美研究人員發(fā)明新算法：繞過考試給你打分

　　本報(bào)訊你如何證明自己掌握了所學(xué)的東西？通常你沒有別的選擇，除了參加測試。

　　一種新的算法能讓你在增長知識的同時，廢除所有的正式測試。該算法由美國斯坦福大學(xué)和谷歌公司的研究人員共同研發(fā)，能分析學(xué)生之前做練習(xí)題時的表現(xiàn)，辨別出他們最容易在哪些地方出錯，并且形成一幅整體知識圖。

　　利用軟件追蹤學(xué)生進(jìn)步的想法并不新鮮。不過，迄今為止很少有人嘗試?yán)蒙疃葘W(xué)習(xí)—— 一門通過消化大量數(shù)據(jù)讓機(jī)器學(xué)習(xí)的尖端學(xué)科。

　　來自斯坦福大學(xué)的Chris Piech及其團(tuán)隊(duì)成員向他們的系統(tǒng)提供了140多萬名學(xué)生就在線學(xué)習(xí)平臺“可汗學(xué)院”上所設(shè)置數(shù)學(xué)問題給出的答案，并且作出了相應(yīng)評分。他們還訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)按照類型將問題分類：哪些涉及平方根、斜率，或者比如計(jì)算圖表上的一條線在哪兒同水平軸相交。

　　掌握了所有這些信息后，該系統(tǒng)開始了解每名學(xué)生在每個問題類型上的解決能力。該模型僅通過研究幾十道已經(jīng)回答過的其他問題，便可使預(yù)測一名學(xué)生做對或做錯一道新練習(xí)題的準(zhǔn)確率達(dá)到85%。Piech在日前于加拿大蒙特利爾舉行的神經(jīng)信息處理系統(tǒng)會議上展示了這一成果。

　　他還構(gòu)想了一個更為復(fù)雜的版本：不僅能預(yù)測一名學(xué)生可能在哪些問題上出錯，還能知道其中的原因所在。Piech說，“如果我們都能負(fù)擔(dān)得起雇傭一名在思考你應(yīng)當(dāng)學(xué)什么上花費(fèi)大量時間的指導(dǎo)教師”，這當(dāng)然是件好事。雖然這并不現(xiàn)實(shí)，但“有一天我們或許僅利用這種類型的軟件，便能找到一個人在哪些方面存在困難，并且?guī)椭纳?rdquo;。他同時認(rèn)為，該系統(tǒng)最終會變得足夠精確，從而將所有測試廢除。（徐徐）