乂学教育-松鼠AI论文入选AERA教育峰会 探讨创新的教育与学习方式

美国时间4月8日下午，AERA 2019年会举行了“数学教与学中的技术集成应用”主题演讲。斯坦福国际研究院高级数据科学家Sam Wang代表乂学教育-松鼠AI在这个主题演讲中被邀请介绍了“测试技术应用：智能教育系统在中国的有效性研究”（Putting Technology to the Test: Efficacy Studies of an Adaptive System in China），向与会者描绘了利用互联网和人工智能技术充分利用高水平教育资源，以及提升教育内容个性化的美好蓝图。

SRI International（斯坦福国际研究院）高级数据科学家Sam Wang代表松鼠AI进行演讲展示

主办方美国教育研究协会（American Educational Research Association，以下简称AERA）是美国最大的教育行业协会之一，是具有全球影响力的教育行业学术组织，也是最大的国家跨学科研究协会。该协会成立于1916年，致力于提升和传播教育知识，鼓励学者进行与教育有关的调查研究，并促进通过科学研究来改善教育和公益事业服务。

AERA年会是世界上最大的教育研究人员聚会，每年有超过14,000名AERA成员和来自相关学科领域的学者、政策专家和从业者参加年会。AERA的年会始终聚焦于开创性研究和创新的展示，涵盖从早期教育到高等教育的各个教育阶段领域的研究。

AERA的执行董事Felice J. Levine在谈到AERA 2019年会时说：“AERA年会是一个

教育研究人员有机会共享重要的新发现和创新的绝好机会。这些研究和创新将影响教育实践和政策的不断优化和提高。

值得指出的是，AREA 2019年会包含了多场和数字化技术与高阶分析相关的演讲。其中福特汉姆大学心理学系的教授Charles Lewis所作的“贝叶斯可靠性研究”（A Bayesian Look at Reliability）主题演讲，是这次年会的八大主题演讲之一。该主题演讲深入探讨了贝叶斯分类算法在教育行业应用建模时面临的可靠性挑战。Charles Lewis领导的这个课题研究获得了AREA 2018年度的E. F. Lindquist Award 大奖。

Lewis 博士的演讲深入浅出的阐述了测试信度这一重要原理，并且从传统的角度和Bayesian的角度分别阐述了它们在CTT和IRT模型中的相似和不同。与此同时他进一步提到，传统的角度和Bayesian的角度来看教育学测试与测量理论并无孰优孰劣，但是从不同的角度看这个问题会让我们的研究更全面、更深入。

作为中国教育行业的先行企业，乂学教育-松鼠AI同样出席了这一教育盛会，并应邀进行了“测试技术应用：智能教育系统在中国的有效性研究”（Putting Technology to the Test: Efficacy Studies of an Adaptive System in China）的论文报告演讲，得到与会者的高度关注。斯坦福研究院的Sam Wang博士向与会者展示了在不同教学场景和班级人数的情况下，松鼠AI与真人教师教学效果之间的差异。斯坦福研究院在他们的研究中发现，不论是在松鼠AI教学系统在与大班制授课（20-30人）的对比当中，还是在与小班授课（3人左右）的比较当中，使用松鼠AI的学生的成绩都显著高于对比组的学生。

众所周知，互联网已经对各个传统行业产生了颠覆式影响。和其它传统行业一样，教育行业也开始大量引入数字化手段，以提升教育效果，改善教育资源的使用效率。

颠覆往往是从传统行业难以克服的挑战入手的。我们知道，教和学是教育活动的一体两面：既要有优质内容，也要有个性化的学习计划。而传统教育行业则恰恰面临这两方面的挑战: 普遍存在的教育资源不均衡和教育内容缺乏个性化。

互联网教育革命首先挑战的就是教育资源不均衡。

地域限制和经济发展水平不同导致各地师资力量差异，很多学生无法获取高质量的本地教育资源，这时“网校”就应运而生。以可汗学院，Coursera和国内的新东方在线等多个集成大量优质教学内容的MooC（Massive Open online Course）平台快速涌现和扩张。

但是MooC的这种“网校”模式存在明显的问题。一方面进入门槛低、远程学习缺乏约束感、没有学习社群的支持陪伴，导致学习者开始学习容易，放弃学习也比较没有“压力”。另一方面因为课件内容统一，无法对不同现有知识结构和学习能力的对象提供个性化内容和学习计划。最终两方面的原因导致“网校”模式的互联网教育平台上课程完成率很低，大量学习者由于自我约束能力差或者内容不合适半途而废。

随着个性化教育需求不断突出，互联网又产生了“一对一”的远程教育方式解决个性化教育的矛盾。

师生通过互联网“一对一”进行教学，的确能够提供高质量且有针对性的教育服务。老师能够根据学生的接受和理解程度，适时调整教学内容，针对薄弱环节进行强化。但其弱点也是非常明显的。首先是囿于老师的水平，很多“一对一”的教学并不能真正做到个性化施教，因为高水平老师的资源毕竟是有限的，大部分“一对一”的老师只是平均化的教学水平。其次是“一对一”的教学成本非常高，老师在同一时间只能服务少数学生。

所以归根结底，不论是“网校”模式还是“一对一”模式，都无法同时解决教育资源不平衡和教育缺乏个性化两个问题。最终从根本上解决这两大挑战的就只有引入人工智能（以下简称AI）技术，借助机器学习的能力同时兼顾高质量和个性化两方面的要求。

最近几年AI技术的成熟让各个行业都开始尝试引入AI能力。美国等教育产业发达的国家在使用AI进行个性化教学方面取得了很多积极的成果。但亚洲地区包括中国，在教育产业引入AI能力还比较少。

罗马不是一天建成的，起源于美国的自适应教育，虽然精准的找到了教育改革的血脉，但是由于系统功能不够精细、对机构的测评和教研能力要求极高，过去一直出于缓慢发展的过程中，而在这场AI革命到来的前夜，AI赋能让自适应教育燃起了新的希望。

基于人工智能技术的自适应学习系统不仅能够加大分层力度，每一个能力级之间细微的变化可以真正做到明察秋毫，根据学生学习的实时情况，动态调整下一步的学习内容和路径，构建更为复杂的学习模型，从而实现可规模化的个性化教育。

全球最早的AI自适应教育公司Knewton已经覆盖2000万北美的学生，美国高等教育领域个性化和自适应学习产品的最大提供商RealizeIt提供的自适应课程超过4万。

松鼠AI作为中国教育产业AI应用的先行者，在中小学教育方面取得了非常引人瞩目的成就。

松鼠AI主要针对中小学学生提供人工智能自适应学习方案和服务。松鼠AI成功开发了拥有完整自主知识产权、以高级算法为核心的智适应学习引擎，松鼠AI智适应学习系统模拟特级教师，可比传统教育效率提升5到10倍。

松鼠AI的人工智能学习系统主要具有四个方面的特点：

● 在线教学和线下培训中心相结合

核心教学内容在互联网上完成、纪录并加以分析，线下培训中心创造良好的学习环境，提升学习的专注度并确保合理的时间安排

● AI智能学习系统和人工指导相结合

AI智能学习系统因材施教，拾遗补缺，及时发现并加强薄弱的知识点，确保知识结构成体系，有串联，无遗漏。人工指导老师创造小组学习氛围，调整学生学习心态，引导和鼓励同学提升学习效率

● 全面的知识图谱和层级构建的知识点分层结构相结合

全景式的知识图谱让学生对于知识点的覆盖和知识点之间的关联关系了然于胸。多级分层的知识点让学生对于知识点的层层细化和最终归纳提高提供了科学有效的途径。

● 智能系统中的AI判别技术

通过对学生知识应用能力的测试，勾勒学生现有的知识结构图，通过基于贝叶斯判别的分析模型设计学生知识水平提高的最短路径，并随时根据学生的反馈进行学习路径调整，获得最佳的学习效率

多年的教育行业实践已经证实，小班教学对于提升教育质量有非常大的帮助。为了验证松鼠AI系统在教育效果上的提升，松鼠AI组织了相应的教学对比测试，以证实：

1. 松鼠AI的智能系统教学和优秀教师的全班教学相比教学效果是否有显著的提升

2. 松鼠AI的智能系统教学和优秀教师的小组教学（小组3名学生）相比教学效果是否有显著的提升

松鼠AI选择了四川地区某中学八年级的163名同学进行了第一个问题的分组对照实验。参与实验的学生年龄在14-15岁之间。实验执行机构SRI随机将这些学生分为实验组和对照组，分别使用松鼠AI智能系统和优秀教师教授同样的内容。实验组的同学每人配有专用的计算机。对照组由四川省获奖的数学教师担任教学职责，每个班级20-30个同学。

在实验组和对照组正式开始学习前，SRI组织了针对即将学习知识点的考试，以明确学习前各个组当前的知识水平。

测试完毕后，在接下来的三天，对照组和测试组以完全相同的学习时长、休息时间和班级活动时间表完成5个小时零50分钟的学习。学习结束后，SRI再次进行了知识点掌握水平的测试。测试试卷由未参与教学的优秀教师设计和审阅，包含20个核心内容，共计100分。

为了避免其它因素的干扰，SRI 还收集了参与测试同学的年龄、性别和父母的教育水平等基本信息。

测试结果显示，对于问题1，即全班标准教学对比下，实验组成绩平均提高1.58分，对照组成绩平均提高9.11分。通过协方差分析可以确定，实验组和对照组成绩提高的差异在统计学上是显著的。

对于第二个实验，SRI采用基本一样的实验方式，选择了山东省的部分学生分实验组和对照组进行了8小时30分钟的学习。其中小班教学的学生人数为3人。

在分别进行了实验前和试验后测试并进行结果比较得知，实验组平均分数提高6.96分，对照组平均分数提高2.45分。通过协方差分析可以确定，实验组和对照组成绩提高的差异在统计学上是显著的。

根据以上的教学对照实验可以清楚看到，松鼠AI学习系统不论是对传统对全班教学，还是对学习效率很高的小班教学，都有着明显的优势。该优势一方面体现在成绩的显著提高，另一方面还体现在不依赖教师优秀的教学水平上。借助松鼠AI学习系统，政府和教育机构能够快速平价地把效果最优的教育资源推广到全国任何能够接入互联网的地方，这将为教育公平、教育效率提升和教育资源高效使用带来全新的变化，并为AI技术全面改造教育行业打下坚实的基础。

松鼠AI与斯坦福国际研究院（SRI）在两年成立了人工智能联合实验室，松鼠AI与SRI联合实验室专注于利用SRI在人工智能和教育技术方面的独特优势。联合实验室目前在三个关键领域进行合作研究：1）核心自适应教育模型和技术 2）自然语言处理和语义分析，以实现虚拟个性化学习助理（VPA）功能，用基于对话的界面来诊断学生错因和吸取教练和学生对人工智能的反馈。 3）多模式综合行为分析（MIBA）研究，使松鼠AI能够在智适应学习环境中理解学生的情感和心理状态，并更好地预测学生行为，以及为人类教练的干预，补救和支持的机会提供信号，或者通过系统对学生进行提醒、推荐和放松。

松鼠AI作为中国最领先的人工智能教育应用企业，通过积极参与AERA这种全球级别的教育领域盛会，向北美的教育专家们介绍了中国教育行业的快速发展和最新的研究成果，同时也和与会的北美教育专家，尤其是数据科学和人工智能应用的专家进行了面对面的深入交流。

我们相信，借助AERA这样的平台，将有效加强中国教育行业发展和先进的教育科技手段在中国的落地生根。在松鼠AI等人工智能行业先行企业等推动下，中国的教育行业一定会很快插上人工智能的翅膀。