当今数字化浪潮席卷全球,教育领域迎来了前所未有的变革。教育数字化不仅改变了教学方式,更拓宽了师生的视野,促进了知识的快速与创新传播。随着数字化技术和软硬件设施的更新迭代,数字教育资源供给模式也在不断创新,教育数字化现阶段的发展、一线教师接纳创新技术的真实情况、企业所能提供的具体帮助成为教育工作者所关心的话题。这一背景下,英特尔教育项目负责人与北京大学教育学院现代教育技术中心主任汪琼教授就教育数字化转型的现状、教师成长及全球智慧教育的推广展开了深入对话。
谈起数字技术之于教育的意义,大都会第一时间联想到白板、多媒体等教学工具带来的多维度知识传播效果提升。今天,教育数字化不断发展,智能化、数字化的技术工具越来越多,教学中所拥有的可选项也愈加丰富,然而,“怎样的技术工具能在实际教学中真正发挥作用”仍是一个亟待解决的问题。汪琼教授在对话中分享了她曾经做过的教育数字化转型供给侧生态调查,并表示通过调查她发现:“如何通过技术推动教学的效率提升、效果提升,其实跟技术扩散和其他的创新项目扩散一样。对于一个接收者来说,他首先要判断这一技术到底有用没用;明确其有用后,再来了解这东西好用不好用,也即这个技术是否洞察到了我们当下的痛点或者是紧迫的事情。”
这其中的“接收者”所指代的便是教育过程中所涉及的三个人群:管理者、教师、学生。教师作为教学的引领者和技术的直接使用者,在教育数字化进程中的重要角色是不可替代的。正如汪琼教授所言,教师的眼界和创新技术认知对于他们的成长和教育数字化的转型至关重要。需要让每一位教师都能紧跟时代步伐,提升自身信息素养,学会如何与技术合作,将传统的教学经验和技能与数字技术相结合,才能更好地培养适应未来社会需求的创新人才。
基于这样的洞察,英特尔作为一家贡献教育多年的科技企业,做出了诸多探索。向前追溯,早在2000年,英特尔就在中国启动“英特尔未来教育计划”,致力于帮助教师学习如何在课堂中运用技术,影响了中国数百万名教师。
立足当下,英特尔于2023年与教育部教育技术与资源发展中心共同开展了“英特尔创新能力培训”项目,为中小学教师提供包括“数字技术的学习者”“学习过程的引领者”“创新自信的催化剂”等数字素养课程,帮助教师探索技术与教育的融合创新之路。来自全国不同地区的近1.2万名中小学教师已通过培训,提升了信息技术应用水平。此外,在过去一年英特尔还发布了包括“中小学教师智能教育素养提升课程”在内的多个新项目,并以“AI赋能师生成长”为主题,举办了中小学教师AI创新教学案例大赛,进一步帮助教师提升对数字技术的理解与应用水平。汪琼教授曾多次参与英特尔教育项目,她将这些项目遵循的原则总结为:“发现问题,解决问题”,洞察发生在教育场景中的问题和痛点,思考解决问题的方式方法,最终形成解决方案。多年来,英特尔踩着这样坚实的脚步走了很久,陪伴着中国的技术发展和教师成长。
面向未来,英特尔希望可以把中国的优质教育资源,包括教育数字化的理论、实践、经验,被更多教育工作者了解,开拓老师的眼界,并通过英特尔的国际化平台将更多的教育数字化的理论、实践、经验传递到全球。
教育数字化转型并非一蹴而就,从软硬件基础的完备,到使用者的接纳和运用,再到真正作用于教学,每一个环节都需要企业、学校、教师等各方的合作与精心打磨。英特尔秉持着“深耕教育,拥抱数字化未来”,不断依托自身的技术优势和专长参与其中,助力更多教师在教育数字化道路上前行得更坚定,更自如,用行动回答企业能为教育数字化转型带来怎样的帮助。
好文章,需要你的鼓励
OpenAI于周二发布AI浏览器ChatGPT Atlas,目标是让ChatGPT成为搜索和问答的首选界面而非谷歌。该浏览器目前仅支持Mac,但正在开发Windows、iOS和Android版本。Atlas将ChatGPT设为默认搜索选项,并具备记忆功能,可结合浏览历史提供个性化答案。与其他AI浏览器不同,Atlas更专注于强化ChatGPT生态系统,为OpenAI提供更多用户数据和分发控制权,而非改善传统浏览体验。
这项由伊利诺伊大学厦巴纳-香槟分校和滑铁卢大学联合完成的研究,开发了名为VideoScore2的AI视频评估系统,能够像人类专家一样从视觉质量、文本对齐和物理一致性三个维度对AI生成视频进行详细评估,并提供透明的分析过程。该系统在多项测试中显著超越现有评估工具,在准确率上提升近6个百分点,为AI视频行业提供了标准化、可解释的质量评估解决方案,有望推动整个领域的技术进步。
通用汽车宣布计划于2028年推出自动驾驶系统,允许驾驶员双眼离开道路、双手离开方向盘,首先应用于凯迪拉克Escalade IQ。该系统基于现有Super Cruise技术,采用激光雷达、雷达和摄像头感知技术,初期在高速公路使用。通用整合了已关闭的Cruise子公司的技术栈,包括基于500万英里无人驾驶数据训练的AI模型。目前美国仅奔驰拥有商用L3级自动驾驶系统。
滑铁卢大学研究团队提出批评强化学习新方法,让AI模型在学习编程的同时学会批评代码质量。CRITIQUE-CODER模型采用8:2混合训练,不仅保持编程能力还获得代码评价能力。实验显示,该方法让小参数模型超越大模型,4B参数版本在LiveCodeBench达59分,超越基础模型4.8分。更重要的是,批评能力可迁移到逻辑推理等其他领域,为AI训练范式转变指明新方向。