人工智能(AI)正在高等教育中取得重大进展，因为实施某种形式的AI的机构在学生保留、招聘和教师生产力等领域取得了可衡量的成果。主要挑战高等教育机构需要将真实的AI示例与更侧重于智能自动化（或只是炒作）的示例区分开来。今天，大多数人工智能技术仍接近预期通胀的顶峰；许多人工智能技术项目仍在进行中，还不够成熟，无法组合成有效的高等教育工具。高等教育必须能够收集自己版本的正确数据，支持AI，因为教育的许多方面每年都会涉及学生群体面临类似的问题和挑战。建议实施数字战略并开始利用AI的高等教育CIO应该：与识别有风险的学生有关吗??？”创建数据质量审查，因为AI需要质量可靠的机器可读数据。随着AI在新的复杂数据类型上蓬勃发展，通过连接相关数据源启动AI活动。制定明确的数据透明度政策，以确定如何使用（或不使用）数据来建立信任。***信息官在为AI计划收集数据时必须透明，尤其是在学生个性化方面。建立多元化的员工队伍以确保AI项目的成功。利用学生的参与度，这也为职业发展提供了技能。让机器加入团队。通过启动数字化转型团队（例如迪肯大学的数字化未来实验室）来创造可持续的创新竞争优势。该战略计划假设到2020年，至少10%的高等教育机构将使用智能机器来提高学生的成功率。到2021年，超过30%的机构将被迫实施个性化策略以维持学生入学率。到2021年，排名前100位的高等教育机构将需要采用人工智能技术来保持研究竞争力。1.引言作为一种通用技术，人工智能可以广泛应用于各个领域。相关组织提出了六大核心人工智能技术，它们在良性循环中相互作用：业务分析和数据科学自然语言处理、语音识别和机器学习机器推理计算机视觉机器人和传感器图1.六大相互关联的核心人工智能技术来源：Gartner（2018年12月）不管人工智能是如何定义的，很明显人工智能将对社会产生深远的长期影响。虽然确切的结果仍在争论中，但我们已经可以看到人工智能正在改变一些职业，改变高等教育学生为未来职业做准备的内容和方式。澳大利亚迪肯大学副校长（Chancellor）JanedenHollander表示：“我们的国家依赖于受过高等教育、技术娴熟的毕业生，他们能够拥抱智能机器时代。我们都必须学会利用机器和机器之间的空间。”机器。”AI甚至可能成为收集可教时间的法律要求。这将确保AI可以“教授”掌握专业所需的技能。许多AI实施仍处于早期阶段。总体趋势表明，机构分析等管理解决方案出现比学习分析和人工智能解决方案更容易在教育中实施。截至2017年6月底，已经开始实施19个人工智能。见表1。表1.高等教育中的分析、算法、人工智能资料来源：Gartner（2018年12月）)2.分析一些高等教育机构正在不同层面和形式上实施人工智能技术，包括：个性化和招聘聊天机器人提醒每周7天，每天24小时和信息。大多数学生认为聊天机器人的帮助是一个进步的学生经验。(1)聊天机器人——个性化Gartner预测，聊天机器人个性化实施的特殊性（机器人知道基本的上下文数据）和机器人可以处理的问题/意图的数量（从基本的校园定位问题到职业建议）都将增加。一些AI会话方法也可用于改进学习，例如如何构建论文（参见DeakinGenie和StudyTree）。(2)Chatbots–Recruitment另一个重要的AI应用涉及提高录取率。简单的聊天机器人（如Codecademy对Bobbot的简短试用）可以提高网络招聘的转化率（codecademy报告称转化率提高了10%）。此外，这些招聘机器人应该很快就会从主要的SIS供应商处获得。(3)早期预警系统——保留AI最传统的用例可能涉及扩展现有的分析程序，以改进用于增强教师和顾问对保留的影响的早期预警系统（如常春藤盟校技术人员）。佐治亚州立大学(GSU)与Admithub的合作体现了一种更具创新性的方法。他们将分析和聊天技术与推动理论相结合，以影响夏季前入学但可能无法在夏季后出现在校园内的学生的保留率，即所谓的“夏季融化”。(4)FacultyProductivity一些高等教育机构正在使用AI来加速评分过程，展示了AI如何从同行评分（高级评分）发展到算法AI。供应商GradeScope报告称，在加州大学伯克利分校进行的试验中，时间节省高达75%。密歇根大学在其M-WRITE程序中实现了评分过程的智能自动化。在这种情况下，软件会为写作作业分配分数。在将分数交付给学生之前，研究人员或助教会对其进行审核。学生使用反馈来修改作业。在使用这项研究时，高等教育的CIO可以借鉴这些和其他同行的最佳实践和成功经验。图2概述了一个框架，可帮助CIO准备在教育中使用AI。图2.为教育中的AI做好准备的五种方法资料来源：Gartner（2018年12月）3.定义SMART（具体、可衡量、可操作、相关和有时限）用例佐治亚州立大学(GSU)的“减少熔化之夏”项目仍然是一个很好的案例。GSU的第一个实施是一项随机对照试验，具有足够大的队列以确保官员收集统计上有效的结果。AI是一种“黑匣子技术”——我们可以观察输入和输出，但不能观察它们之间的关系两者。AI结果需要验证。GSU与AdmitHub合作，以校园吉祥物命名Pounce，这是一种基于文本的AI对话界面。Pounce专门用于处理与特定学生注册任务的交互，包括：处理学费支付完成联邦学生援助免费申请(FAFSA)贷款申请提供ACT分数了解在宿舍饲养宠物的指南2016年，GSU响应对7,000名学生进行了调查50%的新生接受了随机对照试验。Pounce取得了巨大的成果：处理了超过50,000条学生消息，只有1%的问题（472条消息）由GSU工作人员处理交换了超过180,000条消息，这将需要额外的10名全职同伴全天候24/7可用，平均不到7秒的响应时间，让学生满意。与对照组Pounce相比，统计上有效的“夏季融化”减少了21.4%，这帮助GSU实现了：贷款查询增加了14.9%。FAFSA验证要求减少16.85%。接受贷款增加了12.2%。按时提交成绩单增加了6.25%。迎新培训出勤率增加了3.3%。每件作品都有助于帮助学生做出更好的决定。助推技术，基于诺贝尔奖得主理查德塞勒提出的“助推理论”，帮助人们在关键时刻做出正确的决定。***CIO及其组织可以利用推动技术，结合对机构数据的理解，将其作为一种潜在工具。4.从数据开始AI实现需要机器可读数据，其中包含利用AI的特定类型的数据集。如果数据太“简单”，传统的分析甚至算法方法就足够了。然而，如果数据过于复杂或稀缺，现有的机器学习和深度神经网络(DNN)技术就无法成功。中间是“恰到好处”或“金发”区域，这里有足够数量的可靠数据可用于分类和预测。佐治亚理工学院对Square问答论坛数据的使用就是一个很好的例子；它表明，只要保持数据质量，数据集就可以保持适度的工作状态。▼佐治亚理工学院使用TA机器人来增加个性化，同时为助教提供更多时间佐治亚理工学院的助教(TA)机器人吉尔沃森(JW)是一个独特的例子，它提供了几个要点。一个特例是项目负责人是人工智能领域真正的专家。AshokK.Goel是佐治亚理工学院交互计算学院的计算机科学和认知科学教授，该学院是亚特兰大的一所公立研究型大学，拥有26,000多名学生。作为研究的一部分，他和他的八位博士团队可以访问IBM的开放式开发平台和WatsonAPI来回答问题。第二种特殊情况是Goel教授正在教授知识型人工智能(KBAI)课程，通常有300名学生。这提供了对数据的访问和实时测试环境。学生每学期使用在线讨论论坛Square提出大约10,000个问题。在2015/16年，Goel教授和他的团队仅用了四个学期的问题（40,000个）和总共1,500个小时就创建并训练了他们的第一个可操纵的TA机器人（JW）。当JW在2016年1月首次在真实课堂上进行测试时，它的表现不是很好（但它被训练为只能以至少97%的置信度回答）。截至2016年3月，JW能够处理大约23%的问题。到2017年春季，改进后的JW将基本问题的答案提高了26%，但准确率略有下降。在非常具体的任务中，例如为“学生介绍”（要求每个学生以书面形式向班级自我介绍）提供个性化的回应，JW在所有案例中的59%都表现出色。戈尔教授的目标是最终使这项技术足够简单，以便中学教师在课堂上使用它。研究团队正在努力减少助教花在设置不同课程上的时间。第二节课，完全独立的团队完成了150小时的设置时间。目标是将其缩短至15小时——该团队认为这将是其TA机器人成功商业化的关键。商业化的时间表尚不清楚，但戈尔教授的团队和佐治亚理工学院风险实验室仍在继续开发。IBMWatson一直与Pearson合作（从2016年开始）以扩展高等教育服务。这种合作关系催生了一款名为Revel的个人辅导产品，该产品现已纳入Pearson的四门课程中。圣玛丽山大学、佐治亚州立大学和密西西比大学都参与了利用课程的努力。提供商jane.AI有一个机器人“jane”可以响应聊天请求，利用整个机构的多个数据源来回答常见问题。它通过员工培训和用户的持续反馈来学习，使用自然语言处理和算法在当今教育中使用的一系列常见应用程序中找到答案。Jane.AI目前正在圣路易斯的玛丽维尔大学和华盛顿大学进行试点。此外，新的数据类型（例如语音数据）正在作为有效数据进行访问，以提高人工智能的质量并增加学生服务的个性化。5.建立对数据的信任收集大量个人数据需要信任。高等教育的CIO可以通过对数据的使用方式保持透明并确保用户可以控制他们如何更正数据来建立信任。GDPR在欧洲的实施是建立信任的良好开端，但最终收集数据的每项服务的用户界面都需要基于用户控制和同意。道德问题也会使情况复杂化。如果人工智能被用于分析和决策，首席信息官们必须意识到算法中的偏差可能会被流程的迭代性质放大，从而导致极其不准确的结论。▼IvyTech在云中收集和连接数据，然后连接到教职员工IvyTechCommunityCollege表明，在教职员工对数据采取行动之前，数据使用没有真正的影响。IvyTech位于印第安纳州的40多个地点，每年为近160,000名学生提供服务。常春藤理工学院在数据使用方面有着卓越的传统；2016年，它获得了Gartner数据和分析卓越奖。LigeHensley（当时的CTO，现在的CIO）有一个长期战略，即在使用AmazonWebServices(AWS)的同时收集和连接云中的数据。2013年9月，Hensley开始应用机器学习技术，使用WolframMathematica进行原型设计以寻找合适的算法。他发现了一种随机算法，可以预测学生是否会不及格，而且效果很好。该学院随后部署了PythonScikit-Learn以简化生产并降低成本。然而，Hensley的团队发现了一个缺失的关键部分——他们需要将结果与行动联系起来。当新校长于2016年7月上任时，该团队建立了一个流程来授权教职员工，并就如何使用数据和实现其好处向员工提供建议，随着机器学习被应用于优化数据，这项工作得到了回报。该过程确定了预测2017年课程不及格学生类别的准确率为83%。干预开始产生效果，期中考试不及格分数下降了3.3%，相当于3,100多名学生通过了该课程.6.获取人才如图1所示，当今AI的成功应用需要不同的人才组合。但技术人才只是冰山一角，人工智能与数据息息相关。AI应用程序必须由熟悉AI部署领域的人员教授，例如学生顾问或助教(TA)。在当今的就业市场上，雇主正在寻找知道如何将人工智能应用到他们的业务中的潜在员工。雇主希望引进顶尖人才，而高等教育具有传授人工智能技术以培养顶尖人才的巨大优势。我们建议这些高等教育机构：利用学生。让学生在职业生涯中抢占先机。例如，迪肯数字未来实验室引入了跨职能最佳实践跨职能团队，帮助学生开发合适的应用程序和服务。迪肯的专门研发部门和数字未来实验室开发了一个基于自己的互联网协议的VPA框架，配备：对话式人工智能2018年2月推出，并向全校57,000名学生推广。Genie不是从头开始开发的，它建立在现有功能的基础上，例如DeakInSync、个性化学生卡、在线帐户和应用程序中心，这些功能都由提供学生提供信息的企业服务总线集成程序支持。Deakin团队将其DeakInSyncAPI移植到DeakInSync服务和应用程序。将Genie的自由认知机器学习方法应用于数据语料库是没有问题的。但是，开发人员需要在系统中指定术语。重要的是，开发人员能够将Genie从被动问答系统发展为在学习过程中帮助学生的主动助手。Deakin希望让Genie更加个性化，并计划将DeakinScout集成到VPA框架中。（DeakinScout是将IoT集成到Genie2.0中的计划的一部分。）这代表个人关注的下一阶段是如何连接和收集数据以实现规模化。最终，思维过程是迪肯努力的一个关键方面。7.“使用”机器作为团队的一部分如前所述，实施人工智能在很大程度上仍然是一门手艺，而不是工业技术。与所有领域一样，知识的途径是通过实践。高等教育领域的CIO应该在他们的团队中拥有一台机器并开始积累经验。机器可以执行多种角色，例如：助教（佐治亚理工学院）学生虚拟个人助理-VPA（迪肯）入学协助(GSU)EnhancedGrader(Berkeley/Gradescope)ResearchVPA(IRIS.AI/META)迪肯大学学生受益从机器技术。但是首先需要教这些机器。在迎新周前的四个月里，员工根据电子邮件、语音消息和文件数据收集了大约20,000个问题，并要求他们写下答案。学生需要测试沃森人工智能技术。100多名学生从事沃森教学。学生们显然受益于使用这些机器。他们可以在简历中加入这项任务，同时为迪肯品牌做一些正面宣传。经验和持续创新是高等教育CIO最大的竞争优势。有关迪肯大学数字战略时间表的更多信息，请参见图3。图3.DeakinDigitalStrategyTimeline资料来源：Gartner（2018年12月）▼底线：AI可以解放人类以执行其他重要任务AI在高等教育中的状态仍在进行中。AI方法尚未工业化，需要人工以AI可以消化的格式获取数据源。学习机器仍然需要被教授，企业正处于了解如何有效教授机器的早期阶段。然而，一些机构正在取得进展。加州大学伯克利分校和佐治亚州立大学的AI起源于传统分析，但他们继续开发AI相关技术。数据是基础，但要将分析的结果付诸行动。为教师提供数据驱动的见解并授权他们采取行动对于对学生成绩产生真正的影响是必要的。人工智能真正可以超越的下一步是扩展和个性化与广泛学生的互动。（GSU的Nudge技术将AI对话界面与简单的文本消息传递相结合。）佐治亚理工学院和迪肯大学的例子表明，研究和开发过程都是必要的。AITA和VPA都需要被教授，无论是单一课程（如佐治亚理工学院）还是整个学校（迪肯），这个过程都是实验性的和小规模的。***首席信息官必须配备熟练的数字化转型团队，例如迪肯大学的数字化未来实验室或佐治亚理工学院戈埃尔教授召集的团队。正如2018年CIO议程调查中72%的高管所报告的那样，跨职能团队可以实现数字化转型。只有12%的落后者和22%的高等教育CIO持相同看法。GSU提供了一种非正式的创新方法，可能更符合学术传统。在GSU，CIO可以使用IT预算中的种子资金进行早期实验，然后创建拨款申请以将创意转化为试点项目状态。在高校开始使用AI相关技术的时机已经成熟。虽然AI驱动的科学院的未来才刚刚开始，但该技术仍有望智能地解放人类以执行更高级的任务。文章转载自微信公众号“三思派”（ID：科学派）点此查看作者更多好文
