[-]

怎样才能知道自己学到了多少呢？通常情况下，人们除了考试往往别无选择。

最近，斯坦福大学和加利福利亚谷歌分部的研究人员们开发出了一种程序，它不仅仅可以提高你的知识水平，还能避免烦人的考试程序。这种程序可以分析学生们在课堂上的提问表现，辨别他们在哪个部分理解有误，然后对他们的整体知识水平做出一个大概的评估。

用软件来追踪学生的成绩的技术并不是新闻了。但是目前很少人应用到这种程度的深度学习(机器学习的一个分支，它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法)。

斯坦福大学的克里斯·皮耶和他的团队向系统输入了超过1400万学生的数学问题的答案和他们的分数，这些问题来自可汗学院(Khan Academy)的网络教学平台。他们还编写出了一套类神经网络(neural network)系统来逐类分析问题：比如包含平方根运算的题目、图表的斜率运算、或是计算坐标系中直线何时与轴相交的问题。

通过处理以上信息，系统就可以开始分析每个学生对各类问题的解决能力。

关于学生是否得到充足的正确锻炼，仅通过审阅他们回答的几个问题，这个模型评估学生成绩的精确度达到了大约85%。上个月，在加拿大蒙特利尔的神经资讯处理系统研讨会上，皮耶详细回答了这些问题。

对于这个系统，皮耶还有更进一步的展望。系统不仅仅能够预测学生们容易在哪个问题出错，还能理解错误的原因。皮耶说道：“这样就很好了。考虑到实际情况，不可能所有人都能找到一个尽职的家教，能全心全意地分析你的学习情况；更不用说请家教的开销了。”那不是很契合实际，但是在未来的某天，我们可以用这种软件来找出学生们有困难的部分，并帮助他们学习。

当这个系统最终成熟、精确度提高后，“期末考试”这种东西就可以废除了。他说，“我们的直觉告诉我，只要我们对学生的学习状态付出了足够多的注意力，我们并不必让他们考试。”

从这方面技术上来说，这项技术算是一个十分重要的进展。科罗拉多大学波尔得分校的塔玛拉·萨姆纳说。“它不需要人为输入各种重要的训练资料或者人为创造的模式，这是这项技术最激动人心的地方。”

来自马萨诸塞州伍斯特斯工学院的计算机科学家尼尔·海福曼，也认为，对用更好的方式来评估学生的表现来说，这项技术算是很重要的。不过他质疑这个初生的系统的实际价值是否让人满意：比如说，它是否可以根据学生的家庭背景或技能水平，分别用不同的方式更好地教育学生呢？“这说明什么呢？不同学生在评估过程的标准应该有所差异吗？”他提出了这样一个问题。“我希望我们可以将它变得有意义。”

本文译自 newscientist，由 沸石 编辑发布。

赞一个 (10)

PREV : 2015年12件重大科学丑闻
NEXT : [v] 男人好奇怪——关于男人的14个真相