AI量身定制：如何打造符合“中国特色教育”的内容推荐体系？

 

栏目简介：自动驾驶、教育、金融、医疗…如你所知，AI 如毛细血管一般正渗透到各行各业，人们为“AI+”可能带来的爆炸性能量而奔走呼号，但也更愿意看到脚踏实地的技术实现和商业落地。为此，《AI聚变》将深入报道各行业公司的 AI 落地情况，以及未来发展的种种可能性。

“新东方、学而思的成功是公立教育失败的产物”，这句话一度成了人们用来指责中国应试教育失败一面的万能语句，不过作为前长春新东方学校的校长，一起教育科技 CEO 刘畅无疑比大多数人的感受更为具体。

 

 

在教育培训行业的这 20 年里，很少有人会否认现在大约 40 万家培训机构为学生、社会创造的价值，但刘畅明白这种“课后班”商业模式存在的两点“很要命的 bugs”。

 

先是极大增加了中国教育水平的差异，这种差异不只体现在各地区、地方学校之间，还体现在同一班级的不同层次学生之间的学习差距上，“北京某重点小学一个三年级的班上 40 个小孩，25 个上过课外辅导班的英语可能达到了初一的水平，但那 15 个小孩有回迁户、农民工子弟的可能就完全跟不上老师（授课进度）。”

 

其次，无论校内外都是以知识为导向，不注重能力，这是应试教育的痼疾，出现的症状是“清华、北大的学生，英语语用能力比不上美国小学生”，他朝向坐在身边的数据部门的张道全和产品部门的罗侃笑道。

 

所以要是能解决上述两个问题，在他看来就能推动整个教育行业走进向新时代，问题是现在有好的解决方案吗？没有，他说。

 

“那 AI 就能解决这个问题吗？”刘畅自问，但并没给出确定的答案。问题的关键还是在于 AI 能不能让知识能力可量化，能不能用其生产的内容让老师从教书的角色转变为以育人为主。

 

 

▌搬数据，做智能陪练

 

一起教育科技成立近七年，前四年他们通过雇佣大量编辑，然后编写最多以城市为单位的教辅，而每个城市的每个老师打开的线上内容是一致的，这与传统的知识教育公司差别不大。不过，随后趁着大数据和 AI 这股热潮，他们开始了向“教育科技”公司的转变。

 

按刘畅的总结，近两年他们在技术上做了两件事：数据获取和内容推荐。这些是实现个性化推荐，打造为公立老师服务的智能陪练的基础。

 

一起教育科技采用的是 B 端进校模式，过去六年他们从学生“练习作业”这个高频点切入，获得的高频次、准确度高并且模组化的学习数据正以 5TB/D 的速度汇入数据池。刘畅更愿意将 AI 视为数据获取的工具，无论是做英语科目的语音识别打分功能还是作业手写拍照识别功能，他们更多的目的还是为了获取学生和老师的行为数据。

 

一开始这些数据都是依靠第三方技术公司来收集，但教育行业的数据数量庞杂，不只是学生维度行为数据，题库中每道题目对应的考点、知识点、能力点、解题思路，以及每一种题目类型需要匹配的文字、数字、语音、图像等都会对数据结构提出新的挑战，想要做大做强需要自己搭建底层技术。

 

而在内容推荐上，他们要做根据不同地区的教材，推出以班级为单位的学生个性化作业，然后老师再进行批改的闭环。

 

这种模式与中国教育的应用场景相关，以英语试题为例，刘畅解释说，中国一共 2000 多个区，其中有 200 多种题型，北京海淀区和朝阳区小学的考试标准都不相同，并且老师的教学能力层次不一，同一学校的平行班之间的教学进度也可能不一致，所以刘畅笑称他们做的是一个“中国特色的内容推荐体系”。

 

今年 3 月，他们推出了“Socrates 智能导航学习系统”，技术团队将用户行为数据作为根基，通过标签体系将习题难度与学生能力进行匹配，并依托人工智能算法为每一个学生提供针对其薄弱点的个性化习题及学习报告。他们希望每个学生都能在长期练习中不仅掌握知识点本身，还能构建知识点之外的跨学科思维能力。

 

为此，他们在内容上完成了全学科全学段覆盖的战略闭环，虽然内容推荐已经完成了小学阶段的科目，但真正实现个性化推荐的落地并不容易。

 

 

▌真正的个性化教育还未达到

 

教育场景在技术搭建上要比想象中复杂。虽然他们的数据采集技术已经比较成熟，新一代计算引擎在不断完善，但让张道全感到最头疼的还是数据使用的效率依然很低。张道泉主要负责构建公司的计算引擎，提供数据分析，业务决策能力。他近期在思考用美团做智能分析系统的方式把人工分析系统彻底智能化。

 

产品负责人罗侃也提到，由于收集的数据维度非常多，比如英语有 200 多种题型，每个题有浏览操作、答题正确率等交互维度。这需要多维变量的分析，过去他们如果要把英语在一年内的数据运算出来很难做到，并且对于单学科优化的目标过多，并且包含了客观和主观数据，优化的难度并不低。

 

但有了更强的数据分析引擎后，他们可以把复杂的业务进行批量计算，TB 级的计算在很短时间内就可输出学生学习成长的结果。此外，他们正利用计算引擎做复杂的课后分析计算，比如用户留存分析，每月更新一次。

 

夯实底层技术是一方面，行业竞争中的流量优势也很重要。

 

刘畅认为，随着全行业在广告投放等方面的获客成本增加，教育公司要想在接下来三到五年持续扩大，“没有流量挺糟糕的”。他算了一笔账，一个同期有 100 万学员的培训机构，每一季度的续费率最高是 80%，这就意味着每年新获客 60 万才仅能维持机构的学员数量恒定。

 

他们的用户量自然要高于这个量级，据 AI 科技大本营了解，一起作业和一起学两大品牌的注册用户共有 6000 万，月活超过千万。前者面向学校教育场景，完全免费开放给所有学校用户，是其流量的主要来源。而后者专门针对家庭教育场景，包括直播、训练营、小 U 等付费产品，是最主要的营收来源，至于具体付费用户数量并未透露。

 

不同于业内那些急于谈论自己有“AI+教育”标签的公司，刘畅总结他们在过去六年“无非是解决了数据在线化这一件事”。有了在线化才能谈个性化，然后才会产生规模化，以及最后基于个人的定制化教育，这是他以为的在线教育发展逻辑。

 

“但（全行业）现在都还在搬数据的阶段，”刘畅认为距离谈真正的个性化教育还为时尚早，“新东方、学而思也才幡然醒悟，大家先搬一搬（数据）再说。”

 

—【完】—