人工智能自适应教育行业分析报告

发布者:管理员  2019/5/17 14:15:23




1. 人工智能自适应教育相关概念阐述

1.1 人工智能自适应教育的概念

运用人工智能、数据挖掘、认知科学、教育学、心理学、行为科学等知识,连续、实时地收集学生学习数据,根据学习者的学习目标、学习行为、偏好和学习状态实时动态调整和优化学习路径,以达到个性化教学的目的。这种基于AI技术的自适应教育即为人工智能自适应教育,简称为智适应教育。

1.2 人工智能定义及其在教育领域的应用

人工智能定义

人工智能是一门综合了计算机科学、生理学、哲学的交叉学科,是使用机器代替人类实现认知、识别、分析、决策等功能的技术。伴随着人工智能的三次浪潮,越来越多的中国企业投入到AI领域的研究和探索中。在国务院发布的人工智能发展规划中在2030年人工智能核心产业规模将超过1万亿元,并将带动相关产业规模超过10万亿元。

人工智能发展的核心是与行业相结合,只有赋能垂直行业的技术才具有市场化价值。通过创造新的用户价值,解决行业稀缺资源的痛点与提高原产业运行效率,人工智能将会为社会带来可持续价值。

应用到垂直行业的人工智能的通用技术主要包括语音识别、自然语言处理与图像识别。其中语音识别与自然语言处理已经验证的应用场景有在线教育和呼叫中心;图像识别中以人脸识别技术发展的最为迅速,应用的场景最为广泛,主要应用在安防和金融两个领域。近几年,各项通用技术的错误率均接近或超越了人类的平均能力。尽管技术还有诸多问题亟待解决,但已能在具体的场景下作为辅助功能提高行业效率。

人工智能在教育领域的应用

人工智能在学习中可应用在测、练、学、教四个环节,类别上可划分为识别类和策略类。AI教育中的识别类包括拍照搜题、智能测评、智能阅卷等,具体应用了图像识别、语音识别、语义识别等技术;策略类主要是自适应学习系统,主要应用了信息论技术、贝叶斯理论、知识空间、遗传算法等技术。

1.3 自适应教育概念、分类及发展历程

自适应教育概念、分类

自适应教育是一种为学生提供个性化学习的方式,通过追踪学生如何回答问题,基于其特定行为和答案,推荐相应的学习路径,以更好地适应学生个人的学习需求,做到因材施教,类别上分为规则的自适应教育和非规则的自适应教育。

规则的自适应教育:具有固定的在线学习顺序,系统按照预先设定好的规则,将内容传送给学习用户,无法根据用户的行为实时反馈和调整学习路径,无法做到真正千人千面的个性化学习。

非规则的自适应教育:运用人工智能、数据挖掘、认知科学、教育学、心理学、行为科学等知识,连续、实时地收集学生学习数据,根据学习者的学习目标、学习行为、偏好和学习状态实时动态调整和优化学习路径,以达到个性化教学的目的。这种基于AI技术的自适应教育即为人工智能自适应教育。

自适应教育发展历程

自适应教育学习理念很早之前就存在,其形成通常与 B. F. Skinner 的教学机器和他的程序化学习理论有关,这个理论于 1950s 年代出现,1970s开始通过计算机辅助教学,出现了智能化教学系统。近年来,随着大数据、人工智能等技术不断成熟,逐渐从理论走向落地应用,推动了人工智能自适应教育的快速发展。

1.4 AI教育和自适应教育的关系


AI教育是人工智能技术在教育行业的垂直化应用,可分为识别类和策略类。自适应教育是一种个性化教育方式,以做到因材施教,分为规则的自适应教育和非规则的自适应教育,其中基于AI技术的非规则的自适应教育,简称智适应教育,AI教育中的策略类即为智适应教育。

1.5 人工智能自适应教育分类

根据人工智能自适应教育在学习过程中涉及的环节和程度,可分为智适应题库系统、智适应学习系统。

智适应题库系统主要涉及学习过程的测、练两个环节,公司主要为题库类、测评类以及作业类等公司,通过测评学生的能力,根据学生知识状态的用户画像,提供在线解答、在线练习等服务。智适应学习系统涉及测-练-学-教四个环节,可以连续搜集学生学习行为数据,根据对学生当前能力的了解,规划学生最优学习路径,并自动推送线上教学视频等学习内容,实现整个学习过程的闭环。


2. 人工智能自适应教育行业现状分析

2.1 行业发展驱动力

行业发展驱动力

硬件设施的成熟

随着信息和通信技术的演变,计算机变得越来越小,功能更强大,价格更实惠,为智适应教育被广泛用于不同的环境,高效地进行教学和培训,奠定了设备基础。

基础数据的积累

云计算、云存储的发展降低了存储成本,使得大量的数据得以保存下来,数据的积累为模型训练和算法奠定了基础。

底层技术的发展

人工智能、深度学习等技术的发展,逐渐从理论落实到具体的领域应用,为智适应教育的发展提供了技术支持。

国家政策的推动

国务院发布的《新一代人工智能发展规划》中提到要围绕教育、医疗、养老等迫切民生需求,加快人工智能创新应用。政策的支持将加快推动新型教育体系、智能校园的建设。


2.2 中美发展对比

由于中美两国教育文化的不同,人工智能自适应教育行业的发展在内容生产、商业模式和应用场景上有很大差异。美国的人工智能自适应教育起步早,技术相对成熟,但总体上仍处于高等教育实验适应性学习早期阶段。美国以平台型公司为主,内容上与大型出版商合作,主要用户是高等学校等B端用户;国内起步较晚,人工智能自适应教育公司不仅研发系统,而且自己组建团队研发内容,主要用户为K12中小学生。

人工智能自适应教育中美发展对比

中国

美国

发展背景

• 应试教育发达,对成绩提升需求迫切,课外付费辅导行业发达

• 智适应教育起步较晚,技术基础薄弱

• 种族繁多,学生拥有多元化背景

• 智适应教育起步早,技术相对成熟

内容生产

•内容上,自适应系统公司自己组建团队研发内容;教材版本众多,不同的教材知识匹配不同,知识点更加细致,知识体系一般为几百万的量级

• 内容上,由学校和出版商提供,知识产权明确,经过多年培育,内容质量更优;知识体系量级一般为几千几万数量级

应用场景

多应用在K12基础教育阶段

多应用在高等教育



2.3 关键发展因素

内容

Ø对教学大纲和课程要有足够深入的理解,内容要与教育目标和课程高度吻合。

Ø知识图谱的颗粒度、知识点的分拆、标签的级别要足够精细,知识点之间的关联度要足够细致,以快速精准定位出学生薄弱的知识点,推荐学习路径。

数据

Ø单点而杂乱的用户数据价值不大,需要搜集用户整个学习过程的数据,算法才能在测-练-学-教的整个过程中发挥作用,结合当前和历史的学习行为数据分析,推荐最优学习路径。有效的学习行为数据其特点:用户行为数据的连续性、数据上下文的前后关联度。

Ø随着有效用户连续数据的积累,不断优化数据模型,从而提高精准度和用户测评的速度。

技术

Ø用到遗传算法、知识空间、贝叶斯定理等技术,需要策略型AI的数据科学家。图像识别、自然语言处理等识别类AI技术难以满足需求。



2.4 行业发展现状分析

人工智能自适应教育行业目前处于处于初步发展期,产业链不成熟,分工不明确,用户对人工智能自适应教育认知度低;大小玩家开始入局,对公司团队的技术-内容-商业化能力要求高。

行业发展现状分析

市场参与者

国内做人工智能自适应教育的创业型公司主要有三类:

Ø智适应学习系统服务商,如乂学教育论答;

Ø拍照搜题、智能测评等工具类公司,如学霸君、英语流利说;

Ø英语语言培训类公司,如朗播网。

上市企业中做智适应教育的,有传统中小学教育机构,如好未来、新东方;人工智能语音测评公司,如科大讯飞。

公司发展模式

Ø涉及学习过程的环节:从测评和练习切入或者涉及学习的全过程;

Ø服务对象:K12中小学生基础教育;成人语言培训;

Ø商业模式:toC 面向学生用户;toB 面向公立学校和辅导机构;

Ø学科:以数学和英语等学科为主。

关键因素发展程度

Ø内容:由智适应教育公司自己做,对教研团队的能力要求高,且工作繁重,投入成本高;

Ø数据:测试和练习的单点学生行为数据丰富,学习和教学的数据

缺失,有效的结构化的连续性数据稀缺;

Ø技术:技术不成熟,策略型数据科学家人才稀缺。


2.5 产业链分析

人工智能自适应教育行业产业链分为上游的内容研发和数据采集,中游的产品研发和推广,下游的用户。目前,产业链各环节分工不明确,从内容研发-数据采集-产品研发-推广等各个环节,人工智能自适应教育公司大都自己来做。随着行业不断发展成熟,产业链分工有望逐步明确。


3. AI自适应教育行业资本市场表现情况

3.1 投资事件整体情况


2017年,作业帮、英语流利说、学霸君、乂学教育、极课大数据均获得了亿元以上的融资额度,使得该年无论是融资总额还是平均投资额均达到历史新高。资本的青睐加速了AI教育的发展。

3.2 人工智能教育投资事件细分领域概览

由于行业主要处于早期,人工智能教育各细分领域的平均融资额在2000万元人民币左右。教辅工具项目获得的融资事件数量最多,超过第二名教育机器人两倍之多。拍照答题类的项目融资事件数量虽少,但由于几笔后期的大额融资,平均额度达到了第一,超过1亿人民币,远远领先于其他领域,可以看出人工智能教育中教辅工具和拍照答题更成熟。


人工智能自适应教育项目的融资事件数量很少排在倒数第二的位置,但平均融资额却达到了第二。可见虽然行业处于早期阶段,但相对于其他细分领域来说更受资本的青睐。

3.3 人工智能教育项目地域分布情况

       人工智能教育项目主要集中分布在北京、广东、上海等一线省市,其中北京最多,占比高达37%。人工智能自适应教育项目也是主要集中在一线省市,和人工智能教育比起来,广东省占比有所下降。排名前三的是北京、上海和浙江。


4. 国内人工智能自适应教育代表企业分析

4.1 一起教育科技

一起教育科技是全球领先的K12智能教育平台。一起教育科技致力于用先进的教育科技、优质的教育内容和持续的教育热情,为K12阶段的学校、家庭、社会教育场景,提供更为高效、美好的产品和体验,开启了智能教育新时代。 

一起教育科技认为知识点掌握只是学习的开始,学科能力也只是个性化学习路径的中间过程,最终的目的是掌握举一反三的跨学科综合能力。这种能力体系的建设依赖于丰富的素质教育内容和智能诊断、智能推荐等人工智能技术的结合。 

在Socrates智能学习系统当中来于同步的是知识,高于同步的是能力,由算法构建知识点和能力的结构体系。在知识层面不超纲、不超前,让学生用更少的时间、更有效的练习,达成知识点的掌握和跨学科思维能力的建设,学习知识的同时获得终身受益的思维方式。

4.2 乂学教育

       乂学教育成立于2015 年,是国内一家敢为天下先的人工智能自适应网络教育公司。截止目前,乂学已经在全国20多个省市自治区的100多个城市开设了500多家学校,2600多名教职员工。乂学3轮融资累计超过3亿元,SIG、NGP、景林资本、国科嘉和(中科院)、青松基金、新东方教育集团、好未来教育集团、正和岛、俞敏洪个人等联合投资。

       乂学教育成功开发了国内开创性的拥有完整自主知识产权、以高级算法为核心的自适应学习引擎。就像AlphaGo模拟围棋大师,乂学AI系统模拟特级教师给孩子一对一量身定做教育方案并且一对一实施教育过程,比传统教育效率提升5到10倍。乂学教育在纽约设计了人工智能教育实验室,还与斯坦福国际研究院(SRI)在硅谷成立了人工智能联合实验室。

4.3 作业盒子

       作业盒子是一家专注K12互联网教育领域的公司,通过接管K12领域学生的作业场景,连接老师与学生,记录、生成学生的学习知识图谱,基于大数据,帮助老师因材施教。目前作业盒子已经推出了两款产品:针对初高中的“作业盒子”和针对小学的“速算总动员”。产品自上线以来,已经在北京、上海、哈尔滨、太原等400多个城市、70000余所学校投入使用。

4.4 学霸君1对1

     学霸君1对1是学霸君旗下在线一对一辅导品牌,隶属上海谦问万答吧云计算科技有限公司。基于学霸君100亿次搜题数据、学生课堂反馈数据,精准分析学生的知识点掌握情况,构建知识体系,实现“全局可细分,垂直可训练”。

4.5 高木学习

     高木学习是全球领先的人工智能教育引擎及平台提供商,致力于提升人类知识学习的效率。现阶段聚焦于K12阶段,打造AI Tutor辅助学生学习,为学生全局优化其学习路径,培养学生元认知能力。高木学习打造了通用知识学习引擎,基于用户行为数据反馈,AI Tutor能不断演进对知识体系的理解。

    公司总部位于深圳,创始团队毕业于英国帝国理工、美国加州理工、美国哥伦比亚大学等世界名校;技术团队由联合创始人欧洲科学院院士、英国皇家工程院院士郭毅可教授领衔。高木学习提供“人机共教”教与学解决方案,以解放教育生产力为目的,目前已服务近680家学校及大型教培集团,超过60万学员,积累学情数据量超5.1亿条,并完成松禾资本,深圳投资控股集团等国内顶级资本的三轮VC融资,公司估值超3亿元。

高木学习已与华南最大的教辅集团卓越教育,河南最大教育集团晨钟教育等国内数百家大型教培集团形成战略合作。公司获得“2018胡润百富中国最具投资价值企业百强榜单”、“深圳人工智能百强企业”等荣誉称号。


5. 国外人工智能自适应教育代表企业分析

5.1 Knewton

Knewton是一家人工智能自适应学习平台公司,2008年由Jose Ferreira(自适应教育这一名词的缔造者)创立于美国纽约,目前估值近10亿美金。核心产品是自适应学习引擎,在学生学习数据搜集、个性化学习内容推送等技术上处于世界领先地位。其目标是为发行商、学校及全球的学生提供预测性分析及个性化推荐。其学习效果经过数次十万人次以上的实验和实地使用的显著性论证,得到国际教育界的广泛引用,是自适应领域的标杆型企业。

Knewton致力于做一个人工智能自适应学习平台,自己不提供内容,与学校、出版社等内容生产方合作。在数字化自适应学习课程中,Knewton将合作方的内容通过API嵌入到自己的系统中,其人工智能自适应学习平台通过连续收集学生行为数据,实时响应学生在系统中的活动,学生完成某项活动后,系统自动推送学生进行下一个活动。

5.2 ALEKS

ALEKS是一家基于人工智能引擎的自适应学习系统服务商,于1996在美国成立,2013年6月被McGraw-Hill公司收购。它根据每个学生优势项和弱项提供个性化学习体验;系统应用于K12阶段、大学的数学、科学和商业学科。

ALEKS 的产品系统分为定位、准备和学习三阶段,程序可反映每个学生独特的知识状态,并将每个学生划分到课程特定的准备和学习模块中。不同于传统的标准化测试和书面考试,ALEKS更注重学生的个性化知识缺口,将定位评估与定向学习模块间无缝过渡,激励学生取得更高的成绩。

5.3 Realizelt

Realizeit为CCFK旗下教育产品,是一家ToB端的自适应教育解决方案提供商,于2007年在美国成立。通过提供智能自适应SAAS平台、一个大型的内容库和一个专业线下团队,帮助教育机构搭建一个动态自适应的教育平台。

Realizeit的产品系统会记录学习者产生的所有数据,包括学习时间的长短,每个问题的尝试次数和结果,教师与学习者之间交互的次数和类型,以及外部干预的数据。这个系统有两个关键特点,一是当数据不存在时,系统通过测试学生或者内容做出判断,第二个特点是在收集数据时保证了数据的准确性、效率和有效性。


6. 行业发展核心要素及发展趋势

6.1 AI自适应教育行业发展核心要素

       大数据

       人工智能自适应教育建立于海量优质的应用场景数据基础之上。训练数据的数量、规模和质量尤为重要,丰富的海量数据集是算法模型训练的前提。甚至有观点认为,拥有更海量的数据比拥有更好的算法更重要。受益于移动互联网的发展和多样化智能终端的普及,以及物联网的发展和传感器的大量应用,源自各种设备及互联网应用的数据急剧增加,大数据迅速发展。大数据处理技术能在很大程度上提高人工智能训练数据集的质量,并能优化存储和管理标注后的数据。因此,可以说,海量数据是机器智能的源泉,大数据有力地助推了机器学习等技术的进步,在智能服务的应用中释放出无限潜力。

      并行计算

      人工智能自适应教育发展过程中,有限的运算能力曾是制约行业发展的主要瓶颈。从电子计算机出现的早期至今,机器的运算处理能力不断提升,为人工智能的发展提供了极大的动力支持。云计算在虚拟化、动态易扩展的资源管理方面的优势,GPU等人工智能专用芯片的出现,奠定了人工智能在大规模、高性能并行运算的软硬件基础,推动数据处理规模和运算速度的指数级增长,极大地提高了算法执行效率和识别准确率。

      深度学

      数据和硬件是人工智能自适应教育的基础,而算法是人工智能自适应教育的关键。人工智能发展史上,两个转折点尤其值得关注。一个是研究方法由符号主义转向统计模型,自此开辟了人工智能发展的新路径;另一个是深度学习凭借绝对优势,颠覆了其他算法设计思路,突破了人工智能的算法瓶颈。深度学习即深度网络学习,它受人类大脑神经结构的启发,由一组单元组成,每个单元借由一组输入值而产生输出值,该输出值又继续被传递到下游神经元。深度学习网络通常使用许多层次,且在每层使用大量单元,以便识别海量数据中极其复杂和精确的模式。深度学习将人类程序员从构建模型的复杂活动中解放了出来,并提供一种更优化、更智能的算法,能够自动从海量数据库中进行自我学习,自动调整规则参数并优化规则和模型,识别准确率极高。自学习状态已成为机器学习的主流方法。

6.2 人工智能自适应教育行业发展趋势

      人工智能在教育中的应用特征为推动人工智能与教育的融合创新发展指明了方向。在当前国家大力发展人工智能的政策引领下,不仅要从本质上认识人工智能的核心要素与驱动力,把握其典型应用特征,还要能够顺应其发展趋势。以数据驱动引领教育信息化发展方向,以深化应用推动教育教学模式变革,以融合创新优化教育服务供给方式,将是人工智能自适应教育应用的未来发展趋势,也是人工智能时代教育发展的鲜明任务和重要机遇。

      以数据驱动引领教育信息化发展方向

      人工智能技术在教育领域的深入应用,推动着信息技术与教育的融合创新发展。纵观人工智能在教育领域的应用发展历程,从早期基于规则的知识表示与推理,到今天基于深度学习的自然语言处理、语音识别与图像识别,“智能”的习得已经由早期的专家赋予演变为机器主动学习获取。除了算法模型的显著改进,作为模型的训练数据集,大数据为人工智能添加了十足的动力燃料。大数据智能以数据驱动和认知计算为核心方法,从大数据中发现知识,进而根据知识做出智能决策。数据已经成为产业界争夺的焦点,数据驱动的智能决策与服务已经成为学术界研究的热点。在教育领域,数据可以解释教育现象,也可以揭示教育规律,并能够预测未来趋势。数据驱动的方法推动着教育研究从经验主义走向数据主义和实证主义。因此,教育数据革命已经到来。数据驱动的人工智能将引领教育信息化发展的新方向。

       以深化应用推动教育教学模式变革

      人工智能在教育领域取得如此大的成就,技术引领是关键。同时,不难看出,人工智能在教育领域的应用具有较强的场景性,也就是说,这种应用是针对教育实践活动中的具体问题而展开的,具有明确的问题空间和目标导向。也因此,这种由应用驱动的技术与教育的融合发展,是技术在教育领域中的一种深入应用。如自动化口语测评中,针对具体的语言语音对象,在语音识别技术的基础上,应用语音测评技术实现对学生口语的自动化评价。人工智能技术在教育领域的深化应用,创设了强感知、高交互、泛在的学习环境,为学生的知识建构活动提供了良好条件,为创新型教学模式的发现和运用提供了空间。

      以融合创新优化教育服务供给方式

人工智能在教育领域中的应用实现了跨学科、跨领域和跨媒体的融合创新。人工智能与神经科学、认知科学、心理学、数学等相关基础学科的交叉融合,联合推动了教育人工智能技术的发展和应用。同时,人工智能本身的发展,离不开人工智能教育和培训。而这种教育更需要建立于Steam学科融合的基础之上。人工智能与教育两者相辅相成,互相促进。跨领域推理融合了多个领域的数据与知识,奠定了强大的智能基础。跨媒体感知计算以智能感知、场景感知、视听觉感知、多媒体自主学习等理论方法为依托,旨在实现超人感知和高动态、高纬度、多模式分布式大场景感知。人工智能技术与教学内容、教学媒体和知识传播路径的多层次融合,突破了传统教育方式的限制,提供跨学科、跨媒体、跨时空的智能教育服务供给,是建设“人人皆学、处处能学、时时可学”学习型社会的有效途径。

上一条: 在线启蒙英语行业研究报告
下一条: 无人驾驶行业发展分析报告