基于人工智能的“互聯網+支教”模式

趙嘉棟 孫文杰 李浩悰 高潔 盧青霞

（西北工業大學 陜西省西安市 710072）

西北工業大學“陽光工程”青年志愿者服務隊亦通過線上直播的方式，為貧困地區的學生進行支教援助。通過人工智能為技術工具，將互聯網與大學生支教活動深入融合，探討以學生體悟為中心的教育模式創新和智能教學代理技術已成為當前社會關注的重點話題。

1 西北工業大學“陽光工程”青年志愿者服務隊

西北工業大學“陽光工程”青年志愿者服務隊成立于1998年，以“教育之光點亮公益夢想”為宗旨，是通過組織義務家教、山村支教活動來實現大學生“愛心獻社會，真情暖人心”為目標的學生公益社團。為擴大影響力，服務隊通過已有的教育資源、經驗、榮譽和骨干成員為基礎，以革新的“互聯網+”為手段，利用多種自媒體平臺等以爆發式的增長擴大陽光工程公益協會的影響力。2017年啟動的“互聯網+支教”成為團隊轉型期間重點突出的新時代支教模式。“互聯網+支教”采用線上直播教學的方式，向貧困地區的學生們進行在線課程錄播。迄今為止，已成功舉辦了41 期支教活動，有超過15，300 人次的志愿者，志愿時長超過366，000 小時，累計受助人次多達20，000 人次。

2 人工智能技術在教育行業中的應用現狀

2018年，中國教育部發布的《高等學校人工智能創新行動計劃》明確了人工智能與教育融合發展，尤其是促進高等教育創新發展的總體規劃[1]。目前，在人工智能的風口下，產業界大量投資一線教育領域，尤其是基礎教育領域。包括以學科知識模型為核心，基于能力判別的自適應學習服務；以學習者建模為核心，形成對學生學業的預測和表現性評價等。這些有關人工智能在教育行業的應用，實際上是基于學生學習相關領域的大數據聚合，利用機器學習算法模型，為教育教學某個具體場景提供智能化的學習要素測量、評價、預測等服務。

目前為止，人工智能技術對遠程線上教育的主要影響表現為[2]遠程線上教育人員的增多。并且，出現了越來越多關于遠程作業支持系統PSS(Performance Support System)的成功案例，這種系統配合以模式識別技術在教學信息方面的分析處理，逐步成為了人工智能技術對教育行業的重要作用工具。這種應用工具包含了教學信息采集、信息預處理、學術特征提取和分類模式識別等，可以通過選擇得到匯聚了各種教學模式的特征參量，隨之進行模式分類，從而科學的選擇最有利的教學方式。

人工智能技術在當前教育的應用現狀主要集中在智能教學代理和機器人教育技術。本文則主要針對智能教學代理技術作為模式創新的突破點進行闡述。

3 西北工業大學“陽光工程”青年志愿者服務隊將人工智能技術應用在支教中所總結的核心問題和應用挑戰

3.1 核心問題

在服務隊的線上和線下支教工作過程中，將人工智能在支教行業中所遇到的核心問題歸納為三點：

（1）提高線上教育的服務提供效率和線下響應能力；

圖1：技術路線示意圖

（2）推動教育教學組織內部的創新；

（3）通過多種方式提升學生的自主學習體驗。

通過總結上述的核心問題，如何開發一套更好的智能教學代理技術則成為解決問題的關鍵辦法。為此，我們開發了一種基于目標跟蹤與檢測的交互授課系統，以視頻的形式進行基于人工智能技術背景下的“互聯網+支教”模式創新。

3.2 以人工智能技術為媒介的基于目標跟蹤與檢測的交互授課系統開發的應用挑戰

我們以人工智能技術為媒介，研究基于目標跟蹤與檢測算法的交互授課系統，通過以人工智能技術為工程背景，用視頻分割算法和多目標跟蹤與檢測算法實現對傳統視頻的解析和交互點的添加，并開發相應的網絡授課工具。實現該目的的技術步驟主要可以分為四步。如圖1 所示，為我們的技術路線圖。

3.2.1 實現對傳統授課視頻的準確分割

使用基于Graph-cut 的半自動視頻分割算法實現對網絡授課視頻的分割。目前主流的視頻分割算法大致可分為兩種：全自動分割與半自動分割。半自動分割算法相比于全自動分割算法具有可人工干預、GUI（圖形界面）用戶友好、分割更加精確的特點。Graphcut 算法是圖像分割的經典算法，它將單個的視頻場景定義為圖

G(v,u)，圖由像素集合v 和相鄰像素邊的集合u 組成，圖像分割就是要對每個 圖定義一個能量函數 E(X)，能量函數與v和u有關，當能量函數取得最小值時，授課圖像分割完成。

3.2.2 實現對授課過程中多學術目標的穩定跟蹤和精準檢測

（1）使用基于輪廓和 ASIFT 特征匹配的授課學生目標檢測與跟蹤算法實現多目標穩定 跟蹤與檢測。通過 Graph-cut 視頻分割算法對圖像進行初步分割，在對圖像預處理之后進行最優二值化閾值處理，降低目標邊界噪聲。再經過輪廓檢測，對目標生成比較明顯的輪廓，有效提高目標檢測效率與精度；最后利用前后兩幀場景圖 像間的目標輪廓 ASIFT 特征匹配，實現復雜內容下的精準目標檢測與穩定跟蹤。

（2）ASIFT 算法模擬了相機運動的經緯角度參數，為在更多的變換下提供更 多的特征點提供前提，是一種完全仿射不變特征提取與匹配方法。另外，ASIFT 算法能夠從圖像中全方位地提取更為豐富的特征，十分有利于提高授課目標匹配的有效性。

3.2.3 實現對帶有交互授課信息的交互視頻解析與播放

使用基于 HTML5+Javascript 實現的播放器具有傳統播放器必要的功能，但同時具有解析交互視頻的能力。交互視頻相比于傳統視頻，多附帶一個存儲了目標軌跡和交互信息的外置文件，解析視頻實際上是對外置文件的解析。而解析外置文件實際上是構造場景的二維矩陣 D 的過程，當學生鼠標移動到播放器區域的時候，根據鼠標所處的坐標，查找平面矩陣 P（x,y）處對應的目標標號 ，再據此標號獲取外置文件中對應目標的交互信息，然后根據信息響應用戶的交互操作，如網頁請求、評論添加、題目回答等。

3.2.4 開發出學生界面友好的交互視頻系統

我們利用上述對關鍵點的算法實現和交互視頻解析模型的建立基礎，開發學生界面友好的交互視頻編輯工具和交互視頻播放工具，使學生和老師可利用交互視頻系統輕松完成對傳統視頻的交互添加、視頻導出、以及視頻播放。

3.3 總結要求

總體而言，人工智能在“互聯網+支教”模式應用場景的拓展有兩個要求：一是可自動化獲取的海量數據，二是清晰明確的概念界定和規則[3]。如今教育領域依然存在大量的未給出規則定義、或者規則定義和范圍不清晰的教育目標，使得人工智能在線上教學的應用存在困難。解決困難的根本途徑，除需要從技術上探索，挖掘數據采集和分析的可能性外，我們還需要協同教育學和心理學的專家學者，從底層的教學理論進行挖掘和探索，搭建邏輯框架，保證人工智能“有章可循”。

4 人工智能技術在“互聯網+支教”應用的期望

要實現人工智能推動教育體系 的靈活開放，一方面需要認識人工智能在支持學習和挖掘評價潛能方面的發展趨勢，評估并調整課程，以促進人工智能與學習方式變革的深度融合。另一方面，需要發掘數據潛能，支持學生綜合能力的多維度評價。由此可見，人工智能在各行業的廣泛應用已是大勢所趨，在這一背景下，我們認為人工智能技術的教育應圍繞人的發展展開探索，而非在技術的綁架下追求教育的“智能化”。人工智能技術的教育應用，首先必須具備對學習者發展規律的認識，這種認識需要多學科協同探索，共同構建清晰的評量、匹配、干預的規則[4]?！盎ヂ摼W+支教”是非常復雜的系統，既涉及志愿者教和學過程的 方方面面，又涉及學校、家庭、社會、政府的各個體系。從某種意義上說，利用算法幫助我們在教育場景更好地理解教育本身，可能是人工智能教育應用的另一個重點，也就是“智能增強”。此時，算法和數據都可以用來創建增強我們評價、診斷、預測、干預教育服務和創新教育服務的能力。如何在人機協同的環境下共同增強雙方的智能，圍繞教育問題給予科學有效的解決，將是個長久的、不斷迭代和不斷優化的過程。

5 結語

21 世紀是人工智能的世紀，是“互聯網+”的世紀，也更是教育理念和模式變更的世紀，我們需要更好的解決人工智能產業落地的問題，通過“互聯網+支教”模式作為參考，讓人工智能技術真正的走進教育行業。