「GET2017」学术发展论坛圆桌对话：如何在教育领域中应用大数据技术

芥末堆 子航 11月16日 报道

11月15日下午，在以“共建·让更好的教育来得更快”为主题的GET2017教育科技大会“学术发展论坛”上，三位嘉宾就大数据在教育领域的应用展开了圆桌对话。

杜昶旭：朗播网CEO

刘颖：慕华尚测CEO

方海光：首都师范大学教育技术系教授

以下为圆桌对话内容（芥末堆略有删改）：

Q：教育过程性数据的采集和评价实际做到了什么程度？

刘颖：现在我们给很多的教育局，其中区县级多一些（因为区县教育局直接管学校），包括北大附小等学校，提供了从四年级往上的过程性评价或者是发展性的评价。

在评价的内容方面，首先，我们是兼顾学校现有的三期基础；同时，因为大家知道学科的变革未来是核心素养，所以我们在这些学校机构操作的时候是A+B方面，A是传统的评价的内容，B是核心素养、学科素养的内容。

新高考后，我们人才选择多元化，各高校未来自主招生空间越来越大，所以这些与我们合作的教育局、学校也会在过程当中评价学生非学业的因素以及潜能。例如，小学四年级我们开始会测逻辑思维、学生认知能力、创新思维和问题解决等方面的要素，并反馈给学校，测试他们在能力培养方面怎么样，而到了初中我们会加测批判性思维这样的一些思维能力的诊断和测试。

同时我们在小学段、初中段、高中段都会测学生的学习适应性，其中包括学生的考试焦虑、学习动机、学习兴趣，社会关系等方面的因素，并将这些评价的信息反馈给学校、老师和孩子家长，在这个基础上在组织教师的研讨会、家长反馈的报告会。

Q：随着AI与大数据技术的发展，老师这个职业的角色发生了怎样改变？应该如何去适应？

方海光：从2016年以后，业内基本上已经有观点，老师不是像以前的金饭碗了，因为AI的技术老师已经有失业的风险了，然后学校会有新的形态转变。未来老师的角色会转换，因为老师在人文关怀上、或者其他方面的人性化、文化方面是强势，但在互联网方面相对来说是弱势。

杜昶旭：从2007年开始，我们就在研究一个问题，在学习方面，计算机到底在多大程度上能代替人。但我们有一个限定叫多大程度上，今天大家可能都很容易产生一个感觉，就是这个世界是非此即彼的。比如说今天AI起来了，大家说你看机器人是不是可以把人全部干掉，我们当然这样的焦虑。但是我个人理解，这个事情未必是一个颠覆性的实行，因为这个世界不是非此即彼，还有很多中间态。

我觉得技术发展带来的有两种可能，一种是更替，这个东西彻底没了，我们今天也看到有很多职业，过去有的现在就彻底没了，这是技术和社会发展所带来的某个结果。未来，我们相信可能有我们遇到过的些职业，慢慢地都会出现一些变化，也许是消失也许转型。

我觉得老师也是一样，过去我们的老师在学校、培训机构做的事情是服务。换句话说，作为一个老师我们是靠什么挣钱，来获得回报的？是靠我们的时间朗播英语长难句，比如我们去讲课、备课，给学生答疑、改卷子、判作业，我们付出的有脑力、体力，但更多的是时间。

但是老师客观上会存在的问题是什么？它是一个完全非标的事情，你没有办法量化这个老师到底好不好，即便有职称和其他的评价体系，我们很难量化。但是技术能解决的问题是，我们可以让一些优秀的东西标准下来。

所以我们从十年前开始做一件事情，就是是经验模型化。我们有若干优秀的老师他们的教学经验可不可以被数学模型化，让技术来代替老师来做一些事情。如果这件事情可以，也就意味着老师做的事情和今天做的事情不一样。以前老师的作用更多的是在做知识的传递，本身不产生新的知识，只是一个演绎者。那传递这件事情是否一定要通过人来完成，比如说我们今天换成一个AI老师，是否也可以实现这个过程。

如果是这样的话，我认为老师的角色可能要发生改变了，不一定像过去那样还是给在学校里面给学生讲课，可能会变成经验的总结者，他可能在后台去总结优秀老师在讲这些内容的时候是怎么做的，我们帮助产品经理把其产品化。

在朗播，我们有一个非常强的教研团队，很多老师都是做过多年一线英语课程教学的老师，但是他们现在都基本不教课，他们做产品，开始去总结他们过去教课的经验，总结学生需要的东西，并将他们做成产品文档。他们会转型成幕后的人。

另一方面，技术有可能会降低教师的职业从业门槛。像我们现在做英语培训，我们不需要所有的老师都变成教托福、雅思的专家，利用我们提供的AI的工具就可以给学生做辅导，老师的工作是给学生做一些基础的指导，这样门槛就降低了。

最后，我有一个建议，我觉得大家也不要感到恐慌，但一定要调整自己的心态。你不要认为我今天当老师了，我可能一辈子在这个岗位上可以继续做下去，即便是在体制内，也未必是这样子。所以我觉得心态上要调整一下，去思考我的未来在哪里，我怎么样让自己变得更好，这是我的建议。

Q：随着人工智能的发展和各项技术不断地创新，在线教育将来是否一定会替代传统教育？

杜昶旭：我觉得大家首先要明确一件事情，教育这个事情是一个极度垂直和分散的一个事情，会被切分成非常非常多不同的领域，所以我个人认为可能要分领域来讲，因为有的领域可能更适合在线化，有的领域可能不适合在线化。

未来教育有些品类，比如英语培训，我觉得可能在线的比例就会比较高，因为互联网最擅长的是信息传递的效率改善。所以，他本身做信息传达是最直观的。在我看来，大多数的教育基本上解决两个问题：

如果我们说，在信息传达这事，我认为线上的效率可能更高。同时，情感传达其实互联网也可以做到，要不然那些社交软件它是怎么生存的呢？所以，我觉得我们不能讲它100%会颠覆，但我个人至少认为在绝大多数的范围内，对线下传统教育来说，它会有非常明显的一个替代和升级行为。

刘颖：我有个观点，教育是有温度的。像刚才杜老师所说，我们可以用AI、大数据解决一些知识的传授或者是帮助老师提高效率，但是老师的存在一定是需要的，因为我们都知道对于任何一个孩子，老师的一点微笑，老师拍拍肩膀的一点点鼓励，给孩子带来的学习兴趣、学习动力的影响可能是我们没法想象的。

对于老师，我也建议做一些转型，如何利用线下的课堂让孩子的社会化变得更好，让他们学会合作，学会在合作中一起去解决问题。那这个里面就离不开老师的启迪、启发、老师的组织、协调、激励，给学生的正向的鼓励。这些东西我认为，至少在今天机器是没有办法代替的事情。

方海光：大家都知道整个行业的发展，有些东西会超出我们的预期，我们很难估计五年以后到底是什么样，但是五年以后我们设想一下，假如在线教育去碾压所有的学校、所有的教师，里面会有两个很严重的分歧。

第一朗播英语长难句，到底什么是教育？细致地去分有各种说法，学生的终身发展、个人成长真的是我们把所有的知识都能够很方便地传递给他之后，他就能成长起来吗？这是一个很奇怪的话题，但我可以肯定的是，今天我们用了这种手段，孩子学习的机会比以往任何时候的机会都要大。我们现在看见的孩子和我们当年的知识量相比肯定要大得多。

但比如爱因斯坦或者是霍金，真的就是我们拿他所有的数据和经历加在一个新的孩子身上，就能成为爱因斯坦和霍金吗？为什么？因为孩子还有天生的差异。所以，我们用机器学习培养孩子可能会成功，但是也可能会出现很大的差异。

我想说的是两方面：

总而言之，从我的角度来讲，我很支持在线教育和新技术的应用，因为它能打开我们看不见的东西，用我们以前没有办法做到的手段，做得非常漂亮。但如果我们把这个孩子的成长像机器一样变成各种技能传授给他就行了，没有任何的感情，那是不对的。

比如说我个人的成长，其实之所以做老师，是因为我的老师曾经怎么样培养我，我是在传承一种教育情节，我怎么传承？在QQ上我能看得见吗？在微信上我也许能看得见，但是真不好说。

包括杜老师、刘老师有很多粉丝、学生，学生对他们的感情不仅仅是因为你教了他一个单词，而是因为你在他的成长过程中激励过他，让他的人生有一些新的追求，我觉得这个更接近于我们对教育的认识。

Q：现在学校中的评价体系，有哪些是落地的？

刘颖：首先，在公立体制内，评价的手段确实是受体制内的一些局限影响，比如说计算机上机的测试是比较难的，纸笔的测试、考试、调查问卷和一些成长记录这种比较常见的，也有一些学校现在是线上线下相结合来做一些测试。

我想跟大家分享，在大学招生的时候，我们的评价手段特别多元。我们讲一下西安交大的少年班是怎么选的。

所以你看一个学生被选进少年班有多么不容易，再后来就是有小组的讨论或者是测量。我们会给两个小组各自都是同样的任务，让他们先组内合作完成任务「GET2017」学术发展论坛圆桌对话：如何在教育领域中应用大数据技术，之后组间PK，看他们的思维反应，包括情绪控制等等这方面的一些东西。

事实上，这样的形式无论在复旦大学的选拔面试、笔试，在负担、清华的选拔中已经越来越常见，选拔的方式很多元。只是在公立体制内，现在因为孩子太多，体制内有一些束缚，实施起来还相对单一。

Q：当前，大数据能够给教育带来的是什么？

方海光：我认为这个问题还是比较难回答的

第一，如果要进行一些大数据应用，首先得有技术，但一般的设备平板，如果技术不畅可能数据采集的会更少。因为一般的学校技术都没达到一定的程度，做大数据还比较难。

第二，现在，大数据最难的是进课堂。所以我们的思路是如何改善课堂，这也是最有意思的地方，因为你可以在课堂上发现很多新的内容。就像刘老师说的，你能找到一些规律是相关的，这就足够了，又比以前进了一步。

第三，目前的业内大家都是做标准，但是做标准其实也很麻烦。现在最致命的一点就是数据集不公开，但这个也不可能公开，这个是一个悖论。大家想一想共享单车现在只有两家，两家能把数据公开吗？谁会先公开，这个是不可能的。这个是最麻烦的一件事情，所有的都不公开，都不公开的数据意义着大家所有的模型都是自己家的模型，所有的算法都是自己家的算法。

我们把计算机通的算法来过来去分析这种课堂不现实，我们可以做简单聚类是可以的，但是真的有可能不现实的。然后，我们各个企业有自己的模型，每一个都做一个的模型，没有公开的测试级，谁都说不清那个算法是对的。

目前，我觉得教育大数据从国际的角度来进，应该是略超前的。因此我们在探讨一些深层次的问题，不仅仅是简单的应用了。尤其是传统的测评这一块，我觉得有很多的经验可以复制到其它的领域，而大数据我觉得就有可能真的对企业有着眼点的，如果你找对了一个点，只针对这一点做一个APP，你可能就会影响全国，我觉得这个是很需要发挥智慧的。

例如，可能是你课堂当中的某一个环节，或者是课后的某一个环节，而真的把这个数据能够聚集起来，我觉得这个来还是蛮吸引人的，聚集这个点是以前看不见的，看不见的这种现象，而且又困惑的。现在你抓住这个点，用数据把它呈现出来，然后能解决，或者往前走一步，这样就非常漂亮，我觉得所有的投资人都会很喜欢。

Q：新科技如何改造班级教学，如何在班级教学中充分运用大数据？

方海光：我们研究有一些阶段性的成果，但是落不到课堂，这是大学研究对可怕的地方，中间差的就是产业。

第一个环节是减负，我们采用数据化的方式去减负。一个场景，以往我们老师留的作业，都是一样的，但我们给你一个措施，让作业留的不一样，通过课堂的数据分析，来断定知识点以及内容，决定课后留的作业是什么，这是真正的减负。我们之前说减负是把书包变轻，但这是让学生的作业变少，我们会假设一些环节，有些学生回去做的作业根本没必要，只做它有必要的作业，这个能做到就非常好了。

第二个问题是，现在数据都有了，但老师们就会遇到很多数据，拿到数据不知道怎么办。我们最新的研究是这样，到底什么样的数据对学生的课堂有关？我们给您这么一个启发，给您五个参考要素，其他的就不要再考虑了。

这是我们最新的一个研究的结果，大量的数据汇集出来，只要考虑这五个维度就能断定这个学生的水平达到什么程度，基本上能够帮助你从繁重的数据减化出，所有的后面的工作都以这个为基础做就好了。这是课堂部分，不存在体制和其他的一些内容。

Q：如何在营地教育中引入评价？

刘颖：包括STEM教育在内，很多公司都在想引入一些评价，其目的是告诉家长，我们做这件事情是很有价值的，能够帮助你的孩子提升能力。

我举个例子，首先要分析一下营地教育最有可能帮助孩子提升的是哪些方面的素质，这是很容易去看到的改变的。例如，可能数学知识在营地教育里没有变化，这个测起来没有意义。当确定主要通过营地教育能够改变的一些素质以后，第二步我们就说这些数字怎么样去评测它。关于评测方面，我刚才说了评价有很多手段，例如说我们通过观察、通过测试，可以量表等等。

尤其提醒，一般我们做前后测，入营的时候先是定位测，先测一下你想要改变的素质前期是什么样的状况。但前期测的时候很难用观察法，更多地是一些小组讨论加上笔试、考试等测试。在中间过程中，很多的时候老师需要记录孩子的变化，但是很多时候老师不知道该记什么，甚至是瞎记一切。

这其中有一件事情很关键，我们现在特别强调行为化解析，尤其你在观察的时候。因为你只能看到他的行为，对老师来说行为观察比较简单，但因为不是心理学出身，所以要评价一个人的性格确实有难度，包括我们现在在企业里面面试也是这样。因此，我们把沟通能力朗播英语长难句，解析为若干个细节，让老师来进行过程性的操作就比较容易，同时对家长来说会有更加感性的认识。

我建议，一是确定评价维度，二是确定评价的方法，采用前后侧，更多地把一些评价的行为具体化，最后得出报告。