EdTech Diary

生成式AI 正在悄悄改写课堂规则。以前老师像工厂流水线工人，用统一的教案教所有学生；现在 AI 像个不知疲倦的助手，帮老师把教学变成 "私人定制"，让每个学生都能按自己的节奏学。 备课：从凭经验到靠数据 以前老师备课，60% 的时间都花在查资料、做课件上，而且教案往往 "一刀切"—— 比如讲数学函数，不管学生基础好坏，都用同样的例子。现在 AI 能帮大忙：老师只要输入课程主题和学生平时的作业、测试数据，AI 几分钟就能生成 3几套不同难度的教案。对于基础弱的学生，AI 会多配生活化例子；对于基础好的学生，AI 会加入拓展问题。老师再也不用熬夜拼凑资料，还能让教案天生就带着 "个性化基因"。 课堂：从老师讲到底到人机配合教 传统课堂像单口相声，老师讲学生听，互动全靠经验判断。学生课堂提问时，AI 能 10 秒内生成知识图谱，用思维导图把复杂概念拆成小块，课堂不再是按教案走的固定剧本，而是像聊天一样，跟着学生的疑问和反应灵活调整。 辅导：从批量答疑到精准补漏 以前课后辅导最头疼，好学生觉得题目太简单，后进生跟不上节奏，老师只能在中间找平衡。现在 AI 能把每个知识点拆成最小单元，再根据每个学生的作业错误，判断具体是哪个小模块没懂。 当 AI 接手了找资料、做课件、改作业这些重复性工作，老师的角色彻底变了：以前70% 时间花在 怎么把知识讲清楚，现在70% 时间花在 怎么让学生学会思考。老师从知识的搬运工变成了学习设计师—— 决定方向、点燃兴趣、教会方法，这些机器永远代替不了的事，成了教学的核心。 ClassGaga正积极携手公立学校的教师，进行着富有成效的探索。在产品端为教师提供了丰富的教学资源与便捷工具。同时，通过整合学生日常学习数据，如作业完成情况、测试成绩等，它能协助教师快速了解学生知识掌握的薄弱点与优势，为教师生成个性化教学建议，让教师能更精准地调整教学策略，将教学资源合理分配到不同学习层次的学生身上。ClassGaga 在教师与学生之间搭建起了一座稳固且高效的沟通桥梁，这种良性循环，让教育教学在科技加持下，朝着更高效、更个性化的方向大步迈进 。 AI 让教学更高效、更精准，但教育的核心从来不是知识本身，而是 "人" 的成长。当机器把标准化的知识传递做到极致，老师反而有了更多空间去关...

在教育科技领域，从早期依赖推荐算法， 到如今大模型异军突起，整个行业正经历着翻天覆地的变化。众多平台如Zearn、Khan Academy、 ClassGaga都投身其中。在这一浪潮中不断探索，我深刻感受到两种技术路线的差异与影响。这不仅是技术的迭代，更是教育理念与实践的革新。 过往，以推荐算法为核心的教育科技产品，主要依靠收集学生在平台内的学习数据。从做题的对错情况、花费时间，到观看教学视频的进度、重复次数等，算法对这些数据进行深度挖掘，从而构建起学生的学习画像。例如，通过分析发现某个学生在数学函数部分错题率高，且在相关知识点视频上停留时间长，系统便判断该学生在函数知识板块存在薄弱环节，进而针对性地推送函数练习题、讲解视频等学习资源。这种模式的优势在于，对学生输入要求较低。即使学生不知道如何表达自己的学习困惑，平台也能依据数据 “洞察” 问题，并提供个性化学习方案。而且，经过长期的数据积累与算法优化，资源推荐的精准度能达到一定水平，为学生节省筛选学习资料的时间。学生在算法推荐的个性化学习路径引导下，薄弱学科成绩有了稳步提升。但它也存在局限，数据收集范围受平台使用场景限制，难以涵盖学生学习的所有场景；而且算法推荐多基于过往数据，对学生潜在学习需求和新知识领域的拓展探索相对不足。 随着语言大模型技术发展，教育科技迎来新变革。以当下融入大模型的教育产品来看，其对学生输入要求显著提高。学生需要明确表述自己的问题，如 “如何理解相对论中时间膨胀的概念”，大模型才能依据自身海量的知识储备和强大的语言理解、生成能力，为学生详细阐释，并提供相关案例、拓展阅读等内容。大模型在教育中有独特优势。它突破了特定平台数据的局限，拥有更广泛、多元的知识体系，能回答学生各种复杂、开放性问题。例如学生对历史事件的因果关系、文学作品的深层寓意等提问，大模型都能从不同角度深入解答。同时，大模型的交互性开启了类似“苏格拉底式”的对话教学模式，引导学生深入思考。但它也面临挑战，正如前文所说，很多学生，尤其是学习困难的学生，往往不知道如何精准提问，导致难以充分利用大模型的强大功能。而且大模型给出的答案，可能存在信息准确性、适用性的问题，需要教师或其他权威资源进行甄别与引导。 对于教育科技平台而言，探索推荐算法与大模型的融合是关键。在实际应用中，可以先用推荐算法依据学生日常学习数据，为学生提供基础的个性化学...

最近在教育科技圈，关于 AI 的讨论早已超越“颠覆还是辅助”的二元对立。当以 ClassGaga 为代表的智能系统开始在课堂上精准定位每个学生的知识盲区，当自适应学习算法能根据千万次点击生成专属学习路径，我们正在见证的，是技术与教育深度融合的真实图景 —— 它未必浪漫，但足够务实。 AI 对教育的改造首先体现在精准度上。通过分析做题轨迹、视频观看时长等行为数据，智能系统能在极短时间内绘制出学生的知识图谱，比传统人工分析快数十倍。这种精准不仅限于知识点查漏：自然语言处理技术能拆解作文的论证逻辑，计算机视觉可捕捉课堂注意力波动，让因材施教从理念变成可量化的数据流。更重要的是，算法能动态调整学习难度，避免无效重复或盲目进阶，将知识吸收效率提升 30% 以上。 在 AI 承担大量机械劳动后，教师的角色正发生微妙转变。当智能系统自动批改作业、生成学情报告，教师得以从重复性工作中抽离，聚焦只有人类能完成的“非标服务”：比如用 10 分钟课间聊一聊数学之外的生活。技术没有取代教师，反而让教育者的核心价值 —— 情感连接与思维引导 —— 更加凸显。 这场变革没有宏大叙事，却在细节处改变着教育的肌理：智能系统让偏远地区的学生获得量身定制的学习资源，算法模型帮助教师发现学生隐藏的优势，数据追踪让个性化培养成为可能。但所有技术的终极目标，从来不是打造完美的学习机器，而是为人类教育者腾出更多空间 —— 当知识传递的标准动作被高效完成，那些只有人类能给予的鼓励、信任与灵感，才能真正成为教育的主角。这不是理想主义的幻想，而是技术与人性最务实的共生：承认机器的高效，也守护人的独特，让每个孩子在算法编织的学习网络里，依然能长出数据算不到的想象力与创造力。

作为一名在教育科技领域深耕多年的工作者，我常常感慨科技给教育带来的巨大变革。在这个技术飞速发展的时代，教育领域正发生着一场静悄悄的革命。传统的 “灌输式” 教学模式，就像老掉牙的唱片，越来越难满足每个学生独特的需求。而个性化学习呢，则如同量身定制的时尚服装，以更贴近人性、灵活多变的方式，为学习者打造专属的学习体验。今天，就想和大家好好唠唠现今市场上几款具有代表性的个性化学习平台，从专注数学的 DreamBox Learning，到数据驱动的 Knewton 再到近年来备受瞩目的ClassGaga，以及风靡全球的Duolingo， 看看它们都有啥特色，怎么帮你找到最适合自己的学习方式。 从早期的计算机辅助教学，到如今借助人工智能、大数据以及虚拟现实技术 打造的智能化学习平台，个性化学习的发展之路漫长又充满创意。记得上世纪中期，学校里只能用简单程序记录学生成绩，可别小瞧这些早期实验，它们就像种子，为后来的定制化教学打下了基础。进入 21 世纪，互联网和移动设备普及开来，越来越多学校和教育机构开始尝试用在线平台，给学生提供个性化学习资源。这些平台可聪明啦，能根据学生学习进度和反馈，自动推荐适合他们当前水平的练习题、视频或者辅导资料，学生遇到困难时能及时获得支持。这一下子打破了传统课堂 “老师讲、学生听” 的单向模式，学生们探索知识的热情都被点燃了。 在最近的几次关于教育科技的交流中，我发现大家对不同个性化学习平台的特点和适用场景特别感兴趣。在现今全球化市场里，不同平台各有所长，下面就给大家详细比较比较，说不定能帮你更清楚地找到适合自己学习需求的那一款。 各具特色的个性化学习平台 DreamBox Learning 我接触过不少学生，有些对数学学习感到头疼，而 DreamBox Learning 就像是数学学习的救星。这是一款专注数学教育的平台，主要服务美国及部分国际市场。它利用实时数据分析，像个侦探一样精准捕捉学生数学学习中的薄弱点，然后通过互动式练习和游戏化教学方式，帮助学生逐步提升数学能力。我认识个孩子，以前一提到数学就皱眉头，用了 DreamBox Learning 一段时间后，不仅数学成绩提高了，对数学的兴趣也大大增加。对于希望在数学领域获得深入辅导的学生来说，这个平台提供了结构清晰、反馈及时的学习环境。 Knewton Knewton 给我的感觉就像一个知识渊博...