创业1年，我对线下教育及AI+教育的理解与剖析

来源：餐饮加盟

作者：小吃加盟· 发布时间

2025-10-13

核心提示：者结合自己的教育创业经验，为我们分析了K12教育发展现状、线下教育存在的问题及痛点以及AI +教育教学辅助系统解决方案。Better

者结合自己的教育创业经验，为我们分析了K12教育发展现状、线下教育存在的问题及痛点以及AI +教育教学辅助系统解决方案。

Better technology, Better Education.

读书时代，不管是学校演讲抑或是实习演讲，我一定会提到：“人这一生，总要为梦想奋不顾身一次”。

或许是我在人大附中或北大附中实习时，深感教育信息化对校园工作带来的便利，抑或是在京东工作时打开了我对人工智能相关应用的新思路，又因为我的专业研究方向是人工智能，让我对人工智能+教育有着深深的情怀。

于是，这一年，为梦想，奋不顾身了一次。

文章大致分为以下几个层次：

K12教育发展现状
线下教育存在的问题及痛点
AI +教育教学辅助系统解决方案

一、K12教育发展现状

K12教育，全称kindergarten through 12 grade，是指幼儿园到十二年级。不过在中国，K12教育更多的是指小学6年、初中3年、高中三年共12年的基础教育。涵盖课外辅导、培训以及学校信息化。K12教育可以分为线上K12教育及线下K12教育。

K12教育主要分为教育内容类、教育工具类、教育平台类、综合性教育以及教育信息化。

以下为K12教育市场产业图谱：

图片来源：MobData研究院

K12教育线上教育和线下教育正在互相渗透，互相补充。

整体来说：“线下教育稳步前进，线上教育百花齐放”。

1）教育在一个家庭的支出占比非常高，且越有钱的家庭，支出越高。

（每学期平均花费6000元，月入上万的家庭每学期教育支出是9638元）（数据来源：企鹅智库）

2）二胎开放，早教市场家长目标明确，投入占比高，K12教育业必定有着基数上的上涨。

3）中小学仍然以文化课补习为重点，随着年龄的增加，选择增加教育投入比例有所下降。

相对早教，中小学生家长对价格稍微敏感一些。但“学有所得”仍然是教培机构的核心竞争力。

4）在线课程仍然只占据小部分的市场份额，但越高收入的知识分子家庭，对在线教育的接受程度越高。上课时间灵活；上课地点灵活；名师授课是线上课程吸引报名的关键因素。线下靠口碑，线上靠广告。过半的家长接受线上与线下的结合。

以下为线下教育机构布局情况：

目前K12线下教育仍然处于红利期，巨头机构好未来和新东方不过占据了市场份额的5%不到。

区域龙头，如北京的高思教育，深圳的思考乐，多数都是深耕当地，少数跨区域经营。

而小作坊也即小型或个体仍然占据了最大的市场份额，规模小，主打名师效应。

创业之初，对学而思和新东方两大巨头，也有一些了解，以下为自我理解两大巨头的发展历程以及核心竞争力对比（仅供参考）：

图片来源：自行绘制

从上图可以看出：

1）新东方和好未来的雄起，均是在良好的时代背景下促成的。

2）好未来是传统教培机构中最先具有互联网思维的，至今也是走在科技前列的，其使命为“用科技推动教育进步”

3) 新东方自成立到学而思成立这十年前一致专注于外语考试培训，已然成为中国教育龙头企业，但后起之秀好未来在新的时代背景下依靠理科培训迅速成为教育行业又一大龙头企业。

4）新东方通过暑假免费班撬开K12文化课培训市场，好未来被迫紧随其后，但该措施后期却成为新东方、好未来这两大巨头进行行业垄断的利器。中小学机构在行业龙头的强大攻势下，生存环境进一步恶劣。

5）好未来是传统企业里面最具有互联网基因和敏锐的嗅觉的，率先在AI+教育方面加大研发力度，相信在教育的三大角色（老师，学生，家长）之外，人工智能的崛起将成为教育的第四级。

而两大巨头的一些核心竞争力对比如下：

1）教研：好未来的“大后台，小前台”，将大部分精力放在教材的研发上，认为优质的，标准化的课程体系才是教育企业的核心竞争力。新东方实行搭班制度，也即将学科领域再细分，例如托福课程，可能会分成听力、写作、阅读、语法等等，不同老师都只负责其中的某一块。专业细分使得每一位老师不断打磨细分部分的教研水平，力求达到极限水平。

2）师资：好未来“去名师化”，传统教育行业对名师的依赖很大，但名师业成为限制或威胁教育机构发展的重要一环。（好未来多为培养985，211应届生），而新东方早期新东方通过制造明星老师圈得了大量学生的追捧，所以也称为优秀教师的“黄埔军校”，所以新东方早期培养了一大批优秀的教育培训人才，这些人才后面成了教育初创领域的生力军。如跟谁学的陈向东，之前就是新东方教育科技集团执行总裁。

3）考核：好未来用多维的指标来对教师进行考核（留存率，退费率，满班率，家长满意度），指标直接影响老师的课时费，约束老师注重教学的同事也要注重服务。

4）学生：好未来首创培优模式，也即对学生进行测试，只收成绩前 20%-30%的学生。成绩好的学生自驱力高，通过培训更能达到提分的目的，反之，优秀学生的高升学率又能给好未来带来好口碑，从而形成良性循环。新东方由于在K12领域后起于好未来，当时只能打差异化战略。在教育界，还有更多的学生需要的是“补差”。

5）招生：好未来更趋向于从更低年级学生入手，学员自然升学带来的高续班率帮助好未来降低招生成本。新东方由于其历史原因，其主要服务高中学生，需要不断投入来获取新学员。

总结

线下教育稳步发展，但线上教育的渗透率越来越高，两大巨头也纷纷布局线上。线上营收占比不断加重。新东方和好未来在双师课堂教学模式持续投入、力争下沉市场。在线K12教育迎来规模化发展的黄金窗口期，而AI+教育也会在政策和时代的背景下，有新的发展和突破！

二、纯线下教育的中小型企业存在的问题及痛点

上面提到，两大行业巨头不过只占了整个市场的5%不到，那么对于类似我i创业的这个机构这种的中小型企业也不在少数。通过1年的创业，在这1年中，我在不断解决线下教育的各类问题，亲身经验总结了线下教培行业的痛点如下：

1. 招生问题

若没有一定量基数的学生形成口碑传播，招生对于一个新开的机构是一件非常非常难的事情。新招学生永远比留住一个学生要难。

由于互联网资讯的发达，传统招生方式“发传单”、“地推”已经越来越难做。
缺乏新型互联网营销人才，开拓互联网营销之路（线下教育培训机构由于其线下的属性，很难吸引到互联网营销、新媒体运营方面的人才）。
招新成本过大，目前招新的策略不外乎“免费班”、“老带新让利”，每种招新的方式成本都很高。
营销人员本身说服力不够，难以通过只言片语分析学生问题，说服家长报班。

2. 学生留存问题

既然招新成本居高不下，那么教培机构必然十分重视教育学生留存问题。线下教培机构学生多，课程多，老师们精力有限，根本无法顾及到每位学生。无法实现一对一指导，学生流失，对线下教培机构来说，是一件很“正常”的事。

深究问题：

学生流失主要是哪几方面的因素：

A.学生成绩没提升 —家长迫使学生流失
B.学生感觉不受重视 —学员众多，教师和管理人员很难有精力关注到每一个学生
C.学生学校负担过重，不愿来机构

针对以上问题，我想到的可能的解决方案：

A. 对于成绩没提升的，及时预警。如在学校大考、小考时间节点前，对学生进行成绩预警，再有针对性的加强。
B. 对于学生维护不足的，及时预警。设置评判维度，如是否有每日一练，是否有每周小测及测试分析等。
C. 对于学生学校负担过重的，需要我们建立个性化学习路径和题库，对于大多数学生来说，她们都不是不愿学习，而是不愿无效学习！

3. 家长维护问题

学生成绩的提升是由多方面因素造成的，而非单一的教学质量。但传统线下机构，大多数家长都是以学生成绩的提升来评判一个机构的教学质量的。教学质量不理想，家长换机构，很正常。

首先这个问题，我们需要先搞清楚家长想要什么？！

家长要的一定是学生成绩的提高吗？！

事实上，大部分家长很清楚，学生成绩的提高是需要长期性的，并且影响因素很多，所以其实家长在意的东西有两个：

成绩上的提升
行为上的改变

在短时间内我们无法做到成绩上的提升，那么我们就要想办法让家长看到孩子行为上的改变。

这时候教学可视化就显得尤为重要！

A. 每节课后学生上课表现反馈
B. 学生学生档案建立及更新
C. 学生学期分析
D. 个性化学习路线制定

但是，在线下教育的实操过程种，学生上课表现的反馈，学生档案的建立，学生学情分析报告，个性化路线的制定都受着人力的约束。每个老师对应很多个学生，很难做到每个学生如此细致化的进行教学可视化，就算做，可能也做的不是特别好。

4. 教师考核及风控

怎样才算一个优质老师？

“上的课多，学生成绩进步明显，家长学生给予好评是我们目前对优质教师的评价标准。”

大部分机构所采用的这种考核标准，难以数据化和客观化，容易受主观影响，人为根本难以把控。

建立公平公开透明的一套激励机制才是考核教师的正确打开方式。

数据的建立就显得尤为重要，学生留存率，学生进步率，家长满意度等多项维度。

我在任职期间，就建立了多项维度来考核教师，并直接与课时费相关联。用数据约束。

风控方面：学生在学习过程中和老师的关系是最亲密的，包括家长，也是直接和老师进行沟通，不认机构，只认老师的现象一直存在，而现状是大多数机构都任由任课老师发展，有的任课老师教学质量高，家长反馈好，但老师离职的话，学生也会流失部分。在不多的生源上，就是雪上加霜的事情。

从上一部分分析学而思、新东方的发展历程和核心竞争力，我们可以得到启发：“建立标准统一的教学教研体系，以及标准化的教学流程，才是削弱名师效应给机构带来不好影响的法宝。”

三、AI + 教育教学辅助系统解决方案

“AI+教育”正从功能组件的1.0时代，进入整体解决方案的2.0时代。

在教育的三大角色（老师，学生，家长）之外，人工智能的崛起将成为教育的第四极。

过去乃至现在，我们所了解的AI技术在教育行业的应用，多以功能组件形式存在，体现的是AI能力和组件层输出的单维能力，例如拍照判题、语音评测、人脸签到等。

而我针对线下教育所存在的痛点，针对AI在教学方面提出新的解决方案，希望可以帮助中小型教育机构真正解决问题。

1. 中国“AI+教育”具备全球领先的机会

国务院发布《新一代人工智能发展规划》，将人工智能写入国策，后续发布的《中国教育现代化2035》，进一步强化了人工智能在教育现代化中的重要意义。且中国计算机和AI人才正处于爆发期。这样的时代背景，都有助于AI+教育的快速发展。

2. 人工智能和教育的融合，其本质还是要回归到教学质量

好未来某CTO曾说过：我们所有的技术探索，根本目标还是要回归到教育本身，在人工智能领域的探索实践中，好未来始终谨记两个教育理念：宏观而言，坚持助力“更加公平而有质量的教育”，微观考虑，坚守教育立德树人根本，为每个孩子提供最适合的教育。

我觉得说的很好，也是我一直推崇的理念。

宏观来说，融入科技的教学能够将更多的优质的课程通过线上的方式传播给更多人，消除贫富差距，地点限制，让孩子们能接受到同等同质的教育机会。微观的说，每个孩子都有自己的个性化问题，传统的题海战术让孩子负担过重，通过AI实现个性化教学，真正为教育减负！

基于以上的时代背景和理念，我大胆地在教学全流程种应用AI教育，具体如图所示：

具体的场景应用：

1. 教研场景-助力教师

传统的教研场景存在的痛点有：

无系统教研资料，教研过多依赖教学经验，给新人的成长带来过高门槛
教材难以人为的达到真正的分层教学，教师备课消耗精力过大
现实中的磨课能难做到磨一整节课，因为听课教师精力有限，但磨十分钟或者磨译者知识点又难以得到真正的成长。

针对以上存在的痛点，提出的解决方案有：

利用基于班级或个体的学情，通过计算机视觉，自然语言处理，数据挖掘等人工智能技术，为教师生成个性化的教案，包括教学计划，对应课件，并且能根据学生学习过程中产生的新的学情，再次做出调整。
通过语音识别，计算机视觉，自然语言处理等技术为教师提供虚拟化的课堂场景，根据老师试讲的过程提出建议，如肢体动作和谐，语言逻辑性等等。

2. 教学场景-助力教师、学生、家长

传统的教学场景存在的痛点有：

课程人数众多，无法兼顾到所有学生的学习状态，如是否开小差，是否听不懂等。
学生想记笔记，但是有的时候不知道重点在哪里，最后什么都没记。
老师想检查学生笔记，无奈没有太多的时间去认真检查和纠正。
家长很想了解学生上课的状态，是否专心，是否听懂了等等细节，但是依赖教师下课做反馈，导致教师可能有反馈不及时的情况发生，或者反馈千篇一律的情况。

针对以上存在的痛点，提出的解决方案有：

利用人脸检测，表情识别，姿态识别等分析学生上课的专注度，动态调整学习内容。
利用图像识别，文字识别等技术根据授课内容自动生成笔记，将学生所做笔记与智能生成的笔记进行对比，帮学生笔记查漏补缺。
利用图像识别，姿态识别来动态抓取学生上课的情况，并进行分析自动发送给家长。

3. 作业场景-助力教师、学生

传统的作业场景存在的痛点有：

学生作业本来就多，压力本来就大，学生不愿意再去写培训机构布置的作业了。
老师布置了作业很难有时间一个个的仔细检查，一对一的讲解错题，讲解完了以后也不能及时找到同类型的题进行验证，而老师布置了作业不及时检查，不及时讲解，学生久而久之就不会再做这个作业。

针对以上存在的痛点，提出的解决方案有：

根据学生之前产生的学习数据，利用知识图谱，深度学习的算法，精准定位每一位学生知识点的掌握程度、认知等级与薄弱点，构建学生“学情数据画像”档案，用数据指导学生“定向学习，精准作业（作业减负）”，帮助学生“减负增效”，告别“题海战术”。“学生不是不愿意做题，而是不愿做无效习题！”
利用图像识别技术自动识别学生上传的题目并检索答案，及时反馈学生的错题，为学生高效答题。同时基于学生错题分析，智能生成同类型的习题进行验证，有效节约老师为学生定制个性化习题所花费的时间。

4. 考试场景-助力教师、学生

传统的考试场景存在的痛点有：

每一次考试，任课老师需要精确定位学生薄弱知识点并一一分析，学员众多，工作量非常大，导致偷工减料，没有非常细致的分析，很难做到真正的因材施教。
学员众多，每一次考试阅卷问题也耽误老师很多的时间。
每一次考试都要到处去找合适的题，不仅要针对学生的薄弱知识点，还要邹忌大量的本土化试卷进行分析，才能出一份比较专业的事情，耗时耗力。

针对以上存在的痛点，提出的解决方案有：

个性化组卷，针对以往学生学习知识点以及本土化的考纲考点，智能化出题。
基于图像识别、自然语言处理、数据挖掘等人工智能技术，采集汇总学生考试结果，分析不同知识点弱项，进而形成学生学情报告，为老师个性化辅导提供了建议，且也为营销新生或做续班提供了有效的教学可视化数据。
基于手写识别，自然语言处理等技术，实现客观题及主观题的自动批改及赋分，大幅提升阅卷速度。

5. 管理场景-助力校长或教学主管

传统的校区教学管理场景存在的痛点有：

对校区整体的教学质量没有很好的把控，可视化的校区整体教学水平的数据较少。
学员众多，很难关注每个学生，没有学生成绩预警数据，总是等到学生流失，家长投诉，才知道学生在我们这里的情况。
评判教师的数据过于单一，不可量化，而建立班级对比数据，学科对比数据，可以很好的横向对比教师的综合能力。

针对以上存在的痛点，提出的解决方案有：

形成学校大数据：班级成绩对比分析，学生个体大数据分析
学生成绩预警：根据对学生个体成绩数据的沉淀和分析，对于成绩不好的学生提前进行预警，如根据该学生的表现，预测该学生可能会期末考试考不好，那么对于这类学生进行预警，同时对任课老师，家长采取行动，降低家长满意度，尽可能的提高分数！

在上述我所想到的应用场景，其实某些大公司已经在实施或者有部分已经成型，但随着人工智能技术的深入发展，覆盖“教研”–“教学”–“作业”–“考试”–“成绩管理”一整套的解决方案也终究会呈现出来。而其技术的实现的背后，需要依靠大量数据的积累以及AI人才的付出，单凭几个人是完全不够的。

而我之前研究的是：学生成长轨迹预测，主要是通过找到与学生成绩表现关联最大的几个因素，如考勤；作业完成情况；知识点遗漏情况，各类考试情况，设置最小支持度和最小置信度，判断哪几个因素和学期成绩表现是强关联，提取这些因子，也就是提取大量影响成绩的因素，然后获取大量学生的这些数据进行训练生成训练模型，然后对未知学生的成绩进行分类预测。

通俗的说，就是通过已知学生的成绩变化曲线去预测一个跟他成长轨迹很相似的学生的未来发展情况。

再通俗点说，就是你妈妈经常跟你说的一句话“你再这样下去，以后就只能和谁谁谁一样最后只能读大专啦！！！”，那妈妈其实是凭借着妈妈的经验来说的，妈妈对比了你过往的表现，然后和她脑袋里面所知晓的街坊邻居的孩子进行了对比，发现了一个和你成长情况最像的孩子，于是她告诉你，你以后也会成为这样的人。

那么利用人工智能的算法去做这件事。首先，我们评判的维度是量化的，而非感性的；其次，我们系统里，拥有大量的学生的各维数据，数据越多，能够找到的和你成长轨迹最接近的概率越大，那么对你以后的成长的预测也就越准确！

另外，个性化测评以及自适应学习，目前有很重要的一环是：对系统预设的知识点进行多维度的打标签，并形成知识图谱，以及她们之间的相互关系，这个图谱能让系统更好的决定哪个内容才是更适合学生的。

要做好这个数据沉淀，还是需要在教研界摸爬滚打纪念才能有这样打标签和形成数据沉淀的能力，或者跟大公司合作。

说白了，个性化测评的重要一环是对知识点进行尽可能小的力度的拆解，再利用计算机视觉和自然羽然处理等技术确定孩子的学习情况，而自适应学习是基于一定规则的学习路径动态规划，是否真正能做到自适应学习，取决于规则制定的简单还是复杂。目前在这条路上，所有的公司，所有的AI技术从业员都有很长的路要走。

整体来说，我认为AI+教育是一个极具前景也富有情怀的发展方向。通过AI技术，不仅能够实现“千班千面”甚至“千人千面”的教学方法，真正做到“因材施教，教育减负”，同时也能高效的帮助老师完成一部分的教学管理工作，让老师更多的精力放在辅导和育人上面。同时也能够一发部分程度的实现教育平等，让人人都有资格享受更好更优质的教育！

目前，参与AI+教育事业的有四类公司：

首当其冲的教育类公司，由于教学痛点的长期存在，所以未来也会进一步参与到AI+教育中来。
资源整合能力超强的互联网巨头，拥有技术，资源，入口，应该会比较容易通过2B的场景进入AI+教育场景。
人工智能技术提供商，教育痛点天然存在，而解决方案大同小异，所以突出重围的重点在于教育的根基加上AI技术的纵向深耕。
计算平台，AI技术的相关应用，需要大量数据作为支撑，必然需要技术平台为其计算，训练模型提供坚实的基础。

以上，是我对线下教育以及AI+教育的理解和剖析，虽然年轻气盛，有很好的想法，但无奈被现实的工作压力压昏了头，很多创意未实现，或者还在摸索中，但对教育事业的热爱，对AI+教育事业的憧憬，在激励着我不断前行，未来，不管在哪里，继续加油！

作者：Jolin，个人网站：chenjialing0223.com 武汉大学，一枚正思考求变的AI产品经理

本文由 @Jolin 原创发布于人人都是产品经理。未经许可，禁止转载。

者：范皑皑（北京大学教育学院教育经济研究所副编审）

编者按：

当前，无论哪个领域，最耀眼的词都是“创新”。钱颖一曾在其著作《大学的改革》中说：“中国教育的今天，就是中国经济的明天”。在全球化大背景下，只有培养越来越多的创新人才，才能真正适应未来社会的发展需求。

然而，我国基础教育阶段长期存在的“奥数热”“竞赛热”等现象，过度的功利化追求不仅触发了家长的集体焦虑，更直接和严重的后果还在于扼杀了孩子们的创造性。我们究竟怎样才能最大程度地保护和保持孩子们的创造性？我国教育究竟该如何推动创新人才的培养？

北京大学教育学院与京领共同设立的“国际化创新性人才培养机制与国际比较研究”专项课题，一直致力于创新人才培养方面的研究。本期，我们围绕国内外创新性人才培养现状，约请专家学者、一线教师和归国留学生共同探讨。

钱颖一曾在其著作《大学的改革》中说：“中国教育的今天，就是中国经济的明天。”教育对于经济发展具有引领作用，今天的受教育者数量大幅降低，未来经济就会陷入有质量的劳动力缺乏的困境；今天的学生接受的教育是刻板和守旧的，未来经济就会缺乏有活力和创新思维的拔尖人才。教育总是要面向未来布局当下的，但没有人能够准确预言未来，所以教育的任务是尽量让学生为未知的未来做好能力上的准备。

创新教育包括对学生创新意识、创新思维、创新技术、创新人格的培养

并不是只有伟大的发明才是创新，也并不是只有伟大的科学家才有能力创新。创新包括了一切原初的发明和创造性运用，从思想到技术，从构想到行为，创新贯穿于新事物的萌发、迭代、接纳等各方面。从教育的目标来看，朱永新曾经提到，创新教育包括了对学生创新意识、创新思维、创新技术、创新人格的培养。

创新源自探索，而探索源自不解和好奇。很多学者都谈到了要保护学生的好奇心，尊重他们的兴趣。创新教育在学校中也不应该是一门综合课，而是渗透到各个学科和课程中的理念以及理念的实践。很多知识在被提炼的时候，都经过了抽象，抽象的知识在传递过程中其实损失了很多可以被质疑、探究的点。所以创新教育实践的一个表现就是给予学生“做中学”的机会，在行动中、体验中探索和创新，而不是墨守成规。

创新教育应渗透到各学段、各类型教育中

回顾人类社会经济发展的历史，许多重大的社会进步都来自于科技创新和制度创新。从高度依赖经验传承和技术改良的农耕社会，到依靠科学实验和发明创造的工业社会；在工业社会，从以生产商品为主、加工自然资源的工业社会到以服务为基础、依赖信息技术的后工业时代，每一步演进都与创新密切相关。在中国经济产业结构升级的过程中，创新也将发挥重要作用，未来将是一个创新驱动的社会。

习近平总书记指出：“人才是创新的根基，创新驱动实质上是人才驱动，谁拥有一流的创新人才，谁就拥有了科技创新的优势和主导权。”国家统计局社科文司发布的《中国创新指数研究》表明，2017年中国创新指数比2016年增长6.8%，创业环境进一步优化。创新指数包括了创新环境、创新投入、创新产出等，而人才学历结构和劳动力素质就是创新环境的重要指标。

我国一向重视创新人才，创新人才的获得有两个重要途径：引进和培养。

创新人才的培养不同于引进，可以通过一定的标准一次性筛选，创新人才的培养是一个长期、长效的过程。创新教育不是一种新的教育类型，也不是一个专业方向，而是渗透到所有学段、所有类型教育中的理念和行动。

当前无论是学校还是社会机构，有很多教育形式、教育产品、教育服务的创新，其宗旨都是服务于培养学生的创新意识和创新思维，提高学生的创新能力。

学校应成为创新教育与社会创新发展的连接点

创新教育的内涵非常丰富，不仅内部存在很多形式和尝试，它在外部也与其他教育形式和方面相互关联，这里仅从学校教育、国际教育和实践教育三个角度探讨。

学校教育在学生创新能力培养中的作用是多重的，不仅通过组织师资和教学资源，通过课程学习向学生传授基础知识，还通过特别的教学设计培养学生的创新思维。此外，学校还为学生创设了一个开放、包容的空间和氛围，通过设计容错机制减少学生探索和试错的心理成本，通过鼓励探究激发学生的好奇心，从而养成学生的创新意识。学校教育是一个场，包含了辅助学生创新的教师，欣赏和协同创新的同伴，创新实验的设备和环境，激发学生创新思维的学风。学校更应该是创新教育与社会创新发展的一个连接点，学校为更多可以运用于社会发展的创新成果提供了土壤，学校还为学生了解社会发展的真实需求提供了窗口。

创新教育需要国际视野，任何封闭的环境都很难实现创新，也难以造就创新性人才。在经济全球化时代背景下更是如此。创新首先需要接纳新鲜的事物、思想，需要学习、借鉴。我们的很多发明创造都来自于其他文明甚至其他物种给我们的启发。所以国际化在创新教育之中不是目的，也不是方向，而是工具。国际化能够为创新教育提供一个多元理解的环境，一个接触不同文明、科技的路径。很多社会的发展都有相似性，这是不同文明、国家可以相互借鉴和学习的基础。

创新教育需要强调实践导向。创新最强调的特征之一就是回到真实的复杂情境之下。教育都应该鼓励学生回到真实世界的问题中去思考，寻找解决问题的办法。最近国外中学生的历史考题，曾引起了人们的关注，“如果成吉思汗的继承人窝阔台没有死，欧洲会发生什么变化？试从经济、政治、社会三方面分析”。现实的情景往往更加复杂，基于运用的学习，重视的不只是知识本身而是知识背后的逻辑。笔者认为，只有在真实情境下的尝试才能检验已有知识在遇到新问题时的不足，以及可能进行的创新。

《光明日报》（ 2019年02月19日 14版）

者通过深入体验，对每一种选课流程的设计思路进行了概括，并从教学需求的角度对关键页面设计作了进一步的讨论，最后对课程注册页面进行了设计思路分析。
笔者深刻的体会到，教学需求是教育产品设计过程中不得不考虑的因素。

选课流程和上课流程是Coursera平台两个关键业务流程，也是用户在平台操作的关键体验流程。

通常情况下，页面流程设计，需要考虑到综合考虑用户需求和业务需求；但是在教育类产品中，由于教学的需求有其隐蔽性，用户和业务都很难察觉的到，所以需要单独作为一个设计需求来综合考虑；保证在关键的页面中能够体现出其教学的设计，引导用户完成有意义的学习。

本次分析首先单独对选课流程及其关键页面设计做综合分析，能够综合了解coursera的选课流程，总结其优点，指出不足的地方。

一、web端选课流程分析

Coursera平台Web端的选课流程主要分为四类，包括搜索、目录查找、最近浏览、学习路径。其中搜索、目录查找和最近浏览是内容站点常用的内容查找方式；而学习路径，是针对教学设计而言的一种全新的思考，它的目的不仅仅在于基于用户兴趣的用户推荐。

1.1 搜索

关于“搜索”，是用户查找信息最常用的一种方式。搜索框位于顶部悬浮栏的位置，搜索的流程优化关键在于搜索结果的排列和搜索结果的筛选。笔者分别以“心理学”和“psychology”为关键词进行搜索，呈现的部分搜索结果如下：

搜索结果返回页面包含筛选器和搜索结果列表两个部分，遵循移动优先的原则，在对页面宽度进行缩小时，筛选器会自动隐藏。

其中，筛选器主要包括：课程语言、字幕语言以及所有主题，中文搜索结果和英文搜索结果存在明显的差异。

总体来说，大致可以得出以下结论：

以“心理学”为关键词进行搜索，返回的搜索结果主要是中文课程和英文课程标题已经翻译成中文的课程，对英文支持不太好。而以”psychology”为关键词进行搜索，返回的搜索结果只有英文课程（有一些英文课程把标题翻译成了中文，方便中文用户的客户端显示）。
返回的搜索结果中相对靠后的课程和搜索关键词并不存在明显的关联性。如以“心理学”为关键词进行搜索，返回结果中出现《人体生理学导论》、《哲学导论》课程等。经过观察发现，排名靠后的课程应该是通过搜索关键的语言来匹配的，也就是出现不相关的中文标题的课程。
筛选器中包含课程语言、字幕语言和所有主题。有一点疑问，不明白所有主题的筛选用途在哪里？另外，筛选器可以进行有效筛选的功能有限，

综合以上分析，我们发现coursera平台搜索返回页面表现得中规中矩，有一些优点也存在一些缺点和需要改进的地方。

优点主要包括；

遵循移动优先的原则，页面结构清晰、简洁。
字幕语言的筛选是coursera平台作为全球化的MOOC平台，一个突出的亮点；

缺点和改进主要包括：

搜索结果返回页面仅限于标题和关键词的匹配。以中国大学MOOC为例，可以增加和课程概述内容的匹配，如以“经济学”为关键词进行搜索，《会计学原理》这门课程是属于经济学范畴的，单纯以标题来匹配，大大降低了搜索的精确度。
中文和英文的匹配。实际上这里存在一个功能冲突，即课程语言筛选和中、英文独立搜索的功能冲突，从目前情况来讲，以“心理学”为关键词只能搜索到英文课程标题已经被翻译成中文的课程，还有很多的尚未翻译的课程是检索不到的，这样的设置，和课程语言的筛选实际上是一个冲突的功能设置，让课程语言筛选失去了意义。
增加更多维度的筛选，帮助用户快速选择优质的课程。目前搜索结果的筛选项偏少，可以增加更多维度实用的筛选，如热门、评分、精品、专项课程等，目的就是帮助用户减少选择的成本，降低选择的操作难度。

1.2 目录查找

Courserap平台的目录列表是通过顶部悬浮栏目录入口进入的。为什么目录列表没有放在首页，而是放在了下一个信息层级？我们在MOOC平台Coursera的web端首页设计中已经分析过。这里不多做赘述，以下分别是目录列表页面和目录查找返回页面以及分析讨论。

以上是目录列表页面。整个页面当中，包括商务风背景图、slogan和目录列表，信息结构清晰，没有任何多余的元素。

这里有一点需要说明和讨论，帮助大家理解这张页面为什么这么设计。

这张页面为什么设计得如此简单？是不是可以再添加一些别的信息？

在页面设计评估体系中，有一套经典的评估方法，即VIMM系统。

关于智力层，就是通常如果想要减少用户的认知负担的话，应该尽量避免多余信息的干扰。所以当我们知道用户有一个明确的任务，就要给他设计一个封闭的流程，尽量让他每次操作只允许做一件事，这样做的好处就是让用户不需要思考下一步需要做什么。

目录列表这张页面中，用户的任务就是选择分类。这样的设计，就是保证用户在这张页面中只做一件事情，快速完成用户的任务，达到好的用户体验。

当然需要说明的是：这一条评估原则并不是指导设计的唯一原则，实际上设计过程中，更多的是根据设计定位寻找一个最优的平衡（如淘宝的确认订单流程需要填写很多信息，但是却不能放在很多页面当中来保证流程的封闭）。

如果想明白这一点的话，就不需要去纠结这张页面内容太少，要不要在下面加上热门课程、精品课程等。

以上是选择“社会科学”分类，返回的目录查找返回页面。主要包含目录列表、筛选器、和查找结果内容。目录列表采用了固定窗口绝对定位的样式，在主内容区不随着内容的滑动而改变位置,方便在滑动内容的时候对目录列表进行操作。

筛选器包括常用筛选项和特定专业二级分类筛选项，常用拆选项有课程语言和字幕语言，特定专业耳机分类筛选项，就是特定领域的耳机专业分类，实际上是一个锚点定位的样式。

比如通过选择“法律”，可以帮助快速定位到法律的课程内容，查找结果内容就是对查找结果的返回。

这里有两个特点：一是根据二级专业分类进行课程展示；二是课程排序专项课程优先展示。

这里有几个需要讨论的问题。

为什么要在这张页面中加上目录列表？理由就是用户在查找完某一分类内容之后，有可能会继续查看另一个分类的内容，这样做的好处就是不需要用户再跳转到上一层级的页面，直接在该页面中进行分类选择，减少了用户的操作复杂度。
二级分类锚点定位存在视觉效果的偏差。目前该页面的锚点定位是点击之后直接定位到该内容的位置。中间没有视觉过渡的动画，并且在定位上有一定的误差。导致在点击之后，出现视觉效果的偏差，找不到具体的对象，用户视觉注意力容易跳出内容。
关于目录分类问题的探讨。下图分别是coursera平台和中国大学mooc平台的目录列表。在学科分类当中有很多的分法，但是不管是哪一类分法，都是为了保证学科内容能够有条不紊的呈现，保证用户能够根据分类快速找到具体的学科内容（图书馆的图书分类就是一个典型的范例，但是你会发现不同的学校图书分类方式总是有所区别）。

以coursera为例，其中“社会科学”是一个学科大类，里面还包含教育学、政治学、经济学、法学、哲学、心理学等等，这些又可以简单称之为学科小类，它们之间虽然同属于社会科学，但是相互之间却没有非常强的关联性。

如果把他们放在同一个分类下，就必须要对结果内容呈现上做出二级分类划分，这就是为什么coursera平台，没有把“社会科学”的结果内容都放在一起的原因，而是在视觉层级上做了区分，通过“查看全部”，让更多的内容在下一层级显示。

而中国大学MOOC的做法直接根据学科小类进行分类，由于学科小类的内容具有关联性，可以放在一起呈现，同时可以通过二级分类来筛选，减少了一个层级的操作。

另外，通过观察，我们可以很明显地发现：目录的分类还将当下的热门的内容和单个学科的课程的数量作为了目录分类考虑的因素。如Coursera和中国大学MOOC都将计算机作为了一个重要的目录分类，coursera甚至还将数据科学作为了一个单独的分类，这是由于当下机器学习的热度导致的，而中国大学mooc则是将考研作为了一个重要的目录分类。

这种动态的调整是为了满足特定用户的需求，强调平台的特色，分类其实一种很重要的能力。

1.3 最近浏览

最近浏览位于首页的个人学习信息内容区的下方，视觉信息层级上要比个人学习信息内容区低。具体的首页设计思路请见MOOC平台Coursera的web端首页设计，最近浏览主要包含最近查看的专项课程和最近浏览的课程。

接下来我们一起来一下讨论：为什么会有最近查看的专项课程和最近浏览的课程？

关于coursera平台课程的设置，我们在这里不做详细的阐述，后续我们会单独拿出来讲。但是为了理解后续的内容，我们有必要对专项课程做一个了解。

以《学术英语：写作》专项课程为例，它包含“语法和标点、论文写作入门、高级写作、面向论文写作的研究导论、毕业项目：撰写一篇研究论文”五门课程，每一门课程单独拿出来又可以作为一门独立的课程进行学习。

说到这里，我们应该知道：专项课程其实是一个从入门到实践的综合课程，能够帮助学习者不断地深入学习，并且课程的设置能够帮助用户达到从基础学习到应用的水平。

专项课程的设置考虑到了用户需求、业务需求和教学需求（第一次提及）三个方面。

用户的需求是不同用户的认知水平不同，如何来满足不同用户来学习《学术英语：写作》这门课程。
业务需求是在完成用户学习需求的同时，如何区分专项课程和独立课程，尝试平台的盈利模式。
教学需求，首先需要强调的是，专项课程的课程组合形式不是传统商品的打包捆绑销售，这是有本质区别的。所以教学的需求，是如何针对不同的用户来设计课程的结构和内容，实现分层教学。

说到这里你就应该明白：为什么会出现“最近查看的专项课程”和“最近浏览的课程”两个模块，并且“最近查看的专项课程”的视觉信息层级比“最近浏览的课程”要高。

1.4 学习路径

MOOC平台Coursera的web端首页设计中，我们讲到三种类型的首页，分别是未注册的用户首页、已注册未获取学习路径的用户首页和已注册并已获取学习路径的用户首页。

学习路径的选课流程就是从已注册为获取学习路径的用户首页开始的，通过点击首页获取学习路径入口，在信息页中选择或填写个人目标、兴趣、背景等，目标不能超过3个；系统会自动为你的每个目标推荐5门课程；开始第一门课程的学习，注册之后，目标和课程会进入道首页个人中心，即已注册并已获取学习路径的用户首页，可以继续添加新的目标，进入下一轮。

大致的学习路径的选课流程如下：

以下是目标和课程进入到首页个人学习中心内容区，即已注册并已获取学习路径的用户首页。

学习路径是根据教学需求设计（再一次提到教学需求）的一项功能，它包含对学习者的分析和学习需要分析，以及教学内容的选择与组织、教学结构的选择与运用。

学习者的分析包括了解学习者的兴趣和目标，比如学习心理学的需求。

学习需要分析是根据可能存在的学习需求，分析现有的资源和约束条件，论证满足学习需求的可能性，即平台内是否有足够优质的课程来满足各类学习需求。

教学内容的选择与组织，对教学内容的知识点进行分类，如心理学包含心理学入门、社会心理学、积极心理学、心理学应用等等，教学结构的选择与运用则是具体的教学内容的呈现方式和结构。

这部分简单介绍希望能帮助理解学习路径的选课流程，关于学习路径的设计后续再具体探讨。

二、课程注册页面设计

上述介绍了Coursera平台Web端的选课流程主要分为搜索、目录查找、最近浏览和学习路径四种方式，并且分析了流程中一些关键页面设计思路，帮助理解选课流程。

如果你看到这里，可以仅仅通过上述的文字阅读，就可以在脑海里理清四类选课流程以及一些关键的设计细节，那说明我讲清楚了并且你的理解能力还不错。如果没有，我建议你去对照着web端站点再梳理一遍，对你的理解很有帮助。

关于课程注册页面，就是课程的信息介绍页，也就是选课流程的最后一步。上述四种选课方式最终都会到达课程注册页面完成选课操作。课程的注册页面，相当于课程信息的展示窗口，是影响用户是否会注册课程的重要因素，所以课程注册页面的设计变得十分重要。

接下来我们就来分析：课程注册页面是如何设计的？

上图是课程注册页面部分截图（为了排版美观，仅显示部分），在课程注册页面中主要包含锚点导航、注册按钮和课程内容信息。

我们同样是从“分析产品目标—分析用户需求—分析关键因素—归纳设计需求”的设计思路来分析课程注册页面设计的一些关键节点，这套设计分析方法可以设计思路可视化。

分析产品目标

对于一个课程注册页面而言，它的首要业务目标就是引导用户去注册课程——有了这个目标之后，我们需要把它和设计关联起来。

那么，如何让目标和设计建立关联呢？根据GSM模型，我们需要根据目标找到衡量指标。

我们知道：业务目标是引导用户去注册课程，可以归纳出信号是让用户去点击注册按钮，衡量指标就是提高课程注册按钮的点击率。

分析用户需求

根据业务目标，我们得到了具体的衡量指标，我们需要进一步将业务目标转化为用户行为，也就是用户的使用来帮助我们来完成该页面的业务目标。我们根据信号知道只有让更多的用户点击课程注册按钮，才能提高课程注册按钮点击率。

所以，我们希望用户产生的行为是点击课程注册按钮，然后我们围绕着这个用户行为展开用户需求分析。

通常情况下，用户需求分析包含目标用户、用户场景、用户行为、用户体验目标四个部分。

针对课程注册页面，大致的描述是：

一个想要学习课程的用户，通过选课的环节进入到课程注册页面，想要准确了解课程的信息，找到注册按钮，然后就能快速地完成课程的注册。

根据GSM模型，我们知道用户体验目标是快速完成课程注册，在点击课程注册之后，大致会出现两种情况，一种是收费，一种是不收费，所以信号就是让用户读懂课程须知相关信息，衡量指标就是用户决策的效率。

（关于课程须知，coursera由于盈利模式的考虑，对不同课程类型设置了不同的课程须知文案，这里只挑一种来讲，后续盈利模式的分析会重点讲到）

分析关键因素

分析完业务需求和用户需求之后，那到底用户愿不愿意去点击课程注册按钮？就需要我们站在用户的角度对业务目标和用户体验目标进行关键因素分解了。

要达成业务目标，让更多的用户去注册课程，就需要把业务视角转变成用户视角。

意思就是说：要对业务目标进行用户意愿层面分析，看用户愿不愿意去点击课程注册按钮，业务目标才有可能达成。

通常来讲，在点击课程注册按钮之前，影响用户意愿会有两个因素：一个是动机，一个是担忧。

在用户需求分析方面，要达成用户体验目标，提高用户决策的效率，影响用户操作的关键的关键因素只有一个就是障碍。就在注册课程的过程中会遇到哪些问题和障碍，我们需要帮助用户解决这些问题和障碍。

知道了动机、担忧和障碍这三个关键因素，我们需要对这三个因素进行分解，并得出初步的解决方案。

其中：

动机，主要是满足用户的心理需求，说服用户。
担忧，主要是增加用户的信任感。
障碍，主要是解决用户使用过程中存在的问题。

归纳需求设计

通过“分析业务需求-分析用户需求-分析关键因素”等几个分析过程，从一个模糊的引导用户注册课程的业务需求，到最后通过分解关键因素得出一些初步的解决方案。通过将系统的方法将业务需求分析、用户需求分析过程可视化，可以使设计思路更加清晰，知道为什么这样去设计。最后，把动机、担忧、障碍三个关键因素的分析结果汇总在一起，与产品团队商量是否可以放到设计页面当中。

说明：目前，Coursera平台独立课程的课程注册页面，在页面的最后面放置了最近查看和你可能也喜欢的模块。如果经历上述的分析之后你会发现，课程注册页面的业务需求引导用户去注册课程，当我们明确了用户的这一任务之后，我们通常倾向于构建封闭的流程，每一次操作只允许用户做一件事情，减少用户的认知负担。

从这个角度来讲，这两个功能就显得有点累赘。