好未来CTO黄琰：直播是肌肉 题库是经络 数据是大脑

　　编者按：2017年3月12日，未来之星教育CEO创业营邀请好未来集团CTO 黄琰，为教育行业创业者分享技术在教育领域应用的理解和思考。

　　（好未来CTO黄琰老师在未来之星的课堂上）

　  以下是分享全文：

      “科技教育”公司&“教育科技”公司

　　首先要分享一个概念，行业里面经常把这两个词混淆，一个叫做科技教育公司，一个叫做教育科技公司。科技教育公司，科技是手段，教育是目的，本质是一家教育公司，用科技推动教育进步，比如好未来。教育科技公司，本质是一家科技公司，它是伴随着这个市场上越来越多的科技教育公司，给前者输出技术的公司，比如科大讯飞。

　  对教育科技相结合的认知

　　科技相对教育有明显势能差，科技在发展过程中向教育溢出。在教育商业化进程中，科技向教育溢出的优先级提升。

　　2016年MIT科技评论公布的十大突破技术中，选出了三项可能在教育领域有巨大溢出潜力的。语音接口可以将语音识别和自然语言理解想结合，改变人机交互的方法。知识分享型机器人可以将知识传送到云端，以供其他机器人学习，加速机器人发展。

　　科技和教育结合的合理性，以是否解决教育痛点需求为评判标准。需要支持不完美技术和教育结合的想象空间。

　　在最近的四五年内有越来越多的新技术和教育结合，需要排除技术炫酷但不契合实际的技术应用，留下的是那些真正满足痛点的需求。

　　很多时候，一项技术和教育是结合了，但并没有带来教育本质的变化，这个技术添上来叫锦上添花，或者锦上添花都算不上。另外一方面，有些技术有很大潜力，但现在不成熟，可能是因为开发水平不够，所以导致不够稳定。

　　科技和教育结合的本质是跨界领域专家的结合。

　　教育类公司中有意向科技转型的公司，有两个极端，第一个极端是互联网和教育，两拨人互相敬畏，认为对方来了公司所有问题都可以解决。另一个极端是两方互相鄙视。一个好的公司或者说一个最终能够加速腾飞的公司，实际上是找到一个契合点，让两波专家融合在一起。

　  基于上述认知的实践

　　教育机构分为四代，分别是运营、研发、数据、智能。每一代系统出现不是抛弃之前的系统，而是增加了很多的武器。

　　第一代教育机构以运营为中心，即以校长为中心，校长做得好，那个校区就好。第二代以研发为中心，让所有的教学点讲的内容一样，充分标准化。第三代是以数据为中心，是我们当前当下正在发生的事情，我们希望有更多的数据去指导我们的教学。第四代是以智能为中心，我们现在还没有达成完全一致，大概方向是认为人工智能在教育里面的应用场景，而没有达成一致的是，人工智能到底以什么节奏，什么速度，和教育进行融合。

　　我们主要分享教育的数据延伸所带来的变化，以及我们的具体实践。数据是最终的结果，但是光靠数据不足以撑起第三代教育机构，还有两个强有力的助手，一个是直播，一个是题库。其中，直播是肌肉，题库是经络，数据是大脑。

　  直播

　　直播是学生直接接触到的呈现形式，是最典型的线上教育场景，其特征包括教学密切，形态多样，技术质量要求苛刻。

　　1. 直播满足需求及问题

　　第一是提升学习效率，节省在上课路途上的时间。第二是引入了激励措施，极大提升学生的学习兴趣和塑造用户习惯，比如积分、金币的激励。我举一个例子，我们认为有个很重要的学习品质是回家以后尽快复习，复习的方式是尽快的完成课堂练习作业，但大部分孩子都会一拖再拖，能拖到下一次上课之前把作业做完就不错了，一般都很晚才做，我们上线一个激励系统，大概就是晚4点钟放学，如果6点半之前，能够把作业做完了，奖励3颗激励星，这个激励性上线以后，6点半之前完成率，75%以上。

　　第三是直播使学习行为可追溯，学习过程被完整记录，通过系统和数据的运算分析，了解学习状况，优化学习习惯。第四，直播满足教学规模多样化的需要，可以非常灵活地调整师生比、教学内容等。但是直播必须坦然面对一个问题，就是屏幕对信息传递的阻隔。屏幕背后的老师和可以当面近距离接触的老师，如果同样的语言，同样的行为，同样交互方式，后者更亲近，屏幕会阻隔很多情感眼神交流的信息。

　　2. 好未来在直播方面的探索

　　我们实践中发现，不同年龄段、不同学科、不同水平的学生对直播的需求是不一样的，我们需要在产品功能上通过互动等设计实现高频率的学生互动。举一个例子，语文老师做线上教师，特点就是头像要大，学生要能看清楚老师的完整头像，面目表情，都能看得清楚，而且背景要能叠加在头上，比方说我要讲兵马俑。我希望我头像在前面，兵马俑就在后面浮动。数学老师头像要小，最好缩在角落里，不要换来换去。因为数学大部分是读题，读题的时候题目很长，他要一个相对安静相对稳定的时间。

　　未来对在线课堂的进一步研究会有以下几个方面：纯音频直播的研究、直播场景中老师头像大小和稳定度对教学效果的研究、直播中实时字幕对信息触达的研究以及声场对学习效果的影响。

　　3.好未来对于直播技术的判断：

　　直播作为在线教育的基础建设，让数据采集变成天然，用户学习过程可以被完整记录，直播系统成为上帝之眼

　　学习过程变成了纯数字化过程，每次学习效果可以被精准分析，每一次线上教学产品迭代都可以被数字化验证

　　在线直播的进化会推进教育产业化的新创新，优质的师资内容会以直播技术作为渠道，迅速进入中国的三四五六线城市

　  题库

　　1. 题库的层级

　　我们对题目理解分为3层，第一个叫精品题库，10万量级，全学科，核心目的是帮助老师出讲义的，用于教学。所以题目质量特别高，题目属性特别丰富。第二个叫练习题库，百万量级，是用于大量练习的。第三个叫海量题库，要大几千万到亿量级，用于搜索和答疑。

　　2. 题目形式

　　按照题目精度和质量来看，题目的形式可以分为四类。第一类是图片和PDF形式，也是最差的形式，在百度上可以抓取很多这样的内容。第二类是标准格式的结构化题目，试题通常是txt格式，可以结构化的区分题干与选项。第三类是标签化题目，题目很容易理解，在上面打上各种各样的标签，包括包袱和陷阱标签是分层打的，标签是为应用场景的题目特定需求服务的。第四个是有知识图谱信息和题续信息的题目，题目和知识图谱关联起来。

　　3. 关于自适应学习

　　个性化教学的本质是学生对知识图谱理解和目标只是图谱之前做匹配，根据匹配结果寻找一条最优到达路径。这个是未来必然趋势，但是当前技术仍属于发展阶段，在我们试用过程中，学生和家长感知更多的是手写板，对题目根据难度推送是自适应学习的一个有效过度性实施。

　　4.好未来对未来题库的判断

　　行业题库的融合，行业题库变成基础公共设施

　　所有K12教学过程都会基于结构化题库和知识图谱，题目是最小练习单元

　　个性化学习会成为主流，个性化的教学能力仍是以题库作为基础

　  数据

　　1. 对（教育）数据的理解

　　有直播，有题库以后数据才有意义，教育数据满足非常典型的溢出原则和领域相通原则，大多在其他领域的大数据技术经验同样适用于教育行业，是典型的其他领域的技术溢出。数据人才得和教育专才结合起来才能发挥价值，其实是两部分人的碰撞，能够彼此懂得对方的语言，比如人脸识别技术和直播课结合。

　　2. 数据分类

　　教育数据主要分为三类：教育行为数据，教育内容数据和教育商业（行业）智能数据。教育行为数据是和学生的学习行为和习惯性相关的数据。教育内容数据，一个非常典型的例子就是做题，答案对还是错，如果错了，以后推送你再做还是对还是错，然后识别出手写的笔记，以判断是在哪里出错。

　　3. 数据的应用

　　比如说，数据可以指导教学点的选址。我们分析了原来的教学点和学生的住址情况，发现很多学生住所是没有在教学点五公里范围内的，学生也没有选择离自己最近的教学点，后来和负责选址的同事请教后我们发现，学员去的教学点是邻近地铁站的教学点。不满足地铁沿线规律的学生，主要是认准了某个班的某个老师。因此总结来看，教育领域数据的应用，需要大数据团队和业务团队的人进行沟通和信息碰撞，得出指导业务决策的发现和结论。

　　1. 他们通常不单独出现，而是组团打怪。

　　2. 在一个完整教学系统中，通常是需要三者兼具。

　　3. 每个系统是最小迭代计划单元。

　　（罗辑思维联合创始人快刀青衣代表学员为Gale送上讲师礼物）

　　（本文为转载，转自未来之星）