編者按：2017年3月12日，未來之星教育CEO創業營邀請好未來集團CTO 黃琰，為教育行業創業者分享技術在教育領域應用的理解和思考。

　　（好未來CTO黃琰老師在未來之星的課堂上）

　  以下是分享全文：

      “科技教育”公司&“教育科技”公司

　　首先要分享一個概念，行業里面經常把這兩個詞混淆，一個叫做科技教育公司，一個叫做教育科技公司。科技教育公司，科技是手段，教育是目的，本質是一家教育公司，用科技推動教育進步，比如好未來。教育科技公司，本質是一家科技公司，它是伴隨著這個市場上越來越多的科技教育公司，給前者輸出技術的公司，比如科大訊飛。

　  對教育科技相結合的認知

　　科技相對教育有明顯勢能差，科技在發展過程中向教育溢出。在教育商業化進程中，科技向教育溢出的優先級提升。

　　2016年MIT科技評論公布的十大突破技術中，選出了三項可能在教育領域有巨大溢出潛力的。語音接口可以將語音識別和自然語言理解想結合，改變人機交互的方法。知識分享型機器人可以將知識傳送到云端，以供其他機器人學習，加速機器人發展。

　　科技和教育結合的合理性，以是否解決教育痛點需求為評判標準。需要支持不完美技術和教育結合的想象空間。

　　在最近的四五年內有越來越多的新技術和教育結合，需要排除技術炫酷但不契合實際的技術應用，留下的是那些真正滿足痛點的需求。

　　很多時候，一項技術和教育是結合了，但并沒有帶來教育本質的變化，這個技術添上來叫錦上添花，或者錦上添花都算不上。另外一方面，有些技術有很大潛力，但現在不成熟，可能是因為開發水平不夠，所以導致不夠穩定。

　　科技和教育結合的本質是跨界領域專家的結合。

　　教育類公司中有意向科技轉型的公司，有兩個極端，第一個極端是互聯網和教育，兩撥人互相敬畏，認為對方來了公司所有問題都可以解決。另一個極端是兩方互相鄙視。一個好的公司或者說一個最終能夠加速騰飛的公司，實際上是找到一個契合點，讓兩波專家融合在一起。

　  基于上述認知的實踐

　　教育機構分為四代，分別是運營、研發、數據、智能。每一代系統出現不是拋棄之前的系統，而是增加了很多的武器。

　　第一代教育機構以運營為中心，即以校長為中心，校長做得好，那個校區就好。第二代以研發為中心，讓所有的教學點講的內容一樣，充分標準化。第三代是以數據為中心，是我們當前當下正在發生的事情，我們希望有更多的數據去指導我們的教學。第四代是以智能為中心，我們現在還沒有達成完全一致，大概方向是認為人工智能在教育里面的應用場景，而沒有達成一致的是，人工智能到底以什么節奏，什么速度，和教育進行融合。

　　我們主要分享教育的數據延伸所帶來的變化，以及我們的具體實踐。數據是最終的結果，但是光靠數據不足以撐起第三代教育機構，還有兩個強有力的助手，一個是直播，一個是題庫。其中，直播是肌肉，題庫是經絡，數據是大腦。

　  直播

　　直播是學生直接接觸到的呈現形式，是最典型的線上教育場景，其特征包括教學密切，形態多樣，技術質量要求苛刻。

　　1. 直播滿足需求及問題

　　第一是提升學習效率，節省在上課路途上的時間。第二是引入了激勵措施，極大提升學生的學習興趣和塑造用戶習慣，比如積分、金幣的激勵。我舉一個例子，我們認為有個很重要的學習品質是回家以后盡快復習，復習的方式是盡快的完成課堂練習作業，但大部分孩子都會一拖再拖，能拖到下一次上課之前把作業做完就不錯了，一般都很晚才做，我們上線一個激勵系統，大概就是晚4點鐘放學，如果6點半之前，能夠把作業做完了，獎勵3顆激勵星，這個激勵性上線以后，6點半之前完成率，75%以上。

　　第三是直播使學習行為可追溯，學習過程被完整記錄，通過系統和數據的運算分析，了解學習狀況，優化學習習慣。第四，直播滿足教學規模多樣化的需要，可以非常靈活地調整師生比、教學內容等。但是直播必須坦然面對一個問題，就是屏幕對信息傳遞的阻隔。屏幕背后的老師和可以當面近距離接觸的老師，如果同樣的語言，同樣的行為，同樣交互方式，后者更親近，屏幕會阻隔很多情感眼神交流的信息。

　　2. 好未來在直播方面的探索

　　我們實踐中發現，不同年齡段、不同學科、不同水平的學生對直播的需求是不一樣的，我們需要在產品功能上通過互動等設計實現高頻率的學生互動。舉一個例子，語文老師做線上教師，特點就是頭像要大，學生要能看清楚老師的完整頭像，面目表情，都能看得清楚，而且背景要能疊加在頭上，比方說我要講兵馬俑。我希望我頭像在前面，兵馬俑就在后面浮動。數學老師頭像要小，最好縮在角落里，不要換來換去。因為數學大部分是讀題，讀題的時候題目很長，他要一個相對安靜相對穩定的時間。

　　未來對在線課堂的進一步研究會有以下幾個方面：純音頻直播的研究、直播場景中老師頭像大小和穩定度對教學效果的研究、直播中實時字幕對信息觸達的研究以及聲場對學習效果的影響。

　　3.好未來對于直播技術的判斷：

　　直播作為在線教育的基礎建設，讓數據采集變成天然，用戶學習過程可以被完整記錄，直播系統成為上帝之眼

　　學習過程變成了純數字化過程，每次學習效果可以被精準分析，每一次線上教學產品迭代都可以被數字化驗證

　　在線直播的進化會推進教育產業化的新創新，優質的師資內容會以直播技術作為渠道，迅速進入中國的三四五六線城市

　  題庫

　　1. 題庫的層級

　　我們對題目理解分為3層，第一個叫精品題庫，10萬量級，全學科，核心目的是幫助老師出講義的，用于教學。所以題目質量特別高，題目屬性特別豐富。第二個叫練習題庫，百萬量級，是用于大量練習的。第三個叫海量題庫，要大幾千萬到億量級，用于搜索和答疑。

　　2. 題目形式

　　按照題目精度和質量來看，題目的形式可以分為四類。第一類是圖片和PDF形式，也是最差的形式，在百度上可以抓取很多這樣的內容。第二類是標準格式的結構化題目，試題通常是txt格式，可以結構化的區分題干與選項。第三類是標簽化題目，題目很容易理解，在上面打上各種各樣的標簽，包括包袱和陷阱標簽是分層打的，標簽是為應用場景的題目特定需求服務的。第四個是有知識圖譜信息和題續信息的題目，題目和知識圖譜關聯起來。

　　3. 關于自適應學習

　　個性化教學的本質是學生對知識圖譜理解和目標只是圖譜之前做匹配，根據匹配結果尋找一條最優到達路徑。這個是未來必然趨勢，但是當前技術仍屬于發展階段，在我們試用過程中，學生和家長感知更多的是手寫板，對題目根據難度推送是自適應學習的一個有效過度性實施。

　　4.好未來對未來題庫的判斷

　　行業題庫的融合，行業題庫變成基礎公共設施

　　所有K12教學過程都會基于結構化題庫和知識圖譜，題目是最小練習單元

　　個性化學習會成為主流，個性化的教學能力仍是以題庫作為基礎

　  數據

　　1. 對（教育）數據的理解

　　有直播，有題庫以后數據才有意義，教育數據滿足非常典型的溢出原則和領域相通原則，大多在其他領域的大數據技術經驗同樣適用于教育行業，是典型的其他領域的技術溢出。數據人才得和教育專才結合起來才能發揮價值，其實是兩部分人的碰撞，能夠彼此懂得對方的語言，比如人臉識別技術和直播課結合。

　　2. 數據分類

　　教育數據主要分為三類：教育行為數據，教育內容數據和教育商業（行業）智能數據。教育行為數據是和學生的學習行為和習慣性相關的數據。教育內容數據，一個非常典型的例子就是做題，答案對還是錯，如果錯了，以后推送你再做還是對還是錯，然后識別出手寫的筆記，以判斷是在哪里出錯。

　　3. 數據的應用

　　比如說，數據可以指導教學點的選址。我們分析了原來的教學點和學生的住址情況，發現很多學生住所是沒有在教學點五公里范圍內的，學生也沒有選擇離自己最近的教學點，后來和負責選址的同事請教后我們發現，學員去的教學點是鄰近地鐵站的教學點。不滿足地鐵沿線規律的學生，主要是認準了某個班的某個老師。因此總結來看，教育領域數據的應用，需要大數據團隊和業務團隊的人進行溝通和信息碰撞，得出指導業務決策的發現和結論。

　　1. 他們通常不單獨出現，而是組團打怪。

　　2. 在一個完整教學系統中，通常是需要三者兼具。

　　3. 每個系統是最小迭代計劃單元。

　　（羅輯思維聯合創始人快刀青衣代表學員為Gale送上講師禮物）

　　（本文為轉載，轉自未來之星）