人工智能(AI)在高等教育中取得了重大進展，因為實施某種形式的AI的機構(gòu)在學生留用、招聘和教師生產(chǎn)力等領(lǐng)域取得了可衡量的成果。

關(guān)鍵挑戰(zhàn)

• 高等教育機構(gòu)需要區(qū)分真正的人工智能例子和那些更注重智能自動化(或只是炒作)的例子。
• 如今，大多數(shù)人工智能技術(shù)仍接近于預(yù)期膨脹的頂峰;許多人工智能技術(shù)項目仍在進行中，尚未成熟到足以結(jié)合成有效的高等教育工具。
• 高等教育必須能夠收集自己版本的、可利用人工智能的正確數(shù)據(jù)，因為教育的許多方面都涉及到每年都有類似問題和挑戰(zhàn)的學生群體。

建議

執(zhí)行數(shù)字化戰(zhàn)略并開始利用人工智能的高等教育***信息官應(yīng)該：

• 定義智能(特定的、可度量的、可操作的、相關(guān)的和有時限的)用例，確定關(guān)鍵問題或行動，如“確定哪些預(yù)警指標與確定高危學生相關(guān)?”
• 創(chuàng)建一個數(shù)據(jù)質(zhì)量審查，因為人工智能需要質(zhì)量可靠的機器可讀數(shù)據(jù)。隨著人工智能在新的復(fù)雜數(shù)據(jù)類型上蓬勃發(fā)展，通過連接相關(guān)的數(shù)據(jù)源開始人工智能活動。
• 制定明確的數(shù)據(jù)透明度政策，以確定如何使用(或不使用)數(shù)據(jù)來建立信任。***信息官在為人工智能計劃收集數(shù)據(jù)時必須是透明，尤其是用于學生個性化的數(shù)據(jù)。
• 建立一支多元化的人才隊伍，確保人工智能項目的成功。利用學生參與，這也提供了職業(yè)發(fā)展技能。
• 讓一臺機器加入隊伍。通過開創(chuàng)一個數(shù)字轉(zhuǎn)換團隊來創(chuàng)建一個持續(xù)的創(chuàng)新競爭優(yōu)勢，如迪肯的數(shù)字化未來實驗室。

戰(zhàn)略規(guī)劃假設(shè)

• 到2020年，至少10%的高等教育機構(gòu)將使用智能機器來提高學生的成功率。
• 到2021年，超過30%的院校將被迫實施個性化戰(zhàn)略，以保持學生的入學人數(shù)。
• 到2021年，前100所的高等教育機構(gòu)將需要采用人工智能技術(shù)，以保持在研究方面的競爭力。

[[270879]]

1. 導言

人工智能作為一種通用技術(shù)，可以廣泛應(yīng)用于各個領(lǐng)域。相關(guān)機構(gòu)提出六種在良性循環(huán)中交互的核心人工智能技術(shù)：

• 業(yè)務(wù)分析和數(shù)據(jù)科學
• 自然語言處理、語音識別與機器學習
• 機器推理
• 計算機視覺
• 機器人和傳感器

圖1. 六個互聯(lián)核心人工智能技術(shù)

資料來源：Gartner(2018年12月)

無論如何定義人工智能，很明顯人工智能將對社會產(chǎn)生深遠的長期影響。雖然確切的結(jié)果還在爭論中，但我們已經(jīng)可以看到人工智能正在改變幾個職業(yè)，這改變了高等教育學生為未來職業(yè)做準備的內(nèi)容和方式。澳大利亞迪肯大學副校長(校長)簡•登•霍蘭德(Jane denHollander)說：“我們的國家依賴于受過高等教育、技術(shù)嫻熟的畢業(yè)生，他們能夠接受智能機器的時代。我們都必須學會使用機器和機器之間的空間。”人工智能甚至可能成為收集可教時間的法律要求。這將確保人工智能能夠“傳授”掌握一門專業(yè)所需的技能。

許多人工智能實施仍處于早期階段。總體趨勢表明，與學習分析和人工智能解決方案相比，機構(gòu)分析等管理解決方案似乎更容易在教育中實施。截至2017年6月底，19項人工智能實施工作已經(jīng)開始。見表1。

表1.高等教育中的分析、算法、人工智能

資料來源：Gartner(2018年12月)

2. 分析

一些高等教育機構(gòu)正在不同層次和形式上實施人工智能技術(shù)，包括：

• 個性化和招聘聊天機器人
• 預(yù)警系統(tǒng)的保留
• 分級過程的智能自動化

例如，堪培拉大學的露西允許學生每周7天、每天24小時獲得答案和信息。大多數(shù)學生認為聊天機器人的幫助是一種改進的學生體驗。

(1) 聊天機器人——個性化

Gartner預(yù)測聊天機器人個性化實施的具體性(機器人知道基本的背景數(shù)據(jù))和機器人可以處理的問題/意圖的數(shù)量(從基本的校園定位問題到職業(yè)建議)都將增加。一些人工智能會話方法也可以用來改進學習，比如如何構(gòu)建一篇論文(參見Deakin Genie和StudyTree)。

(2) 聊天機器人——招募

另一個重要的人工智能應(yīng)用程序涉及到改進招生。簡單的聊天機器人(如Codecademy與Bobbot的簡短試驗)可以提高基于Web的招聘轉(zhuǎn)化率(codecademy的轉(zhuǎn)化率報道增長了10%)。此外，這些招聘機器人應(yīng)該很快就會從主要的SIS供應(yīng)商那里獲得。

(3) 預(yù)警系統(tǒng)-保留

也許最傳統(tǒng)的人工智能用例涉及擴展現(xiàn)有的分析計劃，以改進早期預(yù)警系統(tǒng)，該系統(tǒng)用于增強教職員工和顧問對留住人才的影響力(如常春藤理工學院)。喬治亞州立大學(GSU)與Admithub的合作體現(xiàn)了一種更具創(chuàng)新性的方法。他們結(jié)合了分析和聊天技術(shù)，以及輕推理論，來影響那些在暑假前注冊，但在暑假后可能無法出現(xiàn)在校園里的學生的留校率，這些學生被稱為“暑假融化”。

(4) 教員生產(chǎn)力

一些高等教育機構(gòu)正在使用人工智能加速評分過程，顯示了人工智能是如何從同齡人評分(高級評分)發(fā)展到算法人工智能的。供應(yīng)商GradeScope報告說，在加州大學伯克利分校進行的試驗可以節(jié)省多達75%的時間。密歇根大學在其M-WRITE程序中實現(xiàn)了評分過程的智能自動化。在這種情況下，軟件為寫作作業(yè)分配分數(shù)。在分數(shù)交付給學生之前，由研究員或助教審查分數(shù)。學生利用反饋修改作業(yè)。

高等教育***信息官在使用本研究時可以利用這些和其他同行的***實踐和成功。圖2概述了一個幫助***信息官準備使用人工智能進行教育的框架，。

圖2.教育人工智能的五種準備方法

資料來源：Gartner(2018年12月)

3. 定義SMART(特定、可度量、可操作、相關(guān)和有時限)用例

喬治亞州立大學(GSU)的“減少夏季融化”項目仍然較好的案例。GSU的***實施方案是一項隨機對照試驗，有足夠大的隊列，以確保官員收集到統(tǒng)計上有效的結(jié)果。人工智能是“黑匣子技術(shù)”——我們可以觀察輸入和輸出，但不能觀察兩者之間的關(guān)系。需要核實人工智能的結(jié)果。GSU與AdmitHub合作，以校園吉祥物的名字命名了一個基于文本的人工智能對話界面Pounce。Pounce是專門為處理與特定學生注冊任務(wù)的互動而設(shè)計的，包括：

• 處理學費支付
• 完成免費申請聯(lián)邦學生援助(FAFSA)貸款申請
• 提供ACT分數(shù)
• 了解在宿舍養(yǎng)寵物的指導原則

2016年，GSU對7000名新生中的50%進行了隨機對照試驗。Pounce取得了巨大的成果：

• 處理超過50，000條學生信息，只有只有1%的問題(472條信息)由GSU工作人員處理
• 交換了超過180，000條消息，如果手動處理這些消息，則需要另外10條全職對等項
• 全天候服務(wù)，平均反應(yīng)時間少于7秒，讓學生感到滿意。
• 與對照組相比，在統(tǒng)計上有效的“夏季融化”減少21.4%

Pounce幫助GSU實現(xiàn)了：

• 貸款咨詢增加14.9%。
• FAFSA驗證需求減少16.85%。貸款接受度增加12.2%。
• 按時提交成績單增加6.25%。入職培訓出勤率增加3.3%。

每件作品都有助于幫助學生做出更好的決定。輕推技術(shù)，基于諾貝爾獎獲得者理查德·泰勒提出的“輕推理論”，幫助人們在關(guān)鍵時刻做出正確的決策。***信息官及其組織可以利用輕推技術(shù)，結(jié)合對機構(gòu)數(shù)據(jù)的理解，將其作為一種潛在的工具。

4. 從數(shù)據(jù)開始

人工智能實現(xiàn)需要由利用人工智能優(yōu)勢的特定類型的數(shù)據(jù)集組成的機器可讀數(shù)據(jù)。如果數(shù)據(jù)太“簡單”，傳統(tǒng)的分析甚至算法方法就足夠了。但是，如果數(shù)據(jù)過于復(fù)雜或稀缺，現(xiàn)有的機器學習和深度神經(jīng)網(wǎng)絡(luò)(DNN)技術(shù)將無法成功。介于兩者之間的是“恰到好處”或“金發(fā)碧眼”區(qū)域，那里有足夠數(shù)量的可靠數(shù)據(jù)，可用于分類和預(yù)測。喬治亞理工學院使用廣場問答論壇數(shù)據(jù)就是一個很好的例子;它表明，在保證數(shù)據(jù)質(zhì)量的前提下，數(shù)據(jù)集可以保持適度的工作狀態(tài)。

▼ 喬治亞理工學院使用助教機器人來增加個性化，同時給助教更多的時間

喬治亞理工學院的助教(TA)機器人“吉爾·沃森”(JW)是一個獨特的例子，它提供了幾個要點。一個特殊的情況是該項目負責人是人工智能領(lǐng)域的真正專家。AshokK.Goel是喬治亞理工學院交互式計算學院(亞特蘭大的一所公共研究大學，有26，000多名學生)的計算機科學和認知科學教授。作為他研究的一部分，他和他的8個博士團隊可以訪問IBM的開放式開發(fā)平臺和Watson API來回答問題。

第二個特殊情況是，戈爾(Goel)教授主講一門關(guān)于基于知識的人工智能(KBAI)的課程，通常有300名學生。這提供了對數(shù)據(jù)和實時測試環(huán)境的訪問。學生們使用在線討論論壇廣場每學期提出大約10000個問題。在2015/16年，Goel教授和他的團隊只用了四個學期的問題(40000個)，總共花費了1500小時來創(chuàng)建和培訓他們的***個操作性TA機器人(JW)。2016年1月，當JW在一個真實的課上進行***次測試時，它的表現(xiàn)不是很好(但經(jīng)過培訓，它只能以至少97%的置信度回答)。截止2016年3月，JW能夠處理約23%的問題。到2017年春季，一個改進的JW將基本問題的答案增加了26%，但精度略有下降。在非常具體的任務(wù)中，例如為“學生介紹”提供個性化的回答(要求每個學生以書面形式向全班介紹自己)，JW在所有案例中都能表現(xiàn)出色，占59%。

戈爾教授的目標是最終使這項技術(shù)變得足夠簡單，中學教師可以在課堂上使用它。研究小組正在努力減少助教為不同班級設(shè)置的時間。在第二節(jié)課，一個完全獨立的團隊完成了150小時的設(shè)置時間。目標是將其縮短到15個小時——這是團隊認為其TA機器人成功商業(yè)化的關(guān)鍵。商業(yè)化的時間表尚不清楚，但戈爾教授的團隊和喬治亞理工大學風險實驗室仍在繼續(xù)開發(fā)。

IBM Watson一直在與Pearson合作(始于2016年)，致力于擴大高等教育服務(wù)。這一合作關(guān)系產(chǎn)生了一個名為“狂歡”的個人輔導產(chǎn)品，目前已納入Pearson的四個課程。圣瑪麗山大學、喬治亞州立大學和密西西比大學都參與了利用這項課程的工作。

供應(yīng)商jane.AI有一個機器人程序“jane”，它響應(yīng)聊天請求，利用整個機構(gòu)的多個數(shù)據(jù)源來回答常見問題。它通過員工的培訓和用戶的持續(xù)反饋來學習，使用自然語言處理和算法在當今教育中使用的一系列常見應(yīng)用程序中找到答案。Jane.AI目前正在圣路易斯的馬里維爾大學和華盛頓大學進行試點。

此外，新的數(shù)據(jù)類型，如語音數(shù)據(jù)，正作為有效的數(shù)據(jù)被訪問，以提高人工智能的質(zhì)量和增加學生服務(wù)的個性化。

5. 建立對數(shù)據(jù)的信任

收集大量的個人數(shù)據(jù)需要信任。高等教育***信息官可以通過透明的數(shù)據(jù)使用方式建立信任，并確保用戶能夠控制他們?nèi)绾胃龜?shù)據(jù)。GDPR在歐洲的實施是建立信任的良好***步，但最終收集數(shù)據(jù)的每個服務(wù)的用戶界面都需要建立在用戶控制和同意的基礎(chǔ)上。

道德問題也會使情況復(fù)雜化。如果將人工智能用于分析和決策，***信息官必須意識到算法中的偏差，這種偏差會被過程的迭代性質(zhì)放大，從而產(chǎn)生極其不準確的結(jié)論。

▼ 常春藤科技收集并連接云中數(shù)據(jù)，然后連接到教員

常春藤理工社區(qū)學院說明了數(shù)據(jù)使用在教員對數(shù)據(jù)采取行動之前不會產(chǎn)生實際影響。常春藤理工學院位于印第安納州40多個地點，每年為近16萬名學生提供服務(wù)。常春藤理工學院在使用數(shù)據(jù)方面有著優(yōu)秀的傳統(tǒng);2016年，它獲得了高德納數(shù)據(jù)與分析卓越獎。LigeHensley(當時的***技術(shù)官，現(xiàn)在的***信息官)在使用Amazon Web Services(AWS)的同時，有一個收集和連接云中數(shù)據(jù)的長期策略。2013年9月，Hensley開始應(yīng)用機器學習技術(shù)，利用Wolfram Mathematica制作原型，以尋找合適的算法。他發(fā)現(xiàn)了一種隨機算法，可以預(yù)測學生是否會不及格，結(jié)果很好。學院隨后部署了Python Scikit-Learn來簡化生產(chǎn)速度并降低成本。

然而，Hensley的團隊發(fā)現(xiàn)了一個缺失的關(guān)鍵部分——他們需要將結(jié)果與行動聯(lián)系起來。2016年7月新校長到來時，團隊建立了一個流程，以增強教職員工的權(quán)能，并就如何使用數(shù)據(jù)和實現(xiàn)其效益向員工提供建議，這些工作在應(yīng)用機器學習精煉數(shù)據(jù)時獲得了回報。該過程確定了預(yù)測2017年學生課程不及格的83%的準確率。干預(yù)措施開始產(chǎn)生效果，期中考試不及格分數(shù)下降3.3%，相當于超過3100名學生通過了課程。

6. 獲得人才

如圖1所示，如今成功應(yīng)用人工智能需要不同的人才集合。但技術(shù)人才只是冰山一角，因為人工智能與數(shù)據(jù)緊密相連。人工智能應(yīng)用程序必須由熟悉人工智能部署領(lǐng)域的人來教授，如學生顧問或助教(TA)。如今的就業(yè)市場中，雇主都在尋找那些知道如何將人工智能應(yīng)用于其企業(yè)的潛在雇員。雇主希望引進***人才，而高等教育具有傳授人工智能技術(shù)的巨大優(yōu)勢，從而培養(yǎng)出優(yōu)秀人才。我們建議這些高等教育機構(gòu)：

• 利用學生。
• 為學生的職業(yè)生涯提供一個良好的開端。

例如，迪肯數(shù)字未來實驗室引入了一個跨職能的***實踐的跨功能團隊，幫助學生開發(fā)適當?shù)膽?yīng)用程序和服務(wù)。

迪肯的專門研發(fā)部門和數(shù)字未來實驗室根據(jù)自己的互聯(lián)網(wǎng)協(xié)議開發(fā)了一個VPA框架，配備了：

• 會話人工智能
• 預(yù)測分析
• 市場來源的語音識別引擎

迪肯的下一代個性化產(chǎn)品“迪肯精靈”于2018年2月推出，并向該校的57，000名學生推廣。Genie不是從零開始開發(fā)的，它建立在現(xiàn)有功能之上，如DeakInSync、個性化學生卡、在線帳戶和應(yīng)用程序中心，這些功能都得到了企業(yè)服務(wù)總線集成程序的支持，該程序可以向?qū)W生提供信息。

迪肯團隊將其DeakInSyncAPI移植到DeakInSync服務(wù)和應(yīng)用程序。將Genie的自由認知機器學習方法應(yīng)用于數(shù)據(jù)語料庫是沒有問題的。但是，開發(fā)人員需要在系統(tǒng)中指定術(shù)語。

重要的是，開發(fā)人員能夠?qū)enie從一個被動的問答系統(tǒng)演變?yōu)橐粋€主動的助手，幫助學生學習過程。

迪肯希望讓Genie更加個性化，并計劃將Deakin Scout集成到VPA框架中。(Deakin Scout是將物聯(lián)網(wǎng)集成集成到Genie 2.0的計劃的一部分。)這代表了如何連接和收集數(shù)據(jù)以實現(xiàn)規(guī)?；膫€人關(guān)注的下一個階段。

歸根結(jié)底，思維過程是迪肯努力的關(guān)鍵方面。

7. “使用”機器作為團隊的一部分

如前所述，實施人工智能在很大程度上仍然是手工制作，而不是工業(yè)化。和所有領(lǐng)域一樣，掌握知識的途徑是通過實踐。高等教育的***信息官應(yīng)該在他們的團隊中配備一臺機器，并開始積累經(jīng)驗。機器可以執(zhí)行多種角色，例如：

• 教學助理(喬治亞理工學院)
• 學生虛擬個人助理-VPA(Deakin)
• 入學援助(GSU)
• 增強型分級器(Berkeley/Gradescope)研究VPA(IRIS.AI/META)

迪肯大學的學生們受益于機器技術(shù)。但這些機器需要先教。在入職培訓周前四個月，員工們根據(jù)電子郵件、語音信息和文件數(shù)據(jù)收集了大約20，000個問題，并被要求寫下答案。學生們需要測試華生人工智能技術(shù)。超過100名學生從事華生教學。學生們顯然受益于使用機器。他們可以把這項任務(wù)包括在他們的簡歷中，同時給迪肯品牌一些積極的宣傳。

經(jīng)驗和持續(xù)創(chuàng)新是高等教育***信息官的***競爭優(yōu)勢。有關(guān)迪肯大學數(shù)字化戰(zhàn)略時間表的更多信息，請參見圖3。

圖3.迪肯數(shù)字化戰(zhàn)略時間表

資料來源：Gartner(2018年12月)

▼ 底線：人工智能可以讓人類自由地完成其他重要任務(wù)

人工智能在高等教育中的狀態(tài)仍然是一項正在進行中的工作。人工智能方法還沒有工業(yè)化，需要人工來獲取人工智能能夠消化的格式的數(shù)據(jù)源。學習機器仍然需要教，企業(yè)還處于了解如何有效地教授機器的早期階段。

然而，一些機構(gòu)正在取得進展。加州大學伯克利分校和喬治亞州立大學的人工智能起源于傳統(tǒng)的分析方法，但它們?nèi)栽诶^續(xù)發(fā)展與人工智能相關(guān)的技術(shù)。數(shù)據(jù)是基礎(chǔ)，但分析結(jié)果必須付諸行動。向教職員工提供數(shù)據(jù)驅(qū)動的見解，并授權(quán)他們采取行動，對于任何對學生成績的真正影響都是必要的。

人工智能真正能夠超越的下一步是擴展和個性化與廣泛學生的互動。(GSU的輕推技術(shù)結(jié)合了人工智能會話界面和簡單的文本消息傳遞。)

喬治亞理工大學和迪肯大學的例子表明，研究和開發(fā)過程都是必要的。AI助教和VPA都需要教授，無論是一門課程(如喬治亞理工學院)或整個學院(迪肯學院)，這一過程都是實驗性和低規(guī)模的。***信息官必須配備一支技術(shù)嫻熟的數(shù)字化轉(zhuǎn)型團隊，例如迪肯的數(shù)字化未來實驗室或喬治亞理工學院的Goel教授召集的團隊?？缏毮軋F隊能夠?qū)崿F(xiàn)數(shù)字化轉(zhuǎn)型，正如2018年***信息官議程調(diào)查中72%的***執(zhí)行者所報告的那樣。只有12%的表現(xiàn)落后員工和22%的高等教育***信息官持相同觀點。

GSU提供了一種非正式的創(chuàng)新方法，可能更符合學術(shù)傳統(tǒng)。在GSU，CIO可以使用IT預(yù)算中的種子資金進行早期試驗，然后創(chuàng)建贈款申請，將想法帶到試點項目狀態(tài)。

在高校開始使用人工智能相關(guān)技術(shù)的時機已經(jīng)成熟。雖然人工智能驅(qū)動的科學院的未來才剛剛開始，但這項技術(shù)仍有望智能地解放人類，讓他們完成更高級的任務(wù)。

文章轉(zhuǎn)載自微信公眾號“三思派”（ID: Science-Pie）

戳這里，看該作者更多好文