11月28日，在ges2017未来教育大会上，好未来旗下学而思网校总经理陈宁昱、学霸君创始人兼首席执行官张凯磊、wyzant联合创始人兼首席执行官andrew（drew）geant围绕“大数据时代下的k12课外辅导市场新模式”主题展开了深入讨论。在科学技术的推动下，在线教育突破了时间、空间的限制，满足了学生的多元化学习需求。而大数据时代的来临，或将为在线教育带来更多可能。
（好未来学而思网校总经理陈宁昱发发表精彩讲话）
近年来，学而思网校在人工智能、大数据领域展开了大量探索。陈宁昱表示，“在学而思网校，ai和大数据大幅提升了老师的教学效率，让孩子的学习从校内课程延伸到课外辅导及家庭学习，形成完成的自循环体系，并通过大数据获得更多反馈，实现高品质、个性化的学习体验。”
张凯磊也表示，技术一定要为教育服务。“我们希望用人工智能赋能教育，让老师从繁复的作业批改中解放，回归传道、授业、解惑本质，并根据大数据反推孩子的个性化学习需求。”andrewdrewgeant也希望利用大数据的力量，通过授课结束后家长和学生的反馈，更好的匹配学生的学习需求，从而形成完整的学习闭环。
以下为“大数据时代下的k12课外辅导市场新模式”分论坛精彩实录：
背景：ges未来教育大会
时间：17：00-17：50
主题：大数据时代下的k12课外辅导市场新模式
嘉宾：
主持嘉宾：johnj-hkim哈佛大学商学院商业管理高级讲师
陈宁昱好未来学而思网校总经理
张凯磊学霸君创始人兼首席执行官
andrew（drew）geant，wyzant创始人兼首席执行官
主持人：
课外的辅导是很大的一个市场，大概有120亿市值，在中国和美国，学生如果在课堂上跟不上，会通过课外辅导的方法弥补，我们在这方面积累了大量的数据，帮助学生能够在学习上取得更好的成绩，充分发挥他们的潜能。
考虑到这个的重要性，有很多的公司在中国、印度，以及美国开始提供课外辅导服务了，它们收集了很多课外辅导的数据，最近用这些数据开始提供个性化的服务。所以，这是一个非常好的现象，在座就有一些很好的企业家。
下面我将邀请我们的嘉宾来简单的介绍自己。
陈宁昱：
我来自好未来学而思网校，学而思网校大概是2008年创立，2010年正式上线，最早我们做录播业务，会找到线下讲的特别好的老师，把他的视频录下来放在网上进行教学活动。
3年前我们正式转型成直播+辅导模式，我们的课程形式是一个直播大班，老师向几百个学生同时讲授，课后会有一个辅导老师来负责每一个学生的作业批改，以及答疑沟通。
张凯磊：
大家好，我是学霸君张凯磊，我们在中国市场提供这样几块服务。
第一块：pati服务。
任何时间你在k12体系里面，你有一道题不会，一秒钟你拍给我们，我们在一秒钟自动反馈给你这道题目的答案和解析，现在这个产品在中国市场里有超过8000万的用户，2000万阅读活跃用户，可以说中国1.8亿中小学习，一半是学霸君的用户。
第二块：答疑服务（也可以理解为用滴滴打老师的服务）。
你可以在任何时间你呼叫一个老师，帮你来解决你在作业里疑惑的问题，老师是直线传播，以分钟进行计费，迅速解答完这个问题之后，立即关掉，同时我们提供直播一为一、一对三的服务。
同时，我们在今年这时候进入了一批公立的学校，支持公立学校来的教育系统，包括整个作业体系和考试体系，在理科主观题的自动批改上，我们现在能够给大量的学校提供整个理科体系的作业批改服务，并且采集大量的数据来指导教学。
andrew（drew）geant：
大家好，我是wyzant联合创始人和ceo，我们是美国的一家公司，帮助所有年龄段的学生应对不同的学科和主题，很多的学生每天会上我们的网站，来具体寻求它们所需要解决的问题。
我们出发点是辅导，所以我们并不会提供一些具体的方法论或者课程，我们只是希望能够解决学生具体的问题，满足它们具体的需求。
下面我想问一个问题，从孔子的时代开始数千年以来一直都是单向的培训，就是老师对学生的培训，但我们现在开始谈论用大数据和人工智能。大家能不能帮我们解释一下？用大数据或者用人工智能和10年前单向的培训有什么不同？
陈宁昱：
在好未来学而思网校，我们利用大数据、ai，主要是以辅助老师为主，老师跟学生的关系还是教学和被教学的关系，但因为有ai和大数据的赋能，对老师的效率上会有非常大的提高。
但现在可能因为有科技的手段，包括ai和大数据，原来一个老师教十几个学生可能已经是极限了，但现在一个老师可以教成百上千个学生。
另外，学生得到的体验以及效果基本上跟以前差不多，甚至比以前更好。
这一块是我自己的一些理解，我们在ai、大数据的支持下能把老师的效率变得更高。
我举一个例子，我们的英语口语课现在已经采用语音识别技术，比如老师问一个英语的问题，让所有的学生来回答。在我们原来的情况下，我们只能做一对一或者一对几的反馈，因为老师听不过来这么多学员的反馈。但现在因为我们有语音的评测技术，就能判断哪个孩子讲的是对的，哪个孩子讲的是更好的，我们通过机器给它反馈。
虽然还是一个师生互动的过程，但因为有了机器的加入，一个老师的口语课可以同时给几百个学生同时上，但每个学生都会收到它自己个性化的反馈，这样它就提高了老师的效率。
andrew（drew）geant：
你说的是技术能帮助我们更加的高效，提高我们的工作效率，扩大我们的规模，这个跟您的工作相似吗，或者您有没有一些例子呢？
陈宁昱：
我相信原理是完全一样的，任何技术都是为业务服务的，我们任何的技术开发都是为了让效率更高、成本更低。
举一个例子。我们一个晚上大概能收到十几万条来自于学生发起的学习问题，其中大概有7000-8000道是竞赛类的题目，竞赛类的题目可能会非常难，普通老师是没有足够的能力去很好的处理，但学生有这种需求。我们通过后台分发的数据，可以把一道题目是数学还是物理先分清楚，分清楚之后，是代数还是几何分清楚，分析出你是解析几何，需要求三角圆锥曲线特殊值的方法，这种方法只在高考少数情况里以及自主招生考试里面用到过。机器算出后，会分发给北师大附中晚上在那讲课的一个老师，它可以很轻易的把这道题目讲明白，我们瞬间可以把这个效率拉高到这样一个程度。
当我们能拉高到这种程度的时候，我们让知识获得变成了普及，滴滴的普及是让我们在交通资源上获得普及，但我们的技术是让教育的资源变成了更平等。
所以，它除了效率之外，更大的提升是你愿意付一点点的成本来获得更多的教育资源。
andrew（drew）geant：
john你有什么分享吗？
johnj-hkim：
我们的工作都在降低成本和提高效率。
比如说，我们有一位家长的孩子不喜欢上学，尝试了很多办法都没效果，就开始用wyzant倡导的方法来教育他的孩子。
它比如说孩子喜欢曲棍球，就可以在网上寻找曲棍球的老师。
我们可以根据学生和家长的需求来满足客户的需要，这个就是学生相关性的问题。
我们的数据来源是我们从家长和学生那得到的反馈，从反馈里我们可以了解这个导师是否有足够的耐心，是否有足够的能力来教授相关的课程。
最后，我们会把这些反馈收集起来，匹配家长和学生的具体需求。这样可以更好的了解到这些老师它具备什么样的能力，来确保它们有能力满足客户的需求。
张凯磊：
是的，它变轻松了。
举一个例子，中国有大概1400万中小学老师，其中900万人没有获得过大学本科以上的学历。我们给那些准备授课的初级老师做了一个测验，一张150分的卷子，绝大部分人很难考到90分以上，这就是我们在日常接受教育的实际情况。
但今天我可以让他一个晚上一直在答立体几何类的题目，让他在两个月的时间内见到比它20年教学经验里见到过的还要多的立体几何类的题目，包括学生各种不同的答案，可以在两个月的时间里迅速成为立体几何方面的专家。
所以，大数据它是在让分工变细，它它是在让人变得更专业、更垂直，所以你问我它是变难了，还是变简单了。我认为入门变简单了，但他要成为一个专家变得越来越难了，如果不是非常非常的努力，他很难成为一个顶尖的数学老师。
andrew（drew）geant：
您是说更容易进入，但很难留下来对吗，还是说进入就很难呢？
张凯磊：
很容易进入，但他要成为一个绝对的专家很难，以前一个数学老师可以教数学里面的每一个点，但未来我们可能会出现一个只懂几何数学的老师。
andrew（drew）geant：
我非常同意你说的，我觉得现在可能入门的要求变低了，但是有更多的细分，而且我们没有办法在每一方面都成为专家。所以，我们会减少对某一些领域的要求，希望某些老师能够成为具体某一个学科、或者某一个领域的专家。
那么，大数据也是助能了我们学习的能力，我们可以了解导师是否满足市场最基本的需求，他们是不是能够保持持续学习的能力。
您是怎么看待这个话题呢？
陈宁昱：
未来的教学肯定是分工越来越明确、越来越细。比如说一个老师是一个本科生，但是未来可能他在某一方面就是一个博士。
比如说在学而思网校，我们首先会把授课跟辅导做一个分工，有的老师它表现力特别好。所以，他就负责授课，负责单向的知识传递，有的老师比较耐心，或者他在某一方面它能做到因材施教，那他就来做这种个性化的辅导工作，个性化辅导我们可能还会再分工。比如说未来会有专门负责立体几何的个性化辅导，还有专门负责线性代数的。所以整体来看，因为专业的分工，就会出现在某一方面做的特别优秀的人出现。
johnj-hkim：
我们现在讨论的是使用大数据和人工智能来帮助导师提高他们的能力，我们把讨论的范围更细化一些，你觉得这些机器人能在高考中做到什么水平？
张凯磊：
到今天为止，我们看不到强人工智能的突破。我们今年做了一个机器人参加高考，在数学成绩134分，这基本上已经达到了一个顶尖的学生的水平。我们明年会让这个机器人再参加一次高考，它的整个理科分数都可以全线达到考清华北大水平。
但是，我们做机器人、做ai与老师并不矛盾，我们做教育的很清楚，老师是传道、授业、解惑的人，但其实这里面没写还要负责批卷找题目、备课。我们今天让机器来干这个事情就是希望老师回归到传道、授业、解惑的本职上。所以，机器人的出现，或者说数据的出现，是为了赋能老师，让老师成为超级老师。原来，我们的中医只有招，搭脉、望闻问切结束了，今天我们希望把现代技术引到传统的教学里面去，为今天的教育开发出来ct、核磁共振、mr等一系列工具，帮助老师更好地去观察学生、理解学生，而不是凭望闻问切来做任何的决定，望闻问切得机器能干的事情。
陈宁昱：
我认为老师不会轻易被ai替代
因为教育这个行业并不仅仅是说你能解题就行，或者说你能发现错误，这个东西都不是最核心的。好未来有一个教育理念：激发兴趣、培养习惯、塑造品格。它很多的时候并不是说你知识够了，就能解决老师的问题。孩子为什么有兴趣？很多时候是因为老师的关注，他需要一个真人的关注，而不是一个机器的关注。
因为我们之前也尝试过，最早学而思网校做录播课，当我们改成直播的时候，其实上的内容是没有特别大的变化，但是因为是真人，他能感受到老师的存在，他的参与度就会高得多。
所以，其实我也比较赞同这个观点，未来的很长一段时间内，我们可能解决的问题就是用像给医生提供验血结果、ct核磁共振结果的方式来帮助老师，让老师的效率越来越高，但是ai在很长的一段时间内，应该都不能解决这个问题。
johnj-hkim：
我觉得其实大家都已经说得非常全面了，比如说ai可以帮助我们来检查作业，我现在已经看到很多这方面的尝试，这还会继续垂直下去。但是谈到长期的以关系为基础的授课模式，或者在对一个学科的精通掌握程度上，这是无法被ai所取代的，机器人很难来替代老师，可能几百年之后会有不同的情况，但是至少现在是不可能的，在一些辅导学生或者和机器人对话来这一块儿，可能会有一些帮助，这些可能会给我们提供一些帮助，但是我们强调是：以关系为主导的辅导或者授课，ai肯定是无法替代的。
我总结一下刚才三位的观点，我们谈到了使用数据来进一步使项目或者使整个学习过程更加有效一些。我们也谈到了把不同的角色分离出来，比如说鼓励学生更好地学习，在数据使用、传授内容等方面可以进行有效的分工。
我的想法是，其实这是一个开放性的问题，这会进一步增加还是减少好的辅导老师的数量？未来辅导老师这个职业是否会有大量的需求？还是会有更多的不同的分工参与进来？这是一种未来的趋势，我们是应该更加区分化还是均衡化？
陈宁昱：
我觉得现阶段，老师的数量应该是不够的，即使说老师的效率越来越高，但是在二三线城市，甚至农村，其实我们优秀老师的整体数量是不够的，一�...