大多數(shù)在線教育平臺只解決了老師與學(xué)生的連接問題，而作業(yè)幫和KnewTon為代表的“個性化教育”則通過技術(shù)驅(qū)動傳統(tǒng)教育模式的革新，將孔子的“因材施教”這一教育理念做到極致。

作業(yè)幫的“自適應(yīng)教育”之路

自適應(yīng)教育模式的精髓是根據(jù)學(xué)習(xí)者的實際情況，量身推薦適合的課程，這被歸納為“適配學(xué)習(xí)技術(shù)”。

作業(yè)幫通過三個步驟來實現(xiàn)個性化推薦：第一步是知識診斷，學(xué)生先做幾道精選練習(xí)題“測試”，測試之后會得到知識診斷結(jié)果。第二步是知識建議，根據(jù)測試結(jié)果給出該科目的詳細(xì)知識點卡片，告訴學(xué)生哪些知識點是急需提升的，哪些是已熟練掌握的。第三步則是練習(xí)推送，在不同的階段性測試期間，推送本地的真題、模擬訓(xùn)練給用戶，讓學(xué)生通過最少的練習(xí)掌握知識點，避免重復(fù)的、難度不匹配的無效練習(xí)。

個性化教育將是在線教育的核心優(yōu)勢，也是在線教育未來的趨勢。作業(yè)幫“個性化練習(xí)三步曲”分別對應(yīng)了學(xué)習(xí)過程的數(shù)據(jù)收集、推斷和建議，結(jié)合知識圖譜和推薦模型，實現(xiàn)個性化的教育。

作業(yè)幫如何用技術(shù)做到因材施教？

傳統(tǒng)教育存在致命的弱點，不論學(xué)生處于何種水平，思維模式有何差異，知識掌握情況有何不同，都要保持同樣的進度被動式地參加課程、重復(fù)練習(xí)，進而效率變低。相對于KnewTon而言，作業(yè)幫進軍個性化教育優(yōu)勢更加明顯。

第一，擁有大數(shù)據(jù)以及更新機制。作業(yè)幫上線一年多積累的5000萬用戶、9500萬題庫，已掌握了學(xué)生學(xué)習(xí)習(xí)慣、題庫學(xué)科知識兩類大數(shù)據(jù),引入全國優(yōu)秀教師群體來完善和篩選題庫，在回答學(xué)生提問時也是機器算法+UGC模式雙重保障，通過這些運營手段來保證數(shù)據(jù)質(zhì)量，形成了數(shù)據(jù)更新機制。

第二，大數(shù)據(jù)技術(shù)的成功實踐?；贗DL（深度學(xué)習(xí)）實驗室成果和OCR技術(shù)，作業(yè)幫借助圖像識別、語音識別、語義理解諸多大數(shù)據(jù)技術(shù)，建知識圖譜，將學(xué)科、課程和習(xí)題之間的關(guān)系理清楚，通過知識診斷和學(xué)生畫像，讓個性化教育成為可能。

第三，基于路徑算法的推薦。作業(yè)幫在知識診斷結(jié)果和知識圖譜的基礎(chǔ)上，可以計算“學(xué)習(xí)路徑”，即從學(xué)生當(dāng)前學(xué)習(xí)狀態(tài)到目標(biāo)狀態(tài)之間需要經(jīng)歷的路徑，例如哪些知識點、多大的難度、如何復(fù)習(xí)。這樣就可以給學(xué)生推薦最適合的練習(xí)題，避免其“走彎路”。

第四：IDL技術(shù)實現(xiàn)連續(xù)適應(yīng)性。IDL實驗室所研究的深度學(xué)習(xí)技術(shù)讓機器可以自我學(xué)習(xí)、優(yōu)化算法。作業(yè)幫基于其研究成果，自動化地改進教育模型，包括學(xué)習(xí)路徑算法、練習(xí)推薦模型、知識診斷模型等，而不需要人工去更新，即便是各地教育大綱變化之后，教育模型依然有效，實現(xiàn)“連續(xù)適應(yīng)性”。

作業(yè)幫本質(zhì)是通過新技術(shù)去改變傳統(tǒng)教育模式，提升教育效率，消滅教育鴻溝，而不只是把互聯(lián)網(wǎng)當(dāng)作渠道的單一應(yīng)用，它有著比較強的技術(shù)依賴，符合從孔子時代便存在的“因材施教”理念，并且有望在應(yīng)試教育大環(huán)境下實現(xiàn)真正的因材施教。

(文/羅超)