麻豆精品,欧美淫秽网,激情草综合,国产精品青青青在线观看

　　原標題：學堂在線管?。夯ヂ?lián)網(wǎng)技術與人工智能技術給教育帶來顛覆性改變

　　2018教育科技大會“教育技術如何不被濫用”分論壇上，學堂在線技術副總裁管健發(fā)表了《規(guī)?；膫€性化教育》的主題演講。他認為純IT技術不能夠輕易解決的教育問題，引入交叉學科可能會是關鍵。

　　以下是管健的演講精選實錄：

　　大家好!我是學堂在線管健，今天要講的話是在線教育里面由于技術帶來的一些機遇以及我們在應用技術的過程中遇到的一些挑戰(zhàn)。

　　互聯(lián)網(wǎng)技術與人工智能技術給教育帶來顛覆性改變

　　隨著高等教育的發(fā)展，中國已經(jīng)有很多大學能排在全球前列，但因為我們的人口基數(shù)大，我們?nèi)司鶕碛械膬?yōu)質(zhì)高等教育資源非常少，我們比別人可能低一到兩個數(shù)量級以上。然而這個數(shù)據(jù)不僅僅是在大學這個層面，中學、小學一樣有這個問題，全國畢竟只有一個人大附中。

　　我認為怎么能夠讓優(yōu)質(zhì)的教育資源能夠惠及到更多的人，一直以來都是我們要解決的問題，技術其實帶來了一定的機會。

　　我們做在線教育，把這個詞拆開叫做“在線”跟“教育”兩個事情，在線實際上體現(xiàn)了技術范疇。

　　我們看到在線帶來了兩件事情，第一它通過連接我們有了互聯(lián)網(wǎng)。通過國家三通兩平臺(寬帶網(wǎng)絡校校通、優(yōu)質(zhì)資源班班通、網(wǎng)絡學習空間人人通)，通過電信運營商的建設，基本上能夠把網(wǎng)絡連接到每一個村鎮(zhèn)，能夠讓優(yōu)質(zhì)教育資源覆蓋到更多人。那么這樣帶來的結果是什么?是教育效率的提升。以前一個老師可能只能教一個小班40人，開一個大課兩百人。那么現(xiàn)在我們通過互聯(lián)網(wǎng)技術，應用直播可以實現(xiàn)十萬人、百萬人的量級同時在線去看他講一堂課。這就是是互聯(lián)網(wǎng)技術帶來的一個顛覆性的變化。

　　當互聯(lián)網(wǎng)使得優(yōu)質(zhì)教育資源覆蓋面擴大的時候，另外一個要解決的問題是如何提升教學效果。我們看到人工智能技術的進展給我們看到了一點曙光，這是在線做的第二件事。

　　通過引入互聯(lián)網(wǎng)技術和人工智能技術，能夠在一定條件下實現(xiàn)規(guī)模化和個性化教育。這是我今天整個這個分享的重要主題。

　　大數(shù)據(jù)不是 的

　　學堂在線在做一個業(yè)務叫做慕課，我們給它的一個定義叫做“多快好省”。它是基于人工智能和大數(shù)據(jù)技術來構建的一個開放的、在線交互學習平臺。我們要解決的問題實際上也是教育幾千年以來的一個實踐和理念，就是希望能夠做到有教無類和因材施教。那么這兩個詞映射到為規(guī)?；蛡€性化實際上是一樣的道理，有教無類意味著誰都可以來學，有適合各種學生的資源，因材施教使得每一個學生能夠得到針對他的個性，適合他特點的一個學習。

　　學堂在線是清華大學發(fā)起成立的在線教育公司，我們在2013年10月10日上線，剛上線的時候有五門由清華大學拍攝和提供的慕課，到現(xiàn)在課程總數(shù)量超過一千八百多門，注冊用戶接近一千五百萬人，人均的選課量超過兩門多。并且，我們的每一門課自成體系，符合大學教學水準，比方說微積分，比方說財務分析，比方說數(shù)據(jù)結構都是大學里學分課的水準，所以大家可以想到一千八百門課加在一起是個怎樣的量級。

　　上線以來，學堂在線除了積累教學資源之外，還積累了大量的學生行為數(shù)據(jù)，數(shù)據(jù)是學堂在線的整個業(yè)務核心。我們從平臺上收集學生的學習行為，比如學生跟視頻的交互，老師和同學的交互以及做的各種習題、考試、討論，日常的日志量能夠達到一億條左右。

　　那么大數(shù)據(jù)真的是一個我們不可或缺的技術嗎?可能我的結論有一點偏負面，我認為他未必是一個必需品，但它能帶來一種新的邏輯和機會。

　　我舉一個例子，這是我們擁有的數(shù)據(jù)類型，一個在線教育平臺最多的數(shù)據(jù)無非就是這些，你選什么課、在視頻上怎么看、怎么跳轉頁面，做題做的怎么樣。然后把后臺用戶注冊的信息數(shù)據(jù)進行分析，希望得到一個關于課程的用戶畫像，然而實際上結果并沒有那么準確。性別大概猜對了59%，比拋硬幣稍微好一點。猜年齡更差，只猜到55%，猜教育程度基本上跟拋硬幣差不多。這就是我們拿大數(shù)據(jù)來做用戶畫像得到的結果，其實這種用戶畫像很多互聯(lián)網(wǎng)公司都在做，不管是旅游行業(yè)、電商行業(yè)，可能都經(jīng)常做這個事。但在教育行業(yè)的結果確實很不盡如人意，回過頭去看這些數(shù)據(jù)，一個人選什么課跟他的性別有特別強的關聯(lián)性嗎?其實未必。一個人看視頻是喜歡跳來跳去看，還是喜歡從頭看到尾，跟他的年齡有多大關系嗎?可能也未必。

　　這個例子是說大數(shù)據(jù)技術它不是沒有用，但不要去神化它，什么東西上來大數(shù)據(jù)跑一遍，算法跑一遍都能跑出結果來這是神話，當然它也不是沒有用。我們拿它來做另一件事，改個題目，用同樣的數(shù)據(jù)，同樣的算法，去分析另一個問題。其實在慕課學習里面一門課可能有16個學時，32個學時這么長，其實很多學生可能看了一兩個小時以后他往后就不看了，這就是學生的流失問題。一個學生這周學了他下周還來不來?這個學生來了三五周以后他能不能堅持到最后?我們用大數(shù)據(jù)分析這個問題，同樣的數(shù)據(jù)同樣的算法我們就做到了72%的一個效果，而且我們在持續(xù)改進如何研究流失預測。所以技術要怎么用，拿來解決什么問題?是一個需要設計的事，這是我舉的第一個例子。

　　前面說了大數(shù)據(jù)不是 的，要學會合理的運用大數(shù)據(jù)，那么接下來就講講具體能用大數(shù)據(jù)做什么。

　　通用技術——數(shù)據(jù)可視化

　　很多時候大家認為教育是個特殊行業(yè)，我們要結合行業(yè)的特點要做一些有特色的，結合應用領域的東西，其實也未必。我們也拿它來做很多常見的事情，比方說數(shù)據(jù)可視化，其實就是數(shù)據(jù)統(tǒng)計，有多少人選課，什么時候來選，這些數(shù)據(jù)能夠給老師和學習者提供很好的決策支持。另外，還可以運用現(xiàn)在已經(jīng)很成熟的通用技術例如圖像處理技術、人臉識別技術、環(huán)境識別技術，去解決教育行業(yè)一些特定的問題，比如說在線監(jiān)考。考試的時候把房間周邊的這個環(huán)境拍下來，程序能夠識別可疑的不應該出現(xiàn)的動作和場景，我們就能在一定程度上實現(xiàn)除高考外一定程度的在線監(jiān)考。

　　這是通用技術在教育領域的應用，有利于規(guī)模化教育的實現(xiàn)，但對于個性化教育我們能做什么呢?以下是我的一些思考。

　　首先我們要做的是基于知識圖譜的資源和用戶組織

　　有大量的不管是視頻、習題或討論，其實它最終的知識點力度很粗，交互也不夠，我們需要按照更細力度的知識點把它組織起來，形成底層的知識圖譜，并且把用戶以及用戶跟資源的交互，通過底層的知識圖譜連接起來。這樣我們能做到什么?我們能給每一個資源做畫像。比方說我今天可能講二十分鐘的視頻，這里面我講了十個、二十個知識點，它能夠自動的去給它切分出來去計算知識點的覆蓋。

　　其次就是基于“資源畫像+知識結構畫像”的學習路徑

　　一個學生他在哪一個知識點上強，哪一個知識點上弱，我們能夠把它細化到知識點力度上去，給它做一個畫像。那么基于這兩者資源的畫像和知識結構的畫像使得我們能夠去給它設計更個性化的學習路徑。

　　比如，我們能發(fā)現(xiàn)某一門課里面哪個知識點比較難，老師可能講得不夠細或者這個東西本身就特別難，我們就能給它做智能推薦。這個可能大家在電商里面看的比較多，經(jīng)常瀏覽哪些商品頁面就會推薦哪些商品。我們給它做的是人工對比的效果，把每一個知識點的講解做成一個個小視頻，根據(jù)一個人的知識結構我們?nèi)ソo它推薦適合他學習的這些資源，那么他的效果比人工運營的效果要好一點，點擊率能夠提高11%，然后最終它點進這個課以后最終選了這門課的概率會提升5%，同時學習者的學習效果也會得到很大提升。

　　剛才講到的都是純IT技術，不管是人工智能還是大數(shù)據(jù)，它離跟應用結合真正去解決問題，可能還有比較大的差距。不是純粹的利用IT技術去解決所有問題，這只是我們的基本思路，我再舉兩個例子。

　　第一個是我們引用心理學的因素做這件事。之前提到，我們用人工智能做個性化的推薦能夠帶來更高的點擊率和選課率，跟心理學結合怎么做呢?我們可以把推薦背后的邏輯可視化出來。比如剛才電商的例子，我今天買雙鞋，如果明天再給我推薦一堆鞋，用戶就會很煩。而我們推薦的邏輯是這樣的，你今天選了一門英語聽說課，我給你推一個跟它相似的課，比方說英語的讀寫;或者我給你推一個跟它相關的課，比方說英國文學的文化;或者我根據(jù)你的社交網(wǎng)絡去分析你的同班同學或者你關注的某一個學霸選了另外一門機械原理。這個背后的邏輯如果我用純智能算法去做，無論如何不會因為你學了英語去給你推機械原理的。

　　這個例子是想說，也許我們可以不用特別看著很先進的技術，但是通過其他交叉學科的引入，我們也能更好的去解決問題。

　　第二個例子是關于測評的。一個老師一個班帶40個人，可以給每個學生寫評語或者推薦信，等到畢業(yè)的時候找工作。但現(xiàn)在就已經(jīng)很難了，學生多，老師的精力有限，而且老師也需要長時間的跟你接觸下來，才能寫出有針對性的評語或推薦信。

　　那么機器怎么去評價一個人?其實這是個很大的問題。你如果沒有一個合適的模型你說你評價什么?于是我們結合教育學的專家做了一個多維度的評估模型，把成績之外的數(shù)據(jù)引進進來去給一個人做評價。比如時間、投入、交流、序列、節(jié)奏等學習偏好;學習成績也不僅僅是結果性成績，還包括測試行為和作業(yè)行為;以及學習速度和效率等其他參考……這份測評就更傾向于給人一個全面的描畫。