《未来每个人的教育都是AI设定丨董飞》歌词

[00:00:00] 本字幕由腾讯音乐天琴实验室独家AI字幕技术生成
[00:00:03] 大家好
[00:00:04] 先放一个短片
[00:00:32] Lets get started
[00:00:35] 嗯
[00:00:46] 嗯
[00:00:59] 啊
[00:01:04] 大家刚才看到这个短片呢
[00:01:06] 是哈佛大学商学院推出的互动课堂HBX 它这个虚拟教室不仅是让人跟机器产生互动
[00:01:15] 还可以产生人跟人之间的互动
[00:01:18] 那么他的这个
[00:01:20] 来自于全世界各个地方的人可以聚在一起
[00:01:24] 在他的这个虚拟的课堂上进行展示
[00:01:27] 我想这是一个全新的互动式的自然教育模式
[00:01:31] 我再给大家讲一个故事
[00:01:33] 他是在美国乔乔治亚理工大学
[00:01:38] 嗯
[00:01:38] 同学们呢
[00:01:38] 喜欢在网上问老师问题
[00:01:40] 如果说到了毕业季
[00:01:42] 那么因为老师很忙同学的问题就得不到解答
[00:01:46] 但是呢
[00:01:47] 今年引入一个新的老师
[00:01:49] 同学发现他的效率非常高
[00:01:51] 可以说是秒回
[00:01:53] 比如说你12点的时候
[00:01:54] 他也可以得到解答
[00:01:56] 那么大家觉得他特别敬业
[00:01:59] 就把他评为这个优秀老师
[00:02:01] 那么这个时候呢
[00:02:02] IBM 就宣布这是他们跟校方一起开发的沃森机器人助教
[00:02:08] 所以呢
[00:02:09] 这个就是一个机器人怎么去辅助教学
[00:02:12] 提升教育的一个案例
[00:02:13] 我们刚才的这个HBX
[00:02:16] 跟IBM 的这个机器人背后呢
[00:02:19] 其实有很多技术向在线视频在线分析专家系统等
[00:02:24] 我想随着这种技术的日新月异
[00:02:26] 我们也推动的这个教育产生一些新的
[00:02:29] 可能他可以推翻传统式的
[00:02:32] 封闭式的这种课堂就跟阿拉丁神灯一样
[00:02:36] 我们可以去实现以前想都不敢想的愿望
[00:02:40] 比如说
[00:02:41] 你可以
[00:02:43] 随时随地的进入一个
[00:02:45] 世界的一流的高校可以去选修你想要的课程
[00:02:49] 比如说你可以去量身定制个性化的学习自由的去分配你的学习进度
[00:02:55] 比如说你可以去通过各种感官去做体验式的学习做好人际的交付
[00:03:01] 那么
[00:03:02] 最后的话
[00:03:03] 我们是想去达到一个
[00:03:05] 终身的教育
[00:03:07] 去实现我们的教育2.0 的时代
[00:03:10] 这里提到了几个叫慕课它较大规模开放式的在线课堂
[00:03:15] 那么他就推动了这样的一个教育闭环的优化
[00:03:21] 弹幕课到现在呢
[00:03:22] 其实也发展有四年了
[00:03:23] 其实很多朋友对它首先有很多了解
[00:03:26] 但是呢
[00:03:27] 有些质疑我们可以看这张图
[00:03:30] 你可以看到它是一个用户的漏斗模型
[00:03:33] 其实在慕课平台上已经积累了几百万的学习人次
[00:03:37] 但是它的转化率非常低
[00:03:39] 或者说学习的课程的完成率只有
[00:03:42] 不到5 %
[00:03:44] 那么这个转化率低是不是就证明木刻没有前途了呢
[00:03:49] 我想答案是否定的
[00:03:51] 因为木克他的目的并不是要取代大学
[00:03:55] 他是说希望从一个传统式的作业模式转化为一个全新的以学生为主体的教育模式
[00:04:04] 那这什么意思呢
[00:04:05] 什么是全新的以学生为主的教育模式
[00:04:08] 我想学生每个学生他都有自己的兴趣爱好
[00:04:13] 职业目标
[00:04:14] 然后呢
[00:04:15] 就去**打造一个学习模型
[00:04:17] 而学校的老师需要做的就是根据这个学习模型去推出一系列的课程去完成个性化的教学
[00:04:26] 我自己呢
[00:04:27] 其实是在cos 的一个呃
[00:04:29] 在幕客的一个代表公司叫carrera 做做过数据工程师下面呢
[00:04:35] 我就给大家分享一下就怎么通过一些数据的手段
[00:04:38] 我们是怎么去思考以及改进我们的教学方法和内容的
[00:04:47] 首先我在这里给大家先抛一个问题就两个在数学考试当中
[00:04:53] 同样得了90 分的考生
[00:04:55] 那么他的能力是一样的吗
[00:04:57] 应该讲
[00:04:58] 根据一些传统的教育模型
[00:05:01] 我们分数一样
[00:05:02] 那么这个能力呢
[00:05:03] 其实也一样
[00:05:05] 其实呢
[00:05:05] 我们可以说通过大数据的细致的分析可以去细微的去比较
[00:05:11] 这两个这两个同学的不同
[00:05:14] 比如说同学a
[00:05:15] 他可能是擅长于逻辑的思维
[00:05:18] 比如说同学B
[00:05:19] 他的逻辑思维能力欠缺
[00:05:21] 但是
[00:05:22] 他的记忆力超强
[00:05:23] 同样可以取得好的成绩
[00:05:25] 那么这里呢
[00:05:25] 我们就可以针针对他做一些训练
[00:05:29] 好那么数据怎么去改进
[00:05:31] 我们的教育呢
[00:05:32] 跟学习呢
[00:05:33] 我这里就列几个方面
[00:05:35] 那么第一个就是说数据可以去可以去解答学习者的误区
[00:05:42] 这个其实我想让大家邀请大家去回想一下
[00:05:46] 比如说以前我们在课堂当中啊
[00:05:48] 老师经常问这样一个问题
[00:05:52] 呃
[00:05:52] 这个问题做错的同学请举手
[00:05:55] 然后呢
[00:05:55] 可能是这边两位
[00:05:58] 坐车的同学比较少好过
[00:05:59] 我们就进行下一题
[00:06:02] 因为一个课堂上只有50 个学生有两个人出错
[00:06:05] 所以呢
[00:06:06] 这个问题可能并不那么显著
[00:06:08] 但是如果我们把它放大到一个比如说有十万人注册的课程当中
[00:06:12] 那么这个按这个比例就有40 00人会出错
[00:06:16] 所以这个时候呢
[00:06:17] 老师就应该停下来思考一下
[00:06:19] 那为什么40 00个人
[00:06:20] 他会在这个问题上出错
[00:06:22] 是不是可以把自己的教育方式做得更好一点
[00:06:26] 把答案讲的更清楚一点
[00:06:28] 比如说这个上面也是给了一个案例
[00:06:31] 在这里面的这个第一个选项是只有第一次的正确率只有43%
[00:06:36] 那么根据我们做一些a b testing 跟一些迭代的优化
[00:06:40] 我们可以把他这个正确率做一些提升
[00:06:43] 其实也帮助了同学们做一些对概念的这种理解
[00:06:47] 所以说
您可能还喜欢歌手造就的歌曲:
随机推荐歌词:
- 熊猫人 [南拳妈妈]
- この夜を止めてよ [Ms.OOJA]
- Anything but Ordinary [Avril Lavigne]
- No Night So Long [Dionne Warwick]
- Rewind [Andy Mineo&Kam Parker&Jos]
- Ready Teddy [Cliff Richard]
- Just Like Me [Carpark North]
- Don’t Tell Mama [Mama’s Boys]
- Flying Home [Ella Fitzgerald]
- I Cover the Waterfront [Frank Sinatra]
- Pon De Reply [MC YA]
- Ulakathin [Rahul Raj&Arun Alat&Joju ]
- Surrender [Cheap Trick]
- The Winner Takes It All(Factory Team Mix) [Wildside]
- Evil & Divine(Live) [Eden’s Curse]
- Como Duro Trabalhar [Vinicius De Moraes&Toquin]
- Il Mondo Degli Altri [Renato Russo]
- Hearts In The Dark [Engelbert Humperdinck]
- Bon Voyage [Gloria Lasso]
- Greased Lightnin’(Cover Version) [Musical Group]
- 梦飞行 [徐小凤]
- Steppin’ Out With My Baby [Fred Astaire]
- 願い [手嶌葵]
- (Are You A Good Girl?) [東方神起]
- 远远的 [孙紫晴]
- Josephine [Pearl Bailey]
- Will I Find My Love Today [Nina Simone]
- Down By the Ohio [Andrews Sisters]
- Do For Love [Yelawolf]
- Pizza Wundaba..(Live) [Hhner]
- Confidently Dreaming [Fair]
- Héroe(Live At The Roxy) [Mikel Erentxun]
- 明明知道 [力浩原]
- The Climb [Sunshine Superstars]
- The Love I Lost [Teddy Pendergrass]
- Gold [80’s Love Band]
- Never Ending [Tonio]
- You Always Hurt the One You Love(Remastered) [Brenda Lee]
- Fame [Disco Fever]
- Mary Ann [Pooh]
- Statues [Nina Nesbitt]