• 必一(中国)B-sports

    必一(中国)B-sports动态

    必一(中国)B-sports愿与业内同行分享 助力各企业在大数据浪潮来临之际一起破浪前行

    1. 必一(中国)B-sports动态
    2. 产品介绍’行业见闻
    3. 人工智能协助阅卷？详解教育领域AI应用分析
    人工智能协助阅卷？详解教育领域AI应用分析
    大数据和人工智能的应用是近几年科技行业的热门话题。提及人工智能，很多人会想到问答机器人、人脸识别、语音助手、抖音推荐等这些我们日常接触的场景。但此外，在我们日常接触并不频繁但却对我们每个人都息息相关的“隐形”领域中，人工智能和大数据的应用在也落地开花。本文将从教育行业的智能阅卷场景入手，为大家详解AI 技术在教育文本处理上的现状与可能开展。

    阅卷

    大数据与人工智能初探

    大数据，简单说就是将大量数据转化为价值，现在市场上已经形成了比较成熟的数据治理方法，包括数据的锁源、采集、清洗、加工、存储、分析、应用和展示。简言之大数据是围绕这数据进行各种价值化的操作。
     
    人工智能的处理过程可以分为四个步骤来解释。
    第一步是准备数据，针对不同的需求准备合适的数据。比如想要智能问答机器人，需要准备大量的问答数据；
    第二步是学习训练，以上面的例子继续，需将大量的问答数据交给机器人进行学习；
    第三步是训练模型，机器根据给予的数据，进行模型训练，形成一个‘问答模型’；
    第四步是预测，也就是说当给到机器一个问题时，机器就会根据问题以及之前学习到的预测出问题的答案。

    AI在教育行业的应用与开展

    那么大数据人工智能在教育领域有怎样的应用？
    在自动阅卷上，现在客观题阅卷技术已经非常成熟。而对于主观题阅卷，因为汉语的复杂性，答案并不唯一和标准，让计算机去给出合理的判断变得较为困难。但近年随着人工智能自然语言处理等核心技术的飞速开展，大大提升了大数据人工智能在主观题阅卷上的应用空间。
    如果想要大数据人工智能实现对主观题上智能阅卷，第一时间需要分析人在进行主观题评分的过程。主观题人工评分过程大致分为以下三个步骤：
    1.第一步，识别答案中格式、错别字、分段、逻辑等常规性错误；
    2.第二步，识别答案中得分点；
    3.第三步，根据前两步得分以及人的一些主观因素，将得分均衡
    由于没有人的主观情感判断，所以人工智能无法在人工阅卷的第三步进行干扰。那么就需要将人工阅卷进行拆分重组。计算机进行主观题阅卷分为以下几个步骤：
     
    第一步准备类型题语料，在语文、数学等科目的考试过程中，很多题目可以归为同一类型。比如数学中的三角函数内角和有很多问题呈现方式。类型题粒度拆的越细，人工智能学习成本越低。
    第二步训练算法模型，找到历年同一类型题的真题，定义类型题得分点，标记真题中的得分点后训练系统，让机器学习到类型题的得分点，真题越多，效果越好。
    第三步规则匹配，梳理类型题中的逻辑关系、得分点顺序、段落等，比如数学题直接答出最终结果缺少论述过程，这种情况是没有分数或只有很低的分数。
    第四步测试调优，将类型题放到训练好的模型中，让机器进行评分，将机器评分及得分点与人工评分及得分点进行对比，找出机器的“缺点”与错误，查缺补漏，提升模型的准确率。
    当模型测试调优达到可用效果时，一个类型题的智能评分模型便训练完成，后面的类型题可按照相同的方式训练模型，最终实现大数据加人工智能对主观题进行阅卷。
    近年来随着人工智能自然语言处理等关于文本的核心技术飞速开展，人工智能对主观题进行智能评分成为了可能。但现在也仍存在一定局限性。人工智能与教育相结合才刚刚开始，相信未来AI在教育上应用将更加广泛。