深度学习：让智慧教育“育”见未来

　深度学习：让智慧教育“育”见未来 一、引言

　智慧教育是教育信息化的重点项目，也是智慧城市建设的重要组成部分。传 统教育面临着学生只有在学校教室、上课时间、老师在场的情况下才能接受教育， 同年级学生接受同等程度教育、边远地区无法接受高质量教育等制约和挑战。智 慧教育将使教育突破时间和空间的限制，实现学生的自主学习、个性化学习和优 质教育资源共享。“互联网 + 教育”理念将开启包括大数据、物联网、云计算、移 动互联网等在内的教育“大物云移”新生态，把教育过程构建成一个智慧空间一 一在云、物联、大数据等技术的支持下，远程实验平台、信息管理、普适计算等 都将隐藏在智慧空间的各个角落，各显神通。其中，深度学习与智慧教育的结合 就是“互联网 + 教育”理念下的新兴技术领域，近期得到了各界学者的广泛关注。

　深度学习最初源自人工智能领域，自谷歌研发的阿尔法狗( AlphaG 。

　) 4:1 打 败韩国围棋名将李世乭，人工智能再次成为大家关注的热点。早期人工智能算法 有基于人工神经网络的反向传播算法( Back Propagation, BP ) " 1 " ,该算法的发明掀 起了基于统计模型的机器学习热潮。该算法可从大量的训练样本中学习统计规律, 从而对未知事件做出预测。随后，各种浅层神经网络模型相继被提出，如支持向 量机( Support Vector Machines , SVM )⑵、 Boosting 方法⑶、最大熵方法⑷、逻辑 斯蒂回归( Logistic Regression , LR )⑸等；对简单的、粗粒度的问题能够解决，但 是对于复杂问题的精细化描述与认知就无法实现。而智慧教育中要实现最大限度 的提高学习效率，真正做到因材施教，其中问题的复杂度成指数倍提高。因此针 对智慧教育中的人工智能，需要建立适合复杂应用的描述模型。

　进入 21 世纪，大脑模式识别概念被提出。

　2006 年，加拿大多伦多大学教授 Hinton在《科学》、《 Neural computation 》和《 NIPS 》上提出了基于大脑模式识 别概念的深度学习( Deep Learning, DL )模型：

　6- 9 ］ ，其在信号识别 ：

　10-15\ 自然语音 处理［ 16" 17］ 和用户行为分析［ 18-20 ］ 等领域取得了显著进展。近年来，深度学习在整 个学术界持续升温。

　美国国防部也于 2010 年起开始逐年资助，并邀请斯坦福大 学、纽约大学和 NEC 美国研究院展开与深度学习及相关技术应用的研究。

　深度学习的概念源于对人工神经网络的研究，通过组合低层特征形成更加抽 象的高层表示属性类别或特征，以发现数据的分布式特征表示。从仿生学的角度, 深度学习模拟人类大脑皮层的认知功能，具有模仿脑神经进行海量信息采集和处 理的层次结构，能够对输入数据进行分层处理，并且用每一层网络提取原始数据 不同层次的特征，最终获得对事物的全面认知和分析。

　本文提出的深度应学习系统是以学生前期积累的学习内容以及学生各类信 息大数据为基础，再通过后台深度学习、机器学习算法，为学生推荐最有价值的 知识点。此系统能够根据学生的不同情况进行“自动适应”，向学生推送最适合 他的学习内容，并根据不同学生的情况，推送不同的题目或者视频等内容。最大 限度地提高学习效率，真正做到因材施教。

　二、智慧教育的发展

　回顾中国智慧教育的发展历程，从电化教育到远程教育，从“校校通”到“班 班通”、“桌桌通”，从数字资源到教学资源云平台，从“三通两平台”到“互联 网 + 教育”，从“ MOOC ”到“深度学习”，中国智慧教育经历了循序渐进且快速发 展的历程，信息技术与人工智能的引入不仅带来教育教学的变革，同时也提高了 人才培养的质量 ［21-22］ 。

　其中，以 MOOC 为代表的远程教育模式近几年来备受瞩目。此模式是在互 联网的基础上，通过录播和直播等形式实现教育的“可获得性”( Accessibility) , 具备随时随地学习的“灵活性( Flexibility) ；以及边际成本趋零、价格较低的“可 支付性”( Affordability )。但由于此模式没有解决交互性( Interactivity )的问题, 因此其课程完成率很低。然而对于教育来说，交互性是处于核心位置的。交互性， 并不是简简单单指录播界面上的交互，而是学生在学习过程中不断地获得反馈。

　教育的互性主要体现在三个方面：一是老师和学生的交互;二是学生之间的交互; 三是学

　生与教辅系统的交互。

　MOOC 模式能够实现的是知识的“可获得性”，是 纯粹单向的“送达”。由于缺乏针对学生学习行为和效果的辨别、处理和知识调 整的能力，因此无法保证质量。

　随着大数据分析和人工智能技术与教育领域的深度融合，为上述问题的解决 提供了新的思路。考虑到学习过程的复杂性，即知识点离散且数量庞大、学生个 体差异较大、交互性差、各个知识点呈现的只是相关性。这种学习过程只能通过 优秀教师以极强的经验来进行综合判断和指导；但对于计算机系统而言，这个过 程基本没有简单的规则可以预设，因此，通过简单的编程方式来判断学生的情况 是不可行的。针对此问题，本文提出了基于深度学习的智慧教育系统可实现针对 任何一个学生，不论其处于什么样的学习状态，通过综合分析和判断其下一步的 学习内容，学习方法，目前的掌握程度等信息，经过大数据的分析和演算，对学 生的特征进行测量和量化描述，模拟优秀教师的教学过程，向学生提出个性化要 求与建议，并推送适合某个学生的学习内容。在学生学习的任何过程中，解决交 互性问题的同时实现教育智能化，学什么内容、怎么学，都会像优秀老师一样的 智能学习引擎来对学生进行有针对性的一对一指导。

　三、基于深度学习理论的智慧教育系统

　其中，第一层是信息采集层，系统预先设定学习路径，通过简单的路径设定 来指导学习过程，即基于规则的自适应学习系统，在学生的学习过程中采集数据。

　第二层是优化反馈层，根据第一层学生学习的过程中出现的差异性问题，例 如每一个学生的做题记录、学习时间差异、学习喜好差异来推断学生的问题所在 和能力水平，通过系统隐层之间的逐层反馈，为学生匹配自适应的学习内容。

　第三层是更为复杂的自适应学习层，在基于人工智能的深度学习系统里，通 过逐层反馈与抽象信息传递分析，解决更深层次的学习路径问题和内容推送问题。

　在不同的学习路径中，每个知识点的跳转是通过分析知识点之间的相关性， 并依据设定好的知识图谱来实现的。而知识的相关性是由专家预设的，因此具有 一定的主观性。为了完善与优化学生的学习路径，本系统首先通过专家预设的知 识图谱来进行初步学习，然后根据使用后学生留下的海量行为数据进行数据挖掘, 最终优化知识图谱达到自适应的状态。深度学习系统会以这个自适应的知识图谱 为基础，通过隐层之间特征值的相互迭代，为学生匹配最优化的学习路径与目标 制定，算法逻辑如图 2 所示。

　 本系统的目标是向学生推荐适合其学习水平及能力的学习路径和方法，该算 法拟通过深度学习算法的逐层预训练和全局微调来学习学生学习行为参数，做出 最优的学习路径推荐。其中，隐层之间的参数估计使用限制玻尔兹曼机，限制玻 尔兹曼机是一种特殊形式的马尔科夫场，通过设计一个隐层，将多个显层与该隐 层不断交替迭代，最终实现最优输出。输入层、隐层与输出层之间相互协作的逻 辑关系如下 ：

　（ 1 ）

　输入层建立详细的学习内容和知识点图谱，每个知识点还要打上标 签，标签包括知识点内容、学习时间、学习风格、倾向性（喜欢音频学习还是视 频学习）、内容质量、难易度、区分度等。由于知识点颗粒度较细，标签数量较 大，因此可以实现匹配的更精细化，随着学生数据越来越多，系统对标签进行自 动更新，例如难易度等级，这样就慢慢淡化了前期老师的主观因素。

　（ 2 ）隐层实时测评每一个学生在每一个知识点的掌握水平，并且通过大 数据分析方法推算和量化学生在当前知识点以及相关知识点的能力水平。通过对 学生进行动态检测，学生每做一组题、每看一段视频，系统会不断修正判断学生 的各个参数值，并通过所做题目中的相邻知识点和关键知识点的检测，发现学生 已经掌握了的知识点，之后不再推荐此类知识点给学生，实现自适应学习。

　（ 3 ）输出层根据每个学生的最新能力水平，提供相应的反馈，并匹配出最 为合适的推荐学习内容、学习路径、目标制定等。

　四、深度学习视域下的智慧教育发展策略

　从深度学习的视域来看智慧教育就是通过大数据挖掘来满足教师和学生显 性和隐形的需求，是贯彻落实“互联网 + ”发展战略和教育部关于教育信息化发 展部署的体现。这就要求从教育环境、技术支撑、制度改革各个方面给予支撑与 服务。

　首先，智慧的教育环境是实现智慧教育的基石。智慧教育环境包括教育基础 设施、学习工具、教育产品等，具有互联及感知的功能，可以跟踪学习过程，识 别学习情境，感知学习物理环境，联接学习社群，轻松、投入和有效的学习。智 慧学习环境是一种能感知学习情景，识别学习者特征，通过采集学习过程中的各 种数据，进行全面、系统的统计分析和数据挖掘，最终提供合适的学习资源与便 利的互动工具，自动记录学习过程和评测学习成果，以促进学习者有效学习的学 习场所或活动空间。智慧学习环境实现物理环境与虚拟环境的融合，能更好的提 供适应学习者个性特征的学习支持和服务。

　其次，技术引领教育发展，是技术应用于教育的本质体现。其中，人工智能、 物联网、云计算、大数据等技术是智慧教育体系构建的重要支撑技术。物联网与 云计算技术，可以在课堂教学、课外学习和教育管理三个方面给教育提供支持, 为基于深度学习的智慧教育模式提供数据支撑。人工智能与大数据技术在深度学 习、教育舆情监测与剖析、学生的发展性评价等方面发挥了巨大的技术优势，为 学生提供更加科学、全面的学习发展评价报告。

　最后，实现教育教学方式和学习方式的深度变革是智慧教育的保障。它既要 为学生提供丰富的教育资源供给方式，还要提供精准化的教育教学管理方式。因 此，要进一步实现智慧教育，应明确教育改革发展目标与任务，有效调整高等教 育供给结构，推进学校供给侧结构性改革的实施，全面提升教育发展水平，进一 步推动科技成果转化和技术转移，深化产教融合、校企合作，制定加强校企联盟 建设

　实施方案，深化教育领域简政优化服务。

　五、结语

　目前，由深度学习引领的自适应学习已成为智慧教育的核心和制高点，旨在 通过不断地积累学习行为数据，利用大数据分析技术，为学生推荐最有价值的知 识点和习题，提高学习路径的有效性。本文针对传统教育中出现的个体差异大、 交互性差的问题，提出了基于深度学习的智慧教育系统，并从深度学习的视角分 析了智慧教育的发展策略，为推进智慧教育的发展进程提出了一种新的思路。

推荐访问:深度 智慧 未来