用人工智能和眼动追踪技术来弥合识字能力差距

Lexplore和Tobii的成功故事

我发现令人惊讶的是，即使是一些世界上最富裕的国家，也未能解决小学生阅读能力低下的问题。尽管我们拥有知识、材料和资源，但仍有一些孩子很难得到帮助。这些孩子将继续在一生中面临学习困难，导致自尊低下，生活幸福感低于平均水平。然而，通过适时的干预，问题是可以解决的。

根本原因之一是缺乏系统化的阅读发展和共同目标，这些问题并不能通过投入更多资源来解决，而是需要数字化转型。这正是我们的合作伙伴之一Lexplore的所追求的目标：利用人工智能和眼动追踪来进行筛选和分析，系统化阅读评估，制定共同目标，以便教师可以专注于补救和跟进。

他们的故事有许多方面。首先，它展示了人工智能技术如何改变教育中的手动评估，以及其他领域。这是一个经典的科技造福故事 - 一个关于如何利用研究解决问题的创业公司的故事，他们通过原型设计和大量耐心实现商业化，并通过这样做产生了洞察力。更令人瞩目的是，它突显了人工智能和云计算如何利用洞察力来生成更深层次的见解 - 将数据收集从研究实验室转移到实时捕捉。

虽然Tobii的技术是故事的根源，我们不能为Lexplore取得的成就负责，但没有眼动追踪，他们的解决方案是无法存在的。即使我在Tobii工作了十多年，我仍然对我们的合作伙伴利用基本上是一种测量设备的东西所做的事感到非常震惊。

所以，这就是我要开始的地方 - 从测量方法开始。

关于测量

您可能对心率、最大脉搏和随年龄下降的了解比较深，也大致知道对应年龄段应有的数值。心率是一个简单但非常有指示性的身体指标。如果一名运动员无法达到最大脉搏，可能正在对抗感染或处于压力之下。其他有用的指标包括体温、体重、血压、BMI等等。单独看这些数据可以让我们对自身的健康状况有一瞬间的了解。我们之所以知道这一点，是因为很多人花费了很多时间进行研究，测量人体，观察结果并提供证据。

当数据连续地进行测量时，数据点会呈现出一种趋势，这通常会讲述一个更有趣的故事。高峰和低谷可能会揭示我们的行为、饮食、运动量和压力水平的影响。我知道这些并不新鲜，不值得报道。但有一个重要的细节很容易被忽视、略过或甚至忽略，因为它似乎太平常了。那就是一致性的概念——连续的定期测量。

在极端的情况下，一致性的测量是不可行的，因为时间不断变化，任何两个测量至少受到这一因素的差异。但还有很多其他的影响因素可能会对测量结果产生影响：测量过程、进行测量的人员、使用的工具、人的注意力分散程度、压力水平、时间、环境照明、室内温度等等——我想您已经明白了我的观点。为了获得准确的分析结果，数据需要科学地收集。

生成统一的数据点的最佳方式是使用机器。机器——即使它们被编程有偏见——总是以相同的方式进行测量，它们不会情绪波动，如果你设计它们能够承受运行环境的波动，它们就会提供一致的数据集。

如果您能轻松复制那台机器，那么您创造了一种能够产生客观数据的通用测量设备，超越了边界、阶级和人类偏见。

这正是我们为Lexplore所做的。我们为他们提供了一台通用测量设备——一台他们可以在世界任何地方运送的机器，只需插上电源就可以使用。

如何确定要测量什么？

但是你如何知道要测量什么？我们是如何确定心率是一项重要指标的呢？简单地说就是通过研究。显然，你需要有一个想法，好奇心，并准备好投入工作。我们的许多合作伙伴都有科学研究根源，特别是与眼动相关的研究，Lexplore也不例外。

这个故事始于对儿童阅读和写作能力进行的最广泛研究。在八十年代，瑞典进行了一项研究，旨在更好地理解阅读障碍，并跟踪了大约200名孩子从十岁左右到成年初期。结果是一组统计模型，可以准确地识别哪些学生在阅读过程中产生的眼动模式表明他们最终会具有较低的阅读能力。

在近年的一项研究中（2007年），科学家Gustav Öqvist Seimyr和Mattias Nilsson Benfatto利用初步研究中开发的统计模型构建了一个原型评估系统。这两位科学家认识到他们的工作潜力，可以弥合识字差距，于是Lexplore诞生了。

从原型到应用

一旦您确定了想要衡量的内容，并且可能已经制作了一些原型，下一步就是商业化——构建一个可以在任何机器上运行的应用程序，尽可能少的需要额外的硬件，并且符合安全标准和现代设计原则。当Lexplore开始探索商业化时，Tobii的技术并不像今天这样即插即用，但其准确度水平非常适合Lexplore将其原型机推向下一个级别。

我认为值得一提的是，在他们开始构建解决方案时，Lexplore做出了一些关键的基本观察，这些观察对他们的整体成功至关重要。第一个观察是易用性。与许多其他领域一样，时间在教育中是宝贵的。在行政任务上花费的时间就是没有用来教孩子的时间。因此，无论他们将提出什么解决方案，Lexplore都知道他们必须开发出一些低门槛的东西，但也需要提供比现有的经过验证的方法更大的价值。

他们做出的第二个选择与他们的系统架构有关——选择分割构造，一些处理和存储在本地PC上，但大部分的繁重工作和分析都在安全云端进行，以便解决方案可以在任何PC上运行。

这两个决定导致Lexplore在UX设计和流程优化方面投入了大量资金，使用彩色编码和独特的评分系统来为教师提供对学生阅读能力的即时和易于理解的分析。

理解数据的含义

我不是一名教师，但我可以说，Lexplore 提供的结果非常容易理解，你不需要成为一名教师，也不需要成为一个火箭科学家——虽然基本的统计学理解会有所帮助。

该图表展示了Lexplore是如何将微小的眼睛运动翻译成一种阅读注视（气泡）和眼跳（线段）的阅读模式。固视的大小显示了学生停留在单词上的时间。气泡越大，学生理解前方内容所需的时间越长。眼跳显示了一个人在一段文字中如何来回跳跃。通过一瞥，你可以看出学生是否遇到了困难。

根据一段文本的默读和另一段文本的朗读，该解决方案可以测量阅读速度，并根据学生的年级分配一个独特的Lexplore分数。

根据学生所代表的标准分，学生会被按颜色代码进行区分。这可以立即为教师提供孩子能力的视觉线索。以390分为例，这个学生属于第5级标准分区间，表示他们在同龄人中具有平均阅读能力。

比较是可以进行的。例如，您可以看到一个班级如何随时间的推移表现，以及他们与全国平均水平的比较情况。

颠覆性的数据

这一切都跟数据有关。有人在工作中说过“洞察力产生洞察力”，虽然这听起来有点模糊，但我认为他们的意思是，一旦你开始深入挖掘数据，模式就会开始显现。但你首先需要生成数据，并且需要随着时间的推移来做到这一点。

而且这正是Lexplore所做的。通过系统化和定期检查，他们为每个学生生成了一份历史记录。一旦去标记化，这些数据可以贡献给聚合观点。就像我们为不同年龄组开发了健康的心率一样，Lexplore为不同年龄组的儿童阅读能力生成了平均分数，他们可以比较同一地区内的学校，并创建国家平均值——提供传统方法所缺乏的系统化方法和共同目标。

这意味着通过对儿童进行筛查，我们还生成了阅读能力如何发展的统计数据。例如，Lexplore已经使用实时数据显示了由于冠状病毒大流行导致的实际阅读能力下降。

这种实时洞察力为学校、地方议会和政府提供了它们需要的数据，以便在需要的地方增加资源，而不是在假定需要的地方。

揭示未知的未知因素

Lexplore解决方案提供的是一种快速筛查和分析学童阅读能力的方法。使用传统的方法，老师可能需要几个月的时间来筛查和分析一个班级的学生。而使用Lexplore仅需几个小时。但他们的解决方案真正神奇的地方是揭示了那些未知的情况。

特殊教育老师擅长识别阅读能力较低的学生（上面截图中的红色区域），以及那些出类拔萃的学生（深蓝绿色）。困难在于那些中间层次的学生（橙色），尤其是那些已经发展出传统筛查技术无法检测到的应对能力的学生。学校的反馈令人鼓舞，因为使用这个解决方案的教师们说它创造了之前并不存在的阅读文化。

由于Lexplore选择了眼动追踪作为他们的基本测量工具，并且因为人们无法完全控制自己的眼睛运动，基于眼动的评估无法作弊——这样一来，就不会再有一大批学生被漏过筛查。

总而言之，我想要向研究人员和Lexplore的每一个人表示感激，因为他们让这个解决方案变为现实。我唯一的愿望是，每所学校都能够接触到这样的解决方案，这样就不会有任何一个孩子被漏过。还有很长的路要走，需要添加许多语言，但至少我们知道这是可能的。

如果你想更深入地了解Lexplore解决方案，请看一下我们的Lexplore案例研究。你可以在Lexplore.com上了解更多关于这家令人惊奇的公司的信息。