创业1年，我对线下教育及AI+教育的理解与剖析

笔者结合自己的教育创业经验，为我们分析了K12教育发展现状、线下教育存在的问题及痛点以及AI +教育教学辅助系统 解决方案。

Better technology, Better Education.

读书时代，不管是学校演讲抑或是实习演讲，我一定会提到： “人这一生，总要为梦想奋不顾身一次”。

或许是我在人大附中或北大附中实习时，深感教育信息化对校园工作带来的便利，抑或是在京东工作时打开了我对人工智能相关应用的新思路，又因为我的专业研究方向是人工智能，让我对人工智能+教育有着深深的情怀。

于是，这一年，为梦想，奋不顾身了一次。

文章大致分为以下几个层次：

1. K12教育发展现状
2. 线下教育存在的问题及痛点
3. AI +教育教学辅助系统 解决方案

一 、K12教育发展现状

K12教育，全称kindergarten through 12 grade，是指幼儿园到十二年级。不过在中国，K12教育更多的是指小学6年、初中3年、高中三年共12年的基础教育。涵盖课外辅导、培训以及学校信息化。K12教育可以分为线上K12教育及线下K12教育。

K12教育主要分为教育内容类、教育工具类、教育平台类、综合性教育以及教育信息化。

以下为K12教育市场产业图谱：

图片来源：MobData研究院

K12教育线上教育和线下教育正在互相渗透，互相补充。

整体来说：“线下教育稳步前进，线上教育百花齐放”。

1）教育在一个家庭的支出占比非常高，且越有钱的家庭，支出越高。

（每学期平均花费6000元，月入上万的家庭每学期教育支出是9638元）（数据来源：企鹅智库）

2）二胎开放，早教市场家长目标明确，投入占比高，K12教育业必定有着基数上的上涨。

3）中小学仍然以文化课补习为重点，随着年龄的增加，选择增加 教育投入比例有所下降。

相对早教，中小学生家长对价格稍微敏感一些。但“学有所得”仍然是教培机构的核心竞争力。

4）在线课程仍然只占据小部分的市场份额，但越高收入的知识分子家庭，对在线教育的接受程度越高。上课时间灵活；上课地点灵活；名师授课是线上课程吸引报名的关键因素。线下靠口碑，线上靠广告。过半的家长接受线上与线下的结合。

以下为线下教育机构布局情况：

目前K12线下教育仍然处于红利期，巨头机构 好未来和新东方不过占据了市场份额的5%不到。

区域龙头，如北京的高思教育，深圳的思考乐，多数都是深耕当地，少数跨区域经营。

而小作坊也即小型或个体仍然占据了最大的市场份额，规模小，主打名师效应。

创业之初，对学而思和新东方两大巨头，也有一些了解，以下为自我理解 两大巨头的发展历程以及核心竞争力对比（仅供参考）：

图片来源：自行绘制

从上图可以看出：

1）新东方和好未来的雄起，均是在良好的时代背景下促成的。

2）好未来是传统教培机构中最先具有互联网思维的，至今也是走在科技前列的，其使命为“用科技推动教育进步”

3) 新东方自成立到学而思成立这十年前 一致专注于外语考试培训，已然成为中国教育龙头企业，但后起之秀好未来在新的时代背景下依靠理科培训迅速成为教育行业又一大龙头企业。

4）新东方通过暑假免费班撬开K12文化课培训市场，好未来被迫紧随其后，但该措施后期却成为新东方、好未来这两大巨头进行行业垄断的利器。中小学机构在行业龙头的强大攻势下，生存环境进一步恶劣。

5）好未来是传统企业里面最具有互联网基因和敏锐的嗅觉的，率先在AI+教育方面加大研发力度，相信在教育的三大角色（老师，学生，家长）之外，人工智能的崛起将成为教育的第四级。

而两大巨头的一些核心竞争力对比如下：

1）教研： 好未来的“大后台，小前台”，将大部分精力放在教材的研发上，认为优质的，标准化的课程体系才是教育企业的核心竞争力。新东方实行搭班制度，也即将学科领域再细分，例如托福课程，可能会分成听力、写作、阅读、语法等等，不同老师都只负责其中的某一块。专业细分使得每一位老师不断打磨细分部分的教研水平，力求达到极限水平。

2）师资： 好未来“去名师化”，传统教育行业对名师的依赖很大，但名师业成为限制或威胁教育机构发展的重要一环。（好未来多为培养985，211应届生），而新东方早期新东方通过制造明星老师圈得了大量学生的追捧，所以也称为优秀教师的“黄埔军校”，所以新东方早期培养了一大批优秀的教育培训人才，这些人才后面成了教育初创领域的生力军。如跟谁学的陈向东，之前就是新东方教育科技集团执行总裁。

3）考核： 好未来用多维的指标来对教师进行考核（留存率，退费率，满班率，家长满意度），指标直接影响老师的课时费，约束老师注重教学的同事也要注重服务。

4）学生： 好未来首创培优模式，也即对学生进行测试，只收成绩前 20%-30%的学生。成绩好的学生自驱力高，通过培训更能达到提分的目的，反之，优秀学生的高升学率又能给好未来带来好口碑，从而形成良性循环。新东方由于在K12领域后起于好未来，当时只能打差异化战略。在教育界，还有更多的学生需要的是“补差”。

5）招生： 好未来更趋向于从更低年级学生入手，学员自然升学带来的高续班率帮助好未来降低招生成本。新东方由于其历史原因，其主要服务高中学生，需要不断投入来获取新学员。

总结

线下教育稳步发展，但线上教育的渗透率越来越高，两大巨头也纷纷布局线上。线上营收占比不断加重。新东方和好未来在双师课堂教学模式持续投入、力争下沉市场。在线K12教育迎来规模化发展的黄金窗口期，而AI+教育也会在政策和时代的背景下，有新的发展和突破！

二、纯线下教育的中小型企业存在的问题及痛点

上面提到，两大行业巨头不过只占了整个市场的5%不到，那么对于类似我i创业的这个机构这种的中小型企业也不在少数。通过1年的创业，在这1年中，我在不断解决线下教育的各类问题，亲身经验总结了线下教培行业的痛点如下：

1. 招生问题

若没有一定量基数的学生形成口碑传播，招生对于一个新开的机构是一件非常非常难的事情。新招学生永远比留住一个学生要难。

1. 由于互联网资讯的发达，传统招生方式“发传单”、“地推”已经越来越难做。
2. 缺乏新型互联网营销人才，开拓互联网营销之路（线下教育培训机构由于其线下的属性，很难吸引到互联网营销、新媒体运营方面的人才）。
3. 招新成本过大，目前招新的策略不外乎“免费班”、“老带新让利”，每种招新的方式成本都很高。
4. 营销人员本身说服力不够，难以通过只言片语分析学生问题，说服家长报班。

2. 学生留存问题

既然招新成本居高不下，那么教培机构必然十分重视教育学生留存问题。线下教培机构学生多，课程多，老师们精力有限，根本无法顾及到每位学生。无法实现一对一指导，学生流失，对线下教培机构来说，是一件很“正常”的事。

深究问题：

学生流失主要是哪几方面的因素：

• A.学生成绩没提升 --家长迫使学生流失
• B.学生感觉不受重视 --学员众多，教师和管理人员很难有精力关注到每一个学生
• C.学生学校负担过重，不愿来机构

针对以上问题，我想到的可能的解决方案：

• A. 对于成绩没提升的，及时预警。如在学校大考、小考时间节点前，对学生进行成绩预警，再有针对性的加强。
• B. 对于学生维护不足的，及时预警。设置评判维度，如是否有每日一练，是否有每周小测及测试分析等。
• C. 对于学生学校负担过重的，需要我们建立个性化学习路径和题库，对于大多数学生来说，她们都不是不愿学习，而是不愿无效学习！

3. 家长维护问题

学生成绩的提升是由多方面因素造成的，而非单一的教学质量。但传统线下机构，大多数家长都是以学生成绩的提升来评判一个机构的教学质量的。教学质量不理想，家长换机构，很正常。

首先这个问题，我们需要先搞清楚 家长想要什么？！

家长要的一定是学生成绩的提高吗？！

事实上，大部分家长很清楚，学生成绩的提高是需要长期性的，并且影响因素很多，所以其实家长在意的东西有两个：

1. 成绩上的提升
2. 行为上的改变

在短时间内我们无法做到成绩上的提升，那么我们就要想办法让家长看到孩子行为上的改变。

这时候教学可视化就显得尤为重要！

• A. 每节课后 学生上课表现反馈
• B. 学生学生档案建立及更新
• C. 学生学期分析
• D. 个性化学习路线制定

但是，在线下教育的实操过程种，学生上课表现的反馈，学生档案的建立，学生学情分析报告，个性化路线的制定都受着人力的约束。每个老师对应很多个学生，很难做到每个学生如此细致化的进行教学可视化，就算做，可能也做的不是特别好。

4. 教师考核及风控

怎样才算一个优质老师？

“上的课多，学生成绩进步明显，家长学生给予好评是我们目前对优质教师的评价标准。”

大部分机构所采用的这种考核标准，难以数据化和客观化，容易受主观影响，人为根本难以把控。

建立公平公开透明的一套激励机制才是考核教师的正确打开方式。

数据的建立就显得尤为重要，学生留存率，学生进步率，家长满意度等多项维度。

我在任职期间，就建立了多项维度来考核教师，并直接与课时费相关联。用数据约束。

风控方面：学生在学习过程中和老师的关系是最亲密的，包括家长，也是直接和老师进行沟通，不认机构，只认老师的现象一直存在，而现状是大多数机构都任由任课老师发展，有的任课老师教学质量高，家长反馈好，但老师离职的话，学生也会流失部分。在不多的生源上，就是雪上加霜的事情。

从上一部分分析学而思、新东方的发展历程和核心竞争力，我们可以得到启发：“建立标准统一的教学教研体系，以及标准化的教学流程，才是削弱名师效应给机构带来不好影响的法宝。”

三、AI + 教育教学辅助系统 解决方案

“AI+教育”正从功能组件的1.0时代，进入整体解决方案的2.0时代。

在教育的三大角色（老师，学生，家长）之外，人工智能的崛起将成为教育的第四极。

过去乃至现在，我们所了解的AI技术在教育行业的应用，多以功能组件形式存在，体现的是AI能力和组件层输出的单维能力，例如拍照判题、语音评测、人脸签到等。

而我 针对线下教育所存在的痛点，针对AI在教学方面提出新的解决方案，希望可以帮助中小型教育机构真正解决问题。

1. 中国“AI+教育”具备全球领先的机会

国务院发布《新一代人工智能发展规划》，将人工智能写入国策，后续发布的《中国教育现代化2035》，进一步强化了人工智能在教育现代化中的重要意义。且中国计算机和AI人才正处于爆发期。这样的时代背景，都有助于AI+教育的快速发展。

2. 人工智能和教育的融合，其本质还是要回归到教学质量

好未来某CTO曾说过：我们所有的技术探索，根本目标还是要回归到教育本身，在人工智能领域的探索实践中，好未来始终谨记两个教育理念：宏观而言，坚持助力“更加公平而有质量的教育”，微观考虑，坚守教育立德树人根本，为每个孩子提供最适合的教育。

我觉得说的很好，也是我一直推崇的理念。

宏观来说，融入科技的教学能够将更多的优质的课程通过线上的方式传播给更多人，消除贫富差距，地点限制，让孩子们能接受到同等同质的教育机会。微观的说，每个孩子都有自己的个性化问题，传统的题海战术让孩子负担过重，通过AI实现个性化教学，真正为教育减负！

基于以上的时代背景和理念，我大胆地在教学全流程种应用AI教育，具体如图所示：

具体的场景应用：

1. 教研场景-助力教师

传统的教研场景存在的痛点有：

1. 无系统教研资料，教研过多依赖教学经验，给新人的成长带来过高门槛
2. 教材难以人为的达到真正的分层教学，教师备课消耗精力过大
3. 现实中的磨课能难做到磨一整节课，因为听课教师精力有限，但磨十分钟或者磨译者知识点又难以得到真正的成长。

针对以上存在的痛点，提出的解决方案有：

1. 利用基于班级或个体的学情，通过计算机视觉，自然语言处理，数据挖掘等人工智能技术，为教师生成个性化的教案，包括教学计划，对应课件，并且能根据学生学习过程中产生的新的学情，再次做出调整。
2. 通过语音识别，计算机视觉，自然语言处理等技术为教师提供虚拟化的课堂场景，根据老师试讲的过程提出建议，如肢体动作和谐，语言逻辑性等等。

2. 教学场景-助力教师、学生、家长

传统的教学场景存在的痛点有：

1. 课程人数众多，无法兼顾到所有学生的学习状态，如是否开小差，是否听不懂等。
2. 学生想记笔记，但是有的时候不知道重点在哪里，最后什么都没记。
3. 老师想检查学生笔记，无奈没有太多的时间去认真检查和纠正。
4. 家长很想了解学生上课的状态，是否专心，是否听懂了等等细节，但是依赖教师下课做反馈，导致教师可能有反馈不及时的情况发生，或者反馈千篇一律的情况。

针对以上存在的痛点，提出的解决方案有：

1. 利用人脸检测，表情识别，姿态识别等分析学生上课的专注度，动态调整学习内容。
2. 利用图像识别，文字识别等技术根据授课内容自动生成笔记，将学生所做笔记与智能生成的笔记进行对比，帮学生笔记查漏补缺。
3. 利用图像识别，姿态识别来动态抓取学生上课的情况，并进行分析自动发送给家长。

3. 作业场景-助力教师、学生

传统的作业场景存在的痛点有：

• 学生作业本来就多，压力本来就大，学生不愿意再去写培训机构布置的作业了。
• 老师布置了作业很难有时间一个个的仔细检查，一对一的讲解错题，讲解完了以后也不能及时找到同类型的题进行验证，而老师布置了作业不及时检查，不及时讲解，学生久而久之就不会再做这个作业。

针对以上存在的痛点，提出的解决方案有：

1. 根据学生之前产生的学习数据，利用知识图谱，深度学习的算法，精准定位每一位学生知识点的掌握程度、认知等级与薄弱点，构建学生“学情数据画像”档案， 用数据指导学生“定向学习，精准作业（作业减负）”，帮助学生“减负增效”，告别“题海战 术”。“学生不是不愿意做题，而是不愿做无效习题！”
2. 利用图像识别技术自动识别学生上传的题目并检索答案，及时反馈学生的错题，为学生高效答题。同时基于学生错题分析，智能生成同类型的习题进行验证，有效节约老师为学生定制个性化习题所花费的时间。

4. 考试场景-助力教师、学生

传统的考试场景存在的痛点有：

1. 每一次考试，任课老师需要精确定位学生薄弱知识点并一一分析，学员众多，工作量非常大，导致偷工减料，没有非常细致的分析，很难做到真正的因材施教。
2. 学员众多，每一次考试阅卷问题也耽误老师很多的时间。
3. 每一次考试都要到处去找合适的题，不仅要针对学生的薄弱知识点，还要邹忌大量的本土化试卷进行分析，才能出一份比较专业的事情，耗时耗力。

针对以上存在的痛点，提出的解决方案有：

1. 个性化组卷，针对以往学生学习知识点以及本土化的考纲考点，智能化出题。
2. 基于图像识别、自然语言处理、 数据挖掘等人工智能技术，采集汇总学生考试结果，分析不同知识点弱项，进而形成学生学情报告，为老师个性化辅导提供了建议，且也为营销新生或做续班提供了有效的教学可视化数据。
3. 基于手写识别，自然语言处理等技术，实现客观题及主观题的自动批改及赋分，大幅提升阅卷速度。

5. 管理场景-助力校长或教学主管

传统的校区教学管理场景存在的痛点有：

1. 对校区整体的教学质量没有很好的把控，可视化的校区整体教学水平的数据较少。
2. 学员众多，很难关注每个学生，没有学生成绩预警数据，总是等到学生流失，家长投诉，才知道学生在我们这里的情况。
3. 评判教师的数据过于单一，不可量化，而建立班级对比数据，学科对比数据，可以很好的横向对比教师的综合能力。

针对以上存在的痛点，提出的解决方案有：

1. 形成学校大数据：班级成绩对比分析，学生个体大数据分析
2. 学生成绩预警：根据对学生个体成绩数据的沉淀和分析，对于成绩不好的学生提前进行预警，如根据该学生的表现，预测该学生可能会期末考试考不好，那么对于这类学生进行预警，同时对任课老师，家长采取行动，降低家长满意度，尽可能的提高分数！

在上述我所想到的应用场景，其实某些大公司已经在实施或者有部分已经成型，但随着人工智能技术的深入发展，覆盖“教研”-“教学”-“作业”-“考试”-“成绩管理”一整套的解决方案也终究会呈现出来。而其技术的实现的背后，需要依靠大量数据的积累以及AI人才的付出，单凭几个人是完全不够的。

而我之前研究的是：学生成长轨迹预测，主要是通过找到与学生成绩表现关联最大的几个因素，如考勤；作业完成情况；知识点遗漏情况，各类考试情况，设置最小支持度和最小置信度，判断哪几个因素和学期成绩表现是强关联，提取这些因子，也就是提取大量影响成绩的因素，然后获取大量学生的这些数据进行训练生成训练模型，然后对未知学生的成绩进行分类预测。

通俗的说，就是通过已知学生的成绩变化曲线去预测一个跟他成长轨迹很相似的学生的未来发展情况。

再通俗点说，就是你妈妈经常跟你说的一句话“你再这样下去，以后就只能和谁谁谁一样最后只能读大专啦！！！”，那妈妈其实是凭借着妈妈的经验来说的，妈妈对比了你过往的表现，然后和她脑袋里面所知晓的街坊邻居的孩子进行了对比，发现了一个和你成长情况最像的孩子，于是她告诉你，你以后也会成为这样的人。

那么利用人工智能的算法去做这件事。首先，我们评判的维度是量化的，而非感性的；其次，我们系统里，拥有大量的学生的各维数据，数据越多，能够找到的和你成长轨迹最接近的概率越大，那么对你以后的成长的预测也就越准确！

另外，个性化测评以及自适应学习，目前有很重要的一环是：对系统预设的知识点进行多维度的打标签，并形成知识图谱，以及她们之间的相互关系，这个图谱能让系统更好的决定哪个内容才是更适合学生的。

要做好这个数据沉淀，还是需要在教研界摸爬滚打纪念才能有这样打标签和形成数据沉淀的能力，或者跟大公司合作。

说白了，个性化测评的重要一环是对知识点进行尽可能小的力度的拆解，再利用计算机视觉和自然羽然处理等技术确定孩子的学习情况，而自适应学习是基于一定规则的学习路径动态规划，是否真正能做到自适应学习，取决于规则制定的简单还是复杂。目前在这条路上，所有的公司，所有的AI技术从业员都有很长的路要走。

整体来说，我认为AI+教育是一个极具前景也富有情怀的发展方向。通过AI技术，不仅能够实现“千班千面”甚至“千人千面”的教学方法，真正做到“因材施教，教育减负”，同时也能高效的帮助老师完成一部分的教学管理工作，让老师更多的精力放在辅导和育人上面。同时也能够一发部分程度的实现教育平等，让人人都有资格享受更好更优质的教育！

目前，参与AI+教育事业的有四类公司：

1. 首当其冲的教育类公司，由于教学痛点的长期存在，所以未来也会进一步参与到AI+教育中来。
2. 资源整合能力超强的互联网巨头，拥有技术，资源，入口，应该会比较容易通过2B的场景进入AI+教育场景。
3. 人工智能技术提供商，教育痛点天然存在，而解决方案大同小异，所以突出重围的重点在于教育的根基加上AI技术的纵向深耕。
4. 计算平台，AI技术的相关应用，需要大量数据作为支撑，必然需要技术平台为其计算，训练模型提供坚实的基础。

以上，是我对线下教育以及AI+教育的理解和剖析，虽然年轻气盛，有很好的想法，但无奈被现实的工作压力压昏了头，很多创意未实现，或者还在摸索中，但对教育事业的热爱，对AI+教育事业的憧憬，在激励着我不断前行，未来，不管在哪里，继续加油！

作者：Jolin，个人网站：chenjialing0223.com 武汉大学，一枚正思考求变的AI产品经理

本文由 @Jolin 原创发布于人人都是产品经理。未经许可，禁止转载。

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: