近年來,人工智能逐漸被用于解決長期制約教育發(fā)展的關(guān)鍵問題。本研究關(guān)注如何利用人工智能技術(shù)解決教育中的育人問題。育人對智能助理系統(tǒng)的要求體現(xiàn)在領(lǐng)域知識的系統(tǒng)化、問題分析的綜合化以及問題咨詢過程的智能化等方面。因此,本研究利用人工智能的前沿技術(shù),設(shè)計(jì)和開發(fā)智能育人助理——AI好老師,幫助教師和家長矯正孩子的問題行為,促進(jìn)孩子健康成長。具體而言,AI好老師利用人工智能領(lǐng)域的知識圖譜技術(shù),基于不同育人數(shù)據(jù),定義育人知識模式,進(jìn)行知識的獲取和融合,構(gòu)建育人領(lǐng)域的知識圖譜。在此基礎(chǔ)上,AI好老師利用人工智能領(lǐng)域的任務(wù)導(dǎo)向型對話系統(tǒng)技術(shù)和基于知識圖譜的推理技術(shù),通過自然語言交互,實(shí)現(xiàn)育人問題的智能咨詢,自動(dòng)診斷教師或家長的育人問題,分析原因并給出相應(yīng)的解決對策。未來,AI好老師將在機(jī)器人的結(jié)合、智能問答的功能、模型的提升、學(xué)生信息的自動(dòng)獲取以及案例的主動(dòng)收集等方面進(jìn)一步發(fā)展。
【部分圖文】：

況。育人對策指教師處理在育人問題時(shí)可以采取的方法或措施，包括對學(xué)生的育人方法和與家長合作的家校協(xié)作方法。根據(jù)問題行為、內(nèi)部個(gè)體特征和外部環(huán)境三因素的信息，AI好老師總結(jié)育人問題出現(xiàn)的原因，并給出解決對策、相關(guān)理論知識及相關(guān)案例。圖3育人知識圖譜模式2．知識獲取知識獲取指依據(jù)定義的圖譜模式，從數(shù)據(jù)中識別實(shí)體及關(guān)系實(shí)例，以填充圖譜的數(shù)據(jù)層。本研究的知識圖譜主要關(guān)于育人問題、內(nèi)外部因素及育人對策等知識，因此知識獲取的主要任務(wù)是如何識別育人案例描述對應(yīng)這些維度的分類。與其他知識圖譜構(gòu)建不同，本研究的育人知識圖譜主要以案例和育人問題為中心，相互間的關(guān)系即為案例維度分類的對應(yīng)，所以圖譜的構(gòu)建任務(wù)轉(zhuǎn)換為如何確定案例描述對應(yīng)的因素、問題及對策類型。比如，以某案例為例，針對“攻擊行為”這一因素，需要判別該行為屬于“直接身體攻擊”還是“言語攻擊”，或是其他;針對“問題原因”，需要判定屬于“被尊重的需求”或是“安全需求”，或是其他;針對“育人對策”，需要判定案例采用的是“說服教育法”還是“榜樣示范法”，或是其他。因此，從人工智能和自然語言處理的角度，本研究將知識獲取的任務(wù)建模為基于文本的多分類問題，即根據(jù)案例的文本描述，確定案例對應(yīng)圖譜模式定義的具體類別。關(guān)于文本分類問題，主流技術(shù)是利用深度學(xué)習(xí)模型對文本進(jìn)行語義理解，在此基礎(chǔ)上進(jìn)行分類判定，本研究采用深度學(xué)習(xí)領(lǐng)域的循環(huán)神經(jīng)網(wǎng)絡(luò)對文本進(jìn)行語義解析，然后進(jìn)行分類判別。然而，本研究是對案例文本進(jìn)行分類，其主要特點(diǎn)是文本較長，以往針對語句短文本的單層循環(huán)

?度公式計(jì)算學(xué)生信息與育人問題的相似度，得出它們的匹配程度。關(guān)于相似子圖的搜索，AI好老師系統(tǒng)利用窮舉法，把學(xué)生信息與所有育人問題子圖比較，相似度最高的即為學(xué)生的育人問題，然后將依據(jù)圖譜總結(jié)的針對此問題的解決對策推薦給用戶。(四)人機(jī)智能對話引擎AI好老師通過應(yīng)用于育人領(lǐng)域的任務(wù)導(dǎo)向型對話系統(tǒng)實(shí)現(xiàn)智能育人助理的智能性�；趥鹘y(tǒng)的管道模型，本研究設(shè)計(jì)了AI好老師的對話系統(tǒng)。由于當(dāng)前語音自動(dòng)識別和從文本到語音的轉(zhuǎn)換技術(shù)已相對成熟，因此AI好老師的對話系統(tǒng)設(shè)計(jì)(見圖7)主要有四個(gè)功能模塊:自然語言理解模塊、對話狀態(tài)跟蹤模塊、對話策略學(xué)習(xí)模塊及自然語言生成模塊。圖7育人對話系統(tǒng)1．自然語言理解模塊自然語言理解模塊主要是對用戶的輸入文本進(jìn)行語義理解，包括兩方面:一是對用戶意圖的理解，如用戶是想提出問題，還是回答系統(tǒng)的問題;二是針對用戶的輸入依據(jù)圖譜定義的知識結(jié)構(gòu)進(jìn)行語義槽填充，如用戶回答學(xué)生的年級是三年級時(shí)，需要識別出語義槽“年級”對應(yīng)的值是“三年級”。語義槽填充的本質(zhì)問題其實(shí)是序列標(biāo)注問題，即針對用戶的輸入語句識別哪些詞表示相關(guān)語義槽數(shù)值。針對自然語言理解的模型設(shè)計(jì)，常用的方法是構(gòu)建兩個(gè)不同的模型分別識別用戶的意圖和進(jìn)行語義槽填充。最近，有研究嘗試?yán)媚Ｐ蛯身?xiàng)任務(wù)同時(shí)進(jìn)行優(yōu)化求解，提高自然語言理解的準(zhǔn)確率(Lietal．，2017)。因此，本研究采用類似的方法構(gòu)建模型，先利用LSTM模型對輸入文本進(jìn)行語義解析，然后用分類模型和CＲF模型對用戶意圖和語義槽識別標(biāo)注，對結(jié)果進(jìn)行優(yōu)化。此模型(見圖8)包括三層:輸入層、LSTM層和標(biāo)注分類層。輸入?

模型的目標(biāo)函數(shù)定義為最小化序列標(biāo)注的損失和意圖分類的損失，基于共同優(yōu)化的方法進(jìn)行訓(xùn)練。圖8自然語言理解模型2．對話狀態(tài)跟蹤模塊對話狀態(tài)是對話系統(tǒng)內(nèi)部對當(dāng)前整個(gè)對話所處階段的表示，融合了對話過程的上下文信息。傳統(tǒng)的對話系統(tǒng)基于自然語言理解模塊產(chǎn)生的結(jié)果，直接更新狀態(tài)結(jié)構(gòu)中相對應(yīng)的語義槽，從而生成新的對話狀態(tài)。然而，這種方法的容錯(cuò)性低，當(dāng)自然語言理解模塊識別出現(xiàn)錯(cuò)誤時(shí)，此對話狀態(tài)跟蹤模塊必然出現(xiàn)錯(cuò)誤且沒有辦法加以更正。針對此問題，相關(guān)研究人員提出了基于概率模型的對話狀態(tài)跟蹤，即自然語言理解模塊產(chǎn)生的結(jié)果不再是唯一的確定性結(jié)果，而是用概率表示每個(gè)語義槽的可能性。因此，對話狀態(tài)的表示不再是0或1的二元表示，而是用概率表示每個(gè)狀態(tài)的可能性。在狀態(tài)更新過程中，根據(jù)上一時(shí)刻的對話狀態(tài)和系統(tǒng)決策，及對當(dāng)前用戶輸入的理解識別，重新計(jì)算新的對話狀態(tài)�；陬愃频睦砟�，本研究設(shè)計(jì)了基于LSTM的深度學(xué)習(xí)模型(見圖9)更新對話狀態(tài)。LSTM的輸入包括三方面信息:上一時(shí)刻的系統(tǒng)操作、當(dāng)前的用戶意圖以及相應(yīng)的語義槽信息�；谶@三方面輸入信息，結(jié)合上一時(shí)刻的對話狀態(tài)向量，LSTM模型可以生成當(dāng)前時(shí)刻新的對話狀態(tài)向量�；谛碌膶υ挔顟B(tài)向量，此模塊將進(jìn)一步與知識圖譜相結(jié)合生成潛在的答案選項(xiàng)，即利用知識圖譜嵌入模型TransG(Xi-aoetal．，2016)對知識圖譜進(jìn)行學(xué)習(xí)訓(xùn)練，生成關(guān)于每個(gè)育人問題的向量表示;通過與對話狀態(tài)向量比較，計(jì)算每個(gè)問題與對話狀態(tài)向量的相似度，并根據(jù)閾值選取相似的問題集，作為潛在的答案。圖9對話狀態(tài)跟蹤模型3．對話策略學(xué)習(xí)模塊針對對話策略，本研究采用規(guī)則與多
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳鵬鶴;彭燕;余勝泉;;“AI好老師”智能育人助理系統(tǒng)關(guān)鍵技術(shù)[J];開放教育研究;2019年02期

2 張廣錄;;AI思維視角下的語文教學(xué)變革[J];中學(xué)語文教學(xué);2017年07期

3 曾響鈴;;AI加持下的個(gè)性化教育,誰能拿下這塊行業(yè)高地?[J];大數(shù)據(jù)時(shí)代;2018年09期

4 程應(yīng)軍;;AI教學(xué)設(shè)備-電子書包在小學(xué)數(shù)學(xué)教學(xué)中的應(yīng)用[J];教師;2018年28期

5 張圃;閆志偉;;基于AI的口腔頜面腫瘤學(xué)教學(xué)模式改革的初步探索[J];中國高等醫(yī)學(xué)教育;2019年02期

6 謝良梁;;當(dāng)在線教育遇上AI[J];上海信息化;2018年03期

7 謝冰;張家儀;;AI技術(shù)在小學(xué)英語語音自主學(xué)習(xí)中的應(yīng)用探析[J];現(xiàn)代職業(yè)教育;2018年34期

8 斯汀;;谷歌、亞馬遜領(lǐng)航AI咨詢服務(wù)[J];世界科學(xué);2018年01期

9 宋亮;;“AI+”教育來襲——教學(xué)技術(shù)進(jìn)步增加學(xué)生個(gè)性化與高效率學(xué)習(xí)體驗(yàn)[J];教育;2018年14期

10 趙耀;;AI智能分析在學(xué)校安防中的使用[J];新課程(下);2018年11期

相關(guān)碩士學(xué)位論文 前2條

1 張燕;教育游戲中AI競技對手的設(shè)計(jì)與實(shí)現(xiàn)[D];南京師范大學(xué);2014年

2 楊志國;AI網(wǎng)絡(luò)課程中的智能答疑與實(shí)驗(yàn)[D];中南大學(xué);2002年

本文編號：2886615