论文部分内容阅读
学校采用技术的目标，是为学生带来更好的教育。如同很多教育工作者希望通过学习科学原理找到一个通用的教学模型一樣，新的教育技术总是被放到班级授课制体系下，为大量学习者提供相同的服务。这种应用方式在解决教育中群体化的问题方面卓有成效，比如师资力量薄弱、教育资源缺乏、教学模式陈旧等。然而，多年以来，一系列的硬件、软件和在线服务进入教室，提供了优秀师资（双师课堂）、优质资源（在线课程）和先进教学模式（翻转课堂）后，学校仍然有不爱学习的孩子、成绩不好的学生。究其原因在于，真实教学是一个极其复杂的过程，会受到各种个体因素的干扰，比如某个学生的社会背景、家庭条件、性格情绪、多元智能、学习偏好等；而通用的教学模式和大众化的技术服务不能满足学习者个性特征。除非为每个学习者个体提供专门的教师和定制的课程资源，并给予独特的教学方式。但是，在现有的社会体系和资源环境下这是一个不可能实现的任务。
而随着人工智能逐步进入教育行业，这个看似不可能的任务正在被变为现实。
新一代的人工智能在机器学习（Machine Learning）出现后得到了快速的发展。基于机器学习的新型人工智能背后的原理是进行一个统计的过程，始于数据体和试图派生出一个解释数据或可预测未来数据的规则和程序。其优点是它在不可行或难以写下明确规则来解决一个问题的情况下依然能够使用。机器学习与自然语言处理结合让人工智能进入教育正在成为现实。
机器学习背后依靠的是互联网大数据。MOOC和其他在线教育形式的普及带来了大量的教学数据。机器学习可以从这些教学大数据中找到与学生个体匹配的教学模型，或者说，教育人工智能可以为每位学生找到一个合适的学习和成长的独特路径。因此，这将催生出更具个性化的学习，为每个学习个体提供匹配的教师、课程和方法也将成为可能。
目前，并没有一个能让行业从业人员普遍接受的单一人工智能的定义。因此，我们不妨设想一下教育行业的人工智能应该是什么形态：AI可能是一位优秀的教师，也可能是一位有益的学伴，还可能是有各种问题的学生，亦或是定制的课程？或许，通过下面的案例，我们能更清晰地了解到人工智能将如何改变教育。
更适合的教师和课程
虽然教师和学生有各自的教和学的风格，但是时至今日，教师和学校仍然采用一刀切的教学方法和千篇一律的教材来应对不同的学生。因为在已有教学体系下，教师没有足够的时间和精力去逐一了解每个学生，并给他们提供合适的课程材料。
基于机器学习的教育人工智能可以发现数据中的行为模式，协助教师更轻松地从学生表现中收集可操作的见解，做出明智和有效的决策来帮助学生，引导他们朝更好的方向发展。另外，通过收集数据，机器学习算法还能发现某个学生存在大量问题的地方，然后通过定制的材料、练习和课程帮助他们弥补这些差距。
Smart Sparrow是澳洲一个在线适应性教育平台。其依靠在互动中得到的数据反馈引导老师把课程设计得更好，下一阶段学习则根据学生学习行为来进行动态匹配。而DreamBox Learning 甚至能自动匹配小学生用户的学习进度，并以最适当方式去提示和鼓励学生向正确的方向努力。
一些自适应学习平台通过收集和分析大量学生的数据，利用机器学习算法还能找到和制定学生的学习路径，并确保他们在学习道路上面对的困难降到最低。
比如来自美国的Desire2Learn最近推出了新工具，根据学生之前的学习情况预测其在某门课上可能获得的分数，进而给出选修课建议来帮助学生做出选课决定。
同样，算法可以识别到学生可能的优点和才能，然后帮助他们根据自己最擅长的领域选择专业。
目前，一些人工智能在内容传递方面的其他高级应用，能利用深度学习（ Deep Learning）和自然语言生成（Natural Language Generation）来合成和交付定制内容，可以媲美于真人教师编写的教材。一家前卫的人工智能公司Content Technologies正在探索为每位学生定制教材。
更先进的协作和辅导
协作学习是一种有效的激励学生学习的方式，但是在实施过程中，师生之间、生生之间的交流难以被记录和评估。2017年，国际知名咨询公司Technavio发布的美国教育行业人工智能市场研究报告中提到：人工智能可增强现在流行的协作学习模式，具体方式包括自适应群体组织、虚拟角色、智能助手和智能导师等。
在机器学习的帮助下，人工智能可以把合适的人匹配在一起，增加协作，让在线辅导变得更容易和精准。
Brainly是一个连接数百万学生的社交平台，学生们在上面相互协作解决作业和任务中遇到的难题。为了确保服务内容的质量，Brainly雇用了超过1000个版主来帮助审查和验证用户之间交换的问题和答案。现在Brainly使用的机器学习算法可以自动过滤垃圾邮件和低质量的内容，帮助版主减轻负担，让他们专注于为学生提供更优质的服务。
更引人注目的是，Brainly还利用算法给学生们提供结交朋友的建议，帮助用户找到技能互补或能回答他们问题的协作伙伴。这种通过人工智能进行协作匹配的方式为学生们提供了更棒的个性化在线学习体验。
利用机器学习和自然语言处理技术，斯坦福大学教育学教授 Daniel Schwartz开发了一个人工智能应用“贝蒂的大脑”（Betty’s Brain）。作为一个虚拟角色，贝蒂在学习活动中扮演孩子们的学伴，让学生来教它学习生物知识。在这个协作对话过程中学生的讲解会被贝蒂记录和评估，并即时反馈给他们，让学生在完善讲解过程中加深对知识的理解。
类似的研究和开发还有瑞典隆德大学的与学生一起玩历史游戏的人工智能Time Elf和卡内基梅隆大学的与学生一起学习数学的人工智能SimStudent。
利用人工智能辅导学生的案例来自美国佐治亚理工学院，计算机教授Ashok Goel已经成功使用人工智能助理回答学生提问。其他类似的平台，诸如Front Row、Carnegie Learning 和Tabtor也在探索人工智能导师以能够模仿一对一辅导的好处。
而随着人工智能逐步进入教育行业，这个看似不可能的任务正在被变为现实。
新一代的人工智能在机器学习（Machine Learning）出现后得到了快速的发展。基于机器学习的新型人工智能背后的原理是进行一个统计的过程，始于数据体和试图派生出一个解释数据或可预测未来数据的规则和程序。其优点是它在不可行或难以写下明确规则来解决一个问题的情况下依然能够使用。机器学习与自然语言处理结合让人工智能进入教育正在成为现实。
机器学习背后依靠的是互联网大数据。MOOC和其他在线教育形式的普及带来了大量的教学数据。机器学习可以从这些教学大数据中找到与学生个体匹配的教学模型，或者说，教育人工智能可以为每位学生找到一个合适的学习和成长的独特路径。因此，这将催生出更具个性化的学习，为每个学习个体提供匹配的教师、课程和方法也将成为可能。
目前，并没有一个能让行业从业人员普遍接受的单一人工智能的定义。因此，我们不妨设想一下教育行业的人工智能应该是什么形态：AI可能是一位优秀的教师，也可能是一位有益的学伴，还可能是有各种问题的学生，亦或是定制的课程？或许，通过下面的案例，我们能更清晰地了解到人工智能将如何改变教育。
更适合的教师和课程
虽然教师和学生有各自的教和学的风格，但是时至今日，教师和学校仍然采用一刀切的教学方法和千篇一律的教材来应对不同的学生。因为在已有教学体系下，教师没有足够的时间和精力去逐一了解每个学生，并给他们提供合适的课程材料。
基于机器学习的教育人工智能可以发现数据中的行为模式，协助教师更轻松地从学生表现中收集可操作的见解，做出明智和有效的决策来帮助学生，引导他们朝更好的方向发展。另外，通过收集数据，机器学习算法还能发现某个学生存在大量问题的地方，然后通过定制的材料、练习和课程帮助他们弥补这些差距。
Smart Sparrow是澳洲一个在线适应性教育平台。其依靠在互动中得到的数据反馈引导老师把课程设计得更好，下一阶段学习则根据学生学习行为来进行动态匹配。而DreamBox Learning 甚至能自动匹配小学生用户的学习进度，并以最适当方式去提示和鼓励学生向正确的方向努力。
一些自适应学习平台通过收集和分析大量学生的数据，利用机器学习算法还能找到和制定学生的学习路径，并确保他们在学习道路上面对的困难降到最低。
比如来自美国的Desire2Learn最近推出了新工具，根据学生之前的学习情况预测其在某门课上可能获得的分数，进而给出选修课建议来帮助学生做出选课决定。
同样，算法可以识别到学生可能的优点和才能，然后帮助他们根据自己最擅长的领域选择专业。
目前，一些人工智能在内容传递方面的其他高级应用，能利用深度学习（ Deep Learning）和自然语言生成（Natural Language Generation）来合成和交付定制内容，可以媲美于真人教师编写的教材。一家前卫的人工智能公司Content Technologies正在探索为每位学生定制教材。
更先进的协作和辅导
协作学习是一种有效的激励学生学习的方式，但是在实施过程中，师生之间、生生之间的交流难以被记录和评估。2017年，国际知名咨询公司Technavio发布的美国教育行业人工智能市场研究报告中提到：人工智能可增强现在流行的协作学习模式，具体方式包括自适应群体组织、虚拟角色、智能助手和智能导师等。
在机器学习的帮助下，人工智能可以把合适的人匹配在一起，增加协作，让在线辅导变得更容易和精准。
Brainly是一个连接数百万学生的社交平台，学生们在上面相互协作解决作业和任务中遇到的难题。为了确保服务内容的质量，Brainly雇用了超过1000个版主来帮助审查和验证用户之间交换的问题和答案。现在Brainly使用的机器学习算法可以自动过滤垃圾邮件和低质量的内容，帮助版主减轻负担，让他们专注于为学生提供更优质的服务。
更引人注目的是，Brainly还利用算法给学生们提供结交朋友的建议，帮助用户找到技能互补或能回答他们问题的协作伙伴。这种通过人工智能进行协作匹配的方式为学生们提供了更棒的个性化在线学习体验。
利用机器学习和自然语言处理技术，斯坦福大学教育学教授 Daniel Schwartz开发了一个人工智能应用“贝蒂的大脑”（Betty’s Brain）。作为一个虚拟角色，贝蒂在学习活动中扮演孩子们的学伴，让学生来教它学习生物知识。在这个协作对话过程中学生的讲解会被贝蒂记录和评估，并即时反馈给他们，让学生在完善讲解过程中加深对知识的理解。
类似的研究和开发还有瑞典隆德大学的与学生一起玩历史游戏的人工智能Time Elf和卡内基梅隆大学的与学生一起学习数学的人工智能SimStudent。
利用人工智能辅导学生的案例来自美国佐治亚理工学院，计算机教授Ashok Goel已经成功使用人工智能助理回答学生提问。其他类似的平台，诸如Front Row、Carnegie Learning 和Tabtor也在探索人工智能导师以能够模仿一对一辅导的好处。