工具类服务
编辑部专用服务
作者专用服务
基于大数据的牛顿平台自适应学习机制分析——“教育大数据研究与实践专栏”之关键技术篇
个性化和自适应学习系统是教育大数据应用服务的主要阵地,自适应学习系统能够采集学习过程中的行为数据,并对学生的学习兴趣、知识水平、学习风格、学习进度等做出分析和预测,以提供个性化的学习服务.近年来被学术界和企业界所广泛认可的典型自适应学习平台——牛顿平台(Knewton Platform)正逐步兴起,文章从自适应原理、核心技术、自适应服务三个方面对牛顿平台进行了剖析,以期能够为教育大数据分析研究人员和自适应学习平台设计者提供理论参考和技术借鉴.
WAN Hai-peng
作者单位：
北京师范大学教育技术学院,北京,100875
年，卷(期)：
在线出版日期：
基金项目：
北京师范大学教育学部学生科研基金资助项目“泛在环境下自适应在线学习模型的设计与实现——以学习元平台为例”
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目（编号：2006BAH03B01）(C)北京万方数据股份有限公司
万方数据电子出版社当前位置： >
　　K12自适应学习平台Knewton于近日宣布完成了5200万美元F轮融资。
　　Knewton的核心产品是在线学习工具。自适应学习平台可以通过数据收集、推断及建议三部曲来提供个性化的教学，并针对每一位学习者的个性化需求进行适配。相较于MOOC，自适应学习平台通过量身定制的学习产品似乎能够更好的促进学习。
　　本轮融资由比利时公司Sofina和来自伦敦的Atomico领投。新加坡金融投资公司EDBI，以及之前的投资者AccelPartners、BessemerVenturePartners、FirstMarkCapital和FoundersFund参投。值得一提的是，在年前宣布与Knewton达成在线教育合作的国内K12教育机构好未来也参与了本轮投资。
　　Knewton方面表示本轮融资为公司至今为止最大的一笔投资。对于未来的规划Knewton称，将与行业领先的出版商和教育公司合作加速学生个性化学习方案的产品研发。与此同时，公司未来将把部分资金用于拓展国内外的运营团队，其中将包括技术、销售、实施和技术支持团队的建立。此外，Knewton计划将在未来重点拓展包括中国、日本、印度和新加坡在内的亚洲市场。
　　近年来,Knewton世界各地特别是亚洲地区的合作十分频繁。今年1月，Knewton与培生集团宣布合作建立个性化K-12数学教育产品。Knewton将通过自己的自适应平台支持培生目前拥有600万学生用户的enVisionMATH课程系统，合作后的版本为enVisionMATH2.0，并在2016年秋季推出3-5年级的课程。此外，该课程将在2017年拓展到其他年级。
　　今年1月，Knewton还与好未来签署全方位的业务合作协议，根据协议规定，Knewton将帮助好未来搭建针对每位学习者个性化需求的在线课堂资料和学习平台。除了与好未来建立了投资和技术合作关系之外，Knewton还与国内中小学作业平台一起作业网确立了合作关系。
　　2014年4月，Knewton宣布与韩国教育公司Chungdahm合作，Chungdahm将使用Knewton的自适应平台优化其课堂、课后和补习学习产品，同时将共同扩展全球市场。
　　此外，Knewton还与日本教育机构Z-kai、丹麦出版商GyldendalDemark、高校教材供应商FlatWorldEducation、巴西学习平台Kroton、印度教育公司TataClassEdge、美国在线虚拟高中FloridaVirtualSchool进行了多项技术合作。
　　自2008年成立以来，Knewton曾获得过数轮投资。2015年10月，Knewton获得了4225万美元投资。2013年12月，获得由Atomico领投的5100万美元E轮投资。2011年获得由FoundersFund领投的3300万美元融资。2010年，FirstMarkCapital领投了Knewton的1250万美元C轮融资。Knewton的产品自2013年开始已经实现了盈利。
产业投资内参
有价值的产业投资参考
产业投资咨询服务专家
来源：36KR
关键词：自适应学习平台 Knewton 融资
　　据消息，声音社交APP陪我宣布，其已于2015年下半年完成6000万人民币A轮融资，该轮融资由信中利资本领投，IDG资本、清控科创、中科资本以及时尚集团跟投。
&...　　据陪我App CEO孙宇晨透露，目前陪我App的主要用户为90/95后年轻人，集中于各大高校和高中。
　　近日，声音社交APP&陪我&宣布，其已于2015年下...　　近日，充电网宣布完成了由凯睿超投资、尚势资本和鹏德创投以及郑靖伟先生的近2000万美金的A轮融资，本轮融资将主要用于拓展业务和扩大团队规模，此前，充电网...　　据消息，拥有阅卷易与码上学两大在线教育平台的深圳远景同程19日上午宣布，近期完成了5000万元的A轮融资。
据了解，本轮融资由...　　一家以微信为主体的英语培训沟通机构&面包英语&近日获A轮融资，投资方为智明星通CEO唐彬森，融资额未透露。
　　面包英语以微信为主体，开创了...
　　之前写过《赴美生子产业正在爆发：中介模式以外还有哪些机会？》这篇文章，不少相关公司纷纷对此表示感兴趣并且现身说法。海那边就是其中的一家，下面看看这...　　不管是闲散的时间太多了，还是碍于财务、空间上的阻碍，虚拟聊天室成了潘棵钦已吧畲嬖诟械氖サ亍１热纾QQ聊天室在当时就是这么风靡的，但后来由于秩序紊...　　《无节操学院》《哎呀我去》等年轻化、无厘头视频内容的出品方可尼科技，近日告诉，他们已经完成了千万元人民币Pre-A轮融资，本轮融资的资方为明势资本。
　...　　2月18日消息，面对难孕难育群体，一站式备孕服务平台&趣孕&APP宣布，已完成获得蓝驰创投A轮6000万元人民币融资。
　　家好科技于2014年3月成立...　　杭州立方控股股份有限公司2月16日正式发布公告称，新增对外发行股票249万股，再获1.41亿元融资，此轮投资方为天堂硅谷、九泰基金、易方达等多家投资机构，本...
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
中国投资咨询网版权及免责声明
1、凡本网注明"来源：***(非中国投资咨询网)"的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
2、如因作品内容、版权和其它问题需要同本网联系的，请在30日内进行.有关作品版权事宜请联系：1 邮箱：.cn
中投顾问咨询服务
? 投资机会
热度---- 100%
热度---- 100%
热度---- 90%
热度---- 90%
热度---- 80%
热度---- 100%
?【】?【】?【】?【】?【】?【】
? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ?
热点资讯排行
01? 02? 03? 04? 05? 06? 07? 08?
Copyright & 2002-.cn, All Rights Reserved　深圳市中投顾问股份有限公司 & 版权所有 复制必究 &
　增值电信业务经营许可证：粤B2-　您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
自适应学习平台-knewton platform - 教育技术通讯.ppt 79页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：150 &&
自适应学习平台-knewton platform - 教育技术通讯
你可能关注的文档：
··········
··········
/ * * / * * /shop/education-curriculum/math/elementary-mathematics/go-math-k-8/features-6-8/personal-math-trainer-6-8 * * /login/#/login * * /login/#/login * * 在美国亚利桑那州立大学，超过2000名学生进行了为期两个学期的课程实验，实验结果表明使用Knewton平台之后，学生的辍学率降低了56%，学生的通过率由64%提升到75%，同时有45%的学生能够提前四周完成课程学习。 * * /group/topic// * * /group/topic// * * /articles/qU3mAf * * /articles/qU3mAf * * /Item/13468#rd * * /Item/13468#rd * * /Item/13468#rd * * * Knewton pairs information about content (via the Knewton knowledge graph (top)) with student response data (left) to make real-time psychometric inferences about student abilities. These inferences are in turn used to power predictive analytics on student outcomes (bottom) and to generate personalized recommendations for what to study next (right). Knewton’s accuracy improves as more data are collected, since Knewton can use student response information to revise and upgrade the models and parameters used in the analytics and recommendation systems (bidirectional arrows) * * Elements in the Knewton adaptive ontology consist of modules (pieces of content),concepts (abstract but intuitive notions of ideas that the content teaches and assesses),and relationships between these two.
* * * * * * /assets-v2/downloads/knewton-integration.pdf * * /enterprise/technology/ * * /kf_www/article/106_.asp * * /kf_www/article/106_.asp * * /kf_www/article/106_.asp * * 知识图和推荐模型能够很自然地形成网络。割裂开来说，每一位学生对问题回答的信息量是非常小的，但是当这些信息在整个系统中进行传播并基于上下文进行分析时，这些信息的价值就非常巨大了。每一个学生的行为以及针对每一个内容项目的反应，不仅能够提升系统对单个学习者和单个内容项目的理解，通过延伸还能够提升对系统中的所有内容和所有网络中学生的理解。 越多的学生使用Knewton平台，那么内容与概念之间的关系越精确，基于知识图的推荐也就准确。对于某学生学习某个概念时，系统能够找出与其最接近且已经完成这个概念学习的学生。然后，可能会问到“在这些相似的学生群体当中谁学习得最好？以及他们是如何做才学得如此好？”这时，系统会将这样一条被证实的高效学习路径呈现给学生。从这种意义上来说，一个学生所经受的挑战或尝试的路径将不会局限于他或她所在的班级中其他学生的经历。Knewton自适应学习平台能够整合数百万学生的数据来帮助每一位学生学习每一个简单的概念。
* * This framework, which encompasses statistical methods such as Bayesian networks and Markov random filds, allows data scientists to code and manipulate proba
正在加载中，请稍后...从技术和产业看，如何推动教育大数据和自适应学习的应用？3收藏分享举报{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[],&title&:&从技术和产业看，如何推动教育大数据和自适应学习的应用？&,&author&:&lundafudao&,&content&:&左起：王枫，胡飞芳，胡祥恩，马镇筠\u003Cp\u003E芥末堆
1 月 20 日报道\u003C\u002Fp\u003E\u003Cp\u003E 1 月 10 日，由论答公司（Learnta，Learning Technology & Analytics）主办的教育大数据研讨会在北京举行，讨论会主题为“大数据+教育，有哪些可能性？”。本次研讨会主要关注数据在教育领域的应用，具体包括自适应学习（Adaptive Learning）、学习数据分析（Learning Analytics）和教育数据挖掘（Educational Data Mining）。来自宾夕法尼亚大学、人民大学、华中师范大学的专家和企业界代表，共同探讨了教育大数据和自适应学习领域的技术趋势和产业机会。\u003C\u002Fp\u003E\u003Ch3\u003ERyan Baker：学习数据分析和教育数据挖掘的产业机会\u003C\u002Fh3\u003E\u003Cp\u003E\u003Cstrong\u003E | 美国宾夕法尼亚大学教育学院终身教授、学习数据分析研究中心主任\u003C\u002Fstrong\u003E\u003C\u002Fp\u003ERyan Baker\u003Cbr\u003E\u003Cp\u003ERyan Baker 是国际教育数据挖掘协会（International Educational Data Mining Society）的创始人、《教育数据挖掘》杂志（Journal Educational Data Mining）主编，在各类期刊和会议发表了 260 余篇学术论文，先后主持了美国科学基金会（National Science Foundation）、盖茨基金会（Gates Foundation）等研究基金的多项重大项目，累计获得研究经费超过 1600 万美元。他也在哥伦比亚大学教育学院和爱丁堡大学同时担任教职，他在 Coursera 和 edX 上开设的“Big Data in Education（教育大数据）”课程，有来自 100 多个国家和地区的学生注册。\u003C\u002Fp\u003E\u003Cp\u003E研讨会现场，Ryan Baker 通过远程视频，分享了他对教育大数据的体验和应用。据他介绍，目前在教育大数据领域主要有四大研究组织，分别研究人工智能与教育、教育数据挖掘、学习数据分析和大规模学习。\u003C\u002Fp\u003E\u003Cp\u003ERyan Baker 表示，在教育领域广泛应用大数据的时代正在到来。教育数据挖掘有很多的应用方向，包括：预测学生是会辍学，还是会成功完成学业；自动检测学生的学习投入程度、情感、学习策略，以更好地达到个性化；给教师和其他相关人员提供更好的报告；教育科学的基础研究和发现。\u003C\u002Fp\u003E\u003Cp\u003E他认为，个性化教育至少要做到三件事情：\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E\u003Cp\u003E确定学生的有关数据；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E了解对于学生的学习来说什么是真正重要的；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E有针对性地为学生提供合适的教学。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003E而通过教育数据挖掘，我们可以推断很多事情：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E学生的元认知和求助\u003C\u002Fstrong\u003E。比如，这个学生有多自信？当他需要帮助时，有没有在寻求帮助？他有没有在给自己解释问题，有没有思考这个答案是正确的还是错误的？最重要的，当他面临挑战时，能否坚持下去？\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E没有投入学习的行为\u003C\u002Fstrong\u003E。比如，“玩弄”系统，为了找到正确的答案，有的学生会试各种不同的答案，从“1”试到“38”。粗心，本身会做，但是不用心，最后给出的答案是错的。有些孩子会做非常难以解释的行为，比如不用方程符号，而是画了一个笑脸。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E学生情感\u003C\u002Fstrong\u003E。Baker 的研究团队和其他研究团队，已经创造了研究模型，可以根据数据推断，学生是否感到厌倦、沮丧、困惑、好奇、兴奋、快乐，是否投入，等等。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E长期的学习结果\u003C\u002Fstrong\u003E。比如，学生能够记住刚才他学的东西吗？学生准备好学习下一个主题、下一个知识没有？中学生能上大学吗？他会从大学毕业还是辍学？\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003ERyan Baker 表示，要获得这样的推断，只需要学生与系统交互的数据，不需要学生戴上头盔检测器。目前，这些模型已经开始大规模应用于自适应学习，应用于几十万的美国学生。Ryan Baker 列举了一些自适应学习系统的案例。\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003EKnewton \u003C\u002Fstrong\u003E-通过系统决定学生下一个要学习的问题是什么，已在全球的多个领域多个学科中运用。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003EALEKS \u003C\u002Fstrong\u003E-ALEKS 用的是先行知识结构和知识点模型，来选择最适合学生的学习材料。比如，一个学生在学习上出现了问题，系统能够检测出来，是以前学的知识点出了问题，然后让学生回到以前的知识点上去学习。ALEKS 系统应用于美国高中、大学的数学、科学学科。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003ECognitive Tutor
\u003C\u002Fstrong\u003E-系统能自动检测学生的知识，直到学生掌握为止。比如，系统不会让学生学习下一步的知识，直到他展示出他已经学好了他现在正在学习的知识。系统能够给学校提供数据报告，学校根据报告能够更好地让学生投入到学习中去。每年大约被 50 万的美国初高中生用于数学学习。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E论答（Learnta）\u003C\u002Fstrong\u003E-论答公司的系统与 ALEKS 的系统有些类似，也是用先行结构和知识点模型，选择合适的学习材料。同时也是自动检测学生的知识状态直到学生掌握为止。应用领域目前包括数学和英语，完全针对中国学生开发。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003EReasoning Mind\u003C\u002Fstrong\u003E -用各种自动检测的模型来检测老师的教学是否有效。通过数据生成报告给每个地区的教学管理员，让他们找到方法帮助老师提高教学。主要是用于美国的小学数学。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003EDuolingo\u003C\u002Fstrong\u003E -自动检测学生记忆，来决定什么时候回顾已经学过的知识。在全世界范围内应用于外语词汇的学习。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E其他的像 Civitas，Course Signals，Zogotech 都是地区供应商，运用风险预测模型提供行动信息预测。它们会对学生做出预测，可能学不好、会失败，把报告提供给老师。已在世界范围内的大学应用。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003ERyan Baker 指出，在这些系统中，有足够的证据证明，至少以下两个系统是非常好的。\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E\u003Cp\u003E胡祥恩教授在美国做了大量实证研究，证明 \u003Cstrong\u003EALEKS 系统\u003C\u002Fstrong\u003E对于帮助学生学习是有效的。他的研究证明，ALEKS 系统对于不同人群的学生是同样有效的；特别值得提出的是，ALEKS 可以帮助少数人群群体提高学习成绩。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003ERyan Baker 本人领导的研究团队与论答公司合作的研究表明，学生通过\u003Cstrong\u003E论答系统\u003C\u002Fstrong\u003E学习，比通过传统的在线学习系统学习，效果更好。他们在中国 3 个不同的地区做的 3 次实证研究，都证明了论答系统的有效性。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003ERyan Baker 分析了教育大数据算法模型的潜在发展方向。他认为，这些模型的长期潜力是，通过学生的知识和学习模型来确认，学生什么时候需要更多的支持：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E首先是“mastery learning”，学生在掌握一个知识前，不会让他去学习下一个知识。当学生需要支持的时候，自动介入；同时告诉老师和父母，这个学生什么时候需要支持。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E通过学习投入程度模型判断，学生什么时候开始变得厌倦、沮丧了，并调整学习活动，让厌倦的学生不再厌倦，让沮丧的学生的学习变得更容易一些。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E学习投入程度模型还可以检测，在线学习中，什么样的学习活动，能让学生更容易地投入进去，并最终发现，什么样的学习活动对学生更好、对什么样的学生更好。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E这样的模型也能告诉老师和父母，学生什么时候开始变得不再投入学习了。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E还可以运用学习模型确认，学生什么时候没有真正学会，需要更多支持。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E最后，Ryan Baker 指出，下一步的目标是优化之前已经验证的经验和方法，然后把它们运用到系统中，最终让中国和世界上的数十亿学生受益。\u003C\u002Fp\u003E\u003Ch3\u003E讨论：“因材施教”的千年理想该如何照进现实？\u003C\u002Fh3\u003E\u003Cstrong\u003E左起：王枫，胡飞芳，胡祥恩，辛涛，马镇筠\u003C\u002Fstrong\u003E\u003Cblockquote\u003E\u003Cp\u003E\u003Cstrong\u003E王枫 博士\u003C\u002Fstrong\u003E，论答公司（Learnta Inc.）创始人兼CEO\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡飞芳 博士\u003C\u002Fstrong\u003E，美国乔治华盛顿大学（George Washington University）统计学终身教授，中国人民大学统计与大数据研究院的教授\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡祥恩 博士\u003C\u002Fstrong\u003E，美国孟菲斯大学（University of Memphis ）心理系、计算机科学系、计算机工程系终身教授，华中师范大学心理学院院长\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E马镇筠 博士\u003C\u002Fstrong\u003E，论答公司联合创始人兼首席数据科学家\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E辛涛 博士\u003C\u002Fstrong\u003E，北京师范大学中国基础教育质量监测协同创新中心常务副主任、博士生导师，兼任国家督学、教育部基础教育课程教材专家工作委员会委员、中国教育学会学术委员会委员。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E\u003Cstrong\u003E&&技术发展到今天，“因材施教”如何实现？\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E王枫：\u003C\u002Fstrong\u003E因材施教，我首先到的是，每位学生学习的内容都不一样。\u003Cstrong\u003E如果有新的技术或者系统，系统应该像一个好老师一样，不会头疼医头脚疼医脚。\u003C\u002Fstrong\u003E比如说，一元二次方程做错了，好老师不会简单说一元二次方程做错了，你继续再做十道一元二次方程的题目，这其实是很差的老师，他没有真正去全面评判学生，到底是哪些掌握好、哪些掌握不好。一个好的老师可能会说，我全面地看了你整个学习，可能你的问题不是出在一元二次方程上面，老师看了你做的题目，一元一次方程没有掌握好、因式分解也没有掌握好，你继续做一元二次方程是浪费时间。这就是从系统角度来说，系统做到了\u003Cstrong\u003E根据每个学生最基础的先行知识点的结构，给你提供最适合你当前学习的\u003C\u002Fstrong\u003E知识点，题目也好、视频也好、还有其他各种各样的\u003Cstrong\u003E学习内容\u003C\u002Fstrong\u003E。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡飞芳：\u003C\u002Fstrong\u003E因材施教是我们教育的理想状态。孔子很早提出因材施教，在他当时的历史环境里面，因材施教可能更多是个体性的，因为那时学生少、老师也少，因材施教相对比较容易做到。随着历史的发展，我们有更多的人需要教育时，我们做的一件事情是什么呢？就是做了一个标准化。标准化做的是什么？课堂教育。\u003Cstrong\u003E课堂教育从某种意义上来讲是标准化\u003C\u002Fstrong\u003E。现在这个历史阶段，\u003Cstrong\u003E教育大数据可能真正要做到的就是因材施教\u003C\u002Fstrong\u003E\u003Cstrong\u003E，自适应学习本身想做的也是这个\u003C\u002Fstrong\u003E。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡祥恩\u003C\u002Fstrong\u003E\u003Cstrong\u003E：\u003C\u002Fstrong\u003E因材施教事实上在学习理论里有两个：一个是outerloop“学什么”，一个是innerloop“怎么学”。用技术来细化因材施教是教育产业走向成熟的一个标志。但是这个路非常非常难，因为“怎么学”那个层次非常非常难。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E马镇筠：\u003C\u002Fstrong\u003E\u003Cstrong\u003E“因材”代表认识到学生的个体化差异，“施教”指进行差异化教学\u003C\u002Fstrong\u003E，这是根本思想。但如果考虑到时代背景，孔夫子时代专注的是学生的职业发展方向，也就是说，把适合当政治家的培养成政治家，把适合当学者的培养成学者。\u003Cstrong\u003E现在再提因材施教，我们其实能做得更多、更精细化。\u003C\u002Fstrong\u003E比如，“因材”，\u003Cstrong\u003E对“材”的分类不仅是职业方向，还会考虑到学生的学习状态、学习目标、潜在能力、兴趣偏好等\u003C\u002Fstrong\u003E。而且，传统意义上的因材施教考虑的是学生个体间的差异，没有重视\u003Cstrong\u003E学生本身状态是在发生变化的\u003C\u002Fstrong\u003E，学生在不断学习，状态甚至兴趣各方面都可能发生变化。但这些是自适应学习能够做到，甚至比传统的因材施教做得更好的地方。再说到“施教”，现在我们能做的几件事，包括\u003Cstrong\u003E学习路径推荐，给不同的学生匹配他最合适的学习内容\u003C\u002Fstrong\u003E，这种非常精细化的层面，我们已经有了一定的技术积累。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E&&怎么判断一个产品做到了真正的自适应？\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E马镇筠：\u003C\u002Fstrong\u003E大多数产品的学习过程可以分为\u003Cstrong\u003E测、学、练\u003C\u002Fstrong\u003E，可以从这三个环节去看这个产品做到什么程度。\u003C\u002Fp\u003E\u003Cp\u003E测，各种学习机构都有测评。但是国内只有论答团队第一个做出来能够在几十道题内，精准判断你一百个知识点，哪 21 个没掌握，哪 79 个掌握了。市场上大部分竞品，只会告诉你，知识点掌握率或者分数，79分或者知识掌握率达到 79%；或者一些其他维度的总结，比如逻辑思维能力比较强、阅读的磨炼技巧比较好、学习动力哪方面稀缺。他们做了降维，本来很复杂的学习状态这样说出来，相对比较容易实现。但如果要做到\u003Cstrong\u003E具体告诉你，哪些知识点掌握、哪些知识点没掌握\u003C\u002Fstrong\u003E，这个难度就高很多了。\u003C\u002Fp\u003E\u003Cp\u003E关于学习路径推荐的话，很多题库类的软件，知识点学完之后，会给一些题目推荐，但真正实现路径推荐的很少很少。路径推荐也是很核心的，有 20 个知识点没掌握，先学哪个知识点，后学哪个知识点，学习顺序是非常关键的，必须遵循循序渐进的原则，哪些知识点是前提知识点，哪些知识点是后续知识点，随机给你知识点去学习的话不能起到最好效果。真正到了练或学的环节，推荐什么样的视频，先推视频还是先推文字讲义，推简单题、中等难度题还是复杂题目，都需要根据学生实际情况来决定。\u003C\u002Fp\u003E\u003Cp\u003E刚才只是举了几个例子，具体涉及到背后的算法、整个系统跟学习内容的结合以及整个教学流程的实现，中间很多环节必须要打通，形成一个闭环，才能对最终的结果负责。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E辛涛：\u003C\u002Fstrong\u003E我的研究领域是教育和心理学的测量和评价。我个人的学术观察，基本上在现代这领域是两个类型。一个是心理测量领域，有一套成熟的方法，包括早期的 IRT（Item Response Theory）和现在的 ADT。另外一个是人工智能检测。心理测量系统，是一小群人在做；人工智能化是大的方向，现在是显学，给大家提供了明显的可能性。重要的是，那些背后的算法，能够在企业里真正实现出来。现在可能很多算法已经在那儿了，大体上路径是通的。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E自适应学习基本上是把学习和评价联动起来了\u003C\u002Fstrong\u003E。因为，要自适应学习，必须有一个系统随时看到学生学到什么程度，这个完全是评价。但是，评价完了之后有一个新的呈现。这一块现在已经有一些很成熟的一些东西了，但不是一时半时可以说得特别具体的。\u003C\u002Fp\u003E\u003Cp\u003E我做教育的测量和心理测量，人工智能那块我不熟。但是，从教育测量角度来说，在自适应学习和新技术结合之前，很大一块还是\u003Cstrong\u003E自适应考试，CAT（computer adaptive test）\u003C\u002Fstrong\u003E。系列化产生一个 CAT 变成了一个自适应学习的过程。总的来说，使用最简单、最机械化的方法，连续的 CAT 实际上是可以破解一个学习过程的。\u003C\u002Fp\u003E\u003Cp\u003E测评本身经历了好几个阶段，通常用三个应用介词表示。\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E\u003Cp\u003Eaccessment \u003Cstrong\u003Eto\u003C\u002Fstrong\u003E learning and teaching；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E现在国家倡导的，accessment \u003Cstrong\u003Efor\u003C\u002Fstrong\u003E learning and teaching，测评要对学习和教学有帮助；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E跟信息化结合，accessment \u003Cstrong\u003Eas\u003C\u002Fstrong\u003E learning and teaching，它是学习提供的完全融合的一个环节。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003E\u003Cstrong\u003E王枫：\u003C\u002Fstrong\u003E什么样的自适应学习系统才是真正的高级自适应学习系统？在中国的落地到底是怎么样才能真正落地？我在马博士的基础上想补充一点。\u003C\u002Fp\u003E\u003Cp\u003E自适应系统如果一定要分级，也可以简单分一下。\u003Cstrong\u003E一种最基础的系统是基于规则的\u003C\u002Fstrong\u003E，比如说埋点。一个学生做 10 道一元二次方程题目，我预先埋好了，你做错了，立马给你推五道一元一次方程题目、五道因式分解题目。这个是埋点埋好了，这是规则，预先由老师或公式设置好了。\u003Cstrong\u003E但这个规则有用性是非常有限的\u003C\u002Fstrong\u003E，因为每个学生不一样，A 学生是因为一元一次方程不会，B 学生可能是因式分解不会，C 学生可能连小学的乘法快速运算都不会，这个没法预先直接埋点准备好。\u003C\u002Fp\u003E\u003Cp\u003E所以自适应系统真正到了更高级一点的话，一定是\u003Cstrong\u003E真正通过大数据、根据算法模型来分析\u003C\u002Fstrong\u003E学生的学习数据，匹配下一步应该学什么。\u003C\u002Fp\u003E\u003Cp\u003E在中国，\u003Cstrong\u003E自适应学习有效应用于教学有三个前提条件\u003C\u002Fstrong\u003E。做到这三点，自适应学习在中国的教育里面前途无限。\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E好的产品\u003C\u002Fstrong\u003E。必须要有针对中国本土化的自适应学习产品，把它开发出来。像ALEKS系统的确算法不错，但里面连一套国内的高考题都没有，家长不会让小孩子用这样的系统，因为直接影响应试目标。真正本土化开发的话，没有一成不变的算法，世界上最好算法就是没有开发出来的。教育非常复杂，每个学科不一样。比如数学后台有强大的关系，先行后续关系；英语没达到数学这么强的相关性，但算法是一样可以应用的。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E好的学生、家长、老师\u003C\u002Fstrong\u003E。有了好的产品，首先学生应该真正投入进去学习。像 Ryan Baker 教授讲的，学生如果随便学一下，再好的系统也没用。第二，家长得督促孩子学习。第三，老师非常重要。老师应该做有价值的事情，比如给学生做个性化的辅导答疑，给学生针对性的讲解，组织学习活动小组，鼓励学生发挥创造能力，领导能力的培养。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E学校以点带面\u003C\u002Fstrong\u003E。学生大部分时间都在学校里面学习。如果学校里最基本的、有效的在线教学产品都不应用的话，其实是有问题的。但是改变绝对不是简单的行政命令可以解决的。一个好的产品，一定是从点到面，逐步推广。自适应学习，更适合有明确目的的学习，像应试教育这块可以做得更好。所以学校可以应用进去。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003E\u003Cstrong\u003E胡祥恩：\u003C\u002Fstrong\u003E我觉得大家做自适应也好、因材施教也好，比较好的例子大家可以看一看。教育这个领域有多大，自适应概念就该有多宽。所以说，\u003Cstrong\u003E实验室里面有很多小的做得非常非常好的东西，只是没有到市场上面去\u003C\u002Fstrong\u003E，有很多非常非常巧妙的算法、一些东西。你会发现很多欧洲的、美国的实验室做的system，我每次看了都有种，自己是坐井观天的感觉。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E&&怎么看待人工智能在教育中的应用？\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡飞芳：\u003C\u002Fstrong\u003EAlphaGo 跟 master，谷歌做了一个非常好的广告，人工智能在某些方面可以做得非常好。但是，我现在给你们讲另外一个谷歌自己不会去说的例子，但这也是事实。2008 年、2009 年的时候，谷歌推出一个免费产品，用各种搜集到的数据，预测美国的流感发展趋势。开始时很成功，预测跟实际发生的情况很相似。但到 2015 年，他自动撤回去了，不再提供预测。因为在 2012 跟 2013 年预测的时候，预测结果跟实际情况相差非常远。\u003C\u002Fp\u003E\u003Cp\u003E这说明像这种\u003Cstrong\u003E不确定性的问题，人工智能还有非常大的局限性。\u003C\u002Fstrong\u003E一旦有不确定的数据，就有噪音。数据量很大时，大数据可能产生大噪音。怎样使噪音下降？2015 年一个哈佛教授的研究团队在谷歌的基础上，用谷歌的数据去做同样的预测。他用了什么呢？就是用了\u003Cstrong\u003E模型\u003C\u002Fstrong\u003E，实际上模型在很多时候降噪是很有用的，用模型去预测，而不完全是人工智能的方式去预测。结果，他做出来的预测基本都比较准。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E人工智能相对比较成功的，是比较确定的问题\u003C\u002Fstrong\u003E，所谓的确定是不管有多少种可能性，还是一个确定的东西。而流感很多时候是完全不确定的因素。教育其实很多时候也是不确定的。同样一个人，现在让他回答这个问题，他可能思路清楚地回答出来；过了一个小时后，即使是同样类型的问题，按道理他应该回答出来，结果他回答不出来。这是说，实际上有很多因素在干扰的时候，人工智能的功能是不是会减少一点。\u003Cstrong\u003E把模型跟人工智能加在一起，会弥补人工智能在某些方面的弱点，这样会更好\u003C\u002Fstrong\u003E。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E&&怎样促进商界和学界的交流，更好地把学界已经有的一些成果，运用到市场上来？\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E胡祥恩：\u003C\u002Fstrong\u003E教育产业应该是一个最大的产业，教育产业事实上是一个知识产业链。到目前为止，很多人认为自己要做一整套系统而在美国汽车业，最赚钱的是供应商，是做轮胎、做玻璃的。一旦标准化之后，一个人如果螺丝钉生产得最好，他就能够养活几家人、几代人。\u003C\u002Fp\u003E\u003Cp\u003E到目前为止，美国推的就是教育标准化，教育内容的标准化、教育技术的标准化。比如说97年的时候，就说怎么样把内容标准化，你做的东西我可以用。我只是做整个教育知识产业链里面一个小块，做得很好。教育整个的产业链，有可能发挥特别特别技巧的那些小的公司，就能够在这个产业链里面生存、可以做得很好。\u003Cstrong\u003E第一个是要标准化，第二个要理解整个教育是一个产业链。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cbr\u003E1、本文是\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E芥末堆网\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E原创文章，转载此文章请注明出处(\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\\u002F\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E芥末堆网\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E)及本页链接：\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\\u002FN\u002F64901.html\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\\u002FN\u002F64901.html\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E。\u003Cbr\u003E2、芥末堆不接受通过公关费、车马费等任何形式发布失实文章，只呈现有价值的内容给读者。 \u003Cbr\u003E3、如果你也从事教育，并希望被芥末堆报道，请发邮件到 \u003Ca href=\&mailto:tianyi.\&\u003Etianyi.\u003C\u002Fa\u003E 告诉我们。\u003Cbr\u003E\u003Cp\u003E来源: 芥末堆\u003C\u002Fp\u003E&,&updated&:new Date(&T07:35:16.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&collapsedCount&:0,&likeCount&:3,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&在线教育&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&在线教育&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&在线学习&}],&adminClosedComment&:false,&titleImageSize&:{&width&:0,&height&:0},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&tipjarState&:&closed&,&annotationAction&:[],&sourceUrl&:&&,&pageCommentsCount&:0,&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T15:35:16+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:&走过一些弯路&,&isFollowing&:false,&hash&:&7f074ee404cce23f645bedda5812de43&,&uid&:728000,&isOrg&:false,&slug&:&_wang_tong_&,&isFollowed&:false,&description&:&&,&name&:&王拾月&,&profileUrl&:&https:\u002F\\u002Fpeople\u002F_wang_tong_&,&avatar&:{&id&:&f29a9b23ade1a09f213070&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:null,&isFollowing&:false,&hash&:&bfb6e1c62e82cc3ddee91beab87146f7&,&uid&:472500,&isOrg&:false,&slug&:&yun-long-98-92&,&isFollowed&:false,&description&:&&,&name&:&Jackie&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fyun-long-98-92&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},{&bio&:&&,&isFollowing&:false,&hash&:&a2c066a6f2493f3fde6b35aedfa6bcca&,&uid&:48,&isOrg&:false,&slug&:&mou-mou-69-74&,&isFollowed&:false,&description&:&&,&name&:&某某&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fmou-mou-69-74&,&avatar&:{&id&:&v2-b06ba830aa91da35d7a599bdcbd2c01f&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&左起：王枫，胡飞芳，胡祥恩，马镇筠芥末堆 卢楠 1 月 20 日报道 1 月 10 日，由论答公司（Learnta，Learning Technology & Analytics）主办的教育大数据研讨会在北京举行，讨论会主题为“大数据+教育，有哪些可能性？”。本次研讨会主要关注数据在教育领域…&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&annotationDetail&:null,&commentsCount&:0,&likesCount&:3,&FULLINFO&:true}},&User&:{&lundafudao&:{&isFollowed&:false,&name&:&论答辅导&,&headline&:&&,&avatarUrl&:&https:\u002F\\u002F50\u002Fv2-05de006ff89f217ee101d_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&lundafudao&,&bio&:&专注于学习技术与教育大数据的互联网公司,让每一个孩子的学习都更有效是我们的使命。&,&hash&:&d37dcaf65c271c&,&uid&:512900,&isOrg&:false,&description&:&&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\\u002Fpeople\u002Flundafudao&,&avatar&:{&id&:&v2-05de006ff89f217ee101d&,&template&:&https:\u002F\\u002F50\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&nwebStickySidebar&:&sticky&,&androidPassThroughPush&:&all&,&newMore&:&new&,&newAppViewRelatedAd&:&no&,&liveReviewBuyBar&:&live_review_buy_bar_2&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&searchHybridTabs&:&without-tabs&,&iOSEnableFeedModuleWWANAritclePreRender&:&iOS_FeedModule_WWAN_PreRender_Enable&,&isOffice&:&false&,&enableTtsPlay&:&false&,&liveDetailWechatBanner&:&Live_detail_wechat_banner_1&,&wechatShareModal&:&wechat_share_modal_show&,&newLiveFeedMediacard&:&old&,&homeUi2&:&default&,&showVideoUploadAttention&:&false&,&recommendationAbtest&:&new&,&marketTab&:&market_tab_old&,&qrcodeLogin&:&qrcode&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&androidDbCommentWithRepinRecord&:&open&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&favAct&:&default&,&appStoreRateDialog&:&close&,&mobileQaPageProxyHeifetz&:&m_qa_page_nweb&,&default&:&None&,&isNewNotiPanel&:&yes&,&androidDbRepinSelection&:&open&,&nwebRelatedAdvert&:&default&,&qaStickySidebar&:&sticky_sidebar&,&androidProfilePanel&:&panel_b&,&nwebWriteAnswer&:&experiment&}},&columns&:{&next&:{}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}}