乂學教育-松鼠AI亮相人機交互國際會議（HCII）

第21屆人機交互國際會議(HCI International 2019)在7月26日至31日在美國佛羅里達州奧蘭多舉行。值得關(guān)注的是,此次HCII舉辦了第一屆自適應教學系統(tǒng)國際會議(AIS)。

作為HCII的附屬會議,AIS會議的目標是理解自適應教學系統(tǒng)的理論,分享最新技術(shù)、工具和方法。本次會議的重點是教學定制,強調(diào)了準確建模學習者以加速學習的重要性,以及提高基于自適應教學系統(tǒng)的有效性,準確反映他們在各種教學領(lǐng)域的長期能力。

AIS會議邀請了業(yè)內(nèi)最頂尖的專家,分享他們關(guān)于自適應教學系統(tǒng)技術(shù)的愿景和發(fā)現(xiàn)(例如智能輔導系統(tǒng)、智能導師和學習的個人助理),并提出標準,以提高自適應教學系統(tǒng)技術(shù)與其他教學技術(shù)的可移植性、可擴展性和互操作性。來自中國人工智能教育獨角獸松鼠AI的專家也受邀發(fā)表演講。

Robert SottilareRobby Robson(右三)

Robert Sottilare:探索促進自適應教學系統(tǒng)互操作性的方法

Robert Sottilare是Soar Technologies公司智能訓練的科學主管,這是一家從事軍事或民用軟件解決方案設(shè)計和開發(fā)的供應商。Sottilare的演講主題是“探索促進自適應教學系統(tǒng)互操作性的方法。”

什么是自適應教學系統(tǒng)?自適應教學系統(tǒng)是一套人工智能的計算機系統(tǒng),根據(jù)每個學習者或團隊的目標、需求和偏好,在其學習領(lǐng)域內(nèi)指導學習體驗、定制教學、給出建議。

什么又是互操作性?據(jù)已故的美國著名計算機科學家Peter Wegner的解釋,互操作性是一種盡管語言、界面和執(zhí)行平臺存在差異,但兩個或多個軟件組件能夠合作的能力,是一種可擴展的可重用性形式。

Sottilare介紹稱,研究自適應教學系統(tǒng)的互操作性的目的,是能夠讓系統(tǒng)在組件和其他系統(tǒng)之間共享信息,并且能夠優(yōu)化學習、績效、保留和泛化對學生的訓練。

自適應教學系統(tǒng)通常有四個常見組件,包括:

領(lǐng)域模型,提供目標、內(nèi)容、與學習者的互動和反饋、以及常見錯誤,是最難的標準化的組件;學習者或團隊模型,提供目標、偏好、興趣、與學習目標相比的學習差距、以及狀態(tài)(例如,認知,身體,學習和表現(xiàn)),代表學習者或團隊的各個方面;教學模型,提供相關(guān)背景下的教學最佳實踐和干預措施,以及設(shè)計專業(yè)領(lǐng)域的策略和建議;界面模型,提供與學習者的多模態(tài)互動,建立傳感器和系統(tǒng)交互的標準接口規(guī)范。

在此基礎(chǔ)上,Sottilare提出了以下建議:

檢查現(xiàn)有的標準和教學系統(tǒng),以識別由四個共同組件共享的信息,包括:美國陸軍開發(fā)的廣義智能輔導框架(GIFT);孟菲斯大學的AutoTutor;卡內(nèi)基梅隆大學的Cognitive Tutor;美國DARPA設(shè)計的Digital Tutor;新西蘭坎特伯雷的教育智能資源創(chuàng)作軟件平臺(ASPIRE);開發(fā)致力于自適應教學系統(tǒng)的概念模型(包含四個常見組件);考慮并啟用所有級別的互操作性;考慮互操作性標準中的學習者。

IEEE自適應教學系統(tǒng)互操作性標準2247.2

Richard Tong是松鼠AI首席架構(gòu)師,曾擔任過Knewton的大中華區(qū)負責人和Amplify Education的解決方案架構(gòu)總監(jiān),除此之外,他還是IEEE AIS(自適應教學系統(tǒng))標準工作組成員以及互操作性小組的主席(IEEE 2247.2)。他此次帶來的演講正是有關(guān)2247.2的進展。

前文提到過,自適應教學系統(tǒng)是基于計算機的人工智能系統(tǒng),通過在領(lǐng)域?qū)W習目標的背景下根據(jù)每個學習者或團隊的目標、需求和偏好定制教學和建議。IEEE AIS工作組主要支持自適應教學系統(tǒng)的概念模型、互操作性標準、用于評估的實踐。

IEEE 2247.2是IEEE AIS下面的互操作性標準組,主要工作分為垂直整合(Outerloop - > Innerloop;LMS - >引擎 - >模型 - >數(shù)據(jù);自我完善;流程集成標準化)以及水平整合

(數(shù)據(jù);本體和內(nèi)容;模型整合)。

目前工作組優(yōu)先級比較高的工作有Outerloop-Innerloop整合。工作組希望通過整合,系統(tǒng)能實現(xiàn)從“域獨立自適應框架”到“域任務和活動”的互操作,并且能重復使用專業(yè)化的內(nèi)容。

本體層交換同樣重要。工作組希望通過整合,制定合理學習目標;獲得領(lǐng)域知識的更大背景;元數(shù)據(jù)在自適應教學系統(tǒng)中扮演者關(guān)鍵作用;搜索、測量和推薦背后的原因取決于領(lǐng)域本體。

孟菲斯大學AutoTutor — 會話智能輔導系統(tǒng)

Zhiqiang Cai是孟菲斯大學智能系統(tǒng)研究所的研究助理教授,他的研究興趣包括用于輔導系統(tǒng)和自然語言處理的算法設(shè)計和軟件開發(fā)。他的演講主題是“編寫會話智能輔導系統(tǒng) — AutoTutor”

AutoTutor是由孟菲斯大學智能系統(tǒng)研究所開發(fā)的智能輔導系統(tǒng),通過自然語言的輔導對話幫助學生學習物理、計算機知識和批判性思維主題。AutoTutor與其他流行的智能輔導系統(tǒng)(如Cognitive Tutor)不同,它側(cè)重于自然語言對話。

系統(tǒng)將人類語音或文本作為輸入。為了處理這種輸入,AutoTutor使用計算語言學算法,包括潛在語義分析、正則表達式匹配和語音行為分類器。這些互補技術(shù)分別關(guān)注輸入的一般含義、精確措辭或關(guān)鍵詞、以及表達的功能目的。除了自然語言輸入之外,AutoTutor還可以接受臨時事件,例如鼠標點擊、從情感傳感器推斷的學習者情緒、以及來自學生模型的先前知識的估計。基于這些輸入,AutoTutor確定何時回復以及用什么語言回復。

AutoTutor會提出一系列具有挑戰(zhàn)性的開放性問題,需要學生在答案中進行口頭解釋和推理。AutoTutor會通過帶有語音引擎、一些面部表情、和基本手勢的動畫對話智能體講述其內(nèi)容。某些主題還有圖文、動畫或交互式模擬環(huán)境。AutoTutor通過分析對話歷史的內(nèi)容來跟蹤學習者的認知狀態(tài)。最新版本的AutoTutor系統(tǒng)還能適應學習者的情緒狀態(tài)。

AutoTutor在大學生的十幾個實驗中展示了學習成果,特別是在深層推理問題上,主題是計算機知識入門和概念物理學。AutoTutor的測試產(chǎn)生的效果大小平均值為0.8(范圍為0.4到1.5),具體取決于學習量。0.8什么水平呢?1.0將大致相當于一個整整提升一個字母的水平(比如從C到B)。

當然,創(chuàng)作AutoTutor內(nèi)容的時間和成本明顯高于非交互式教育材料,這是智能輔導系統(tǒng)的常見問題。加速智能輔導系統(tǒng)生產(chǎn)的方法仍然頗具有挑戰(zhàn)性。

Vasile Rus:在自適應教學系統(tǒng)中標準化非結(jié)構(gòu)化交互數(shù)據(jù)

同樣來自孟菲斯大學,Vasile Rus博士是該校的William Dunavant教授,于2004年加入孟菲斯大學計算機科學系。他還是孟菲斯大學智能系統(tǒng)研究所的成員。他的演講主題是“在自適應教學系統(tǒng)中標準化非結(jié)構(gòu)化交互數(shù)據(jù)”。

簡單而言,學習過程中的非結(jié)構(gòu)化學習數(shù)據(jù)主要是學習者自由生成的文本,比如填空題、論述題、以及論文寫作等等。

非結(jié)構(gòu)化學習數(shù)據(jù)有它的優(yōu)勢和劣勢。優(yōu)勢是反映學習者的思維實現(xiàn)真正的評估,讓學習者有機會提供新穎和創(chuàng)造性的大會,自由生成的自我解釋對學習有益。缺點是,這種數(shù)據(jù)難以擴展,如果由專家手動評估,則會變得非常昂貴;同樣的問題也出現(xiàn)在標準化上。

處理這種數(shù)據(jù)往往很難,尤其是互聯(lián)網(wǎng)上的學習數(shù)據(jù)。學習者答題過程中會出現(xiàn)各種諸如拼寫錯誤、語法錯誤;不完整的句子,模糊的句子,完整的固定句子;嚴重的語境化等等。

研究者需要做的是將非結(jié)構(gòu)化數(shù)據(jù)映射為結(jié)構(gòu)化數(shù)據(jù)進行分析、交換和對齊/融合。Rus博士建議有兩種方法可以實現(xiàn):一種是即時映射 - 如果要求學生模型不斷更新,建議使用;另一種是離線 - 記錄學習者和系統(tǒng)之間交互,然后從日志文件中提取知識組件、行為元素等等。

離線方法的關(guān)鍵在于如何標準化日志和言語行為。日志標準化中,研究者要盡可能記錄,因為每個細節(jié)都很重要,并且考慮實際因素,例如隱私和安全問題。研究需要使用機器可讀格式(XML或類似XML),這將使數(shù)據(jù)提取、融合和交換更容易。同時,使用適當?shù)腎D /鏈接到任務,配置文件和對話策略,以便在需要時所有內(nèi)容都可以相互鏈接(數(shù)據(jù)來源要求);最后,研究者應該可以提取一些日志的部分并以用戶友好的格式(如html)呈現(xiàn)給學習者本人。

言語行為有助于理解學習者和導師(系統(tǒng))之間的互動,對它們進行標準化將允許數(shù)據(jù)交換和有意義的跨平臺分析和比較。標準化言語行為信息的一個挑戰(zhàn)是各種研究和開發(fā)小組使用不同的分類法。

Rus博士提出了一些標準化言語行為的建議,比如使用共同分類法,各種群體就標準分類法達成一致;對齊方法,可以保留每個工作組的的方法;混合:僅同意上層分類法。

Keith Brawner是Iterati Technologies的創(chuàng)始人和CEO。Iterati Technologies是一家位于佛羅里達的技術(shù)公司。Brawner還是美國陸軍作戰(zhàn)能力發(fā)展司令部的模擬與訓練技術(shù)中心的高級工程師。他所帶來的演講主題是”標準是需要的:能力建模和推薦系統(tǒng)”。

Keith Brawner(右一)

他所在的部門叫Learning in Intelligent Tutoring Environment (LITE) Lab,主要是開展基于自適應教學系統(tǒng)的研究和開發(fā),以支持一對一和一對多的輔導環(huán)境,實現(xiàn)量身定制的自我調(diào)節(jié)學習。該實驗室支持美國陸軍訓練成果。

過去,LITE使用廣義智能輔導框架(GIFT,詳情見Sottilare演講)訓練士兵,但他們需要一個更靈活、具有協(xié)作性的、具有批判性思考的訓練系統(tǒng)。LITE目前正在開發(fā)一款免費的、模塊化的開源輔導架構(gòu),能夠支持自適應教學系統(tǒng)的快速編寫、重復使用和互操作性;降低編寫適應性教學系統(tǒng)所需的成本和入門技能;增強自適應教學系統(tǒng)的適應性。

Brawner介紹了美國陸軍士兵目前使用的一些訓練工具,比如Synthetic Training Environment (綜合訓練環(huán)境STE),它將虛擬的、具有建設(shè)性的、和游戲訓練的環(huán)境整合到一個單獨的STE中,用于為美國陸軍提供模擬訓練服務。Sailor 2025則是一個海軍項目,旨在改善和現(xiàn)代化人事管理和培訓系統(tǒng),以更有效地招募、發(fā)展、管理、獎勵和保留未來美國海軍力量。

隨后,Brawner介紹了標準化美國陸軍簡歷資料的方法,這些方法也同樣適用于各種文檔整理和分類。

1. 映射知識:確保“知識空間”(學術(shù))或“能力”水平的系統(tǒng)之間的數(shù)據(jù)交換,和機器學習相結(jié)合。

2. 保證信源:認證信息來源是一件大事,比如美國工程技術(shù)評審協(xié)會ABET是國際上公認的最具權(quán)威性和普遍性的認證體系。

3. 允許不同的標準,比如陸軍的標準是- 俯臥撐(2分鐘),仰臥起坐(2分鐘),跑步(2分鐘),突擊隊員的標準是陸軍標準再加上引體向上,跑步(5mi),負重徒步(16mi),游泳。

4. 允許進行組級別數(shù)據(jù)庫級別查詢。

IEEE自適應教學系統(tǒng)互操作性標準2247.2

Richard Tong是松鼠AI首席架構(gòu)師,曾擔任過Knewton的大中華區(qū)負責人和Amplify Education的解決方案架構(gòu)總監(jiān),除此之外,他還是IEEE AIS(自適應教學系統(tǒng))標準工作組成員以及互操作性小組的主席(IEEE 2247.2)。他此次帶來的演講正是有關(guān)2247.2的進展。

前文提到過,自適應教學系統(tǒng)是基于計算機的人工智能系統(tǒng),通過在領(lǐng)域?qū)W習目標的背景下根據(jù)每個學習者或團隊的目標、需求和偏好定制教學和建議。IEEE AIS工作組主要支持自適應教學系統(tǒng)的概念模型、互操作性標準、用于評估的實踐。

IEEE 2247.2是IEEE AIS下面的互操作性標準組,主要工作分為垂直整合(Outerloop - > Innerloop;LMS - >引擎 - >模型 - >數(shù)據(jù);自我完善;流程集成標準化)以及水平整合

(數(shù)據(jù);本體和內(nèi)容;模型整合)。

目前工作組優(yōu)先級比較高的工作有Outerloop-Innerloop整合。工作組希望通過整合,系統(tǒng)能實現(xiàn)從“域獨立自適應框架”到“域任務和活動”的互操作,并且能重復使用專業(yè)化的內(nèi)容。

本體層交換同樣重要。工作組希望通過整合,制定合理學習目標;獲得領(lǐng)域知識的更大背景;元數(shù)據(jù)在自適應教學系統(tǒng)中扮演者關(guān)鍵作用;搜索、測量和推薦背后的原因取決于領(lǐng)域本體。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。