周六，美国宾夕法尼亚大学的教室里，教育学院的师生们正在与一位中国学者进行激烈的学术讨论。讨论中,大家提及最多的词语是“教育”、“数据”,还有“技术”。这与我们想象中的教育似乎有些不同。
回顾过去，不同大概是从两份文件开始的。2010 年，美国制定并公布了新一轮的国家教育技术计划——《重塑美国教育:技术驱动下的教育变革》(Transforming American Education Learning Powered by Technology)。这份计划中预想了如何使用在线教育所生成的数据，提升教学效果的方法，当时该计划对整个国际教育界产生了重大影响。
同年，大洋彼岸的中国政府公布了《国家中长期教育改革与发展规划纲要(2010-2020)》，其中指出，教育信息化已经进入加快发展的全新时期。
时隔 8 年，这两份看似有些久远的文件，却预示着教育行业未来的发展趋势。今天看来，人工智能的快速发展，令教育行业又有了新的变革。而当人人都在讨论人工智能，讨论人工智能对教育的颠覆时，讨论的又是什么?
在刚刚结束的周末，论答联合创始人兼首席数据科学家马镇筠博士来到了宾夕法尼亚大学学习数据分析研究中心，他与中心主任 Ryan Baker 教授，以及教育学院的硕士、博士生们进行了《学习数据分析在中国中小学教育的落地》的主题分享。
马镇筠博士在宾大学学习数据分析研究中心
论答学习数据的收集
人工智能在国内大热，其本质还是对数据的有效筛选，教育自然也不例外。专注于“AI+教育”的论答，是一家学习技术与大数据公司，为培训机构和中小学提供人工智能学习综合解决方案。此次分享,马镇筠博士选取了一名真实学生的案例，围绕具体的学习数据，详细分析该学生的学习曲线、学习路径等，从数据方面解释了人工智能到底是如何赋能教育的。
首先，马镇筠博士简要地介绍了论答的人工智能学习系统。他表示，现阶段，论答团队针对国内中小学课程体系，本土化设计和开发人工智能算法引擎、学习系统、课程内容，以及教学模式。该系统主打三大功能：智能测评、学习数据分析和智能练习。
马镇筠博士选取了一名 6 年级学生,他从 2017 年 9 月到 2018 年 4 月对数学科目进行了学习，做题总数为 345 道，主要关于“圆”的知识点学习。
任务卡片使用情况
在论答人工智能学习系统中，论答专门为老师匹配了相应的在线教学工具，例如老师上课期间会针对具体知识点，布置不同类型的任务卡片，涵盖解析卡、练习卡、闯关卡等六种类型。这样既保证了经验不足教师的上课质量，也让学生可边学边练边测，为分析其学习曲线和学习路径做准备。
机器怎么判断学生对知识点的掌握?
接下来，马镇筠博士展示了多张曲线图，反映该学生对各知识点的掌握情况。例如，图 A 中圆的面积，当曲线达到 0.9 及以上时，说明该知识点已被掌握，但突然又降到 0.6 左右，这时系统自动推送同样知识点的题目，推测“圆的面积”是否被真正掌握，直到曲线一直稳定在 0.95，表明该知识点已经掌握，可以进行下一个更有难度的知识点学习。
学习曲线图 1
图 B 中，我们能看到学生对三个知识点的掌握情况并不是很稳定，所以是需要继续巩固学习的。同理，图 C 这些知识点的掌握情况并不理想，还需要复习;图 D 展示的知识点需要单独学习;而图 E 的知识点是该学生目前还无法掌握的，需要学习的更多基础知识。
学习曲线图 2
对知识点掌握情况的分析，不仅让老师们能了解学生的当前学习情况，还指出了学生下一步“从哪个知识点开始学”，这也是论答提出的学习路径。
实际上，“圆”的专题学习被拆分了多个知识点，根据学生做题情况，这些知识点被分为已经掌握、基本掌握和未掌握。
学习路径
除去该学生在做题中的无效测试，我们发现他应该先学的知识点是扇形面积公式的简单应用，弧长公式的应用-结合图形，以及圆的面积-元素比。
下图显示了，该学生的月度学习效果图中，2018 年 3 月熟练掌握的知识点远超过未掌握的知识点。
最后，论答对该学生的期中考试分数做了预测，分数在 91-97 之间(准确分数预测为 94)。
分享结束后，Ryan Baker 教授和现场的师生进行了激烈的讨论，他们对论答人工智能学习系统表现出很大的兴趣，也好奇数据分析是如何在中国教育落地的。经过交流，马镇筠博士发现，论答现有产品的应用与美国学术研究在某些方面不谋而合，比如对于学生未掌握的知识点，通常需要 8 道题判断，而论答只需要 5 道题。
此前，马镇筠博士在民办教育科技节上表示，教育的人工智能实现才刚刚到来。此次的美国行，一方面让更多人了解论答，另一方面更是业界与学术界的碰撞，论答将不断优化产品，让 AI 真正赋能教育。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
