弘成教育黃波：科技賦能、智慧落地，讓教育更智慧_風聞

智慧教育最核心的是什麼？人工智能在教育領域如何應用？

撰文 | 孟祥娜

7月29日，由藍鯨教育主辦，上海報業集團指導，藍鯨財經、界面新聞、財聯社協辦的智慧教育論壇，在北京新雲南皇冠假日酒店成功舉辦。

本次論壇以“Z世代·新教育”為主題，融合主題演講、互動研討、圓桌論壇等多種形式，與教育同仁共同探討教育信息化時代下的機遇與挑戰。

人工智能最核心的是什麼？人工智能在教育領域如何應用？會上，弘成教育董事長黃波發表了題為“科技賦能·智慧落地，讓教育更智慧”的主題演講。從人工智能的發展軌跡、智慧教育的應用案例等方面分析了上述問題。

以下為黃波的演講實錄（有刪減）：

智慧教育最核心的是數據

過去十年是機器學習和深度學習快速發展期，人工智能模型的容錯率在加速下降，從2010年的28%降低至2017年的2.3%，現在容錯率已經到了2%以下。人工智能能做的事情，很多時候已經超越人類。

今天，算法已經能夠可以大幅度地讓教育和學習智能化，而目前對於教育行業來説數據層面的準備遠遠不足。內容數字化、流程數字化、教學智能化是真正能夠讓人工智能變成教學創新和人才發展的加速器。

如何讓人工智能落地教育領域，最核心的是數據。數據不僅僅是用户行為數據、業務數據，最核心的是課程、題庫標籤化以及知識圖譜的完善和建設等。在過去五年裏，弘成教育各個業務線形成了數以億計結構化、標籤化的教育數據。

在企業培訓行業，我們的客户大多是外企。這是由於外企在人才能力模型、課程、業務的標準化等方面相對完善。在教育人工智能大數據方面，很多企業都有相關的產品推出，在人臉識別和圖文識別及語音合成領域的產品應用已經相對成熟, 但是在教學應用層面如果沒有完善的數據體系,這些產品就只能是宣傳的噱頭。沒有大量的完善結構化的課程和題庫, 是無法做到真正的個性化推送,每個知識點如果沒有匹配中、低、高難度的課程和題庫,它們就不能解決很多教學和教育的場景。

智慧教育如何落地？

目前，弘成教育建立了弘成智慧教育全景圖。包含數據智能、智慧學習、智慧就業、智慧教務、通用智能等五個系統。

圍繞着智能學習系統，由智能數據分析、智能督導提醒、用户畫像、大屏監控等板塊組成。基於用户畫像，我們做了一套個性化推薦的體系。智能學習系統方面，弘成教育做了智能陪練與評價、自適應試題練習、課程和試題推薦、用户診斷評估等系統。智能就業系統，是為高校的畢業生做的智能簡歷診斷、模擬面試、試崗預測與推薦等模塊的系統。智能教務系統，是為高校做的智慧雲報到、智能學習監控、自動排課/考、學歷證明識別等模塊的系統。

我們的數據模型和算法體系是如何演變出來的？

弘成卡普模型（CARP)是弘成的認知診斷及相應預測的推送模型。最早在成人教育的平台上啓動,做了智能分析和智能督導場景的底層數據引擎模塊。2018年，開始做課程推薦體系，在這個基礎上完善了最基礎的CARP模型。從去年開始，我們加入自然語言處理NLP和語音合成等，在測評、問答、陪練等基礎上逐步完善。今年，在逐步完善智能練習、簡歷診斷和模擬面試等產品。

卡普智能模型全景圖中，智能交互與演練評估、教育智能分析與預警、智能診斷與相應預測、知識圖譜與能力模型這五個板塊是基於算法層面的。

我們技術模塊的核心都是圍繞業務模型來做的。比如説簡歷信息抽取模塊、特色語音合成模塊、仿生人視頻合成、課件語義切分和資源標籤提取模塊等。

在此基礎上，人工智能大數據模型都是基於採集、建模評估、推薦機會等一系列的體系來完善這些業務場景。

在業務建模和數據採集完善之後，我們才開始做後期的分析建模、智能推薦、智能督導。

第一、知識圖譜與能力模型的建設。做任何人工智能和大數據的智慧學習，都脱離不了知識體系和數據體系建設。無論是知識體系、基於企業的崗位能力模型的能力體系、智能陪練體系，首先我們得了解業務流程。

第二、基於數據和業務需求，根據用户需求採集建模。

第三、診斷畫像。針對用户的標籤、能力、分層，做一個診斷畫像。

第四、提醒督導。

第五、個性化推薦。個性化推薦可以基於薄弱點，基於用户偏好，也可以基於企業核心績效數據或標杆。如企業培訓，我們做的就是標杆型銷售的個性化推薦和基於績效標準的課程推送。

智慧教育的應用案例

弘成教育在智慧教育方面有哪些落地案例？

第一個AI應用案例——自適應智能學習鯨練。構建個人知識圖譜，形成個人知識掌握神經網絡。基於學科知識圖譜、學生個性化答題數據、學生羣體答題數據分析等，通過算法模型，獲得學生個性化的知識掌握圖譜。

第二個AI應用案例——企業個性化智能推課系統。個性化推薦類型是基於崗位能力、用户畫像、興趣標籤等。基於崗位能力的必備條件是梳理崗位能力模型，通過定量衡量崗位與能力的差距。基於用户畫像的必備條件是梳理業務指標體系，比如近3個月陌拜達標率低於80%的人羣,就可以推送相關的提升課程等。基於興趣標籤是根據用户自選的興趣輸入，需要將興趣與課程關聯。

個性化推薦是基於業務標籤的推薦。課程推薦場景一是查漏補缺，比如按月齡推薦、推薦某項業務目標達成率低的技能提升課程；二是向標杆學習，推薦業績達人正在學的課程。三是互相學習，推薦跟我相似的人羣都在學的課程以及業務環節的熱門課程。

第三個AI應用案例——智能陪練。

智能陪練系統是通過自然語言理解和處理技術、機器學習、深度學習等領域的多種核心算法、模型及新技術應用，將AI引擎與業務場景結合，構建能力發展線上學習模型，實現個性化人機互動、真實場景模擬訓練模式，助力企業提升人員效能。

它的評分模型是基於內容的完整性評分算法、表達準確評分算法、關鍵詞覆蓋率、語音語調評分等方面。比如，關鍵詞覆蓋率方面，基於分詞算法，提取人員表達內容的關鍵詞和權重數據，和標準答案的關鍵行為進行匹配，計算覆蓋率。

智能陪練不僅僅能判斷文本，對用户表情、手勢、語音等都能做到智能診斷。它能夠讓銷售人員的表達更具親和力、表現力、正能量，在陪練過程中實現能力的提升。

未來，我們將繼續通過完善算法使智能產品能切入更多的場景，為教育企業提供更多智能化手段，讓教育更加智慧。