在昨天的盘点中，芥末堆回顾了 2016 年教育行业那些应当被记住的事件。回望过去一年，一个不可否认的事实是，科技正在以肉眼可见的速度进入、影响、改变着这个古老的行业。

但是，对于教育科技创业者而言，过去的 365 天似乎也不算一个好年景。移动互联网的连接红利，远没有我们曾经想象的那样撼天动地，预想中的“颠覆”并没有到来。而如人工智能、自适应等热门概念，也还没有为教育带来真正的“质变”。

出处：芥末堆《 2015 教育科技蓝皮书》

事实上，技术的受关注程度，与其所带来的真正效用之间经常是不呈正比的。企鹅智库在日前发布的《中国互联网趋势预测白皮书》中，把未来的 2-5 年称为“分水岭”过渡期，在新一轮技术迭代出现之前，所有身处其中的人们都将面临由增量市场转向存量市场所带来的阵痛。但这一新的时期，也正是大数据应用、云计算等“新技术+商业”在各行业中落地应用的窗口期。

如果把观察的维度缩短到 2017 年， 364 天后可能会发现，你所期待的“完美的教育”仍然没有到来。但在润物细无声般的一点点寸进中，下一个年头的教育行业已经是另一番景象。

接下来，芥末堆为你盘点在新的一年里，那些教育技术可能会实现的进步。

自适应学习：更聪明的系统，更实用的产品

如果要评选近期的教育技术热词，夺魁者非自适应学习莫属。这个在 2013 年还默默无闻的概念，已经成为未来最受期待的教育场景之一。在芥末堆平台上，针对自适应学习能否成为 K12 教育的救世主，更是引发了多位行业人士的争论。

在这一领域首先能看到的，是更多玩家的入场。除了颇具声名的 Knewton 之外，以内容出版为主业的老牌教育巨头培生，发布了《解码自适应学习》（Decoding Adaptive Learning）研究报告，并将 IBM 的认知计算“IBM Watson”应用于教育领域，提供自适应学习服务。而在国内，流利说、朗播等创业公司，也纷纷发布了其自适应学习产品。可以想见，未来将有越来越多的企业在这一方向上发力。

另一个值得关注的变化，则是更多“玩法”的涌现。如流利说运用基于递归神经网络的深度模型替代知识图谱的作用，动态计算不同学习路径的收益；朗播网则针对有能力、有经验的教师进行访谈，来制作英语的能力（而非知识）图谱。

根据技术专家的观点，“自适应学习”的发展，可以分为三个阶段。

• 自适应测试：以 IRT 模型动态调整题目，能够准确反映被测试者的水平，但不能深入到知识点的层面，无法对学生的学习起到指导作用；

• 自适应测量：运用更细致的标签和复杂的算法，找到学生在知识点和能力上的缺陷，但无法做到真正的“解决问题”；

• 自适应学习：在发现问题后，能够通过精确的内容推送解决个性化问题；

身处于第二阶段的我们，还在为走向真正的自适应学习而努力。而这一目标的最终达成，可能还需要借助于人工智能的力量。

2017 年，我们可能还无法等来一个能数倍提升学习效率的自适应学习产品。但更多的玩家、更大的数据量以及更新的算法，无疑会让“自适应”更加智能一些。

至少，新一年自适应，将不只是做一道错题后再推送一道同类题的“刷题产品”而已了。

人工智能：在特定场景中开花结果

不得不说，人工智能概念的又一次火爆，与 AlphaGo 三月份与围棋世界冠军李世石的五场比赛大有关系。知识网红罗振宇在跨年演讲中，甚至把这场机器战胜人类的重大突破，与英国脱欧、特朗普当选总统并列为 2016 年三大黑天鹅事件。但是，当潮水退去，人们又面对了一次超级电脑“深蓝”战胜国际象棋大师后一样的困惑：看上去很牛的人工智能，好像也并没带来什么改变？

不幸的是，人们的感觉有可能是对的。当媒体再度把人工智能推上舆论的风口浪尖的时候，许多国外学术界大牛为这次热潮泼了一碗冷水：无论像人一样思考的机器最终能否出现，我们离这一目标的距离仍然很远，在很长的一段时间内，我们将处于“弱人工智能”的时代。

可能过于乐观或过于悲观都并无必要。与人类相比，机器的智力水平仅仅相当于 3-4 岁的水平，但其进步速度十分可观。在一些特定的场景下，人工智能已经能够为人类做许多事情，包括对教育的辅助。

首先是助教、客服等相对简单而繁琐的工作。据外媒报道，佐治亚理工学院计算机学院的一位教授已经开始使用虚拟的“计算机助教”来完成答疑的工作，准确率达 97% 以上。未来，在线教育的客服、教务、课堂助教、口语对话练习、教育咨询等多个场景下，都可能出现人工智能的身影。

另一个机器能够胜任的工作，是儿童的交流、陪伴。逻辑相对简单、更丰富的交互方式，都让这一方向成为人工智能擅长的领域。儿童故事机市场的火爆部分地验证了市场需求，下一年的看点，可能就是巨头与创业公司们究竟能做到哪一步。

一个可能被忽略的方向，则是情感和情绪。“大多数人并非学不会，而是不学”，是被教育行业普遍接受的尴尬事实。但此前的教育技术们，却很难解决人类的“情绪问题”。2015 年，日本软银正式对外发布了“情感机器人”Pepper，海外教育项目 ARTIE 更是直接将机器的情感识别应用到教育场景之中。在 2017 年，人工智能对学习者情绪的监控和影响，或许将开花结果。

虚拟现实：告别泡沫，内容为王

在备受期待的“ VR 元年”，整个虚拟现实产业经历了一次由盛转衰的过山车。Facebook、HTC、索尼三家大厂设备如期相继发售，却并未引起预想中的浪潮。据媒体报道，国内 VR/AR 相关的融资额在 2016 下半年可能已缩水近半。

体验不佳、价格昂贵以及内容短缺是目前阻碍 VR 硬件设备普及的主要原因。而对内容生产者而言，VR 意味着全新的场景和内容生产方式，需要的不只有高昂的开发成本，还有全新的思维与创意。

这或许也是许多教育从业者对 VR 不太“感冒”的原因。从互联网二十年发展的经验来看，在娱乐、游戏方面起势之前，VR 不太可能在教育上掀起风浪。但是 2017 年，仍然可能是埋下 VR+教育种子的时候。

随着各类或高端或廉价的 VR 头显相继面世，VR 教育项目们将开始小规模落地开班。将抽象内容进行生动化表达，增加学习兴趣、加深理解程度，自诞生起就自带这一属性的 VR 并不难找到“种子用户”。在这一年，真正有意义的可能是在不断的试错中，找到最适合 VR 的教育场景。 

语音技术：改革带来“规模红利”

语音技术可能是最受惠于深度神经网络发展的技术类别之一。短短几年时间，语音识别的准确度由 85% 左右蹿升至 95% 以上，这是足以让这项技术达到商业应用级别的“质变”。

近期，不只科大讯飞、云知声等传统的语音技术厂商，新东方、网龙、立思辰等教育龙头和上市公司们也纷纷开始用投资、并购、战略合作等方式，进军语音技术+教育的领域。

对于这些在此赛道上的玩家们来说，2017 年最重要的机会可能是“改革红利”。随着高考加入口语测评的改革从国家层面被确定下来，越来越多的省市都开始在中高考中加入口语项目。相对于传统的人工面对面评分和人工听音频评分，以一天完成 10000 人的口语考试计算，机器评分能够节省高达数百人的人力成本。在广东的部分地区，以机器做评分的口语考试已经成为现实。

而从测评到学习，可能是更大的金矿。当语音技术的需求被意识到的时候，渠道强大的教育信息化巨头们将以极快的速度将这一技术推进公立学校中。这一技术所面对的人群，可以是全国所有 2.6 亿在校学生。

直播：成为“行业标配”

在 2013 年这一波在线教育刚起步的时候，直播 or 录播还是一个能吵成一团的大问题，仿佛其中之一代表了行业发展的终极答案。而在 2016 年，再无人会有辩论的兴致，大到做录播网校十余年的新东方，小到创立不久的新公司，家家都在做直播。

某网络直播平台服务提供商的高管曾对芥末堆表示，2016 年的这一波直播热潮，本质上是技术成熟的结果。一年以前，3000 人以上的在线直播是对所有公司带宽与技术能力的考验。而在今年，十万同时在线的直播已经不再是难题。

从去年的势头来看，直播将成为 2017 年之后在线教育的“标配”。但它只是一个工具和教育内容的展现形式之一。无数平台和底层服务商，会让直播对任何人都不存在障碍，也就不会成为任何企业或产品的竞争优势。

但是，即使直播已进入成熟应用期，也仍旧存在着进一步发展的空间：

• 能否让在线一对多直播产品的体验达到线下小班的效果？

• 超多人直播互动感弱的问题是否有解法？

• 如何让跨国直播体验更好？

• 怎样找到用户界面功能全面与操作简洁之间的平衡？

• …………
  

2017 年，直播可能不再会是“热词”。但直播体验的优劣，仍将是用户体验的重要部分。而直播在软、硬件上的不断进步，也将进一步影响教育市场线下与线上的力量对比。

大数据：让教育进入“ DT 时代”

大数据早已不是新词。在搜索、电商、广告、互联网金融等多个领域，都已在广泛的应用大数据来处理问题。互联网大佬马云曾在多个场合强调大数据的作用，甚至提出了 DT ( Data technology )时代的概念，公开表示“人类正从IT时代走向DT时代”。

尽管在教育行业的诸多产品中也已开始重视对数据的运用，但教育行业的“大数据”仍然处于相当初级的阶段。在很大程度上，这是教育数据的复杂程度远高于许多行业所导致的。学习行为的多样性、人类思考过程的内隐特征，以及校内/校外、线上/线下的复杂场景，无不在增加大数据发挥作用的难度。

随着大数据在几乎所有产业中落地开花，其在教育行业的作用也将变得越来越重要。一个在教育科技界几乎达成共识的观念是：数据，将成为大幅度提高学习效率与效果，打开下一次学习革命大门的钥匙。

接下来的一年，我们将看到教育大数据应用在各个环节不同程度的提升：

• 数据采集：不止于练习环节的“刷题”数据，更多维度的学习行为将被纳入数据采集的范围之中；

• 数据分析：算法与计算能力的进步，将让机器能够处理更多类型的非结构数据，让数据对人类学习状况的还原更加真实、准确；

• 数据应用：学习内容将被以更细的颗粒度打上标签，由数据和算法得来的学习建议与规划将越发细致、完善；

校联网：教育信息化潜力可期

根据国务院发布的《全国教育信息化工作专项督导报告》，在网络建设和教学资源普及方面，我国中小学已经达到了很高的比例。截至 2016 年 6 月，全国中小学互联网接入比例为 87.5%，其中带宽在 10M 以上的学校比例为 64.3%，配备多媒体教学设备的中小学比例也已达到 56.6% 。

但是从宏观看，国家级的公立校网络教学、管理协作系统还并未出现；实际的应用场景中，绝大多数教师信息技术教学应用能力不高，教学方法灌输多交互少、展示多探究少的问题仍然十分严重。信息技术应用对提高教育教学质量的效果并没有被充分发挥出来。

上海电教馆副馆长陈家虎在 GET2016 教育科技大会上表示，相对技术平台而言，建设新的工作平台无疑更为重要。梳理工作流程、重新定义各种边界条件，将工作流程变成数字流程，才是教育数字化基础。

与上面的六个技术趋势相比，“校联网”向前发展的动力更多在于政策和行政力量。根据教育部教育管理信息中心印发的文件，未来我国将建设覆盖全国各教育阶段的学生、教师、学校经费资产及办学条件数据库，国家核心系统融合与开放共享平台，教育部本级数据中心和部省两级基础数据库管理系统、应用支撑平台、数据交换平台等国家级教育平台。

一系列教育系统的部署与应用，可能会为公立校内的教学与学习带来诸多改变。将所有学校连接入网，将和选课走班、考试制度改革一起，成为公立校教育向前发展的新动力。而 PPP 、BOT 等方式，也为体制外企业参与教育信息化建设提供了现成的入口与模式。对于教育企业来说，教育信息化仍会是一片潜力可期的市场。

2017，期待我们能在教育领域看到更多创新，芥末堆会继续陪伴大家向前走。如果屏幕前的你也想跟教育从业者们分享自己的感想和经验，欢迎戳投稿邮箱（tougao@jmdedu.com）。