中国人工智能自适应教育行业研究报告.pdf

《中国人工智能自适应教育行业研究报告.pdf》由会员分享，可在线阅读，更多相关《中国人工智能自适应教育行业研究报告.pdf（50页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、中国人工智能自适应教育行业 研究报告 2018年 2 2018.2 iResearch Inc 摘要 来源：艾瑞咨询研究院自主研究绘制。 SMSSMS 自适应学习产品有智能程度之分，区分标准是看它的技术水平基于人工、基于计算 机编程还是基于人工智能。人工智能自适应在教育的各个环节都可应用，其中教学 环节的应用最核心、难度也最大。 2 K12辅导和语言学习是2015-2017年业内融资事件最多的两个细分领域，融资数量 占比分别为52.2%和34.8%。 5 自适应学习主张每个人都拥有自己独特的学习路径，是一种非常有前景的教育技术。 国外起步早，应用广，并多次被实证研究证明有效。 1 人工智能自适

2、应教育行业处于发展早期的升温阶段，概念模糊，泡沫难免，目前至 少40家公司已宣布入场。 4 人工智能自适应教育的本质是可规模化的个性化教育。3 目前国内产品总体处于初级阶段；人工智能自适应教育始于技术，胜于内容，终于 效果，学习效果才是企业竞争力的最终评判要素。 6 3 人工智能自适应学习概述2 中国人工智能自适应教育市场状况3 中国人工智能自适应教育行业典型企业4 中国人工智能自适应教育行业未来趋势5 国外的自适应学习1 4 2018.2 iResearch Inc 国外的自适应学习产品 自适应学习早在20世纪90年代的美国就已存在，目前已得到较为广泛的应用。美国K-8（相当于中国的小学、初

3、中）自适 应学习公司DreamBox Learning曾在2010年后做过一项调查（调查样本超过480个，其中大部分人为K-8公立校教师）, 结果表明49%的人正在自适应学习软件上教授补充课程，42%的人正将其作为核心课程平台使用。 自适应学习产品在国外各个学习阶段都有应用，包括早幼教、小学、初中、高中、大学、职业领域等，并已覆盖多个学科。 起步早，应用广 国外自适应学习产品列举 早幼教 素质类 语言类 K12 高等教育 来源：Dreambox调查来自; 国外知名自适应学习产品列 举由艾瑞咨询研究院自主研究绘制。 综合类 企业培训 5 2018.2 iResearch Inc 明星企业Knew

4、ton Knewton创建于2008 年，总部设在美国纽约，成立之初主要针对SAT、GMAT等标准化在线考试提供自适应测评，2011 年起逐渐面向机构和学校提供自适应学习的底层引擎。其主要运行流程是机构和学校在Knewton平台的基础上嵌套自己的 学习系统，将自己的课程材料以Knewton的体系数字化，通过不断评估学生对材料的掌握程度，为每位学生动态推荐合适 的学习路径和内容，以满足学生个性化的学习需求，并预测未来的学习程度。Knewton在全球的K12教育（从幼儿园到高 中的数学、英语、生物）、高等教育、语言培训、企业培训等领域都得到了广泛应用，客户包括剑桥大学出版社、微软、 惠普等知名机构

5、，融资历程也光鲜亮丽：从A轮到E轮融资总额超过1亿美元，2016年2月又获得了5200万美元的F轮投资， 投资方包括好未来。 2015年以来，Knewton进入中国这片在线教育的热土，陆续发展出了一批合作伙伴，目前在产品的本土化上面临一定的 困难。2017年，最大客户培生终止了和Knewton的合作（培生已着手自己研发自适应产品），同时一批致力于自适应学 习的创业公司冒出，Knewton面临的竞争加大。 说起自适应学习，就不得不提这家To B的自适应PaaS供应商 来源：艾瑞咨询研究院自主研究绘制。 Knewton的结构与功能 数据存储层 接入合作伙伴的系统 用户界面 Knewton系统 （开

6、放API接口） 评估 产生功能 可视化 推荐预测 6 2018.2 iResearch Inc 自适应学习的效果 作为一家To B机构，Knewton的效果研究案例非常多。据Knewton官网资料，2011年亚利桑那州立大学(Arizona State University)有近2000名学生在使用Knewton之后，数学课程通过率从2009年、2010年的66-67%上升到74.5%，退课率 从2009年、2010年的13.2-13.6%下降到5.6%，并且有50%的学生提前4周完成了学习计划。 Knewton对学习兴趣的提升也有一定的作用。荷兰初中的1500名飞行学生在学习Knewton推

7、出的适应性学习软件后， 70%的学生表示他们比以前更爱学习英语语法，83%的老师表示他们看到了学生身上激发出的学习兴趣。 以Knewton为基础的自适应学习产品已被证明有效 来源：Knewton, 2011, 链接： 关于自适应学习产品Knewton的效果研究实例 2010 (未使用Knewton) 2011 (未使用Knewton) 2011 (使用Knewton后) 通过率67%66%74.5% 退课率13.2%13.6%5.6% 提前完成学习任 务的学生比例 N/AN/A50% 7 2018.2 iResearch Inc 自适应学习的效果 全球知名教育出版集团培生(Pearson)十分

8、注重自适应学习。旗下的Mylab&Mastering是一个面向高等教育学生提供在线 作业、教学和评估的自适应学习产品，适用于天文、生物、化学、物理、工程、环境、营养学等13个学科，官网显示每年 有超过1100万个学生都在使用。培生在2012年与Knewton合作开发了这个产品，2014年搜集公布了来自不同高校教师的 47个使用效果研究，如纽约州立大学、北卡罗莱纳大学、国内的北京师范大学等，并声明没有给这些教师任何报酬。 以佛罗里达州立大学(Florida State College)的Lourdes Norman-McKay教授提供的研究为例：这位教授教的是一门微生 物课，2012年秋季学期他

9、还没有使用Mastering，那时班上一共有741个学生，课程通过率为76.5%，2013年春季学期他 开始让班上的255个学生通过Mastering来完成作业和测试，结果发现课程通过率提高到79.6%，同时退课率和缺勤率都 有所下降；93%的学生表示Mastering能帮他们进行批判式思考，70-80%的学生表示Mastering能让他们更好地准备考试 和实验，让他们变得更努力。 培生与Knewton合作开发的Mastering已被证明有效 来源：Pearson, 2014, 链接： 关于培生旗下自适应学习产品Mastering的效果研究实例 研究截图：考试通过率提高 课程通过率提高 使用前

10、为76.5%，使用后为79.6% 学生退课率下降 使用前为8.9%，使用后为7.8% 课堂缺勤三次以上的比例下降 使用前为4.2%，使用后为1.2% 让学生在考前一周完成 Mastering上的模块测试 让学生在实验前一周完成 Mastering上的实验预测， 并在实验后再次测试 在Mastering上设置好综 合评估方法，自动出分 在考前检验自己 的教学效果，帮 学生查漏纠错 实验前预估学生 水平，激发学生 兴趣；实验后督 促学生巩固知识 减轻人工录分、 算分的工作负担 Lourdes教授怎样使用Mastering使用Mastering的效果 8 2018.2 iResearch Inc 自

11、适应学习的效果 培生热衷于做学习效果研究，如2011年在阿肯色社区大学(Arkansas Community College)做的MyMathLab效果研究。 （培生旗下另一款自适应学习产品）。这所大学是一所学生成分非常多样的大学，有刚刚高中毕业的学生，也有从1971年 开始就没有接触过数学的学生。在使用MyLab之前，学生的数学课通过率很低，学生为此抱怨，老师也被迫重复教学。 2011年秋季学期，学校采取了一项新措施：要求学生每周上四节课，并在MyLabsPlus上完成作业、测验和期末考试，平 时则根据MyLabsPlus提供的学习计划来学习，不限次数地做练习题直到得分达到标准，同时老师也通

12、过MyLabsPlus来评 估学生的优势和缺点。结果，2011年秋季结束时，数学课的通过率大幅上升。最明显的变化是中级代数课程的通过率在 2010年秋季仅为30.5%，到2011年秋季已经飙升至73.9%。学生对MyLabsPlus评价很高。2014-2015学年，学校又把 MyLab引进到了新生数学水平测试上。 2013年12月，培生又推出“MyMathLab学习计划” 对超过10000多名学生进行研究，结果表明参加自适应学习计划的 学生在模块考试中的成绩比不参加的学生高12.5%。 培生与Knewton合作开发的MyLab已被证明有效 来源：Pearson, 2014, 链接： 关于培生旗

13、下自适应学习产品MyLab的效果研究实例 研 究 截 图 ： 考 试 通 过 率 提 高 “有了MyLabsPlus，我就不用找家教了，因为 我已经有了一个私人教师” “MyLabsPlus在我不明白的时候提供了帮助” “我住在离学校30英里的地方，所以我不方便。 在学校里使用电脑可以方便我在家做作业” 阿 肯 色 社 区 大 学 学 生 使 用 效 果 阿 肯 色 社 区 大 学 学 生 的 评 价 9 2018.2 iResearch Inc 自适应学习的效果 RealizeIt成立于2007年，是美国一家面向所有年龄层提供个性化学习和自适应学习产品的教育科技公司。据RealizeIt官网

14、 资料，2014年秋，佛罗里达中央大学(University of Central Florida)面向护理学和普通心理学两门课程的学生做了一项关 于RealizeIt效果的研究。每门课程的学生都被分成三组，分别使用面对面形式、佛罗里达大学自己的在线平台和RealizeIt 来学习。到2015年春，在护理学课上，三个小组的考试通过率分别为98%、96%和100%，在普通心理学课上，三个小组 的考试通过率分别为83%、83%和90%。为了进一步验证RealizeIt的作用，这些学生又被安排参加了一项校外考试，结果 显示三个小组的平均分都在85分上下波动，但最低分差距较大，分别为54.8分、50.

15、4分、13.2分，RealizeIt小组的成绩极 差更小，整体更有稳定性。另外这项研究中学生（n=159）对Realizeit的评价良好：89.4%的学生认为Realizeit好用 (“easy to use”)，91.2%的学生表示它指令清晰，83.7%的学生表示会再次使用；82.8%的学生觉得使用后能更好地接 受课程内容，86.9%的学生认为它提供的反馈对后续的学习有帮助；77.7%的学生认为它的评估有效，80.9%的学生认为 它的评估准确。 自适应学习产品RealizeIt已被证明有效 来源： RealizeIt, 2014, 链接： 关于自适应学习产品RealizeIt的效果研究实例

16、研究截图：使用RealizeIt的学生考试通过率更高研究截图：使用RealizeIt的学生成绩极差小 10 2018.2 iResearch Inc 自适应学习的效果 DreamBox Learning于2006年在美国华盛顿成立。DreamBox数学能为K-8学生提供自适应的数学课程和激励式的学习环 境。2010年秋季，斯坦福研究院(SRI International)对使用DreamBox的三所学校做了一项效果研究实验，被试为学校中 幼儿园和小学一年级的学生，实验组466人，对照组117人。在实验过程中，两组学生每天都在教室里参加几分钟的面对 面教学，然后实验组继续用DreamBox20-

17、40分钟，对照组则同时接受20-40分钟的其他在线课程（非自适应的）。4个月 共计70天后，实验组的整体数学能力、测量和几何能力有显著提升。 K-8数学自适应学习产品Dreambox已被证明有效 来源：Dreambox, 2011, 链接： 实验组对照组 前测后测 前后测 差异显著性 前测后测 前后测 差异显著性 样本量平均值标准差平均值标准差样本量平均值标准差平均值标准差 整体数 学能力 446146.018.0159.016.6p .05111144.715.0156.215.1不显著 问题解 决能力 444147.019.3161.416.3不显著109144.717.1159.815.

18、2不显著 数感444146.920.0159.618.9不显著109143.416.6157.017.2不显著 计算 能力 438147.522.4163.020.7不显著108147.019.8158.819.5不显著 测量和 几何 441144.518.9155.518.3p .05109144.818.4151.818.1不显著 统计和 概率 443145.519.3156.318.9不显著109145.115.6154.117.6不显著 2010年秋斯坦福研究院关于Dreambox效果实验的前后测差异 11 人工智能自适应学习概述2 中国人工智能自适应教育市场状况3 中国人工智能自适应

19、教育行业典型企业4 中国人工智能自适应教育行业未来趋势5 国外的自适应学习1 12 2018.2 iResearch Inc 自适应学习的概念 自适应促使学习方式发生深刻变革：每个人都有自己的路径 自适应(Adaptive)，顾名思义是自我调节和匹配，具体含义是指根据数据的特征自动调整处理方法、顺序、参数和条件， 以取得最佳处理效果。它不是指某项具体技术，而是多种知识和技术融合达成的一个结果。这个概念类似于“共享经济”， 它不是指某个经济领域，而是新场景、商业模式、技术等因素融合而成的一种经济现象。 自适应学习(Adaptive Learning)在国内引起广泛关注是在2015年，彼时在线教育

20、正野蛮生长，一小批人注意到在线教育完 课率极低，这是因为在传统学习模式下1）不同学习内容之间的跳转逻辑是线性单一的，学生即使已经掌握了某一块内容， 还是需要花费时间去学习；2）学生有问题也不能得到即时的反馈和帮助。对此，自适应学习致力于通过计算机手段检测 学生当前的学习水平和状态，并相应地调整后面的学习内容和路径，帮助学生提升学习效率。然而，学习是一个复杂且隐 性的过程，简单的计算机编程很难实现好的效果，运用人工智能技术来实现的人工智能自适应学习应运而生。这是对传统 自适应学习的升级，也是对新型学习方式的探索，在教育领域意义重大。 传统学习模式与人工智能自适应学习模式对学习内容的排布 来源：艾

21、瑞咨询研究院自主研究绘制。 学习内容学习内容间的关联 传统学习模式人工智能自适应学习模式 学习内容切割成块 内容块之间的关联较为简单， 整体形成一条平面路径 所有学生基本按照同样的路 径来学习 学习路径缺乏调整逻辑 学习内容切割成点 内容点之间的关联较为复杂， 整体构成一个立体网络 每个学生都可按照自己的路 径来学习 学习路径可以调整 13 2018.2 iResearch Inc 自适应学习产品有智能程度之分 基于人工、基于计算机编程还是基于人工智能？ 当大多数人提起自适应学习时，他们对自适应学习产品的智能程度缺少一个清晰的定义。看一个自适应学习产品，需要判 断它是基于人工的自适应，还是基于

22、计算机编程的自适应，还是基于人工智能的自适应。目前人工智能总体上还处于初级 阶段，人工智能+自适应学习又是一个新兴的领域，相关人才和经验总体上处于匮乏状态，因此市场上的人工智能自适应 学习产品基本都属于弱人工智能的范畴。但即便是弱人工智能，相比于基于人工的自适应和基于简单计算机编程的自适应 来说，也已经是一种进步。弱人工智能自适应学习进化到强人工智能自适应学习的突破口在于人工智能自适应技术的突破 以及其在教育垂直领域的深度落地。 来源：艾瑞咨询研究院自主研究绘制。 中国自适应学习产品的智能等级之分 等级命名原理技术范畴是否为人工智能自适应 1基于人工的自适应 由人来判断学生的能力水平，系统根据

23、预先设 定好的条件指令推送相应的学习内容 人工劳动否 2 基于简单计算机规 则的自适应 由计算机来判断学生的能力水平，并推送相应 的学习内容 计算机编程 一般的计算机编程 （技术水平为目前主 流所应用） 否 3 基于人工智能算法 的初级自适应 由专家来构建知识体系（往往用知识图谱相关 技术来构建），系统在此基础上判断学生的知 识水平，并推送相应的学习内容人工智能（技术水平 远高于目前主流应用 水平） 是 4 基于人工智能算法 的中高级自适应 由专家来构建能力体系，系统在此基础上测量 学生的学习方法，评估学习能力，预测学习进 度和效果 是 14 2018.2 iResearch Inc 人工智能

24、自适应学习的原理 在大数据的基础上构建学习模型并输出学习建议 在现阶段，“搜集大数据构建学习模型输出学习建议”是实现人工智能自适应学习的基本步骤。学习模型的构建 过程非常复杂，常人难以理解，通俗来说，它是在“借鉴”人类大脑的思考过程，通过成千上万个函数点互相传导信息， 用穷举的方式从千丝万缕的函数嵌套关系中找出学习规则，并不断进化模型。它的输出由三部分要素有机结合而成：学习 材料（如：一段教学视频、一道练习题），用来测评学生是否掌握学习材料的标准，学习材料的推送顺序。这三部分的内 容和时长都由人工智能算法来决定。学生使用系统的时间越多，留下的行为数据越多，系统的效率就越高。 人工智能自适应学习

25、 来源：艾瑞咨询研究院自主研究绘制。 知识水平 错误模型 元认知能力 认知特征 情感特征 计算机科学数据科学机器学习认知科学教育测量学学习心理学 训练模型 学生 大数据 获取训练样本 学科 模型 教学方法 模型 学生 模型 知识空间理论信息论技术逻辑斯蒂回归遗传算法贝叶斯网络 分类树教育数据挖掘模糊逻辑学习分析图论 用于构建理想情况下 学生要掌握的内容 用于深度模拟优秀教 师的教学过程及策略 模型的核心组成部分， 用于了解学生在认知、 情感方面的个性特征 转化并输出要素 输出学习材 料，推送给 学生 自适应内容 Content 对学习材料 掌握情况的 测评与反馈 自适应测评 Assesment

26、 学习材料背 后知识点的 组织顺序 自适应序列 Sequence 分析学生正答率、用时、对学习 目标的熟悉程度、学习相似内容 的表现、自信度等多维数据 人工智能自适应学习系统的基本原理 贝叶斯知识跟踪理论 项目反应理论概率图模型深度学习神经网络 自适应学 习所采用 的AI技术 15 2018.2 iResearch Inc 人工智能自适应学习系统的运行流程 像优秀教师一样“思考”和“行动” 老师是以经验驱动教学的，整个过程虽然遵循一定的节奏，但每一步的“火候”非常依赖于教学经验的积累，因此刚毕业 的老师往往适合于答疑，而在教学的体系化上有所欠缺，教龄长的老师往往擅长全盘把控，而在亲和力上稍显不

27、足；不同 老师对学生学习情况的判断是不一样的，从而导致他们所规划的学习路径不同；两个老师即使经验值相等，还会在性格脾 气、教学风格、薪酬期待上有所差异，从而影响教学效果。人工智能自适应学习系统旨在聚集并量化优秀教师的宝贵经验， 以数据和技术来驱动教学，最大化地减小老师水平的差异，提高整体教学效率和效果。 完整的人工智能自适应学习系统对优秀教师教学过程及策略的量化模拟 来源：艾瑞咨询研究院自主研究绘制。 初步了解学生情况备课评估教学效果 自适应测评 智能规划 学习路径 自适应测评 大数据平台 用户基础 智能推送 练习内容 智能推送 学习内容 自动挖掘问题 让学生做练习讲授 发现问题 人 工 智

28、能 自 适 应 学 习 系 统 人 类 教 师 人工智能算法 录播视频 直播 图文材料 课堂练习 课后作业 项目实践 16 2018.2 iResearch Inc 测评 练习、作业 教学辅助 教、学 认知、思考 在线 作业 自适应与人工智能+教育的关系 人工智能在教育领域的落地应用是大势所趋。目前已有的智能产品包括拍照搜题、分层排课、口语测评、组卷阅卷、作文 批改、作业布置等工具，这些工具应用了先进的人工智能技术，但应用场景只停留在学习过程的辅助环节上，而不会直接 带来教学质量和效果的提升。人工智能自适应则能够把人工智能技术渗透到教学的核心环节中，既有助于从根本上改进学 习的理念和方式，也有

29、助于产品打通商业模式，直接面向C端用户销售变现。 自适应在人工智能+教育中的角色 自适应能够深入教学核心环节，而其他AI技术不一定能深入 来源：艾瑞咨询研究院自主研究绘制。 最外围学习环节 次外围学习环节 次核心学习环节 最核心学习环节 获取学习资料、陪伴、 沟通、教务、管理 规划学习路径 推送学习内容 侦测能力缺陷 预测学习速度 自适应 应用场景与关键人工智能技术/课题学习环节 拍照搜题图像识别 陪伴机器人语音交互 分层排课智能搜索 判断学习态度情绪识别 口语测评语音识别组卷阅卷 图像识别、自 然语言处理 作文批改 图像识别、自 然语言处理 作业布置自适应 虚拟场景展现VR/AR 17 20

30、18.2 iResearch Inc 人工智能自适应在教育过程中的应用 各个环节均有可为，教学环节最核心，全流程应用最高级 完整的教育流程可划分为内容开发教学（学习）练习测评管理五个环节，这些环节中都存在人工智能自 适应学习可以应用的场景。其中，自适应内容开发是其他4个环节的基础，需要耗费巨大的工作量，目前国内少有公司专 门以这项工作为主要业务，大多数公司往往只把它作为一项内部产品开发的前续工作；自适应管理指的是通过分析教学、 作业、测评环节的学生数据，对用户进行智能预警、提醒和跟踪，是其他4个环节成功应用后的附加产物。人工智能自适 应学习技术在教学、练习和测评三个环节的应用能够直接面对C端用

31、户，市场广阔，是目前主要的三个应用环节，而其中 教学环节的应用对学习效果的影响作用最大，也是整个教育流程中最核心、最复杂、最难的一环。随着用户对个性化和效 果的需求越来越强烈，不同环节之间出现了一定的界限模糊，市场上也出现了能在五个环节同时应用的全流程自适应学习 系统。 中国人工智能自适应教育产品可应用的教育环节 来源：艾瑞咨询研究院自主研究绘制。 可 应 用 的 教 育 环 节 自适应教学自适应测评 学 习 材 料 开 发 学 情 诊 断 沟 通 管 理 自适应内容开发 遗忘遗忘 感 觉 记 忆 环 境 刺 激 短 时 记 忆 长 时 记 忆 复述 编码 提取 知 觉 注 意 消退 前提环节

32、：内容核心环节：教、学、练辅助环节：测评 全流程自适应学习系统 人类大脑认知学习的过程 教学与学习练习 相 应 的 应 用 自适应练习 其他环节：管理 自适应管理 18 2018.2 iResearch Inc 深入应用到教学核心环节难度较大 需要先有教学环节的有效数据，不能仅有练测环节的数据 来源：艾瑞咨询研究院自主研究绘制。 教学环节对学习效果的影响作用最大，也是整个教育流程中最核心、最复杂、最难的一环，而测评、练习环节相对外围、 轻量、简单，因此自适应学习产品最先在测评和练题场景中得到应用。如果把不同的人工智能自适应学习产品分为“只应 用到测评环节”（自适应测评）、“只应用到测评和练习环

33、节”（自适应练习）、“同时应用到测评、练习和教学环节” （自适应教学）三类，那么自适应教学是其中数据获取难度和产品功能等级最高的一类。自适应教学产品的开发需要有教 学环节的有效数据，而这些数据的获取难度高，具体体现在：1）自然状态下，教学过程数据是非结构化的；2）数据可挖 掘的维度多，不限于测试成绩和作业情况，还包括学习路径、内容、速度、偏好、规律等深度数据；3）不同数据点之间 的关系复杂。 自适应练测与自适应教学的功能差异 检测出知识薄弱点 自适应测评 产品功能等级居中 诊断学习水平 检测出薄弱知识点 推送包含这些知识点的练习题 产品功能等级低 诊断学习水平 检测出薄弱知识点 产品功能等级高

34、 诊断学习水平 检测出薄弱知识点 推送包含这些知识点的练习题 推送包含这些知识点的学习内容 规划学习路径和速度 追踪过去的知识漏洞 评估学习能力 教学黑箱 练 黑箱 测 黑箱 自适应练习 自适应教学 教学黑箱 练 学 测 练 教学黑箱 练 黑箱 测 练 19 2018.2 iResearch Inc 在线 作业 人工智能自适应教育的本质 在教育行业，老师是核心生产资料，但优质老师非常稀缺。从理论上讲，一位优质的老师可以通过互联网同时面对无限数 量的学生，从而解决优质师资稀缺的问题，但这个过程缺乏有效的师生互动，而且老师分配给每个学生的个性化服务时间 极少。这是人工智能自适应教育从业者的基本共识

35、。 传统面授教育的优缺点都非常明显。在过去几年间蓬勃生长起来的在线教育所做出的贡献，更多的是把传统面授教育的模 式搬到了线上，而本质上并未改变。人工智能自适应教育的雄心在于以数据和技术为驱动力，实现规模化的个性化教育。 人工智能自适应教育的特点 本质是数据驱动的、可规模化的个性化教育 来源：艾瑞咨询研究院自主研究绘制。 传统面授教育录播/直播模式的在线教育 人工智能自适应教育 教师资源 优质师资非常稀缺 教学效果参差不齐 优质师资比较稀缺 教学效果参差不齐 普通老师得到系统辅助，整体教学效果的下限被拉高、差距被缩小, 缓解优质师资稀缺和教学效果参差不齐的问题 教学过程 老师需要备课、凭经验授课

36、 以老师为中心 老师仍需要备课、凭经验授课 以老师为中心 老师备课工作量大大降低，学习路径、内容和顺序由系统规划， 以学生为中心 教学反馈不即时、不具体不一定即时、不一定具体即时、具体 效果评估 依赖教师经验和考试分数统一评 估，评估维度单一、粗糙 依赖教师经验、考试分数、学习 过程数据，测评维度比较全面 依赖学习过程数据、考试结果等来测评，测评比较全面、精准，并 能够支持学习过程的动态优化，有助于教学效率的提升 技术需求不需要技术支持需要一定的数字化技术支持需要高级的数字化技术及智能技术的支持 个性化程度低中高 20 2018.2 iResearch Inc 在线 作业 人工智能自适应教育的

37、价值 人工智能自适应教育是一次行业改革实验，对机构、对学生、对老师三方都具有降本提效的价值。其核心价值是把教育行 业从劳动密集型的农业时代带向成本更低、效率更高的工业时代。农业化向工业化发展的趋势是不可阻挡的，即使不通过 人工智能自适应教育来实现，也会通过其他渠道来实现。 人工智能自适应教育的价值 核心价值是降本提效，促进行业升级 来源：艾瑞咨询研究院自主研究绘制。 提高教学质量：人工智能自适应学习系统能为教师赋能，降低机构对教师的能力要求，从而降低教师招聘的难度，同时提高机构教 学质量的下限，这一点对于人才匮乏的中小城市机构来说尤其具有价值 改善成本结构：人工智能自适应学习系统能够降低教师薪

38、资成本，提高课程的边际效益 增强扩张能力：成本结构的改善和产品标准化能力的增强有利于机构走出教育培训行业扩张受限的“魔咒”，扩大机构规模 维护团队稳定：教师对系统的依赖有利于降低机构对单个教师的依赖性，增强机构抵抗名师出走风险的能力 对 机 构 及时、精准地知道自己的薄弱知识点 拥有一套个性化的学习方案，避免因为学 习方案的不匹配而产生挫败感、浪费时间 清晰地知道自己与同龄人的学习行为差异 得到系统提供的标准化服务，不因老师的 个人喜好而受到差别对待，也不因自己对 老师的爱戴程度而影响学习态度 对 学 生 拥有一个教学助手：减少作业批改、 错题统计等重复劳动，减轻负担；系 统协助授课，提高上课

39、效率 拥有一个教学伙伴：借助人工智能自 适应学习系统，准确知道学生的薄弱 知识点、不同学生在学习行为上的差 异，增进对学生的了解 对 老 师 降本提效 21 2018.2 iResearch Inc 未来教师的角色 在人工智能自适应教育构建的蓝图里，未来老师的角色发生了转变人的优势在于情感、创新和温度，机器的优势在于 精准、标准和速度，两者都不是万能的。在过去漫长的时间里，人承担了过多的重复劳动，备课、上课、布置作业、改作 业、出卷、改卷、沟通都需要老师经手。未来人与机器可以且应该互相协作，构建一种新型的双师模式，即“真人老师+ 机器人老师”，把教师的总价值发挥到最大。机器的教学优势可以举一个

40、简单的例子来说明：当学生答错了“x2+1=3， 求x值”，机器会通过分析该学生解答类似题目时的正答率和用时、降低下一题难度等方式，准确判断出学生的知识漏洞 究竟是“3-1=？”“平方/平方根的含义”“一个正数有两个平方根，它们互为相反数”“平方根的表达式是 ”中的哪一个，从而推送相应的补漏内容。而人可能会想当然地忽略，或者因为发现了而产生恨铁不成钢的情 绪。当学生缺乏榜样或反感学习时，机器做不了情感交流和人际影响，而人可以。 人类教师与人工智能自适应学习产品各自的优势 传统角色面临转变：机器来教书，教师来育人 来源：艾瑞咨询研究院自主研究绘制。 人 工 智 能 人 类 教 师 把握教学大方向

41、情感交流、人际影响 培养创新思维 以智慧管理团队 多维、准确、动态的智能评 估 智能推送 即时问答和沟通 迅速完成作业和试卷批改 以统一的标准服务个体，公 平、理性地对待学生 学习所需要的“养料” 情感、温度、创新精准、速度、标准 22 人工智能自适应学习概述2 中国人工智能自适应教育市场状况3 中国人工智能自适应教育行业典型企业4 中国人工智能自适应教育行业未来趋势5 国外的自适应学习1 23 2018.2 iResearch Inc 行业发展环境 任何事物的发展壮大，既需要内在动力，也需要外在机遇。不论是从用户态度、国家政策、市场声量等外部条件来看，还 是从前期积累的内部条件来看，人工智能

42、自适应教育都正处在史上最好的机遇浪头里。趁着市场风向未变，做一些资金投 入和人力投入是有所裨益的，将来当人工智能技术得到突破性进展时，才能一举进入，寻求爆发。 中国人工智能自适应教育行业利好发展环境 人工智能自适应教育迎来史上最好的发展机遇 来源：艾瑞咨询研究院自主研究绘制。 政策支持 前期积累 市场预热 用户开放 人工智能潜力初现，大众对人工智能的态度逐渐正向 2017年5月由Deepmind团队研发的围棋机器人 AlphaGo战胜世界围棋冠军柯洁事件引发社会高度 关注； 2017年6月由学霸君研发的高考机器人Aidam战胜 高考状元事件、2017年10月由乂学教育研发的教学 机器人战胜17

43、年教龄老师事件再次引起舆论喧哗。 教育科技深受行业巨头和投资机构关注 好未来、新东方、VIPKID、51talk、沪江、科大讯 飞、英语流利说等公司相继宣布发力人工智能+教育， 集体打响攻坚战； 在自适应学习领域，Knewton、乂学教育成功融资 等国内外大额融资事件刺激市场关注度升温。 国家大力支持人工智能、人工智能+教育的发展 2017年7月国务院发布新一代人工智能发展规划， 提出到2030年我国人工智能核心产业规模将超过1万 亿元，带动相关产业规模超过10万亿元，并将有具 体的财税支持。规划中特别提到，将加快推动新型教 育体系、智能校园建设以及开发智能教育助理。 互联网及在线教育的发展为

44、人工智能+教育奠定基础 “三通两平台”和教育信息化的多年实施，让学校具 备了基本的网络设施和产品认知能力； 经历了最近2-3年的高速发展后，在线教育积累了大 量数据，能够为人工智能+教育的发展提供第一批实 验数据和经验支持。 24 2018.2 iResearch Inc 行业发展阶段 不可否认的是，从行业发展阶段来看，目前人工智能自适应教育行业仍处在发展早期，并且由于“人工智能”概念过热， 加上市场受到巨头进入、大额融资等事件的刺激，从而存在一定的炒作现象。但这是一项新兴事物发展的必经之路。人工 智能本身受到的市场反应也呈现出“这是全能的这是骗子这是全能的这是骗子”的反复性，人工智能在教 育

45、行业的落地应用不是一蹴而就的，必然也会因为初期效果的不甚理想而反复受到推崇和质疑。随着人工智能技术进入稳 定期，质疑的声音才会渐渐消除，行业发展路径才会稳定上升。 中国人工智能自适应教育行业发展阶段 行业处于发展早期的升温阶段，概念模糊，泡沫难免 来源：艾瑞咨询研究院自主研究绘制。 萌芽升温潜伏降温成长成熟衰退 相关业务营收为负 各企业发展战略不一 竞品间互相观望 营收增长，利润为负 各企业发展战略趋同 竞品间互相追逐 资本进入、巨头进入、 产业链上下游进入 营收快速增长 各企业占领细分市场 市场格局初具雏形 利润快速增长 企业兼并频繁 市场格局趋于稳定 产业链分工完成 当前阶段 利润增长停滞 业务寻求转型 市场受到重大正面事件刺激（融 资、上市、巨头进入、合作等） 市场受到重大负面事件刺激 （造假、投诉、倒闭、转型等） 早期 中期后期 25 2018.2 iResearch Inc 行业玩家分布 不断有企业瞄准、涌入人工智能自适应教育赛道。一类是提供在线英语课程和工具的公司，英语领域本身具有一定的国外 自适应学习经验，而且相关的学习材料、标准化测评和题库数据都足够多，开发环境相对较好。一类是以题库、作业平台 为基础，或进入公立学校做考试数据采集和分析的公司，他们能够收集一部分学