|
|
7月9日，高木学习与华东师范大学共建的“维智适应学习系统”在世界人工智能ai大会上发布，在智能教育领域的核心技术突破引起了海内外的关注，这是一个什么样的里程碑式的成果，让我们来一探究竟。免费gpt的最新消息可以到我们平台网站了解一下，也可以咨询客服人员进行详细的解答！https://xzhi.cc/
维智适应学习系统的目标与原理
1系统的大目标是什么
维智适应学习系统，将通过10年时间现大目标：学生负担指数下降50%，乐指数提高50%，自主创新指数提高50%。
2为什么能够做到
系统的核心原理是基于知识图谱、能力图谱，情感图谱，通过学生的学习行为大数据，描绘出学习者的学习画像，发现和发展学习者的“比较近发展区”，现因材施教，激励成长。
知识路径矩阵
而此处有一项核心技术突破就是机器推理学生问题背后的原因，也就是针对学习问题进行追根溯源
。这个过程中系统需要能够发现复杂问题之间相互影响的关系。比如，有位学生工程问题始终学不好，其原因有多个，也有主次之分。通过系统可以看出对于这位同学而言，分数的混合运算知识影响权重32%，另外两个知识点影响权重分别为15%、12%。除了知识掌握，他的数学建模能力影响权重为19%。要得到这个的结果需要掌握两个要素，学生的个人行为数据，和知识路径矩阵，也就是需要知道任意两个知识之间的关系。从研发团队了解到，知识路径矩阵本质上是一种为教育和学习场景化的知识图谱模型，具有全面性、可量化、双向反馈个特点。比如小学数学可以分成1500个知识和能力点，系统运行中采集了学生的际行为数据，通过机器学习得到了一个1500*1500的矩阵，建立了知识之间200多万个两两关系。
全国应用成果大数据
现场解读的专家呈现了整个大数据看板并进行了个模块的分析。
【全局数据】目前平台上的总学生数169万人，每一位同学完成一次学习任务，论是AI课程还是个性化作业，系统都会自动采集到学生行为数据。目前已经完成了一亿千零二万零五百四十五次，我们注意到数据还在时变化。
专家解读到：我们针对全学生的数据进行了简单分析，发现全所有七年级同学薄弱环节集中在平面几何，尤其是“点到直线的距离”，“垂径定理推论”等这几个知识点。但是同样是薄弱环节，也有不同的分布规律，比如“点到直线的距离”符合正态分布，比较符合教学专家的预期，但“垂径定理”则体现两极分化的情况，所以这个知识在教法上需要更加循序渐进的引导，来帮助学生理解。
【局部数据】
大数据看板中间是一所学校的一个班级的情况。基于知识图谱，这个班级的学习画像一目了然，绿色代表学得不错，越偏红色说明学得越不好。系统会根据知识之间的关系和学生掌握度分布情况，为授课教师提供不同的教学策略建议：比如查漏补缺、分层教学、个性指导等等，现了因材施教。
【个体数据】
屏幕的比较右侧是是个体数据，一个学生的学习情况。我们先看看他的学习状态：从数据上看具有周期性起伏，说明在学习态度上没有太大的波动。
从学情报告中可以看到这个孩子每个周期的成长，比如学生自己可以看到本周内进步比较的知识，得到鼓励;老师可以看到他经过了努力但是进步不显著的知识，以及没有得到有效提升的能力项，给予指导。
系统的应用效分析
维智适应学习系统除了知识层面，同时也从计算能力、建模表征能力等认知能力维度，以及逻辑推理、空间想象等学科核心素养维度对学生进行了评价。在能力图谱的基础上，系统研发了基于情感图谱的评价系统，从焦虑、毅力、工具性动机、内在动机等多个维度完善了学生画像。在学生持续使用系统的过程中，系统会基于学生认知能力、知识水平、核心素养、情感及偏好的不同，为每位学生私人定制学习路径去发现和发展学习者的“比较近发展区”，从而达到：
首，让学生少走弯路，避免重复训练和拔苗助长;第二，学生通过适当努力获得进步，在“跳一跳、摘桃子”的适度挑战中，增强学习的自信心、好奇心、坚韧性等，提高乐指数;是通过探索性问题情境的设计，合作性学习的进行，激发学生的自主性和想象力，提升自主创新能力。维智适应学习系统将以适合每个孩子的方式，辅助他从知识掌握，到认知能力的提升，再到全面健康的品格形成。
对于未来的智能教育发展方向，现场有专家表示很多采用传统知识图谱的产品已经为这个行业开了一个好头，但我们的努力方向绝不仅限于对于知识的测评，对于知识的查漏补缺也不是我们的终极目标。服务于整个未来人才培养的系统化解决方案是我们重要的方向，而我们的突破需要更多像今天这样的重大创新。 |
|
发表于 2024-8-11 11:21:22
