人工智能和大數據分析這幾年來一直都是科技行業最熱門的話題。小冰、小娜、小度等人工智能機器人也不斷在全社會引起一系列的討論。微軟、百度等行業參與者通過一系列的技術研究和相關主題活動將“人工智能和大數據”這幾個字成功地烙刻進極客們的心里。

人工智能和大數據這幾個字真的很火 但對于很多圍觀群眾來說 具體的實用還是非常遙遠。目前大家對于人工智能和大數據的理解也僅僅停留在和人工智能機器人聊天、利用語音助手做日程安排、今日頭條的算法推薦等一直被企業所強化傳播的案例上。

在教育領域 人工智能和大數據分析的通俗新聞也非常的少。但這幾天 筆者的親身經歷不禁讓自己腦洞大開：人工智能和大數據分析如果利用在主觀題智能閱卷上 將是一種怎樣的存在？

人工閱卷：一場草芥人命的審判

筆者算是半個教育工作者 這些天來有幸參與了一所中學的語文閱卷。筆者所負責的兩道題一個是古詩文賞析 一個則是漫畫分析。在評分標準上 負責閱卷工作的前輩告訴我們 兩道題目實際上都是按照要點給分 關鍵字答到的越多 要點覆蓋則越全 分數也隨之越高。

在閱卷過程中 筆者在網上閱卷系統上快速敲擊鍵盤 隨著對題目以及答案了解程度的不斷提升 最后兩道大題的閱卷速度幾乎達到了2秒每份。指尖不斷在鍵盤上敲擊著數字鍵和回車鍵 整個閱卷室都是鍵盤的喀嚓聲。短短一個小時內 筆者就將700余份試卷全部批閱完成。而據閱卷組負責老師介紹 這只是高考閱卷的正常速度。

這些其實是走過高考的過來人都懂的一些給分潛規則。后來筆者將閱卷的“門門道道”告訴了一位門戶的編輯同學 這位同學在感概當年自己就如此被“草菅人命”的同時 說了這樣一句腦洞大開的一句話：主觀題閱卷其實也可以將人工智能和大數據分析運用其中埃

這句話對筆者來說頗有啟發。在各類考試系統中 客觀題閱卷技術已經非常成熟 在考試系統中 針對選擇題和填空題的自動閱卷技術被廣泛得應用到各個考試系統中。但主觀題閱卷技術卻一直進展緩慢 其主要原因是一些核心技術還在發展階段 例如：自然語言的理解、模式識別、人工智能等一些技術還處于研究的初級階段。但在前沿技術上 實際上也已經有人對基于人工智能和大數據的主觀題智能閱卷技術進行研究。

智能閱卷：一個真實存在的幻想

主觀題智能閱卷主要采用的技術路線是基于人工智能和大數據分析的自然語言處理技術。

按照主觀題的評分流程 閱卷系統主要分為五個部分：分句、分詞、句法分析、詞語相似度計算以及句子的相似度計算。主觀題智能閱卷系統在進行閱卷評分時 通過對語句語法的相似度直接進行機器打分。

利：提升效率 降低誤差

這一技術擁有極大的優勢。主觀題閱卷雖然在閱卷過程中有一套相對客觀的標準 但是由于具體操作 最后的評分結果往往收到閱卷老師的心情、考生書面整潔程度等第三方因素的影響。而在在高強度、高密度的閱卷工作中 閱卷老師很容易由于眼疾手快地失誤導致閱卷過程中出現紕漏。

傳統的人工閱卷為了減小誤差往往還會出現三評卷、四評卷等人力成本極大的場景。但是 基于人工智能和大數據分析不會存在這類弊端。主觀題智能閱卷系統評分結果比較客觀 不會受到人主觀因素的影響 同時使用計算機閱卷的效率遠遠高于人工閱卷。

更值得期待的是 通過智能閱卷還可以對學生得分點失分點進行大數據分析 以此全面分析學生試卷并得出診斷書 對學生改進學習提出可行的解決方案。

實際運用：“考試后市場”的初體驗

目前來看 雖然沒有專門用于主觀題閱卷的人工智能和大數據技術 但卻人工智能和大數據分析卻已經初步運用在了高考后的估分之中。

按照人工智能和大數據分析技術目前發展的趨勢來看 在教育領域中 試卷自動評閱是教育系統智能化必然的方向。一方面 計算機智能閱卷能避免人為的誤差 能夠更客觀的反映出評閱結果 保證了閱卷的客觀公正性。另一方面 電腦閱卷省去了老師在傳統閱卷模式中主觀題閱卷的體力勞動 讓老師省出更多時間和精力用在教學工作中。

由于技術目前依舊不夠成熟 這一天的到來恐怕還很遠 利用人工智能和大數據分析推動自然語言處理技術的發展 進一步完善主觀題智能閱卷系統在未來教育領域將是一個非常重要的課題。責任編輯：YYX