蜜蜂網-輔導圈1對1領域第三方資訊分享平臺
網站首頁 >> 資訊 >> 精選
精選
《人工智能教育發展報告》:6大應用場景,覆蓋K12、語言、素質、職業等賽道
作者:羅蘭貝格管理咨詢 來源:教培校長參考 點擊數:144 更新時間:2019-11-8 17:06:04
分享按鈕


17108双色球分析 www.qipkch.com.cn

本文約20000字,閱讀需35分鐘 



01
發展智能教育的重要意義
 
當前,人工智能正在各個行業掀起應用熱潮,推動著社會由互聯網時代邁入人工智能時代。2017年國務院發布的《新一代人工智能發展規劃》中,將智能教育作為推動智能社會建設的重要應用領域進行了專門部署。利用人工智能技術滿足教育現代化的發展需求,推動教育形態與教育模式的改造與重構已經成為教育領域的廣泛共識。本章闡述了智能教育的內涵、特征及重要意義。
 
1.1 智能教育的內涵
 
智能教育是基于深度學習、大數據、虛擬現實等新一代信息技術,構建以學習者為中心,貫穿“備課-教學-練習-考試-評價-管理”教育流程各環節的智能化教育環境,實現人才培養更加多元、更加精準、更加個性化 的新型教育模式。智能教育的兩大特征為教育流程智能化和人才培養個性化,目前這兩個環節都出現了較多人工智能的創新應用。
 
教育流程智能化具體表現為人工智能技術在教學、考試、評價、管理等環節實現全方面、立體化的智能應用。例如在教學環節的智能化方面,可基于學生及班級差異化學情,采用“真人老師+AI助手”的授課模式,通過表情識別、人臉檢測、語音識別、姿態識別等分析學生聽課專注度及學習情況,動態調整課堂互動及授課內容并將學習數據反饋給老師。AI助手幫助老師提升教學效率,使老師更加專注于為學生提供精細化輔導和個性化關懷。在評價環節可通過學習環境內嵌的大數據采集與分析技術對學生的學習效果進行科學客觀的評價。
 
人才培養個性化則指通過人工智能技術對學生的學習行為數據進行整合、挖掘、分析,進而審視學生的個性化需求,提供多元評價體系,形成智能、高效、全面的教育分析系統,最終建立以學習者為中心的教育環境,提供精準推送的教育目標、教育計劃,實現日常教育和終身教育定制化。
 
1.2 發展智能教育的重要意義
 
國務院副總理孫春蘭在2019年國際人工智能與教育大會上指出:“中國政府高度重視人工智能與教育的融合發展,大力推進教育信息化,數字教學資源覆蓋各級各類教育,智慧教學、學習和管理手段不斷豐富,教育現代化建設取得重要進展?!比斯ぶ悄薌際醯撓τ謎貧漚逃煊虻姆⒄褂氡涓?。一方面,人工智能技術正在全方位賦能教育領域各大場景。計算機視覺、語音識別、自然語言處理、知識圖譜、機器學習等技術與教育場景的深度結合,既能夠在一定程度上扭轉當前教育資源分配不均的問題,還能提升課堂教學效果以及學習效率。另一方面,人工智能技術正深刻重構教育領域的運營模式。教育場景被重新定義,教學方式在逐漸改變,教育理念不斷革新。以學生為中心,從 “支持課堂教學為主”向“支持學生個性化學習”拓展,聚焦學生成長和素養提升,促進知識轉化為能力,培養適應新時代發展需求的創新型人才。
 
1.2.1 普惠優質資源,促進教育公平
 
當前優質教育資源供給不足的問題在我國仍然存在。地區、城鄉和校際之間師資力量差異較大,優質的教育資源往往聚集于高線城市和地區,低線城鄉能享受到的優質教育資源則極為有限,此外,受限于經濟能力,低線城市的家庭往往難以長期為高質量教學產品買單。最終造成學生學業表現、綜合能力的地區性差異十分顯著。
 
人工智能可基于海量的、高精度的數據,為學生打造低成本、標準可靠的“AI課堂”,對學生進行教學指導和課后答疑,為優質師資力量不足的低線城市、農村以及偏遠山區等地區供給普惠性的優質教育資源,打破優質教育資源的時空限制,改善其供給不足和分配不均的問題,賦能教育領域的“供給側改革”,促進教育普惠價值最大化。
 
1.2.2 賦能教學環節,關注全面發展
 
我國當前教育體系針對學生個性化教學與關懷還需進一步提升。當下教、考重點關注于知識技能的提升,根據不同學生差異化程度進行個性化教學調整還不夠;此外,對個體素質、心理成長的關注度不足,導致個體學生的成長狀況有可能被忽略,無法充分激發每個學生的學習潛力。
 
人工智能可通過計算機視覺、語音識別、自然語言處理、數據挖掘等技術,針對學生在課中實時的學習狀態、互動參與度、習題正確率等指標,動態調整授課以及課后指導的內容、形式等,做到“千班干面”乃至“千人干面”,高效地為學生提供個性化教學和輔導。此外,作為人工智能技術的典型應用,人工智能可高效幫助老師完成一部分冗余的教學管理等工作,讓教師將更多的精力用在育人方面,重點關注學生的情感變化,給予學生有溫度的學習關懷,引導和鼓勵學生進行創新探索,不斷激發學習興趣、培養學習習慣、塑造良好品格,給予學生們受益一生的能力。
 
1.2.3 輔助教育評價,推動教育改革
 
現行教育評價體系下重分數輕能力、重共性輕個性、重知識輕素養、重結果輕過程的現象依然存在。智能教育評價與管理主要面向學習者、教學者以及整個教育體系,目標是利用人工智能技術提升學生的綜合素質,跟蹤教師和學生的表現,改善教育管理水平,提升教育系統整體效能。
 
人工智能技術的應用使得教育研究者們可以利用不同類型的計算設備和算法模型,對學習者的高階認知、元認知、心理以及身體健康等進行多角度的綜合評價,持續性地對學習者的情況進行跟蹤,實現對學習者實際問題解決能力動態綜合診斷評價、運動監測與健康維護,對教師進行智能課堂評價,以便教育工作者采取相關措施,助力學習者和教學者的成長和發展。
 
1.2.4 優化校園管理,改善學校治理

在智能環境打造方面,人工智能主要可應用于一體化的智慧校園建設。具體而言,通過將計算機視覺、語音識別等人工智能技術與大數據、物聯網等技術結合,可將教室、校園、宿舍、圖書館等不同維度的校園資源進行整合,構建智能開放的教學生活環境,服務于校園安防、校園生活、校園管理、教師教學和學生學習等方面需求。以校園安防為例,可在教學樓、宿舍樓等關鍵通行節點通過運用靜態、動態人臉識別等人工智能技術,實現刷臉出入校園、刷臉簽到等功能,從而更加專業、及時地實施校園安全管理和應急問題處理。
 
此外,人工智能技術可以與現有的教務、一卡通等應用系統進行集成,從而進一步提升教室、食堂、圖書館等的管理效率與水平,實現智能化出入、通行管理,并在教學考勤、考試實名驗證和反舞弊等方面實現智能化管理。


02
智能教育的發展態勢
 
人工智能與教育的深度融合,將會進一步釋放教育在推動人類社會發展過程中的巨大潛力。世界各國紛紛制定規劃,出臺相應的政策措施,推動智能教育的發展。本章梳理總結了國內外推動智能教育發展的政策舉措,分析了智能教育的發展階段及當前我國智能教育市場的發展態勢與格局。
 
2.1國內外推動智能教育的政策舉措
 
2.1.1我國推動智能教育的政策舉措
 
2017年3月,國務院總理李克強在《政府工作報告》中提出要加快培育壯大新興產業,全面實施戰略性新興產業發展規劃,其中包括人工智能產業,這是人工智能首次被列入《政府工作報告》。同年7月,國務院印發了《新一代人工智能發展規劃》,指出要圍繞教育、醫療、養老等迫切民生需求,加快人工智能的創新應用。
 
其對智能教育的規劃為:利用智能技術加快推動人才培養模式、教學方法改革,構建包含智能學習、交互式學習的新型教育體系??怪悄芐T敖ㄉ?,推動人工智能在教學、管理、資源建設等全流程應用??⒘⑻遄酆轄萄С?、基于大數據智能的在線學習教育平臺??⒅悄芙逃?,建立智能、快速、全面的教育分析系統。建立以學習者為中心的教育環境,提供精準推送的教育服務,實現日常教育和終身教育定制化。
 
2019年初黨中央國務院發布了《中國教 育現代化2035》,重點部署了面向教育現代化的十大戰略任務。其中對智能教育的部署為:建設智能化校園,統籌建設一體化智能化教學、管理與服務平臺;利用現代技術加快推動人才培養模式改革,實現規?;逃敫魴曰嘌撓謝岷?;創新教育服務業態,建立數字教育資源共建共享機制,完善利益分配機制、知識產權?;ぶ貧群托灤徒逃竇喙苤?度;推進教育治理方式變革,加快形成現代化的教育管理與監測體系,推進管理精準化和決策科學化。
 
2018年4月2日,教育部印發《高等學 校人工智能創新行動計劃》,提出要加快人工智能在教育領域的創新應用,利用智能技術支撐人才培養模式的創新、教學方法的改革、教育治理能力的提升,構建智能化、網絡化、個性化、終身化教育體系。2018年4月13日,教育部印發《教育信息化2.0行動計劃》,提出了教育信息化的新方向,即教學應用覆蓋全體教師、學習應用覆蓋全體適齡學生、數字校園建設覆蓋全體學校,信息化應用水平和師生信息素養普遍提高,建成"互聯網+教育” 大平臺。相比信息化1.0,教育信息化2.0提出要實現從專用資源向大資源轉變;從提升學生信息技術應用能力向提升信息技術素養轉變;從應用融合發展,向創新融合發展轉變。教育信息化2.0行動計劃為推進智能教育打下了堅實基礎。
 
2019年8月,科技部宣布依托好未來建設智慧教育國家新一代人工智能開放創新平臺。該開放創新平臺將在行業標準、全場景能力服務提供、全過程解決方案交付、全周期產業應用推廣等方面開展研發、建設和合作,推進開放共享,為科技研發人員、教育教學機構、教育科技企業、教育從業者等提供從場景數據、技術解決方案到產業化應用的全場景、全程、全周期智慧教育服務支持,構建“共生”,"互生” “創生”,的智慧教育多元化新生態。
 
2.1.2 國外推動智能教育的政策舉措
 
隨著大數據、人工智能技術的不斷發展,人工智能逐漸滲透到教育領域,成為推進21世紀教育改革與創新發展的強大技術杠桿。以美國、新加坡、韓國、印度等為代表的各國相繼 推出面向未來的新教育改革戰略,制定相關政策法規,設計本國智能教育的發展藍圖。
 
美國始終秉持“科技引領”的教育理念,對教育技術保持著高頻投入。自1996年開始制定的《國家教育技術規劃》是美國教育技術最重要的綱領性、政策性文件,該規劃每4-5年更新一版,不斷強化利用技術促進教育變革的新的時代特征。最新一版《重新思考技術在 教育中的角色:2017年國家教育技術規劃更新》中提出,技術功能已經由被動應用轉變為主動服務,技術的智慧化應用趨勢明顯。此 外,美國政府于2016年、2018年發布的《國家人工智能研究與發展戰略規劃》《美國機器 智能國家戰略規劃》中也提出,將竭盡所能為在教育領域中的人工智能技術提供必備的政策和財政支持。
 
新加坡一直強調教育科技發展應以支持學 生發展為核心目標。新加坡教育部自1997年到2015年總計四次發布教育信息化發展規劃 (Master Plan),包含愿景、目標和實施策略三方面的內容,其中第四次發布的教育信息化發展規劃提出要通過構建智能學習生態系統支持學生個性化、自主化的學習,并培養其成為面向未來、負責任的數字化學習者。
 
韓國較早提出了智能教育發展目標。2011 年韓國政府發布的《智能教育推進戰略》提出要在2015年前為學校配備云系統與智能終端,打造智能化課堂。
 
在“數字印度“的強力推動下,印度政府逐步關注人工智能等創新技術。2018年印度出臺的《人工智能國家戰略》聚焦社會公共服務效率提升,將教育列為人工智能技術的五大重點應用領域。
 
2.2 智能教育的發展階段
 
隨著人工智能的技術進步,及其在教育場景中的應用拓展,智能教育的發展可分為三個階段:一是以基礎數據收集與呈現點狀式、零散的教學輔助類應用為代表的教學輔助階段;二是實現系統化、智能化教學評價與分析,從而推動提升學生學業表現與教師核心能力價值的價值創造階段;三是基于具備認知與強交互能力,以自適應學習為代表的因材施教階段。
 


2.2.1 教學輔助階段
 
這一階段關注簡單教育場景大規?;∮τ玫牡サ閌菔占?,為教學輔助類應用所需的人工智能模型訓練、題庫建設與知識圖譜需求等提供基礎性、關鍵性的數據輸入。同時,應用呈現岀點狀式,在零散的、可改善提升原有效率與體驗的各單一應用場景上找到切入點。該階段的教學輔助類應用并未成規模接入授課講解等教學核心流程,類似于學校里的助教,更多是幫助老師、家長做輔助教學的工 作,以提升效率或優化整體體驗,實現針對特定流程的減負增效。
 
這一階段的代表性應用包括智能測評、智能批改、拍照搜題等。
 
2.2.2 價值創造階段
 
在這一階段,將實現全域數據的收集與分析,從而實現系統化的教學評價與分析,應用 不再局限于輔助類工作,開始參與接入教學流程中的如教學、學情分析與管理、問題診斷等核心環節。覆蓋的場景愈發廣泛與系統化,從而聚沙成塔,推動實現"備、教、練、考、評、 管”全流程數據收集與分析,進而識別教學問題點并生成優化方向,幫助學生提升學習效率與學業表現,幫助教師分擔教學壓力,提升教師能力價值,實現真正對于學生、教師等的價值創造。
 
這一階段的代表性應用包括學習過程評價、全流程學情分析與管理等。
 
2.2.3 因材施教階段
 
因材施教階段基于上一階段對個體學生掌握的知識類型、學習進展等相關數據的分析與評價,生成學生個性化、定制化的學習方案與課程,針對性進行教學輔導,實現真正的自適應因材施教,使得學生在更符合自身現狀與需求的體驗中高效學習。在該階段,人工智能技 術應用開始步入認知層面,可實現人性化的交互與自主的行為迭代,從而輸出真正高效、個性化、人性化的交互教學。
 
目前智能教育尚處在從教學輔助向價值創造的過渡時期,尚未大規模出現成熟化的、因材施教階段的商業應用,未來有望在自適應學習、自適應互動課等應用上逐漸成熟。
 
2.3 智能教育市場的發展態勢
 
據前瞻業研究院發布的《中國智慧教育行前景預測與投資戰略規劃分析報告》統計數據顯示,2013年以來,在線教育和教育信息均處于快速發展時期,推動我國智慧場規模不斷擴大,2018年中國智慧教育市場規模約為5320億元,同時增長17.13% 。
 
2.3.1 智能教育市場熱度
 
根據對百余家智能教育公司的分析,目前智能教育領域主要有六大產品形態:智能批改、拍照搜題、智能測評、智能題庫、分級閱讀和自適應學習。對上述六大產品形態的77 家公司進一步分析發現:
 
(1) 2014至2016年是行業熱度最高的三年。三年間新成立43家智能教育公司,占2011-2018年期間智能教育公司成立數量總和的56%。在產品形態方面,自適應學習和分級閱讀是最主流的產品形態,兩類產品數量合計占比49% 。
 


(2 ) 在商業模式方面,智能教育公司在2B、2C領域分布均勻。B端產品形態以智能批改、分級閱讀和自適應學習為主,三類產品合計占比74%;C端產品以自適應學習、分級閱讀和智能題庫為主,三類產品合計占比76%。
 

 
(3)在賽道分布上,K12賽道的智能教育公司數量最多,聚集了60%的智能教育公司。其中自適應學習、智能題庫和智能批改為K12賽道的主要產品形態。
 


2.3.2 智能教育市場融資熱度
 
通過對77家公司的融資信息的進一步分析發現:
 
(1)在融資頻次方面,智能教育市場于2014年爆發。2014年全年發生14筆融資事件,同比增長180%;之后持續升溫,2018年全年融資次數達24次。
 


(2)在融資輪次方面,當前發生的融資事件向C輪及以后轉移的趨勢明顯。2014年出現首筆C輪融資,全年共產生2筆C輪及以后融資交易,占總融資交易數的14%,2018年,這 一比例提升至33%,共產生8筆C輪及以后融資交易。


2.3.3 智能教育市場的生態格局
 
目前,智能教育市場上主要有四類關鍵性代表企業,分別是教育類公司、互聯網公司、人工智能技術提供商與計算平臺提供商。智能教育市場關鍵角色及其代表特征見下圖。
 


(1)教育類公司
 
教育類公司受場景驅動,通常更貼近消費者,可深刻洞察行業痛點與需求,從而設計出更貼合客戶需求的產品,所建立的場景更具備現實效益。教育類公司教育應用場景覆蓋廣泛,利用其固有的場景優勢,可收集大量的真實學習數據訓練完善模型,提升產品的易用性和適應性,使得產品能更加滿足客戶需求,從而實現從技術研發到應用實現與優化的完整閉環。
 
這類公司以好未來為代表。好未來擁有中文語音識別、英文語音識別、小學口算批改等教育領域主流業務場景數據集,擁有動作、情緒、文字、語音識別,語音、互動評測,表達能力評估和個性化題目推薦等多項人工智能技術能力,推出了童聲語音評測(中英文)、拍照解題(數學)、兒童表達力評測(中文)、學情診斷(課堂)等智能教育解決方案。截至目前,全國共有450萬學員走進好未來的線下課堂,另有3600多萬學員通過線上獲取優質的教育資源。
 
(2)互聯網公司
 
互聯網公司受生態驅動,具備豐富的流量、多類型場景數據等基礎資源,可以幫助孵化或投資教育生態圈企業,支持其技術與客群發展,實現流量、數據、場景的資源整合,從而提升智能教育產品的落地、傳播與普及率。同時,互聯網公司也已打造出較成熟的技術平臺,可以通過開放API接口等形式實現技術輸出,賦能其他智能教育公司,通過2B/2C的方式,實現對現有成熟技術在教育場景更好的落地,推動智能教育產業發展。
 
比如,百度于2019年2月發布智慧課堂解決方案、人工智能教育解決方案、VR教育產品以及面向高校的人才培養合作方案四大智能教育產品,將人工智能、云計算、大數據等方面的前沿技術能力向教育領域輸出,推動人工智能與教學實踐深度融合、社會教育智能化升級。騰訊于 2019年5月推出智慧教育品牌“騰訊教育”,目前已累計服務約1.5萬所學校、300多個省市教育局,7萬家教育機構,向其提供智能連接、智能教學、智能科研和智能管理等服務,用統一接口響應需求,為教育領域智慧化升級提供“數字助手”。
 
未來,互聯網公司有望基于資本與技術的支持進入2B賽道,并切入智能教育核心場景; 在2C方面,盡管互聯網公司存在切入2C的可能性,但由于教育領域內容壁壘的存在,互聯網公司進入難度較大,預計較難成為其重點業務發展方向。
 
(3)人工智能技術提供商
 
人工智能技術提供商受技術所驅動,其通常在某些技術領域實現縱向深耕,憑借其專業4科大訊飛:2018年年度報告化的技術實力購 B端客戶,滿足B端客戶對于產品與服務的相關人工智能技術或解決方案需求,助力產品功能的實現與性能的提升??拼笱斗稍繚?004年就借助語音識別技術,以智能測評切入普通話考試場景,由點及面,發展智慧教育體系。目前科大訊飛的B端業務已經涵蓋教學、考試、管理等多場景,覆蓋全國 31個省級行政區及新加坡等海外市場,與全國25000余所學校達成合作。
 
未來,人工智能技術提供商一方面將持續縱向深耕,強化技術壁壘,成為智能教育產業供應鏈關鍵一環;另一方面,不排除部分人工智能技術提供商亦會進一步深度布局教育場景,開發2C/2B的核心應用。
 
(4)計算平臺提供者
 
計算平臺提供者主要專注于計算平臺的建設,旨在提供計算能力以滿足人工智能各領域技術發展所帶來的海量數據處理的算力需求,為人工智能技術發展與應用奠定關鍵基礎。亞馬遜的AWS教育云平臺計算服務提供數據中心遷移、學生數據分析與科研項目所需的高性能計算能力,滿足教育領域的個性化需求。阿里巴巴的阿里云已形成融合了云計算、大數據及人工智能等先進技術的整體解決方案,面向各高校、教育科研機構、在線教育企業,提供完整的云平臺與服務。



03
智能教育的應用場景
 
3. 1 智能教育應用場景概述
 
教學全流程可分為“備課一教學一練習一考試一評價一管理"六大場景,其中“備課"場景為開端,“管理”場景為末端,"教學"場景為中心,“練習”、“考試”、“評價”三大場景為支撐。此外,針對學生、老師、學校等不同的主體,還可以將六大場景拆解為對應的二級場景和三級場景。應用場景見下圖:
 


3.1.1 備課應用場景
 
(1) 預習知識點個性化推薦
 
基于學生差異化學情及能力,通過自然語言處理、數據挖掘等人工智能技術,在課前預習場景為學生進行個性化學習知識點推送,同時還可幫助老師節省用于預習內容安排的時間與精力。
 
(2)個性化教案
 
基于班級或個體學情,通過計算機視覺、自然語言處理、數據挖掘等人工智能技術,為老師生成個性化教案,包括試題數字化錄入、授課計劃、作業布置等,節省老師用于備課安排的時間與精力,同時也為教育資源匱乏地區的教師備課提供方向與優化建議。
 
(3)試講磨課智能練習
 
通過智能語音、計算機視覺、自然語言處理等人工智能技術,可以提供虛擬化課堂場景,幫助老師在課前反復推敲試講,進而將更高質量的課堂帶給學生。
 
(4)本地化教研
 
基于當地的教學、考試等信息的挖掘,通過計算機視覺、自然語言處理、數據挖掘等人 工智能技術,為老師提供全方位的個性化教研建議,高效匹配當地的教材版本、教學側重點、考試風格等。
 
3.1.2教學應用場景
 
(1)線上AI課程
 
基于學生的個性化學情數據反饋,通過計算機視覺、智能語音、自然語言處理等人工智能技術動態調整授課內容和形式,提供適合每個學生的個性化課程。
 
(2)線下AI課堂
 
基于學生及班級差異化學情,采用“真人老師+AI助手”的授課模式,通過表情識別、人臉框檢測、語音識別、姿態識別等分析學生聽課專注度及學習情況,動態調整課堂互動及授課內容并將學習數據反饋給老師。在線下AI 課堂上,AI助手負責知識傳授,真人老師負責為學生提供精細化輔導和個性化關懷。
 
3.1.3練習應用場景
 
(1)拍照搜題
 
通過圖像識別技術自動識別學生上傳的題目,進而利用數據挖掘等技術檢索題目對應的解答并及時反饋給學生,為學生在課后練習中隨時提供高效答疑。
 
(2)習題個性化推送/智能題庫
 
基于學生對所學知識掌握情況的差異,通過自然語言處理、數據挖掘等人工智能技術,智能生成針對性的習題,有效節約老師為學生制 定個性化測試、習題的時間,并給不同學生提供更有針對性的輔導練習。
 
(3)智能測評
 
通過智能語音、自然語言處理、數據挖掘等人工智能技術,可以更高效地測試學生的學習能力,迅速識別學生弱項,節省老師用于了解學生基礎背景的時間與精力,并對學生的能力進行更為全面、客觀的評價。
 
(4)分級閱讀
 
通過自然語言、數據挖掘等人工智能技術,將閱讀材料庫按照分級標準進行分級,基于對學生的閱讀水平進行測試,為學生匹配符合其閱讀能力的拓展材料。提升學生閱讀興趣和能力的同時,也為老師節省了大量收集和推薦閱讀材料的工作時間,大大提升老師的工作效率。
 
(5) 鋼琴陪練
 
通過智能語音、計算機視覺、自然語言處 理等人工智能技術,對練習者進行智能糾錯,并對其日常練習進行階段性測評,生成個性化分析報告,代替教師進行陪練、糾錯、督促等工作,在教學過程中充當助教角色,協助配合教師教學工作。
 
(6)作業智能批改
 
基于圖像識別、智能語音、自然語言處理等人工智能技術,幫助老師高效批改客觀題、簡答題、口算、英語作文等題目;相較于人工批改,智能批改可以即時標注錯誤部分和錯誤原因,批改速度更快,批改結果更細致、更客觀。
 
(7)個性化答疑
 
基于智能語音、計算機視覺等技術,虛擬助教/答疑系統獲取學生問題,并通過自然語言處理、數據挖掘等理解學生的疑惑點和知識薄弱點,模仿人類的行為模式與學生進行智能化溝通,為學生提供及時、個性化的解答。
 
3.1.4 考試應用場景
 
(1)個性化組
 
通過數據挖掘等人工智能技術,對題庫中已被結構化的數據進分析、組合,為老師提供滿足不同班級學情的考試題目,提升老師的岀卷效率。
 
(2)智能閱卷
 
基于手寫識別、自然語言處理、深度學習 等人工智能技術,幫助老師實現客觀題及部分主觀題自動批改與賦分,如導、判斷、作文、翻譯、問答等題目類型,且可對空白題、內容疑似雷同等異常答卷進行自動篩選,大幅提升閱卷效率嬤量。
 
(3)考情智能分析及錯因診斷
 
基于圖像識別、自然語言處理、數據挖掘等人工智能技術,采集匯總學生考試結果,分析不同學生知識點弱項,進而形成學生學情報告,為老師提供更有針對性的教學指導建議。
 
⑷監考
 
通過計算機視覺、智能語音、自然語言處理等人工智能技術,系統對大量考場視頻的考生動作進行分析,建設智能考場的人工智能感知分析體系,全面提升考試的安全與效率。
 
3.1.5評價應用場景
 
(1)耳觸興趣評估
 
基于學生差異化的特長與個性特征評估學生職業興趣,通過數據挖掘、自然語言處理等人工智能技術,智能生成職業推薦建議。
 
(2)師生匹配度評估
 
基于學生差異化學情,通過數據挖掘等人工智能技術,為學生匹配最適合自身學習方法、學習能力及學情的老師,實現學生、老師、課程的精準匹配,提升學生學習體驗和效率。
 
(3)課堂質量評估
 
通過計算機視覺、智能語音、自然語言處理等人工智能技術,構建課程全覆蓋并決速反饋的課堂質量評估系統,并提供全面、客觀、科學的課堂評估報告,打破教學黑盒,幫助老師識別出好課、教出好課,讓更多的學生在有限的時間內,獲得更佳學習效果。
 
3.1.6 管理應用場景
 
(1)班級學情
 
通過表情識別、人臉框檢測、語音識別、姿態識別等收集和跟蹤學生學情數據,對每個個體的學情進行全方位精準評估,為老師、家長及時了解學生學情提供科學的參考依據,并為個性化指導提供判斷依據。
 
⑵選課排課
 
基于學生選課和校內教師資源等數據的輸入,通過數據挖掘等技術為每個學生定制專屬的個性化課表,高效解決走班排課等問題,節省老師工作時間、提升學校管理效率。
 
⑶校園安防
 
基于計算機視覺、智能語音、數據挖掘等人工智能技術,通過視頻監控系統、門禁控制系統以及考勤系統等對校園進行常規檢查工作。
 
上述智能教育應用場景中,一些場景實現。隨著人工智能技術的發展及全域數據的積累,在中短期內,預計將基于大數據的智能綜合分析與診斷能力,覆蓋“備課-教學- 練習-考試-評價-管理”核心流程下更多場景、接入教學核心環節。遠期來看,智能教育隨著認知技術的成熟,掌握理解學生等的能力、實現人性化交互,促進大規?!耙蠆氖┙獺鋇拇锍?。
 

 
3.2智能教育典型應用場景案例
 
3.2.1教學:線下AI課堂
 
優質師資稀缺且分布不均是教育領域長期存在的難題,有限的優質師資往往集中在一二線城市。在線教育雖然一定程度上解決了這一問題,將優質師資通過在線直播課或錄播課的形式帶到中小城市,然而受限于經濟能力,部分家庭往往難以長期為高質量教學產品買單。
低成本、標準可靠的“AI課堂”,利用計算機視覺、智能語音、自然語言處理及機器學習等多項人工智能技術在學情數據的基礎上建立學生模型,結合學科知識體系、班級和個體的實時學習表現,通過人工智能引擎進行個性化的學習方法和路徑設計,以普惠的價格提供給每個家庭,打破優質教育“高門檻” 。
 
例如,好未來的WISROOM于2018年推出行業首創的AI課堂解決方案,將“學”和“習” 進行拆解,課堂上由低成本、標準可靠的“優質老師”負責知識傳授,課前預習、課后答疑由真人教師完成。目前WISROOM已覆蓋全國〔48個城市,月艮務近800個教培機構,學生人數已超10萬人,已實現較為廣泛的應用。2019 國際人工智能與教育大會期間,聯合國教科文組織官員現場體驗了以WISROOM智慧課堂解決方案為底層技術支撐的“樂外教AI課堂”并給予高度評價,表示希望能將其推廣至南蘇丹等教育教師資源匱乏、技術基礎薄弱的地區。
 

 
3.2.2 練習:智能測評
 
“啞巴英語"是英語教學的痼疾,癥結往往來自于學生在英語學習初級階段沒有打好口語基礎。但在教育水平落后地區,具備專業、準確的口語表達能力的優質師資的稀缺性與分布不均被進一步放大,導致口語練習很難得到及時反饋和精準指導。特別針對兒童英語口語練習,由于其發音音調較高、停頓較長,且表達過程更易出現發音、語法錯誤,使得通用口語測評技術也無法做到精準評估與反饋。
 
科大訊飛E聽說運用智能語音評測技術,通過多樣化的人機交互訓練方式如跟讀、???、闖關,對學生口語發音進行多維度評分和精準矯正,同時運用人工智能分析學生學練測數據,進而推算生成針對性評測報告,精準定位知識盲點,從而助力提升學生英語口語。目前,已在全國超過7000所學校廣泛使用,推廣班級超6萬個,累計使用用戶超1200萬。
 
針對兒童口語英語,好未來在2018年推出了業內首個兒童口語測評體系,根據采集兒童在真實教育場景下的英語發聲數據,定制專屬于兒童的聲學模型,綜合發音、韻律、流利度、完整度 等評估維度,為兒童口語發音提供及時、準確的反饋。目前兒童口語測評模型月調用量超過4000萬次,與專業英語外教的評分可達90% 以上的一致率。
 
好未來基于“普通話學習系統”為四川省涼山州昭覺縣定制了“學前兒童彝漢雙語學習系統”,幫助孩子們開展漢語拼音、詞匯、語法等方面的學習。據統計,涼山州的54萬名學前兒童中,有49%不會說普通話,普通話教育已成為大涼山地區最艱巨的任務之一。目前該系統已在昭覺縣71所學校、124個教學點、近6萬名在校學生中得到了使用。


 
3.2.3 練習:智能題庫
 
傳統教育多側重于知識點掌握的訓練,學生往往需要反復學習全部知識點,通過“題海戰術”來進行查缺補漏和強化訓練。根據國際學生評估項目(PISA)公布的最新一輪測試結果,中國幾乎是總體學習時間最長的國家,但 學習效率卻非常低,中國與芬蘭的PISA成績相近,但每周學習時長卻比芬蘭多20多個小時,學習效率顯著低于OECD國家的平均水平。
 
人工智能可以通過圖像識別、自然語言處理、數據挖掘等技術,為學生在海量題庫中快速提供題目解析辦法,并通過精細化的知識圖譜和標簽體系快速識別出學生薄弱知識點,為學生提供個性化的“舉一反三”強化練習,使學生在自主學習過程中更加精準,大大提升學習效率。
 
2014年上線的作業幫,可以通過拍攝的題目照片快速檢索對應解析辦法,為學生提供多種思路和詳細解析過程、提供及時有效的個性化指導。目前作業幫已累計激活用戶4億以上,月活用戶1.2億,平均每年為用戶提供累計超過350億次作業輔導和知識講解,超過5 億次“舉一反三”練習,超過2000萬次問答,超過〔00萬小時的答疑講解。
 
3.2.4 考試:智能錯因診斷
 
傳統教育模式下,老師每天需要面對大量的教研、備課、作業批改等任務,往往無法投入較多精力針對學生作業和考試情況進行有效分析,導致老師難以做到針對學生們的個性化情況進行課程安排及課后輔導、無法實現針對個體差異的“精準教學”,“大鍋飯”式教學成為普遍現象。
 
人工智能可基于OCR識別、自然語言處理、數據挖掘等技術,采集匯總學生作業、考試結果,分析不同學生知識點弱項,進而形成個性化的學情報告,為老師提供更有針對性的教判指導建議。
 
例如,極課大數據推出的大數據精準教學服務平臺系統,通過圖像識別、計算機深度學習等人工智能技術,對作業和考試等數據動態化采集,并進行大數據智能分析,憑借多樣化立體學情報告幫助量化教學目標,彌補“經驗 教學”的不足,做到兼顧個體差異,輔助學生 查缺補漏,從而實現更有針對性、個性化的教學指導,改變原有“大鍋飯”式教學;此外該平臺還擁有區域數據呈現、高效智能批閱、海量題庫智能組卷、三代全能飆等領先功能,全面幫助老師減負增效,提升課堂效率和教學質量。目前已覆蓋全國30多個省、市、自治區,超過4000所學校,超過770萬的老師、學生和家長。
 

 
美國Gradescope公司將圖像識別、自然語言處理、數據挖掘等技術應用于教育,對學生的作答進行識別、分析和打分并給出錯題的錯因,教師可以一鍵發送和導出學生日常作業練習情況,基于不同問題、不同知識點生成學生的綜合學習成果報告,對學生的課下練習情況有綜合、全面的了解,從而更加準確地定位學生問題,使得老師能在課上對學生進行更加高效的輔導。
 
3.2.5 W:智能課堂質量評估
 
在傳統教學模式下,學情評估始終困擾老師與校方:對于老師而言,學情評估需花費課上與課下的大量時間與精力;對于校方而言,往往需通過組建人工團隊完成抽樣監課的工作,評估效率不高且課程覆蓋率低。同時,由于評估方式主觀、指標不可量化、評估維度有限等,行業缺乏對“好課”的統一標準。
 
基于人工智能技術構建的監課系統則可以做到課程全覆蓋并快速反饋,形成課上有行為、行為有識別、識別有產出的完整監課閉環,從而智能、高效生成針對學生的評價報告。不但如此,AI監課系統可廣泛采集課堂信息,通過數據的挖掘和深度分析,產生一份更全面、更客觀、更科學的課堂評估報告,從而打破教學黑盒,幫助老師識別出好課、教出好課,讓更多的學生在有限的時間內,獲得更 佳的學習效果。
 
好未來的GodEye監課系統利用計算機視覺、語音、自然語言處里、數據挖掘等人工智能技術,對兩千多個維度的課堂數據進行捕捉,并從學生的6大課堂行為出發,針對每位學生提供出一份詳盡的課后報告,使最佳的教學理念可以落地。在接入教學系統后,GodEye已將原先不足10%的課堂教學評估覆蓋率提升至100%,質檢效率提升近50倍。
 

 
英國的Century Tech公司利用人工智能技術對學生課堂學習質量進行評測,通過評估學生的專注度和接受度,精準定位學生課堂學習狀態的異常時間,幫助老師掌握學生現階段的學習狀態,節省老師本用于學情評價這一非核心工作只能上的時間,從而提升老師的核心能力。
 
3.2.6 管理:智能排課
 
新高考政策將傳統教學模式顛覆為走班教學模式,選考科目6選3的新政策使得學校原來只需要分文理兩類班型,而現在理論上要提供20種選課組合。如何有效合理的分班、落實課務的安排成為了走班教學模式亟待解決的問題,原來的“一班一課表”變成“一人一課表”,顯著增加排課所需時間、精力的投入,進一步占用了教師這一寶貴資源,對學校教學管理水平提出新的挑戰。
 
以曉羊教育為代表的智能排課解決方案則通過人工智能技術的引入有效解決了上述問題:其基于學生選課和校內教師資源數據的初始輸入,智能化制定專屬于每個學生的個性化課表,高效解決分班問題,節省教師工作時間,支持教師在教學核心職能中全情投入,以提高整體教育質量。該平臺截至2019年3月已適用全國1600余所學校,并且只需要十幾名后臺人員即可協助排課,大大節約大規模排課所產生的人力成本。
 
04
智能教育發展趨勢展望
 
隨著人工智能理論和技術的不斷發展和完善,人工智能在教育領域應用的廣度和深度將大幅拓展。本章對智能教育的應用場景以及人工智能技術在教育領域的前景進行了展望。
 
4.1 智能教育應用場景展望
 
未來智能教育將從教師資源、教學資源兩個方面進行改善。
 
在教師資源方面,將基于場景數據積累和優質教學方法的研究成果,依托圖像識別、語音識別和自適應技術,打造人工智能課程,讓好老師、好方法惠及落后地區。同時,人工智能將基于結構化、標簽化的教硏大數據、知識圖譜和本地教學大綱,智能匹配相關教學內容,提升優質教學資源的生產效率。
 
在教學資源方面,將依托知識圖譜,基于學生的答題情況挖掘其背后的知識缺陷,匹配更個性化的教學內容,實現個性化教學;依托學生全域大數據和關聯性分析模型,基于學情和行為等數據,了解每位學生的個性化需求,提醒教師給予關懷。
 
從人工智能技術適配性和人工智能技術成熟度兩個維度,可以對智能教育場景進行分類。人工智能技術適配性重點考量從當前需求角度來看該場景是否有部分工作適合應用人工智能技術,且從倫理和數據獲取的角度來看是否匹配需求。人工智能技術成熟度重點考量人工智能技術替代人工作業的準確度、是否超過工業紅線等。
 


基于人工智能技術適配性和成熟度兩個維度的表現,可以將智能教育場景分為三類。
 
(1)當前AI主要用武之地場景。
 
這類場景具備較高的人工智能技術適配性
 
(2)AI應用空間有限場景。
 
這類場景在人工智能技術適配性和成熟度上均較低,主要集中在六大核心教育流程的“評”和"管”環節。由于綜合素養、職業興和成熟度,以基于智能識別技術的教學輔助類趣等評估場景較難形成統一的標準,人工智能場景為主。整體來看,該類別下各場景工具屬判斷難度較大,且后期無法對準確性進行歸一性明顯,如“練習”環節中的“拍照搜題”、“管理” 化評價,無法反哺模型;關于“管”的環節,正環節中的"校園安防”等,其場景的復雜度較 常情況下基于規則的策略即可實現,對人工智低,主要基于計算機視覺等技術便可實現,當能技術適配性不高。因此,人工智能對“評”前人工智能技術足以支撐,是人工智能在教育 和“管”兩個環節的適配度較低。
 
此外,該領領域目前主要發揮優勢的領域。域部分場景對人工智能創造能力和人性化交互要求極高,當前技術成熟度較低,不被看好。例如“線下面授”和“招生管理”環節需要人與人之間直接互動,學生和老師的綜合素養評價離不開具體情境下的主觀判斷等。因此,人工智能在這類場景下的發揮空間較為有限。
 
(3) AI潛在提升發力場景。
 
這類場景為適合通過人工智能革新、但受制于當前技術成熟度的場景,具有巨大的潛在價值。不同于第一類場景集中在識別領域,工具屬性明顯,該類場景主要聚集在判斷和推薦領域,普遍為服務屬性。從技術層面來看,該類場景當前挑戰來源于知識圖譜的構建、多元大數據的結構化處理等方面,一旦實現技術突破該類場景將很快實現落地。
 
通過場景核心程度和人工智能技術實現產業化應用所需時間可以評估這類智能教育應用場景布局的優先級。


優先級一:主要為2年內實現產業化應用的“備”、“教”等核心環節,是智能教育應用場景的中短期布局重點。代表性場景有在線直播課、個性化教案、預習知識點個性化推送、筆記整理等。以“在線直播課”為例,“近場語音識別技術”能聽懂每位學生的發言、“語音和嘴型擬合技術”幫助老師同時與數百名學生互動等,均能有效增強直播體驗。
 
優先級二:主要為在2年內實現產業化應用的“練”、“考”等次核心環節及2-3年間 實現產業化應用的“備”、“教”等核心環節,是智能教育應用場景的中長期布局重點。代表性場景有監考、智能錯因診斷、學習機器人、試講磨課練習等。以“監考”為例,通過計算機視覺、智能語音、自然語言處理等人工智能技術,系統對大量的考場視頻的考生動作進行分析,建設智能考場的人工智能感知分析體系,計算機將能精準識別考生的違規動作并據此判斷考生作弊的概率,增加了監考的有效性。
 
優先級三:主要為2年內實現產業化應用的“評”、“管”等外層環節、2-3年間將實現產業化應用的“練”、“考”等次核心環節以及3-5年才能實現產業化應用的“備”、“教”等核心環節。代表場景為課堂質量評估、班級學情管理、推理性大題批改、習題個性化推送、AI課程、本地化教研等。以“課堂質量評估”為例,由于評價方式主觀、指標不可量化、評價維度有限等原因,教學黑盒一直缺乏有效評估。計算機視覺、語音識別、自然語言處理等人工智能技術能對不合規行為、不恰當表達行為作出判斷,打破教學黑盒產出更全面、更客觀的課堂質量評估報告。
 
優先級四:主要為2-3年間實現產業化應用的“評”、“管”,等偏外層環節及3-5年間有望實現產業化應用的“練”、 “考”等次核 心環節。代表場景為師生匹配度評估、個性化答疑、中文作文批改等場景。以“中文作文批改”為例,雖然該場景需求廣泛,但受OCR手寫識別準確度、自然語言處理等技術瓶頸所限,當前中文作文批改依然難度較大,初步判斷需3-5年時間才能實現成熟,可作為中長期戰略布局考慮。
 
4.2 人工智能技術在教育領域的應用展望
 
人工智能技術在教育領域實現產業化應用所需年限與Gartner 2018年發布的人工智能技術在通用領域實現產業化應用所需年限進行對比分析見下圖。
 


從圖中可以看出,人工智能技術在教育領 域實現產業化應用所需年限與通用領域無根本性區別。語音識別均將在2年內實現產業化應用,預測分析、虛擬現實、機器學習、深度神經網絡、計算機視覺及聊天機器人均需要2-5年的時間實現產業化應用,自然語言處理 (NLP)需要5年以上時間實現產業化應用。在知識圖譜、認知計算兩個方面,由于教育場景的歸一性和收斂性更好,這兩個技術在教育領域將會于2-5年內實現產業化應用,早于通用領域5年以上的等待時間。
 
(1)知識圖譜
 
知識圖譜技術提供了一種更好的組織、管理和利用海量信息的方式。目前知識圖譜技術 主要用于智能語義搜索、移動個人助理(如 Siri)等方面。然而,現有的知識更新技術嚴 重依賴人工干預,盡管在未來隨著知識圖譜的不斷積累,人工干預的比重將會不斷降低而自動化程度將不斷提高,但如何確保自動化更新的有效性是知識圖譜技術成熟的另一重大挑戰,預計這一技術在教育領域實現產業化應用仍需2-5年時間,早于通用領域的5年以上等待時間。
 
⑵認知計算
 
認知計算涵蓋多項技術,它能夠支持信息系統和應用程序的對外感知、理解和行動。這就意味著,計算機將被應用于感知世界并收集、分析和理解數據,獨立決策并提出建議。認知計算的價值在于在實戰中不斷學習,進而根據所獲知識優化自身流程和行為,達到像人一樣的認知過程。然而,人類大腦和現代計算機具有不同的架構,兩者在對信息的存儲和處理機制上完全不同,以現代計算機架構為基礎發展的認知計算技術無法單純依靠模擬人腦的功能來實現如人類大腦一樣靈活的認知過程。因此,完成這個目標需要一個新穎的架構,在數據存儲、組織、管理等方式進行創新,且一定程度上依賴于機器學習、自然語言處理等技術的成熟。預計這一技術在教育領域實現產業化應用還需2-5年時間,早于通用領域的5年以上等待時間。
 
(3)自然語言處理(NLP)
 
NLP的應用包括對自然語言進行句法分析、實時翻譯和構建大規模知識圖譜。然而,NLP在對人類語言進行解讀時,會受到句法的模糊性、單詞的一詞多義、人的口音等自然語言中的細微差別影響,使得機器的解讀產生偏差和錯誤。而這些偏差目前需要人工干預才能得以糾正。此外,NLP還面臨對話能力,推斷能力、語言合成能力弱等挑戰。這些限制性因素導致NLP技術目前仍無法廣泛應 用。預計這一技術在教育領域實現產業化應用仍需要花費5年以上的時間,與在通用領域上實現產業化應用的等待時間一樣。
 
(4)語音識別
 
語音識別性能在過去幾年中迅速提高,諸多聚焦語音識別的企業均在2017年前后取得了快速的科技進步和技術突破,聲稱其性能與人工轉錄相同或更好,例如百度在2016年就已宣布百度語音識別的準確率能夠達到 97% 。未來,語音識別技術的發展將會在對各類語料庫和聲學模型研究的基礎上,聚焦非標準環境下的識別,比如遠距離的語音識別,嘈雜環境下的語音識別,方言的語音識別和語 速變化較快情緒復雜的語音識別等。整體來看,語音識別已屬于相對成熟主流的人工智能技術。預計與通用領域一樣,這一技術在教育領域實現產業化應用的等待時間為2年以內。
 
(5)計算機視覺
 
目前,計算機視覺技術中物體檢測、物體 識別、人臉識別、圖像標簽是相對成熟的細分 技術,也得到了相對廣泛的應用。然而,動態 圖像識別、實時視頻分析等仍面臨著技術瓶 頸,且缺乏可用于人工智能模型訓練的大規模 數據集。預計這一技術在教育領域實現產業化 應用的年限為2-5年,與在通用領域上實現 產業化應用的等待時間相同。
 
(6) 聊天機器人
 
目前存在的聊天機器人有以下幾種:基于工模板的聊天機器人,即根據用戶的輸入,在模板庫中找到匹配的問句模板,再依照對應的應答模板生成答案返回給用戶;基于檢索的聊天機器人,即根據用戶的輸入在對話數據庫中以搜索匹配的方式生成答案返回給用戶;基于深度學習的聊天機器人,即根據用戶輸入,利用模型逐詞或逐字生成答案返回給用戶。由于基于人工模板和基于檢索的聊天機器人性能的提高需要龐大的團隊建立對話庫或模板庫并訓練機器如何獲取處理數據,限制了這兩類聊天機器人的大規模推廣?;諫疃妊暗牧奶旎魅嗣媼俚淖畬筇粽絞翹嶸攀窖暗哪芰?,而這種能力的提高又依賴較為困難的編碼-解碼模型訓練。預計這一技術在教育領域實現產業化應用的年限為2-5年,與通用領域實現產業化應用的等待時間相同。
 
(7)深度神經網絡(深度學習)
 
深度學習系統在使用時包含訓練和推斷兩個階段。在訓練階段,深度學習會遍歷大型數據集并將其提煉到一個小的參數集;在推斷階段,深度學習使用此參數集對圖像、語音、文本等輸入進行分類。作為人工智能的核心技術,深度學習在圖像、語音、自然語言處理等領域已經取得了大量關鍵性突破。深度學習下一步的理論發展重點在強化學習、遷移學習以及非監督學習層面,在應用發展領域,智能機器人會是深度學習領域的重要實際應用。預計這一技術在教育領域實現產業化應用還需2-5年時間,與在通用領域上實現產業化應用的等待時間一樣。
 
(8)機器學習
 
機器學習的理論和方法已被廣泛應用于解決工程應用和科學領域的復雜問題。目前,在自動標簽、文本分類、搜索與排序和推薦系統方面,機器學習已在一定程度上具備解決實際生活問題的能力。然而,隨著大數據時代的到來,如何提出新的機器學習算法以適應大數據處理的需求,是大數據時代機器學習面臨的挑戰。預計與通用領域一樣,這一技術在教育領域實現產業化應用還需2-5年時間。
 
(9)預測分析
 
由于數據可用性的提高、計算處理成本的降低(尤其是在云平臺中),以及在實際使用案例中得到的可靠驗證,使得預測分析技術備受產業界的關注,正在嵌入越來越多的業務應用中。不過目前該技術尚處于泡沫化后的低谷期,預計這一技術在教育領域實現產業化應用還需2-5年時間,與在通用領域上實現產業化應用的等待時間相同。
 
(10)虛擬現實
 
虛擬現實技術可以支持各種大規模的模擬和培訓應用,通過提供沉浸式的解決方案,增強教育、娛樂的用戶體驗。目前虛擬現實技術已進入穩步發展階段,相應的開發平臺、設備等在逐漸普及和完善中,未來還需在圖形渲染技術、屏顯技術和定位技術等方面不斷完善,才能實現公眾消費市場的普及。預計與通用領域一樣,這一技術在教育領域實現產業化應用還需2-5年時間。
 
05
推進智能教育發展的建議
 
人工智能在教育領域的深度廣泛應用,將推動教育理念、教學方式以及管理模式創新,重塑教育體系,但這一過程不會是一帆風順的,需要社會各界的通力合作。本章提出了促進智能教育健康發展的幾點建議。
 
5.1加強智能教育政策引導
 
從出臺《教育信息化十年發展規劃 (2011-2020年)》推進落實教育信息化的總體部署,到發布《教育信息化2.0行動計劃》推進新時代教育信息化發展,再到發布《中國 教育現代化2035》重點部署面向教育現代化的十大戰略任務,一直以來我國在教育領域持 續推動以信息化支撐和引領教育現代化,但在人工智能蓬勃發展的時代,信息化已經不足以支撐和引領教育現代化。
 
建議有關部門盡快出臺推動智能教育發展的規劃性文件,進一步強化智能技術在教育領域的應用部署,并制定相關政策措施,支持學校、企業、科研機構等各類主體投身智能教育,為智能教育的發展提供良好的環境保障。
 
5.2 加大智能教育關鍵技術研發
 
智能技術與教育的融合難度;現有人工智能技
 
教育作為涉及教學、管理、科研、服務等術的多領域的綜合體系,其復雜性大大增加了人工智能技術與教育的融合難度;現有人工智能技的應用多為語音識別、圖像識別等識別領域的應用,但在理解層面和創造層面的應用仍未實現實質性突破。例如當前自然語言處理技術 僅能對語法結構、拼寫正誤等方面進行識別,而在篇章結構、語言邏輯、情感表達等語義理解層面依然十分欠缺。
 
建議加大智能教育關鍵技術的研發力度,為智能教育應用場景的拓展奠定技術基 礎。一是依托智慧教育國家人工智能開放創新平臺,組建跨學科、跨區域的“人工智能+教育” 研究共同體,廣泛開展跨學科探索研究,推動 腦科學、神經科學、認知科學等學科的交叉融合;二是加強“政企學硏”多方合作,產業界加強研發探索,學術界提供扎實理論基礎,并最終試點應用到相關教學場景;三是進一步推 進智慧教育開放創新平臺建設,推動開放平臺向公眾開放智能教育關鍵共性技術,打造智能教育生態。
 
5.3 推動智能教育應用落地
 
人工智能在教育領域實際應用過程中,普遍存在教師及教育管理者對人工智能的效用認 知不足、人工智能應用素養不足等現象,導致大量一線教師無法高效運用人工智能于實際教學場景中。
 
建議加快推動智能教育應用落地,一是要建立智能教育示范點,積極探索人工智能在教 育領域的應用模式;二是推動公立院校結合自身教學現狀制定和落實本校的智能教育發展規劃,為智能教育提供更加豐富的場景;三是不斷提升教師及教育管理者人工智能素養,推進教育工作者對人工智能技術與應用的正確認識,為智能教育應用落地提供良好的氛圍保障。
 
5.4 加快制定智能教育標準和規范
 
近年來,人工智能在教育領域的應用呈現快速增長的趨勢,其中智能導師系統、自動化測評系統、教育游戲與教育機器人已經實現大規模應用,但與人工智能在其他領域的應用一樣,也存在智能教育產品質量良莠不齊的問題,潛在的數據安全問題也逐步顯現。作為一個新興的應用領域,人工智能的標準特別是評估評測規范仍顯滯后,目前國際國內基本沒有相應的行業標準和評估評測規范。
 
建議加快制定人工智能在教育領域應用的標準規范體系,建立并完善基礎共性、互聯互通、行業應用、網絡安全、隱私?;さ燃際醣曜?,加快制定智能教育的標準和規范,推動智能教育的健康發展。
 
5.5 加強人工智能人才培養
 
加快發展新一代人工智能已經成為我國重要的國家戰略,無論是研究開發領域,還是應用落地領域,人工智能各個環節對人才的需求有增無減,而人才短缺已成為我國人工智能發展中的最大短板。據工信部教育考試中心統計,中國人工智能人才缺口超過500萬人。
 
建議進一步加強人工智能人才培養,一是要圍繞人工智能應用落地(包括智能教育)的需求,形成“人工智能+X”復合專業培養新模式,培養人工智能源頭技術和應用創新人方二是要著力推動人工智能知識和技能方面的職業教育、技術培訓、繼續教育,為人工智能的應用落地培養大批量的高技能人才。
我要評論
昵稱:
內容: 剩余100個字
驗證碼:   驗證碼,看不清楚?請點擊刷新驗證碼
 
評論熱帖
還未添加任何評論信息!
 頁次:1/頁  8 條/頁共 0 條  97 [0] 8:  
Copyright2013-2019 www.qipkch.com.cn All Rights Reserved 蜜蜂網 版權所有  
蜜蜂網--輔導圈1對1領域第三方資訊分享平臺
免責申明:蜜蜂網信息均來自于網絡搜索,登載此處出于第三方資訊交流學習
本站不承擔由于內容的合法性及真實性所引起的一切爭議和法律責任。投訴處理聯系QQ:914551675
合作洽談聯系我
17108双色球分析