随着教育成本和科技水平的不断提高，传统的教育方式所面临的争议甚嚣尘上。在新世纪，人们逐渐不再继续遵循与认同原本的教育方式，开始尝试在科技大数据时代背景下寻找教育在新时代的新出路。

10月29日，数十位来自于教育、经济、科学等领域的专家学者与国际组织的创始成员，创始机构齐聚北京，共同参加中国教育创新“20+”论坛首届年会。本次会议由国家教育咨询委员会委员谈松华教授担任首届轮值主席，论坛筹建支持单位为北京大学中国教育财政科学研究所与创客总部。

本届中国创新教育“20+”论坛以“互联网时代教育创新面临的挑战”和“教育创新中的公私合作伙伴关系：问题与机遇”两大主题为核心，旨在搭建众多国内教育创新应用案例和主流教育机构深度对话与沟通的平台，与有识之士共同探索当前时代中教育所面临的重要问题。

现代生活正在紧跟着科技的脚步而发展，诸多往日的奇思妙想在今天早已成为与日常生活密不可分的一部分，大到飞机轮船，小到扫地机器人，科技已经融入了大部分普通人的生活。然而，作为人类知识与文化传承的重要手段，教育的发展却始终在传统与创新中踟蹰徘徊，从未真正的产生过革命性的发展与变化。

（20世纪初法国画家幻想的21世纪教育方式：学生带上头盔，老师通过机器将书本上的知识粉碎后“传输”到学生的大脑中。）

在当前的国情和文化背景下，应试教育仍然是国内教育的主流方式。传统教育与培训的手段在短期内似乎依然具有着无法取缔的竞争力和必要性。在1977年恢复高考，1978年改革开放的大背景下，许多优秀的线下教育机构早已有了自己的一套兵法，有些机构早就已经吸引了了最顶尖的师资，积累了多年的经验。

但传统教育模式也正遭遇着前所未有的寒流。在人力、房租、营销三座成本大山的高压下，大班教学成为了传统教育培训的主要模式，质量层次不齐，难以保障。而一对一或小班教学的教育成本持续飙升，日益高昂的培训费用让个性化学习成为只有部分家境较好的孩子才能享受的奢侈品。在传统的教育模式里，个性化学习和教育成本有着难以平衡和取舍的矛盾。

在这次大会上，教育专家王枫博士告诉我们，通过最新的技术，我们已经拥有了解决这个矛盾的方法。王枫博士在美国从事了12年的教育技术研究与管理工作，并于今年年初回到了国内，在上海创办了乂学教育。在自适应学习，教育大数据，人工智能学习等前沿领域，乂学教育拥有着国内最强大的研发团队和国际最顶尖的技术水平。他认为，只有自适应学习才能够真正的为每一位孩子带去个性化的教育，只有有效地采集、分析、维护、和应用海量的学习数据才能够为每一个学生提供最适合的的教育方法。

配图：乂学教育创始人王枫博士在会议上做主旨发言

王博士在会议基础教育主旨发言中提到，乂学教育最新研发的X+自适应学习系统就已经可以做到为不同的学生自动提供不同的学习路径，可以根据学生的学习能力而进行动态匹配，随时提高和降低难度，实时调节教学进度，自动为学生安排最合适的学习内容。

两个学生在X+自适应学习系统中的学习路径示意图

通过技术手段检测学生当前的学习水平和状态，并且相应地调整学习活动和进程，实现个性化、差异化、定制化的学习。这就是自适应学习。

不再让学生去适应老师，而是让系统来适应学生，学生不必再花时间去消化适应老师的教学模式，不用再或快或慢的跟着老师的步伐前进。让最新的技术和最发达的科技去感知学生的学习进度和行为习惯，结合数据科学、教育测量学、标签技术和机械学习为一体，真正地实现每一个知识点都能够被学生真正的理解和掌握，化为试卷上的一个完美的答案。

王枫博士介绍道，自适应系统一般都包括以下三大基本构件：首先是内容模型，以此为依据来建立详细的学习内容和知识点结构图；其次是学生模型，它能够实时测评每一个学生在每一个知识点的掌握水平，并且通过大数据分析方法推算和量化学生在当前知识点以及相关知识点的能力水平；最后则是教学模型，根据每个学生的最新能力水平，提供相应的反馈，并匹配出最为合适的学习内容。

不难想象，自适应学习对技术的要求十分苛刻。在技术难度方面，自适应教育必须具备着相当完善的算法与规则才能够精准得出分析结果，并且马上给予相应的反馈。这意味着需要大量的技术资本投入和脑力资本投入，精准的分析结果往往和海量的数据正相关，无形中为自适应教育设立了一个极高的门槛。

自2012年以来，在线教育已经成为了整个行业的香饽饽。面对着在线教育所带来的巨大的机会与挑战，久经沙场的传统教育公司也有自己的应对模式，如最大化现有的资源和人力优势，将在线教育整合到现有的教学模式中，甚至一部分传统教育公司已经开始开发全新的在线教育产品，包括在线课程，自己的学习系统，移动app，教学服务模式等等。

即使不考虑技术门槛的问题，传统教育公司要做到真正彻底的改革也面临着相当多的问题。首先，战略的调整与认可往往需要调动整个公司，因此不仅应激速度普遍较慢，而且很容易因为调整经营模式而引起利益分配的调整。对于许多已经上市的教育公司来说，这种难以估算回报率的风险往往是难以承受，并且与股东的当前利益是背道而驰的。

为了更好的整合新技术，许多传统教育机构和学校已经开始使用国内外市场上比较成熟的传统学习系统。不过，这些系统相对于更加先进的自适应学习系统的局限性显而易见。首先，这些传统学习系统普遍采用线性（linear）学习方法，所有学生的学习路径相同。即使学生已经掌握了某个知识点，也无法跳过已掌握的内容，大大的浪费了时间和精力。与自适应教育的大数据分析模式相比，传统学习系统所拥有的精准度较为有限，难以准确的定位学生的能力水平。

缺乏精准测试结果的支撑，传统教育模式下的学生很难了解自己是否已经完全掌握某一知识点，难以掌控迈出下一步的时机。

面对可以实时测评并且根据能力水平推送相关知识点题目的自适应学习系统，传统学习系统倡导的题海战术效率并不高，学生很容易陷入不断复习已经掌握的知识点的怪圈。许多系统根本无法提供知识点的介绍与深入讲解，不适合学习新的知识点和较难的知识点。这些系统乍一看内容丰富，而实际质量却良莠不齐。

作为教育领域最前沿的技术，自适应学习在中国的应用还处于萌芽阶段。而在美国，自适应学习技术已经逐渐开始有效地渗透到了教育的各个领域。美国最新的研究报告推断，自适应学习系统接下来将在美国加速发展，在数年之内就很有可能会迎来拐点，广泛地应用于日常学习。

自适应学习系统的普及化和必须化已经成为了变革中的必然组成部分，那么作为基础教育和应试教育的大国，我们是否具备了相应的姿态去迎接这种变革，甚至于引领这种变革？

王枫博士表示，他所带领的由中国、美国、欧洲等多国多地区精英构成的资深国际背景研发团队已经在全力开发基于智能技术和大数据的“X+自适应学习系统。他介绍道：自适应学习分为粗放式自适应教育(macro-adaptive)和精细型自适应教育(micro-adaptive)。粗放式自适应即在学生上课之前进行测评，进而根据其倾向、知识水平，为学生选择预先设定好的学习过程，或让学生直接跳过某些学习内容，部分实现非线性学习；而精细型自适应是在学生的每一步学习过程中，不间断地采集数据，根据学生最新的学习行为和状态，动态地位学生选择最合适的学习内容和方式。

在X+自适应学习系统中，学生可以精确的掌握自己每时每刻在每个知识点的掌握程度，每一个知识点都被拆分到最细小的单位，实时而连续的不断将学生的能力水平进行反馈。同时，X+还能够推送与学生能力相匹配的内容，让学生在时刻学习最适合自己当下的内容，从而准确的估算学生各个知识点的能力值。

目前，国内的部分中学和培训机构已经开始使用X+自适应学习系统所带来的个性化教学。当教育的本质逐渐与科学融合，个性化的学习路径将会使学习过程不再单一乏味。而在传统教育机制和创新型教育方法相碰撞的过程中，究竟会产生怎样的化学反应，为教育带来哪些改变，让我们共同拭目以待。