智慧教育最核心的是什么？人工智能在教育领域如何应用？

　　7月29日，由蓝★鲸教育主办，上海报业集团指导，蓝鲸财经、界面新闻、财联社协办的智慧教育论坛，在北京新云南皇冠假日酒店成功举办。

　　本次论坛以“Z世代·新教育”为主题，融合主题演讲、互动研讨、圆桌论坛等多种形式，与教育同仁共同探讨教育信息化时代下的机遇与挑战。

　　人工智能最核心的是什么？人工智能在教育领域如何应用？会上，弘成教育董事『长黄波发表了题为“科技赋能·智慧落地，让教育更智慧”的主题演讲。从人工智能的发展轨迹、智慧教育的应用案例等方面分析了上述问题。

　　以下为黄波的演讲实录（有删减）：

　　智慧教育最核心的是数□据

　　过去十年是机器学习和深度学习快速发展期，人工智能模型的容错率在加速下降，从2010年的28%降低至2017年的2.3%，现◥在容错率已经到了2%以下。人工智能能做的事情，很多时候已经超越人类。

　　今天，算法已经能够可以大幅度地让教育和学习智能化，而目前对于教育行业来说数据层面的准备远远不足。内容数字化、流程数字化、教学智能化是真正能够让人工智能变成教学创新和人才发展的加速器。

　　如何让人工智能落地教育领域，最核心的是数据。数据不仅仅是用户行为数据、业务数据，最核心的是课程、题库标签化以及知识图谱的完善和建设等。在过去五年里，弘成教育各个业务线形成了数以亿计结构化、标签化的教育数据。

　　在企业培训行业，我们的客户大多ㄨ是外企。这是由于外企在人才能力模型、课程、业务的标准化等方面相对完善。在教育人工智能大数据方面，很多企业都有相关的产品推出，在人脸识别和图文识别及语音合成领域的产品应用已经相对成熟, 但是在教学应用层面如果没有完善的数据体系,这些产品♀就只能是宣传的噱头。没有大量的完善结构化的课程和题库, 是无法做到真正的个性化推送,每个知识点如果没有匹配中、低、高难度的◣课程和题库,它们就不能解决很多教学和教育的场景。

　　智慧教育如何落地？

　　目前，弘成教育建立了弘成智慧教育全景图。包含数据智能、智慧学习、智慧就业、智慧教务、通用智能等五个系统。

　　围绕着↓智能学习系统，由智能数据▅分析、智能督导提醒、用户画像、大屏监控等板块组成。基于用户画像，我们做了一套个性化推▂荐的体系。智能学习系统方面，弘成教育做了智能陪练与评价、自适应试题练〗习、课程和试题推荐、用户诊断评估等系统。智能就业系统，是为高校的毕业生做的智能简历诊断、模拟面试、试岗预测与推荐等模块的系统。智能教务系统，是为高校做的智慧云报到、智能学习监控、自动排课/考、学历证明识别等模块的系统。

　　我们的数据模型和算法体系是如何演变出来的？

　　弘成卡普模型（CARP)是弘成的认知诊断及相⌒　应预测的推送模型。最早在成人教育的平台上启动,做了智能分析和智能督导场景的底层数据引擎模块。2018年，开始做课程推荐体系，在这个基础上完善了最基础的CARP模型。从去年开始，我们加入自然语言处理NLP和语音合■成等，在测评、问答、陪练等』基础上逐步完善。今年，在逐步完善智能练习、简历诊断和模拟面试等产品。

　　卡普智能模型▽全景图中，智能交互与演练评估、教育智能分析与预警、智能诊断与相应预测、知识图谱与能力模型这五个板块是基于算法层面的。

　　我们技术模块的核心都是围绕业务模型来做的。比如说〗简历信息抽取模块、特色语音合成模块、仿生人视频合︾成、课件语义切分和资源标签提取模块等。

　　在此基础上，人工智能大数据模型都是基于采集、建模评估、推荐机会等一系列的体系来完善这些业务场景。

　　在业务建模和数据采集完善之后，我们才开始做后期的分析♂建模、智能推荐、智能督导。

　　第一、知识图谱与能力模型的建设。做任何人工智能和大数据的智慧学习，都脱离不了知识体系和数据体系建设。无论是知识体系、基于企业的岗位能力模型的能力体系、智能陪练体系，首先我们得了解业务流程。

　　第二、基于数据和业务需求，根据用户需求采集建模。

　　第三、诊断画像。针对用户的标签、能力、分层，做一个诊断画像。

　　第四、提醒督导。

　　第五、个性化推荐。个性化推荐可以◤基于薄弱点，基于用户偏好，也可以基于企业核心绩效数据或标杆。如企业培训，我们做的就是标杆型销售的个性化推荐和基于绩效标准的课程推送。

　　智慧教育的应用案例

　　弘成教育在智慧教育方面有哪些落地案例？

　　第一个AI应用案例——自适应智能】学习鲸练。构建⊙个人知识图谱，形成个人知识掌握神经网络。基于学科知识图∩谱、学生个性化答题数据、学生群体答题数据分析等，通过算法模型，获得学生个性化的知识掌握图谱。

　　第二个AI应用案例——企业个性化智能推课系统。个性化推荐类型是基于岗位能力、用户画像、兴趣标签等。基于岗位能力的必备条件是梳理岗位能力模型，通过定←量衡量岗位与能力的差距。基于用户画像的必备条件是梳理业务指标体系，比如近3个月陌拜达标率低于80%的人群,就可以推送相关的提升课程等。基于兴趣标签是根据用户自选的兴趣输入，需要将兴趣与课程关联。

　　个性♀化推荐是基于业务标签的推荐。课程推荐场景一是查漏补缺，比如按月龄推荐、推荐某项业务目标达成率低的技能提升课程；二是向标◥杆学习，推荐业绩达人正在学的课程。三是互相学习，推荐跟我相似的人群都在学的课程以及业务环节的热门课程。

　　第三个AI应用案例——智能陪练。

　　智能陪练系统是通过自然语言理解和处理◇技术、机器学习、深度学习等领域的多种核心算法、模型及新技术应用，将AI引擎与业务场景结合，构建能力发展线上学习模型，实现个性化人机互动、真实场景模拟训练模式，助力企业提升人员效能。

　　它的评分模型是基于内容的完整性评分算法、表达准确评分算法、关键词覆盖率、语音语调评分等方面。比如，关键词覆〖盖率方面，基于分词算法，提取人员表达内容的关键词和权重数据，和标准答案的关键行为进行匹配，计算覆盖率。

　　智能陪练不仅仅能判断文本，对用户表情、手势、语音等都能做到智能诊断。它※能够让销售人员的表达更具亲和力、表现力、正能量，在陪练过程中实现能力的提升。

　　未来，我们将继续通过完善算法使智能产品能切入更多的场景，为教育企业提供更多智能化手段，让教育更加智慧。