全球教育智能化发展报告一、人工智能教育的理解 11.1、发展阶段 11.2、国内外应用比较 21.3、与传统教育不同点与价值 41.4、关键技术5二、人工智能教育系统解析 72.1、智适应教育架构和模型分析 7 2.2、智适应教育三种主流应用场景 11三、人工智能变革教育行业 22 3.1、人工智能推动生态参与者角色转变 223.2、智能化成为教育行业发展主流趋势 24四、人工智能教育投资趋势分析 284.1、中国正成为全球投资最活跃的区域之一 284.2、人工智能教育细分领域投资持续分化 314.3、下一步人工智能教育投资和整合趋势 32五、人工智能教育未来挑战、展望与思考 36德勤中国联系人/白皮书编委会 37目录全球教育智能化发展报告 |一、人工智能教育的理解1一、人工智能教育的理解1.1、发展阶段人工智能技术正在推动教育信息化的快速发展，人工智能教育是人工智能技术对教育产业的赋能，通过人工智能技术在教育领域的运用，来实现其辅助甚至是替代作用。未来人工智能教育应用的发展将由数据驱动、应用深化、融合创新优化服务等方式来持续推动。从行业发展阶段来看，目前人工智能教育行业仍处在发展阶段，尚未成熟。人工智能的概念虽火热，但人工智能在教育行业的具体赋能却并非是一蹴而就的。纵观人工智能教育行业的应用发展历程，起步阶段主要集中在对人工智能教育的规划和初步探索中，20世纪50年代，卡耐基梅隆大学教授艾伦·纽厄尔和赫伯特·西蒙作为人工智能的奠基人，结合数学、工程和经济学促进了人工智能的发展。20世纪70年代，Jaime Carbonell创建智能教学系统，开始利用计算机辅助教学；1993年英国爱丁堡举行第一届人工智能教育（AiED）国际会议。随着时间发展，人工智能教育也开始正式走向发展阶段，21世纪初，美国Cognitive Tutor、Knewton、RealizeIt等智适应教育企业纷纷成立，人工智能技术开始被逐渐赋能到教育产业中。智适应学习（Intelligent Adaptive Learning）技术是模拟老师对学生一对一教学的过程，赋予学习系统个性化教学的能力的人工智能教育技术。2010年后，中国智适应教育企业开始兴起，如新东方、好未来、乂学教育松鼠AI等公司。2016年前后，国内的众多知名教育机构如好未来、新东方等以及资本也纷纷投入人工智能教育领域。纵观近几十年的发展历程，人工智能技术从早期的基于规则的知识表示与推理，开始向基于深度学习的自然语言处理、语音识别与图像识别转变，算法模型获得显著改进。大数据的支持为人工智能提供了数据驱动和认知计算。与此同时，人工智能在教育领域的应用需要跨学科、跨领域的共同合作，如神经科学、认知科学、心理学、数学、教育学等相关基础学科。跨学科、跨领域的应用将联合推动人工智能教育的发展。数据来源：德勤研究图1-1：人工智能教育发展阶段图起步阶段发展阶段人工智能教育目前所处发展阶段成熟阶段完善阶段 1988年，蒙特利尔大学组织第一届ITS（智能教学系统）国际会议 1993年英国爱丁堡举行第一届人工智能教育（AIED）国际会议 20世纪初，Knewton、 RealizeIt等智适应教育企业纷纷成立。人工智能被逐渐赋能到教育产业中。 2010年前后，中国国内只适应教育企业开始兴起，2016年前后，国内的众多知名教育机构以及资本市场也纷纷投入智适应教育领域。成熟阶段的智适应教育领域市场格局基本将趋于稳定，且将会形成各方鼎力的格局。市场具备一条完善的产业链分工，人工智能企业的收入也将快速增长。这个阶段将处于人工智能教育发展阶段的后期阶段，人工智能教育企业的利润增长将逐渐趋于缓慢甚至停滞，企业业务将开始寻求转型。全球教育智能化发展报告 | 一、人工智能教育的理解21.2、国内外应用比较 目前国内外在人工智能教育领域均有了较大地发展，“人工智能+教育”的应用形态也是多种多样的。在“人工智能+教育”模式下，企业凭借人工智能技术的优势，集中精力主要研发教育智能产品，最大可能地向用户提供他们所需的教育产品和服务。就使用人工智能教育的用户来讲，更多的是想要获得便捷且最有效的教育智能服务。数据来源：德勤研究图1-2：AI在教育领域中的应用分类AI在教育领域中的应用分类基础人工智能技术国内企业国外企业智适应学习结合智适应学习技术去打造出一个虚拟的老师，不仅能够渗透整个教学过程，而且支持个性化教学，每个学生可以根据自己的节奏去学习，有助于提升学习效率和积极性乂学教育松鼠AI；一起作业；英语流利说；小盒科技； 51Talk；今日头条；易听说；科大讯飞；盒子鱼英语黄埔在线；大拿科技；精准学；大疆；先声教育；乐智机器人 IBM Watson； Knewton； DreamBox Learning； Renaissance Learning； Cognitive Learning； Duolingo； LightSail Edution； Grammarly； Cerego； Wonder； Workshop； RoboKind Millo； Sphero人机对话智能源处理以及搜索的技术双师课堂图像识别技术语音测评基于智能语言处理和语音识别的技术智能语言处理的应用基于语言处理的技术，能够构建一些语法框架等拍照搜题计算机视觉的技术和图像识别的技术全球教育智能化发展报告 |一、人工智能教育的理解3就人工智能教育中的智适应教育来讲，美国的智适应教育起步较早，早在20世纪90年代美国已开始开发智适应教育。 中国的智适应教育主要在近十年得以快速发展。在教育内容的侧重方面，国内的K12辅导与英语辅导最为火爆，与国内的学外语热度不减的情况不同的是，美国市场对于语言学习的热情远不如中国高，语言辅导类在美国的人工智能教育领域占比并不是很高。此外，高等教育是美国人工智能教育内容的重点，在领域分布情况上基本与K12辅导占比大致相同。在技术层面上，智适应学习技术在美国和欧洲的使用时间均超过十年，各年龄段都有大量用户使用，累积用户超过一亿。产品和技术方面都打磨的比较完善。相对来说，智适应学习技术在国内积累的数据量稍有落后，处在初步发展数据来源：亿欧，德勤研究数据来源：德勤研究图1-3：美国Top 30 AI+教育公司服务领域分布图1-4：国内外人工智能教育应用比较阶段。优势在于，中国人口基数大、发展速度快，未来有望后来者居上。国外的公司，如Knewton采用的技术有概率图模型、项目反应理论、学习分析等技术。RealizeIt技术采用的技术有信息论、贝叶斯算法、机器学习等技术。ALEKS技术采用的技术主要是知识空间理论。目前国内领先的人工智能教育企业，如乂学教育打造的松鼠AI，松鼠AI采用的技术包括贝叶斯网络、深度神经网络、进化算法、迁移学习、以及其他机器学习算法等。国内国外国内课外付费辅导行业发达，市场前景良好学生背景复杂，多元化去向明显智适应学习技术在国内积累的数据量稍有落后，处在初步发展阶段智适应学习技术在美国和欧洲使用时间超过十年，各年龄段都有大量用户使用，累计用户超过1亿智适应教学企业倾向于自己开发教材内容，国内应试教育教材版本众多，需要针对不同的版本开发不同的考点内容，知识点较为新细致且主要针对应试教育教学内容主要为学校和出版社提供，知识产权明晰，内容体系相对完整K12辅导、英语辅导K12+、高等教育、职业教育乂学教育松鼠AI、新东方、好未来、作业帮、流利说等ALEKS, RealizeIt, Knewton, Dreambox Learning, Duolingo, Renaissance Learning; Cognitive Learning发展背景技术对比内容运用应用场景代表公司20%25%25%7%10%10%3%素质教育K12高等教育企业培训语言学习阅读其他全球教育智能化发展报告 | 一、人工智能教育的理解41.3、与传统教育不同点与价值人工智能在教育领域的应用意味着对传统教育模式的挑战和颠覆：人工智能技术既改变了传统教育的育人目标，也突破了传统教育的育人方式。从目标的层面上来说，教育的目的从“育分”转而人工智能观察分析学生学习模式以及个体差异，突破过往内容和模式千篇一律的教学方式。大量数据证明，在这一种模式之下学生的学业表现均有所提高，在课程完成时间、课程通过率、考试成绩方面相对于传统教育模式下的学生均有突出的表现。同时，人工智能教育也使普遍素质教育成为可能，在提高应试教育效率的同时注入思辨训练、创新能力培养等元素，全面培养学生能力。为“育人”，因材施教由于人工智能技术引入成为可能。从教育方式的层面上来说，智适应学习针对学生具体情况和个体需求提供个性化解决方案；AI作为主讲老师改变了整个教学流程，与此同时，释放了教师人力，并基于教学大数真人教师以及AI助理并存于教学活动中，将教师从重复枯燥的试卷批改、日常管理工作中解放出来，为其专注于创造性教学研究工作以及学生一对一交流创造时间以及机会。AI辅助决策基于教学活动产生的大数据帮助教师更好地把握教学情况。AI打破了信息以及资源的流通壁垒。智慧校园理念的出现以及实现促使校园内的硬件设施上网联通，并加快校园内据进行决策，实现精准教学的同时使学习速度和灵活性得到了进一步的提升；人工智能实现校园内部信息流通以及跨区域的资源互通，打通了信息以及资源流通壁垒。部门整合，实现信息交流整合，为管理决策以及风险应对提供数据层基础。其次，远程教学以及网络校园的出现实现优秀教育资源从东部沿海发达地区向贫困偏远地区流动，实现教育公平。总体上而言，人工智能教育从教学质量、教学效率以及教学公平三个方面创造了传统教育所缺失的价值，对于学生、教师、学校以及区域教育系统等各有意义。数据来源：德勤研究图1-5：人工智能改造传统教育并创造新价值教学内容千篇一律，用相同的教材以及教学模式应对不同的学生；填鸭式教育，关注考试和分数传统教育人工智能教育价值大量的时间被消耗在作为批改中，重复性的工作挤占了创造性教学研究以及师生交流互动的时间传统的学校管理模式基于层级管理，不同部门间的信息互不流通，造成管理效率总体低下，教学资源局限于教室之内，优秀教资集中在东部沿海地区，造成区域间教学资源不公平人工智能在教育的应用改变了整个教学流程，人工智能替代教师的授课职责，接管教学的任务，颠覆性改变以往模式，因材施教；基于大数据、机器学习深入评估分析学生日常及考试表现 AI技术渗入校园环境中，实现物理层以及数据层的信息交流互通，并汇集于数据中心以支持日常管理和风险应对远程连接优秀教师资源和学生，利用AI技术打破时间和空间壁垒，实现教学资源跨校区流动以学生为中心，针对学生具体情况以及需求提供个性化解决方案，把我学生知识长短处、评估分析学生学习能力并进行实时教学指导；带给学生学习能力和思维的提升，使学习更具灵活性，并提高学习效率人工智能提升教学质量学生考试分数提升，课程通过率提高，退学率下降优化教育内容，关注学生思辨、创新等各方面能力的培养人工智能提升教学效率教师人力释放，可专注于教学研究以及学生一对一交流学生课程完成时间缩短，针对性攻克学习困难提高校园管理以及应对效率，依靠大数据实现精准实时校园管理和风险应对人工智能实现教学公平以AI远程连接教师与学生互动或模拟特级教师等方式向教学资源贫困地区输入优秀教学资源学生教师学校全球教育智能化发展报告 |一、人工智能教育的理解51.4、关键技术人工智能中对教育领域产生深刻影响的技术颇多，以算法、图论以及推断统计学等计算机基础理论结合其他领域的前沿理论形成人工智能教育应用中的关键技术。遗传算法和逻辑斯蒂回归，规划最佳的学习路径，最大化学生的学习效率。该算法模型会考虑到学生所要完成的学习目标和学生当前的知识状态，推荐最佳的接下来学习的知识点，并依据学生不断变化的知识状态实时动态调整路径规划。在不断推送学习内容并获得学生的学习反馈后，系统将逐渐绘制学生的学习习惯、兴趣、方式等多方位的学生画像，并不断自动优化推送逻辑。相比较于深度学习神经网络算法，遗传算法能在全局范围内搜索，能快速找到全局最优解，避免陷入局部最优。图论: 实现智适应学习的首先是需要像优秀教师一样，清楚了解学生在每一个知识点的掌握水平。由于综合知识点题目在作答后很难界定学生的真正错因，只有将知识拆解到最小单位，才能够精准的了解到学生在每一个最细小的知识点上的掌握情况。机器学习技术：依据不同学生的个性偏好、学习习惯和学习风格，推荐最匹配的学习内容。有些学生喜欢轻松活泼的内容形式，有些学生喜欢严谨的风格，AI系统会记住不同学生的偏好推荐最合适的。根据学生的知识掌握状态和目标，智适应学习系统会自动规划最适合该学生的学习难度和顺序，不会让学生因为目标过高而丧失信心，也不会因为目标过低而失去挑战的欲望。通过这样的方式，让40分水平的同学可以逐渐提高到60分、70分，让70分水平的同学逐渐提高到80分、90分，最终使得所有不同水平的学生都能够循序渐进地提高到较高的水平。贝叶斯网络:对于何时开展下一阶段学习时间节点的确定，使用贝叶斯网络，是对学习者学习能力的一种预测。例如，系统需要通过对测试结果进行分析，判断学习者对于一元一次方程到何种程度才可以学习一元二次方程。这就需要系统确立适当的数据处理机制，同时明确两块知识的联系，以及学生的学习程度。深度学习和自然语言处理:利用自然语言处理技术，自动生成学习内容标签；采用深度学习技术，分析学生画像和学习内容，从海量内容池中自动挑选合适学习内容给到学生。知识空间理论和信息熵论:从测量学看，信息是可以量化的。利用信息熵理论，可以通过检测部分重要知识点快速逼近学生的知识状态水平，再围绕这个基本层级做反复的精细化测算，高效精准地诊断出学生的知识漏洞和状态。数据来源：德勤研究图1-6：人工智能教育关键技术示意图分类算法专家系统知识表达知识图搜索树贝叶斯网络因果推理协同规则自然语言处理神经网络序贯模式挖掘文本挖掘和搜索遗传算法数据挖掘机器学习教育数据挖掘和预测分析实时形成性AI智适应学习平台创新学习空间测试诊断游戏和移动工具全球教育智能化发展报告 | 一、人工智能教育的理解6教育数据挖掘和学习分析技术：大数据在教育中的应用主要有两大领域：教育数据挖掘（Educational Data Mining，简称 EDM）和学习分析技术（Learning Analytics，简称 LA），其中教育数据挖掘（EDM）是指对学习过程和学习行为进行量化分析，在学生学习过程中采集学生的学习数据，包括学习时间，停留时间，测试准确率等。通过对数据的处理分析，建立不同学生的学习模型。学习分析技术（LA）主要是对学生的测验成绩进行预测和监控，并提出相应的干预措施。这样的学习模式不仅可以实现个性化学习的目标，可以对每一个学生提供不同的激励机制。所有学生的进步是在自己的基础上进行的，减少了横向对比的弊端，提高了学生的自我效能感。 学习分析（Learning Analytics）能够为教师提供详细的学生数据，它不仅可以告诉学生投入多少、了解多少，甚至还能提供信息让系统、教师改善教学方法。人工智能教育在美国发展时间长，各年龄段都有大量用户使用，产品和技术方面都打磨的比较完善。相对来说，相应的技术在国内积累的数据量稍有落后，仍处在初步发展阶段。但随着资本对其关注的提升以及中国的人口基数红利，人工智能教育快速发展，未来有望后来者居上。全球教育智能化发展报告 |二、人工智能教育系统解析7二、人工智能教育系统解析2.1、智适应教育架构和模型分析2.1.1、人工智能教育的应用人工智能在教育诸多变革级应用，包括智适应教育、创新学习虚拟空间、以及数据分析和数据隐私等等。下表列出了教育的一些主要趋势，并将其与这些应用领域背后的关键技术相匹配。本报告将重点研究人工智能智适应教育环节。智能智适应教育是一种与传统教育模式2.1.2、智适应学习智能等级智适应学习智能等级，目前诸多应用公司还未达到最佳实践效果。根据当前人工智能技术的水平在教育方面的应用，智适应教学产品可以分为五个等级。Level 0和Level 1的教育都是基于简单规则的判断，进行学习内容推送，属于初级应用。Level 2开始设计难度递增的课程，而从Level 3开始涉及知识图谱和概率模型，是当前智适应教育的最高水平。Level 4等级通过计算机技术打造的智适应系统把高质量的内容推送到（也称为工厂教育模式）根本不同的教学方法。不同于农业和工业经济社会，教育仅需要十余年即可应对工作和生活所需，在人工智能社会，教育阶段和工作阶段的区分将会消失，马拉松式的终身学习将成为常态。为了应对不断变化的学习需求，人工智能技术驱动的智适应教育模式将会发挥更大的作用。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。达到这个水平的智适应学习系统，可以做到拿到任何一道学科题目，就可以用多种策略得到正确答案。Level 5为目前最理想等级，专注于对孩子想象力和创造力的塑造，对学生状态的把控，分析情感因素，主观能动性，从而提升学习能力、创造力和能动性。进而培养一个完整的学生，使其主观能动性的提升，而不仅是某一个知识点的提升。智适应教学系统是一种计算机系统，旨在为每一个学习者提供即时的、定制化的指导或反馈。所有智适应教学系统的共同目标是通过使用多种计算科技，特别是计算智能，让学习变得更有意义、更加高效。智适应教学系统与人工智能设计和认知学习理论有着密切的关系。智适应学习提倡所有学习进度和教学方法，都要针对每个学习者的需求进行优化的教学。目前，我国的智适应教育等级仍处于中级以下水平，虽然目前诸多应用公司还未达到最佳实践效果，但是随着基于智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，智适应教育系统的可应用领域也将越来越广。数据来源：AI智适应教育白皮书图2-1：人工智能教育应用人工智能教育的应用背后的AI技术个性化智适应教育实时形成性评估，AI +智适应教学系统，AI工具，自我改进系统向主动学习的转变，PBL，CBL，计算思维人工智能（机器学习， KRR，机器人，计算机视觉，NLP）改变学校和学生成功的定义适应性学习教学法和个性化学习途径，人工智能规划创新学习空间人工智能教室，虚拟实验室，A / R，V / R，听力和传感技术实时分析EDM和预测分析隐私和信任数字生态系统突破界限移动，在线学习和虚拟个性化助手全球教育智能化发展报告 | 二、人工智能教育系统解析8数据来源：揭秘智适应学习的背后原理，德勤研究智适应级别级别名称等级释义等级例子Level 0基于难度等级的智适应学习根据固定测试判断学生能力水平，系统根据学生能力级别，按事先定制的能力匹配，通过设计难度递增的课程，完成课程推送。初级Khan AcademyLevel 1基于简单规则和工具自动化的智适应学习基于规则的智适应学习，其本质是决策树，判断学生的某种行为是否正确，从而完成题目和作业推送。 在工具和测评层面使用人工智能（拍照答题，自动阅卷等），提高任务环节的效率。初级作业帮，猿辅导Level 2基于项目反应理论模型（Item Response Theory）模型的智适应测试以IRT为基础的测评体系实时推荐，当学生完成得好的时候就加大挑战难度，当学生完成的有问题时，就相应减少难度，达到高效率的测试效果。中级GRE，ACTLevel 3基于知识点网络和概率模型的智适应学习系统在整个知识图谱体系里析，应用知识空间理论（Education Data Mining）或贝叶斯知识追踪(Bayesin knowledge tracing)通过学生做题情况，推断知识点的掌握程度，相应调整学生实时学习路径，推荐优化的学习任务。重心在于知识点相关联形成的知识图谱的建立和针对任务的自然语言处理（Natural Language Processing）对话。中级ALEKS，Cognitive Tutor，KnewtonLevel 4基于多维度学习元素，能力目标和细分知识图谱的智适应学习考虑多维度的学习元素（情感因素、学习兴趣和积极性、能动性，注意力等Multimodal Integrated Behavioral Analysis因素），增加深度学习方法，不仅采纳知识图谱，而且应用细分思想方法、能力、方法 （MCM体系）的智适应学习。中高级IBM Watson， 乂学教育松鼠AILevel 5基于增强学习和遗传算法，把认知科学和和深度学习相结合的智适应学习真正AI级别的智适应学习，基于Human-in-the-loop, 模拟学生和模拟学生人机对抗模型进行增强学习（RL）和遗传算法（Genetic algorithm）生成教学策略；符号推理，认知科学和深度学习相结合，综合个体学习和集体学习 （Problem-Based Learning），形成场景植入和学习伴侣能力的智适应学习，在学习知识的前提下，进一步培养知识体系、学习能力、学习习惯和创造力等整体学习水平 。高级图2-2：智适应教学智能程度等级