人工智能與教育

一、人機交互，靈活助教

在人工智能時代，各個領域都涌現出了許多與人工智能結合的應用，教育領域也不例外。教育工作者與科研人員在智能教育領域進行了許多積極的探索。智能教育的引用領域包括智能分析，智能校園，智能導師系統，智能測評，教育機器人等方面，涵蓋教育中所涉及到的諸多環節。在這些環節中，知識表示、自然語言處理、智能代理、情感計算、機器學習和深度學習技術等均可有充分的應用。智能教育中的智能主要體現在，對於被教育人的狀態，教育人的資源，以及學習的效果進行不斷的監控，以自動的進行教學或調整教學的計劃和資源分配。實際則就是教育過程的自主適應和個性化調控的部分。其中很大一份的應用場景可被歸納爲自適應學習。

傳統的學習系統對所有學生一視同仁，無視了學生之間的個體差異。而更加自適應，個性化且智能的學習方式則能夠實現因材施教，能夠顯著提升教學效果，成爲了智能教育不可或缺的一部分。因材施教從古至今一直是教育中的一項重要原則。從中國孔子和私塾的教育理念開始，到劍橋大學的傳統導師制度，都是踐行因材施教的個性化教育方式的典型例子。這種智能的學習方式不僅給予優秀學員更大的成長空間，而且能夠充分照顧差生，而不像傳統課堂教育中針對大部分中等學員進行教學。隨着現在互聯網技術的發展、人工智能算法的進步、在線教育數據的積累，自適應學習系統的實現不再是天方夜譚，其中科大訊飛的高考機器人、Knewton的適應性學習平臺更是讓我們看到了智能教育的曙光。

早在20世紀50年代的程序教學開始，教育就和計算機有了緊密的聯繫，在先後經歷了計算機輔助教學、生成性計算機輔助教學、智能教學系統以後，才逐漸向自適應學習的方向發展，發展成爲個性化的智能學習。自適應的智能學習方法的理論依據是1973年Hartley &Sleeman提出的智能教學系統基本架構。這個框架自提出起，就得到各個國家的廣泛重視，對其開展了衆多的研究。例如美國的Peter Brusilovskey研究成果最爲豐富，提出了第一個自適應學習系統通用模型，也稱爲AEHS模型。後續也涌現出了AHAM，LAOS，XAHM和WebML等多個參考模型，自適應的智能學習方面的理論研究在不斷的進行革新和完善。同時，也有許多智能教育系統在不斷進入市場，其中當前應用較好的有ALEKS、Knewton、Cogbooks。國內也涌現了一大批的個性化學習網站。隨着理論和技術應用的不斷髮展，在智能教育方面，教學資源由最初與教學策略綁定的文本豐富爲獨立的超文本，進而變爲超媒體，增加了教學資源的靈活性和多樣性；教學策略由最初固化到程序的學習路徑變爲根據學生反應動態選擇，進而變爲個性化推薦；教學方式由最初學生機械地自學變爲教師科學地傳授，進而變爲學生主動地建構知識。學生的建模也由最初的一視同仁變爲「刺激-反應」型動態地評價，進而變爲涵蓋基本信息、學習風格、知識狀態等多方面的學生模型。

自1994年 Halasz &Schwartz 在提出的德克斯特超文本參考模型以來，無論自適應學習系統的物理實現分爲幾層，通用參考模型一般包括學員模型、領域知識模型、情景模型、策略模型。

其中，學員模型是自適應學習系統的核心組件，它記錄了學員的基本信息、學習風格、知識水平和學習歷史。其中，像年齡、性別等的基本信息在用戶註冊時就能蒐集完成，並且在整個學習過程當中是不變的；知識水平是學員對於知識的掌握程度，由系統中的測試模塊動態更新狀態；作爲數據挖掘的基礎，學習歷史的更新覆蓋整個自適應學習的生命週期，是學員對於學習過程的完整記錄；學習風格是學員在學習過程中表現出的不同學習偏好，因此成爲個性化內容導航和內容呈現方式的重要依據，對於虛擬維修系統中學習的自適應性具有重要影響，而學習風格信息的蒐集方式是多種多樣的。

領域知識模型標識了學員所要掌握知識的全集，也是自適應學習系統的另一核心組件，它記錄了相關領域的術語及其之間的關係。目前領域知識模型的表示方式多種多樣，包括知識圖譜、本體論、知識空間、概念圖等；構建方式根據人爲參與因素的多少分爲專家制定、半自動化構建、自動化構建。專家制定方式是指專家根據自己對於該領域的積澱人工制定領域模型，工作繁瑣，而且嚴重依賴領域專家自身的水平，系統的可移植性非常差。自動化方式是使用統計、自然語言處理、機器學習等技術自動化挖掘領域知識，從而完成領域知識模型的構建，這種方式的準確度低，但是可移植性非常好。半自動化方式是指綜合使用人工專家、自動化構建技術來完成領域知識模型的構建。在自動化構建知識模型時，需要使用關鍵詞提取技術發現領域術語，使用關係提取技術發現領域術語之間的關係，進而完成虛擬維修系統中機械領域知識模型的構建。

知識推薦策略是教學資源到學習者本身的映射函數，同時也是自適應學習系統智能性水平的決定因素，包括內容導航和自適應內容呈現。其中，內容導航是指根據學員模型個性化生成學習路徑，完成知識到學員的映射，幫助學員通過學習建構自己的知識模型。自適應內容呈現是指將適當類型的教學資源以適當的方式提供給學員，以適應學員的學習風格。比如有人喜歡觀看課件，有人喜歡觀看桌面式系統演示，有人喜歡觀看沉浸式系統的演示；有人喜歡學習抽象的概念，有人喜歡操作。優秀的知識推薦策略能夠針對學員的痛點，讓他們以最適合自己的方式學到最需要的知識，提高學習效率。

測試模塊是衡量學員知識掌握水平的重要方式，而先進的自適應診測技術僅需要簡短的測試就可以精準找到學員的盲點和薄弱點。高效快速的自適應測試，能夠節省學員時間，提高學習效率，從而克服傳統虛擬維修系統中對所有學員一視同仁的弊端。

通過更加智能的教育方式，能夠讓學習者發現學習過程中最爲舒適自然的方式。除了提高學習的效率，還能夠讓學習者對學習產生更大的興趣，從而積極主動的進行學習。雖然取得了許多的研究成果，但更多的發展還需要在投入到實踐中應用後不斷的對系統進行完善，因此需要在真正的教學環境中，讓教師和學生不斷的進行嘗試和反饋。在未來的智能教育發展中，我們需要不斷的對自適應學習技術進行完善，推出更具有針對性的學生學習系統，讓教育變得更加智能化和個性化，學生們能夠更加舒適高效的接受學習。

二、人類知識探祕

人不但具有關於事實的陳述性知識(declarativeknowledge)和關於如何完成各種認知活動的程序性知識(procedural knowledge)；還有更多默會性知識，而對這些知識的表徵、處理和使用纔是真正的智能之源，但這需要社會化和交互作用才能形成的，如反映價值的意向性知識（should knowledge）就是人工智能的極限。

在生活中，目標幫助我們集中注意和精力，並表明我們想要完成的任務。同理，在人工智能研究領域中，目標表明瞭我們想讓機器學習的結果。機器學習的核型要就是「期望機器通過訓練過程後獲得改變的方式的明確表達。一個系統如果能夠根據它所知的信息（知識、時間、資源等）能夠做出最好的決策，就是理性的思考。歸納能力是指通過大量實例，總結出具有一般性規律的知識的能力。那麼如何讓機器更好的像人一樣掌握不同知識的學習？下面就讓我們瞭解一下著名心理學家布魯姆是如何對人類學習、教學和評估進行分類的。

首先學習目標是由認知過程和知識維度定義的，來用於指導學習、教學、評估的更好地進行。目標的陳述包括一個動詞和一個名詞。動詞一般描述預期的認知過程。名詞一般描述期望學生掌握建構的知識。而認知過程維度則包括六個類目：記憶、理解、運用、分析、評價和創造。而決定認知過程維度的連續統一體被認爲是認知的複雜性。也就是說，假定理解比記憶的認知程度更復雜，運用比理解的認知過程更復雜，以此類推。

在研究教育問題中最普遍和最長久的課程問題之一是：什麼是值得我們學習的？這是第一個組織問題。抽象地說，問題的答案界定了什麼是受過教育的人。更具體地說，有時候答案界定了所教學科的意義。但是單有標準並不必然提供一個充分和可靠的答案。雜貨清單式的標準可能比令人啓發和有用的標準更令人有啓發和有用的標準更讓人模糊、沮喪。老師仍然需要回答什麼是值得學習的這一個問題。而他們主要靠課堂時間的分配和告訴學生實際的重點是什麼來回答這個問題。而透過分類表去看，教師能更清楚地看到可能的目標的排列和它們之間的關聯。這樣，當我們根據分類表分析所有或部分的課程時，我們就能夠對課程獲得更加完整的理解。具有愈多條目的橫向。豎列、單元格便一目瞭然，那些完全沒有條目的橫行、豎列和單元格也同樣明顯。沒有條目的整行或整列能警惕我們，在這裏可能包括迄今爲止沒有考慮過的目標。

總之，對於目標的分類雖然不能直接告訴老師什麼是值得教的，但是可以幫助教師把標準轉化爲共同的語言，以便與他們個人希望達成的目標相比較，通過呈現多種可能性的考慮，爲指導課程建議提供某種關觀點。

圖6-1 目標在知識表中的分類

在知識維度的分類可以分爲事實性知識、概念性知識、程序性知識和反省認知知識。

事實性知識包括專家在自己的學科交談、理解和系統組織時所使用思維基本元素。把它們從一種情景運用於另一種情景很少或完全不需要變化。事實性知識包括基本元素。如果學生需要知曉某個學科或解決其中的任何問題，他們必須知道這些基本元素。事實性知識通常是一些與具體事物相聯繫的符號或「符號串」，它們傳遞重要信息。而且大多數事實性知識以相對較低的抽象水品出現。包括術語知識和具體細節和要素知識。

術語知識包括特殊言語的和非言語的符號（如詞、數字、標記、圖畫）。它們是學科的基本語言—專家用於表達他所知的東西的速記。如：字母表知識、科學術語知識（分子符號標誌，原子內粒子名稱）、用於表示詞的正確發音的符號知識。

具體細節和要素知識指事件、地點、人物、時間、信息源等知識。它包括非常精確和具體的信息，如事件的具體日期或現象的準確數量。它也可能包括大概的信息，如事件出現的時期或大量現象出現的一般順序。與只能在一定的背景中才可知的事實相比，具體事實可以看作是獨立和分散的元素。

概念性知識涉及類目、分類和它們兩者或多者之間的關係—較爲複雜的和有組織的知識形式。概念性知識包括圖式、心理模型或者在不同心理學模型中或明或暗的理論。

分類和類目的知識這個亞類包括特殊類目、類別、部分和排列，它們用於不同題材中。每一題材（或教材）都有一套類目，不但可以用於發現新成分，而且可以用於處理已發現的新成分。類別和類目不同於術語和事實之處是：它們在兩個和多個成分之間建立了聯繫。如：句子成分（如名詞、動詞、形容詞）、不同種類的心理問題的知識。各種類型文學的知識。

另外一個是原理和概括的知識，原理和概括傾向於對學術性學科起支配作用，並用於該領域的現象和解決問題。原理和概括把大量具體事實和事件組合起來，它們描述這些具體細節之間的過程和相互關係，也描述分類和類別之間的關係，也描述分類和類別之間的關係。如：物理學基本定律的知識、支配基本算術運算原理（如交換率）的知識、關於特殊文化主要概括的知識。

還有理論、模型和機構的知識，包括原理、概括及其組合成相互聯繫的知識，它們對複雜的現象、問題或題材呈現一種清晰、完整和系統的觀點。如：國會總體結構的知識、地球板塊論的知識、基因模型的知識、作爲化學理論基礎和化學原理之間相互關係的知識。

程序性知識一般是指如何做什麼，研究技能、算法、技術、方法的標準。包括：具體學科的技能與算法的知識、具體學科的技術和方法的知識和決定何時運用適當程序的標準的知識。具體學科的技能與算法的知識可以表達爲一系列步驟，在總體上是我們所知的程序。如：用於水彩繪畫的技能的知識、解方程各種算法的知識。具體學科的技術和方法的知識與通常導致最終固定結果的具體技能和算法不同，有些程序並不導致預先決定的單一解答或答案。如：適合社會科學的研究方法的知識、科學家用於尋找問題解答和技術的知識、各種文學批評方法的知識。決定何時運用適當程序的標準的知識除了知道與專門課題有關的程序外，也希望學生知道何時運用它們。如：決定用哪種方法去解代數方程式的標準的知識、決定要寫的兒童文章中的哪一類（如說明文、議論文）的標準的知識。

反省認知知識一般認知知識和有關自己的認知的意識和知識，也指個人對自身的意識和知識。其中包括策略性知識、情境性和條件性的知識在內的關於認知任務的知識和自我知識。策略性知識是有關學習思維和解決問題的一般策略的知識，如：各種記憶術策略的知識、像釋義和寫概要這樣各種精加工策略的知識。除了各種策略知識外，個人還積累了有關認知任務的知識；換言之，他們在何時發展和如何適當運用這些策略知識。如：簡單記憶任務（如記憶電話號碼)可能只需要複述的知識，像寫概要和釋義這樣的精加工策略能導致較深刻理解的知識。自我知識包括與學習和認知有關的個人優缺點。如：知道自己在某些領域有知識的積累，但在另一些領域缺乏知識、知道自己在某些情景中傾向於依賴某類認知「工具」（策略）、個人完成某一任務的目標的知識、個人對某一任務興趣的知識。

所有像分類學這樣的框架都是對現實的抽象，這種簡化是爲了促進對潛在條理性的感知。這個框架也不例外。正如東西好吃的證據在於食用的過程，對知識的學習進行分類總結希望能夠幫助我們研究機器學習相關算法的專家進一步研究知識的構成與習得。

三、機器知識解析

    Rich Sutton反對傳統人工構建知識的方法，比如知識表示或手動構建的啓發式函數，他認爲痛苦的教訓是基於歷史的觀察，即：1）人工智能研究人員常常試圖將知識構建到他們的智能體中；2）從短期來看，這總是有幫助的，而且對研究人員來說是個人滿意的，但是從長遠來看，它會停滯不前，甚至會阻礙進一步的進展；3)通過基於搜索和學習的縮放計算的相反方法，可能會最終取得突破性的進展。

元知識的概念

  目前對元知識的定義，在學術界還沒有一個嚴格的概念。通常來說，元知識就是「關於知識的知識」。元知識可用來描述一類知識或知識集合所包含的內容、基本結構和一般特徵。沒有元知識, 人們無法描述知識、使用知識和認識知識。在自動控制與人工智能等系統領域中,一般把使用和控制該系統領域知識的知識稱爲元知識。元知識不是領域知識,不能解決具體知識領域問題；而是關於各領域知識的性質、結構、功能、特點、規律、組成與使用的知識, 是管理、控制和使用領域知識的知識。

  元知識是思想和意識的核心,如果沒有掌握元知識的，就不能學習和認知基本的知識，元知識對於人們認知系統的建立起着重要作用。人工智能和深度學習領域研究各種各樣的智能系統，自主學習機制均是以模擬人腦思維活動爲目的, 沒有學習元知識的能力的智能系統起碼不能算是一個智能系統。

知識的分類

 布魯姆在學習目標分類學方面進行了開創性工作，他將學習目標分爲認知、情感和動作技能三大領域。在認知領域，其認知教育目標分類學將將教育目標分爲知識、領會、運用、分析、綜合、評價等六個類別。

  布魯姆認知目標分類誕生幾十年來，對其修訂工作一直沒有停過。以加涅的學習結果分類理論和安德森的產生式理論以及以安德森爲首的團隊進行的布魯姆認知分類修訂版最爲著名。

加涅的認知學習結果分類

  加涅將可能的學習結果分爲五類：陳述性知識、智慧技能、認知策略、動作技能和態度，每一種分類又可以分爲不同的亞類。

陳述性知識是指可以用言語表達的信息，在陳述性知識是回答「是什麼」的問題。智慧技能是人們按照一定的方式方法做事的能力，它們是「怎麼做」的知識，如應用規則與原理解決確定性的問題。認知策略是指個體自主學習、記憶和思維活動的較高層次的智慧技能。

Gagne對於知識的分類

    Gagne將可能的學習結果分爲五種類型：陳述性知識、智慧技能、認知策略、態度和動作技能，具體的定義如表所示。其中陳述性知識分爲符號記憶、事實的知識、有組織的整體知識三個小類。

表6-1 Gagne定義的學習結果類型

類型	定義
陳述性知識	要求學習者逐字逐句的記憶、解釋或者從事實、名單、姓名中總結或是組織信息。陳述性知識有時被描述成是「知道什麼」。
智慧技能	智慧技能的結果是學習和培訓情景中的主要學習目標。智慧技能最重要的是將規則應用於之前沒有遇到的例子中，也稱爲程序性知識，描述爲「怎麼做」。
認知策略	學生用認知策略來管理他們自身的學習，有時稱爲學習策略或者「學習如何學習」。認知策略支持其他領域的學習。
態度	態度是一種使學習者傾向於選擇某種行爲方式的心理狀態。Gagne將態度描述爲認知、情感和行爲互相作用的結果。
動作技能	以流暢和精確定時爲特徵的肌肉運動調節就是動作技能。

修訂的布魯姆認知教育目標分類

  最正規的修訂工作是由課程理論與教育研究專家安德森爲首的一個專家小組經過5年的工作，於2001年公佈的原分類學的修訂版。本文基於此種分類方式對不同類型的知識的認知過程分別進行分析，試圖找出虛擬維修訓練中元知識的認知規律依據。

  布魯姆教育目標分類學修訂版的與以前最大的不同是將教育目標分成兩個維度。一個是認知過程維度，另一個是知識維度。認知過程維度仍分爲6大類，但第一類的知識改爲記憶，保留了理解、應用、分析和評價，增加了創造。將舊版中的知識單獨劃出來作爲一個新的維度。知識維度將知識分爲事實性知識、概念性知識、程序性知識和元認知知識。

以認知過程維度爲橫軸、知識維度爲縱座標，就形成了認知目標二維分類模型。不同的知識維度，對應不同的認知過程，由此形成了不同的學習和訓練目標以及訓練方法、訓練策略。

認知目標分類二維模型

  在總結以上專家對於知識的分類方式後，這裏將最具權威的修訂布魯姆教育目標分類學作爲元知識的分類方式。

事實性知識

事實性知識的研究基礎

  事實性知識是學習者在學習某一專業時必須掌握的基本元素，這些元素包括時間，地點，人物，事件。對應裝備虛擬維修訓練，如裝備的技術性能、基本技術參數等。事實性知識可能以獨立元素或點滴信息而存在，而被認爲在本質上和其自身是有某種價值的。它又可分爲術語知識、具體細節和要素知識兩個亞類。

事實性知識的一般過程

  對於事實性知識，在知識呈現情景階段通過對呈現的知識考察可發現事實性知識呈現的離散性特點。在學習過程情景階段，通過對學習時交互方式的考察可以發現認知過程以被動接收爲主的特點。

事實性知識的認知過程以記憶爲主。

事實性知識的基本規律

事實性知識有如下特點：

（1）以陳述性的知識爲主。

（2）認知內容沒有認知中的高級分析加工或加工量很小，信息不存在認知困難，認知任務主要在於信息的量。

（3）認知過程是離散的。

（4）認知過程以被動的視聽接收爲主

事實性知識的分類

  術語知識包括特殊言語和非言語的符號（如詞、數字、標記、圖畫）。每一個專業都有其特有的標識和符號表示方式，它們是掌握這一學科的基礎。掌握一個專業的術語知識，同一個專業的人就可以快速交流，短時間內實現思想的碰撞，更有利於擦出新的火花。掌握術語知識可以方便人們快速記憶一些東西，爲將來學習更加深刻的內容打下堅實基礎。

  具體細節和元素知識指時間、地點、人物、事件等知識。它可能包括非常具體的信息，如在哪一時刻打開哪一個開關或按鈕，也可能有大概的信息，如事件出現的時期或大量現象出現的一般順序。與只能在一定的背景中才可知的事實相比，具體事實可以看作是獨立的和分散的元素。

概念性知識

概念性知識的研究基礎

  概念性知識是指一個整體結構中各個要素之間的關係,就是這個關係表達了某一專業的知識是如何形成的，各個要素之間是如何互相影響的，以如何組成一個完整的系統。將概括的知識按照意義的方式加以概括總結，用以體現某些問題、現象的內在聯繫。概念性知識有如下三個亞類：類別與分類的知識、原理與概括的知識、理論、模式與結構的知識。

概念性知識的一般過程

  概念性知識的一般過程是一個以記憶爲基礎，到理解的過程。

概念性知識的基本規律

  概念性知識有如下特點：

（1）以陳述性的抽象知識爲主。

（2）需要對認知內容加以理解。

（3）記憶與理解相互作用形成認知。

概念性知識的分類

  分類和類目的知識這個亞類包括特殊類目、類別、部分和排列。當題材（或教材）發展時，學習該材料的人發現，開發出一些類別和類目使之能將這些類別和類目用於結構化和系統化的現象，是很有好處的。同術語和具體事實相比，這類知識是比較一般的和抽象的。

  分類或類目的知識是發展某一個學術性學科的重要方面。信息適當分類和經驗進人適當類目乃是學習和發展的經典指標。而且新近關於概念變化和理解的研究表明，信息的錯誤分類進人不適當類目可以限制學生的學習。

如同前述，原理和概括是由分類和類目構成的。這個亞類抽象的概括出人們見到的各種現象，並且將這些現象抽象成知識。這些抽象知識對於描述某種現象，解釋這種現象出現的原因，預測事件的發展趨勢，並根據預測結果採取相應的行動具有重大的價值。

  原理和概括知識，就是從大量的事實和事件中，抽象和概括出這些事實的核心，並且分析這些核心的內在聯繫和之間的相互作用，以及如何構成整個事實或事件的整體。

  理論、模型和結構的知識包括原理、概括及其組合成相互聯繫的知識，這個亞類側重於將原理和概括以某種方式相聯繫，從而形成理論、模型或結構。

學科具有不同研究範式和認識論，學生應該知道從概念上加工和組織教材的不同方式和在該教材中的研究領域。

程序性知識

程序性知識的研究基礎

  程序性知識是「如何做事的知識」，如何思考及如何解決問題，在遇到問題時，不僅要想到如何去解決問題，同時也要知道在什麼樣的場景下，使用什麼樣的方式去解決什麼樣的問題。程序性知識有三個亞類：具體學科技能和算法的知識、具體學科技巧和方法的知識、確定何時運用適當程序的知識。

程序性知識的一般過程

  程序性知識不僅包括了基本的由記憶到理解的一般認知過程，還包括了理解之後的應用和分析。

程序性知識的基本規律

  程序性知識有如下特點：

1、認知內容綜合性強，需要經過高級分析加工進行理解。

2、對情景依賴性高，認知任務主要在於正確把握當前情景並做出合理判斷。

3、認知過程是一個交互的過程，需要主動參與，是一個不斷反覆的過程。

4、認知過程是一個連續的整體、實時性要求高。

程序性知識的分類

  如上所述，程序性知識可以表達爲一系列步驟，在總體上是我們所知的程序有時這些步驟的順序是不變的；有時需做出決策，決定先做什麼，然後在做什麼。相似地，有時其結果是固定的（只有單一預定的答案），有時答案不定。

  與通常最終導致固定結果的具體技能和算法不同，有些程序並不導致預先決定的單一解答或答案。例如我們以某種先後有序的方式遵循一般科學方法去設計某一研究，但實驗設計的結果依據大景的因素可能會有很大差異。程序性知識的這一亞類與上個個亞類相比，其結果是較爲開放的和不固定的。

  具體學科的技術和方法的知識主要是意見一致的結果或學科規範，而不是更爲直接來自觀察、試驗或發現的知識。決定何時運用適當程序的標準的知識是指除了知道與專門課題有關的程序外，也希望人們知道何時運用它們，後者涉及過去運用它們的方式。這些知識幾乎是歷史的或百科全書式的。

  這一亞類更多的涉及到人們對於當前情況的情景認知能力，首先要對當前的所處的狀態做一個判斷，然後將判斷所得到的信息與已知的相關程序性知識做匹配，最後做出選擇，決定在什麼樣的時間和空間，以及各種複雜條件下，適用什麼樣的程序,最後通過對人們用定律解決問題的能力進行評定。

元認知知識

元認知知識的研究基礎

  元認知知識一般指關於認知的知識，也指個體對於自身情況的是否有足夠的瞭解，並且能夠做出正確的判斷，包括瞭解自己認知活動中的優勢與不足，以及採用什麼樣的一般策略去發現必要的信息。元認知知識有如下三個亞類：策略知識、關於認知任務的知識、自我知識。

元認知知識的一般過程

  元認知知識的認知過程是在事實性知識、概念性知識、程序性知識的基礎上，逐漸遞進的過程。由最初事實性知識的記憶，到概念性知識的理解，程序性知識的應用、分析，元認知知識在這個基礎上，增加了評價和創造的過程。

元認知知識的基本規律

  元認知知識有如下特點：

1、認知難度大，要求高。

2、認知的形成可以作用於設計階段以改善學習訓練效果。

元認知知識的分類

  策略性知識是有關學習、思考和解決問題的一般策略的知識。這個亞類中的策略可以跨不同的任務和教材運用，而不僅僅對某一學科領域中某種任務最有用，如用於解二次方程式和歐姆定律。

  除了各種策略的知識之外，個人還積累了有關認知任務的知識。在傳統元認知知識區分中，弗拉維爾把下列知識納人元認知知識：不同認知任務可能有難度較大的，也有比較簡單的，根據難度的不同，可能需要不同策略。回憶任務需要個體積極搜尋和提取適當信息，而再認任務只需要個體在幾種選擇中做出決定和選擇正確的或最適當的答案。

自我知識

  弗拉維爾提出，除不同策略和認知任務的知識之外,自我知識也是一種重要的元認知知識。專家的一個標誌是他們對自己不知道的東西很清晰，所以他們具有發現所需要的和適當的信息的一般策略。個人對自我知識深度和廣度的意識是自我知識的一個非常重要的方面。他們對自己的實際知識和能力沒有誇大和虛假的印象，他們知道自己知道什麼和不知道什麼。

爲什麼常說AI的未來是人機融合智能呢？