2019中国教育智能化发展报告-德勤-201911.pdf

《2019中国教育智能化发展报告-德勤-201911.pdf》由会员分享，可在线阅读，更多相关《2019中国教育智能化发展报告-德勤-201911.pdf（44页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、中国教育智能化发展报告 一、人工智能教育的理解 11.1、发展阶段 11.2、国内外应用比较 21.3、与传统教育不同点与价值 41.4、关键技术 5二、人工智能教育系统解析 72.1、智适应教育架构和模型分析 7 2.2、智适应教育三种主流应用场景 11三、人工智能变革教育行业 22 3.1、人工智能推动生态参与者角色转变 223.2、智能化成为教育行业发展主流趋势 24四、人工智能教育投资趋势分析 284.1、中国正成为全球投资最活跃的区域之一 284.2、人工智能教育细分领域投资持续分化 314.3、下一步人工智能教育投资和整合趋势 32五、人工智能教育未来挑战、展望与思考 36德勤中国

2、联系人/白皮书编委会 37目录中国教育智能化发展报告 |一、人工智能教育的理解1一、 人工智能教育的理解1.1、发展阶段 人工智能技术正在推动教育信息化的快 速发展，人工智能教育是人工智能技术 对教育产业的赋能，通过人工智能技术 在教育领域的运用，来实现其辅助甚至 是替代作用。未来人工智能教育应用的 发展将由数据驱动、应用深化、融合创 新优化服务等方式来持续推动。从行业发展阶段来看，目前人工智能教 育行业仍处在发展阶段，尚未成熟。人 工智能的概念虽火热，但人工智能在教 育行业的具体赋能却并非是一蹴而就 的。纵观人工智能教育行业的应用发展 历程，起步阶段主要集中在对人工智能 教育的规划和初步探索

3、中，20世纪50 年代，卡耐基梅隆大学教授艾伦纽厄 尔和赫伯特西蒙作为人工智能的奠基 人，结合数学、工程和经济学促进了人工智能的发展。20世纪70年代，Jaime Carbonell创建智能教学系统，开始利用 计算机辅助教学；1993年英国爱丁堡举 行第一届人工智能教育（AiED）国际会 议。随着时间发展，人工智能教育也开 始正式走向发展阶段，21世纪初，美国 Cognitive Tutor、Knewton、RealizeIt 等智适应教育企业纷纷成立，人工智 能技术开始被逐渐赋能到教育产业 中。智适应学习（Intelligent Adaptive Learning）技术是模拟老师对学生一对

4、一教学的过程，赋予学习系统个性化教 学的能力的人工智能教育技术。2010年 后，中国智适应教育企业开始兴起，如 新东方、好未来、乂学教育松鼠AI等 公司。2016年前后，国内的众多知名教 育机构如好未来、新东方等以及资本也 纷纷投入人工智能教育领域。纵观近几十年的发展历程，人工智能技 术从早期的基于规则的知识表示与推 理，开始向基于深度学习的自然语言处 理、语音识别与图像识别转变，算法模 型获得显著改进。大数据的支持为人工 智能提供了数据驱动和认知计算。与此 同时，人工智能在教育领域的应用需要 跨学科、跨领域的共同合作，如神经科 学、认知科学、心理学、数学、教育学 等相关基础学科。跨学科、跨领

5、域的应 用将联合推动人工智能教育的发展。数据来源：德勤研究图1-1：人工智能教育发展阶段图起步阶段发展阶段人工智能教育目前 所处发展阶段成熟阶段完善阶段 1988年，蒙特利尔大学组 织第一届ITS（智能教学系 统）国际会议 1993年英国爱丁堡举行第 一届人工智能教育（AIED） 国际会议 20世纪初，Knewton、 RealizeIt等智适应教育企业 纷纷成立。人工智能被逐渐 赋能到教育产业中。 2010年前后， 中国国内只适 应教育企业开始兴起， 2016 年前后， 国内的众多知名教 育机构以及资本市场也纷纷 投入智适应教育领域。 成熟阶段的智适应教育领域 市场格局基本将趋于稳定， 且将

6、会形成各方鼎力的格 局。市场具备一条完善的产 业链分工，人工智能企业的 收入也将快速增长。 这个阶段将处于人工智能教 育发展阶段的后期阶段，人 工智能教育企业的利润增长 将逐渐趋于缓慢甚至停滞， 企业业务将开始寻求转型。中国教育智能化发展报告 | 一、人工智能教育的理解21.2、国内外应用比较 目前国内外在人工智能教育领域均有了较大地发展，“人工智能+教育”的应用形态也是多种多样的。在“人工智能+教育”模 式下，企业凭借人工智能技术的优势，集中精力主要研发教育智能产品，最大可能地向用户提供他们所需的教育产品和服务。 就使用人工智能教育的用户来讲，更多的是想要获得便捷且最有效的教育智能服务。数据

7、来源：德勤研究图1-2：AI在教育领域中的应用分类AI在教育领域中的应用分类基础人工智能技术国内企业国外企业智适应学习结合智适应学习技术去打造出一 个虚拟的老师， 不仅能够渗透整 个教学过程， 而且支持个性化教 学， 每个学生可以根据自己的节 奏去学习， 有助于提升学习效率 和积极性 乂学教育松鼠AI； 一起作业； 英语流利说； 小盒科技； 51Talk； 今日头条； 易听说； 科大讯飞； 盒子鱼英语 黄埔在线； 大拿科技； 精准学； 大疆； 先声教育； 乐智机器人 IBM Watson； Knewton； DreamBox Learning； Renaissance Learning； Co

8、gnitive Learning； Duolingo； LightSail Edution； Grammarly； Cerego； Wonder； Workshop； RoboKind Millo； Sphero人机对话智能源处理以及搜索的技术双师课堂图像识别技术语音测评基于智能语言处理和语音识别 的技术智能语言处理的应用基于语言处理的技术， 能够构建 一些语法框架等拍照搜题计算机视觉的技术和图像识别 的技术中国教育智能化发展报告 |一、人工智能教育的理解3就人工智能教育中的智适应教育来讲， 美国的智适应教育起步较早，早在20世 纪90年代美国已开始开发智适应教育。 中国的智适应教育主要在近十

9、年得以快 速发展。在教育内容的侧重方面，国内 的K12辅导与英语辅导最为火爆，与国 内的学外语热度不减的情况不同的是， 美国市场对于语言学习的热情远不如中 国高，语言辅导类在美国的人工智能教 育领域占比并不是很高。此外，高等教 育是美国人工智能教育内容的重点，在 领域分布情况上基本与K12辅导占比大 致相同。在技术层面上，智适应学习技术在美国 和欧洲的使用时间均超过十年，各年龄 段都有大量用户使用，累积用户超过一 亿。产品和技术方面都打磨的比较完 善。相对来说，智适应学习技术在国内 积累的数据量稍有落后，处在初步发展数据来源：亿欧，德勤研究数据来源：德勤研究图1-3：美国Top 30 AI+教

10、育公司服务领域分布图1-4：国内外人工智能教育应用比较阶段。优势在于，中国人口基数大、 发展速度快，未来有望后来者居上。 国外的公司，如Knewton采用的技术有 概率图模型、项目反应理论、学习分 析等技术。RealizeIt技术采用的技术有 信息论、贝叶斯算法、机器学习等技术。ALEKS技术采用的技术主要是知识 空间理论。目前国内领先的人工智能教 育企业，如乂学教育打造的松鼠AI，松 鼠AI采用的技术包括贝叶斯网络、深度 神经网络、进化算法、迁移学习、以及 其他机器学习算法等。国内国外国内课外付费辅导行业发达， 市场前景良好学生背景复杂， 多元化去向明显智适应学习技术在国内积累的数据量稍有落

11、后， 处在初步发 展阶段智适应学习技术在美国和欧洲使用时间超过十年， 各年龄 段都有大量用户使用， 累计用户超过1亿智适应教学企业倾向于自己开发教材内容， 国内应试教育教 材版本众多， 需要针对不同的版本开发不同的考点内容， 知 识点较为新细致且主要针对应试教育教学内容主要为学校和出版社提供， 知识产权明晰， 内容 体系相对完整K12辅导、 英语辅导K12+、 高等教育、 职业教育乂学教育松鼠AI、 新东方、 好未来、 作业帮、 流利说等ALEKS, RealizeIt, Knewton, Dreambox Learning, Duolingo, Renaissance Learning; C

12、ognitive Learning发展背景技术对比内容运用应用场景代表公司20%25%25%7%10%10%3% 素质教育K12高等教育企业培训语言学习阅读其他中国教育智能化发展报告 | 一、人工智能教育的理解41.3、与传统教育不同点与价值 人工智能在教育领域的应用意味着对传 统教育模式的挑战和颠覆：人工智能技 术既改变了传统教育的育人目标，也突 破了传统教育的育人方式。从目标的层 面上来说，教育的目的从“育分”转而人工智能观察分析学生学习模式以及个 体差异，突破过往内容和模式千篇一律 的教学方式。大量数据证明，在这一种 模式之下学生的学业表现均有所提高， 在课程完成时间、课程通过率、考试成

13、 绩方面相对于传统教育模式下的学生均 有突出的表现。同时，人工智能教育也 使普遍素质教育成为可能，在提高应试 教育效率的同时注入思辨训练、创新能 力培养等元素，全面培养学生能力。为“育人”，因材施教由于人工智能技 术引入成为可能。从教育方式的层面上 来说，智适应学习针对学生具体情况和 个体需求提供个性化解决方案；AI作为 主讲老师改变了整个教学流程，与此同 时，释放了教师人力，并基于教学大数真人教师以及AI助理并存于教学活动 中，将教师从重复枯燥的试卷批改、日 常管理工作中解放出来，为其专注于创 造性教学研究工作以及学生一对一交流 创造时间以及机会。AI辅助决策基于教 学活动产生的大数据帮助教

14、师更好地把 握教学情况。AI打破了信息以及资源的流通壁垒。智 慧校园理念的出现以及实现促使校园 内的硬件设施上网联通，并加快校园内据进行决策，实现精准教学的同时使学 习速度和灵活性得到了进一步的提升； 人工智能实现校园内部信息流通以及跨 区域的资源互通，打通了信息以及资源 流通壁垒。部门整合，实现信息交流整合，为管理 决策以及风险应对提供数据层基础。其 次，远程教学以及网络校园的出现实现 优秀教育资源从东部沿海发达地区向贫 困偏远地区流动，实现教育公平。总体上而言，人工智能教育从教学质 量、教学效率以及教学公平三个方面创 造了传统教育所缺失的价值，对于学 生、教师、学校以及区域教育系统等各 有

15、意义。数据来源：德勤研究图1-5：人工智能改造传统教育并创造新价值教学内容千篇一律， 用相同 的教材以及教学模式应对不 同的学生； 填鸭式教育， 关注 考试和分数传统教育人工智能教育价值大量的时间被消耗在作为批 改中， 重复性的工作挤占了创 造性教学研究以及师生交流 互动的时间传统的学校管理模式基于层 级管理， 不同部门间的信息 互不流通， 造成管理效率总 体低下， 教学资源局限于教 室之内， 优秀教资集中在东 部沿海地区， 造成区域间教 学资源不公平 人工智能在教育的应用改变了整个教学 流程， 人工智能替代教师的授课职责， 接 管教学的任务， 颠覆性改变以往模式， 因 材施教； 基于大数据、

16、机器学习深入评估分析学生 日常及考试表现 AI技术渗入校园环境中，实现物理层以及 数据层的信息交流互通，并汇集于数据中 心以支持日常管理和风险应对 远程连接优秀教师资源和学生，利用AI技 术打破时间和空间壁垒，实现教学资源 跨校区流动 以学生为中心，针对学生具体情况以及需 求提供个性化解决方案，把我学生知识长 短处、评估分析学生学习能力并进行实时 教学指导； 带给学生学习能力和思维的提升，使学习 更具灵活性，并提高学习效率人工智能提升教学质量 学生考试分数提升，课程通过率提 高，退学率下降 优化教育内容，关注学生思辨、创 新等各方面能力的培养人工智能提升教学效率 教师人力释放，可专注于教学研究

17、 以及学生一对一交流 学生课程完成时间缩短，针对性攻 克学习困难 提高校园管理以及应对效率，依靠 大数据实现精准实时校园管理和风 险应对人工智能实现教学公平 以AI远程连接教师与学生互动或模 拟特级教师等方式向教学资源贫困 地区输入优秀教学资源学生教师学校中国教育智能化发展报告 |一、人工智能教育的理解51.4、关键技术 人工智能中对教育领域产生深刻影响的技术颇多，以算法、图论以及推断统计学等计算机基础理论结合其他领域的前沿理论形 成人工智能教育应用中的关键技术。 遗传算法和逻辑斯蒂回归，规划最佳 的学习路径，最大化学生的学习效 率。该算法模型会考虑到学生所要完 成的学习目标和学生当前的知识状

18、 态，推荐最佳的接下来学习的知识 点，并依据学生不断变化的知识状态 实时动态调整路径规划。在不断推送 学习内容并获得学生的学习反馈后， 系统将逐渐绘制学生的学习习惯、兴 趣、方式等多方位的学生画像，并不 断自动优化推送逻辑。相比较于深度 学习神经网络算法，遗传算法能在全 局范围内搜索，能快速找到全局最优 解，避免陷入局部最优。 图论: 实现智适应学习的首先是需要像 优秀教师一样，清楚了解学生在每一 个知识点的掌握水平。由于综合知识 点题目在作答后很难界定学生的真正 错因，只有将知识拆解到最小单位， 才能够精准的了解到学生在每一个最 细小的知识点上的掌握情况。 机器学习技术：依据不同学生的个性

19、偏好、学习习惯和学习风格，推荐最 匹配的学习内容。有些学生喜欢轻松 活泼的内容形式，有些学生喜欢严谨 的风格，AI系统会记住不同学生的偏 好推荐最合适的。根据学生的知识掌 握状态和目标，智适应学习系统会自 动规划最适合该学生的学习难度和顺 序，不会让学生因为目标过高而丧失 信心，也不会因为目标过低而失去挑 战的欲望。通过这样的方式，让40分 水平的同学可以逐渐提高到60分、70 分，让70分水平的同学逐渐提高到80 分、90分，最终使得所有不同水平的 学生都能够循序渐进地提高到较高的 水平。 贝叶斯网络:对于何时开展下一阶段 学习时间节点的确定，使用贝叶斯网 络，是对学习者学习能力的一种预 测

20、。例如，系统需要通过对测试结果进行分析，判断学习者对于一元一次 方程到何种程度才可以学习一元二次 方程。这就需要系统确立适当的数据 处理机制，同时明确两块知识的联 系，以及学生的学习程度。 深度学习和自然语言处理:利用自然 语言处理技术，自动生成学习内容标 签；采用深度学习技术，分析学生画 像和学习内容，从海量内容池中自动 挑选合适学习内容给到学生。 知识空间理论和信息熵论:从测量学 看，信息是可以量化的。利用信息熵 理论，可以通过检测部分重要知识点 快速逼近学生的知识状态水平，再围 绕这个基本层级做反复的精细化测 算，高效精准地诊断出学生的知识漏 洞和状态。数据来源：德勤研究图1-6：人工智

21、能教育关键技术示意图分类算法专家系统知识表达知识图搜索树 贝叶斯网络 因果推理协同规则自然语言处理神经网络序贯模式挖掘文本挖掘和搜索遗传算法数据挖掘机器学习教育数据挖掘和预测分析实时形成性AI智适应学习平台创新学习空间测试诊断游戏和移动工具中国教育智能化发展报告 | 一、人工智能教育的理解6 教育数据挖掘和学习分析技术： 大数据 在教育中的应用主要有两大领域： 教育 数据挖掘 （Educational Data Mining， 简称 EDM） 和学习分析技术 （Learning Analytics， 简称 LA） ， 其中教育数据挖 掘 （EDM） 是指对学习过程和学习行为 进行量化分析， 在

22、学生学习过程中采集 学生的学习数据， 包括学习时间， 停留 时间， 测试准确率等。 通过对数据的处 理分析， 建立不同学生的学习模型。 学 习分析技术 （LA） 主要是对学生的测验 成绩进行预测和监控， 并提出相应的 干预措施。 这样的学习模式不仅可以实 现个性化学习的目标， 可以对每一个学 生提供不同的激励机制。 所有学生的进 步是在自己的基础上进行的， 减少了横 向对比的弊端， 提高了学生的自我效能 感。 学习分析 （Learning Analytics） 能够为教师提供详细的学生数据， 它不 仅可以告诉学生投入多少、 了解多少， 甚 至还能提供信息让系统、 教师改善教学 方法。人工智能教

23、育在美国发展时间长，各年 龄段都有大量用户使用，产品和技术方 面都打磨的比较完善。相对来说，相应 的技术在国内积累的数据量稍有落后， 仍处在初步发展阶段。但随着资本对其 关注的提升以及中国的人口基数红利， 人工智能教育快速发展，未来有望后来 者居上。中国教育智能化发展报告 |二、人工智能教育系统解析7二、 人工智能教育系统解析2.1、智适应教育架构和模型分析 2.1.1、人工智能教育的应用 人工智能在教育诸多变革级应用，包括 智适应教育、创新学习虚拟空间、以及 数据分析和数据隐私等等。下表列出了 教育的一些主要趋势，并将其与这些应 用领域背后的关键技术相匹配。本报告 将重点研究人工智能智适应教

24、育环节。 智能智适应教育是一种与传统教育模式2.1.2、智适应学习智能等级 智适应学习智能等级，目前诸多应用公 司还未达到最佳实践效果。根据当前 人工智能技术的水平在教育方面的应 用，智适应教学产品可以分为五个等 级。Level 0和Level 1的教育都是基于 简单规则的判断，进行学习内容推送， 属于初级应用。Level 2开始设计难度递 增的课程，而从Level 3开始涉及知识图 谱和概率模型，是当前智适应教育的最 高水平。Level 4等级通过计算机技术打 造的智适应系统把高质量的内容推送到（也称为工厂教育模式）根本不同的教 学方法。不同于农业和工业经济社会， 教育仅需要十余年即可应对工

25、作和生活 所需，在人工智能社会，教育阶段和工 作阶段的区分将会消失，马拉松式的终 身学习将成为常态。为了应对不断变化 的学习需求，人工智能技术驱动的智适 应教育模式将会发挥更大的作用。老师和学生的面前，以辅助教与学的过 程，并使得整个过程可量化。达到这个 水平的智适应学习系统，可以做到拿到 任何一道学科题目，就可以用多种策略 得到正确答案。Level 5为目前最理想 等级，专注于对孩子想象力和创造力的 塑造，对学生状态的把控，分析情感因 素，主观能动性，从而提升学习能力、 创造力和能动性。进而培养一个完整的 学生，使其主观能动性的提升，而不仅 是某一个知识点的提升。智适应教学系统是一种计算机系

26、统，旨 在为每一个学习者提供即时的、定制化 的指导或反馈。所有智适应教学系统的 共同目标是通过使用多种计算科技，特 别是计算智能，让学习变得更有意义、 更加高效。智适应教学系统与人工智能 设计和认知学习理论有着密切的关系。智适应学习提倡所有学习进度和教学方 法，都要针对每个学习者的需求进行优 化的教学。目前，我国的智适应教育等 级仍处于中级以下水平，虽然目前诸多 应用公司还未达到最佳实践效果，但是 随着基于智适应系统的教学过程互动越 来越频繁，可收集和利用的数据越来越 多，从而使得对学生与老师在教与学的 状态越来越清楚，推送也变得越来越精 确，智适应教育系统的可应用领域也将 越来越广。数据来源

27、：AI智适应教育白皮书图2-1：人工智能教育应用人工智能教育的应用背后的AI技术个性化智适应教育实时形成性评估， AI +智适应教学系统， AI工具， 自我改进系统向主动学习的转变，PBL，CBL，计算思维人工智能 （机器学习， KRR， 机器人， 计算机视觉， NLP）改变学校和学生成功的定义适应性学习教学法和个性化学习途径， 人工智能规划创新学习空间人工智能教室， 虚拟实验室， A / R， V / R， 听力和传感技术实时分析EDM和预测分析隐私和信任数字生态系统突破界限移动， 在线学习和虚拟个性化助手中国教育智能化发展报告 | 二、人工智能教育系统解析8数据来源：揭秘智适应学习的背后原

28、理，德勤研究智适应级别级别名称等级释义等级例子Level 0基于难度等级的智适应 学习根据固定测试判断学生能力水平， 系统根据学生能力级别， 按事先定制的能力匹配， 通过设计难度递增的课程， 完成课 程推送。初级Khan AcademyLevel 1基于简单规则和工具自动 化的智适应学习基于规则的智适应学习， 其本质是决策树， 判断学生的某种 行为是否正确， 从而完成题目和作业推送。 在工具和测评 层面使用人工智能 （拍照答题， 自动阅卷等） ， 提高任务环节 的效率。初级作业帮， 猿辅导Level 2基于项目反应理论模 型 （Item Response Theory） 模型的智适应 测试以I

29、RT为基础的测评体系实时推荐， 当学生完成得好的时候 就加大挑战难度， 当学生完成的有问题时， 就相应减少难 度， 达到高效率的测试效果。中级GRE， ACTLevel 3基于知识点网络和概率模 型的智适应学习系统在整个知识图谱体系里析， 应用知识空间理论 （Education Data Mining） 或贝叶斯知识追踪(Bayesin knowledge tracing)通过学生做题情况， 推断知识点的掌握 程度， 相应调整学生实时学习路径， 推荐优化的学习任务。 重心在于知识点相关联形成的知识图谱的建立和针对任务 的自然语言处理 （Natural Language Processing）

30、对话。中级ALEKS， Cognitive Tutor， KnewtonLevel 4基于多维度学习元素， 能 力目标和细分知识图谱的 智适应学习考虑多维度的学习元素 （情感因素、 学习兴趣和积极性、 能动性， 注意力等Multimodal Integrated Behavioral Analysis因素） ， 增加深度学习方法， 不仅采纳知识图谱， 而 且应用细分思想方法、 能力、 方法 （MCM体系） 的智适应 学习。中高级IBM Watson， 乂学教育松鼠AILevel 5基于增强学习和遗传算 法， 把认知科学和和深度 学习相结合的智适应学习真正AI级别的智适应学习， 基于Human-

31、in-the-loop, 模 拟学生和模拟学生人机对抗模型进行增强学习 （RL） 和遗 传算法 （Genetic algorithm） 生成教学策略； 符号推理， 认知科学和深度学习相结合， 综合个体学习和集体学习 （Problem-Based Learning） ， 形成场景植入和学习伴侣能 力的智适应学习， 在学习知识的前提下， 进一步培养知识体 系、 学习能力、 学习习惯和创造力等整体学习水平 。高级智适应学习提倡所有学习进度和教学方 法，都要针对每个学习者的需求进行优 化的教学。虽然目前诸多应用公司还未达到最佳实 践效果，但是随着基于智适应系统的教 学过程互动越来越频繁，可收集和利用

32、的数据越来越多，从而使得对学生与老师在教与学的状态越来越清楚，推送也 变得越来越精确，智适应教育系统的可 应用领域也将越来越广。图2-2：智适应教学智能程度等级中国教育智能化发展报告 |二、人工智能教育系统解析9数据来源：AI智适应教育白皮书，德勤研究图2-3：智适应教育技术架构模型图2-4：智适应教学系统参考模型2.1.3、智适应学习系统模型 在基于教学流程的智适应学习系统中，从内容、数据和算法层面围绕智适应学习理念建立标准化的模型，完成多种技术到智适 应教育系统的综合应用。其核心为知识主体的数字化，结合自动机器学习、知识排列模型等来进行知识点诊断与评估、智适应 推荐、分析与知识主体的构建。

33、美国匹兹堡大学信息科学学院的Peter Brusilovsky最早提出了智适应学习系统的通用模型，基于技术架构的基础上，将智适应 教学系统分成两大核心部分：系统模型与智适应引擎。系统模型中有包括学习者模型、教学模型、知识模型和界面接口模型。在智适应学习系统中，模型发挥着基础 与核心作用，智适应引擎则是系统实现 的动力所在。在智适应教学模型中，学 习者模型与知识领域模型构建更为关 键，需要系统化、多维度的建模，并在 此基础上建立关联规则。界面功能模型数据知识本体学习图谱内容图谱知识配置 和元数据导航界面核心服务LRS诊断与评估评估界面PGM模型MDS自适应推荐实时传感器知识推理模型目标特定领域的

34、 感应器演示界面自动机器学习和 强化学习学习者档案分析管理服务IRT, BKT, KST, PKSIRT, BKT, KST, PKSNPL和语义模型DW知识本体构建界面接口模型学习者模型知识领域模型教学模型内容自适应引擎测评序列中国教育智能化发展报告 | 二、人工智能教育系统解析1001. 学习者模型 学习者在实际学习过程中会产生多维度的行为数据， 且学习数据的产生具备并发性。 所以必须整合心理与行为数据展开系统分析， 刻画学习者数据模型。 在智适应学习系统中， 学习者模型将是自主学习能力提升的关键所在。 其中第一层是针对学习者的思想方法 和能力模型， 将判断出学习者的学习能力大小； 第二层

35、知识点映射模型， 将对学习者对于知识点的掌握情况， 进行全方位描述。02. 知识领域模型 知识领域模型， 主要描述知识结构， 建立 详细的学习内容的知识点结构图谱。 通常 包含理想状态的专家知识， 也包含学生定 期发生的错误、 错误规则和误解。03. 教学模型 教学模型定义了根据学生模型中的信息 访问领域各个部分的规则， 以及如何修 改用户模型的一套规则。 也就是它以知识 领域模型和学习者模型为输入， 选择导师 在下一步应该才去的知道策略、 步骤和行 为。 在混合主动性系统中， 学习者也可能 采取行为， 提出问题， 或请求帮助； 但是 ITS需要随时准备决定 “下一步做什么” ， 这是由一个捕

36、获研究人员教学理论的辅 导模型决定的。04. 界面接口模型 用户界面通过多种输入媒介 （语音、 打 字、 点击） 解释学习者的表现， 并在不同 的媒介中产生输出 （文本、 图表、 动画、 代 理） 的输出。 除了传统的人机界面功能外， 当前的一些系统中还加入了自然语言交 互、 语音识别、 学习者情绪感知等功能。05. 智适应工作引擎 在智适应工作引擎工作中， 智适应引擎分 别从学习者模型数据库与知识领域模型 数据库中提取学生和领域知识对象的特 征信息， 然后转换为数值结合形式， 并且 通过关联规则计算器特征相似度值， 最 后依据计算的相似度值， 向学生推荐适合 其个性需求的知识对象集。这里具体

37、分析智适应内容的一种常见引 擎： 即知识点间智适应和知识点内智适 应。 系统首先通过布置恰当的任务， 确定 学习者的学习状态。 一旦学生采纳该建 议， 系统将对执行任务的学生进行智适 应干预。通过学习者数据建模，可以发现学生学 习结果与学习资料、学习资源、教学行 为等变量之间的相关关系，预测学生未 来的学习趋势。对于学生而言，学习者 数据智能化分析可以向学生推荐有助于 改进他们学习的学习资源和学习任务。 对于教师而言，教育数据可以提供更 多、更客观地反馈信息，使得他们可以 更好地优化教育方案、完善课程开发， 并且根据学生的学习状态组织教学内 容、重构教学计划等。图2-5：学习者数据模型思想方法

38、已掌握 知识结构个性特长互动类型社交网络媒体偏好个人网络学习风格表情特征注意力类型学习兴趣学习情绪学习需求学习态度能力素质内在外在未掌握 知识结构交流行为脸部行为性格行为脑部行为中国教育智能化发展报告 |二、人工智能教育系统解析11图2-6：智适应内容教学环节2.2、智适应教育三种主流应用场景 智适应教育产品从应用场景上主要分为 三类：语言学习场景、教学辅助场景及 智适应平台。第一类是提供外语学习产品，从发音、 语法等对语句进行评分并智能辅助教 学。英语学习一直是全球教育市场的重 要组成部分，相关学习产品和题库数据 比较成熟，主要应用在口语测评、作业 布置等方面，成熟品牌包括英语流利 说、Du

39、olingo等。第二类是辅助教师类产品，这类产品在 中美国市场均已经运用相对成熟，以测 与练为核心，辅助教学，智能测评来辅 助智能教育。国内包括科大讯飞教育、 乂学教育松鼠AI、作业帮、腾讯教 育，国外包括Renaissance Learning和 Knewton，均利用平台优势完成用户的 智适应测评来辅助教学。第三类是打造智适应教学平台，试图把 测、教、学、 练、 评所有环节都纳入智 适应学习系统。在国外智适应学习领域 已经出现了Dreambox、BYJU S、IBM Watson Education等教育科技明星公 司，国内以乂学教育松鼠AI为首。就 这部分而言，国内外成熟度差距较大， 国

40、内仍处于起步阶段。外部循环测试1 帮助2 测试3 提示4 实践5 知识点 任务1知识点 任务2知识点 任务3知识点 任务4知识点 任务5知识点 任务6知识点 任务7知识点 任务n内部循环步骤1步骤2步骤3步骤2步骤3步骤4行动1 行动2 提示3 中国教育智能化发展报告 | 二、人工智能教育系统解析12数据来源：德勤研究数据来源：德勤研究图2-7：智适应学习场景主要技术课题对比图2-8：语言学习场景示意图2.2.1、语言学习场景 语言学习场景主要是进行英语语音测评。随着英语口语在英语教育中的不断重视，为了学习与测评英语口语的语音语调标准 度，口语流利度以及口语表达能力，通过语音识别、自然语言处理

41、等技术开发，市场上出现了“英语语音测评”的智能教育产 品。其应用技术包括语音识别、自然语言处理。场景描述从发音与语法等对语句进行评分 并智能辅助教学根据测与练完善知识结构，辅助教学智适应平台进行“测练教学”一体闭 环智能教学国内外差距 国内：以To C为主，英语 相关软件多 国外：To B与To C均有涉及 国内外发展均较为成熟 国内：以测辅助，练来完成知识点的 掌握 国外：智能测评以辅助智能教育 发展成熟度差距较大 国内处于起步阶段，以To C为主， 主要为线上智能模式辅助线下主要应用 口语测评 作业布置 分层排课 陪伴机器人 判断学习态度 口语测评 作文批改 组卷阅读 拍照搜题 规划学习路

42、径 推送学习内容 侦测能力缺陷 预测学习速度语言学习场景教学辅导场景智适应平台学生自测 学生自主选择分 类测试，进行自 适应口语表达 智能语音测评就口 语表达、发音、语 法能进行评分和 分析 根据学生薄弱之处 提供相应在线学习 课程，或线上教师 辅导 将测评结果反馈教 师，提升教师辅导 效率智能分析线上学习辅助教学中国教育智能化发展报告 |二、人工智能教育系统解析13数据来源：德勤研究图2-9：英语流利说商业模式语音测评的优点：标准测验，精细分 析，提升效率。英语语音测评类型的智 能教育产品主要替代了教师对学生的口 语陪练、口语考试测试、及评分统计等 相关工作，通过机器辅助教学，极大提 高了教

43、师的工作效率，同时实现了口语 智适应学习。其可以覆盖多种口语类 型，包括音标发音、短文朗读、口头表 达等，能够有效减少教师工作量，提高 工作效率，让教师直接通过智能测评的 结果因材施教。智能测评的评分结果客 观稳定，打分能够精细分析，做出高效 的反馈。语音测评的缺点：外界因素对结果有干 扰。英语语音测评的结果会由于口语发 音本身具有不确定性影响智能评分的结 果，如每个人的发音习惯和语音语调不 同，另外噪音等外部环境也会影响评分 结果，使分析结果不准确。且其不能判 断语音语调等进行分析反馈，互动性也 需要提高。国外语言学习English Central：To B 定制化&To C商业模式抢占市场

44、，多语 言版本可用普惠不同母语学生。国外的 英语语音测评软件English Central使用专 有的语音识别技术“听”用户的语音，然 后根据他们的发音和语法对该语音进行评 分。从“学”、“看”、“说”、“教” 几个维度进行，在“教”的方面，一对 一私教线上教学模式使得学生更专注于学 习。其商业模式To B与To C均有涉及，有 直接面向个体消费者进行智能语言学习教 育的，也有直接面向企业和学校等组织， 包括K12，语言学校，大学，企业等。国内语言学习软件英语流利说：免费 试课+学成返现，“去教师化”不断拓 宽市场。为我国的一款英语学习APP， 主要面向C端消费者。通过英语水平测 试，利用人工

45、智能评分，将用户英语水 平分级，不同级别的用户设置不同课 程，来矫正用户口语发音，同时配有听 力等英语练习，生成学情分析报告。其 每日打卡，完成学时后返现的商业模式 受到追捧，而且同学们被其智能机器人 教学模式所吸引，市场不断扩张。轻量化学习材料掌握学生初始能力免费试听模式受到追捧，借此拓宽市场学成返现机器教学，去教师化新模式定制授课中国教育智能化发展报告 | 二、人工智能教育系统解析14国内外以英语流利说、 盒子鱼、 ETS和 Duolingo为主流产品， 其核心均为英语类 语言教辅产品。 根据其商业模式及细分市 场， 可以看出它们在不同领域有所专攻。 国内几大语言类测评软件都有自己的专 攻

46、方面， 英语流利说以口语为主打方向， 全年龄都可通过智能语音测评来提高英 语口语； 盒子鱼注重课堂教学， 且与B端 校方联系密切， 直接从学生学习源头推 广产品； Duolingo为C端客户提供游戏模 式的学习模式， 更侧重定制化学习， 主打 语言学习终身免费策略； 而ETS是最大的 英语考试非盈利机构， 针对K-12、 职业教 育、 英语考试等都有专门的专业化考试。语言学习类产品未来发展方向 精准语音识别。 降低个体发音及外部干 扰对语音识别和测试的影响将是语言类 智能学习测评的技术发展方向， 这将使 智能评判更加客观化、 准确化， 使用户 得到真正的语音、 语法、 句式等的针对化 辅导。智

47、能人机互动。 目前语言类学习产品只停 留在用户单向沟通方面， 不过还未实现智 能语言在教育情景自由对话， 并实时沟通 与纠正的能力。 未来AI智能化将赋予这些 APP智能的语言分析、 批判性思维、 逻辑 能力， 不仅能判断用户单句的语法语音错 误， 还能实战模拟一些真实考试中对段落 理解、 段落逻辑的判断。重视市场营销与拓展。 国内语言学习智 能产品急需要将定制化课程发展起来， 来满足不同企业、 学校、 个人等的要求， 可 为学校、 企业定制符合课程和岗位要求的 专用语言库， 来满足不同群体的个性化学 习要求。 同时与线下机构更多合作， 将线 上智能教育模式沿用到线下， 辅助线下教 育或将AI

48、技术应用于线下教育将成为未 来发展方向。数据来源：德勤研究图2-10：主流语言学习类产品对比具体类别English Central英语流利说盒子鱼Duolingo（多邻国）ETS主要商 业模式To B企业和学校等组 织， 包括K12， 语言 学校， 大学， 企业各类国际与公立 学校提供英语考试成绩作 为参考To C一对一私教C端全年龄段用户通过游戏模式提供多语 言学习服务提供考试服务主要细 分市场早教K-12高等教育出国、 考试等科目细分科目英语听说读写英语口语英语课堂教学个性化英语考试英语中国教育智能化发展报告 |二、人工智能教育系统解析15数据来源：德勤研究图2-11：测评及题库类产品示意

49、图2.2.2、辅助教师类产品 辅助教师类产品连接学生、家长、教 师，分析报告推荐试题更加智能。辅助 教师类产品通过线上布置作业到智能批 改，再生成学情报告，应用了图像识 别、自然语言处理、数据挖掘等技术。 以作业练习为例，通过教师线上布置作 业，到人工智能在线批改，生成学情报 告与错题集，之后对教师、家长和学生 进行反馈，并根据学生的学情进行智适 应推荐试题。一方面，学生家长可以在国外产品可定制，为智适应学习提供适 应性。国外的辅助教师类产品，如 STAR 360系列产品是由Renaissance Learning 推出的，用于K12 教育的标准化计算机 智适应测试，评估、分析学生的学习水 平、强项和不足之处，并为老师提供学 生的数据。Star 360包括三项计算机智 适应测试：Star Reading，Star Math和 Star Early Literacy，以及Star Custom定 制测试。系统上监督学生作业完成情况，另一方 面，教师通过学生分析报告，可以针