近日，好未来AI工程院机器学习团队的7篇学术论文连续入选国际人工智能教育大会（AIED）、教育数据挖掘国际会议（EDM）、国际声学、语音与信号处理会议（ICASSP）、国际互联网大会（WWW）等多个国际顶级学术会议，向世界展示了中国AI+教育的发展潜力。
据介绍，本次入选的7篇学术论文主要基于AI+教育场景应用的研究，覆盖了语音识别、数据挖掘、机器学习等人工智能研究的多个分支领域。其中，三篇学术论文入选了AIED大会。
资料显示，AIED是教育应用领域的国际顶级会议，以“为教育计算应用领域提供高质量研究的智能系统和认知科学方法”而闻名。AIED所收录的论文代表着人工智能在教育领域应用的最新发展方向和水平。
具体来看，本次入选AIED大会的三篇论文分别是：围绕教师声音识别与分离的《SiameseNeuralNetworksForClassActivityDetection》，通过对线上一对一与线下小班教学场景内的单音轨课堂录音中的教师声音进行识别与分离，模型识别结果的AUC分别达到94.2%与85.5%；针对教师提问自动检测的《NeuralMulti-TaskLearningforAutomaticDetectionofTeacherQuestionsinOnlineClassrooms》，提出了用于在线课堂中教师提问的自动检测的新颖框架，通过对老师提问的类型（开放问句、求知型问句、对话管理型问句、程序型问句）的检测，从而更细粒度的量化老师的行为；对教师相关的语言行为进行自动检测的《AutomaticDialogicInstructionDetectionforK-12OnlineOne-on-oneClasses》，针对不同科目和年级调整对老师课堂上行为的要求，帮助老师掌握授课技巧、提升授课质量。
在EDM期间，好未来针对线上一对一授课模式下的学生退学行为进行机器学习模型建模的论文《IdentifyingAt-RiskK-12StudentsInMultimodalOnlineEnvironments:AMachineLearningApproach》入选。据介绍，这是工业界与学术界首次针对K12在线教育场景的学生退课行为进行预测尝试，通过对课堂行为和课后服务等多维度数据的分析，及时了解学生的学习状态和知识掌握情况，并为学生学习方案的调整优化提供帮助。
另外，在ICASSP会议上，在《MultimodalLearningForClassroomActivityDetection》论文中，好未来基于声纹注意力结构的多模态说话人识别模型方法，准确率超过了SOTA模型10%左右，显示出了该模型针对教学场景下说话人分离结果的优异性。在另一篇论文《UPGRADINGCRFSTOJRFSANDITSBENEFITSTOSEQUENCEMODELINGANDLABELING》中，好未来将经典的序列模型CRF升级为一个联合的生成模型——JRF，新模型在各算法指标上都稳定超过了CRF，为更大范围的各类领域的序列建模和标注任务的改进提供了更大的可能。
同时，好未来关于自由场景下的口语表达能力评测的论文《Dolphin:ASpokenLanguageProficiencyAssessmentSystemforElementaryEducation》也入选了国际互联网顶级会议WWW，并在会议上进行宣讲。论文基于好未来AI工程院研发的口语表达能力评测进行的方案和算法创新，解决了学生口语表达能力无法快速、规模化、标准化进行评估的问题。
值得一提的是，好未来AI工程院机器学习团队有70%以上的技术人员曾参与论文及专利的发表。近期，好未来还有多项学术成果入选AAAI、NCME等国际顶级学术会议。好未来AI工程院更是斩获年世界计算机视觉领域顶级会议CVPR——EmotioNet人脸表情识别竞赛冠军。一系列AI科研成果接连被国际顶级学术会议接收，标志着国际学术界对好未来科研实力的认可，也意味着好未来用AI技术在教育场景的实践中提供更多实用价值。
据报道，近年来，好未来不断加大在AI研发上的投入，目前已围绕教育场景需求，累计研发包括图像、语音、数据挖掘、自然语言处理等8大类型、多项AI能力，打造10余项教育场景应用AI解决方案，覆盖“教、学、测、练、评”各教学环节。目前，好未来还将多项AI能力产品化，并广泛应用在内部多项业务中。
转载请注明：http://www.0431gb208.com/sjsbszl/5228.html
