第21屆人機(jī)交互國際會(huì)議(HCI International 2019)在7月26日至31日在美國佛羅里達(dá)州奧蘭多舉行。值得關(guān)注的是,此次HCII舉辦了第一屆自適應(yīng)教學(xué)系統(tǒng)國際會(huì)議(AIS)。

作為HCII的附屬會(huì)議,AIS會(huì)議的目標(biāo)是理解自適應(yīng)教學(xué)系統(tǒng)的理論,分享最新技術(shù)、工具和方法。本次會(huì)議的重點(diǎn)是教學(xué)定制,強(qiáng)調(diào)了準(zhǔn)確建模學(xué)習(xí)者以加速學(xué)習(xí)的重要性,以及提高基于自適應(yīng)教學(xué)系統(tǒng)的有效性,準(zhǔn)確反映他們?cè)诟鞣N教學(xué)領(lǐng)域的長期能力。

AIS會(huì)議邀請(qǐng)了業(yè)內(nèi)最頂尖的專家,分享他們關(guān)于自適應(yīng)教學(xué)系統(tǒng)技術(shù)的愿景和發(fā)現(xiàn)(例如智能輔導(dǎo)系統(tǒng)、智能導(dǎo)師和學(xué)習(xí)的個(gè)人助理),并提出標(biāo)準(zhǔn),以提高自適應(yīng)教學(xué)系統(tǒng)技術(shù)與其他教學(xué)技術(shù)的可移植性、可擴(kuò)展性和互操作性。來自中國人工智能教育獨(dú)角獸松鼠AI的專家也受邀發(fā)表演講。

Robert SottilareRobby Robson(右三)

Robert Sottilare:探索促進(jìn)自適應(yīng)教學(xué)系統(tǒng)互操作性的方法

Robert Sottilare是Soar Technologies公司智能訓(xùn)練的科學(xué)主管,這是一家從事軍事或民用軟件解決方案設(shè)計(jì)和開發(fā)的供應(yīng)商。Sottilare的演講主題是“探索促進(jìn)自適應(yīng)教學(xué)系統(tǒng)互操作性的方法。”

什么是自適應(yīng)教學(xué)系統(tǒng)?自適應(yīng)教學(xué)系統(tǒng)是一套人工智能的計(jì)算機(jī)系統(tǒng),根據(jù)每個(gè)學(xué)習(xí)者或團(tuán)隊(duì)的目標(biāo)、需求和偏好,在其學(xué)習(xí)領(lǐng)域內(nèi)指導(dǎo)學(xué)習(xí)體驗(yàn)、定制教學(xué)、給出建議。

什么又是互操作性?據(jù)已故的美國著名計(jì)算機(jī)科學(xué)家Peter Wegner的解釋,互操作性是一種盡管語言、界面和執(zhí)行平臺(tái)存在差異,但兩個(gè)或多個(gè)軟件組件能夠合作的能力,是一種可擴(kuò)展的可重用性形式。

Sottilare介紹稱,研究自適應(yīng)教學(xué)系統(tǒng)的互操作性的目的,是能夠讓系統(tǒng)在組件和其他系統(tǒng)之間共享信息,并且能夠優(yōu)化學(xué)習(xí)、績(jī)效、保留和泛化對(duì)學(xué)生的訓(xùn)練。

自適應(yīng)教學(xué)系統(tǒng)通常有四個(gè)常見組件,包括:

領(lǐng)域模型,提供目標(biāo)、內(nèi)容、與學(xué)習(xí)者的互動(dòng)和反饋、以及常見錯(cuò)誤,是最難的標(biāo)準(zhǔn)化的組件;學(xué)習(xí)者或團(tuán)隊(duì)模型,提供目標(biāo)、偏好、興趣、與學(xué)習(xí)目標(biāo)相比的學(xué)習(xí)差距、以及狀態(tài)(例如,認(rèn)知,身體,學(xué)習(xí)和表現(xiàn)),代表學(xué)習(xí)者或團(tuán)隊(duì)的各個(gè)方面;教學(xué)模型,提供相關(guān)背景下的教學(xué)最佳實(shí)踐和干預(yù)措施,以及設(shè)計(jì)專業(yè)領(lǐng)域的策略和建議;界面模型,提供與學(xué)習(xí)者的多模態(tài)互動(dòng),建立傳感器和系統(tǒng)交互的標(biāo)準(zhǔn)接口規(guī)范。

在此基礎(chǔ)上,Sottilare提出了以下建議:

檢查現(xiàn)有的標(biāo)準(zhǔn)和教學(xué)系統(tǒng),以識(shí)別由四個(gè)共同組件共享的信息,包括:美國陸軍開發(fā)的廣義智能輔導(dǎo)框架(GIFT);孟菲斯大學(xué)的AutoTutor;卡內(nèi)基梅隆大學(xué)的Cognitive Tutor;美國DARPA設(shè)計(jì)的Digital Tutor;新西蘭坎特伯雷的教育智能資源創(chuàng)作軟件平臺(tái)(ASPIRE);開發(fā)致力于自適應(yīng)教學(xué)系統(tǒng)的概念模型(包含四個(gè)常見組件);考慮并啟用所有級(jí)別的互操作性;考慮互操作性標(biāo)準(zhǔn)中的學(xué)習(xí)者。

IEEE自適應(yīng)教學(xué)系統(tǒng)互操作性標(biāo)準(zhǔn)2247.2

Richard Tong是松鼠AI首席架構(gòu)師,曾擔(dān)任過Knewton的大中華區(qū)負(fù)責(zé)人和Amplify Education的解決方案架構(gòu)總監(jiān),除此之外,他還是IEEE AIS(自適應(yīng)教學(xué)系統(tǒng))標(biāo)準(zhǔn)工作組成員以及互操作性小組的主席(IEEE 2247.2)。他此次帶來的演講正是有關(guān)2247.2的進(jìn)展。

前文提到過,自適應(yīng)教學(xué)系統(tǒng)是基于計(jì)算機(jī)的人工智能系統(tǒng),通過在領(lǐng)域?qū)W習(xí)目標(biāo)的背景下根據(jù)每個(gè)學(xué)習(xí)者或團(tuán)隊(duì)的目標(biāo)、需求和偏好定制教學(xué)和建議。IEEE AIS工作組主要支持自適應(yīng)教學(xué)系統(tǒng)的概念模型、互操作性標(biāo)準(zhǔn)、用于評(píng)估的實(shí)踐。

IEEE 2247.2是IEEE AIS下面的互操作性標(biāo)準(zhǔn)組,主要工作分為垂直整合(Outerloop - > Innerloop;LMS - >引擎 - >模型 - >數(shù)據(jù);自我完善;流程集成標(biāo)準(zhǔn)化)以及水平整合

(數(shù)據(jù);本體和內(nèi)容;模型整合)。

目前工作組優(yōu)先級(jí)比較高的工作有Outerloop-Innerloop整合。工作組希望通過整合,系統(tǒng)能實(shí)現(xiàn)從“域獨(dú)立自適應(yīng)框架”到“域任務(wù)和活動(dòng)”的互操作,并且能重復(fù)使用專業(yè)化的內(nèi)容。

本體層交換同樣重要。工作組希望通過整合,制定合理學(xué)習(xí)目標(biāo);獲得領(lǐng)域知識(shí)的更大背景;元數(shù)據(jù)在自適應(yīng)教學(xué)系統(tǒng)中扮演者關(guān)鍵作用;搜索、測(cè)量和推薦背后的原因取決于領(lǐng)域本體。

孟菲斯大學(xué)AutoTutor — 會(huì)話智能輔導(dǎo)系統(tǒng)

Zhiqiang Cai是孟菲斯大學(xué)智能系統(tǒng)研究所的研究助理教授,他的研究興趣包括用于輔導(dǎo)系統(tǒng)和自然語言處理的算法設(shè)計(jì)和軟件開發(fā)。他的演講主題是“編寫會(huì)話智能輔導(dǎo)系統(tǒng) — AutoTutor”

AutoTutor是由孟菲斯大學(xué)智能系統(tǒng)研究所開發(fā)的智能輔導(dǎo)系統(tǒng),通過自然語言的輔導(dǎo)對(duì)話幫助學(xué)生學(xué)習(xí)物理、計(jì)算機(jī)知識(shí)和批判性思維主題。AutoTutor與其他流行的智能輔導(dǎo)系統(tǒng)(如Cognitive Tutor)不同,它側(cè)重于自然語言對(duì)話。

系統(tǒng)將人類語音或文本作為輸入。為了處理這種輸入,AutoTutor使用計(jì)算語言學(xué)算法,包括潛在語義分析、正則表達(dá)式匹配和語音行為分類器。這些互補(bǔ)技術(shù)分別關(guān)注輸入的一般含義、精確措辭或關(guān)鍵詞、以及表達(dá)的功能目的。除了自然語言輸入之外,AutoTutor還可以接受臨時(shí)事件,例如鼠標(biāo)點(diǎn)擊、從情感傳感器推斷的學(xué)習(xí)者情緒、以及來自學(xué)生模型的先前知識(shí)的估計(jì)?；谶@些輸入,AutoTutor確定何時(shí)回復(fù)以及用什么語言回復(fù)。

AutoTutor會(huì)提出一系列具有挑戰(zhàn)性的開放性問題,需要學(xué)生在答案中進(jìn)行口頭解釋和推理。AutoTutor會(huì)通過帶有語音引擎、一些面部表情、和基本手勢(shì)的動(dòng)畫對(duì)話智能體講述其內(nèi)容。某些主題還有圖文、動(dòng)畫或交互式模擬環(huán)境。AutoTutor通過分析對(duì)話歷史的內(nèi)容來跟蹤學(xué)習(xí)者的認(rèn)知狀態(tài)。最新版本的AutoTutor系統(tǒng)還能適應(yīng)學(xué)習(xí)者的情緒狀態(tài)。

AutoTutor在大學(xué)生的十幾個(gè)實(shí)驗(yàn)中展示了學(xué)習(xí)成果,特別是在深層推理問題上,主題是計(jì)算機(jī)知識(shí)入門和概念物理學(xué)。AutoTutor的測(cè)試產(chǎn)生的效果大小平均值為0.8(范圍為0.4到1.5),具體取決于學(xué)習(xí)量。0.8什么水平呢?1.0將大致相當(dāng)于一個(gè)整整提升一個(gè)字母的水平(比如從C到B)。

當(dāng)然,創(chuàng)作AutoTutor內(nèi)容的時(shí)間和成本明顯高于非交互式教育材料,這是智能輔導(dǎo)系統(tǒng)的常見問題。加速智能輔導(dǎo)系統(tǒng)生產(chǎn)的方法仍然頗具有挑戰(zhàn)性。

Vasile Rus:在自適應(yīng)教學(xué)系統(tǒng)中標(biāo)準(zhǔn)化非結(jié)構(gòu)化交互數(shù)據(jù)

同樣來自孟菲斯大學(xué),Vasile Rus博士是該校的William Dunavant教授,于2004年加入孟菲斯大學(xué)計(jì)算機(jī)科學(xué)系。他還是孟菲斯大學(xué)智能系統(tǒng)研究所的成員。他的演講主題是“在自適應(yīng)教學(xué)系統(tǒng)中標(biāo)準(zhǔn)化非結(jié)構(gòu)化交互數(shù)據(jù)”。

簡(jiǎn)單而言,學(xué)習(xí)過程中的非結(jié)構(gòu)化學(xué)習(xí)數(shù)據(jù)主要是學(xué)習(xí)者自由生成的文本,比如填空題、論述題、以及論文寫作等等。

非結(jié)構(gòu)化學(xué)習(xí)數(shù)據(jù)有它的優(yōu)勢(shì)和劣勢(shì)。優(yōu)勢(shì)是反映學(xué)習(xí)者的思維實(shí)現(xiàn)真正的評(píng)估,讓學(xué)習(xí)者有機(jī)會(huì)提供新穎和創(chuàng)造性的大會(huì),自由生成的自我解釋對(duì)學(xué)習(xí)有益。缺點(diǎn)是,這種數(shù)據(jù)難以擴(kuò)展,如果由專家手動(dòng)評(píng)估,則會(huì)變得非常昂貴;同樣的問題也出現(xiàn)在標(biāo)準(zhǔn)化上。

處理這種數(shù)據(jù)往往很難,尤其是互聯(lián)網(wǎng)上的學(xué)習(xí)數(shù)據(jù)。學(xué)習(xí)者答題過程中會(huì)出現(xiàn)各種諸如拼寫錯(cuò)誤、語法錯(cuò)誤;不完整的句子,模糊的句子,完整的固定句子;嚴(yán)重的語境化等等。

研究者需要做的是將非結(jié)構(gòu)化數(shù)據(jù)映射為結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析、交換和對(duì)齊/融合。Rus博士建議有兩種方法可以實(shí)現(xiàn):一種是即時(shí)映射 - 如果要求學(xué)生模型不斷更新,建議使用;另一種是離線 - 記錄學(xué)習(xí)者和系統(tǒng)之間交互,然后從日志文件中提取知識(shí)組件、行為元素等等。

離線方法的關(guān)鍵在于如何標(biāo)準(zhǔn)化日志和言語行為。日志標(biāo)準(zhǔn)化中,研究者要盡可能記錄,因?yàn)槊總€(gè)細(xì)節(jié)都很重要,并且考慮實(shí)際因素,例如隱私和安全問題。研究需要使用機(jī)器可讀格式(XML或類似XML),這將使數(shù)據(jù)提取、融合和交換更容易。同時(shí),使用適當(dāng)?shù)腎D /鏈接到任務(wù),配置文件和對(duì)話策略,以便在需要時(shí)所有內(nèi)容都可以相互鏈接(數(shù)據(jù)來源要求);最后,研究者應(yīng)該可以提取一些日志的部分并以用戶友好的格式(如html)呈現(xiàn)給學(xué)習(xí)者本人。

言語行為有助于理解學(xué)習(xí)者和導(dǎo)師(系統(tǒng))之間的互動(dòng),對(duì)它們進(jìn)行標(biāo)準(zhǔn)化將允許數(shù)據(jù)交換和有意義的跨平臺(tái)分析和比較。標(biāo)準(zhǔn)化言語行為信息的一個(gè)挑戰(zhàn)是各種研究和開發(fā)小組使用不同的分類法。

Rus博士提出了一些標(biāo)準(zhǔn)化言語行為的建議,比如使用共同分類法,各種群體就標(biāo)準(zhǔn)分類法達(dá)成一致;對(duì)齊方法,可以保留每個(gè)工作組的的方法;混合:僅同意上層分類法。

Keith Brawner是Iterati Technologies的創(chuàng)始人和CEO。Iterati Technologies是一家位于佛羅里達(dá)的技術(shù)公司。Brawner還是美國陸軍作戰(zhàn)能力發(fā)展司令部的模擬與訓(xùn)練技術(shù)中心的高級(jí)工程師。他所帶來的演講主題是”標(biāo)準(zhǔn)是需要的:能力建模和推薦系統(tǒng)”。

Keith Brawner(右一)

他所在的部門叫Learning in Intelligent Tutoring Environment (LITE) Lab,主要是開展基于自適應(yīng)教學(xué)系統(tǒng)的研究和開發(fā),以支持一對(duì)一和一對(duì)多的輔導(dǎo)環(huán)境,實(shí)現(xiàn)量身定制的自我調(diào)節(jié)學(xué)習(xí)。該實(shí)驗(yàn)室支持美國陸軍訓(xùn)練成果。

過去,LITE使用廣義智能輔導(dǎo)框架(GIFT,詳情見Sottilare演講)訓(xùn)練士兵,但他們需要一個(gè)更靈活、具有協(xié)作性的、具有批判性思考的訓(xùn)練系統(tǒng)。LITE目前正在開發(fā)一款免費(fèi)的、模塊化的開源輔導(dǎo)架構(gòu),能夠支持自適應(yīng)教學(xué)系統(tǒng)的快速編寫、重復(fù)使用和互操作性;降低編寫適應(yīng)性教學(xué)系統(tǒng)所需的成本和入門技能;增強(qiáng)自適應(yīng)教學(xué)系統(tǒng)的適應(yīng)性。

Brawner介紹了美國陸軍士兵目前使用的一些訓(xùn)練工具,比如Synthetic Training Environment (綜合訓(xùn)練環(huán)境STE),它將虛擬的、具有建設(shè)性的、和游戲訓(xùn)練的環(huán)境整合到一個(gè)單獨(dú)的STE中,用于為美國陸軍提供模擬訓(xùn)練服務(wù)。Sailor 2025則是一個(gè)海軍項(xiàng)目,旨在改善和現(xiàn)代化人事管理和培訓(xùn)系統(tǒng),以更有效地招募、發(fā)展、管理、獎(jiǎng)勵(lì)和保留未來美國海軍力量。

隨后,Brawner介紹了標(biāo)準(zhǔn)化美國陸軍簡(jiǎn)歷資料的方法,這些方法也同樣適用于各種文檔整理和分類。

1. 映射知識(shí):確保“知識(shí)空間”(學(xué)術(shù))或“能力”水平的系統(tǒng)之間的數(shù)據(jù)交換,和機(jī)器學(xué)習(xí)相結(jié)合。

2. 保證信源:認(rèn)證信息來源是一件大事,比如美國工程技術(shù)評(píng)審協(xié)會(huì)ABET是國際上公認(rèn)的最具權(quán)威性和普遍性的認(rèn)證體系。

3. 允許不同的標(biāo)準(zhǔn),比如陸軍的標(biāo)準(zhǔn)是- 俯臥撐(2分鐘),仰臥起坐(2分鐘),跑步(2分鐘),突擊隊(duì)員的標(biāo)準(zhǔn)是陸軍標(biāo)準(zhǔn)再加上引體向上,跑步(5mi),負(fù)重徒步(16mi),游泳。

4. 允許進(jìn)行組級(jí)別數(shù)據(jù)庫級(jí)別查詢。

IEEE自適應(yīng)教學(xué)系統(tǒng)互操作性標(biāo)準(zhǔn)2247.2

Richard Tong是松鼠AI首席架構(gòu)師,曾擔(dān)任過Knewton的大中華區(qū)負(fù)責(zé)人和Amplify Education的解決方案架構(gòu)總監(jiān),除此之外,他還是IEEE AIS(自適應(yīng)教學(xué)系統(tǒng))標(biāo)準(zhǔn)工作組成員以及互操作性小組的主席(IEEE 2247.2)。他此次帶來的演講正是有關(guān)2247.2的進(jìn)展。

前文提到過,自適應(yīng)教學(xué)系統(tǒng)是基于計(jì)算機(jī)的人工智能系統(tǒng),通過在領(lǐng)域?qū)W習(xí)目標(biāo)的背景下根據(jù)每個(gè)學(xué)習(xí)者或團(tuán)隊(duì)的目標(biāo)、需求和偏好定制教學(xué)和建議。IEEE AIS工作組主要支持自適應(yīng)教學(xué)系統(tǒng)的概念模型、互操作性標(biāo)準(zhǔn)、用于評(píng)估的實(shí)踐。

IEEE 2247.2是IEEE AIS下面的互操作性標(biāo)準(zhǔn)組,主要工作分為垂直整合(Outerloop - > Innerloop;LMS - >引擎 - >模型 - >數(shù)據(jù);自我完善;流程集成標(biāo)準(zhǔn)化)以及水平整合

(數(shù)據(jù);本體和內(nèi)容;模型整合)。

目前工作組優(yōu)先級(jí)比較高的工作有Outerloop-Innerloop整合。工作組希望通過整合,系統(tǒng)能實(shí)現(xiàn)從“域獨(dú)立自適應(yīng)框架”到“域任務(wù)和活動(dòng)”的互操作,并且能重復(fù)使用專業(yè)化的內(nèi)容。

本體層交換同樣重要。工作組希望通過整合,制定合理學(xué)習(xí)目標(biāo);獲得領(lǐng)域知識(shí)的更大背景;元數(shù)據(jù)在自適應(yīng)教學(xué)系統(tǒng)中扮演者關(guān)鍵作用;搜索、測(cè)量和推薦背后的原因取決于領(lǐng)域本體。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。