2019-2020中国AI+教育行业发展研究报告.pptx

2019-2020中国AI+教育行业发展研究报告,摘要,校外教育在线化蓬勃发展，校内教育信息化稳中求进，资本与市场驱动消费体验升 级，政策与技术促进服务质量提升，校内外教育市场供需缺口凸显，亟待智能化解 决方案加速教育现代化的进程，以促进教育公平，提升教育质量，实现教育个性化。,参与者众，五类玩家打法各有千秋，覆盖面广，四类场景渗透程度不一。ToC方面， 外围教学环节AI程度高，内核教学环节仍在探索，ToB方面，管考场景商业化落地 进程较快，但底层数据尚未打通，真正实现千人千面教学为时尚早。整体市场规模超400亿，泛AI产品的渗透率不高，B端对AI解决方案直接付费的意 愿更强，受教育用户较长的技术接受周期影响，C端商业化难度较大。主要应用当 中，口语测评与拍照搜题的用户渗透率较高，但人工智能自适应仍在探索。走班排 课与校园安全是学校的刚需，校内外AI课堂正同步推进，其中海量数据的获取与利 用成最大障碍，智能化程度较低，教学效果有待验证。无论是学界还是业界，其对AI+教育的发展理念基本达成共识，即以学习者为中心， 从外置型技术辅助走向内融型技术渗透。学界将继续挖掘教学目标与机器规则的可 适配性，开发特定教育场景下的关键技术，对不同发展阶段的业界玩家而言，具备 差异化竞争优势的高质量数据资源将成为其竞争的突破口，可在当前关注度不高的 特殊教育领域或者其他细分赛道当中探索更多应用场景。,中国AI+教育行业发展背景：星星之火,1,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,3,中国AI+教育行业发展趋势：步步为营,4,AI+教育的定位,基础设施,价 值 空 间,农业,制造,零售,交通,教育,客服,医疗,营销,安防,金融,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、数据质量、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 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,智能化,校外在线化,市场,资本,用户体验粗糙 教学效果模糊,校内信息化,政策,技术,信息素养不足 数据质量不高,6,1,2,3,4,5,全民化平等与普及,终身化贯穿一生,个性化因材施教,社会化产研学结合,国际化交流与合作,信息化效率提升,教育现代化,AI+教育的定义,信息 智能感知 智能认知 智能+教育+教育+教育,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，构建智 能化学生信息管理系统。,能存会算,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。,能听会说 能看会认,模拟人类的推理、联想、知识组能理解 织能力，使得机器和人一样能够会思考理解、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,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+教育的定义数据算法服务,教育目标,评价方式,知识与技能 过程与方法 情感与态度,问卷量表 标准化测试 档案记录评价,AI+教育行业的应用场景,创新 教学,评估 决策,面向教育者,教学管理,学习 考试,科学化管理,精准化教学,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,面向受教育者,自动化评阅,个性化学习,学情分析,VRAR教学,智能助教,智能批改,游戏学习机,教育机器人,拍照搜题,自适应学习,决策支持,校园监控,智慧校园,智能排课,口语考评,试卷分析,机器组卷,机器阅卷,AI+教育行业的技术架构,基 础 层,教学管理类数据,教学资源类数据,教学评价类数据,教学行为类数据,算 法 层,机器 学习 与 深度 学习,回归算法,聚类算法,贝叶斯算法,其他算法,感知层,语音识别,语音合成,指纹识别,人脸识别,文字识别,图像识别,应 用 层,拍照搜题,个性化学习,教育机器人,智能导学,自动化测评,分班排课,学情监测,智能批改,认知层,知识图谱,自然语言理解,情感计算,规划问题,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,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。,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。,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。,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。,基于教育场景以及各参与教育过程的角色（学生、教师、 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。,基础算力支撑,基础算法框架,AI+教育行业的发展历程：技术视角,1965,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算机系统,知识期总结人类知识教授给计算机系统,机器学习期计算机从数据中学习算法深度学习在语音、图像领域大获成功,Hinton发表 深度学习的Nature 文章,DENDRAL- 世界上第 一例成功 的专家系 统的诞生,1960,2016,2014,诞生期,摸索期,产业期,19541956,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,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,提出智 能型计 算机辅 助教学 系统的 构想,提出 智能 教学 系统 框架,提出 智能 导师 系统 概念,提出 智能 授导 系统,第一 个自 适应 教学 系统 问世,AlphaGo战胜人 类顶尖围棋选手麻省理工学院研 发社交技能训练 系统MACH,2019,首届国际人工智能与 教育大会在北京召开,1970 1973,CNN 超第二名十个 百分点夺冠 ImageNet,19821992 199620062012,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,AI+教育,1978,1991,2008,2013,2016,2018,；,；,萌芽阶段,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；,启动阶段,带宽扩容，产 品升级为录播 视频；线上产品粗糙、 销售困难；,初步发展阶段,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；,快速发展阶段,，,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,萌芽阶段,启动阶段,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。,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。,2019,10,25,52,44,35,50,58,1.3,2.6,12.4,5.5,12.4,26.5,16.8,2013201420152016201720182019融资数量（笔）融资总额（亿元）,AI+教育行业的发展历程：资本视角,来源：IT桔子，以教育公司为基准进行筛选；,6.6,7.6,9.1,10.5,11.7,19.8,高等教育0.3来源：IT桔子，以教育公司为基准进行筛选；,教育综合服务2.1,出国留学,语言学习,素质教育,职业培训,儿童早教,教育信息化,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AI+教育的细分领域累计融资情况K1278.0,融资规模（亿元）,AI+教育行业的发展驱动力,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，以AI智 慧课堂为代表的智能 化产品开始辅助校内 教学。,01,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 领域和人工智能领域 有望实现突破。,02,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。,03,资本助力从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。,04,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IPO，成为教育领域近年来最大投资热点。AI+教育的发展驱动力,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AI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。AI+教育行业五类玩家的竞争力分析,竞争优势,竞争劣势,线下教育机构：获客成本低，用户信任成本较低，有利 于注重服务、体验与情感连接的ToC类AI产品落地,在线教育机构：具备大量结构化的教学数据，为AI产品 提供了丰富的训练资源；移动端自带语音与视觉传感器， 数据采集便捷，AI应用场景丰富,AI技术供应商：技术壁垒较高，AI解决方案的通用模块 相对成熟，单一技术的可扩展性较好，算法模型训练经 验丰富,互联网巨头： 用户流量入口，可为AI产品提供云计算能力与连接器等基础设施服务,线下教育机构：技术力量薄弱，技术投入相对谨慎，数 据储备较少，多依靠外采AI产品与技术来服务存量客户,在线教育机构：获客成本高企，自身造血能力不足，缺乏持续性技术投入的资金储备。,AI技术供应商：离用户真实的教育场景较远，产品化过 程中缺乏前端交互和教育内容设计等其他重要环节，客 户的实际问题可能难以解决,互联网巨头：缺乏对教育行业的长期理解，互联网短平快的流量思维较重，对教育行业缺乏足够的耐心,技术 流量,算力,场景,数据 用户,融合 创新,教育信息化厂商：进校渠道优势强，业务体系完整覆盖 教学教务各个应用场景，是AI在校内落地的最佳载体,教育信息化厂商：核心技术以外采为主，与场景的适配 打磨都对第三方有较强依赖,AI+教育产业图谱,智 能 云,IT设施,通 信 服 务,数 据 服 务,基础服务,人工智能技术服务,机器 学习,知识 图谱,机器 视觉,语音语义,内师容资提提供供,智能教务管理解决方案,2019年AI+教育产业图谱,AI课堂,智慧黑板,口语机考,智能阅卷 智能教学终端 AI编程套件,智适应教育,拍照搜题,智能教学解决方案口语测评虚拟教师教育机器人,智能批改,区 域 云,电子 班牌,校园安全,走班排课,渠 道 代 理,客户、用户,学员服务营销客服,中国AI+教育行业发展背景：星星之火,1,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,3,中国AI+教育行业发展趋势：步步为营,4,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AI技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，财政预算驱动着 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,3906.23145.22517.6,4778.6,5825.0,21.7,52.2,84.3,139.2,211.1,0.9%,1.7%,2.2%,2.9%,3.6%,2020e,2021e2022e泛AI产品的市场规模（亿元）,20182019e在线教育市场规模（亿元）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费收入；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、存储、施工等基础设施产生的收入,4072.4,4368.4,4690.8,5024.6,5381.3,287.5,389.8,465.1,565.7,649.6,7.1%,8.9%,9.9%,11.3%,12.1%,2021e2022e泛AI产品市场规模（亿元）,20182019e2020e教育信息化市场规模（亿元） 泛AI产品渗透率（%）,AI+教育的应用：口语测评,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。,现场朗读,声学特征 提取和补偿,正确发音 音素序列,合理停顿 位置信息,考察重点 考察单词,朗读文本,音素及停 顿位置的 自动切分,标准发 音模型,多维评分 特征提取,标准英 语朗读 数据库,标准音 长模型,现场朗读 数据及专 家评分,机器评分 映射模型,机器评分,复述语音,通用语言模型,语言模型裁剪,初次解码，挑 选自适应数据,通用声 学模型,复述范文,说话人自适应 及再次解码,词图生成,多维度评分特 征提取,人工关键 词标注,专家评分映射模型,机器评分,说话人朗读题数据,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。朗读类测评的原理框架复述类测评的原理框架,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ToBC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,数据汇总及校验评分标准制定和 参考答案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,样卷和标准卷筛选人工定标、验证集评 阅和参考答案增补增补参考答案加工基础运算及计算机定 标、校标运算和验证 集分数运算,验证集数据 分析报告专家论证,全集成绩运算机评成绩导入人工评卷成绩校验,全集数据 分析报告专家论证,自适应口语测评,智能规划 学习路径,智能推送 练习内容,智能推送 学习内容,智能挖掘 学习问题,情景语料朗读材料单词储备,真人对话看图说话答题竞赛,自适应口语学习流程,全部机评,词汇 准确度语法 完整度发音 流利度,智能评估教学效果,AI+教育的应用：口语测评,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,610,467,486 470,450 435 398 377,938,1011,892 906 885 879 881 877,120010008006004002000,英语流利说（万台）英语趣配音（万台）注释：月独立设备数部分反映月活跃用户数，整体口语测评APP渗透率和月活数均较高,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 景的设计，用户关注应用能力的提升。口语配音APP收取会员权益费。配音场景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， 进而加强了教学属性，提升了用户体验。2019年主要口语测评产品的月独立设备数,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,4.0,6.2,7.8,9.7,12.0,33.7,51.6,65.0,80.8,99.714.1,2017,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景落地 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，其采购费用来自当地财政预算，多以整 体解决方案的服务方式输出口语测评技术，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117.7,20182019市场规模（亿元）,2020e2021e2022e当年建设考位数量（万个）,AI+教育的应用：拍照搜题,图像预处理,版面分析,字符切分,字符特征提取与匹配,版面理解,格式化数据输出,灰度化二值化 降噪处理倾斜校正,直线检验特征匹配文字区域分段分行,阈值分割形态学分割,通用检测及变换网络图文检测网络,图文识别网络,文本输出,OCR检测及识别流程,题库搜索流程,自动 分词,索引 匹配,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。,结果 输出,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 行自适应处理。,索引分析处理,索引 数据库,文本 分析处理,数据收集,手动输入数据数据库数据网页数据文件系统,用户 进行检索,搭 建 索 引 数 据 库,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,AI+教育的应用：拍照搜题,工具OCR与题库检索,内容深度学习与数据挖掘,服务表情识别与学情分析,拍 照 搜 题引 流,单词查询,作文范文,同步题库,古文词典,语音答疑,视频讲解,知识点讲解,真题套卷,流量思维-广告,增值思维-会员,名师直播课,1对1辅导,学习规划,学习评测,变现思维-课程,拍 照 搜 题衍 生,拍 照 搜 题导 流,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。拍照搜题产品的商业模式迭代,产品定位迭代,产品定位迭代,盈利模式迭代,盈利模式迭代,AI+教育的应用：拍照搜题,大面积覆盖K12，正在向家长批改场景和考试类领域拓展拍照搜题产品主要渗透高学龄段（四五六年级）的小学生、大部分初中生和大部分高中生，其中小学渗透率超过40%，初 高中渗透率超过90%，未来K12学段渗透率的提升主要在低学龄段（一二三年级），该学龄段的核心用户群是家长，比较 常见的应用场景是家长对学生口算作业的批改，拍照搜题产品可以实现实时计算功能，提高家长批改的效率，未来还将针 对家长批改的场景，逐步开发基于主观题与应用题的批改功能，其技术原理与拍照搜题一致。另一方面，从题库生产的逻 辑上来看，考试类教育领域的题库资源丰富，用户对搜题也需求不少，但目前仍以手动输入的方式进行检索。,01,02,家长作业批改场景下，拍照 搜题技术辅助家长解决口算、 应用题、主观问答题的批改， 针对性解决家长不会教的难 题，同时也增强了亲子之间 的互动。,高龄段渗透考试领域主要包括考研、 公考、职业资格考试，用 户刷题场景相对高频，拍 照搜题产品尚未渗透。,40%,90%,90%,小学,初中,高中,拍照搜题产品的用户渗透方向2019年拍照搜题应用在K12各学段的渗透率低龄段渗透,小学初中高中,AI+教育的应用：人工智能自适应学习,人工智能自适应学习,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,学生 大数据,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 测评与反馈学习材料背 后知识点的 组织顺序,自适应测评Assesment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,以AI技术实现可规模化的、基于教育大数据的个性化学习自适应学习并非一个新概念，在教育语境下，任何考虑并满足学习者个人需求的教学形式都可以被称作是“自适应的”，AI+教育的语境下，“智适应”学习则是借助人工智能自适应技术的学习系统，该系统为学习者创设一种符合其多样化学 习需求的学习环境，推荐给学习者个性化的学习内容、独特的学习路径、有效的学习策略，满足学习者的个性化需求。本 质上，人工智能自适应是一种基于教育大数据的可规模化的个性化学习，其基本原理可以表述为“基于大数据挖掘与分析 得到待训练样本用数据去训练基于人工智能算法构建的模型基于模型对各类自适应学习环节进行预测/推荐”，输出 的核心要素包括学习材料，用来测评学生是否掌握学习材料的标准和学习材料的推送顺序。人工智能自适应学习系统的基本原理获取训练样本转化并输出要素,AI+教育的应用：人工智能自适应学习,认知智能将助力基于教学过程和师生交互层面的精细化教学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。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。基于此， 在人工智能技术向认知智能发展的过程中，机器有望进一步明白教学环节下，师生互动背后的含义，包括对学生表情的情 感分析，对教师授课态度的衡量，最终实现基于教学过程和师生交互层面的精细化教学。,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,教学黑黑箱箱,测黑练箱,教学学黑箱,自适应教学测练 练,教学黑黑箱箱,自适应练习测 练,AI+教育的应用：人工智能自适应学习,技术只是手段，教育产品仍要回归内容和效果就目前人工智能自适应教育的发展现状来看，受制于教育理念的固化，学生尚未摆脱传统的“听课”与“刷题”的教学模 式，技术希望实现在教学效果一定的情况下，提高学生听课与刷题的效率。随着人工智能技术的突破、社会对人才评价标 准的更替，未来人工智能自适应教育领域将迎来内容体系的新革命，实践式教学、沉浸式教学等理念带来的新型学习方式 将更多地融入自适应学习系统，正如目前在线教育领域教研岗人才稀缺一样，未来各人工智能自适应教育企业的技术差距 将逐渐缩小，而能深刻理解教学教研、具备新技术条件下的创造能力的教研人才将受热捧。,反映能力水平,找出知识点盲区,反映能力水平,1,234,n,推送内容弥补盲区,反映能力水平,找出知识点盲区,反映能力水平,找出知识点盲区,推送内容弥补盲区,革新内容体系,反映能力水平,找出知识点盲区,推送内容弥补盲区,革新内容体系,人工智能自适应学习系统的功能进化,AI+教育的应用： AI课堂,普通智慧课堂,AI化智慧课堂,AI课堂下一阶段,聚合全部教学资源的教学服,强调统一信息门户和大数据分 析薄弱知识点,围绕互动课堂，通过模式识别 动态关注师生课前到课后表现,模式识别能力覆盖高难度场景， 策略化点拨和发散学习是重心,教学系统整体可由AI高度 参与，如自动生成导学内 容、自动出题能够对长时、即兴化口语 做评测，支持素质教育的 练测点评AI推题、讲题灵活化，按照最 优的方式、讲解巩固等策略进 行学习内容的推送，并由虚拟 形象模拟名师的点拨技巧讲解,进入弱人工智能阶段，AI模式识别能力点缀教学环节自1979年以来，课堂教学改革一直是教育学重要的研究领域，知识联系实际、自主合作学习、个性化学习逐渐成为课堂教 学的构建原则。这种背景下，通过信息化手段辅助课前导学、同步备课、课中互动、在线检测、课后作业成为了必然选择。 自2011年起，“智慧课堂”产品就开始在市场上热起来，这一时期强调的是基础数据整合、利用大数据分析学生错题情况， 兼有基础的语音朗读和评测能力；2016年之后，通用AI语音、视觉等模式识别能力开始进入课堂，AI课堂质量监测开始引 发关注，到2019年已基本实现了在课堂场景下的可用；未来，为了进一步弥合课堂教学改革的需求，发扬“互动课堂、翻 转课堂”等教学模式的优势，AI课堂将继续进阶，下一阶段AI辅助实现的策略化点播和发散性学习将是重点突破功能，在 更远的未来则可能帮助教师实现真正的千人千面教学。AI课堂的演变进程,务应用系统支持作业较高自动化的批改 点评、口语机器测评利用图像及语音技术识别课 堂上动作、对话、表情，监 测教学质量，动态调整授课 节奏；将授课内容转文字；AI考勤、举手识别等可与课前-课中-课后的自主合作学习整合使用,教师角色重心AI化水平,授业者 极弱,导学者弱,引航者较强,基础数据统一信息门户围绕作业情况统计和错题汇 聚的作业与智能评价平台微课教学，实现学习内容 知识点标注、智慧推题、 学生按题索课课堂报告与学习情况统计分 析,AI+教育的应用： AI课堂,AI技术输出方,智能云公司,智慧课堂ISV,教培机构AI课堂,大型教培集团,在线教育企业,进校渠道,通信公司等渠道商,信息系统SI,