在线教育是否已进入"自适应"时代，离"因材施教"还差多远
互联网在线教育的这几年，解决了部分优质教育资源分配不均的问题，大部分人通过各种终端设备，就可以找到自己想要学习的课程内容。随着在线教育课程在技术上的不断发展，课程内容也越来越完善，然而，在线教育与传统线下教育相比，依然存在着距离。
如果说传统线下模式的主要问题是师资分配不均，那在线教育的问题，可能就是能否通过线上”自适应学习“技术达成与线下统一的教学效果，实现“因材施教”。
自适应学习是自适应技术在教育领域的应用，目前的定义很多，在培生集团给出的《解码自适应学习》报告中的定义是：“自适应学习是一种教育科技手段，它通过自主提供适合每位学生的独立帮助，在现实中与学生产生实时互动“。
也就是说自适应学习平台会引导学生进行最适合他自己的下一步学习内容和活动，当学生在学习过程中遇到课程难度过高或过低时，课程的难易程度都可以自动调整。老师也可以使用它的实时预测技术来监测每个学生的知识空白，即时调整，为每个学生提供个性化教学。理论上说，自适应学习可以解决在线教育的”因材施教“问题，成为实现在线教育效果评估的互补学习工具。
国内资本市场对自适应学习的投资热情也可看出自适应教育对于在线教育的布局是相当有必要的：
10月12日，K12互联网教育公司作业盒子宣布完成2亿人民币B+轮融资，创始人兼CEO刘夜表示，本轮融资将主要用于推动实施AIOC战略（AI-Oriented-Content），即基于自适应学习场景的内容建设。
10月30日，AI＋教育类创业项目极课大数据完成 1 亿元 B 轮融资，据报道，本轮融资极课大数据将主要用于拓展更多学校、打造下一个项目“ EI 超级教师”（自适应学习引擎）和 to C 端产品的运营优化。
10月31日，出国考试培训与美国留学服务平台智课完成2亿元B+轮融资，创始人兼CEO韦晓亮表示，智课下一步将深耕国际教育，持续投入“后端”产品、内容、服务和技术（尤其是自适应学习等方向），并发力品牌建设。
从资本市场来看，一些在线教育机构在未来将有大部分投入在自适应平台上，在市场需求与资本推动的情况下，是否暗示着国内在线教育已经进入自适应时代？
我们先从国内各细分在线教育产品的自适应学习聊起，以下是在线教育各分类下的自适应学习平台：
从自适应平台的功能实现性来看，目前国内的自适应平台类型基本有以下三个类型：
第一类是结合自身学习内容的测评类自适应平台。平台本身拥有自己的课程，学生可通过前期在平台进行测试，获取自身水平的评估结果，之后根据评估在平台获得内容的推荐及学习。一乂学为例，利用智适应的手段，将知识点分段，针对孩子薄弱环节强化针对性教学，根据学生学习和回答问题的情况，不断分析学生与课程内容互动的数据。
第二类是以题库为基础的自适应平台。平台本身会搜集大量题目，通过学生对每个知识点的反复做题，最后得出学生对知识点的掌握情况。这类辅导工具型的平台前期从背单词、答题、拍照答疑等等切入教育市场，多以app为主，如猿题库，英语流利说等，AI+教育风口则从原来的领域转型人工智能教学，纷纷升级产品或是研发新的内容模式。
第三类，教学服务类自适应平台。可以通过学生在平台上的学习内容、完成情况等对学生的学习情况进行诊断，学生和老师都可以通过此类自适应学习平台获取诊断结果。以课外教学辅导为例，理想状态下，在线教育使校外辅导有了更多的模式选择，同时，解决了部分优质教育资源分配不均的问题。
可以看出国内的自适应虽然在资本及理论上已有雏形，但仍然属于起步阶段，基本处于对学生的学习进行测试、反馈、纠错及平台自身教学内容的结合。相比较而言，国外自适应学习已经可以进行学生学习的预测，相对比较成熟，以knewton为例：
knewton可通过抓取众多学生数据，形成学习模型，从而针对不同学生生情况做出不同的学习内容推荐。
在Knewton的平台通过对整体数据的分析，可以预测出学生的整体学习水平及可待提高的水平是多少，及如果需要提升至这样的水平你需要花费的学习时间等预测内容。
在学习内容及学习质量层面，knewton会根据每个人的情况提供相应的学习内容，学生能清楚的看到每一题的反馈，及完成每一题后的题目难易程度将提升还是下降，如果无法完成题目，knewton则能及时介入辅助学生完成课程。数据表明使用knewton后，部分学校的学生退课率有明显下降，通过率则有10%左右的提升。
因此，相对于国外自适应平台，国内的自适应学习在实际操作中仍然需要将以下这三点强化：
1、要构建完善体系的知识图谱，将知识点体系标签化、结构化。目前国内真正通过大数据技术拥有完整知识图谱的平台是没有的，我们需要将沉淀在优秀教师头脑中的学科规则通过大数据技术产品化。
2、对用户的每个学习行为实现映射。自适应学习最重要的就是在学习行为不断反馈与纠正中提升学习效果。在学习过程中，自适应学习需要对学生的变化进行分析、预判，从而推荐更合适的内容，这就需要做到自适应学习的算法灵活性及多样化。
3、通过算法计算出最佳学习路径。自适应学习是一种以大数据为基础的教育技术新范式，只有突破了底层技术，才能真正实现理想的效果。一方面，系统需要深入“理解”当前用户个性化学习需求而产生的“适应性”问题，同时向目标用户推荐较为理想的学习路径，有效改善推荐资源的精准度，进而提高用户学习质量和学习效果。
虽然国内的这些企业已经对自适应学习开始了实战，技术上似乎行得通，但仍需要得到大规模的教育实践的验证。但不可否认的是，在线教育已经开启了“自适应学习”时代，未来在线教育的核心，将是大数据的应用及个性化服务，而自适应学习作为个性化学习的核心，需要随着深度学习和人工智能技术的不断完善真正做到”因材施教“。
来源：眸事获客
本文系微信公号“中关村互联网教育创新中心（ID：zgc-mtb）”转载编辑文章，编辑后增加的图片均来自互联网。本公号不对文章观点负责，仅作分享之用，对其内容准确性、可靠性或完整性不提供任何明示或暗示保证。文章及图片版权归属原作者。如分享内容侵犯您的版权，请及时联系我们，我们会快速审核处理。