2017威尼斯登陆网站-威尼斯2017娱乐官网-欢迎您
做最好的网站

一加一如何大于二,干货丨最全AI技术改造教育流

作者: 教育新闻  发布:2020-02-09

首页>教育>教育综合>

首页>教育>教育综合>

教育人工智能的三层次应用模式,一加一如何大于二?

教育综合教育之弦杨现民/张昊2018-06-03 · 11:482018-06-03[ 亿欧导读 ] 研究认为人工智能可以解决三个层面的教育问题,分别是面向特殊人群的补偿性教育、针对常规业务的替代式教育以及服务个性发展的适应性教育。威尼斯2017娱乐官网 1图片来自“123rf.com.cn”

教育人工智能的应用核心应聚焦教育目标和价值体系,利用人工智能技术的优势与教育过程相融合,以产生1+1>2的效果。根据目前人工智能技术的特点和优势,研究认为人工智能可以解决三个层面的教育问题,分别是面向特殊人群的补偿性教育、针对常规业务的替代式教育以及服务个性发展的适应性教育。

威尼斯2017娱乐官网 2

教育人工智能三层次应用模式

威尼斯2017娱乐官网 ,干货丨最全AI技术改造教育流程:AI教育的哲学性探讨

教育综合一百亿研究所一百亿研究所2018-05-01 · 11:042018-05-01[ 亿欧导读 ] 教育领域应用AI技术具有天然的适应性,AI+教育能够有效解决教育效率的问题,真正做到因材施教,提升教学体验。威尼斯2017娱乐官网 3图片来自“123rf.com.cn”

在人工智能技术发展形势如火如荼的今天,教育行业是人工智能技术应用落地最火爆的领域之一。一百亿研究所从人工智能技术在教育行业最细节的技术及其应用环节出发,从点到面地带来AI教育场景应用的行业态势观点。

面向特殊人群的补偿性教育

所谓补偿,就是抵消损失,弥补缺陷。缺陷补偿是特殊教育的重要目的,其有两层含义:一是指用机体未被损害的部分去代替、弥补已损害的部分,以产生新的机能组合和新的条件联系;二是指利用新的科学技术、工具与手段使机体被损害的机能得到部分或全面康复。

特殊教育中的群体一般包括聋哑学生、听障学生、视障学生、智障学生、自闭症学生及肢体残疾学生等,这些学生由于先天或者后天缺陷,在学习和生活上充满困难。目前,人工智能技术已经成功应用于特殊教育领域,它可以延伸特殊人群器官的功能,以技术手段弥补其智力或身体的不足,最大程度满足不同特殊人群的需要,促进其个性化学习。

例如,北京联合大学特殊教育学院利用科大讯飞“听见语音转写系统”来为听障学生进行授课。该系统利用自然语言处理技术和语音识别技术将老师的讲课声音实时识别为学生能够看得见的文字,实践证明这不仅能提高讲课效率,还能解决手语授课表达不够精准的问题。罗纳德·科尔教授团队研发出了智能导学系统来帮助聋哑儿童进行词汇学习。该系统嵌入一个智能化的虚拟导师,聋哑儿童在虚拟导师的帮助下可完成学习任务并练习发音。试验结果表明聋哑儿童不但学会了知识,而且表达能力也得到提高。

生活方面,利用教育人工智能可以促进特殊人群的生活便利化。例如Aira公司将机器学习与智能辅助眼镜相融合,利用机器学习算法和语音识别技术帮助视觉障碍者同步获取周边环境信息并进行定位导航,为其出行带来极大便利。

健康方面,应用教育人工智能可以促进特殊人群的康复专业化,尤其是自闭症患者的康复治疗。自闭症患者最缺乏社会沟通能力,而人工智能技术支持下的智能虚拟代理或智能社交机器人可以很好地与自闭症患者进行对话交流,获取其社交行为关键数据,并通过快速、非正式的评估来判断患者是否理解活动或进行轻微的技能改进,以培养自闭症患者的语言能力、社会沟通能力甚至是情绪智力。

例如,哈尔滨点医科技开发的情感智能机器人——RoBoHoN能帮助自闭症患者进行康复治疗,成为国内首家采用人工智能治疗自闭症患者的医疗机构。国外赫特福德郡大学自适应系统研究小组开发的智能情感社交机器人——Kaspar,不仅能帮助自闭症患者进行学习,还能帮助其康复治疗、重新获得语言技能和社交技能。总之,教育人工智能可以有效实现特殊人群的补偿性教育,最大程度开发其优势潜能,发展其多元智能,帮助其加快回归主流社会,打破残障人和正常人之间的隔阂。

AI教育技术应用的教育环节改造点

科技与教育的融合加速教育产业的变革。一系列尖端AI技术在教育领域的应用,将会在很多方面实现学习质量和学习效率的提升。

基于大数据和深度学习技术的人工智能,拥有了比人类更为丰富的知识储备和更加严谨的逻辑思考能力,能够很好地渗透进一些教学场景环节中。在具体的不同学习科目上,也运用到了不同的人工智能技术,以语数外三门主要科目为例,我们统计归纳了一下市面上专门从事单一科目的教育标的企业以及他们在各自的科目上运用到的相关技术:

威尼斯2017娱乐官网 4

标的企业产品界面示例:

威尼斯2017娱乐官网 5

威尼斯2017娱乐官网 6

威尼斯2017娱乐官网 7

完整的教育流程分为五个环节,内容开发——教学——练习——测评——管理,这些环节中都存在可以植入自适应学习技术的应用场景。

其中,内容开发是自适应教育流程其他4个环节的基础,管理在自适应教育中代指的是通过教学分析、练习、测评等环节的学生数据,对用户进行智能预警、提醒和跟踪,是流程中的前置环节成功应用后的附加产品。教学、练习、测评这三个环节的应用是直接面对C端用户的,也是目前市场上最主流的应用环节。我们对目前市场上对这三个环节运用到的相关技术做了统计和归纳。

威尼斯2017娱乐官网 8

在自适应教育流程中,最核心、最复杂、最难,同时也是对学习效果的影响作用最大的环节就是教学。教学环节的关键是要实现对学生的个性化学习路径的精准推荐,其中的产品设计逻辑需要遵循三个步骤:

1.学习者建模

学习者是自适应学习的最主要参与者与体验者,也是个性化资源获取的主题,因此自适应学习的设计首先要重点考虑学习者的个性化需求特性。为了清晰地表征学习者在系统中地属性,需要对学习者进行建模,这一步主要借助用户建模组件或者第三方代理软件实时收集并处理学习者个性化信息来实现。

2.领域知识建模

领域知识指代地是特定专业领域的经验、理论、方法论的知识单元群。自适应学习中领域知识是结构化学习资源,为学习者提供个性化学习数据来源。领域知识建模要求知识体系拥有良好的结构,便于系统推荐资源路径时做出精准的判断。领域知识之间的关系包括前驱后继关系、并列包含关系和相关关系三种类型,每个知识单元或知识点都应该含有难度、风格和学习任务属性。

3.关联规则定义及其推荐方法

关联规则指的时从数据集合中发现频繁项并找出项集间的关联关系。具体技术层面上分为三个子步骤,产生频繁项集——产生路径关联规则——推荐路径预处理。

基于目前已有的技术和其应用的程度和场景,自适应学习可以分为几个层级:

Level 0

基于纯人工的自适应学习

威尼斯2017娱乐官网 9

Level 1

基于简单规则的自适应学习

威尼斯2017娱乐官网 10

在Level 0的基础上加入简单的条件判断,就可以实现最基本的自适应学习算法。基于规则的自适应学习,本质是决策树,适用场景并非是去判断学生是否掌握某种知识,而是判断学生的某种行为是否正确。

但是学生的掌握程度难以通过简单的逻辑判明,因此需要在简单的决策树规则之上建立更好的自适应学习算法。

Level 2

基于难度等级的自适应学习

威尼斯2017娱乐官网 11

在根据学生具体的错误行为推送相应课程的基础上,设计一套难度递增的课程,当学生完成得好就增大难度,当学生完成的不理想时,就相应降低难度。这就是基于难度等级的自适应学习。

基于难度的自适应学习算法的最大缺点是认为学生的学科掌握度是一个绝对值,但实际学习中,学科中细颗粒度知识点的掌握情况通过该算法难以评估。

Level 3

基于知识点网络和概率模型的自适应学习

Level 2难度等级的概念外,引入知识图谱的概念。因为实际中无法直接去测量学生的知识点掌握程度,因此只从学生的练习情况倒推出知识点的掌握程度。

具体教学中,分为几个层面

1)同样难度下的单一知识点

2)不同难度下的相同知识点

3)一题对应多个知识点

在这几个层面外,还要考虑到,知识点并非互相孤立。学生学习时,除了要掌握新知识点,还要能传播到相关知识点。这时就需要建立知识图谱。同时也要考虑到学生完成学习进度的时间的影响,这其中设计到学生学习知识点的时间权重以及学生对知识点的记忆曲线。

威尼斯2017娱乐官网 12

自适应学习在这个阶段,依然存在两大问题,一个是人工教研工作量庞大,做得越细越好,越困难。另一个是,只能解决客观题,无法解决证明题和简答题。

Level 4

基于NLP和推理引擎的自适应学习

真正的AI级别的自适应学习,说的就是Level 4。

达到这个水平的自适应学习系统,可以解决任何学科的各种类型题目,可以用多种策略得到正确答案,并且能判断其他答案的正确性。

威尼斯2017娱乐官网 13

一旦Level 4级别的自适应学习出现,之前的自适应学习系统都会受到颠覆性冲击。但是Level 4级别的难度非常高,无论是国内还是国际上都是在探索阶段,因此在此不做更多展开。

针对常规业务的替代式教育

人工智能支持下的替代式教育强调通过技术达到与教师从事的某些教育活动相同的作用,代替教师执行部分任务。如图所示,在目前的教育人工智能应用中,以自然语言处理和机器学习为核心技术的智能批阅系统能够实现机器智能阅卷、作文自动批改;以语音识别测评技术为核心的语言类教育应用能够实现口语考试评分、口语练习纠错。因此,教育人工智能可替代教师执行的常规业务主要体现在考试结果判定、作业及练习效果检查两个方面。

威尼斯2017娱乐官网 14

替代式教育常规业务分类

e-rater自1999年以来就一直被美国教育考试服务中心用于自动评分。该系统通过从大量文章中提取代表书写质量的一系列特征,并对文章语言、内容、篇章结构进行重点分析,包括词汇复杂度、语法错误的比例、文章风格、单词总数等,将这些分数利用统计模型进行分析并产出最终的得分估计。每个特征的权重由统计过程确定,保障了系统与教师评分相对一致。

e-rater目前主要用于托福考试的作文自动评分,类似能够对作文进行自动评分的系统还有Project Essay Grade、IntelliMetric等。大型考试中数以万计的试卷借助智能阅卷系统可以将教师从机械重复的劳动中解放出来,并在一定程度上减少教师由于主观因素造成的评分标准差异,保证了评分客观公正,提高了作文评分效率。

句酷批改网是一个智能批改英语作文的在线服务系统,能够对学生上传的作文在线生成评分、评语及内容分析诊断,学生可以根据提示进行反复修改提交,直到满意,类似的系统还有My Access、Criterion等。智能批改系统不仅能自动生成评分,还能提供针对性的反馈诊断报告,指导学生如何修改,一定程度上解决了教师因作文批改数量大而导致的批改不精细、反馈不具体等问题。基于语音识别技术的口语学习软件同样可以对学生的口语发音进行评分、纠错和指导。

人工智能技术使机器能够根据预设程序进行高效地重复性工作,因而教师可以将更多精力投入到教学设计优化、学生心理健康培养等创造性活动中。针对常规业务的替代式教育既能节省大量人力资源,为教育教学提供便利性服务,同时又能促进学生学习方式的多样化和智能化,满足众多学生的学习需求。

人工智能与自适应学习有什么具体区别?

教育领域应用AI技术具有天然的适应性,AI+教育能够有效解决教育效率的问题,真正做到因材施教,提升教学体验。

在教育流程中,自适应能对视频、音频、图片等进行数据化处理,来实现对学生学习行为数据的搜集和整理;通过大数据分析来了解学生的学习需求;针对性的为学生提供需要的辅导并根据反馈进行调整。但需要注意到的是,AI+教育并不等同于自适应学习,AI+教育指的是将人工智能技术嵌入式地应用到学习的各个环节,自适应学习是AI+教育的一个子集,自适应学习技术作用于学习的最核心环节,从根本上带来教育模式的变革。

学习的环节从浅到深分为四个层次:

1.最外围学习环节:这个环节包括的内容又获取学习资料、沟通、陪伴、教务以及管理。

2.次外围学习环节:该环节的内容主要是测评,考核学习效果

3.次核心学习环节:这个环节涵盖练习、作业、教学辅助

4.最核心学习环节:涉及学习最根本的流程——教、学、认知、思考

威尼斯2017娱乐官网 15

教育领域已有的落地运用的人工智能产品提供的功能包含拍照搜题、分层排课、口语测评、组卷阅卷、作文批改、作业布置等,但这些产品中的人工智能技术的应用场景仅仅停留在上文谈到的学习过程的前三个环节中,比如拍照搜题仅作用于最外围学习环节的获取学习资料,分层排课通过智能搜索作用于最外围学习环节中的教务;口语测评、组卷阅卷作用于次外围的测评环节;作文批改和作业布置应用于次核心环节的练习、作业教学辅助。这些技术在学习中更多的是辅助性的作用,而不会直接提升教学质量和效果。自适应学习与这一类人工智能技术的不同在于,自适应学习的人工智能技术直接嵌入学习的最核心环节,从根本上改进学习的理念和方式,同时产品也更容易打通商业模式,直接面向C端客户变现。

本文由2017威尼斯登陆网站发布于教育新闻,转载请注明出处:一加一如何大于二,干货丨最全AI技术改造教育流

关键词:

上一篇:没有了
下一篇:没有了