Tensor Flow 的分析和教育信息化現(xiàn)狀

人工智能在教育領域的應用被賦予了極大的希望。結合上文相關 Tensor Flow 的分析和教育信息化現(xiàn)狀，本研究認為 Tensor Flow 在教育領域可應用于教育大數(shù)據(jù)分析、學習推薦系統(tǒng)、教學游戲和教育機器人等方面，助力智能教學應用的設計與實現(xiàn)。

1 教育大數(shù)據(jù)分析

教育大數(shù)據(jù)的主要類型包括文本數(shù)據(jù)、語音數(shù)據(jù)、圖像數(shù)據(jù)、視頻數(shù)據(jù)、行為數(shù)據(jù)等，海量復雜的學習數(shù)據(jù)需要有效的方法進行分析以產(chǎn)生更好的教育價值。本研究總結了 Tensor Flow在教育大數(shù)據(jù)分析領域的主要應用，如表 2 示。

2 個性化學習推薦系統(tǒng)

在教育領域，個性化學習推薦是指根據(jù)學習者的具體學習情況，為學習者推薦個性化、適應性的課程和資源，它是大數(shù)據(jù)時代和信息智能時代提高學習效果的一種有效方式。在推薦系統(tǒng)的研究中，“寬度與深度學習”（Wide & Deep Learning）是集成于 Tensor Flow 的一種有效推薦算法，它通過將深度神經(jīng)網(wǎng)絡（用于歸納）與寬線性模型（用于記憶）聯(lián)合進行訓練，取得了良好的推薦效果。

本研究設計了一種基于寬度與深度學習的通用型個性化學習推薦系統(tǒng)，如圖

2 所示。該系統(tǒng)基于學習者信息、學習資源的訪問行為等數(shù)據(jù)，為學習者推薦相關的學習資源。該系統(tǒng)的推薦部分包括候選生成和排序兩個模塊：首先，由候選生成模塊通過機器學習或人工定義規(guī)則等方法，生成高相關性的候選集合數(shù)據(jù)；隨后，排序模塊使用“寬度與深度學習”推薦算法，對候選集合數(shù)據(jù)進行排序，最終產(chǎn)生推薦結果。

3 教學游戲

人工智能在教學游戲中的應用主要涉及兩方面：①使用人工智能操作游戲，如 Deep Mind團隊所設計的系統(tǒng)在多個游戲中擊敗了世界頂級玩家，證明人工智能可通過深度學習掌握游戲技巧，并獲得和人類一樣的操控力，甚至在某些方面還超過了人類；②將人工智能元素融入游戲的設計與開發(fā)中，如游戲關卡設計和非玩家控制角色（Non-player Character，NPC）類游戲等。目前，引入人工智能要素的教學游戲還較少，這是未來教學游戲設計中需要重點考慮的問

題。Tensor Flow 提供的深度學習算法可應用于教學游戲，并通過恰當?shù)哪Ｐ瓦x擇與訓練實現(xiàn)游戲中智能化要素的設計。如何在教學游戲中融入更多、更新穎的人工智能要素，是教學游戲設計人員面對的新課題，這就需要設計人員真正理解玩家和人工智能之間的關系，充分考慮游戲的需求和人工智能的應用，最終設計出優(yōu)秀的教學游戲作品。

4 教育機器人

人工智能是未來發(fā)展教育機器人的關鍵技術，而機器人也是人工智能的終極應用目標之一。教育機器人中的感知、認知和行為控制三個部分都是在機器學習和深度學習的支持下實現(xiàn)的，可以完成視覺、聽覺、情感、推理、操作、互動等行為。Tensor Flow 提供了構建機器人的智能平臺支持，通過強大的深度學習算法，推動著開放性的教育機器人系統(tǒng)平臺和機器人應用軟件的發(fā)展。本研究對教育機器人的核心功能、行為描述、Tensor Flow 的技術支持等進行了分析，如表 3 所示。