0
近日，專注中文分級閱讀系統(tǒng)的考拉閱讀宣布完成了2000萬美金B(yǎng)輪融資，距去年12月A輪融資過去了9個月時間。
談到A輪以后的最新進展，趙梓淳表示，考拉閱讀App總?cè)栈盍恳呀?jīng)增漲到近百萬，平均日停留時長30分鐘，次日和次周的留存率達到70%以上，產(chǎn)品半年時間發(fā)版26次。
雷鋒網(wǎng)來到考拉閱讀北京辦公室，專訪了考拉閱讀CEO趙梓淳。
中文分級閱讀難點在哪？
分級閱讀有幾百年的歷史，歐美都比較普及。在中國，引入分級閱讀的時間也不短，但是，中國跟美國最大的不同在于，無論是像中文在線還是其他公司，基本上停留在書單形式，根據(jù)學(xué)生年級或年齡來區(qū)分書單。
“但是，真正的分級閱讀應(yīng)該像歐美那樣，根據(jù)學(xué)生的閱讀能力進行匹配。通過分級閱讀把閱讀解放出來，讓孩子找到適合自己的東西。但為什么之前沒人像我們這樣做，最大的難點就在于中文文本難度的測量，即如何科學(xué)劃分文本難度的等級?！?/p>
首先，中文和英文存在著非常大的差異，不同于西方印歐語系繁復(fù)的格標(biāo)記語法系統(tǒng)，漢語語法過于靈活、意合語義相當(dāng)復(fù)雜。英文的基礎(chǔ)組成單位是26個字母，中文的組成單位是字，常用的漢字大概就有3500個。《康熙字典》收錄的漢字大概就有8萬到10萬個漢字，這種復(fù)雜構(gòu)成的稀缺性會導(dǎo)致分析中文的時候，往往需要更龐大的語料。
第二，現(xiàn)代漢語的歷史很短，中國的學(xué)者、專家，對中國的漢語言、語言學(xué)的一些累積和沉淀其實很少，真正進行科學(xué)化的一些研究時間并不長，積淀也不夠。
第三，分級閱讀還涉及到數(shù)據(jù)挖掘、語言學(xué)、測量心理學(xué)、閱讀測量學(xué)等各學(xué)科的聯(lián)動。
最后，更關(guān)鍵的是，在深度學(xué)習(xí)普遍應(yīng)用之前，沒有技術(shù)能解決這樣的問題。10年前或者20年前的技術(shù)，其實不太能解決當(dāng)時遇到的這個問題，例如美國的藍思分級，主要運用的是語言學(xué)家傳統(tǒng)的統(tǒng)計學(xué)，所以其實沒有用太多的高深的技術(shù)。中文閱讀分級要想完成規(guī)?；慕鉀Q方案只能依賴于現(xiàn)代科學(xué)技術(shù)的發(fā)展。
據(jù)介紹，考拉閱讀歷時兩年，構(gòu)建起全球最大的中文分級底層語料庫，結(jié)合語言學(xué)、測量心理學(xué)以及深度神經(jīng)網(wǎng)絡(luò)為代表的前沿AI算法解決了這一難題。
“我們邀請常年參加教學(xué)研究的專業(yè)學(xué)者和經(jīng)驗豐富的教學(xué)專家參與難度判斷和標(biāo)準(zhǔn)制定，通過上萬篇文本測試，發(fā)現(xiàn)準(zhǔn)確度能達到93%左右?！?/p>
AI驅(qū)動的學(xué)習(xí)系統(tǒng)
圖片來源：考拉閱讀App界面
考拉閱讀的產(chǎn)品有學(xué)生端、教師端App，還有考拉家長微信小程序。有兩項特點。
一是游戲化。“我們最早做考拉閱讀產(chǎn)品時，借鑒了國外的產(chǎn)品，做的比較嚴(yán)肅，缺乏游戲和動漫色彩。但做了一段時間后發(fā)現(xiàn)，嚴(yán)肅產(chǎn)品對中國學(xué)生缺乏吸引力，小學(xué)生還是喜歡比較游戲化的東西，后來對此做了調(diào)整，引進了一位優(yōu)酷少兒的設(shè)計師，使整個UI和孩子的契合度越來越高。”
雷鋒網(wǎng)試用了考拉閱讀學(xué)生端App，主界面第一欄即為“短文星球”小游戲；第二欄的「探索世界」為ER值不同的閱讀文本；第三欄「聽書電臺」為和喜馬拉雅合作的音頻欄目；第三欄為組詞闖關(guān)游戲，第四欄又轉(zhuǎn)為標(biāo)注ER值的故事文本，此外，還有童話島、每日晨讀、書籍專題、同學(xué)熱讀、書籍海洋等閱讀欄目。
二是AI驅(qū)動?！拔覀兪菍⒌讓拥腁I算法應(yīng)用到產(chǎn)品層面。這套算法類似于今日頭條，只不過今日頭條是內(nèi)容推動算法，無論是交叉推薦還是做用戶畫像，都是根據(jù)興趣推薦用戶喜歡的內(nèi)容。而我們的推薦算法是根據(jù)學(xué)生閱讀能力進行匹配，使用的頻率越多，推薦的準(zhǔn)確度就越高?！?/p>
圖片來源：考拉閱讀提供
“因為中文句子相較英文要復(fù)雜得多，機器在理解中文第一步時就會遇到詞性分析、語言模型上的困難。所以，有賴于現(xiàn)在流行的AI技術(shù)，如RNN、LSTM等深度學(xué)習(xí)技術(shù)，可以彌補中文在NLP上的缺失。我們將一個句子按照句法樹、依賴關(guān)聯(lián)等予以拆解，以分析每一個成分在句子中的比重，從而實現(xiàn)閱讀文本的難度分級。”
據(jù)介紹，考拉閱讀一共處理了1300萬字的非平衡語料庫和2億字的平衡語料庫。其中，非平衡語料庫主要來自各個版本的小學(xué)教材及其教輔資料；平衡語料庫指一個孩子在日常生活中需要真實接觸的語料，如，按照一位10歲小孩需要看20%的名著小說、50%的課文和20%的漫畫這種比例來配語料庫。
考拉閱讀的人工智能主要應(yīng)用，除了打造底層分級標(biāo)準(zhǔn)，還有自適應(yīng)學(xué)習(xí)系統(tǒng)，即學(xué)生端App會根據(jù)學(xué)生閱讀能力自動推薦相應(yīng)內(nèi)容。
談到現(xiàn)在火熱的自適應(yīng)學(xué)習(xí)，趙梓淳表示，自適應(yīng)學(xué)習(xí)不宜被過分夸大，基于知識圖譜的自適應(yīng)學(xué)習(xí)有一定意義，可以避免學(xué)生重復(fù)做已經(jīng)掌握的題目，節(jié)省時間提高效率，“但這件事并沒有多難，其實就是把知識圖譜做的足夠細，而這個主要考驗的是教研能力，那你說這個事兒有多顛覆呢？坦白說，沒有多顛覆?！?/p>
此外，考拉閱讀也正在進行智能語音產(chǎn)品研發(fā)，可以通過語音輸入測試學(xué)生的普通話標(biāo)準(zhǔn)程度。
打造中國的“藍思標(biāo)準(zhǔn)”
國外的分級閱讀標(biāo)準(zhǔn)體系已經(jīng)很成熟，比如培生公司推出的測定少兒英文閱讀能力的DRA（Developmental Reading Assessment）發(fā)展性閱讀評估體系；英國 Renaissance Learning 公司開發(fā)的AR（Accelerated Reader）分級系統(tǒng)；還有著名的藍思閱讀測評體系（The Lexile Framework for Reading），該體系由美國Metametircs教育公司經(jīng)過15年研究開發(fā)出來，美國使用藍思的機構(gòu)遍布50個州，約覆蓋全國學(xué)生人數(shù)的50%。
藍思閱讀測評體系從讀物難度和讀者閱讀能力兩方面進行衡量，使用的是同一個度量標(biāo)尺，因此讀者可以根據(jù)自己的閱讀能力，選擇適合自己的讀物。難度范圍為0L~1700L，數(shù)字越小表示讀物難度越低或讀者閱讀能力越低，反之則表示讀物難度越高或讀者閱讀能力越高。主要從兩個維度來衡量讀物難度，即語義難度（Semantic Difficulty）和句法難度（Syntactic Complexity）。
考拉閱讀推出的中文分級閱讀標(biāo)準(zhǔn)（ER Framework ）借鑒了國外的“詞、句”的分析思想，度量方式也和藍思極為相似。（ER為考拉閱讀品牌所屬公司享閱科技的英文名Enjoy Reading的縮寫。）
圖片來源：考拉閱讀提供
一方面，把任意的中文文本測出來，從200ER到1300ER，以10為一個進制。另一方面，運用測量心理學(xué)、閱讀測量學(xué)和語言學(xué)的方法，測人的閱讀能力，也是從200ER到1300ER，以10為一個進制。
“如果一個孩子測出來是600ER的閱讀能力，他到底能夠看多大難度的文本？是600還是610？我們提出一個叫ZPD ( Zone of Proximal Development ) 的概念，借鑒了著名心理學(xué)家維果斯基提出的‘最近發(fā)展區(qū)’，即能力范圍內(nèi)可以做得到的區(qū)間。 別總做一些很簡單的事情，但如果做特別難的事情，久而久之也喪失信心?！?/p>
“例如600ER的孩子，我們做了大量的實驗，她/他的ZPD范圍大概是550到700。這個區(qū)間代表了孩子探究文本的理解程度在50%到59%之間，既不會因為文本太難而讀不懂，也不會因為文本太簡單而讀不到新內(nèi)容?！?/p>
圖片來源：考拉閱讀App截圖
具體測試方式，趙梓淳向雷鋒網(wǎng)解釋，是在手機上進行時長約三分鐘的測試，即可估測學(xué)生的閱讀等級。
至于商業(yè)模式，“目前主要是和公立學(xué)校合作，已經(jīng)在二、三線城市的近萬所小學(xué)落地。未來一定是ToC的，但現(xiàn)在沒有做任何嘗試，學(xué)生、老師和家長都可以免費使用。我們目前其實還不太考慮盈利的事，先擴大規(guī)模，如果說全中國小學(xué)生最后能夠用ER值來表征自己的閱讀能力，所有的人都用ER值來表征文本難度，這件事情背后蘊藏著很大的機會?！?/p>
“我們準(zhǔn)備明年公布整個底層標(biāo)準(zhǔn)，所采用的算法也可能會相繼公布?！?br/>
當(dāng)雷鋒網(wǎng)問到考拉閱讀目前面臨的最大挑戰(zhàn)是什么，趙梓淳表示:“最大的挑戰(zhàn)是沒有競爭對手可以對標(biāo)。這條路以前沒有人走過，不知道參照誰，每一步都要靠自己摸索?！?/p>
相關(guān)文章：
考拉閱讀完成2000萬美元B輪融資，用AI技術(shù)自研中文分級閱讀系統(tǒng)
考拉閱讀CEO趙梓淳：如何利用AI、語言學(xué)做出國內(nèi)首個中文分級閱讀系統(tǒng)？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
