本篇文章1950字,读完约5分钟
ai是教育的未来,使教育规模化迅速发展,也兼具个性化。 在日前召开的第二届ctdc首席技术官峰会上,itutorgroup首席执行官、大会联合主席汤普森在发表以ai如何为教育做出贡献为主题的演讲时,表现出了ai技术在教育领域的巨大价值。
他希望今年8月,itutorgroup聘请世界上第一位机器人市民sophia作为ai老师,双方一起开展的创新工作帮助越来越多的学校,越来越多的老师在课堂上拥抱技术,为下一代提供更好的教育
ai给力,建立核心竞争壁垒
汤普森认为教育不应该有正态分布。 每一个都是唯一的学习生物,应该有自己的学习路径。 作为最早应用ai技术的在线教育公司,itutorgroup已经是每个人,在千人的个性化教育实践中处于行业领先地位。
在微观层面,通过表情识别、语音识别等技术,进行授课数据的实时收集、分解,反馈给系统和老师,为各学习者提供最佳的交流和交互方法的宏观层面,使用智能算法进行各学习
汤普森利用网络约车的商业模式模拟itutorgroup现在应用ai的核心场景。 现在大部分网上教育机构都是学生选老师。 老师人数达到一定规模后,学生需要耗费巨大的价值成本从大新闻中寻找适合自己的老师,但不一定能夺走这位老师,容易引起老师利用率低、马太效应等问题。
itutorgroup成人在线英语教育企业品牌tutorabc和青少年在线教育企业品牌vipjr渴望学生选择老师的模式,利用ai算法和大数据动态匹配教师和学生,进行算法 这是网络约车软件的后台智能推荐了司机的工作原理。
现在大部分在线教育机构都使用一对一的教育模式,同质化竞争很激烈。 少数机构也提供了一对多的小班教学模式,但只能去固定教师、固定学生、固定时间学校,同学的学习进度和喜好不同,因此最终的教学效果不理想。 汤普森说,实现一对多并不难,但实现一对多和个性化教育的技术门槛比想象的要难。 每个学生都有多维标签。 例如,对老师、教材、同学的喜好不同,对技术非常要求正确的匹配、灵活的调整。
itutorgroup应用ai和大数据技术,提供一对一和多种性教育,成为公司的核心竞争力。 在一对多的小班授课中,itutorgroup通过大数据和ai算法,准确匹配老师、教材、同学,根据学生的学习情况进行下一班匹配,所有学生都有个性化的学习路径
教育是书,重点是提高教育效果
在峰会现场,汤峰还主办了ai未来的快速发展趋势和场景应用圆桌论坛。 对于三星全球云计算首席技术官robert parker和其他几位外国嘉宾,汤普森英语切换自如,代言了itutorgroup的教育效果实力。
他说技术赋予教育力量,但核心依然是教育,在线教育机构必须对教育效果负责。 以英语教学为例,很多人认为一对一教学更有效。 但是,根据业界最新的数据,一对多的小班授课在学习成果上比一对一好,同样使一个班进步,在小班授课中学习的学生比一对一的学生节约20%的时间。
汤普森解释说,学习语言时的大脑就像高速运动的cpu,说话时间越长cpu的消耗越快,在不知不觉中给学习者带来了很大的压力。 一对一课程中,大部分学生很难集中注意力,通常前半部分处于集中状态,后半部分效率逐渐下降。 在一对多的英语教学场合,学生是与外教交流的余地,可以参观外教与其他同学、同学与同学的对话,发现自己知识的盲点。 另外,通过同学之间的感染力、竞争性和模仿性来深化学习结果显然不是一对一教育所能达到的。
itutorgroup不仅应用ai实现了一对多的个性化教育,而且打破了主流的线性教育方法,从第一堂课到最后一堂课以前教育模式就备受瞩目。 在英语学习中,过去时和将来时,先学哪个,后学哪个没有本质的区别。 汤普森说,我们开发的动态课程生成系统( dcgs )根据每个学生的学习进度,学习副本的重新选择和匹配是相对的。
面向未来,知识爆炸、时间碎片化、ai普及成为人们的新挑战,其中ai在应对挑战中发挥重要作用。 汤普森说,itutorgroup将继续扩大对ai的投资研究开发,以技术创新引领领域变革,将在线教育带入新的快速发展阶段。
ctoa首席技术官联盟、itshare(it分享会)主办的第二届ctdc首席技术官峰会是国内最积极的网络峰会,包括卡内基梅隆大学、斯坦福大学、三星、阿里巴巴、腾讯、今天的
itutorgroup成立于1998年,是世界上第一家在线教育独角兽公司,来自阿里巴巴、淡马锡、gic、中俄基金、高盛、银翊资本、启明创投等知名公司和顶尖机构的投资,tutorabc、vipjr、vipabc itutorgroup现在拥有2万多名外国顾问,每年提供3000万次以上的在线课程,服务人数超过1亿8,000万人,客户遍布全球135个国家和地区。
标题:【科讯】iTutorGroup亮相首席技术官峰会 AI赋能教育实现个性化教学
地址:http://www.miutrip.net.cn/news/4561.html