人工智能与教育行业人工智能对于教育行业来说意味着什么？未来教育可能会有哪些变化？

人工智能与教育行业

人工智能与教育行业 编者按：Graham Brown-Martin 是《重新想象学习》的作者，他曾经提出我们建学校是为了什么这个问题，并且一直在整个工业化的背景下思考科技如何改变教育。最近随着 AI 的崛起，他又提出了一个应景的问题：AI 对教育意味着什么？当 AI 在某些我们正在学校里培养的能力方面远远过人类时 AI 我们会怎么做？我们又应该怎么做呢？

[caption id="attachment_4853" align="alignnone" width="550"] 人工智能与教育行业[/caption]

IBM Waston AI 的广告里面有句话对我触动很深：

有了 Watson，这一代的问题解决者要学得快得多。

我在在教育与创意领域数字化平台工作了大概 30年，我注意到每次技术有了点进展之后都会出现这样的说法。Watson 当然是非常聪明的技术。它还没有通过图灵测试，但是已经击败了 Jeopardy! 人类智力竞赛的冠军。

在 Jeopardy! 获胜证明 Watson 懂人话（自然语言理解 NLU），也即是说你可以用人类语言问它问题，然后他可以迅速从事实库里面找出答案回答你。实现这一点需要可观的计算能力。Watson 可以在 3 秒钟之内回答问题，其主要创新是可以迅速用超过 100 种语言分析技术对问题进行分析，然后寻找和生成备选答案，并对答案进行记分和排名。Watson 的知识库包含了 2 亿页的结构化和非结构化内容，占用了 4TB 的存储。Watson 的硬件包括由 2880 POWER 7 处理器内核及 16TB 内存组成的集群，具备大规模的并行处理能力。

这种技术不是那种可以装进口袋里面的技术，围绕着人工智能的对话也不是什么新东西。有趣的是，广受认可的 AI 先驱（至少是在教育领域）是 MIT 的 Seymour Papert 和 Marvin Minsky，他们早在 1950年 代就研究这些东西了。

AI 最近变得时髦起来的原因在于尽管它属于计算密集型应用，但这种能力已经交给云端去处理了，同时利用了智能手机或可穿戴设备等便携设备做界面。这种办法使得翻译和语音识别系统变得流行起来。

这也是我们当中的一部分人发现自己的语音控制设备或者儿童玩具充当监控设备时变得神经过敏的原因。只要给云端足够的计算能力和数据，一切皆有可能。

另一方面，图灵测试仍然是验证 AI 的金科玉律—图灵在 1950年 那篇对未来具有深远影响的论文《计算机器与智能》中提出了一个问题，“机器自己能思考到什么程度呢？” 他指出，如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。

人工智能技术的进步依赖于数据，是从大量数据中学习得到的，2011年起，讯飞的人工智能平台开放给社会去用，在使用过程达到了双赢的效果，讯飞获得大量的数据，这个数据量超过了很多人的想象，为机器持续的学习、持续性能的提升提供了非常大的帮助。讯飞人工智能技术的应用有两个标志性的产品，一个灵犀，是我们和中国移动集团共同打造的，被视为中国迈向人工智能时代的产业突破口之一，可成为手机上非常重要的一个助手，第二个是智能语音电视，可以把电视变成家里面非常重要的一个信息终端。

[caption id="attachment_4851" align="alignnone" width="600"] 人工智能与教育行业[/caption]

人工智能时代的教、考、学

在人工智能带来效率高度提升的情况下，如果互联网和人工智能叠加起来，能够给教育带来什么变化?

做教育要要心怀敬畏，教育信息化项目能够成功必须满足两个条件：一要满足国家的要求，二要满足学校和师生的要求。信息化项目要真正接地气，首先老师愿意去用，不仅让老师能很容易应用，还能够减轻其负担，如讲一些知识点更方便，用更少的时间更高效的批改作业和试卷;数字教育并不能改变高考这个大环境，学生借助这个工具，可以在不增加负担的前提下提高学习效率，提高成绩。只有满足这两个要求，教育信息化系统才能良性运转不断进化。那么在数据驱动下，人工智能是否能给老师学生提供帮助呢?

人工智能技术依赖于数据，人工智能应用于教育，首要的是数据采集，即教育大数据。教育大数据最困难的是数据采集，教育大数据的一个前提是我们能不能得到数据。数据的来源有两个层面：一是构造一个数字化教学的环境，在数字化教学环境中，所有教学、学习的行为能被数字化，然后才能形成数据;二是将已经形成的大量信息数字化，进一步把它数据化，这是形成数据最重要的过程。

有了数据之后，能否支撑学习?我们要对教学活动进行深入分析，人工智能能够去做教学活动提升的一个前提就是教学活动能够被结构化，任何不能被结构化的东西计算机都起不到辅助作用。那么，教师教学决策过程哪些环节可以结构化，老师教学的行为是否可以被结构化，一些关键的工作量比较大工作如批改作业试卷能否结构化。这些数据以后是否能利用，需要很好的教学评价方式将其连接起来。只有这样，才能够在真正的数字环境下形成未来教育和学说需要的数据，才能够让数据在一些教学模式下通过一些优质教学过程中的经验形成各种模型来指导我们学习。

教

一个好的智慧教学系统需要具备三个方面：一必须有海量优质资源。二教学环节更容易形成师生、生生之间甚至老师和家庭之间的互动。三能否对学生急需了解的问题进行精准讲解。

1.海量优质资源

资源有三个方面的来源：一是现有各级教育云平台所累积的各种资源，很多的省市已经形成了资源产生和使用的良性循环;二是制作精美、讲解透彻的各种数字化、富媒体化、互动化的精品资源，主要由专业教育机构制作;三是题库。这三种资源为教学提供了非常好的后台保障，可实现老师授课时资源智能推送。

2.构建学校和课堂师生教学活动所依赖的数字化环境

必须形成一种从云端到班级网端再到师生使用的移动终端三位一体的交互方式：①很多老师上课喜欢PPT，只能抱着笔记本坐在讲台上。未来老师讲课要从原来固定式的讲台走向移动式的讲台，把班级的讲解活动变成一个非常好的数字化环境。各种投影仪电子白板等设备对接以后，让老师按一个键就可以进行投屏，老师拿一个简单的移动设备走到学生中间。②在班级构建一个微云服务器，构建有助于师生互动以及学生之间互动的环境。老师借助手上的终端设备调用云端大量的各种教学课件、题库资源、精彩的讲解视频。③微课录制。资源更多是老师上课时所形成的，老师在讲解一个知识点时，不可能所有学生都能听懂，老师可以随时就某一些知识点和题目的讲解录制微课传到云端，学生可以在家学习，进一步思考理解领悟。应用讯飞会议系统，可以形成全文检索，学生只要把文字输进去就可以定位到要看的片段。

3.对学生学习效果的准确反馈

在全数字化环境中实现了对师生教学行为的实时数据采集和个性分析，可以把课堂和学生的行为、考试一些难点的讲解通过数据驱动的方式让老师更精准地执行。课后学生最多的就是作业考试，很多老师考试后第二天讲解试卷，大都讲解一些难点。在数据支撑下，老师可以拿到一个报告，有些精彩的学生答题可以呈现在课堂的大屏幕上，老师可以对大部分学生都容易犯错误的一些题目进行更加精准的讲解。

考

科大讯飞将“讯飞超脑”计划的阶段性研究成果“全学科阅卷”技术应用于考试，实现阅卷过程的数据化与自动化，在将老师从简单重复的阅卷工作中解放出来的同时，完成对考试数据的采集。目前已经进入到了考试阅卷2.0时代，可以对听说读写进行智能的评测，经过了长时间的对比验证以后，这项技术在教育领域已经得以应用，广东省2015年高考中的英语口语评阅变成以机器为主、人工为辅，相比之前的纯老师人工评阅，省事又省力。

口语考试最终的目的是以测促学，有了考试的引导学生再去学习会更有针对性。口语学习在课堂环节是最困难的，因为只能一对一的教学，有了人工智能，我们可以进行人机对话仿真训练，指出存在的问题，通过以测促学帮助你更快的提高。

在中国，执笔阅卷还是最大量的考试，机器一定程度上已经解决了这个问题，通过对试卷自动扫描，然后通过认知智能技术对机器的自动评阅已经基本达到了可用的程度，虽然还没有在正式考试中用。

扫描阅卷对于字符集的准确度可以到百分之九十五九十六以上。执笔阅卷技术在考试领域已经可以通过扫描再去识别的形式来做，整个评测的相关度已经超过了人工，下一步我们会做更大规模的验证，希望这个技术可以更早的进入到实际应用中。

[caption id="attachment_4857" align="alignnone" width="677"] 人工智能[/caption]

学

从数字化时代进入到数据时代，原来存储的很多数字化信息如口语信息、试卷扫描信息是计算机不能分析的，通过模式识别、感知智能技术，把它变成计算机能够识别的字符，让计算机能够去做评价，所有这些作业、课堂行为、考试等数据集中起来以后，就能够对一个人的学习行为进行很好的表征。

每一次考试都可以形成一个即时的评价报告帮学生做分析，不仅告诉你哪对哪错、对错的原因，经过几次，考试以后，还可以通过知识图谱告诉你是当前这个知识点有问题还是这个知识点所依赖的历史知识点有问题，基于这些还可以推送不同的学习素材。成绩好的学生并不需要把所有题目全部做一遍，省出来的时间可以去做一些创新性培训。这个技术在很多学校应用的效果非常好，最有显示度的一个应用在合肥一中——安徽最好的学校，我们正在加大样本实验的力度，整个这种闭环对考试的数据化，对数据进行及时的评价和分析，形成对每个学生个性化的学习包，会给学生学习效率效果的提升带来飞越。

数据支撑的个性化学习不仅仅局限于分数。上大学时很多学生选择专业时很迷茫，未来，通过数据支撑下，人工智能会给家长和学生提供很好的服务高考以后很多老师家长和学生不知怎么选专业，在日常的学习过程中，我们可以引导学生填写对一些问题的回复，有些问题积累下来，机器可以给他做一些辅助，这种辅助甚至比大部分家长的判断更准确。

整体来讲，我们希望在数据驱动下，在区域性的数据资产和学校共建数据中心数据资产的支持下，整个教学活动、考试、学习可以形成一个良性循环，更有针对性地推动学生高效学习。人工智能到了一个新的时代，它和教学活动的融合能够推动教学更快地从传统灌输式的教学发展到个性化的教学。

[caption id="attachment_4855" align="alignnone" width="500"] 人工智能[/caption]

教育中应用浅议

一、 教学设计自动化技术
“教学设计自动化”（Automated Instructional Design或Automating Instructional Design，简称AID）是指有效利用计算机技术，为教学设计人员和其他教学产品开发人员在教学设计和教学产品开发过程中提供辅助、指导、咨询、帮助或决策的过程[1]。“教学设计自动化”更为贴切的提法应该是“计算机辅助的教学设计”（Computer Aided Instructional Design，简称CAID）
教学设计是教育技术学最核心的内容之一，教学设计理论的发展为教育技术学的发展奠定了坚实的基础。但是，教学设计仍然是少数教学设计专家的“专利”，在广大教师中普及应用仍然有一定的距离。其原因主要有二，首先教学设计方法需要进一步完善和发展，包括教学设计的过程模式比较复杂、“通用”模式在各种教学情况下的不适应等；其次“设计”的工作量过于繁杂(如内容分析阶段的ABCD方法就是一项复杂的“机械”劳动)。因此，若能让计算机帮助教师完成一些“机械劳动”，让教师把更多的精力关注于学与教的过程和行为，具有非常重要的理论意义和现实意义。
从1984年梅瑞尔首次提出“教学设计自动化”开始，教学设计自动化吸引了很多教育技术专家、心理学家、人工智能专家和计算机专家的参与并取得了相当多的成果[1]。目前教学设计自动化的研究主要集中在5个方面[1] [2] [3]： (1)提供集成写作工具。如WebCT、WebCL等各大网络教学支撑平台都集成了写作工具，充分利用网络的优势，简化了过程。(2)提供教学设计专家系统。例如，梅瑞尔等人研究与开发的ID Expert就是基于规则的专家系统，它可以根据教学设计人员提供的信息，提出关于课程组织、内容结构、教学策略等方面的建议。(3)提供教学设计咨询服务。专家系统开辟了教学设计的新领域，但是却抑制了教学设计开发人员创造性的发挥，咨询系统更注重发挥教学设计人员的主观能动性。 (4)提供教学设计的信息管理系统。如学习研究协会（Institute for Research on Learning）开发的IDE（Instructional Design Environment）系统。(5)提供电子绩效支持系统（EPSS）。如AGD绩效支持系统等。另外，教学设计自动化技术一个最直接的应用是为教师提供教学设计模板。Web Quest就是一个很好的例子，它提供了多套方便适用的教学设计模板，教学设计人员和教师只需填入相应的内容，就可生成WebQuest教学网站，大大降低了教学设计的难度。
教学设计自动化的更进一步发展要求它具备更高的“智能”，这需要积极借助自然语言理解和信息检索领域的成果。例如，我们有理由要求教学设计自动化系统能够帮助我们抽取文章中的概念以及概念之间的关系，生成一定的可视化图表，如概念图、思维导图等，并在人工校对后，生成可用的演示文稿。达成这一目标的核心技术包括信息抽取领域的实体抽取技术和关系抽取技术。

[caption id="attachment_4858" align="alignnone" width="595"] 人工智能[/caption]

二、 教学自动测评技术
教学自动测评是计算机辅助评价(Computer- Assisted Assessment，简称CAA)的核心内容和研究前沿之一，其基本流程是：把问题和任务通过计算机终端传给学生，学生通过计算机输入设备将问题的答案输入给计算机，计算机自动或半自动判断答案并记录分数。CAA可在诊断性、形成性和总结性等三类评价中均可得到有效应用；既可以用于学生的自我评价，也可以用于教师对学生的评价[4]。CAA系统的构成主要包括三个方面：(1)题库与组卷；(2)测试环境与自动阅卷；(3)测评数据的统计分析：负责管理测评结果，按要求生成各种报表以及对题目进行分析。
目前，CAA应用研究主要集中在三个方面[5]：(1)客观测试：测试题的答案从预先定义好的有限个问题答案中选择或比较，计算机对考题答案的评分不需要任何的主观因素参与，客观测试主要用于评估知识覆盖型和事实记忆型为主的课程；(2)计算机自适应测试 (CAT)：指在具有一定规模的精选试题组成的题库支持下，按照一定的规则并根据被试的反应选取试题，直到满足停止条件为止；(3)基于Internet的远程考试与评价。客观测试和计算机化自适应测试的相关的理论、方法与技术已相当成熟，能比较好地解决了知识层面的评价问题。其热点及前沿课题主要有两方面：(1)主观题的测评问题及其自动化,例如，对自由文本答案的计算机测评的研究目前已经取得很大的进展；(2)技能性非客观题的测评。

[caption id="attachment_4856" align="alignnone" width="617"] 人工智能[/caption]

三、 专家系统在教育中的应用
谓专家，一般都拥有某一特定领域的大量知识和丰富的经验。在解决问题时，专家们通常拥有一套独特的思维方式，能较圆满的解决一类难题，或向用户提出一些建设性的意见。
专家系统（Expert System）可视为一类具有大量专门知识的计算机智能程序系统[6]。它能运用特定领域一位和众多专家提供的专门知识和经验，并采用人工智能中推理技术来求解和模拟通过由专家才能解决的各种复杂问题，达到与专家具有同等解决问题的能力。它可使专家的特长不受时间和空间的限制。因此，专家系统必须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知识来解决实际问题。例如，一个医学专家系统就能够像真正的医学专家一样，诊断病人的疾病，判断病情的严重性，并给出相应的处方和治疗建议等。同领域和不同类型的专家系统，其体系结构和功能有一定的差异，但它们的组成基本不变。一个基本的专家系统有知识库、数据库、推理机、解释器、知识获取和用户界面六个部分组成[6]。
专家系统是人工智能研究中最重要的分支之一，它实现了人工智能从理论研究走向实践应用，从一般思维方法的探讨转入运用专门知识求解专门问题的重大突破。目前，被大多数人认可的专家系统在教育中的应用主要有两种：即将专家系统作为学习的工具和学习的对象。
专家系统作为学习的工具
专家系统作为学习的工具首先将改变现有的教育模式，勃朗逊(Robert Branson)在美国的《教育技术》杂志上发表的题为《过去、现在和未来的教学模式》[7]一文中，描述了一个以教育技术为基础的未来教育模式，该模式是由教师、专家系统和学生三个方面所组成的。其中的专家系统是一个由知识和数据库组成的智能教学专家系统。以它作为学习的工具，为学习者提供像学科专家一样的学习支持，学生通过主动地与专家系统的交互来获取知识。同时，在这一系统中，将教师从学科事务中解放出来，使其有更多的时间和精力来协调学习者之间、学习者与专家系统之间的关系，使教师的主导作用得以充分的发挥。这一模式的实现，可以使目前的“以教师为中心”、“以课堂为中心”的教学模式从根本上有所改变。
其次，专家系统能提供智能化的决策服务，支持服务是现代远程教育系统的重要构成要素，其宗旨是创造一个优良的学习环境，使学习者方便快捷地调用各种资源，接受关于学习的全方位服务，以获得学习的成功。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施远程教育项目的保证，关系到现代远程教育的发展和生存。但当前远程教育中的学习支持服务并不尽人意，导学和答疑的手段都还十分落后，服务方式也受到诸多限制（如：地域、时间、人员和设施等），缺乏主动性、针对性和策略性。欲改变支持服务的被动状况，提高支持服务的质量，其有效途径之一就是引进人工智能技术，实现服务的智能化。例如在20世纪80年代初提出来的，把决策系统与人工智能相结合，尤其是与专家系统相结合的智能决策系统（Intelligence Decision Support System），它比传统的决策支持系统具有更有效的辅导决策作用。智能决策系统可以实现以下的一些功能：  分析和识别问题； 形成候选的决策方案（目标、规划、方法和途径等）； 构造决策问题的求解模型；多方案、多准则、多目标情况下的比较和优化；  综合分析，包括决策结构或方案对实际问题可能产生的作用和影响的分析，以及各种环境因素、变量对决策方案或结果的影响程度分析
专家系统作为学习的对象

[caption id="attachment_4854" align="alignnone" width="750"] 人工智能[/caption]

人工智能来袭，未来教育可能会有哪些变化？

[caption id="attachment_4859" align="alignnone" width="545"] 人工智能[/caption]

1  自动批改作业

计算机科学家乔纳森研发了一款可进行英语语法纠错的软件，不同于其他同类型软件的是，它能够联系上下文去理解全文，然后做出判断，例如各种英语时态的主谓一致，单复数等。它将提高英语翻译软件或程序翻译的准确性，解决不同国家之间的交流问题。

真是不可思议，机器人也会批改英语作业啦。

语音识别和语义分析使得自动批改作业成为可能，老师和助教的效率将大大提高。

2  个性化学习

McGraw-Hill教育正在开发数字课程，准备相关的课程资料，它从200万学生中收集信息，利用人工智能为每个学生创建自适应的学习体验。当一个学生阅读材料并回答问题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。

大数据可以描述每个学生的学习特性。根据伦敦一家研究机构的分析，人们的学习方法可以分为70种；而某机构的机器人已经积累了1300万名学生做过的8亿道题目，为个性化教学提供了充分的依据。

如果说今天课堂教学的主流方法是“从原理到应用”，那么机器人的教学方法是“从案例到原理”，并且是同时学习多个案例。

事实证明，很多被原理绊脚的学生更适应于“从案例到原理”的学习方法。

3  智能辅导系统（ITS）

2007年，美国两位化学教师开始一项开创新的教学实践活动。他们使用屏幕捕捉软件录制演示文稿的播放哈讲解的声音，形成视频并上传到网上，以此帮助课堂缺席的学生补课，接下来，他们组建以学生在家看视频听讲解为基础，开辟出课堂时间啦让学生完成作业或实验，并未过程中有困难的学生提供帮助。

人工智能在这个领域的应用已经有长足的进步，也展示出明显的效果。例如可汗学院（KHAN ACADEMY）就是一个优秀的智能辅导系统，帮助我们学习数学、科学、人文科学和计算机科学。

有学者将ITS和课堂一对多教学以及一对一的老师辅导进行对比，结果是： ITS的效果比课堂教学好很多，和老师一对一辅导的效果相似！

4  互动学习环境（ILE）

在华中科技大学的一堂广告创意策划课上，“弹幕教学”亮相了。在上课的过程中，学生手持平板电脑或者手机，随时可以通过网络发表疑问、提出看法，这些内容会即时显示在课件上。授课教师根据学生的反馈，随时调整授课内容和方式。这种一边听老师讲课，一边通过网络发送文字在屏幕上讨论问题的教学模式，引起了同学们的极大兴趣。

互动学习环境与传统授课的区别在于四个方面：更多建设性学习（或者说学生自己决定学习课题）、学生更主动、更多个性化、学生收到更多反馈

5  通过仿真游戏学习

仿真教学近年来在我国护理医学教育被广泛应用。模拟教学是利用各种模拟手段,再现临床医学工作场景,为学习者提供一个无风险的学习临床知识和技能的条件与环境,可以最大限度地满足临床教学资源的匮乏。医学模拟教育走到今天,他们的载体己经从最初的基础解剖模型、局部功能训练模型到了后来的计算机辅助模型,尤其是目前利用的最为前沿的触觉感知技术虚拟培训系统和生理驱动型综合模拟模型。

目前最成功的仿真是飞行模拟器。据了解，在模拟机上飞行和真机没有两样，只是训练更加便捷。

人的能力大概分为三种：分析能力（一种在书本和课堂中能够学到的能力），实践能力（一种只能在生活中培养的能力），以及创造能力（一种上天赋予的能力）。

今天，因为实践的机会减少，人们的实践能力变得越来越弱，而仿真则可以弥补实践能力。

6  对教学体系进行反馈和评测

近几天，高三学生在查询“一诊”成绩时惊奇地发现，他们看到的不仅仅是一个简单的分数，还附有一份“诊断报告单”。通过这份报告，他们不但可以了解到自己学科板块知识点和能力点的掌握情况，还能看到对自己的优势、劣势的学科分析。记者从成都市教育局了解到，他们正在高三年级诊断性考试和高一、高二学生学业质量监测这几个重要考试中试点，尝试通过大数据，为学生的学力情况“画像”。

据介绍，此次高中学生的学业成绩诊断报告，就是借助大数据的帮助，通过对学生学习成长过程与成效的数据统计，诊断出学生知识、能力结构和学习需求的不同，以帮助学生和教师获取真实有效的诊断数据。在市教育局看来，通过这份“诊断书”，学生可以清楚看到问题所在，学习更高效；教师也可对症下药地针对具体情况，选择不同的教学目标和内容，实施不同的教学方式，进一步提高教与学的针对性、有效性和科学性。

文章由图灵人整理发布，如果文章有出入，欢迎随时交流 。黑科技-科技从未如此性感，转载请注明出处，本文链接：http://www./?p=4849

查看原文：http://www./archives/4849