数据和AI技术如何辅助实现学生个性化学习路径的打造呢？在iTutorGroup中台，DCGS是整个系统的关键。在今年2月的iTutorGroup媒开放日中，沈沛鸿曾向TechWeb介绍，DCGS系统针对超过3万份教材、2万多位老师和1.8亿人次的学习进程做特性分析，标注不同属性的标签。借助标签，系统自主帮助学员依据兴趣、背景、能力等特质量身定制课程、匹配老师，做到“个性化”教学。

做了宏观的个性化之后，下一步就是微观层面的AI赋能。

沈沛鸿认为，微观层面，一个正确的AI应用在在线教育场景里面绝对不是取代真人，而是辅助真人，真人的价值是在微观的层次上。即使用算法决定了每个人的学习轨迹，真的到了上课的时候，一个真人老师可以透过他的教学经验、教学技巧找到最适合这个课堂的学生吸收教学内容的表现方式。

老师的角色包括了传道、授业和解惑，传道和授业是内容的传递，这件事情比较有可能靠系统来取代人工，而解惑没有任何人工智能取代老师的地位。

此外，通过实时大数据监控，掌握每堂课学习的效果，了解是否有学生学习遇到了障碍。系统收集的信息够细够深，可以在学生的厌学、不满情绪积累在爆发点之前，就由系统提醒助教或者客服人员做提前式的关怀，把问题消灭于无形。

算法足够强大时 1对3会比1对1更有效率

沈沛鸿介绍，针对个性化和千人前面的教学目标，iTutorGroup可以提供学生1对3、1对4的小班课，而不必要被迫做成1对1来满足个性化。

事实上，1对3、1对4这种小班课技术难度高于1对1，因为小班课除了要考虑学员与教师的匹配性，还要考虑同学之间的匹配性。沈沛鸿介绍iTutorGroup的AI技术已经能够克服这一点，大量数据表明，1对3、1对4的学生，比1对1学生的学习进步速度快20%左右。

在线教育1对1模式成本高昂，1对n的小班课模式对教师资源最大化、学员间互相竞争激励，学习成本降低都有帮助。能提供1对1至1对n的个性化教学模式，更具性价比，在沈沛鸿看来也更能达成iTutorGroup在教育上的“学得到、学得会、学得起“ 的三个目标。

相关报道: