映魅咨询发布《2018年中国自适应学习研究报告》，揭示自适应学习是什么？
2018年7月，映魅咨询发布《2018年中国自适应学习研究报告》，在此份报告中，映魅咨询从自适应学习相关的产业面、细分领域分类、产业格局、国外典型公司分析、自适应学习系统的主要类型和模型分类等多个角度阐述了当下自适应学习的现状以及未来的主要发展趋势。
在此份报告的撰写过程中，映魅咨询分析师也调研访谈了国内主要的自适应学习的典型公司的负责人或相关技术负责人。我们希望借助这一份报告能够为各位从事教育领域的创业者、投资机构揭开一丝关于自适应学习的神秘面纱。
近年来，在国内自适应学习开始进入到很多从事教育培训、教育投资领域的人的视野中。市场上主打自适应学习工具的教育科技公司越来越多，同时也有不少教育企业开始将自适应学习作为自己产品的主要核心功能或是主打卖点。但是，时至今日，依然有很多人，包括从事了教育行业多年的从业者们对于自适应学习究竟是什么？究竟能够为教育带来怎样和多大的改变有着很多不同的看法。
图. Knewton创始人Jose Ferreira
美国人工智能教育领域独角兽Knewton创始人Jose Ferreira认为，自适应教育最大的优势在于能够定位到每位学生的知识漏洞。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。老师也可以根据系统提供的学习状态评估报告来分析每个学生的知识空白，并即时调整学习进度，为每个学生提供个性化教学。所以从理论上说，自适应学习是解决在线教育的“因材施教”问题的潜在可行方案之一。
自适应学习关注度提升源于多个利好因素的催化，也是在线教育发展到新阶段的重要表现
今年上半年已经有多家自适应学习领域教育公司宣布获得融资，同时也有些传统教育公司发布了基于自适应学习的教育产品，它们涵盖K12学科辅导、财经培训、医疗教育等多个教育领域。映魅咨询在研究中发现，随着大数据技术和深度学习算法的发展，自适应学习在技术和应用场景会加速成熟起来，从资本市场的投融资节奏也可以大致验证这一点，预期未来自适应学习工具的应用会成为教育场景的标配。
目前国内教育消费市场基本已经接受了在线教育的学习场景，随着语音、图像识别、深度学习算法等技术在教育场景的应用更加深入，使得学习行为数据的收集变得更加高效和多维化。自适应学习系统作为技术、内容和数据的集合，可以对学习流程多个环节优化，使其在辅助老师提高教学水平、以及帮助学生提高学习效率方面取得不错表现。
从政策端来说，政策鼓励新技术、优质教育工具入校。2017年国务院发布的《新一代人工智能发展规划》，特别提到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。另外，政府对于校外教育优质资源的认可，以及教育部门购买校外服务模式的逐渐放开。
从基础建设层面来说，教育信息化基础设施成熟。国家在学校实施“三通两平台”和教育信息化政策，已经在学校层面搭建了比较成熟的信息化基础设施。
从技术层面来说，在线教育经过10多年的发展，使得技术在教育环节的应用场景得到极大扩展，在教学数据收集、课程研发、产品搭建等方面积累了大量经验。新技术推动自适应学习产品开发。人工智能、大数据等技术从理论到实践应用场景的扩展，智能评测技术、自动批改技术的日益成熟，使得自适应学习逐渐转向智适应教育，在自适应引擎开发和自适应学习模型构建上更加有效和务实。
另外，人工智能技术热潮引起头部教育公司和风险资本的关注。比如好未来、新东方、朗播、乂学、高木等教育公司陆续推出自适应学习产品。
自适应学习领域投资节奏大于市场认知
近年来，在自适应学习领域的投融资事件明显增多，从映魅咨询不完全市场统计的47家公司来看，这些公司分布在英语、数学学科学习，职业教育，自适应学习平台，作业、题库，K12课外培训、以及教育信息化和早教领域。
其中，英语学习相关的公司占比达到26%，居于首位。据映魅咨询不完全市场统计，2011年-2018年至少有32家与自适应学习概念相关的公司累计获得超过150亿元人民币的融资。如果出去其中剔除6家题库、作业类和1家教育信息化公司融资金额，剩下26家公司累计获得超过47亿元人民币融资。
需要注意的是，有相当一部分公司是在发展到一定阶段才开始涉及相关自适应学习产品，因此我们发现2014年之后，与自适应学习相关的投融资信息和产品披露明显增长，基本每年都维持在20个以上，这也反映了自适应学习热度的提升。根据映魅咨询对部分公司的调研采访，打造自适应学习系统的前期投入比较大，在市场前景未形成共识之前，业内公司很难走出稳定高增长趋势，因此投融资的节奏会随着业务和收入的改变。
从进入这一赛道的公司来看，可以大致从应用场景分为三类：第一类是提供英语或者数学产品，英语学习一直是全球教育市场的重要组成部分，相关学习产品和题库数据比较成熟，而数学等理科，学科知识图谱逻辑清晰，利于系统精准推送知识点。在美国已经有ALEKS、I-Ready等应用广泛的数学学习产品。第二类是提供测评类及题库类产品，自适应测评在美国市场已经运用相对成熟，以GRE考试为代表的计算机自适应测评技术得到认可；第三类是打造自适应教学平台，试图把测、教、学、 练、 评所有环节都纳入自适应学习系统。在国外自适应学习领域已经出现了Knewton、DreamBox等教育科技明星公司。
市场发展整体向好，但国内仍然处于早期阶段
从映魅咨询的市场观察来看，自适应学习的市场发展整体向好，但目前国内仍然处于市场开发的早期阶段，成熟产品不多。虽然在测评环节、题库环节已经拥有了大量的数据积累，但整个产业链分工不明确，各家机构基于自身的技术和数据、内容研发，行业资源没有整合。目前国内做自适应学习产品和服务的企业，根据自身特点为B端和C端用户，提供从自适应底层架构搭建到具体的自适应学习场景服务。在B端针对公立校、民办校以及课外培训市场提供不同的定制化服务，并且推广加盟模式，其中，面向公立校的自适应产品可以理解为群体自适应，更加注重与老师的配合。而在C端直接面向学生用户提供测评、题库和教学服务。
内容、数据与技术是支撑自适应学习系统开发的关键
自适应学习系统作为技术、内容和数据的集合，可以对学习流程多个环节优化，使其在辅助老师提高教学水平、以及帮助学生提高学习效率方面取得不错表现。在基于教学流程的自适应学习系统中，从数据、内容、和算法层面围绕自适应学习理念建立标准化的模型，使得教、学、练、测环节形成紧密联系。
一个完整的自适应学习系统涉及到教育场景的诸多环节，最终目的是提高学生的学习能力和提升学习的效率。因此，评判一个自适应学习系统标准的好坏，必须在测、教、学、 练、 评环节都经受考验，可以从数据容量与质量、资源内容丰富度，推送频率与准确度等角度分析。通过系统改变传统老师依靠经验教学的模式，以结构化数据和技术应用驱动教研和教学。在自适应学习平台的支持下，从学生的学习特点、需求、风格偏好等方面获得学生基本数据，然后在学习过程中，当学生学完某个知识点后进行测评，系统根据其测评结果实时更新学习者认知水平参数，并向不同的学生推荐个性化的学习路径，动态适应性调整教学内容。
随着社会信息爆炸式增长，对于知识的梳理、获取方式已经变得更加多元。其中起源于搜索行业的知识图谱技术也开始大量运用于自适应学习领域，其发展本身有赖于专家系统、语言学、语义网、数据库，以及信息抽取等众多领域。知识图谱技术应用到教育领域，主要是建立基于课程知识点的网状结构，其对于完善知识体系，提高测评分析质量，以及优化人机交互体验方面都有重要作用。比如基于知识图谱的自适应测评与推荐系统，可以帮助知识点的掌握程度的定量测评，减少学习者减少刷题数量，明确刷题优先级。
自适应学习系统未来有可能成为教育市场的标配
通过计算机技术打造的自适应系统把高质量的内容推送到老师和学生的面前，以辅助教与学的过程，并使得整个过程可量化。随着基于自适应系统的教学过程互动越来越频繁，可收集和利用的数据越来越多，从而使得对学生与老师在教与学的状态越来越清楚，推送也变得越来越精确。换句话说没有高质量的数据是训练不出高效的自适应系统的，更重要的是没有高质量的内容为前提自适应系统也无法真正收到成效。所以，核心还是要有可利用的数据来训练工具，内容本身的质量是决定最后自适应学习效果的关键。
目前来看，自适应学习系统更强的是辅助工具属性，至于未来是否可以与其他技术一起合成出完全不需要人工介入的真正机器人智能老师，还需要进一步观察。但自适应学习系统基于特点教育场景的辅助应用，将会成为标配型的工具，广泛用于教学测评、题库练习和学习路径规划等场景。
因此，虽然国内对于自适应学习的研究和市场应用，整体处于初级阶段。但是随着越来越多的教育公司开始关注并参与开发产品，同时资本助推行业发展路径依然有效，在技术、内容、数据、资本的推动下，未来自适应学习系统会成为教育行业的标配工具，广泛应用于在教学各环节，真正成为提高教学质量，提升学习效率的利器。
同时需要清醒的是，自适应学习的发展依然依然面临各种挑战。随着关注自适应学习的教育机构增多，部分宣传存在误导性，市场上存在夸大自适应与忽视自适应两种声音。行业内从业者应该冷静客观看待自适应学习的价值，也要直面应对自适应学习发展存在的挑战，比如引导用户正确认知，探索与现有教学体系适配性，以及应对技术、数据、内容研发方面的困难。
Powered by Froala Editor
