4、人工智能在教学反馈与评分中的应用与发展

人工智能在教学反馈与评分中的应用与发展

1. 智能评分工具的出现

在教学过程中，评分和反馈是重要的环节。Gradescope 是一款评分辅助工具，它能帮助教师更快速地完成评分工作。教师只需将学生作业扫描进该应用，它就会利用卷积神经网络（Convolutional Neural Networks）预测哪些学生作业彼此相似。这样，当教师对某一类学生作业进行评分并给出反馈后，对于其他学生类似的作业，就无需再次依据评分标准进行评分和反馈，大大提高了效率。

2. 自动语音识别的变革

学生的学习表现不仅体现在书面作业上，课堂上的发言也是重要的信息来源。然而，在过去，将语音转换为文本的自动语音识别（Automatic Speech Recognition，ASR）技术并不成熟。直到深度学习的出现，这一状况得到了改变。

2.1 循环神经网络（RNNs）的作用

循环神经网络（Recurrent Neural Networks，RNNs）的应用使语音识别的准确率大幅提升。它能将音频片段转换为矩阵，就像将图像转换为数字形式一样。RNNs 擅长基于序列进行预测，在语音识别中，语音可看作一系列声音，只有作为一个整体才有意义，而不是单独的音频片段。例如，一段舞蹈的每个动作单独看可能毫无意义，但按特定顺序和节奏组合起来，就能产生美妙的意义。RNNs 在神经网络的堆叠函数中，会利用一个函数的解来识别前几个输入，从而预测新的输入。

2.2 训练神经网络的方法——反向传播

在深度学习中，我们需要确定神经网络中多个堆叠函数的系数。最常用的方法是反向传播（backpropagation），具体步骤如下：
1.