个性化智能化学习专家社群

这是一个跨国专家社群,旨在连结跨领域人士,对於将资料科学技术应用在帮助人类学习的複杂议题进行交流,或合作,专家会员轮流分享各自专长与经验。

长年以来,从事学习分析的学者致力於从学习历程记录中挖掘意义,利用资料采矿 (Data mining)技术发现其中型态,或以统计技术对资料进行诊断与预测,过去这些研究的规模都在数十人到数百人之间而已,而且纪录种类十分侷限,商业化应用产值很低。
然而,在最近几年发生了关键变化:
一、教育科技产品数量的爆发,使许多学习过程得以数位化,而可能收集大量的数位足迹。
二、摩尔定律使运算速度与记忆体容量突破过去的瓶颈、云运算(Cloud Computing)成熟、软体的开放接口(API) 与开放授权都有助资料科学技术发展与扩散。

近年来,大数据(Big Data)的爆炸成长正成为了机器学习(Machine Learning) 的养分——餵给机器进行学习的资料称为训练资料。过去这种资料量的的不足是发展中断的原因,另外,前述硬体与云运算技术成熟也支持了机器处理巨量资料所需的效能。人工智慧产业(Articifial Intelligence, A.I.)经过一甲子的起落,终於因为各方面配合条件到位,开始突飞猛进。

中国互联网教育研究院报告指出,在经过前两年的教育科技投资热之後,接下来最值得投资的标的之一是人工智能与教育的结合。但是,教育科技产业的最大挑战通常不在科技,更鲜少有从新科技先从教育产业冒出,它的门槛在於牵涉因素複杂,垂直整合服务的设计、”相关使用者”的人性因素与习惯、行为的改变管理与培训、与公部门或客户的配合、时机与步调的掌握等等都是因素,创造价值不一定等於可以转变成利润,创新的机会可能不在技术、而是问题解决模式。

此议题牵涉跨领域的各种因素配合,挑战包括相关技术与人的因素,我们邀请学者、业者、教师、教育决策者汇聚,集思广益,加入此社群交流,请在此註册,加入会员(in Membership Levels, select “个性化学习专家社群”),并登入後,可阅读分享内容。

Membership Levels

专家分享的主题(部分):

適性化學習評測推薦系統研發 — 曾筱倩博士

對適性學習系統的看法與產品案例分享 — 蘇俊銘教授

學習分析面臨的問題與建議 — 洪瑞隆教授

个性化学习环境的成功因素与策略 — 劉林榮校長

台北市酷課雲與學習分析 — 詹偉德老師

適性學習系統商業服務探討 — Jessie Chuang

Issues of Teaching and Learning Analytics — Hong-Zheng Sun Lin