当前位置:100EC>数字教育>研报:华创证券:智慧教育:自适应教育 千亿教育信息化红利的点金石
研报:华创证券:智慧教育:自适应教育 千亿教育信息化红利的点金石
张璋 王文龙微信公众号“ 蚊子搞科研”发布时间:2021年04月08日 10:56:48

(网经社讯)核心观点

✔ 自适应教育这一技术的本质是对教育流程的深度数字化、信息化。现在通行的教育模式:教师 1 对 N 个学生面授,纸笔作业等其实可以追溯到百年乃至千年前,在今天这个信息化时代有着相对较为低效和较多浪费的痼疾。 

自适应教育其核心理念是对教学流程深度信息化,依托数据技术和人工智能识别技术针对学生的学习进度进行个人画像,从而动态调整教学和练习内容,挖掘传统教育流程中的信息化红利,解决效率低下和重复造成的浪费,将对整个教育体系带来革新。自适应教育自诞生伊始就被业界寄予厚望。

✔ 中国自适应教育企业发展相对突出。自适应教育诞生于美国,在东亚地区开始发展壮大,在中国市场获得了相对成功。我们认为除了企业自身实力,不同市场环境,特别是中国教育制度现状-中高考给了自适应教育更佳的生长土壤。

✔ 复盘美韩自适应教育发展史,内容和应用是公司发展的核心。美国自适应教育明星企业 Knewton 占据先发优势,数轮融资声名显赫却最终暗淡收场。从其发展历程我们总结的经验是内容才是自适应教育的核心壁垒之一。韩国自适应教育龙头 KnowRE 最终并入韩国龙头课外教育公司之中并得到了持续发展,表明了和应用场景的深度结合是校外自适应教育公司的必由之路。

✔ 校内是中国自适应教育未来的金矿,但仍需克服两大问题。行业普遍认为校内能够积累的给学生做大数据画像的数据量是校外的数倍以上。对校内数据的深度分析和挖掘可以大幅度提高学生画像的精度和覆盖度。

但在中国公立教育体系内深度应用自适应教育有两大障碍:1)政策相对不友好,特别是对学生使用电子设备的不友好给了教学流程数字化一定障碍;2)AI 技术不成熟:当前 AI 技术发展水平对已经打好精细化标签的学生选择题回 答可以精细化画像,但对于纸笔上的非题库无标签的问题,对于学生答案中的主观题,问答题,证明题等内容,AI 技术依然无法有效准确识别,也无法精确打标签,这既是之前全球包括中国自适应教育探路者不甚成功的原因之一, 也是中国自适应教育未来深度在校内外扩展应用的最大障碍。

✔ 自上而下+深度服务模式是现阶段在中国校内探索自适应教育的最佳应对:科大讯飞在中国探索出了自上而下的区域级“因材施教项目”,通过上级主管部 门背书解决政策风险,通过 KPI 传导解决教师积极性问题。再通过深度现场和远程人工入校服务部分的解决当前人工智能技术在识别能力上的不足,在现有条件下成功探寻到在公立教育体系内尽可能发挥自适应教育效能的模式。

✔ 自适应教育在中国短期市场空间看教育信息化经费,长期市场空间看课外教育市场为自适应教育的效果所愿意支付的份额。全国教育经费中,政府一直规划有一定比例的信息化经费,在当前从硬件建设向软件和服务购买转变的过程中这笔经费能够支持自适应教育相关企业。从长期来看,当自适应教育系统深度融合在日常教学流程中后,其产生的数据具备了向课外教育变现的潜力,相关企业能够用自身的效能向市场证明自己的作用,则可以在校外教辅乃至辅导市场中获取其对应价值的变现分成,这对应一个相当广阔的市场。

✔ 风险提示:自适应教育在公立教育体系内推广不力;校内校外数据存在政策风险;行业竞争加剧带来价格竞争和盈利能力下降。

报告目录

报告正文

1

自适应教育:在教育行业深度挖掘信息化红利

(一) 传统教育行业在信息化时代的不足与机遇

信息化早已深入人类社会的方方面面,但我们注意到,教育行业,依然在某种程度上并没有跟上信息化的快车:

✔ 从整体形式上,一个老师台上讲,N 个学生台下听,这种延续了几千年单向输出模式仍然没有太大变化,网络课堂也仅是把教室搬到了网上,1 对 N 模式没有变化;

✔ 在学生作业上,纸和笔因为各种原因,保持了相当“顽强”,在办公领域“无纸化”依赖 PC/移动计算普及而成功的今天,纸笔却依然顽固留在了课堂内;

✔ 在学生学习评价上,主观题评价完全依赖老师“主观”判断,有一定的随意性和随机性的问题也始终无法解决。这个问题在中高考这样选拔性高利害性考试特别严重。

缺乏信息化的结果就是,行业内依然存在大量的信息摩擦成本,低效和浪费,反过来,如果行业能够大幅度推进深度信息化和智能化,则能够收割一波“信息化红利”;

✔ 在教学上,老师1对N向学生单向宣讲造成了a)老师缺乏对学生了解,b)全班统一进度必然造成一部分学生学不懂,一部分学生却觉得太简单,这造成了学生时间的浪费,并影响了学生的效率。解决这一问题可以提高学生的学习效率;

✔ 在应试需求下,题海+纸笔就是重复性的灾难。学生在做题之前几乎无法了解一本习题集是否有效,但是做完之后时间已经成为沉没成本,科大讯飞在一项包含35亿数据的研究中证实中国中小学生作业的有效率约40%(下图)。如此之低的效率甚至好于人们日常感受。解决这一问题可以大幅度提升学生在应试制度下的时间效率;

✔ 主观题依靠人力批改不仅是教育行业的“重脑力活”,而且高考评分标准不一和随机性也是教育主管部门,学生家长和老师的共同痛点。解决这一问题可以大幅度提升教师的时间效率,提升学生,家长和教育主管部门关切的考试公平有效性;

(二) 自适应教育简史和基本原理

随着计算机技术和信息化的发展,海外和国内也不断有公司尝试对教育行业做深度信息化改造,在众多尝试中,自适应教育(adaptive learning)被公认为为最有希望成为下一代教育形态的创新型信息化教育解决方案:

✔ 早至1996 年,美国就有开始“自适应教育”相关的尝试,但当时的基础算法以及计算机硬件算力都不支持在教育行业复杂的应用; 

✔ 早至 1996 年,美国就有开始“自适应教育”相关的尝试,但当时的基础算法以及计算机硬件算力都不支持在教育行业复杂的应用; 

✔ 2013 年为国内 AI+教育的元年,包括猿题库,作业帮等依靠技术试图改造传统教学流程的公司先后成立;

 ✔ 2018 年之后,教育部开始发文,推进 AI+教育在公立体系内落地;

当前的自适应教育,其主要技术原理,暗合了中国古代传统教育理念“因材施教”,让信息系统高频度的和学生互动,通过互动采集学生的学习信息:

✔ 对整个学习目标,(基于应试的考纲)建立完整的知识图谱,并为每个学生建立个性化画像图谱;

✔ 在每一次通过题目-回答的互动中,“读懂”a)题目的含义和意图;b)学生的回答;

✔ 在参考学生已有的知识图谱前提下,综合判断学生回答的正误,以及错误的点,对应到学生的个性化画像图谱上并更新图谱;

✔ 向学生推送新的测试,形成“自适应”闭环:

表面上看以上的自适应闭环并不复杂,但其实很多关键点有相当高的技术难度:

✔让计算机系统“理解”题目和学生回答就已经极难,涉及了OCR,语义理解等诸多AI技术,而部分领域近年才在算法上有一定突破;时至今日,仍有相当多的功能,如学生问答题,证明题,主观题答案,计算机系统无法很好理解;

✔判断学生的出错并更新学生的画像需要对教学过程有极深度的理解:学生答错一道选择题,有数种可能,绝非简单记录这道题再推送一遍类似题目就可以解决;

✔对学习过程的全流程数字化,意味着一个庞大的数据库,知识图谱库和画像库;

(三) 中外教育市场环境的不同以及中国市场的巨大潜力

在自适应教育的发展历史上,我们需要注意到的一个现象是中国和东亚自适应教育系统虽然起步较晚,但成长性有明显的差别:

✔美国的自适应教育先驱Knewton最早在2008年创立,但最终收场惨淡,累计融资1.8亿$,最终被并购的时候估值不超过1000万$;

✔韩国知名自适应教育公司KnowRe探索在数学领域适用自适应教育,最终也没能独立发展,被韩国最大的课外互联网教育公司并购;

✔中国的猿题库,松鼠AI起步明显晚于前两者,但是近年发展态势均较为迅猛,猿题库的母公司猿辅导在最新一轮的融资中,估值据信超过200亿美元;

除了公司不同的技术路径,创始人的技术水平管理水平,企业家精神之外,我们认为一个很大的因素是不同的市场,文化大环境决定了不同公司的发展潜力:简单直观来看,现代自适应教育系统了解学生知识掌握水平的主要方式是“习题测试”和学生作答理解标签,和题目训练有很大的关联,从实践结果上,自适应教育在应试教育方面也更容易体现出效果:

✔以中国为首的东亚文化圈,受千年科举制度的影响,在教育结果评定和升学上更重视数字化的分数,更在乎一套试卷的结果;

✔西方文化圈对学生教育的评价维度相对而言会更丰富一些,造成的结果是考试分数在学生综合评价结果的比例较低。


大环境的教育制度的差别,体现了在课外教育方面投入的差别,美国劳工统计局和韩国国家统计局分别统计了2019年家庭平均在每个子女课外教育的花费,分别是1443美元和3625美元,美国生均课外投入是韩国的1/2不到,但我们要注意美国人均GDP大约是韩国的两倍,因此可以说以美国为代表的西方在课外教育方面的投入相对力度,仅为韩国的1/4。中国缺乏全国性的数据,但在2018年发布的《2018年中小学生减负调查报告》中有数据显示全国参加辅导班的费用为12000¥,这一数字和美国家庭课外教育花费相当,但考虑全国人均GDP,这一投入的力度甚至超过韩国:

中国虽然当前课外支出人均数额不高,但我们也要考虑中国人均GDP还在快速提升中,中国家庭对教育的投入比重(接近20%)是远超美国(约2%)和韩国(约10%)的,因此随着经济的发展,中国的自适应教育市场必然迎来更大的发展机会,结合人口总量,能够培育出相比海外可对标公司更强的企业。

2

从自适应教育行业标志性公司发展史看行业核心规律

(一) 美国先驱公司Knewton黯然收场带来的启示

2008 年创立的 Knewton,是海外较为知名的 AI+教育先驱公司,公司创立的年份在 06 年 深度学习技术突破之后 2 年,是世界范围内较早的利用 AI 新技术探索“自适应教育 adaptive learning ”的公司之一。公司作为行业先驱,早年较为知名,其愿景也吸引了大 批一级市场投资人关注,在历史 8 轮融资过程中拿到 1.8 亿美元。而在 2019 年 5 月, Knewton 仅以 1700 万美元,被美国知名出版社 Wiley 收购。这家曾经红极一时的自适应 教育领头羊就此黯然收场,不由得让人唏嘘。

2017 年之前 Knewton 是业内较早探索自适应教育企业,在巅峰时期全球有超过 1500 万学生使用。相对于同时期的竞争对手,Knewton 产品具备一定的竞争优势:

✔ 知识颗粒度处理能力:在题目标签上尽可能做到标签细化;

✔ 及时反馈:公司的自适应教育系统开创了业内实时刷新画像和推送策略的方法;

✔ 提供多维度结果。公司提供多角度、多方面的结果分析;

✔ 自适应引擎的准确度。Knewton 还能够通过学生的学习情况对未来考试的通过率进行预测,自适应学习的引擎预测率大约是 87%(数据源于 2019 年 3 月 15 日 Knewton 合作与发展高级副总裁 Jason Jordan 的分享)。

但作为行业先行者,Knewton 并没有顺利发展壮大并上市,相反,其遇到了明确的瓶颈并逐渐走上了下坡路。在 2017 年之后,出版商逐渐终止与 Knewton 的合作后,它就走上了末路。

复盘 Knewton 下坡路的过程,其核心原因是没有自己的知识库。Knewton 的知识图谱数据来源于它的合作方—全球最大的教育出版机构:培生集团,以及教材出版机构,例如 剑桥出版社。在国外重视知识版权的大环境下,Knewton 若想自建知识库面临极高的成本。因此从 2017 年开始,当 Knewton 尝试自己建立开源知识库,这遭到了出版商的联合抵制,导致原有的合作伙伴变成竞争对手。同时由于之前没有面向学校或个人的用户积 累,在之后的两年中迅速失去市场,最终被收购。

复盘 Knewton 的发展史,在北美和西欧较高的知识产权成本导致公司始终没法自建知识库和题库,以及欧美不以标准化考试评分决定升学结果导致公司需求并“刚性”两个因素是其衰败的关键外部环境,但这两点在中国却可能恰恰相反。

(二) 韩国标杆公司 KnowRe 被并购带来的启示

KnowRe 创立于 2012 年,通过游戏化的机制为学生提供个性化的数学课程学习辅导, 是一个基于云端的自适应中学数学学习产品。

KnowRe 的特色是:

✔ 游戏化的方式提供学习课程内容。在学习过程中,通过获得金币或奖励的方式,持续不断地激励学生进行学习。“Knowre Success Score”中会显示同伴的学习进度, 同样可以激发学生的学习动力。

✔ 提供更细节化的解题步骤。KnowRe 在“Walk Me Through ”中提供分步骤解答提示, 并提供整个解题视频,也可以更好了解学生的薄弱环节。

公司发展过程中一直面临的不足和瓶颈:

✔ 选择错误的市场。创业初期为美国公立校提供服务,联合创始人 David Joo 也提到公立校的进入难度较大,根据收购前的数据,To B 的业务收入只占到总营收的 10%。美国各州之间使用的教材是不同的,为了面向不同州的学生,需要建立不同的知识库,大量的成本投入却无法得到复用。

✔ 没有形成自己的知识库。面向学校领域没有走通之后,转向为 Daekyo(韩国最大的教育公司)提供技术,但是,此时 KnowRe 仍没有建立自己的知识库,这使得 KnowRe 无法直接面向 C 端客户提供大量产品。

尽管 KnowRe 的技术和教学方式对中学学生的数学学习有很大的帮助,但是由于 To B 端的难以进入,同时在 To C 端没有很大的客户积累,导致公司发展受限,最终被自己的合作伙伴 Daekyo 教育机构收购。

被Daekyo并购之后,公司整合成为了“Noonnoppi”事业部,提供数学和语言学习方面 的自适应教育产品。其产品的核心引擎为“Noonnoppi customized learning program”,通 过游戏化的自适应诊断体系给客户画像,再推送个性化的教学方案。在新冠疫情之前, Noonnoppi 事业部的收入增速已经稳步上涨,表明整合的成功:

✔ 从KnowRe的发展历程中,我们可以看到技术是一方面,自适应教育公司和Daekyo这样的课外教育集团结合,前者为后者赋能可能是行业更好的发展方向之一。

(三) 中国众多课外教育公司的自适应教育实践

相对于美国和韩国的前辈相对惨淡的收场,中国的自适应教育机构虽然后发,但利用后发优势,以及自身国情给相关企业带来的优势,走出了远超前辈的指数级成长。

1、猿辅导的自适应题库-猿题库

猿辅导成立于 2012 年,重点布局 K12 在校外的领域。猿辅导作为旗下主打手机智能做题的 APP,目前题目内容已经覆盖小中高 12 个年级,同时提供各省市的高考真题及模拟题。学生可以按照考区、学科、知识点自主选题进行模拟练习。

猿辅导的成功关键:

数据积累是核心要素。在猿题库、小猿搜题逐步上线之后,猿辅导利用学生的做题、搜题数据,逐步形成自己的知识库,向学生提供个性化推荐。同时这些数据也被应用在猿 辅导旗下的其他产品中。据报道,猿辅导的题库题目数量是亿级别的,这是极为深厚的数据积累,亿级题库和上面十亿级别的标签是极高的数据壁垒;

数据导流变现。猿辅导通过不断上线各种课程导向的产品,形成工具、培训两大类产品矩阵。工具类产品,如猿题库、小猿搜题,承担导流作用,吸引大量用户,建立用户粘性,形成用户知识图谱。培训类产品,如猿辅导,承担变现作用,通过售卖课程产品增加收入。

根据市场,及时调整授课模式。从最开始的平台模式,到招聘全职教师形成自营模式, 取消 1 对 1 的授课,目前的大班双师课,是实践中最有效且变现能力最强的方式。猿辅导在数据变现模式上做到了领跑其他公司,从而分到了更多的蛋糕。

2、松鼠 AI

松鼠 AI 开发了国内第一个拥有完整自主知识产权、以高级算法为核心的智适应学习引擎, 在教、学、测、评、练等均应用了人工智能技术。松鼠 AI 的强项在于:

✔ 学习引擎智能化程度高。开发了国内第一个拥有完整自主知识产权、以高级算法为核心的智适应学习引擎。在人机大战中,通过实践验证,松鼠 AI 教学组的学生学习效率更高,学习结果更好。

✔ “智适应”渗透率高。自主研发的“智适应”系统,模拟真实教师教学,在教学过程中的教、学、测、评、练等均应用了人工智能技术。

✔ 知识点分级更细,考虑多维度学习元素。将知识点拆分成纳米级,更加精确定位学生的知识点掌握情况,同时考虑学生的情感、积极性、能动性等因素,应用细分思 维模式、学习能力、学习方法的 MCM 系统。

✔线上“人工智能+真人老师”,线下小班教学。在线上教育方面主打 AI 授课,真人老师进行辅导;在线下与教辅机构进行合作,提供 6 人小班教学,主要收取咨询费和学费分成。

3

校内自适应教育:行业未来的必由之路

在世界范围内,在校内探索 AI+自适应教育也绝非中国独有。韩国教育部在 2020 年 9 月 宣布,将在全国范围内 16 个县的 34 所学校试点一个名为“Math Expedition”的项目, 这个项目的核心内容就是将游戏化的自适应教育系统引入到公立学校数学教学体系内, 作为校内数学课堂教育的补充:

✔ 通过游戏的形式对小学一二年级学生测评其对数学知识点的掌握;

✔通过学生的个人画像推送辅助教学内容,个性化的提高学生对数学知识点的掌握;

以上流程,实际上和现代自适应教育的体系非常吻合,也可以说,中国和韩国的教育部 先后启动了在公立教育体系内探索自适应教育系统的应用,从某种程度上表明两国教育 部都看到了自适应教育可能对公立校内教育体系带来福祉!

(一) 校内数据:自适应教育的天然“数据金矿”

在校内做自适应教育,相比在校外做自适应教育,其天然优势在于数据的丰富度大大提升。在国内,课外教育的主要时间段依然是以周末为主,但周末本身还要留时间给休闲 娱乐和兴趣素质拓展教育。而工作日时间段校内教育占据白天时间,夜晚还要考虑校内作业时间,校外的课程和作业时间也很难争夺主导地位,我们粗略估算的一个学生典型 的校内和校外教育的时间分配见下图:

上图浅绿色和深绿色是校内时间和课内作业时间,黄色标明校外作业时间。上图仅仅是示意图,目前行业内专家普遍认为课内的作业量和数据量大约是课外的 3~4 倍,这一点也和上示意图的直觉相匹配。从数据总量上看,校内数据相对校外自适应教育是一个数据金矿,而行业专家也普遍认同,如果这一数据金矿能被挖掘出来,对学生的个性化画像会更准确,而自适应教育也将能起到更好的效果。

(二) 当前校内自适应教育面临的主要障碍

目前在中国实践校外自适应教育进入校内,首先面临的一大障碍是政策上的障碍。对于校内中小学生使用 APP,使用手机等信息化的工具,以及校外培训机构对校内的渗透,中国教育主管部门是高度谨慎的。一起教育是一家主打校内免费工具+校外辅导导流的公司,其在招股说明书中列举了国内最近两年和公司有关的监管政策:

从以上的列举来看,企业如果想要在公立学校体系内部做深度的信息化改造,第一重障就是政策相对的不友好。以一起教育为代表的一批公司是走“草根路线”,通过动员 学校老师来采集校内数据进而完成画像,但这一路线在高监管风险,特别是对学生使用 手机和 APP 的限制下面临了很大不确定性。

教育部从保护青少年视力角度出发制定的一些政策给信息化带来了更大的阻碍:2018 年 8 月 30 日公布的《综合防控儿童青少年近视实施方案》中规定:“... 学校教育本着按需 的原则合理使用电子产品,教学和布置作业不依赖电子产品,使用电子产品开展教学时长原则上不超过教学总时长的 30%,原则上采用纸质作业。…”限制采用电子化方案, 原则上采用纸质作业,给自适应教育开展带来了两重困难:

a) 在校内推广免费的自适应教育方案,其对教师的原本的吸引力在于通过互联网电子化推送题库内容,并自动批改降低教学负担,一旦变为纸质作业,则上述便利不复存在, 如果没有上层推动,教师很难有动力自发采用自适应教学系统;

b) 对于纸质作业,自适应教育在“识别”上面临指数级的难度提升。自适应教育中很重 要的环节是对题目预设标签,对学生回答打标签,形成学生画像。但纸质作业中题目可 能是老师自行布置,不在系统题库中,不存在预设标签,自适应教育系统需要具备对任意题目自行打标签的能力。而学生在纸质作业上的回答,特别是问答题,证明题等包含 大量学生手写的内容,则大幅度提升了自适应教育系统的“智慧程度”要求,要求系统能够有贴近人类教师对主观题,问答题,证明题的理解能力。

而目前来看,我们不能忽视的是人工智能在语义理解上的发展水平是远远不能满足实际教学中的需求。我们以 SMP 大会论文为例:SMP 大会是中国全国社会媒体处理大会 (SMP)专注于以社会媒体处理为主题的科学研究与工程开发,其中文语义理解 AI 竞赛是较为权威的全国性竞赛,比赛结果代表着中文领域 AI 技术和应用水平的最新进展。

SMP 大会中的中文人机对话技术评测(ECDT)比较能准确反映出语义理解的水平, 但上图可以看出,即便是排名第一的出门问问公司,其比较粗略的域准确度是 97.3%,但句子准确度仅为 72.23%,这个准确度是完全没有实用价值(超过 99%)的。可以说,在语义理解和自动标签领域,至今人工智能技术没有攻克这一高地,也阻碍了自适应教育系统对教师作业和测试的深度标签,以及学生主观问答的深度批改和标签。

(三)自上而下+深度服务:校内自适应教育的通途

在国内课内教育领域实践自适应教育的龙头公司是科大讯飞,其在自适应教育领域实践 的两大策略可以总结为自上而下+深度服务:

自上而下:通过和区域教育主管部门签订订单,一方面获取一部分从财政的收入,更重要的是用教育主管部门背书解决政策风险,并通过教育主管部门自上而下的向老师传递 KPI 压力,解决教师的积极性和使用覆盖率。

深度服务:用现有的人工智能技术,在处理纸质作业,不管是给题目打标签还是批改学生主观/问答题/证明题并打标签,都存在很大的准确率缺陷,导致整个自适应教育系统无法形成信息流闭环,没有实用性。科大讯飞摸索出的方法是增加驻校的服务人员,用(远程)人工来弥补 AI 的不完善,一线人工辅助完成题目录入,远程的教研团队人工服务辅助教师完成题目的精确标签;

(四) 校内+校外联动:自适应教育的广阔空间

对于校内发展的自适应教育,从短期看,其主要依赖地方政府的信息化经费支付,早在 2011 年发布的《教育信息化十年发展规划(2011—2020)年》公告中,就明确各级政府 在教育经费中按不低于 8%的比例列支教育信息化经费。在 2020 年 2 月发布的《2020 年教 育信息化和网络安全工作要点》中,明确指出要继续完善教育信息化,并鼓励企业等社 会力量积极支持信息化建设和应用。2019 年全国教育经费接近 5 万亿,其中义务教育+ 高中教育接近 3 万亿,对应的义务教育+高中的教育信息化经费超过 2000 亿,本身是一个不小的市场。

从大的周期来看,中国的教育经费的信息化部分已经从硬件建设向软件和服务转变,这带来的结果是自适应教育的软件和信息化服务能够有更大的2B端市场空间。

从更长期的机会看,我们认为自适应教育的未来是校内的数据积累+校外的辅助提升市场联动。对于自适应教育在校内市场积累的数据,其在校外有着巨大的可变现空间。下图展示了 2019 年全国在校学生的人数分布:

✔小学生一共约一亿人,考虑高年级学生使用自适应教育系统才能看到比较明显的效果,以及小学整体上相对较低的升学压力,再考虑不同地区支付能力的差别,我们认为这一块有效潜在市场人数在数千万级别;

✔ 初中生一共约 4700 万人,由于初中升高中存在一个“中考”这一关键性升学考试, 我们认为潜在的市场人数占比要远高于小学,大致的潜在付费学生数量和小学应该接近;

✔普通高中(除职业教育等升学压力较低的高中)在校生 2400 万:考虑到高考的升学 压力相对中考进一步加强,支付意愿的确定性在中国传统文化的背景下会有较高的确定性,我们认为对这一市场更大的影响变量是支付能力。超过千万的潜在学生数是有很大可能的。

对于小学数千万潜在客户,中学数千万潜在客户,以及普通高中极强支付意愿的 2000 多万在校学生,自适应教育其对应客单价也可以有不同的数量级:

✔ 最基础的自适应教育可以解决习题训练的效率问题,由自适应教育系统推送的练习题,理论上能大幅度降低学生的重复练习和无效练习,因此其具备很大程度上取代 传统的纸质课外教辅的潜力;

✔ 更深层次的,自适应教育+课外 K-12 教育结合有提升课外教学的效率和效力的潜能,在相对内卷的市场格局下将成为课外教育行业的标配,那么自适应教育所需要的基 础画像数据的价值就可以在接近万亿¥的 K-12 课外教育市场分得其应有的份额。

(五)相关公司

1、科大讯飞

科大讯飞自创立伊始长期在语音和 AI 技术这一赛道长期积累,目前已经探索出基于 AI自适应教育的“因材施教”技术和解决方案体系,并在全国各地探索推广。最近几年的智慧教育相关大额订单不完全统计见下表。科大讯飞的区域级试点项目在全国各个省市 的试点均全面铺开,并没有显示出显著的地域限制。

“因材施教”项目这一自适应教育在中国公立教育体系内的实践,已经初步性得产生了正向的效果。蚌埠市教育局官方微信公众号在 20 年夏季高考结果出来之后,发布了蚌埠全市级别的数据统计(微信官方公众号),其标题是“图说蚌埠高考|因材施教 创新引领智慧教育示范校应用成效凸显”。认为蚌埠全市 2020 年度高考成绩相对安徽全省平均水平的提升,科大讯飞主导的因材施教项目有较大的贡献:

我们认为,以下两个因素会推动科大讯飞的自适应教育更快速在全国公立教育体系普及:1)教育信息化相关政策引导采购从单纯硬件向软件服务转变;2)示范区域的成功案例能够依靠效果背书公立学校使用财政支出的有效性。

2、视源股份

视源股份的主营业务方向为液晶显示主控板卡和交互智能平板。其旗下品牌希沃(seewo) 是全国领先的教育信息化应用工具提供商。希沃提供的教育信息化应用工具主要分为三大类产品:数字化教学硬件、常态化应用软件、教师培训与小数据服务。

在软件和深度信息化方面,公司的常态化应用软件可分为教学核心应用和教学辅助应用。教学核心应用软件主要为希沃白板 5、班级优化大师、易课堂等。教学辅助应用软件主要为希沃传屏、希沃品课、希沃剪辑师等。

✔ 希沃白板 5:专为老师打造的互动教学平台。针对信息化教学场景,提供课件制作、互动授课、在线课堂、微课录制、课件资源库等多项功能,包含 5000+课程视频、 30万+题库、800+仿真实验等海量学科资源。

✔希沃易课堂智慧学习解决方案:基于希沃提供的教育云服务及应用,搭载学生智慧 学习终端,实现简易、实用的课堂即时互动教学及反馈。其个性化教学方面:1)系统平台支持对教学各环节的学情数据进行汇总分析,老师可根据学生实际学习情况进行合理分组,有效实现分层教学。2)易课堂还支持老师对学生课堂表现进行个性化点评,实现学生行为评价与正向激励。(以上资料来源:希沃官网)。

从以上官网披露的产品形态来看,希沃的软件应用体系已经初步具备了“自适应教育” 的基本元素和基本理念,但由于公司作为硬件起家,在 AI 软件技术研发上相对薄弱(如 CVTE 中央研究院在图 12 的 SMP 比赛中成绩并不突出),在产品打磨和积累上也仍有一定的提高空间。但视源在全国公立教育营销网络上有很大的优势:

✔ 希沃有很高的学校覆盖数,根据公司 20 年半年报披露:“…2020 年上半年中国大陆教育交互智能平板市场销售额同比下降 23%,希沃交互智能平板产品销售额市占 率为 40.6%,继续位居中国大陆教育市场交互智能平板排名首位…”,如此之高的市占率意味着其能广泛触达公立学校,并有着较为良好的客户口碑。

✔ 希沃品牌有一个全国完善的营销服务网络,29 个省级服务管理中心,覆盖 719 个城市,1300 个服务网点,这一渠道是有很强的覆盖壁垒。

我们认为,视源股份自创业以来快速成长,企业发展稳健,有着优秀的企业文化和良好的治理结构。公司在公立教育体系建立的营销壁垒和客户口碑可以帮助其快速推广智慧教育产品。若其能进一步提升在 AI 方面的技术实力,并打磨出效果显著的自适应教育产品,也能成为自适应教育行业在公立教育体制重要的一个玩家。

网经社联合A股上市公司网盛生意宝(002095.SZ)推出消费品在线供应链金融解决方案。该产品具有按需提款、按天计息、随借随还、专款专用、循环信用贷、全线上流程操作等特点,解决消费品供应链核心企业及下游经销商/网店因库存及账期造成的流动性差“痛点”。》》合作联系

网经社“电数宝”电商大数据库(DATA.100EC.CN,注册免费体验全部)基于电商行业12年沉淀,包含100+上市公司、新三板公司数据,150+独角兽、200+千里马公司数据,4000+起投融资数据以及10万+互联网APP数据,全面覆盖“头部+腰部+长尾”电商,旨在通过数据可视化形式帮助了解电商行业,挖掘行业市场潜力,助力企业决策,做电商人研究、决策的“好参谋”。

【投诉曝光】 更多>

【版权声明】秉承互联网开放、包容的精神,网经社欢迎各方(自)媒体、机构转载、引用我们原创内容,但要严格注明来源网经社;同时,我们倡导尊重与保护知识产权,如发现本站文章存在版权问题,烦请将版权疑问、授权证明、版权证明、联系方式等,发邮件至NEWS@netsun.com,我们将第一时间核实、处理。

        平台名称
        平台回复率
        回复时效性
        用户满意度
        微信公众号
        微信二维码 打开微信“扫一扫”
        微信小程序
        小程序二维码 打开微信“扫一扫”