大家好，我来自北师大未来教育高精尖中心，今天跟大家分享一下我们在教育智能测评方面取得的一些心得体会。

教育大数据与人工智能

大家目前都在讨论如何利用大数据和人工智能改变传统教育。传统上一刀切的教育模式，首先可能是因为数据的产生与采集技术不成熟。互联网的出现带来了一系列的教学模式变革，学生通过在网上学习的方式，也产生了大量可利用的数据。我们把这些数据搜集起来，包括传感器采集的数据、视频数据等。这些数据被搜集到后台，数据量比较大，可以利用这些数据来改进教育教学。

目前，在数据分析、个性化推荐方面应用教育大数据，帮助学生进行课程适应性教学。我们在通州做了一个基于大数据的教育改革项目，首先建立一个数据的平台，也就是智慧学伴。学生在这个平台上学习、做测试，然后全区的教师协同阅卷，给学生反馈可视化分析报告，根据分析报告进行有效的资源推送，同时提供老师在线辅导。通过这些方式改进教学，也为各方面学习过程的改进提供服务。

我们在这个平台上搜集不同的数据，并且需要利用现在比较主流的人工智能技术。我从毕业到现在大概有四五年时间在做人工智能和大数据相关的研究，刚才有老师非常忧虑地问我，人工智能会不会让我们老师失业？这件事情是不太可能的，为什么呢？人工智能的基本思想是利用机器来模拟人的智能，从而感知、学习、理解并最终解决问题。它在某些领域已经发挥出了很有效的作用，比如说语音和图象识别。但是因为数据量有限，人工智能只是在某些特定领域上有很大的改变，基本上对现实生活产生的影响还是比较小的。所以从这个角度上来讲，人工智能不会迅速导致大量职业消失，但有一些职业可能会消失，比如翻译职业。

为什么人工智能取代教师职业更难呢？我以前做过传感器大数据分析，我们有很多好的方法去处理数据，比如交通大数据中的轨迹、位置，我们基于这些数据可以做很多的分析、预测和调度。但是在我接触教育领域以后，我发现教育最大的难点是它有很强的不确定性。无论是小学教育亦或是初中教育，学生本身的特性注定了教育数据极大的不确定性，所以基于这个理解我觉得教育大数据首先可以做一些事情，但是不要夸大它能够做的事情。不管怎么样，教育大数据的应用，我觉得跟人工智能、机器学习直接相关。

基于数据驱动的预测与诊断

利用智慧学伴平台，有效收集学生知识点学习情况并在知识地图上进行可视化。在知识地图上，通常用不同的颜色来标记学生各层级学科知识的能力状态。灰色状态是“未学习”状态，也就是学生尚未学习或者对该知识点尚未进行测试。是否可以利用已知的状态以及各类相关教育数据，对这些未知状态进行建模和预测？预测学生将来的表现，这是我们正在研究的问题之一。

我们搜集了北京市多个区的学生数据，然后利用很多经典的机器学习算法，最终预测模型输出的是学生知识点的掌握程度，其目的就是帮助我们去理解和预测学生的状态，现在已经有了一些初步的结果。利用预测模型，可以早期发现学生知识点、学科能力的优势和劣势。对于同一个知识点的掌握情况，学生在学习理解、应用实践、创新迁移三个层级上，呈现出不同的分布状况。

利用预测模型和机器学习算法，对学习障碍点进行诊断。如何发现B就是A的障碍点呢？我们基于人工神经网络、随机森林等搭建的预测模型，利用北京市多个区的学生数据，进行多维度特征提取。举一个简单的事例，比如说这个学生他学习了三个不同的学习主题，数与代数、图形与几何、统计与概率，具体包括有理数、一元一次不等式、二元一次方程、抽样与数据分析等课程内容。如果抽样与数据分析这一部分没有学好，它的障碍点可能是跨时间维度的。从数据的能力来看，它可以帮助我们跨越这些不同的维度，发现学习障碍点。

基于数据驱动的测评与推荐

基于人工智能中自然语言处理、题目智能识别等技术，对文章与主观题等进行机器自动评分。我们现在主要做的是语文学科的主观性评测，利用自然语言处理技术，对学生答题结果进行深度分析，然后建立基于机器学习的评分模型。我们并不是要替代老师的决策，而是希望把老师从机械的、大量的、重复性批阅劳动中解放出来，让老师参与到更加有创造性的教学活动中去。

另外，我们在做关于优势学科的推荐。北京市中高考招生政策发生了很大的变化，如何依据客观数据来适应变革。基于数据驱动的优势学科推荐、中高考学校推荐，这是一个很迫切，也很有实际需求的工作。数据包括学生的考试数据、整个学习发展过程性数据以及教师的观察数据，另外还有一部分数据可能是利用学生的可穿戴设备，包括智能手机、智能手表，以及其他传感器采集到的，例如整个课堂学习过程中举手、协作、记笔记的行为。我们通过推荐算法，结合学校的相关政策，给学生推荐优势学科和中高考学校，满足学生的个性化需求。我简单地介绍到这里，谢谢大家。