曾道 人内暮玄机图ab:人工智能教育系统能为学习提供哪些支持?

原标题:人工智能教育系统能为学习提供哪些支持?

本文选自培生集团研究报告《Intelligence Unleashed :An argument for AI in Education》

全文共计3448个字

许多由 AIEd 驱动的应用已经在很多学校和高校中使用。教育数据挖掘(EDM)技术可以记录学生行为,例如,通过收集学生出勤和学习任务的情况,判断该学生是否会放弃学习,从而为其提供支持,避免学生中途退学。

人工智能研究者们正在探索各类新的交互方式,如自然语言处理、语音和手势识别、眼球追踪、和其他生理传感器,这些技术可用于提升 AIEd 以及非 AIEd 应用的性能。不过,本研究仅聚焦三类可以直接辅助学习的 AIEd 软件应用:学习者的私人老师(即个性化辅导系统)、智能化协作学习以及智能化虚拟现实。

为每个学习者提供一位智能老师

一对一辅导一直被认为是最有效的教与学方法(亚里士多德的“摹仿说”为起源), 不幸的是,对所有学习者都施行一对一的辅导是不可行的,不仅因为老师数量不足,并且价格高昂,并不是人人都能负担起。这引出了一个问题:在各种学科的学习中,如何为所有学习者提供一对一辅导的效果?

这就是智能智能辅导系统(Intelligent Tutoring Systems,ITS)所要解决的问题。ITS 使用人工智能技术来模拟真人一对一辅导,及时为学习者匹配最符合其认知需求的学习材料和活动,并提供有针对性的实时反馈。ITS系统让学习者自主掌握学习进程,帮助学习者培养自我管理能力,或用教学策略辅助学生的学习,帮助学习者应对挑战,找到学习的最近发展区。

1970 年代出现了第一批提供个性化学习指导的 AI 系统。例如具有开创性意义的教学系统BUGGY,可用于教授基本的加减法,系统使用错题库模型来预判学生学习代数过程中可能会产生的错误。作为系统的内容模型,错题库用来诊断学生学习过程中出现的错误,并推荐有针对性的辅导。最初,系统能够识别的错题十分有限,随着时间的累积,更多的错题情况被发现并持续更新到该错题库。

除了建立模型,近年来,更多的 ITS 系统开始借助机器学习,一种能够基于大数据的分析与学习、神经网络技术的新型技术,从而使系统能够根据学习者的情况提供更合适的建议。不过,这种方式依然很难为其学习建议给出明确的推理依据。

目前的自适应系统灵活性大大提高,它可以为学习者提供更加准确并易于理解的学习建议(已可以应用在课堂教学)。在过去的十年中,日益优化的学习模型、教学模型,内容模型也更多地被引入到很多自适应教学系统以支持个性化学习。

例如, iTalk2Learn 平台帮助学生学习数学中的分数概念与应用,该系统建立的学习者模型会分析学习者已有的数学知识、认知需求、情绪状态及反馈。