🐝 #54 - 在线学习平台 GoStudent 称已实现盈利

教师对在课堂上安装大屏的态度有所差异、让人工智能工具执行其能力范围内的任务才能提升速度和质量。以及其他内容。

Apr 12, 2024

通知

因工作内容有所变动，周刊暂时将从一周一期的更新频率变更为一月一期，特此通知。

▎文章

1、课堂技术的历史与实施 / 美国

https://www.sciencedirect.com/science/article/pii/S1877042813035349

一篇描述技术对课堂教学所产生影响的文章，影响有好有坏，个人对文中交互式白板（大屏）相关的介绍比较感兴趣：

交互式白板（IWB）是信息和通信技术的一个分支，在改变当今教室方面发挥了巨大作用。IWB 是一种大型触摸感应板，可控制连接到数字投影仪的计算机（Smith, Higgins, Wall, & Miller, 2005）。IWB 有时也被称为电子白板或 SMART Board。1991 年，一家名为 SMART Technologies 的先驱公司生产出第一块 SMART Board 交互式白板。从那时起，交互式白板有了长足的发展，许多学校的教室里都安装了这种特殊的白板（SMART Technologies, 2006）。

最初的交互式白板只是一块连接到计算机上液晶屏幕，还不具备触摸交互功能。其最大的作用就是用来展示教学内容，通常是图片、文字以及声音这类多种媒体的组合内容。随着技术的更新迭代，交互式白板的交互形式也有所变化，比如屏幕开始支持触控，另外还有像 SMART Technologies 所研发的无线手写板设备来进行交互。

此外，教师对在课堂上安装 IWB 的态度也比较有意思：

他们将教师的态度分为以下几类：传教士、尝试者、鲁钝者、革命者、渐进者和反动者。每一类都由具有某些特征的教师组成，例如，“传教士”是指那些已经在自己的课堂上使用了 IWB 并努力让其他教师也这样做的教师。“尝试者”是指那些对 IWB 感兴趣，但由于缺乏知识而畏首畏尾的教师。“鲁钝者”是指他们接受过如何使用 IWB 的培训，但害怕踏上新的征程，害怕为有效使用 IWB 付出额外的时间和精力。"革命者"认为 IWB 有其价值，他们想方设法让其他教师也加入进来，共同有效地使用 IWB。"渐进者"是那些意识到有必要改变的教师，但他们会随着时间的推移慢慢改变。最后，"反动派"是指那些担心新技术会给学校带来问题的教师，他们利用当前或潜在的资源问题作为推迟变革的手段。
根据这项研究，当管理者希望在课堂上使用 IWB 时，他们需要考虑到教师的态度和看法，因为变革的步伐显然取决于教师是否愿意加入进来，使变革成为可能。

参考资料：

2、人工智能驱动的学习设计：绘制崎岖前沿 / 美国

https://drphilippahardman.substack.com/p/ai-powered-learning-design-mapping

去年，哈佛大学发表了一篇题为《Navigating the Jagged Technological Frontier》的论文，探讨了人工智能对日常工作任务的速度和质量的影响。

该论文研究了人工智能的能力范围，并证实了工作任务如果在其能力范围之内，将显著提高我们的工作速度和成果质量。但如果是超出了人工智能当前能力范围的任务，则会对生产率和质量产生负面影响。可要怎么确定一项任务是处于其能力范围之内还是之外呢？

其实如果了解人工智能技术的工作原理，就不难明白人工智能的能力边界。首先，人工智能工具的底层技术被称为大模型，而大模型是用大量数据训练而成。那么，所谓的训练数据具体是什么？

理论上，任何可以数字化的内容都被称为“数据”，通常分为三类：文本、图像（动画是连续的图像）、声音。以图像识别为例，如果要训练一个 AI 模型识别猫的图片，那么需要大量的猫的图片作为训练数据。模型从这些图片中学到的其实是一个识别猫的模式，之所以能得到这样一个模式在于它能根据图片分析出猫的特征，即形状、大小、颜色等等。此时，如果拿一张训练数据以外的猫图片给模型识别（假设训练数据都是黑猫和白猫的图片，现在却给了它一张橘猫的图片让其识别），它也能通过这些特征去判断其是否是猫，因为虽然橘猫的颜色是模型从未见过的，但还有其他许多特征来帮助其判断，比如形状、姿态、眼睛等等。

文本和声音类型的训练数据也具备各种特征，比如文本数据中的句子结构、语法、上下文关系等，声音数据中的音高、音色、音量、节奏等等，通过这些特征就能让模型学习到相关模式。虽然模式识别能够让 AI 具备处理自己未曾遇到过的任务的能力，但面对复杂的场景时，对训练数据的要求也会提高许多。譬如，假设要训练出一个能根据人类表情识别情绪的模型，通过人类的面部特征识别其是在笑还是在哭比较容易，但能根据一张笑脸的图片来判定人物就是开心的吗？这显然不是一定的，要想准确识别，就需要更多的数据（如图片的背景信息、人物相关信息等）。所以训练数据就不能只是各种人类面部表情的图片，但这会让训练数据的获取成本变高，甚至有可能根本无法获得足量的训练数据。

最后，用文中列举的实际例子来说明人工智能的能力边界。作者从学习设计流程中的评估阶段（ADDIE，分析-设计-开发-实施-评估）出发，将分析学习成绩的趋势看作在人工智能的能力范围以内：

人工智能可以处理和分析考试分数和其他成绩数据，以确定学习成绩的趋势和模式。这项任务属于人工智能处理大型数据集和执行复杂统计分析的能力范围，比人工方法更快、更准确。

而根据学习者表现数据来评估其影响的任务，则超过了 AI 的能力范围：

确定学习体验的有效性需要我们结合大量的定性和定量数据，包括学习者的表现数据、定性反馈和 "在职 "观察数据。这种将多种来源的定性和定量数据与教学洞察力相结合，并根据特定情境和目标确定干预措施的综合评估，超出了人工智能目前的能力范围。至少就目前而言，强大的学习评价和基于评价的迭代需要一定程度的细微差别和复杂性，最好由人类来处理。

3、在线学习平台 GoStudent 称已实现盈利 / 奥地利

https://techcrunch.com/2024/03/25/gostudent-tutoring-profitability/

GoStudent 是一家在线辅导市场，最新估值为 32 亿美元，是奥地利维也纳最大、最受欢迎的初创企业之一，平台上有 1100 万个家庭和 23000 名辅导教师。现在，它又多了一项殊荣：它盈利了。公司首席执行官费利克斯-奥斯瓦尔德（Felix Ohswald）告诉 TechCrunch，公司目前在全球范围内都处于盈利状态。

可以将 GoStudent 看作教培界的淘宝或滴滴，周刊去年也介绍过这家公司，当时该公司正处于大规模裁员阶段。GoStudent 平台原先是通过 Zoom 让教师（该平台的教师大多是大学生）在线一对一辅导学生，现已改为自己的在线课堂程序——GoClass。

此外，文章还提到 GoStudent 正在推进混合式学习：

GoStudent 现在还不是一所学校：它提供的仍然是辅导，而不是教学。但它在 2022 年收购 Studienkreis 确实说明了它将如何发展这一点。Studienkreis 成立于 1974 年，拥有 1000 个实体学习中心，大部分位于德国，GoStudent 现在正利用这些中心加倍推进混合式学习。

4、确保教室技术更新取得成效的 5 个步骤 / 美国

https://www.edsurge.com/news/2024-04-03-5-steps-to-ensure-your-classroom-technology-refresh-delivers

你的课堂技术是否未能兑现改变课堂动态的承诺？这是一个常常萦绕在区域领导者心头的问题，因为他们需要在众多可选项中做出选择。从投影仪到交互式白板，从 Chromebook 到 iPad，选择似乎无穷无尽，而个人偏好又很难改变。在预算紧张的环境中，做出正确决定的压力很大。对于校区的技术领导者来说，驾驭潜在的教室技术更新是一件令人生畏的事情。

在决定更换、增加或减少课堂技术之前，作者建议决策者向技术的利益相关者（教师、学生、技术团队和管理人员）提出具体问题，以了解哪些技术在当前和未来最能满足他们的需求：

询问他们使用哪些互动功能、哪些技术未达到预期、哪些因不可靠而被忽略的技术、哪些因过于复杂而被搁置的技术，以及他们希望增加哪些功能。这样的询问有助于精确掌握需求，为技术更新做出更有针对性的决策。

虽然文章是为了推广一款专为教室打造的无线投屏软件，但其内容也能让我们从决策者的角度了解一些课堂技术（包括硬件和软件）的采购思路。

5、到 2033 年，教育技术领域的生成式人工智能市场估值将达到 83.24 亿美元 / 美国

https://scoop.market.us/generative-ai-in-edtech-market-news/

这篇文章介绍了很多人工智能在教育技术领域的资讯，包括人工智能在教育技术领域的新兴趋势和应用案例，以及一些知名企业（微软、谷歌、多邻国、Blackboard 等）在该领域的动作等等。

▎融资/收购

1、Modal 融资 2500 万美元 / 美国

https://www.prnewswire.com/news-releases/modal-announces-25-million-series-a-to-upskill-employees-in-ai-302105821.html

Modal 是一家为 B 端组织提供职业技能培训的公司，具体包括在工作中如何运用人工智能以及跟数据分析相关的一系列技能。采用一对一，在线+面对面混合的教学形式。相对独特的可能是其商业模式：

Modal 放弃了使用率极低的无限制订阅，转而提供基于成功的定价模式，即公司只需为员工培养的技能付费，从而重新定义了公司提高技能的方式。这种新模式允许公司购买学分，只有当学员从课程中毕业并通过严格的顶点项目时，才会消耗学分。
"从业二十年来，我目睹了企业如何花钱为所有员工提供订阅服务，但其中只有 2%-3% 的员工会完成课程"。Modal首席执行官达伦-希姆库斯（Darren Shimkus）说。"在Modal，我们只在员工真正毕业并展示他们的新技能时才向公司收费。我们对赚取差价不感兴趣，我们要的是推动成果"。

2、Cloverleaf 融资 730 万美元 / 美国

https://www.prweb.com/releases/cloverleaf-secures-7-3-million-series-a-extension-led-by-advantage-capital-302099291.html

Cloverleaf 是一款功能强大的辅导工具，可帮助人们共同完成最佳工作。Cloverleaf 的技术利用从 DISC、Enneagram 和 Strengthscope 等评估中获得的权威心理学数据，发送个性化、有意义的辅导提示。每天只需几句话，它就能帮助每个人挖掘自己的独特价值，建立理解，增进合作。

Cloverleaf 偏向于软技能方面的培训，特殊之处是其并非由真人进行培训，而是通过人工智能工具来辅导学习者，这被 Cloverleaf 称为自动教练（Automated Coaching）。

3、HAD 筹集 500 万美元 / 沙特阿拉伯

https://waya.media/saudi-edtech-had-raises-usd5-million-pre-seed-round/

HAD 的目标是建立一个专门的业务工作室，重点培育教育技术企业，利用投资来推动其扩张和创新工作。

HAD 推出了一款名为 Teach Me Arabic 的阿拉伯语学习应用，该应用支持同步直播以及异步观看视频文件的学习形式。

4、EdLight 获得 400 万美元融资 / 美国

https://www.einnews.com/pr_news/699004833/edlight-secures-4-million-in-seed-round-funding-to-revolutionize-education

EdLight 成立于 2019 年，一直走在利用机器学习和人工智能为教师提供有关学生学习的宝贵见解的前沿。通过分析学生的手写作业，EdLight 的人工智能平台可以识别策略和误解的趋势，使教师能够实时提供有针对性的反馈。

一款专注于作业场景的产品，功能交互看起来很简单。此外，EdLight 面向个体老师和学校有不同的收费标准，其中个体老师为 12 美元/月。

5、Amplify 收购 Math ANEX / 美国

https://amplify.com/news/amplify-announces-acquisition-of-assessment-provider-math-anex/

Math ANEX 开发了一套数学评估的新标准，该评估标准的基本理念在于分析学生思维，强调展示学生的强项、知识和技能，而非学生的不足之处：

Math ANEX 的主要产品 "地区基本数学指标"（District Essential Math Indicators，DEMI）是一种数字数学评估，旨在深入分析学生如何思考和处理数学问题。通过识别学生经常被忽视的数学特长，DEMI 可以帮助教师采取更有效的教学行动，使教师能够充分利用和发扬学生的现有特长。

DEMI 面向 3-12 年级的学生，Math ANEX 为 DEMI 研发了一套数字工具以及经过特殊设计的题目，除此以外，还会先由 Math ANEX 的团队人工分析学生提交的答案，用于确定学生是如何得出答案的。

Amplify 也是一家专注于向 K12 领域提供形成性评估产品的公司，主要针对的是语言、数学以及科学。Amplify 于 2000 年成立，而 Math ANEX 则在 2021 年创立。

▎教育之美

教师与每位学生握手的方式令人难以置信

视频地址：https://www.youtube.com/watch?v=VctaUNJpT6U

👋🏻 觉得本期有收获？
请将此链接分享给你朋友：https://etthinking.substack.com/