4月21日晚，未来教育学院主办的未来教育国际沙龙第八期在励教楼A101举行。本期沙龙邀请丹麦哥本哈根大学Mark Johnson博士，围绕“人工智能、数据统计与未来教育评价”的主题，带领大家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。Mark Johnson博士是哥本哈根大学数字化教育高级研究员，利物浦大学视力与视觉科学系荣誉教授，海参崴远东联邦大学“全球科学对话”课程负责人和创始人。活动由崔新博士主持，学院相关教学科研人员以及50余名学生在线下和线上参加。

首先，Mark Johnson博士介绍了数据统计方法与人工智能结合的应用潜力。他表示，在当前，卷积神经网络（CNN）、机器学习和图像数据分类技术以及由斯皮格尔霍尔特（Spiegelhalter）等人首创的用于处理数据的贝叶斯统计技术等数据统计方法与人工智能结合的应用技术已经实现了革命性突破，有大量的证据表明，在某些方面机器的性能正逐渐超越人类专家的水准。数据统计方法和人工智能的结合为部分领域提供了有效的诊断解决方案。

接着，Mark Johnson博士分析了人工智能技术应用于教育评价将面临的挑战。他表示，判断机器提供的结果是否可信是当前面临的最大的挑战；人工智能决策是基于模型和算法得出的，而这种方法可能存在误区；人工智能的有效性通常是以“敏感性”和“特异性”来衡量；机器学习训练不可能完全消除确定性判断中的失误。可能的解决办法是“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”。这种将人工智能评价从预测结果转向预测“正确概率”，可能会对教育产生革命性的影响。

演讲的最后，Mark Johnson博士分析了在未来教育评价方面人类与机器各自擅长的领域。他表示，未来教育评价最基本的问题是要明晰人类所擅长的领域和机器所擅长的领域。将人类活动聚焦于擅长的领域，比如合作研判和对评价中不确定性的处理。与此同时，许多评价不需要人的参与，让机器进行操作方便易行，且准确率高。这样，评价的效率将得以提高，还可以实现自动化，方便学生根据人工智能生成的形成性反馈来评价自己的学习情况。

在自由问答环节，师生进行了深入交流。由于AI是基于以往的数据编码程序的，黄思斯同学关注AI计算的结果有偏向性的问题，她咨询如何避免AI在教育评价中可能出现的这类问题。Mark Johnson博士表示，关键是让AI用于发现不确定性，而不是只让AI给出简单的方案抑或是结论。孙梦老师不理解人工智能对一线教师的意义是什么。Mark Johnson博士表示，人工智能的意义在于它能帮助教师决策而不是代替教师进行决策，对于耗费大量时间与心力的简单工作让AI来完成，这样教师就能够开展更多具有创造性的工作。

沙龙活动在热烈的讨论中圆满结束。