吉林信息港

当前位置:

haGo探索自适应学习2019iyiou

2019/05/14 来源:吉林信息港

导读

刘瞻是一个出生在教育世家的技术宅,创办高木学习这样一个运用人工智能、大数据等技术的个性化教育辅导平台似乎是冥冥之中的注定,然而其实这样的选择

刘瞻是一个出生在教育世家的技术宅,创办高木学习这样一个运用人工智能、大数据等技术的个性化教育辅导平台似乎是冥冥之中的注定,然而其实这样的选择却是历经了很多转折才尘埃落定。

2012年,读本科大二的时候,刘瞻和70后技术大牛陈鹏共同创业做了一家技术外包公司,一年后又转型做了电商数据挖掘平台,但在刘瞻的想法里,做电商创造不了一个伟大的事业,并且以当时团队的能力和资源很难把这事做得特别大,成功的空间很小。

于是他转而去英国帝国理工读研究生深造。认识了当时的研究生同学孙鑫,研究机器学习领域,在高阶统计模型领域很有研究。

另外,刘瞻调研发现当时教育已经产生了三代产品:内容资源型、工具型、O2O型,但他认为这三种类型分别存在不同的痛点:内容整合型产品只满足了用户很表层的需求;工具型产品只提高了机构的管理效率,一部分的教学效率,但没有提高学生的学习效率;平台型产品很难在K12教育领域复制出淘宝、滴滴、美团等撮合交易的业务,因为孩子们根本不知道自己需要什么,供、需双方无法自然对接。

另外,现在存在的矛盾K12领域的线下培训班市场规模达到5000多亿元,但是教育领域却很难挣到钱,其中的原因刘瞻解释为目前的教育产品主要解决的是资源获取、提高管理效率、信息对接等教育的边缘化问题而不是本质问题,因材施教、学生潜力挖掘等问题才是教育的本质问题,这些是家长认为价值很大的事情。而教育的付费行为95%发生下,而线上只有5%不到。

此时的外部环境和内部条件让刘瞻意识到此时做教育是水到渠成的事情。三人结合各自优势,一拍即合:做一款教育界的AlphaGo,探索自适应学习。

不看好自适应题库

刘瞻告诉亿欧起初团队想直接做个自适应题库,实践过后放弃了这个想法,他讲了自己的亲身经历:“我在自适应题库做GMAT,次轻松拿到600多分,复习了一个半月后再次做题的过程很痛苦。”他告诉亿欧自适应题库会沿着一个人的能力边界推荐题目,以少的资源、时间获取执行度的测评结果,特点是能高效、地测出做题者的水平,但是它并不是一个很好的训练和学习方式,“因为自适应题库不把做题者当人看,它是基于做题者是高情商、高智商,并且能老老实实坐在那里做题,但是基于这种假设的学习产品是没有意义的”,所以他意识到开发一款自适应题库产品对学生的帮助很小,家长也不会特别认可。

刘瞻认为目前市场上开展自适应学习业务的主要有三类公司:

类是从线下培训发展自适应学习方向的企业,如学而思、新东方,有教育培训的基因。但是,首先会在AI和大数据技术实力上遇到瓶颈;其次,培训班采集的数据在数据量、连续性、全面性上有显著局限性;

第二类是工具型进校产品往自适应学习方向发展,具有用户量的优势,但不等于数据优势,因为往往工具型产品初的底层数据结构是没有考虑未来要加入融入算法分析,采集数据的维度往往也有局限;

第三类是自己这类具有AI基因的创业公司,那么他眼中的自适应学习之路应该怎么走?

人工智能应该智能成什么样

他认为在教学中,传授知识是一方面,另一方面,鼓励和关心学生的心理也是必不可少。对于岁的初中学生,需要不断积累小的成就感建立自信心,自信心倍增才会产生学习时间延长,学习节奏正常化的效果。

有想法就有行动,去年开始,刘瞻团队对其AITutor产品进行升级改造,将学习心理作为很重要的部分纳入进来,例如学生做题后系统会给出正反馈、会考虑人的遗忘规律把握推送复习内容的节奏等等。

另外,刘瞻还提出了他对于人工智能教学系统的期待,首先他认为AITutor可以像真人老师一样不断积累自己的教学经验,不拘泥于课本顺序,可以根据自己的经验和认知规律、过去教学经验的总结决定知识点的优先顺序。据介绍,目前产品已经积累了超10万学生的行为数据,刘瞻告诉亿欧按照该速度,再过1个月时间系统就相当于具备一名老师20、30年的教学经验。

其次,至于智能化的程度,刘瞻表示不论是建立知识图谱、知识点关联还是大数据结构化等,他表示AITutor对存在的已有数据有自我质疑的能力,虽然还不能达到自我矫正的智能程度,但是在知识点关联错了的时候能出现异常作为提醒,然后再由人再来重新筛选、更正。

再者,通常真人老师会用成绩来评估学生的能力、知识体系的掌握程度等,但除了成绩还有很多因素需要考虑,包括选项设置的顺序、做题时间长度、人的情绪因素等,刘瞻要求AITutor可以进行多维度的评判。

,AITutor需要的是“日常学习数据”,周期性考试、偶尔周末补习中采集的数据是不够的。从数据维度上,为了更地评估学生的知识掌握水平,只采集做题结果(正确率)远远不够,而还有大量的学习行为数据暴露了学生的知识掌握水平,比如做题时间、样本时效、选项上的犹豫、典型错误等。

以数学学科站稳脚跟

目前国内的自适应学习产品尚处在起步阶段,对于技能学习、成人教育等这类超级个性化的领域没有条件做到,大多数应用在k12领域。

目前高木产品定位在初中数学,刘瞻想专注专业化定位,以数学站稳脚跟。2016年,高木学习完成长达9个月的四期封闭式试点,在10所学校选取65个实验班,跟踪3000名学生的数据:坚持使用天,“中等生”在各自年级平均进步95个名次,“后进生”平均进步135个名次。

有别于其他教育平台,高木选择从B端入手,通过和学校、教育培训机构、政府部门合作,去年十月份,从10所学校拓展到180多所学校,覆盖湖南、江西、海南、河南、陕西等,截至今年5月份,共覆盖11.8万名学生,今年预计共进入400所学校、覆盖50万学生。刘瞻表示数据采集是个大问题,没有相应的数字环境,影响数据采集,比如学生没有硬件条件或者家长不让用、小孩不自觉很难提供连续的个性化的服务,高木直接从B端切入、嵌入日常教学环节为此提供了解决途径。

其实,作为一个初创公司,与之前提到的两类公司做自适应学习的成熟企业相比,拼资金和行业资源不占优势。刘瞻认为出路只有一个:在深刻理解教育的基础上,充分利用AI优势,死磕产品效果。

但是教育产品的实际效果需要大量样本并且较长时间的验证周期。刘瞻认为市场这么大总有生存的空间,很多对手死掉不是被市场或者对手搞垮而是会被自己搞垮。“人工智能不是喊口号、说大话,实证效果是需要摆出来的”,刘瞻说道。

版权声明

凡来源为亿欧的内容,其版权均属北京亿欧盟科技有限公司所有。文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

2008年厦门零售D轮企业
智慧物流-物流产业-智慧物流头条新闻资讯
2012年长沙大健康E轮企业
标签