人工智能协助阅卷？详解教育领域AI应用分析丨达观动态-达观数据-企业大数据技术服务专家

人工智能协助阅卷？详解教育领域AI应用分析

分类：产品介绍’行业见闻
发表：2021-04-02

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。

下一篇:达观“政策精准推荐机器人”，助力优化营商环境

上一篇:达观数据智能财务机器人赋能财务共享中心智能化自动化升级

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

大数据与人工智能初探

AI在教育行业的应用与发展

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