去年 Alpha Go 在人機(jī)世紀(jì)大戰(zhàn)獲勝之后，人工智能在各個(gè)行業(yè)掀起了新高潮，包括教育領(lǐng)域。

人工智能發(fā)展范疇涵蓋了所有嘗試以電腦去模仿人腦處理信息的能力，例如：類神經(jīng)網(wǎng)絡(luò) (Neural Network)、知識(shí)圖譜 (Knowledge Graph)、以及自然語言處理技術(shù) (Natural Language Processing, NLP) 等。模仿人類思考的強(qiáng)人工智能到目前為止，不算完全成功；倒是其中機(jī)器學(xué)習(xí) (Machine Learning) 這項(xiàng)技術(shù)，因?yàn)榻鼛啄甏髷?shù)據(jù) (Big Data) 的爆發(fā)成為它的"養(yǎng)分" -- 機(jī)器學(xué)習(xí)能獲得充分的訓(xùn)練資料 (Training Data) ，加上電腦運(yùn)算效能的長(zhǎng)足進(jìn)步做支撐而異軍突起，尤其其中的深度學(xué)習(xí) (Deep Learning) 更是在近期帶來一些突破，例如 AlphaGo 戰(zhàn)勝世界圍棋冠軍、無人駕駛汽車上路了。

機(jī)器學(xué)習(xí)大量使用統(tǒng)計(jì)的方法、進(jìn)而建模與推論，建立預(yù)測(cè)能力，它的許多應(yīng)用已經(jīng)存在于我們生活中，例如: 人臉與圖片辨識(shí)、手寫輸入辨識(shí)、自動(dòng)過濾垃圾郵件、自動(dòng)偵測(cè)信用卡盜刷。教育培訓(xùn)是否能借機(jī)器學(xué)習(xí)技術(shù)來提升成效？在教育與商業(yè)經(jīng)營(yíng)上各有何挑戰(zhàn)呢？雖然機(jī)器學(xué)習(xí)在商業(yè)界是目前創(chuàng)投熱錢追逐的標(biāo)的之一，但應(yīng)用在學(xué)習(xí)領(lǐng)域的產(chǎn)品與市場(chǎng)的契合點(diǎn) (Product - Market Fit) 何在？

何謂自適應(yīng)學(xué)習(xí)系統(tǒng)？

如果將這個(gè)領(lǐng)域中的產(chǎn)品做分類，自適應(yīng)學(xué)習(xí)系統(tǒng) (Adaptive Learning System, ALS, 或者Intelligent Tutoring System, ITS) 是最廣泛的應(yīng)用，所以我們此文先分析這一塊。ITS 產(chǎn)品目前商業(yè)產(chǎn)值不高，但近兩年明顯有比較多資金投入，也看到更多內(nèi)容業(yè)者加入了自適應(yīng)技術(shù)與推薦技術(shù)，重新為內(nèi)容加值，逐漸形成趨勢(shì)。

許多讀者只聽過 Knewton，因?yàn)樗谦@得大量熱錢支持的新公司，近幾年在營(yíng)銷上投入大量資金; 其實(shí)美國(guó)的政府研究經(jīng)費(fèi)支持了更多這類發(fā)展，像美國(guó)某老牌的教科書公司 McGraw Hill ，二十幾年前就開始研究開發(fā)這種技術(shù)；卡內(nèi)基美隆大學(xué)于十幾年前開始投入，并開放授權(quán)部分技術(shù)，或技轉(zhuǎn)授權(quán)，現(xiàn)在已經(jīng)開枝散葉，長(zhǎng)出許多商業(yè)產(chǎn)品。

ITS 的核心是系統(tǒng)會(huì)隨時(shí)收集學(xué)習(xí)者的行為與評(píng)測(cè)結(jié)果，自動(dòng)動(dòng)態(tài)地調(diào)整下一步，提供給學(xué)習(xí)者最適當(dāng)?shù)膬?nèi)容、反饋、提示、練習(xí)或測(cè)驗(yàn)題目，以提升學(xué)習(xí)成效、動(dòng)機(jī)，節(jié)省時(shí)間，并保持學(xué)習(xí)者在最佳的挑戰(zhàn)范圍內(nèi) -- 也就是最近發(fā)展區(qū) (Zone of Proximal Development, ZPD)，參見下圖，對(duì)其理論有興趣的可以參考此文介紹 。

圖片來自 維基百科

>>自適應(yīng)系統(tǒng)的三種不同形態(tài)

ITS 技術(shù)上分成三大類，實(shí)際產(chǎn)品也可能同時(shí)采用兩種以上技術(shù)結(jié)合：

• Adaptive Sequence: 這種系統(tǒng)的提供者都是工具平臺(tái)類產(chǎn)品，通常與內(nèi)容出版商合作，或者讓教師、內(nèi)容生產(chǎn)者自行建設(shè)和上傳內(nèi)容，系統(tǒng)會(huì)根據(jù)學(xué)習(xí)者的知識(shí)水平與對(duì)各知識(shí)點(diǎn)的精熟度不同而調(diào)整學(xué)習(xí)路徑。

• Adaptive Content: 設(shè)計(jì)互動(dòng)內(nèi)容，提供即時(shí)反饋或提示，需要將傳統(tǒng)內(nèi)容重新改制成顆粒度較小的設(shè)計(jì)，以提供階段性支持與評(píng)測(cè)，可將測(cè)評(píng)題目嵌入學(xué)習(xí)內(nèi)容中，以點(diǎn)測(cè)學(xué)習(xí)理解， 內(nèi)容改制成本高，效果較佳，分析能比較入微 。顆粒化內(nèi)容應(yīng)對(duì)應(yīng)現(xiàn)行的課程大綱和標(biāo)準(zhǔn)。單純的這種產(chǎn)品其學(xué)習(xí)路徑是不變的，只根據(jù)能力而加速或重復(fù)學(xué)習(xí)，但是有些產(chǎn)品也結(jié)合了 Aadaptivce Sequence。此類形態(tài)最適合學(xué)習(xí)內(nèi)容出版業(yè)使用。

• Adaptive Assessment: 目前被用在自我練習(xí)或考試評(píng)價(jià)中，當(dāng)學(xué)習(xí)者回答測(cè)評(píng)題時(shí)，根據(jù) 答對(duì)/錯(cuò)或部分答對(duì)/錯(cuò)，下一個(gè)題目會(huì)動(dòng)態(tài)調(diào)整，只提供適合使用者程度的題目。其目的 是有效率地測(cè)出學(xué)習(xí)者的能力定位，可依據(jù)不同標(biāo)準(zhǔn)化量尺來表示。對(duì)這類產(chǎn)品來說，題目的品質(zhì)非常重要，題目與標(biāo)準(zhǔn)能力量尺的定位也最好有大量統(tǒng)計(jì)數(shù)據(jù)，可信度會(huì)更高。 此類形態(tài)最適合應(yīng)用在題庫型產(chǎn)品中。

>>技術(shù)基礎(chǔ)與其他元素

除了演算法之外，這些技術(shù)共同需要的要素是:

• 知識(shí)地圖 (Knowledge Map, Concept Map, Competency Network, Skill Graph);

• 內(nèi)容 (學(xué)習(xí)資源與評(píng)量題目) 重新設(shè)計(jì) -- 結(jié)構(gòu)化、顆?；⒉?duì)應(yīng)知識(shí)點(diǎn)與加標(biāo)簽(Metadata)，若無法結(jié)構(gòu)化則需用不同技術(shù)處理;

• 對(duì)學(xué)習(xí)者進(jìn)行建模與資料持續(xù)累積分析 (可能從外部匯入，并整合學(xué)生個(gè)人背景資料);

• 事先設(shè)計(jì)好的學(xué)習(xí)過程資料采集標(biāo)準(zhǔn)格式，以利于資料的即時(shí)整合。

無論是內(nèi)容業(yè)者或工具業(yè)者都可能在系統(tǒng)內(nèi)增加學(xué)習(xí)管理功能，例如社群互動(dòng)、班級(jí)管理、支持 學(xué)習(xí)設(shè)計(jì)的功能等，以完善學(xué)習(xí)環(huán)境。許多自適應(yīng)學(xué)習(xí)系統(tǒng)搭配延伸服務(wù)，包括取得延伸內(nèi)容、 真人線上答疑、或線下輔導(dǎo)，以強(qiáng)化使用經(jīng)驗(yàn)與成效。

設(shè)計(jì)面與技術(shù)面尚有許多細(xì)節(jié)需要考慮，暫不細(xì)述。雖然 ITS 產(chǎn)值還不高，但真的要完整舉述業(yè)者也不少于 50 個(gè)，而且因?yàn)闄C(jī)器學(xué)習(xí)技術(shù)成熟，正快速增加中，以下僅列出代表例子。

>>個(gè)性化學(xué)習(xí)

根據(jù) EdSurge 的調(diào)查，教師給出的反饋是，使用有效的 ITS 系統(tǒng)的確對(duì)落后學(xué)生幫助很大，也同時(shí)明顯解決了學(xué)生的行為問題，因?yàn)橥ǔＰ袨閱栴}是來自于學(xué)習(xí)問題 (上課時(shí)老師講的太難、太簡(jiǎn)單、被動(dòng)聽講太無聊...)，另一方面對(duì)學(xué)習(xí)領(lǐng)先的學(xué)生也能夠維持其興趣與優(yōu)勢(shì)，讓不同步調(diào)、風(fēng)格與特長(zhǎng)的學(xué)生都有適合的學(xué)習(xí)機(jī)會(huì)。

>>整合學(xué)習(xí)與評(píng)量

值得一提的是，卡內(nèi)基美隆大學(xué)透過開放學(xué)習(xí)倡議 ( OLI，Open Learning Initiative)  所發(fā)展的線上學(xué)習(xí)系統(tǒng)證明了整合學(xué)習(xí)和評(píng)量活動(dòng)的優(yōu)點(diǎn)。

在 OLI 課程中，反饋機(jī)制被放入各式各樣的學(xué)習(xí)活動(dòng)內(nèi)。當(dāng) OLI 結(jié)合線上學(xué)習(xí)與課堂學(xué)習(xí)的混合教 學(xué)模式下施行，教師可以使用學(xué)習(xí)系統(tǒng)所收集到學(xué)生線上學(xué)習(xí)的相關(guān)資料來找出學(xué)生最需要協(xié)助 的主題，以便在即將到來的課堂教學(xué)中可以專注在那些學(xué)生誤解的概念上 (Brown et al.，2006)。 研究結(jié)果發(fā)現(xiàn)使用 OLI 的學(xué)生組只需對(duì)照組一半學(xué)習(xí)時(shí)間就能獲得較好的學(xué)習(xí)成果 (Lovett、Meyer and Thille，2008年)。

把線上線下教學(xué)的學(xué)習(xí)和評(píng)量緊密配合，它還可能減少用來評(píng)估整個(gè)教育體系品質(zhì)所需的外部查核次數(shù)，形成性評(píng)量 (Formative Assessment) 可以嵌入學(xué)習(xí)過程持續(xù)發(fā)生，降低對(duì)學(xué)習(xí)者的干擾與考試的壓力。

>>服務(wù)教師

除了服務(wù)學(xué)生，其實(shí)教師也可以用上人工智能的服務(wù)。IBM 最近推出的服務(wù) Watson Element for Educators 藉由提供教學(xué)管理需要的工具，并幫忙整合學(xué)生個(gè)人與學(xué)習(xí)過程資料，一舉兩得，服務(wù)到老師 -- 資料匯整與管理，系統(tǒng)也收到學(xué)習(xí)資料，以訓(xùn)練機(jī)器學(xué)習(xí)的演算法，來協(xié)助老師備課。例如根據(jù)設(shè)定的學(xué)習(xí)目標(biāo)標(biāo)準(zhǔn) (課綱) 來推薦內(nèi)容供老師參考，減少老師搜尋適合資源的時(shí)間，也減輕老師的腦力負(fù)擔(dān)。

商業(yè)運(yùn)營(yíng)服務(wù)的挑戰(zhàn)與考量

然而導(dǎo)入新的教育科技產(chǎn)品從來就不是這么簡(jiǎn)單的事。目前美國(guó)學(xué)校里 ITS 的成功案例是經(jīng)過漫長(zhǎng)準(zhǔn)備與計(jì)劃才得到的正面結(jié)果。 教育科技產(chǎn)業(yè)的最大挑戰(zhàn)通常不在科技，更少有新科技先從教育產(chǎn)業(yè)冒出，它的門檻在于牽涉因素特別復(fù)雜。以下就幾個(gè)面向分析相關(guān)考量。

>>商業(yè)模式

既然談商業(yè)運(yùn)營(yíng)，第一個(gè)問題當(dāng)然是誰付費(fèi)，消費(fèi)產(chǎn)業(yè)只要讓一個(gè)角色 -- 消費(fèi)者 -- 買單付費(fèi)就好(to-C)，學(xué)習(xí)產(chǎn)業(yè)的付費(fèi)者有以下可能。

• 進(jìn)校 (to-G): 需要了解政府部門和學(xué)校的采購預(yù)算、招標(biāo)、額度等規(guī)則 (甚至潛規(guī)則) ，有合法的名目可以編列，小額度可以從學(xué)校付費(fèi)，不過額度真的小。人脈關(guān)系也是決定性因素 (指長(zhǎng)期 配合服務(wù)周到所建立起來的信任)。此外，有強(qiáng)勢(shì)英明的教育單位領(lǐng)導(dǎo)也很關(guān)鍵，負(fù)責(zé)建立大家的愿景共識(shí)，并確保資源 (參考 Future Ready 教育主管指導(dǎo)手冊(cè))  。

• 家長(zhǎng) (to-C): 使用者是中小學(xué)學(xué)生的付費(fèi)者，不是政府就是家長(zhǎng) (to-C)，家長(zhǎng)部分還分成直接對(duì)家長(zhǎng)，或是與學(xué)校或老師配合推薦給家長(zhǎng)。前者比較單純，後者牽涉到學(xué)校決策者、教師、家長(zhǎng)、 學(xué)生，每個(gè)都要滿意，是最複雜的情況。

• 學(xué)習(xí)者自己 (to-C): 成人學(xué)習(xí)的付費(fèi)者是自己，而且學(xué)習(xí)目的通常是求職或工作進(jìn)步需要，付費(fèi)過程因素單純又是剛性需求，是最容易處理的情形。型式即使只是單向的錄影教學(xué)，內(nèi)容只要有用都可以賣，不像面對(duì)中小學(xué)生要絞盡腦汁吸引學(xué)生。

如果對(duì)象是是企業(yè)組織，一定要與合規(guī)培訓(xùn)要求 (法律規(guī)定或公司規(guī)定必要的訓(xùn)練指標(biāo)) 或與事業(yè)指標(biāo)強(qiáng)掛鉤，例如銷售績(jī)效、工廠良率、客服滿意度與效率、提案數(shù)、員工滿意度，又如醫(yī)護(hù)人員的急救處理時(shí)間。

最后一種商模也是 to-B，而這個(gè) B 是教育工具或內(nèi)容業(yè)者，你提供資料分析與機(jī)器學(xué)習(xí)技術(shù)給他們，幫助他們升級(jí)。人工智能的應(yīng)用情境經(jīng)常不是單獨(dú)存在的產(chǎn)品，而是基於現(xiàn)有服務(wù)與用戶數(shù)據(jù)提供增值服務(wù)，教育科技諸多商業(yè)模式含有免費(fèi)服務(wù)以聚眾，這層運(yùn)用人工智能而建立的個(gè)性 化服務(wù)是收費(fèi)關(guān)鍵，但是規(guī)模小的業(yè)者不一定有能力自己開發(fā)智能技術(shù)。

>>信心度與效果實(shí)證

讓付費(fèi)者有信心想要付費(fèi)使用，這是第一個(gè)挑戰(zhàn)。以學(xué)校教學(xué)場(chǎng)景，教師要改變課堂上與課後教 學(xué)活動(dòng)設(shè)計(jì)，以將此系統(tǒng)納入實(shí)務(wù)中，他們需要對(duì)人工智能有充分了解，才會(huì)認(rèn)為值得做此改變。演算法也有其前提假設(shè)與限制，需能適當(dāng)?shù)剡\(yùn)用，配合教師專業(yè)的判斷，以免被誤導(dǎo)。

要家長(zhǎng)付費(fèi)(to-C)，家長(zhǎng)要聽得懂這種技術(shù)更難了，直接看指標(biāo)來建立信心度比較可行，考試成績(jī) 還是主要指標(biāo)，國(guó)外也是如此，癥結(jié)不在於該不該以考試主導(dǎo)教育，而在于沒有更好的方式。平時(shí)學(xué)?？荚嚦鲱}大權(quán)在老師手里，你的產(chǎn)品如果無法貼近老師出題風(fēng)格，學(xué)生考試彰顯不出成效 ，家長(zhǎng)可能會(huì)信心動(dòng)搖。

不要以為只有要家長(zhǎng)付費(fèi)才看考試成績(jī)，學(xué)校也需要看到各項(xiàng)指標(biāo)進(jìn)步才能持續(xù)支持這種方案， 美國(guó)大多數(shù)教育專案在標(biāo)榜成效時(shí)仍需看考試成績(jī)提分效果，另外前面提到的行為問題減少亦是指標(biāo)之一。

要讓企業(yè)組織建立信心進(jìn)而采購，訂定實(shí)際的指標(biāo)是關(guān)鍵，別忘了有些組織與人性因素是你無法改變的。

如果新系統(tǒng)可以成功建立新的行為模式與價(jià)值主張就能建立新指標(biāo)。我們常說的軟實(shí)力或 21C 能 力要如何量化? 如何評(píng)測(cè)高階思考能力? 這些都很重要，但包裝這類新訴求的市場(chǎng)接受度需要進(jìn)行在地嘗試，先打概念牌的訴求是一種方式，只要可以說服你的客戶，而且，內(nèi)容要重新設(shè)計(jì)開發(fā)。 在美國(guó)，的確有培養(yǎng)與評(píng)價(jià)正向?qū)W習(xí)態(tài)度 (Growth Mindset) 的產(chǎn)品，并拿到政府經(jīng)費(fèi)進(jìn)行開發(fā); 企業(yè)招募工具市場(chǎng)也看到了評(píng)量候選人的合作解決問題能力的新產(chǎn)品，背后運(yùn)用機(jī)器學(xué)習(xí)進(jìn)行演算。

>>技術(shù)與開發(fā)運(yùn)營(yíng)成本

機(jī)器學(xué)習(xí)需要海量資料當(dāng)作燃料以訓(xùn)練機(jī)器模型，這增加了新進(jìn)入者起步的障礙。所以開始若能與學(xué)?；驒C(jī)構(gòu)合作提供定制服務(wù)，對(duì)雙方來說是雙贏，當(dāng)然也要考慮之后此技術(shù)資產(chǎn)可以應(yīng)用在其他客戶或市場(chǎng)。

人工智能不是一帖萬靈丹，如果內(nèi)容品質(zhì)拙劣，不會(huì)因?yàn)榧由现悄芫透倪M(jìn)內(nèi)容與學(xué)習(xí)效果，它更不可能主動(dòng)設(shè)計(jì)優(yōu)質(zhì)教學(xué)法。以知識(shí)轉(zhuǎn)移為主的死記學(xué)習(xí)法，不會(huì)因?yàn)橹悄芑嵘龑W(xué)生高階應(yīng)用能力。如果內(nèi)容非結(jié)構(gòu)顆?；瑴y(cè)評(píng)題無法細(xì)部擷取學(xué)生答題過程，那么機(jī)器也無法精準(zhǔn)診斷學(xué)生能力與做推薦。

產(chǎn)品功能越先進(jìn)以及內(nèi)容要重新設(shè)計(jì)都會(huì)增加成本，此文不對(duì)技術(shù)與設(shè)計(jì)考量細(xì)節(jié)做詳述。大原則建議: 以 MVP (Minimum Viable Product) 開始，先聚焦解決高優(yōu)序痛點(diǎn)，利用數(shù)據(jù)優(yōu)化原產(chǎn)品與服務(wù)，從小做起最為實(shí)際 (例如只做視頻觀看或答題的數(shù)據(jù)分析)。建立 iteration 的策略，基于自身資產(chǎn)尋求與互補(bǔ)伙伴合作(需要程度對(duì)稱)，可以降低成本與風(fēng)險(xiǎn)。

>>服務(wù)設(shè)計(jì)

垂直整合服務(wù)的設(shè)計(jì)需要針對(duì)目標(biāo)使用者及使用情境來設(shè)計(jì)使用經(jīng)驗(yàn)，這與其他產(chǎn)品并無不同。 一般產(chǎn)業(yè)所用的 SWOT 分析，仍然適用，根據(jù)自身資產(chǎn)發(fā)展產(chǎn)品特性與伙伴互補(bǔ)策略；別犯了沃畢根湖癥狀 (Lake Wobegon Syndrome)。

如果學(xué)生可以自學(xué)獨(dú)立使用，情況比較單純，重點(diǎn)是學(xué)生要有學(xué)習(xí)動(dòng)機(jī)，所以遊戲化學(xué)習(xí)、或嵌入小遊戲、社交元素，這些很常見。DreamBox Learning 曾經(jīng)出版白皮書建議，設(shè)計(jì)要素必須掌握到優(yōu)化的學(xué)習(xí)順序、按需供給的補(bǔ)充資訊、具針對(duì)性的實(shí)時(shí)反饋、維持動(dòng)機(jī)與注意力等等。

如果牽涉老師介入，那就需要讓老師買單，這又讓情況變復(fù)雜，老師這關(guān)過不了也會(huì)失敗，對(duì)老師要求越多，失敗機(jī)率越大。老師教學(xué)實(shí)務(wù)與行為習(xí)慣需要改變，新系統(tǒng)需要設(shè)計(jì)整合融進(jìn)現(xiàn)有的學(xué)習(xí)環(huán)境 (包括線上與線下的教學(xué)活動(dòng))，說來幾句話，做起來真難。從業(yè)者可能會(huì)發(fā)現(xiàn)，在服務(wù)學(xué)生之前，老師更需要服務(wù)，忽視人性因素就以失敗為下場(chǎng)。

教育過程的改變 (Change Management) 需要時(shí)間與資源做準(zhǔn)備，例如: 建立各科的最佳實(shí)踐范例、教師培訓(xùn)、與家長(zhǎng)溝通取得認(rèn)同，從業(yè)者的教育設(shè)計(jì) Know-How 與長(zhǎng)期配合都重要；教學(xué)現(xiàn)場(chǎng)的老師已經(jīng)疲于追趕新工具，他們需要完整有效的培訓(xùn)與支持。

>>可取代性

如果對(duì)象是中小學(xué)生，那廣義范圍不只需考慮街頭林立的補(bǔ)習(xí)班，互聯(lián)網(wǎng)模式的線上家教，還有各種才藝與社群活動(dòng)瓜分中小學(xué)生原本緊湊的時(shí)間，連作業(yè)繁重都可能是影響因子，因?yàn)槭褂谜叩臅r(shí)間就那么多。

對(duì)教育者而言，ITS 是不是有其他替代方案? 有，古時(shí)候的教室沒有分年級(jí) (不像現(xiàn)在教室像工廠 生產(chǎn)線)，混齡學(xué)習(xí)，常常是大的教小的，現(xiàn)在為了效率劃分年級(jí)，但是同儕互相幫助仍是絕佳的 學(xué)習(xí)方法，教學(xué)相長(zhǎng)，兩方都有收獲，也有社會(huì)性價(jià)值存在 -- 學(xué)習(xí)互助、同理心、溝通、合作。 分層教學(xué)也是一種方法。另外，讓學(xué)生自己主導(dǎo)學(xué)習(xí)計(jì)劃也是現(xiàn)在在美國(guó)看到的一種新的實(shí)踐， 很大程度上依賴于教育信息化工具，但不需有人工智能介入。在大班教學(xué)環(huán)境中，要實(shí)現(xiàn)個(gè)性化學(xué)習(xí)是不是一定要借助人工智能，答案是不一定。

>>資料隱私與所有權(quán)

這是另一個(gè)大問題，連大咖比爾蓋茲都在曾這里跌倒，他的基金會(huì)投資與強(qiáng)力支持的 inBloom 開張沒多久就因?yàn)楸患议L(zhǎng)反對(duì)而關(guān)門，這并不是無解題，只是要很謹(jǐn)慎處理。學(xué)習(xí)歷程記錄到底是誰的?  如果將此問題的政策面、執(zhí)行面環(huán)節(jié)處理好，反而是個(gè)新服務(wù)的契機(jī)——給學(xué)生一個(gè)帶得走的電子學(xué)習(xí)履歷，以及可能衍生的延伸學(xué)習(xí)、升學(xué)、職涯建議服務(wù)。

>>其他影響因素

新創(chuàng)事業(yè)眼光對(duì)了，設(shè)計(jì)與技術(shù)到位，但行動(dòng)太早了，環(huán)境與時(shí)機(jī)尚未成熟也仍是失敗。教育信息化需要諸多基本因素配合，例如: 網(wǎng)絡(luò)環(huán)境的品質(zhì)或支援離線模式、使用者有沒有硬件設(shè)備、使用者(學(xué)生與教師) 是否習(xí)慣用電子產(chǎn)品等等。

教育系統(tǒng)腳步緩慢，從業(yè)者要有對(duì)應(yīng)的策略；企業(yè)組織的步調(diào)節(jié)奏可能差異很大，但是企業(yè)目標(biāo)是賺錢機(jī)器，以利的角度切入建立不同部門的交集，很有機(jī)會(huì)；至于成人學(xué)習(xí)者的市場(chǎng)，掌握剛性需求，兌現(xiàn)營(yíng)利可以最快。大家對(duì)于 XXX As A Service 應(yīng)該不陌生，資料科學(xué)正在讓此精神發(fā)揮更徹底，機(jī)器學(xué)習(xí)從大數(shù)據(jù)中建立模型，以提供用戶個(gè)人化服務(wù)，過去賣內(nèi)容包裹的模式，正在往Education As A Service 轉(zhuǎn)變，但轉(zhuǎn)變的速度會(huì)與本文所討論到牽涉的各種因素有關(guān)，視產(chǎn)品而 定。

結(jié)論與建議

許多投入教育學(xué)習(xí)產(chǎn)業(yè)的伙伴開始于對(duì)教育的理想，然而在商言商，別單純被教育熱情驅(qū)動(dòng)。創(chuàng)造價(jià)值不一定可以轉(zhuǎn)變成利潤(rùn)，創(chuàng)新的機(jī)會(huì)可能不在人工智能技術(shù)，而是問題解決模式。

這個(gè)議題更核心的精神在于善用 Data 可以創(chuàng)造價(jià)值與解決問題，資料科學(xué)技術(shù)現(xiàn)在為各產(chǎn)業(yè)亟需而備受重視，無論你的產(chǎn)品為何，至少開始收集資料 -- Data is the new oil。 掌握以資料科學(xué)解決問題的原則，從小做起慢慢將機(jī)器學(xué)習(xí)導(dǎo)入原有產(chǎn)品中。

例如，大學(xué)使用學(xué)習(xí)分析來預(yù)測(cè)學(xué)生可能會(huì)退學(xué)而提早采取介入或輔導(dǎo)以提升畢業(yè)率，是最早也最為廣泛運(yùn)用的學(xué)習(xí)分析技術(shù)。美國(guó)亞特蘭大的喬治亞州立大學(xué) (Georgia State University)是一個(gè)相當(dāng)成功的范例，他們分析了過去十年的兩百五十萬筆學(xué)生成績(jī)資料，歸納出可用來預(yù)測(cè)那些學(xué)生可能失敗的因子，并以此建立了一個(gè)預(yù)警系統(tǒng)，包含八百多種預(yù)警機(jī)制，讓輔導(dǎo)人員據(jù)以對(duì)學(xué)生提供輔助與咨詢，這系統(tǒng)能根據(jù)統(tǒng)計(jì)數(shù)據(jù)來建議學(xué)生的最適主修與選課，反而 ITS 僅做小范圍實(shí)施。

最后，從事學(xué)習(xí)分析的學(xué)者都知道，數(shù)據(jù)采集與整理可能花費(fèi)高達(dá) 80% 的總時(shí)間成本，目前不同系統(tǒng)之間的數(shù)據(jù)互通性仍是一大問題，資料品質(zhì)也良莠不齊，然而教育產(chǎn)品數(shù)量的大爆發(fā)，使信息孤島 (Data Silos) 問題惡化。如果各系統(tǒng)可以遵循國(guó)際學(xué)習(xí)標(biāo)準(zhǔn) (最新標(biāo)準(zhǔn)  Experience API, xAPI )，采用一致的資料格式配方，運(yùn)用應(yīng)用程序接口 (Application Program Interface, API) 作整合，不但解決此問題，這獨(dú)立資料層本身并可直接衍生大數(shù)據(jù)交易，因?yàn)榈谌娇梢院苡行实刂貜?fù)利用它開發(fā)新應(yīng)用。

本文來自投稿，作者 Jessie Chuang, 美國(guó)教育科技顧問公司 Classroom Aid Inc. 的聯(lián)合創(chuàng)始人， xAPI 中文實(shí)踐社群的主持人，Visca Analytics 的指導(dǎo)顧問。她曾為教育科技業(yè)者提供產(chǎn)品開發(fā)設(shè)計(jì)與咨詢服務(wù)，包括OER、移動(dòng)學(xué)習(xí)設(shè)計(jì)、數(shù)據(jù)可視化、數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)設(shè)計(jì)等等。其職涯歷經(jīng)高科技業(yè)、顧問業(yè)、教育業(yè)，所以擅長(zhǎng)連結(jié)不同領(lǐng)域的概念作突破思考，擁有 20 多項(xiàng)美中臺(tái)專利。歡迎與作者交流（郵箱：jessie@classroomaid.org)。