微软亚洲研究院：Hearst教授播放了ToneWars视频，同时提到还有很多类似的寓教于乐的例子，比如WordCraft用游戏来教孩子学单词、我们研究院开发的英酷（EngKoo）用卡拉OK教用户学英文发音等等。所有这些例子都说明，寓教于乐很重要，如果设计得当，会大大提高学习效率；而要实现寓教于乐的目的，好的用户界面设计、NLP技术、语音识别技术、语音合成技术等就会变得非常关键。微软亚洲研究院不久前推出的人工智能个人英语私教“微软小英”，就是这样一个寓教于乐的例子。它结合微软亚洲研究院的自然语言处理、语音识别等各种功能，帮助大家更轻松地学习英语。欢迎各位加“微软小英”为好友，体验简单应用背后的人工智能技术。

　　【延伸阅读】

刘铁岩博士：第四，Hearst教授介绍如何利用NLP技术帮助学生互相学习（peer learning）。很多人都有这样的经验，最好的学习方法是把你要学习的东西总结清楚，讲给别人听。很多研究也验证了这种互相学习的价值。从某种意义上讲，大规模的互相学习是利用了众包的力量，来改善学习效果。

除了互相提问、测试以外，这种互相学习、互相评价对于设计也有很大的帮助。

比如有个数据要可视化，可是很难去评价不同的可视化那个效果真的好。HCI领域有一些设计准则来知道怎样的设计才是好的设计；但是，那些准则很组线条，有时候不能帮助我们做具体的判定。

那是否可以换个思路，让一群人对设计结果进行评价：主观和客观。主观上就是从那些所谓的设计准则出发；客观上就是依据可视化的结果反过来回答一些原始数据中有的问题。研究结果表明主客观的评价有很强的相关性。

更重要的是，这种互相学习的众包方式，为有效提高可视化技术开启了新的视角，有可能帮我们发现新的设计准则，以及评价已有的设计准则是否合理等等。

刘铁岩博士：从某种意义上讲，这种相互学习的模式和大家熟知的在线课程MOOC还是有所区别的。在线课程免费、自己可以控制节奏和时间地点，但是学生的学习过程很孤立，缺少动力，而相互学习就能解决在线课程的短板。有人做过研究，大班上课的时候学生参与度很低，但在小组讨论中大家都表现得更加积极。行为心理学的研究也进一步表明，atv直播，通过和别人一起讨论，人们可以显著提高答题的准确率，能回答更难的问题，得出更加具有深度的结论。

这可能也是为什么我们论文审稿的时候，总要有discussion period吧。这启发我们把互相学习、小组讨论的模式引入在线课程。研究表明，53%的人觉得这样使得学习过程更加愉悦。那么NLP在这个过程中能起什么作用呢？其实大有用武之地，比如评价当前讨论的深度、检测当前学员的理解程度、以此为依据改变学生分组、实时生成新的问题等等。

总的说来，Hearst教授通过很多的例子，向我们展示了AI技术，包括NLP、众包、语音识别、语音合成等，对于学习和教育有很多的启发意义。

不过听完她的报告，我也感觉前方的路还很长。比如，如何用一个系统的框架来描述AI和教育之间的关系，而不仅仅是从一些散点上入手？再比如，这个交叉领域的基本研究问题是什么？最大的挑战在哪里？产业基础在哪里？等等。我想Hearst教授的报告只是一个开始，希望大家能一起想一想这些重要的问题，共同推动AI在在线教育中的应用。

　　你也许还想看：

感谢你关注“微软研究院AI头条”，我们期待你的留言和投稿，共建交流平台。来稿请寄：[email protected]。

　　微软小冰进驻微软研究院微信啦！快去主页和她聊聊天吧。