聊聊動態知識追蹤在AI學習中的應用

無論在傳統的公立學校還是課外輔導機構，學生往往每天要完成大量習題，不管他們是否早已經掌握了這些知識點。 而在應用了論答人工智慧學習系統的機構中，學生則有完全不同的學習體驗：系統智能推斷哪些知識點學生已經掌握，從而避免了不必要的反覆練習；哪些知識點學生能夠快速學會，應該重點攻克；哪些知識點學生暫時還學不會，應該先學習更基礎的知識點，避免無效學習。

可能對於大多數老師、同學和家長來而言，不容易想像論答人工智慧學習系統在教學中應用到底是什麼樣的場景。

為了讓大家更直觀地了解人工智慧學習系統在教學中是如何應用的，我們將通過幾個使用了論答系統的真實學生案例，來解析論答系統是如何減少低效重複練習，提高學習效率。

智能測評，精準定位薄弱知識點

圖1

圖1為一名論答學員的「中考代數」專題的測評報告。在這份測評中，論答人工智慧測評系統僅用了8道題目，精準診斷出該學生在「中考代數」專題44個知識點的掌握情況。其中37個（84%）知識點已經掌握，無需反覆練習，學生只需專註於7個（16%）薄弱知識點的學習。

與傳統無針對性的「地毯式掃描」學習方法相比，使用論答人工智慧測評系統的學生無需把大量的時間消耗在已經掌握的37個知識點上，他們可以集中精力全力攻克7個薄弱知識點，學習效率提升5倍以上。

動態知識追蹤，快速掌握薄弱知識點

在傳統教學場景里，老師往往給學生布置一樣的作業內容，儘管學生的知識狀態和學習能力各異。一個常見的現象是學習能力強的學生在學會了某個知識點後仍然被迫不斷地做題，學習的邊際效率低下，導致大量時間浪費。

而在使用了論答人工智慧學習系統的機構，在學生邊學邊練的過程中，系統動態追蹤學生知識點掌握程度。當系統判斷該名學生已經熟練掌握某個知識點後，自動推薦學生進入下一個知識點的學習，避免了低效重複練習已經學會的知識點。

圖2

圖2展示了一名論答學員在精準測評後，在薄弱知識點「函數值」的學習軌跡。 如圖所示，學生在完成每道題的練習後，系統動態更新該學生在這個知識點上的掌握程度。僅經過5道題的練習，系統已經有足夠的數據判斷該學生已經熟練掌握「函數值」知識點。基於這樣的學習曲線，結合老師的教學經驗，系統不再給學生推送更多該知識點的題目，而是儘快進入其他薄弱知識點的學習。

追根溯源，攻克疑難知識點

學生對知識的理解和掌握是一個從低級到高級、從簡單到複雜、從直觀到抽象的循序漸進過程，後續知識點的學習以前提知識點的掌握為基礎。當學生重複練習超出自己當下知識水平的題目，只會導致一個結果——多做多錯，越做越沮喪，最後累積成為無法攻克的疑難知識點。對於疑難點，傳統的「頭痛醫頭，腳痛醫腳」的教學方式很難湊效。只有先把基礎知識點鞏固好，才有可能回頭把當前的疑難點攻克。為此，論答人工智慧學習系統構建知識圖譜，追根溯源，定位薄弱的前提知識點。在學生鞏固好前提知識點後，再進行疑難點的學習，從而避免學生在疑難上的反覆無效練習，從根本上攻克疑難點。

圖3

圖3展示了一名論答學員在精準測評後，在薄弱知識點F「解一元二次方程」的學習曲線。經過4道題的練習，系統判斷該學生暫時還無法掌握知識點F。基於知識圖譜（圖6）和學生的學習軌跡，系統定位了知識點F的前提知識點為知識點E：「解一元二次方程-求根公式法」。也就是說，如果要攻剋薄弱知識點F，學生首要任務是複習和鞏固前提知識點E。

圖4

圖4展示了該名學生對前提知識點E的學習曲線。由圖可知， 2017年12月2日這名論答學員雖然已基本掌握知識點E，但由於知識點掌握不牢固，出現知識點遺忘的情況。此時，系統智能捕捉到該名學生出現的知識點遺忘問題，並及時推薦該名學生對知識點E進行複習鞏固。通過3道題目的練習，該名學生又重新掌握了知識點E。

圖5

圖5完整的展示了，該名學生對疑難點F從不會到會的學習軌跡。圖6展示了知識點F的局部知識圖譜，單向箭頭代表了知識點間的前提關係，如知識點F的前提知識點為D和E。當學生還沒有完全掌握前提知識點E時，學生無法正確解答關於知識點F的題目。但當該名學生通過複習和鞏固好前提知識點後，該名學生僅練習了2道題目，就將之前一直不能學會的知識難點F學會了。

圖6

以上3個案例是論答智能學習系統給老師賦能，提高孩子學習效率的縮影。在論答人工智慧學習系統的輔助下，按照論答的教學流程，普通老師也能達到優秀老師甚至是名師的效果，讓每一個孩子都有機會學習當下最適合自己的知識點，讓每一個孩子的學習都更有效。

▼

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！