Ativion 使用 Amazon Nova 基础模型为生成式人工智能课堂管理解决方案提供支持

ContentKeeper 是 Ativion 专有的一项内容筛选服务，可以为 80 个国家/地区的 1000 多万名学生提供保护。这款经过验证的解决方案仍然是该公司的核心产品之一。当展望下一代的课堂支持工具时，Ativion 团队发现了在 ContentKeeper 的坚实基础上进行构建的机会。StudentKeeper 是一款由 ContentKeeper 提供支持的解决方案，利用生成式人工智能的力量来筛选内容、分析访问模式，以及向教师和管理员提供近乎实时的洞察。“ContentKeeper 是一款出色的筛选解决方案，”Ativion 首席技术官 Lionel Farr 表示。“使用 StudentKeeper，我们又向前迈进了一步 – 将这些数据转化成切实可行的洞察，以便为教育工作者赋能并改善学习环境。”

之前通过 ContentKeeper 收集的数据非常丰富，而且可能蕴含着大量的洞察。当使用 ContentKeeper 时，学校每天创建 2 到 4 亿个数据事件。这些数据捕获了学生们访问内容的方式、内容访问活动的持续时间以及其他的学生行为。通过管理和筛选这些大量的数据，可以帮助学生们进行学习，并为教师们提供新的功能。这些数据还可以为教育工作者发现宝贵的洞察、找出可能的盲点以及改善教育体验。“除了筛选以外，学校还需要能够管理课堂并切实了解每一名学生的数字肢体语言，”Farr 说道。“而且我们需要让教师们的生活更加轻松，因为技术会使他们的工作变得更加复杂。”

Ativion 的团队包括数十名拥有丰富教学经验的一线成员，他们对这些挑战了如指掌。“当学生们使用笔记本电脑时，课堂管理是一项严峻的挑战，”Ativion 产品运营专家、拥有 23 年课堂教学经验的前任教师 Travis Merritt 表示。“防止学生分心和开小差就像玩打地鼠游戏一样。你可以对心不在焉的学生点名，可是一旦你从他们面前走开，他们马上就会故态复萌。”

不过，Ativion 的目标并不是加强课堂监控。“当孩子们做他们不该做的事情时，阻止他们、举报他们、抓他们的现行——我们可不想这样做，”同样拥有多年教学经验的 Ativion StudentKeeper 产品经理 Channing Anderson 说道。“我们希望利用现有的数据来了解课堂里发生的事情，并改善学生和教师们的体验。是的，我们希望注意那些伤害自己或者影响他人学习的学生。但在一个更高的层面上，我们希望创造一个积极的环境，奖励学生们保持专注力并负责任地使用技术，从而大大简化教师们的课堂管理和学生培养工作。”

当 Ativion 开始构建 StudentKeeper 时，成本是一个关键考虑因素。该团队曾经花费几个月的时间试验和运行由生成式人工智能提供支持的试点应用程序，并且敏锐地意识到，成本会随着使用量的增加而上升。当推出新的解决方案时，他们并不希望由于额外收费而导致解决方案难以推广，因此在推理的质量和成本之间取得平衡成为了 StudentKeeper 的首要任务。

当 Ativion 构建学术资源和智能助手（ARIA）（由人工智能提供支持的 StudentKeeper 核心）时，Farr 和他的团队开始试用通过 2024 年年底发布的 Amazon Nova 基础模型提供的各个版本的模型。“当我们着手探索模型时，团队开始提出各种想法，他们意识到，由于使用 Amazon Nova 基础模型可以实现高质量、成本效益和高速度，我们可以在 StudentKeeper 中利用生成式人工智能做更多的事情，”Farr 表示。

在评估期间，该团队发现，Amazon Nova Pro 和 Amazon Nova Lite 模型在 ARIA 的多层人工智能功能中提供了不同的使用案例所需的多个性价比等级和功能。“作为一个人工智能助手，ARIA 需要响应信息请求，”Farr 说道。“我会指定系统提示，比如‘向我介绍一下中国的长城’，而 Amazon Nova Pro 非常擅于以对话形式提供结构化反馈，我们希望通过这些反馈来了解师生们截然不同的需求。我们发现，在 ARIA 的运营方面和战术方面，例如快速提供持续的学生注意力排名，Amazon Nova Lite 模型是正确的选择。它的响应速度非常快，可以帮助教师们在课堂中近乎实时地进行调整。我们还发现，Amazon Nova Pro 和 Amazon Nova Lite 的成本都低于我们针对相同的任务评估的其他模型。” 实际上，Ativion 发现，与同类模型相比，Amazon Nova Pro 的交付速度提高了 30%，而 Amazon Nova Lite 的成本效益高出 700% 以上。

根据对 Amazon Nova 基础模型进行的评估和探索，Ativion 选择了 Amazon Nova Pro 和 Amazon Nova Lite 来支持多种关键的生成式人工智能使用案例。“使用 Amazon Nova 基础模型，我们获得了 ARIA 所需的准确性、高性能、可扩展性和可负担性，”Farr 表示。“正因为如此，Amazon Nova 基础模型成为了 StudentKeeper 的基础。”

该团队选择了 Amazon Nova Pro 来支持更复杂的 ARIA 人工智能功能，并将 Amazon Nova Lite 用作一种高效率、低成本的实用模型。“根据我们正在做的事情以及我们正在支持的使用案例，我们会在模型之间切换解决方案，主要是为了实现高速度和成本效益，”Farr 说道。Ativion 在 Amazon Bedrock 上构建了 StudentKeeper，这项完全托管式服务提供了多种高性能的基础模型，可帮助根据具体的使用案例在 Amazon Nova Pro 和 Amazon Nova Lite 这两款解决方案之间无缝切换。Amazon Bedrock 的内置安全性可以始终保护敏感的学生数据，而 Amazon Bedrock 护栏提供了安全措施，Ativion 可以根据使用案例和负责任的人工智能政策为生成式人工智能应用程序配置这些安全措施。

Amazon Nova 基础模型为 ARIA 的三项核心功能提供支持，这三项核心功能包括安全的人工智能助手、学生洞察和教师支持。Amazon Nova Pro 为 ARIA 的人工智能助手提供支持，该助手可帮助学生们安全地探索人工智能，同时为教师们提供了大量的支持工具。当学生们使用 ARIA 来探索主题和深化学习时，Amazon Bedrock 护栏可提供安全措施，以防止不恰当或未授权的人工智能响应。

根据每名学生在课堂中进行的搜索和活动，ARIA 使用 Amazon Nova Pro 和 Amazon Nova Lite 来收集数据并计算近乎实时的监控和注意力分数，以便呈现每名学生的学习投入度。这些及时的洞察可以帮助教师和家长们更详细地了解学生们的进度，这样他们就可以在必要时重新让学生们集中注意力。这些模型还会举报需要主动解决的潜在安全问题。

ARIA 使用 Amazon Nova Pro 的智能文档处理功能来加速耗时的任务，例如为数十名学生准备关于进度和问题的持续笔记。Amazon Nova Pro 会提取基本信息、对其进行编辑以提高明确性和完整性，并自动填充所有的必填字段。“使用 Amazon Nova Foundation 模型，我们能够让教师们更轻松地完成管理任务，这样他们就有更多的时间专注于提供自定义的学习体验，而不是埋头于繁忙的工作，”Farr 表示。过去，教师们每天只能撰写几条笔记，而且通常是在放学后撰写的。而使用 ARIA 和 Amazon Nova Pro，教师们可以在几分钟内撰写数十条准确、完整的笔记，因此有助于快速识别模式并指导进行及时的干预。

StudentKeeper（目前处于 Beta 版测试阶段，将于 2025 年夏天推出）的早期用户对它提供的功能和体验给予了积极的反馈。StudentKeeper 的创新技术赢得了教育技术行业的认可，该产品荣获了“中等教育”类别的“技术和学习卓越奖：2024 年最佳产品奖”。

StudentKeeper 的部分吸引力在于，它能够让学生和教师们轻松使用复杂的生成式人工智能功能，并且具有提供引人入胜的体验所需的快速响应能力和可靠性。“Amazon Nova 基础模型正在幕后工作，以便提供快速、可靠的信息、洞察和帮助，”Farr 说道。“但是对于学生和教师们来说，它们是不可见的，他们只是将 ARIA 视为课堂体验的一部分，因为归根结底，我们的目标是利用生成式人工智能来提高教师们的效率，同时帮助学生们更好地进行学习，只要让所有人都能轻松使用 ARIA，就可以实现这些目标。”

教师们的广泛意见帮助塑造了 StudentKeeper 的设计和功能，这对于早期的用户来说是显而易见的。“他们可以看到，StudentKeeper 是由教育工作者为教育工作者打造的，”Anderson 表示。“从解决方案工程到营销，我们的 Ativion 凝聚了拥有各种教育背景的人员的心血。我们投入了全部的精力和经验来构建解决方案，我们知道，我们需要高效地管理课堂，将重点重新放在教学上，并保持学生们的投入度和安全性。”

通过在 Amazon Bedrock 上使用 Amazon Nova 基础模型来构建 StudentKeeper，Ativion 团队提供了 ARIA 的各种使用案例所需的高质量和高速度。在 Ativion 为 StudentKeeper 的投产做准备之际，Amazon Nova 基础模型将帮助该公司以可靠、经济高效的方式在全球范围内推广 StudentKeeper。

展望未来，Ativion 团队希望不断发展和改进 StudentKeeper 的生成式人工智能功能。“我们会继续扩展我们在 Amazon Nova 基础模型和 Amazon Bedrock 上进行构建的方式，以便推动教师门的教学之旅并增强学生们的教育体验，”Farr 说道。“我坚信，生成式人工智能永远是他们生活的一部分，因此我们要以正确的方式将生成式人工智能融入到课堂中，这对于 K-12 基础教育和更高级别的教育至关重要。”