基于自动化方法的教育人工智能系统设计与应用

AI10个月前发布 aixure
23 0 0
导读:王萍,王陈欣,朱璇 * 本文系全国教育科学十三五规划国家一般课题优质慕课建设全程的多维质量保障体系研究(课题编号:BCA190077)、上海外国语大学校级科研规划项目对话式教育机器人辅助语言有效学习的自适应方法研究(项目编号:2019114013)研究成果。 引用请…

王萍,王陈欣,朱璇

* 本文系全国教育科学“十三五”规划国家一般课题“优质慕课建设全程的多维质量保障体系研究”(课题编号:BCA190077)、上海外国语大学校级科研规划项目“对话式教育机器人辅助语言有效学习的自适应方法研究”(项目编号:2019114013)研究成果。

引用请注明以下信息:

王萍,王陈欣,朱璇.基于自动化方法的教育人工智能系统设计与应用[J].中国电化教育,2020,(6):7-15.

一、引言

作为科技进步的核心驱动力,人工智能对社会发展带来了深刻变革。教育领域也在积极探寻如何与人工智能深度融合,推动教育创新,构建智能时代下的教育新生态。但人工智能对教育的具体赋能并非是一蹴而就的,教育领域目前还面临着缺少成熟应用模式、缺少人工智能专家、缺少技术平台支撑等问题,人工智能尚未能够有效的支持构建教育工具和教育系统。如何推动人工智能的落地应用、实现人工智能系统的便捷开发将是教育人工智能发展道路上的重要环节。

自动化是人类文明进步和社会现代化的标志。伴随人类社会的进步,自动化技术在社会需求的推动下不断发展。当前,通过自动化方法构建人工智能系统是人工智能领域开始关注的一个重要方向。作为一种新的研究方法,自动化机器学习、自动化深度学习等人工智能方法使用“以人工智能训练人工智能”的设计思路,扩展人工智能研究和应用的范围,实现开放普惠的人工智能目标。使用者只需给出输入数据和任务类型,系统建模中的算法与模型构建等专业性任务由机器自动完成,从而有效降低人工智能应用与系统开发的门槛,推动人工智能应用的标准化、模块化、自动化。

当前教育人工智能的研究总体上呈现理论探讨多、落地应用少的现状,自动化人工智能方法为教育领域的人工智能研究与应用提供了思路。本文在分析教育人工智能系统设计与应用已有研究与问题的基础上,探讨基于自动化思想的设计方法,以期为探索教育人工智能的应用与实践提供参考。

二、相关研究分析

我们从文献分析、地平线报告分析、Gartner技术趋势分析三个方面,对教育人工智能的研究现状进行梳理,并重点分析人工智能在应用层面的研究与进展。

(一)国内教育人工智能研究现状

为了深入分析国内教育人工智能的研究现状,我们选取了国内教育技术领域7个主要CSSCI期刊中内容关于人工智能的论文,从2017年1月至2019年12月共369篇,对文章主题进行了归纳与分类。分析结果可以发现当前国内教育人工智能研究存在较为明显的“理论研究丰富,场景讨论充分,技术应用匮乏”的局面。

1.当前国内教育人工智能的研究主题主要有三大类。(1)理论探讨类。这类研究(174篇)主要从理论角度分析人工智能对教育、学习领域带来的影响,讨论智能化时代下对教育带来的冲击,具体又可分为综述类、文件解读类、理论分析类。这些研究为我们把握人工智能技术对教育的赋能,分析智能教育的内涵与定位,了解世界各国与相关机构的人工智能政策与规划,指导我国未来教育人工智能战略的制定等方面具有积极的意义。(2)应用场景类。这类研究(169篇)主要从人工智能技术参与构建的教育应用场景展开讨论。其中智慧课堂、智慧校园的内涵与建设研究重点分析智能技术对于课堂、校园等学习空间带来的变革。其他应用场景类研究,我们归为“智能+”类,主要是探索人工智能视域下相关研究的融合,包括对“智能+5G”“智能+云计算”“智能+慕课”“智能+STEM”等的讨论。人工智能技术融合其他信息技术正在构建全新的技术场域,从而赋能教育创新,构建新的智能应用场景。(3)技术开发类。当前,国内教育人工智能中具体的技术开发类研究明显落后于理论研究。在26项已有研究中,17项研究主题为智能系统设计类,9项研究探索了智能算法。这些研究基本上针对某一具体任务进行了教育人工智能系统的设计与算法设计研究。

2.通过对国内已有研究的梳理,可以发现当前教育人工智能在理论分析和潜在应用场景的讨论已较为全面,但具体应用实现和技术研究方面还较少,系统设计与算法研究还有待于深入。在教育人工智能的系统应用框架和实现流程方面,一些学者结合人工智能技术特征进行了分析,提出教育人工智能技术框架主要包括教育数据层、算法层、感知层、认知层和教育应用层[1][2]。但研究也还主要停留在框架的建构层面,对于如何应用框架中的模块和技术到具体的教育人工智能应用中,还缺少实践研究。虽然如何推动并实现有效的落地应用已经受到理论关注与讨论,但探索如何有效落地应用的机制和方法还较为匮乏。

(二)地平线报告对人工智能的分析

地平线报告从2014年开始持续关注虚拟助理、自适应学习、自然用户界面、机器人技术等智能技术在教育领域中的应用。2017年以来人工智能作为专项技术连续出现在地平线报告中。作为影响教育未来中长期发展的关键技术,智能技术的发展与应用成为地平线趋势预测的重要部分(如图1所示)。

图1描述了地平线报告中近年对人工智能相关技术的教育应用分析,呈现如下特点。

1.关注点逐步扩散和全面。从关注学习(2017),到关注研究与技术(2018年),到关注人工智能在教育领域的全面应用(2019年)。2017年地平线报告指出人工智能技术可以“深入理解学习者特征,学习者思维模式,从而提升在线学习和自适应学习系统的性能”[3]。2018年,在关注学习的基础上,地平线报告开始关注人工智能作为有效的研究手段与教学工具,“增强在线学习、适应学习软件和研究过程,与学生进行积极反馈与互动,是有效的教学工具和技术解决方案”[4]。2019年地平线报告分析继续指出,人工智能技术作用于教育教学的全过程,“可以提供个性化体验,减少工作量和协作分析大型数据集,以为教学应用程序提供借鉴。支持自适应学习等教学方法,满足个性化学习。通过数据建模分析辅助教学策略和教学管理”[5]。

2.关注教育人工智能的具体应用。地平线报告将人工智能作为支持教育的基础性技术和重大创新技术予以关注并重点关注人工智能的应用方式,即人工智能如何落地于具体的教育场景中,如何应用于教与学过程中。如近年地平线报告中关注的虚拟助理、自然用户界面等是对话式人工智能的典型技术,自适应学习则体现了智能技术在学习系统中的典型应用。因此,地平线报告的分析从底层支持层到教学应用层,围绕人工智能技术应用展开分析,体现了教育对技术的需求和技术对教育的支持。

(三)人工智能技术成熟度模型中的应用趋势分析

Hype Cycle技术成熟度曲线模型是由Gartner提出的一个应用广泛的发展周期预测模型,模型描述了一项技术从诞生到成熟,再到广泛应用的过程。作为近年科技领域的核心技术,Gartner连续三年发布了人工智能Hype Cycle成熟度曲线,对人工智能中的细分技术、应用领域、发展现状等项目进行分析与预测,为研究人工智能技术的创新和发展路径提供了评估标准和分析工具。

我们对20172019年Gartner的人工智能成熟度曲线模型进行了分析,重点筛选与“促进应用”相关的人工智能项目,结合教育领域应用,得到如下分析,如图2所示。

1.人工智能的应用落地需要从专家支持、技术支持和基础设施支持等维度展开探索,这些技术和服务正处于快速发展中。2017年AI咨询及系统整合服务(AI-related C & SI Services,ACSI)在技术成熟度模型中提出,旨在从专业人员支持的角度,为具有人工智能应用需求的领域提供咨询、软件实施及相关服务。人工智能开发工具包从技术支持维度,人工智能云服务从基础设施支持维度,分别在2018和2019技术成熟度曲线中提出,并迅速发展,为人工智能的落地应用提供支撑。人工智能开发工具包包括数据平台、框架和分析库、软件开发包等,能够支持人工智能应用程序的快速开发和部署。服务于人工智能的云服务为人工智能提供了硬件设施和算法软件层面的服务支持,帮助各种类型的应用者能够使用到人工智能所需的算力和算法。

2.人工智能中的机器学习和深度学习算法研究已经相对成熟,已经度过技术快速发展期的顶端,开始走向下降期,这个时期也是技术应用模式探索的关键时期。在应用的探索中,作为降低机器学习和深度学习技术门槛的有效方法,推动人工智能应用的AUTOML(自动化机器学习)在2019年得到迅速发展。

(四)研究评述

1.国内教育人工智能的研究需加强对人工智能落地应用的研究。当前对于如何将人工智能应用于教育场景的系统设计、开发和实现等研究还较少,包括人工智能技术的技术门槛、教育领域专业人工智能人才的缺乏、教育大数据的不足等。因此,需要我们探索有效的方法解决面临的问题,推动教育领域人工智能的落地应用研究。

2.地平线报告研究重点从技术维度对教育领域内人工智能的应用进行了分析,关注重点也在逐步扩散和全面,包含了学习支持、研究手段、教学工具、数据策略等方面。这也说明对教育人工智能的研究正在更多的关注实践。在人工智能应用落地的技术支持上,Gartner人工智能成熟度模型中对人员支持、软件支持、

© 版权声明

相关文章

暂无评论

暂无评论...