2018年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2018年22018.2 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。2K12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。63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142018.2 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52018.2 iResearch Inc 明星企业KnewtonKnewton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，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（开放API接口）评估产生功能可视化推荐预测62018.2 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 StateUniversity)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：https:/ 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：https:/ 课程通过率提高使用前为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82018.2 iResearch Inc 自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：https:/ 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、50.4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：http:/ 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DreamBox20-40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：http:/ .05111144.715.0156.215.1不显著问题解决能力444147.019.3161.416.3不显著109144.717.1159.815.2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1122018.2 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132018.2 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142018.2 iResearch Inc 人工智能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152018.2 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162018.2 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/AR172018.2 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：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182018.2 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 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192018.2 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。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202018.2 iResearch Inc 在线作业人工智能自适应教育的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212018.2 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1232018.2 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。242018.2 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252018.2 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习数据，在大数据采集和用户认知经验上具有一定的先发优势。另一类是主打自适应教育的公司，他们以自适应学习系统为主攻产品。此外，其他在线教育机构、线下教育机构、甚至非教育行业的机构都在试图进入这一领域。已公开宣布发力人工智能自适应教育的企业教育科技+课程变现前景良好，至少40家公司宣布入场注释：各企业按企业名称拼音顺序排列，企业列举不完全。来源：艾瑞咨询研究院自主研究绘制。在线英语课程&工具51talk、VIPKID、贝乐在线、盒子鱼、沪江、朗播网、魔力学院、扇贝单词、英语流利说、智课网教育信息化进校派极课大数据、科威姆、全通教育、淘题吧K12题库类&作业类工具阿凡题、狸米学习、学霸君、一起作业、猿题库、作业帮、作业盒子主打自适应教育的公司东琳教育、高木学习、论答、葡萄学院、图索教育、先声教育、学吧课堂、乂学教育其他在线教育机构百看早教、北京四中网校、成长保、大讲台、高顿网校、极客学院线下教育机构创数教育、翡翠教育、好未来、佳一教育、精锐教育、新东方非教育行业方正电子、惠普262018.2 iResearch Inc 人工智能自适应学习系统中数据和算法之间的良性循环行业特点边际明显：初期投入大，越往后数据的反哺能力越强毫无疑问，随着越来越多的学生使用某个产品，产品所收集的数据量会越来越多。在一般的在线教育产品中，这些数据会被储存起来，经由人工挖掘和分析，用于优化产品；而在人工智能自适应学习产品中，这些数据会像“燃料”一样被输送进人工智能算法这个“大锅炉”中，由数据来训练算法，输出更接近真实情况的学习模型，赋予学习系统更好的性能和更高级的功能，从而吸引更多的学生使用。学生使用系统则产生更多的数据，继续上述流程，形成良性循环。另外，系统通过数据对学生产生的“了解”会随着时间递增，学生之后更换产品的转换成本会非常高。因此可以说，人工智能自适应教育行业比一般的在线教育行业具有更明显的边际效益。来源：艾瑞咨询研究院自主研究绘制。前期数据积累人工智能算法人工智能自适应学习系统产生功能学生使用系统学生使用系统，产生更多数据提供“燃料”输出模型有效数据越多人工智能算法越有效算法越有效，模型越贴近真实情况，系统越强大良性循环系统越强大，使用的学生越多272018.2 iResearch Inc 线下行业产业链人工智能自适应教育行业产业链的结构与在线教育行业类似，都包含了从产品开发（内容研发+技术支持）到教学服务再到分发推广的过程，两者差别在于，前者的产品开发环节由于涉及到新兴的人工智能技术，从而吸金能力更强、难度更高、耗时更长。产品开发需要教研经验、教育学、心理学、计算机、大数据、人工智能等多个领域的跨界协作和共同摸索，前期投入可达千万元人民币级别。目前K12辅导和语言学习是产品的两大重点应用场景。产品开发吸纳大量资金，产业链头重脚轻，分工有待细化来源：艾瑞咨询研究院自主研究绘制。用户线上搜索引擎门户资讯通讯社交社区论坛视频网站自媒体K12辅导教学服务存储设备产品开发计算设备底层设施网络传输教育工具/平台数据中介数据供应云服务内容研发数据及技术开发紧密配合学科教研教育测量学认知科学学习心理学平台搭建计算机科学机器学习数据科学语言培训职业培训其他分级阅读传单活动讲座交通工具街道楼宇电视杂志熟人分销宣传推广中国人工智能自适应教育行业产业链282018.2 iResearch Inc 企业的商业模式在美国，自适应教育企业的商业模式一般以To B为主，这主要是因为美国C端用户个人发展压力小，接受额外培训的意愿没有中国人那么强，因此To C培训空间小，另外与机器交互的自适应学习在机构内推广也容易快速形成规模，发挥边际效益。中国To C教育培训市场比美国广阔，并且高度分散，只要用心经营人人都可以分一杯羹，To B市场则更多地需要借助人脉关系，进入成本高。中美两国的国情和文化土壤差异较大，不能照搬商业模式，但美国的产品和技术值得关注、学习。人工智能自适应教育企业典型商业模式美国以To B为主，中国以To C为主，不能照搬来源：艾瑞咨询研究院自主研究绘制。中国企业典型模式美国企业典型模式企业申请政府采购开发自适应内容开发底层系统开发自适应学习系统开发自适应测评系统产品模式市场模式向公立学校销售向民办学校销售向校外教培机构销售向C端销售B端自主定制内容292018.2 iResearch Inc K12辅导52.2%语言学习34.8%201520162017行业内投融资情况从2015年到2017年，中国人工智能自适应学习相关概念一直受到资本市场的关注，融资轮次逐渐呈现出从种子轮、天使轮的早期阶段向A轮、B轮的中期阶段发展的趋势。其中K12辅导和语言学习两个细分领域的融资事件最多，占比分别达52.2%和34.8%。K12辅导是中国教育培训行业中市场规模最大的一个子领域，吸引力大；语言学习则因为学习内容轻量化、国际化，天然适合与科技接轨。2015-2017年中国人工智能自适应学习相关概念投资标的主要融资事件K12辅导和语言学习领域最受关注来源：艾瑞咨询研究院自主研究绘制。种子轮天使轮Pre-A轮A轮/A+轮B轮/B+轮E轮C轮D轮战略投资F轮英语流利说乂学教育智课网极课大数据乂学教育智课网英语流利说K12辅导语言学习职业培训早幼教测评圆圈颜色表示企业所属领域，圆圈大小表示企业融资金额K12辅导和语言学习领域融资事件最多慕华尚测302018.2 iResearch Inc 企业通常会面临的难点人工智能自适应学习产品与传统教育产品相比，改革跨度太大，因此不可避免地在团队招募、产品开发、市场推广等方面会面临较大阻力。由于行业发展仍处于早期阶段，所以目前最大的难点还是来自于产品开发。作为主要的使用者，老师群体也需要一定的适应时间，而且需要在心态上做一次转变。人工智能自适应教育企业常见发展难点新事物的发展之路上每一步都有“坑”产品开发人工智能需要海量数据当作燃料以训练机器模型，新进入者门槛高；在中国没有前路可循，本土化工作任重道远；工作量大、难度大、时间长，造价昂贵