如何用AI解决高校实验室教学痛点?看这里!

高校实验室是教学、科研的重要基地,在高等教育中有着不可低估的作用。那如何建设好实验室,管理好实验室,充分发挥实验室的作用?在科技高度发展的今天,将信息化建设和管理纳入日常的工作中,以信息化管理的手段来改革实验教学内容,有助于提高实验教学水平。

为深入贯彻教育信息化十年发展规划,深入探讨大数据背景下高校实验教学改革与创新,交流高校实验室信息化面临的机遇与挑战,以及探索智慧校园建设与高校信息化共享机制,不断推进高校信息技术与实验环境的创新发展,由江苏省高校实验室研究会与北京雅森国际展览有限公司,在2018年12月9日,国际智慧教育展览会举办期间,举行中国高校实验室信息化创新发展论坛。

在会上,南京大学教授、博士生导师,江苏省计算机学会教育工委主任陶先平教授,做了题为《人工智能助力高校实验室教学改革和实验室建设》的报告。

陶先平教授表示,实验教学和理论教学从某种意义上来说是有区别的,区别是手把手的教和手把手的学,尽管有些人认为实验教学和理论教学不一定分得开,但是当我们要分开的时候,实验教学和理论教学的区别就在这里。我们也知道现在实验教学手把手已经不可能了,第一个学生太多,老师太少,第二个学生的个性化追求太多,老师应付不来。所以手把手的教,手把手的学基本上已经搞不定了。那这个时候谁来把学生的手?数据时代来了,计算时代来了,人工智能虚拟助教登上舞台,这也是我今天要讲的两个点:一是人工智能促使实验模式的改革;二是实验室建设要赋能人工智能虚拟助教。

实验教学痛点梳理

实验教学通常情况下都是课前准备、课中教授和课后提高。即课前老师先行实验,检查设备,以保证效果和安全,学生先做理论学习和实验预习。课中老师和学生交流,理论和实验过程中一些知识的预习,甚至试验示范,实验过程中学生亲自动手,老师亲自巡视,巡视过程中对学生的方法、技巧、态度进行观察、判断最后纠正,这个过程非常重要,从实验教学角度来说,想要真正培养学生的能力和老师之间的互动是非常重要的,尤其是从教育的角度上,每个学生都应该公平享有和老师交互的权利。课后学生分析总结,撰写报告,老师查漏补缺,个别指导。

从这个过程看,也会出现很多问题。第一,课前准备预习不够,效果不佳,基本上学生不会太多的去预习;第二,课中教授挤占实验课堂时间,甚至变相理论教学;第三,实验过程中学生不够主动,无法暴露学习问题。师生比例失调,指导质量不高,覆盖面不够;第四,课后学生缺乏针对性有效指导,教师也说不清楚教学效果。简而言之,学生不主动,老师干着急,学习人数多,老师顾不上,学生追求个性指导缺乏针对,教学效果不明,内容优化盲目。

针对这些问题,在新时代可以找到一些方法缓解,比如说学生不足,可以针对学生个体的数据进行机器学习,找出他的真相,针对学生人多,可以尝试建立一个个人的智能实验辅助系统,针对预习不努力,可以用翻转课堂来反应,针对教学效果不明确,可以用群体数据进行挖掘,针对学生个性化,可以针对个体学习行为做一个个性化推荐。

比如,以机器学习为核心技术的人工智能技术,发展出来三个画像,第一个课程内容画像,到底是不是满足教学要求。不是说理论上文字上推导,而是实验过程当中出来的效果是不是这样子。第二个是课程体系的效果,这个课程体系到底能不能满足教学目标,需要数据分析,而不是拍脑袋。第三个画像是学生能力画像,学生到底怎么样,要画出来,所有画像一定要进行数据的完成。

人工智能运用到实验当中的若干尝试

人的管理、过程的管理、学科内容的管理,能力的认知模糊性,这些东西加在一起都会给实验教学过程带来巨大的复杂性,在这种复杂的系统里很难找到规律,而在数据时代,人工智能可以做到这一点,只要提供人工智能足够的数据,围绕教师、学生和实验内容,提供足够的时间、空间数据、实验行为、解决问题的内容框架等等基础模型,便可以通过足够的计算能力,挖掘出人力所看不出来的一些东西。

随后陶先平教授讲到了人工智能运用到实验当中的若干尝试。第一个是计算机基础实验课程,尝试通过这个课程当中两个实验阶段来说明简单的数据统计也是有效果的,但是通过机器学习,通过过程数据的学习,效果更好。第二个是在高年级本科生和研究生当中,因为参加科研活动,要开发很多软件,可以理解为是一个高级程序员,他的心流装备的识别怎么通过数据挖掘。

第一,计算机系统基础实验关心的是实验过程中是否能够在可控的学习负荷下达到良好的教学效果第一个是完成情况,在实验课堂五个小时专门留出一个小时给同学们讲解实验的细节。另外对实验设计有效性和理论课学习成绩相关性做了一个统计,皮尔逊相关系数等于0.76,基本上认为这两个理论实验课程融合度还是很高的。

从学习负荷角度,一个是时间负荷,一个是认知符负荷,从67份有效反馈50个表示较高,8个人表示不重,下一步分析哪些实验内容给学生带来时间负荷,从而优化它。

从时间适配角度说,重点关心是理论课和实验课是不是时间上适配的,如果不是适配的就没问题,得出结论就是简明的编码风格有助于我们改善。这些东西都是简单通过考试和最终的成绩,没有过程数据,对它进行简单的统计还是有效果的。

第二个基于编程信息对学生编程时情绪状态的判断和预测。这门试验设计到计算体系结构和操作系统,是一个很有挑战的项目,包含10000条代码。有很多学生初年级,有可能产生挫折感,甚至早早就放弃。这时需要了解学生,什么时候产生挫折,什么时候会产生放弃。

此时需要用到数据分析方式,通过机器学习的方式从数据分析当中获取这件事情,对学生提交的文档每五分钟记录一下他的文档变化,从历史上去看学生写程序时候的一些波动和一些变化,从这个变化当中尝试找到学生什么时候属于兴奋状态,什么时候属于沮丧状态。同时建立学生情绪模型,贯注、困惑、挫折和厌烦。

第二,程序员编程过程中心流状态非侵入式识别。即研究软件开发人员心理状态对软件做法进度和产品质量的影响度,也做心流,就是废寝忘食的状态,一不小心两个小时就过去了,这两个小时里面肯定工作效率不错,收获也挺大,希望能识别这种状态,引导学生尽早进入这个状态,并在学生在这个状态时间过长之后打扰他,不让他持续在这个状态,怎么做这件事情?用分侵入式方式做了一个软件去抓取学生在编程开发环境当中所有的键盘、鼠标和和IED按纽按机动作,抓到基础动作之后对他进行学习和识别。这个工作还是比较系统的,有一个心流状态表示模型,这是心流模型。这是我们非侵入式感知系统,这是我们智能识别方法,这是我们处理的过程,这是学习的算法,这是实验的结果,这是小规模正在做。这是我们初步的结论,我们识别准确率也还可以在70%以上,当然可以再优化,这是我们第一个实验结果,我们正在继续对数据进行特别存储。

人工智能+大数据打造智慧教育新生态

陶先平教授认为,人工智能技术如果有足够的数据支撑,可以做到我们想象不到的事情。要把人工智能灌输到实验室,数据产出导向的实验室装备是必须的,而这个数据都是来自于学生在实验过程中的行为数据,还有一些过程数据,智能数据。

类型方面,第一个学生的血液状态数据采集,学生实验行为数据采集。数据来源有的是实验室内数据,有的是实验室外实验数据。采集手段第一是赋标签仪器设备,第二侵入式个人终端设备,包括手环,包括耳机,第三非侵入式环境设备。

智能处理方面,就是大数据存储交换、高性能计算平台,在这个过程当中希望厂商在TPU甚至于FPGA平台上做建议,建议研制专门芯片,这样进入高校实验室速度会更快一点,优势更大一点。另外希望有一个个性化实验门户,基于人工智能个人虚拟助理,面向学生提供实时提醒、准确披露和资源推送。

实时提醒,就是实验教学过程中重要事项的提醒能力,网站、微信、短信等各种渠道提醒,现在大多数学生学习还是靠老师推着走,主动学习的学生这些东西不需要,自然就学的好。在精确披露上面,学生的学业状况,能力的缺陷。

资源推送方面,静态、动态学习资源,老师、助教、同学的预约推荐。这个对学生来说很重要,不能只依赖良莠不齐的网络信息,应该找老师助教和其他同学。

最后陶先平教授从内涵赋能实验室建设新思路角度提出四个口号,仅供参考。

智能设备感知实验室。实验室数据抓不出来,在实验室内部人工智能做不到,大数据出来一定只是视频,这件事情不可取,不希望学生无时无刻暴露在摄像头下面。

异构网络、互联实验室。学生在宿舍里面或者其他地方做实验,甚至到实习工厂做实验,这些东西怎么连进来,移动终端,各种各样有线无线的连接方式。

数据学习,智能实验室。通过对这些数据的感知,各出画像,完全真正意义上智能实验室,学生进来时候是什么样子,学生离开的时候学生的状态是什么样。

开放软件,定义实验室。开放软件定义实验室,某种意义来说是从共享的角度上,宏观意义上实验室管理系统,就是一般试验项目,实验课程管理,实验教学大纲和实验室管理系统,现在大家都有,但是这个还不够,从计算机学科角度来说,实验室共享是很重要的,实验室怎么共享?只有用软件的方式在每一门上课前面重新装一遍,当然前提是硬件设备要允许的情况下,实验室装备重配置,试验设备软环境自动重配置,实验室数据采集和处理系统的自动重配置。

最后,陶先平教授表示,数据化时代人工智能技术无所不能;实验教学的复杂性更需要人工智能;实验室建设应赋能人工智能应用。