达观动态

达观愿与业内同行分享 助力各企业在大数据浪潮来临之际一起破浪前行

人工智能协助阅卷?详解教育领域AI应用分析
大数据和人工智能的应用是近几年科技行业的热门话题。提及人工智能,很多人会想到问答机器人、人脸识别、语音助手、抖音推荐等这些我们日常接触的场景。但此外,在我们日常接触并不频繁但却对我们每个人都息息相关的“隐形”领域中,人工智能和大数据的应用在也落地开花。本文将从教育行业的智能阅卷场景入手,为大家详解AI 技术在教育文本处理上的现状与可能发展。

大数据与人工智能初探
大数据,简单说就是将大量数据转化为价值,目前市场上已经形成了比较成熟的数据治理方法,包括数据的锁源、采集、清洗、加工、存储、分析、应用和展示。简言之大数据是围绕这数据进行各种价值化的操作。
人工智能的处理过程可以分为四个步骤来解释。
第一步是准备数据,针对不同的需求准备合适的数据。比如想要智能问答机器人,需要准备大量的问答数据;
第二步是学习训练,以上面的例子继续,需将大量的问答数据交给机器人进行学习;
第三步是训练模型,机器根据提供的数据,进行模型训练,形成一个‘问答模型’;
第四步是预测,也就是说当给到机器一个问题时,机器就会根据问题以及之前学习到的预测出问题的答案。
AI在教育行业的应用与发展
那么大数据人工智能在教育领域有怎样的应用?
在自动阅卷上,目前客观题阅卷技术已经非常成熟。而对于主观题阅卷,因为汉语的复杂性,答案并不唯一和标准,让计算机去给出合理的判断变得较为困难。但近年随着人工智能自然语言处理等核心技术的飞速发展,大大提升了大数据人工智能在主观题阅卷上的应用空间。
如果想要大数据人工智能实现对主观题上智能阅卷,首先需要分析人在进行主观题评分的过程。主观题人工评分过程大致分为以下三个步骤:
1.第一步,识别答案中格式、错别字、分段、逻辑等常规性错误;
2.第二步,识别答案中得分点;
3.第三步,根据前两步得分以及人的一些主观因素,将得分均衡
由于没有人的主观情感判断,所以人工智能无法在人工阅卷的第三步进行干扰。那么就需要将人工阅卷进行拆分重组。计算机进行主观题阅卷分为以下几个步骤:
 
第一步准备类型题语料,在语文、数学等科目的考试过程中,很多题目可以归为同一类型。比如数学中的三角函数内角和有很多问题呈现方式。类型题粒度拆的越细,人工智能学习成本越低。
第二步训练算法模型,找到历年同一类型题的真题,定义类型题得分点,标记真题中的得分点后训练系统,让机器学习到类型题的得分点,真题越多,效果越好。
第三步规则匹配,梳理类型题中的逻辑关系、得分点顺序、段落等,比如数学题直接答出最终结果缺少论述过程,这种情况是没有分数或只有很低的分数。
第四步测试调优,将类型题放到训练好的模型中,让机器进行评分,将机器评分及得分点与人工评分及得分点进行对比,找出机器的“缺点”与错误,查缺补漏,提升模型的准确率。
当模型测试调优达到可用效果时,一个类型题的智能评分模型便训练完成,后面的类型题可按照相同的方式训练模型,最终实现大数据加人工智能对主观题进行阅卷。
近年来随着人工智能自然语言处理等关于文本的核心技术飞速发展,人工智能对主观题进行智能评分成为了可能。但目前也仍存在一定局限性。人工智能与教育相结合才刚刚开始,相信未来AI在教育上应用将更加广泛。