对话式学习如何开启个性化学习新范式

为您带来对话式学习如何开启个性化学习新范式相关内容。

AI时代已经来临，AI正在重塑原有的各行各业，不管是互联网还是传统行业。

炙手可热的智能便利店、智造机器人、智能银行客服等，都在快速地替代原有生产链条中做重复工作的人这个角色，也在极速提升着运转效率。

那么在线教育行业是怎样的呢。

对同样正在变革、重塑的在线教育模式，AI将史无前例地提升教育的教学效率，提升学生的学习效率。

我们预期的也是提了很多年的个体差异化教学、真正举一反三的智学时代来临。

之前的教育沟通何如。

孔子而立之年后宣讲私学，得三千门生七十二得意弟子。

他是怎么讲的呢。

古代和当今学习差别很大，你认了谁是老师，基本上就一块交流、吃饭、睡觉，类似自己的房子自家人。

如今的教育更像是住宾馆，老师与学生只互相见面却不了解。

所以，最核心的就是言传身教。

如果从介质的角度说，即是以对话和语音为载体的。

我们当今所看到的《论语》等也多是与对话的方式展开的;也多是有孔子门生根据孔子的教诲而回忆记载的。

在后续的几千年，对话和语音依旧是主流;不仅是在教育，也是平民百姓表达信息的主要方式。

印刷术的发明大大降低了撰写的难度，相对竹简或碑刻也更容易携带，极大提高了内容传播效率和传播范围，开启了规模阅读时代。

后续很长时期远程学习主要载体是书籍和文字，当前面对面对话一直很重要。

一直到近代，都是多数依赖书本和文字。

直到互联网时代，把书本这一实体载体变成了虚拟网页;于是我们广泛的通过互联网获取咨询和消息，主流方式依旧是文本。

在移动互联网时代，文字是我们日常与机器(电脑、电话、智能手机)交互的最核心和主要的桥梁。

文字作为交互的核心桥梁也决定了，这种交互只能发生在知识分子的社会里。

要想与设备发生交互，要么会输入文字、要么会书写文字。

排除了父辈群体中不会拼音、不会书写太多字的用户，特别是农村地区。

对话式学习为什么会发生。

而随着智能机成为国民标配，在农村地区更是直接从电话时代跃到了移动互联网时代，跳过了PC互联网时代这个过渡区间。

另一方面，对PC互联网的居民，文字输入固然能完成所有复杂沟通，但输入与输出并非较高效和成本的方式。

在技术方面，人工智能在被研究了很多年之后，应用技术2016年在全球范围内得到关注和实践;深度学习、迁移学习等都在汽车、医疗等行业做尝试和更迭;在教育行业，也有AR/VR、自适应学习、双师课堂等创新实践。

这就需要一种更具普世性的、效率更高;而且是更自然和贴近原始本能的交互方式。

显然基于语音的对话无疑是普世和原始的。

对话式学习为什么能现在发生。

AI+教育的应用层，我们看到的都还是从技术或者机器的角度，或者说是从系统本身属性的角度来向公众解释传播，比如高顿的EP;沪江的UNI;其他VR、学生面部表情识别暂且不表。

所以我们需要从用户角度来重新阐述智能学习系统中的“系统”;并且思考如何让这种表达让用户轻易感知。

比如个性化学习，你说自己搜集和整理海量的知识图谱，做了颗粒极细的数据标注，能为学生提供基于最近动态的相匹配的学习计划和学习内容;你确实做到了。

你说自己能基于用户学习行为和细颗粒的知识标注，按学生的薄弱点进行智能的、精准打击的推荐;你确实做到了。

你说自己能基于复杂的知识图谱，“一叶而知秋”，通过初一的学习情况判断你五年纪一个知识未掌握导致了学习盲区;你也做到了。

你说自己能基于检测学生的面部表情，做面部表情识别，以知道屏幕对面的学生的学习状态、情绪等;你可能也能做到。

然而，用户却感知不到。

到现在为止，我们的角度一直是：研究用户需要什么，然后从研究者的角度给他解决方案，比如“自适应学习系统”、“智能学习系统”、“个性化学习”等等。

如何把这些程序解决方案涵盖进去，并且以友好的方式做交互。

显然基于语音的对话无疑是是感知最明显、最清晰的方式；甚至能感觉到“本来就该这样”“有什么稀奇吗”无陌生感。

另一方面，从言传身教的角度讲，线下课程是比线上教育做的好很多的;然而不管什么年龄段的人，与老师面对面的时间占比都不会到24小时的1/6;为每一个学生配备一个私人教师，理想很好，然而大多数都承载不起这个成本。

那么有没有一种像老师一样什么都懂、想问就问即时解疑且没有繁琐的查找时间成本呢。

显然有一个充满智慧的随时供你召唤的私人教师，是一个理想的模型。

因此，笔者提出了针对教育+AI、智能学习的大背景尝试提出“对话式学习”这一新理念。

何为对话式学习。

对话式学习是以自适应学习系统和智能评测为应用技术支撑的，以不限年龄与学习水平而提供个性化教育和自主探索学习为目的的以语音对话为核心媒介的学习交互方式。

它的核心角色是随叫随到的私人教练;核心关系是平等对话和互相成长。

在对话式学习场景中，我们不希望学生感知到的是和“一个程序机器对话”;而是一个有温度的耐心智慧的“人”。

这个“人”知道我的冷暖、优势与弱项;能提供给针对自身的学习方案;不仅能了解和建议，也能给你问候和鼓励，在你没有达到父母预期但是确实有进步时她给你点赞;你提的每一个问，他多数能懂，如果不懂，也能自己学习，下次再问时，一定能满意答复。

对话式学习，像聊天一样学知识——她是虚拟伙伴，实时与你语音对话面对面;是伴友，也是答疑导师。

她了解你，听懂你，指导你，启发你，陪伴你。

了解你。

对话式学习基于学习系统的知识图谱和细颗粒的知识点标注。

结合数据分析与计算，通过全方位的实时数据的获取，包括预习数据、听课数据、课后作业数据、模拟测评数据、错题数据、对话内容数据等，动态评估学生当前的学习状态、优势点、弱势点;分析出关联图谱中历史知识点的缺失;并以可视化的方式全局直观展现的学生。

听懂你。

对话式学习基于语音和自然交流。

我们希望的结果这就像和一位朋友聊天时的状态。

某些场景下，文字无法全部表达，语音则包含了信息和情感。

因此，在对话式学习场景中，她不仅能听懂你说的话，还能根据你的情绪给予情绪化的对答。

较优的结果是：对话式学习就如学生实时连线了以为知识渊博、反应敏捷、时刻解疑的老师教授，类似对讲机或FM连麦。

指导你。

对话式学习基于“了解你”“听懂你”获取的各类数据等，能及时的动态的给出个性化学习计划。

第一，贯穿学习周期的测评需要是动态的、分级的，区别于原有的所有同一套、所有使用一组巩固方案，个性化智能计划是符合当前学生且当前阶段但难度等级略微高于学生已掌握水平，并且整个私人订制的方案是动态;第二，个性化智能计划必须是可量化的，以任务的方式呈现给用户，并督促学生完成;第三，个性化智能计划必须是可追踪的，可根据量化指标和实际的行为，追踪往期实际完成情况，请循环调整下一步的进度;第四，任务是个性化学习的一部分，按照斯金纳的操作条件反射，每次任务完成后要给与鼓励和奖励，并形成一种预期。

启发你。

学习知识是启发的过程。

对话本身就带有“启发”的基因。

在对话的逻辑上，特别是在答疑的对话中，避免使用给答案的方式展示;而是循循善诱，给与“解决的问题”——“题干条件有哪些”——“解题方法”。

第二，智能错题举一反三。

不管在K12还是职业教育的学习中，对于“错题”我们都使用的太简单粗暴。

K12多数需要自己整理错题集;职业教育类使用智能题库系统偏多，会自动记录、归档错题。

但是也止于记录、查阅、重练。

对话式学习中，我们把错题视为一座宝藏——错题仅是结果，实际上是记忆或思维方式的缺失。

基于知识图谱和知识标注，我们知道学生具体错误的原因，并找出关联的最末梢的知识点或往期年级的知识点。

然后基于动态评测的逻辑，推荐错题知识点所属知识点下难度等级+1的其他题目做强化。

如果失败则难度-1，如果掌握则难度+1，如此直到掌握精通。

在应试教育中，包括我们所说的中考、高考、各种专业考证等，分数一直是一个非常重要的指标。

在一份试卷中，继续做对的题无助于提分;只有把错误盲区解决掉，则分数会明显增高。

而基于错题的举一反三，显然是最经济租高效的，而AI为喊了多年的举一反三提供了可能性。

总之，在对话式学习系统中，通过智能分析，我们把错题有闲置物变成黄金，举一反三定向巩固。

在对话式学习中，底层支撑对核心的还是智能算法，无疑也与自适应框架是一致的。

一开始说我们想塑造是：她是一个充满智慧无所不知的伙伴或导师。

因为可对话，所以觉得轻松、有情切感;因为实时响应，所以觉得有一种时刻在自己身边的陪伴感。

"智慧懂你的温暖"，这是对话式学习的主色调。