- Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной экономики.
- Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях (например, биржевая торговля, рекомендательные системы).
- Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация обучения на основе Big Data.
- Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же эффективными, как и лучшие репетиторы или персональные тренеры.
- А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление процессом обучения как близкое будущее.
Вузы должны предоставлять возможности для непрерывного обучения и вносить вклад в развитие наукоемких рабочих мест, которые позволяют обеспечить выпускникам занятость на местном уровне, а также привлечь таланты не только из региона, но из других мест.
Вузы должны предоставлять возможности для непрерывного обучения и вносить вклад в развитие наукоемких рабочих мест, которые позволяют обеспечить выпускникам занятость на местном уровне, а также привлечь таланты не только из региона, но из других мест.
How to know if your business idea will succeedChrystabelle .
Coming up with business ideas are easy, but not all ideas become successful businesses. Launching a product before validating your business idea spells failure for many. Here are 3 techniques that Maria Johnston, co-founder of Nothing To Launch and Clevercare, did to validate her idea before launching a now million dollar startup.
Follow these 3 techniques to validate your business idea before launching and increase the success rate of your business!
Dongguan Shengjia Hardware Products Co.,Ltd, wholly-owned subsidiary of Shengjia Group Industrial Co.,Ltd, founded in 2003,which is a comprehensive manufacturer of design, production, sales and service, and specialize in punching various precision hardware, processing extruded aluminum heat sink, designing and manufacturing metal stamping dies.
Preparing for the tide: skills and education of the 21st century is the results of previous Global Education Futures sessions (including the discussions in Sao Paolo, Brazil, August 2015), that were for the first time presented in Russian at the International conference on new technologies in education EdCrunch 2015, Moscow, Russia in September 2015. The focus of discussion was global challenges that define requirements for future skills and for a necessary design of new educational reality.
What is more a new media product for the Russian expert community in educational sphere was presented. It is an interactive map of “Global Education Futures” foresights, embracing results of the 5-years work with thousands of Russian educational experts. This material was verified globally and was highly appreciated by world educational leaders. This material became a basis and an impetus for “Global Education Futures” project. The interactive map is available at map.edu2035.org
Царевская - EdTech стартапы на образовательном рынкеConferenceCast
Доклад с первой конференции "Маркетинг образовательных проектов" весны 2015 года. Видео доклада доступно здесь: http://meconf.ru/#!marketing-obrazovateljnih-proektov-2015-04-03/1430
How to know if your business idea will succeedChrystabelle .
Coming up with business ideas are easy, but not all ideas become successful businesses. Launching a product before validating your business idea spells failure for many. Here are 3 techniques that Maria Johnston, co-founder of Nothing To Launch and Clevercare, did to validate her idea before launching a now million dollar startup.
Follow these 3 techniques to validate your business idea before launching and increase the success rate of your business!
Dongguan Shengjia Hardware Products Co.,Ltd, wholly-owned subsidiary of Shengjia Group Industrial Co.,Ltd, founded in 2003,which is a comprehensive manufacturer of design, production, sales and service, and specialize in punching various precision hardware, processing extruded aluminum heat sink, designing and manufacturing metal stamping dies.
Preparing for the tide: skills and education of the 21st century is the results of previous Global Education Futures sessions (including the discussions in Sao Paolo, Brazil, August 2015), that were for the first time presented in Russian at the International conference on new technologies in education EdCrunch 2015, Moscow, Russia in September 2015. The focus of discussion was global challenges that define requirements for future skills and for a necessary design of new educational reality.
What is more a new media product for the Russian expert community in educational sphere was presented. It is an interactive map of “Global Education Futures” foresights, embracing results of the 5-years work with thousands of Russian educational experts. This material was verified globally and was highly appreciated by world educational leaders. This material became a basis and an impetus for “Global Education Futures” project. The interactive map is available at map.edu2035.org
Царевская - EdTech стартапы на образовательном рынкеConferenceCast
Доклад с первой конференции "Маркетинг образовательных проектов" весны 2015 года. Видео доклада доступно здесь: http://meconf.ru/#!marketing-obrazovateljnih-proektov-2015-04-03/1430
Каким образом и насколько могут Big Data и Искусственный Интеллект улучшить on-line обучение?
1. Каким образом и насколько
могут Big Data и Искусственный
Интеллект улучшить on-line
обучение?
Профессор Александр Павлович Рыжов
МГУ им. М.В. Ломоносова
Российская Академия Народного Хозяйства и Государственной Службы при Президенте РФ
Экосистема обучения
люди технологии процессы контент
Москва, 22 ноября 2016
2. Содержание
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
3. Зачем нужны компьютерные
обучающие системы?
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
5. Общая характеристика
исследования
• Объем: более 100 технологий
• Горизонт: среднесрочный (10-20 лет)
• Источники:
• Научные журналы
• Технологическая и деловая пресса
• Сделки венчурных фондов
• Тысячи интервью с ведущими экспертами и лидерами бизнеса
• Критерии:
• высокий темп технологических изменений (high rate of technology change)
• широкая потенциальная сфера влияния (broad potential scope of impact),
• затронуты большие отрасли экономики (large economic value that could be affected),
• существенный потенциал прорывных экономических последствий (substantial potential for
disruptive economic impact)
• Общий результат:
• 12 технологий
• общая прямая выгода от внедрения к 2025 году оценивается в пределах от $14 трлн. до
$33 трлн., причем большую часть этого прироста получат экономически развитые страны
6.
7.
8.
9.
10. Почему сейчас
(потребности)?
• Умирание старых/ появление новых
специальностей время сжимается
• Технологии обучения мало изменились
• «Пифагор»
• «Монастырь»
• «Школа»
• Вывод: образовательные технологии - тормоз
развития современной экономики!
14. «Школа»: Учебник в центре.
Учебник стандартный и дешевый.
Ничего не изменилось:
• учебник —> iPad
• деревянная доска —> пластиковая доска
• мел —> фломатер
И это все !
15. Почему сейчас?
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
16. Почему сейчас
(возможности)?
• Развитие ИКТ/интернета, возможность
накапливания и обработки больших объемов
данных (big data)
• Успехи data sciences/ machine learning в
финансах, производстве и др. областях
• Проблема: адаптивность/ персонификация/
индивидуализация обучения
18. The global
The global computing power, 1018 ops/sec
Ref: «The world’s technological capacity to store, communicate, and compute information» by Hilbert &
Lopez, Science, 2011
19. • Каждый день в мире производится 2,5 квинтильона (1018
)
байтов данных. 90%данных созданы за последние два года.
• Каждый час Wal-Mart совершает 1 миллион сделок, пополняя
базу данных на 2,5 петабайта (1015
) - в 170 раз больше
объема данных Библиотеки Конгресса США.
• Объем отправлений, доставляемых американской Почтовой
службой за один год, равен 5 петабайтам, а Google
обрабатывает такой же объем данных всего за один час.
• Суммарный объем всей существующей на земле информации
составляет несколько больше одного зеттабайта (1021
).
Ref: Брюхов Д.О., Вовченко А.Е., Калиниченко Л.А., Ковалев Д.Ю., Скворцов Н.А. Извлечение и интеграция
информации из больших данных. ИПИ ФИЦ ИУ РАН - http://synthesis.ipi.ac.ru/synthesis/student/BigData/
DataIntegration2016/L1%20Introduction.pdf
20. Немного истории
Nature 455, 1 (4 September 2008). doi:10.1038/455001a;
Published online 3 September 2008
Clifford Lynch, editor
May 2011
http://www.mckinsey.com/business-functions/business-technology/
our-insights/big-data-the-next-frontier-for-innovation
Alexander Ryjov. Towards an optimal task-driven information granulation. In: Information
Granularity, Big Data, and Computational Intelligence. Witold Pedrycz and Shyi-Ming Chen
(Eds.). Springer International Publishing Switzerland 2015, pp. 191-208
h"p://link.springer.com/chapter/10.1007%2F978-3-319-08254-7_9
21. Большие данные - большие
перспективы
Ref.: http://www.mckinsey.com/mgi/publications/big_data/index.asp
22. Некоторые факты
The use of big data will
underpin new waves of
productivity growth and
consumer surplus
Использование
больших данных ляжет
в основу новой волны
роста
производительности
труда и
потребительского
изобилия
24. Big Data - не просто…
• Как собрать? Как и где хранить? Как искать? - «технические проблемы».
• Аналитика больших данных - ценность для бизнеса:
• Биржи 1):
• 70% торгов на Уолл-стрит осуществляются через роботов
• В России на долю роботов приходится почти половина заявок на ММВБ и до 90% на
срочном рынке РТС
• На EUREX алгоритмическая торговля уже составляет 90%, и эта цифра стремится к
100 процентам
• Торговля 2):
• Amazon.com утверждает, что 40% продаж генерируются через механизмы
рекомендаций.
• Социальные сети 3):
• 50% выбора работы на LinkedIn - прямой результат рекомендаций
• … Примеры - https://www.youtube.com/watch?v=1bo27Jkn5OI
Ref 1: Восстание машин. Роботы захватили и разоряют мировые биржи? - Версия. №44 от 14.11.2016 - https://versia.ru/roboty-zaxvatili-i-
razoryayut-mirovye-birzhi
Ref 2: http://kpis.ru/2008/04/29/Item_to_Item_Amazon.html#.WDBK3aKLRE4
Ref 3: https://www.quora.com/How-does-LinkedIns-recommendation-system-work?
cm_mc_uid=39580370786314790366644&cm_mc_sid_50200000=1479560781
26. Как могут Big Data и Искусственный
интеллект улучшить on-line обучение?
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
27. Mindset для smart learning
• Система управления
• Объект управления
• Среда
• Критерий
27
28. Mindset для smart learning
• Система управления
• Объект управления
• Среда
• Критерий
28
Телеметрия
Управление
Критерий
29. Mindset для smart learning
• Система управления
• Объект управления
• Среда
• Критерий
29
Трэкинг
Управление
контерном
Критерий
38. Классификация
учеников
Оптимизация:
• дисбаланс классов
• степень нечеткости
Количество кластеров Степень нечеткости Дисбаланс
3 0,268 0,813
4 0.28 0,927
5 0.28 0,887
6 0.29 0,858
7 0.28 0,906
8 0.3 0,942
c-means (FCM, с-средних)
39. Классификация
учеников
(решение задания)
История (70:30)
Обучение (на 70%)
• k-Nearest Neighbors algorithm (алгоритм k Ближайших Соседей)
• Random forest (комитет решающих деревьев)
• AdaBoost (Adaptive Boosting — усиление классификаторов, путём
объединения их в комитет)
• Gbm (Gradient boosting)
Тестирование (на 30%)
Ошибки 1 и 2 рода
43. Минимальная
верхнеуровневая архитектура
Обучение (первичные измерения)
Тестирование
Система оценки
и мониторинга
принадлежности
к классам
• Внимательность
• Скорость
• Выносливость
• Обработка
Система оценки
и мониторинга
процесса
обучения
• Очень легко
• Штатно
• Очень тяжело
Система
генерации
сценария
обучения
• Тип контента
• Последовательность
• …
Система оценки
и мониторинга
качества
обучения
• Отлично
• Хорошо
• Удовлетворительно
• Плохо
44. Расширенная
верхнеуровневая архитектура
Обучение (первичные измерения)
Тестирование
Система оценки
и мониторинга
принадлежности
к классам
Система оценки
и мониторинга
процесса
обучения
Система
генерации
сценария
обучения
Система оценки
и мониторинга
качества
обучения
Система оценки
и мониторинга
психофизического
состояния
Система оценки
и мониторинга
окружающей
среды
Приборы Мини-тесты Гаджеты Датчики PC/ планшета
• Внимательность
• Скорость
• Выносливость
• Обработка
• Очень легко
• Штатно
• Очень тяжело
• Тип контента
• Последовательность
• …
• Отлично
• Хорошо
• Удовлетворительно
• Плохо
45. Детализация минимальной
архитектуры
Первичные измерения (цифры)
Система оценки
и мониторинга
принадлежности
к классам
Система оценки
и мониторинга
процесса
обучения
Система
генерации
сценария
обучения
Система оценки
и мониторинга
качества
обучения
Лингвистическое представление (принадлежность к понятиям)
A
X=x*; Y=y*
Xx*
маленький большой
Если A=маленькая и B=большая то Z1
Если С=маленький то Z2
…
Логическое представление (нечеткие правила)
• Внимательность
• Скорость
• Выносливость
• Обработка
• Очень легко
• Штатно
• Очень тяжело
• Тип контента
• Последовательность
• …
• Отлично
• Хорошо
• Удовлетворительно
• Плохо
46. Каков потенциал персонификации
on-line обучения?
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
48. А можно еще лучше?
• Зачем нужны компьютерные обучающие системы?
Существующие образовательные технологии как тормоз развития современной
экономики.
• Почему сейчас?
Яркие успехи применения Big Data и Искусственного интеллекта в близких областях
(например, биржевая торговля, рекомендательные системы).
• Как могут Big Data и Искусственный интеллект улучшить on-line обучение?
Необходимые условия интеллектуального управления обучением; персонификация
обучения на основе Big Data.
• Каков потенциал персонификации on-line обучения?
Нет технических препятствий сделать компьютерные обучающие системы настолько же
эффективными, как и лучшие репетиторы или персональные тренеры.
• А можно еще лучше?
Не понятно, надо пробовать. Вычислительная педагогика и квантовое управление
процессом обучения как близкое будущее.
49. Cloud
Education XIX vs. Education XXI
Ref: Alexander Ryjov. Disruptive technologies: transforming health care, education, and government. The 2nd APEC e-Government
Forum and IAC 10th Anniversary Event. September 28-29, 2015, Waseda University, Tokyo, Japan.
50. Возможности
• Ассоциативные правила - неочевидные
эффективные зависимости. Лучше специалиста
(второй закон И. Ньютона).
• Квантовое управление - генерация «хорошего
решения» из нескольких «плохих». Лучше
консилиума специалистов (закон С.В. Ульянова).
• Новая «вычислительная педагогика» разрешит
противоречие экономики XXI века.