in

5個AI數位學習團隊,讓教學更因材施教

文/王茜穎, 若水 Flow AI Blog 編輯團隊

【若水AI數據處理團隊為您導讀】

1, 今年 1 月發佈的最新報告預測,2025 年 AI 人工智慧在教育的市場將高達58億美元,較 2017 年成長 45%。AI 正在以數位學習平台等形式進入教室,改變老師的工作方式和你我下一代的學習經驗。

2, AI 實時追蹤、分析大數據,並提供個人化即時回饋的能力,成為教師的千手千眼,替因材施教助拳。

3, AI 能自動化或半自動化繁重且機械性的工作,讓教師專注在教學本業上。

史丹佛以人為本AI研究院(Stanford Human-Centered AI Institute / HAI)院長 李飛飛說。(上圖)

「隨著 AI 人工智慧改變工作的需求,未來的教育也將跟著改變。誰能斷言,將來我們還需要 K-12(幼稚園到高中)教育?這些都應該被終身學習、個人訂製學習(Customized Learning)所取代,而 AI 將會扮演關鍵角色。」

學期都要結束了,GIT 喬治亞理工學院教授阿肖克.戈爾(Ashok Goel)班上的400名學生才赫然發現,整學期來信交代作業和回答問題的助教吉爾.沃森(Jill Watson)根本不是人類,是 ChatBot 聊天機器人!

延伸觀看:戈爾教授在 TEDx Talks 介紹他的助教機器人

戈爾教授確實亟需幫手。先不說這門線上課程有數百名學生,每學期要回答的問題更高達1萬個,他跟幾個大學助教根本應接不暇。自沃森接手了作業字數、檔案格式要求等數量最多的制式問題後,教授更有餘裕放在教學和解答較複雜的問題。

他不是唯一一個想到用 AI 來解決教育現場問題的人。

要知道一班數十、甚至數百個學生,人人的基礎、能力、悟性不同,又有進度壓力,要能因材施教已是不易,再加上解惑、出題、改卷、輔導、行政等五花八門的工作。

老師分身乏術,亟需AI助攻。


數據導入,AI 的數位學習之路正在蓄勢待發

「多年來,人們一直在試圖用 AI 重新設計學習,但直到過去 7 年發生了機器學習 (Machine Learning) 的重大革命,才取得真正的進展。」

美國《紐約時報 New York Times》去年底為文指出,「研究者正想辦法用AI來瞭解大腦如何學習,並設法應用在幫助學生學的更輕鬆、更享受。」

無論如何,演算法和深度學習等科技,都正在以數位學習平台的形式,慢慢地走進教室,追蹤學生表現,分析學習弱點,提供個人化的學習經驗,並開始接手重複性高的庶務

應用上,數學和語言學習等具備明確規則的領域成為開發者的首選,除了提供更準確的即時反饋,AI 透過作答結果預測下一次答對的概率,藉此精準地推出個人化的內容,透過反覆練習,強化學習過程。

本文將鎖定「個人化學習 Customized Learning 」和「教學助理 Teacher Assistant 」兩條主線。

AI實時追蹤和分析大數據的能力無疑是因「材」施教,提供個人化學習體驗的第一個神助攻。在課堂上,LiveLabThinkster Math 兩個數學相關的數位學習平台就憑這兩項能力,成為老師的千手千眼。

剛拿下去年 EdTech 突破獎「最佳 AI 人工智慧教育應用」獎項的 LiveLab 是由一群美國卡內基梅隆大學的認知心理學家、人機互動專家在 1998 年所創,團隊成員還納入了數學老師、資料科學家、和教育專家,針對美國 6-12年級(相當於台灣的國、高中)學生,追蹤每個學生的數學學習實況。

每個人都需登入 APP,哪個人正在作題或發呆無作為皆難逃法眼,同時根據個人作答內容、完成率、所費時間、錯題率等自動評估學生能力的落點與弱點,即時給予個人化回饋,不僅有錯必挑,還指出錯誤的原因,並進行學習進程預測。

哪些部分、哪些學生落後需要重點加強,AI即時提示,助老師立即抓漏,不用等到大大小小的考試完後再來慢慢檢討,亡羊補牢。

「在用 LiveLab 之前,我會站在教室的後面,試著察看每個學生何時卡住。現在,我不僅知道每個學生何時卡住,還知道為何卡住」

霍普韋爾高中的老師妮基.貝克(Nikki Baker)說,「我喜歡它的即時回饋,讓我知道當下需要專攻哪些學生,哪些人則沒問題。」


從數據判讀解題步驟和思路

創於2014年的數位學習平台 Thinkster Math 則鎖定幼稚園大班到國中的數學教育,創辦人拉吉.瓦利(Raj Valli)念的是化學和藥物研發,當初創業只是為了幫女兒解數學題。

「我的大女兒以前用日本的 Kumon(功文式數學),全是測驗卷。我每週都要帶她去Kumon輔導中心交作業,然後又是另一疊數學作業等著她,她不知道她在做什麼,又做的如何」。

他反對傳統的訂正要孩子抹殺「錯誤」,「若擦掉錯誤,覆蓋上正確答案,我又怎麼知道你錯在哪裡?」他相信孩子要學的好,老師們應觀察孩子們解題的步驟和思路,而非只看結果或答案

Thinkster Math就是做好這件事。用 AI人工智慧追蹤和分析學生的數學題的解題步驟,畫出其思考邏輯,評估其對各項技能的理解,幫助老師立刻釐清學生哪裡出錯,以及為何出錯,並針對學生的強弱項,客製個人學習計劃,更甚者還能配對適當的家教人選。

教學助理這招更是簡單粗暴,效果立竿見影。利用 AI 將出題、畫重點、複習、改卷變成全/半自動化,將老師從繁重又機械性的工作中解放出來,把時間放在教學、刺激討論、和學生一起解決問題。


而由柏克萊大學電機暨資工系教授彼得.阿比爾(Pieter Abbeel)和他的 3 個博士畢業生共同創立的新創公司「Gradescope」就是讓 AI 來幫老師批改作業和考卷!

「儘管很重要,但不幸的是閱卷確實是最無趣的其中一項教學責任,」身為教授的阿比爾自己坦承,

圖說:Gradescope 共同創辦人團隊 Pieter Abbeel 教授, Arjun Singh and Sergey Karayev, 由左至右. (圖片來源:Marla Aufmuth photo)

「沒有AI的助攻,公平公正的評分將極度耗時」

其概念很簡單,我們做事講究事半功倍,Gradescope 則求舉一反三。上傳到 Gradescope平台的試卷或作業,經老師標註題型(選擇題、填空題、申論等),接著利用 AI 的 Computer Vision 圖像辨識來判讀學生筆跡,區辨塗改痕跡等數據,並依據作答結果分組。

老師僅需確認分組正確,再從每一組各選一張卷子批改,加以評分並附上反饋,結果立即適用該組所有試卷,省下老師一張一張改的時間。

阿比爾曾拿資訊工程期末考超過 600 份考卷來試刀,將閱卷時間大砍75%。迄今,Gradescope 的 AI 已經批改了來自柏克萊大學 (UC Berkeley)、普渡大學 (Purdue)、紐約大學 (New York University)、密西根大學 (University of Michigan)、杜克大學 (Duke University) 等 500 多所學校。

13,000多名教師,超過 6,000 萬份學生考卷,主題涵蓋電腦工程、物理、數學、化學、生物、電機、經濟等專業領域。


演算法 Algorithm 親手打造你我的教科書

AI 不僅縮短至少一半的批改考卷時間,還能針對每個學生出錯之處,提供詳細分析報告和輔導建議,掌握學生的學習狀況。

另一家教育科技新創公司 Content Technologies 則推出了 Cram101 和 JustTheFacts101,利用深度學習 (Deep Learning),將龐雜的教科書內容庖丁解牛,再依照老師上傳的課程大綱,用演算法 (Algorithm) 自動量身打造客製教科書、章節摘要、重點、練習題、抽認卡等輕薄短小、容易入口的各式教材。這類「智慧內容」(Smart Content)節省老師規劃教綱、備課、出題的時間,彈性又高,可隨時調整。

無論是個人化學習或教學助教,起碼目前看來,AI 並不能取代教師,而是成為教師身體的延伸,輔助老師適時看見每個學生的需要,並有更多餘力、更有效地做實現因材施教的終極理想。

當然,AI 人工智慧進入教室並非沒有疑慮,如何有效地監督數據的收集、使用和分享,保護學生個資,如何避免機器放大人類偏見,確保教育的包容性和公平性,都是不容逃避的問題。


專家點評

政治大學應數系副教授 蔡炎龍

看完這篇文章,想起這幾年與產業互動的研究經驗,一個AI專案落地,最花時間的地方往往在前期溝通,手上的數據如果沒有化成問題,就無法繼續前進。

而很難形成問題的「意識」,往住是出於 Domain 專業領域這端的專家對AI如何運用還不夠了解,不知道哪些問題適合問。又或者,技術出身的人,沒法掌握到現實世界的問題。

比方,文中提到追蹤學生的「學習實況」,要看學生專不專心,講究一點可以戴儀器掃腦波,但這可能要收集到上萬筆AI數據,並精準數據處理 (Data Processing)或數據標註 (Data Tagging) 才足夠機器學習 (Machine Learning)。

此時,如果夠了解AI運作,就能「換個方向問」:比方,從作題停留的時間長短、臉部表情呆滯或微笑,能不能也用來判讀學生專注程度?這就省下前期大量收集數據的時間。

問了什麼問題,才能看出背後運用的技術難度。乍看之下,文中這些案例用到的AI技術不算太深,像考卷批改是筆跡辨識,這項技術在法律、醫療裡都有運用案例,一轉到教育場景裡,真的就大大鬆綁老師的時間。

這類結合AI,輔助教與學現場的優化,就我所知,在台灣多處於研究階段,或開發出來也未必針對教學使用。期待在台灣,也能有足夠誘因讓更多人投入開發教育科技。


【推薦閱讀】

1, 對Tomofun執行長張友辰來說,很早就知道AI的重要性,但他刻意讓自己不要那麼鑽進去「AI」,而是花時間深入了解消費者的情境,才能讓技術真正為消費者解決問題 ➡️➡️ 請看 【The Ellen Show欽點 全球唯一的「狗保姆」創造訂閱新經濟】

2, 甫獲「美台科技挑戰賽」首獎,「防詐達人」是許多台灣人手機裡必備的APP。面對大量的數據處理,他們交給若水團隊協助,「我們省下好多時間,更能深入掌握各種詐騙的型態,若水協助標註數據,給予使用者回饋,發揮一加一大於二的綜效」➡️➡️ 全文 在此

圖片來源:TED Talks科學人雜誌The Learning Agency LabBerkeleyHome School GardensNeONBRANDYou X Ventures

【AI 瑕疵檢測案例】數據專家結合空拍機,智能安檢橋梁和危樓

【科技新聞洞察】後疫時代,世界會變什麼樣?