自適應學習:從「算法上帝」到輔助解題

手機淘寶是「千人千面」的萄传,即根據(jù)每個人的數(shù)據(jù)灌砖,看到的購物首頁有所區(qū)別刁品;依靠自適應學習的產(chǎn)品龄句,有機會在學習的過程中讓孩子也感受到「千人千面」 —— 可以理解為大規(guī)模實現(xiàn)「量身定制回论,因材施教」。

本文具備以下觀點:

  1. 自適應學習不基于的特定規(guī)則來選擇路徑分歇,而是需要通過對學習行為的解構傀蓉、對比,推測學生的真實掌握情況职抡,匹配內(nèi)容推薦僚害。
  2. 自適應系統(tǒng)的迭代過程,就是推理能力變強的過程繁调。
  3. 除學習測評,保證提分效率之外靶草,能在解題過程中為學生提供足夠多支持的學習系統(tǒng)具備更廣泛的適用性蹄胰。

「通過計算機算法來協(xié)調給予學習者的內(nèi)容和活動形式」,這是對「自適應學習」的基本簡單描述奕翔。有人跟我舉過這個例子:根據(jù)學生近期的測評情況裕寨,系統(tǒng)能算出想達到目標分數(shù),要刷哪些題、刷題的先后順序宾袜、需要刷多久……這就是自適應學習系統(tǒng)的一種理想狀態(tài)了捻艳。

自適應的內(nèi)容推薦

比如洋蔥數(shù)學的答題對戰(zhàn)系統(tǒng),就是一個簡單的自適應進行內(nèi)容推薦的例子:我在對戰(zhàn)中的錯題被解構為了對于一部分知識點的不理解庆猫,在對戰(zhàn)結果中推薦相應的知識點視頻认轨。

自適應的評估

在松鼠AI 的測試題產(chǎn)品中,有針對是否掌握知識點的判定月培,并且形成針對后續(xù)學習的建議嘁字。

其實體驗過這兩種形態(tài)之后,會自然有個疑問:

  1. 判斷和推薦只能基于已有的學習行為結果嗎(要刷很多題)杉畜?
    讓學習者在前期把時間浪費在對于一個領域知識點的窮舉測試上纪蜒,這顯然是有問題的,因為很多知識嚴格意義上來說是用不到的此叠。

  2. 除了看到基于知識點的學習建議之外纯续,學習者能否得到更具整體性的學習反饋和建議?——學習者關注如何更快進步灭袁。

優(yōu)秀的自適應系統(tǒng)具備比較和推理能

先來理解計算機測試學習者水準的最簡單方式:

  1. 計算機優(yōu)先預估一個學習者技能水平的最大值與最小值(能力區(qū)間)
  2. 給用戶拋問題(該問題在能力區(qū)間范圍之內(nèi))
  3. 用戶答對則重新分配最小值猬错、答錯則重新分配最大值
  4. 逐步縮小范圍,得到結論

但實際的情況是:

  • 存在學習者蒙對的情況简卧,比如判斷題兔魂,總是有50%的概率做對
  • 即便掌握程度相同,表現(xiàn)的可靠性也有區(qū)別:A 圍繞一個知識點做了10次練習举娩,正確率100%析校;B 做了100次練習,正確率98%铜涉,很難說 A 的掌握程度就高于 B智玻,這是置信度的問題

針對學生的知識圖譜進行估算、基于概率去推測「學習者可能掌握了哪些知識圖譜」就是一個可行策略芙代;在這個評估的過程中吊奢,算法還可以抓取一群學生的數(shù)據(jù)進行比對,從而調整測試的策纹烹。

具備對于學生知識圖譜的推理能力和積累不同學生在同一知識點页滚、題目上的表現(xiàn)之后,自適應系統(tǒng)就是一個高效铺呵、動態(tài)發(fā)展的學習伙伴了裹驰。

自適應系統(tǒng)的迭代過程,就是推理能力變強的過程

下圖從左到右的三個藍色矩形描述了低級到高級自適應學習系統(tǒng)的特點:

  1. 低級系統(tǒng)僅通過判斷學生的學習行為來調整學習內(nèi)容片挂,比如根據(jù)某個題目錯了幻林,就新增對應的知識點練習贞盯,更像是一個被提前預設好問題的劇情游戲
  2. 系統(tǒng)內(nèi)存在一套難度遞增的課程,表現(xiàn)好就給你難度更高的學習內(nèi)容沪饺,反之給更簡單的躏敢,具體例子是一些答題類產(chǎn)品的規(guī)則:每個人的題目都不一樣,上一道答對了整葡,下一道題就更難
  3. 具備更強的推理能力件余,且能夠找出知識點之間的關聯(lián),可能把錯誤知識點的若干個上下級知識點都會推送給學習者加強一遍

適應系統(tǒng)越高級掘宪,學習路徑越非規(guī)則化蛾扇,在知識圖譜的分布上呈現(xiàn)為:

來源:鯨準研究報告

這種不規(guī)則化在不同學生之間的學習路徑上呈現(xiàn)為:

來源:美國自適應學習公司 Knewton 的對外資料

為學習者設計「腳手架」而不是「算法上帝」

這里有兩個關于自適應產(chǎn)品的反饋,仔細想想問題在哪:

  1. 某開發(fā)者:假設這名高二的孩子未來想高考xx分上xx學校魏滚,我的系統(tǒng)能做到為他規(guī)劃接下來一年做哪些題镀首,頻率如何。
  2. 某自適應系統(tǒng)用戶:我就跟著系統(tǒng)完成推送過來的題目鼠次,一年之后我從班級中游到了前三名更哄。

他們都在塑造一個「算法上帝」:即學習者跟著我的規(guī)劃來就行了。但是:

  • 「選擇以何種方式學習哪些內(nèi)容」——這種重要能力被計算機替代了
  • 剝奪了學習者的選擇權利腥寇,不利于學習動機
  • 只有數(shù)學成翩、物理這種高度標準化、客觀化的科目適合這種練習方式赦役;對于存在主觀判別的科目麻敌,很難落地
  • 用戶依然難以判別「給我的題目是預設好規(guī)則的還是靈活調整的」?
  • 自適應產(chǎn)品沒有直接在理解知識掂摔、嘗試解決問題的過程中具備用戶感知

面對開放性的問題术羔,自適應學習能夠直接參與到解題步驟環(huán)節(jié)(而不是只測試+內(nèi)容推薦),通過不同媒介為學生提供解決問題的內(nèi)容提示乙漓、活動建議(腳手架)级历,就是一個非常理想的狀態(tài)。

例如網(wǎng)易的Python 編程學習游戲極客戰(zhàn)記叭披,左下角的3D 人物會根據(jù)操作寥殖,在過程中給出一些提示,這就是承當「腳手架」功能的產(chǎn)品特性涩蜘。


這是最近關于 人工智能教育 的學習筆記的第二篇內(nèi)容嚼贡,第一篇請見:除了刷題提分,教育行業(yè)還可以怎么用知識圖譜技術同诫?

最后編輯于
?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末粤策,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子剩辟,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,826評論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件贩猎,死亡現(xiàn)場離奇詭異熊户,居然都是意外死亡,警方通過查閱死者的電腦和手機吭服,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,968評論 3 395
  • 文/潘曉璐 我一進店門嚷堡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人艇棕,你說我怎么就攤上這事蝌戒。” “怎么了沼琉?”我有些...
    開封第一講書人閱讀 164,234評論 0 354
  • 文/不壞的土叔 我叫張陵北苟,是天一觀的道長。 經(jīng)常有香客問我打瘪,道長友鼻,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,562評論 1 293
  • 正文 為了忘掉前任闺骚,我火速辦了婚禮彩扔,結果婚禮上,老公的妹妹穿的比我還像新娘僻爽。我一直安慰自己虫碉,他們只是感情好,可當我...
    茶點故事閱讀 67,611評論 6 392
  • 文/花漫 我一把揭開白布胸梆。 她就那樣靜靜地躺著敦捧,像睡著了一般。 火紅的嫁衣襯著肌膚如雪乳绕。 梳的紋絲不亂的頭發(fā)上绞惦,一...
    開封第一講書人閱讀 51,482評論 1 302
  • 那天,我揣著相機與錄音洋措,去河邊找鬼济蝉。 笑死,一個胖子當著我的面吹牛菠发,可吹牛的內(nèi)容都是我干的王滤。 我是一名探鬼主播,決...
    沈念sama閱讀 40,271評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼滓鸠,長吁一口氣:“原來是場噩夢啊……” “哼雁乡!你這毒婦竟也來了?” 一聲冷哼從身側響起糜俗,我...
    開封第一講書人閱讀 39,166評論 0 276
  • 序言:老撾萬榮一對情侶失蹤踱稍,失蹤者是張志新(化名)和其女友劉穎曲饱,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體珠月,經(jīng)...
    沈念sama閱讀 45,608評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡扩淀,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,814評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了啤挎。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片驻谆。...
    茶點故事閱讀 39,926評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖庆聘,靈堂內(nèi)的尸體忽然破棺而出胜臊,到底是詐尸還是另有隱情,我是刑警寧澤伙判,帶...
    沈念sama閱讀 35,644評論 5 346
  • 正文 年R本政府宣布象对,位于F島的核電站,受9級特大地震影響澳腹,放射性物質發(fā)生泄漏织盼。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,249評論 3 329
  • 文/蒙蒙 一酱塔、第九天 我趴在偏房一處隱蔽的房頂上張望沥邻。 院中可真熱鬧,春花似錦羊娃、人聲如沸唐全。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,866評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽邮利。三九已至,卻和暖如春垃帅,著一層夾襖步出監(jiān)牢的瞬間延届,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,991評論 1 269
  • 我被黑心中介騙來泰國打工贸诚, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留方庭,地道東北人。 一個月前我還...
    沈念sama閱讀 48,063評論 3 370
  • 正文 我出身青樓酱固,卻偏偏與公主長得像械念,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子运悲,可洞房花燭夜當晚...
    茶點故事閱讀 44,871評論 2 354

推薦閱讀更多精彩內(nèi)容