AI+教育 I 69天流利说APP学习浅谈自适应学习

本文梳理了目前“AI+教育”场景的典型产品，然后基于我在英语流利说APP学习的“懂你英语”、“地道发音2.0”等课程的学习体验，对自适应学习系统和产品进行了分析。

“AI+教育“的场景和典型产品

AI与教育的结合，已经应用在教育的教、学、考、评、管各个细分领域中。目前行业上对“AI+教育”产品分类，可划分为识别类和策略类。

1.识别类，或工具类：这类产品的应用场景主要在学习过程中的辅助环节，帮助老师省去重复劳动的时间（如解答疑惑，批改作业，纠错等）同时也帮助学习者去获取资料、完成作业等。典型产品如下：

1）拍照搜题：使用场景是学生遇到不会做的题目，问老师同学有压力或者老师顾及不来时，通过某个应用来查找某一道题的答案和解析。拍照搜题主要利用图像识别技术，将图像识别结果进行文本检索后返回最终结果（包含候选题目、解答、分析）。代表产品有学霸君app、作业帮、小猿搜题等。

2）自动阅卷和批改作业：对于标准化程度比较高的客观题：判断题、选择题和填空题，可以运用图像识别技术和文本检索技术，来计算试卷和作业的答案与目标答案之间的文本相似度，并提取和标注出存在问题的题目。对于主观类的问答题，除了图像识别技术，还需要结合NLP技术，对答案进行语义分析和判断，再运用文本检索技术标注出错题。目前除了自动批改和自动阅卷，还可以结合阅卷结果直接生成各类学情数据，为老师备课和制定教学计划提供支持。
自动阅卷和批改作业的代表产品：极课大数据、科大讯飞“全学科智能阅卷” ，如科大讯飞的产品使用在学业水平测试的大规模考试中，结果表明，计算机评分结果已经达到了现场阅卷老师的水平，完全满足大规模考试的需要。

3）口语评测：主要运用在语言学习的口语练习场景中，需求最多的语言是英语。利用语音识别技术，根据口语的几个主要特征如完整度、发音准确率、流利度、韵律等，使用学习到的参数去进行评分。对于开放式的主观题型，还要使用NLP技术，分析句子语义，来进行口语测评，代表产品有流利说的口语测评，有道口语等，技术提供方如科大讯飞、云知声、腾讯云提供的智聆口语评测等。

4）儿童早教（陪伴机器人）：通过语音识别和NLP等技术进行人机互动，增加学习趣味性、成就感，主要运用在儿童早前教育。主要产品包括AI语音助手，儿童教育机器人。代表产品有图灵机器人的儿童AI大脑、优必选的人形教育机器人-悟空。

5）智能情绪识别：使用在上课场景中，学生上课时会有举手、练习、听课、发言等动作和面部表情的变化。通过人脸识别、表情识别等技术，检测人脸视频、动作视频里的面部和身体的关键点，来判断学生学习的专注度。代表产品有好未来的学而思双师课堂。

6）答疑机器人：场景是学生对课程有疑问的，会在论坛上或线下咨询老师，而这些问题较多为重复性问题，答疑机器人原理如同智能客服机器人。其中一个例子：乔治亚理工学院的计算机科学教授Ashok Goel为了解决学生有关课程和讲座的技术信息等相关提问，增加了一名助教Jill Waston，这个机器人是在IBM的Watson开放平台构建的Chatbot，据说学生们直到教授揭晓前都不知道跟他们交流的是一台机器人。
问答机器人的构建和流程设计我在之前文章 浅谈智能客服机器人的产品设计有描述过。

7）分层排课：排课属于教务管理，指学校为了正常进行教学工作，对班级、教师、课程及学校教学资源合理安排，制定各种各样课程表的行为。运用智能搜索等技术进行排课，学生只需要提交自己的课程选择，系统可以结合课程、教室、师资等进行快速的排课。提供这项技术产品的有科大讯飞等。

2.策略类，或教学类：自适应学习产品。从上面介绍的识别类产品介绍可以看出，有些学习环节的工作是识别类/工具类产品没有涉及到的。比如：布置作业，备课，学生知识状态检测、学习内容推荐，预测学习进度等，这些环节包含了学习中的核心环节，是由自适应学习产品来实现的。

人工智能自适应学习（也称“智适应”），是一种为学生提供个性化学习的方式，运用人工智能技术，**通过追踪学生的反馈（如回答问题），为学生规划相应的学习路径和推荐学习内容，以更好地适应学生个人的学习需求，做到因材施教。

自适应学习系统可以为分：规则自适应学习、非规则自适应学习，主要区别点是是否有预先设定学习路径。

• “规则自适应”的学习路径是预先设定的;
• “非规则自适应”的学习路径会基于学生行为数据实时动态调整。

智适应学习模拟特级教师的教学方法和教学策略，从测-教-学-练-测五个角度整个闭环由AI完成。根据智适应学习系统模型是否涉及到核心环节（教、学），也可以分为两类：

• 一类只涉及“测、练”环节，代表企业有：一起作业、作业盒子、学霸君、学吧、盒子鱼、朗播网等，例如猿题库的“智能题库”功能就是通过算法做精准推荐，完成练习、测试两个环节中的自适应学习产品。
• 另一类涉及了“测、练、学、教”环节，代表企业有：Knewton、松鼠AI、论答、流利说等。在下文中我会讲解流利说APP的“地道发音2.0”产品。

自适应学习产品的价值

在分析自适应学习产品之前，将从教育行业的痛点、现有解决方案做分析，来看下“AI+教育”产品的价值。

教育的痛点

在教育领域中，存在三个主要问题：
1.传统教育的大班制授课，难以做到个性化教学，学习效率低; .
2.优质的教师资源分配不均;
3.好的教育通常价格昂贵。
这些问题的根源主要是优质教师资源的短缺。

解决方案

为了解决优质教师资源短缺这一问题，线上教育把传统面授教育的模式互联网化，如慕课MOOC模式。

MOOC模式，指大规模开放的在线课程，如名师录播课，或者1对多的直播课。

这一模式使得知识点可以轻易获得，大大降低听名师课堂的门槛，一定程度解决了优质师资短缺的问题。同时具备随时随地学习灵活性，边际成本趋0，价格低。可以看到已经解决了上面三个问题中的两个，但却无法满足个性化教育的问题。

MOOC模式还有一个缺点是完课率极低，据说全球最顶尖的互联网教育公司，课程的完成率也仅有2%～5%。其主要原因是没有解决交互性问题，因为MOOC模式下，老师与学习没有互动氛围差，学生之间也难以深入交流，学生与系统内容之间交互也无法做到个性化教育，所以学生的学习效率得不到提升。

自适应学习

为了解决MOOC模式无法解决的个性化学习需求，加入了自适应技术，使得系统能够追踪学生的回答和特定行为，给学生推荐适合每个学生的学习路径，做到因材施教。

产品指标

要看产品的价值，我认为可以从以下角度衡量：
1.基于用户价值层面，是为了满足学生的个性化学习需求，提高学习效率; 对于“AI+教育”产品来说，最核心指标在于：课程完成率。
2.从企业角度来看，企业在满足用户个性化学习的需求的同时，还需要衡量用户为实现这个目标所愿意花费的成本是多少。而“AI+教育”产品对于企业的商业价值可以体现在：付费转化率的提高。
3.从行业角度来看，产品解决了教育行业痛点，能促进了行业的升级。

所以，人工智能自适应学习的核心价值是运用大数据和人工智能技术，实现规模化的个性化教育，以达到降成提效，行业升级。

自适应学习系统

教学过程产品化

完整的人工智能自适应学习系统是对优秀教师教学过程及策略的量化模拟，使教学过程产品化。教学过程中包含“测->教->学->练->测”。人类教师与自适应学习系统的对应关系见下图（来源于艾瑞咨询）：

假设我们的场景是1对1的教学模式，老师在教学过程中主要完成的工作如下 ：

系统基本原理

人工智能自适应学习的基本步骤通常为： 搜集大数据—构建学习模型–输出学习建议。

1.搜索大数据
数据来源主要由第三方数据平台提供和自适应公司自己前期积累，也包含后续学生行为，但学生的单点行为数据价值不高，需要用户的有效的结构化的连续行为数据。

Knewton在其介绍材料中展示的数据模型包含以下部分：

• 知识图谱：先修概念的结构化。基于自适应本体来构建，本体结构包含：模块（即内容片段）、概念、关系（先修）下图中圆圈代表概念，概念之间的先修关系用箭头表示。
  
• 学生响应数据：学生与学习内容交互生成的持续数据流。例如学生做练习题目的数据。
• 目标掌握状态数据：如目标分数，开始时的分数等。
• 推荐结果和推断结果数据：包含推荐模块、概念等数据。

2.构建学习模型
自适应学习系统由三大部分组成：内容模型、学生模型、教学模型
1）内容模型，也叫学科模型
内容模型需要构建学生需要掌握的内容，主要工作是进行各学科知识点的拆分和打标签。

知识点拆分：每个知识点之间的关联由专家预设，所以前期的知识图谱会具有主观性，前期在数据量少时，专家预设的知识点可以进行阶段性使用。下图是松鼠AI和学霸君的知识点拆分示例：（来源于鲸准数据）


打标签：每个知识点都要打上标签，标签包括内容、难易度、区分度等等，知识点的颗粒越细，标签越多，匹配学习路径时就更精准。打标签是人工+机器相结合，前期是专家打标签，后期系统对标签进行自动更新。经过对海量数据进行挖掘，就会形成更为客观的知识图谱。
由于每个学科的知识体系庞大，前期工作繁重，投入大。

自适应学习中的规划学习路径功能，就是基于知识图谱来实现的，如关于知识点的跳转。下图中（绿色代表已掌握，红色代表未掌握，箭头表示先修关系，比如图中A–>C代表要学习C必须先学习A），目标是要学会知识点F，要先学习D和E，D已经掌握，所以推荐路径可以是E–>F。

知识点之间的关系也可以是离散的，比如下图中英语的词性知识点中：C5冠词，可以直接学习，不一定要先掌握了C2名词才可以学。

知识图谱的颗粒度、知识点拆解、标签级别足够精细，知识点之间的关联度足够细致，才能精准定位出学生薄弱知识点，并推荐学习路径。

薄弱知识点的定位和学习路径推荐运用到的技术包含：知识图谱、信息论+知识空间理论，以及IRT技术打难度积分标签等。

2）学生模型，也叫检测模型。
学生模型用于了解学生在认知、情感方面的个性特征。该模型能够实时测评学生对每个知识点的掌握水平，也对学生的专项能力和整体能力值进行不断修正和判断。
模型中包含对学生知识水平的描述 、错误模型搭建、挖掘描述学生的个性特征（如认知特征、情感特征等）等。其中错误模型常用摄动模型和基于约束的模型来搭建，以学习者的错误/误解为基础进行建模。其中，摄动模型可以自动识别学习者的错误并推断错误的原因，进而为其提供合适的学习材料和反馈等。

3）教学模型，也叫推荐模型
教学模型用于深度模拟教师教学过程及策略，根据每个学生的最新能力水平，提供相应的反馈，并匹配出最为合适的学习内容。学习内容包含知识点的讲解内容、练习题目等

推荐学习内容是自适应学习系统的重要功能之一。此功能要解决的问题是在针对某一学生的学习路径下，我们需要匹配最合适的内容给学生。关于合适的内容，有如下几个关键点：

• 内容难度与学生能力匹配;
• 内容类型与学生偏好匹配;
• 循序渐进的学习方式，从稍高于学生当前的水平逐渐增加;
• 能让学生不断获得成就感，提升学习乐趣。

基于以上几个关键点，要求系统给用户推荐的内容必须围绕学生精准的能力项进行匹配，这样效率才能更高。此功能的基础是路径规划技术和学生能力模型，运用到的技术包含IRT理论、知识空间算法，机器学习+概率图模型等。

3.输出学习建议
目前主要的三种自适应学习工具包括：自适应内容 、自适应测评、自适应序列
1）自适应内容
自适应内容搜集与学生学习相关的内容数据，并通过提供独一无二的学习资源、学习线索等，实现学习内容的个性化。这里的关键点是，收集数据的动作是非动态实时的，也就是提供的学习资源是根据前期固定的，不会随着数据变化而动态调整。
比如 Cog Books是比较有代表性的自适应内容工具，在培生集团的《解码自适应学习报告》中讲到CogBooks使用了自适应学习后，完课率从76%提高到了94%，退课率从15%降低到1.5%。另外有一个例子是可汗学院的自适应平台，我上去体验了一下。只需要收集相关信息（如用户身份角色（学生、老师、家长），出生日期、注册信息），选择需要学习的年级（从K12到大学到毕业生、成人学生都有），选择需要学习的课程（包含数学、科学、经济、历史等学科），就会给出推荐的课程。推荐课程如下图：

开始时我选的是大一的课程，学习内容只有讲解视频。于是我重新选了学前教育的counting课程，推荐内容包含讲解视频、练习题目、智能游戏、单元测试。如下图：

对于错题，除了解析，也会匹配到相关的讲解视频。练习题目、游戏、单元测试完成后都会有总结。但推荐的课程不会随着做题情况而变化。

关于错题匹配相关讲解视频，想提行业内较具特色的功能：小程序"数感星球”的作业批改工具里的智能讲解。这是一个数学教育产品，拍照作业题后识别出来的题目，选中题目后会自行定位到题目的讲解视频（非类似题型或相关知识点）。这与一些拍照搜题的应用，或者错题匹配讲解视频有所区别。

2）自适应测评
自适应测评可以自动调节测验内容的难度及出现顺序，实现测验内容的个性化。
其中一个例子就是流利说APP课程“懂你英语”的定级测试，在连续答对后，会越来越难; 在连续答错后，基本上也识别出了学习相应等级，就没必要再测试更高级别的题目了，系统就会提前结束测评。这种情况都是自适应测评工具根据答题者的表现自动调整的结果。

自适应评估通常用来考察学生的进步情况，主要有两类应用场景:

• 在练习环节中，用于检测学生对知识的掌握程度。通常在课堂开始前，或者课堂结束后进行，持续时间较短，形式较为多变；
• 在测试环节中，评估阶段性的学习成果。此类评估持续时间较长，形式较为正式，往往隔几个月检验一次学习成果，并为学生量身打造学习方案。

3）自适应序列
自适应序列是基于学生的学习表现，利用算法与预测性分析，持续收集数据并实时分析数据，根据分析结果提供推荐内容，推荐内容包含作业与学习资料，内容数量。其作用过程主要分为三步——收集数据、分析数据、调整学习内容。这里的关键点是，收集数据是动态实时的，也这是自适应序列与自适应内容的主要区别。
Fishtree、BrightspaceLeap及Knewton是目前海外市场较为普及的三种自适应序列工具。国内做到自适应序列的，如松鼠AI、流利说。

系统三大要素及挑战

从人工智能自适应学习系统原理可以看出，其三大要素为：内容、数据、技术

1.内容
完整的教育流程包含：内容开发—教学—练习—测评—管理，而内容开发是整个流程的基础。“AI+教育”的本质还是教育，所以内容是其发展的关键要素，人工智能必须和优秀的教研和内容结合，才能实现可持续发展 。
内容开发要求对学科要足够深入的理解，对教研团队的能力要求高，且工作繁重，投入成本高。

2.数据
结构化数据和标注数据来源是系统的关键性问题。单点数据杂乱和用户数据价值不大，需要搜集用户整个学习过程的数据，算法在测-练-学-教的过程中才能发挥作用。随着用户连续性的行为数据的积累，不断优化数据模型，才能提高精准度和用户测评的速度。
目前普遍情况是，测试和练习的单点学生行为数据丰富，但学习和教育的数据缺失，有效的结构化连续数据稀缺。

3.技术
自适应学习中除了识别类AI中用到的图像识别、NLP、机器学习等技术，还用到了知识空间、遗传算法、贝叶斯定理、数据挖掘等技术。此类教学类产品的技术人才稀缺。

系统核心技术要求

目前业内公认的人工智能自适应学习三大核心技术：
1.全面精准评估学生对每个学科所有知识点的掌握状态。
2.根据学生知识测试后的结果为其推荐不同的学习内容，并实时收集学习过程中的数据动态调整教学策略。
3.学生出错时，系统帮助他们理解真正的错因。

关于自适应学习系统，参考了艾瑞咨询和鲸准数据行业报告，以及如下材料：
自适应学习专家王枫详解智慧教育中的“人工智能”
人工智能适应技术
自适应学习系统的常用建模方法

自适应学习产品分析

英语流利说APP

基本介绍
"流利说"是一款融合口语教学理念和尖端语音评估技术的英语口语学习应用，2018年9月在美国纽交所上市。截至2019年6月30日，累计注册用户数为1.388亿。

产品分析
英语流利说是从判断学生发音是否标准的AI工具，转型到教学类AI的。原来的AI工具集合了口语评测、写作评测、批改引擎，功能包含：英语单词学习、句子口语发音学习等。后来的教学类AI产品有自适应学习产品“懂你英语”和“地道发音2.0”。

口语评测技术已经被公认为是开口说英语的好工具，可以帮助学习者反复、高频次、随时随地的练习，进而提高学习者的口语发音水平和学习效率。在英语流利说的所有产品中几乎都应用上了。

下面我会介绍流利说中的几个产品：对话课程、情景实战课程、懂你英语、地道发音2.0

1.对话课程

对话课程是英语流利说APP里的口语测评AI产品，课程模式主要是英语对话片断进行的。学习流程大概分为：
1）通过播放对话原音进行学习，通过录音跟读进行练习。学习者可以重复录音操作，直到录音分数较高。
2）对话练习完成，进行闯关测试。
3）Al老师对测试录音进行综合评估，指出需要加强的句子和单词。

部分交互流程图：

一些体验：
1）学习内容：对话内容是结合场景的，生活化，主题也有趣。内容难度上有初、中、高级别，学习者可以自行选择。
2）学习过程：边学边练的模式，实时反馈评分，并标注发音不标准的单词或短语（红色字体标注为不及格发音，黑色未达标，绿色达标）。且具有单词学习功能，对话句子中的单词可以点击学习，整个交互非常流畅。单词学习工具中，会找出学习者发音错误的原因，并进行讲解。

3）学习效果：结合语音识别技术，识别速度快。对于测评结果，从多维度（发音、节奏、正确率、流利度）作口语评分和反馈。
4）营销方面：此类课程，每次综合测评结果后都会有引导到付费课程的入口（上图看不出来，因为我已经付费了，没有给我推荐其他课程）; 另外，每次完成都会有分享朋友圈之类的引导，有分享受奖励机制。

2.情景实战课程

情景实战课程是“聊天机器人”模式的，用户进入特定主题进行谈话，机器人会对其引导，如果用户遇到谈话瓶颈时，聊天机器人会提供帮助，以顺利完成对话。
正常体验流程：
1）学习热身，会对该对话中的关键表达作说明，如对话中会出现的关键单词。可以看作对话课程的一个预习的过程。
2）开始对话后，由机器人进行引导。此为预设的场景对话，机器人应该采用了QA问答库的方式来实现多轮对话。对话中还做了一些兜底机制，不管用户回答什么，为了保证对话顺利进行还是会直接进如下一轮对话。例如：机器人问：are you ready? 我回答: no 机器人：no？Since you’ve already paid.let’s start anyway.强行进入下轮对知。

3）学习者回答问题，如果遇到不会回答的，可以主动点击“帮助”得到回答，或者用户2次无法正确回答，机器人就会自动给出候选的回答。
4）对话结束的学习报告，考虑的维度，除了发音与上面的对话课程相同，其他更多考察完成度、听力、语义、表达。

部分交互流程图：

3.懂你英语
懂你英语是流利说在2016年7月推出的，产品将用户庞大的语音数据融于AI英语老师，推出基于深度学习的自适应引擎。AI老师通过对学生薄弱环节的分析，规划出适应个体差异的英语学习解决方案。

这是我在流利说APP的第一个付费课程，课程有效期半年，我已经学习了69天。接下来还是从自适应学习环节来看懂你英语课程做产品分析。

懂你英语的学习环节为：测–>学–>教–>练–>辅–>测

1）测
定级测试环节做了自适应测评，可以自动调节测验内容的难度及出现顺序，实现测验内容的个性化。测试大概5分钟，分2-3部分，测试的长度因学习者的水平而变化，如果测试答案连续正确的，测试内容难度逐渐加大，答案错误较多的，会提前结束测试。
测试报告会显示所处等级，以及能力结构图（包含语法、词汇、阅读、听力、发音、流利度）。我的是定级level4，能力结构图如下：

2）学
根据测试报告，系统会给出建议的学习路径。例如你的定级测试是level4,那么系统就会把level1-level3的课程全部解锁，你可以从level4的第一个课程开始学习，根据学习成绩继续解锁更高级别。懂你英语的学习路径是预先设定的，归属规则自适应学习，不会基于学生行为数据而实时动态调整。

这里介绍一下懂你英语的课程：8个Level，每个Level有3个Unit，每个Unit下有4个Part，Part下面有学习课程Learning和游戏课程Game

值得一说的是，app测试的定级和推荐的学习内容，根据亲身体验，从难度上来说，是很适合学习者的，刚开始学习时，会觉得较为轻松，略高于当前水平的学习内容和测试题目，学习的过程会带来很大的成就感，从而产生更浓厚的兴趣。

3）教
教学是懂你英语的核心之一，教学内容上，据称APP内置了6000多千张原创手绘图片，以及22000多句的美式播音配音为学习者营造了沉浸式的英语学习环境。
内容的形式有：图片+配音音频（主要方式），对话短视频，文章阅读（Level6后才有的类型）

在教学内容播放时，有“听原音”、“主动录音”功能，学习者可以根据自身学习情况选择是否加强学习，这个也是很好的自主学习的功能。

4）练
随堂练习有以下特点：

• 边教学边练习：在教学过程中，学习者需要听一小段原音后，边做练习题的，不可跳过。
• 练习题型动态变化：每一节课程的练习题库都是不一样的，根据每个考查点进行练习题匹配。
• 题型多样，包含：选择题（语音提问，文本答案/语音答案）、不同类型的填空题、句子重新排序、听录音复述题、文本句子跟读等等。
• 课程完成后，分数达标才能解锁下一课程。分数占比最高的是练习题回答的正确率，也与学习过程中的主动录音相关（占比小） 课程完成会有出具难点解析和显示你的问题句子。
  

“口语错题集”功能
在学习课程中，学习者跟读低于75分后，会自动收录进口语错题集，作为口语特训的AI工具。会由AI老师做句子口语纠正，完全掌握后才会从错题集中移除。

5）辅
在国内的自适应学习应用中，大部分还是会结合线下辅导的方式，如通过课程顾问、真人助教、班主任，来提高用户的学习体验和效果，具有较强服务属性。

流利说APP也同样如此，在懂你英语课程中，配备了班主任。并且为了辅助学习“懂你英语”，还推出了“小班课”。小班课有明星老师线上教学讲解，还有真人助教一对一答疑，如纠正发音等问题。小班课属于在线辅导课程，本文不作详细讲解。

6）测
测试分为以游戏形式的测试课程和level等级测试：

• Game课程形式类型多样，如：listening, speaking, matching, dictation, reading, vocabulary, grammar等
• Level等级测试是在完成所有Unit之后测试的，是对当前level的知识点掌握。等级考试同样是自适应测评，题目和难度会根据学习者回答题目的反馈来进行，如果连续错误，不会进入下一部分考试。

指得一提的是，在等级测试中，有一类题型是题目抛出一个主题，提问是你对此的看法，1分钟的回答时长。这类题目类似于口语作文，除了语音识别技术，还需要用到NLP的语义分析，来计算语义与参考答案的相似度，并作综合评分。

学习评估
除了等级测试验证，还通过几下几个指标进行反馈。
1）学习效率
主要由“学习表现”和“学习习惯”类的各指标综合计算得出。
学习表现：主动录音比例、主动听原音比例、口语跟读正确率、答题正确率。
学习习惯：达标天数、每周平均达标天数、近期已学习课程篇数。

2）学习数据
得分、技能水平、学习成长量、学习时长等。

3）知识体系
每日已学知识点（新学知识点、巩固知识点）

懂你英语总结：

1. 从自适应学习来分析，在懂你英语中，自适应学习没有做到实时收集数据，动态调整学习路径; 自适应练习中，是根据课程的知识图谱做练习内容推荐，也没有根据用户的知识点/考查点来自动调整练习题，如强化练习，跳过练习等。
2. 从学习趣味性来看，内容教学形式多样，课程内容本身具有科普性，练习题型的多样化，图文搭配也能让用户产生兴趣。
3. 从学习有效性来看，内容的难度和学习者的能力相符合，也是一个重要的体验。我在学习到level6之后，明显感觉难度加大有点应付不过来，除了影响对产品的依赖感，学习效率也会下降。（在我所在的班里，加入学习的平均时长大概2个月左右，最近一周连续7天打卡的人数比例只有18%，打卡5天以上的30%）

4.地道发音2.0

地道发音2.0是一套帮学习者学好发音的课程系统，是一道人工智能自适应学习系统，在整个学习过程的各环节都做到了自适应学习。

此部分我会根据教学过程顺序讲解，具体如下：

1）发音能力测试
发音能力测试：系统根据学习者的发音会定位出发音水平，并定制专属的学习路径。
能力测试分为3个部分：发音知识、跟读发音、自由发挥。测试完成后，形成发音能力报告，确定发音等级，对口语能力做解析。能力图谱，包含语调、音节与重音、节奏、音准和连读。还可以看到每个能力的知识点掌握程度（未掌握、部分掌握、完全掌握）

2）规划学习路径
完成发音测试后，系统会根据你的发音知识点的掌握程度，课程的重要程度做精准推送，每天3节课（每个学习者都不一样，这是区别与懂你英语的地方） 推送的课程跟历史学习情况也有关系，如果前一天学习的知识点错误率高，发音不标准等，第二天会推送[强化]学习课程。如下图中，我对/i/的发音：

3）推荐学习内容
课前
开始学习前，会先做一个发音的测试，测试当前知识点的掌握情况。这里的自适应特点是：根据学习者知识点掌握情况进行实时调整推荐的学习内容。完成课前测试后，如果分数高，系统会自动建议跳过此节课程，选择另一节课程（见下图）

课中
教学：采用录制视频来讲解知识点
随堂练习：推荐与知识点配套练习题库。在练习题中，地道发音应用还会帮助理解真正的错因。通过以下两种方式来实现：
a.智能纠错：对每个词的每个发音，系统会给出正确与否的反馈。还会给出两个近似音发音混淆的问题。即先识别，再给出错因。

b.音标口型教学：

• 发音口型教学
• LMC口型校正功能 这个功能应该是目前市场上独有的，我也正好有机会体验到了，有遇到几次检测不到人脸和分析失败。
  

课后
课程和练习完成，会再对课前的测试题做一次测试。然后分析出进步情况。

4）辅导：采用微信群方式，线下真人老师1对1答疑。

5）效果评估

• 学习结果会实时反馈到能力图上，学习数据实时变化。比如我原来的级别是熟练，在学习了几节课后就变为精通。
• 阶段性测试：每学习完15节课程就会启动阶段性综合测试。阶段性测试包含近期所学的知识点，可以了解学习者的学习情况，测试结果同样会影响接下来的课程推荐。但目前阶段性测试的是由真人老师批改的。

地道发音2.0体验：

1. 关于学习过程中的一点体验是，发音不标准的地方，虽然系统会有纠音或者给出区别点的解说，还会对当前课程的学习、练习时长加长，增加题目来修正，但在我和朋友都测试过后，发现错误原因似乎千篇一律，没有真正地指出如何发音才正确，所以练习的错误率极高，影响学习者的自信心，产生抗拒心理。
2. 通过单词本功能对同一单词发音，正确率却明显高。猜测这两项识别发音的技术，精确度阀值应该是设置得不一样的，或者说模型也不一样。
3. 学习路径和学习内容确实是随着学习数据动态变化的，但变化后的内容是否与学习者能力匹配或者说是否有效，这个有待考查。

Duolingo多邻国

基本介绍
Duolingo多邻国是一个在线语言学习应用，它通过游戏化和多选题试错的方式，让用户快速掌握一门外语，支持多门外语。

产品分析
还是从“测、学、教、练”学习环节来分别做说明：
1）测
在收集用户的基本信息（设置想要学习的语言、目标、原因）后，再对学习方式判断，如果是初学者则进入学习课程，如果不是初学者，会通过少量测试题来确定合适的等级。以学习英语为例：

2）学
针对测试结果，推荐学习路径，整体路径是预定的，可以直接定位到测试等级开始学习（也就是之前的等级自动跳过），系统不会根据学习数据实时动态更新学习路径，所以属于规则自适应学习。但用户可以采取“跳级测试”来更新学习路径，即只要通过测试就可以不完成现有单元的课程就能进入下一单元学习。如下图：

3）教
Duolingo中知识点/技能的讲授方式通过一篇文章，文章里搭配图片、文字、发音等，用户通过自主阅读后，就可以进入练习环节。如下图：

4）练
教学过程通过做练习题目完成，如果是从零学习英语，问题以中文显示，再用英语搭配图片让你选出正确答案。之后 Duolingo 会根据你的答案正确与否，调整测试题目的展示。采用试错的策略：错题给出正确解析，然后会再后面再出现原来的错题。直到该知识点全部正确，学习才会结束。

Duolingo的特色商业模式
1）Duolingo前期的商业模式比较有意思，学习语言对于学习者是免费的。其练习题型是翻译类的，如给英文文本/语音，回答中文翻译; 或者给中文文本，做英语翻译（可见上文图片中展示的题型）所以用户是一边学习一边通过练习进行翻译。最后实现了学生免费学习，网站付费得到翻译的模式。
这种模式让我想到了人工智能的一个研究方向：人类计算。2007年一位谷歌实习生Luis von Ahn开发了一款程序“ReCapture”，这款程序希望利用人类高超的模式识别能力，自动帮谷歌公司完成大量扫描图书的文字识别任务。每天都有大量用户在输入验证码来向机器证明自己是人不是机器，这些验证码是由计算机生成一些扭曲的图片，而输入验证码就是在完成文本识别问题。所以用户在输入验证码时，是悄悄帮助谷歌完成了文字识别的工作。而Duolingo通过学习者练习题也正好可以丰富翻译标准答案的语料库，帮助完成翻译。

目前的商业模式是采用学习者免费，靠广告收入。

2）通过“领角”（类似于积分、游戏金币）的奖励，来促进广告的点击率，增加收入。邻角是用于购买道具的，和游戏的激励系统挂钩。类似的玩法一些小游戏中也会运用到，如小程序“成语小秀才”中通过观看广告获得体力。

以上是我对AI+教育和自适应学习产品的一个整理和产品体验过程中的思考，如有错误欢迎指正。