雷锋网按:11月15日-16日,“全球AI+智适应教育峰会”在北京嘉里中心大酒店盛大开幕,峰会由雷锋网联合乂学教育松鼠AI,以及IEEE(美国电气电子工程师学会)教育工程和自适应教育标准工作组共同举办,汇聚国内外顶尖阵容。
AI智适应学习是目前产学研三界关注度最高的话题之一。此次峰会,主办方邀请了美国三院院士、机器学习泰斗Michael Jordan,全球公认机器学习之父Tom Mitchell,斯坦福国际研究院(SRI)副总裁Robert Pearlstein、美国大学入学考试机构ACT学习方案组高级研究科学家Michael Yudelson等顶尖学者。
在16日下午,一起教育科技联合创始人肖盾带来“未来十年教育做什么”的主题演讲,他回顾了从教育信息1.0到教育信息2.0的变迁,思考了教育信息化对教育带来的本质影响,同时提出了智慧教育2.0的六大属性,最后介绍了一起教育科技目前的产品框架和最终目标。
以下为肖盾演讲全文,雷锋网进行了不改变原意的整理。
各位尊敬的朋友大家下午好,首先非常感谢乂学教育、雷锋网还有IEEE给我们这样一个机会学习、来分享。我们公司今年年初做了品牌升级,把一起作业变成了一起教育科技,就是想要探索怎么能够更好地跟行业、政府、各位专家老师一起促进教育和科技的结合。
我今天分享的主题是智能教育到底能做什么?我先分享一个行业调研数据,在过去几年,网络对于学习带来很大的影响。一起教育科技成立于2011年,当时是教育信息化1.0,现在我们在线学习的用户已经超过1亿了。今年,教育信息化2.0发布,互联网的接入率已经是92%,多媒体教室的普及率达到85%,网络空间学习的数量已经是7100万个。
另外一张图展示了国家政策与一起教育科技的发展历程的相关性。左边是从国家层面,2010年国家发布了时间跨度为10年的《中长期教育改革和发展规划纲要》,其后发布《2011年—2020年教育信息化十年发展规划》,这也是一个十年的计划。右边是我们企业自己的一些发展的计划,随着国家这几年在教育信息化大力的投入,我们的企业也是得到了发展。比较巧合的是,我们企业现在注册的实名用户包括中小学的老师、学生和家长,和刚才教育部科技司今年发布的数据正好一样,也是7100万个,他们分布在中国31个省、363个城市,大概13万所学校。
我们现在这7100万的用户里,有200多万老师,有2000多万家长,有4000多万学生,他们每天在我们的平台上产生数亿条学习数据。通过对这些数据的进一步挖掘和了解,我们就能更好地去帮助每一个学生成长,帮助老师和家长更好地了解如何帮助学习学习,也更好地了解学习本身。
这些年,我们看到很多科技与教育结合的想法和思路,有像一起教育科技做的在线作业,也有利用OCR技术来做拍照搜题,用语音识别技术来辅助。这是一个非常蓬勃发展的领域,很多的概念也不是仅仅存在在概念的层面了,已经开始落地应用。
我觉得我们还需要回答一个最根本的问题,就是教育信息化到底可以改变什么?
首先在课堂场景上,教育信息化已经改变了课堂的样子,课堂里面有更多科技化的元素了,老师可以通过电子教学的设备把内容多媒体化,学生也可以自己有学习硬件设备,能更好地在课堂中跟老师进行互动。
在课后,一些信息化的手段已经在改变准备内容、提交、批改反馈等环节中,提升学习体验。
对老师来说,可以让他们从重复性劳动中解放出来。有一些人认为科技的引入会让老师变的更懒,我对这个观点是非常不同意的,我跟很多老师打交道,发现他们是一帮非常非常勤劳的人,他们的工作非常非常地忙。光批改作业这件事情,平均一个老师一周要做十多个小时,他们做的大量的事情是重复性劳动。却没有时间来做实际上真正能对他们有帮助的事情,比如说在批改完作业以后去做学型的分析,根据这些学型的分析帮助每一个学生个性化成长,更好地了解自己的教案应该怎么去设计,更好地去实施自己的教学过程,完成自己教学的目标。
科技与教育的结合改变了很多,但是在过去十年时间里,科技对教育的作用,更多体现在两个字上面,就是“多”和“快”。“多”指的是我们主要关注的是把原来相对来说比较基础的内容,通过多媒体化的方式把它做得更丰富。“快”主要是指我们主要关注学习的效率。
我认为, 除了这两个字之外,教育信息化2.0的时代还会继续拓展两个方面:“好”和“省”。“省”就是用更短的时间、用更少的资源去达到更好的效果。“好”其实涉及到非常多的方面,但是我自己的理解,在教育改革,在这个时代中最重要的一个方面就是我们要把从只关注于学科知识的学习,扩展到从学科知识走向核心素养的这样一种学习目标、学习方法的这样一个转变。我认为,科技尤其是人工智能的技术,会对这件事情产生非常大的影响。
在2.0的时代,智能教育会越来越深入到教育的核心,从最开始只是一些教学管理的工具,沉淀到我们需要对学习过程有影响,沉淀我们会对学习目标去关注。在不同的时代我们生产不同的产品、不同的形式,这些东西是没有矛盾的。只不过我们会在教育信息化2.0的时代,在智能教育2.0的时代,越来越地走向学习的本质、教育目标的本质。
接下来谈一下一起教育科技的产品架构。我们做的第一步是在我们的平台上沉淀内容和数据,然后去做成知识图谱、教研体系。同时我们需要有数据来去对它进行迭代,这是一个人和数据,或者说是人的经验和机器的经验,人的特长和机器的特长合作的这样一件事情。人的算法和机器的算法,内容和算法和数据就形成了一个三维一体的闭环,我们就会把这个体系做的越来越完善、越来越个性化。产生的结果和应用就是在各个场景都可以让这个系统迭代的越来越智能,它的内容越来越颗粒化,越细,它反馈的时间越来越短,它对用户的影响越来越深。
我们也总结出来这样一句话来描述智能教育2.0的时代的工作目标:“根据学生的形成性评价,由系统推荐个性化的最优学习路径,帮助学生培养学科知识和核心素养,并为最终教育结果负责。”这里头第一个关键词是形成性评价,我们不是原来只是考试的、低频的反馈,而是实时的在学生学习过程中就有反馈。第二个是个性化,原来针对一个学校、一个地区我们可以进行抽样评测,现在我们对每个学生都进行评测,同时给他最优路径的学习过程的影响。除了学科知识以外,我们会从学科知识到能力、到核心素养的培养,最终我们会为这个结果去负责,这是我认为在智能教育2.0的时代,我做一个大概的时间预测,也是未来十年的时间我们需要去逐步实现的这样一个目标。
它还有这么一些属性。第一,以学生为最终用户。我们认为在智能教育2.0的时代,最终的用户是学生。虽然我们也赋能老师、家长、学校和教育主管部门,这些数据对他们的决策都会有帮助,但是我们认为教育服务的最终对象是学生,所以智能教育2.0的时代教育的产品智能的对象一定是学生。
第二,以足够的学习数据作为依据。过去大家评价这个学校、这个课程好不好,更多的是说这个老师他非常有经验,他教的非常好。但是未来,我认为不止是这个老师非常有经验,他教的非常好。同时我们要评价这个数据是不是指导了课程设计和教研,同时我们要评估这个课程好不好,最终我们要通过数据来看形成反馈的闭环。他当时设定的学习目标,在学完以后我们需要测评,完成了目标我们才能证明这个课程、这个学校真的非常好。
第三个,全部或部分由系统规划学习路径。如果我们教学的东西很多可以结构化地刻画出来,那么未来几乎所有的路径都是可以由智能来规划的。但是也有一些内容,可能相对来说非标准化的程度高一些,决策的过程复杂一些,这些就需要人和机器共同来决策。但是这里头部分的路径,也是由机器来规划的。
第四个,对每个用户个性化。今天我们自己的产品在作业这个环节中,可以做到以班级为单位的个性化。在部分的班级里头,老师会使用分层的功能,但还做不到每个用户个性化。并不是说技术不能实现,而是说这个在使用操作过程中,还有很多实际落地的一些挑战。但我认为在未来的十年,这一定是一个趋势,就是这个大家会越来越接受,每一个用户个性化地接受自己适合的内容,有自己独特的起点和终点,就是学习的目标。每个用户有一条独特个性化的成长路径。
第五个,有评测体系衡量效果。我们需要专家对学科的理解、对教育测量专业的理解和输入,加上我们大量数据反馈,合起来的这样一个测评系统。需要有这样一些系统形成闭环的反馈,然后告诉我们怎么样更好去迭代这样的产品,并衡量这个产品的效果。
最后一点,可规模化、可复制化。也是在实际操作中非常非常重要的一个点,就是实际上最后我们真正生产出来的智能教育产品,应该是可以规模化、可以复制化的。今天一个很好的教育产品,或者是一个服务,它最大的一个瓶颈就是这个东西是不可以规模化、复制化的。一个好的学校,通常他就是受制于这几个有限的好的老师,可以服务人的能力。
所以我觉得智能教育是一个真正意义上供给侧的改革,它大大改善了生产力还有生产关系,让我们原来的边际的分发,优质内容、优质教学资源的成本以指数级在下降。所以我觉得这六个属性,是我们认为应该我们整个行业大家共同去一起努力的方向和准则。这个在未来十年,我希望看到,我也相信我们一定能看到,我们做出来的产品会越来越符合这样的一些特点。
再做一个比喻,如果说教育信息化1.0还是这样一个状态,就是老师他像一个团队的导游一样,带着大家去看。在未来,智能教育应该更像一个个性化的导演,它根据每一个学生自己的想法,比如说这个小孩他特别想到天上去飞一飞,我们就应该能帮助他去为了实现这个终点,找到他起点,一步一步告诉他你要到天上飞,需要怎么样的个性化成长路径,老师、家长包括学生自己,在这个过程中都会跟这个智能系统有一定的交互。在它的帮助和参谋下,去做这样的决策。
我看到的实际操作的路径(因为这个主要是基于中国现在的教学体系来决定的)我们课程的设计,大纲的设计,已经在反映这个变化。包括我们中高考的改革,也已经在反映这个变化了,这是我看到的一个实际我们可以把智能教育2.0时代在未来十年落地的路径。
一起教育目前打造了一套名为Socrates的智能学习系统,包括了学科知识、学科能力、跨学科思维模型,从起点到终点有一个个性化的路径。原来我们更多是关注于学科知识,现在除了学科知识以外,我们会同时挖掘学科能力,在挖掘学科能力的同时,我们会进一步挖掘这些跨越学科的能力还有思维方式,我们会把这些扩展到核心的素养。
这个也是我们自己基于我们对刚才这些事情的理解,我们自己做出来的我们的产品、技术、体系,它大概就长成了这个样子,我们发布了这个叫苏格拉底智能学习系统。除了一个特别洋气的名字,是以希腊的哲学家、教育家苏格拉底命名的,它到底大概长成什么样子,这是今天我们第一次拿出来。
最底层是一些AI的技术,我们把它叫做AI的操作系统,基于图像识别、自然语言处理、语音的技术,基于深度学习和学习路径,个性化推荐和挖掘的技术。中间这一层是我们可以说是学习科学相关的一些技术,这里头包括我们怎么去理解学科的知识,怎么去理解认知的技能,怎么去理解能力,怎么去理解思维的方法,包括怎么去理解人的素养。这些并不是刚才我说的这些底层的技术,这些底层的技术可以说是通用的,但是中间这一层技术是我们需要跟教育相结合的。比如说我们要提高人的逻辑思维能力,这个怎么能测评的更准确?用什么样的方式是我们能提高人的逻辑思维能力?比如说在英语或者任何一个语言,听说读写的各项能力中,怎么能测评的更准确?怎么能形成最有效反馈的闭环?
底下这两层其实是最最重要的,上面这些实际上在不同的企业或者不同的场景中,它是可以变化着应用的。我们因为更多做的是同步内容的课程,包括很多学生练习数据的挖掘,所以我们会做很多这些相关的东西。有前测、后测、中间的内容,通过前测、后测的数据反过来看我们的内容怎么去迭代更好。这一边也有专门针对测评的一系列工具,更加地权威、准确地去评估刚才下面说的这些能力还有素养。
我刚才讲的可能稍微有一点虚,举几个具体的例子。这是小学数学。什么叫从知识走向能力?第一个问题,我们在小学的时候都会学圆的周长和面积还有半径,很多很多题。第一个问题大概是这样,“一个圆半径是2厘米,求它的面积?”这个题也不是说不好,但是它考核的更多是知识,还是相对来说比较单一的。如果我们想更多地去调查它怎么应用,它的思维方式,可能第二个问题会稍微好一些。“公园里有一个花坛,横穿到中心需要走10米,请问花坛面积多大?”这个他需要结合现实去思考。这里面并没有说花坛,这里说的是半径还是直径,这个学生自己就需要一个很简单的建模过程。
下面的题更有意思,“农场里有一个水龙头,最远能喷5米,一块长宽100米的农田,需要布多少个水龙头才能满足所有的庄稼?”这个相对来说思维模式就比较复杂一些,它解决的方式也不是单一性的,需要学生去解决这个问题的能力也相对综合一些,也不是仅仅去套一个公式就行,需要空间想象出来这样一个水龙头去覆盖附近的庄稼,这是一个什么样的场景。
这是一个维度的,我们更多地从知识点走向能力,从单学科的能力走向跨学科的能力,从抽象的走向具象的,有可能再回到抽象的,去总结一系列的方法论。这就是最后我说的可能从具象又走向抽象,这也是一个跟圆相关的题,“把圆的硬纸壳切成这么多份,再拼起来会拼成一个菱形,但是切的份数越多,这个菱形就越接近于长方形。”最后当然把这个圆切成这么多块再拼起来的时候,这个面积和圆的面积是一样的,这是一个非常好的办法,让学生能看到其实圆的面积的公式等于πr2是为什么?因为它的长正好是它的周长的一半,2πr的一半就是πr。它的宽正好就是半径,就是r,所以πr×r就是πr²。
这种互动教学的方式,是有助于对刚才这种思维能力去提高的,这是我们的一个假说。是不是它真的对刚才这种思维能力有提高?我们在智能教育2.0的时代怎么来去验证这种事情?非常简单,当一个学生碰到这种问题,不知道怎么解决的时候,我们会给他一个这种干预性教学的内容。他自己去学习,学习完以后我们会通过后测的方式来看这个学生是不是真的的学会了?在全班做错这些题的学生分布中,他们的均值和方差在经过这些干预性的内容提升以后,是不是有提高?提高了多少?有这些以后,我们就可以更好地去测评出来这个内容本身的有效性,我们可以去更有针对性地帮助学生成长。
再很快地举一个例子,这是一个常错的一道题。我们自己的数据库里显示这个题被做了5万多次,其中42%的学生都做错了。这个题是“一个长方形果园长35,比宽长30,请问果园面积是多少”这个我们怎么能知道学生是怎么错的?原来过去我们是通过老师的经验,说学生很有可能是怎么错的。现在我们有实际数据了,这就是实际数据的分布,这是一个非常简单的题。我们发现有些学生答1050,有答130,有答150的。最多的是答1050,就是应该说读题没读对,直接就长30乘宽50了,但是这里写的其实是比宽长30,所以有36.4%错的学生都是这么错的,这块有审题的问题,你看是这么错的。回答150是应该把宽直接乘以5,算错了等等。通过这个统计,我们就可以很清楚地知道,到底我们可能出现的问题都是什么?因为我们有这个错因的分布,因为我们有根据后测以后错因变化的情况,所以我们可以很清楚地知道哪一些内容是真正需要的,哪一些内容是真正能够帮助我们解决问题的,而最后解决这些问题到底解决的怎么样?
我只是拿数学举例子,但实际上在方方面面都是有这样的应用的。从最终我们希望达到的效果,不仅仅是刚才讲的数学的计算、思维能力、空间想象这些能力的提升。而是德才兼备、知行合一,这是我们对教育部提出的六个核心素养,人文底蕴、科学精神、学会学习、健康生活、实践创新、责任担当,这六个核心素养最后培养出来的人才,是有这样一个情况的。我们需要逐步地,现在我们企业至少还是做不到,逐步地去把这些东西拆解成我们可以测评出来的数据指标,拆解到我们的内容体系里头去,逐步地去知道我们怎么能通过科学的方法,通过数据、智能算法的结合,能去提升这些东西。
最后讲一下我们自己现在的产品,大概现在分成这两块。第一块,是校内,我们现在是千人千面的个性化作业,有在小学的,有在中学的,现在每天都有上千万的学生在这个平台上做作业,他们做的越多个就越个性化。后面是真正课外的,不是老师去布置作业,而是学生自己可以学习的我们最主要的产品叫小优智能同步练,是个性化同步学习的产品,同步的意思我还是帮助你去实现你的课内学习目标,但是每个人的内容,每个人的教学手段和方法都不一样。这个已经做到至少在小学语文、数学、英语这三个学科学段已经非常个性化了。下一步它的方向是更多的去往刚才讲的从知识到能力,到跨学科的能力,到核心素养深度的方向去拓展了。
最后想再次感谢,我的分享应该属于班门弄斧了,因为今天在座有非常多来自国内外的大咖专家,我们在这个行业里头实践了7年时间,我本人也在教育科技结合的行业里创业今年正好第10年,应该说还是非常早期的,应该是小学生。但是我们认为未来的时代是属于教育和科技结合非常美好的时代,我们公司的使命就是让学习成为美好的体验,非常期待能和大家一起作业、一起成长,我们一起更好地去把教育和科技结合创造未来,谢谢大家!(演讲全文完)
人工智能风雨60年,与其说技术升级促成了今天的浪潮,不如说当前的人工智能,终于站在离商业最近的位置。
去年,首届「AI 最佳掘金案例年度评选」活动一经推出,便受到了AI方案输出方和AI技术需求方的极大关注。评选从商业维度出发,寻找用户/客户问题解决能力强的产品和解决方案。
现在,我们再次站在AI浪潮之巅,正式启动第二届「AI最佳掘金案例评选」。
在AI+教育领域我们一共设置了6个奖项,欢迎踊跃报名,报名地址:https://www.leiphone.com/special/custom/AITopTen2018.html
相关文章: