7月8日，以“智联世界·众智成城”为主题的2021世界人工智能大会于上海世博中心开幕。在备受关注的AI赋能教育数字化转型论坛上，高木学习与华师大共建的三维智适应学习系统正式发布！

以下是《三维智适应学习系统》发布现场的直播视频：视频中为现场数百位专家领导及线上数以万计的听众呈现了系统实际应用的震撼的全局数据、科学的局部数据及精准的个体数据。

01、全局数据

从全局数据看板可以看到，目前平台上的总学生数169万人，每一位学生完成一次学习任务，无论是AI课程还是个性化作业，系统都会自动采集到学生行为数据。

目前已经完成了130020545次，同时该数据还在实时变化，不断增加中。

（企业供图，下同）

专家现场举例：针对全网学生的数据进行分析后，发现全网所有七年级同学薄弱环节集中在平面几何，尤其是“点到直线的距离”，“垂径定理推论”等这几个知识点。但是同样是薄弱环节，也有不同的分布规律，比如“点到直线的距离”符合正态分布，比较符合教学专家的预期，但“垂径定理”则体现两极分化的情况，所以这个知识在教法上需要更加循序渐进的引导，来帮助学生理解。

02、局部数据

如果全局数据能掌握整个区域内的教育质量水平，那么局部数据则精确到了一所学校、一个年级、一个班级的学习情况。

专家现场举例：基于知识图谱，我们调用编号为12569班级的学生通过三维智适应学习系统的学习成果。从数据中可以看到，大部分学生知识偏绿色，但也存在极个别同学知识偏红色。绿色代表学得不错，越偏红色说明学得越不好。系统会判断知识之间的关系和学生掌握度分布情况，这个时候授课教师就可以提供不同的教学策略建议：比如查漏补缺、分层教学、个性指导等等，实现因材施教。

03、个体数据

个体数据代表了单个学生的学习情况，系统基于认知能力、知识水平、核心素养、情感及偏好等多个维度对学生进行数据分析，规划每个学生的最优学习路径。

专家现场举例：基于个体数据的学情报告，我们选择编号17892班的一个同学，从数据中可以看到，该学生的学习参与度具有周期性起伏，说明在学习态度上没有太大的波动。从学习报告上来看，该学生“图形的性质”及“多边形”知识点是薄弱环节，老师可以根据数据给予学生进行个性化的指导。

04、教育知识图谱

三维智适应系统有一项核心技术突破就是机器推理学生问题背后的原因，也就是针对学习问题进行追根溯源。这个过程中系统需要能够发现复杂问题之间相互影响的关系。

比如，有位学生工程问题始终学不好，其实原因有多个，也有主次之分。通过系统可以看出对于这位同学而言，分数的混合运算知识影响权重32％，另外两个知识点影响权重分别为15％、12％。除了知识掌握，他的数学建模能力影响权重为19％。

要得到这个的结果需要掌握两个要素，学生的个人行为数据和知识路径矩阵，也就是需要知道任意两个知识之间的关系。

专家现场举例：知识路径矩阵本质上是一种为教育和学习场景优化的知识图谱模型，具有全面性、可量化、双向反馈三个特点。比如小学数学可以分成1500个知识和能力点，系统运行中采集了学生的实际行为数据，通过机器学习得到了一个1500＊1500的矩阵，建立了知识之间200多万个两两关系。

05、三维智适应学习系统效果演示

现场演示了4个年级40位学生通过三维智适应学习系统的学习成果，详细版演示视频如下：

专家现场举例：我们在后台中调用了三年级的彭同学和六年级的张同学的学习画面，这两位同学正在进行最后的测试。从现场40位学生的学习结果来看，由于学生的学习差异，可以看到哪怕是同一个学习任务下，系统给的大家推送的学习内容也是个性化的。三维智适应学习系统除了知识层面，同时也从计算能力、建模表征能力等认知能力维度，以及逻辑推理、空间想象等学科核心素养维度对学生进行了评价，从而实现了因人而异的个性化学习规划。

06、三维智适应学习系统应用目的

学生的智适应学习，是系统基于知识图谱、能力图谱、情感图谱，通过学生认知行为大数据找到学生学习的最近发展区，从而规划最优学习路径从而让学生少走弯路，避免重复训练和拔苗助长，让学生在“跳一跳、摘桃子”的适度挑战中，增强学习的自信心、好奇心、坚韧性等，提高快乐指数。

最后，通过探索性问题情境的设计，合作性学习的进行，激发学生的自主性和想象力，提升自主创新能力。三维智适应学习系统将以适合每个孩子的方式，辅助他从知识掌握，到认知能力的提升，再到全面健康的品格形成。

对于未来的智能教育发展方向，现场专家表示传统知识图谱已经开辟了一条道路，但人工智能的价值绝不仅限于对于知识的测评和知识的查漏补缺，服务于整个未来人才培养的系统化解决方案是我们重要的方向，而我们的突破需要更多像今天这样的重大创新。