各位老师、同学：

您好！未来教育学院新学期未来教育国际沙龙系列讲座第八期将于4月21日（周四）晚18:00-19:30分在励教楼A101沙龙区举办，茶点于17:30分开始供应。本次讲座的主题是“人工智能、数据统计与未来评价”，讲座专家是丹麦哥本哈根大学的马克·约翰逊（Mark Johnson）博士，届时他将带我们探讨人工智能技术在未来教育评价中的应用以及人类所面临的挑战。本次讲座具有很高的专业性、学术性与趣味性，机会难得，不可错过，我们期待您的光临！

本次讲座同时提供线上参与方式：

腾讯会议号：725 222 053 （无密码）

讲座主题摘要

在过去的5年，医疗诊断领域人工智能用于自动诊断激增。越来越多的证据表明，机器的性能正逐渐超越人类专家的水准。带来革命性突破的关键技术包括：除了卷积神经网络(CNN)，机器学习和分类图像数据等精确的数据处理方法之外，还包括由斯皮格尔霍尔特（Spiegelhalter）等人首创的用于处理数据的贝叶斯统计技术。正是这种数据统计方法和人工智能的结合为我们提供了有效的诊断解决方案。这些技术该怎样进一步应用于教育评价，我们又将面临何种挑战呢？

其中一个最大的挑战就是人类能否信任机器提供的结果。人工智能决策是基于概率给予的，而概率可能存在误导的因素。人工智能的有效性 通常是以“敏感性”(将“失败”错误的归纳为 “成功”的概率)和“特异性”(将“成功”错误的归类为“失败”的概率)来衡量。这些数据统计方法有助于我们通过人工智能对表现情况有一个大概的掌握，但也会忽略一个事实：一些机器判断是高度确定的（例如，优质的和劣质的作品机器很容易判断），但也存在无法确定的其它判断（在及格/失败的临界点的作品质量）。此外，再多的机器学习训练也不可能消除确定性判断中的变数。因此，我们必须思考人类和机器如何合作，使未来的评价更有效。

一种方法是重新思考人工智能生成的预测和概率的性质。与其用AI预测学生的学业成绩，不如预测可能正确的概率。这种将人工智能及评价视为预测“正确概率”的想法，可能会对教育产生革命性的影响。它的背后还有一些具体的统计技术——尤其是贝叶斯的“似然比”技术， 正是这些技术带来了医学诊断的突破。

未来教育评价最基本的问题是要搞清楚人类所擅长的机器所擅长的领域。更重要的是，如何将人类活动聚焦于人类真正擅长的领域：如合作研判和对评价中不确定性的处理。同时，许多评价不需要人的参与，机器很容易进行，而且准确率很高。这样不仅可以提高评价的效率，还可以实现自动化，让学生根据人工智能生成的形成性反馈来评价自己的表现。

主讲嘉宾简介

Professor John Gardner

马克·约翰逊（Mark Johnson）博士是哥本哈根大学教育数字化高级研究员，利物浦大学视力与视觉科学系荣誉教授，以及海参崴远东联邦大学“全球科学对话”课程的负责人和创始人。他的研究主要是在他的著作《不确定的教育》(2019)中总结出的应用于教育组织的控制论方法，机器学习在健康和教育中的创新实践，以及技术丰富的创造性学习体验的设计等等。

嘉宾照片