科学课笔记113

科学课笔记113

我从事英语教育培训十多年。说到人工智能在教育业里的运用，我首先想到美国教育考试中心的两大自适应性考试，GRE和GMAT。考生在电脑上做的试卷体型是相同的，但试题内容不同。从这种自适应性考试中，我看到在线教育里人工智能运用的一些可能性。先讲讲自适应性考试，再谈谈我的想法。考试时，计算机根据各人每个部分的答题情况从题库中选出不同难度的套题做为下一部份的试题。能力强的考生往后遇到的题目就更难直至个人极限，试题难度才会下调；能力不足的学生越往后题目越容易直至足以应对：试题难度就会有所上升。几个回合后，计算机就能找出最能反应考生水平的题目，结合考生的答题表现给出一个非常准确、客观的分数。优势：较普通笔试而言，第一，自适应性考试能避免因为试题本身的局限而限制学生的表现，考满分的学生里有人能力是100%,有人是150%。第二，缺乏能力的考生因为运气好而获得本来得不到的分数，题目难度越低，分值越小，猜对再多对最终得分影响可以忽略。当人工智能成为人人都能用的工具时，把这种自适应性机制全面运用到在线教育中，会是怎样一番景象？做一个自适应性课程库。在一个公共课程数据库里，人工智能根据学生入学测试结婚推荐组合课程，再根据学生每天学习效果安排第二天上哪一节课。学得好的学生可以跳课学，系统进行难度级别上的纵向推荐；接受能力不好的学生推荐同等难度级别其他相关课程来进行对同一个知识点的不同角度学习，系统做横向推荐，从而实现个性化课程。这么做的优点是：第一，教师对学生，无论是1:1还是N:1都会造成教师资源的浪费。自适应性课程库改原有\"老师对学生\"为\"教师对知识点\"：一个老师讲透一个知识点，多个老师不同角度剖析一个知识点。既实现了多个老师对一个学生又解决了资源浪费的问题。第二，学生使用课程过程中人工智能会不断学习，给学生更合理的推荐，也能建议管理者上架或下架某类型课程。对课程难度评价也更准确。缺点是：推荐不同老师的不同节课给学生时，这种交叉课堂可能不利于知识体系化学习。我能想到解决办法是，不再采用一位老师讲完一整部课程，而是让每位老师选择课程中自己最有心得的部分来讲。知识体系化问题交给人工智能系统。