当前位置:首页 > 科技创新 > 重点技术 >

Live回顾|独角兽一起教育科技解码——「AI+教育」在K12领域如何落地?

编辑:澳门新浦京官网 来源:澳门新浦京官网 创发布时间:2021-02-06阅读24347次
  

澳门新浦京官网-【大咖Live】AI适应教育专业场二期,独角兽共同教育科技CTO杨康带来了关于“K12领域AI教育落地与实践中的解码”的主题共享,总结了AI教育中教育科技的实践经验。 现在,这次共有语音和全文的国史在线,所属会员的组织“AI投研邦”会员可以转到“AI投研邦”页面免费阅览。

本论文对共享整体展开了要点的总结和PPT的整理,帮助人们尽早明确理解地道的共享点。 1 .教育的现状和面临的困境是什么? 2、AI教育能解决问题吗? 3 .传统教育教学如何与现在的AI技术融合? 4 .场景简化后的AI教育是什么样的? 以下是一起在教育科技CTO杨康的部分分享内容,《AI投研邦》不改变本意进行了整理和精编:你好,我一起教育科技CTO杨康,今天分享的话题是“AI教育”在K12领域的落地和实践中。 一起教育科学技术,把老师学生使用产品、技术手段完成更好的教育和科研的过程定义为AI副教授的工作。

另外,还包括授课下的多学科作业考试、授课辅助教育、授课前的教育设备以及AI老师的研究开发工作等。 上述探索和应用的目的是一方面让更好的和平老师工作,把重复的机器擅长的工作交给机器,让老师开展更好的教育工作。

同时,共同教育科学技术期待着学生更好地完成自主自学,期待着通过大数据和AI,学生更明确地开展自学。 在教育领域,共同教育科技落地实践主要包括以下几个方面:语音识别评价、图像识别测试、自然语言处理语义解读是官能和语义层面的技术,适应自学、AI临床、智能项目管理更适合教育场景和数据。

澳门新浦京8455com

一起教育技术通过语音识别解决问题英语口语评价的自动评价问题,通过图像识别技术解决问题各学科学生练习本的自动测试。 通过用自然语言技术解决问题作文测试问题的自适应自学技术,解决问题的学生个性化训练市场需求。

同时,融合大数据和AI,解决问题学生失误后的失误原因分析和临床问题。 而且现在开展的学科能力项目管理相关的智能评价技术。 语音评价杨康说,语音评价在教育领域的应用包括口语朗读的语音评价这两点。

口语朗读是指学生根据文本的英语内容展开跟读,在发音过程中,语音通过设备的末端传输到后台服务器,一起教育科技后台展开适当的口语评分,这个过程主要是学生的声音另外,流利本身也没有流利的英语发音(对韵律、重音、语速等细节进行实地调查)等细节问题。 二是半对外开放口语评价。

半对外开放口语比较英语口语评价,前者多为语义相似度判别和语义赋予过程。 半对外开放口语面临的问题是可以得到文本和适当的问题,学生必须在文本解读的基础上对问题展开语音问题。 在语音咨询的过程中,用户的答案不是唯一的,在后台以某种程度上的发音角度评价用户得分,用户提问的内容本身是否归纳,内容本身是否原始,问题是否做出适当的关键词或答案。

实际上,这是由语音评价技术的自然语言处理技术制造的综合技术解决方案。 指出机器得分和专业教研教师得分比较入语评价技术效果评价和教师得分相似的口语阅卷中表现得更好。 上图看着各引擎,一起评价教育技术和其他第三方引擎。 在小学英语口语场景中,一起教育科技引擎更有效。

集中在零区间附近。 如何开展合适的半对外开放口语评价? 一起教育科学技术分为三个环节:语义分析:一起教育科学技术把一句话或一段分成不同的句子,句子中包含一些重要信息,利用句子和答案给出,即展开句子和句子之间的给出部分。 另外,因为在所有的中小学教育过程中都大量使用人名和代名词。 因此,在这种类型的问题中,一起教育科学技术将一些单词(如my、this )与原文中的名词、人名、物体名对应起来,一起教育教育科学技术展开意义相似度的判别。

一句话可能会导致用户的描述不同。 例如,doing sports和doing exercise是有意义的。 同义词的判别和声音类似度的判别可以用以往的自然语言处理技术构筑。

杨康表示,如果有更多的样本,可以用深入自学的方法开展更好的分析。 整体来看,语音技术偏向于现在的K12领域监督性自学场景,很多用户语言素材在小学和中学的情况下(包括发音、跟读、对外开放口语等咨询)。 这些词汇可以开展显示训练,很好地提高自己对语音技术的认识效果。 图像识别图像识别技术在教育领域应用广泛,主要是在感觉层面的智能应用。

如何识别工作场景中的一些场景,例如比较简单的数学符号,是AI教育领域中应用的许多课题。 共同教育科学技术明确提出了基于Attention的鉴定模型。

为什么要组合Attention作为照片和测试场景的识别? 在以往的OCR识别中,CRNN起着最重要的作用,但CRNN技术偏向于进行扫描识别。 另一方面,在数学式识别中,因为不存在分式等特殊记号,所以还是Seq2Seq的方式,考虑了二维空间上下文信息。 共同教育技术通过Attention机制按内容收集图像平面信息,构建二维空间的搜索,同时在LSTM中发挥序列模型能力。

基于图像识别技术、NLP技术和大数据技术,明确教育基于O2O测试的算法框架,O2O代表OFLININE to online,意味着将纸教辅、练习本数字化后重新上线。 这是一起教育定义的O2O。

在基于O2O测试算法的体系结构中,基础是大量的数据标签,包括好的标签平台、好的标签团队(或外包或公司团队)和好的数据管理。 由于有针对性的显示、训练和在线系统穿越,在线效果不好的地方,可以通过挖掘角壳、管理数据变黑,让显示团队进行适当的展开显示,从而展开适当的训练,获得新的训练效果。 上段是图像识别的基础模型和在线效果,也包括手写识别、活字识别、数学式识别、图形检测、图形轨迹识别。 再往下,一起教育技术做的是教育辅助考试和练习本考试,除了图像识别可以复原成文字以外,还必须考虑如何更好地考试。

Socrates智能自学系统智能教学系统通过共同教育科学技术自研,解决问题:在孩子达成错误的问题后,需要通过一系列自主完成的手段来完成这个问题。 另外,孩子不是只看某个答案,在这个问题上忘记答案就学会了,而是通过一些干预,通过介绍自己失误的原因来追溯。

一起教育科学技术,将该系统的智能教育系统分为几个模块,构建临床干预,再次介绍,帮助孩子学习这个过程。 一起教育科学技术也在线开展实验评价这个系统是否有效,称为后测量率指标。

后测定率是孩子出了错误的问题,给予适当的干预、介绍。 未来,我们会看到他再次错误的比例,称为后测量率。 我们通过在线A/B Test展开评价,向学生展开实验小组,找出这个系统中不使用的孩子的后测量率,与这个系统中本来不使用的相比大幅提高,在Socrates中学习效果和效率显着。

使用该系统后儿童后测定率的比较本来就不用于该系统,与教育技术一起开展了实验班和实验组。 结果,右图的学习效果大大提高了。 组装学科的能源力量尺组装学科的能源力量尺,一起把教育科学技术也称为智能评价技术。

这项技术是传统的,在国内外如中国各省的教研专家委员会中,有些学科的能量尺度对数学/语文/英语有适当的模式。 主要用于评价地区/学校/班级的教育效果。 我们需要形象的误解。

班级的学习效果按考点进行评价。 实质上,分数是一个大致的概念,必须如何应对每个孩子的能力,如何应对全班的能力,以学科的能力尺度展开测量,在多个维度上识别孩子的理解、模式和适当的教育目标? 以数学为例,一起教育科学技术,涵盖了七个罕见的教材版本,去年在网上开始了项目,协助公立学校完成了其评价过程。

学科能力评价的目标有两个。 一是在获得地区教师(如教育局委员会)教育质量监督的同时,微观指导班级,指导个人开展学科能力评价,向班/家长/老师输入学生学科能力的强项、弱点,指导日常工作。

学科能力尺现在的展望范围约有270万学生,去年展望了7万多个班级。 会员解说为了更好地理解听众对AI教育的疑问,“Live”在共享结束后进行解说,杨康回答了所属会员组织“AI投研邦”会员的疑问。 问题1、某AI教育公司的员工:坦率地说数学作业中的应用问题,现在可以构建自动考试吗? 一定程度上可以。

一起教育科学技术今年也将发表合适的技术。 数学阶段的应用问题考试需要时间,所以老师考试的时间也很短。 共同教育科学技术指出第一步是答案的提取,也就是答案在哪个地区。 (例如,用户的回答是确认的数字单位,回答必须在哪个领域被认识等)另外,教育科学技术也想一起进行过程级的测试。

不仅仅是答案,学生前3/5过程中的问题是否正确,是否沿着思考路径展开期待的问题,一起教育也不会展开适当的处理。 问题2、AI教育领域的学生:在技术落地的过程中,有什么瓶颈吗? 这些问题是怎么解决的? 例如,联合教育技术在早期自动考试技术上线时,内部评价的效果很好。 但是,实际上,第一次在线冷启动时,在线效果不会比预期低10个百分点以上。

这个问题的瓶颈在哪里? 主要是样品。 在线测试集的实验中,由于训练样本很少,所以一起教育科学技术想在AI的研发阶段分为两个阶段:一个是冷启动阶段,尽量用收集的数据提高数据样本的显示精度,然后精度超过一个基点。

澳门新浦京8455com

第二阶段是在线放量,即实验或月生产阶段。 在这个阶段可以看到各种各样的样品,原来的模型、原来的方法有可能在这些样品中工作,但是有角案例管理意识和角案例追踪意识,分别选择处理不好的问题,以样品为目标进行显示。 就这样得到了很好的提高。

问题3、某AI教育公司的员工: AI教育,推上K12学校时,你面临的下一个问题是什么? 我们怎么处理的? 一起教育科学技术已经正式成立八年多了,面临的问题多种多样。 比如,一起教育科学技术的复盖面积的学校,不仅有信息化程度好的北京、上海,还有信息化程度好的城市乡村小学。

这些小学在一起教育科学技术方面花费了很多精力,考虑如何给予信息化教育程度良好的地区。 但是,我们感到悲伤的是,即使在乡村小学,每个孩子的家庭都有手机,可以通过手机网络开展口语评价、作业测试,让老师追踪自学情况,家长可以追踪学情。

因此,联合教育技术指出移动互联网提供了比较公平的教育机会,为了完成口语教学过程需要相当多的多媒体教室。 我们期待着一起教育科学技术大力应对这个问题,同时将来将有更多的在线工作场景在线。

因为如果孩子放学后能提到合适的作业大数据,就会出现“我的班”、“我的年级”和全市的错误。 只有这样,才能有助于老师根据目的指导孩子。 另外,关于AI教育等其他问题,杨康也可以在共享中展开答案,选择地道的直播进行观赏。

“AI适应教育”专场中天的“AI适应教育”专场,(公众号:)会员组织“AI投研邦”后,每周邀请一名一线员工进入项目实践中的方法和思路,为AI教育工作者、投资者、分析师取得行业参照。 2019年3月27日(星期三) 20:00,广播首席科学家(CSO )嘉艳明分享了关于“AI大数据落地语言自学的实践与思维”的主题,编纂AI教学中的实践经验。 原创文章,发布许可禁令刊登。 以下,听取刊登的心得。

【澳门新浦京官网】。

本文来源:澳门新浦京官网-www.ntguides.com

051-78894120

联系我们

Copyright © 2010-2014 喀什地区澳门新浦京官网股份有限公司 版权所有  新ICP备37768091号-2