人工智能时代前沿技术社区

首页 > 人工智能 > 热点

人工智能促进教育资源公平化

每次看到新闻上报道学区房被炒成天价,但依然有无数人趋之若鹜的时候,就让人不禁一方面感叹教育资源的不平等,另一方面内心又急切希望自己

作者:谭盼雨 | 2017-09-25 11:32:59 | 来源:飞马网

每次看到新闻上报道学区房被炒成天价,但依然有无数人趋之若鹜的时候,就让人不禁一方面感叹教育资源的不平等,另一方面内心又急切希望自己的孩子能够得到最好的教育。作为买不起学区房的广大群体中一员,笔者做梦都在想:有没有一种方法,能够实现学区房的孩子和非学区房的孩子、不同地区的孩子们都能享受到同样优质的教育资源呢?

在飞马网举办的FMI人工智能大会上,来自乂学教育的张栖铭给我们告诉我们:通过人工智能,让系统来学习特级教师的经验数据,模拟出一个特级教师,然后可以根据学生画像,做个性化的匹配,来优化整个教育模式。

好吧,说人话就是:通过人工智能技术,实现教育资源的平等是指日可待的!

3.png


张栖铭

张栖铭表示,现在之所以大家都在说人工智能风口来了,是因为人工智能的准入门槛变低了。大量的开源技术使得人工智能技术能够被众多企业引入其中。而乂学教育正是基于工智能算法的基础上做的微创新。

据张栖铭介绍,自适应学习框架包括三个部分:用户交互层,学习系统,自适应引擎。前两个部分市面上绝大部分的自适应产品基本上是差不多的,因为学生的学习场景,老师的教学场景基本都是类似的。而自适应学习当中主要的不同点在于学习目标的规划。传统的教学模式当中老师讲什么学生听什么,而自适应系统当中可以实现动态的,根据学生的学习目标来决定学生所学的内容。

自适应学习引擎方面主要分成三个方面:

内容推荐:简单来说就是学生接下来需要学什么,是需要继续听课还是需要做题测试?不同的学生对于学科的认知以及学习的模型都是不一样的,需要针对不同的学段和学科构建模型。

学情分析:分析学生的学习情况,之前学过什么,做过什么类型的题,交流过哪些内容?只有把学生的整体学习情况分析到位了,才能更好地做内容推荐。

内容分析:当构建好学习模型以后,该如何去甄别学生所学的知识学会了?学生做的题目是做对还是做错了?这些都是通过内容分析解决的。

另外,张栖铭透露,除去人工智能的技术,自适应学习中还用到了大数据分析的技术。

当下教育领域的一些弊端及其解决办法

张老师认为,包括现在的标准化教育,尽管它可以实现大范围地把全民的基本素质全部都做一些提升。但他的弊端也相对比较明显。比如一般情况下都是一个老师教一群学生,老师讲课只能根据学生的整体水平来讲,无法做到针对每个学生的具体情况来“对症下药”;在上课过程中也容易得到“以一代多”或者“以上代多”的反馈,只有一个或几个学生听懂了,老师就以为学生们都懂了的现象,张老师把这个现象称为“瑞士耐劳式”学习方法。在标准化教育模式下的学生,容易出现“千人一面”的情况,而“千人千面”才应该是孩子们正确的成长方式。

现行的教育模式希望在固定的时间里面,让学生能学多少是多少,但是并不考核,不希望学生达到一个最高的目标。而自适应学习,是在系统里边制定一个最高目标,让学生可以花无限长的时间去学习,尽量都实现这个最高目标。而这也正是现在的标准化的课堂,很难解决的一个情况。

而自适应学习随着互联网技术的发展,尤其是人工智能技术的发展,不断地在摸索能够实现“一对一”的教育模式的方法。而人工智能到底在这个过程当中可以替代老师的哪些工作?显而易见,老师的单向知识传播是可以实现的。而学生个人能力的话是比较难被解决的。在自适应学习中,会找出任何一个学生的能力边缘,如果按一条线来划的话,左边是全会的,右边是都不会的,从不会的里面我们挑选最匹配他要学习的内容,或者他学习最高效的,这些也是根据学习目标会有不同的策略。

而在数据分析方面来看,套用FBI的说法:搜集一些,预测一些,分析一些。核心就是预测,针对不同类型,去搜集数据,并且分析每一个角色的人可以看到他的报表,针对他做一些个人最匹配的东西。

从个性化匹配方面,自适应学习结合学生画像,内容侧写,机器学习和概率图模型,个性化学习内容和路径匹配,真正和棋盘对比,你会发现整个知识点的数量,远远多余棋盘的数量和题目的组合。

从个性化学习路径方面,大家可以理解成百度地图,导航,百度地图的导航可以实时的切换,可以做到一些老司机更好的状态,我们的系统也是希望做到比特级教师更强的状态,而且他的发挥比特级教师发挥更稳定。针对每一个知识点都会做知识点的讲义,知识点的错误分析,在这种情况下我们分析我们教学内容的时候,有大量的数据进来的时候,我们可以分析一些因果关系,你看了哪些东西,学习出来的效果更好,通过这种,再对学生做个性化匹配的学习内容。

从学生专注度方面来说,很多小孩子学习不好的时候,没有成就感,在学习方面就更加没有专注度,而自适应学习会匹配每个学生的特点,为其推荐适合他自己的学习内容和题目,让学生在查漏补缺中进步。

以下是张栖铭与现场开发者的Q&A环节:

Q:请问做教育方面领域的人工智能的教育,数据源来自哪里,是否有足够的覆盖度?

张栖铭:整个数据方面我们也是逐步的积累,最初的时候我们以专家输入一些东西为主,我们自己招生的时候,现在已经有几千个学生的做题数据,我们在各地跟公立学校合作,一方面获取他以前的数据,还有一个我们免费的握放到公立学校,免费获取数据。我们还会找一些同类的做教育的公司购买他们的数据,这一块我们在一步一步的做,在少数地区,比如上海做的比较好,其他地方的数据我们也在逐步的做,可能在数据收集不多的地区,还是与当地的教育机构和当地老师合作为主。

Q:因为学生不只是在您的合作学校里面用了这套系统,他同时在一个比较复杂的生活环境,还有其他的老师,以及其他的课程。所以,这个效果是如何判断是在这个人工智能系统自身的效率?另外有没有考虑过在课堂之外,跟现在的智慧教育,包括教师用具,实现可以和带回家的电子设备连起来?

张栖铭:第一个问题,我们现在定位的是课后辅导,周一到周五到学校学习,周末到我们这里学习,这里面效果的考量,他到底在学校学的更多,还是在我们这儿学的更多,有时候确实难说,通过学习目标的调整,你上次在我这儿学习发现你大概在整个知识图谱上,或者每一个点上你大概的能力值,这个能力值就是我们认为你掌握这个知识点的概率是什么,你在每一次过来的时候,我们都会有一个新的测试,这个测试会动态的调整你在我们知识图谱上的数据,一定意义上,你每一次过来都是按当前的状态来走,就像你刚才问的第一个问题,更多从我们自己系统里面,任何一次课堂前测和后测的区别,能够说明这部分的问题,从最直接的能够体现这部分的情况,我甚至可以从续费率,我们做到80%以上,这说明小孩子在我们这儿能学到东西的。

第二个问题,我们合作校其实是用我们的品牌开的课后辅导班,他不是公立校,其实我们现在就是可以带领大家去学,包括整个的推荐。我们现在有PC端,有pad端,这些基本上都是可以支持的。

【责任编辑:谭盼雨】