【大咖Live】AI自适应教育专场第二期，独角兽一起教育科技CTO杨康带给了关于“解码「AI+教育」在K12领域的落地与实践中”的主题共享，编撰一起教育科技在AI+教育方面的实践经验。目前，本期共享音频及全文国史已上线，旗下会员的组织「AI投研邦」会员可转入【AI投研邦】页面免费查阅。本文对整场共享展开了要点总结及PPT整理，以协助大家提早明晰地理解本场共享重点。1、教育当前现状及面对的困境是什么？2、AI+教育可以解决问题什么？3、传统教育教学如何与当前的AI技术融合？4、场景简化的AI+教育是怎样的？以下为一起教育科技CTO杨康的部分共享内容，【AI投研邦】在不转变本意的基础上做到了整理和精编：大家好，我是一起教育科技CTO杨康，今天共享的话题是“AI+教育”在K12领域的落地与实践中。
一起教育科技将所有用产品、技术手段协助老师学生更佳的已完成教学和科研的过程定义为AI助教工作，还包括课下多学科作业测验、课堂辅助教学、课前教学设备以及AI+老师的研发工作等。上述探寻和应用于的目的在于，一方面更佳和平老师工作，将反复的机器擅长于的工作转交机器，让老师更佳地展开教学工作；同时，一起教育科技期望学生需要更好地已完成自律自学，期望通过大数据和AI，让学生更加有针对性地展开自学。在教育领域，一起教育科技的落地实践中主要包括以下方面：语音辨识评测、图像识别测验、自然语言处置语义解读归属于感官和语义层面技术，自适应自学、AI临床、智能项目管理更加切合教育场景和数据。一起教育科技通过语音辨识解决问题英语口语评分的自动评测问题，通过图像识别技术解决问题各个学科学生练习册的自动测验；通过自然语言技术解决问题作文测验问题；通过自适应自学技术，解决问题学生个性化锻炼市场需求；同时，将大数据和AI融合，解决问题学生做到错题后的错因分析和临床问题；以及目前正在展开的与学科能力项目管理涉及的智能评测技术。
语音评测杨康提及，语音评测在教育领域的应用于还包括两点：一是口语朗诵的语音评测。口语朗诵即学生根据一段文本英语内容展开跟读，在发音过程中，音频将通过设备末端传输至后台服务器，一起教育科技后台展开适当的口语评分，该过程主要评估学生语音的原始度、流利度。
同时，在流利度本身中也不会遇上一些细节性问题，比如流利英语发音（即实地考察韵律、重音、语速等细节）。二是半对外开放口语评测。半对外开放口语比较跟读英语口语评测，前者多出的是语义的相近度辨别和语义给定过程。半对外开放口语面临的问题是，得出一段文本和适当的问题，学生须要根据文本的解读对问题展开语音问。
在语音问过程中，用户答案并不唯一，后台某种程度按照发音角度评估用户评分，还须要参照用户问问题的内容本身否有拢、内容本身否原始、否问题干适当的关键词或答案等等。我们称作半对外开放口语的评测技术。
事实上，这是语音评分技术+自然语言处置技术制备的综合性技术解决方案。我们通过机器评分和专业的教研⽼师的评分的⽐较来入⾏⼝语评测技术效果评估, 和⽼师评分就越相似的⼝口语评测引擎, 我们指出其展现出更佳。上图可以看见各家的引擎，一起教育科技与其他第三方引擎展开评测。
在小学英语的口语场景中，一起教育科技引擎效果较好。更加集中于在零区间附近。如何展开适当的半对外开放口语评测？一起教育科技分成三个环节：语义拆分：一起教育科技将一句话或一个段落区分成有所不同的短语，短语中包括一些关键信息，利用短语和答案展开给定，即短语和短语之间的给定。
同时，因为在所有中小学教学过程中，人名或代词用于较多。所以在此类型问题中，一起教育科技利用指代消歧技术将一些单词（例如my 、this）与原文中的名词或人名、物体名展开对应，除指代消歧以外，一起教育科技展开语义相近度的辨别。
针对一句话，用户的叙述有可能有所不同：比如doing sports和doing exercise 是一个意思。同义词的辨别和语音相近度辨别可以用传统的自然语言处置技术来构建。杨康回应，如果有更加多样本，可以用于深度自学的方法来展开更佳的分析。
整体来看，语音技术在目前K12领域偏向于监督式自学场景，如果有大量的用户语料在小学、中学里面（还包括发音、跟读、对外开放口语等问）。这些语料展开标示训练，可很好的提高本身语音技术的辨识效果。
图像识别图像识别技术在教育领域的应用于很广，主要是感官层面上的智能应用于。如何辨识作业场景中的一些场景，比如比较简单的数学符号，是AI教育领域应用于的众多难题。一起教育科技明确提出了一个基于 Attention 的辨识模型。为什么搭配 Attention 作为照片、测验场景的辨识？传统的OCR辨识中，CRNN占有了一个最重要的角色，但是CRNN技术更加偏向于对行展开扫瞄辨识。
而对于公式辨识来说，由于分式等特殊符号的不存在，仍然意味着是一个Seq2Seq的方式，而是考虑到二维空间上下文信息。一起教育科技通过Attention机制对图像平面的信息按内容收集，构建二维空间的搜寻，同时用LSTM将序列模型能力发挥出来。
基于图像识别技术，NLP技术和大数据技术，一起教育明确提出了基于O2O测验的算法架构，O2O代表着Offline to Online，意思是将纸质教辅、练习册数字化还原成至线上，这是一起教育定义的O2O。基于O2O测验算法架构中，底层是大量数据标示，还包括好的标示平台、好的标示团队（或外包、或公司团队），好的数据管理。因为针对性的标示和训练和线上的用于对系统跨越，线上效果很差的之处，我们通过边角案例的挖出，通过数据管理把它小黑出来，让标示团队适当的展开标示，从而展开适当的训练，新的训练效果才可获得提高。
上一层是图像识别基础模型和已上线效果，还包括手写辨识、印刷体辨识、公式辨识、图形检测、图形轨迹辨识。再行向下，一起教育科技做到的是教辅测验和练习册测验，除图像识别能还原成文字外，还必须考虑到如何更佳地测验。Socrates 智能自学系统智能教学系统由一起教育科技自研，解决问题以下问题：孩子做到错题后，需要通过一系列的自律已完成的手段做到对这道题。
同时，孩子不是因为看见某答案或者只是通过这道题忘记答案而学会的，而是通过一些介入，通过介绍将自己的错误原因追溯而学会。一起教育科技将这套系统智能教学系统分为几个模块，构建了临床介入、再度介绍，协助孩子学会这个过程。一起教育科技也在线上展开实验评估这套系统否有效地，称作后测率指标。后测率是孩子做错一道题，给与适当的介入、介绍。
未来，我们看他再度做错的比例是多少，故称作后测率。我们通过线上A/B Test 展开评估,对学生展开实验分组, 找到用于这套系统后孩子的后测率对比原本并未用于这套系统提升了很多, 证明在Socrates下, 学习效果和效率都有明显提高。
用于这套系统后孩子的后测率对比原本并未用于这套系统，一起教育科技展开了实验班和实验分组。结果右图学习效果提高了很多。学科能力量尺搭起学科能力量尺搭起，一起教育科技也称作智能评测技术。
该技术比较传统，国内外例如我国各省的教研专家委员会上，一些学科能力量尺在数学/语文/英语上都有适当的模型。其主要用作评估一个区域/一个学校/一个班级的教学效果。
我们需要形象的误解到，班级学习效果是按考分展开评估。实质上，分数是一个笼统概念，如何对应到每个孩子的能力，如何对应到班级整体能力，必须学科能力量尺展开度量，用多个维度辨别孩子理解、模型和适当教学目标否超过？以数学为事例，一起教育科技覆盖面积了七个少见教材版本，并在去年上线了一期项目，协助公立学校已完成其评估过程。
学科能力评测目标要有两个：一是为区域教员（比如教育局委员会）获取教学质量的监督，同时微观指导班级，甚至指导个人展开学科能力评估，为班级/家长/老师输入学生的学科能力的强项、弱项，指导日常工作。学科能力量尺目前的覆盖范围大约有270万学生，去年覆盖面积7万多个班级。会员解说为更加了解的解决问题听众在AI+教育方面的疑惑，「Live」在共享完结后开办解说环节，杨康对旗下会员的组织「AI投研邦」会员疑惑展开了一一答案。
问题一、某AI教育公司从业者：直说数学作业中的应用题，目前可以构建自动测验吗？一定程度上是能的。一起教育科技在今年也将公布适当技术。数学阶段的应用题测验，因其耗时较长，老师测验的时长也较小。
一起教育科技指出第一步是答案提取，即答案在哪个区域？（比如用户的答案有可能是一个确认的数字+一个单位，答案在哪个区域必须辨识出来）；同时，一起教育科技也期望做过程级测验，不只是一个答案，对学生在前面的三/五个过程中的问点否准确，否按照思维路径来展开预期问，一起教育也不会展开适当处置。问题二、AI+教育领域学生：直说在技术落地的过程中，是不是遇上什么瓶颈？这些问题是如何解决问题的？比如，一起教育科技在早期自动测验技术上线时，内部评测效果较好；但实际第一次冷启动上线时，你不会看见线上效果比预期效果较低十个百分点甚至更加多。这个问题的瓶颈在哪里？主要是在样本。线下测试集实验时，训练样本比较较少，所以一起教育科技希望在AI研发阶段分为两个阶段：一是冷启动阶段，尽量用需要搜集到的数据提升数据样本的标示准确率，然后准确度超过一个基础分（基础分会太高，冷启动一般来说较难）。
第二阶段是线上放量，即实验或月生产阶段。该阶段可以看见各种各样的样本，原本的模型、原本的方法在这些样本上工作效果的有可能并很差，但一定要有很好的边角案例管理意识和边角案例追踪意识，将处置很差的问题分开挑，把样本展开针对性标示。如此获得很好的提高。问题三、某AI教育公司从业者：AI+教育，在推上K12学校时，面对仅次于的问题是什么，我们是怎么应付的？一起教育科技早已正式成立八年多，面临的问题多种多样。
举例来说，一起教育科技覆盖面积的学校不只是信息化程度很好的北京、上海，也有信息化程度较好的城镇乡村小学，在这些小学中，一起教育科技花费了很多精力思维如何赋能信息化教学程度较好的一些地区。但我们伤心的找到，即使在乡村小学，每个孩子的家庭中也有一部手机，通过手机网际网路展开口语评分、作业测验，可以让老师追踪其自学情况，家长追踪学情。
所以，一起教育科技指出移动互联网带给比较公平的教学机会，需要通过一个相当大的多媒体教室才能已完成口语教学过程。一起教育科技大力应付此事，同时也期望未来将更加多的线下作业场景搬线上。因为孩子在放学过程中，如果能提到适当的作业大数据，可以看见“我的班级”、“我的年级”及全市区域的错题产于。
这样才可协助老师针对性的指导孩子。另外，关于AI+教育等其他问题，杨康也在共享中展开了答案，甄选本场直播可展开观赏。「AI自适应教育」专场中天中「AI自适应教育」专场，(公众号：)旗下会员的组织「AI投研邦」之后每周邀一位一线从业者带给项目实践中过程中的方法和思路，为AI教育从业者与投资人、分析师获取行业参照。
2019年3月27日（本周三）20:00，朗播首席科学家（CSO）贾艳明将带给关于“AI+大数据落地语言自学的实践中和思维”的主题共享，编撰朗播在AI+教育方面的实践经验。原创文章，予以许可禁令刊登。下文闻刊登须知。
本文关键词：k1体育登录入口网页版,39153·k1体育,39152.k1体育十年品牌,k1体育3915娱乐平台
本文来源：k1体育登录入口网页版-www.724coin.com