前言：本文是团员“木南”的第3篇输出，欢迎有更多的团员们也来分享你的AI干货～
这一系列文章笔者将介绍如何构建一套“智能导学系统”英文全称（Intelligent Turoring Systems，ITS）也是国内教育行业经常提及的“自适应”，“规模性的个性化教学”等。
文章内容来源于胡祥恩教授（华中师范大学心理学院教授、院长，美国孟菲斯大学心理学、 计算机工程、计算机科学教授）及其团队出版的系列丛书《Design Recommendations for Intelligent Turoring Systems》，而这一系列文章笔者输出的是对书翻译以及笔者的思考。
注意：笔者不会将全部的译文，直接粘贴发表，原因一：原著属于学术期刊，偏理论知识，并且篇幅较长，涵盖的领域较广。原因二：原著中含有大量与教育学，学习科学和AI领域相关的专业词汇，直接翻译生僻难懂。
鉴于此笔者会将原文的翻译进行选择性删减，对其二次加工，同时也会补充一部分自己的思考，选取一些观点明确与产品落地相关度更高的内容作为这个系列文章最终呈现的内容。
重要而不紧急的事情，需要每天坚持去做一点点！
一、起源：本杰明·布鲁姆（Bloom）的“两个标准差现象”
1984年，本杰明·布鲁姆写了一篇原创性的论文，提出了学习科学界称之为“2 sigma problem”。布鲁姆的研究团队比较了学生在三种不同的教学条件下的学习情况。
文中对比了三种不同的学习模式对学生学习结果的影响，其中相比于“常规式”的学生（标准的传统课堂上课，周期性的测试）“一对一辅导”（常规学习的条件+配一个专属家教）的学生，成绩平均高出“2个标准差” 。
这表明人类家教1v1模式可以帮助学习者提升的成绩提升”2个标准差“， 而智能导学系统“能否帮助学生的成绩在原水平上提升”2个标准差“，成为了”人工智能“教学的一个度量指标。 若达到了就代表AI在教育领域真正的超越了人类教师。因此”两个标准差“也是智能导学系统的追求的最终目标，
目前智能导学系统离这个目标相距甚远，2008年，美国国家工程院（NAE）发起的全球重大挑战峰会上，选举出人类面临的14个难题，其中就包含了先进的个性化学习（Advance Personalized Learning），其实现难度如同在再造一个人类大脑。
二、什么是 ITS （Intelligent Turoring Systems）
对于用机器来帮助人类学习知识的探索起源于20世纪80年代，智能导学系统（Intelligent Tutoring System,ITS）就是在那个时期出现的一门交叉学科，更跨了”计算机科学，心理学和教育学“等多个学科。
ITS 是一种基于计算机的智能化教学环境。通过应用人工智能算法，该环境可以在合适的粒度上适应学生的学习水平，并将复杂的教学原则实例化，以帮助学生掌握知识和技能。
目前所有的 ITS 应用都是以认知科学理论为指导，以最先进的技术为支撑，并选择与理论技术最适合的领域为应用场景。
笔者认为，当前问世的AI+教育产品，虽然称呼不同，比如：自适应系统 ， AI老师， AI助教， AI课等等。其本质上还是一套的ITS系统，只是智能程度有所差异而已，最终还是离不开几个通用的模块。下面笔者会介绍ITS系统应该具备哪些模块。
1、关键词：GIFT
介绍模块之前，还要科普一个关键的概念GIFT，因为后续的文章这个词会经常出现。 ITS 领域，真正开始进行 ITS 框架的研究是在 2012 年，起源于美国陆军实验室的 Sottilare博士带领他的团队的研究，他们致力于研究一套通用的智能导学系统框架，可以让ITS系统具有更好的普适性和可迁移性。这套通用的框架称为（Generalized Intelligent Framework for Tutoring, GIFT），因此所谓GIFT其实是ITS系统中一部分通用的框架或模块，主要由四部分组成,分别是学习者模型，领域模型，教学模型，交互界面。
2、GIFT：四个模型
ITS 的四个关键组成部分是 GIFT 最原始的理论原型。这四个组成部分已被 ITS 研究者所公认。研究者通常用“模型”（Model）来描述它们的结构，开发者则通常将它 们称为“模块”（Module）。它们分别负责学习者（Learner）、学科领域（Domain）、 教学方法（Pedagogy）和互动接口（Interface）
3、交互界面
交互界面，笔者认为主要承担了两个重要的任务：
1）呈现教学产品的内容和服务
可以理解为系统为学习者呈现教学内容或服务的载体，它可以是直播的形式，可以是录播的形式，可以是一个计算机操作界面，可以在真实的课堂，也可以是一个虚拟的老师。
2）获取学习者数据，反馈给学习者模型
它需要由行为和心理传感器组成。可以获取学习者在学习过程中的一系列数据。比如：学生的情感状态，学生的练习记录，学生的反馈频次，学生反馈的问题等等，这些数据，可能是音频，视频，文本，或者打点日志的形式被记录，最终要转换成向量矩阵的形式反馈给后面的学习者模型和领域模型。
4、学习者模型
学习者模型可以类比于，“用户画像” ，但是又区别于用户画像，它的功能是记录、表示和跟踪学习者在学习前、学习中和学习后的状态特征，反馈学习者的当前状态。学习者模块利用来自传感器模块预处理的行为和生理数据、表现评估、人口统计学、 自我报告和观察数据，对学习者的状态进行分类。教学模块根据学习者的状态数据决定为学习者呈现什么内容和教学策略。
5、领域模型
领域模型可以类比于，“知识图谱” ，即将该系统的目的是定义和组织领域知识。领域模块的执行由教学模块推荐的教学策略驱动，然后领域模块会将其转变成具体的教学内容呈现给学习者，同时它应该具备评估学习者的活动和课程进展的能力。
6、教学模型
教学模型模拟的就是人类老师的教学策略，它的任务依据学习者模型和领域模型反馈的学习者的状态信息，来反馈下一步应该给学习者推荐什么样的内容或服务。
三、什么是”聪明“的ITS系统？
前文笔者概述了什么是ITS系统，并且简要的拆解了它的通用模块以及每个模块的主要任务。笔者这里抛出一个问题来作为这篇文章的收尾 ：
如何评估一款“AI+教育”产品的智能程度？
笔者会按照模块从以下四个方向进行分析对比：
1、交互界面
- 模块传感器的种类&技术
- 获取学习者数据的丰富度&粒度
- 数据维度获取的依据 （为什么要获取这些数据，是否有学习科学，认知科学的理论支撑）
2、学习者模型
- 表征学习者状态的维度&粒度
- 模型的更新触发机制
- 模型更新的周期
3、领域模型
- 构建模型的领域专家的权威度
- 知识图谱构建的粒度
- 知识覆盖的覆盖度
- 领域模型更新的触发机制
- 领域模型如何更新
4、教学模型
- 教学策略的推荐依据
- 教学策略的底层理论支撑
- 教学策略的可靠度
四、总结
本文笔者介绍了，这一系列连载文章的写作初衷，科普了ITS系统的目标“Two-西格玛”，ITS基本概念包括：ITS，GIFT以及下面的四个模块；从这个系列第二篇文章开始，笔者将正式开始分享《Design Recommendations for Intelligent Turoring Systems》这套系列丛书，下一篇文章笔者会从”学习者模型“开始连载。
参考文献
- GIFT—通用智能导学系统框架
- The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as one-to-one Turing
附：团员“木南”的文章汇总
-END-
以上内容，来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/ （如果遇到支付问题，请先关注饭团的官方微信服务号“fantuan-app”）
---------------------
作者：黄钊hanniman，图灵机器人-人才战略官，前腾讯产品经理，7年AI经验，10年互联网背景，微信公众号/知乎/在行ID“hanniman”，饭团“AI产品经理大本营”，分享人工智能相关原创干货，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。