- $
AI如何解決課堂教學評價中的問題？
來源：www.fiberbase.cn 發布時間：2021年06月24日
“AI+教學評價”是受政策支持的發展趨勢
2019年，在國際人工智能與教育大會上，聯合國教科文組織發布了會議成果文件《北京共識：人工智能與教育》，指出“認識到人工智能在支持學習和學習評價潛能方面的發展趨勢，評估并調整課程，以促進人工智能與學習方式變革的深度融合。發掘數據潛能，支持學生綜合能力的多維度評價；支持大規模遠程評價”。
2019年，北京市教委印發《北京促進人工智能與教育融合發展行動計劃》，提出“加強人工智能與教育深度融合發展策略和標準規范等方面的研究，探索智能技術與教育環境、教學模式、教育評價等融合路徑和方法”。
2010年，美國《國家教育技術計劃》中強調各級各類教育系統要利用技術來測量、評價學習過程，教育管理者應該利用技術來收集學習過程中的實時數據，為持續改善學習效果提供依據。
教學評價是為教師與學生提供反饋的重要環節。利用人工智能技術在處理非結構化數據（視頻、音頻、圖像）方面的優勢，挖掘教學數據的潛能，可以提供過程性的教學數據、多個維度的定量分析。
我們看到，未來國內外有效的教學評價一定是一種多元評價方式、形成性分析與總結性分析的兼顧，以及定量評價與定性評價的結合。
AI能解決傳統教學分析面臨的哪些問題？
學校和教師也不斷為實現更有效的教學分析而努力，但是從客觀上受到了教育技術手段和工具的阻礙。這其中主要的限制是，我們過去的技術手段沒有辦法處理視頻、語音、圖片等復雜的非結構化數據（世界上85%的數據都是非結構化數據），也無法獲得實時的教學反饋。
人工智能尤其是情感計算、自然語音理解、行為分析的發展，讓計算機逐漸具備理解人類情感、語言和行為的能力。在AI技術的支持下，傳統教學分析的局限性才得以打破，具體表現在下面3個方面：
1、提供定量數據作為評價依據
在上一篇“觀點”中，我們提到教師自評、學生評價、同事評價共同構成了多元評價的主體。同時，多元評價應當符合定量評價與定性評價相結合的原則，以確保評價內容的準確有效。
但是，如何獲得課堂教學中教師與學生的定量評價呢？
人工智能技術給出了解決方案：通過處理課堂教學視頻，目前可以在課后及時提供關于學生課堂專注度、學生課堂情緒、師生語音對話、教師授課模式等多維度數據，量化課堂教學行為、課堂教學語音與課堂教學情感。
2、提供過程性數據支持形成性評價
形成性評價、中期評價與總結性評價共同構成了一個平衡的教學評價體系，這三種評價方式中“形成性評價”的實現難度大，因為沒有好的方法對學習過程進行評估，因此我們在很長的一段時間內選擇了相對公平的考試成績作為評價依據。
但是，更新的教學核心理念讓教育工作者覺醒，單純的總結性評價丟掉了教學中寶貴的東西——發現過程（這是問題發生時的依據）。
得益于人工智能技術對每節課處理后提供的數據，讓我們從習慣結果到看到過程，這樣的轉變有利于對學生非智力因素的關注，包括他們學習態度和興趣的轉變，有助于個性化發展。
3、實現常態化、自動化的教學評價
以教師聽評課為例，對于學校而言有比較高的人力成本和組織成本，因此評價周期相對較長，時間也不固定。這也導致聽評課作為一種評價方式不具備，不能及時有效的提供反饋。
總結性評價同樣如此，考試成績能反映出學生在較長的一個學年段的整體學習效果，但是也容易忽略過程性的變化。人工智能技術為常態化的教學評價提供了解決方案。
借助課堂教學視頻，為每節課、每個科目提供常態化的教學分析，輔助教師進行教學分析。同時，這一過程的實現完全自動化，減輕了教師和學校的工作負擔。
人工智能在教育中的應用，除了提供工具解決教學分析的問題，它正在幫助教育工作者將教學理念進行實踐不受技術條件的限制。當然，技術永遠不能代替教師去理解學生，也不能代替學生進行自我發現，但是它可以是教師讀懂學生的工具，讓教學評價兼顧“質”與“量”，讓教育回歸對人的主體發展的探究。
返回列表
2019年，在國際人工智能與教育大會上，聯合國教科文組織發布了會議成果文件《北京共識：人工智能與教育》，指出“認識到人工智能在支持學習和學習評價潛能方面的發展趨勢，評估并調整課程，以促進人工智能與學習方式變革的深度融合。發掘數據潛能，支持學生綜合能力的多維度評價；支持大規模遠程評價”。
2019年，北京市教委印發《北京促進人工智能與教育融合發展行動計劃》，提出“加強人工智能與教育深度融合發展策略和標準規范等方面的研究，探索智能技術與教育環境、教學模式、教育評價等融合路徑和方法”。
2010年，美國《國家教育技術計劃》中強調各級各類教育系統要利用技術來測量、評價學習過程，教育管理者應該利用技術來收集學習過程中的實時數據，為持續改善學習效果提供依據。
教學評價是為教師與學生提供反饋的重要環節。利用人工智能技術在處理非結構化數據（視頻、音頻、圖像）方面的優勢，挖掘教學數據的潛能，可以提供過程性的教學數據、多個維度的定量分析。
我們看到，未來國內外有效的教學評價一定是一種多元評價方式、形成性分析與總結性分析的兼顧，以及定量評價與定性評價的結合。
AI能解決傳統教學分析面臨的哪些問題？
學校和教師也不斷為實現更有效的教學分析而努力，但是從客觀上受到了教育技術手段和工具的阻礙。這其中主要的限制是，我們過去的技術手段沒有辦法處理視頻、語音、圖片等復雜的非結構化數據（世界上85%的數據都是非結構化數據），也無法獲得實時的教學反饋。
人工智能尤其是情感計算、自然語音理解、行為分析的發展，讓計算機逐漸具備理解人類情感、語言和行為的能力。在AI技術的支持下，傳統教學分析的局限性才得以打破，具體表現在下面3個方面：
1、提供定量數據作為評價依據
在上一篇“觀點”中，我們提到教師自評、學生評價、同事評價共同構成了多元評價的主體。同時，多元評價應當符合定量評價與定性評價相結合的原則，以確保評價內容的準確有效。
但是，如何獲得課堂教學中教師與學生的定量評價呢？
人工智能技術給出了解決方案：通過處理課堂教學視頻，目前可以在課后及時提供關于學生課堂專注度、學生課堂情緒、師生語音對話、教師授課模式等多維度數據，量化課堂教學行為、課堂教學語音與課堂教學情感。
2、提供過程性數據支持形成性評價
形成性評價、中期評價與總結性評價共同構成了一個平衡的教學評價體系，這三種評價方式中“形成性評價”的實現難度大，因為沒有好的方法對學習過程進行評估，因此我們在很長的一段時間內選擇了相對公平的考試成績作為評價依據。
但是，更新的教學核心理念讓教育工作者覺醒，單純的總結性評價丟掉了教學中寶貴的東西——發現過程（這是問題發生時的依據）。
得益于人工智能技術對每節課處理后提供的數據，讓我們從習慣結果到看到過程，這樣的轉變有利于對學生非智力因素的關注，包括他們學習態度和興趣的轉變，有助于個性化發展。
3、實現常態化、自動化的教學評價
以教師聽評課為例，對于學校而言有比較高的人力成本和組織成本，因此評價周期相對較長，時間也不固定。這也導致聽評課作為一種評價方式不具備，不能及時有效的提供反饋。
總結性評價同樣如此，考試成績能反映出學生在較長的一個學年段的整體學習效果，但是也容易忽略過程性的變化。人工智能技術為常態化的教學評價提供了解決方案。
借助課堂教學視頻，為每節課、每個科目提供常態化的教學分析，輔助教師進行教學分析。同時，這一過程的實現完全自動化，減輕了教師和學校的工作負擔。
人工智能在教育中的應用，除了提供工具解決教學分析的問題，它正在幫助教育工作者將教學理念進行實踐不受技術條件的限制。當然，技術永遠不能代替教師去理解學生，也不能代替學生進行自我發現，但是它可以是教師讀懂學生的工具，讓教學評價兼顧“質”與“量”，讓教育回歸對人的主體發展的探究。
