王萍，王陳欣，朱璇

讓客戶(hù)滿(mǎn)意是我們工作的目標(biāo)，不斷超越客戶(hù)的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶(hù)，將通過(guò)不懈努力成為客戶(hù)在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：域名注冊(cè)、雅安服務(wù)器托管、營(yíng)銷(xiāo)軟件、網(wǎng)站建設(shè)、霸州網(wǎng)站維護(hù)、網(wǎng)站推廣。

* 本文系全國(guó)教育科學(xué)“十三五”規(guī)劃國(guó)家一般課題“優(yōu)質(zhì)慕課建設(shè)全程的多維質(zhì)量保障體系研究”(課題編號(hào)：BCA190077)、上海外國(guó)語(yǔ)大學(xué)校級(jí)科研規(guī)劃項(xiàng)目“對(duì)話(huà)式教育機(jī)器人輔助語(yǔ)言有效學(xué)習(xí)的自適應(yīng)方法研究”(項(xiàng)目編號(hào)：2019114013)研究成果。

引用請(qǐng)注明以下信息：

王萍,王陳欣,朱璇.基于自動(dòng)化方法的教育人工智能系統(tǒng)設(shè)計(jì)與應(yīng)用[J].中國(guó)電化教育,2020,(6):7-15.

一、引言

作為科技進(jìn)步的核心驅(qū)動(dòng)力，人工智能對(duì)社會(huì)發(fā)展帶來(lái)了深刻變革。教育領(lǐng)域也在積極探尋如何與人工智能深度融合，推動(dòng)教育創(chuàng)新，構(gòu)建智能時(shí)代下的教育新生態(tài)。但人工智能對(duì)教育的具體賦能并非是一蹴而就的，教育領(lǐng)域目前還面臨著缺少成熟應(yīng)用模式、缺少人工智能專(zhuān)家、缺少技術(shù)平臺(tái)支撐等問(wèn)題，人工智能尚未能夠有效的支持構(gòu)建教育工具和教育系統(tǒng)。如何推動(dòng)人工智能的落地應(yīng)用、實(shí)現(xiàn)人工智能系統(tǒng)的便捷開(kāi)發(fā)將是教育人工智能發(fā)展道路上的重要環(huán)節(jié)。

自動(dòng)化是人類(lèi)文明進(jìn)步和社會(huì)現(xiàn)代化的標(biāo)志。伴隨人類(lèi)社會(huì)的進(jìn)步，自動(dòng)化技術(shù)在社會(huì)需求的推動(dòng)下不斷發(fā)展。當(dāng)前，通過(guò)自動(dòng)化方法構(gòu)建人工智能系統(tǒng)是人工智能領(lǐng)域開(kāi)始關(guān)注的一個(gè)重要方向。作為一種新的研究方法，自動(dòng)化機(jī)器學(xué)習(xí)、自動(dòng)化深度學(xué)習(xí)等人工智能方法使用“以人工智能訓(xùn)練人工智能”的設(shè)計(jì)思路，擴(kuò)展人工智能研究和應(yīng)用的范圍，實(shí)現(xiàn)開(kāi)放普惠的人工智能目標(biāo)。使用者只需給出輸入數(shù)據(jù)和任務(wù)類(lèi)型，系統(tǒng)建模中的算法與模型構(gòu)建等專(zhuān)業(yè)性任務(wù)由機(jī)器自動(dòng)完成，從而有效降低人工智能應(yīng)用與系統(tǒng)開(kāi)發(fā)的門(mén)檻，推動(dòng)人工智能應(yīng)用的標(biāo)準(zhǔn)化、模塊化、自動(dòng)化。

當(dāng)前教育人工智能的研究總體上呈現(xiàn)理論探討多、落地應(yīng)用少的現(xiàn)狀，自動(dòng)化人工智能方法為教育領(lǐng)域的人工智能研究與應(yīng)用提供了思路。本文在分析教育人工智能系統(tǒng)設(shè)計(jì)與應(yīng)用已有研究與問(wèn)題的基礎(chǔ)上，探討基于自動(dòng)化思想的設(shè)計(jì)方法，以期為探索教育人工智能的應(yīng)用與實(shí)踐提供參考。

二、相關(guān)研究分析

我們從文獻(xiàn)分析、地平線(xiàn)報(bào)告分析、Gartner技術(shù)趨勢(shì)分析三個(gè)方面，對(duì)教育人工智能的研究現(xiàn)狀進(jìn)行梳理，并重點(diǎn)分析人工智能在應(yīng)用層面的研究與進(jìn)展。

(一)國(guó)內(nèi)教育人工智能研究現(xiàn)狀

為了深入分析國(guó)內(nèi)教育人工智能的研究現(xiàn)狀，我們選取了國(guó)內(nèi)教育技術(shù)領(lǐng)域7個(gè)主要CSSCI期刊中內(nèi)容關(guān)于人工智能的論文，從2017年1月至2019年12月共369篇，對(duì)文章主題進(jìn)行了歸納與分類(lèi)。分析結(jié)果可以發(fā)現(xiàn)當(dāng)前國(guó)內(nèi)教育人工智能研究存在較為明顯的“理論研究豐富，場(chǎng)景討論充分，技術(shù)應(yīng)用匱乏”的局面。

1.當(dāng)前國(guó)內(nèi)教育人工智能的研究主題主要有三大類(lèi)。(1)理論探討類(lèi)。這類(lèi)研究(174篇)主要從理論角度分析人工智能對(duì)教育、學(xué)習(xí)領(lǐng)域帶來(lái)的影響，討論智能化時(shí)代下對(duì)教育帶來(lái)的沖擊，具體又可分為綜述類(lèi)、文件解讀類(lèi)、理論分析類(lèi)。這些研究為我們把握人工智能技術(shù)對(duì)教育的賦能，分析智能教育的內(nèi)涵與定位，了解世界各國(guó)與相關(guān)機(jī)構(gòu)的人工智能政策與規(guī)劃，指導(dǎo)我國(guó)未來(lái)教育人工智能戰(zhàn)略的制定等方面具有積極的意義。(2)應(yīng)用場(chǎng)景類(lèi)。這類(lèi)研究(169篇)主要從人工智能技術(shù)參與構(gòu)建的教育應(yīng)用場(chǎng)景展開(kāi)討論。其中智慧課堂、智慧校園的內(nèi)涵與建設(shè)研究重點(diǎn)分析智能技術(shù)對(duì)于課堂、校園等學(xué)習(xí)空間帶來(lái)的變革。其他應(yīng)用場(chǎng)景類(lèi)研究，我們歸為“智能+”類(lèi)，主要是探索人工智能視域下相關(guān)研究的融合，包括對(duì)“智能+5G”“智能+云計(jì)算”“智能+慕課”“智能+STEM”等的討論。人工智能技術(shù)融合其他信息技術(shù)正在構(gòu)建全新的技術(shù)場(chǎng)域，從而賦能教育創(chuàng)新，構(gòu)建新的智能應(yīng)用場(chǎng)景。(3)技術(shù)開(kāi)發(fā)類(lèi)。當(dāng)前，國(guó)內(nèi)教育人工智能中具體的技術(shù)開(kāi)發(fā)類(lèi)研究明顯落后于理論研究。在26項(xiàng)已有研究中，17項(xiàng)研究主題為智能系統(tǒng)設(shè)計(jì)類(lèi)，9項(xiàng)研究探索了智能算法。這些研究基本上針對(duì)某一具體任務(wù)進(jìn)行了教育人工智能系統(tǒng)的設(shè)計(jì)與算法設(shè)計(jì)研究。

2.通過(guò)對(duì)國(guó)內(nèi)已有研究的梳理，可以發(fā)現(xiàn)當(dāng)前教育人工智能在理論分析和潛在應(yīng)用場(chǎng)景的討論已較為全面，但具體應(yīng)用實(shí)現(xiàn)和技術(shù)研究方面還較少，系統(tǒng)設(shè)計(jì)與算法研究還有待于深入。在教育人工智能的系統(tǒng)應(yīng)用框架和實(shí)現(xiàn)流程方面，一些學(xué)者結(jié)合人工智能技術(shù)特征進(jìn)行了分析，提出教育人工智能技術(shù)框架主要包括教育數(shù)據(jù)層、算法層、感知層、認(rèn)知層和教育應(yīng)用層[1][2]。但研究也還主要停留在框架的建構(gòu)層面，對(duì)于如何應(yīng)用框架中的模塊和技術(shù)到具體的教育人工智能應(yīng)用中，還缺少實(shí)踐研究。雖然如何推動(dòng)并實(shí)現(xiàn)有效的落地應(yīng)用已經(jīng)受到理論關(guān)注與討論，但探索如何有效落地應(yīng)用的機(jī)制和方法還較為匱乏。

(二)地平線(xiàn)報(bào)告對(duì)人工智能的分析

地平線(xiàn)報(bào)告從2014年開(kāi)始持續(xù)關(guān)注虛擬助理、自適應(yīng)學(xué)習(xí)、自然用戶(hù)界面、機(jī)器人技術(shù)等智能技術(shù)在教育領(lǐng)域中的應(yīng)用。2017年以來(lái)人工智能作為專(zhuān)項(xiàng)技術(shù)連續(xù)出現(xiàn)在地平線(xiàn)報(bào)告中。作為影響教育未來(lái)中長(zhǎng)期發(fā)展的關(guān)鍵技術(shù)，智能技術(shù)的發(fā)展與應(yīng)用成為地平線(xiàn)趨勢(shì)預(yù)測(cè)的重要部分(如圖1所示)。

圖1描述了地平線(xiàn)報(bào)告中近年對(duì)人工智能相關(guān)技術(shù)的教育應(yīng)用分析，呈現(xiàn)如下特點(diǎn)。

1.關(guān)注點(diǎn)逐步擴(kuò)散和全面。從關(guān)注學(xué)習(xí)(2017)，到關(guān)注研究與技術(shù)(2018年)，到關(guān)注人工智能在教育領(lǐng)域的全面應(yīng)用(2019年)。2017年地平線(xiàn)報(bào)告指出人工智能技術(shù)可以“深入理解學(xué)習(xí)者特征，學(xué)習(xí)者思維模式，從而提升在線(xiàn)學(xué)習(xí)和自適應(yīng)學(xué)習(xí)系統(tǒng)的性能”[3]。2018年，在關(guān)注學(xué)習(xí)的基礎(chǔ)上，地平線(xiàn)報(bào)告開(kāi)始關(guān)注人工智能作為有效的研究手段與教學(xué)工具，“增強(qiáng)在線(xiàn)學(xué)習(xí)、適應(yīng)學(xué)習(xí)軟件和研究過(guò)程，與學(xué)生進(jìn)行積極反饋與互動(dòng)，是有效的教學(xué)工具和技術(shù)解決方案”[4]。2019年地平線(xiàn)報(bào)告分析繼續(xù)指出，人工智能技術(shù)作用于教育教學(xué)的全過(guò)程，“可以提供個(gè)性化體驗(yàn)，減少工作量和協(xié)作分析大型數(shù)據(jù)集，以為教學(xué)應(yīng)用程序提供借鑒。支持自適應(yīng)學(xué)習(xí)等教學(xué)方法，滿(mǎn)足個(gè)性化學(xué)習(xí)。通過(guò)數(shù)據(jù)建模分析輔助教學(xué)策略和教學(xué)管理”[5]。

2.關(guān)注教育人工智能的具體應(yīng)用。地平線(xiàn)報(bào)告將人工智能作為支持教育的基礎(chǔ)性技術(shù)和重大創(chuàng)新技術(shù)予以關(guān)注并重點(diǎn)關(guān)注人工智能的應(yīng)用方式，即人工智能如何落地于具體的教育場(chǎng)景中，如何應(yīng)用于教與學(xué)過(guò)程中。如近年地平線(xiàn)報(bào)告中關(guān)注的虛擬助理、自然用戶(hù)界面等是對(duì)話(huà)式人工智能的典型技術(shù)，自適應(yīng)學(xué)習(xí)則體現(xiàn)了智能技術(shù)在學(xué)習(xí)系統(tǒng)中的典型應(yīng)用。因此，地平線(xiàn)報(bào)告的分析從底層支持層到教學(xué)應(yīng)用層，圍繞人工智能技術(shù)應(yīng)用展開(kāi)分析，體現(xiàn)了教育對(duì)技術(shù)的需求和技術(shù)對(duì)教育的支持。

(三)人工智能技術(shù)成熟度模型中的應(yīng)用趨勢(shì)分析

Hype Cycle技術(shù)成熟度曲線(xiàn)模型是由Gartner提出的一個(gè)應(yīng)用廣泛的發(fā)展周期預(yù)測(cè)模型，模型描述了一項(xiàng)技術(shù)從誕生到成熟，再到廣泛應(yīng)用的過(guò)程。作為近年科技領(lǐng)域的核心技術(shù)，Gartner連續(xù)三年發(fā)布了人工智能Hype Cycle成熟度曲線(xiàn)，對(duì)人工智能中的細(xì)分技術(shù)、應(yīng)用領(lǐng)域、發(fā)展現(xiàn)狀等項(xiàng)目進(jìn)行分析與預(yù)測(cè)，為研究人工智能技術(shù)的創(chuàng)新和發(fā)展路徑提供了評(píng)估標(biāo)準(zhǔn)和分析工具。

我們對(duì)20172019年Gartner的人工智能成熟度曲線(xiàn)模型進(jìn)行了分析，重點(diǎn)篩選與“促進(jìn)應(yīng)用”相關(guān)的人工智能項(xiàng)目，結(jié)合教育領(lǐng)域應(yīng)用，得到如下分析，如圖2所示。

1.人工智能的應(yīng)用落地需要從專(zhuān)家支持、技術(shù)支持和基礎(chǔ)設(shè)施支持等維度展開(kāi)探索，這些技術(shù)和服務(wù)正處于快速發(fā)展中。2017年AI咨詢(xún)及系統(tǒng)整合服務(wù)(AI-related C & SI Services，ACSI)在技術(shù)成熟度模型中提出，旨在從專(zhuān)業(yè)人員支持的角度，為具有人工智能應(yīng)用需求的領(lǐng)域提供咨詢(xún)、軟件實(shí)施及相關(guān)服務(wù)。人工智能開(kāi)發(fā)工具包從技術(shù)支持維度，人工智能云服務(wù)從基礎(chǔ)設(shè)施支持維度，分別在2018和2019技術(shù)成熟度曲線(xiàn)中提出，并迅速發(fā)展，為人工智能的落地應(yīng)用提供支撐。人工智能開(kāi)發(fā)工具包包括數(shù)據(jù)平臺(tái)、框架和分析庫(kù)、軟件開(kāi)發(fā)包等，能夠支持人工智能應(yīng)用程序的快速開(kāi)發(fā)和部署。服務(wù)于人工智能的云服務(wù)為人工智能提供了硬件設(shè)施和算法軟件層面的服務(wù)支持，幫助各種類(lèi)型的應(yīng)用者能夠使用到人工智能所需的算力和算法。

2.人工智能中的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法研究已經(jīng)相對(duì)成熟，已經(jīng)度過(guò)技術(shù)快速發(fā)展期的頂端，開(kāi)始走向下降期，這個(gè)時(shí)期也是技術(shù)應(yīng)用模式探索的關(guān)鍵時(shí)期。在應(yīng)用的探索中，作為降低機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)門(mén)檻的有效方法，推動(dòng)人工智能應(yīng)用的AUTOML(自動(dòng)化機(jī)器學(xué)習(xí))在2019年得到迅速發(fā)展。

(四)研究評(píng)述

1.國(guó)內(nèi)教育人工智能的研究需加強(qiáng)對(duì)人工智能落地應(yīng)用的研究。當(dāng)前對(duì)于如何將人工智能應(yīng)用于教育場(chǎng)景的系統(tǒng)設(shè)計(jì)、開(kāi)發(fā)和實(shí)現(xiàn)等研究還較少，包括人工智能技術(shù)的技術(shù)門(mén)檻、教育領(lǐng)域?qū)I(yè)人工智能人才的缺乏、教育大數(shù)據(jù)的不足等。因此，需要我們探索有效的方法解決面臨的問(wèn)題，推動(dòng)教育領(lǐng)域人工智能的落地應(yīng)用研究。

2.地平線(xiàn)報(bào)告研究重點(diǎn)從技術(shù)維度對(duì)教育領(lǐng)域內(nèi)人工智能的應(yīng)用進(jìn)行了分析，關(guān)注重點(diǎn)也在逐步擴(kuò)散和全面，包含了學(xué)習(xí)支持、研究手段、教學(xué)工具、數(shù)據(jù)策略等方面。這也說(shuō)明對(duì)教育人工智能的研究正在更多的關(guān)注實(shí)踐。在人工智能應(yīng)用落地的技術(shù)支持上，Gartner人工智能成熟度模型中對(duì)人員支持、軟件支持、服務(wù)支持、云支持、自動(dòng)化框架支持等的預(yù)測(cè)和分析，對(duì)于人工智能的落地應(yīng)用有著重要的指導(dǎo)價(jià)值。

3.雖然“關(guān)注應(yīng)用”是地平線(xiàn)報(bào)告的核心思想，也是技術(shù)成熟模型分析中的重要趨勢(shì)，但人工智能在教育領(lǐng)域中的應(yīng)用研究還是薄弱環(huán)節(jié)。“如何探索有效的教育人工智能系統(tǒng)的設(shè)計(jì)與應(yīng)用方法”是需要解決的關(guān)鍵問(wèn)題。本文旨在研究解決該問(wèn)題、探索新的教育人工智能應(yīng)用的設(shè)計(jì)模型與方法，為教育人工智能系統(tǒng)應(yīng)用的開(kāi)展和落地提供參考和借鑒。

三、教育人工智能應(yīng)用系統(tǒng)的功能模塊與問(wèn)題分析

(一)教育人工智能應(yīng)用系統(tǒng)的功能模塊

在人工智能的發(fā)展過(guò)程中，有符號(hào)主義、連接主義和行為主義三個(gè)主要研究范式和學(xué)派。三種范式對(duì)智能的產(chǎn)生有著不同的解釋與設(shè)計(jì)思想，也影響著人工智能應(yīng)用的技術(shù)手段與設(shè)計(jì)模式。當(dāng)前教育人工智能領(lǐng)域主要使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法構(gòu)建系統(tǒng)應(yīng)用，是一種基于連接主義的智能模型。基于連接主義模式的特點(diǎn)是：需要通過(guò)學(xué)習(xí)高維數(shù)據(jù)來(lái)獲取高層語(yǔ)義表達(dá)；產(chǎn)生的是黑盒模型，通常具有較高的準(zhǔn)確性，但模型的內(nèi)部工作機(jī)制無(wú)法準(zhǔn)確得知；難以估計(jì)每個(gè)特征對(duì)模型預(yù)測(cè)結(jié)果的重要性，以及不同特征之間的相互作用關(guān)系。

在大數(shù)據(jù)與超強(qiáng)算力的支撐下，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)已在計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理等方面達(dá)到甚至超過(guò)人類(lèi)水平，是實(shí)現(xiàn)人工智能成功的重要推動(dòng)力之一[6]。基于連接主義思想的教育人工智能系統(tǒng)的設(shè)計(jì)模型與過(guò)程如圖3所示，可以分為教育需求、教育數(shù)據(jù)、教育特征、教育模型、教育應(yīng)用五個(gè)主要功能模塊。

1.問(wèn)題定義與需求分析

問(wèn)題定義與需求分析是教育人工智能系統(tǒng)開(kāi)發(fā)的出發(fā)點(diǎn)。我們所要解決的教育問(wèn)題和系統(tǒng)需求應(yīng)當(dāng)是人工智能可以解決的。人工智能應(yīng)用于教育有其邊界與定位[7]，并非所有的教育問(wèn)題都適合使用人工智能來(lái)解決。只有在恰當(dāng)?shù)慕逃龍?chǎng)景與教學(xué)需求下，人工智能技術(shù)的應(yīng)用才能產(chǎn)生正向的教育效果。我們需要明確人工智能適合解決哪些任務(wù)，哪些教育問(wèn)題和需求適合人工智能解決。Science對(duì)適合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)進(jìn)行了總結(jié)，給出了關(guān)鍵評(píng)判標(biāo)準(zhǔn)，如需要有明確定義的輸入和輸出；存在或能夠創(chuàng)建大規(guī)模數(shù)據(jù)集；任務(wù)能提供明確的反饋，具有明確的目標(biāo)和指標(biāo)；任務(wù)不需要依靠復(fù)雜背景知識(shí)的長(zhǎng)邏輯鏈；允許容錯(cuò)性，不需要的解決方案；功能不會(huì)出現(xiàn)快速變化；沒(méi)有特別的靈巧性、身體技能或機(jī)動(dòng)性要求等[8]。這些標(biāo)準(zhǔn)在我們進(jìn)行教育人工智能應(yīng)用設(shè)計(jì)時(shí)可以進(jìn)行借鑒和參考。在問(wèn)題定義與需求分析階段，需要教育工作者和技術(shù)人員的共同參與。人工智能技術(shù)與教育應(yīng)用場(chǎng)景是相輔相成的，需要綜合考量和分析人工智能技術(shù)的成熟度與教育場(chǎng)景的復(fù)雜度。

2.教育數(shù)據(jù)收集與處理

以深度學(xué)習(xí)為核心的人工智能算法需要大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練才能得到更好效果，基礎(chǔ)數(shù)據(jù)服務(wù)是教育人工智能應(yīng)用和智能系統(tǒng)開(kāi)發(fā)的支撐。教育數(shù)據(jù)服務(wù)的發(fā)展要推動(dòng)建設(shè)教育數(shù)據(jù)資源庫(kù)、標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集、基礎(chǔ)數(shù)據(jù)平臺(tái)，并構(gòu)建科學(xué)高效的數(shù)據(jù)管理機(jī)制。教育大數(shù)據(jù)來(lái)源包括Web數(shù)據(jù)、云端數(shù)據(jù)、可穿戴設(shè)備傳感器數(shù)據(jù)等多種來(lái)源的學(xué)生學(xué)習(xí)數(shù)據(jù)、行為數(shù)據(jù)、教學(xué)管理數(shù)據(jù)等。在教育數(shù)據(jù)的收集過(guò)程中，需要考慮以下問(wèn)題：智能教育系統(tǒng)的實(shí)現(xiàn)需要哪些數(shù)據(jù)？數(shù)據(jù)的存儲(chǔ)形式和介質(zhì)是什么？獲取數(shù)據(jù)的成本和難易度如何？數(shù)據(jù)是否覆蓋了應(yīng)用的大部分情境？數(shù)據(jù)是否具有較高的可信度？當(dāng)前大部分教育數(shù)據(jù)還處于數(shù)據(jù)碎片化、規(guī)則模糊的階段，教育數(shù)據(jù)的采集和處理還存在技術(shù)處理方式、管理機(jī)制不成熟等問(wèn)題。

3.教育特征選擇與構(gòu)建

在人工智能領(lǐng)域，特征是指使用領(lǐng)域知識(shí)對(duì)原始數(shù)據(jù)進(jìn)行分析，從中抽取和構(gòu)建有效的信息應(yīng)用于智能算法的設(shè)計(jì)。在機(jī)器學(xué)習(xí)中，特征對(duì)于整個(gè)機(jī)器學(xué)習(xí)模型至關(guān)重要，并且有時(shí)會(huì)確定其性能的上限。教育特征工程是將教育數(shù)據(jù)與人工智能連接在一起的橋梁，是保證人工智能模型是否與教育目標(biāo)問(wèn)題匹配的關(guān)鍵制約因素。教育特征的好壞也直接決定了教育智能系統(tǒng)算法的靈活性和效果。如Gardner等通過(guò)數(shù)據(jù)與文獻(xiàn)分析等，給出了慕課研究中的教育特征類(lèi)型，包括：學(xué)習(xí)活動(dòng)、人口學(xué)特征、文本特征、社會(huì)化、認(rèn)知特征等，在此基礎(chǔ)上構(gòu)建了慕課學(xué)習(xí)者成功性的預(yù)測(cè)模型[9]。

當(dāng)前機(jī)器學(xué)習(xí)系統(tǒng)主要采用傳統(tǒng)方法構(gòu)建特征，通過(guò)個(gè)人的專(zhuān)業(yè)知識(shí)和經(jīng)驗(yàn)構(gòu)建的特征。一般來(lái)說(shuō)，這是一個(gè)繁瑣耗時(shí)且容易出錯(cuò)的過(guò)程，造成了效果和效?實(shí)木窒扌裕⑶揖櫚木窒扌允溝媚巖暈げ餑勘耆范ㄗ罹嘰硇緣奶卣鰲Ｉ疃妊凹跎倭碩允止ぬ卣鞴こ痰男棖螅誚逃斯ぶ悄苧芯恐杏τ迷嚼叢焦惴骸?/p>

4.教育智能系統(tǒng)模型構(gòu)建

人工智能教育應(yīng)用的核心目標(biāo)是通過(guò)機(jī)器學(xué)習(xí)的方式建立人類(lèi)學(xué)習(xí)的規(guī)則[10]，也即構(gòu)建有效的智能模型。人工智能模型的構(gòu)建包括模型訓(xùn)練與模型評(píng)估。教育人工智能系統(tǒng)中的模型一般結(jié)合問(wèn)題和數(shù)據(jù)，大多選擇當(dāng)前通用的、成熟的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型。機(jī)器學(xué)習(xí)模型根據(jù)可使用的數(shù)據(jù)類(lèi)型可分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)兩類(lèi)。監(jiān)督學(xué)習(xí)主要包括分類(lèi)和回歸，無(wú)監(jiān)督學(xué)習(xí)主要包括數(shù)據(jù)聚類(lèi)、數(shù)據(jù)降維等。常用的深度學(xué)習(xí)模型有卷積神經(jīng)網(wǎng)絡(luò)(CNN)、回歸神經(jīng)網(wǎng)絡(luò)(RNN)、深度信念網(wǎng)絡(luò)(DBN)等。在模型選擇后進(jìn)行模型的評(píng)估，對(duì)模型的效率、正確率等進(jìn)行評(píng)價(jià)。一般使用與訓(xùn)練數(shù)據(jù)集進(jìn)行模型訓(xùn)練，并用不同的測(cè)試數(shù)據(jù)集進(jìn)行模型驗(yàn)證從而明確模型在現(xiàn)實(shí)系統(tǒng)中的表現(xiàn)，最終給出應(yīng)用模型。

5.模型部署與應(yīng)用

在智能模型確定后，將其部署到實(shí)際的教育應(yīng)用場(chǎng)景中。模型部署將訓(xùn)練的模型持久化，提供REST服務(wù)接口、設(shè)備端SDK等部署方式。模型部署的方式由教育應(yīng)用的實(shí)際需求決定，根據(jù)系統(tǒng)應(yīng)用規(guī)模的大孝性能要求等來(lái)綜合確定。部署成功的模型即可進(jìn)入到教育應(yīng)用過(guò)程。

(二)教育人工智能應(yīng)用系統(tǒng)的問(wèn)題分析

結(jié)合對(duì)教育人工智能系統(tǒng)設(shè)計(jì)中主要功能模塊的分析，一個(gè)成功的教育人工智能系統(tǒng)需要高質(zhì)量的教育數(shù)據(jù)支持，優(yōu)秀的數(shù)據(jù)預(yù)處理；合適的特征構(gòu)建，恰當(dāng)?shù)哪Ｐ徒Y(jié)構(gòu)和功能；優(yōu)秀的訓(xùn)練策略，嚴(yán)格的結(jié)果分析與靈活的應(yīng)用部署等。當(dāng)前教育人工智能系統(tǒng)設(shè)計(jì)開(kāi)發(fā)中面臨的主要困難還較多，造成了教育人工智能落地難、應(yīng)用研究落后的現(xiàn)狀。

1.技術(shù)層面：特征與模型構(gòu)建問(wèn)題

教育領(lǐng)域應(yīng)用場(chǎng)景對(duì)教育特征的構(gòu)建與模型構(gòu)建帶來(lái)具體的要求。通常情況下，特征工程是一項(xiàng)復(fù)雜耗時(shí)的工作，需要經(jīng)過(guò)特征構(gòu)建、特征選擇、特征壓縮等多個(gè)步驟，并需要應(yīng)用者具有領(lǐng)域?qū)I(yè)知識(shí)和數(shù)據(jù)分析能力。當(dāng)前教育特征的構(gòu)建工作主要還是由缺乏領(lǐng)域知識(shí)背景的技術(shù)人員完成，并且存在傳統(tǒng)特征構(gòu)建的效率低，可移植性差問(wèn)題。在智能模型的構(gòu)建與優(yōu)化上，還沒(méi)有系統(tǒng)的方法進(jìn)行模型選擇和參數(shù)調(diào)節(jié)，基本是依靠人工調(diào)試和選擇，所構(gòu)建的模型難以進(jìn)行衡量與對(duì)比。

2.人員層面：人員與復(fù)雜度問(wèn)題

教育人工智能系統(tǒng)的構(gòu)建過(guò)程是一個(gè)相對(duì)復(fù)雜的過(guò)程，較高的技術(shù)門(mén)檻使得大量一線(xiàn)教師難以直接運(yùn)用人工智能到實(shí)際教學(xué)場(chǎng)景中。并且人工智能不僅僅只是技術(shù)問(wèn)題，更面臨復(fù)雜的教育領(lǐng)域的業(yè)務(wù)問(wèn)題，需要多領(lǐng)域?qū)＜覉F(tuán)隊(duì)的合作參與，包括教學(xué)專(zhuān)家，數(shù)據(jù)工程師，算法工程師等，但教育領(lǐng)域匱乏的人才難以與教育大數(shù)據(jù)的快速發(fā)展與人工智能應(yīng)用的要求相匹配。

3.成本層面：成本與效率問(wèn)題

當(dāng)前，構(gòu)建優(yōu)良的教育智能系統(tǒng)通常需要較長(zhǎng)的時(shí)間和較為昂貴的成本。智能系統(tǒng)對(duì)算法算力的要求，需要一定的成本進(jìn)行軟硬件設(shè)備的購(gòu)買(mǎi)與維護(hù)。在效率方面，即使是有經(jīng)驗(yàn)的人工智能專(zhuān)業(yè)人員，通常也需要花費(fèi)大量時(shí)間來(lái)構(gòu)建合適的智能模型。如果目標(biāo)、特征或數(shù)據(jù)發(fā)生變化，則系統(tǒng)的設(shè)計(jì)還需要重新進(jìn)行。在教育領(lǐng)域，由于缺少成熟應(yīng)用，以及領(lǐng)域人員與技術(shù)人員的割裂性，所以在成本與效率方面面臨著更嚴(yán)峻的問(wèn)題。

四、基于自動(dòng)化方法的教育人工智能應(yīng)用系統(tǒng)設(shè)計(jì)

在教育領(lǐng)域評(píng)判一項(xiàng)技術(shù)的價(jià)值，除了能夠有效提升學(xué)習(xí)效果和教育系統(tǒng)功能外，技術(shù)是否具有普適性也是重要的方面。人工智能的快速發(fā)展與人工智能實(shí)際應(yīng)用中面臨的矛盾，需要我們探索有效的方法解決設(shè)計(jì)與開(kāi)發(fā)過(guò)程中面臨的技術(shù)、人員、復(fù)雜性等問(wèn)題，在人工智能的設(shè)計(jì)過(guò)程中引入自動(dòng)化方法是一個(gè)有效的途徑。

如何以智能來(lái)設(shè)計(jì)智能，如何利用已有的機(jī)器學(xué)習(xí)知識(shí)和算法使人工智能能夠?qū)崿F(xiàn)部分處理過(guò)程的自動(dòng)化，從而自主搭建適合教育領(lǐng)域應(yīng)用場(chǎng)景的系統(tǒng)模型，是教育人工智能應(yīng)用系統(tǒng)值得探索的領(lǐng)域。

(一)基本思想

1.自動(dòng)化

自動(dòng)化的概念跟隨時(shí)代也在發(fā)展，從最初的機(jī)器代替人完成操作或復(fù)雜的任務(wù)等體力工作，到進(jìn)一步代替或輔助人的腦力勞動(dòng)，以自動(dòng)地完成特定的任務(wù)。在人工智能環(huán)境下，以智能訓(xùn)練智能，是自動(dòng)化思想的新發(fā)展。自動(dòng)化人工智能，如自動(dòng)化機(jī)器學(xué)習(xí)和自動(dòng)化深度學(xué)習(xí)，是將人工智能應(yīng)用中需要專(zhuān)家人工參與的特征提娶模型選擇、參數(shù)調(diào)節(jié)、優(yōu)化評(píng)價(jià)等重要步驟進(jìn)行自動(dòng)化實(shí)現(xiàn)，使得智能模型無(wú)需人工干預(yù)即可被構(gòu)建并具有超過(guò)人類(lèi)專(zhuān)家的優(yōu)勢(shì)。這是自動(dòng)化方法在軟件工程和人工智能領(lǐng)域的應(yīng)用和發(fā)展，是將人工智能算法應(yīng)用于問(wèn)題解決的自動(dòng)化過(guò)程，是探索人工智能的一種新的研究方法[11][12]。

2.人工智能即服務(wù)

“人工智能即服務(wù)”由谷歌公司最早提出，其目標(biāo)是將人工智能的解決方案和計(jì)算能力以云服務(wù)的形式提供，使云平臺(tái)承載人工智能的軟硬件資源。使用者無(wú)需購(gòu)買(mǎi)維護(hù)高成本硬件設(shè)備，無(wú)需學(xué)習(xí)復(fù)雜的算法和技術(shù)即可創(chuàng)建和使用智能應(yīng)用。人工智能即服務(wù)為自動(dòng)化人工智能的設(shè)計(jì)模式提供方向，自動(dòng)化人工智能是人工智能即服務(wù)的重要應(yīng)用形式。兩者的目標(biāo)都是為了更有效的降低人工智能的門(mén)檻，提高人工智能應(yīng)用的便利與效率。

(二)學(xué)習(xí)理論基礎(chǔ)

1.學(xué)習(xí)圈理論

讓機(jī)器產(chǎn)生智能進(jìn)行自動(dòng)化學(xué)習(xí)的過(guò)程與人類(lèi)思考學(xué)習(xí)的過(guò)程類(lèi)似。美國(guó)社會(huì)心理學(xué)家、教育家?guī)觳膶W(xué)習(xí)圈理論認(rèn)為，人類(lèi)的學(xué)習(xí)過(guò)程是由四個(gè)適應(yīng)性學(xué)習(xí)階段構(gòu)成的環(huán)形結(jié)構(gòu)，包括具體經(jīng)驗(yàn)，反思性觀察，抽象概念化和主動(dòng)實(shí)踐，即通過(guò)經(jīng)驗(yàn)反思得出理論，再用理論指導(dǎo)行動(dòng)，進(jìn)一步從行動(dòng)中歸納經(jīng)驗(yàn)[13]。人們?cè)趯W(xué)習(xí)的“經(jīng)驗(yàn)、反思、啟示和行動(dòng)”中達(dá)到學(xué)習(xí)的螺旋式循環(huán)進(jìn)步，獲取知識(shí)。自動(dòng)化人工智能方法借鑒了人類(lèi)學(xué)習(xí)的思想，從經(jīng)驗(yàn)的升華和理論化中去獲取知識(shí)，如圖4所示。其中“具體經(jīng)驗(yàn)”對(duì)應(yīng)獲得教育數(shù)據(jù)，自動(dòng)構(gòu)建教育特征；“反思觀察”是智能模型訓(xùn)練的過(guò)程，形成的“抽象概念”是模型的構(gòu)建，進(jìn)行“實(shí)驗(yàn)和實(shí)踐”則是模型應(yīng)用的過(guò)程。自動(dòng)化人工智能方法遵循了人類(lèi)學(xué)習(xí)的基本規(guī)律，將人的思考學(xué)習(xí)過(guò)程應(yīng)用于智能系統(tǒng)的流程設(shè)計(jì)。通過(guò)收集行為數(shù)據(jù)，得到反饋數(shù)據(jù)并自動(dòng)構(gòu)建特征，進(jìn)行模型的自動(dòng)化訓(xùn)練，然后將模型應(yīng)用，模型應(yīng)用后又可以收集數(shù)據(jù)，開(kāi)始新的學(xué)習(xí)。

2.元學(xué)習(xí)

元學(xué)習(xí)起源于認(rèn)知科學(xué)領(lǐng)域，比格斯(1985)將元學(xué)習(xí)定義為“意識(shí)到并控制自己的學(xué)習(xí)”[14]。在人類(lèi)的學(xué)習(xí)中，每次學(xué)習(xí)無(wú)論成功失敗，我們都收獲一定的經(jīng)驗(yàn)。人類(lèi)之所以能夠快速學(xué)習(xí)的關(guān)鍵是人類(lèi)具備學(xué)會(huì)學(xué)習(xí)的能力，能夠充分的利用以往的知識(shí)經(jīng)驗(yàn)來(lái)指導(dǎo)新任務(wù)的學(xué)習(xí)。在構(gòu)建自動(dòng)化智能系統(tǒng)時(shí)，也應(yīng)該考慮充分利用已有的每一次的學(xué)習(xí)經(jīng)驗(yàn)，逐步改進(jìn)，提升系統(tǒng)的有效性。在人工智能領(lǐng)域借鑒元學(xué)習(xí)的思想，使機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法“學(xué)會(huì)如何學(xué)習(xí)”，目標(biāo)是設(shè)計(jì)出靈活的機(jī)器學(xué)習(xí)模型，它可以基于過(guò)去的經(jīng)驗(yàn)與知識(shí)，通過(guò)少量的訓(xùn)練樣本快速學(xué)會(huì)新概念和技能。元學(xué)習(xí)使機(jī)器具有學(xué)會(huì)學(xué)習(xí)的能力，從而在面對(duì)新的任務(wù)時(shí)，可以利用已有的知識(shí)來(lái)加速人工智能的學(xué)習(xí)速度。

(三)基于自動(dòng)化方法的設(shè)計(jì)模型

1.模型結(jié)構(gòu)

基于學(xué)習(xí)理論和自動(dòng)化思想支持，我們?cè)O(shè)計(jì)新的教育人工智能應(yīng)用系統(tǒng)模型如圖5所示。在模型中，在教育業(yè)務(wù)領(lǐng)域只需要給出明確的教育需求，將教育數(shù)據(jù)提交到基于云端的自動(dòng)化處理模塊，即可完成數(shù)據(jù)清理、特征構(gòu)建、模型構(gòu)建、評(píng)估與優(yōu)化的過(guò)程。這個(gè)過(guò)程對(duì)用戶(hù)是透明的，由系統(tǒng)自動(dòng)完成，并將得出的最優(yōu)化模型應(yīng)用提供給用戶(hù)。

使用自動(dòng)化模型方法，在教育領(lǐng)域，只需關(guān)注教育需求，給出教育數(shù)據(jù)，中間的過(guò)程由自動(dòng)化過(guò)程處理。其中，自動(dòng)化特征工程改進(jìn)了傳統(tǒng)手工特征工程的標(biāo)準(zhǔn)流程，從數(shù)據(jù)中自動(dòng)構(gòu)建新的候選特征，并選擇的特征進(jìn)行模型的訓(xùn)練，使得模型可以有最優(yōu)的表現(xiàn)。這不僅減少了特征工程所花費(fèi)的時(shí)間，還可以根據(jù)數(shù)據(jù)特征進(jìn)行自動(dòng)組合，有效解決了人為組合特征不全面問(wèn)題，創(chuàng)建了可解釋的特征，并且比手動(dòng)特征工程更高效，可重復(fù)性更高。自動(dòng)化模型構(gòu)建可以基于數(shù)據(jù)集與自動(dòng)化特征工程構(gòu)建的特征，選擇適用于該數(shù)據(jù)集的模型，對(duì)多個(gè)模型進(jìn)行自動(dòng)訓(xùn)練和調(diào)整，并對(duì)訓(xùn)練后的模型進(jìn)行評(píng)估，輸出效果的模型，從而實(shí)現(xiàn)人工智能工作的流程自動(dòng)化。

自動(dòng)化人工智能處理的整個(gè)過(guò)程，從導(dǎo)入數(shù)據(jù)到模型訓(xùn)練，可以通過(guò)拖放式交互界面完成。這種易用性、便捷性有效擴(kuò)展了教育人工智能的應(yīng)用場(chǎng)景和范圍，使普通教育者也可以用人工智能技術(shù)解決現(xiàn)實(shí)中的教育問(wèn)題，為缺少專(zhuān)業(yè)技術(shù)知識(shí)的人員快速的構(gòu)建人工智能應(yīng)用提供了有效途徑。同時(shí)也有效縮短了智能應(yīng)用的開(kāi)發(fā)周期，推動(dòng)教育人工智能應(yīng)用的快速開(kāi)發(fā)與迭代。

2.自動(dòng)化人工智能平臺(tái)

自動(dòng)化人工智能平臺(tái)是自動(dòng)化系統(tǒng)的核心部分，目前正處于建設(shè)和發(fā)展階段。在教育人工智能的研發(fā)過(guò)程中，選擇適當(dāng)?shù)淖詣?dòng)化平臺(tái)進(jìn)行系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)是有效提升教育產(chǎn)品研發(fā)效率和擴(kuò)展教育產(chǎn)品功能模塊的方式。當(dāng)前自動(dòng)化平臺(tái)主要有兩類(lèi)，一類(lèi)是主要科技公司提供的自動(dòng)化平臺(tái)支持，另一類(lèi)為開(kāi)源自動(dòng)化平臺(tái)。這些平臺(tái)具有不同的特點(diǎn)，如表1所示。

在教育領(lǐng)域中自動(dòng)化平臺(tái)選用的標(biāo)準(zhǔn)應(yīng)首先要遵循人工智能開(kāi)發(fā)的普適原則，包括公平、可靠、安全、隱私、透明、責(zé)任等，在此基礎(chǔ)上從教育系統(tǒng)的特點(diǎn)出發(fā)，考慮以下應(yīng)用原則。

(1)服務(wù)于教育目標(biāo)的整體性規(guī)劃。教育人工智能系統(tǒng)的設(shè)計(jì)是一項(xiàng)系統(tǒng)工程，在進(jìn)行自動(dòng)化平臺(tái)應(yīng)用時(shí)，應(yīng)從教育人工智能系統(tǒng)的整體設(shè)計(jì)角度出發(fā)。自動(dòng)化平臺(tái)是整個(gè)系統(tǒng)的一個(gè)組成部分，要在教育系統(tǒng)功能的問(wèn)題分析與目標(biāo)分析上，從教學(xué)角度、功能角度、技術(shù)角度、環(huán)境角度等方面進(jìn)行綜合考量，服務(wù)于教育目標(biāo)，服務(wù)于教育應(yīng)用的整體環(huán)境。

(2)服務(wù)于功能性的多維度分析。在自動(dòng)化方法應(yīng)用上，需要進(jìn)行充分的調(diào)研分析，明確系統(tǒng)的功能模塊。可優(yōu)先選用現(xiàn)有成熟的技術(shù)模塊進(jìn)行教育功能的實(shí)現(xiàn)，并兼顧技術(shù)的成熟性和前瞻性。在擴(kuò)展性上，可選用開(kāi)源技術(shù)以保證后期的持續(xù)性。在界面支持上，可選用適當(dāng)?shù)目梢暬С峙c交互支持。在標(biāo)準(zhǔn)化方面，盡量兼顧到教育系統(tǒng)標(biāo)準(zhǔn)、學(xué)習(xí)標(biāo)準(zhǔn)、平臺(tái)標(biāo)準(zhǔn)等標(biāo)準(zhǔn)規(guī)范。

五、案例應(yīng)用研究

(一)研究背景分析

慕課的應(yīng)用產(chǎn)生了海量數(shù)據(jù)，為學(xué)習(xí)分析與人工智能研究提供了大數(shù)據(jù)基矗在慕課系統(tǒng)中，論壇數(shù)據(jù)中包含了大量的學(xué)習(xí)者學(xué)習(xí)過(guò)程、學(xué)習(xí)評(píng)價(jià)和學(xué)習(xí)體驗(yàn)數(shù)據(jù)，是一種典型的文本類(lèi)教育大數(shù)據(jù)。對(duì)論壇數(shù)據(jù)進(jìn)行分析將為慕課教學(xué)和管理提供有效的支持。吳林靜等提出了慕課評(píng)論的語(yǔ)義分析模型，將慕課評(píng)論分為內(nèi)容相關(guān)類(lèi)、情感相關(guān)類(lèi)和其他類(lèi)[15]。Liu等提出了一個(gè)非監(jiān)督模型，通過(guò)對(duì)論壇文本數(shù)據(jù)的挖掘，分析了學(xué)習(xí)者關(guān)注的論壇主題及學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的情感狀態(tài)[16]。Lan等使用概率模型對(duì)慕課論壇中的主題進(jìn)行了建模研究[17]。這些研究對(duì)于論壇數(shù)據(jù)的處理是通過(guò)機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法實(shí)現(xiàn)與分析，需要具有一定的技術(shù)基礎(chǔ)，由慕課教師和技術(shù)人員的合作完成。

本文作者擔(dān)任了FutureLearn慕課平臺(tái)的課程主講教師和助教。在課程過(guò)程中，教師與助教與全球來(lái)自多個(gè)國(guó)家的慕課學(xué)習(xí)者進(jìn)行了豐富的論壇互動(dòng)，積累了大量的論壇文本數(shù)據(jù)。來(lái)自教師的實(shí)際需求是獲得論壇文本內(nèi)容所要表達(dá)的主題類(lèi)別，以更好地對(duì)論壇文本進(jìn)行內(nèi)容理解和及時(shí)響應(yīng)。本文在此背景下，我們探索使用自動(dòng)化人工智能方法構(gòu)建論壇文本的自動(dòng)分類(lèi)模型，進(jìn)行慕課領(lǐng)域的實(shí)踐應(yīng)用。

(二)研究過(guò)程

文本分類(lèi)是人工智能領(lǐng)域中自然語(yǔ)言處理的典型任務(wù)，目標(biāo)是通過(guò)算法將文本映射到預(yù)先給定的某一類(lèi)別或某幾類(lèi)別主題。本研究過(guò)程分為文本數(shù)據(jù)標(biāo)注、自動(dòng)化模型構(gòu)建和應(yīng)用部署等主要步驟。其中文本分類(lèi)通過(guò)自動(dòng)化深度學(xué)習(xí)方法實(shí)現(xiàn)，只需提交標(biāo)注的論壇文本，即可通過(guò)自動(dòng)化處理得到分類(lèi)模型進(jìn)行應(yīng)用。

首先，文本數(shù)據(jù)標(biāo)注由教師和和助教完成。由于教師和助教參與了討論區(qū)互動(dòng)的全部過(guò)程，對(duì)論壇內(nèi)容文本標(biāo)注具有高準(zhǔn)確性。教師和助教兩人獨(dú)立進(jìn)行了類(lèi)別標(biāo)注，并進(jìn)行了最后統(tǒng)一。論壇文本分為了四個(gè)標(biāo)注分類(lèi)：課程問(wèn)題、內(nèi)容目標(biāo)、學(xué)習(xí)評(píng)價(jià)和個(gè)人感觸。

在分類(lèi)模型構(gòu)建上，研究選取了EasyDL平臺(tái)進(jìn)行模型的自動(dòng)化處理。在平臺(tái)的選用過(guò)程中，我們重點(diǎn)考慮了功能性、可視化、交互性的需求。EasyDL是一個(gè)專(zhuān)門(mén)針對(duì)深度學(xué)習(xí)模型訓(xùn)練與發(fā)布的平臺(tái)，具有可視化界面、訓(xùn)練時(shí)間高效等優(yōu)勢(shì)。本次課程論壇數(shù)據(jù)共約5000條，將其中80%作為模型設(shè)計(jì)中的訓(xùn)練集，10%作為模型設(shè)計(jì)中的驗(yàn)證集，10%作為模型評(píng)估數(shù)據(jù)集。將訓(xùn)練數(shù)據(jù)提供給EasyDL進(jìn)行了模型訓(xùn)練，通過(guò)測(cè)試集對(duì)于模型的驗(yàn)證取得了較好的效果。主要評(píng)價(jià)指標(biāo)表現(xiàn)為：分類(lèi)精度(Precision)78.6%，分類(lèi)準(zhǔn)確率(Accuracy)80.1%，分類(lèi)召回率(Recall)77.4%和分類(lèi)F值(F1-Score)76.2%。在對(duì)模型進(jìn)行驗(yàn)證后，使用平臺(tái)提供的API進(jìn)行部署和應(yīng)用。

(三)總結(jié)分析

本研究進(jìn)行了一個(gè)基于自動(dòng)化方法的教育應(yīng)用探索，使教育應(yīng)用更多的聚焦于教育需求，教師在智能應(yīng)用中發(fā)揮著重要的作用。在本項(xiàng)任務(wù)的解決中，教師的主要工作為任務(wù)需求分析，數(shù)據(jù)分類(lèi)標(biāo)注。而系統(tǒng)中的特征構(gòu)建、文本分類(lèi)模型等借助自動(dòng)化平臺(tái)完成，這些對(duì)教師是透明的。自動(dòng)化技術(shù)方案的使用，提高了系統(tǒng)開(kāi)發(fā)的效率。流程的簡(jiǎn)化和圖形化的界面，降低了建立分類(lèi)預(yù)測(cè)模型所需的技術(shù)門(mén)檻，專(zhuān)業(yè)化平臺(tái)的模型構(gòu)建效果通常也優(yōu)于自建模型，在自動(dòng)化，可解釋性，互動(dòng)性，可導(dǎo)出等方面具有明顯的優(yōu)勢(shì)。教師在了解基本步驟后，即可自行完成案例分析的實(shí)現(xiàn)，并可在后續(xù)的相關(guān)任務(wù)中應(yīng)用。

我們本次對(duì)慕課評(píng)論的分類(lèi)研究在進(jìn)行分類(lèi)標(biāo)注時(shí)，僅從內(nèi)容層面進(jìn)行了標(biāo)注，還沒(méi)有從情感分類(lèi)的角度進(jìn)行細(xì)化。慕課論壇的發(fā)帖中蘊(yùn)含著學(xué)習(xí)者對(duì)課程的看法、態(tài)度或觀點(diǎn)，是學(xué)習(xí)者個(gè)人情感的表達(dá)和體現(xiàn)。下一步的研究將深入到情感分類(lèi)的研究。

我們?cè)谄脚_(tái)選型上選擇了可視化、交互功能較好的科技公司平臺(tái)，在后期的研究和實(shí)踐中，可以更多的從開(kāi)源框架的角度展開(kāi)，從而更好地促進(jìn)教育應(yīng)用的可擴(kuò)展性。另外平臺(tái)提供的部署方式是Restful API接口，在未來(lái)的應(yīng)用中，如果教育系統(tǒng)需要更多的部署方式，則需要在平臺(tái)選型時(shí)進(jìn)行綜合的考慮。

六、總結(jié)與建議

(一)價(jià)值分析

當(dāng)前人工智能技術(shù)在推廣到教育領(lǐng)域的普適應(yīng)用時(shí)還面臨著技術(shù)、人員等多方面的困難，自動(dòng)化方法以低門(mén)檻的交互界面降低了技術(shù)應(yīng)用門(mén)檻，以特征與模型的自動(dòng)構(gòu)建提升了系統(tǒng)設(shè)計(jì)效率和性能，對(duì)教育領(lǐng)域具有積極的價(jià)值。

1.教育人工智能落地應(yīng)用的有效方法。通過(guò)自動(dòng)化方法，可以降低人工智能產(chǎn)品的技術(shù)應(yīng)用門(mén)檻。我們可以更集中關(guān)注教育的需求，而數(shù)據(jù)預(yù)處理、特征工程、模型選擇、參數(shù)調(diào)節(jié)等交由自動(dòng)化實(shí)現(xiàn)。借助自動(dòng)化服務(wù)提供的交互式可視化界面，自動(dòng)化地為新的教育應(yīng)用場(chǎng)景開(kāi)發(fā)機(jī)器學(xué)習(xí)模型，便利的設(shè)計(jì)開(kāi)發(fā)教育人工智能應(yīng)用。我們可以更多地關(guān)注問(wèn)題而不是模型，使用人工智能解決現(xiàn)實(shí)世界中更多的教育問(wèn)題。

2.加快教育人工智能系統(tǒng)的開(kāi)發(fā)與更新效率。自動(dòng)化方法通過(guò)自動(dòng)實(shí)現(xiàn)特征工程、模型構(gòu)建等任務(wù)，在提高性能的同時(shí)有效的提高了效率。普通的人工智能項(xiàng)目在進(jìn)行特征構(gòu)建、模型構(gòu)建過(guò)程中，常需要專(zhuān)家耗費(fèi)較多的時(shí)間，采用自動(dòng)化方法，時(shí)間和效率可以得到量級(jí)上的提高。自動(dòng)化方法還可以實(shí)現(xiàn)算法的自我更新和自我適應(yīng)，從而達(dá)到人工智能產(chǎn)品真正的智能化和個(gè)性化。

3.促進(jìn)智能教育生態(tài)系統(tǒng)構(gòu)建。人工智能正在與教育深度融合，有望引領(lǐng)教育的系統(tǒng)性變革。構(gòu)建我國(guó)面向智能時(shí)代的教育生態(tài)體系與新一代人工智能開(kāi)放創(chuàng)新平臺(tái)勢(shì)在必行。自動(dòng)化方法實(shí)現(xiàn)了教育流程化，有助于促進(jìn)人工智能技術(shù)在教學(xué)、評(píng)價(jià)、管理等環(huán)節(jié)實(shí)現(xiàn)全方位、立體化的智能應(yīng)用。通過(guò)平臺(tái)助力，低成本、快速、可靠地衍生出適合更多適合教育的場(chǎng)景化應(yīng)用，服務(wù)于教育生態(tài)系統(tǒng)的整體環(huán)境，構(gòu)建“共生、互生、創(chuàng)生”的智慧教育多元化新生態(tài)。

(二)發(fā)展建議

1.關(guān)注自動(dòng)化人工智能方法，熟悉主要平臺(tái)和框架。自動(dòng)化人工智能方法是人工智能邁向工業(yè)化大生產(chǎn)之間的重要環(huán)節(jié)。任何事物在當(dāng)前時(shí)代的成功與普及，必然需要大規(guī)模生產(chǎn)的過(guò)程，即標(biāo)準(zhǔn)化、模塊化、自動(dòng)化。自動(dòng)化方法已經(jīng)成為人工智能研究與應(yīng)用的重要思路，但當(dāng)前教育領(lǐng)域的關(guān)注和應(yīng)用還不足，教育界與產(chǎn)業(yè)界的壁壘還始終存在。結(jié)合自動(dòng)化人工智能平臺(tái)、軟件包和自動(dòng)化工具來(lái)實(shí)現(xiàn)教育人工智能的具體應(yīng)用是推動(dòng)教育人工智能發(fā)展的有效途徑。對(duì)于教育領(lǐng)域研究者和實(shí)踐者，關(guān)注、學(xué)習(xí)這種方法，掌握主要自動(dòng)化人工智能平臺(tái)與框架，有助于促進(jìn)和推動(dòng)教育人工智能真正從理論到應(yīng)用。

2.提出自動(dòng)化人工智能應(yīng)用的有效指導(dǎo)方法與路徑。當(dāng)前教育人工智能還存在偏理論討論，少實(shí)踐應(yīng)用的現(xiàn)象。自動(dòng)化方法為推動(dòng)教育人工智能的應(yīng)用提供了方向。結(jié)合教育場(chǎng)景、教育需求，進(jìn)行智能教育應(yīng)用的實(shí)踐應(yīng)成為下一步研究的重點(diǎn)。成本、準(zhǔn)確度、易用性、效率等都影響著人工智能能否落地融入教育場(chǎng)景中。我們?cè)诖舜螌?shí)踐中發(fā)現(xiàn)，在自動(dòng)化人工智能教育應(yīng)用的過(guò)程中，如應(yīng)用的設(shè)計(jì)、平臺(tái)的選擇等環(huán)節(jié)，還缺少教育場(chǎng)景下有價(jià)值的參考資源。如我們?cè)谄脚_(tái)的選型上，就付出了較多的時(shí)間和對(duì)比。因此，在教育領(lǐng)域中給出一個(gè)自動(dòng)化人工智能方法應(yīng)用的指導(dǎo)性手冊(cè)、應(yīng)用方法或路徑，我們認(rèn)為是必要且有價(jià)值的。通過(guò)制定科學(xué)、有效、務(wù)實(shí)的應(yīng)用路徑，促進(jìn)創(chuàng)新的智能技術(shù)的教育應(yīng)用。

參考文獻(xiàn)：

[1] 楊現(xiàn)民,張昊等.教育人工智能的發(fā)展難題與突破路徑[J].現(xiàn)代遠(yuǎn)程教育研究,2018,(3):30-38.

[2] 徐曄.從“人工智能教育”走向“教育人工智能”的路徑探究[J].中國(guó)電化教育,2018,(12):81-87.

[3] NMC and EDUCAUSE.2017 Horizon Report [EB/OL]https://library.educause.edu/resources/2017/2/2017-horizon-report,2019-11-05.

[4] EDUCAUSE.2018 Horizon Report [EB/OL].https://library.educause.edu/resources/2018/8/2018-nmc-horizon-report,2019-11-05.

[5] EDUCAUSE.2019 Horizon Report [EB/OL].https://library.educause.edu/resources/2019/4/2019-horizon-report,2019-11-05.

[6] Lee K M,Yoo J,Kim S-W,et al.Autonomic machine learning platform [J].International Journal of Information Management,2019,49:491-501.

[7] 宋靈青,許林.人工智能教育應(yīng)用的邏輯起點(diǎn)與邊界以知識(shí)學(xué)習(xí)為例[J].中國(guó)電化教育,2019,(6):14-20.

[8] Brynjolfsson E,Mitchell T.What can machine learning do? Workforce implications [J].Science,2017,358(6370):1530-1534.

[9] Gardner J,Brooks C.Student success prediction in MOOCs [J].User Modeling and User-Adapted Interaction,2018,28(2):127-203.

[10] 鄭勤華,熊潞穎等.任重道遠(yuǎn):人工智能教育應(yīng)用的困境與突破[J].開(kāi)放教育研究,2019,25(4):10-17.

[11] Hutter F,Kotthoff L,et al.Automated Machine Learning:Methods,Systems,Challenges [M].Switzerland:Springer,2019.

[12] 王健宗,瞿曉陽(yáng).深入理解AutoML和AutoDL:構(gòu)建自動(dòng)化機(jī)器學(xué)習(xí)與深度學(xué)習(xí)平臺(tái)[M].北京:機(jī)械工業(yè)出版社,2019.

[13] 庫(kù)伯.王燦明,朱水萍譯.體驗(yàn)學(xué)習(xí)讓體驗(yàn)成為學(xué)習(xí)與發(fā)展的源泉[M].上海:華東師范大學(xué)出版社,2008.

[14] BIGGS J B.The role of meta learning in the study process [J].British Journal of Educational Psychology,1985,55(3):185-212.

[15] 吳林靜,劉清堂等.大數(shù)據(jù)視角下的慕課評(píng)論語(yǔ)義分析模型及應(yīng)用研究[J].電化教育研究,2017,38(11):43-48.

[16] Liu Z,Yang C,et al.Temporal emotion-aspect modeling for discovering what students are concerned about in online course forums [J].Interactive Learning Environments,2019,27(5):598-627.

[17] Lan A S,Spencer J C,et al.Personalized Thread Recommendation for MOOC Discussion Forums [A].Joint European Conference on Machine Learning and Knowledge Discovery in Databases [C].Cham:Springer,2018.725-740.

作者簡(jiǎn)介：

本文題目：基于自動(dòng)化方法的教育人工智能系統(tǒng)設(shè)計(jì)與應(yīng)用
分享鏈接：http://chinadenli.net/article26/cgegjg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供手機(jī)網(wǎng)站建設(shè)、網(wǎng)頁(yè)設(shè)計(jì)公司、建站公司、定制網(wǎng)站、App開(kāi)發(fā)、網(wǎng)站策劃

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)