筆者結合自己的教育創業經驗，為我們分析了K12教育發展現狀、線下教育存在的問題及痛點以及AI +教育教學輔助系統 解決方案。

Better technology, Better Education.

讀書時代，不管是學校演講抑或是實習演講，我一定會提到：“人這一生，總要為夢想奮不顧身一次”。

或許是我在人大附中或北大附中實習時，深感教育信息化對校園工作帶來的便利，抑或是在京東工作時打開了我對人工智能相關應用的新思路，又因為我的專業研究方向是人工智能，讓我對人工智能+教育有著深深的情懷。

于是，這一年，為夢想，奮不顧身了一次。

文章大致分為以下幾個層次：

1. K12教育發展現狀
2. 線下教育存在的問題及痛點
3. AI +教育教學輔助系統 解決方案

一 、K12教育發展現狀

K12教育，全稱kindergarten through 12 grade，是指幼兒園到十二年級。不過在中國，K12教育更多的是指小學6年、初中3年、高中三年共12年的基礎教育。涵蓋課外輔導、培訓以及學校信息化。K12教育可以分為線上K12教育及線下K12教育。

K12教育主要分為教育內容類、教育工具類、教育平臺類、綜合性教育以及教育信息化。

以下為K12教育市場產業圖譜：

圖片來源：MobData研究院

K12教育線上教育和線下教育正在互相滲透，互相補充。

整體來說：“線下教育穩步前進，線上教育百花齊放”。

1）教育在一個家庭的支出占比非常高，且越有錢的家庭，支出越高。

（每學期平均花費6000元，月入上萬的家庭每學期教育支出是9638元）（數據來源：企鵝智庫）

2）二胎開放，早教市場家長目標明確，投入占比高，K12教育業必定有著基數上的上漲。

3）中小學仍然以文化課補習為重點，隨著年齡的增加，選擇增加 教育投入比例有所下降。

相對早教，中小學生家長對價格稍微敏感一些。但“學有所得”仍然是教培機構的核心競爭力。

4）在線課程仍然只占據小部分的市場份額，但越高收入的知識分子家庭，對在線教育的接受程度越高。上課時間靈活；上課地點靈活；名師授課是線上課程吸引報名的關鍵因素。線下靠口碑，線上靠廣告。過半的家長接受線上與線下的結合。

以下為線下教育機構布局情況：

目前K12線下教育仍然處于紅利期，巨頭機構 好未來和新東方不過占據了市場份額的5%不到。

區域龍頭，如北京的高思教育，深圳的思考樂，多數都是深耕當地，少數跨區域經營。

而小作坊也即小型或個體仍然占據了最大的市場份額，規模小，主打名師效應。

創業之初，對學而思和新東方兩大巨頭，也有一些了解，以下為自我理解 兩大巨頭的發展歷程以及核心競爭力對比（僅供參考）：

圖片來源：自行繪制

從上圖可以看出：

1）新東方和好未來的雄起，均是在良好的時代背景下促成的。

2）好未來是傳統教培機構中最先具有互聯網思維的，至今也是走在科技前列的，其使命為“用科技推動教育進步”

3) 新東方自成立到學而思成立這十年前 一致專注于外語考試培訓，已然成為中國教育龍頭企業，但后起之秀好未來在新的時代背景下依靠理科培訓迅速成為教育行業又一大龍頭企業。

4）新東方通過暑假免費班撬開K12文化課培訓市場，好未來被迫緊隨其后，但該措施后期卻成為新東方、好未來這兩大巨頭進行行業壟斷的利器。中小學機構在行業龍頭的強大攻勢下，生存環境進一步惡劣。

5）好未來是傳統企業里面最具有互聯網基因和敏銳的嗅覺的，率先在AI+教育方面加大研發力度，相信在教育的三大角色（老師，學生，家長）之外，人工智能的崛起將成為教育的第四級。

而兩大巨頭的一些核心競爭力對比如下：

1）教研：好未來的“大后臺，小前臺”，將大部分精力放在教材的研發上，認為優質的，標準化的課程體系才是教育企業的核心競爭力。新東方實行搭班制度，也即將學科領域再細分，例如托福課程，可能會分成聽力、寫作、閱讀、語法等等，不同老師都只負責其中的某一塊。專業細分使得每一位老師不斷打磨細分部分的教研水平，力求達到極限水平。

2）師資：好未來“去名師化”，傳統教育行業對名師的依賴很大，但名師業成為限制或威脅教育機構發展的重要一環。（好未來多為培養985，211應屆生），而新東方早期新東方通過制造明星老師圈得了大量學生的追捧，所以也稱為優秀教師的“黃埔軍?！?，所以新東方早期培養了一大批優秀的教育培訓人才，這些人才后面成了教育初創領域的生力軍。如跟誰學的陳向東，之前就是新東方教育科技集團執行總裁。

3）考核：好未來用多維的指標來對教師進行考核（留存率，退費率，滿班率，家長滿意度），指標直接影響老師的課時費，約束老師注重教學的同事也要注重服務。

4）學生：好未來首創培優模式，也即對學生進行測試，只收成績前 20%-30%的學生。成績好的學生自驅力高，通過培訓更能達到提分的目的，反之，優秀學生的高升學率又能給好未來帶來好口碑，從而形成良性循環。新東方由于在K12領域后起于好未來，當時只能打差異化戰略。在教育界，還有更多的學生需要的是“補差”。

5）招生：好未來更趨向于從更低年級學生入手，學員自然升學帶來的高續班率幫助好未來降低招生成本。新東方由于其歷史原因，其主要服務高中學生，需要不斷投入來獲取新學員。

總結

線下教育穩步發展，但線上教育的滲透率越來越高，兩大巨頭也紛紛布局線上。線上營收占比不斷加重。新東方和好未來在雙師課堂教學模式持續投入、力爭下沉市場。在線K12教育迎來規?；l展的黃金窗口期，而AI+教育也會在政策和時代的背景下，有新的發展和突破！

二、純線下教育的中小型企業存在的問題及痛點

上面提到，兩大行業巨頭不過只占了整個市場的5%不到，那么對于類似我i創業的這個機構這種的中小型企業也不在少數。通過1年的創業，在這1年中，我在不斷解決線下教育的各類問題，親身經驗總結了線下教培行業的痛點如下：

1. 招生問題

若沒有一定量基數的學生形成口碑傳播，招生對于一個新開的機構是一件非常非常難的事情。新招學生永遠比留住一個學生要難。

1. 由于互聯網資訊的發達，傳統招生方式“發傳單”、“地推”已經越來越難做。
2. 缺乏新型互聯網營銷人才，開拓互聯網營銷之路（線下教育培訓機構由于其線下的屬性，很難吸引到互聯網營銷、新媒體運營方面的人才）。
3. 招新成本過大，目前招新的策略不外乎“免費班”、“老帶新讓利”，每種招新的方式成本都很高。
4. 營銷人員本身說服力不夠，難以通過只言片語分析學生問題，說服家長報班。

2. 學生留存問題

既然招新成本居高不下，那么教培機構必然十分重視教育學生留存問題。線下教培機構學生多，課程多，老師們精力有限，根本無法顧及到每位學生。無法實現一對一指導，學生流失，對線下教培機構來說，是一件很“正?！钡氖?。

深究問題：

學生流失主要是哪幾方面的因素：

• A.學生成績沒提升 —家長迫使學生流失
• B.學生感覺不受重視 —學員眾多，教師和管理人員很難有精力關注到每一個學生
• C.學生學校負擔過重，不愿來機構

針對以上問題，我想到的可能的解決方案：

• A. 對于成績沒提升的，及時預警。如在學校大考、小考時間節點前，對學生進行成績預警，再有針對性的加強。
• B. 對于學生維護不足的，及時預警。設置評判維度，如是否有每日一練，是否有每周小測及測試分析等。
• C. 對于學生學校負擔過重的，需要我們建立個性化學習路徑和題庫，對于大多數學生來說，她們都不是不愿學習，而是不愿無效學習！

3. 家長維護問題

學生成績的提升是由多方面因素造成的，而非單一的教學質量。但傳統線下機構，大多數家長都是以學生成績的提升來評判一個機構的教學質量的。教學質量不理想，家長換機構，很正常。

首先這個問題，我們需要先搞清楚 家長想要什么？！

家長要的一定是學生成績的提高嗎？！

事實上，大部分家長很清楚，學生成績的提高是需要長期性的，并且影響因素很多，所以其實家長在意的東西有兩個：

1. 成績上的提升
2. 行為上的改變

在短時間內我們無法做到成績上的提升，那么我們就要想辦法讓家長看到孩子行為上的改變。

這時候教學可視化就顯得尤為重要！

• A. 每節課后 學生上課表現反饋
• B. 學生學生檔案建立及更新
• C. 學生學期分析
• D. 個性化學習路線制定

但是，在線下教育的實操過程種，學生上課表現的反饋，學生檔案的建立，學生學情分析報告，個性化路線的制定都受著人力的約束。每個老師對應很多個學生，很難做到每個學生如此細致化的進行教學可視化，就算做，可能也做的不是特別好。

4. 教師考核及風控

怎樣才算一個優質老師？

“上的課多，學生成績進步明顯，家長學生給予好評是我們目前對優質教師的評價標準?！?/p>

大部分機構所采用的這種考核標準，難以數據化和客觀化，容易受主觀影響，人為根本難以把控。

建立公平公開透明的一套激勵機制才是考核教師的正確打開方式。

數據的建立就顯得尤為重要，學生留存率，學生進步率，家長滿意度等多項維度。

我在任職期間，就建立了多項維度來考核教師，并直接與課時費相關聯。用數據約束。

風控方面：學生在學習過程中和老師的關系是最親密的，包括家長，也是直接和老師進行溝通，不認機構，只認老師的現象一直存在，而現狀是大多數機構都任由任課老師發展，有的任課老師教學質量高，家長反饋好，但老師離職的話，學生也會流失部分。在不多的生源上，就是雪上加霜的事情。

從上一部分分析學而思、新東方的發展歷程和核心競爭力，我們可以得到啟發：“建立標準統一的教學教研體系，以及標準化的教學流程，才是削弱名師效應給機構帶來不好影響的法寶?！?/p>

三、AI + 教育教學輔助系統 解決方案

“AI+教育”正從功能組件的1.0時代，進入整體解決方案的2.0時代。

在教育的三大角色（老師，學生，家長）之外，人工智能的崛起將成為教育的第四極。

過去乃至現在，我們所了解的AI技術在教育行業的應用，多以功能組件形式存在，體現的是AI能力和組件層輸出的單維能力，例如拍照判題、語音評測、人臉簽到等。

而我 針對線下教育所存在的痛點，針對AI在教學方面提出新的解決方案，希望可以幫助中小型教育機構真正解決問題。

1. 中國“AI+教育”具備全球領先的機會

國務院發布《新一代人工智能發展規劃》，將人工智能寫入國策，后續發布的《中國教育現代化2035》，進一步強化了人工智能在教育現代化中的重要意義。且中國計算機和AI人才正處于爆發期。這樣的時代背景，都有助于AI+教育的快速發展。

2. 人工智能和教育的融合，其本質還是要回歸到教學質量

好未來某CTO曾說過：我們所有的技術探索，根本目標還是要回歸到教育本身，在人工智能領域的探索實踐中，好未來始終謹記兩個教育理念：宏觀而言，堅持助力“更加公平而有質量的教育”，微觀考慮，堅守教育立德樹人根本，為每個孩子提供最適合的教育。

我覺得說的很好，也是我一直推崇的理念。

宏觀來說，融入科技的教學能夠將更多的優質的課程通過線上的方式傳播給更多人，消除貧富差距，地點限制，讓孩子們能接受到同等同質的教育機會。微觀的說，每個孩子都有自己的個性化問題，傳統的題海戰術讓孩子負擔過重，通過AI實現個性化教學，真正為教育減負！

基于以上的時代背景和理念，我大膽地在教學全流程種應用AI教育，具體如圖所示：

具體的場景應用：

1. 教研場景-助力教師

傳統的教研場景存在的痛點有：

1. 無系統教研資料，教研過多依賴教學經驗，給新人的成長帶來過高門檻
2. 教材難以人為的達到真正的分層教學，教師備課消耗精力過大
3. 現實中的磨課能難做到磨一整節課，因為聽課教師精力有限，但磨十分鐘或者磨譯者知識點又難以得到真正的成長。

針對以上存在的痛點，提出的解決方案有：

1. 利用基于班級或個體的學情，通過計算機視覺，自然語言處理，數據挖掘等人工智能技術，為教師生成個性化的教案，包括教學計劃，對應課件，并且能根據學生學習過程中產生的新的學情，再次做出調整。
2. 通過語音識別，計算機視覺，自然語言處理等技術為教師提供虛擬化的課堂場景，根據老師試講的過程提出建議，如肢體動作和諧，語言邏輯性等等。

2. 教學場景-助力教師、學生、家長

傳統的教學場景存在的痛點有：

1. 課程人數眾多，無法兼顧到所有學生的學習狀態，如是否開小差，是否聽不懂等。
2. 學生想記筆記，但是有的時候不知道重點在哪里，最后什么都沒記。
3. 老師想檢查學生筆記，無奈沒有太多的時間去認真檢查和糾正。
4. 家長很想了解學生上課的狀態，是否專心，是否聽懂了等等細節，但是依賴教師下課做反饋，導致教師可能有反饋不及時的情況發生，或者反饋千篇一律的情況。

針對以上存在的痛點，提出的解決方案有：

1. 利用人臉檢測，表情識別，姿態識別等分析學生上課的專注度，動態調整學習內容。
2. 利用圖像識別，文字識別等技術根據授課內容自動生成筆記，將學生所做筆記與智能生成的筆記進行對比，幫學生筆記查漏補缺。
3. 利用圖像識別，姿態識別來動態抓取學生上課的情況，并進行分析自動發送給家長。

3. 作業場景-助力教師、學生

傳統的作業場景存在的痛點有：

• 學生作業本來就多，壓力本來就大，學生不愿意再去寫培訓機構布置的作業了。
• 老師布置了作業很難有時間一個個的仔細檢查，一對一的講解錯題，講解完了以后也不能及時找到同類型的題進行驗證，而老師布置了作業不及時檢查，不及時講解，學生久而久之就不會再做這個作業。

針對以上存在的痛點，提出的解決方案有：

1. 根據學生之前產生的學習數據，利用知識圖譜，深度學習的算法，精準定位每一位學生知識點的掌握程度、認知等級與薄弱點，構建學生“學情數據畫像”檔案， 用數據指導學生“定向學習，精準作業（作業減負）”，幫助學生“減負增效”，告別“題海戰 術”?！皩W生不是不愿意做題，而是不愿做無效習題！”
2. 利用圖像識別技術自動識別學生上傳的題目并檢索答案，及時反饋學生的錯題，為學生高效答題。同時基于學生錯題分析，智能生成同類型的習題進行驗證，有效節約老師為學生定制個性化習題所花費的時間。

4. 考試場景-助力教師、學生

傳統的考試場景存在的痛點有：

1. 每一次考試，任課老師需要精確定位學生薄弱知識點并一一分析，學員眾多，工作量非常大，導致偷工減料，沒有非常細致的分析，很難做到真正的因材施教。
2. 學員眾多，每一次考試閱卷問題也耽誤老師很多的時間。
3. 每一次考試都要到處去找合適的題，不僅要針對學生的薄弱知識點，還要鄒忌大量的本土化試卷進行分析，才能出一份比較專業的事情，耗時耗力。

針對以上存在的痛點，提出的解決方案有：

1. 個性化組卷，針對以往學生學習知識點以及本土化的考綱考點，智能化出題。
2. 基于圖像識別、自然語言處理、 數據挖掘等人工智能技術，采集匯總學生考試結果，分析不同知識點弱項，進而形成學生學情報告，為老師個性化輔導提供了建議，且也為營銷新生或做續班提供了有效的教學可視化數據。
3. 基于手寫識別，自然語言處理等技術，實現客觀題及主觀題的自動批改及賦分，大幅提升閱卷速度。

5. 管理場景-助力校長或教學主管

傳統的校區教學管理場景存在的痛點有：

1. 對校區整體的教學質量沒有很好的把控，可視化的校區整體教學水平的數據較少。
2. 學員眾多，很難關注每個學生，沒有學生成績預警數據，總是等到學生流失，家長投訴，才知道學生在我們這里的情況。
3. 評判教師的數據過于單一，不可量化，而建立班級對比數據，學科對比數據，可以很好的橫向對比教師的綜合能力。

針對以上存在的痛點，提出的解決方案有：

1. 形成學校大數據：班級成績對比分析，學生個體大數據分析
2. 學生成績預警：根據對學生個體成績數據的沉淀和分析，對于成績不好的學生提前進行預警，如根據該學生的表現，預測該學生可能會期末考試考不好，那么對于這類學生進行預警，同時對任課老師，家長采取行動，降低家長滿意度，盡可能的提高分數！

在上述我所想到的應用場景，其實某些大公司已經在實施或者有部分已經成型，但隨著人工智能技術的深入發展，覆蓋“教研”–“教學”–“作業”–“考試”–“成績管理”一整套的解決方案也終究會呈現出來。而其技術的實現的背后，需要依靠大量數據的積累以及AI人才的付出，單憑幾個人是完全不夠的。

而我之前研究的是：學生成長軌跡預測，主要是通過找到與學生成績表現關聯最大的幾個因素，如考勤；作業完成情況；知識點遺漏情況，各類考試情況，設置最小支持度和最小置信度，判斷哪幾個因素和學期成績表現是強關聯，提取這些因子，也就是提取大量影響成績的因素，然后獲取大量學生的這些數據進行訓練生成訓練模型，然后對未知學生的成績進行分類預測。

通俗的說，就是通過已知學生的成績變化曲線去預測一個跟他成長軌跡很相似的學生的未來發展情況。

再通俗點說，就是你媽媽經常跟你說的一句話“你再這樣下去，以后就只能和誰誰誰一樣最后只能讀大專啦?。?！”，那媽媽其實是憑借著媽媽的經驗來說的，媽媽對比了你過往的表現，然后和她腦袋里面所知曉的街坊鄰居的孩子進行了對比，發現了一個和你成長情況最像的孩子，于是她告訴你，你以后也會成為這樣的人。

那么利用人工智能的算法去做這件事。首先，我們評判的維度是量化的，而非感性的；其次，我們系統里，擁有大量的學生的各維數據，數據越多，能夠找到的和你成長軌跡最接近的概率越大，那么對你以后的成長的預測也就越準確！

另外，個性化測評以及自適應學習，目前有很重要的一環是：對系統預設的知識點進行多維度的打標簽，并形成知識圖譜，以及她們之間的相互關系，這個圖譜能讓系統更好的決定哪個內容才是更適合學生的。

要做好這個數據沉淀，還是需要在教研界摸爬滾打紀念才能有這樣打標簽和形成數據沉淀的能力，或者跟大公司合作。

說白了，個性化測評的重要一環是對知識點進行盡可能小的力度的拆解，再利用計算機視覺和自然羽然處理等技術確定孩子的學習情況，而自適應學習是基于一定規則的學習路徑動態規劃，是否真正能做到自適應學習，取決于規則制定的簡單還是復雜。目前在這條路上，所有的公司，所有的AI技術從業員都有很長的路要走。

整體來說，我認為AI+教育是一個極具前景也富有情懷的發展方向。通過AI技術，不僅能夠實現“千班千面”甚至“千人千面”的教學方法，真正做到“因材施教，教育減負”，同時也能高效的幫助老師完成一部分的教學管理工作，讓老師更多的精力放在輔導和育人上面。同時也能夠一發部分程度的實現教育平等，讓人人都有資格享受更好更優質的教育！

目前，參與AI+教育事業的有四類公司：

1. 首當其沖的教育類公司，由于教學痛點的長期存在，所以未來也會進一步參與到AI+教育中來。
2. 資源整合能力超強的互聯網巨頭，擁有技術，資源，入口，應該會比較容易通過2B的場景進入AI+教育場景。
3. 人工智能技術提供商，教育痛點天然存在，而解決方案大同小異，所以突出重圍的重點在于教育的根基加上AI技術的縱向深耕。
4. 計算平臺，AI技術的相關應用，需要大量數據作為支撐，必然需要技術平臺為其計算，訓練模型提供堅實的基礎。

以上，是我對線下教育以及AI+教育的理解和剖析，雖然年輕氣盛，有很好的想法，但無奈被現實的工作壓力壓昏了頭，很多創意未實現，或者還在摸索中，但對教育事業的熱愛，對AI+教育事業的憧憬，在激勵著我不斷前行，未來，不管在哪里，繼續加油！

作者：Jolin，個人網站：chenjialing0223.com? ?武漢大學，一枚正思考求變的AI產品經理

本文由 @Jolin 原創發布于人人都是產品經理。未經許可，禁止轉載。