官方发布智能教育“发展指南”,教育+AI风口在哪?

8月29日,世界人工智能大会在上海正式开幕。开幕式上,科技部宣布依托好未来建设智慧教育开放创新平台。

大会当天,科技部新一代人工智能发展研究中心还发布了《智能教育创新应用发展报告》(以下简称《报告》)。

《报告》对以好未来为代表的教育企业智能教育实践案例进行了深入研究,系统梳理了智能教育的发展态势、应用场景,并基于产业现状及未来发展趋势展望提出发展建议。

报告十大亮点

1、智能教育的三大发展阶段概述:我们目前处在什么阶段

2、智能教育的四类典型玩家及生态格局

3、教育AI六大核心场景归纳

4、23个已实现AI技术应用的场景说明

5、智能教育六大经典应用描述

6、智能教育三大群体总结:AI当前用武之地、AI应用空间有限、未来AI发力场景

7、未来AI发力场景展望:各场景实现产业化应用所需年限

8、对企业布局AI的建议:四大优先序列

9、教育领域10项关键AI技术的成熟时间分析

10、推进智能教育发展的五项建议

报告亮点摘选

智能教育的三大发展阶段概述:我们目前处在什么阶段

《报告》将智能教育的发展分为三大阶段:教学辅助阶段、价值创造阶段和因材施教阶段,目前智能教育行业尚处在从教学辅助向价值创造的过渡时期。

  • 教学辅助期(当前阶段),针对特定教学环节实现减负增效

该阶段关注简单教育场景大规模基础应用的单点数据收集,为教学辅助类应用所需的人工智能模型训练、题库建设与知识图谱需求等提供基础性、关键性的数据输入。同时,应用呈现出点状式,在零散的、可改善提升原有效率与体验的各单一应用场景上找到切入点。

该阶段的教学辅助类应用并未成规模接入授课讲解等教学核心流程,类似于学校里的助教,更多是帮助老师、家长做辅助教学的工作,以提升效率或优化整体体验,实现针对特定流程的减负增效。这一阶段的代表性应用包括智能测评、智能批改、拍照搜题等。

  • 价值创造期(第二阶段),参与承担教学核心职能

该阶段将实现全域数据的收集与分析,从而实现系统化的教学评价与分析,应用不再局限于辅助类工作,开始参与接入教学流程中的如教学、学情分析与管理、问题诊断等的核心环节。

覆盖的场景愈发广泛与系统化,从而聚沙成塔,推动实现“备-教-练-考-评-管”全流程数据收集与分析,进而识别教学问题点并生成优化方向,帮助学生提升学习效率与学业表现,帮助教师分担教学压力,提升教师能力价值,实现真正对于学生、教师等的价值创造。这一阶段的代表性应用包括:学习过程评价、全流程学情分析与管理等。

  • 因材施教期(第三阶段),真正落地自适应因材施教

基于上一阶段对个体学生掌握的知识类型、学习进展等相关数据的分析与评价,生成学生个性化、定制化的学习方案与课程,针对性进行教学辅导,实现真正的自适应因材施教,使得学生在更符合自身现状与需求的体验中高效学习。

在该阶段,人工智能技术应用开始步入认知层面,可实现人性化的交互与自主的行为迭代,从而输出真正高效、个性化、人性化的交互教学。该阶段距当下仍有一段距离,尚未大规模出现成熟化的商业应用,未来有望在自适应学习、自适应互动课等应用上逐渐成熟。

官方发布智能教育“发展指南”,教育+AI风口在哪?

智能教育的四类典型玩家及生态格局

《报告》指出,在引领和推动技术在教育垂直领域落地方面,有教育类公司、互联网公司、人工智能技术提供商与计算平台提供者这四类典型玩家,他们分别从场景、生态、技术、算力等方面发挥着重要作用。

教育类公司受场景驱动,通常更贴近消费者,可深刻洞察行业痛点与需求,从而设计出更贴合客户需求的产品,所建立的场景更具备现实效益。

互联网公司受生态所驱动,具备丰富的流量、多类型场景数据等资源基础,可以帮助孵化或投资教育生态圈企业,支持其技术与客群发展,实现流量、数据、场景的资源整合,从而提升智能教育产品的落地、传播与普及率。

人工智能技术提供商受技术所驱动,其通常在某些技术领域实现纵向深耕,凭借其专业化的技术实力服务B端客户,满足B端客户对于产品与服务的相关人工智能技术或解决方案需求,助力产品功能的实现与性能的提升。

计算平台提供者主要专注于计算平台的建设,旨在提供计算能力以满足人工智能各领域技术发展所带来的海量数据处理的算力支持,为人工智能技术发展与应用奠定关键基础。

官方发布智能教育“发展指南”,教育+AI风口在哪?

教育AI六大核心场景归纳

《报告》将教学全流程分为“备课-教学-练习-考试-评价-管理”六大场景,其中“备课”场景为开端,“管理”场景为末端,“教学”场景为中心,“练习”“考试”“评价”三大场景为支撑。此外,针对学生、老师、学校等不同的主体,还可以将六大场景拆解为对应的二级场景和三级场景。应用场景见下图。

官方发布智能教育“发展指南”,教育+AI风口在哪?

智能教育三大群体总结:AI当前用武之地、AI应用空间有限、未来AI发力场景

从人工智能技术适配性和人工智能技术成熟度两个维度,可以对智能教育场景进行分类。人工智能技术适配性重点考量从当前需求角度来看该场景是否有部分工作适合应用人工智能技术,且从伦理和数据获取的角度来看是否匹配需求。人工智能技术成熟度重点考量人工智能技术替代人工作业的准确度、是否超过工业红线等。

基于人工智能技术适配性和成熟度两个维度的表现,将智能教育场景分为当前AI主要用武之地场景、AI应用空间有限场景、AI潜在提升发力场景三类。

官方发布智能教育“发展指南”,教育+AI风口在哪?

对企业布局AI的建议:四大优先序列

综合考虑场景在教学过程中的场景核心程度和场景距实现产业化应用所需时间两个维度,《报告》针对未来高潜力智能教育场景给出了布局的四大优先序列。

第一布局优先:主要为2年内实现产业化应用的“备”“教”等核心环节,是智能教育应用场景的中短期布局重点。代表性场景有在线直播课、个性化教案、预习知识点个性化推送、笔记整理等。

第二布局优先:主要为在2年内实现产业化应用的“练”“考”等次核心环节及2-3年间实现产业化应用的“备”“教”等核心环节,是智能教育应用场景的中长期布局重点。代表性场景有监考、智能错因诊断、学习机器人、试讲磨课练习等。

第三布局优先:主要为2年内实现产业化应用的“评”“管”等外层环节、2-3年间将实现产业化应用的“练”“考”等次核心环节以及3-5年才能实现产业化应用的“备”“教”等核心环节。代表场景为课堂质量评估、班级学情管理、推理性大题批改、习题个性化推送、AI课程、本地化教研等。

第四布局优先:主要为2-3年间实现产业化应用的“评”“管”等偏外层环节及3-5年间有望实现产业化应用的“练”“考”等次核心环节。代表场景为师生匹配度评估、个性化答疑、中文作文批改等场景。

官方发布智能教育“发展指南”,教育+AI风口在哪?

教育领域10项关键AI技术的成熟时间分析

通过对比人工智能技术在教育领域实现产业化应用所需年限与Gartner 2018年发布的人工智能技术在通用领域实现产业化应用所需年限发现:

人工智能技术在教育领域实现产业化应用所需年限与通用领域无根本性区别。语音识别均将在2年内实现产业化应用,预测分析、虚拟现实、机器学习、深度神经网络、计算机视觉、聊天机器人均需要2-5年的时间实现产业化应用,自然语言处理均需要5年以上时间实现产业化应用。在知识图谱、认知计算两个方面,由于教育场景的归一性和收敛性更好,这两个技术在教育领域将会于2-5年内实现产业化应用,早于通用领域5年以上的等待时间。

官方发布智能教育“发展指南”,教育+AI风口在哪?

报告目录

官方发布智能教育“发展指南”,教育+AI风口在哪?

官方发布智能教育“发展指南”,教育+AI风口在哪?

相关教育文章

Leave a Comment

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据