点击蓝字,关注我们
近日,科技部新一代人工智能发展研究中心和罗兰贝格管理咨询公司联合发布《智能教育创新应用发展报告》。智能教育政策风向、发展态势、应用场景、未来趋势跃然纸上。
报告显示,智能教育当前已经从教育辅助向价值创造阶段过渡,未来有望在自适应学习、自适应互动课等应用上有所突破,进而进阶到具备认知与强交互能力,以自适应学习为代表的因材施教阶段。
报告提出,当前智能教育的产品形态主要集中在:智能批改、拍照搜题、智能测评、智能题库、分级阅读和自适应学习6个方面。其中,自适应学习和分级阅读是最主流的产品形态,两类产品数量合计占比49%。
AI技术实现应用的教育场景
显然,在人工智能技术得以突破和发展的大趋势下,教育已经成为了重要的应用着落点之一。
国家层面同样看到了智慧教育的重要价值,并于国务院发布的《新一代人工智能发展规划》中,对智能教育发展做出了专门的部署。科技部也在大力推进智能教育国家新一代人工智能开放创新平台建设。
政策风口之下,智能教育市场火热。
根据前瞻产业研究院发布的《中国智慧教育行业发展前景预测与投资战略规划分析报告》统计数据显示,中国智慧教育市场规模约为5230亿元,同比增长17.13%;全年融资次数达24次。
智能教育,已进入加速阶段。
智能教育时代已从教育辅助向价值创造过渡,教育类公司是主要实践主体
对于人工智能应用教育发展的几个阶段,报告予以了诠释:
一是以基础数据收集与呈现点状式、零散的教学辅助类应用为代表的教学辅助阶段。这一阶段的代表性应用包括智能测评、智能批改、拍照搜题等。
二是实现系统化、智能化教学评价与分析,从而推动提升学生学业表现与教师核心能力价值的价值创造阶段。这一阶段的代表性应用包括学习过程评价、全流程学情分析与管理等。
三是基于具备认知与强交互能力,以自适应学习为代表的因材施教阶段。报告认为,在该阶段,人工智能的技术应用开始步入认知层面,可实现人性化的交互与自主的行为迭代,从而输出真正高效、个性化、人性化的交互教学。
报告提出,当前智能教育的产品形态主要集中在:智能批改、拍照搜题、智能测评、智能题库、分级阅读和自适应学习6个方面。其中,自适应学习和分级阅读是最主流的产品形态,两类产品数量合计占比49%。
基于教育类公司受场景驱动,更易贴近消费者、洞察行业痛点与需求的特性,报告认为教育类公司是智能教育市场的关键性代表企业之一。
智能教育已在线下AI课堂、智能测评等领域有相关落地案例
人工智能+教育,已经不再是束之高阁的理念,而是开始有了落地性的实践。
目前,这些应用实践主要集中在线下AI课堂、智能测评、智能题库、智能错因诊断、智能课堂质量评估、智能排课等场景,并形成了一批可复制、可推广的解决方案。
首先,体现在线下AI课堂方面。
报告称低成本、标准可靠的“AI课堂”,可以利用计算机视觉、智能语音、自然语言处理及机器学习等多项人工智能技术在学情数据的基础上建立学生模型,结合学科知识体系、班级和个体的实时学习表现,通过人工智能引擎进行个性化的学习方法和路径设计,以普惠的价格提供给每个家庭,打破优质教育“高门槛”。
以好未来为例,好未来于推出WISROOM人工智能课堂解决方案,将“学”和“习”进行拆解,课堂上由“优质老师”负责知识传授,课前预习、课后答疑由真人教师完成。目前WISROOM已覆盖全国148个城市,服务近800个教培机构,学生人数已超过10万人。
其次,体现在智能测评上。
当前,不少接受英语教育的学生面临着“哑巴英语”的困境。报告中也提到,尤其是在教育水平落后地区,具备专业、准确的口语表达能力的优质师资的稀缺性与分布不均被进一步放大,导致口语练习很难得到及时反馈和精准指导。
在这一痛点下,科大讯飞E听说则运用了智能语音评测技术,通过多样化的人机交互训练方式(如跟读、模考、闯关),对学生口语发音进行多维度评分和精准矫正,同时运用人工智能分析学生学练测数据,进而推算生成针对性评测报告,定位知识盲点,助力学生提升口语。
目前,该产品已经在全国超过7000所学校广泛使用,推广班级超6万个,累计使用用户超1200万。
第三,体现在智能题库上。
根据国际学生评估项目(PISA)公布的最新一轮测试结果,中国几乎是总体学习时间最长的国家,但学习效率却非常低。通过“题海战术”来进行查漏补缺和强化练习,是我国传统教育往往采用的训练方法。
报告认为,通过人工智能技术(诸如图像识别、自然语言处理、数据挖掘)的运用,可以为学生在海量题库中快速提供题目解析方法,并通过精细化的知识图谱和标签体系来识别学生的薄弱点,为学生提供个性化的“举一反三”的强化练习。
以上线的作业帮为例,作业帮可以通过拍摄的题目照片快速检索对应解析办法,为学生提供多种思路和详细解析过程。目前作业帮已经累计激活用户4亿以上,月活用户1.2亿,平均每年为用户提供累计超过350亿次作业辅导和知识讲解,超过5亿次“举一反三”练习,超过2000万次问答,超过100万小时的答疑讲解。
第四,体现在智能错因诊断上。
报告称,人工智能可以基于OCR识别、自然语言处理、数据挖掘等技术,采集汇总学生作业、考试结果,分析不同学生知识点弱项,进而形成个性化的学情报告。
例如,极课大数据推出的大数据精准教学服务平台系统,就可以对作业和考试等动态数据进行采集和分析,凭借多样化立体的学情报告帮助量化教学目标,做到兼顾个性差异,改变原有“大锅饭”式教学。目前,已覆盖全国30多个省、市、自治区,超过4000所学校,超过770万老师学生和家长。
第五,体现在智能课堂质量评估上。
报告认为在传统教学模式下,学情评估始终困扰老师与校方,且由于评估方式主观、指标不可量化、评估维度有限等,行业缺乏对“好课”的统一标准。而AI监课系统可以通过数据的挖掘与深度分析,产生全面、客观、科学的课堂评估报告。
同样是基于痛点,好未来推出了GodEye课堂质量评估系统。该系统利用计算机视觉、语音识别、自然语言处理、数据挖掘等人工智能技术,对两千多个维度的课堂数据进行捕捉,从学生的6大课堂行为出发,针对每位学生提供出一份详尽的课后报告,使先进教学理念可以落地。在接入教学系统后,GodEye将原先不足10%的课堂教学评估覆盖率提升至100%,质检效率提升近50倍。
第六,体现在智能排课上。
报告提及,新高考政策将传统的教学模式颠覆为走班教学模式,理论上已经有20种选课组合,如何有效合理的分班、落实课务的安排成为了走班教学模式亟待解决的问题。
以晓羊教育为代表的智能排课解决方案则通过人工智能技术的引入有效解决了这一问题:基于学生选课和校内教师资源数据的初始输入,智能化制定专属于每个学生的个性化课表。
截至3月,该平台已经适用全国1600余所学校,并且只需要十几名后台人员即可协助排课。
智能教育未来潜力将集中于判断和推荐领域
不过,在教育“备-教-学-测-评-练-管”的完整闭环下,人工智能有待探索和作用的空间仍然非常巨大。
正如报告将人工智能发展阶段分为工具辅助-价值创造-因材施教的进阶过程一样,报告也强调之前的探索多集中在识别领域,工具属性较为明显,而未来的潜力空间则应该主要集中于判断和推荐领域,从工具属性升级为服务属性。
对于其中的优先级,报告列举如下:
优先级一:主要为2年内实现产业化应用的“备”、“教”等核心环节。
这点,以直播课为例,当“近场语音识别技术”攻破之后,即可在直播课堂上听懂每位学生的发言,“语音和嘴型拟合技术”还可帮助老师同时与数百名学生互动,进而增强直播体验。
这一应用,恰好也是瞄准了当前热议的“直播效果远不如线下面授好”的痛点。
优先级二:主要为在2年内实现产业化应用的“练”、“考”等次核心环节及2-3年间实现产业化应用的“备”、“教”等核心环节。
以监考为例,通过计算机视觉、智能语言、自然语言处理等技术,系统对大量的考场视频的考生动作进行分析,建设智能考场的人工智能感知分析体系,精准识别考生的违规动作并据此判断考生作弊的概率。
优先级三:主要为2年内实现产业化应用的“评”、“管”等外层环节,2-3年间将实现产业化应用的“练”、“考”等次核心环节以及3-5年才能实现产业化应用的“备”、“教”等核心环节。
代表场景是课堂质量评估、班级学情管理、习题个性化推送、AI课程、本地化教研等。
优先级四:主要为2-3年间实现产业化应用的“评”、“管”等偏外层环节,及3-5年间有望实现产业化应用的“练”、“考”等次核心环节。
代表场景为中文作文批改、个性化答疑等场景。
不过,如人工智能在其他领域的应用一样,智能教育的创新应用并不会一帆风顺,需要调动产、学、研等各方力量。
为此,加大智能教育关键技术的研发,加快制定智能教育的标准和规范,加强人工智能的人才培养,已成为教育行业乃至国家的共识。
随着智能教育的发展,因材施教或许将不再是空谈。
文章来源:多知网;中关村互联网教育创新中心
点击“阅读原文”,即可在线查看《智能教育创新应用发展报告》。