数据、算法、情感交流，三大难题让AI成了素质教育的鸡肋？

【编者按】在时代大趋势，拥有政策红利、时代红利的素质教育必然是未来教育领域的未来大势，其整体市场规模已超千亿，如今已成为好未来等企业争先布局的重要赛道。

由此，亿欧教育也非常关注素质教育在整个产业的发展，近期将在亿欧网站上线《素质教育50+》企业系列访谈专题，期望能够通过自身的力量，接触市场上相关创业企业、投资方，与大家共同探索素质教育发展路径，助力素质教育产业的发展。

“天时地利人和”，有行业人士这样形容今年的“AI+教育”。

随着技术的逐渐成熟、政策的不断支持、资本的疯狂涌入，人工智能俨然成了2018年教育行业最热的关键词之一。 从实际的技术落地来看，AI在教育行业的应用也较其他行业成熟；用乂学教育CEO周伟的话来说，“教育是人工智能最好的应用场景之一”。

亿欧此前曾发布 《盘点丨60家企业押注AI，人工智能在教育领域就是这么火》 一文，系统梳理了目前布局人工智能的教育企业。其中有一个值得深思的问题是， 素质教育赛道的企业对于人工智能有着一种比较“暧昧”的态度——“食之无味，弃之可惜”。不仅布局人工智能的素质教育企业不多，似乎人工智能在素质教育中的应用场景也不多。

其实，素质教育的热度一点也不亚于人工智能，政策引导、资本涌入、巨头布局，素质教育已经成为教育产业升级的必然趋势。但是，为何素质教育与技术的结合却不够深入呢？难道人工智能真的是素质教育的“鸡肋”？先来看看目前都有哪些素质教育企业布局人工智能。

素质教育企业的“智能行动”

根据亿欧《2018人工智能赋能教育产业研究报告》显示，智能教育产品主要分为5类：英语语音测评、智能批改+习题推荐、分级阅读、教育机器人和智能陪练，其中英语语音测评、智能批改+习题推荐和教育机器人的相关公司较多，分级阅读和智能陪练的公司较少。而分级阅读和智能陪练正是这5类产品中属于素质教育赛道的。

为了更直观地了解布局人工智能的素质教育企业，亿欧做了以下盘点。

从表中可以看到， 布局人工智能的素质教育企业主要有三类：思维训练、音乐教育和分级阅读，其中音乐教育最多，思维训练和分级阅读较少。

虽然关于素质教育的定义一直存在争议，但是行业内存在一个大概的共识， 亿欧也曾给出自己的定义：“素质教育应该是让孩子拥有更好生活的教育，它包含了当下市场流行的编程教育、创客教育、艺术教育（音乐、舞蹈、书画等）、体育教育、大语文等。”

从这一定义划分的范围来看，素质教育包含的赛道不少，那为何仅有思维训练、音乐教育和分级阅读的企业在布局人工智能呢？这就要从AI在教育领域的应用方向说起了。

教育行业人工智能四大落地方向

从当前AI+教育企业的业务布局来看，人工智能在教育行业的落地应用主要有四个方向：自适应学习、虚拟助教、智能硬件和教育信息化服务。

自适应学习指的是通过拆分知识点、建构知识图谱，在教学、作业、测评等教育环节，以系统推荐的方式、根据学生的个人能力提供个性化的辅导。这一方向有一个前提，即需要有明确的知识点和系统化的课程，所以目前自适应学习主要用于K12辅导和语言学习。

虚拟助教可分为两类，一类是针对K12辅导的课堂助教系统，另一类是艺术教育的虚拟陪练。

针对K12辅导的课堂助教系统可以利用人脸识别等技术数据化课堂过程，实现为学生答疑、辅助老师教学等功能，代表应用有好未来的魔镜系统、海风教育的“好望角”AI系统等。 而虚拟陪练是人工智能在素质教育领域应用最广泛的方向，目前音乐笔记、VIP陪练等企业都在布局，如音乐笔记的大眼睛陪练和VIP陪练的鱼眼摄像头等。

但是可以看到，目前音乐陪练企业的人工智能应用集中在智能纠错层面。虽然以VIP陪练为代表的公司称，未来要做的是，通过AI以及数据分析来配合学习，纠正练习过程中的错误，保证学习进度，提高学生自主学习音乐的能力和技能。 但是，目前数据化和结构化仍是一大技术难点。

智能硬件主要指教育机器人，目前幼儿陪伴形式的教育机器人居多，而素质教育由于场景的多样化对教育机器人的需求度不高，如美术、音乐、编程、围棋、书法等细分赛道均需要专业的教具，所以素质教育目前并不是教育机器人的应用场景。

最后，教育信息化服务主要体现在一些针对中小学的智慧课堂以及教学数据分析方面，即通过学生数据的分析，为老师的课堂教学提供指导。目前，教育信息化服务的对象以公立学校和培训机构为主，与素质教育关联度不大。

数据和算法是难以应用的关键

由此看来，在素质教育赛道，人工智能的应用显得有些尴尬，缺乏应用场景，难以实现大规模使用。而这背后的原因可以从人工智能的技术本身和其目前的发展阶段分析。

人工智能的基础是数据和算法。

“无数据不智能”，这已经是行业的共识，而素质教育如何收集到大量的数据却是一大难点。教育行业本就呈现分散的特点，而素质教育基于学生兴趣，不同学生有不同的需求，分散的特点更明显；同时很多素质教育赛道如艺术教育、体育教育和创客教育，主要依托线下场景进行教学，都面临难以在线化的问题，所以素质教育在数据的收集方面有很大的障碍。

即便能够收集到学生数据，由于素质教育本身没有一定的课程标准，重在培养孩子的综合能力，难以进行效果的呈现，所以数据如何进行利用和分析也是一大难点。有行业人士认为： “数据不是关键，结构化的数据才是关键。”

如何获取结构化的数据？这需要有一定的算法模型，在素质教育赛道，如何通过标准化的教研模型，将数据进行结构化，并对其进行分析，用于指导教学，这是最关键的问题。 相比于其他素质教育赛道，音乐教育有着明确的考级标准，所以相对来说更容易建构算法模型，这也就不难解释目前AI在音乐教育中应用较多了。

再者，素质教育注重培养孩子的思维能力、艺术素养或者体能素质等比较软性的能力，这就使得其效果必然是难以可视化的，同时，教学过程中也更需要教师与学生之间的互动和情感交流。 而目前，人工智能在教授硬性知识方面已经可以帮助老师提高一定的效率，但是在与孩子进行情感交流和互动方面仍然无法实现。 正如精锐教育创始人张熙曾说，AI发展的过程中，机器如何实现跟人进行一些情感上的交流是一大问题。

难以收集结构化的数据、缺乏标准化的算法模型、无法实现情感交流和互动，这恐怕是人工智能在素质教育领域难以实现大规模应用的三大原因。

如果能够攻克这三大难题，或许素质教育企业就可以改变AI应用的“鸡肋”局面。

相关推荐：

超越好未来的，其中一种可能就是素质教育

盘点丨60家企业押注AI，人工智能在教育领域就是这么火

艺术教育历经三次迭代，在线模式如何跑马圈地？

编辑：孟晓慧

版权声明

凡来源为亿欧网的内容，其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。