于旭明

（山東省菏澤市教育科學(xué)研究院 山東省菏澤市 274000）

人工智能的出現(xiàn)，打破了各行各業(yè)的傳統(tǒng)運(yùn)行模式。教育行業(yè)在此過(guò)程中也在積極探索人工智能的應(yīng)用方法，提出新的教育模式，打造智能化教育時(shí)代[1]。由于教育人工智能研發(fā)時(shí)間比較短，所以尚未形成有效的教育人工智能系統(tǒng)，如何打造一套較為完善的教育智能系統(tǒng)是當(dāng)前重點(diǎn)解決問(wèn)題[2-3]。自動(dòng)化是時(shí)代發(fā)展的重要標(biāo)志，采用自動(dòng)化控制，加快作業(yè)效率，實(shí)現(xiàn)機(jī)器學(xué)習(xí)，這是教育人工智能系統(tǒng)開發(fā)的一個(gè)重要方向，本文嘗試從該方向入手，探究系統(tǒng)設(shè)計(jì)方案。

1 教育人工智能應(yīng)用系統(tǒng)功能分析

1.1 功能框架結(jié)構(gòu)

教育人工智能應(yīng)用系統(tǒng)開發(fā)功能包括教育需求、教育數(shù)據(jù)、教育特征、智能模型、教育應(yīng)用5 個(gè)模塊，主要根據(jù)教育工作開展需求，對(duì)相關(guān)數(shù)據(jù)信息進(jìn)行整理，從中挖掘重要信息，利用提取的教育特征信息，構(gòu)建智能教育模型，將其投入到教育工作中。如圖1所示為系統(tǒng)功能框架結(jié)構(gòu)。

圖1：系統(tǒng)功能框架結(jié)構(gòu)

教育需求：由教育工作者和相關(guān)技術(shù)人員負(fù)責(zé)相關(guān)工作，根據(jù)當(dāng)前教育工作開展要求，設(shè)定相關(guān)問(wèn)題，列出教育需求信息列表。

教育數(shù)據(jù)：由教育工作者和相關(guān)技術(shù)人員負(fù)責(zé)相關(guān)工作，針對(duì)教育需求信息，收集與這些信息相關(guān)的教育數(shù)據(jù)，采用數(shù)據(jù)處理技術(shù)，完成數(shù)據(jù)的清理和轉(zhuǎn)換操作。

教育特征：由教育專家和相關(guān)技術(shù)人員負(fù)責(zé)相關(guān)工作，從整理好的數(shù)據(jù)信息中提取教育特征，同時(shí)構(gòu)建教育特征體系[4]。

智能模型：由相關(guān)技術(shù)人員負(fù)責(zé)相關(guān)工作，構(gòu)建智能模型，并加以訓(xùn)練處理，根據(jù)模型評(píng)估結(jié)果，對(duì)當(dāng)前模型設(shè)計(jì)方案進(jìn)行優(yōu)化，得到最佳模型。

教育應(yīng)用：由教育工作者和相關(guān)技術(shù)人員負(fù)責(zé)相關(guān)工作，將優(yōu)化后的模型投入到使用當(dāng)中，從而發(fā)揮教育智能系統(tǒng)的作用[5]。

1.2 當(dāng)前系統(tǒng)開發(fā)存在的問(wèn)題

目前，我國(guó)針對(duì)教育人工智能系統(tǒng)的開發(fā)投入了較多研究資金，并且鼓勵(lì)各大科研機(jī)構(gòu)參加此類項(xiàng)目的研究，雖然獲取了一些研究成果，但是仍然存在很多問(wèn)題。

（1）技術(shù)層面問(wèn)題：系統(tǒng)可移植性較差，依靠人工調(diào)試，根據(jù)作業(yè)需求選擇相應(yīng)作業(yè)模式等，這些操控技術(shù)很難滿足模型作用發(fā)揮需求。

（2）系統(tǒng)開發(fā)成本問(wèn)題：系統(tǒng)開發(fā)需要耗費(fèi)大量的資金，除了系統(tǒng)硬件與軟件相關(guān)設(shè)備的采購(gòu)與租賃，還包括運(yùn)行維護(hù)、人力資源等多項(xiàng)費(fèi)用。從當(dāng)前發(fā)展?fàn)顩r來(lái)看，系統(tǒng)開發(fā)及運(yùn)行費(fèi)用超出了預(yù)期范圍。

（3）系統(tǒng)開發(fā)復(fù)雜度問(wèn)題：參與系統(tǒng)開發(fā)的人員較多，涉及到多個(gè)領(lǐng)域?qū)＜液凸ぷ魅藛T，為了保證各個(gè)環(huán)節(jié)的有效銜接，幾乎每一個(gè)環(huán)節(jié)都需要所有工作人員的參與，加大了系統(tǒng)開發(fā)的復(fù)雜程度。

（4）系統(tǒng)作業(yè)受限及效率問(wèn)題：目前開發(fā)的大部分系統(tǒng)僅支持當(dāng)前參數(shù)設(shè)置要求，如果變更數(shù)據(jù)或者教育特征，需要重新調(diào)整系統(tǒng)作業(yè)程序，同時(shí)根據(jù)需求更換一些硬件設(shè)備，導(dǎo)致系統(tǒng)應(yīng)用范圍受限。測(cè)試中發(fā)現(xiàn)，系統(tǒng)作業(yè)效率較低，缺少成熟系統(tǒng)開發(fā)方案。

2 基于自動(dòng)化方法的教育人工智能系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)開發(fā)基本思想

本文針對(duì)當(dāng)前教育人工智能系統(tǒng)開發(fā)存在的問(wèn)題，引入自動(dòng)化思想和人工智能思想，對(duì)教育人工智能系統(tǒng)進(jìn)行設(shè)計(jì)。

2.1.1 自動(dòng)化思想的植入

自動(dòng)化思想最初指的是利用機(jī)器代替人類勞動(dòng)的一種作業(yè)方式，隨著時(shí)代的不斷進(jìn)步，當(dāng)前已經(jīng)延伸至輔助人腦勞動(dòng)，按照作業(yè)需求，自動(dòng)化下達(dá)作業(yè)命令，從而在規(guī)定時(shí)間內(nèi)完成相關(guān)工作。該環(huán)境下，強(qiáng)調(diào)人工智能訓(xùn)練，在專家的參與下，完成特征信息的提取、參數(shù)設(shè)置、作業(yè)效果評(píng)價(jià)、系統(tǒng)優(yōu)化等。因此，本文提出的新型教育人工智能系統(tǒng)以自動(dòng)化控制為核心，在無(wú)人干擾的情況下，就可以完成教育工作。

2.1.2 人工智能思想的植入

為了向用戶提供云服務(wù)，加快問(wèn)題解決速度，谷歌公司提出了人工智能服務(wù)。該服務(wù)主要借助云平臺(tái)，采用人工智能操作方法解決問(wèn)題，不需要為其配備硬件成本較高的維護(hù)設(shè)備。關(guān)于系統(tǒng)程序的開發(fā)，在算法上也進(jìn)行了簡(jiǎn)化，大大降低了復(fù)雜程度。

2.2 模型的構(gòu)建

本系統(tǒng)建立在自行化思想和學(xué)習(xí)理論基礎(chǔ)上，在云端對(duì)教育需求信息采取自動(dòng)化處理，而后生成特征模型，利用該模型實(shí)施各項(xiàng)教育工作，從而實(shí)現(xiàn)自動(dòng)化教育，提升教育工作效率。其中，模型訓(xùn)練是改善教育工作的關(guān)鍵，以數(shù)據(jù)特征為依據(jù)，對(duì)教育信息采取自動(dòng)組合，創(chuàng)建可解釋特征。當(dāng)教育特征發(fā)生改變時(shí)，自動(dòng)調(diào)整教育模型，從而提高系統(tǒng)作業(yè)效率，擴(kuò)大系統(tǒng)應(yīng)用條件范圍。如圖2所示為系統(tǒng)模型設(shè)計(jì)方案。

圖2：系統(tǒng)模型設(shè)計(jì)方案

該系統(tǒng)模型主要由5 部分構(gòu)成，分別是需求分析與問(wèn)題定義、教育數(shù)據(jù)、自動(dòng)化平臺(tái)、應(yīng)用接口、教育系統(tǒng)。其中，需求分析與問(wèn)題定義模塊，是智能教育信息的提取和問(wèn)題的總結(jié)，作為系統(tǒng)運(yùn)行數(shù)據(jù)輸入端口。教育數(shù)據(jù)模塊，是從第一個(gè)版塊中提取關(guān)于教育工作開展的重要信息，作為信息提取和傳輸工具，將此部分信息發(fā)送至自動(dòng)化平臺(tái)。自動(dòng)化平臺(tái)模塊，是系統(tǒng)作業(yè)的核心模塊，在云端完成各項(xiàng)操作，這些操作均采取自動(dòng)化處理技術(shù)，清理數(shù)據(jù)、創(chuàng)建特征工程、構(gòu)建自動(dòng)化教育模型、評(píng)估模型作用與性能。自動(dòng)化平臺(tái)與教育系統(tǒng)之間的通信連接，通過(guò)應(yīng)用接口建立，通過(guò)該接口將自動(dòng)化平臺(tái)作業(yè)狀況信息發(fā)送至教育系統(tǒng)，根據(jù)教育特征的變化情況，由教育系統(tǒng)調(diào)整自動(dòng)化平臺(tái)作業(yè)參數(shù)，在云端完成自動(dòng)化更新。

2.3 系統(tǒng)運(yùn)行平臺(tái)

目前，關(guān)于系統(tǒng)運(yùn)行平臺(tái)的創(chuàng)建，尚未給出成熟的方案。目前，應(yīng)用比較多的系統(tǒng)開發(fā)平臺(tái)包括TPOT、H2O AutoML、Auto-Sklearn、Auto-Keras、阿里PAI、百度Easy DL、微軟Azure AutoML、谷歌Cloud ML。這些平臺(tái)采用的訓(xùn)練框架，支持的操作功能、作業(yè)模型存在一定差異，應(yīng)用場(chǎng)景較為豐富。本文從系統(tǒng)開發(fā)成本、應(yīng)用場(chǎng)景需求、模型訓(xùn)練框架等多個(gè)方面需求出發(fā)，綜合對(duì)比之下，選擇H2O AutoML 平臺(tái)作為系統(tǒng)運(yùn)行平臺(tái)，該平臺(tái)支持回歸/聚類/分類/深度神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建，開源免費(fèi)，并且支持云平臺(tái)的文本交互，可以應(yīng)用到圖像分類、自然語(yǔ)言處理、文本分類中。

本系統(tǒng)利用H2O AutoML 平臺(tái)創(chuàng)建多維度系統(tǒng)作業(yè)功能模塊，按照如圖2所示的框架結(jié)構(gòu)，搭建系統(tǒng)模型，在該平臺(tái)內(nèi)開發(fā)自動(dòng)化平臺(tái)。按照系統(tǒng)開發(fā)需求，在此平臺(tái)中創(chuàng)建自動(dòng)數(shù)據(jù)清理、自動(dòng)特征工程、自動(dòng)模型構(gòu)建、自動(dòng)模型評(píng)估4 個(gè)模塊。

3 系統(tǒng)測(cè)試分析

3.1 系統(tǒng)應(yīng)用測(cè)試環(huán)境

本研究將系統(tǒng)應(yīng)用至慕課，通過(guò)收集關(guān)于慕課的大量數(shù)據(jù)，為系統(tǒng)測(cè)試分析提供數(shù)據(jù)來(lái)源。其中，數(shù)據(jù)信息主要包括學(xué)習(xí)過(guò)程、學(xué)習(xí)體驗(yàn)、學(xué)習(xí)評(píng)價(jià)。本系統(tǒng)主要為慕課學(xué)習(xí)和討論提供便利條件。在助教和教師的幫助下，對(duì)不同類型文本數(shù)據(jù)進(jìn)行了標(biāo)注，形成4類信息，分別是個(gè)人感觸、學(xué)習(xí)評(píng)價(jià)、內(nèi)容目標(biāo)、課程問(wèn)題。

3.2 系統(tǒng)測(cè)試結(jié)果與分析

關(guān)于系統(tǒng)作業(yè)性能的測(cè)試指標(biāo)包括信息分類精度、分類召回率、分類準(zhǔn)確率、分類F 值（F1-Score）4 項(xiàng)。課程論壇數(shù)據(jù)大約5000 條，其中作為訓(xùn)練集部分占比80%，系統(tǒng)作業(yè)驗(yàn)證集數(shù)據(jù)占比10%，剩余10%數(shù)據(jù)作為評(píng)估數(shù)據(jù)支撐。將這些數(shù)據(jù)帶入本文創(chuàng)建的系統(tǒng)中，測(cè)得各項(xiàng)指標(biāo)結(jié)果如表1所示。目前開發(fā)的系統(tǒng)各項(xiàng)指標(biāo)均在70%左右，不存在超過(guò)80%情況，如果本系統(tǒng)測(cè)試結(jié)果在80%以上，則認(rèn)為本系統(tǒng)較以往開發(fā)的系統(tǒng)性能有所改善。

表1：系統(tǒng)測(cè)試結(jié)果

從上述3 組測(cè)試結(jié)果來(lái)看，本系統(tǒng)作業(yè)性能較傳統(tǒng)系統(tǒng)作業(yè)性能有所改善，各項(xiàng)指標(biāo)數(shù)值均為90%以上，其中分類準(zhǔn)確率達(dá)到了92%以上。當(dāng)教育特征發(fā)生改變時(shí)，本系統(tǒng)支持自動(dòng)化操控，在無(wú)人干擾情況下自動(dòng)調(diào)整了相關(guān)作業(yè)配制，使得系統(tǒng)得以正常作業(yè)，較以往得出的系統(tǒng)作業(yè)效率數(shù)值提升了23%左右，符合系統(tǒng)開發(fā)需求。

4 總結(jié)

本文圍繞教育人工智能系統(tǒng)的開發(fā)展開探究，針對(duì)當(dāng)前系統(tǒng)開發(fā)存在的問(wèn)題，從作業(yè)效率、成本、應(yīng)用范圍等多個(gè)角度出發(fā)，選擇自動(dòng)化技術(shù)作為系統(tǒng)開發(fā)工具，提出新的系統(tǒng)設(shè)計(jì)方案。測(cè)試結(jié)果顯示，系統(tǒng)信息分類精度、分類召回率、分類準(zhǔn)確率、分類F 值（F1-Score）4 項(xiàng)性能均有所提升，并且支持教育特征改變作業(yè)，作業(yè)效率提升幅度在23%左右。