智能化评价与辅导
主讲人：智能教育技术研究成员
湖南师范大学/教育科学学院/教育技术学系
教育评价是教育发展的指挥棒，是撬动教育教学改革的杠杆支点。而课堂教学能力评价既是教育评价体系的核心范畴，也是引导促进教育者课堂教学能力提升的重要手段。
教育评价
主观性强
无法实时反馈
缺乏动态性
不适合大规模应用
01
03
05
04
缺少客观标准
02
传统课堂评价局限
传统课堂评价采用笔试客观评价和课堂人工评价、学习者评教等方法。
智能化评价能够根据学习者对考核的应答情况，智能评估学习者的学习成绩和能力水平。
智能化评价优势
还可以根据学习者的优势和不足，推荐适合其个性化学习的教材和课程，帮助学习者更好地掌握知识和技能。
作业自动化批改是典型的智能化评价案例。它借助智能化方法和工具，将传统的人工批改过程转变为自动、高效的智能化评估过程。缩短批改时间，节省人力物力，保证评估标准的一致性，消除人为因素的影响。同时通过设计程序，可根据学习者的作业完成情况自动生成学习者个性化指导模式以辅助学习者学习。
作业自动化批改
03
计算机视觉
用于自动识别和解析学习者的手写或绘图内容，评价学习者的解题过程和正确性。
01
自然语言处理
通过分析语法、词汇、逻辑结构等进行语义理解和评估。
02
机器学习模型
训练大量已标注作业样本，通过监督等学习方法建立作业评分模型，对未知作业提供准确评价。
智能化评价技术作用
04
大数据分析
收集和分析大量的学习者作业数据，提供更准确、个性化的学习辅助。
智能化评价的客观数据
通过与课程知识图谱进行匹配，可以通过对学习成果质量的客观评价，分析教学目标的达成度。
内容正确性和感官聚焦性。
目标达成度
教学资源有效性
课后智能辅导系统
传统课后辅导存在活动内容单一、加重教学负担、质量无法保证、无法满足个性化需求、增加额外负担等问题，而伴随着人工智能技术在教育领域的快速发展，智能辅导逐步发展成为”人工智能+教育”领域的重点应用场景。
域模型
学习者模型
辅导模型
用户界面模型
课后智能辅导系统
四个组件各自承担不同的角色，但彼此又相互协作，共同协作以实现智能辅导系统的核心目标，即确保每位学习者获得根据其需求和水平定制的教育支持。
课程图谱的构建主要包括知识点实体的提取及其关系定义、问题实体的衍生以及例题实体的衍生。
基于知识图谱的域模型构建
学习者模型
学习者模型的构建通常涉及大量的学习者数据，包括学习成绩、作业完成情况、考试表现、在线学习行为等。基于知识图谱的学习者模型包括学习者知识水平模型和学习偏好模型。
基于知识图谱的学习者模型建构
辅导模型
基于域模型和学习者模型，通过机器学习和数据挖掘结合领域知识和学习者情况，提供个性化辅导服务。
辅导系统与界面模型
小结
学习者信息
教学设计效度
教学资源有效性
目标达成度
智能化评价作用
学习者模型
辅导模型
辅导系统与界面模型