学生成绩和 2 Sigma 问题
1984 年，研究员本杰明·布鲁姆 (Benjamin Bloom) 向教育工作者提出了一项挑战——找到与 1:1 辅导一样有效的小组教学方法。
事实上，正是布鲁姆本人发现 1:1 辅导显着提高了学生的学习成绩。 被称为 2 西格玛问题，跨年级和不同学校的研究发现了类似的结果：接受辅导的学生比通过传统教学学习的学生表现出更好的两个标准差。
近 35 年后，英特尔及其合作伙伴正在将人工智能和机器学习应用于解决方案，帮助转变个性化学习并使我们更接近应对 Bloom 的挑战。
通过人工智能进行个性化学习
传统上，教室中的计算机仅被视为处理用户提供的输入的工具。重叠技术的融合使新用途成为可能。英特尔和合作伙伴正在边缘启用人工智能，利用英特尔 CPU 的计算能力支持具有深度学习能力的人工智能创新，现在可以在更高层次上了解用户——不仅可以解释用户命令，还可以理解用户行为和情绪。新愿景是一种课堂 PC，可收集多个输入和输出点，提供实时分析，让教师了解学生的参与度。
研究表明，绩效与敬业度高度相关。英特尔目前正在研究课堂中的人工智能应用，使用多模态传感收集三个主要输入的数据，以更好地预测课堂参与度。
外观 – 用于提取面部标志、上半身、头部运动和姿势的计算机摄像头。
交互——学生如何使用传统输入设备（键盘、鼠标）。
行动时间——学生在学习平台上完成任务或采取行动需要多长时间。
课程中的学生被要求完成相同的在线课程作业。配备提供实时参与分析的仪表板的教师能够检测哪些学生需要额外的 1:1 指导。通过识别学生的情绪状态，实时分析帮助教师查明困惑的时刻，并干预那些可能不太愿意或太害羞而不愿寻求帮助的学生。反过来，使教师和家长能够预见有风险的学生并更快地提供支持。