大數據和個性化標準化的教育悖論

教育自誕生之日起，標準化和個性化兩個問題的爭論從來沒有停歇。很多人認為，招生、教研和教學標準化，可以幫助學校和老師降低邊際成本，提高效率；有人認為，因材施教，個性化才是教育的初衷。

目前體制內，由於教學資源的匱乏，大多數還是以標準化教學為主；社會上的培訓機構，類似於好未來就是教學教研標準化的典型代表，好處呢就是幫助好未來短短數年內橫掃全國，股價也是蹭蹭往上漲；另外，學生依賴於教研體系而非某位名師，達到了去名師化的目的；個性化諸如一對一培訓，如火如荼但整個行業都在賠錢（班課賺錢），更為關鍵的是國內的個性化一對一都是打著個性化的旗幟做標準化的教學，好一點的會區分好、中、差三份學案，但是成千上萬的孩子，難道個性化到只能分為三個層次么?

近幾年，大數據這個詞越來越火，體現在在線教育領域，就是打著各種學情，數據，智能化的在線教育公司如雨後春筍，絡繹不絕。但是仔細看看就會發現絕大多數的在線教育公司核心人物要麼技術出身，要麼市場出身，很少會是教育領域出身。

我一直有個自己的判斷，就是中國K12教育領域的互聯網變革，一定是由線下傳統教育從業者或者線下培訓機構來完成的。是教育+互聯網，而非互聯網+教育。

關於大數據和在線教育結合，我嘗試從以下幾個點回答一下：

1.數據來源：數據源的質和量

量很好理解，對用戶行為的分析，沒有大量的數據積累就沒有客觀的結果。量在不同細分維度下的分布不均勻甚至不完整，制約著分析的全面程度。例如我做K12，可能初中用戶很多，但小學一年級的用戶就很少，可能在數學上用戶的行為數據很多，在地理這種冷門科目的數據少。質包括數據細分的粒度，和用戶行為的收集程度。例如題目的知識點，分的越細，分析就越具體。

其次，用戶的行為並不容易收集。如果是做題還好，看視頻呢？跟老師同學的交流呢？線下的學習行為呢？能收集到的往往只是一部分數據。而且，這數據對於個人來說，還會過期，我今天有理數掌握得不好，明天我就在線下做題學會了這個知識點，程序怎麼及時知道？所以，數據的收集還涉及到對數據的預處理，例如圖片OCR、自然語言分析等。

K12教育比較複雜，原因在於用戶和客戶是分離的。不管是體制內的學校和社會的培訓機構，你客戶是家長，用戶是學生。學生是服務的體驗者，家長才是最終的付費者。所以我有一個論斷，任何基於小孩的需求設計的產品都是沒有價值的。最近比較火的拍照搜題類產品，如某幫某君，希望通過小孩搜題的行為進行數據收集，來判斷小孩的學習情況。看似嚴謹的邏輯，有一個硬傷。在於你沒有辦法判斷一個小孩的動機，是想抄襲還是不會還是偷懶等等，動機沒辦法判斷，數據就不真實，不真實的數據沒有任何價值。

我認為保證數據的真實性和價值，必須學會從家長手裡要數據。這是質。所謂「大」數據，核心在於量，量變到質變，所以家長給出的數據必須是高頻的。我的結論是：家庭作業。

2.分析方法：怎麼應用數據

數據是原料，數據分析挖掘的思想以及方法才是將原料烹飪出好菜的關鍵。普通的數據分析方法暫且不談，高級一點的方法，例如將數據應用到機器學習、推薦演算法中，更需要對模型進行反覆訓練，有時要動用大量的人力去進行校正。

目前國內在線教育產品對數據的應用，絕大多數只停留在數據分析的層次。

3.數據價值：大數據怎麼滿足用戶需求

在線教育，對大數據的應用一般是這樣介紹的：「通過對用戶行為的收集，獲取其學習行為信息，運用大數據技術，了解其學習的薄弱環節，從而進行精準的個性化推薦。」然而這一般是畫餅給投資人和媒體看。前面從數據來源和分析方法分析了這句話的不靠譜，而最核心的問題是：大數據的使用怎麼自然地融入用戶場景中，滿足用戶的需求？

某產品網頁版曾經有一個智能出題的功能，但在移動端卻取消掉了，不知道是不是這個原因所致。所以，沒有考慮到用戶的需求，生硬地套用技術，往往失敗。

如果技術條件允許，小孩每天的作業都由家長通過一項產品或技術，完成對於每一份作業的逐題檢查，對於發現的每一個錯題的逐一講解；每一個錯題自動識別此題的知識點和難易程度，每天匯總到學校老師和家長，老師可以對接題庫，根據版本，難易程度知識點等一鍵生成測驗卷，這才是挖掘了數據最大的價值。

4.未來方向：在線教育將如何應用大數據

人之初，性本懶。在一鍵教研的「人性化」氛圍里，老師可以so easy的講課合格，這樣的教學數據資源，是很多小機構難以複製的。即使，教師帶走機構的教學體系加盟或者創立其他機構，因為缺失持續的數據支撐，在他出走的那天其實就已經落後了。小學教師的離職率很低（越低年級對於數據教研的依賴就越強）。

教育周期：但在標準化數據教研模式下，一切的展開基於「作業數據」，在這種模式下，學員沒有老師轉換成本，學生粘的是機構的數據和課程體系，而不是非標準教研模式下的學生粘老師。

作業檢查的知識點標籤化，把知識和題目打碎，盡量將考核知識點細化，每類知識和題目都會標註其難度，以及適合學習人群，供老師針對不同的作業數據的學生有選擇的進行一鍵教研測驗。然後只要培訓老師，讓老師充分體會各難度題目，並達成統一標準就可以了，這樣就做到了標準化和個性化的統一。

最後達到：1.入學測驗產品個性化2.考試產品數據化個性化3.考試資料權威化（錯題歸納）4.最後才是教材標準化