學堂線上技術副總裁管健:線上教育的下半場
10月31日,在鯨媒體主辦的“TEC2018教育創想大會”上,學堂線上技術副總裁管健發表題為《線上教育的下半場》的演講。
管健演講內容亮點:
- AI+教育需要結合學習行為大資料、知識結構大資料,通過智慧演算法將其融合起來,給每一個不同的學生設計下一步的學習行動,指出其相應的能力缺陷,並規劃學生未來適合的發展方向,這可能是一個非常長期、終極的目標。
- 教育最難的地方在哪裡?我們教的是人,它跟電商賣東西部一樣,你說賣的東西好不好拿回去一用很快見效。這個人教的好或者教的不好很難判定,這是教育最特殊的地方。
- AI技術可能不是狹義的IT技術,甚至不是狹義的人工智慧技術,我們需要有交叉學科的其他專業與更多的技術結合在一起,去解決教育的問題。
以下為管健演講實錄:
今天很榮幸有機會在這裡跟各位分享一下學堂線上在AI加上教育這個領域的一些思考和實踐。我今天做的這個是命題作文,說線上教育的下半場。我儘量把我們的思考和實踐能夠貼進去。
今天其實很多我們的同事都講到,說教育是一個很慢的事情,它有多慢?實際上比十年樹木百年樹人可能還要更慢一點。我現在引用的是咱們中國最有名的老師幾千年前說的話。我們認為說教育的最基本的追求,和教育最基本的一些理念,我覺得它沒有變,比方說有教無類。比方說因材施教。不管是孔老夫子原話,還是他自己身體力行的實踐,其實都是我們一直在追求的東西。
直到今天我們做什麼,我們做的所謂線上教育,其實你去把它拆開,線上加上教育兩件事,它用的是線上的技術,網際網路的技術,人工智慧的技術,去為教育去提供新的模式和新的效果。
我們看到,其實大家非要講上半場下半場的話,可能線上教育上半場我們更多是用網際網路技術去做連線的工作。國家這麼多年下來做了三通兩平臺,基本上加上電信運營商的工作,使得我們能夠實現網際網路的村村通,各種各樣的大城市裡的老師,名校裡的老師,能夠把他們的教學通過網際網路觸達到千千萬萬個鄉鎮。我們認為說通過連線,我們改進了教育的效率,一個老師以前一輩子可能能教千人的量級,到了現在我們清華大學肖軍老師,他的慕課已經達到十萬人,這是他自己的話,我教最大的收穫是做了一輩子都教不到的人。這是提高效率的地方,解決了或者說正在解決孔老夫子幾千年提到的有教無類,什麼人都能學。
再下來,我們可能更多的需要解決教育的效果問題,這個可能有賴於人工智慧的技術和其他的技術在教學過程中的介入。
在線上和教育這個維度上大家看到,我在PPT裡面有另外一個維度,我們把它叫做規模化和個性化。實際上我們看到通過連線實現的線上教育,更多的是什麼,是把一個老師同樣的教學過程複製到千千萬萬個學生的面前,不管你是通過紙質的教材,通過網際網路式的教材,通過網際網路上的課程,通過直播,你的關注點,一個老師的關注點都是有限的,他只能把自己同樣的東西傳達給不同的人。
其實我們講教育這件事你要達到一個好的效果,是希望它能夠個性化的。最早我們說學校教的好,私塾的模式,一對一的模式,它能夠針對學生去做更個性化的教學。
在廣泛連線的背景底下,你怎麼能夠去做到個性化?這就有賴於人工智慧的技術。機器是不知疲倦的,它能夠捕捉到每一個跟它互動的學生,每一分、每一秒、每一個互動。現在的計算能力的發展,也使得我們能夠去解幾百層幾千層深度的神經網路,演算法的突破,計算能力的突破,使得人工智慧第一次有機會能夠在大規模的情況下去實現個性化的教育,所以這個是我今天整個分享的一個主要的背景。
回過頭來,其實問題的根源我們覺得有一個點,是優質教育資源的稀缺,這是一個全世界人群中名校的資料對比,我們看到中國資料是我們人口基數非常大,使得人均的比例非常低。
學堂線上,從2013年開始上線,我們在做的工作,第一件事就是把清華大學優質的教育資源通過學堂線上的平臺,分享給全國的各個院校和麵向C端的網際網路的使用者。學堂線上這個名字起源也是來自於清華,這是我們最老的一棟建築,清華學堂,我們希望把清華學堂在線上去傳播出去。
五年時間下來,今年的10月10號,我們剛剛慶祝了學堂線上五週年的生日,我們做到了1700個課程,1400多接近1500萬的使用者,以及人均接近兩門次的選課。我們面向的教育是高等教育和職業教育使用者,為他們提供的是學分、學歷和學位服務,跟可能今天很多嘉賓以及演講者不太一樣的地方,我們面向的是可能整個高等教育和未來職業教育裡面比較應和的這些部分。
我們做的是什麼事情?我們做的這個東西叫做慕課,也許大家在教育行業裡會聽說過,也許有些人沒有接觸過,它是Massive、Open、Online、Courses四個詞的英語,它是大規模開放線上課程,它把大量的線上課程,通過碎片化的方式,把它體系化組織成課程,給予學生及時的反饋,通過社群學習,能夠組成一個線上的體系化的課程學習的模式,它跟傳統視訊課的差別還是比較大的。在這個基礎之上我們終極目標是希望說我們把它做成基於人工智慧技術和大資料技術來實現的大規模、開放式的線上互動學習,就是規模化的個性化學習。
五年下來,我們的使用者量在1000多萬,可能跟其他平臺比起來是一個不大的數字。其實我們也積累了一些資料,大家其實在前面講人工智慧技術時候都講到,說大資料是人工智慧技術的生產資料,那麼我們到底有多少生產資料?其實算下來,說多也不多,對於資料庫行業的我的同事來講他們覺得50T小case,關係資料庫的搞定沒必要。但是你真算下來實際上我們每天捕捉使用者的互動行為它的量還是不算小的。我們確確實實能夠做到每一個學生每五秒的學習行為能夠關注。
拿到這些資料我們能做什麼?其實最直接的是把它格式化,提供給各方面的決策者,包括我們的育齡人員,包括我們的老師,讓他們從資料庫裡面去做決策。這個點我要表達的意思是說其實線上教育在用這個資料的時候,它在很多層面上跟各行各業其實沒有那麼大的差異。我相信這樣的資料面板在各行各業的網際網路公司裡面都會很多,你統計有多少使用者,統計多少人今天來了,統計他的學習成績,統計他們互相之間的互動,其實各行各業用到的技術都差不
另外,我們也還在用一些通用的人工智慧技術,我們拿它來做什麼?比如說教育特有的場景,我們線上學習裡面怎麼認定說這個人張三確確實實是張三在學習,在認定張三在考試你沒有作弊,我們用了深度學習進展做到的對影象和對場景分析功能來做線上的監考,也取得比較好的效果,在不是特別嚴肅的像高考這麼嚴肅的考試裡面,我們已經把線上監考應用上了。
它使用使用者自己的電腦的攝像頭,加上使用者自己的手機,兩個攝像頭的影象拼接起來,能夠得到一個它周邊的場景。在這個場景裡面我們去做情景分析,去做行為識別,來發現一些可疑的動作。這個是通用的人工智慧技術在教育裡常見的應用。它實際上並沒有觸達到特別的教育,特定的需求裡面。我們認為說真正你要去做AI加上教育,你要做的事情什麼?我們認為你需要結合學習行為大資料,加上知識結構大資料,通過智慧演算法,把它們融合起來,給每一個不同的學生去設計他在下一步學習的行動,給他指出來他的能力的缺陷,給他指出來他未來適合的發展方向,這可能是一個非常長期、終極的目標。
在這個過程裡面,我同意今天很多演講嘉賓的觀點,尤其是一開始好未來講到說現在的線上教育可能還在三個階段,技術在這裡面起到不同的作用,我覺得從技術作為基礎設施,到技術驅動業務,到第三個階段,將來由技術引領整個業務發展,我們也同意說由技術、人工智慧技術引領教育的發展,這條路實際上還有很長的路要走。
在這個過程裡面我們停滯不前,我們等著一個重大的突破的到來,實際上我們在一點一滴的嘗試這些工作,後面是我們在探索的一些實現。
這是我們目前在構建的基於大量的線上教學資源,以及網際網路上的知識資源構建起來的一個教育的知識圖譜,它跨越了課程、跨越了專業,能夠有機的去把我們的這些教育資源,以及跟這些教育資源進行互動的這些使用者,通過一個圖狀的結構,去組織起來。在這樣一個知識圖譜的支撐底下,我們能做什麼樣的工作?我舉幾個簡單的例子。
第一,我們能給一個資源做畫像。就像大家看到的我的右手邊這張圖,我給某一個資源去做畫像。其次我能夠去給某一個使用者去做他的知識畫像,你在哪一個知識點上強,哪一個知識點上弱。並不是說學習了微積分你就什麼都會,你學了資料結構你的二叉序排序都強,不是的,而是需要把內容在知識點上給十分鐘的視訊做更小的課程,這樣能做更小的畫像,在這樣的基礎之上我們能給不同的使用者設計不同的學習路徑,就是我左手邊的這張圖。這是其中一個應用,已經在線上。我們能夠把一個課程裡全自動生成出它課程裡面比較難的一些概念。首先你把概念能做出來,其次你發現這個班的學生在這些概念上是比較弱的。
再下來,我們用它做推薦,它的推薦比人工運營的推薦,不管是點選率還是最終學生的選課率都有比較高的提升,這些實際上都還是比較綜合的一些技術。
剛才其實我講到,我們就能夠把視訊推薦的力度,以及相關知識點的導航做到亞視訊、亞資源這樣的能力。
再下來,我們說教育最難的地方在哪裡?我們教的是人,它跟電商賣東西部一樣,你說賣的東西好不好拿回去一用很快見效。這個人教的好教的不好很難判定,這是教育最特殊的地方。所以除了技術之外,除了狹義的IT技術之外,我們還需要湧入其他學科的能力,比如說心理學優勢,我們千辛萬苦做推薦提升11%的點選率,實際上我們請心理學專家跟我們一起來做這個工作,他們提出來我們經常推薦的問題什麼,是我不知道你給我推薦的東西是什麼地如果我能把推薦邏輯格式化呈現給使用者,比如說你的好朋友選了這門課,比如你剛學了英語聽說我推薦你英語讀寫,比如你學英語學完了我推薦你學日語,我把整個邏輯告訴你以後,實際上你帶來使用者的體驗提升以及點選的提升是有非常好的效果,這是其中一個例子。
另外一個例子,其實前面剛剛提到說人工智慧的引入,使得評估也能夠更加的豐富,這是我們已經實現的一個學生成績報告。它除了傳統的結果呈現之外,我們還對他的學習效度、效率、學習程度做分析,這些維度是我們跟教育專家一點一點去研究出來的,用哪些指標去對應哪些資料,最後得到什麼結果。
我們相信以前我們看到一個人只看他的分數,現在很多學校說你給我寫推薦信,推薦信也是老師主觀的,這個報告是一個維度可能更全面的推薦信,它是完完全全用資料說話,當然它有很大的改進空間。所以我剛剛講到心理學和教育學的這兩個例子,要表達的意思是說AI技術可能不是狹義的IT技術,甚至不是狹義的人工智慧技術,我們需要有交叉學科的其他專業的更多的技術結合在一起,去解決教育的問題。
最後,用這句話跟大家共勉,創新教育,改變世界。謝謝。