数据化助力自适应学习2.0时代，AI改变教育的是什么？

如果说教学效果是教育机构的生命线，教研则是教育机构能够获得强劲活力和新鲜生命力的源泉。

6月20日下午，在朗播网主办的“数据化教研打造自适应学习系统——重新定义 在线教育 时代下的教研”系列讨论会上，朗播网创始人兼CEO杜昶旭，测评高级研究员&数据分析师韩婧妍以及首席数据科学家贾艳明博士解读了数据教研，自适应学习系统， 人工智能 等自适应学习2.0时代的行业热点。

数据化教研是什么？

杜昶旭谈到，传 统做教研的方式有几种：体制内的学校组织老师出教参，教新老师讲课以及做课件。 在他看来，最顶级和最优秀的老师一定不依靠培训，教新老师讲课只能培训出合格的老师，而在做课件这件事上，老教师不愿意做课件，做好了课件新老师也不愿意用，每个人对知识理解的深度不一样，观点和课程自然也不相同。

传统的教研方式既解决不了老师输出品质的问题，也不能让老师越来越有成就感，因此，朗播网重新定义了教研。“教研指的是Teaching和Research，教研要以产品作为输出成果，教材，课程或者学习产品都可以作为产品的一部分，数据化教研一定是标准化和产品化的。”杜昶旭表示。

教研需要什么样的数据？杜昶旭认为，把学习过程分为知识传达和吸收内化两个部分，知识传达发挥30%作用，吸收内化占70%左右， 真正有意义的数据采集应该在吸收内化阶段，采集过程性的数据，练习数据，测评数据，最后通过这些数据对学生做过程管控，还有结果性数据，包括目标分数，备考时长等，用来评估学生是否花了时间之后达到了目标分数。

如何打造英语自适应学习系统？

在数据支撑基础上，朗播网打造了一套英语自适应学习系统，在教研上做出实践。

韩婧妍认为，英语自适应学习系统具备两个特点，一是自适应学习，用计算机算法就能做到因材施教，二是系统，一站式地解决所有英语学习的问题。想要实现这两个目标， 首先要足够了解学生，了解学生当前的能力水平，背考周期和目标分数等个性化情况，诊断完毕之后开药方，针对学生每个能力点匹配相应的能力提升方法。

韩婧妍用“英语句子分析”举例，把“句子分析”当做一个产品的话，它属于阅读的初级产品，对应的需要学生具备的能力有句法理解，句内语义和逻辑理解等，自适应学习系统提出的一站式解决方案是根据不同学生的能力水平，不同备考周期，目标分数生产出一个符合学生需求的产品组合。

“以能力点为桥生产学生的练习计划，最左边的一列是测试题目，中间一列是能力点，最右边的是练习产品，也就是能力点对应的解决方案。同样的颜色代表所属的是相同的能力点。比如能力点1来说，左边题目1、2、3都是针对能力点1进行的测评，从这三个题目学习到能力点1，再看产品，产品1包含黄色，所以它能解决能力点1的问题。”

光有产品和方案还不够，自适应学习系统需要不断通过数据优化算法，优化学生的练习时间，练习数量，练习分布情况等，让学生的练习计划尽可能跟专家相似。同时，专家的经验也只是制定学生练习计划的一部分参考因素，要不断验证和修正专家的教学经验。

人工智能和大数据如何优化自适应学习系统？

谈自适应学习，一定离不开人工智能，杜昶旭表示，目前 AI 在教研上的应用主要是测评技术优化，语音图像识别和NLP，第三个是形成性评价，“未来AI一定能促成社会分工的改变，最终带来社会的变革”。

贾艳明博士认为，现有的自适应学习系统的框架，基本上是以专家经验和能力图谱为基础的，在标准化的模型上的一套测评和练习循环往复的系统，优点是将专家经验形式化，将能力图谱标准化。

在现有的自适应基础上，如果加上客观及时的智能评测和高质量、多维度的行为数据，就可以优化自适应学习系统。

在杜昶旭看来，“人工智能的理论在过去15年到20年时间里几乎没有进步，今天大家讨论的AI和算法十几年前就有，人工智能的技术没有本质的改变， 这几年AI的东西变多了，原因是运算能力增强了，可用的数据变多了，使得AI变成大家可以拿出来的说的东西。”

从AI在教育领域的应用来看，未来几年AI不太可能替代老师，，AI是把靠人工的很重的经验变成了数学模型，但可以肯定的是，未来分工会因技术的引入会变得更细致，老师要转型，未来可能不只是教课，一部分人变成研究者，一部分做辅导。

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。