您好、欢迎来到现金彩票网!
当前位置:九乐棋牌 > 外围计算机 >

上交大博士生导师俞勇拆解AI教育:外围工具类是辅助产品核心教学

发布时间:2019-06-12 10:11 来源:未知 编辑:admin

  俞勇:伯禹教育创始人、ACM创始人、上海交通大学计算机系教授兼博士生导师 近日,俞勇出席了真格精酿第

  俞勇:伯禹教育创始人、ACM创始人、上海交通大学计算机系教授兼博士生导师

  近日,俞勇出席了真格精酿第一期AI教育沙龙,以下是俞勇核心观点,我在不改动原意的基础上略有删改。

  面向教育的AI技术分为两类:一类是外围工具类的AI,还有一类核心教学类的AI。

  现在是外围类的产品比较多,拍照搜题、检测学生学习情况、批作业、批试卷,都是外围的辅助。老师依然是不可或缺的,目前AI只能是帮助老师做得更加精确、更加快速,但是没有解决根本问题,教育资源的公平性没法完全解决,个性化教育更无从谈起。

  而核心教学这一类,比如说学什么、怎么学,是AI可以定制的,先测算某个个体现在应该学什么、之后学什么、学的怎么样,再通过题目等个性化地反馈学习信息,提高之后的学习效率。

  数据收集模块:搜集完整的学习数据;能力评价模块:用测试的方式评价学生当下对知识点的掌握情况;智能教学模块:决策系统根据学习数据个性化地推送学习方法;私人教练模块:决定接下来怎么学。

  数据收集模块需要收集一切学习数据。我们以电影为例,如果我们要学习电影的知识,会大体分为 3 个部分:

  学习导图构建:电影分为爱情片,悬念片,喜剧片等,每个品类里都会有不同的片子,先从大类里拆分,是纵向的结构。

  知识点拆分:电影的风格、导演、主演、拍摄年代、出品方等。知识点分得越细,这一块的学习效率就越高;如果知识点越粗,那说明知识点本身还包括很多的知识。AI需要判断具体是哪一部分知识的问题。

  知识图谱构建:知识图谱像字典一样,是横向的。比如说一个演员可以演多部戏,一个导演导多部戏,可以相互对应。在知识的学习过程中也会有知识的迁移,就是说学了某个知识点,也对其他知识点的理解有帮助,知识的迁移的能力和人的学习能力是息息相关的,关联事物能力相对较差的人就可能学习就不太好。

  以图中的题目为例,每道题的得分不同,说明掌握的程度不同。几道题目的得分依次是0.92、0.75、0.68、0.23,这说明做题的人快速排序的能力最差。所以接下来就应该推送他去读一些快速排序的知识点,推送相关题目。

  历史答题记录会对知识点的掌握情况做一个预估,这时候就会有很多选择,是让擅长的部分更优秀,还是弥补最薄弱的环节,根据能力评估环节,都可以做选择。

  这里还涉及到一个知识跟踪的问题:对个学生来说,对一个知识点的状态,要么是掌握,要么是没有学会,对不对?对于哪些没有掌握的,可以通过学习从不会到会。但当我们从做题结果来判断一个人掌握知识点的时候,他有没有可能是猜对的?而判断一个没掌握的状态下,会不会是题目本身有歧义?

  所以现在的深度知识追踪会根据历史的学习数据下判断,并且会考虑建模知识点之间的依赖性。

  智能教学决策系统会根据做题的分数进行快速排序,如果是补差,就会把分数最低的知识点排在第一位,推送资料(包括讲解和题目)。通过学生历史交互记录进行下一个学习内容的推送,就是强化学习。

  除了这些机制,还要考虑两件事:1)人的记忆有遗忘规律,过了几个小时之后要重复一下知识点,重复的周期可以越来越长,但是必须要有复习才符合人的认知能力。2)要考虑学生的相似性,分数极高和分数极低学生分在一起,教学效果一定是最差的;水平相似的学生一起学习则省力得多。

  标签:知识点 模块 ai 题目 分数 俞勇 数据收集 学生 博士生导师 工具类 教学类 导演 知识 核心 电影 多部 数据 上交大 知识图谱 产品

  vivo Z5x 续航测试:5000mAh电池 能打多久《和平精英》丨Eva的科技生活

http://mamoohouse.com/waiweijisuanji/141.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有