图像识别算法 优势 教育人工智能面临发展难题,技术路径如何突破(4)

人工智能、机器学习、知识图谱、自然语言理解等核心技术的突破和应用，是未来的关键。

e-rater自1999年以来就一直被美国教育考试服务中心（ETS）用于自动评分。该系统通过从大量文章中提取代表书写质量的一系列特征，并对文章语言、内容、篇章结构进行重点分析，包括词汇复杂度、语法错误的比例、文章风格、单词总数等，将这些分数利用统计模型进行分析并产出最终的得分估计。每个特征的权重由统计过程确定，保障了系统与教师评分相对一致。

e-rater目前主要用于托福考试的作文自动评分，类似能够对作文进行自动评分的系统还有ProjectEssayGrade()、IntelliMetric等。大型考试中数以万计的试卷借助智能阅卷系统可以将教师从机械重复的劳动中解放出来，并在一定程度上减少教师由于主观因素造成的评分标准差异，保证了评分客观公正，提高了作文评分效率。

刘国富（珠海市南屏中学,广东珠海519000）摘 要传统的教师精批细改方法效率不高,本人尝试探究一种既可以解放教师、也可以充分调动学生积极性的作文批改模式 本文就自己指导学生评改作文的教学经历,尝试。

一次，我指导学生写《记一次愉快的劳动》的作文，我想到班里有不少同学都参加过校园植树绿化的劳动，教学中我就组织学生进行讨论：在劳动中，你看到了什么。

（每个词语念3遍：寻找 哭声 良好 食物 一双 体操 操场 礼物）（听写完毕，出示词语，同桌互相批改，教师巡视每个学生，相机纠错）。

我们还十分重视错题档案的建立，指导学生进行自我纠错，并定期进行纠错训练。

人工智能技术使机器能够根据预设程序进行高效地重复性工作，因而教师可以将更多精力投入到教学设计优化、学生心理健康培养等创造性活动中。针对常规业务的替代式教育既能节省大量人力资源，为教育教学提供便利性服务，同时又能促进学生学习方式的多样化和智能化，满足众多学生的学习需求。

3.服务个性发展的适应性教育

由于个体差异，学习者在学习过程中对知识的接受程度不尽相同。实现学生个性化学习，达到因材施教的目标是解决教育问题的关键，也是人工智能技术在教育领域的重要发展方向。智能虚拟助手、智能导学系统、适应性学习平台等系统能根据学习者的个人特点（如语言、学习风格、偏好等）创建个性化课程，让学习者获得更好的学习效果（Piresetal.，2018）。

智能虚拟助手通过自然语言模拟人类对话，深层次理解人类需求，其核心特征是对话式交互与智能性服务（王萍等，2018），可以实现与学习者交互问答、提供情境学习、进行学习分析等功能。将人工智能技术支持的机器人导师嵌入Duolingo语言学习系统中，就可以辅助学习者进行语言学习，在与学习者对话过程中，机器人导师可以变换不同角色来讨论不同话题，增加语境的真实性。

随着交互程度不断加深，机器人导师会更懂学习者，互动过程也将更具针对性。该系统还会对学习者的学习数据进行分析，从而有效调整学习进度与内容。智能导学系统则兼顾学习者的认知和情感状态，借助答案分析和错误反馈过程来评估学习者对知识的掌握程度，并提供个性化的指导（Strainetal.，2013）。

智能化程度较高的个性学习支持系统不仅能对语音、图像等外部信息进行感知，还具备深度学习的能力，能够理解学习者行为习惯甚至情感态度。个性化学习支持系统产生的学习者行为数据，是系统功能完善与技术升级的基础支撑，是实现对学习者个性化学习辅导的关键因素。机器对学习者学习风格、兴趣偏好的了解越深入，对学习内容推送、学习行为反馈、情感变化的处理便越精准。目前，个性化学习支持系统还处于研发阶段，成熟度不高，但已能为学生适应性学习提供不同程度的支持。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-91556-4.html