您现在的位置:首页 > 教育 > 学院 > 高校动态
人工智能落地教育四大场景:考试最火、评管最难
http://www.50cnnet.com 物联中国
日期:2017-05-15 15:41:02来源:南方都市报(深圳) 点击:621
核心提示:上个世纪80年代开始的计算机教育,正式吹响了教育信息化的口号。随后进入了教育信息化2.0时代,这个阶段以“中国教育和科研计算机网CERNET”着手建设、教育部发布《关于在中小学实施“校校通”工程的通知》、国务院发布《国家中长期教育改革和发展规划纲要(2010-2020年)》等重点事件为标志。在此期间,运用信息技术...

上个世纪80年代开始的计算机教育,正式吹响了教育信息化的口号。随后进入了教育信息化2.0时代,这个阶段以“中国教育和科研计算机网CE R N E T”着手建设、教育部发布《关于在中小学实施“校校通”工程的通知》、国务院发布《国家中长期教育改革和发展规划纲要(2010-2020年)》等重点事件为标志。在此期间,运用信息技术分析解决问题能力不断增强,全民信息技术进一步普及和应用。

从本世纪10年代中期开始,教育信息化加速发展,步入了教育信息化的3.0时代。在此期间,CIBE(Cy-berInfrastructureBasedEducation)不断促进先进的信息技术与教育的紧密结合,产生如云计算教育应用、智能教学系统开发、语义网教育实践等研究。其中人工智能技术在教育行业的应用不断被寄予厚望。

四大场景

考试最热、评管最难

教育行业的“慢属性”如何和技术的“快速迭代”进行有效融合?这个问题贯穿了人工智能在教育行业落地。2017A I教育白皮书认为,人工智能技术基本覆盖教育全产业链条:教、学、考、评、管,且正逐步覆盖早教市场、教辅市场、高等教育、职业教育、语言教育等各类教育市场,其中语言类教育和k12教育为主要落地市场。

此外,上述白皮书还重点介绍了人工智能在教育行业的四大落地场景。

首先切入场景瞄准了考试刚需。经过调研总结并归纳发现,目前我国大部分人工智能技术首先落地场景是语言类口语考试,例如英语口语考试、全国普通话水平考试等。由于有考试需求,因此相对其他场景而言,属于刚需类场景。人工智能落地语言类考试,主要利用语音评测以及语音识别等相关技术实现口语考试中的发音评估、表达力评估工作。从考前练习、考中测试、考后评分,基本实现考试链条全覆盖。如今,人工智能在高利害关系英语口语考试中已逐渐开始试点,有的地区已经实施人工智能在口语考试中的完整解决方案。

除了语言类口语考试,人工智能还逐渐应用于其他学科的阅卷场景。具体操作主要有:机器对试卷进行一评,人工校验后,如果发现机器阅卷和人工阅卷超过一定阈值,就提醒第三人校验。这种应用模式能更好地发挥考试的公平和公正性。

其次,人工智能落地教育领域最受关注的场景是自适应教育。针对国内面临着批量化教学与个性化教学的矛盾,教育行业寄希望于人工智能等技术,基于深度学习、大数据处理等技术来解决该问题,最终目的是提高学习效率和学习效果。目前的自适应学习工具,大多从练习和分级阅读切入,这是因为人工智能依赖于数据,数据化程度较高的是练习和阅读。

第三,人工智能的难点场景则聚焦于“评与管”。相比于人工智能落地教、学、考三个场景而言,评价和管理两方面的技术落地具有相当的难点。因为就技术公司而言,(他们)对于学校治理模式和业务并不熟悉。相反,对于教育机构来说,(他们)对技术又相对陌生。面对这样的问题,不少公司试图通过资本运作以及合作的方式来解决这个问题。

除此之外,这份白皮书还以志愿填报为例提到了决策场景。每年报考哪所学校以及哪个专业始终困扰着考生们,而利用人工智能等相关技术,基于考生多维度分析,定位候选院校专业,生成量身定制的志愿表,可帮助考生做出选择。与此同时,技术还能进行目标志愿实时热度检测,动态录取概率分析,通过技术检测填报志愿梯度合理性,科学测评专业安排合理性,志愿与个性匹配度。



三大壁垒

数据、场景和行业本质

不同于技术领域的相关调研,2017A I教育白皮书认为,人工智能落地教育领域时,技术和算法并不是关键壁垒。如何获取更多的数据、落地更多场景,以及抓住教育本质与核心,才是“A I+教育”继续解决的三大壁垒。

首先是数据。数据的来源一般有两个层面:一是构造一个数字化教学的环境,在数字化教学环境中,所有教学、学习的行为能被数字化,然后才能形成数据;二是将已经形成的大量信息数字化,进一步把它数据化,这是形成数据最重要的过程。对于许多初创公司而言,获取初始数据主要有两种渠道:一种是购买公开数据资料;另一种则是依靠自己采集完整数据。由于数据往往具有排他性,因数据形成的马太效应也会日益明显。白皮书认为,这将成为一些新的创业公司难以跨越的鸿沟,越早切入行业优势越明显。

其次是如何深入了解教育本质与核心是打造核心竞争力的关键。白皮书以语音发音为例,语音的发音练习过去依靠跟读磁带或点读机,如今利用人工智能在跟读后,会纠正学习者发音问题。两种模式下,哪一种对发音准确性能够使用更少时间、能够更快提高,就越接近教学目标。按照这样的逻辑,机器和技术如何理解各个学段、各个级别考试,以及不同学科学习目标,千生千面下实现内容的本地化,更加高效实现教学目标,才是打造自身竞争壁垒的关键。

第三是深耕细分领域也是打造自身壁垒的方式之一。调研时发现,许多人工智能从业者觉得通用技术不具备排他性,容易被突破,而深耕细分领域才能形成壁垒。

商业模式

依靠C端还是依靠B端盈利?

白皮书将调研企业分为两类。一类是一直从事在线教育的企业,在探寻“互联网+教育”过程中,依靠人工智能技术提升服务效率。另一类则是以人工智能的细分技术起家的技术类导向企业。

过去在线教育的商业模式主要有两种:一种是B2B2C平台型模式,通过与机构合作,老师入驻形式,带入学生流量,向学习者提供授课资源。第二种则是B2C服务型模式,自制高质量学习内容,直接服务用户。

走访后发现,许多在线教育机构提及和公立系统以及体制内学校的合作,都表示合作很难。与公立系统合作模式主要有两种:一种类似公益型模式,提供平台和工具,不赚取利润,目的在于把体验变成市场熟悉的体验。第二种模式是平台采购,私立学校采购较多。目前,在线教育机构主要的商业模式依靠C端。这种商业模式基于大数据算法的模式,毛利较高,不像传统意义上的培训、传统意义上教育教辅产业,现金流一般不错。

此外,以人工智能的细分技术起家的技术类导向企业则主要通过技术输出,依靠B端盈利。这类公司大多通过教育刚需切入市场,例如语音测评应用于英语口语考试领域。比如一家公司选择做应用和产品,另一家公司专注在技术,最终所形成的竞争力和发展完全不同。前者更注重用户体验,后者则更注重于技术的革新以及与行业切入结合的深度。

白皮书也提到了专注于通用技术的科技巨头或者互联网巨头们,他们在进入行业时关注于产业链的全覆盖。在覆盖过程中,除了依靠自身技术切入教育行业,通过资本运作,收购市场中细分领域的优秀企业,补足行业短板,实现技术与行业的深度结合与行业布局。

焦点

三大难点:

用户感知

市场接受

人才难题

在国外,2008年成立于纽约的Knewton,在自适应教育领域一直处于领先地位。但依旧面临着通过人工智能进行自适应学习感知度不高,难以立竿见影的问题。这个问题也成为了我国人工智能助力个性化教育和自适应教育的障碍之一。

因为感知度不高,整个传统教育市场的接受度依旧比较低。特别是公立教育系统中,对于人工智能技术的辅助教学效果、智能程度都抱有质疑的态度。

此外,对于人才的招聘方面,白皮书认为也是难点之一。并将其主要分两种情况:一类人才主要从事具体技术问题的解决,属于通用技术人才。第二类是行业型人才,既有通用技术能力,又对教育行业深度了解的人才。如今从事“AI+教育”行业的企业以自己培育人才为主,通过技术落地教育中的各项业务实践来培养人才。高薪外聘也是一种招募人才的方式,但是成功率较低。


出处:南方都市报(深圳)
郑重声明:本文仅代表作者个人观点,与物联中国(www.50cnnet.com)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
分享到:
延伸阅读
  • 资讯
  • 产业
  • 服务
  • 应用