松鼠Ai梁静:从单个学生到区域教学,人工智能助力“双减”
发表于2022-01-03 09:46:54
摘要: 原标题:松鼠Ai梁静:从单个学生到区域教学,人工智能助力双减 2021年12月30日,在由芥末堆举办的GET2021国计民生 教育的发展教育科技大会上,松鼠Ai合伙

  原标题:松鼠Ai梁静:从单个学生到区域教学,人工智能助力“双减”

  2021年12月30日,在由芥末堆举办的GET2021“国计民生 教育的发展”教育科技大会上,松鼠Ai合伙人梁静发表了主题为《松鼠Ai智适应助力区域因材施教,帮助减负增效》的演讲。她表示,给孩子减负增效之前,最核心的是给老师减负增效。辅助教师教学,助力学生自主学习,实现因材施教,是人工智能赋能教育的价值所在。

  梁静表示,只有在全教学、全学习过程中采集真实完整的数据,才有可能去反过来训练人工智能算法,才能训练引擎,从而保证这个系统给学生们推送的内容是精准的,才能保证这个系统给老师们推送的授课的内容是精准的。

微信图片_20220102184245.jpg

  她表示,松鼠Ai的自适应技术能够从根源、从教育的本质做到因材施教,而不是完全以结果为导向。无论是单个的学生、一个班级、一所学校、一块区域,松鼠Ai都能够根据具体的学习行为数据形成相应的学习情况报告,推送对应的资源、方案等等。

  据介绍,目前,松鼠Ai已经辐射了6万多家公立学校。在公立学校里面有超过2400万的学生用户,在市场C端有大概不到500万,整体的学生用户数达到了3000万。

  以下为演讲实录,略有删减:

  大家下午好,非常开心作为我们今天大会的压轴进行演讲。GET大会的三个字母,其实就是Global  Education  Technology,所以今天我们听下来,科技、人工智能、数字、大数据等等所有领域,都在和教育紧密结合。

  就像怀进鹏部长前段时间发表的观点:人工智能技术一定会从深度上、广度上跟教育融合,我们未来的教育也一定离不开人工智能。

  松鼠AI其实大家都了解了,我们一直致力于用人工智能技术来帮助教育行业。特别是我们现在在做区域性因材施教的解决方案,核心就是帮助老师、学校的管理者、学生,来减负增效。

  在市场C端可以看到很多松鼠AI(的产品),实际上(不止C端)我们从2017年就开始深耕公立学校。那个时候我们还没有确立公立学校正式收费的模式。我们开始进行了一场在公立学校的人机比拼,就是做对比实验。在公立学校里面我们要做的是整体性、班级性减负增效,提高孩子们的学习效率。我们设立了AI实验班和普通班,通过一段时间的学习,看AI实验班是否能够在短时间内提升效率。我们做了10场人机大战,全部是跟全国各地各种公立学校、教育局,一起举办的,公开公正,有第三方做全程直播。

  截止到现在,我们已经服务了超过6万家的公立中小学。我们用松鼠AI自适应作业系统,跟钉钉一起合作,进入这些学校。我们的学生总数在公立学校里面有超过2400万的学生用户,在市场C端有大概不到500万,整体的学生用户数是3000万。

  只有在全教学、全学习过程中采集真实完整的数据,才有可能去反过来训练人工智能算法,才能训练引擎,从而保证这个系统给学生们推送的内容是精准的,才能保证这个系统给老师们推送的授课的内容是精准的。松鼠AI的自适应技术,是全球八大人工智能技术的其中之一,在教育领域是唯一的人工智能技术,因为有这样的自适应技术,才能从根源、从教育的本质做到真正的因材施教,而不是完全用结果为导向。我们是从症找到孩子的痛点、孩子的知识薄弱点,一步一步给他推送,让他精准学习。

  我们特别感谢过去教育信息化1.0、2.0,让我们进入公立学校可以有一个非常好的基础。我们的硬件基础、我们的网络基础,可以让我们的5G+人工智能技术更加精准、更加活跃、更加真实,让孩子们在教室里面就可以感受到。

  所以现在的人工智能不仅仅是互联网,而是在5G的加持下,它可以真正有效地做到全面的因材施教。自适应千人千面,我们给孩子推送的内容可能非常精准,确实是他当下需要弥补的知识漏洞,但是这个内容是否足够精彩,是否足够有意思,是否足够让孩子能调动起学习兴趣,从而学懂、学会,其中5G技术是非常关键的。它可以更加全方位立体虚拟现实网络计算和推送,更加有价值。

  我们放眼望去,其实不仅仅是中国,全球范围内从传统教育到互联网教育,到在线教育,全部在过去5年中在陆续转型,投入人工智能自适应。比如培生教育集团。

  研发是非常长期的,松鼠AI也是用了7年的时间,专注只做这一个产品,只做自适应这一个产品,还没有做完,还要继续深耕。所以国际上的教育巨头在自主研发的同时,还要进行收购和长期的合作,这样才能快速地把自适应的技术和内容、平台融进他们整个集团当中。

  松鼠AI现在面向公立学校——当然也包含一些私立学校,我们称之为全日制学校——提供5G+人工智能自适应的解决方案。我们的AI虚拟老师借助5G和人工智能的技术,通过我们多模态的学习行为的分析推送,通过算力快速的计算,再通过学生们在过往学习、评测、作业、练习当中的学习行为数据,他们的错题、错音,形成每个孩子自己不同的知识图谱。学生可以给我们的AI系统进行反馈,他自己对系统讲有什么样的意见,自己是因为什么没有学会、没有做懂、我有什么疑问等等这样的互动,由AI的系统给孩子进行精准的推送。

  同时,这个AI老师也是我们公立学校真人老师的非常好的助手,它可以向真人老师推荐这堂课应该用什么样的教学的资源、什么样的素材,应该给孩子布置什么样的作业等等。从评测、练习、学习、作业、教学形成一个完整的闭环。

  我们整个产品线最核心的一个词叫“追根溯源找薄弱”,通过这样的关键词,我们其中一个产品叫做打地基。通过打地基这样模式,我们能看到一个九年级学生,实际上他在五年级、三年级、四年级(的知识系统中)每个孩子漏洞都不一样。所以我们说一定要让一个孩子必须死守九年级不停学习吗?其实不应该,因为他学不会的原因有可能是因为他前面的根基没有掌握,所以导致他本年级的知识点没有学会。

  通过追根溯源打地基,找到他某个年级某一个薄弱点,把它补上,系统会自动跳到那个根源,让他学会了、练好了、100%掌握了,或者95%以上掌握了,系统就会到他下一个根源。按照这样的一个链条,把他根源一个一个补到位,他九年级(的知识点)自然就学懂了。

  测评练习是我们一个相对轻量级的产品,更容易上手,但是没有那么深度。也就是说从学习效果来讲,如果真正想做到减负增效,提高孩子们的学习效率、缩短时间,一定还是深度打地基,才能从根源解决问题。

  刚才是我们的学习流程。那我们通过测试、学习,学完了发现有一些漏洞没有学的很扎实怎么办?继续重学,重学完了我们再补漏洞地测、补漏洞地学,再复习,保证让孩子把知识点学会。

  我们的推送不是规则的推送,而是根据每个孩子实际学习情况不同,根据他自己的学习行为数据,给每个孩子推荐不一样的学习路径。这是松鼠AI自适应系统里面最核心的价值所在:它给我推的内容我能学会、学懂,而且学完了有兴趣,学习的难度也随着孩子的动态水平实时进行调整。

  一个小案例,徐同学是语文打地基,六年级,后来发现他的知识薄弱点有三年级的,通过三个月的时间打地基,他的成绩在最后月考中提升到了93分,原来是70多分。非常短的时间内非常高效的学习,提升他的学习效率。

  松鼠AI自适应系统中有非常详尽的每一个孩子的学习报告和班级的学习报告。除了刚才学科类,比如语文、数学、物理、化学,还有一个非常关键的叫做思想能力方法。我们认为这些能力方法应该跟我们文化课的知识同步学,所有知识点中我们都有能力标签,来帮助孩子在学知识的同时,可以找到他的能力思想方法的薄弱点,从而共同提升。

  我们系统分为学生端、教师端和校长端,学生端是一种游戏化的界面,让孩子们学的时候感觉跟闯关打怪兽一样,有激励感。每一个视频都很有意思,这些视频都是我们松鼠AI自己的研发团队去做的,是有老师来进行编制,然后我们视频团队来写脚本。保证学习内容精良、有意思,孩子能学完能学懂。

  我们认为,给孩子减负增效之前,最核心的是给老师减负增效,因为老师真的很辛苦,也很累,所以我们有实时监课系统,可以让老师非常轻松地掌握他的班级在当下每个孩子学习的状态。点进去能看到每一个孩子详尽的所有的学习行为,如果红点出来就说明有报警,他可以过去人为干预。

  在老师的板块当中我们还有大数据的统计、个体的统计、学科的统计、年级的统计、知识点维度的统计、班级的统计等等,非常详尽,能让他看到这个班级的薄弱项,应该如何做备课、如何教。同时也会推送非常精良的资源来帮助老师。

  教师端会有课前、课中、课后不同的板块。松鼠AI的自适应系统现在分别达到了L4级和L5级。L4级就是真人和AI系统混合教学,可以达到非常好的效果。L5级是全自动驾驶,孩子可以在完全不需要真人辅助的情况下进行自主学习。在三线以下很多城市,老师的经验有限、能力有限、时间有限,可能更多地需要的是孩子自主学习。

  最后一个板块是管理者,我们能做区域性的解决方案,给区域的教育局等等做云平台,帮助他分析自己本区域教学的效果,也可以看到整个区域和全国、全市的对比。也可以细分维度,看本校的学生和老师教学的薄弱项,从而提升整个区域,达成因材施教的效果。

  我们现在已经辐射6万多家的公立学校,在过去的三年中,我们服务的学校各种各样,从上海的宝山市外、上海市二中,到边远一点的希望学校,像吉林的翠云希望小学。

  我们希望通过自适应精准教学,第一可以帮助老师,第二可以帮助没有足够老师的时候,孩子们能做到自主学习。这样的混合模式,才真正能够帮助我们公立学校,以及我们区域达成因材施教。

投稿:qingjuedu@163.com

Copyright © 2002-2024 青橘网