Menurut situs web Lei Feng: Dalam pendidikan tradisional, siswa melanjutkan ke pendidikan tinggi sesuai dengan waktu, tetapi mungkin siswa kelas delapan belum menguasai poin pengetahuan kelas enam dan dengan demikian menjadi siswa yang miskin. AI dapat sepenuhnya mengubah kekurangan dari model pengajaran tradisional ini. Partner Produk Pendidikan Yixue Zhang Qiming baru-baru ini memberikan pidato tentang "Pembelajaran Adaptif di Era Kecerdasan Buatan" di Forum Pertemuan Tingkat Tinggi Kecerdasan Buatan dan Data Besar FMI, dan memberi tahu media dan audiens termasuk Leifeng.com tentang Yi Konsep dan metode pembelajaran pendidikan menerapkan sistem pembelajaran adaptif.
Berikut ini adalah pidato Zhang Qiming, mitra produk Yixue Education, yang dibuat oleh Leifeng.com tanpa mengubah niat aslinya:
Perkenalkan secara singkat subjek penelitian kami. Faktanya, kami berharap dapat mengubah sistem kami menjadi guru kelas khusus virtual. Di sekolah biasa, hanya ada sedikit guru kelas khusus. Saat Anda benar-benar berhubungan dengan guru kelas khusus, Anda akan Saya menemukan bahwa cara berpikir dan berpikir mengajar anak-anak mungkin sangat berbeda dari guru pemula biasa. Kami berharap dapat menggabungkan data yang dikumpulkan oleh sistem untuk mensimulasikan guru super. Kami juga akan membuat beberapa potret siswa, termasuk potret pribadi siswa dan kelompok siswa, dan membuat yang dipersonalisasi atas dasar ini. Cocokkan, optimalkan seluruh model pendidikan.
Ini adalah kerangka kerja yang relatif umum untuk produk pembelajaran adaptif, yang dibagi menjadi tiga bagian: lapisan interaksi pengguna, sistem pembelajaran, dan mesin adaptif.
Pada dua bagian pertama, sebagian besar produk adaptif yang ada di pasaran pada dasarnya sama. Karena suasana belajar siswa dan guru pada dasarnya sama, maka perbedaan utama dalam pembelajaran adaptif terletak pada perencanaan tujuan pembelajaran. Dalam model pengajaran tradisional, Anda mendengarkan apa yang dikatakan guru, seperti yang saya katakan di atas panggung, Anda tidak dapat memesannya, Anda hanya dapat mendengarkan apa yang saya katakan, sistem adaptif dapat menjadi dinamis, apa tujuan pembelajarannya ? Tujuan pembelajaran adalah apa yang perlu dipelajari oleh seorang siswa.
Dalam proses pengajaran tradisional, guru harus mempelajari apa yang siswa katakan. Misalnya, seorang anak kelas delapan mungkin memiliki landasan yang lemah dan gagal mempelajari apa pun di kelas enam. Masalahnya jika Anda membiarkannya langsung mempelajari isi kelas delapan. , Jadi seluruh tujuan pembelajaran kita harus direncanakan secara dinamis.
Mesin pembelajaran adaptif terutama dibagi menjadi tiga aspek:
-
Rekomendasi konten
Sederhananya, itulah yang dibutuhkan anak untuk belajar, pertanyaan atau tes, berbagai rekomendasi yang berbeda, rekomendasi konten yang konsisten dengan rencana pembelajaran, pemodelan untuk mata pelajaran yang berbeda, tahapan yang berbeda, dan mata pelajaran yang berbeda secara keseluruhan. Terdapat beberapa perbedaan jalur pembelajaran dan ide pembelajaran, diantaranya perbedaan tahapan pembelajaran (siswa SD, siswa SMP, siswa SMA), kognisi mata pelajaran dan model pembelajaran berbeda, kita perlu fokus pada pembelajaran yang berbeda. Model konstruksi segmen dan disiplin.
-
Analisis akademis
Analisis akademis adalah apa yang dipelajari siswa, apa yang telah dia lakukan, komunikasi apa yang dia lakukan dengan guru, apa yang telah dipertukarkan, dan bagaimana situasi sebelumnya? Faktanya, sebagian besar konsultasi adalah analisis akademis. Yang barusan saya katakan adalah individu. Untuk kelompok, bagaimana kita bisa menganalisis hal-hal ini dan membuat rekomendasi konten yang lebih baik?
-
analisis konten
Setelah membangun model pembelajaran, Anda mungkin telah melakukan banyak hal. Bagaimana Anda memastikan bahwa rangkaian pertanyaan ini didorong dan dia mengoreksinya, yang menunjukkan bahwa siswa telah menguasai poin-poin pengetahuan? Jika Anda memiliki kombinasi konten, topik yang sama menunjukkan efek kesulitan yang berbeda. Jika semua orang tahu lebih banyak tentang pendidikan, mereka mungkin memiliki pemahaman yang lebih jelas.
Untuk memberikan contoh yang dapat dipahami semua orang, saat melakukan evaluasi bahasa lisan, kami mendapatkan data tentang bahasa lisan dari semua orang di China. Dimungkinkan untuk membuat skor, tetapi ketika Anda menilai seseorang dengan aksen yang berat, ikuti Ada masalah dengan model persatuan nasional. Saat menilai tempat ini, mungkin jenderal di antara yang pendek. Analisis isi topik ini relatif serupa.
Landasan dan teori utama kami, selain teknologi kecerdasan buatan, serta teknologi analisis data besar, intinya juga akan diterapkan pada beberapa sistem pengukuran pendidikan, yang juga merupakan fitur kecerdasan buatan.
Dalam hal seluruh mesin cerdas, dari tingkat fungsional, kami terutama memiliki lima fungsi, tetapi jika kami membaginya dengan cara yang paling sederhana, intinya adalah dua poin:
-
ramalan
-
sarankan
Prediksi berarti kita memprediksi keadaan siswa saat ini; rekomendasi berarti merekomendasikan hal-hal dan konten yang paling sesuai dengan keadaannya saat ini dan perlu dipelajari.
Dalam hal pendidikan, semua orang pertama-tama akan berpikir, apa itu pendidikan?
Kami pergi dari sekolah dasar ke sekolah menengah atas, ke universitas. Sebagian besar, apa yang kami pelajari bergantung pada negara, bagaimana negara mendefinisikan keseluruhan kurikulum, dan jurusan apa yang populer di universitas. Siapa yang akan dilatih dianggap pada tingkat terbesar oleh negara, bagaimana membuat negara lebih kompetitif, bagaimana memastikan perkembangan ekonomi yang normal, dan bagaimana bersaing dengan Amerika Serikat di berbagai bidang. Negara ini didefinisikan pada tingkat yang besar.
2500 tahun yang lalu, Confucius berkata bahwa mengajar siswa sesuai dengan bakatnya tidak memiliki metode yang pasti. Ia sejak awal mengemukakan bahwa perlu mendidik siswa sesuai dengan bakatnya, dan tidak ada cara yang pasti dalam mengajar, akan banyak masalah dalam situasi kelompok.
Kami biasanya berpikir bahwa dasar dari pendidikan standardisasi modern adalah karena Perang Perancis-Prusia. Setelah kekalahan Prusia, sebuah universitas didirikan, yang menentukan situasi pendidikan standardisasi secara keseluruhan. Setiap orang mendaftar pada usia yang seragam. Setelah masuk, semua mata pelajaran menjadi baik. Setiap kelas berdurasi 45 menit, dibagi menjadi beberapa kelas, dan dinilai satu per satu. Faktanya, akan ada banyak masalah, mungkin satu-satu atau hal-hal yang dipersonalisasi relatif lebih baik.
Standardisasi dapat dicapai, dan kualitas dasar dari seluruh orang telah ditingkatkan dalam skala besar. Sangat berarti untuk membentuk sistem manfaat ini, tetapi kekurangannya relatif jelas. Ruang kelas standar adalah seorang guru berdiri di sana untuk berbicara, dan ada banyak siswa di bawahnya. Bagaimana guru membicarakannya? Ketika siswa pertama kali masuk sekolah, semua orang mengikuti tes kasar, dan mereka mungkin tahu apa level siswa. Setelah tes kasar, guru mengoreksi mereka dan tahu bahwa siswa memiliki pemahaman yang baik tentang poin pengetahuan ini, dan poin pengetahuan itu tidak dikuasai dengan baik, lalu pergi ke kelas. Menurut level menengah-atas, kira-kira seperti apa level level menengah itu, menurut ini.
Dalam proses sebenarnya, guru bertanya di atas panggung, 1 + 1 sama dengan apa, beberapa orang mungkin memainkan ponsel, beberapa orang menginterupsi, seorang anak yang bereaksi sangat cepat berkata 1 + 1 = 2, guru itu sangat senang, pikirkan ini Tidaklah buruk membantu anak-anak. Lanjutkan berbicara. Setelah pelajaran, terlepas dari seberapa baik siswa telah belajar, teruslah berbicara.
Untuk situasi seperti ini, kami menyebutnya lubang hitam kelas. Banyak hal yang dipelajari guru di kelas lebih dangkal. Dia tidak tahu bagaimana kinerja sebagian besar siswa, dan mereka menampar wajah mereka saat mengikuti ujian.
Faktanya, akan banyak masalah, kebanyakan siswa tidak mengerti apa yang dikatakan guru. Akan ada fenomena yang kita sebut dengan metode Swiss hard-working learning, dari luar siswa itu utuh, belum menguasai banyak hal dengan baik, dan bila belum menguasai dengan baik akan muncul masalah lain. Ketika anak belajar belajar, tiba-tiba suatu saat dia tidak bisa belajar. Guru berkata apakah dia sedang bermain game atau tidak. Mungkin karena dia tidak mempelajari satu poin pengetahuan dengan baik, sehingga sulit untuk melanjutkan belajar di kemudian hari.
Singkatnya, model pendidikan kami saat ini berharap dapat memungkinkan siswa untuk belajar sebanyak mungkin dalam waktu yang tetap, tetapi tidak mengevaluasi dan tidak berharap siswa dapat mencapai tujuan tertinggi. Kami melakukan pembelajaran adaptif. Kami memiliki sudut pandang. Kami menetapkan tujuan tertinggi dalam sistem. Anda dapat menghabiskan banyak waktu untuk belajar. Ini juga merupakan masalah yang sulit dipecahkan di ruang kelas standar saat ini.
Situasi yang disebabkan oleh pendidikan standar, jalur perakitan, pendidikan gaya pabrik, semua anak berbeda, tetapi setelah berjalan-jalan di sekitar sekolah, mereka semua sama.Setiap siswa adalah anak dari berbagai jenis. Ada pertunjukan yang sangat rumit dalam dunia pendidikan yang sebenarnya.
Dari sekitar tahun 1990, beberapa pendidikan yang berdiri sendiri, atau beberapa alat, secara bertahap dikembangkan, termasuk ketika Internet muncul, Internet + pendidikan, untuk menyelesaikan masalah yang dihadapi oleh anak-anak dalam kenyataan, hingga ke belakang Semua orang tahu gelombang O2O, satu lawan satu. Sekarang gelombang kecerdasan buatan, termasuk evaluasi suara, koreksi komposisi, dll., Serta beberapa pembelajaran adaptif yang kami lakukan, sebenarnya telah muncul secara bertahap belakangan ini.
Teknologi terus berkembang, dan kami juga mempertimbangkan dengan cermat tugas apa yang dapat menggantikan kecerdasan buatan untuk guru? Kami juga menyimpulkan bahwa komunikasi satu arah mungkin merupakan alternatif yang relatif baik.Dalam hal transfer pengetahuan, kami yakin bahwa 70% hingga 80% masalah dapat diselesaikan.
Apa itu pengembangan kapasitas? Faktanya, sistem pengajaran adalah tentang menumbuhkan kemampuan siswa. Banyak orang mengatakan bahwa banyak hal yang saya pelajari di sekolah tidak berguna setelah saya keluar. Faktanya, setelah Anda belajar, itu mencerminkan kemampuan yang berbeda karena sangat abstrak. Dalam proses sebenarnya, kami Menurut saya bisa diganti 70% sampai 80% yang subyektif dan sport. Hal-hal ini lebih sulit diganti dengan machine learning.
Sejak tahun 2007, ketika banyak perusahaan yang melakukannya, Bill Gates Foundation merasa ini adalah hal yang paling dibutuhkan saat ini.
Waktu terbatas. Mari bicarakan tentang proses kita. Di kelas, mari kita asumsikan karakter virtual bernama Xiaoming. Dia sama sekali tidak bisa memahami kelas matematika, parabola, dan rumus analitik. Dalam hal ini, ayo lakukan sesuatu. Abstrak, jika hanya ada 5 poin pengetahuan dalam matematika, maka kemungkinan harus 32, dan setiap poin pengetahuan memiliki dua cara apakah ada atau tidak, 2 pangkat 5, semua status dan gabungan status poin pengetahuan diperoleh. , Anda akan menemukan beberapa pertanyaan menarik.
Jika Anda mengetahui poin pengetahuan A tetapi hanya poin pengetahuan B, banyak dari situasi ini tidak ada. Dalam hal ini, kita dapat menghilangkan banyak keadaan yang tidak mungkin. Ini adalah 13 keadaan yang telah saya sebutkan nanti. Anda menemukan bahwa hanya setelah mempelajari A Anda dapat mempelajari D dan C. Poin pengetahuan A dan B dapat dipelajari pada waktu yang sama. Untuk teknologi seperti itu, kita perlu membuat grafik pengetahuan. Yang dimaksud grafik pengetahuan adalah membagi banyak poin pengetahuan sebanyak mungkin, memilah-milah hubungan sebelum dan sesudahnya, dan memilahnya, kita punya poin yang lebih baik, kita bisa Hapus banyak status yang tidak mungkin, yang dapat sangat mengurangi jumlah penghitungan seluruh sistem.
Dari sudut pandang praktis, sebenarnya banyak sekali poin-poin pengetahuan dalam matematika, seperti halnya matematika yang telah kita susun sendiri, poin-poin pengetahuan yang dipelajari dalam satu kelas pada dasarnya dapat mencapai lebih dari 400 poin pengetahuan, dan poin-poin pengetahuan tersebut dapat dibagi lagi. Setiap poin merepresentasikan status point pada peta pengetahuan. Setelah peta ini dirilis, untuk kredit yang berbeda, karena setiap kredit memiliki jenis yang berbeda, dan ada beberapa masukan yang berbeda untuk konten yang sama. Dalam kasus ini, kami akan menghasilkan status belajarnya dan memutuskan kemungkinan status pembelajaran mana yang berada di bawah Anda saat Anda dalam status saat ini.
Sederhananya, kita akan menemukan keunggulan dari setiap kemampuan siswa. Jika kita menarik garis, kiri akan menjadi rapat pleno, dan kanan tidak. Pilih yang paling cocok untuk belajar dari yang tidak, atau pelajari Yang paling efisien, ini juga merupakan strategi yang berbeda berdasarkan tujuan pembelajaran.
Dalam hal analisis data, kumpulkan sebagian, prediksi sebagian, dan analisis sebagian. Intinya adalah prediksi. Untuk jenis yang berbeda, kumpulkan data, dan analisis setiap orang yang berperan dapat melihat laporannya, dan melakukan yang terbaik untuknya. Melalui kerangka knowledge state, persamaan kuadrat dapat digunakan sebagai knowledge point. Saya kombinasikan dengan metode perkalian silang. Hanya dengan cara ini saya dapat menemukan keadaan penguasaan teori dasar siswa dengan lebih akurat.
Dari aspek pencocokan yang dipersonalisasi, menggabungkan potret siswa, pembuatan profil konten, pembelajaran mesin dan model grafik probabilitas, konten pembelajaran yang dipersonalisasi dan pencocokan jalur, kami benar-benar membandingkan dengan papan catur dan menemukan jumlah poin pengetahuan, yang jauh lebih banyak daripada jumlah papan catur dan pertanyaan. Sebenarnya ada banyak kombinasi.
Dalam hal jalur pembelajaran yang dipersonalisasi, semua orang dapat memahami navigasi peta Baidu. Navigasi peta Baidu dapat diubah secara real time. Bisa lebih baik daripada pengemudi lama. Sistem kami juga berharap dapat mencapai status guru bit-level yang lebih kuat dan bermain sedikit Guru kelas bermain lebih stabil. Jika Anda memiliki sistem, biaya perekrutan siswa sangat rendah. Sulit bagi guru kelas khusus untuk menjangkau setiap sudut sekolah di dunia.
Kami akan memberikan ceramah tentang poin-poin pengetahuan dan analisis kesalahan poin-poin pengetahuan untuk setiap poin pengetahuan. Dalam hal ini, ketika menganalisis isi pengajaran, sejumlah besar data masuk, dan beberapa hubungan sebab akibat dapat dianalisis. Apa yang sudah Anda baca dan pelajari? Efeknya lebih baik, melalui jenis konten pembelajaran yang sesuai untuk siswa.
Ketika grafik pengetahuan dibentuk, ditemukan bahwa barang-barang di kelas delapan tidak tersedia, dan saya kemungkinan besar akan kembali ke kelas tujuh atau bahkan enam. Seringkali dalam biologi, seorang anak tidak pandai biologi, mungkin matematika itu tidak bagus, penelusuran lintas disiplin sumber seperti ini juga sedang dieksplorasi secara bertahap.
Dari perspektif konsentrasi siswa, ketika banyak anak yang tidak belajar dengan baik, mereka menjadi nakal. Kami bertemu dengan seorang anak di kampus Hangzhou dan mendapat 0 poin di setiap ujian. Orang tua memaksanya untuk belajar bersama kami. Setelah beberapa saat, saya belajar lebih dari sebulan dan bertanya apakah dia ingin terus membiayai Anda untuk terus belajar. Anak itu menjawab ya, dan orang tua bertanya mengapa Anda terus belajar. Dia berkata bahwa dia tidak dapat memahami semua yang dikatakan sekolah, tetapi Ketika kami di sini, ketika kami menemukan bahwa yayasannya sangat buruk, dia adalah siswa kelas delapan, saya dapat mendorongnya hingga kelas enam, dan ketika dia mencapai usia yang lebih rendah, dia merasa bahwa dia akan dapat mendorong semuanya. Pada saat ini konsentrasi dan rasa pencapaiannya benar-benar berbeda, yaitu pembelajaran adaptif yang benar-benar dapat menyamai kemampuan siswa saat ini.
- Tidak ada uang yang bisa membeli serial ini! Ponsel lipat Samsung Galaxy F diperkirakan hanya akan dikirim 1 juta unit
- Kamp eksplorasi di lokasi KDD 2017: pragmatis, kaya, dan acara ledakan data besar akan segera dibuka | KDD 2017
- BAIC New Energy merilis ARCFOX merek kelas atas dan meluncurkan arsitektur modul pintar IMC | Berita mobil lini pertama