芥末堆 11月16日 冬妮 報道

11月14日，在以“碰撞·演變”為主題的GET2018教育科技大會“教育技術(shù)如何不被濫用”分論壇上，學(xué)堂在線技術(shù)副總裁管健發(fā)表了《規(guī)?；膫€性化教育》的主題演講。他認(rèn)為純IT技術(shù)不能夠輕易解決的教育問題，引入交叉學(xué)科可能會是關(guān)鍵。

以下是管健的演講精選實錄：

大家好！我是學(xué)堂在線管健，今天要講的話是在線教育里面由于技術(shù)帶來的一些機遇以及我們在應(yīng)用技術(shù)的過程中遇到的一些挑戰(zhàn)。

互聯(lián)網(wǎng)技術(shù)與人工智能技術(shù)給教育帶來顛覆性改變

隨著高等教育的發(fā)展，中國已經(jīng)有很多大學(xué)能排在全球前列，但因為我們的人口基數(shù)大，我們?nèi)司鶕碛械膬?yōu)質(zhì)高等教育資源非常少，我們比別人可能低一到兩個數(shù)量級以上。然而這個數(shù)據(jù)不僅僅是在大學(xué)這個層面，中學(xué)、小學(xué)一樣有這個問題，全國畢竟只有一個人大附中。

我認(rèn)為怎么能夠讓優(yōu)質(zhì)的教育資源能夠惠及到更多的人，一直以來都是我們要解決的問題，技術(shù)其實帶來了一定的機會。

我們做在線教育，把這個詞拆開叫做“在線”跟“教育”兩個事情，在線實際上體現(xiàn)了技術(shù)范疇。

我們看到在線帶來了兩件事情，第一它通過連接我們有了互聯(lián)網(wǎng)。通過國家三通兩平臺（寬帶網(wǎng)絡(luò)校校通、優(yōu)質(zhì)資源班班通、網(wǎng)絡(luò)學(xué)習(xí)空間人人通），通過電信運營商的建設(shè)，基本上能夠把網(wǎng)絡(luò)連接到每一個村鎮(zhèn)，能夠讓優(yōu)質(zhì)教育資源覆蓋到更多人。那么這樣帶來的結(jié)果是什么？是教育效率的提升。以前一個老師可能只能教一個小班40人，開一個大課兩百人。那么現(xiàn)在我們通過互聯(lián)網(wǎng)技術(shù)，應(yīng)用直播可以實現(xiàn)十萬人、百萬人的量級同時在線去看他講一堂課。這就是是互聯(lián)網(wǎng)技術(shù)帶來的一個顛覆性的變化。

當(dāng)互聯(lián)網(wǎng)使得優(yōu)質(zhì)教育資源覆蓋面擴大的時候，另外一個要解決的問題是如何提升教學(xué)效果。我們看到人工智能技術(shù)的進展給我們看到了一點曙光，這是在線做的第二件事。

通過引入互聯(lián)網(wǎng)技術(shù)和人工智能技術(shù)，能夠在一定條件下實現(xiàn)規(guī)?；蛡€性化教育。這是我今天整個這個分享的重要主題。

大數(shù)據(jù)不是萬能的

學(xué)堂在線在做一個業(yè)務(wù)叫做慕課，我們給它的一個定義叫做“多快好省”。它是基于人工智能和大數(shù)據(jù)技術(shù)來構(gòu)建的一個開放的、在線交互學(xué)習(xí)平臺。我們要解決的問題實際上也是教育幾千年以來的一個實踐和理念，就是希望能夠做到有教無類和因材施教。那么這兩個詞映射到為規(guī)模化和個性化實際上是一樣的道理，有教無類意味著誰都可以來學(xué)，有適合各種學(xué)生的資源，因材施教使得每一個學(xué)生能夠得到針對他的個性，適合他特點的一個學(xué)習(xí)。

學(xué)堂在線是清華大學(xué)發(fā)起成立的在線教育公司，我們在2013年10月10日上線，剛上線的時候有五門由清華大學(xué)拍攝和提供的慕課，到現(xiàn)在課程總數(shù)量超過一千八百多門，注冊用戶接近一千五百萬人，人均的選課量超過兩門多。并且，我們的每一門課自成體系，符合大學(xué)教學(xué)水準(zhǔn)，比方說微積分，比方說財務(wù)分析，比方說數(shù)據(jù)結(jié)構(gòu)都是大學(xué)里學(xué)分課的水準(zhǔn)，所以大家可以想到一千八百門課加在一起是個怎樣的量級。

上線以來，學(xué)堂在線除了積累教學(xué)資源之外，還積累了大量的學(xué)生行為數(shù)據(jù)，數(shù)據(jù)是學(xué)堂在線的整個業(yè)務(wù)核心。我們從平臺上收集學(xué)生的學(xué)習(xí)行為，比如學(xué)生跟視頻的交互，老師和同學(xué)的交互以及做的各種習(xí)題、考試、討論，日常的日志量能夠達到一億條左右。

那么大數(shù)據(jù)真的是一個我們不可或缺的技術(shù)嗎？可能我的結(jié)論有一點偏負(fù)面，我認(rèn)為他未必是一個必需品，但它能帶來一種新的邏輯和機會。

我舉一個例子，這是我們擁有的數(shù)據(jù)類型，一個在線教育平臺最多的數(shù)據(jù)無非就是這些，你選什么課、在視頻上怎么看、怎么跳轉(zhuǎn)頁面，做題做的怎么樣。然后把后臺用戶注冊的信息數(shù)據(jù)進行分析，希望得到一個關(guān)于課程的用戶畫像，然而實際上結(jié)果并沒有那么準(zhǔn)確。性別大概猜對了59%，比拋硬幣稍微好一點。猜年齡更差，只猜到55%，猜教育程度基本上跟拋硬幣差不多。這就是我們拿大數(shù)據(jù)來做用戶畫像得到的結(jié)果，其實這種用戶畫像很多互聯(lián)網(wǎng)公司都在做，不管是旅游行業(yè)、電商行業(yè)，可能都經(jīng)常做這個事。但在教育行業(yè)的結(jié)果確實很不盡如人意，回過頭去看這些數(shù)據(jù)，一個人選什么課跟他的性別有特別強的關(guān)聯(lián)性嗎？其實未必。一個人看視頻是喜歡跳來跳去看，還是喜歡從頭看到尾，跟他的年齡有多大關(guān)系嗎？可能也未必。

這個例子是說大數(shù)據(jù)技術(shù)它不是沒有用，但不要去神化它，什么東西上來大數(shù)據(jù)跑一遍，算法跑一遍都能跑出結(jié)果來這是神話，當(dāng)然它也不是沒有用。我們拿它來做另一件事，改個題目，用同樣的數(shù)據(jù)，同樣的算法，去分析另一個問題。其實在慕課學(xué)習(xí)里面一門課可能有16個學(xué)時，32個學(xué)時這么長，其實很多學(xué)生可能看了一兩個小時以后他往后就不看了，這就是學(xué)生的流失問題。一個學(xué)生這周學(xué)了他下周還來不來？這個學(xué)生來了三五周以后他能不能堅持到最后？我們用大數(shù)據(jù)分析這個問題，同樣的數(shù)據(jù)同樣的算法我們就做到了72%的一個效果，而且我們在持續(xù)改進如何研究流失預(yù)測。所以技術(shù)要怎么用，拿來解決什么問題？是一個需要設(shè)計的事，這是我舉的第一個例子。

前面說了大數(shù)據(jù)不是萬能的，要學(xué)會合理的運用大數(shù)據(jù)，那么接下來就講講具體能用大數(shù)據(jù)做什么。

通用技術(shù)——數(shù)據(jù)可視化

很多時候大家認(rèn)為教育是個特殊行業(yè)，我們要結(jié)合行業(yè)的特點要做一些有特色的，結(jié)合應(yīng)用領(lǐng)域的東西，其實也未必。我們也拿它來做很多常見的事情，比方說數(shù)據(jù)可視化，其實就是數(shù)據(jù)統(tǒng)計，有多少人選課，什么時候來選，這些數(shù)據(jù)能夠給老師和學(xué)習(xí)者提供很好的決策支持。另外，還可以運用現(xiàn)在已經(jīng)很成熟的通用技術(shù)例如圖像處理技術(shù)、人臉識別技術(shù)、環(huán)境識別技術(shù)，去解決教育行業(yè)一些特定的問題，比如說在線監(jiān)考。考試的時候把房間周邊的這個環(huán)境拍下來，程序能夠識別可疑的不應(yīng)該出現(xiàn)的動作和場景，我們就能在一定程度上實現(xiàn)除高考外一定程度的在線監(jiān)考。

這是通用技術(shù)在教育領(lǐng)域的應(yīng)用，有利于規(guī)?；逃膶崿F(xiàn)，但對于個性化教育我們能做什么呢？以下是我的一些思考。

• 首先我們要做的是基于知識圖譜的資源和用戶組織

有大量的不管是視頻、習(xí)題或討論，其實它最終的知識點力度很粗，交互也不夠，我們需要按照更細(xì)力度的知識點把它組織起來，形成底層的知識圖譜，并且把用戶以及用戶跟資源的交互，通過底層的知識圖譜連接起來。這樣我們能做到什么？我們能給每一個資源做畫像。比方說我今天可能講二十分鐘的視頻，這里面我講了十個、二十個知識點，它能夠自動的去給它切分出來去計算知識點的覆蓋。

• 其次就是基于“資源畫像+知識結(jié)構(gòu)畫像”的學(xué)習(xí)路徑

一個學(xué)生他在哪一個知識點上強，哪一個知識點上弱，我們能夠把它細(xì)化到知識點力度上去，給它做一個畫像。那么基于這兩者資源的畫像和知識結(jié)構(gòu)的畫像使得我們能夠去給它設(shè)計更個性化的學(xué)習(xí)路徑。

比如，我們能發(fā)現(xiàn)某一門課里面哪個知識點比較難，老師可能講得不夠細(xì)或者這個東西本身就特別難，我們就能給它做智能推薦。這個可能大家在電商里面看的比較多，經(jīng)常瀏覽哪些商品頁面就會推薦哪些商品。我們給它做的是人工對比的效果，把每一個知識點的講解做成一個個小視頻，根據(jù)一個人的知識結(jié)構(gòu)我們?nèi)ソo它推薦適合他學(xué)習(xí)的這些資源，那么他的效果比人工運營的效果要好一點，點擊率能夠提高11%，然后最終它點進這個課以后最終選了這門課的概率會提升5%，同時學(xué)習(xí)者的學(xué)習(xí)效果也會得到很大提升。

剛才講到的都是純IT技術(shù)，不管是人工智能還是大數(shù)據(jù)，它離跟應(yīng)用結(jié)合真正去解決問題，可能還有比較大的差距。不是純粹的利用IT技術(shù)去解決所有問題，這只是我們的基本思路，我再舉兩個例子。

第一個是我們引用心理學(xué)的因素做這件事。之前提到，我們用人工智能做個性化的推薦能夠帶來更高的點擊率和選課率，跟心理學(xué)結(jié)合怎么做呢？我們可以把推薦背后的邏輯可視化出來。比如剛才電商的例子，我今天買雙鞋，如果明天再給我推薦一堆鞋，用戶就會很煩。而我們推薦的邏輯是這樣的，你今天選了一門英語聽說課，我給你推一個跟它相似的課，比方說英語的讀寫；或者我給你推一個跟它相關(guān)的課，比方說英國文學(xué)的文化；或者我根據(jù)你的社交網(wǎng)絡(luò)去分析你的同班同學(xué)或者你關(guān)注的某一個學(xué)霸選了另外一門機械原理。這個背后的邏輯如果我用純智能算法去做，無論如何不會因為你學(xué)了英語去給你推機械原理的。

這個例子是想說，也許我們可以不用特別看著很先進的技術(shù)，但是通過其他交叉學(xué)科的引入，我們也能更好的去解決問題。

第二個例子是關(guān)于測評的。一個老師一個班帶40個人，可以給每個學(xué)生寫評語或者推薦信，等到畢業(yè)的時候找工作。但現(xiàn)在就已經(jīng)很難了，學(xué)生多，老師的精力有限，而且老師也需要長時間的跟你接觸下來，才能寫出有針對性的評語或推薦信。

那么機器怎么去評價一個人？其實這是個很大的問題。你如果沒有一個合適的模型你說你評價什么？于是我們結(jié)合教育學(xué)的專家做了一個多維度的評估模型，把成績之外的數(shù)據(jù)引進進來去給一個人做評價。比如時間、投入、交流、序列、節(jié)奏等學(xué)習(xí)偏好；學(xué)習(xí)成績也不僅僅是結(jié)果性成績，還包括測試行為和作業(yè)行為；以及學(xué)習(xí)速度和效率等其他參考……這份測評就更傾向于給人一個全面的描畫。

今天要跟大家分享的內(nèi)容就是這么多，總結(jié)起來可能一句話：純的IT技術(shù)可能不能夠那么容易的解決教育的問題，也許我們的路線可能要在交叉學(xué)科。謝謝大家！

點擊這里查看所有嘉賓精彩分享。