科技渐趋主宰的社会环境下,AI和大数据如何赋能国际学校?

编辑整理|张慧

由新学说主办的以“破局-竞争格局下学校的突围之路”为主题的上海国际化办学研讨会于2018年5月26日圆满落幕。在本次会议上,8位国际教育行业专家通过演讲对上海国际化学校的办学现状及面临的挑战和机遇进行了深入探讨,为参会嘉宾呈现出一场思想与智慧碰撞的盛宴。


拥有互联网行业超10年产品技术经验的朗播网创始人&CEO杜昶旭以《AI和大数据如何赋能国际学校》为主题,分析了国际学校在应用AI和大数据方面的优势与难题,并分享了朗播网运用技术和大数据解决国际学校标准化考试的实践经验。



以下是演讲精华集锦

大家上午好,很高兴有机会跟各位校长、各位做学校教育的朋友交流。今天的主题叫破局,我这个局可能破得比较狠。传统的学校教育和今天的互联网、人工智能,和大数据等技术如何结合?我今天希望把这几年的一些实践和想法跟大家做一个分享。


互联网带来的变化非人为力量可以阻挡


当下,互联网已经处于高速发展期,在10年前,微信这个名词的概念根本不会有人理解,而今天,微信已经成为每个人离不开的“日用品”。这是一个非常简单的过程,因为互联网对于传统的冲击以及给生活带来的变化是必然的,不是人为力量能够阻挡的。


最近几年,教育界开始接触和引入人工智能及大数据,但是很多人都存在两个非常普遍的误解,这两个误解也给许多人带来了焦虑。


第一,网络上出现了“人工智能老师”和“AI老师”这样的说法。老师这个角色是否将被替代掉,是给很多老师造成恐慌的原因。然而,在人工智能最容易替换掉的职业范围里,老师是不在其中的,反而,老师在最不容易被替代的职业里。AI不会让传统的老师失业,但是会带来一些变化。


第二,很多学校,尤其是公办学校,在构建所谓的智慧校园过程中,引入一些信息系统,如采集学生在学校里面的行为系统。这样的智能系统能否给学校带来管理的有效提升?答案可能是否定的。在与一些校长的交流过程中,我发现这些智能系统在运作过程中并未带来多少效率和变化。大家使用比较多的叫家校互动,其实用微信就可以简单完成,因此所谓的智慧校园如何构建,值得我们深入探讨。


对于人工智能技术,恐慌其实是没有必要的。人工智能是一个技术,不是一个领域,也不是一个行业,所有的技术必须要应用到具体的行业才有价值,更准确的说法叫做AI+。因此我们要思考,在教育这个领域里面,怎么样才能应用这项技术?无论是AI算法还是大数据模型,必须要有一个标准,所有的算法和数据模型的应用,都应该建立在处于同一个标准化的结构的基础上,而所有的非标结构都是无法应用的。因此,AI和大数据的应用前提是“标准化”。


不同学习阶段哪些数据收集是有意义的?

未来要实现人工智能化,我们必须思考一个问题,即教育过程。美国哈佛大学物理系教授埃里克·马祖尔(Eric Mazur)提出,无论是在学校里面,还是脱离了校园的限制,一个人在学习任何一个学科时都脱离不了以下两点,第一个部分是知识传达,占30%,第二部分是吸收内化,占到70%。



知识传达阶段的数据采集和标准化应如何去做?

a.人脸识别

一些学校开始试图在教室当中构建人脸识别和情绪管理系统。它的实现场景是,老师在讲台上授课,讲台上面有电脑,同时,有摄像头对着下面的学生,学生的脸旁就会展示出他当前情绪和状态,比如焦虑、愤怒、开心、忧虑和困倦等。


这种行为看起来似乎有用,但是它是否对老师有价值还有待思考:第一,老师无法全面估计学生的情绪而不将注意力放在课程内容上;第二,如果每天都采集学生在上课过程中的状态,能否分析出有价值的东西?因为学生情绪变化的因素是多种多样的。


一个人的情绪变化能带来的价值到底有多少,从技术的角度来说还是值得商榷的。现在的技术发展远没有成熟到让大家认为这个系统已经达到一种可靠的状态。


b. 听课过程数据

此外,还有些学校将一些课程变成在线方式授课,赋予其反转课堂或翻转课堂的概念,第二种也叫双师,将老师授课过程录制成视频放到网络上,便可以采集到很多学生在学习过程当中的数据,同时让教育模式变得不一样。


然而,这种数据采集的精准度却难以衡量。老师讲完课,学生回到家中观看同步课程复习,听起来虽然很酷,但是学生在哪个地方暂停、重看并不都代表其对这个知识的掌握存在问题。每个人暂停、重看的目的无法考量。


因此,在知识传达的阶段,AI和大数据对机器模拟老师讲课及反馈学生对知识的理解状况来说影响并不大。

因此我们认为,如果要构建一个在学习过程中的人工智能,更多地会呈现在吸收内化的阶段,而不是在知识传达的阶段。而恰恰这个阶段无论是公办学校,民办学校,还是传统的校外培训机构,都尚且处理得不到位。


AI和大数据到底如何优化学习过程

一、精准能力测评

之前说过:AI和大数据要建立在标准化的模型上,例如朗播自主开发的【能力图谱】就是这样的标准化模式。基于这样的标准,我们才能够了解每一个学生的语言能力。


测评不管是对于公立学校还是私立学校来说,未来可能都会成为标配。我们需要对学校做综合性能力测评,如学术能力测评、思想测评、思维能力测评以及其他技能的测评等。这个测评是多维的,未来教育部对高考的改革也会朝着这个方向发展。


二、动态学习规划

如果构建一个模型,用技术来解决效率和效果改善的问题,测评是第一步,其次是动态学习规划。


曾经有一位北京的私立学校校长表示:我们现在在全校实行走班制,让学生自己选择适合他们的课程。比如一个初一的学生,其能力已经到初二阶段,但是他在另外一门课只有初一的水平,因此他只能跟着初一的水平完成这门课。这个过程是动态学习化的一种,每一个学生的能力状态和他对课程的选择对于学校的管理难度而言绝对是加大的。因此要想实现所谓的因材施教,动态学习规划将会成为未来发展的趋势。


三、行为数据分析

行为数据分析是传统教育里面做得最不够的一点。所谓行为数据,就是学生在学习过程中的行为。


在传统的教育场景里,教师或者一位演讲者,在面对下面的倾听者时并不能准确了解他们的状态,即便了解,也不会随着倾听者的状态而调整所讲的内容,因为这些调整都是微乎其微的。而数据恰恰在这个方面能起到巨大作用:例如在做练习时,一名学生在停留过程中会通过一些行为来体现出他对于某一个知识的掌握不够,这些行为都是需要采集的数据。掌握了这些数据,再通过分析给学校、老师提出更精确的建议,叫做行为数据分析。


在我们的公司内部做英语学习过程行为分析时,最终结果令许多非常有经验的老师感到惊讶。尽管是20—30年教龄的老师,想判断学生未来的学习情况也是很难的。然而,通过机器对学生的分析反而能直观地给出趋势预判——这些学生未来在什么时期能够达到什么样的水平,而且通过机器测评分析比老师分析得要精准得多。


四、AI 助教答疑

在AI发展过程中,各个学校可能都要面对的问题就是助教答疑。相信当下很多老师都会有一个困扰,即经常需要反复回答学生同样的问题。


通过AI技术制作一个智能答疑系统,收录学生的常见问题,当学生遇到问题时自动呈现答案,或者在这个过程当中有一些智能化动态的调整,可以很快速地解决学生的问题,提高效率的同时帮助老师减轻工作量。


案例分析 | 国际学校标准化考试解决方案


基于以上所说,我们做过一个尝试。国际学校是我们的产品面向对象,我们需要对其制定标准化考试的解决方案。我们曾给某个国际学校做过一个案例分析——如何用技术和大数据解决大家的标准化考试。标准化考试过程中必须要做一件事情是量化一个人的语言能力。但是这件事在以前是无法做到的。譬如有人询问你的英语水平怎么样?他们经常会得到的回答是还行、一般,是定性的。



但是朗播希望做到的是能定量分析学生的语言能力,如上图所示,每人可以通过一个二级能力图对自己英语水平的每一个点进行测评,测评后得到一份水平报告,上面会清楚地展示出自己英语每一项处于什么程度。被测试者往往会发现,这个维度可能比自己过去接受的任何一个测评维度都要好。


朗播的自适应学习系统,第一就是先做能力测评。此项系统了运用AI技术,测评完会把结果发送到一个存储了大量用户数据的引擎,这个建模过程也是动态学习规划的过程。系统测评结果出来后运用到学生的学习中,而学生在运用过程中也会被采集训练过程的数据,然后以学习报告的形态反馈给学生和前端测评系统。每一次过程都是一个动态调整,测试者就能阶段性地知道这个学生当前的语言能力是什么样的。此外,这项技术还会把行为数据的个性化的因素放在里面,如这个学生每天的学习时长、学生的特征等,这些数据都会被反馈回来。


与某国际学校合作案例显示:这个班有28名学生用这套系统,其中26名考托福,2名考雅思。班级一共配了两位老师负责英语,而且这两位老师有一个是班主任,他们做的事情就是配合做好学生的一些工作。这个实验的基本过程如下:从2017年12月末到2018年3月中旬大约两个半月的时间,他们用这套系统备考。


第一次测评时,只有3个人得到了70分,有16个人的成绩大概在50—60分之间。到实验结束时,他们成绩的最高分为109分,其中6个人达到100分以上,12个人达到90分以上,这个结果简直可以用不可思议来形容。


对这个班实施这样的系统并在一定时间段内实现群体性的结果,系统里大量AI的数据反馈起到了重要作用。从以上数据可以看到,学生的学习效率非常高,其语言能力的提升也十分显著。


对于一所学校来说,他们无法从授课这个层面去做模型,因为这个模型是非标的,但是却可以通过AI和大数据改变学习过程。因为只有这样,才能真正做到效率的改善和效果的保证。


总之,这个时代不断在发生着大量的变化,技术对于未来行业的改变是一个趋势,这个趋势不会因为任何人的人为的因素而改变。希望大家一起为整个行业做出贡献!