芥末堆 吉吉 4 月 5 日

当“自适应能否成为 K12 教育的救星”这一话题引发众多讨论，当朗播网、英语流利说等相继给英语学习注入自适应的元素，在 K12 和英语学习这两个领域，自适应学习受到了众多创业者的推崇。然而，在职业教育领域，自适应学习却显得有些“沉默”。

“职业教育领域缺少自适应学习产品主要有原因，一是职业教育大多偏向实操，难以与自适应学习相结合；二是相比于 K12 领域拥有的海量数据优势，有着众多垂直细分领域的职业教育，数据积累相对较难。”高顿互联网教育事业部CEO吴江华如是说。

两个月前，高顿教育旗下高顿网校的自适应教育系统 Epiphany（以下简称 EP ）正式上线，这也使得“职业教育+自适应学习”成为了一种可能。在吴江华看来，高顿主营财经证书考试培训，在财经教育领域的十年深耕，他们积累了大量的数据，因此在自适应学习上，高顿有着天然的优势。

截至 4 月 6 日凌晨，高顿学员累计做题道数约为 2.89 亿道

吴江华告诉芥末堆，EP 课程的价格比普通课程贵 30% 左右，但上线仅仅两个月，EP 课程的学员就已超过 1 万名，且学员满意率高达 96% 。据了解，目前，高顿网校共有 CFA 持证无忧、ACCA 极速通关、CPA 上财名师及 CMA（EP）等四门课程加载了 EP 智能系统。

体验：30道题，定制专属学习路径

高顿网校究竟是如何实现自适应学习的呢？日前，在上海高顿网校的办公室里，芥末堆对其加载 EP 智能系统的 CPA 上财名师课程进行了体验。

在开始课程学习之前，系统会通过 30 道题对学员进行学前能力测试，然后根据测试的结果，对学员的学前能力进行评估，告诉学员哪些模块基础较好，哪些模块基础薄弱。

吴江华介绍，30 道学前能力测试题，每一道题都涉及多个知识点，30 道题几乎涵盖了 CPA 考试的所有基础知识点。

据了解，EP 课程主要分为前导阶段、知识精讲、复习冲刺三个阶段，而 30 道题的学前能力测试，主要是为了帮助学员定制在前导阶段的学习计划，根据测试结果，确定学员需要学习哪些基础知识点，可以跳过哪些基础知识点。

当学员完成了前导阶段的定制学习后，便进入知识精讲阶段的学习。

在知识精讲阶段，每位学员的课程大纲均是相同的。但由于这一阶段所涉及的知识点较多，难以通过几十道题的测试判定学员对知识点的掌握程度，因此，在这一阶段，EP 智能课程通过跳级测试来实现自适应学习。如果学员通过了某一知识点的跳级测试，便可以直接跳过这一知识点的学习如果没有通过，就只能继续学习这一知识点的课程。

在每一章节的学习结束后，系统否会通过相应的习题对学员进行测试，通过测试结果帮助学员了解自己在这一章节里，已掌握了哪些知识点，但还有哪些知识点需要加强学习。

当学员完成了知识精讲阶段所有未掌握知识点的学习后，便可进入复习冲刺阶段。在这一阶段，系统会根据学员在知识精讲阶段对知识点的掌握程度，来确定课程大纲。

在学习的过程中，学员还可以通过系统内的知识骨牌，了解自己对知识点的掌握情况，已掌握的知识点有哪些，需要加强的知识点又哪些，未掌握的知识点又哪些等。

吴江华透露，芥末堆所体验的 CPA 上财名师课程，共被拆分成了 1490 个知识点进行学习，而 CFA 持证无忧、ACCA 极速通关和 CMA 课程则分别被拆分成了 1370 个知识点、1368 个知识点和 446 个知识点。

耗时近两年，搭建知识图谱

与 K12 领域以提分为学习动机不同，高顿所处的财经考证培训其学习动机是为了获得证书，对 K12 的学生来说，分数越高越好，而对高顿的学员而言，目标是考过即可。不同的学习动机与目标，也决定了而这在自适应学习知识图谱的搭建上有很大不同。

“K12 领域的知识图谱往往是越细越好，但财经考试最后考评的通常是你对某一门知识的综合掌握能力，而且学习者备考的时间往往只有几个月，因此财经培训的只是图谱不能比细，而是要讲究‘透’。”吴江华解释道，所谓透，就是学员学会了一个知识点，就可以学透一大片相关联的知识点，只有这样的知识图谱，才能帮助学员在有限的时间内掌握相应的知识。

芥末堆了解到，为了搭建这样的知识图谱，高顿网校耗费了近两年的时间。早在 2015 年，高顿教育三大研究院的上百名老师，就开始着手根据考试大纲和课程大纲搭建 EP 课程知识图谱。

由于与 K12 领域知识图谱的差异较大，但财经类培训或者是范围更大的职业教育类培训，几乎都没有可以参考的对象，因此高顿网校 EP 课程知识图谱的搭建主要依靠老师的教学经验和参考题库的数据。“70% 的知识图谱建立在经验丰富的老师的知识图谱上，另外 30% 建立在对题库的大数据的挖掘上。”吴江华介绍，通过这样的方式，将每一门 EP 课程的具体知识点拆分出来，然后把相关联的知识点连接在一起，并将知识点与题库进行匹配，完成知识图谱的搭建。未来，他们也会根据学生学习的反馈对已有的知识图谱进行迭代改进。

此外，在算法上，高顿网校建立了自适应学习算法研究团队，将当前比较成熟的人工智能算法运用到自适应学习系统中。据了解，这一团队主要由算法和工程经验背景的人才组成，团队负责人早年在微软亚洲研究院就职，团队成员均出自国内的一线互联网和科技公司。

高顿网校自适应学习算法研究团队的负责人向芥末堆介绍，高顿网校的 EP 课程运用了聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法等多种算法。

“通过分类、聚类算法对高顿多年沉淀的学习数据进行特征分析；预测与估算算法能够帮助学员提前预估学习进度，在发现与目标进度不匹配时系统会及时提醒学员和学服老师，强化学、练环节以加快学习进度……”该负责人告诉芥末堆， EP 智能系统承载了大部分人工智能关键算法，而他们也正一步步将这些技术转化成为财经类考生提供的产品与服务。

自适应学习之外，发力智能答疑

芥末堆了解到，在发展自适应学习的同时，高顿网校还将发力的重点放在了智能答疑上。

“我们一直在研究智能答疑机器人，数据库里面也已经积累了千万级别的答疑数据，但是在技术方面遇到很多瓶颈，比如说语境和语义的判断等。”吴江华告诉芥末堆，现在他们已尝试让机器去解答学员提出的问题，但由于技术上的限制，在机器解答完后，依然需要人工进行审核和校验。

吴江华相信，随着人工智能技术的成熟，以及不停地训练，智能答疑机器人也会越来越“聪明”。“我们今年的智能答疑的目标是让匹配度在 60% 以上。”他说。

他希望，希望经过 3 年的进化，有了智能答疑辅助的 EP 能成长为一个“有丰富教学经验的教师”，为上千万学员提供和 1 对 1 感受相同的教学服务。

对于高顿网校，他表示，未来，高顿网校的课程会从证书、实践能力、财经兴趣等各方面去覆盖和满足财经培训这个垂直领域的所有需求，在他们短期的目标里，希望能为 1000 万财经人提供财经学习服务。