QQ在線
企業(yè)微信
資訊
271人工智能技術(shù)的應用也為在線教育行業(yè)帶來了新的模式，在傳統(tǒng)的教育模式下老師與學生是一對多的關系。老師的精力有限決定了其教學只能針對平均水平推進。對于學習能力不同的學生來說，這樣的教學欠缺了一些針對性。因此，個性化教育成為了未來智慧教育的趨勢之一。
在國內(nèi)的在線教育市場中，中小學在線教育、在線職業(yè)教育、高等學歷在線教育等細分領域成為在線教育市場規(guī)模增長的主要動力。隨著內(nèi)容生產(chǎn)方、技術(shù)設備提供方、平臺搭建方的相繼入場，用戶習慣的養(yǎng)成，將促使在線教育將會有持續(xù)的增長。其中，職業(yè)在線教育和在線語言培訓屬于用戶剛性需求，因此用戶付費能力較強，將會成為在線教育發(fā)展較為突出的領域。如果能夠利用人工智能技術(shù)提升在線教育教學的互動體驗，將個性化的內(nèi)容和教學方式植入在線教育的課堂中，那么，在線教育的市場規(guī)模有望持續(xù)高速成長。
美國的在線教育服務公司Knewton提供動態(tài)適配學習技術(shù)，能夠為學生創(chuàng)造個性化學習資源并不斷了解學生學習特點。Knewton的核心產(chǎn)品是在線學習工具，可針對每一位學習者的個性化需求進行適配。
Knewton通過與Pearson等出版商合作，將各類課程材料進行數(shù)字化，其覆蓋的學生范圍包括K12、高等教育及職業(yè)發(fā)展教育等。Knewton的核心技術(shù)是適配學習技術(shù)，通過數(shù)據(jù)收集、推斷及建議來提供個性化的教學：
1）數(shù)據(jù)收集階段會建立學習內(nèi)容中不同概念的關聯(lián)，然后將類別、學習目標與學生互動集成起來，再由模型計算引擎對數(shù)據(jù)進行處理供后續(xù)階段使用。
2）推斷階段會通過心理測試引擎、策略引擎及反饋引擎對收集到的數(shù)據(jù)進行分析，分析的結(jié)果將提供給建議階段進行個性化學習推薦使用。
3）建議階段則通過建議引擎、預測性分析引擎為教師與學生提供學習建議，并提供統(tǒng)一匯總的學習歷史。
人工智能技術(shù)在教育方面有很大的發(fā)展?jié)摿?，根?jù)每一個學生的情況各自調(diào)整課程，從而實現(xiàn)最輕松最高效的學習方法“適應性學習(AdaptiveLearning)”多年前就應該出現(xiàn)了。但新的機器學習技術(shù)可能最終有望幫助實現(xiàn)這一目標。適應性學習對大量學生使用同一材料進行學習的情況最有效，因為這樣可以收集到大量的數(shù)據(jù)。
人工智能+教育將用戶需求深度挖掘，而通過大數(shù)據(jù)技術(shù)，可以實現(xiàn)個性化推薦，而基于移動終端的特性，使用戶可以用碎片化時間進行沉浸式學習，讓在線教育切中了傳統(tǒng)教育的一些痛點和盲區(qū)。將網(wǎng)絡引進學校和課堂是大勢所趨，但這些只是硬件設備，如果思維不是“互聯(lián)網(wǎng)思維”，依然起不了任何作用。將一些名校名師名課程的視頻放到網(wǎng)上，有助于優(yōu)質(zhì)資源的社會共享，促進教育公平。在互聯(lián)網(wǎng)時代，教師將分為兩種：一種是線上講公開課的明星教師，一種是線下的輔導教師。
在網(wǎng)上學習的個性化程度非常高，傳統(tǒng)“課”的概念應該有所改變，不再需要規(guī)定固定的上課下課時間，甚至不再需要過于拘泥于學科與專業(yè)知識體系結(jié)構(gòu)，而應該讓學習者以問題為中心、以個人需要為中心，打破原來的學科知識體系，構(gòu)建個性化的、有利于問題解決的知識結(jié)構(gòu)。
人工智能+教育的結(jié)果將使未來的一切教與學活動都圍繞互聯(lián)網(wǎng)進行，老師在互聯(lián)網(wǎng)上教，學生在互聯(lián)網(wǎng)上學，信息在互聯(lián)網(wǎng)上流動，知識在互聯(lián)網(wǎng)上成型，線下的活動成為線上活動的補充與拓展?；ヂ?lián)網(wǎng)工具將原來教育體系的一切都分解成碎片，然后再以互聯(lián)網(wǎng)為中心重新組建起來，成為新的體系、新的結(jié)構(gòu)。
