本文目录一览：

• 1、人工智能将如何改变教育产业?
• 2、“人工智能”，“大数据”+教育如何驱动教育的未来
• 3、人工智能对教育行业的发展有什么影响？
• 4、人工智能在教育领域的前景如何？
• 5、人工智能在教育产业有哪些应用？

人工智能将如何改变教育产业?

——以下数据及分析均来自于前瞻产业研究院《中国智慧教育行业发展前景预测与投资战略规划分析报告》。

随着人工智能、物联网等新兴技术的不断发展，我国智慧教育行业的市场并亏规模也不断扩大，2018年，我国智慧教育行业市场规模达到5320亿元，较上年同比增长17.13%。在线教育受三大因素共同促进，市场规模不断扩张，用户渗透率不断提升；教育信息化在国家重点关注，各省市地方积极推进的情况下，信息化水平不断提高，《教育信息化2.0行动计划》提出三全两高一大的目标为教育信息化发展指明了方向，在线教育和教育信息化的不断扩张，共同促进我国智慧教育事业蓬勃发展。

市场规模不断扩大，在线教育和信息化同步发展

“智慧教育”是指以物联网、云计算、大数据处理、无线宽带网络为代表卜兄的一批新兴信息技术为基础，以智能设备和互联网等为依托，以教育资源建设为中心，以各项配套保障措施为基础，以深入实施教育体制改革为主导，全面构建网络化、数字化、个性化、智能化的现代教育体系。

根据智慧教育的含义和特征，“智慧教育”是政府主导、学校和企业共同参与构建的现代教育信息化服务体系，因此智慧教育行业市场规模应该包括两大块：在线教育市场规模（主要指除学校外的社会机构（企业）提供的在线教育）和教育信息化市场规模（主要指学校实施的智慧课堂、智慧校园等工程）。2013年以来，在线教育和教育信息化均处于快速发展时期，从而推动我国智慧教育市场规模不断扩大。综合在线教育以及教育信息化的市场规模综合测算得出，2018年中国智慧教育市场规模约为5320亿元，同比增长17.13%。

在线教育不断发展，用户渗透率不断提升

影响在线教育行业的因素主要包括三个：升学就业需求、技术创新以及政策规范。其中，升学就业需求影响机制为：焦虑感和危机感驱使庞大中产阶层的教育开支持续提升，从而使得在线教育行业下游需求旺盛；技术创新影响机制为：大数据技术、人工智能技术、增强现实技术、虚拟现实技术、在线课程模式等正在进一步迭代在线教育的形式，不断推进着互联网教育平台向纵深发展，促使其更加高效、智能且个性化。

因此，在升学就业需求、技术创新、政策规范的共同促进下，我国在线教育市场发展迅猛，2012年市场规模仅为701亿元，2017年市场规模已达1917亿元，5年复合增长率达到22.3%。预计2018年我国在线教育市场规模将达到2321亿元，同比增长21.07%。

除了国内在线教育行业市场规模实现持续扩容外，我国在线教育的用户渗透率也逐年提升。以K12阶段为例，2013年，K12阶段在线教育用户数量仅为1180.4万人，渗透率仅为6.8%；2018年，K12阶段在线教育用户数量达到1968.9万人，渗透型蔽袭率已达11.5%。

“人工智能”，“大数据”+教育如何驱动教育的未来

近日，由论答公司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、学习数据分析和教育数据挖掘。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

Ryan 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。

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。

Ryan 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誉大用方向，包括：预测学生是会辍学，还是会成功完成学庆氏竖业；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。

他认为，个性化教育至少要做到三件事情：

1、确定学生的有关数据；

2、了解对于学生的学习来说什么是真正重要的；

3、有针对性地为学生提供合适的教学。

而通过教育数据挖掘，我们可以推断很多事情：

学生的元认知和求助。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？

没有投入学习的行为。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。

学生情感。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。

长期的学习结果。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？

Ryan 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。

Knewton

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。

ALEKS-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。

Cognitive Tutor

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。

论答

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。

Reasoning Mind

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。

Duolingo

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核肢汇的学习。

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。

Ryan 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。

1、胡祥恩教授在美国做了大量实证研究，证明ALEKS系统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。

2、Ryan Baker本人领导的研究团队与论答公司合作的研究表明，学生通过论答系统学习，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。

Ryan 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：

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。

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。

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。

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。

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。

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。

讨论：“因材施教”的千年理想该如何照进现实？

王枫博士，论答公司（Learnta Inc.）创始人兼CEO

胡飞芳博士，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

胡祥恩博士，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

马镇筠博士，论答公司联合创始人兼首席数据科学家

辛涛博士，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。

技术发展到今天，“因材施教”如何实现？

王枫：因材施教，我首先到的是，每位学生学习的内容都不一样。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。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知识点，题目也好、视频也好、还有其他各种各样的学习内容。

胡飞芳：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。课堂教育从某种意义上来讲是标准化。现在这个历史阶段，教育大数据可能真正要做到的就是因材施教，自适应学习本身想做的也是这个。

胡祥恩：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。

马镇筠：“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，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。现在再提因材施教，我们其实能做得更多、更精细化。

比如，“因材”，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。而且，传统意义上的因材施教考虑的是学生个体间的差异，没有重视学生本身状态是在发生变化的，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，包括学习路径推荐，给不同的学生匹配他最合适的学习内容，这种非常精细化的层面，我们已经有了一定的技术积累。

怎么判断一个产品做到了真正的自适应？

马镇筠：大多数产品的学习过程可以分为测、学、练，可以从这三个环节去看这个产品做到什么程度。

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。但如果要做到具体告诉你，哪些知识点掌握、哪些知识点没掌握，这个难度就高很多了。

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。

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。

辛涛：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。

自适应学习基本上是把学习和评价联动起来了。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。

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，很大一块还是自适应考试，CAT（computer adaptive test）。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。

测评本身经历了好几个阶段，通常用三个应用介词表示。

accessment to learning and teaching；

现在国家倡导的，accessment for learning and teaching，测评要对学习和教学有帮助；

跟信息化结合，accessment as learning and teaching，它是学习提供的完全融合的一个环节。

王枫：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。

自适应系统如果一定要分级，也可以简单分一下。一种最基础的系统是基于规则的，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。

但这个规则有用性是非常有限的，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。

所以自适应系统真正到了更高级一点的话，一定是真正通过大数据、根据算法模型来分析学生的学习数据，匹配下一步应该学什么。

在中国，自适应学习有效应用于教学有三个前提条件。做到这三点，自适应学习在中国的教育里面前途无限。

好的产品。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。

好的学生、家长、老师。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。

学校以点带面。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。

胡祥恩：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，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，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。

怎么看待人工智能在教育中的应用？

胡飞芳：AlphaGo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。

这说明像这种不确定性的问题，人工智能还有非常大的局限性。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？就是用了模型，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。

人工智能相对比较成功的，是比较确定的问题，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。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。

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？

胡祥恩：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。

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。第一个是要标准化，第二个要理解整个教育是一个产业链。

人工智能对教育行业的发展有什么影响？

——2021年中国人工智能市场现状与发展前景分析 智慧教育成黄金赛道、学习机趋于刚需

人工智能行业主要上市公司：目前国内人工智能行业人工智能驱动的教育业：智慧教育的商业模式的上市公司主要有百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。

本文核心数据： 智能语音在教育领域的主要应用,中国智能在线教育市场规模,智能在线教育市场规模级同比增长,学习机出货量市场份额,中国学习机市场空间预测

1、 智慧教育成为黄金赛道

智能语音在线教育领域主要有四个应用人工智能驱动的教育业：智慧教育的商业模式，分别为语音转录、语音算法助力课堂质量检测、虚拟教师互动教学、口语测评。

自2012年以来，语音识别、图像识别、深度学习等人工智能技术发展迅速，不断实现突破，人工智能在线教育在人工智能技术的发展推动下逐渐兴起，基于语音识别技术的语音测评、基于图像识别的智能情绪分析等人工智能在线教育产品涌现在市场中，人工智能在线教育行业发展步伐逐步加快。

中国人工智能在线教育市场规模从2014年的549亿元增长至2020年3683亿元，呈现快速增长趋势。随着人工智能技术日趋成熟，人工智能在线教育产品性能将进一步提升，用户规模将不断扩张，人工智能在线教育市场规模有望迎来新一轮快速增长。

2、 学习机需求趋于刚需

智能教育中主要的产品之一是学习机。学生平板主要面向K12学生用户，通过丰富的学习资源和学习功能吸引家族圆长和学生群体，更适用于家庭学习场景。2019年中国学生平板市场的出货量约400万台，初步估计2020年将接近440万台，2021年将会达到470万台，学生平板市场呈现连续増长态势。

从企业来看，市场集中度相对分散，整体呈现出步步高领跑、讯飞大举追赶的局面。目前，人工智能驱动的教育业：智慧教育的商业模式我国学习机的主流品牌包括步步高、读书郎、优学派、小霸王、好记星、科大讯飞等。其中步步高凭老穗晌借核心的教育资源优势和长期的品牌影响力，在市场份额上占据首位侍锋。

3、 未来市场空间将近300亿

在未来人工智能驱动的教育业：智慧教育的商业模式我国人工智能在教育方面更高的应用下，2026年人工智能驱动的教育业：智慧教育的商业模式我国学习机的市场空间将增长到283.6亿元，复合增长率达到13.17%。

以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

人工智能在教育领域的前景如何？

人唤仿工智能在教育领域的应用已经开始走向实用化，并且在某些教学场景中已经有了相应的落地实践。但是，尽管上述情况存在，目前并不会对教师的工作产生替代或冲击。以下是几个理由人工智能驱动的教育业：智慧教育的商业模式：

1. 人工智能不能完全替代教师的职能人工智能驱动的教育业：智慧教育的商业模式：尽管人工智能可以使某些教学环节具有计算机的效率，例如自动批改试卷、提供个性化学习推荐，但是人工智能在复杂情境下（例如辅导学生）的表现相对较弱隐敏。完全用人工智能来代替教师还面临着技术限制、伦理问题和人性化问题的挑战。

2. 教师有人性化优势：教师可以从学生的心理出发，与学生建立真正的人际关系，从而更好的理解学生的需求，提供针对性的教育，更能促进孩子的成长。教育工作者还有千变万化的角色扮演，例如生活指导员、辅导员、支持者、靠山等等。这些都是人工智能替代不了的。

3. 教育的多样性和复杂性需要人工智能的“帮手”：人工智能在教育领域的应用成果，旨在帮助教师更好地实现“智慧教育”，协助教师完成一些简单、重复和规范化的任务，从而释放出更多精力和时间去思考课程和教学方式等问题。可以说，人工智能最大的应用前景不是替代教师，而是辅助教师，让人工智能驱动的教育业：智慧教育的商业模式他们更灶链枝好的完成多样性和复杂性的教学任务。

总之，尽管人工智能的应用在教育领域具有一定的前景，但是它不能替代、也不能完全取代教师。教育工作者有很多优势，例如人性化、建立人际关系和辅导学生等，而人工智能则能为教育工作者提供帮助，让他们更好地完成多样性和复杂性的教学任务，进而实现教育效果和教育公平。

人工智能在教育产业有哪些应用？

随着深度学习算法的发展以及数据量和硬件资源的提升，人工智能在教育方面的应用也越来越多，就介绍一些目前已经开始应用在教育方面的一些人工智能技术

猿辅导

这个也许大家都听过，好像这段时间关于这个的广告也挺多的，我就以这个为例说说他们应用了哪些人工智能技术

通过拍照就直接能够找到相应题目的解答，主要是利用了 计算机视觉技术 ，识别出题目中的文字信息然后再去搜索相应的解析，这里面应该还有 自然语言处理技术 ，这样可以让计算机更好的理解题目，找到匹配度更高的解答。

通过拍照让程序自动批改作业，这样可以大大提高教师的工作效率，减轻老师的工作压力。这里主要还是 计算机视觉技术 ，识别出题目和解答的信息，然后再判断答案是否正确

英语流利说

用过这个APP的也许都知道，里面有一个 测你的发音准确的功能 ，读一段话之后系统就会给你反馈一个评分，还是指出部分发音有问题的地方，这里主要就利用 语音识别技术

展望

随着人工智能技术的发展，我相信这样的应用会越来越多，越来越普遍。这里我说说几个我的想法

通过系统实时监控学生上课的 动作 、 表情 等，监测到 上课走神 、 不认真听课 、 玩手机 、 睡觉 等情况，将这些信息实时反馈到老师，让老师来提醒这些学生认真听课。

上大学的时候，有时候老师会点名签到，如果全部都点就需要很多时间，只点部分人就会有漏网之鱼，点名都会造成一定上课时间的浪费，如果 通过人脸识别技术自动识别出没来上课的学生 ，就能提高签到的效率，节省上课时间。

这里我只是简单介绍了我的一些想法，相信以后会有越来越多这样技术的应用。

首先老师的工作压力降低，比如出试卷，批改作业，这个都可以让人工智能去做，推荐一个小程序，AI人工智能工具，就可以拍照批改作业，很方便

再次老师上课形式丰富化，学生更有兴趣学习

人工智能在教育领域的应用，我当这个是个脑洞题，简单畅想一下：

1、表情识别、追踪、捕捉。

面部表情识别用于语各种学习频道软件 登陆 或者学习 签到打卡 ，捕捉和追踪技术可以全程参与分析孩子的学习状态和对知识的掌握程度， 比方说讲到哪个知识点孩子皱眉了？可以当堂提醒老师，或者课后作业推送这个知识点就是重点。

2、三代语音AI智能交互

比方说现在比较火的AI口语录音评分，KTV的打分系统等，这个是 一代语音AI 能做到的录入和对比评测； 二代语音AI 就像是手机里的“siri”，可以识别语音输入，并进行仿人类的交互对话，语言库会随着大数据和全部使用者的对话习惯修正而更新。 三代语音AI 估计就会根据场景主动输出了，就跟提醒前方有红灯一样提前提醒学生哪些知识点需要牢记，怎么记。

3、个性化定制和推荐

大数据、算法、推荐，根据孩子当前的学习水平，桐启 给计算出最适合当前学习情况的一套学习规划。 怎么说呢，以某地图导航软件为例，输入起点和终点，会有各种不同的可行的路线让你选，省时的，省走路的，省钱的等等。学习的话：大一入学，根据AI系统做套英语题，然后输入四级，系统会规划你的学习路径和学习时间，比方说一天10道听力题，5天一套阅读题，缺乏哪些的词汇，按照这个步骤学习，四级基本上都能过！

4、提升效率，兴趣致富

很多人都不知道自己喜欢什么，很多人一生都在 探索 而不可得，老了空留一声叹息。也有很多人，为了生计，不得不放弃爱好，如果AI足够强大，我们可以免去 探索 ，腿长的直接去跳远，反应快的直接去打电竞，鼻子灵感的去当厨师。大家各行各业都能快速做到顶尖，不用为了生计去阻碍兴趣的发展。因为强大的AI，会快速让你的兴趣为你变现，让你不愁吃穿。

教育管理部门，学校自有人工智能部门。

辅助教育作用，既教育自动化。主要部分当然是学校和老师最清楚，有私密和共享的要求，配以自有IT人员合作。

教育本应是一门科学，不利于产业模式，否则找不到科目念薯的真理。

近年来人工智能技术突飞猛进，赢得人工智能将赢得未来成为了业内共识。至此， 科技 巨头在今年来积极布局人工智能这一前沿领域。但是，跨越技术问题后的AI创业者们无法回避的一个问题是：如何找到真实的应用场景，构建可靠的商业模式仔轮者？

正巧，教育行业是一个非常适合、也非常需要被AI改变的领域。

传统教育模式下，学生教育质量的高低很大程度上依赖于老师的好坏，而优秀教师的培训周期长、价格相对较高、在国内供需也不平衡。另外，教学规模的扩大势必影响教学质量，学生学习效果易变差。因此，可以说教育是一个人力智力密集型行业，对教师人力资源的过度依赖是教育行业问题根本所在。

对于像教育这种有明确目标的学习，AI技术的出现可以说是在根本上减少人的依赖，提高教学效率，帮助老师因材施教，让学生的学习更有效。

那么，“教育+AI”的应用场景有哪些呢？

就目前的人工智能在教育领域的应用来看，可以分为自适应学习、虚拟助手、专家系统、商业智能等方面的广泛应用。

1.自适应学习+教育

自适应学习就是通过算法，将获取到的学习者的数据分析反馈给已有的知识图谱，为学习者提供个性化难度和个性化节奏的课程和习题等，从而提高学习者的学习效率和学习效果。

自适应学习与传统教学的不同在于主要教学方式不同：传统教育通常是以班、组为单位的，由老师提供统一的教学内容和进度安排的，学生的练习和需要做的测评也都是统一化的，而自适应教育是以个人为单位的，接受不同的学习进度和学习内容，练习与测评内容的个性化程度高。

主打“自适应+教育“的企业，可以细分为：

1、“自适应+K12教育”类

如“猿题库”——通过自适应题库为学生提供个性化题库，并根据其个性化问题提供真人在线辅导，帮助学生了解自身学习情况、激发对练习的兴趣并提高科目学习成绩。

2、“自适应+STEAM教育” 类

如“wonder workshop”——通过软件将儿童的数据进行分析，并通过机器人硬件和独特的教学内容，帮助孩子趣味学习编程。

3、“自适应+语言教育” 类

如“朗播网”——提供一套自适应英语学习系统，为用户测试英语各方面能力，并提供针对性的考试提分技巧和能力学习课程。

4、人性化地风险事件处理方案

如“NEWSELA”——将K12用户的英文阅读水平分级，通过科学算法来判断用户的阅读水平，向用户推送符合其阅读水平和兴趣的新闻来提供用户的阅读能力。

2.虚拟学习助手

虚拟学习助手是指为学习者提供陪练答疑、客服咨询、助教等服务，企业从中能够低成本为学习者提供标准化的服务，并且又能获得大量用户数据反馈。

1、虚拟助教

由于教育过程中，助教所需要做的业务就是为学生答疑、提醒等功能，这些工作多为简单重复的脑力工作，因此，AI可以逐渐替代助教业务。

2、虚拟陪练

课后练习反馈对于学习效果的提升非常重要，而数据化程度最高的环节也正是练习，因此这也是大部分人工智能+教育创业者的切入环节。不同类型的学习内容需要的技术方案各不相同，如理论性的学科的练习更加容易智能化，但是与实践相关的科目，如艺术、运动等往往需要搭配智能硬件来达到学习效果。

此类产品如“音乐笔记”就是音乐教育领域的陪练机器人，智能腕带和APP结合，利用可穿戴 社会 和视频传感器，对钢琴演奏的数据进行实时采集分析，并将练习效果反馈和评价呈现给用户。

3.专家系统

专家系统是指，在某个领域能够有效地运用数字化的经验和知识库，解决以往只有专家能够解决的复杂问题。专家系统结合了人工智能和大数据，具备自我学习和综合分析的能力，系统可以获取、更新知识，不再只是静态的规则和事实。

专家系统帮助学习者和机构诊断、预测、决策。这类企业通常可细分为：

1、“生涯规划+教育” 类

如“申请方”——基于大数据和人工智能，为面临升学、留学、求职等情况的用户提供智能规划和申请服务的平台，帮助学生获取开放性的教育资源、实现高效率的血液发展、收获个性化的教育体验。

2、“智能批改+教育” 类

如“批改网”——是一个计算机自动批改英语作文的在线系统，为学生和教室提供智能的批改服务。

4.商业智能化

教育机构组织运营包括多个核心环节（推广招生、教学、客户服务等）和支撑活动（基础设施、人力资源、采购、教研等）。人工智能可以在多个环节提升组织的整体效率。

教育商业智能应用场景非常丰富：在基础设施活动中，有智能选址、财务预测管理、校车管理规划等场景了；在人力资源活动中，有教室招聘、人才评估、人才培养三个应用场景；在采购活动中，软硬件采购和评估可以应用AI技术；在教学研发活动中，有教研体系、课程内容和备课工具都可以作为其应用场景；在推广招生环节中，有招生平台、投放策略等场景；在教学过程环节中，有课堂的辅助、LMS、作业批改、考试测评等场景；在客户服务环节中，有家校沟通、客户管理、班级管理等场景。

企业在商业智能化这通常有两个方向：

1、“运营支持”

如 “Panorama”——K12教育的数据分析公司，从学生反馈、 社会 情感 学习、学校生态和家长及 社会 参与度四个方面对学校进行评估，为每个学校制定个性化的调查方案，找出学校的问题所在并针对广泛性问题提供解决方案建议。

2、“学情管理”

如“狸米学习”就是为公立中小学提供个性化教学解决方案的。为学校提供完整的智能化教学配套方案，教室可用于作业管理和课时学情分析，家长通过此了解孩子学习状况，教学管理者可以用于学校的智能化教学分析。

未来教育创业的驱动力定是来自人工智能为核心的“ 科技 创新”+”教研创新“，前面触及到的四个领域（即自适应学习领域、虚拟学习领域、专家系统领域以及教育商业智能领域）的各个赛道中都有巨大的创业机会。

假打，中国人口超级多，多少失业人，你还倡导人工智能教育，不合国情。教育非产业，应为国税支撑福利为民生。人工智能可用于教学补充资源，不可太过分，教育还是高人传后人。

题主的问题有些广泛，从信息化领域来讲教育产业包括幼教、普教（K12）、职教和高教这四个版块。我可以从我了解的领域对题主的问题试着进行回答，肯定不全面，欢迎大家补充。

1.中小学STEAM和创客教育。这个创客和创业的创客不同，是一种基于学生兴趣

以项目学习的方式使用数字化工具，倡导造物、鼓励分享、培养跨学科解决问题能力、团队协作能力和创新能力的一种教育方式。主要内容有机器人、人工智能、物联网、无人机和3D打印等。

2.人机对话。初中英语学科考试项目，代替传统以校园广播听力考试方式，用互联网进行听力和口语考试，用人工智能对考生的回答进行成绩判定。

3.各种学习平台。目前一些作业和学习平台可把每次网络作业中同学做错的题做记录，通过对题目涉及的知识点讲解、相同知识点相似题目推送来进行针对性强化。还可根据一段时间内学生作业情况做出学情分析报告，让学习更有目的性。

4.课堂行为分析。这也就是前段时间网络上槽点很多的课堂人脸识别。该系统的设计初衷是通过对学生在课堂上的表情来分析学生上课时的状态如听课、发呆、睡觉、说话、书写、玩手机等，通过个人分析报告让学生更加有效的利用课堂时间提高学习效率。但在实施过程中引起了对于隐私的广泛讨论。

个人浅见，抛砖引玉，欢迎一起讨论。

科技 信息的发达超出人们的想象。人工智能可不得了。！总有一天教学会同步走，通过网络进行远程授课，优质教育可以共享，教室内的电孑教课板大屏慕显业授课，班主任的职责就是监督。教师也要裁员。少而精，高薪酬。人工智能化教学授课用不了原来那么多老师了。优质的智能课室，优质的师资讲学水平。优厚的待遇。公平的学习环境。己是为时不远。

首先是论文打假！！通过人工智能深度解析，严厉打击学术造假，论文剽窃，杜绝简单语法调整，段落调整，实质换汤不换药的论文剽窃造假！其次大数据分析，助力教育总结教学经验，挖掘教育短板，精准因材施教；三是结合 科技 进步，助力偏远落后地区同步中心城市实施优质教学

1.通过大数据整合统计学生的学习状况，分析其优势及弱项，并针对性给予学习建议，以及自动建议或推送相关的学习资料，例如知识精讲、典型习题、思路总结，帮助学生又快又好地提升学习成绩。

2.辅助小孩学习英语，并自动识别读音准确性，并激励小孩学习热情，挺好的应用。