大數(shù)據(jù)發(fā)現(xiàn)共性錯題,，知識圖譜量身定制學(xué)習(xí)計劃,，機(jī)器學(xué)習(xí)實現(xiàn)快速閱卷……

　　學(xué)情數(shù)據(jù)實時追蹤,、語文作文自動批改,、形成學(xué)生個體學(xué)習(xí)成長報告……2020年中國國際服務(wù)貿(mào)易交易會（以下簡稱服貿(mào)會）將于9月中旬召開,，屆時一批“智慧教育”產(chǎn)品將在教育服務(wù)專題展區(qū)亮相，家長們可以帶著孩子全方位地體驗智能學(xué)習(xí),。

　　在開學(xué)季和服貿(mào)會來臨之際,，科技日報記者走訪了一批“智慧教育”領(lǐng)域的創(chuàng)新企業(yè)，看一看“智慧教育”真正的模樣,，以及它給傳統(tǒng)教學(xué)方式帶來的改變。

　　備課 大數(shù)據(jù)篩選共性問題,，進(jìn)行針對性教學(xué)

　　受新冠肺炎疫情影響,，今年上半年大中小學(xué)的教學(xué)活動改為線上進(jìn)行。很多網(wǎng)課平臺采取大班直播授課,，如何保障教育質(zhì)量,，提升教學(xué)效率，同學(xué)生實現(xiàn)高效互動,？

　　“主講老師在準(zhǔn)備講義和教案,，制作課件時，通過知識框架確定重難點,，對題目進(jìn)行分類及分析,，并依托國內(nèi)百億級K-12學(xué)習(xí)行為數(shù)據(jù)庫‘從題海中選出一道題’，實現(xiàn)輔導(dǎo)效率最大化,�,！痹齿o導(dǎo)在線教育公共事務(wù)部副總裁任子歆介紹說。

　　比如,，在講解平面向量的應(yīng)用時,，老師首先在題庫4642道向量題目中選出高考真題1778道，根據(jù)所要講解的知識背景和邏輯精選出198道重點題目,，再通過大數(shù)據(jù)篩選出學(xué)生易錯的痛點題目18道,，最終教研老師與主講老師共同探討,，針對學(xué)生整體水平選出一道在題庫中被作答35958次，正確率僅為35.91%的題目,。

　　科大訊飛相關(guān)負(fù)責(zé)人表示,，對于老師而言，采集數(shù)據(jù)后的核心工作還是要應(yīng)用這些數(shù)據(jù)來進(jìn)行針對性教學(xué),。比如一次學(xué)科周測后,，自動生成考試分析報告。報告幫助老師預(yù)設(shè)了講評順序,，錯誤率較高的題目優(yōu)先排在前面,，老師可以集中講解典型題，解決班級的共性問題,。在講解的過程中,，還能對標(biāo)注的優(yōu)秀試卷展示講解，也可以調(diào)取典型錯誤答案展開分層或分組討論教學(xué),，請對應(yīng)學(xué)生講一講答題思路,，共同找到錯因。

　　為了讓學(xué)生更好地掌握知識點,，還需要及時開展舉一反三的變式練習(xí),，系統(tǒng)針對每道試題自動推薦一批拓展試題，解決傳統(tǒng)講評課就題講題,、有講無練的問題,。這樣原本一張卷子總共17道題，老師要講1—2個課時,，現(xiàn)在只要20分鐘即能完成講解,。

　　授課 知識圖譜分析學(xué)習(xí)情況，定制個人學(xué)習(xí)計劃

　　有專家表示,，目前對于課堂的學(xué)習(xí)反饋,，人工智能能夠通過大數(shù)據(jù)了解學(xué)生對知識的掌握情況，從而根據(jù)其不同的特點進(jìn)行定向輔導(dǎo),，推進(jìn)精準(zhǔn)教育,。

　　科大訊飛相關(guān)負(fù)責(zé)人表示：“當(dāng)學(xué)生學(xué)習(xí)到一個階段，比如完成一個章節(jié)的學(xué)習(xí)之后,，人工智能能夠通過知識圖譜動態(tài)分析學(xué)生的學(xué)習(xí)情況,，快速測試找到其弱項，系統(tǒng)為每個學(xué)生規(guī)劃最佳學(xué)習(xí)路徑,，量身定制學(xué)習(xí)計劃,，實現(xiàn)精準(zhǔn)鞏固提升�,！�

　　具體而言,，系統(tǒng)會自動判斷學(xué)生需要掌握的知識點數(shù)量,，并且把知識點之間的關(guān)聯(lián)也列出來，學(xué)生只需作答幾道題目就能基本判斷學(xué)習(xí)盲區(qū),。學(xué)生答題完畢,，系統(tǒng)可以立刻指出學(xué)習(xí)中的薄弱問題（以紅、黃,、綠圓點為標(biāo)識）,。比如紅色的位置，表示以前只是關(guān)注一個學(xué)習(xí)環(huán)節(jié),，如果前驅(qū)知識點沒有解決,，這個知識點做再多練習(xí)都達(dá)不到理想效果。現(xiàn)在系統(tǒng)會指出學(xué)生第一步應(yīng)該學(xué)習(xí)的知識點,。針對這個知識點,，學(xué)習(xí)系統(tǒng)會智能推送相關(guān)課程，并直接精準(zhǔn)定位到其應(yīng)該學(xué)習(xí)的片段,，兩三分鐘就能針對性解決問題,。學(xué)生學(xué)完之后，還可以通過變式練習(xí)及時檢測學(xué)習(xí)效果,，再次查看知識圖譜,，會發(fā)現(xiàn)知識點變成綠色，個性化問題得以攻破,。

　　目前,，在“智慧教育”中，基于人工智能技術(shù),，可以做到課堂全場景伴隨式對學(xué)生學(xué)習(xí)狀態(tài)的數(shù)據(jù)進(jìn)行采集，并且挖掘數(shù)據(jù)價值,，幫助老師精準(zhǔn)教學(xué),，個性化“因材施教”。

　　科大訊飛相關(guān)負(fù)責(zé)人表示,，這些都離不開科研人員研發(fā)的學(xué)生認(rèn)知診斷和個性化推薦系統(tǒng),，該系統(tǒng)首先深度挖掘?qū)W生做題的歷史大數(shù)據(jù)，對學(xué)生認(rèn)知狀態(tài)進(jìn)行精準(zhǔn)診斷,，進(jìn)而針對學(xué)生的薄弱項,、結(jié)合多種教學(xué)和學(xué)習(xí)目標(biāo)，對學(xué)生進(jìn)行個性化題目推薦,。

　　由此,，基于對學(xué)生作業(yè)數(shù)據(jù)的采集生成的個性化作業(yè)報告，系統(tǒng)可以分析學(xué)生各維度能力狀態(tài)和變化,、形成個人能力畫像,，并且針對性進(jìn)行個性化推薦,。此外，系統(tǒng)將根據(jù)每位學(xué)生錯題不同,，推送不同題量,、以及不同難度的個性化作業(yè)，個性化問題及時解決,。

　　“采用自適應(yīng)推薦技術(shù),，能夠基于對學(xué)生知識狀態(tài)的精準(zhǔn)診斷，實現(xiàn)教育資源和學(xué)生之間的智能匹配,，從而能夠推薦更加適合學(xué)生的個性化學(xué)習(xí)路徑,。”科大訊飛相關(guān)負(fù)責(zé)人強(qiáng)調(diào),。

　　閱卷 機(jī)器學(xué)習(xí)建立模型,，全面掌握評分標(biāo)準(zhǔn)

　　閱卷，是老師教學(xué)工作中非常重要的一環(huán),，也是耗時費力的一環(huán),。如果人工智能能夠替代或輔助老師對考試和作業(yè)評分，將極大減輕老師負(fù)擔(dān),，為教師減負(fù)與診斷學(xué)生學(xué)習(xí)情況提供有力的工具,。

　　在大規(guī)模考試的智能閱卷中,，評分的主要需求點是準(zhǔn)確,、高效，面向課堂作業(yè)和考試的評分等,，則需要“有營養(yǎng)”的點評和批改反饋,，特別是對語文作文的批閱。有專家指出,，傳統(tǒng)方法利用自然語言處理淺層分析的結(jié)果構(gòu)建特征,，如文章的長度、段落數(shù),、詞匯豐富性等,。但不難發(fā)現(xiàn)，這些特征與人評價作文時考察的維度和深度相距較遠(yuǎn),。以高考作文評分規(guī)范為例,，評判標(biāo)準(zhǔn)除了考察其題意、內(nèi)容,、語言,、文體等基礎(chǔ)等級，還要考察其深刻、豐富,、文采,、創(chuàng)意等發(fā)展等級，這為機(jī)器評分帶來相當(dāng)大的難度,。

　　針對上述問題,，哈工大訊飛聯(lián)合實驗室相關(guān)負(fù)責(zé)人介紹，可以利用機(jī)器學(xué)習(xí)算法根據(jù)少量人工評分的樣本學(xué)習(xí)一個預(yù)測模型,，其中的關(guān)鍵是構(gòu)建和利用有效的特征來描述作文,、指示作文的質(zhì)量。這套系統(tǒng)除了使用常用的淺層表征外,，也針對諸如文本通順,、文采、立意分析,、篇章結(jié)構(gòu)等難度較高的維度進(jìn)行探索,。例如，對語法錯誤的診斷,，是以預(yù)訓(xùn)練語言模型為基礎(chǔ),，結(jié)合少量標(biāo)注數(shù)據(jù)和大規(guī)模自動構(gòu)建的偽數(shù)據(jù)，進(jìn)行錯別字,、語法以及標(biāo)點,、成語等多類型錯誤識別。

　　對于文科主觀題評分,，系統(tǒng)首先通過版面和圖文識別獲得題目和學(xué)生作答內(nèi)容,，而后利用智能定標(biāo)篩選具有代表性的學(xué)生作文進(jìn)行專家定標(biāo)評分并學(xué)習(xí)評分模型，最后,，對機(jī)評結(jié)果進(jìn)行匯總和分析,。為了提高定標(biāo)數(shù)據(jù)標(biāo)注的效率和效果，研究人員提出“專家隨機(jī)抽取+智能挑選樣卷+聚類分段補(bǔ)充”的定標(biāo)集選取方法,，提升了評分模型對于各分?jǐn)?shù)段的建模能力,，符合高考等考試環(huán)境下考生成績呈正態(tài)分布的特點，拓展了對專家評分和閱卷教師評分的綜合學(xué)習(xí)能力,，使得計算機(jī)智能輔助評分系統(tǒng)能夠通過有限的定標(biāo)數(shù)據(jù)，更加全面地理解和掌握評分標(biāo)準(zhǔn),。目前,，該系統(tǒng)每年服務(wù)考生超過600萬。