在线数学辅导服务使用人工智能帮助提高学生的技能和信心

和世界各地的许多学生一样，英国乔利14岁的艾思恩（Eithne）在经历了一年多的COVID-19相关干扰后，在学校的数学水平一直很难跟上。2021年6月，她的父母为她报名参加了在线数学辅导服务Eedi提供的夏季课程。

她的母亲阿里安娜（Arianna）说：“光是应对封锁，她就没有足够的真正良好的背景。”“她错过了七年级数学的大部分时间，然后是八年级。所以，我们想，‘让我们尝试一下，看看她在哪里需要一些帮助。

’”Eedi上新注册的学生被要求参加包含10个多项选择诊断问题的动态测验，该服务使用这些问题来了解学生在数学中最困难的地方。这些信息使该服务能够让学生走上学习途径，以克服这些特定的障碍或误解。

“我们大致根据他们的年龄组问他们一个问题，然后我们说，‘好吧，根据他们之前的答案，下一个最好的问题是什么？”Eedi运营主管Iris Hulls解释道。“我们尽可能多地了解他们，以预测他们的成长或安慰话题。

”动态测验由英国剑桥微软研究实验室的研究人员开发的人工智能提供支持，他们专门研究帮助人们做出决策的机器学习算法。

人工智能使用每个答案来预测学生正确回答数千个其他可能的下一个问题中的每一个的概率，然后对这些概率进行加权，以决定接下来要问什么问题，从而找出知识差距。

该实验室的微软首席研究员张成解释说，从测验中收集到的信息类似于老师从与学生的一对一对话中可能学到的信息，他领导了为Eedi的动态测验提供动力的机器学习模型的开发。“如果学生不知道3乘7，我们可能要问1加1，”张说。

“我们希望根据之前的答案调整测验。”一旦发现学生的误解，Eedi平台就会为学生提供一条学习途径，帮助他们克服误解，并在学校的数学成绩更好。Eithne进入了一条途径，其中包括回顾八年级涵盖的主题，并为九年级的成功做好准备，包括几何。

“这非常有助于发现你的弱点和优势，并能够理解为什么你在这一领域可能不那么出色，”艾思恩说。“你会意识到，‘我多年来一直在做错事。’”好问题，好数据张指出，微软次佳问题模型的成功取决于用于训练它的数据。

在Eedi的案例中，这些是数千个经过审查的高质量诊断问题，专门为帮助教师识别学生对数学主题的误解而开发。

“我们的技术只是一个增强器，使这些高质量的数据提供更多见解，”张说。诊断问题是经过深思熟虑的选择题，有一个正确答案和三个错误答案，每个错误答案都旨在揭示特定的误解。

Eedi联合创始人、该公司教育总监克雷格·巴顿（Craig Barton）表示：“数学非常适合这种多项选择题评估，因为通常有正确答案和错误答案;它比一些人文学科不那么主观。

”作为一名数学老师，巴顿参加了关于形成性评估的培训课程，并了解到精心制定的错误答案可以深入了解学生为何陷入困境，从而抓住了诊断问题的力量。“过去，孩子们总是把事情做对，这没关系，或者他们把事情做错了，然后我必须开始做侦探工作来找出他们哪里出了问题，”他说。

“如果你一对一工作，那没关系，但如果你一个班有30个孩子，那可能会很耗时。”巴顿说，好的诊断问题必须清晰明确，检查一件事，20秒内即可回答，将每个错误答案与误解联系起来，并确保学生在存在关键误解时无法正确回答。

他说：“孩子们在存在关键误解的情况下无法正确理解这一观念是最难考虑的，但这可能是最重要的。”例如，考虑以下问题：“以下哪个是6的倍数？- A：20、B：62、C：24或D：26。”巴顿认为，表面上这是一个不错的问题。

这是因为学生可能认为“倍数”意味着“6”是第一个数字（B）或最后一个数字（D），或者学生可能在使用相乘表时遇到困难并选择A。正确答案是C：24。

“但这个问题的主要缺陷是，如果你不知道因子和倍数之间的区别，你就可以答对这个问题，而经验会告诉我们，学生对倍数的最大误解是他们将它们与因子混合在一起，”他说。那么，一个更好的问题是：“这些中哪个是15的倍数？

- A：1，B：5，C：60或D：55。“这是因为可能的答案包括因素和倍数。正确答案是C：60。将因子与倍数混淆的学生可能会选择A：1或B：5，而需要学习相乘的学生可能会选择D：55。

“当你写这些东西的时候，你真的必须思考，”孩子们会犯什么样的错误，我该如何用三个错误的答案来捕捉这些错误？”巴顿解释道。

在线辅导的教师工具研讨会结束后，巴顿回家写了大约50个诊断问题，并在班上的学生身上进行了测试。他们工作了。巴顿还是一位数学书作者和播客，在社交媒体上拥有数千名粉丝。

他利用自己的影响力传播有关诊断问题的信息，并与Eedi联合创始人西蒙·伍德黑德（Simon Woodhead）合作建立了一个包含数千个诊断问题的在线数据库，供教师访问以制定课程计划。“然后我想，‘等一下，我们可以做一些比这更好的事情，’”巴顿说。

“想象一下，如果孩子们可以在线回答问题，我们就可以捕获这些数据，然后在你意识到之前，我们就已经深入了解了学生们遇到困难的具体领域。’”该网站大受欢迎，吸引了投资者和赫尔斯的注意，赫尔斯和同事们正在探索使用数据进行规模化的选择，并让更多家庭能够享受数学辅导的好处。

该团队组建了Eedi。一位顾问向他们介绍了张和她的团队对次佳问题算法的研究，该算法旨在通过收集和分析相关个人信息来加速决策。当时，微软的研究人员正在研究医疗保健场景，使用人工智能帮助医生更有效地决定进行哪些测试来诊断患者的疾病。

例如，如果一名手臂受伤的患者走进急诊室，医生会在进行X光检查之前提出一系列问题，例如“你是怎么受伤的？””并且，“你能移动你的手指吗？”而不是“你感冒了吗？“因为答案将揭示该患者治疗的相关信息。

次佳问题算法自动化此信息收集过程。顾问认为该模型可以很好地与Eedi的诊断问题数据集配合使用，自动收集导师可以从与学生的一对一对话中收集到的信息。“我们知道我们收集了很多数据。我们希望利用我们的数据做更智能的事情;

我们希望能够在学生回答问题之前预测他们可能有什么误解，”Eedi首席数据科学家伍德黑德说。Eedi团队与微软研究人员合作，根据诊断问题训练模型，以有效地确定学生的位置