人工智能協(xié)助閱卷？詳解教育領(lǐng)域AI應(yīng)用分析
大數(shù)據(jù)和人工智能的應(yīng)用是近幾年科技行業(yè)的熱門話題。提及人工智能，很多人會(huì)想到問答機(jī)器人、人臉識(shí)別、語音助手、抖音推薦等這些我們?nèi)粘＝佑|的場景。但此外，在我們?nèi)粘＝佑|并不頻繁但卻對我們每個(gè)人都息息相關(guān)的“隱形”領(lǐng)域中，人工智能和大數(shù)據(jù)的應(yīng)用在也落地開花。本文將從教育行業(yè)的智能閱卷場景入手，為大家詳解AI 技術(shù)在教育文本處理上的現(xiàn)狀與可能發(fā)展。
大數(shù)據(jù)，簡單說就是將大量數(shù)據(jù)轉(zhuǎn)化為價(jià)值，目前市場上已經(jīng)形成了比較成熟的數(shù)據(jù)治理方法，包括數(shù)據(jù)的鎖源、采集、清洗、加工、存儲(chǔ)、分析、應(yīng)用和展示。簡言之大數(shù)據(jù)是圍繞這數(shù)據(jù)進(jìn)行各種價(jià)值化的操作。
人工智能的處理過程可以分為四個(gè)步驟來解釋。
第一步是準(zhǔn)備數(shù)據(jù)，針對不同的需求準(zhǔn)備合適的數(shù)據(jù)。比如想要智能問答機(jī)器人，需要準(zhǔn)備大量的問答數(shù)據(jù)；
第二步是學(xué)習(xí)訓(xùn)練，以上面的例子繼續(xù)，需將大量的問答數(shù)據(jù)交給機(jī)器人進(jìn)行學(xué)習(xí)；
第三步是訓(xùn)練模型，機(jī)器根據(jù)提供的數(shù)據(jù)，進(jìn)行模型訓(xùn)練，形成一個(gè)‘問答模型’；
第四步是預(yù)測，也就是說當(dāng)給到機(jī)器一個(gè)問題時(shí)，機(jī)器就會(huì)根據(jù)問題以及之前學(xué)習(xí)到的預(yù)測出問題的答案。
AI在教育行業(yè)的應(yīng)用與發(fā)展
那么大數(shù)據(jù)人工智能在教育領(lǐng)域有怎樣的應(yīng)用？
在自動(dòng)閱卷上，目前客觀題閱卷技術(shù)已經(jīng)非常成熟。而對于主觀題閱卷，因?yàn)闈h語的復(fù)雜性，答案并不唯一和標(biāo)準(zhǔn)，讓計(jì)算機(jī)去給出合理的判斷變得較為困難。但近年隨著人工智能自然語言處理等核心技術(shù)的飛速發(fā)展，大大提升了大數(shù)據(jù)人工智能在主觀題閱卷上的應(yīng)用空間。
如果想要大數(shù)據(jù)人工智能實(shí)現(xiàn)對主觀題上智能閱卷，首先需要分析人在進(jìn)行主觀題評分的過程。主觀題人工評分過程大致分為以下三個(gè)步驟：
1.第一步，識(shí)別答案中格式、錯(cuò)別字、分段、邏輯等常規(guī)性錯(cuò)誤；
2.第二步，識(shí)別答案中得分點(diǎn)；
3.第三步，根據(jù)前兩步得分以及人的一些主觀因素，將得分均衡
由于沒有人的主觀情感判斷，所以人工智能無法在人工閱卷的第三步進(jìn)行干擾。那么就需要將人工閱卷進(jìn)行拆分重組。計(jì)算機(jī)進(jìn)行主觀題閱卷分為以下幾個(gè)步驟：
第一步準(zhǔn)備類型題語料，在語文、數(shù)學(xué)等科目的考試過程中，很多題目可以歸為同一類型。比如數(shù)學(xué)中的三角函數(shù)內(nèi)角和有很多問題呈現(xiàn)方式。類型題粒度拆的越細(xì)，人工智能學(xué)習(xí)成本越低。
第二步訓(xùn)練算法模型，找到歷年同一類型題的真題，定義類型題得分點(diǎn)，標(biāo)記真題中的得分點(diǎn)后訓(xùn)練系統(tǒng)，讓機(jī)器學(xué)習(xí)到類型題的得分點(diǎn)，真題越多，效果越好。
第三步規(guī)則匹配，梳理類型題中的邏輯關(guān)系、得分點(diǎn)順序、段落等，比如數(shù)學(xué)題直接答出最終結(jié)果缺少論述過程，這種情況是沒有分?jǐn)?shù)或只有很低的分?jǐn)?shù)。
第四步測試調(diào)優(yōu)，將類型題放到訓(xùn)練好的模型中，讓機(jī)器進(jìn)行評分，將機(jī)器評分及得分點(diǎn)與人工評分及得分點(diǎn)進(jìn)行對比，找出機(jī)器的“缺點(diǎn)”與錯(cuò)誤，查缺補(bǔ)漏，提升模型的準(zhǔn)確率。
當(dāng)模型測試調(diào)優(yōu)達(dá)到可用效果時(shí)，一個(gè)類型題的智能評分模型便訓(xùn)練完成，后面的類型題可按照相同的方式訓(xùn)練模型，最終實(shí)現(xiàn)大數(shù)據(jù)加人工智能對主觀題進(jìn)行閱卷。
近年來隨著人工智能自然語言處理等關(guān)于文本的核心技術(shù)飛速發(fā)展，人工智能對主觀題進(jìn)行智能評分成為了可能。但目前也仍存在一定局限性。人工智能與教育相結(jié)合才剛剛開始，相信未來AI在教育上應(yīng)用將更加廣泛。
