科技改變生活 · 科技引領未來
科技改變生活 · 科技引領未來
美國時間4月8日下午，AERA 2019年會舉行了“數學教與學中的技術集成應用”主題演講。斯坦福國際研究院高級數據科學家Sam Wang代表乂學教育-松鼠AI在這個主題演講中被邀請介紹了“測試技術應用：智能教育系統在中國的有效性研究”（Putting Technology to the Test: Efficacy Studies of an Adaptive System in China），向與會者描繪了利用互聯網和人工智能技術充分利用高水平教育資源，以及提升教育內容個性化的美好藍圖。
SRI International（斯坦福國際研究院）高級數據科學家Sam Wang代表松鼠AI進行演講展示
主辦方美國教育研究協會（American Educational Research Association，以下簡稱AERA）是美國最大的教育行業協會之一，是具有全球影響力的教育行業學術組織，也是最大的國家跨學科研究協會。該協會成立于1916年，致力于提升和傳播教育知識，鼓勵學者進行與教育有關的調查研究，并促進通過科學研究來改善教育和公益事業服務。
AERA年會是世界上最大的教育研究人員聚會，每年有超過14,000名AERA成員和來自相關學科領域的學者、政策專家和從業者參加年會。AERA的年會始終聚焦于開創性研究和創新的展示，涵蓋從早期教育到高等教育的各個教育階段領域的研究。
AERA的執行董事Felice J. Levine在談到AERA 2019年會時說：“AERA年會是一個
教育研究人員有機會共享重要的新發現和創新的絕好機會。這些研究和創新將影響教育實踐和政策的不斷優化和提高。
值得指出的是，AREA 2019年會包含了多場和數字化技術與高階分析相關的演講。其中福特漢姆大學心理學系的教授Charles Lewis所作的“貝葉斯可靠性研究”（A Bayesian Look at Reliability）主題演講，是這次年會的八大主題演講之一。該主題演講深入探討了貝葉斯分類算法在教育行業應用建模時面臨的可靠性挑戰。Charles Lewis領導的這個課題研究獲得了AREA 2018年度的E. F. Lindquist Award 大獎。
Lewis 博士的演講深入淺出的闡述了測試信度這一重要原理，并且從傳統的角度和Bayesian的角度分別闡述了它們在CTT和IRT模型中的相似和不同。與此同時他進一步提到，傳統的角度和Bayesian的角度來看教育學測試與測量理論并無孰優孰劣，但是從不同的角度看這個問題會讓我們的研究更全面、更深入。
作為中國教育行業的先行企業，乂學教育-松鼠AI同樣出席了這一教育盛會，并應邀進行了“測試技術應用：智能教育系統在中國的有效性研究”（Putting Technology to the Test: Efficacy Studies of an Adaptive System in China）的論文報告演講，得到與會者的高度關注。斯坦福研究院的Sam Wang博士向與會者展示了在不同教學場景和班級人數的情況下，松鼠AI與真人教師教學效果之間的差異。斯坦福研究院在他們的研究中發現，不論是在松鼠AI教學系統在與大班制授課（20-30人）的對比當中，還是在與小班授課（3人左右）的比較當中，使用松鼠AI的學生的成績都顯著高于對比組的學生。
眾所周知，互聯網已經對各個傳統行業產生了顛覆式影響。和其它傳統行業一樣，教育行業也開始大量引入數字化手段，以提升教育效果，改善教育資源的使用效率。
顛覆往往是從傳統行業難以克服的挑戰入手的。我們知道，教和學是教育活動的一體兩面：既要有優質內容，也要有個性化的學習計劃。而傳統教育行業則恰恰面臨這兩方面的挑戰: 普遍存在的教育資源不均衡和教育內容缺乏個性化。
互聯網教育革命首先挑戰的就是教育資源不均衡。
地域限制和經濟發展水平不同導致各地師資力量差異，很多學生無法獲取高質量的本地教育資源，這時“網校”就應運而生。以可汗學院，Coursera和國內的新東方在線等多個集成大量優質教學內容的MooC（Massive Open online Course）平臺快速涌現和擴張。
但是MooC的這種“網校”模式存在明顯的問題。一方面進入門檻低、遠程學習缺乏約束感、沒有學習社群的支持陪伴，導致學習者開始學習容易，放棄學習也比較沒有“壓力”。另一方面因為課件內容統一，無法對不同現有知識結構和學習能力的對象提供個性化內容和學習計劃。最終兩方面的原因導致“網校”模式的互聯網教育平臺上課程完成率很低，大量學習者由于自我約束能力差或者內容不合適半途而廢。
隨著個性化教育需求不斷突出，互聯網又產生了“一對一”的遠程教育方式解決個性化教育的矛盾。
師生通過互聯網“一對一”進行教學，的確能夠提供高質量且有針對性的教育服務。老師能夠根據學生的接受和理解程度，適時調整教學內容，針對薄弱環節進行強化。但其弱點也是非常明顯的。首先是囿于老師的水平，很多“一對一”的教學并不能真正做到個性化施教，因為高水平老師的資源畢竟是有限的，大部分“一對一”的老師只是平均化的教學水平。其次是“一對一”的教學成本非常高，老師在同一時間只能服務少數學生。
所以歸根結底，不論是“網校”模式還是“一對一”模式，都無法同時解決教育資源不平衡和教育缺乏個性化兩個問題。最終從根本上解決這兩大挑戰的就只有引入人工智能（以下簡稱AI）技術，借助機器學習的能力同時兼顧高質量和個性化兩方面的要求。
最近幾年AI技術的成熟讓各個行業都開始嘗試引入AI能力。美國等教育產業發達的國家在使用AI進行個性化教學方面取得了很多積極的成果。但亞洲地區包括中國，在教育產業引入AI能力還比較少。
羅馬不是一天建成的，起源于美國的自適應教育，雖然精準的找到了教育改革的血脈，但是由于系統功能不夠精細、對機構的測評和教研能力要求極高，過去一直出于緩慢發展的過程中，而在這場AI革命到來的前夜，AI賦能讓自適應教育燃起了新的希望。
基于人工智能技術的自適應學習系統不僅能夠加大分層力度，每一個能力級之間細微的變化可以真正做到明察秋毫，根據學生學習的實時情況，動態調整下一步的學習內容和路徑，構建更為復雜的學習模型，從而實現可規模化的個性化教育。
全球最早的AI自適應教育公司Knewton已經覆蓋2000萬北美的學生，美國高等教育領域個性化和自適應學習產品的最大提供商RealizeIt提供的自適應課程超過4萬。
松鼠AI作為中國教育產業AI應用的先行者，在中小學教育方面取得了非常引人矚目的成就。
松鼠AI主要針對中小學學生提供人工智能自適應學習方案和服務。松鼠AI成功開發了擁有完整自主知識產權、以高級算法為核心的智適應學習引擎，松鼠AI智適應學習系統模擬特級教師，可比傳統教育效率提升5到10倍。
松鼠AI的人工智能學習系統主要具有四個方面的特點：
● 在線教學和線下培訓中心相結合
核心教學內容在互聯網上完成、紀錄并加以分析，線下培訓中心創造良好的學習環境，提升學習的專注度并確保合理的時間安排
● AI智能學習系統和人工指導相結合
AI智能學習系統因材施教，拾遺補缺，及時發現并加強薄弱的知識點，確保知識結構成體系，有串聯，無遺漏。人工指導老師創造小組學習氛圍，調整學生學習心態，引導和鼓勵同學提升學習效率
● 全面的知識圖譜和層級構建的知識點分層結構相結合
全景式的知識圖譜讓學生對于知識點的覆蓋和知識點之間的關聯關系了然于胸。多級分層的知識點讓學生對于知識點的層層細化和最終歸納提高提供了科學有效的途徑。
● 智能系統中的AI判別技術
通過對學生知識應用能力的測試，勾勒學生現有的知識結構圖，通過基于貝葉斯判別的分析模型設計學生知識水平提高的最短路徑，并隨時根據學生的反饋進行學習路徑調整，獲得最佳的學習效率
多年的教育行業實踐已經證實，小班教學對于提升教育質量有非常大的幫助。為了驗證松鼠AI系統在教育效果上的提升，松鼠AI組織了相應的教學對比測試，以證實：
1. 松鼠AI的智能系統教學和優秀教師的全班教學相比教學效果是否有顯著的提升
2. 松鼠AI的智能系統教學和優秀教師的小組教學（小組3名學生）相比教學效果是否有顯著的提升
松鼠AI選擇了四川地區某中學八年級的163名同學進行了第一個問題的分組對照實驗。參與實驗的學生年齡在14-15歲之間。實驗執行機構SRI隨機將這些學生分為實驗組和對照組，分別使用松鼠AI智能系統和優秀教師教授同樣的內容。實驗組的同學每人配有專用的計算機。對照組由四川省獲獎的數學教師擔任教學職責，每個班級20-30個同學。
在實驗組和對照組正式開始學習前，SRI組織了針對即將學習知識點的考試，以明確學習前各個組當前的知識水平。
測試完畢后，在接下來的三天，對照組和測試組以完全相同的學習時長、休息時間和班級活動時間表完成5個小時零50分鐘的學習。學習結束后，SRI再次進行了知識點掌握水平的測試。測試試卷由未參與教學的優秀教師設計和審閱，包含20個核心內容，共計100分。
為了避免其它因素的干擾，SRI 還收集了參與測試同學的年齡、性別和父母的教育水平等基本信息。
測試結果顯示，對于問題1，即全班標準教學對比下，實驗組成績平均提高1.58分，對照組成績平均提高9.11分。通過協方差分析可以確定，實驗組和對照組成績提高的差異在統計學上是顯著的。
對于第二個實驗，SRI采用基本一樣的實驗方式，選擇了山東省的部分學生分實驗組和對照組進行了8小時30分鐘的學習。其中小班教學的學生人數為3人。
在分別進行了實驗前和試驗后測試并進行結果比較得知，實驗組平均分數提高6.96分，對照組平均分數提高2.45分。通過協方差分析可以確定，實驗組和對照組成績提高的差異在統計學上是顯著的。
根據以上的教學對照實驗可以清楚看到，松鼠AI學習系統不論是對傳統對全班教學，還是對學習效率很高的小班教學，都有著明顯的優勢。該優勢一方面體現在成績的顯著提高，另一方面還體現在不依賴教師優秀的教學水平上。借助松鼠AI學習系統，政府和教育機構能夠快速平價地把效果最優的教育資源推廣到全國任何能夠接入互聯網的地方，這將為教育公平、教育效率提升和教育資源高效使用帶來全新的變化，并為AI技術全面改造教育行業打下堅實的基礎。
松鼠AI與斯坦福國際研究院（SRI）在兩年成立了人工智能聯合實驗室，松鼠AI與SRI聯合實驗室專注于利用SRI在人工智能和教育技術方面的獨特優勢。聯合實驗室目前在三個關鍵領域進行合作研究：1）核心自適應教育模型和技術 2）自然語言處理和語義分析，以實現虛擬個性化學習助理（VPA）功能，用基于對話的界面來診斷學生錯因和吸取教練和學生對人工智能的反饋。 3）多模式綜合行為分析（MIBA）研究，使松鼠AI能夠在智適應學習環境中理解學生的情感和心理狀態，并更好地預測學生行為，以及為人類教練的干預，補救和支持的機會提供信號，或者通過系統對學生進行提醒、推薦和放松。
松鼠AI作為中國最領先的人工智能教育應用企業，通過積極參與AERA這種全球級別的教育領域盛會，向北美的教育專家們介紹了中國教育行業的快速發展和最新的研究成果，同時也和與會的北美教育專家，尤其是數據科學和人工智能應用的專家進行了面對面的深入交流。
我們相信，借助AERA這樣的平臺，將有效加強中國教育行業發展和先進的教育科技手段在中國的落地生根。在松鼠AI等人工智能行業先行企業等推動下，中國的教育行業一定會很快插上人工智能的翅膀。
丁楠一