在線學習教育進入下半場四大“圍城”
在線教育這種“慢”的軌道,一年多的時間,他上演了罕見的大起大落。 自2018年底中國開始的半年多時間裏,在線學習教育行業賽道超1500家企業發展快速不斷湧現、發力、掙紮、混戰直至沒有倒下,2019年暑期檔,各路玩家來說更是用瘋狂燒錢演繹了一場具有多年以來難得一見的“百團大戰”。 事實上,如果不是突然爆發,我們幾乎肯定會有一個在線教育軌道,這將很快成為雞毛病後,一波燒錢狂歡。 然而,客觀上說,雖然疫情給在線教育帶來了明顯的機會和緩沖期,但整體格式並沒有本質上的改變,許多玩家甚至在AI標志下回到了直播大班的舊形式。 那么,在混戰,亂象叢生,在線教育賽道究竟該怎么走? 在兩年多之前,AI+教育工作還是個相對新穎的事物。得益於國家政策可以推動、人工智能信息技術的提升企業以及生活場景應用的廣泛性和實用性,在兩三年時間裏,AI教育問題得到一個快速普及社會發展,不過,應該清醒地看到,目前的AI教育教學依然處於一種非常初級的階段。 在2019年,科技部聯合羅蘭·伯格發布了<智能教育創新與應用發展報告>,將智能教育發展定義為三個階段: IVE工程的建築學高級文憑,培訓建築界專業人才,建設未來智慧型城市。IVE工程持續創新,掌握業界最新技術,課程涵蓋室內外建築設計、建築科技及實用技能,更有助未來升讀本地或海外學及就業發展。 第一個階段是以基礎數據收集與呈現點狀式、零散的教學輔助類應用為代表的教學輔助階段; 第二個階段是實現系統化、智能化技術教學進行評價與分析,從而可以推動企業提升自己學生學業表現與教師核心問題能力價值的價值創造階段; 第三階段是以因材施教為基礎,以適應性學習為代表。 為了鴻溝,目前,智能教育仍處於從創立教具的值設置為過渡期,或者換句話說,除了球員的一些頭,大部分的網絡教育業務,特別是在過去的一年的新球員出現紮堆,大部分甚至教具仍處於階段,創建於到期值都長的距離。 而且,據筆者通過了解,很多中國玩家可以為了追這波風口,很多都采用這種低價外包發展策略,移植、複制以及一些似是而非的AI技術人員充當門面,遠遠談不上進行系統化的AI教育工作能力,這些都屬於外圍玩家,能把局勢攪渾,但構不成問題威脅。 這樣的行業細分情況不難理解。 AI的集成和教育具有一定的突變,在其所有的球員有足夠的技術來應對突變的積累需要這方面,在另一方面也需要玩家有能力不斷創新,在一個動態的過程積分。 更重要的是,數據和應用場景,同樣是人工智能信息技術發展強大與否的關鍵保證。沒有一個數據,人工智能根本無從談起,智能家庭教育的普及和成功,海量數據是基礎,這不僅可以包括中國曆史研究數據我們還要有實時性最新數據,這意味著,大量用戶自己需要學生參與進來,才能得到驗證並持續不斷改進智能安全教育的有效性。 當然,即使用數據,貫穿模型,缺乏適當的場景來驗證,同樣是假句柄,這就需要玩家對海量場景進行大規模的實踐、應用。 我已經表達了一個觀點,人工智能和人工智能技術本身的發展很可能在教育領域的雙軌並行發展,等待的人工智能技術本身的發展,試圖通過ISM實現是不明智的彎道超車。 正如馬化騰曾在烏鎮大會上所說的,企業管理要從新技術的跟隨者變成一個驅動者、貢獻者。業內的實力玩家,恐怕要做好學生主動學習投入使用大量研究資金、資源、人才對於推動我國人工進行智能在教育教學領域的技術不斷進步和有效信息融合,才有可能在大家生活都有AI這把“鐮刀”的情況下,造一把更有威懾力的“砍刀”出來。 資本是利潤驅動的。 我能理解作業幫,猿輔導,VIPKID等一系列玩家在多輪融資驅動下,不斷挑起用戶競爭,燒錢價格戰刻不容緩,資金有時很簡單,就是要數據,要提高費率,即使在教育這樣一個行業這樣的純互聯網玩法也可能沒有那么有效,但箭在弦上。 然而,戰鬥,尤其是在AI下半年下半年成為顯著學習,簡單的用戶,價格水平很可能是在馬前瘋搶車,不是一個永久性的解決方案,在我看來,在這一階段軌道網絡教育,有至少四個東西是玩家需要引起足夠的重視。 1、技術企業制勝:效果2.0時代的關鍵信息壁壘 早在2017年,業界就喊出在線教育已經進入了效果2.0的時代,筆者認為,行業還處於這個階段,對效果的追求還遠遠沒有結束。 問題的核心是,人工智能技術還不夠成熟,無論是對它本身還是對它在在線教育中的應用。 教育是個重決策研究領域,原則上來講,在教育發展這個社會語境裏,效果應該是一個用戶的核心價值訴求,是關乎我國商業管理模式能否可以形成閉環的關鍵。畢竟,對效果的不確定性將極大引發決策的不確定性,更影響付費的意願和連續性,進而影響到學生在線學習教育技術企業的盈利水平能力。可以說,效果天然就是中國教育的核心痛點之一。 AI與教育的融合,讓我們看到了一個迭代進行教育發展形態和教育教學模式、讓效果可以更進一步的可能。但正如科技部的報告所展示的,在線社會教育研究領域要真正進化到基於學生具備一定認知與強交互技術能力、以自適應系統學習為代表的因材施教階段,還需要很長的路要走。 對於AI教育來說,深度學習技術的突破在在線教育企業的迭代自適應學習系統中起著關鍵作用,機器學習將在輔助場景交互中發揮越來越重要的作用。 這種在線教育,無論是大或更強,我認為在追求技術的軌道上的擁塞,將是第一個向市場推出一個答案。 2、用戶池互補的威力 不可否認,在在線學習教育發展整體文化滲透率還不足10%的當下,圍繞企業用戶的爭奪,肯定是未來的主戰場之一。不過,關鍵問題在於,海量用戶與AI技術人員能否在場景可以使用中有效信息融合和互補。 我相信,為了取得技術上的勝利,除了技術本身,沒有高價值的數據為十億用戶,AI教育大多數玩家也玩不轉。 教育有廣泛的軌跡和用戶群體有自己的獨立性,如K12和成人教育,用戶和內容屬性都有很大的不同,數據的收集和挖掘難度明顯更大,是否在特定區域形成足夠的密度也是一個挑戰,更不用說,橫切數據對用戶數據的整體沉澱也是有價值的。 大量的數據收集,挖掘,提煉,驗證和增量上使用抓鬥價值,網絡教育是主要的行業或努力實現“個性化學習,數以千計的千面”的依據。在下半場的下一場比賽,不要有這樣的基礎,不談論比賽。