自適應學習專家王楓詳解智慧教育中的“人工智能”
谷歌研發(fā)的阿爾法狗（AlphaGo）4:1打敗韓國圍棋名將李世乭，一時間人們開始相信，在未來，諸多職業(yè)將被人工智能取代。假如人工智能介入教育，那么學習的過程將會發(fā)生什么樣的變化？人工智能是否可以取代人類老師？如果能，又會有多少老師被它所取代？什么是真正的自適應學習？本文通過整理王楓博士口述將揭秘自適應學習的前世今生。針對這個最普遍的入門級問題，王楓博士所給出的回答是這樣的：“其實簡單地說，這套學習系統(tǒng)就是能夠根據(jù)學生的不同情況進行“自動適應”，然后給出學生最適合他的學習內容，根據(jù)不同學生的情況，可能會推送不同的題目或者視頻等內容。在這種推送的背后所隱藏的，是大數(shù)據(jù)和智能技術在教育層面的深度應用。”對于教育產品來說，王楓博士認為交互性是處于核心位置的。“所謂的交互性，并不是簡簡單單指界面上的交互，而是學生在學習過程中不斷地獲得反饋。一般而言，交互性體現(xiàn)在三個方面：一是老師和學生的交互，其最理想的情況是優(yōu)秀的老師可以針對幾個學生的特點，給予針對學生的個性化的教學和輔導。二是指學生之間的交互，最理想的狀態(tài)是優(yōu)秀的學生可以跟其他學生深入交流。第三就是普遍最受重視的，學生與系統(tǒng)內容的交互。這才是最核心的解決辦法，因為計算機系統(tǒng)的運算能力、準確性、信息量以及供應力是相當強大的。但目前的MOOC模式能夠實現(xiàn)的是知識的“可獲得性”，是純粹單向的“送達”。但我們所謂的自適應學習，是在這個交互性的領域實現(xiàn)智能化。”“舉個例子來說，就像我們平時看到的一些互聯(lián)網巨頭，他們都已經實現(xiàn)了所謂的個性化推送。比如淘寶或者亞馬遜，都可以通過對用戶的瀏覽和購買行為進行追蹤分析，然后實現(xiàn)對商品的建議性推送。而教育領域的人工智能，則需要考慮學習過程的復雜性，對于任何一個學生，不論處于什么樣的學習狀態(tài)，其下一步要學習什么，怎么學，目前的程度是什么，都是需要綜合判斷和測量的。如果在技術層面模擬一個優(yōu)秀老師的教學過程，面對這些復雜的問題，一定要基于大數(shù)據(jù)進行分析和演算，對學生的特征進行測量和量化描述，最終推送適合某個學生的學習內容。”能舉個自適應學習的例子嗎？我們生活中有這樣的自適應學習嗎？“這種例子肯定是有的，我們先假設一種情況：如果有一位學生做了十道一元一次方程的題目，結果他做對了六道題，做錯了四道題；然后這個學生又去做了十道一元二次方程的題目，結果是對了兩題，錯了八道題。那么這個時候老師應該怎么辦？”“這個時候，不同的老師就會有不同的反應。水平比較差的老師，這時候會要求學生再去做一批一元二次方程的題，讓學生多練，覺得這樣學生自然就會熟能生巧；水平中等的老師呢？他會降低難度，讓學生去做一些難度低一點的一元二次方程，看看學生的情況；而好的老師則會發(fā)現(xiàn)他的問題不在于一元二次方程，而是在于一元一次方程的基礎沒有打牢。所以會要求學生回到一元一次方程或者求根的過程里去學習和練習。——這就是自適應學習系統(tǒng)，模擬優(yōu)秀教師的教學過程去給學生提出個性化的要求。”“以上只是對問題的簡化描述，而現(xiàn)實情況更復雜。比如 A學生是不會一元一次方程； B學生是不會求根；C學生可能是連方程的移位都不會；其他學生每人都有每人的薄弱點，每一個學生的情況不一樣，綜合的知識點數(shù)量如此龐大，出現(xiàn)的問題幾乎是所有情況的乘積。因此，如果希望通過簡單的編程方式去判斷學生的情況，那么我們?yōu)榱司幊趟枰A設的規(guī)則路徑幾乎是天文數(shù)字。因此，試圖通過簡單程序的判斷來解決問題的方法是不可行的。”“而這個例子只是數(shù)學這一個學科，數(shù)學的許多知識點有明確的前提后續(xù)關系，好比只有先學到知識點甲，并且練習熟悉后才可以學知識點乙。如果學生掌握了乙知識點，那可以推斷學生也已經掌握了甲知識點，這個過程姑且還容易追溯。但在實際應用中，還有很多情況更加復雜，例如英語，其知識點的關系是離散的，并不一定先學習名詞的單復數(shù)后才可以學不定冠詞的用法，各個知識點呈現(xiàn)的只是相關性。這種學習過程只能通過優(yōu)秀教師去以極強的經驗來進行綜合判斷和指導；對于計算機系統(tǒng)而言，這個過程基本沒有簡單的規(guī)則可以預設，因此幾乎不可能通過簡單的編程手段來實現(xiàn)這一類的教師智能，只能采用類似阿爾法狗的人工智能算法來進行運算模擬。”“所以，解決學習的‘交互性’是我們通常可以看到的問題，很多企業(yè)也在做著各種有益的嘗試。但如果要徹底解決這一問題，計算機系統(tǒng)需要 “模擬優(yōu)秀教師的教學過程”，這并非通過簡單的計算機編程就可以實現(xiàn)，而是需要通過人工智能的技術手段進行深度的模擬，這就是自適應學習系統(tǒng)的目標和根本定義。”“從最廣義上說，任何能夠通過學生的反饋而推薦不同題目或知識點的系統(tǒng)，都有著‘自適應學習’的功能意味，但我們所強調的自適應學習，一定是基于某種技術深度的。簡單地說，常見的自適應學習系統(tǒng)可以分為三個層次：第一種是最簡單的自適應學習系統(tǒng)，系統(tǒng)預先設定學習路徑，通過簡單的路徑設定來指導學習過程，這叫做所謂基于規(guī)則的自適應學習系統(tǒng)。第二種的復雜度稍高，系統(tǒng)并不預設學習路徑，而是在后臺具有一定的算法，根據(jù)每一個學生的做題記錄，來推斷學生的問題所在和能力水平，為學生匹配學習內容。第三種是最為復雜的自適應學習系統(tǒng)，也就是在基于人工智能的自適應學習系統(tǒng)里，解決學生的學習路徑的問題和內容推送的問題。就學習路徑而言，比如說知識點的跳轉，還是拿前面的例子來說，關于知識點之間的相關性，通常會通過知識圖譜來設定。但就知識圖譜而言，每一個知識點的相關性是需要專家預設的，專家的預設是主觀的，不同專家也有不同的判斷結果，所以最終的圖譜難免也是主觀的。因此比較完善的自適應學習系統(tǒng)的做法是，先通過專家預設的知識圖譜來進行階段性使用，最終根據(jù)使用后學生留下的海量行為數(shù)據(jù)進行數(shù)據(jù)挖掘，最終優(yōu)化知識圖譜達到準確客觀的程度。最終系統(tǒng)會以這個客觀的知識圖譜，為學生匹配最優(yōu)化的學習路徑。在學習內容方面，首先需要擁有最優(yōu)質的學習內容，這是毋庸置疑的；這里的關鍵是，在針對某一學生的學習路徑下，我們需要匹配什么樣的內容給學生。這里所謂的適合，是指難度稍高于學生當前的水平，既不能高得太多，也不能是學生已經掌握的重復性內容。在這個問題上，內容與學生的水平相匹配，那么內容的難度以及學生的水平就需要客觀地測量，這里面不僅僅采用IRT理論，而是采用更為復雜的知識空間等算法。”從系統(tǒng)結構來看，自適應學習系統(tǒng)由三大部分組成：內容模型、學生模型（也叫檢測模型）、推薦模型（也叫教學模型）。首先是內容模型，就是以此為依據(jù)來建立詳細的學習內容和知識點結構圖。而知識點的呈現(xiàn)方式有視頻、音頻、文字、圖片等。題庫里有題目、答案、解析；解析里面又可以分文字解析、視頻解析和圖片解析等。然后每個知識點還要打上標簽，標簽包括知識點內容、學習時間、學習風格、傾向性（喜歡音頻學習還是視頻學習）、內容質量、難易度、區(qū)分度等。顆粒度很細，標簽很多，就可以使學生實現(xiàn)匹配的更精細化，例如一個學生做50道題，圍繞相關知識點，背后需要有至少1200道題的題庫量。知識圖譜拆分由專業(yè)的老師來做，最初的標簽也是由老師來打，但是后期，隨著學生數(shù)據(jù)越來越多，系統(tǒng)對標簽進行自動更新，例如難易度等級，這樣就慢慢淡化了前期老師的主觀因素。其次是學生模型，也就是檢測模型。它能夠實時測評每一個學生在每一個知識點的掌握水平，并且通過大數(shù)據(jù)分析方法推算和量化學生在當前知識點以及相關知識點的能力水平。自適應學習系統(tǒng)能對學生進行動態(tài)檢測，學生每做一組題和每看一段視頻，系統(tǒng)對學生的專項能力值和整體能力值都會不斷修正判斷，系統(tǒng)對學生就越來越了解。值得注意的是，對于學生做錯的題目，到底學生粗心大意還是真的不會，系統(tǒng)也要有一個判斷。比如，如果是粗心寫錯的，系統(tǒng)可以通過其他題目中的相鄰知識點和關鍵知識點的檢測，發(fā)現(xiàn)學生已經掌握了某個知識點，因此分析之后不再推薦這個知識點給學生練習。第三個是教學模型，也叫推薦模型。能根據(jù)每個學生的最新能力水平，提供相應的反饋，并匹配出最為合適的學習內容。如果說前兩個模型是系統(tǒng)的進口的話，教學模型（推薦模型）就是出口，根據(jù)檢測結果，給學生推薦下一步學什么。在傳統(tǒng)線性教育中，老師會讓學生自己整理錯題集，有經驗的老師則根據(jù)學生的錯題來判斷他掌握知識的程度，而自適應系統(tǒng)通過后臺數(shù)據(jù)發(fā)掘和算法找到學生的薄弱點，推薦最適合于當前學習的題目、視頻、解析等等（這些內容也都是顆粒度為“納米級”的）。需要說明的是，后面兩個模型是開發(fā)難點，需要應用到數(shù)據(jù)科學、教育測量學、標簽技術和機器學習等技術。考慮到不同學科、年段、地區(qū)的考試風格和側重都非常不一樣，平臺型的自適應產品無法解決所有問題，因此還應該根據(jù)學生用戶群體和學習目標，來定制開發(fā)學習產品。目前優(yōu)學云測評系統(tǒng)將學生性格特點、學習習慣和風格等非智力因素與實際學習知識掌握情況相結合，運用大數(shù)據(jù)分析技術精準定位學生薄弱知識點，為學生推薦相應練習。很重要的問題：自適應學習系統(tǒng)可以完全替代老師的工作嗎？“這個問題也是很多人一直在關心的問題，對于人工智能代替人肉教師這個猜想，我是這么認為的：自適應學習系統(tǒng)將替代傳統(tǒng)的教學模式，但是它能夠替代的只是模式，而不是老師。對于老師來說，自適應學習系統(tǒng)只能替代掉老師80%的工作。比如批改、推薦題目、機械地講解等，但是是不會完全替代老師的。畢竟，從學習的本身來看，95%以上的中小學生都不適合只面向系統(tǒng)進行自主學習，學習需要監(jiān)督。如果有了自適應學習系統(tǒng)，老師以后就可以去處理更多的主觀性信息，例如學生的學習傾向性如何，學生的學習計劃如何，要如何組織學習活動等。另外，老師還可以基于自適應學習系統(tǒng)，參與開發(fā)出更具個性化、本地化的內容，例如自己專門錄一段視頻講解，發(fā)給自己的學生學習等。自適應學習不是用來替代老師的，而是用來幫助老師，給老師減負的。”圖片來源：網絡
內容來源：鯨媒體微信公眾號
文章有刪改
1. 優(yōu)學云測評推出培訓機構個性化教學解決方案
2. 優(yōu)學云測評推出中小學校個性化教學解決方案
3. 優(yōu)學云測評推出招生平臺流量提升方案
4. 優(yōu)學云測評推出企業(yè)人才發(fā)展平臺解決方案——人才庫管理
5. 優(yōu)學云測評幫助個性化教育成為現(xiàn)實
優(yōu)學云測評精選的每一篇文章都會注明來源和作者（除非找不到），文章版權歸原作者所有，若有侵犯權益，請聯(lián)系我們刪除。本文所述內容僅代表作者觀點，不代表優(yōu)學云測評立場。對于本文以及其中全部或者部分內容、文字的真實性、完整性、準確性和合法性本公眾號不作任何保證或承諾。