教育行业专题研究报告-自适应教育-千亿教育信息化红利的点金石.docx

??

?

??

教育行业专题研究报告

自适应教育，千亿教育信息化红利的点金石

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

一、自适应教育：在教育行业深度挖掘信息化红利

（一）传统教育行业在信息化时代的不足与机遇

信息化早已深入人类社会的方方面面，但我们注意到，教育行业，依然在某种程度上并没有跟上信息化的快车：

从整体形式上，一个老师台上讲，N个学生台下听，这种延续了几千年单向输出模式仍然没有太大变化，网络课堂也仅是把教室搬到了网上，1对N模式没有变化；

在学生作业上，纸和笔因为各种原因，保持了相当得“顽强”，在办公领域“无纸化”依赖PC/移动计算普及而成功的今天，纸笔却依然顽固得留在了课堂内；

在学生学习评价上，主观题评价完全依赖老师“主观”判断，有一定的随意性和随机性的问题也始终无法解决。这个问题在中高考这样选拔性高利害性考试特别严重。缺乏信息化的结果就是，行业内依然存在大量的信息摩擦成本，低效和浪费，反过来，如果行业能够大幅度推进深度信息化和智能化，则能够收割一波“信息化红利”；

在教学上，老师1对N向学生单向宣讲造成了a)老师缺乏对学生了解，b)全班统一进度必然造成一部分学生学不懂，一部分学生却觉得太简单，这造成了学生时间的浪费，并影响了学生的效率。

解决这一问题可以提高学生的学习效率；

在应试需求下，题海+纸笔就是重复性的灾难。学生在做题之前几乎无法了解一本习题集是否有效，但是做完之后时间已经成为沉没成本，科大讯飞在一项包含35亿数据的研究中证实中国中小学生作业的有效率约40%。如此之低的效率甚至好于人们日常感受。解决这一问题可以大幅度提升学生在应试制度下的时间效率；

主观题依靠人力批改不仅是教育行业的“重脑力活”，而且高考评分标准不一和随机性也是教育主管部门，学生家长和老师的共同痛点。解决这一问题可以大幅度提升教师的时间效率，提升学生，家长和教育主管部门关切的考试公平有效性；

（二）自适应教育简史和基本原理

随着计算机技术和信息化的发展，海外和国内也不断的有公司尝试对教育行业做深度信息化改造，在众多尝试中，自适应教育（adaptivelearning）被公认为为最有希望成为下一代教育形态的创新型信息化教育解决方案：

早至1996年，美国就有开始“自适应教育”相关的尝试，但当时的基础算法以及计算机硬件算力都不支持在教育行业复杂的应用；

2006年深度学习deeplearning算法发表后，教育相关的应用（识别，模型）基础算法才成为可能，2008年~2012年，从美国到韩国，各类AI+教育初创公司成立；

2013年为国内AI+教育的元年，包括猿题库，作业帮等依靠技术试图改造传统教学流程的公司先后成立；

2018年之后，教育部开始发文，推进AI+教育在公立体系内落地；当前的自适应教育，其主要技术原理，暗合了中国古代传统教育理念“因材施教”，让信息系统高频度的和学生互动，通过互动采集学生的学习信息：

对整个学习目标，（基于应试的考纲）建立完整的知识图谱，并为每个学生建立个性化画像图谱；

在每一次通过题目-回答的互动中，“读懂”a)题目的含义和意图；b)学生的回答；

在参考学生已有的知识图谱前提下，综合判断学生回答的正误，以及错误的点，对应到学生的个性化画像图谱上并更新图谱；

向学生推送新的测试，形成“自适应”闭环表面上看以上的自适应闭环并不复杂，但其实很多关键点有相当高的技术难度：

让计算机系统“理解”题目和学生回答就已经极难，涉及了OCR，语义理解等诸多AI技术，而部分领域近年才在算法上有一定突破；时至今日，仍有相当多的功能，如学生问答题，证明题，主观题答案，计算机系统无法很好理解；

判断学生的出错并更新学生的画像需要对教学过程有极深度的理解：学生答错一道选择题，有数种可能，绝非简单记录这道题再推送一遍类似题目就可以解决；

对学习过程的全流程数字化，意味着一个庞大的数据库，知识图谱库和画像库；

（三）中外教育市场环境的不同以及中国市场的巨大潜力

在自适应教育的发展历史上，我们需要注意到的一个现象是中国和东亚自适应教育系统虽然起步较晚，但成长性有明显的差别：

美国的自适应教育先驱Knewton最早在2008年创立，但最终收场惨淡，累计融资1.8亿$，最终被并购的时候估值不超过1000万$；

韩国知名自适应教育公司KnowRe探索在数学领域适用自适应教育，最终也没能独立发展，被韩国最大的课外互联网教育公司并购；

中国的猿题库，松鼠AI起步明显晚于前两者，但是近年发展态势均较为迅猛，猿题库的母公司猿辅导在最新一轮的融资中，估值据信超过200亿美元；除了公司不