作为教育信息化发展的代际跃升，教育信息化 2.0将重构教育生态系统，促使其具备“人本”、“生态”、“智能”的典型特征。“人工智能+”校园是面向教育信息化2.0的学校新样态，其典型应用场景有以下几种。

(一)人工智能支持下的精准教学

       人工智能（AI）为“精准教学”注入了更强大的生命力，借助 AI将可能产生颠覆性的精准教学手段，未来的高级阶段指向即个性化教学。利用 AI不仅可以采集学生的学习水平状态，识别环境中的图像、语音和环境数据，还可以通过脑电传感器、电子手环、眼动仪等传感器，获取学生的生物模态信息，通过多模态数据的融合，将更“准”更“高效”。有可能在未来的校园，所有学生的学习任务都是AI来评估和分配的。同时，也有观点认为，基于学生生理特征的生物DNA数据，也可以纳入到精准教学的数据框架里，AI将学生的DNA特征与多元智能进行匹配，即可得出学生培养方案的最优解。

(二)人工智能支持下的智慧决策

      同传统的基于大数据的决策不同，AI支持的决策具体表现为：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合的学习；从领域任务驱动智能到更为通用条件下的强人工智能(从经验中学习)。未来AI将改变计算本身，将大数据转变为知识，以支持人类社会更好地决策。“智能+”校园的决策，将依托类型更丰富的传感器所采集的数据，并在对领域建模的基础上，发展出基于学校特征属性的AI决策算法，为学校提供更迅捷、更可信的决策。未来学校的数据中心有可能进一步演化为“学校大脑”，既具备强大的运算能力，又具备丰富的可视化决策视图。

 (三)人工智能支持下的量化评价

      当前，教育大数据的数据较集中，能够直接分析的数据并不多，且多集中于 LMS中的日志或行为记录或良构设计的数据库中的记录，反映的教育问题并不全面。从“无感、自然”的常态化的大数据采集策略来看，学校中的语音和视频数据是另外两种更易于采集的教育大数据形式，其过滤、清洗和加工，将涉及人工智能中的图像处理、语音识别与图像识别等关键技术。

       人工智能应用于评价，在技术上的重要特征是多模态机器学习，为评价系统提供多模态数据处理能力，这将改变传统的基于单一通道/模态的数据处理方法。如，视觉信息通常用 CNN 处理，文本信息通常使用 RNN 处理，使用多维度数据对齐的方式就可以将视频和文本的信息融合在同一个时间轴上加以处理。由于在大多数场景中，多模态机器学习优于单模态机器学习，因此，可能获得更高的准确率，进而反映的评价信息也更为真实。

(四)人工智能支持下的校园安保

      校园安全是信息化建设的传统领域，也是“智能+”校园的重要场景之一。但传统方法一般主要是通过架设摄像头进行长周期的循环监控，存在依赖人力、时效性差、容易产生疏漏等弊端。因此，亟待通过引入人脸识别等AI新技术来拓展人的能力，提高风险预防的精准性、预警的及时性和处置的科学性。具体的应用场景包括：校园重点出入口与区域管理、身份认证与预警、人流量密集场所风险识别与预警、学生安全管理、危险事件实时识别(如校园欺凌、暴力、自杀等)、定点/定时考勤与监测等。目前AI校园安保采用的技术主要是人脸识别技术，将来也应该采用多模态的方法融入其他来源与类型的数据。

(五)人工智能支持下的心理健康护理与测评服务

       在“智能+”校园中，除了可以采用虚拟的AI护理机器人，也可以部署具有亲和力的实体心理陪护机器人与学生进行交互，其中一种重要的选择就是情感机器人。它是基于“人工情感”理论设计，被赋予了人类式情感的机器人，能够表达、识别和理解喜乐哀怒等人类情感，主要依托情感计算、人工心理和感性工学等技术开发，具有较高的拟人度。另外，“人机协同”开展心理辅导等，也是发展方向。

(六)人工智能支持下的家校云沟通

       同现有主要采用社交软件或公众号不同的是，人工智能支持下的云沟通更具有人性化、智能化。目前，旨在同人工客服彼此互补、减低客服成本、提升客服回应速度的智能客服，在企业领域已有较成熟的应用案例，若能结合教育领域特征进行进一步定制，增加可视化界面与人机友好度，将有可能建立一套家校沟通的AI通道。

(七)人工智能支持下的适应性学习空间

       面向人工智能时代的学习空间具有更丰富的特征，除了应具备灵活性、人性化、开放性、智能性等特征之外，还将凸显包容性、层次性、多样性和协同性。其中，“智能+”校园的学习空间同传统空间最大的差异，应是对自适应教育的支持，将传统的面向共性需求的空间，转换为面向个性化需求、能灵活支持适应性学习的空间。

(八)人工智能支持下的认知工具

       认知工具是指能帮助学习者完成对信息的收集、整理、处理、创造和表达等，而有效地进行思考和认知的操作工具，用以支持、引导和扩充学习者思想的过程。尽管当前关于认知工具的重要性已达成共识，但在实践层面，认知工具(特别是契合具体认知目标的认知工具)仍然匮乏，一般较多地把传统工具或媒介设定为认知工具。这类方式易于获取，但也存在明显的不足：缺少对认知过程的追踪和评估。“智能+”校园从认知类型的契合度、认知形式的适切度、认知过程的可追踪、认知结果的可评估等四个维度，设计和应用认知工具，通过让AI辅助认知目标的达成实现深度学习。

       详见人大复印报刊资料《中小学学校管理》2018年第11期