论文部分内容阅读
【摘要】伴随着教育信息化和气象信息化的飞速发展，信息技术已全面渗透并正在深刻影响着气象教育培训事业的现代化发展，要适应新时代特征，就需要从实际出发，提升技术创新能力，在气象教育云平台建设基础上，不断研发先进、智能、实用的、具有关键核心技術的培训系统。文章结合中国气象局气象干部培训学院（以下简称“干部学院”）在远程教育培训系统建设方面的经验，对如何提升气象教育云平台的智能培训能力进行了初步探究，以期利用人工智能技术，更好的发挥气象教育云平台建设效益。
【关键词】气象教育云平台 人工智能 个性化学习 场景识别 人机交互
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2020）05-0247-02
1.背景和意义
以信息化、集约化、标准化的理念和方式推进气象业务现代化是现阶段的重要任务，但是，气象信息化不仅仅是气象业务信息化，而是在理念上，在服务、业务、管理、培训等方面都要全面推进气象信息化。近20年来，伴随着教育信息化和气象信息化的飞速发展，干部学院正致力于建立健全气象远程教育培训体系，丰富远程学习资源，统筹建设气象教育云平台，气象远程教育越来越成为一件触手可及的事。
近年来，大数据、虚拟现实、人工智能突飞猛进，新技术的应用在各个领域遍地开花，人工智能更是两度进入政府工作报告，成为国家顶层设计的重要组成部分。2017年国务院印发的《新一代人工智能发展规划》中提到“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。”目前人工智能在现代远程教育中的应用方向主要有“智能教学平台”、“教学资源智能检索”、“智能语音识别辅助教学及测评”、“虚拟现实、智能仿真”、“教育机器人”等方面。本文拟从气象教育云平台建设入手，结合技术最新进展，对如何研发先进、智能、实用的、具有关键核心技术的培训系统进行了初步探究，以期利用人工智能技术，更好的发挥气象教育云平台建设效益。
2.气象教育云平台建设现状
早在2001年，学院常务副院长高学浩就率先提出并开展了分布式服务器建设，很早就将云平台理念运用到了气象远程教育工作中。2012年，气象远程教育培训及资源共享平台建成运行以来，在气象行业培训中发挥了较大的作用，取得了阶段性的进展。2016年在现有平台升级改造的基础上，紧密依托气象专有云的建设，重新部署和搭建起具有“全覆盖、多元化、开放式”特色的气象教育云平台。
所谓气象教育云，是指云计算在气象教育培训领域的深入应用，通过提供按需定制、动态调配、统一标准、共建共享的服务模式，为培训机构、专家教师和学员提供所需的信息化教学、管理等应用服务。教育云的影响不仅体现在为传统面授培训和教育培训管理提供便利，更在于创新传统的教学和管理模式。经过近20年的努力和实践，干部学院已经建成了集教学资源管理、在线学习、培训组织管理、直播及互动教学课堂、在线考试、移动学习、培训档案、行业慕课等系统功能为一体的国际先进、国内一流的综合性气象远程教育培训云平台。
3.依托人工智能技术，打造智能培训系统
人工智能（简称AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在气象教育云平中扩展打造智能培训系统，就是要向学习者智能推送课程资源，使学习者能够了解自身学习状态，及时查漏补缺，选择个性化学习路径;就是要运用深度学习技术，实现对真实场景中气象仪器装备的识别，为学习者提供相关知识和技能的培训;就是要引入虚拟人手语播报技术，为学习者和社会公众提供一种信息表达明确的人机交互系统……从而最大限度的提高培训质量和效益。
3.1个性化学习智能推荐系统建设
通过对气象行业用户的学力水平、年龄、性别、职业岗位特点、专业技能水平、兴趣爱好等特征数据的收集、汇总、归纳与分析，系统运用数据挖掘、自然语言处理、机器学习等人工智能技术，对学习者行为建模，构建用户学习行为模型，为学习者提供个性化资源推荐、个性化学习路径推荐、远程学习行为智能预警与督促等个性化学习服务，并针对气象业务不同领域的应用培训，提供不同形式的个性化培训学习服务主要含有如下的功能。
基于业务知识模型的个性化学习资源推荐：系统根据用户的业务岗位信息和自主报名的课程，定位用户当前的学习内容，拆分其中的业务知识点，并运用语义本体技术构建课程知识分类体系和知识本体库，通过本体库定位当前知识点的相关知识点、子知识点和后续知识点，从而将相应的课程资源推送给学习者。
基于用户兴趣模型的个性化学习资源推荐：系统采集气象远程平台上用户的基本信息和学习行为等数据，对数据整理分析后，筛选影响学习者行为的特征，通过学习行为分析构建用户的学习行为模型和学习兴趣模型，通过模型训练智能预测学习者兴趣与需求，向用户智能推送用户感兴趣的课程。
个性化学习路径推荐：系统充分考虑到气象业务的专业性和特殊性，在获取用户的学习行为数据基础上，根据用户的兴趣模型、业务知识模型，进一步分析用户的学习心理倾向和情感偏好，从集体学习、案例学习、自主学习等多种学习路径中选择最优学习路径推荐给用户。
远程学习行为智能预警与督促：学习者在远程学习中缺乏监督，容易存在消极学习的行为。系统通过定位记录学习者的学习行为，并对学习行为的特点进行建模分析，能够及时发现学习者在远程学习时存在的问题，根据不同程度的学习问题给出提示、预警等个性化干预，从而预防用户学习中断、挂机等行为的发生，提升远程学习效率和质量。
3.2气象场景识别培训系统建设
以气象观测设备作为数据支持，以三维立体可视化技术及虚拟现实技术为辅助，通过研发气象场景识别培训系统，能够为业务一线技术人员提供观测设备精准识别、实时技能培训和现场故障诊断等提供有效途径。既保证了教学的直观性、准确性和实时性，又不乏设备数据集自动填充和增强现实弹幕等功能的实用性和趣味性，可以有效促进培训效益的大幅提升。 3.2.1深度学习实现场景识别技术应用
深度学习技术最火爆的应用是在大规模图像识别任务中的卷积神经网络。深度学习强调的是模型中的参数通过从数据中学习获得。
a）深度学习的网络模型。对用于识别的卷积神经网络来说，网络层的构建是能否提高图片识别率的关键。系统通过学习过程计算最高期望分数，学习过程就是调整这些方式的权重，从而使得通过这个网络的训练样例获得好的反馈。
b）深度学习模型学习结果。在深度学习的网络模型上，系统加入了大量含有标签的图像训练数据，卷积神经网络会对输入图像的每个像素做卷积处理，学习内部联系，调整模型内部参数，通过长时间学习实现对图像的准备预测。
3.2.2 系统设计
作为一个高交互性的培训系统，其主要目的是对气象观测设备的可视化展示和人机交互查询、分析，在基础数据库和用户数据库基础上，建立基于深度学习场景识别技术的气象观测设备培训系统主要含有如下功能。
深度学习训练：系统对于气象观测设备识别的核心构架是基于事先采集的设备数据集，运用深度学习技术开展训练，对完成训练的模型进行数据固化和保存。
金字塔池化：支持手机摄像头、电脑摄像头、双目摄像采集设备的图片自动输入，支持所有格式、所有像素大小的图片作为深度学习模型预测的输入。
深度学习模型优化：模型优化对于传统机器学习和深度学习都是非常重要的，在训练过中需要解决一系列困难的挑战，可以运用优化算法随机梯度下降，力求得到更加准确的识别率。
精准设备识别：基于深度学习的场景识别，在拥有“万”级数据量的训练数据后，其准确率可达到95%以上且识别效率较高，通过识别阶段的模型训练，能够实现用户对观测设备的快速精准识别。
3.3 气象人工智能无障碍培训系统建设
气象人工智能无障碍培训系统作为一个智能的人机交互系统，主要是通过虚拟人的手势动作、表情等配合传统媒体手段，实现语音识别、自然语言处理、智能答复、手语表达和综合可视化功能，以达到人与智能系统无障碍沟通的目的，主要含有如下的功能。
手语识别：用户不仅可以语音向系统输入问题，同样可以通过手语进行输入，系统通过对用户手语视频的读取处理进行手语识别。
语音识别：将用户向系统输入的语音进行识别。用户通过语音向系统输入想要了解的问题，而系统则能够实现对语音的处理和识别。
智能答复：系统将手语序列转化为正常语言序列之后，系统能够针对用户询问的问题进行搜索并给出答案。同时。也可以通过自然语言处理模块转换为手语序列，真正达到无障碍的人机交互。
手语表达：系统支持将普通形式的语言以手语的形式表现出来，并通过虚拟人将系统理解的手语序列直观的展示给用户。
4.虚拟照进现实，智能成就梦想
创新是事业发展的不竭动力，气象教育培训事业必须在实践中创新，在创新中发展。本文在总结干部学院近20年来在远程教育培训系统建设方面的实践与探索，提出依托人工智能技术，在气象教育云平台上集成研发个性化学习智能推荐、气象场景识别、气象人工智能无障碍等人机交互智能培训系统，以期充分发挥气象教育云平台建设效益。伴随着移动互联网、虚拟现实、人工智能、微服务等技术的融合发展，干部学院正着力在“人工智能+教育培训”领域里实现新的突破，那么切實满足广大气象干部职工日益增长的个性化培训需求就不再是梦。
参考文献：
[1]教育部.教育信息化十年发展规划（2011-2020年）[Z].2012.
[2]中国气象局.气象干部培训学院发展规划（2011-2020年）[Z].2011.
[3]中国气象局.气象干部培训学院现代化实施方案（2014-2020年）[Z].2014.
[4]中国气象局.气象信息化总体方案（2015—2020年）[Z].2015.
[5]中国气象局.“气象雷达虚拟仿真学习及课件资源共享系统（一期）”可行性研究报告[Z].2017.
[6]中国气象局气象干部培训学院.气象雷达虚拟仿真学习及课件资源共享系统（一期）实施方案[Z].2018.
[7]吴晓如，王政.人工智能教育应用的发展趋势与实践案例[J].现代教育技术.2018（2）.
[8]王亚飞，刘邦奇.智能教育应用研究概述[J].现代教育技术.2018（1）.
[9]杨现民，张昊，郭利明，林秀清，李新.教育人工智能的发展难题与突破路径[J].现代远程教育研究.2018（3）.
作者简介：
邹立尧，理学博士，正研级高工。
荆国栋，工学博士，高级工程师。
王晴旭，工学硕士，助理工程师。
赵永明，工学硕士，高级工程师。
【关键词】气象教育云平台 人工智能 个性化学习 场景识别 人机交互
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2020）05-0247-02
1.背景和意义
以信息化、集约化、标准化的理念和方式推进气象业务现代化是现阶段的重要任务，但是，气象信息化不仅仅是气象业务信息化，而是在理念上，在服务、业务、管理、培训等方面都要全面推进气象信息化。近20年来，伴随着教育信息化和气象信息化的飞速发展，干部学院正致力于建立健全气象远程教育培训体系，丰富远程学习资源，统筹建设气象教育云平台，气象远程教育越来越成为一件触手可及的事。
近年来，大数据、虚拟现实、人工智能突飞猛进，新技术的应用在各个领域遍地开花，人工智能更是两度进入政府工作报告，成为国家顶层设计的重要组成部分。2017年国务院印发的《新一代人工智能发展规划》中提到“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。”目前人工智能在现代远程教育中的应用方向主要有“智能教学平台”、“教学资源智能检索”、“智能语音识别辅助教学及测评”、“虚拟现实、智能仿真”、“教育机器人”等方面。本文拟从气象教育云平台建设入手，结合技术最新进展，对如何研发先进、智能、实用的、具有关键核心技术的培训系统进行了初步探究，以期利用人工智能技术，更好的发挥气象教育云平台建设效益。
2.气象教育云平台建设现状
早在2001年，学院常务副院长高学浩就率先提出并开展了分布式服务器建设，很早就将云平台理念运用到了气象远程教育工作中。2012年，气象远程教育培训及资源共享平台建成运行以来，在气象行业培训中发挥了较大的作用，取得了阶段性的进展。2016年在现有平台升级改造的基础上，紧密依托气象专有云的建设，重新部署和搭建起具有“全覆盖、多元化、开放式”特色的气象教育云平台。
所谓气象教育云，是指云计算在气象教育培训领域的深入应用，通过提供按需定制、动态调配、统一标准、共建共享的服务模式，为培训机构、专家教师和学员提供所需的信息化教学、管理等应用服务。教育云的影响不仅体现在为传统面授培训和教育培训管理提供便利，更在于创新传统的教学和管理模式。经过近20年的努力和实践，干部学院已经建成了集教学资源管理、在线学习、培训组织管理、直播及互动教学课堂、在线考试、移动学习、培训档案、行业慕课等系统功能为一体的国际先进、国内一流的综合性气象远程教育培训云平台。
3.依托人工智能技术，打造智能培训系统
人工智能（简称AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在气象教育云平中扩展打造智能培训系统，就是要向学习者智能推送课程资源，使学习者能够了解自身学习状态，及时查漏补缺，选择个性化学习路径;就是要运用深度学习技术，实现对真实场景中气象仪器装备的识别，为学习者提供相关知识和技能的培训;就是要引入虚拟人手语播报技术，为学习者和社会公众提供一种信息表达明确的人机交互系统……从而最大限度的提高培训质量和效益。
3.1个性化学习智能推荐系统建设
通过对气象行业用户的学力水平、年龄、性别、职业岗位特点、专业技能水平、兴趣爱好等特征数据的收集、汇总、归纳与分析，系统运用数据挖掘、自然语言处理、机器学习等人工智能技术，对学习者行为建模，构建用户学习行为模型，为学习者提供个性化资源推荐、个性化学习路径推荐、远程学习行为智能预警与督促等个性化学习服务，并针对气象业务不同领域的应用培训，提供不同形式的个性化培训学习服务主要含有如下的功能。
基于业务知识模型的个性化学习资源推荐：系统根据用户的业务岗位信息和自主报名的课程，定位用户当前的学习内容，拆分其中的业务知识点，并运用语义本体技术构建课程知识分类体系和知识本体库，通过本体库定位当前知识点的相关知识点、子知识点和后续知识点，从而将相应的课程资源推送给学习者。
基于用户兴趣模型的个性化学习资源推荐：系统采集气象远程平台上用户的基本信息和学习行为等数据，对数据整理分析后，筛选影响学习者行为的特征，通过学习行为分析构建用户的学习行为模型和学习兴趣模型，通过模型训练智能预测学习者兴趣与需求，向用户智能推送用户感兴趣的课程。
个性化学习路径推荐：系统充分考虑到气象业务的专业性和特殊性，在获取用户的学习行为数据基础上，根据用户的兴趣模型、业务知识模型，进一步分析用户的学习心理倾向和情感偏好，从集体学习、案例学习、自主学习等多种学习路径中选择最优学习路径推荐给用户。
远程学习行为智能预警与督促：学习者在远程学习中缺乏监督，容易存在消极学习的行为。系统通过定位记录学习者的学习行为，并对学习行为的特点进行建模分析，能够及时发现学习者在远程学习时存在的问题，根据不同程度的学习问题给出提示、预警等个性化干预，从而预防用户学习中断、挂机等行为的发生，提升远程学习效率和质量。
3.2气象场景识别培训系统建设
以气象观测设备作为数据支持，以三维立体可视化技术及虚拟现实技术为辅助，通过研发气象场景识别培训系统，能够为业务一线技术人员提供观测设备精准识别、实时技能培训和现场故障诊断等提供有效途径。既保证了教学的直观性、准确性和实时性，又不乏设备数据集自动填充和增强现实弹幕等功能的实用性和趣味性，可以有效促进培训效益的大幅提升。 3.2.1深度学习实现场景识别技术应用
深度学习技术最火爆的应用是在大规模图像识别任务中的卷积神经网络。深度学习强调的是模型中的参数通过从数据中学习获得。
a）深度学习的网络模型。对用于识别的卷积神经网络来说，网络层的构建是能否提高图片识别率的关键。系统通过学习过程计算最高期望分数，学习过程就是调整这些方式的权重，从而使得通过这个网络的训练样例获得好的反馈。
b）深度学习模型学习结果。在深度学习的网络模型上，系统加入了大量含有标签的图像训练数据，卷积神经网络会对输入图像的每个像素做卷积处理，学习内部联系，调整模型内部参数，通过长时间学习实现对图像的准备预测。
3.2.2 系统设计
作为一个高交互性的培训系统，其主要目的是对气象观测设备的可视化展示和人机交互查询、分析，在基础数据库和用户数据库基础上，建立基于深度学习场景识别技术的气象观测设备培训系统主要含有如下功能。
深度学习训练：系统对于气象观测设备识别的核心构架是基于事先采集的设备数据集，运用深度学习技术开展训练，对完成训练的模型进行数据固化和保存。
金字塔池化：支持手机摄像头、电脑摄像头、双目摄像采集设备的图片自动输入，支持所有格式、所有像素大小的图片作为深度学习模型预测的输入。
深度学习模型优化：模型优化对于传统机器学习和深度学习都是非常重要的，在训练过中需要解决一系列困难的挑战，可以运用优化算法随机梯度下降，力求得到更加准确的识别率。
精准设备识别：基于深度学习的场景识别，在拥有“万”级数据量的训练数据后，其准确率可达到95%以上且识别效率较高，通过识别阶段的模型训练，能够实现用户对观测设备的快速精准识别。
3.3 气象人工智能无障碍培训系统建设
气象人工智能无障碍培训系统作为一个智能的人机交互系统，主要是通过虚拟人的手势动作、表情等配合传统媒体手段，实现语音识别、自然语言处理、智能答复、手语表达和综合可视化功能，以达到人与智能系统无障碍沟通的目的，主要含有如下的功能。
手语识别：用户不仅可以语音向系统输入问题，同样可以通过手语进行输入，系统通过对用户手语视频的读取处理进行手语识别。
语音识别：将用户向系统输入的语音进行识别。用户通过语音向系统输入想要了解的问题，而系统则能够实现对语音的处理和识别。
智能答复：系统将手语序列转化为正常语言序列之后，系统能够针对用户询问的问题进行搜索并给出答案。同时。也可以通过自然语言处理模块转换为手语序列，真正达到无障碍的人机交互。
手语表达：系统支持将普通形式的语言以手语的形式表现出来，并通过虚拟人将系统理解的手语序列直观的展示给用户。
4.虚拟照进现实，智能成就梦想
创新是事业发展的不竭动力，气象教育培训事业必须在实践中创新，在创新中发展。本文在总结干部学院近20年来在远程教育培训系统建设方面的实践与探索，提出依托人工智能技术，在气象教育云平台上集成研发个性化学习智能推荐、气象场景识别、气象人工智能无障碍等人机交互智能培训系统，以期充分发挥气象教育云平台建设效益。伴随着移动互联网、虚拟现实、人工智能、微服务等技术的融合发展，干部学院正着力在“人工智能+教育培训”领域里实现新的突破，那么切實满足广大气象干部职工日益增长的个性化培训需求就不再是梦。
参考文献：
[1]教育部.教育信息化十年发展规划（2011-2020年）[Z].2012.
[2]中国气象局.气象干部培训学院发展规划（2011-2020年）[Z].2011.
[3]中国气象局.气象干部培训学院现代化实施方案（2014-2020年）[Z].2014.
[4]中国气象局.气象信息化总体方案（2015—2020年）[Z].2015.
[5]中国气象局.“气象雷达虚拟仿真学习及课件资源共享系统（一期）”可行性研究报告[Z].2017.
[6]中国气象局气象干部培训学院.气象雷达虚拟仿真学习及课件资源共享系统（一期）实施方案[Z].2018.
[7]吴晓如，王政.人工智能教育应用的发展趋势与实践案例[J].现代教育技术.2018（2）.
[8]王亚飞，刘邦奇.智能教育应用研究概述[J].现代教育技术.2018（1）.
[9]杨现民，张昊，郭利明，林秀清，李新.教育人工智能的发展难题与突破路径[J].现代远程教育研究.2018（3）.
作者简介：
邹立尧，理学博士，正研级高工。
荆国栋，工学博士，高级工程师。
王晴旭，工学硕士，助理工程师。
赵永明，工学硕士，高级工程师。