身临其境地参与，而且能够在虚拟空间内移动并与元素交互，前所未有地参与其中。这种沉浸式学习方式极大地提高了学生的学习兴趣，增强了学生对知识的理解和掌握，提高了学习的效率。

第三，VR技术在远程教育中拓展了教育的受众面。传统的远程教育无外乎视频播放和文件预览，VR的出现将改变这一情况，可以将远端的学生集成到虚拟教室中来，大家坐在一个虚拟的教室里就和在实际课堂环境中一样。通过虚拟的课堂空间，拥有VR耳机的学生可以自己投影并与教师和其他学生交互。

A5.1.5.3　什么是MR技术

MR（混合现实技术）是虚拟现实技术的进一步发展。该技术通过在现实场景呈现虚拟场景信息，在现实世界、虚拟世界和用户之间搭起一个交互反馈的信息回路，以增强用户体验的真实感。

从概念上来说，MR与AR更为接近，都是一半现实一半虚拟影像，但传统AR技术运用棱镜光学原理折射现实影像，视角不如VR视角大，清晰度也会受到影响。为了解决视角和清晰度问题，新型的MR技术将会投入在更丰富的载体中，除了眼镜、投影仪外，目前正在研究用头盔、镜子、透明设备做载体的可能性。(www.xing528.com)

MR＝VR＋AR＝真实世界＋虚拟世界＋数字化信息，简单来说就是AR技术与VR技术的完美融合以及升华，虚拟和现实互动，不再局限于现实，获得前所未有的体验。

总之，MR技术更有想象空间，它将物理世界实时并且彻底地比特化了，又同时包含了VR和AR设备的功能。国内一线科技企业已加入VR设备及内容的研发中，而在内容创造方面，也已经有了超次元MR这样的作品，这必然推动VR更快地向AR、MR技术过渡。

A5.1.6　云技术

云技术通常包括云计算技术、云存储技术和云服务。“云”是网络、互联网的一种比喻说法。

A5.1.6.1　云计算技术

云计算技术包括狭义云计算技术和广义云计算技术。狭义云计算技术是指IT基础设施的交付和使用模式，通过网络以按需、易扩展的方式获得所需资源。广义云计算技术是指服务的交付和使用模式，通过网络以按需、易扩展的方式获得所需服务，这种服务可以是IT和软件、互联网相关，也可是其他服务。

云计算技术是分布式处理、并行处理和网格计算的发展，是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多台服务器所组成的庞大系统，经计算分析之后将处理结果回传给用户。通过云计算技术，网络服务提供者可以在几秒钟之内，处理数以千万计、亿计的信息数据，达到和“超级计算机”同样强大的网络服务功能。它具有以下特点：

（1）虚拟化技术

虚拟化技术是云计算技术中最为显著的特点，虚拟化技术包括应用程序（指在计算机上运行的一切软件资源）虚拟化和网络资源虚拟化两种。众所周知，物理平台与应用部署的环境在空间上是没有任何联系的，可以通过虚拟软件或者平台对处于远端的应用程序或者资源进行参数配置、资源远程管理、数据远程备份、数据远程迁移和资源的远程扩展等操作。

（2）动态可扩展

在原有服务器基础上增加云计算技术的功能能够使服务器的计算速度大幅提高，通过动态对服务器资源进行配置和优化以达到对应用进行扩展的目的。动态可扩展的云计算技术提高了系统的灵活性，针对客户而言选择服务更灵活、方便用户针对不同的时间不同的需要动态调整服务的资源情况。例如在智慧校园中，直播系统会依据在线人数的多少动态地向网络资源管理方申请网络的流量大小，以适应学习场景的动态变化。

（3）按需部署

云计算技术平台能够根据用户的需求快速配备计算能力及资源。云计算服务包含了许多应用、程序软件以及硬件资源等，不同的应用对应的数据资源库不同，所以不同的用户对云计算技术的资源需求不同，用户在购买或者部署时，可以进行弹性选择，按需部署。

（4）灵活性高

目前市场上大多数IT资源和软硬件都支持虚拟化，比如存储网络、操作系统和开发软硬件等。这些虚拟化的资源统一放在云系统资源虚拟池中进行管理，云计算技术的兼容性非常强，不仅可以兼容低配置机器、不同厂商的硬件产品，还能够从外设获得更高性能的计算，为用户的选择带来极大的灵活性。

（5）可靠性高

一般的云计算技术平台都有独立的供电系统，所以理论上宕机的可能性非常小。而服务器的单点故障可以通过虚拟化集群技术将分布在不同物理服务器上面的应用进行动态调用和计算，因此云计算技术平台的可靠性非常高。

（6）性价比高

将资源放在虚拟资源池中进行统一管理，在一定程度上优化了物理资源，用户不再需要购买昂贵的、存储空间大的主机，可以选择相对廉价的PC机组成云资源。这样一方面可以减少费用，另一方面计算性能不逊于大型主机，所以云计算技术平台的性价比非常高。

（7）可扩展性

用户可以利用应用软件的快速部署条件来更为简单快捷地将自身所需的已有业务和新业务进行扩展。如果云计算系统中出现设备故障，对于用户来说，无论是在计算机层面上还是在具体运用上均不会受到阻碍，可以利用云计算系统具有的动态扩展功能来对其他服务器进行有效扩展。这样一来就能够确保任务得以有序完成。在对虚拟化资源进行动态扩展的情况下，同时能够进行高效扩展应用服务，提高云计算技术的服务水平。

A5.1.6.2　云存储技术

云存储是在云计算技术概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就需要配置大量的存储设备，那么云计算系统就转变成一个云存储系统，所以云存储是一个以数据存储和管理为核心的云计算系统。它把数据存放在由第三方托管的多台虚拟服务器上，而非自己购买部署的服务器上。托管（Hosting）公司运营大型的数据中心，需要数据存储托管的人，则通过向其购买或租赁存储空间的方式来满足数据存储的需求。数据中心营运商根据客户的需求，在后端准备存储虚拟化的资源，并将其以存储资源池（Storage Pool）的方式提供给客户，客户便可自行使用此存储资源池来存放文件或对象。实际上，这些资源可能被分布在众多的服务器主机上。云存储具有以下优势：

①可以实现自动化和智能化的存储管理，所有的存储资源被整合到一起，客户看到的是单一存储空间。

②提高存储效率，通过虚拟化技术解决存储空间的浪费问题，可以自动重新分配数据，提高存储空间的利用率，同时具备负载均衡、故障冗余功能。

③云存储能够实现规模效应和弹性扩展，将服务器资源得到最大化的利用，不仅降低运营成本，而且避免资源浪费。

A5.1.6.3　云服务

云服务是基于互联网的相关服务的增加、使用和交互模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云服务是指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。

简单来说，云服务可以将企业所需的软硬件、资料都放到网络上，在任何时间、地点使用不同的IT设备互相连接，实现数据存取、运算等目的。目前常见的云服务有公共云（PublicCloud）和私有云（Private Cloud）两种。

公共云服务是基础的云服务模式，多个客户可共享一个服务提供商的系统资源，他们无须架设任何设备及配备管理人员，便可享有专业的IT服务。公共云还可细分为三个类别，即SaaS（软件即服务）、PaaS（Platform-as-a-Service，平台即服务）及IaaS（Infrastructure-as-a-Service，基础设施即服务）。

虽然公有云服务提供商需遵守行业法规，但是大企业（如金融、保险行业）为了兼顾行业、客户隐私，不可能将重要数据存放到公共网络上，故倾向于架设私有云端网络。

私有云服务主要是大型企业（大的教育集团、企业）的运作形式。然而，架设私有云服务是一项重大投资，企业需自行设计数据中心、网络、存储设备，并且拥有专业的顾问团队。企业管理层必须充分考虑使用私有云的必要性以及是否拥有足够资源来确保私有云服务的正常运作。

A5.1.6.4　云技术在教育领域的应用

为推进我国教育在云计算方面的应用，教育部在2012年3月发布的《教育信息化十年发展规划（2011—2022年）》中明确提出采用云计算服务模式，形成资源配置与服务的集约化、效益化、优质化发展途径，构建稳定可靠、低成本的国家教育云服务平台。

（1）云教育的优势

云计算技术能够帮助教育系统建设高质量的教育资源库、高效的网络学习平台和高集成化、高科技化的教学管理系统，还可以通过整合资源为教育机构解决很多问题，为教育机构以后的发展指明方向。现阶段的教育资源共享建设存在较大的漏洞，引入云计算技术之后，我们可以通过云计算技术解决各个地区各个学校的资源分布不均状况、学校与学校之间的重复建设情况、资源孤岛现象以及相互协作的缺乏等问题。因此，可以通过云计算技术打造一个统一的、多样化的平台，让教育部门、学校、教师、学生及其他教育相关人士等都能进入该平台，扮演不同角色，并通过计算机的信息记录等进一步发挥云计算技术的能力，将教育过程中的各种数据信息加以分析、推演，并进行良好的用户画像，进一步优化教育资源的分配，提升教学质量。

首先，云计算有很强大的资源共享能力、无限的存储能力以及良好的容错性。我们可以利用云计算来实现教育资源数据的分布式存储，在需要的时候对它进行统一的管理。所有的资源由高效的服务器以及高效的工作团队来维护。

其次，我们可以通过云计算来对以前无序、缺乏统一调配的学习资源进行统一的管理。云计算可以有效地整合一个网络学习平台所需要的资源，并能够通过相关的服务程序来对学习平台进行管理，让学生能够比较有效方便地在这个平台上学习。

最后，通过云计算，相关的教育机构可以建设强大的教育管理系统。云计算可以为在网用户提供足够的在线服务，利用这些软件来进行教育管理。这都能够提高大家的办公效率。

（2）云教育的未来值得期待

随着大数据时代的到来，数据带来的价值日益受到各行各业的重视。在教育领域，对数据的获取和分析，可以帮助教育工作者做出科学的决策，并为学生制定出更好的发展策略和目标，帮助学生梳理信息，实现个人价值。同时，可根据数据可视化分析，快速发现传统教育方式中难以发现的问题，迅速改善提高。总而言之，云计算在教育事业中的发展是值得期待与关注的。

A5.1.7　AI技术

A5.1.7.1　什么是AI技术

AI（人工智能）技术是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

AI是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来AI带来的科技产品，将会是人类智慧的“容器”。AI可以对人的意识、思维的信息过程的模拟。AI不是人的智能，但能像人那样思考，也可能超过人的智能。

毋庸讳言，AI正加速袭来，冲击着人们生产、生活、学习的各个领域。AI与教育碰撞，会是什么样的场景？这自然会引起人们的遐想，而且AI已经迅速进入教育领域。

A5.1.7.2　AI对教育的影响

无疑，未来的教育行业是少不了AI的。AI技术的出现会给社会带来一种全新的学习关系，通过智能化、扁平化、数字化、立体化来重新搭建学习的过程。

①智能化趋势的核心在于AI，也在于大数据的采集和多维度的定义。目前教育行业AI化模式可分成以下几类：自适应学习、在线助手、信息化管理和智能机器人。

②扁平化教育主要是打通各学习主体，使学习资源直接从供给方直接到达学习，让双方的距离更接近。目前就是通过直播课程和网络公开课两种形式，不降低教育资源质量，但大大减少双方的时间成本和资金成本。

③数字化是目前接受度很高的教育渠道。互联网企业和传统教育机构的合作能给传统机构做一个全面的升级改进，课堂内传统的教学工具、学校的管理系统会被更高效、更准确的互联网平台取代，学生的课本学习资料会被视频、APP或网站取代，传统黑板也会被平板电脑取代。

④立体化是指通过3D打印、AR／VR甚至更多技术，把图片或场景立体化变得可视可感，把知识变得更生动，提高学生对知识的理解程度和接受度。

AI未来将教学变为大数据分析和人工智能辅助的以学生为中心的个性化学习活动，为每个学生提供个性化、定制化的学习内容和方法，从而激发学生深层次的学习欲望。

A5.2　新教学模式下AI交互教学平台的目标

新教学模式是一种超前而又实用的教学方法和应用的集合。实现新教学模式的AI交互教学平台必须满足以下的客观要求：

①承载新教学模式的软件系统必须具有技术前瞻性和创造性。

②要满足课堂教学的要求，也要满足远程网络教学的要求。

③要满足多用户在线的压力要求，也要满足多并发的性能要求。

④要满足大数据处理的性能要求，也要满足系统的动态扩容要求。

⑤要满足用户在线监测的监控要求，也要满足对学生桌面行为的监控要求。

⑥要满足大数据的动态存储检索要求，也要满足用户状态的存储要求。

⑦要满足教与学过程中的其他要求。

在这些客观条件的要求下，AI交互教学平台的实现是一项技术含量高、规模化、团队化、标准化的综合项目工程。随着AI交互教学平台在教学活动中的应用，应不断改进系统的功能和使用新的技术以提高系统的完整性和可用性，使AI交互教学平台更加完善。

A5.2.1　技术目标

实现新教学模式的软件技术必须是当前最先进的技术或者具有创新性的技术，主要有以下目标要求：

①能够支持人脸识别和指纹识别技术。

②能够支持语音输入和翻译功能，并能对识别的语音内容进行智能答复。

③数据的存储支持分布式云存储，并提供云检索功能。

④服务器应当采用集群技术，避免数据单点故障。

⑤集群节点之间应该实时同步数据和用户状态。

⑥视频技术应该支持直播，并支持3 000＋用户同时在线访问。

⑦虚拟AI机器人教师能够提供虚拟3D成像技术。

⑧AI机器人教师要具有学习功能，能逐渐形成自己的知识库体系。

A5.2.2　性能目标

由于AI交互教学平台功能庞大、结构复杂、用户量大、使用时段集中等特点，因此在系统设计的过程中对性能必须进行优先考虑和设计。主要有以下性能要求：

①服务器在学期内支持7×24小时在线服务，在寒暑假期间允许1天的维护。

②服务器数据支持云存储和备份，不会因为存储设备的故障导致数据丢失和访问故障。

③服务器集群要避免出现任何单点故障，服务器节点之间能够进行用户状态数据自动同步。

④大数据的存储要支持多节点的无缝备份和访问，数据访问的反馈率要达到100%，成功率要达到99.9%，也就是1 000次访问可能出现1次找不到文件数据的情况。

⑤当用户访问时，页面要在1秒内返回结果，音频在2秒内输出声音，视频在5秒内开始加载数据，特别大的文件采取动态加载策略，支持边加载边播放。

⑥在语音和视频通话过程中，支持动态流控制，界面延迟不超过3秒、语音延迟不超过1秒，界面流畅清晰。

⑦在课堂直播的过程中，一个教室最大支持300个在线用户，同一时间允许1个学生参与视频和语音交互。

⑧AI交互教学平台中的Web服务支持在线用户50 000人，每秒钟访问量5 000次，支持同时有500个用户提交数据的并发数。

A5.2.3　数据目标

由于AI交互教学平台的资源库中的资源比较庞大，用户量也非常多。以清华大学为例，在校生和教职工一起大概有6万人的规模，根据二八原则，上课时间段内大概有1.2万名教职工在线，这个数据量还是比较大的，产生的数据流以及用户信息维护也是很复杂的，因此AI交互教学平台对大数据的处理提出了较高的要求：

①平台建设以Hadoop大数据平台为基础，允许在整个集群使用简单编程模型计算机的分布式环境存储并处理大数据。

②服务节点间必须以集群的形式存在。单台服务器无法处理海量的大数据，服务器越多，集群的威力越大。

③采用分布式文件存储系统：数据以块的形式分布在集群的不同节点。在使用HDFS时，无须关心数据是存储在哪个节点上或者是从哪个节点从获取的，只需像使用本地文件系统一样管理和存储文件系统中的数据，且数据具有冗余性以防止数据丢失。

④系统必须采用分布式计算框架。分布式计算框架将复杂的数据集分发给不同的节点去操作，每个节点会周期性地返回它所完成的工作和最新的状态。采用分布式计算方式，计算将变得高效。将目标数据随机分配给N个节点，由N个节点去分别统计和计算目标的部分值，再将N个结果进行聚合，输出最后的结果。分布式并行计算框架具有可扩展、可配置、可容错、全内存、实时在线处理的特点，能够很好地解决上课过程中数据的大并发访问的情况。

⑤采用先进的资源调度管理器。对AI交互教学平台中的资源采用最合适的资源调度框架进行调度，使资源得到最优化的使用。