人工智能教育应用的新发展_1

1、    人工智能教育应用的新发展    五 机遇和挑战1 机遇：ai应用门槛大幅降低，有利于领域研究者快速开始研究ai新突破和ai民主化28为快速推进ai在教育领域的深度融合应用提供了机会。近年来，深度学习在诸如计算机视觉、语音识别和自然语言处理等领域都取得了突破性进展，以深度学习为代表的ai技术快速进入大众视野。在这样的快速发展过程中，人们开始思考如何降低人工智能应用的门槛，并付诸于行动，这一行动被称为ai民主化。目前，微软认知服务、亚马逊的机器学习服务、google人工智能服务、openai以及github上出现了越来越多的开源深度学习包，为软件工程

2、师和研究人员提供了便捷，解决了传统人工智应用开发门槛高的问题。2 挑战：隐私保护缺乏科学化教育大数据的隐私保护缺乏科学化手段，导致围绕数据的研究不能快速健康发展。我们通常靠行政流程来确保数据保密性，但行政审批手段是从管理的角度来确保数据保密，而不能从科学的角度来确保数据保密。在利用科学的方法进行隐私保密方面，国外已经有了比较成熟的技术和策略。如harvardx-mitx person-course de-identified dataset29应用k-anonymity30方法作为一种数据隐私保护技术，其目的是在保护用户信息隐私的同时最大限度地提供有利于研究的信息。目前，我国教育领域还缺少这方

3、面的应用经验，这将在很大程度上影响教育大数据的开发、开放和研究。3 挑战：机器学习训练集缺乏大量的标记数据虽然目前深度学习领域在不断尝试半监督甚至无监督等方法，来降低对大量标记训练数据的依赖，但使用标记数据作为训练集进行深度学习训练依然是主要的方法。比如图像识别领域的训练，有很多是基于数据集imagenet31来进行的。业界也认识到，领域对学习具有重要的作用，因此在教育领域开发相当数量的标记数据集，将成为未来人工智能教育应用研究的一项重要工作。六 结束语“人工智能+教育”将是教育信息化发展的高级阶段。未来人工智能赋能的教育，将推动精细管理、精准测评、个性教学、因材施教走上新高度，在此过程中，关

4、注和研究“人工智能+教育”的领域问题（包括应用领域、问题领域和技术领域的问题），以迎接由此而来的一系列挑战等，是不可缺少的。本研究分析了人工智能的发展概况，探究了教育人工智能的典型应用领域，提炼了人工智能教育应用的核心服务，指出教育人工智能面临的重大机遇是ai民主化，但关键的挑战在于数据的隐私与开放以及可供训练的语料数据集。参考文献：1luckin r, holmes w, griffiths m, et al. intelligence unleashed: an argument for ai in educationr. london: person, 2016: 18-19、51.2u

5、. s. national science and technology council. the national artificial intelligence research and development strategic planr. washinton, us: national science and technology council, 2016: 10.3house of commons. robotics and artificial intelligencer. london: parliament 2016: 12-16.4stone p, brooks r, b

6、rynjolfsson e, et al. artificial intelligence and life in 2030r. stanford, ca: stanford university, 2016: 3.5gelernter h. realization of a geometry theorem proving machinea. proceedings of the computers & thoughtc. cambridge, ma, usa: mit press, 1959: 137-152.6slagle j r. a heuristic program tha

7、t solves symbolic integration problems in freshman calculusj. journal of the acm, 1963, （4）: 507-520.7evans t g. a heuristic program to solve geometric-analogy problemsa. koller h r. proceedings of the spring joint computer conferencec. london: cleaver-hume press, 1964: 327-338.8（美）斯图尔特·罗素著，（美）

8、彼得.诺维格著.殷建平译.人工智能：一种现代方法（第3版）m.北京：清华大学出版社，2013：6-16.9halevy a, norvig p, pereira f. the unreasonable effectiveness of dataj. intelligent systems ieee, 2009, （2）: 8-12.10hays j, efros a a. scene completion using millions of photographsj. communications of the acm, 2008, （10）: 87-94.11hinton g e, osin

9、dero s, teh y w. a fast learning algorithm for deep belief netsj. neural computation, 2006, （7）: 1527.12lecun y, bengio y, hinton g. deep learningj. nature, 2015, 521: 436-444.13kloft m, stiehler f, zheng z, et al. predicting mooc dropout over weeks using machine learning methodsa. proceedings of th

10、e empirical methods in natural language processing （emnlp）c. doha, qatar: association for computational linguistics, 2014: 60-65.14chaudhri v k, gunning d, lane h c, et al. intelligent learning technologies part 2: applications of artificial intelligence to contemporary and emerging educational chal

11、lengesj. ai magazine, 2013, （4）: 10-12.15bloom b s. the 2 sigma problem: the search for methods of group instruction as effective as one-to-one tutoringj. educational researcher, 1984, （6）: 4-16.16vanlehn k. the relative effectiveness of human tutoring, intelligent tutoring systems, and other tutori

12、ng systemsj. educational psychologist, 2011, （4）: 197-221.17janning r, schatten c, schmidt-thieme l. improving automatic affect recognition on low-level speech features in intelligent tutoring systemsa. proceedings of the design for teaching and learning in a networked worldc. switzerland: springer,

13、 2015: 169-182.18knight s, buckingham s s, ryan p, et al. designing academic writing analytics for civil law student self-assessmentj. international journal of artificial intelligence in education, 2016, 28（1）: 1-28.19liu m, rus v, liu l. automatic chinese multiple choice question generation using m

14、ixed similarity strategyj. ieee transactions on learning technologies, 2017, （99）: 1-11.20吴永和，刘博文，马晓玲.构筑“人工智能+教育”的生态系统j.远程教育杂志，2017，（5）：27-39.21余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索j.远程教育杂志，2017，（3）：11-21.22carranza-rojas j, goeau h, bonnet p, et al. going deeper in the automated identification of herbar

15、ium specimensj. bmc evolutionary biology, 2017, （1）: 181.23self j. the defining characteristics of intelligent tutoring systems research: itss care, preciselyj. international journal of artificial intelligence in education, 1998, 10: 350-364.24winebarger j, stüker s, waibel a. adapting automati

16、c speech recognition for foreign language learners in a serious gamea. proceedings of the 3rd workshop on games and nlpc. palo alto, california, usa: aaai press, 2014: 39-4025witt s m, young s j. phone-level pronunciation scoring and assessment for interactive language learningj. speech communicatio

17、n, 2000, （2）: 95-10826liu o l, rios j a, heilman m, et al. validation of automated scoring of science assessmentsj. journal of research in science teaching, 2016, （2）: 215-233.27科大讯飞.国家普通话智能测试系统ol.<28microsoft. democratizing ai: for every person and every organizationol. <29mitx, harvardx. harvardx-mitx person-course academic year 2013 de-identified dataset, version 2.0ol. <30sweeney l. k-anonymity: a model for protecting privacyj. international journal of uncertainty, fuzziness and knowledge-based systems, 2002, （5）: 557-570.31deng j, dong w, socher r, et al.