腾讯教育新进展:用户数超4亿,搭建教育中台,未来还要打造千所标杆智慧校园


                                                                                                                                                                                                                              

雷锋网(公众号:雷锋网)消息,12月4日,首届MEET教育科技创新峰会在京举行。腾讯高级副总裁、云与智慧产业事业群总裁汤道生在会上正式对外发布了“腾讯WeLearning智能教育解决方案”。

此外,腾讯还与合作伙伴共同推出“智能教育光合计划”,推动“百千万”三大目标落地——助力100个贫困县的教育扶贫,打造1000所标杆智慧校园,培养10000名校园CIO。

据汤道生介绍,截至目前,腾讯教育累计服务了1万8千多所学校、400多个省市教育局、9万多家教育机构,服务用户数超过4亿。

腾讯高级执行副总裁、云与智慧产业事业群总裁汤道生

教育中台是核心

云计算、大数据、AI等新技术在教育领域的应用融合,使得教育形态发生了系统性变革。技术变革教育的趋势是不可阻挡的,作为教育的主体学习者、教育者和管理者在新的形势下也面临诸多痛点。

学习者往往会遇到教育资源不均衡、个性化学习难以落地等困扰;教育者需要考虑如何提升自身信息化素养、快速适应技术变革;如何选择不同的教育信息化方案以及解决这些产品所形成的信息孤岛等问题,也是个摆在很多管理者眼前的难题。

腾讯教育认为,要想解决上述这些问题,真正实现智慧教育,需经过三个阶段,即数据化、互联化和智慧化。随着教育信息化发展的不断深入,未来智能教育的诉求会更全面更深层。基于上述原因,腾讯教育基于自有资源,规划并构建了业务顶层架构:WeLearning。

“通过WeLearning,腾讯将开放超过20年的技术与实践经验,以底层能力和开放平台搭建教育中台,以高度兼容打破数据孤岛,让数据顺畅流转,真正实现智慧化教育。”汤道生在现场介绍。

腾讯WeLearning智能解决方案覆盖了从学前教育、基础教育、高等教育到职业教育的完整周期,主要分为用户平台、应用场景、腾讯教育中台三大部分。

不同的用户可以通过WeLearning获取不同的服务。例如,开发者可以通过中台灵活地将技术、数据、内容整合到具体业务场景中,可以实现教育应用的统一开发和统一接入;教育管理部门、老师、学生、家长、机构等,也可借助WeLearning实现教育应用的统一调用和统一管理。

汤道生在演讲中强调,腾讯教育中台是WeLearning智能解决方案的核心。腾讯教育中台由底层能力和开放平台两个模块构成。

在底层能力构建方面,腾讯开放了连接、技术、内容领域的能力和资源。连接上,有QQ、微信、微信支付、小程序、IOT、OA及企业微信作为支撑;技术上,开放腾讯在互联网、大数据、云计算、安全、AI等技术领域的传统强项,及5G、脑机接口等前沿领域的探索。内容上,通过课程构建、师资培训、实训平台、人才认证等,形成完整的教学体系向社会输出人才的培养能力。

基于底层能力之上的开放平台,通过统一的身份识别、数据标准、应用权限和知识图谱,完成身份、技术和能力的调用及管理,能够保证应用开发的高度兼容,实现应用之间的数据流转,从而打破数据孤岛,实现基于大数据支撑的智慧教育。

教育科技的本质是为人服务

过去一段时间,教育行业出现不少乱象,例如打着科学的幌子的“量子波动速读培训班”,虽然没有任何科学依据,但还是有不少家长为此买单。

“这也让我们反思,教育科技的内涵到底是什么?”汤道生认为,教育科技的本质是为人服务,应该以“人的发展”为准则。

他表示,腾讯教育希望用科技手段,从三个纬度助力“以人为本”的教育。

首先是为学习者提供及时的“过程反馈”,匹配个性化的学习方案,提升他们的学习效果。

过去,对学生的评价大部分来自于期中、期末考试,反馈周期很长。现在,利用AI、大数据等技术,评价方式从过去的“结果评价”变成了“过程反馈”。同时,腾讯教育也为学生匹配个性化的学习方案,激发他们的潜能。

汤道生举例说,腾讯英语君把语音评测技术推进到了音素级,当学生进行口语评测时,马上就能发现自己哪个音标读错了,反馈更加及时。英语君还可以生成学情分析曲线,帮助学生进行个性化的指导。

其次是帮助教学者减少重复性劳动,提升教学效率。

过去,光是组卷、阅卷这些工作就消耗了老师们大量的精力。现在,把机器能做的事情都交给机器,教学者可以有更多的时间来提升他们的教学质量,创新教学方式。

最后是帮助管理者,从经验型判断,转变成精准化治理,降本增效。

从行政、人事、财务到学生服务、教学考核,校园管理的内容非常复杂。怎样才能降本增效,提高管理效率?数据化治理是校园管理的方向。

他表示,在仲恺农业工程学院,通过腾讯微校定制的小程序,管理者可以一键完成文件处理、审核盖章等流程性的工作;老师们也节约了时间,实现了办事“零跑动”。学院的负责人和腾讯教育说,现在,他们只需要一半的人力,就可以完成和其他学校同等量级的行政工作。

以下为汤道生演讲全文:

大家上午好。欢迎来到首届MEET教育科技创新峰会,很荣幸能代表腾讯教育,与各位专家一起,探索科技对教育的助力。

过去,提起教育,大家会说“三尺讲台一块黑板”;现在,这种观念正在发生变化。AI、云计算、大数据等技术,就像不同的光照射在教育上,产生光合作用,让教育的场景和供需发生了变化——教学内容更加多元,教育资源更加泛在,受众更加普惠。

随着教育信息化的推进,腾讯教育的发展也进入了快车道。今年5月,我们整合腾讯20多条教育产品发布了腾讯教育版图,用科技的力量,以连接、内容、社会责任为起点,助力教育的公平化、个性化和智慧化发展。

截至目前,我们累计服务了1万8千多所学校、400多个省市教育局、9万多家教育机构,服务用户数超4亿。这些成绩是大家对腾讯教育的认可,也是教育和科技深度融合的缩影。

但同时,我们也看到了很多行业乱象。比如所谓的“量子波动速读培训班”,号称花上几分钟,就能读完一本十万字的书,这些都是打着科学的旗号,但却没有任何科学依据。

这也让我们反思,教育科技的内核到底是什么?我认为,教育科技的本质是为人服务,应该以“人的发展”为准则。刚刚过去的11月,是腾讯的21岁生日,我们发布了最新的公司使命和愿景:用户为本,科技向善。这也是腾讯做教育的原则。

科技自有边界,教育“以人为本”。腾讯教育希望用科技手段,从三个纬度助力“以人为本”的教育。

首先是为学习者提供及时的“过程反馈”,匹配个性化的学习方案,提升他们的学习效果。

过去,对学生的评价大部分来自于期中、期末考试,反馈周期很长。现在,利用AI、大数据等技术,评价方式从过去的“结果评价”变成了“过程反馈”。同时,我们也为学生匹配个性化的学习方案,激发他们的潜能。

比如腾讯英语君,把语音评测技术推进到了音素级。学生进行口语评测时,马上就能发现自己哪个音标读错了,反馈更加及时。英语君还可以生成学情分析曲线,帮助学生进行个性化的指导。在深圳明德实验小学,用了英语君的孩子们,非常喜欢他们的“AI助教”。

腾讯的另外一款在线教育产品——企鹅辅导,也同样引入了AI评价系统。让每一个学生都有专属的“错题本”和学习计划,可以随时掌握和调整自己的学习节奏,提升学习效果。

其次是帮助教学者减少重复性劳动,提升教学效率。

过去,光是组卷、阅卷这些工作就消耗了老师们大量的精力。现在,我们把机器能做的事情都交给机器,教学者可以有更多的时间来提升他们的教学质量,创新教学方式。

四川的九寨沟小学,刚刚完成了灾后重建。腾讯为他们提供了智慧校园的整体解决方案。其中,智能作业批改、智能组卷、精品云课这些功能成为了老师的“好帮手”。试卷的扫描、批改、分析,几秒钟就能完成,还可以生成大数据报告——老师可以根据年级平均分数、错题分析等,来调整教学节奏。九寨沟小学的胡自艳老师说,腾讯智慧校园让她多了一个高效的“智囊团”。

再比如,我们的青少年人工智能教学管理平台——腾讯智启学堂,为老师们提供了优质的课程制作和管理工具以及体系化、趣味化的课程内容。过去抽象的物理原理和数学模型通过可视化的方式,变得简单直观,学生也可以更好理解知识点。

最后是帮助管理者,从经验型判断,转变成精准化治理,降本增效。

从行政、人事、财务到学生服务、教学考核,校园管理的内容非常复杂。怎样才能降本增效,提高管理效率?数据化治理是校园管理的方向。

在仲恺农业工程学院,通过腾讯微校定制的小程序,管理者可以一键完成文件处理、审核盖章等流程性的工作;老师们也节约了时间,实现了办事“零跑动”。学院的负责人和我们说,现在,他们只需要一半的人力,就可以完成和其他学校同等量级的行政工作。

天津市和平区教育局,最近打算为市里的一所小学,增加一个活动楼梯,好让学生们拥有更多的活动空间。这背后,是基于腾讯LBS的空间路径图和学校热力图分析。大数据能力为学校的管理创新,提供了“数据依据”。 

过去,造纸术、印刷术的发明让更多的人有了接受教育的机会。现在,在科技的推动之下,教育行业正在迎来全面变革,腾讯也希望贡献自己的力量。

今天,在这里,我们也正式发布“腾讯WeLearning智能教育解决方案”。通过WeLearning,腾讯将开放超过20年的技术累积与实践经验,以底层能力和开放平台搭建腾讯教育中台,以高度兼容打破数据孤岛,让数据顺畅流转,真正实现智慧化教育。

腾讯教育中台是WeLearning的核心。我们将把自己在连接、技术、内容等领域的积累,整合为体系化的底层能力,并通过开放平台向合作伙伴输出;通过统一的身份识别、数据标准、权限管理和知识图谱,构建应用开发平台,与开发者共同开发教育应用。针对学习、教学、管理、空间和服务等场景,为用户提供便捷的服务和体系化的解决方案。

通过腾讯教育中台,开发者和用户可以灵活地将技术、数据、内容整合到具体业务场景中,开发者可以实现教育应用的统一开发和统一接入;教育管理部门、老师、学生、家长、教育机构等,也可以通过WeLearning实现教育应用的统一调用和统一管理。

除了输出我们的中台能力之外,腾讯也希望携手合作伙伴,推进教育信息化基础设施建设,提升学校和老师的信息化能力。让技术既能“落得下去”,还要“用得起来”。为此,我们在中国教育发展战略学会的指导之下,联合管理部门、各级院校和生态合作伙伴,共同发起智能教育“光合计划”。

未来,我们将助力1百个贫困县的教育扶贫,为贫困地区输送优质教育教育资源,助力教育公平化发展;

我们将打造1千所标杆智慧校园,搭建学校数字化管理平台及教学内容平台,助力教育更高质量发展;

我们将培养1万名校园CIO,助力提升校园管理者和老师的信息化应用力,让科技助力教育更可持续发展。

科技是能力,向善是选择。教育是腾讯践行价值观,将自身科技能力回馈社会的最重要窗口之一。我们致力于做教育行业升级的“数字化助手”,也希望与在座各位携手,以科技的力量,发现人,成就人,助力实现“以人为本”的教育。谢谢大家!

雷锋网年度评选——寻找19大行业的最佳AI落地实践

创立于2017年的「AI最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发,寻找人工智能在各个行业的最佳落地实践。

第三届评选已正式启动,关注微信公众号“雷锋网”,回复关键词“榜单”参与报名。详情可咨询微信号:xqxq_xq

                                                

雷锋网原创文章,未经授权禁止转载。详情见转载须知。

                                                                

                                                                                                   

                                                                                                              

                    

源链接   来源:雷锋网   日期:2019-12-04 20:35:00  

推荐文章

腾讯教育新进展:用户数超4亿,搭建教育中台,未来还要打造千所标杆智慧校园

通过WeLearning,腾讯将开放超过20年的技术与实践经验,以底层能力和开放平台搭建教育中台,以高度兼容打破数据孤岛,让数据顺畅流转,真正实现智慧化教育。


Gary Marcus 对 AI 领域开炮:踏踏实实做研究,不要净吹牛逼

学术研究人员们还有一个习惯也给真正的  AI  近在眼前的论调添油加醋,比如  DeepMind  就经常在论文里用专门的篇幅描写他们的成果未来的潜力,但是又很少提及潜在的限制是什么——如果是作为严谨的科学成果进行讨论,只说优点不谈缺点应该算不上正确的下结论的方式。


Aibee 完成7400万美元A1轮融资,ClearVue Partners与SPC联合领投

融合计算机视觉、语音识别、自然语言理解、大数据分析、机器人等多模态人工智能技术,Aibee搭建数据、算法、技术、产品和服务闭环,为商业地产/购物中心、大型停车场、零售品牌连锁店、机场、景区等垂直行业提供线下全面数字化的整体解决方案,并已实现大规模落地应用。截至目前,Aibee已推出六大人工智能整体解决方案并落地应用——针对大型购物中心场景的AI-BeeMall、AI-BeeTraffic,针对零售品品牌连锁店的AI-BeeStore,针对停车场场景的AI-BeeParking,针对机场的AI-BeeAirport以及针对旅游行业的AI-BeeTourism。


高通终于推出首款「真5G」芯片,却将宝押在了中端平台上

目前,全球Top5手机厂商的5G双模的芯片已经悉数到位,包括麒麟9905G,三星的Exynos980,高通7系5GSOC和骁龙865,以及联发科5GSoC平台天玑1000。


AAAI 2020丨沟壑易填:端到端语音翻译中预训练和微调的衔接方法

然而,这种做法使得预训练和微调过程存在以下三个问题:1.网络参数浪费,即机器翻译模型中文本编码器学习到的源语言的语法语义知识并没有在后续微调过程中用到,而这部分知识对于翻译任务而言至关重要。已有工作表明预训练和多任务训练可以显著提升端到端语音翻译的效果,通常的做法是分别在语音识别任务和机器翻译任务上训练一个编码器-解码器模型,然后将前者的语音编码器和后者的文本解码器组合起来,在语音翻译的任务上进行微微调。