崔炜博士：智适应将会给教育带来“效率革命”

▲中关村互联网教育科技大会会场

　　2016年7月22日和23日，由映社资讯旗下的教育科技媒体POWER教育举办的“MADE”教育科技大会在北京中关村互联网教育创新中心顺利展开。本次活动围绕教育科技领域中各家产品和技术、现在以及未来可能运用到教育服务中的技术应用趋势进行了深入地探讨和交流。

　　出席本次大会的教育品牌包涵学霸君、爱奇乐、乂学教育、乐乐课堂、爱乐宝、课立方、云知声、晓羊教育、未来工场、动作捕捉技术公司等十数家国内知名教育科技公司，乂学教育(智适应教育)首席科学家崔炜博士应邀出席本次会议并进行了精彩发言。

▲崔炜博士带来自适应学习系统研究分享

　　崔炜博士带来的演讲主题是《如何运用人工智能打造高效的自适应学习系统》。从人工智能在谷歌AlphaGo、智能医疗诊断、金融高频交易领域的应用谈起，崔博士最终将众人的思维和目光锁定到人工智能在教育领域内的应用。

　　“我们一直在思考，在传统课堂里面，所有学生在班级里都在接受同样的教学。成绩好的学生并不能充分地发挥自己的能力，而相对落后的学生却经常跟不上老师的节奏。老师根本无法精确了解每一个学生的强项和弱项、关注到每一个学生的实际情况，更不会因为某一个学生的进度快慢而调整教学的节奏。”崔博士分析道。

▲人工智能在各行各业已经开始得到应用

　　既然人工智能已经应用到各行各业中，还诞生了诸如打败世界围棋顶尖高手的“AlphaGo”智能机器人，那么在教育领域里，我们是否也可以应用人工智能的技术提高学生们的学习效率和成绩，真正做到“因材施教”、“对症下药”?崔博士给出的答案是肯定的。

　　谈到科技发展对教育的影响，崔博士分享了自1990年代起至当下教育科技的发展历程。从最早的“计算机辅助教学”、“学习管理系统”发展到目前受到广泛关注的“教育智能化和个性化”，人们从未停止过在教育科技领域的探索。

　　“自适应学习技术是一门真正能够做到因材施教的教育技术。”崔炜博士提到。

　　早在2007年，国外就已经开始开展自适应学习研究，比尔盖茨梅琳达基金会从2013年开始对自适应学习技术展开了研究和效果的验证。在深入研究之后，该基金会提出：“自适应学习是当下我们在教育领域最需要的东西。”

▲比尔盖茨梅琳达基金会2013年开始对自适应教育进行研究

　　“自适应学习系统本质上是在模拟一个优秀的老师。”崔博士介绍道。

　　首先，自适应系统会诊断学生的能力水平、知识掌握状态如何，然后根据学生当前的能力水平、学习目标来为学生制订个性化的学习方案。

　　“譬如学习分数的乘法，优秀的老师会根据学生现阶段掌握的知识程度、长项和弱项进行教学。”崔炜博士举例说明模拟方式，“通过自适应学习的诊断，如果发现一名学生分数掌握稍弱，则让学生先学好分数的知识再进行分数乘法的学习;如果发现另一名学生假分数掌握稍弱，则让学生首先强化假分数的知识后再学习分数的乘法。只有拥有这样精确的诊断的系统才能够真正模拟一个优秀的老师。”

　　“自适应系统的另一个特征是会给学生采用’循序渐进’的方式进行学习。”

　　据崔博士介绍，根据学生的知识掌握状态和目标，自适应学习系统会自动规划最适合该学生的学习难度和顺序，不会让学生因为目标过高而丧失信心，也不会因为目标过低而失去挑战的欲望。通过这样的方式，让40分水平的同学可以逐渐提高到60分、70分，让70分水平的同学逐渐提高到80分、90分，最终使得所有不同水平的学生都能够循序渐进地提高到较高的水平。

▲“以学生为中心”的自适应学习方式

　　自适应学习最重要的一个特征，是以学生为中心的教学模式。

　　在自适应学习过程中，每一位老师的教学、每一份学习资料、每一个教学工具都是根据每一个学生的学习状态、学习特征来订制的。学生通过自适应学习系统的使用能够获得和自己最匹配、效率最高的学习方式和内容。

　　作为一种定制化的学习方案，在自适应学习课堂中，一个班级的学生可能会同时学习完全不同的内容，甚至不一样的学科，但这是对每一个学生来说却是效率最大化的学习方式。

▲智适应学习引擎五大核心模块

　　“自适应学习不是简单的技术，仅有技术是不能够做成自适应学习系统的。技术不仅需要结合优秀教师的经验，还需要将以知识空间理论为代表的教育测量学以及大数据充分地结合起来，才能打造一个高效的自适应学习系统。”崔博士介绍了智适应教育现阶段已经完成的科研成果与技术。

　　“智适应教育设计的智能自适应学习引擎有五项核心模块：实时能力水平评估、精准知识状态检测、最优学习路径规划、最佳学习内容推荐、学生画像和学习内容侧写。”

　　总的来说，由于同样分数的两个学生的实际学习水平可能完全不同，因此分数不是能够判断学生能力水平的唯一标准。在智适应学习系统的能力水平评估模块中，系统会评估学生在每一个知识点上的能力水平，并且进行先行后行知识点及相关知识点的能力水平分析，最终精确到每一个纳米级知识点的掌握情况，并且在学生进行学习后实时更新学生的能力值变化，进而准确地推送最适合于学生当前情况的学习路径和学习内容。

　　在不断推送学习内容并获得学生的学习反馈后，系统将逐渐绘制学生的学习习惯、兴趣、方式等多方位的学生画像，并不断自动优化推送逻辑。

　　核心技术一：知识点纳米级拆分

　　“只有将知识拆解到最小单位，我们才能够精准的了解到学生在每一个最细小的知识点上的掌握情况。”智适应教育的知识图谱均由多年教学经验的教学专家编撰制订，以七年级英语语法为例，共计拆分出217个纳米级知识点。

▲智适应学习系统中七年级英语知识图谱

　　核心技术二：快速精准知识状态检测

　　“举例来说，在初中英语被动语态中有23个纳米级知识点，如果想要准确检测出学生在这23个知识点上的掌握情况，按照普通的推理逻辑，每一个知识点都需要相应的习题来检测学生的掌握状态，而在这期间为了排除大量“蒙对”的情况，还可能需要更多的习题量才能保证检测的准确性。”

　　据悉，在智适应学习系统中，根据算法逻辑与知识图谱相结合，能够有效降低蒙对概率，最少仅需要16道题就能够精准测试出学生对整个被动语态知识的掌握情况，且准确率高达90%。

　　核心技术三：多元化学习内容推荐

　　智适应教育研究发现，每一个学生都有自己擅长的学习方式。有些学生文字理解能力较强，善于看文字讲义;而有些学生倾向于听音频讲义，比看文字更容易理解。因此，智适应学习系统中的学习内容涉及复习、视频、音频、讲义、练习题、测试题、拓展题等多项内容，系统能够根据学生的学习偏好和学习水平，以智能组合的形式将多元化的内容推送给学生学习。

　　核心技术四：超高速自适应学习

▲两个不同学生的最优学习路径不相同

　　“智适应学习系统的超高速学习体现在对每一个学生的‘对症下药’和’因材施教’。”

　　正如前面所说，智适应学习系统会根据实时检测到的学生能力水平的变化和学习目标自动规划最适合每一个学生的学习路径，哪怕两个需要学习相同10个知识点的学生也可能拥有完全不同的学习顺序。通过这样的“私人订制”学习计划，使得每一个学生都能够的到最优的学习路径，从而学习效率成倍增加。

　　据崔博士介绍，为了验证智适应学习系统对学生学习效率提升的有效性，智适应教育在国内首次进行了自适应教育实证研究对比实验。实验采用89名上海九年级学生为对比对象，并由零点有数公司进行第三方全程监控，得出智适应学习系统比国内某知名在线教育学习软件效率高出1.8倍的验证结论。

　　核心技术五：系统自适应性优化

　　在学生不断使用智适应学习系统的学习过程中，通过学生的数据反馈，智适应学习系统将不断通过大数据分析进行自动地调整知识图谱、试题内容、算法模型。

　　例如，原本为先行、后续知识点的A、B两个知识点，在学生实际数据收集反馈后系统将自动进行判断，如果发现二者的关联性或先后关系比设定关系强或弱，则会根据大数据反馈结果自动优化成新的对应关系。通过不断的数据收集、分析和优化，智适应系统将会变的更加精准、高效。

　　“我们的初衷是能够回归教育本质，通过教育科技手段推动教育事业发展，真正实现因材施教和个性化学习，让学习变得更加有成效、有效率、有乐趣!”崔炜博士坚信自适应学习是未来的发展趋势，并希望通过不断地努力为中国K12教育带来一场真正的效率革命。

崔炜 博士

乂学教育首席科学家

　　自适应学习领域专家，具备多年自适应教育行业实战经验，在人工智能和大数据领域有着丰富的科研成果。获得了武汉大学软件工程本科学位、爱尔兰国立大学通信工程硕士和数量金融博士学位、博士后。曾多年任职于欧洲顶尖自适应教育公司负责自适应学习系统和算法的研究。