頭條楓林網 
圖片來源：pixabay
AI時代已經來臨，AI正在重塑原有的各行各業，不管是網際網路還是傳統行業。
炙手可熱的智慧便利店、智造機器人、智慧銀行客服等，都在快速地替代原有生產鏈條中做重複工作的人這個角色，也在極速提升著運轉效率。那麼線上教育行業是怎樣的呢？
對同樣正在變革、重塑的線上教育模式，AI將史無前例地提升教育的教學效率，提升學生的學習效率。我們預期的也是提了很多年的個體差異化教學、真正舉一反三的智學時代來臨。
之前的教育溝通何如？
孔子而立之年後宣講私學，得三千門生七十二得意弟子。他是怎麼講的呢？古代和當今學習差別很大，你認了誰是老師，基本上就一塊交流、吃飯、睡覺，類似自己的房子自家人。如今的教育更像是住賓館，老師與學生只互相見面卻不瞭解。所以，最核心的就是言傳身教。如果從介質的角度說，即是以對話和語音為載體的。我們當今所看到的《論語》等也多是與對話的方式展開的；也多是有孔子門生根據孔子的教誨而回憶記載的。
在後續的幾千年， 對話和語音 依舊是主流；不僅是在教育，也是平民百姓表達資訊的主要方式。
印刷術的發明大大降低了撰寫的難度，相對竹簡或碑刻也更容易攜帶，極大提高了內容傳播效率和傳播範圍，開啟了規模閱讀時代。後續很長時期遠端學習主要載體是書籍和文字，當前面對面對話一直很重要。一直到近代，都是多數依賴書本和文字。
直到網際網路時代，把書本這一實體載體變成了虛擬網頁；於是我們廣泛的通過網際網路獲取諮詢和訊息，主流方式依舊是文字。在移動網際網路時代，文字是我們日常與機器（電腦、電話、智慧手機）互動的最核心和主要的橋樑。
文字作為互動的核心橋樑也決定了，這種互動只能發生在知識分子的社會裏。要想與裝置發生互動，要麼會輸入文字、要麼會書寫文字。排除了父輩群體中不會拼音、不會書寫太多字的使用者，特別是農村地區。
對話式學習為什麼會發生？
而隨著智慧機成為國民標配，在農村地區更是直接從電話時代躍到了移動網際網路時代，跳過了PC網際網路時代這個過渡區間。
另一方面，對PC網際網路的居民，文字輸入固然能完成所有複雜溝通，但輸入與輸出並非最高效和成本的方式。
在技術方面，人工智慧在被研究了很多年之後，應用技術2016年在全球範圍內得到關注和實踐；深度學習、遷移學習等都在汽車、醫療等行業做嘗試和更迭；在教育行業，也有AR/VR、自適應學習、雙師課堂等創新實踐。
這就需要一種更具普世性的、效率更高；而且是更自然和貼近原始本能的互動方式。
顯然基於語音的對話無疑是普世和原始的。
對話式學習為什麼能現在發生？
AI+教育的應用層，我們看到的都還是從技術或者機器的角度，或者說是從系統本身屬性的角度來向公眾解釋傳播AI.Edu，比如高頓的EP；滬江的UNI；其他VR、學生面部表情識別暫且不表。所以我們需要從使用者角度來重新闡述智慧學習系統中的「系統」；並且思考如何讓這種表達讓使用者輕易感知？
比如個性化學習，你說自己蒐集和整理海量的知識圖譜，做了顆粒極細的資料標註，能為學生提供基於最近動態的相匹配的學習計劃和學習內容；你確實做到了。
你說自己能基於使用者學習行為和細顆粒的知識標註，按學生的薄弱點進行智慧的、精準打擊的推薦；你確實做到了。
你說自己能基於複雜的知識圖譜，「一葉而知秋」，通過初一的學習情況判斷你五年紀一個知識未掌握導致了學習盲區；你也做到了。
你說自己能基於檢測學生的面部表情，做面部表情識別，以知道螢幕對面的學生的學習狀態、情緒等；你可能也能做到。
然而，使用者卻感知不到。到現在為止，我們的角度一直是：研究使用者需要什麼，然後從研究者的角度給他解決方案，比如「自適應學習系統」、「智慧學習系統」、「個性化學習」等等。 如何把這些程式解決方案涵蓋進去，並且以友好的方式做互動？
顯然基於語音的對話無疑是是感知最明顯、最清晰的方式；甚至能感覺到「本來就該這樣」「有什麼稀奇嗎」無陌生感。
另一方面，從言傳身教的角度講，線下課程是比線上教育做的好很多的；然而不管什麼年齡段的人，與老師面對面的時間佔比都不會到24小時的1/6；為每一個學生配備一個私人教師，理想很好，然而大多數都承載不起這個成本。
那麼有沒有一種像老師一樣什麼都懂、想問就問即時解疑且沒有繁瑣的查詢時間成本呢？顯然有一個充滿智慧的隨時供你召喚的私人教師，是一個理想的模型。
因此，筆者提出了針對教育+AI、智慧學習的大背景嘗試提出 「對話式學習」 這一新理念。
何為對話式學習？
對話式學習是以自適應學習系統和智慧評測為應用技術支撐的，以不限年齡與學習水平而提供個性化教育和自主探索學習為目的的以語音對話為核心媒介的學習互動方式。它的核心角色是隨叫隨到的私人教練；核心關係是平等對話和互相成長。
在對話式學習場景中，我們不希望學生感知到的是和「一個程式機器對話」；而是一個有溫度的耐心智慧的「人」。這個「人」知道我的冷暖、優勢與弱項；能提供給針對自身的學習方案；不僅能瞭解和建議，也能給你問候和鼓勵，在你沒有達到父母預期但是確實有進步時她給你點贊；你提的每一個問，他多數能懂，如果不懂，也能自己學習，下次再問時，一定能滿意答覆。
對話式學習，像聊天一樣學知識——她是虛擬夥伴，實時與你語音對話面對面；是伴友，也是答疑導師。
她瞭解你，聽懂你，指導你，啓發你，陪伴你。
瞭解你。對話式學習基於學習系統的知識圖譜和細顆粒的知識點標註。結合資料分析與計算，通過全方位的實時資料的獲取，包括預習資料、聽課資料、課後作業資料、模擬測評資料、錯題資料、對話內容資料等，動態評估學生當前的學習狀態、優勢點、弱勢點；分析出關聯圖譜中歷史知識點的缺失；
並以視覺化的方式全域性直觀展現的學生。
聽懂你。對話式學習基於語音和自然交流。我們希望的結果這就像和一位朋友聊天時的狀態。某些場景下，文字無法全部表達，語音則包含了資訊和情感。因此，在對話式學習場景中，她不僅能聽懂你說的話，還能根據你的情緒給予情緒化的對答。最優的結果是：對話式學習就如學生實時連線了以為知識淵博、反應敏捷、時刻解疑的老師教授，類似對講機或FM連麥。
指導你。對話式學習基於「瞭解你」「聽懂你」獲取的各類資料等，能及時的動態的給出個性化學習計劃。
第一，貫穿學習週期的測評需要是動態的、分級的，區別於原有的所有同一套、所有使用一組鞏固方案，個性化智慧計劃是符合當前學生且當前階段但難度等級略微高於學生已掌握水平，並且整個私人訂製的方案是動態；
第二，個性化智慧計劃必須是可量化的，以任務的方式呈現給使用者，並督促學生完成；
第三，個性化智慧計劃必須是可追蹤的，可根據量化指標和實際的行為，追蹤往期實際完成情況，請迴圈調整下一步的進度；
第四，任務是個性化學習的一部分，按照斯金納的操作條件反射，每次任務完成後要給與鼓勵和獎勵，並形成一種預期。
啓發你。學習知識是啓發的過程。對話本身就帶有「啓發」的基因。在對話的邏輯上，特別是在答疑的對話中，避免使用給答案的方式展示；而是循循善誘，給與「解決的問題」——「題幹條件有哪些」——「解題方法」。
第二，智慧錯題舉一反三。不管在K12還是職業教育的學習中，對於「錯題」我們都使用的太簡單粗暴。K12多數需要自己整理錯題集；職業教育類使用智慧題庫系統偏多，會自動記錄、歸檔錯題。但是也止於記錄、查閱、重練。
對話式學習中，我們把錯題視為一座寶藏——錯題僅是結果，實際上是記憶或思維方式的缺失。基於知識圖譜和知識標註，我們知道學生具體錯誤的原因，並找出關聯的最末梢的知識點或往期年級的知識點。然後基於動態評測的邏輯，推薦錯題知識點所屬知識點下難度等級+1的其他題目做強化。如果失敗則難度-1，如果掌握則難度+1，如此直到掌握精通。
在應試教育中，包括我們所說的中考、高考、各種專業考證等，分數一直是一個非常重要的指標。在一份試卷中，繼續做對的題無助於提分；只有把錯誤盲區解決掉，則分數會明顯增高。而基於錯題的舉一反三，顯然是最經濟租高效的，而AI為喊了多年的舉一反三提供了可能性。總之，在對話式學習系統中，通過智慧分析，我們把錯題有閒置物變成黃金，舉一反三定向鞏固。
在對話式學習中，底層支撐對核心的還是智慧演算法，無疑也與自適應框架是一致的。一開始說我們想塑造是：她是一個充滿智慧無所不知的夥伴或導師。因為可對話，所以覺得輕鬆、有情切感；因為實時響應，所以覺得有一種時刻在自己身邊的陪伴感。
“智慧懂你的溫暖”，這是對話式學習的主色調。
本文為投稿，作者Panda
1、本文是芥末堆網原創文章，轉載可點選芥末堆內容合作 瞭解詳情，未經授權拒絕一切形式轉載，違者必究；
2、芥末堆不接受通過公關費、車馬費等任何形式釋出失實文章，只呈現有價值的內容給讀者；
3、如果你也從事教育，並希望被芥末堆報道，請您 填寫資訊 告訴我們。
來源： 芥末堆