1.1 AI 改造教育本质: 科技替代拓展人力边界，实现优质教育资源规模化、公平化、个性

传统教学模式存在个性化教育与普惠教育之间的矛盾。AI 相较于真人教师具有成本优势(规模化条件下)，因此 AI 替代人力的过程使得在维持现有教育投入成本不变的情况下.优质教育资源规模化成为现实，且随着 A 所替代人脑活动的复杂度提升。其对于教育的降本增效作用也更为明显。因此 AI 与教育结合、改造教育的本质在于: 依靠低成本科技替代、拓展高成本人力，实现优质教育资源规模化、发掘普惠教育与个性化教育的平衡点，从而实现教育公平、低成本因材施教。

图表1: A1 技术拓展人力边界，实现普惠因材施教

在规模化教育背景下，个性化教育与普惠教育的矛盾难以调和。教育的目的是实现人的全面发展，其内涵极为丰富，而“因材施教”是从古至今被广泛接受的教育理念。

1984 年Benjamin Bloom 在其教育实验中提出"two sigma"理论从定量角度证明了其正确性，即接受一对一辅导的教学组的平均表现明显优于传统教学组，差距达到两个标准差。

但教育个性化程度的提升需要配套教师资源的持续投入,对于具有规模化教育需求的国家而言，会产生师资稀缺、教育开支过高等问题。一方面，根据教育部数据，2022 年我国各级各类在校学生人数为 2.93 亿人，而配套的专职教师数仅为 1880.36 万人，教师学生人数比接近 1: 16，教师资源相对稀缺；

另一方面，2021 年我国教育行业就业人员年平均工资为 11.14 万元，且过去 5 年呈现稳步上升的态势，通过采取小班上课或1对1 模式将会产生庞大的教育开支。因此，在规模化教育背景下，实现个性化教育与实现普惠教育之间存在明显的矛盾。

图表2:一对一辅导教学组的成绩表现更优异

图表3: Benjamin Bloom教育实验分组情况

图表4: 我国各级各类在校学生、专职教师人数

图表5:2017-2021 我国教育行业就业人员平均年工资

AI 赋能教育的过程即为替代人类脑力活动由简入繁的进程。AI 技术诞生的初衷是通过模拟人类的智能、行为，将人类从繁重、琐碎的程序化任务中解放。AI+教育是指将 AI 技术应用于教育场景，即借助计算机视觉、NLP、智能语音、知识图谱等技术，降低教育环节中的繁琐、低效脑力活动时间。

从 AI+教育的发展历程看，创新 A 技术于教育领域实施、落地的过程，也正是 A 替代人类脑力活动由简入繁的流程: 计算智能代替人脑的记忆、计算功能: 感知智能代替人脑听觉、视觉、语言功能: 认知智能代替人脑推理、联想、思维组织功能，而达到认知智能的 A] 系统(自适应学习系统)，在某种程度上已经具备了提供“千人面”教育服务的能力。

AI 替代繁琐人力的同时拓展人脑机能，实现 AI 与真人的“教”“育”分工。一方面，A教师可以超越人脑的限制,完成真人教师能力所不能及之事,如自适应系统可以精准记录.分析学生的学习进度、遗忘曲线、专注力、知识薄弱环节等，并据此推荐个性化的学习内容、学习路径;

另一方面目前的 AI 教师并不能完全替代真人教师,根据剑桥大学 MichaeOsborne、Carl Frey 的数据(BBC 整理),教师被人工智能替代的可能性仅为 0.4%,情感、道德、个性培养等育人工作是 AI 教师难以涉及的领域。技术的发展促使 AI 教师与真人教师实现“教”“育”分工，AI 负责替代、深化繁琐的教学工作，真人教师则专注于学生品行、素质、情感的提升以及为 AI 提供必要的教学补充。

图表6: AI 替代人脑活动由简入繁

图表7: A1 不同发展阶段所代替的人脑机能与应用实例

图表8: A1 教师与人类教师实现“教”“育”分离

随着服务学生规模上升，AI 教师可实现普惠的个性化教育。开发一套 AI 系统前期的成本极高，其中包含数据科学家、机器学习工程师等研发人员成本;外购或自主收集标注数据的成本: 云计算资源、服务器等硬件设备成本: 优化算法、升级系统等维护更新成本。

而AI 教师的优势在于，一旦开发成功，即可凭借较低的运营成本，跨越时空的障碍为数以万计的学生提供个性化教育服务，且随着服务学生规模的上升，其人均成本逐渐趋向于 0。根据格隆汇专访松鼠A1创始人栗浩洋的数据,开发一个合格的 A1 教师至少需要10 亿元而随着系统优化投资还需要持续跟进，80 分(表现优异) 的 A 教师需要 100 万左右生源达到盈亏平衡。

人工智能训练成本大幅下降，进一步巩固 AI 教师的成本优势。近年来，人工智能的训练成本呈现明显的下降趋势，根据 ARK Invest 数据，2020-2022 年，将一个大语言模型训练至 GPT-3 性能级别所需要的成本由 460 万美元下降到 45 万美元，下降幅度超过 90%，而预计到 2030 年，训练成本将以每年 70%的降幅递减，只需要 30 美元。AI 教师前端开发成本的下降将使得其低成本优势进一步扩大。

图表9:A1教师的人均成本随教学规模增加而逐步降低

图表10:相同教育投入成本下的教育个性化程度提升

图表11:将一个大型语言模型训练到GPT-3 水平的成本(单位: 万美元)

1.2实现路径:Al 赋能教育、A 人才培养

AI 替代、拓展人脑机能从而实现规模化普惠教育有两条并行发展的实现路径，即 AI 赋能教育、AI 人才培养，二者协同发展。

1) AI 赋能教育: 本质上是 AI 技术在教育场景下的应用，是指在各教育领域中 (K12、职业教育、高等教育等),通过 AI 硬件设备、AI 软件系统与教育中“备”“教”“练”、“考”、“评”“管”等环节 (场景) 深度融合，达到提升教育质量、促进教育公平、节约教育成本等目的，并最终实现“因材施教、个性化学习”的愿景。

其最先落地于拍照搜题软件(利用 OCR 技术) 与英语口语测评(语音识别技术)，代表性的产品有小猿搜题、英语流利说。

随后一段时期内,AI 赋能教育各赛道产品“百花齐放”在软件系统方面，智能作业批改、智能题库、分级阅读、AI 课堂等辅助教师教学、学生练习的应用纷纷落地，走班排课软件、校园安防系统也在新高考下教务管理压力、校园安全需求日益增大的背景下应运而生；

在智能硬件方面，交互白板、智能平板、智能手写笔、智能台灯等设备层出不穷。而其中最亮眼的当属自适应学习系统，其最有可能从根本改变教育的理念与方式，是 AI 赋能教育的核心赛道，代表产品为松鼠 AI 于2017 年(并非最早的) 推出的“松鼠 AI”人工智能自适应学习系统。

图表12:A1教育软件、硬件在各教育场景下的赋能

2) AI 人才培养: 即以人工智能作为教学内容的教育培训过程，其属于 STEAM 教育的一个分支，也是未来深化人工智能理论基础、实现人工智能应用落地的关键驱动因素。

AI 人才培养可分为校内与校外两大场景，也可根据教育阶段划分为青少年 AI 教育、高校AI 教育、成人 AI 教育等。其中校内场景下的高校 AI 教育是高层次 AI 人才输出的主要渠道，截至 2022 年中国已有 499 所高校的人工智能专业通过审批、备案，而 2017 年以来各地政府也推出多项政策推广中小学人工智能教育，培养科技创新后备人才。

而同时期的课外 AI 培训机构也针对课外教育场景、特定的受众人群提供匹配的人工智能课程，使得 AI人才教育培养体系更加完备，代表性的课程为传智教育旗下的数字化专业人才课程(含人工智能培训模块) 与盛通股份旗下的人工智能启蒙课程 (基于机器人编程)。

图表13:每年新开设人工智能本科专业的高校数量

图表14:A1人才培养相关课程的分类

1.3AIGC 深化教育变革的原因: 数字化教育内容的智能生成、智能推送

1.3.1 回顾历史:科技改造教育的外在形式为数字化教育内容的生成、传递方式的改变

回顾我国历次技术变革对于教育改造，其外在形式体现为:1,数字化教育内容的变化(教量、形式、生成方式):2.数字化教育内容传递方式的改变(非智能传递、算法精准传递)而数字化内容的丰富度、传递速度与传递精确度，决定了技术是否能对教育领域的人脑活动进行有效的替代与拓展。

随着互联网等技术发展的深入,教育数字化内容的形式(图文、音频、录播视频到直播视频)与数量逐渐丰富，内容传递的速度、形式的多样性得到提升，特别是 AI 技术的广泛应用，使得教育内容的传递逐步实现智能化，即根据学生需求个性化推送学习内容、学习方法。

图表15:科技改变数字化教育内容的生成、传递方式

1）数字化教育内容的生成

Web1.0 时代 (1994-2004): 图文形式的数字化内容生成

中国互联网诞生于 1994 年 (与 web1.0 基本重合)，其内容形式以静态网页为主，早期的远程教育机构纷纷成立并开始通过互联网进行教学辅导、发布试题资源，我国数字图书馆也于同期进入立项建设阶段，多媒体课件也开始应用于课堂教学。“三分屏”视频课件也于此时出现,但这一时期生成的数字化教育内容以图文形式为主,视频资源数量相对稀少。>Web2.0 时代 (2005-2012): 录播视频形式的数字化内容生成。

随着 21 世纪初期网络带宽扩容(宽带网络、3g 网络)、国家在线教育政策的推进，在线教育机构不断整合新技术用于教学，高清视频课件开始兴起并成为主流，数字化内容涵盖中小学、考研、成人高考、外语、会计、法律等各个领域。这一时期的数字化教育内容以录播课为主，内容较为丰富但缺乏互动性。

》 移动互联时代 (2013-2022): 在线直播课程井喷式发展，多样化数字内容大量生成2013 年我国的 4g 技术实现商用，可支持更高清流畅的视频、音频和图像的在线传输，同时移动智能终端逐渐普及、云服务技术的应用也较为完备，在线直播课程具备了井喷式发展的网络、硬件、技术基础。而辅助学生学习的拍照搜题、智能题库、语音测评、智能词典等教育类应用也于同期大量涌现，于互联网中生成了丰富且形式多元的数字教育内容。

2) 数字化内容的传递

>Al 应用于教育前: 单向的机械式传递

丰富的图文、音视频教育资源需要终端与网络作为媒介，才能递送到学习者面前，但在 A技术应用于教育前，数字化资源的递送方式主要为单向、机械化的非智能传输。

无论是通过 PC 端还是移动智能终端，学习者只能单向地接受普适性的教学内容，无法得到个性化的推送，而受制于师资等因素，直播课形式下的互动反馈也较为有限。

AI 应用于教育后 (2012): 逐步实现基于学生需求的精准推送AI 的概念早在 20 世纪 50 年代就已提出，期间经历了起步、反思、应用、稳定发展等阶段。2010 年后，数据规模爆发式扩张、云计算等信息技术飞速发展、泛在感知数据与 GPU等计算平台广泛应用，以深度学习算法(2006 年提出)为代表的 AI 技术进入蓬勃增长期多元化的“Al+场景”实现落地。

图表16:Al的发展历史概觉

我国 AI+教育的起步较早(12 年左右),得益于智能语音与图片识别两项感知技术的发展，口语测评与拍照搜题软件率先落地，在上传生成大量文字、语音、图片材料的同时(需要庞大的题库、语音库支撑)，开始利用算法推荐个性化的学习内容。而随后出现并逐步成熟的自适应学习系统，兼具评估、精准推送两项功能，通过“测评-学习-练习-测评”的个性化学习模式，达到“千人千面”的个性化推送效果。

1.3.2还看今朝:AIGC一一智能生成、推送数字化教育内容

AIGC 对教育产生深刻变革的原因: 具有智能生成模块化数字教育内容、提升算法推送精度的双重属性。

AIGC 为可智能生成海量的多模态数字化教育资源。AIGC 即人工智能生成内容，其可生成的内容包括文字、代码、图像、声音、3D 模型、视频等，ChatGPT 即是一种文本生成式的AI 语言模型，而 Stable Diffusion、Midjourney 等软件主要用于生成 AI 图像，WaveNet等技术可用于合成真实的类人声音,GET3D、Make-a-Video 等软件可将文本转化为虚拟 3D模型，Deepfake，videoGPT 等软件可通过图片、文本信息生成视频片段。

AIGC 与教育结合，可根据原有输入的数据形态与数据产生模式，自动或半自动生成形式多模态的数字化教学内容。不同于以往拍照搜题式的 AI 应用，AIGC 所生成的教学资源并非“题库”中已有样本，而是将知识点“打碎”“重组”后构建的新数字化教育样本。

AIGC 极大提升了算法推荐的精确度。AIGC 其本质是 AI 技术(尤其是 2014 年 GAN 神经网络上线后) 发展深化并实践应用的成果，是技术量变引起质变的节点的产物。

相较于以往的 AI 模型，AIGC 类模型的训练数据量庞大，模型的参数量也随之增大 (GPT-3 的参数量为 1750 亿)，依靠海量高质量的数据会提升模型的训练效果，但同时也更容易产生判断失误。

2017年Google Brain 所提出的 Transformer 框架为大型模型引入了注意力机制 (模拟人类抓取关键信息、忽略其他信息)，提升了神经网络的效率与精确性，使得 AI 可在众多信息中准确抓取主要矛盾。

以 ChatGPT 为例，其训练过程 (RLHF 技术)中采用了更精确的奖励模型算法、PPO 强化学习算法等,可基于输入的 prompt 指令生成精准的输出内容，并可根据上下文语境持续学习、不断完善所生成的材料。业界普遍认为现有的 AIGC 技术已超越弱人工智能，并无限逼近可处理通用任务、可自我学习的强人工智能。

图表17: AIGC可生成的内容形式与款件模型

图表18: Stable Diffusion生成作品

图表19: DreamFusion生成作品

图表20:transformer 的整体架构

图表21:大语言模型的的RLHF训练法

1.4推动因素:技术、政策、产业

1.4.1 技术赋能:人工智能技术飞速发展推动“AI (GC)+教育”应用规模化落地

相关 AI技术日益成熟，加速赋能教育领域。近年来 A] 技术的飞速发展、愈渐成熟，是推动 AI 于教育领域规模化应用的主要原因。

根据 2018-2022 年 Gartner Research 发布的AI 技术成熟度曲线 (Hype Cycle for Artificial Intelligence)，可于教育领域实现赋能的计算机视觉、自然语言处理、机器学习、深度学习、聊天机器人等 A] 技术发展迅速，并且在未来仍有发掘的前景，而语音识别技术等已处于成熟阶段，可广泛应用于产业化阶段。

图表22:可应用于教育领域的AI 技术距生产成熟期时间、所处发展阶段

新兴AI 技术层出不穷，加速A 自动化成为值得关注的技术趋势。根据 Gartner Research于 2022 年 8 月发布的新兴技术成熟度曲线，25 项新兴技术值得关注，其中生成式 A(Generative design A1)、因果AI (Casual Al) 等加速 AI 自动化的AI 技术尤为重要。

而以 ChatGPT 为代表的 AIGC 技术本质上为生成式 AI，其未来具有较大的发展潜力，有望进一步推进深层次、多样化“AI (GC) +教育”应用场景落地。

图表23:2022年新兴技术成熟度曲线

图表24:2022年A1技术成熟度曲线

1.4.2政策推动:国家、地方多层级政策助推AI 与教育深度融合

随着大数据、云计算和 5G 等支持技术的飞速发展，以及相关算法、模型、框架的日趋成熟，AI 技术在多元化的应用场景下已实现落地，逐步成为国家产业、经济扩张的重要推动力量，推动 AI 发展已上升至国家战略级别。

由于教育领域兼具可结合 AI 技术、可推动 A技术发展的双重特性，因此国家、地方政府将 AI 赋能教育、培养 AI 教育人才有机融合出台相关政策以推动我国 AI+教育领域的发展。与此同时，为储备充足的 AI 后备人才、大力推动 STEM 教育的发展,中央及各地政府针对校内青少年 AI 素质的培养提出了专门的政策。

Al+教育整体政策规划:

以纲领性政策为指引，相关配套政策稳步推进。2017、2018 年，国务院、教育部分别颁布《新一代人工智能发展规划》、《教育信息化 2.0 行动计划》两大纲领文件，分别从顶层规划、行动规划两个方面明确了 AI+教育未来发展的重点与目标，提出利用 AI 加快推动人才培养模式改革、开展智能校园建设、加快培养聚集 AI 高端人才等。

随后中央及地方各部门分别推出相关的配套政策、措施，从建设具有 A 素养的教师团队、建立智慧教育示范区、开展 AI 条件下的教育社会实验、完善 A 基础教育设施建设、推进高校 A] 领域创新等角度积极开展 Al+教盲的推进工作，以响应国家对于促进教育与 AI 技术融合发展的号召。

图表25:推动Al 赋能教育的政策与相关文件

青少年 AI 教育相关政策:

虽然高校 AI 人才培养是推动我国 AI 技术、产业进步的主战场，但青少年 AI 教育对于维持我国 AI 领域的长期优势具有重大意义。

近年来国务院、教育部频频发文强调素质教育的重要性，2014 年国务院发布《关于深化考试招生制度改革的实施意见》，指出要开展招生考试改革试点工作，全面实施素质教育: 2015 年教育部发布《关于“十三五”期间全面深入推进教育信息化工作的指导意见》，首次提出要探索“STEAM”教育新模式: 而 2018 公布的新课标方案中,人工智能等编程技术更是被正式列入高中选择性必修课中。

与此同时浙江、河南、山西、山东、天津、四川等省份陆续在中小学开设编程及人工智能课程，或将其作为考试科目，而校外青少年编程教育也趁势发展，对于校内固定的课程体系做出了有益的补充。

图表26:中央推动青少年编程、STEAM教育发展的相关政策与文件

图表27:各地政府推动青少年编程、STEAM教育发展的相关政策与文件

1.4.3产业转型、升级: 在线教育产业转型升级需求加速 AI 技术落地教育领域

近年我国在线教育行业发展迅猛，尤其在疫情期间，教育信息化进程进一步加快，在线教育渗透率不断提升，大规模在线教育活动顺利开展。

根据中国互联网络中心数据，从 2018年6月到 2022年6月，我国在线教育用户规模由 1.72 亿人增长至3.77 亿人，CAGR 达21.7%，在线教育使用率 (用户人数占全部网民的比率) 由2016 年12 月的 14.1%上升至2021年6月的 32.1%。

目前，在线教育仍然存在交互性、学习效果等方面的缺陷，而庞大的用户规模产生了海量可供分析的数据，为 AI 技术赋能教育、创造新的教育形式提供了坚实的数据“养料”。

除此之外，为减轻义务教育阶段学生的课业压力、全面规范管理校外培训机构，2021 年7月中共中央、国务院颁布“双减政策”,’，该政策对于 K12 线上教育平台造成了较大影响。

龙头在线教育品牌与相关资本纷纷采取应对政策，一方面，部分企业将业务转型至国家较为重视的 STEAM 教育、职业教育等教育领域，如好未来旗下学而思编程于 2022 年夏季发售了包括“Scratch”“python”和“C++”三大课程体系的全新编程课程。

另一方面，由于国家持续重视教育信息化投入，根据艾瑞咨询数据，我国 2021 年中小学教育信息化经费投入为 1634 亿元,2017-2021年 CAGR为7.7%,维持稳中有升,预计 2024年将达到 2120亿元，智慧校园终端设备 (如智能黑板、智慧交互屏)、AI 课堂解决方案、c 端硬件设备(智能错题本、智能台灯) 等也是有资金实力的教育机构可发力的方向，如猿辅导和好未来专门组建了自己的硬件团队。

图表28:中国在线教育用户规模及使用率

图表29:中国中小学教育信息化经费投入

图表30:好未来旗下的编程课程

图表31:好未来智能教辅学习机-“学拍拍”

AI在教师教学、学生学习、学校管理场景的应用

根据 2019 年科技部联合罗兰贝格发布的《智能教育创新应用发展报告》，教学全流程可以分为备课、教学、练习、考试、评价、管理六大环节，以备课为开端、管理为末端，包含学校、教师、学生三大主体，覆盖课前、课中、课后三大场景。

为清晰展示 AI 如何在各应用场景下赋能，我们以学生、教师、学校三大主体为线索，将六大环节有机融入课前、课中、课后等场景中，并对典型的应用场景进行详细分析。

图表32: A1 在教师教学、学生学习、学校管理场景下的应用

2.1 教师端:Al 赋能备课、教学、考评环节

1) 课前备课环节: 智能备课平台 (相似题推荐):

原理: 基于班级或个体学情的辅助备课工具，通过知识图谱、NLP 算法、聚类算法等 AI 技术智能生成教师的个性化教案，具体功能包括自动生成授课教案、智能匹配同类型习题、根据学生反馈提供复习教案等，节省教师的备课时间，提供精准个性化的推荐内容。产品形态: 以学海密探旗下的“同类题 AI 备课平台”为例，其备课流程大体可以分为:AI 智能生成: 根据选定例题智能生成知识点与题型的讲解内容。

AI 智能匹配: 自动匹配命题方式、解题思路与选定例题类似的题目，节约教师寻找同类练习题时间:智能生成教师教案与学生学案,提升学生课堂学习与课下复习效果。AI 智能分析: 采集学生课堂练习作答情况，自动生成班级学情分析，并根据错题情况生成教师复习教案与学生智能错题本。

优势与局限性: 对于目前的 A 备课平台而言 (包括好未来的教研云平台)，其核心功能为相似题目推荐，主要用于解决教师筛选同类题目以及整理习题讲义费时、费力的痛点，但其存在嵌入 AI 能动性较差(主要起到分类、筛选的作用)、侧重于对数理化生等理科学科(需要例题较多) 赋能等局限性。

图表33:同类题Al备课平台备课流程

2) 课中教学环节: 

线下 AI 课堂 (双师课堂)原理: 线下 AI 课堂主要采用“教师+AI 辅助”的授课方式。AI 助手在教授知识的同时通过计算机视觉、智能语音、NLP 等人工智能技术实现学生的表情识别、语音识别、姿态识别等，形成精准的学情分析报告，并通过班级学情调整授课内容; 真人教师则根据分析数据为学生提供精细化辅导与个性化关怀。产品形态: 好未来的“魔法双师课堂”于 2018 年正式发布，推出了行业首创的 AI 课堂解决方案。以“魔法双师课堂”为例，线下AI 课堂的运行模式如下:

真人名师团队提供优质教学资源: 好未来聘请具有多年教学经验的优质教师，通过直播/录播的方式，将优质教学资源上传教研云、输入 AI 智能终端 T-Box。智能终端实现课中互动、学情分析。学生于智慧教室中学习经 AI 技术整合后的教学资源，并可在课中通过答题器等智能终端与“AI 教师”进行实时互动。T-Box 可通过表情识别、手势识别、语音识别等 AI 技术，精准分析学生的课堂表现并生成学情分析报告。

线下辅导教师全程伴学、答疑解惑。机构辅导教师全程陪伴、引导学生开展教学活动根据学生的个性化学情反馈，提供有针对性的服务，如课前预习、课后答疑等。

优势

以普惠价格提供优质稀缺教育资源。双师课堂开发的初衷即在于缓解较 偏远地区缺乏优质师资的问题，并以普惠的价格打破名师教育的“高门槛”。

以生动、个性化的互动方式提升学习兴趣。相较于传统课堂或在线网课，AI 课堂具有更生动的教具材料、更多样化的互动方式，学生的课堂参与度明显提升。

AI 学情分析+真人教师双重把关。学习效果清晰、可控。智慧教室终端实时监督、分析学生的表情、手势以及互动情况，辅导老师现场把控教学情况，课后针对课堂学情提供个性化答疑、辅导。

图表34: 好未来魔法双师课堂产品模式

图表35: 双师课举手问答流程示意图

图表36: 双师课堂教学场景

图表37:双师课堂相较于传统面授的优势

3) 课后作业、考试环节: 

智能作业批改/智能阅卷/智能错因诊断原理: 通过图像识别、NLP、深度学习、数据发掘等人工智能技术，辅助老师智能高效地批改作业及考试中的客观题与部分主观题，如英语作文、口算、简单题等，并可以通过采集汇总学生考试结果，分析不同学生的知识点掌握情况，从而有针对性的提供教学指导。

产品形态: Gradescope 是美国一款针对高等教育的在线批改工具，可应用于计算科学、物理、生物、化学、数学、工程、经济学等广泛的学科领域。该软件除可以协助教师进行作业、考试的评分外，还可针对学生错题提供错因并生成不同知识点的综合错因报告。Gradescope 的批改流程可分为以下步骤:

扫描或在线提交作业/项目/考试: 对于纸质作业/考试材料，教师或学生可通过扫描的方式提交在线平台:对于代码文件，学生可通过 Github 或 Bitbucket 进行提交阅卷任务分配: Gradescope 支持多人在线协同评分，既可以实现不同人不同题的评分模式，也可以实现不同人同一题的评分模式。

AI 辅助评分: 针对客观题，Gradescope 可通过图像识别、NLP 等技术，智能完成评分; 针对计算题、应用题等题目，教师可针对每一个细节点灵活设置错因与分值，并可随时更改分值，更改后的评分点也会自动同步到已批改题目，而对于新出现的错误也可进行手动输入。同时，AI 会针对相同类型的学生答案进行智能分组，教师可根据组内学生答案的相同错误原因进行批量修改，极大地节约批改时间。

智能分析学情与反馈结果: 完成作业/考试的批改后，教师可通过 Gradescope 一键智能生成学生日常练习情况报告与考试综合情况报告，以为学生提供个性化的辅导。

优势:

通过 AI 技术进行识别、分组，极大地节约了教师批改作业/试卷的时间。应用学科、题型广泛。智能评分系统可应用于经济学、数学、物理学等学科的成绩评价，甚至可应用于编程代码的评估: 超越了以往软件只能用于评估客观题的限制，可广泛应于英语作文(如有道词典的 A 作文批改功能)、算数、应用题、翻译等主观题目等

归集错因、生成专属报告，为学生提供个性化辅导。平台可针对学生的作答情况给出具体的错因分析，节约了教师的部分答疑时间，同时教师也可根据生成的班级分析报告，有针对性地安排之后的教学内容。

图表38:在线智能评分平台 Gradescope 的成绩评估流程

图表39: Gradescope 用于经济学作业评分

图表40: Gradescope 的评分界面

2.2 学生端: Al 赋能课内、课外学习环节

1) 课内学习环节:

自适应学习系统 (线上 AI 课堂)原理: 本质上是一种基于教学大数据的可规模化个性化学习系统，通过 NLP、知识图谱、认知计算、机器学习等人工智能技术，针对学习者的具体特征，提供“千人千面”的学习内容、学习路径以及学习策略，并根据学习者的变化不断适应、调整，其产品模式接近于“因材施教”的教育理念，是 AI 赋能教育赛道的核心产品。

产品形态: 松鼠 AI 是国内自适应学习系统研发的领导者之一，于 2017 年成功研发出国内第一个拥有自主知识产权的自适应学习系统“松鼠 AI”。松鼠 AI 智适应系统的线上、线下结合学习过程可分为以下步骤:

测试知识状态:根据被测试者答题时长、答题数量、题目类型,剔除其已掌握知识点识别定位薄弱知识点。

线上学习:智适应系统根据被测者的测试结果推荐符合其知识图谱的课程讲义、习题其背后由信息论、空间知识论、模糊逻辑等人工智能技术以及百万纳米级大数据题库支撑。

针对性练习: 根据练习结果进行算法优化，追溯薄弱环节的根基，并重新规划知识点路径，有效避免重复练习。同时也会根据学习者的知识掌握程度进行战略性放弃，保证一定的正答率，使得学习者在正向激励中保持学习积极性。

课后测试: 学习完毕后，进行综合测试全面检查当堂知识点的掌握情况，并生成详细的学习成果报告。

线下答疑: 通过线下 1V1 辅导的方式，有效补足线上系统。

优势

建立学生个人画像，提供动态的个性化解决方案。通过对于学生学习状态、能力水平的持续性评测，建立学生画像，为其提供人性化内容推荐与个性化学习路径推荐。

通过知识地图模型可对知识薄弱环节追根溯源。根据知识空间理论与信息理论快速精准识别学生知识点薄弱之处，根据贝叶斯网络、贝叶斯推断等理论评估掌握程度、预测未来的学习能力。

线上线下相结合的方式，有效弥补纯在线课堂劣势。纯在线课堂存在缺乏学习环境.学生学习自主性差、学习效果欠佳等缺陷，而线下 1v1 答疑模式可以对学生进行有效的监督与指导。

图表41:松鼠 AI 的智适应学习系统学习路径

图表42:松鼠 AI测试系统

图表43:松鼠A11v1在线学习

2) 课外练习环节

a.拍照搜题-智能题库

原理: 通过 OCR(图像识别技术) 自动识别学生上传的问题，并运用数据挖掘技术检索对应的解答，及时向学生反馈，同时依托于庞大题库与精准推荐算法，为学生提供“举一反三”的针对性强化练习。其核心技术为图像识别与内容检索，这两项技术已经较为成熟而检索的题库质量是该类产品的关键壁垒。

产品形态: 作业帮 APP 于 2014 年上线，其核心功能为拍照搜题，同时提供查单词、计算器等作业情境下的其他应用，积累了相当的原始流量，并以此为基础衍生其他增值服务.或为其他高净值业务引流，具体的商业模式如下:

引流功能: 拍照搜题、同步题库 (可根据搜题结果智能推荐同类题)、作业批改 (针对于家长)、单词查询、作文范文、古文解析、计算器等作业情景应用。

衍生产品: 作业帮VIP (主要提供视频讲题、试卷下载、VIP 问答等服务)、听学 VIP(利用碎片时间学习需要背诵的知识点)。

引流产品: SVIP 精准学 (AI 课程)、直播课(素养课是双减政策下倾斜的方向)、商城智能硬件产品 (学习笔、智能辅导机等)。

优势：

对于学生: 缩短检索答案时间，有针对性地补充知识盲点。拍照搜题软件为学生提供多种解题思路和详细的答疑过程，减少学生互联网检索及寻求他人答疑时间: 同时可使用智能题库功能练习相似题目，达到“举一反三”、个性化学习的效果。

对于家长: 提高检查、批改效率，提升对子女学情的认知水平。家长可借助软件对于作文、翻译、算数等题目进行快速批改、检查，同时也可通过学习数据掌握子女学习情况。

对于教师: 压缩基础问题答疑时间，提供更加人性化的教学服务。搜题软件极大地减少了教师对于相同、较为基础题目的答疑时间，从而使得教师可将教学时间更多地用在教育难点或其他更有针对性的教学项目中。

图表44:作业帮搜题软件的商业模式

图表45:作业帮拍照搜题功能

图表46:作业帮口算批改功能

b.智能口语测评

原理: 通过人机交互的训练方式搜集学生口语发音情况的多维度信息，运用智能语音、自然语言处理、数据挖掘等 AI 技术，分析、生成个性化口语测评报告，精准定位学生发音的薄弱环节，并提供有针对性的提升路径。

产品形态: 懂你英语 A是流利说旗下的一款 c 端自适应英语口语学习平台，提供丰富的英语学习交互场景，其部分情景内容已经涉及较为灵活的复述与表达能力测评。运用该软件实现英语口语测评及提升的流程如下:

口语能力测评: 用户首次使用懂你英语 A+时，需要进行 5 分钟的等级测试。软件通过分析用户口语的流畅度、准确度和完整度,结合其他评估形式如听力、完形填空等，全面了解被测者的英语水平，划定不同的英语能力等级: 用户完成阶段性学习后可进行等级测评，达到合格分数后可以提升现有等级。

智能推送学习内容: 根据用户的测评结果，制定个性化的学习路径，并推送适合其英语口语能力的情景对话、单词清单、复述跟读等学习材料，其中语音测评伴随用户整个学习过程。

智能推送练习内容: 根据用户过往学习、练习过程中暴露的发音问题，智能推荐看图说话、听力复述等练习内容，并进行实时打分，只有分数达标才可解锁之后的学习内容。其练习模块中包含 A 智能老师与学习者的 1V1 情景实战互动，学员可根据具体情景表达自己的想法，进而推动出不同的剧情发展。

图表47:懂你英语A+产品的口语测评、提升流程

图表48:懂你英语A+产品的情景对话练习

图表49:懂你英语 AI划分的八个英语等级

2.3学校端:Al 赋能教务、考试、安全管理环节

1) 教务管理环节: 智能走班排课系统

原理: 基于学生选课与教师教学资源数据，通过大数据挖掘等技术为每个学生制定专属人性化课表，同时通过智能语音、人脸识别等技术，高效解决走班排课等带来的管理问题节约教师资源的消耗，提升学校在新高考背景下的管理效率。立品形态: 晓羊集团是一家智慧教育全栈产品与服务提供商，旗下的新高考一站式解决方案从选、排、管等方面切入，高效解决了新高考背景下学校所面临的管理难题。其走班排课体系的架构如下:

选课阶段: 为学生提供分层选课前必要的生涯规划指导、自我认知探索等选课指导课程。

排课阶段: 基于学生选课、教学资源数据，通过启发式搜索、基因算法等核心算法生成等智能排课模型进行智能排课，并根据课表变动情况实时调整。管理阶段: 通过内植智能语音、人脸识别技术的智能班牌设备与走班排课系统，实现走班、考勤、处理学生请假等教务管理工作。

图表50:晓羊教育的智能排课管理解决方案

图表51:晓羊教育“一人一课表”智能排课系统

图表52:晓羊教育智能电子班牌

2) 考试管理环节: 智能监考

原理: 通过计算机视觉、智能语音、自然语言处理等人工智能技术，系统对大量考场视频的考生动作进行分析，建设智能考场的人工智能感知分析体系，全面提升考试的安全与效率。

产品形态: 以深圳华颐智能系统有限公司旗下的人脸识别智慧考场系统为例，智慧监考方案的基本架构如下:

身份核验端: 通过人脸识别技术对于考生身份进行验证，也可以为监考员提供考场违约登记、座位表信息查询等功能。

考场智能监控: 由考场内的全景相机与部署于机房的智能引擎服务器构成。智能监考端可将考场上举手、起立、转身、趴桌子等异常行为上传至监考系统。

web 端、移动端: 实时显示所有考场的考试情况、接受异常情况警告信息、考试信息维护等。

图表53:智慧考场解决策略的基本架构

3) 安全管理: 校园安防系统

原理: 基于计算机视觉、智能语音、数据挖掘等人工智能技术，通过智能视频监控系统门禁控制系统以及考勤系统等对校园进行常规检查工作,对于校园暴力、踩踏、交通事故、失窃等安全问题实现有效预警与防控。

产品形态: 安然云服务旗下的校园安全管理平台可通过校园监控、安检门、探测器等智能设备及数据处理引擎，实现在校园通勤、校园消费、停车、宿舍管理等场景下，对人员、车辆、事件等方面存在的安全隐患进行感知与预警。

人员管理: 通过人脸识别等技术与测温摄像头等智能终端实现教师无感考勤、学生出入统计、体温异常报警、访客自助登记等功能，同时可重点目标库对于重点人物进行布控，专拍后实时报警通知。

车辆管理: 对入校车辆进行出入抓拍、人车关联考勤、违停管理、流量统计等管理措施。

事件侦测: 通过计算机视觉等人工智能技术实现人员拥挤抓拍、区域入侵报警，防止发生踩踏事故、校园暴力等恶性事件。对于不方便安装摄像头区域，可以采用智能语音设备对于打骂等异常行为、以及预设敏感字眼进行语音监测并实时将报警信息发送相关人员。

其他情况感知: 通过烟雾、温感探头对于吸烟行为、火灾情况进行实时监测，利用物联网系统对于用水、点重点区域进行监测,通过计算机视觉技术对于后厨的操作不当、违规行为、夜间老鼠情况进行识别警告。

图表54:校园安全管理平台的基本架构

2.4 展望未来: AIGC 在教育场景的应用潜力巨大

2.4.1AIGC 初步应用于教学尝试，AIGC相关培训课程上线AIGC 

在教育场景具有巨大的应用潜力，国内外教育机构已尝试利用AIGC (以 ChatGPT 为主)辅助教学。

美国高中教师Larry Ferlazzo 于《Education Week》上发表《19 Ways to Use ChatGPTin Your Classroom》，文章指出 ChatGPT 可用于作文反馈、头脑风暴、扮演辩论对手、个性化课堂测验、生成写作提示等，而其中部分应用已经被 K-12、高校等教育机构运用于教学实践中，反馈较为积极; 

而语言学习软件平台 Duolingo 在其付费“Max 订阅方案”已导入两项由 GPT-4 驱动的功能，其中一项为“角色扮演”功能，另一项则是“解释我的答案”:知名教学网站 Khan Academy 同样基于 GPT-4 技术推出教学助理“Khanmingo”(部分用户测试中)，通过开放性的问题讨论，为学生提供指导、为老师提供教学灵感。

图表55:Khanmingo官网页面

图表56: Duolingo MAX的两项 GPT-4驱动功能

根据我们对国内教育培训机构调研了解，目前 ChatGPT 已在教师备课场景下实现应用，具体表现为课程大纲的设计与课程资料的搜集，而未来通过微软 Copilot 的加持，教学用PPT 也将实现与 AIGC 的深度融合；

今年 2 月在线教育技术公司王道科技宣布，公司正在研发基于 Open AI 技术的 Class Bot 产品，针对在线教育场景提供 AI 应用工具，而好未来旗下的学而思也将计划利用 ChatGPT 相关技术对学习机等硬件产品进行升级迭代。

图表57:国内外尝试利用AIGC 辅助教育实践的机构

AIGC 相关培训课程上线，行业处于萌芽阶段。

为助力相关从业者更好地了解、应用 AIGC国内已有部分教育机构针对 ChatGPT、AI 绘画推出了相应的培训课程。

网易云课堂于今年3月中旬发布了“ChatGPT 从入门到精通”和“人工智能绘画与设计”两门自研课程，除此外平台中还上线了 ChatGPT 赋能办公、ChatGPT 与 Pvthon 结合等近 20 门 AIGC 相关课程；

而元壤教育于今年推出 AIGC 提示工程课程、A 模型训练课程，成为国内首家推出AIGC 提示词课程的机构；

今年 2 月份新创立的奇点体验实验室上线的课程包括 ChatGPT与 AI 绘画: 且曼设计学院为提供 AI 绘画培训的知名平台，目前搭建的 500 人社群已经有6 个以上。目前行业仍处于初级阶段，课程内容主要针对 ChatGPT 与 A，课程提供者包括自媒体大V、小型及大型教育机构，个人及小型机构提供的课程质量层次不齐，网易有道等机构的课程较为系统。

图表58:网易云课堂AIGC 相关培训课程（部分）

2.4.2展望未来 AIGC赋能教育的具体应用场景

AIGC 技术的发展、应用建立在 GAN (2014)、Transformer (2017) 等深度学习模型的基础上，将 AIGC 植入于自适应学习软件中，会显著提升自适应系统的推荐精确性，从而提供更符合学生学情的学习资源、学习路径。除此之外，AIGC 具有智能生成数字化教学资源的属性，其可与多样的教育场景相结合，并将从高效生成、高频互动、高度沉浸三个方面赋能教育。

1) 高效生成

含义: 高效生成是指 AIGC 技术可以根据特定的输入指令(例如 ChatGPT 的 prompt)，帮助教师快速生成形式多样化的教学材料，例如教案、试题等，从而极大地提高教师的工作效率。同时，学生也可以根据自身的学习需求，生成练习题、作文提纲等辅助学习材料，以实现个性化学习。更重要的是，AIGC 技术还可以参照数据产生的模式创造出新的数据样本，可用于生成市面上不存在但更贴近教师、学生需求的数字化教育材料。

图表59:体现高效生成特性的“AIGC+教育”应用

具体应用示例:

生成备课教案: 经调研，国内外部门教育机构已在尝试将 ChatGPT 等 AIGC 应用于教师的备课环节中，其在教师备课环节的介入深度远大于传统 A。以英语教学为例，备课时教师只需要将学生特征、知识点内容、授课环节、备课框架等要点作为 prompt 输入 ChatGPT,即可得到一份较为详细的教案安排,其可应用于任何学科,亦可与现有的相似题推荐等应用相结合。

图表60: ChatGPT应用于备课教学生成

生成随堂练习题: 以英语课的随堂练习为例，只需将学生的认知水平、课程中知识点 (甚至可以设定交叉哪些知识点)、题目类型等要求作为 prompt 输入 ChatGPT，即可得到满足要求的测试题目，还可以根据其他要求任意调整题目的细节 (格式、数量、选项等)。

图表61: ChatGPT应用于随堂练习题生成

2)高频互动

含义: 高频互动是 AIGC 类应用的一个重要特点，它具有上下文语义的理解能力和一定的逻辑能力。AIGC 应用能够根据输入内容的变化不断学习和调整输出内容，从而在课堂中与学生进行辩论、发起讨论会等活动，提高了人机交互频率，激发了学生的学习积极性，在课外，AIGC 应用可以进行一对一的个性化答疑、作业批改和学情评估等工作，一定程度上弥补了教师资源的紧缺，推进了规模化的因材施教实践。

图表62:体现高频互动特性的“AIGC+教育”应用

具体应用示例:

辩论对手: 以“AI 的利”话题为例，将辩论的话题、ChatGPT 所持有观点以及其他的辩论细节 (论据类型) 作为 prompt 输入对话框中，ChatGPT 即可生成所持观点的论点、论据，并根据对方的观点进行有说服力的反驳。

图表63: ChatGPT 作为辩论对手陈述观点

1v1 个性化答疑: ChatGPT 类模型通过文字交互实现课后 1v1 答疑，其接收学生问题并通过提供解答、解释相关概念和技能、演示示例、提供相关资源和资料等方式帮助学生解决疑问、加深对所学知识的理解，缓解了课后教师答疑资源紧缺的问题。与直接给出标准答案的拍照搜题等软件不同，ChatGPT 类模型会渐进式地引导学生解决问题，并鼓励学生进一步发问。

以 Khan Academy 旗下的 Khanmigo (基于 GPT-4)为例，它可以提供课后 1v1 答疑服务。当学生直接询问答案时，Khanmigo 会鼓励学生自己解决问题，并提供解题思路的引导。

对话内容也可以由家长和教师随时查阅，以及时掌握学生的学习情况: 此外，Duolingo 新推出了Duolingo Max 订阅服务，它具备“Explain My Answer”的新功能。在练习结束后用户可以与 Duo(基于 GPT-4) 展开对话，获得错误原因的解答，并且还可以进一步要求举例或说明。

图表65: Khanmingo 的一对一答疑服务

图表66: Duolingo Max的Explain My Answer 功能

心理辅导: 利用情感辅助支撑系统，可通过语言、声音、面部表情等多种方式来识别、理解学生的情感状态，并根据个人需求提供个性化情感支持、建议。

华东师范大学研发的“小花狮”青少年心理守护系统是一种能够感知和理解学生情感的系统，具有多模态、多维度的情绪感知功能。系统可以对学生的情感状态进行认知和理解并分析情感的根本原因，最终生成针对不同情感的多样化情感对话内容，从而提供有效的心理关怀。

图表67:“小花狮”青少年心理守护系统原理示意图

3)高度沉浸

含义:高度沉浸是指 AIGC 技术能够大幅缩短在教育元宇宙虚拟世界中建立 3D 模型所需的时间，配合 VR/AR 等相关技术，教师可以进行模拟试讲和构建生动的教具模型，如虚拟历史人物和天体模型等，提高课堂的趣味性，激发学生的学习热情。

在教育元宇宙中，学生可以进行口语对话练习、模拟演讲和模拟社交等互动体验。此外。AIGC 技术还可帮助教师和学生创建自己的虚拟形象，以实现在远程虚拟教室、虚拟实验中的沉浸式教学体验。

教育元宇宙一般指利用 VR/AR 等技术构建的教育虚拟空间，使得学生和教师可以在其中共同创造、学习、交互和分享知识。传统构建虚拟世界的方式需要依靠扫描、重建模型等方式完成，费时费力，而 AIGC 技术的应用，可以快速生成高质量的虚拟世界内容，为元宇宙的构建提供了更加高效的解决方案。

图表68:体现高度沉漫特性的“AIGC+教育”应用

具体应用示例:

远程虚拟课堂: 利用 AIGC 技术生成虚拟课堂空间、虚拟人物形象和教学材料，学生通过ARVR 设备参与课堂学习，提升远程在线教育的互动性和沉浸感，同时利用多样化的虚拟教具增强学生的学习兴趣。

美国教育机构 Optima Classical Academy 提供远程虚拟课程服务，学生可以通过虚拟现实设备在家中完成数学、文学、科学、艺术等课程的学习。在学习过程中，老师提供多样的虚拟教具，例如虚拟的太空环境、原子结构模型、动植物结构模型、历史场景等，以增强学生的学习兴趣和体验感。

此外，学生还可以通过“元宇宙课间”、“元宇宙学生会”等进行社交活动，提升人际交往能力。

图表69: Optima Classical Academy 的远程虚拟课堂

虚拟实验室: 利用 AIGC 技术可生成任意学科的实验室环境、实验设备等，学生和教师可通过 VR 设备进入虚拟环境进行实验操作，在达到安全、低成本的同时，实现良好的实验效果。与传统实验相比，虚拟实验室中的教师可实时掌握学生的实验操作情况，以更好地分析教学问题的所在。

“智慧宫”是格如灵科技旗下的一套中学虚拟仿真实验室训练考评系统。它可以模拟物理化学、生物实验场景，提供规范的实验内容和自由化的交互方式。学生可以通过 VR 设备在安全有保障的条件下进行实验操作,教师可以通过后端监控系统实时了解学生的操作情况。

图表70:“智慧宫”相比于传统实验室的优势