首页 > 物联网 > 正文

人工智能如何应用于教育领域

2017-03-27 09:05:45  来源:亿欧

摘要:智能自适应学习系统,能够根据不同学生的情况,匹配不同的题目或者视频等内容。在这种推送背后所隐藏的,是大数据和智能技术在教育层面的深度应用。
关键词: 人工智能 领域
\

  自从去年的AlphaGo将专业围棋手击败之后,人工智能已经成为一个媒体上最常见的字眼,人工智能并非一个独立的概念,人工智能是多种应用的结合体,比如语音识别、图像识别、文本理解于内容生成等,这些技术可以根据行业特点有效适配结合,也就是领域内的人工智能应用。那人工智能在教育领域有什么样的应用呢?本文为您详述两家教育公司是如何应用人工智能的。
 
  案例1:乂学教育的智能自适应学习系统
 
  乂学教育成立于2015年,其创始人栗浩洋毕业于上海交大,创立乂学教育之前,栗浩洋在教育领域深耕时间超过15年,其首席科学家崔炜博士是国外顶级人工智能领域专家。上线一年多时间,乂学教育已在全国开了100多家门店。成立之初就获得3100万元融资,投资方包括青松基金、正和磁系、好未来集团、新东方创始人俞敏洪等。目前乂学教育旗下主要有两个产品,一个是自主研发的自适应学习系统,对外品牌名为“智适应系统”,智适应系统目前已上线英语、数学、语文三门学科。另一个产品则是线下的培训学校。
 
  简单的说,智能自适应学习系统,能够根据不同学生的情况,匹配不同的题目或者视频等内容。在这种推送背后所隐藏的,是大数据和智能技术在教育层面的深度应用。
 
  a、自适应学习系统的三个层次
 
  第一种是最简单的自适应学习系统,系统预先设定学习路径,通过简单的路径设定来指导学习过程,这叫做所谓基于规则的自适应学习系统。
 
  第二种的复杂度稍高,系统并不预设学习路径,而是在后台具有一定的算法,根据每一个学生的做题记录,来推断学生的问题所在和能力水平,为学生匹配学习内容。
 
  第三种是最为复杂的自适应学习系统,也就是乂学教育现在做的事情,在基于人工智能的自适应学习系统里,解决学生的学习路径的问题和内容推送的问题。
 
  b、乂学教育自适应学习系统的三大部分
 
  而乂学教育的的自适应学习系统就是第三种,乂学教育自适应学习系统由三大部分组成:内容模型、学生模型(也叫检测模型)、推荐模型(也叫教学模型)。
 
  首先是内容模型,乂学以此为依据来建立详细的学习内容和知识点结构图。
 
  乂学开发出的智能自适应学习系统里面,老师先把知识内容进行拆分,就是把课本中的内容变成精细的知识点,并将其一一连接,形成图谱。知识点精细到什么地步呢?精细到“纳米级”,举个简单的例子,比如冠词分成定冠词和不定冠词,定冠词的用法可以拆分成13个纳米级的知识点,不定冠词的可以拆成6个,也就是拆分到这个知识点的最小单位。
 
  而知识点的呈现方式有视频、音频、文字、图片等。题库里有题目、答案、解析,解析里面又可以分文字解析、视频解析和图片解析等。然后每个知识点还要打上标签,标签包括知识点内容、学习时间、学习风格、倾向性(喜欢音频学习还是视频学习)、内容质量、难易度、区分度等。颗粒度很细,标签很多,就可以使学生实现匹配的更精细化,例如一个学生做50道题,围绕相关知识点,背后需要有至少1200道题的题库量。
 
  知识图谱拆分由专业的老师来做,最初的标签也是由老师来打,但是后期,随着学生数据越来越多,系统对标签进行自动更新,例如难易度等级,这样就慢慢淡化了前期老师的主观因素。
 
  其次是学生模型,也就是检测模型。它能够实时测评每一个学生在每一个知识点的掌握水平,并且通过大数据分析方法推算和量化学生在当前知识点以及相关知识点的能力水平。自适应学习系统能对学生进行动态检测,学生每做一组题和每看一段视频,系统对学生的专项能力值和整体能力值都会不断修正判断,系统对学生就越来越了解。
 
  值得注意的是,对于学生做错的题目,到底学生粗心大意还是真的不会,系统也要有一个判断。比如,如果是粗心写错的,系统可以通过其他题目中的相邻知识点和关键知识点的检测,发现学生已经掌握了某个知识点,因此分析之后不再推荐这个知识点给学生练习。
 
  第三个是教学模型,也叫推荐模型。能根据每个学生的最新能力水平,提供相应的反馈,并匹配出最为合适的学习内容。
 
  如果说前两个模型是系统进口的话,教学模型(推荐模型)就是出口,系统根据检测结果,给学生推荐下一步学什么。
 
  在传统线性教育中,老师会让学生自己整理错题集,有经验的老师则根据学生的错题来判断他掌握知识的程度,而自适应系统通过后台数据发掘和算法找到学生的薄弱点,推荐最适合于当前学习的题目、视频、解析等等(这些内容也都是颗粒度为“纳米级”的)。同时,智适应系统还能通过学生的反馈数据,不断地深度学习,提升产品推荐的准确度。
 
  c、系统+老师=70%+30%
 
  需要说明的是,后面两个模型是开发难点,需要应用到数据科学、教育测量学、标签技术和机器学习等技术。考虑到不同学科、年段、地区的考试风格和侧重都非常不一样,平台型的自适应产品无法解决所有问题,因此还应该根据学生用户群体和学习目标,来定制开发学习产品。
 
  学生的持续性学习,是一个边测边学的动态过程。在学生学习的过程中,系统占到70%的作用,剩下的30%由老师来处理,比如督促学生学习,给家长实时反馈学生学习状况等等。
 
  自从乂学教育的自适应系统上线以来,一年不到的时间乂学教育就已经在全国开展了一百多家门店、分布在北上广一线及江浙、中原等地区的大中型城市,线下培训中心收获了良好的口碑。2016年9月乂学教育同步启动了智适应在线课程,通过智适应系统并结合在线真人老师给予学生全方面的提升及辅导。
 
  案例2:英语流利说的深度自适应学习和语音识别
 
  英语流利说成立于2012年,核心成员由来自普林斯顿、Google等的相关专家组成。上线四年多,全球注册用户超过4000万,目前已获得三轮融资,投资方包括挚信资本、纪源资本GGV、IDG资本等多家知名机构。目前英语流利说旗下主要有基于语音识别技术的雅思流利说和基于深度学习自适应技术的懂你英语两款产品。
 
  a、海量的数据是基础
 
  教育领域内,AI的应用主要是基于数据深度挖掘的结果。就学习行为本身而言,是很难用精确的模型表达出来的,当然也更加难以采集相应的数据。再加之学习行为的多样性、人类思考过程的内隐特征,都在不断增加大数据挖掘的难度。
 
  英语流利说基于AWS(AmazonWebServices)服务构建了自己的大数据平台,把数据采集需求定义结构化,可以依靠程序协助管理数据采集需求,甚至自动化验证数据格式,从而较为精准的采集了相应数据,并且很大程度上减少了错误和遗漏。英语流利说在过去3年中收集了大量用户学习行为记录,其数据库包括长达4.19亿分钟多达31.9亿句的用户语音。
 
  b、深度学习自适应——懂你英语
 
  基于客户端沉淀的四千万用户量和4.19亿分钟的录音数据,英语流利说推出世界领先的人工智能老师——“懂你英语”。这一产品历时两年耗资过千万,嵌在懂你英语中的核心AI技术,是全球首个也是唯一一个基于深度学习(DeepLearning)的人工智能自适应技术。该技术还应用于流利说的英语PT测试(PlacementTest,定级测试)。
 
  懂你英语内含有6000张原创手绘插图,超过30000道的题库,20000多句美国顶级播音配音,是迄今为止最复杂、最精密的英语学习成品,能够给学习者营造沉浸式的英语学习体验。流利说的自适应是通过递归神经网络的深度学习模型,让系统产生了自学习能力,把学生和对该学生最合适的学习内容的相关性不断提高。
 
  而定级测试可以根据测试者的不同表现自适应匹配测试题型和难易内容,需5-15分钟可精确测定测试者水平,结果可与国际通行的欧洲语言标准(CEFR)完全对应。
 
  c、语音识别——雅思流利说
 
  在人工智能根基性的语音识别技术领域,流利说也取得了突破性成绩,这体现在其多维度、多粒度的口语评分与反馈,不仅包括语音、语义甚至在逻辑连贯度上都可以准确评测。
 
  2016年11月推出的“雅思流利说App”是语音识别在教育领域内的极致体现,通过客户端可以模拟考官会和学生进行对话,然后由机器从词汇、发音、语法、流利度四个维度进行判断。
 
  小结:
 
  毋庸置疑,乂学教育和英语流利说,都是人工智能在教育领域内应用的典型代表,这二者虽然切入点不一样,但不管是乂学教育的智能自适应学习系统,还是英语流利说的语音识别和深度自适应学习,目的都是为了给学生提供个性化的教育,从而达到因材施教的目的。
责编:liuhan
分享到: