教育大数据研究院

在线教育别有优势，市场规模持续扩增在线教育是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制，对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。在线教育行业的优势，就在于资源利用最大化、学习行为自主化、学习形式交互化、教学形式个性化、教学管理自动化以及不局限地区。随着在线教育的优势被越来越多的人注意到，在线教育用户群体不断增长。参考前瞻产业研究院发布的《2018-2023年中国在线教育行业市场前瞻与投资战略规划分析报告》2011年我国在线教育用户规模达到3413万人，到2017年我国在线教育用户规模达到了10767万人，增长迅猛。2013年-2017年我国在在线教育市场规模逐年增大，各类细分用户的规模也逐渐增大。当前来看，职业教育和中小学用户为市场主力，2017年职业教育用户占比达31%，中小学用户占比29%；高等学历、企业E-learning分别占比26%和13%。随着互联网发展带来的产业升级，传统行业的局限性开始被放大。当传统教育面临房租人工成本高涨、用户满意度差等压力的时候，在线教育的发展迎来了新的契机。互联网教育不仅打破了时间与空间的壁垒，并开始通过更低的成本和多样化的教学模式与评估模式打动用户，满足用户个性化需求，而移动端教育产品的发展又使得在线教育迈上一个新台阶，在线教育市场拓展速度加快，2017年在线教育市场达到1734亿元。不同在线教育模式各有利弊，教学场景化体验将继续升级、市场细分明显在线教育当前多为平台模式、会员制模式，随着需求多样化，垂直领域、直播互动等模式也渐入市场。这些模式各有利弊。前瞻产业研究院认为，在线教育市场已出现了以下明显的特征趋势。在线教育行业市场由一线城市向三四线城市扩展，移动端应用加速普及。百度教育大数据显示，近6成互联网学习者位于三四线城市及农村地区，偏远地区用户对优质互联网学习资源的渴求程度高于发达地区。在三四线城市，教师资源尤其是优质教师资源十分稀缺；而在线教育能够很好的帮助这些人群突破地域限制和资源限制，通过网络将发达城市优质资源传播到三四线城市。技术升级，软硬件双重驱动在线教育市场发展。随着宽带速度提升、移动网络普及、智能终端和智能穿戴设备广泛应用，硬件持续升级为随时随地学习提供了基础条件，拓展学习场景，打破教学内容瓶颈；另外，语音识别、在线测评、直播互动等技术升级，完成了教学测评的闭环，满足了用户师生互动、答疑等教学基本需求；云服务和大数据分析技术带来了个性化学习解决方案，提升了用户体验，教学管理也更有针对性。软硬件双重驱动在线教育行业的发展。在线教育教学场景化体验将继续升级。直播技术的发展掀起了直播+教育的浪潮，带动了在线教育行业洗牌，使老师更专业、教师资源更平衡、用户成本更低。随着人工智能、VR/AR等技术的发展与成熟，将VR/AR技术应用到教育领域，将提供各种可能的学习场景。在线教育促进传统教学模式变革。在线教育促进传统教学模式变革，对于学习者，学生可以随时随地学习；学生拥有更加自主、个性化的学习体验；将学习的主动权交回学生，允许学生根据自身知识、能力水平自行把握学习进度、选择学习环境；与教师的互动更加频繁。对于教授者，老师重建课程结构、改进教学方式，上课无须讲得很多，学生也可以把课程内容学会。对于学校，新技术使教学管理更加有效，技术也虚化了学校的地理界限，校园从纯粹的实体校园转为虚实结合的共同体；改变学校课程的师资队伍结构，师资队伍具有“主讲教师+教辅人员+技术人员”的多元化特征。市场细分明显。从日常的工作生活中来看，人们总会接触到不同类型的培训。为了出国留学，人们会进行言语学习；为了求职升职，人们会选择管理培训、IT培训、会计培训等；甚至为了各种考试，人们也会选择考研辅导、高考提分等培训。社会分工日益精细化，随之而来的是人们需求逐渐多样化，细分场景的需求会越来越多。因此，针对在线教育的培训平台也会更加细分。

大数据近年来越来越火，因为有了它，好像什么行业都能精准分析。但是，大数据本身的发展却很少有人分析。近日，国家信息中心、南海大数据应用研究院联合发布了《2017中国大数据发展报告》，首次把中国大数据本身的发展特点和存在的问题，全面呈现了出来。用大数据来了解大数据这份报告全面汇聚了国家发改委互联网大数据分析中心、国家信息中心、“一带一路”大数据中心所掌握的30多个种类，总计40多亿条相关数据，综合运用多种大数据分析方法，对我国大数据产业发展进行了全面分析。所以，称得上是用大数据来了解大数据。北京、广东、上海大数据发展位居前三报告显示，我国大数据发展总体处于起步阶段。但是从地域上看，就有意思了。国家信息中心信息化研究部副主任、南海大数据应用研究院院长于施洋指出：“从地域分布，从各个省来说，北京排第一，这个不足为怪，东部沿海地区这些省份排在前面，大家也都能够想象。但是在西南地区，四川、重庆、贵州这三个地方异军突起，是我们大数据发展的第二个增长极。”产业落后是地方大数据发展的突出短板具体来看，各省份大数据发展指数的排名中，贵州、重庆、四川，紧随东部沿海省份，全部排进了前十名，领先任何一个中部省份。分析认为，这主要是地方政策引领的结果。这三个西部省市，早早都把大数据产业的发展作为重点工程来打造。对于这种“弯道超车”现象，国家行政学院教授汪玉凯建议，这些地方下一步可以重点考虑产业落地问题：“它们是首先抓住了一个概念，然后占了一个先机。但是相对能够落地的产业应用还是比较少的，这是它们的软肋。所以我认为，你们一定要注意应用，要打造你的优势。”人才短缺问题日益突出报告指出，数据管理环节漏洞较多，是大数据发展面临的首要问题，包括由此引发的运营成本过高、资源利用率低、应用部署过于复杂等难点。而我们更关注的是另一大问题。我们会发现，大数据领域里数据是有了，但是能驾驭这些数据的人是极其匮乏的。比如说大数据的专业人才方面，现在分析类的人才，市场是供不应求，缺口非常大，而项目管理类的人才，供给又远远大于需求，所以结构上还不平衡。高端的人才奇缺，这是最突出的问题。”发展大数据要谨防人才“眼高手低”大数据的核心就是数据的抓取与分析，而分析环节，目前离不开人工设置变量，建立模型。所谓“差之毫厘，谬之千里”，大数据分析对人才的要求很高。但首份大数据发展报告却揭示，我国大数据人才能搞管理的不少，真正能做分析的却远远不够，这是典型的“眼高手低”，势必伤害大数据产业的长远发展。人才短板可以从教育方面着手弥补，探索新的人才培养模式。比如，将高校大数据系列课程分为理论教学和技术教学两方面；比如社会上优质的专注大数据人才培养机构等多方面进行。

市场规模逐年增长K12在线教育是伴随着互联网技术和信息科技的发展而衍生出的一种明显区别于传统线下教育的传播知识内容的新型学习方式。近年来，在国家大力支持、互联网技术日益进步以及资本的推动下，我国K12在线教育行业发展迅速。2019年，中国K12在线教育整体市场规模约为648.8亿元，同比增长46.4%，增长幅度持续处在两位数水平。30-39岁人群是消费主力军从消费者来看，K12教育消费群体主要是家长和学生，其中家长为决策者，学生为接受者。目前，30-39岁的人群是给孩子报K12在线教育机构的主力军，占比超过一半份额，达57%。40-49岁年龄段人群占23%，20-29岁年龄段人群占12%。总体来看，30-49岁年龄阶段的父母更加注重孩子的教育。消费区域分布不均衡根据中国科学院大数据挖掘与知识管理重点实验室调研数据显示，目前K12在线教育的消费主力军集中在一二线城市，人群占比达77%，其他城市总计仅为23%，分布较为不均衡。在线教育这种模式省时省力，极大地解决了家长接送耗时耗力的痛点，这也是在线教育能在一二线城市快速普及的原因之一。而三四线城市由于生活便利，加之用户对在线教育的认知不足，在线教育暂时没能得以在这些区域普及。但同时这也意味着三四线城市的在线教育消费市场还是一片蓝海。未来市场发展潜在空间超千亿在线教育作为新兴的获取教育信息与服务的途径，是孩子学习知识、了解世界的重要通道与窗口，未来的发展趋势较好。教育是一个永不衰败的话题，在技术发展的今天，教育被搬到了线上。随着用户习惯向线上大规模迁移，预计未来K12在线教育的增长势头将持续保持稳健，整体市场容量超千亿。——以上数据来源于前瞻产业研究院《中国K12教育行业市场前瞻与投资战略规划分析报告》。

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 Ecational Data Mining Society）的创始人、《教育数据挖掘》杂志（Journal Ecational 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 Ecation（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用方向，包括：预测学生是会辍学，还是会成功完成学业；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。

最有发展的行业是线上教育和线上商店，这是社会发展的的趋势，也是现代人追求的一种方式。

个人觉的可以到这边看看，不错的，进行对比子啊啊

如果要我说的话，肯定是人工智能、大数据这个专业就业前景好。因为计算机科学与技术大而不专。从专业名字就可以看出，这个专业属于基础专业。毕业生在毕业之后，只有一个基础的本领，未来自己的方向还是要去主动学习。而人工智能大数据专业不仅仅是当下热门，学习的专业程度也比较高。所以我个人建议选择人工智能大数据专业。我大学的专业是计算机科学与技术。自己给自己定的方向是前端+网页开发。但是在毕业之后自费参加了大数据和云计算的技能培训。大数据其实已经应用到了我们生活的方方面面。比如说，打开你手机上的美团。最开始推荐给你的都是你平时喜欢吃的。这其实就是大数据的应用。不知道有没有人发现，现在春运的火车票越来越好抢了？这也是大数据的功劳。大数据会将历年春运的票务数据进行汇总，然后进行分析。每条线路人流量多少，需要配置几个班次，需要准备多少后备力量。这一切的一切都由大数据进行统计。而人工智能就更好说了，比如全自动化的生产线、无人驾驶的汽车。这些其实都是人工智能在进行的应用。所以总得来说，人工智能大数据对比计算机科学与技术拥有先天的优势。所以考生还是尽量选择前者，不要轻易选择后者。那么高考完毕的学生该如何选择自己的专业呢？我给大家一点建议，毕竟大学专业很大程度上决定了一个学生一生所要奋斗的事业，所以千万别头脑一热。首先，说说该如何选择一个自己喜欢的靠谱专业。选择专业需要根据以下几个条件，第一、家庭资源，这个资源包括了人脉，财力物力等等。比如我老爹是中学的高级教师，我老妈是小学的高级教师。那么我在选择专业的时候，就会接近一切可能向教育领域发展。因为未来我成为教师之后，不论是去小学任教还是去中学任教，都可以获得老爹或者老妈一方的帮助。起码在教育手段和教育经验上，我比别人多出来很多优势。有些经验老爹老妈不会和学校里面的老师说，但是肯定会愿意和我说。第二、兴趣爱好。人们常说兴趣是最好的老师，而大学生的功课其实是很枯燥的。如果不是怀着一颗热爱的心，肯定无法在大学阶段学到东西。第三、地理位置。比如我位于上海，上海的IT行业非常发达。那么如果未来我要回到上海工作，我肯定会选择学习一个跟IT有关的工作。因为这样可以方便我回本地工作和就业。综上所述，如果要选择自己的专业，首先看家庭资源，然后看地理位置，最后看自己的兴趣爱好。

互联网技术的普及，中国政府对于“互联网+教育”的重视与支持，以及AI技术的快速发展，为中国K12在线教育提供了充足的动力。基于此背景，中国在线教育市场规模2019年有望增至4041亿元，用户规模将增至2.59亿人。四成用户认为K12在线教育平台的教师匹配环节较薄弱，需要改善。近五成用户对于将技术融入产品持支持态度，九成用户认可K12在线教育产品技术应用效果。中国K12在线教育用户规模及预测iiMedia Research(艾媒咨询)数据显示，2015-2020中国K12在线教育用户规模扩大。在K12群体少量下滑的情况下，K12在线教育用户规模不降反增，渗透率不断增加。艾媒咨询分析师认为，K12在线教育作为在线教育的一重要内容。随着家庭生活水平的不断提高，家长对于孩子的教育关注也不断增加，在学校倡导“减负”的背景下，K12在线教育迅速发展起来。中国K12在线教育行业发展趋势分析       K12在线教育需求继续增强 行业马太效应加剧用户体验成关键艾媒咨询分析师认为，K12学生群体学业竞争压力逐渐提升，越来越多家长为学生寻找课外辅导平台，K12在线教育形式有效聚集优质教学资源，且打破时空局限，其需求仍在不断爆发，行业发展势头良好。但在经过早期快速拓展的阶段后，K12行业内部分经营不善的机构相继倒闭，综合实力更强、更加关注用户体验及需求的产品将进一步扩大领先优势。优质教育资源受关注程度提升 平台聚焦师资队伍建设艾媒咨询分析师认为，随着使用K12在线教育行业不断发展，学生和家长可选择的平台和服务增多，其对于教学资源质量的关注度也不断提升。对于教育行业而言，教师质量决定着服务效果的优劣，也是平台竞争的关键，未来各平台将更加聚焦于师资队伍建设。　　在线教育平台将加强技术应用 产品智能化程度进一步提高艾媒咨询分析师认为，技术应用对于K12在线教育行业的影响不断加深，从课程规划、课堂互动到学业反馈等，前沿技术在各环节都对教育效果发挥着重要影响。K12在线教育平台将积极探索智能化，引进AI技术，推动业务上云，未来具有可行性的落地应用和解决方案诞生。　　学生教育竞争压力加大 1对1全科辅导平台需求加强艾媒咨询分析师认为，应试教育驱动下，目前学生教育竞争的压力不断提升，针对升学的各类1对1全科辅导需求也在增强。K12在线教育平台在全学科辅导领域的发展也备受关注，近年如掌门1对1等1对1全科辅导产品在资本市场和用户市场都具有良好的表现，未来1对1全科辅导平台或将成为K12在线教育行业的重点发展领域。　　在线素质教育持续升温 成各平台发力方向艾媒咨询分析师认为，近年音乐、美术、编程、数理逻辑等教育课程在K12在线教育行业内发展迅速，在线素质教育行业持续升温。素质教育能够拓宽学生知识面并形成兴趣，同时培养其思维能力，而线上形式又能够解决师资匹配问题，市场潜力较大。虽然目前在线素质教育目前主要聚焦于兴趣教育领域，但随着该市场潜力不断被挖掘，更关注学生逻辑能力数理思维类素质教育平台有望加速发展。　　平台将加强下沉市场开发 推动优质教育资源覆盖地区艾媒咨询分析师认为，K12在线教育在一二线城市的发展势头良好，但在下沉市场仍然处于初步发展阶段。K12下沉市场同样具有较为强烈的教育需求，但受限于教育资源发展不均匀，将依赖于线上平台。未来K12在线教育平台在下沉市场的布局将继续加强，推动优质教育资源在地区实现覆盖。以上内容节选自艾媒咨询最新发布的《艾媒报告|2019上半年中国K12在线教育行业研究报告》。

这都是一些大骗子，让你汇款中奖之类的。