多知網10月27日訊息，智慧教育服務商雲思智學近日在北京舉辦“技術開放日”，在雲思智學智慧展廳，雲思智學介紹了公司發展、業務板塊、產品特色等情況介紹，多知網現場體驗了高質量作業、智慧課堂、課後服務等應用場景，實地感受AI+大資料在精準教學、教育管理等發揮的作用。
在座談中，雲思智學技術相關負責人以《作業AI TO B元年》為題，詳細介紹公司在AI、大資料、搜尋引擎、實時音影片、雲原生等底層技術的深厚積累，著重講述了作業AI在B端學校場景的應用。雲思智學產品相關負責人以《教育數字化轉型中的雲思數智力量》為題，講解了高質量作業、智慧課堂、課後服務、智慧體育及開放平臺等創新產品和服務。
雲思智學方面透露，高質量作業和課後服務是當前落地最多最好的產品。其中，“高質量作業”產品已進入北京、廣東、江蘇、湖北、江西、河北等20多個省市自治區的350餘所中小學；各類智慧教育產品已服務超過650所中小學、服務師生超過50萬人。
作業A
I
開啟
TO B
應用
元年
雲思智學做教育資訊化從作業場景切入，並將目前作業方面的智慧技術定義為“作業AI”。
雲思智學技術相關負責人介紹，作業AI即聚焦教育領域作業場景，為推進作業來源、設計、佈置、採集、批改、分析、反饋、輔導、管理等全流程數字化智慧化，所依託的影象OCR、AI批改、語音識別、資料探勘、知識圖譜、個性化推薦等AI技術體系。
其基本原理和流程是藉助AI技術，實現對學生作業的精準識別，進而實現對學生知識畫像的精準洞察，進而把優質適配的內容資源精準推送給學生，最終實現AI輔助老師精準高效教、學生精準高效學、校局精準高效管。
作業AI的興起可以追溯到2014年
，技術演進經歷了啟動期、發展期、成熟期三個階段。
2021年以來，作業AI進入爆發期，開始在B端學校場景真正呈現大規模常態化應用的趨勢，
可以說
開啟了作業AI TO B應用元年。
在雲思智學技術相關負責人看來，作業AI TO B開啟應用元年這得益於三點：
一、技術突破。雲思智學作業AI可實現每頁作業識別批改速度在1秒內，整體可批改題目覆蓋度85%以上，批改準確率99。9%以上。學校老師終於可以把批改作業放心交給AI去完成，大大減輕工作負擔，從而把更多精力用於作業設計和講評輔導等。
二、政策牽引。國家“雙減”政策和教育部“作業管理通知”都明確要求減輕學生過重作業負擔，控制作業數量和時長，提高作業質量，加強指導與反饋。這就需要更科學的作業設計和更精準的作業學情分析反饋。
三、需求驅動。長期以來學生、老師、學校等各角色都對作業數字化、智慧化存在強烈訴求。學生需要更高效地透過作業鞏固知識、形成能力，老師需要更精準地瞭解學情、改進教學，學校需要基於資料更科學地開展評價、做好管理。
作業A
I
題目預估
準確率
超
80%
，
可
自動生成個性化作業
作業AI已經在B端學校場景實現廣泛深入應用，成為作業數字化乃至教育數字化的底層技術支撐。
雲思智學作業AI的整體思路是：
在不改變教與學基本習慣的前提下，幫助學校實現作業減量提質，提升老師和學生的產品使用體驗
。
在作業設計環節，一大難點是老師如何預估一份作業對一個學生是否合適。雲思智學作業AI透過大資料和機器學習技術，構建正確率預估模型，可基於學生歷史作業作答情況，建立能力模型，再基於海量題庫中的精準標籤，實現對任一佈置的作業題目，智慧估算每個學生的作答正確率；
目前該技術
準確率
超
80%
，
讓
老師
作業設計的題目選擇更有依據，
助力
個性化分層作業佈置。
正確率預估的前提是精準的題目標籤體系。雲思智學基於超1300萬精品題庫的標籤，應用深度學習技術，透過預訓練大模型並結合不同學科、學段的特異化場景深度最佳化，
實現了知識點標籤預測準確率90%以上，題型預測準確率97%以上，難度預測準確率95%以上。
在作業識別環節，系統採集到的作業圖片，會先經過OCR處理得到電子化的文字。過程中會存在低質量的圖片輸入，比如模糊、傾斜、低畫素、無關干擾等各種情況均可處理。一頁作業同時存在多道題目，每道題目又有題目本身與作答痕跡，就需要自動檢測切分題目，對手寫作答區域定位。
在作業批改環節，經過NLP（自然語言處理）分析完成作答批改，需要對不同題型如選擇題、填空題、主觀題等進行智慧分析，除批改對錯，也要對作業出錯處實現標註。
雲思智學作業A
I可
做到
整頁
批改
，
對所有題目包括未作答題目一次性進行完整標註；可做到分步驟批改，即便結果是正確的，但解答步驟跳躍性太強或有錯誤，也會被AI識別出來；可做到全題型批改，計算題、應用題、方程、四則混合運算等都可精準批改。
此外，
雲思智學作業A
I
也支援
教師
手批作業
標記
的
識別。
不改變老師正常批改工作，實時採集影片，結合每幀分析老師批改痕跡，匹配到具體題目，並對每道題目的狀態單獨維護記錄。非標批改符號如對鉤、半對、錯、劃線、畫圈、問號、減分等均可識別。複雜場景如遮擋、來回翻頁、快速翻頁、反覆修改等均可支援。
經過多年積累，雲思智學作業AI識別批改技術的覆蓋度、準確率等核心指標已經比較成熟。
在學情反饋環節，對於學生的作業錯題，結合知識圖譜可以形成學生的學情報告。
“
作為作業AI的底層基礎設施，雲思智學知識圖譜具有萬級全量知識點關係脈絡，可高效精準對前驅知識漏洞進行回溯定位。同時基於個性化推薦演算法，可對做錯的題目進行相似鞏固題推送，對做對的題目進行相似拓展題的推送，自動生成個性化作業，學生不需要盲目刷題了。
”
上述雲思智學技術相關負責人介紹道。
此外，正確率預估與題目智慧標註兩項技術在學情反饋環節也有廣泛應用。題目智慧標註讓原本不在題庫的作業題目高效生成豐富的標籤，提高個性化推薦的準確率。正確率預估可精細調整推薦題目的難度，避免給學生推送過難或過簡單的題目。
從
作業A
I
拓展至更多校園場景
經過多年積累，雲思智學作業AI已經形成了完整的技術體系和應用場景，在作業AI的基礎設施層、核心技術層、場景應用層等完成全面佈局。
雲思智學高質量作業已在
20
多個省市自治區，超
350
所中小學實現大規模常態化應用
，全方位助力教師、學生、管理者減負提質增效。
根據雲思智學系統後臺統計，
平均每位教師每週使用系統佈置作業4次以上，且其中80%的作業都進行了精準講評。
結合教師使用者調研和平臺數據分析，學生作業總量平均下降了39%，背後是老師們作業設計變得更合理，減少了重複性作業佈置。此外，每位老師每月批改作業時間減少了500分鐘以上，節約的時間可用來做25次學情分析和12次精準講評，在不增加教師額外負擔的基礎上，進一步提升教學質量。
據悉，雲思智學擁有超1000人科研團隊，
聚焦高質量作業，並
延展至
智慧課堂、智慧體育、課後服務等場景
，擁有OCR識別、AI批改、知識圖譜等AI能力，多年來沉澱200多項技術專利，以及31000TB資料積累。
此外，據介紹，
雲思智學正在智慧資源生產、智慧批改分析、智慧診斷規劃、智慧學習助手等領域開展前沿探索。
“TO B領域是慢活兒，我們會長期投入，持續深耕。”雲思智學方面總結道。
炒股開戶享福利，入金抽188元紅包，100%中獎！
開啟App看更多精彩內容