AI教育行业发展研究报告881.docx

资源描述

AI+教育行业发展研究报告目录中国AI+教育行业发展背景：星星之火中国AI+教育行业发展现状：探索前进中国AI+教育行业企业案例：渐入佳境中国AI+教育行业发展趋势：步步为营 AI+教育的定位为教育现代化建设打造智能引擎在人工智能产业当中，金融、营销、安防、客服领域在IT基础设施、娄攵据质量、对新技术的接受周期等AI发展基础条件方面表现较优，其商业化渗透率和对传统产业的提升程度较高。而教育行业整体AI化程度较低，数据质量参差不齐，解决方案的落地效果表现一般，但得益于政策的大力支持与市场对AI的强烈需求，AI+教育的商业模式逐渐清晰，价值空间较高。在教育产业当中，校外教育向在线化发展,校内教育向信息化发展。校外教育方面,在线化教学的的用户体验粗糙且教学效果模糊用户对新技术的接受周期较长更加智能化的产品值得探索。此外校内师生的信息素养不高且信息化设备来源：艾瑞《2019年中国人工智能产业研究报告》；研究院自主研究绘制. 使用频率较低,均导致核心教学数据缺失,最终加大了教育数据挖掘分析的难度，因此亟待智能化解决方案的落地实施。人工智能产业成熟度评估模型教育产业现代化发展逻辑价值空间农业 .基础设施市场I资本政策I技术 AI+教育的定义人工智能技术在教育场景下的应用对“AI+教育"的定义既要回归技术的本质,始终围绕基础数据、核心算法与服务目的，也要回归教育教学活动的出发点, 始终关注教育目标及其评价方式。因此，本文认为，"AI+教育"是指在人工智能与教育深度融合与发展的条件下，以基于教育场景的人工智能应用为路径，促进教育公平，提升教育质量,实现教育个性化。具体来看，"AI+教育"是人工智能在教育领域中创新应用的技术、模式与实践的集合,可划分为"计算智能+教育"、"感知智能+教育"和"认知智能+ 教育"，即AI+教育正从"能存会算"向"能听会说与能看会认"发展，最终实现“能理解与会思考”。 AI+教育的定义模拟人类的推理、联想、知识组织能力，使得机器和人一样能够理解、会主动思考并采取合理行动，具备一定的概念、意识和观念，能够实现真正的自适应学习知识与技能过程与方法情感与态度能存会算利用穷举和匹配搜索等方法实现海量学习资源的存储与传递，构建菖能化学生苣息管理系统。 ■ 问卷量表标准化测试档案记录评价通过数学建模和基于大数据的深度学习等方法对人类感知能力进行模拟，以实现语言教学、口语测评和图像搜题等功能。 AI+教育行业的应用场景教、学、管、考场景下均有已落地的人工智能教育应用从教育教学活动的角度来看，当前的教育场景可划分为教、学、管、考。其中，"教"和"管"的主体是教育者,前者负责执行教学任务,主要工作包括教研、备课、授课、答疑、出题、阅卷等，工作内容繁琐，核心需求是减轻负担，实现精准化教学。后者负责统筹教务环节,主要工作包括教职工招募、师生督导、招生、分班排课、校园建设等，决策环节考虑因素较多，核心需求是提高效率，实现科学化管理。"学"与"考"的主体是受教育者，"学”的场景下，学生的主要任务包括预习、听课、看书、做作业、复习、考试、实习等，由于学生个体差异大，核心需求是自适应，实现个性化学习。 "考"的场景下，主要面向大规模标准化测试，组卷阅卷的工作庞大，部分测评环节劳动力密集且效率底下，核心需求是保证准确性的前提下，实现自动化评阅。 AI +教育的应用场景精准化教学拍照搜题自适应学习创新教学游戏学习机教育机器人面向受教育者自动化评阅个性化学习来源：研兖院自主研究绘制。 AI+教育行业的技术架构数据是基础，算法是核心，服务是目的从AI+教育的技术架构来看，可初步分为三个部分，即基础层、算法层、应用层，每一层分别表现出不同的特点。基础层主要包括算力、数据与算法框架,其中数据量级庞大冗杂，质量参差不齐，基于教学过程的非结构化和半结构化数据的处理难度大,线下教学环节的数据普遍缺失。算法层是实现技术的核心，2006年提出的深度学习算法视为人工智能在算法层的突破,该算法通过具备更多隐层节点的人工神经网络，实现逐层特征变换与学习，解决了很多复杂的模式识别难题。感知层技术目前发展得较为成熟，在深度学习算法的助力下，感知技术应用场景广泛。认知层技术是未来发展的重要方向，预期在特定领域内可实现机器一定程度上的认知推理能力，有显著的技术门槛。AI+教育的应用发展阶段各异,越外围的教育环节，技术渗透率越高，技术的有用性与易用性也越好。 AI+教育的技术架构应用层自动化测评个性化学习教育机器人分期牌智能导学智能批改基于用户端的拍照搜题与自动化测评发展成熟，基于学校端的学情检测与分班排课已成教育信息化系统的标配。认知层自然语言理解知识图谱情感计算自适应学习、个性化学习、智能专家系统、基于情感的学习态度分析等应用将在认知层技术的发展下逐一实现。算法层感知层规划问题语音识别文字识别语音合成指纹识别图像识别人脸识视觉技术商业化落地情况较好，而因语音技术本身涉及感知层的自然语言处理，落地难度相对较大。基础层机器学习与深度学习回归物去聚类算法贝叶斯算法其他算法生成对抗网络卷积神经网络循环神经网络其他算法教学管理类数据教学行为类数据教学资源类数据基础算力支撑教学评价类数据基础算法框架按照算法设定的系统性的训练方法，对数据层的各类教育数据进行计算和分析，不断训练模型以提高模型的预测准确度。基于教育场寰以及各参与教育过程的甬色T学生丁薮师? 教育管理者），对异构数据的进行集成处理，包括采集、清洗、整理和存储，构建本地数据库和远程共享数据库。 AI+教育行业的发展历程：技术视角从教学辅助向智能导学发展，逐渐渗透学习者认知过程全球AI+教育的发展历程诞生期摸索期产业期新行为主义学习理论创始人斯金纳发表了题为《学习的科学和教学艺术》，推动了程序教学运动的发展世界上第一个计算机辅助教学系统 PLATO 系统诞生 DENDRAL -世界上第的专家系统的诞生提出智能型计算机辅助教学系统的构想出能学统架提智教系框出能师统念提智导系概，达特茅斯会议诞生了人工智能学科推理期将逻辑推理能力赋予计箕机系统 AlphaG。战胜人 Hinton发表类顶尖围棋选手深度学习的 Nature文章麻省理工学院研发社交技能训练系统MACH 第一个自适应教学系统问世 I CNN超第二名十个I 百分点夺冠j ImageN^ri 出能导统提智授系知识期总结人类知识教机系统机器学习期计算机从数据中学习算;去深度学习在语音、图像领域大获成功首届国际人工智能与教育大会在北京召开来源：研兖院自主研究绘制。 1954 1956 1960 1965 1970 1973 1982 1992 1996 2006 2012 2014 2016 2019 AI+教育拍照搜题与口语测评类软件最先上线,分级阅读与自适应学习系统紧随其后。 AI+教育行业的发展历程：产业视角依托于在线教育与教育信息化而发展，行业仍处初级阶段中国AI+教育的发展历程在线教育 _ 教育信息化萌芽阶段萌芽阶段 1 ij后动阶段 I初步发展阶段快速发展阶段 101远程教育网、北京四中网校为代表的名校网校兴起；网络基础条件差，产品多为图文形式，教育效果差；带宽扩容，产品升级为录播视频；线上产品粗糙、销售困难；云服务发展、带宽扩容、4G 网络和智能终端普及；在线教育迎来资本热潮；教育大数据和教育科技进步，新一代消费者逐渐崛起；企业开始变现，大额融资频繁建设驱动发展阶段应用驱动发展阶段融合创新阶段为多媒体教学积累理论经验；推动教育信息化网络搭建及基础硬件普及，学校开始利用计算机进行基础教务管理，少部分学校开始多媒体教学；基础网络设施获得较大提升，初步形成了基础教育资源库；考试成绩、大学课程选择等多方面教育信息化步入人们视野；多媒体教学已较为普遍；作业系统、考试系统、选课系统等服务教学活动的系统出现并为学校和培训机构提供服务；直播、翻转课堂、双师等新的教学方式逐步出现并普及；全国教育数据互通；评估学生学习能力和素质，个性化规划学习路径、推荐学习内容；教学管理效率提升； 1978 来源：研兖院自主研究绘制. 1991 2008 2013 2016 2018 2019 各大教育公司开始建立AI实验室与教学中心，不断加大教育科技投入。 AI+教育行业的发展历程：资本视角融资规模呈上升趋势，K12与教育信息化领域最受资本追捧随着近年来人工智能的快速发展，AI+教育赛道备受资本关注。2013年-2019年，AI+教育领域共发生274笔投融资事件, 总融资额达145亿。从融资增速上来看，融资事件数复合增速达34% ,融资总额增速达57% ,资本一度狂热，其中K12与教育信息化领域的融资规模领跑其他细分赛道,期间各自总共融资78亿与20亿,分别占整体融资额的53.5%和13.6%。 2013年-2019年中国AI+教育融资情况中国A1+教育的细分领域累计融资情况 2013 2014 2015 2016 2017 2018 2019 ■融资数量（笔）■融资总额（亿元）来源：11"桔子，以教育公司为基准进行筛选；研究院自主研究绘制. AI+教育行业的发展驱动力产业、技术、政策、资本四力合一，全面驱动AI+教育发展产业方面，在线教育渗透率不断提升,教育数据量增长迅速,为人工智能技术的实施提供了数据基础。由于目前在线教育的体验及效果不佳,倒逼行业进行技术升级，人工智能解决方案将成为在线教育体验提升的主要途径。技术方面，互联网基础设施全面普及,在大数据、云计算和5G等支持性技术不断成熟的背景下，数据量和算力将获得进一步提升,人工智能技术有望实现突破。政策方面，近几年来,我国针对人工智能及人工智能+教育领域的政策层出不穷，人工智能已上升至国家战略级别，教育更是关乎国计民生的大事，行业尚处红利期。资本方面，教育行业巨头纷纷布局，知名投资机构频频出手,融资规模超百亿,融资阶段覆盖天使轮至IP。，成为教育领域近年来最大投资热点。 AI+教育的发展驱动力产业升级在线教育发展迅速，每年保持20%左右的增长，整体数据量激增。在线教育的渗透率在10%左右，体验粗糙和结果模糊将倒逼整个产业进行分领域、分环节的在线化与智能化。教育信息化领域则进入2.0阶段，明1智慧课堂为代表的智能化产品开始辅助校内教学。技术落地在金融和安防等多个领域已实现商业化落地，5G时代下，人工智能应用将延伸至边缘，丰富基于智能教育硬件的教学场景。随着数据量和算力的提升，在特定的教育领麻口人工智眼页域有望实现突破。政策护航近五年，人工智能的相关政策经历了三个阶段，从“智能制造" 到“互联网+"再到国家战略规划"，重要性逐步提升。近三年，《新一代人工智能发展规划》与《教育信息化2.0行动计划》的出台大力推进人工智能+教育领域的发展。密本助力从2013年至2019年，经媒体披露的2500 余个教育融资事件中，与AI相关的事件近 300个，累计融资规模逾140亿人民币。新东方与好未来以自建或投资的方式入局 AI领域，搭建AI研究院与实验室。天喻信息等教育信息化厂商也升级产品，进入智能化阶段。 AI+教育行业的竞争力分析五类玩家各有所长，行业定位逐渐清晰从技术与业务的角度来看,AI+教育的主要行业玩家可分为具有教育与业务背景的线上与线下教育机构和具有技术与产品背景的AI技术供应商与互联网巨头，以及综合教育与技术背景的教育信息化厂商，这五类玩家各有所长，对AI+教育的渗透程度不一，发展阶段各异,其中在线教育机构与A技术供应商因业务与数据资源积累和技术开发优势，渗透程度较高。随着各类行业玩家对AI+教育领域的不断探索,未来行业分工将进一步明确，在竞争中走向融合创新。 A1+教育行业五类玩家的竞争力分析来源：研兖院自主研究绘制。 AI+教育产业图谱 2019年AI+教育产业图谱客户、用户智能教学斛智适应教育拍照搜题口语测评翦磊画@@% iliHorGroup 1 口品便利布・ . AI课堂智慧黑板口语机考 jseewo茏法：（X骷建岳 4嗣4m :加F合新J季落条7ML打杀瘢： 7^1315 缺方案虚拟教师 0百度智能三， M 1 1 智能阅卷1 1 金奖在修皿口 1 ・ ^Wwt9xB9WbIi । ■ r ■ ■玉。 ^UX2£Zlm2I 1 1 1 1 教育机器人 JcAhlBOT BtMl 0・ • • • 心 UQTGCM ■ ■ C\ WWjfcS 目能教学终端 FWVPRTFF19VM 昨■:场加j 条TAI打来疾智能批改 Q 批改阿容哪成 Mf 口 •吟a AI编程套件度黝廖；。UBTCCH 1 ♦ • —— S蛔 1 学员服务表金数百科技 rfidorCrnoufj 营销客服 I0UDESK ©呼:" 慕1晞悦年校园安全阳因政旄 ^ihua QE99 罕 W S蛹 © 廊卯旷「 y YITU “关08信日 g 3黝腹电子see业。希法 LITUffi用7r汴合和女班牌融约智能教务管理解决方案渠道代理鹦 Google瘠身桨 1S B*轴大庇机器S融¥狼星YITU 0 视觉阳町）旷视〃cSoft可々机限语音 ©iRKfflESEN GO" 语义箜恐巴三非网！基础服务人工智能技术服务 CDPHSo U &＞期幅.4种 IT设施 W1印U/■浪潮H3C 通信服务 ■畛ZTE棘目录中国AI+教育行业发展背景：星星之火中国AI+教育行业发展现状：探索前进 2 中国AI+教育行业企业案例：渐入佳境中国AI+教育行业发展趋势：步步为营 AI+教育行业的市场规模市场规模超400亿，泛AI产品渗透率普遍较低服务提升需求驱动校外在线产品AI化，效率提升需求驱动校内信息系统AI化，校外A件支术的市场渗透率小于校内。从目前 AI+教育的实际应用来看，AI产品的工具化与功能化属性较重,校外产品商业化价值的驱动因素仍为优质教育资源（师资、内容），AI在教学上的价值尚未被家长普遍认可，直接付费意愿不强。校内信息系统在政府政策主导下，财政预算驱动看教育信息化的普及与升级，泛AI产品应用场景丰富，整体渗透率较高。 2018-2022年中国AI+教育行业的市场规模 — 在线教育市场规模（亿元） ■■泛AI产品的市场规模（亿元）・教育信息化市场规模（亿元）. 泛AI产品市场规模（亿元） T-泛AI产品渗透率（％）泛AI产品渗透率（％）注释：在线教育方面与AI相关的市场规模主要参考课程付薨收入;教育信息化方面与AI相关的市场规模在核算中纳入了网络.电力、存赭、施工等基?出设施产生的收入来源：研兖院自主研究绘制。 AI+教育的应用：口语测评朗读与复述能力测评技术成熟，自由表达测评技术仍在发展从"测"的角度来看,口语应用场景包括朗读与复述、陈述与表达、演讲与问答，不同场景对应考察学生不同的口语能力, 并且学生表达的主观灵活性逐渐提升。从"评"的角度来看，核心功能是实现自动评分与纠正，即告知学生其在不同口语能力上的掌握程度,并指明正确的练习和表达方式。其中,朗读题因高度测试有用性（即朗读题有较高的测试效度）及材料既定性等特点,在学界被广泛研究，目前已有成熟的语音评分与口语训练系统。复述题的标准相对灵活，即学生可以摆脱范文以进行转述，但这就要求机器能够"听懂"学生的复述的整体内容，而非仅仅是逐词校对，目前复述题模型需要基于朗读题数据做自适应处理,以提升识别性能。来源：研兖院自主研究绘制。朗读类测评的原理框架复述类测评的原理框架现场朗读声学特征提取和补偿标准发音模型标准英语朗读数据库通用语言模型说话人朗读题数据正确发音音素序列合理停顿位置信息素位动音顿自停的分音型准模标长复述范文语言模型裁翦通用声学模型冬维评分特征n取初次解码，挑选自适应数据词图生成说话人自适应及再次解码朗读文本人工关键词标注机器评分务维度评分特征提取专家评分映射模型朗读与复述 • 语音、语调、节奏准确清晰 • 表达连贯、内容完整、语言规范、情感恰当 • 人称转换、时态转换、归纳概括、要点记录陈述与讨论 • 观点明确、内容充实、语言连贯、结构完整。 • 能够参与讨论，并能针对他人观点发表意见演讲与问答 • 紧扣主题，论证合理、引用规范、语言丰富 • 能够针对题目回答相关提问, 且应答切题、语言简洁。 AI+教育的应用：口语测评以自适应口语学习和配音产品ToC ,以口语考评系统ToB C端方面，口语测评功能主要嵌入自适应口语学习产品和配音产品当中，其中后者的打分系统相对模糊，且"测"的场景主要为原文朗读，技术实现难度较低。对于自适应口语学习产品，交互场景较为丰富，其中情景对话/看图说话场景已涉及对具备一定主观灵活性的复述与表达能力的测评。B端方面，在英语教学改革的大背景下，口语纳入中高考考试范围，由地方教育部门统一采购的英语口语考试评测系统成为各个学校考前突击的重要学习工具，根据行业主流考评系统供应商的反馈，目前口语考评系统已在大部分地区全面推行，并已经替代了教师的部分评阅工作，但仍需专家参与评阅过程。口语测评的主要应用场景汇法音词语发・准确度 •完整反 •流^度 •情曷语料 •朗读材料 •单词储备人图题真看答话话声对说‘ •样卷和标准卷筛选・人工定标、验证集评阅和参考答奉增补 •增补参考答室加工 •基础运算及计算机定标、校标运算和验证集分数运算 •数据;匚总、及校验 •评分标准制定和参考答室加工 ,数据预处理 •人工定标和验证集列表筛选 •评卷系统搭建 •验证集数据 •全集成绩运算 •全集数据分析报吉 •机评成绩导入分析报告 •专家论证 •人工评卷 •专冢论证 •成绩校验已经实现双人评卷 H 人机互评 E 机评人校 H 全部机评 AI+教育的应用：口语测评语言学习与考试的标配，商业模式成熟，技术渗透率高口语测评主要涉及语音识别、语音合成与语音评测技术，由于目前测评的能力维度相对单一,基础测评功能的实现不需要太高的技术门槛，在语言学习产品当中应用广泛，技术渗透率较高，用户覆盖面广。从商业模式上来看，对于C端产品而言，口语测评内嵌于口语教学与练习产品，并以课程费和会员权益费的形式向用户收取费用，而对于B端产品，除了口语考评系统外，智慧课堂场景下的口语作业批改环节也会用到口语测评功能，服务商收取API接口调用费或解决方案服务费。口语测评产品的核心商业模式口语学习APP 收取课程内容费。此类产品将基于用户的测评结果，为用户制定针对性的学习计划，推送相应的学习内容，并通过微信群和小程序促活，提高学习的连贯性。可进一步分为应试口语和非应试口语，前者更注重语言考试的标准和流程，用户关注分数提升与模考评分，后者更注重对话场裳的设计，用户关注应用能力的提升。口语配音APP 收取会员权益费。配音场曷游戏化与社区化属性较重，目前主要通过贴近英语教学的内容和服务以及多样化的产品功能来实现会员增值服务，进而加强了教学雇性，提升了用户体验。 2019年主要口语测评产品的月独立设备数注释：月独立设函数部分反映月活班用户数，整体口语测i^APP渗透率和月活数均蛟高来源：Usertracker多平台网区行为监测数据库. 智慧课堂场景：根据客户对口语测评环境的需求，不同类型的客户适用于不同的技术解决方案，对应不同的收费方式。整体上，以技术支持为主的服务倾向于收取接口调用费，调用价格平均为几十元每万次，而以整体口语教学场曷落地的服务倾向于收取方案服务费。口语考评场景：口语考评系统主要面向公立学校，其采购药用来自当地财政预算，多以整体解决方案的服务方方出口语测评技术，故以收取方案服务费为主。口语考评系统市场规模及当年建设考位数量注释：市场规模仅为AI引擎规模,不含计算机采购、场地改造等来源：研究院自主研究绘制. AI+教育的应用：拍照搜题核心技术为图像识别与内容检索，竞争壁垒在于题库拍照是信息的输入方式,搜题是用户的具体行为,本质上,搜题行为在PC时代就已经非常普遍,基于各类垂直题库或者更大的流量入口的搜索（例如Google和百度），用户能够检索到相应的结果,内容检索技术的发展已经相当成熟（主要分为基于关键词匹配和基于分类目录的两种检索方式，搜索引擎的算法多为前者）。随着移动端智能机的爆发，借助智能机的前置摄像头，用户可随时随地以图片的形式存储题目信息，并利用OCR技术将试题图片识别成可编辑的文本信息，继而用文本信息进行搜索从而得到试题及答案与解析。目前OCR技术已趋于成熟,手写体识别准确率可达90%以上，印刷体的识别准确率更高。因此,在技术层面上，各类拍照搜题产品都大同小异，能够构建起竞争壁垒的部分是需要依靠强大的人力和组织力生产的题库，这是决定产品用户体验的关键因素。拍照搜题产品的技术流程 OCR检测及识别流程预处理版面分析切分字符特征提取与匹配版 •图文识别网络格式化数据输出灰度化一二值化T 直线检验一特征匹配降噪处理一倾斜校正一文字区域分段分行阈值分割 •通用检测及变换网络形态学分割 •图文检测网络 •文本输出来源：研兖院自主研究绘制。题库搜索流程自动分词索引匹配结果输出 • 基于字符串匹配 • 基于理解 • 基于统计 • 基于语义以Lucene为底层架构，以Elastic Search或 Apache Solr做封装，本质上是一个具备分布式多用户能力的全文搜索引擎。按照匹配度顺序输出检索结果，并根据用户的历史检索信息进行目适应处理。搭建索引数据库数据收集索引分析涯用户进行检索索引数据库 •手动输入数据 •数据库数据 •网页数据 •文件系统文本分析处理 AI+教育的应用：拍照搜题从作业工具引流到教学内容增值再到课程服务变现拍照搜题的战争已经结束,CR2超过80%。最初,产品依靠拍搜功能引流，并基于作业场景下的其他需求，提供背单词、作文库与同步练习的功能，实现工具时代的流量原始积累。随后，各类玩家基于用户需求衍生出了不少增值服务，从1对1 答疑到VIP视频知识点讲解再到直播课程，一边夯实题库，一边自建教研教学体系，逐渐从工具产品向内容产品转型。最后，产品加大对教学环节的渗透，通过"主讲教师+辅导教师"的双师授课模式,全面提升教学服务质量。语音答疑单词查询服务表情识别与学情分析拍照搜题产品的商业模式迭代名师直播课拍昭搜题引流作文范文同步题库古文词典流量思维■广告盈利模式迭代拍昭搜题衍生视频讲解知识点讲解真题套卷盈利模式迭代增值思维•会员拍昭攫题导流学习规划学习评测变现思维-课程

展开阅读全文