12月哪吒车交付10127辆，同比增长236%
06-17
【大佬直播】AI自适应教育专刊第二期。
独角兽教育科技CTO杨康分享了《解密“AI+教育”在K12领域的落地与实践》主题，详细解读了教育科技在AI+教育中的实践经验。
目前，本期分享的音频和全文记录已上线。
雷锋网会员机构“AI投研邦”会员可在【AI投研邦】页面免费查看。
本文总结了整个分享的要点，并整理成PPT，帮助大家提前清楚地了解本次分享的要点。
1、教育现状及面临的困难是什么？ 2、AI+教育能解决什么问题？ 3、传统教育教学如何与当前的人工智能技术结合？ 4. 场景化AI+教育是什么样的？以下为教育科技CTO杨康共同分享的部分内容。
【AI投研】在不改变原意的情况下进行了整理和浓缩：大家好，我是一起教育科技CTO杨康。
我今天分享的主题是《AI+“教育”在K12领域的落地与实践。
我们和教育科技一起，定义了像AI耀一样，用产品和技术手段帮助老师学生更好地完成教学和科研的所有流程。
明工作，包括课后多学科作业批改、课堂辅助、课前教学设备、以及AI+老师工作的研发等。
上述探索和应用的目的是，一方面。
，更好地解放老师的工作，将机器擅长的重复性工作交给机器，让老师更好地开展教学工作，同时与教育科技一起，希望学生能够完成更多的自主学习，希望通过大数据和人工智能，让学生更有针对性地学习。
在教育领域，教育技术的实施主要包括以下几个方面：语音识别与评价、图像识别与纠正、自然语言处理与语义理解。
感知和语义级别的技术。
自适应学习、人工智能诊断、智能评价更贴近教育。
场景和数据。
一起教育科技通过语音识别解决英语口语评分的自动评分问题，通过图像识别技术解决学生各学科练习册的自动批改问题，通过自然语言技术解决论文批改问题，解决学生的个性化练习需求学生通过适应性学习技术。
;同时，将大数据与人工智能相结合，解决学生犯错后的错误分析和诊断问题；以及正在进行的与学科能力评估相关的智能评估技术。
言语评价 杨康提到，言语评价在教育领域的应用包括两点：一是口语朗读的言语评价。
口语阅读意味着学生遵循课文的英文内容。
发音过程中，音频会通过设备传输至后端服务器，教育技术后端进行相应的口语评分。
这个过程主要考核学生演讲的完整性和流畅性。
。
同时，流畅性本身也会遇到一些细节问题，比如流利的英语发音（即考察节奏、重音、语速等细节）。
第二种是半开放口头评估。
与阅读英语口语测评相比，半开放口语测试更多的是语义相似度判断和语义匹配过程。
半开放口语面临的问题是，给定一篇课文和相应的问题，学生需要根据自己对课文的理解，用语音回答问题。
在语音接听的过程中，用户的回答并不唯一。
后端不仅仅从发音的角度来评价用户的分数，还需要参考用户回答问题的内容是否错误、内容本身是否完整、是否有对应的关键词或问题答案得到答复。
等等。
我们将这种评估技术称为半开放式演讲。
事实上，这是一个由语音评分技术+自然语言处理技术组成的综合技术解决方案。
我们通过将机器评分与专业教学和研究教师的分数进行比较来评估口语评估技术的有效性。
我们相信，更接近教师分数的口语评估引擎会表现更好。
您可以在上图中看到各个公司的发动机。
让我们一起评估一下教育科技和其他第三方引擎。
在小学英语口语场景中，教育技术引擎配合良好。
更集中在零区间附近。
如何进行相应的半开放口语考核？一起教育科技分为三个环节： 语义分割：一起教育科技将一个句子或一段话分成不同的短语。
短语包含一些关键信息，短语和答案用于匹配，即短语之间的匹配。
同时，因为在各中小学的教学过程中，人名或代词的使用较多。
因此，在此类问题中，一起教育科技利用指代消歧技术，将一些单词（如my、this）与原文中的名词或人名、物名进行对应。
除了指代消歧之外，同心教育科技还进行语义相似度判断。
对于一句话，用户的描述可能会有所不同：例如，doing sports和doingexercise具有相同的含义。
利用传统的自然语言处理技术可以实现同义词判断和语音相似度判断。
杨康表示，如果样本更多，可以利用深度学习方法进行更好的分析。
总体而言，当前K12领域的语音技术倾向于有监督学习场景，如果中小学有大量的用户语料（包括发音、跟读、开放口语等答案）。
对这些语料进行标注训练可以极大地提高自身语音技术的识别效果。
图像识别 图像识别技术在教育领域应用广泛，主要是感知层面的智能化应用。
如何识别作业场景中的一些场景，比如相对复杂的数学符号，是AI教育应用的一大难点。
Together Educational Technology提出了一种基于注意力的识别模型。
为什么要用Attention作为拍照、校正场景的识别？在传统的OCR识别中，CRNN扮演着重要的角色，但CRNN技术更喜欢扫描并识别线条。
对于公式识别来说，由于分数等特殊符号的存在，它不再只是Seq2Seq方法，而是考虑二维空间上下文信息。
我们与教育技术一起，利用Attention机制根据内容收集图像平面上的信息，实现二维空间搜索，同时利用LSTM发挥出序列模型的能力。
基于图像识别技术、NLP技术和大数据技术，一起教育提出了基于O2O校正的算法架构。
O2O全称Offline to Online，意为将纸质教具、练习册数字化还原到线上。
这就是Together Education定义的O2O。
基于O2O的纠错算法架构，底层是大量的数据标注，包括一个好的标注平台、一个好的标注团队（或者外包、或者公司团队）、以及良好的数据管理。
因为有针对性的标注和训练是和线上使用反馈结合起来的，如果线上效果不好，我们会挖掘出corner case，通过数据管理挑出来，让标注团队进行相应的标注，以便进一步进行研究。
相应的训练和再训练可以提高效果。
上层是图像识别和在线效果的基础模型，包括手写识别、印刷体识别、公式识别、图形检测、图形轨迹识别等。
再往上，教育技术做的就是教辅批改和练习册批改。
除了图像识别能够还原文字之外，我们还需要考虑如何进行更好的修正。
苏格拉底智能学习系统 智能教学系统是依依教育科技自主研发的，旨在解决以下问题：孩子回答错误后，可以通过一系列独立的方法解决正确的问题。
同时，孩子们并不是通过看到某个答案或仅仅通过这个问题记住答案来学习的，而是通过一些干预和解释他们错误的原因来学习。
我们和教育技术一起，把这个系统的智能教学系统分成了几个模块，可以进行诊断干预和重新讲解，帮助孩子学习的过程。
我们还和教育技术一起进行在线实验来评估系统是否有效，这称为后测率指标。
后测率是指孩子在一道题上犯了错误，并给予相应的干预和解释。
以后我们再看看他再犯错误的比例是多少，所以我们称之为后测率。
我们通过在线A/B测试进行评估，并将学生分为实验组。
我们发现使用这个系统后，孩子们的后测率比没有使用这个系统之前要高很多。
这证明在苏格拉底手下，学习效果和效率都不错。
巨大的进步。
使用该系统后，将儿童的后测率与之前未使用该系统的儿童进行比较。
我们和教育技术一起开设了实验班和实验组。
结果表明，学习效果得到了很大的提高。
建立了学科能力量表。
建立了学科能力量表。
同时，教育技术也称为智能评估技术。
这种技术是比较传统的。
国内外，例如在我国各省的教学科研专家委员会上，一些学科能力量表在数学/语文/英语方面都有相应的模型。
主要用于评价一个地区/一个学校/一个班级的教学效果。
我们可以形象地想象，一个班级的学习效果是根据考试成绩来评价的。
事实上，分数是一个普遍的概念。
它们如何对应每个孩子的能力以及如何对应班级的整体能力？需要一个学科能力量表来衡量，用多个维度来判断孩子的认知、模式以及相应的教学目标是否达到了？以数学为例，教育技术涵盖了七个常见的教科书版本，并于去年启动了一个项目来帮助公立学校完成评估过程。
学科能力评估有两个目标：一是为区域教师（如教育局委）提供教学质量监督，同时对班级进行微指导，甚至指导个人进行学科能力评估，并将学生的学科能力输出给班级/家长/老师，以指导日常工作。
学科能力量表目前覆盖约1万名学生，去年覆盖7万多个班级。
会员问答 为了更深入地解决观众对AI+教育的困惑，《直播》在分享结束后开设了问答环节。
杨康一一回答了雷锋网成员机构“人工智能投资研究院”成员的提问。
问题一、AI教育公司从业者：目前数学作业中的应用题可以自动批改吗？在一定程度上是可能的。
和教育科技一起，今年我们也会发布相应的技术。
数学阶段批改应用题需要很长时间，老师批改也需要很长的时间。
和教育科技一起，我们认为第一步是答案提取，即答案在哪里？ （比如用户的答案可能是某个数字+一个单位，需要识别该答案所在的区域）；同时，教育技术也希望能够实现过程级的纠错，不仅仅是一个答案，还可以针对学生在前三/五过程中的答题点是否正确，以及预期的答案是否基于思考路径将由 Education Together 进行相应处理。
问题二：AI+教育领域的同学：您在技术落地过程中是否遇到过瓶颈？这些问题如何解决？例如，易通教育科技的自动批改技术在前期推出时，内部评估结果较好；但当第一次冷启动真正启动时，你会看到网上的结果比预期的结果低了十个百分点甚至更多。
这个问题的瓶颈在哪里？主要以样品为主。
离线测试集实验时，训练样本相对较少。
因此，我们和教育科技一起，鼓励AI研发阶段分为两个阶段：一是冷启动阶段，尽可能利用采集到的数据，提高数据样本的标注精度，然后准确地进行标注。
程度达到基本分（基本分不会太高，冷启动一般都比较困难）。
第二阶段是线上量产，是实验或正式生产阶段。
在这个阶段，你可以看到各种各样的样本。
原来的模型和方法可能不适用于这些样本，但您必须对极端案例管理和极端案例跟踪有很好的认识。
对处理不好的问题进行挑出，有针对性地标记样本。
推广得这么好。
问题三：AI教育公司从业者：AI+教育推广到K12学校时面临的最大问题是什么，我们如何应对？合力教育科技成立八年多了，面临着各种各样的问题。
例如，一起教育科技覆盖的学校不仅有北京、上海等信息化程度较高的学校，也有信息化程度较差的城乡小学。
在这些小学中，一起教育科技花费了大量的精力思考如何赋能信息。
一些地区化学教育水平较差。
但我们欣喜地发现，即使是在农村小学，每个孩子的家庭都拥有一部手机。
用手机上网进行口语批改、作业批改，可以让老师追踪自己的学习状况，也可以让家长追踪自己的学业进度。
因此，一起教育科技认为，移动互联网带来了相对公平的教学机会，不需要通过大型多媒体教室来完成口语教学过程。
我们正在与教育科技一起积极应对这个问题，也希望未来能够将更多的线下工作场景搬到线上。
因为孩子上课的时候，如果能够参考相应的作业大数据，就可以看到“我的班级”、“我的年级”以及所在城市的区域的错题分布情况。
这可以帮助老师有针对性地引导孩子。
此外，杨康在分享中还回答了有关AI+教育等问题。
您可以通过报名参加本次直播来观看。
在“AI智适应教育”专题讲座期间，雷锋网会员机构“AI投研邦”持续每周邀请一位一线实践者带来项目实践过程中的方法和思路，为教育工作者、投资者和分析师提供行业参考。
2020年3月27日（本周三）20:00，朗博首席科学家（CSO）贾彦明将以“AI+大数据语言学习的实践与思考”为主题，详细解读朗博的AI+教育经验。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-17
06-18
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态