对话“阿凡题”创始人：要怎样才算是一个“教育界的Uber”？

你可能对“互联网教育”这个概念已经听的有些厌烦了。的确，在互联网教育领域，尤其是K12领域，尽管风口已经被说了无数遍，可是“风”到现在却还没到。一个又一个的教育产品要不就是过于空泛得不到家长欢迎，要么就仅仅是把原有的概念用互联网包装一下，真正有价值的东西屈指可数。 现在看，真正受到市场上欢迎的，反而是具有浓重的应试教育色彩的“做题类应用”。但是这一类的产品也引起了很多争议：其一，它几乎是在鼓励学生抄答案。其二，它从另外一个方面，似乎也让“题海战术”愈演愈烈。 “阿凡题”是一家深耕于教育产品的创业公司，在此前，他们为人所知的是通过深度学习，对于图片题目的超高识别率。但“阿凡题”创始人陈李江却告诉我，“拍照搜题”已经不再是他们的目标。他们现在的目标是：像Uber 配置司机一样，为每个有疑惑的学生配置一名最专业的教师。并且以此入手，了解每个学生的个性化需求，改变“千人一面”的教育状况，真正重构教育。 听上去很宏大，但这是不是又是一个利用“XX的Uber”进行的炒作？搜题与打车这两个看上去风马牛不相及的需求，又有哪些相似之处？以下是我们的对话实录： PingWest：我看你们的产品说明里面，给我的印象是强调“一对一辅导”，但是这其实上已经是个比较旧的概念了。 陈李江：我们这个概念抛出来之后很多人只会看到“一对一”，其实我们重点并不在强调“一对一”，而是“即时辅导”。我们强调这两个字“即时”，学生需要的时候，它就马上可以出现，这是Uber模式的本质——按需服务。所以你可以把它叫做“教育界的Uber”。 PingWest：但是有个区别，“即时”对于要打车的人肯定是非常重要的。在教育里面，真的是一个非常重要的因素吗？再说，你们能够有多即时呢？ 陈李江：当然重要。我举个例子，我们在用户调查中发现一个有意思的情况：不是学生不想学习，其实很多学生哪怕是差生，也有那么一刹那间很想学习。但是他想学习的时候却常常无法学习。我们去学校调研，我们问学生：上了这节课你有什么听不懂的地方没有？90%的学生都说没有，但一旦回去做作业你会发现问题就大了，一堆的作业不会做，学生自己也不明白。其实，学生需要辅导是周一到周五晚上做作业的时刻，但是辅导的时间却经常是他想玩的周末。这就是我们提出“即时”的意义，我们要在30秒之内找到能帮你的老师，这是别人做不到的。 PingWest：30秒？包括晚上？ 陈李江：基本能说是24小时，因为到下半夜了需求小，但老师也有夜猫子，满足需求是没问题的。 PingWest：那你们会辅导学生多长时间？ 陈李江：每次的辅导基本在5分钟左右，长的大概在10分钟左右。这是我们辅导的特性，就是点到为止。接下去该看书看书，该睡觉睡觉，该玩玩。按需服务，点到为止。这是我们跟别家最大的不同。 PingWest：但老师跟开车毕竟是不一样，司机去哪都是一样，老师要备课，他怎么能无预备情况下在5分钟之内突然看到一道题，就把它讲得很好呢？ 陈李江：首先我们面试的都是一线教师，他们每天在一线工作，接触很多学生的问题，所以他们能够在很短时间内判断这道题他懂不懂、会不会、能不能做。在这些老师中，我们也会在筛选机制上选出那些优秀到可以做即时服务的教师。 题目也有分类，简单题和常见题，好老师一分钟就能解决。而真正有一定难度的题，可能老师需要一定的思考过程。但阿凡题最大的服务是机器识别，也就是人工智能的方式。所以老师讲解过程中，虽然遇到难题、新题可能会卡住，但阿凡题的搜索和题库已有的信息不仅可以帮到学生，还可以帮到老师。所以老师在给学生讲这些辅导的时候，也会有信息参考，目前包括对题的解析以及题目的分析过程等，这样能让老师讲得更好一点，提高他讲解的质量。 最后，我们还会积累学生的信息。很多老师可能第一次遇见学生，并不了解这个学生以前的学业情况。这就是我们的机会，但当我们有足够多的数据，系统就可以马上把这些信息反馈给老师，我们用新的技术和数据帮助老师最快速地反应、最快速地实现个性化教学。 PingWest：一般我们都习惯了教育最好是一个持续的过程，如果每次老师都不同，如何保持教育和思路的持续性？ 陈李江：我们的系统里也考虑到这个问题，对比我们自己跟Uber的时候我们发现教学的过程跟你在线下找出租车有很大的不同。教学是个长期的过程，而且学生一旦认定一个老师，就不愿意再换。所以在我们的系统里，我们跟竞品很大的区别就是允许学生“收藏”一个老师，或者帮助他们形成一定的粉丝关系。这有点像微博里面粉丝跟大V之间的关系，你可以关注老师，提问的时候可以定向提问，可以跟他约好什么时候辅导。一旦粉丝关系形成之后，学生对一个老师会慢慢产生依赖，你会看到学生会时不时地@这个老师，甚至经常@这个老师，这样他们就形成固定关系。 PingWest：那最初我怎么知道一个老师好与不好？靠专家团？还是纯粹靠用户评论？但用户评论，毕竟它跟打车不太一样，它是主观的，存在差异性。你又不能把每个老师的录音都听一遍，你怎么做到最好的评价方式？ 陈李江：专家组这些人一定是喜好符合平均价值观的，他教出来的往往是千人一面的那种“好老师”。但是学生状态不一样，需求不同，我们更愿意放在用户这端来决定。 PingWest：用户怎么决定？他们看到的是随机的老师。 陈李江：随机才有很多可能性。现在是随机，学生和老师的数据我们还没有充分用起来，但如果用起来之后我们就知道一个老师的讲课风格是什么样的，一个学生自己的情况是什么样的。因为推荐算法很成熟，智能匹配能让我们为学生推荐更多适合他的老师。 PingWest：那智能匹配怎么做到呢？老师和学生怎么通过数据来操作？ 陈李江：分两个部分。一部分来自老师给学生的评价，这个评价里老师会给学生打上各种各样的标签。譬如说他在学习表现上到底属于中、好、还是差，他对知识点的掌握水平等等。此外用户行为也会提供很多数据。比如年级、学科，甚至他性格的特质。随着学生找老师次数的增多，这个数据会越来越精准，长期以往就会有大数据。 第二部分来自用户行为。你会发现如果一个学生发出一个问题等10秒、20秒就一直着急的点点点，或者出去了，你就知道这个人特别急躁。老师也一样，有些老师喜欢在纸上写，有些老师讲的时候语速特别快，有些老师讲的语速特别慢……通过这些都可以判断老师的性格。通过对这些用户行为的分析，未来可以进行大数据的采集和匹配。 PingWest：听上去你们做的有点像“今日头条”。 陈李江：是的，我们的个性化匹配方式类似今日头条。当然，我们并不是提供教辅服务或者内容的公司，我们是一家技术平台公司，我们暂时不考虑出内容。只是我们会帮助最好的内容找到最合适的人。 PingWest：Uber会根据流量大小来定价，你们怎么给每一道不同的题目定价？ 陈李江：我们有多个维度。Uber最重要的是通过供需关系定价，我们也一样。比如白天从上午到下午上学的时候叫“闲时”，晚上放学五点开始到十一点多、十二点，高峰应该在九点左右，这段时间是“忙时”，这两个时段是不一样的。 此外还有很多方式可以在题目与题目之中进行划分。比如一道高三的题和小学三年级的题就可以划分。其次还可以通过量来区分——数学的供给和需求特别大，我们的政治题、历史题特别少，所以它的供给跟匹配之间更宽松。还有教师，比如教师的等级，他是几星老师，五星老师甚至可以开放定价，因为他确实得到了认可。通过这些层面我们是可以实现系统的浮动定价。目前，我们是Uber式的调价模式，就是连运营都不知道这一时刻这道题值多少钱，是系统自动给的标价。 PingWest：学生花钱？ 陈李江：学生这端暂时不花钱，钱是我们补贴给老师的。一个学生拍一个题的照片上来求助老师，他会把这道题发到我们的答题广场，这道题进来之后系统自动定价，定价完之后再推给老师。这个老师会看到这道题现在多少钱，他不是抢单模式，是被推送后自我接单模式，他可以选择接或者不接。目前一个老师一天只有十次机会选择不接。 PingWest：那我不是可以刷题？ 陈李江：有，目前两个人对刷，三个人合刷等等都出现过。但我们会有判断策略，用机器判断+人工复核审核的方式来解决。人发现不了事情，但机器可以，机器很聪明。 PingWest：你也知道“拍照搜题”这件事引起了很多争议。你有美国教育背景，却推出这样的一个产品，你不觉得这样会助长题海战术或加重应试教育吗？ 陈李江：恰恰因为有这样的背景，我们才觉得做题这件事情并没有那么重要。你知道，美国的教育跟中国完全不一样，题海也好、应试也好，不是它的重点。其实很多中国学生在做题的题海战术过程中浪费了大量时间。你想想，一个学生一个晚上十几二十道题，他做到下半夜，你让他思考，他做都做不完，怎么思考？做完马上就睡觉了，但如果十几二十道题很快解决，他就会思考，为什么我白天听懂了晚上不会做，你给他更多自由的时间，他才有更多空间、更多思考的可能性。 所以我恰恰认为提供这个工具，能高效帮他结束本来他不应该花时间的事情，让他有时间做他该做的事情，甚至去玩，我认为学生去玩也是很好的事情，这就是我们的初衷。中国背景的企业会告诉你，我帮学生安排好时间学习，今天学这个明天学那个。但没有人告诉他们，其实学生是不需要这么多时间去学习的，他需要很多时间来思考。 PingWest：最后一个问题可能比较大，你怎么看待技术在未来教育中的位置？尤其是K12，技术已经发展了十年，但这个部分没有什么新的东西出来，大家长期以来感觉到，虽然有各种各样很炫的东西，但好象实际上没有什么成果。你怎么看？ 陈李江：我觉得技术发展的趋势大家是能看到的，而且这个趋势越来越被大家认可，但是为什么最近的变化不明显？因为技术跟教育的关系其实还是处于分开的阶段，所谓的技术发展只是把黑板写粉笔的过程变成PPT，甚至变成投影仪，但它只是形式上的促进。但更重要的是教育的本质，什么是教育的本质？本质就是教育的内容、教育的传授者，知识传授的方法，当这些受到技术的影响，会产生奇妙的变化。 我举个很简单的例子：从大数据上来说，以前所有人都认为老师是最了解我这个班的学生的，家长都要依靠老师来了解孩子学习的情况。以后可能不是，按照阿凡题这样发展下去，再过一段时间我们可能比老师更了解学生。因为学生每做一道题都在阿凡题上面，学生不懂的东西、老师的每个评价都在上面，所以反过来我们会帮到老师。教材也是如此，从前的教材全国都是一样的，很难满足每个人的需求。以后的教材，有可能每个人拿到同一本教材，但是看到的东西不一样，学习的顺序不一样，要做的题都不一样。 这就是我认为技术再往下去发展能够对教育本质产生的革新。从刚刚说的标准化、填鸭式的教育，会变成个性化、辅助性的教育，让学生真正在这里面融汇贯通，打开思路，真正去思考问题。因为大家都知道，美国的教育是教我们思考问题、发现问题，中国的教育是教我们解决问题。但其实发现问题是最难的，因为只要发现问题，再笨的人都能找到最笨的方法去解决，只是解决得好不好，这才是关键的区别。所以我相信未来科技一定是教育最不可分割的一部分，是能够真正促进教育往前快速发展的关键因素。 来源：品玩

本文 微商货源 原创，转载保留链接！网址：http://51569.com/a/23395.html