|
几乎要成为K-12教育产品标配的“自适应”、“O2O”、“机器学习”等概念，没有改变的一个事实是：K-12教育产品若想提升效果，多数仍靠延长线上或线下的学习时间来实现。不过在快乐学的CEO林桢看来，这不是互联网教育的最应呈现的形态，因为在教育中，互联网有着不可替代的能力—数据分析。 基于“数据驱动学习”的逻辑，从今年3月14日（π Day，国际数学节）开始，衍生自题库的K12智慧学习引擎“快乐学”与北京海淀区11所学校的37个班级、2500多名学生开展了数学学科试点项目“欧拉计划”。在一个学期的试验之后，林桢分享了试验结果：参与计划的班级，学生在二、三百人的年级中，平均每名学生的数学成绩排名提升了4~10名。这个过程中，老师没有增加教学时间，没有改变教学习惯，学生也没有购买教辅材料。 “欧拉计划”的老师们使用快乐学组卷、输出题目后，由学生在答题纸作答，之后系统记录学生答题情况，自动判分并生成个性化的学习报告。过程的核心是采集和处理数据，为教学提供了深入、清晰、及时的反馈，用数据驱动了整个教学过程。 每次测试之后，学生会收到个性化诊断报告，报告详尽统计了错题分布、知识点掌握情况，和解题所需的数学能力结构。同时，学生还可以了解自己所在年级的分数分布、知识点和题目得分的关联分析具体到题目上，快乐学算法还能告诉学生哪些是“不该错的题”——比如某道题低分数段的同学都做对了而自己失分，防止因粗心而影响成绩。 此外报告也提供一些基于数据的“鸡汤”，学生可以了解自己在某道题目中的表现比高分数段的同学更好，增强学习的自信心。根据学习报告的数据，快乐学推荐相应的知识讲解和复习建议，为学生自动生成“错题本”和能力提升作业，为学生找出一个清晰的提升通道。 快乐学实际上是个高效的学习引擎，对每道题目进行知识点、载体、方法、能力等多个维度的标注，从而帮助老师精准出题、高效批改、和统计，同时帮助学生诊断问题，并给出解决问题的路径，提升成绩和建立信心。 林桢认为，K-12教育产品并不区分Online/Offline，关键的是线上线下学习形式的最优化（Optimization）。若需要更多学习时间，或者需要额外购买培训课程等方式，很难说是线上线下的“最优化”。快乐学基于数据分析，给出了清晰及时的学习反馈，把复杂繁冗的题海，简化为精准有效的学习 。 一些来自教师的结果反馈也为这个产品逻辑提供了支持，北师大三附中的数学教研组长也在教研分享中介绍，快乐学的快速组卷、智能诊断、个性化错题本等功能，帮老师从繁重的批改任务中解脱出来，开始有更多的精力用来关注学生、反思自己的教学；学生也能够从每次的练习中看到有效的反馈，找到个体的问题和解决方案。目前，实验项目的老师在家长会时也会使用快乐学的分析系统，为家长呈现班级同学的学习效果和问题。 某中学班级的五名同学用一学期时间将数学分数从20-30分提升到及格线以上，用该班数学老师的话形容是“学生们眼睛都亮了”。另有一名同学表示在提分之后找到了学习的自信，甚至开始从文科转学理科。 林桢说，自己和团队一直相信通过数据来驱动学习，可以提升学习效率和效果的，现在这个想法终于在“欧拉计划”中得到了验证。他认为通过数据提升学习效果主要依赖于三点： 1. 诊断引擎要非常有效，能够通过作业和考试数据精准诊断出学生的知识点和能力水平； 2. 为学生提供有效的反馈，通过错题本和报告，帮学生找到自己的问题、和清晰的提分路径； 3. 整个过程要与老师紧密结合，帮助老师出题、批改，用机器解决教学效率的问题，老师才有精力将更多趣味的讲解带入课堂，帮更多学生找到学习兴趣。 林桢此前在百度、爱奇艺工作近10年，在利用数据来分析业务和驱动业务中积累了大量经验，并在2013年与百度好友联合创立快乐学。在他看来，快乐学的核心能力就在于对学习数据的收集、处理、分析和呈现，通过提高效率，而不是延长学习时间来产生效果。 在先后推出了英语和数学学习产品后，快乐学也在计划向全理科方向拓展。 对稍显“漫长”的K-12教育来说，“提分”或许只是目标之一，但在目前的教育生态中却是最绕不开的一环。通过科学减负、高效提分，减轻老师的负担，并帮学生找回学习信心之后，校园中的师生才会有更多时间和精力来探索未知、培养更多素质和能力……
作者：芥末堆 - 辛巴 jiemodui.com |
|
|
