深度人工智能教育精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的深度人工智能教育主题范文，仅供参考，欢迎阅读并收藏。

第1篇：深度人工智能教育范文

度秘到底是什么？当你按手机百度搜索框的麦克风的时候，它在下方就产生一个小度机器人的LOGO，点击这个LOGO就会调起机器人。而这个机器人就是“度秘”，英文名字叫做“duer”。

度秘可以理解为进阶的语音服务助手，但同为语音智能搜索，度秘和苹果Siri、微软小娜最大的不同在于度秘能够连接商家和服务，而不仅仅是提供信息。据了解，目前“度秘”已经在餐饮、电影、宠物3个场景提供秘书化服务，很快将延伸到美甲、代驾、教育、医疗、金融等其他行业中。 李彦宏：就好像在PC时代，任何一个网站都可以放搜索框一样，移动互联网时代，任何一种

APP都可以把‘度秘’这种能力连接进去。

背后的“大佬”

李彦宏说：“有了度秘，每一个普通人，都能免费拥有一个功能强大的生活服务专职秘书。”市面上萌宠的机器人并不少见，度秘凭借什么担起了2015百度世界大会的主角？

正如大家可以通过手机百度看到并感知的，度秘可以智能地与人沟通，理解你的需求，把服务送到你的手上。而这背后则是基于百度一直倡导并被业内称道的“技术”。

对于服务来说，其搜索过程不同于单纯的信息检索，服务需求的提出是一个动态修正、多轮交互的复杂过程，度秘不仅要能广泛索引真实世界服务和信息，还要具备强大的搜索及智能交互技术。

如果把大数据作为一种新能源的话，百度自身就具有大量的数据的积累。从百度覆盖的6亿用户，每天有60亿次搜索请求，以及每天响应150亿次定位请求，这些都为百度创造巨大的数据财富。全网数据挖掘前，要对这些已经能够提供的服务打标签，建立丰富的索引维度。一个餐厅能不能带宠物、有没有明星去过、它的包间里面没有电视机等，这些特征都需要进行索引。

而将真实世界与多端跨屏用户体验匹配起来更需要的是超大规模的数据计算能力和深度学习能力。百度拥有超大规模深度神经网络（DNN，Deep Neural Networks），可支持千亿样本和千亿特征训练。百度运用深度学习在感知方面取得了非常大的进步：其统一视觉和语言深度学习模型已经能像小孩学习一样自然，能够进行简单的看图说话、问答，理解动态视频;在世界最权威的人脸识别评测 （LFW） 中， 人类识别的错误率为0.8%，百度人脸识别的错误率为0.23%，这是目前世界上最好的结果。

另一个看不见的技术支持就是百度开放云，百度开放云总经理刘炀在接受采访时表示，百度开放云不单单是云计算，它是云计算+大数据+人工智能。由此可见，百度开放云是一个连接器，能够连接众多为用户所需要的资源，当下是大数据、人工智能，未来还可能会有其他的，但宗旨是帮助用户提升业务。

再底层是度秘存在的地基。通过O2O服务，有百度糯米这些自营的服务，也有百度投资的企业以及股权合作企业的服务，比如优步（Uber），他们的出行服务也都可以通过度秘连接进来了。

在互联网+的大背景下，所有传统行业都在积极求变，靠什么变？人工智能、大数据和云计算。

人工智能重新定义了效率，通过语音、图像、视频、自然语言理解和智能处理等技术，让传统的计算机具备更为强大的能力，大幅提升工作效率;而科学的决策离不开大数据，相较于以往的资产，企业在经营中不断生成的数据，将成为企业未来继续生存并保持竞争力的砝码;百度开放云所要做的是通过一个平台为用户提供多种能力，帮助其实现转型升级，它改变了企业所需要的IT资源的拥有与供给的方式，彻底改变了传统企业的IT模式。

正如刘炀所说，云计算重新定义了IT，大数据重新定义了“资产”，人工智能则重新定义了“效率”。

让百度落地

中国每100张电影票中有55张是从网上下单预订的，而美国这一数字为20张;今天中国有2%的餐馆的定单是网上下单，而美国是1%。可以说，在O2O的领域，中国互联网已经走在前列，无论在教育、医疗、金融或者平时各种各样的日常生活服务领域，都在迅速地实现从网上到网下的连接。

基于百度开放云、人工智能与大数据，通过O2O服务，可以实现对真实世界的索引，而它的入口就是“度秘”。

百度此前在O2O领域花重金的所作所为得到了解释。全资收购糯米网、资优步、51用车、天天用车、客如云、百姓网、e袋洗等一大批O2O公司，又以2亿元入股星美影城，并以此对接百度地图、百度移动支付、在线众筹等百度产品。

通过“自营+生态共赢”的方式连接，百度希望藉资本运作和技术拓展打通生活服务、外卖、电影等高频O2O服务应用;然后将自己旗下的资源进行无缝整合，并通过百度地图、手机百度、百度手机助手三大入口形成巨大的流量供应，以百度钱包形成移动支付场景，从而形成一个链接百度大部分产品的O2O生态布局。

想象一下，当数以亿计的度秘成为一个个服务分发入口，搭起真实世界商家与用户间的桥梁。依托于搜索引擎、大数据智能推荐技术，度秘将彻底打通服务供需双方的数据，实现用户需求与商家服务的精准匹配，为商家带来更精准的客流量。

度秘将智能、服务合二为一，通过强大的人工智能技术满足人们获取生活服务的刚性需求。据了解，目前百度已经把人工智能技术用到产品的方方面面，更好的产品会给百度带来更多的用户和更大量级的数据，而更多的数据通过百度大脑的深度学习能力，给百度产品带来更强的智能，让用户得到更好的产品。这是一个正循环的过程。

可以看到，落地，是百度正在进行的最重要的一次转型，从虚拟的网络世界转向现实，借移动互联网之势，将人和服务连接起来。

第2篇：深度人工智能教育范文

一、调研背景2014年11月亚马逊低调智能音箱Echo，内测半年后于2015年正式发售；当年销量为250万台，16年销量520万台，超越传统音箱领头羊Sonos ，成为在线音箱行业霸主，一度在细分的智能音箱市场占据了99%的市场份额。

亚马逊的智能音箱Echo 受到市场强烈反响以后，google在2017年5月google home，苹果在2017 年WWDC 智能音箱HomePod，国内厂商京东和科大讯飞合作推出叮咚音箱……一时间国际互联网和硬件行业巨头纷纷加入战局，争夺语音交互流量入口，带动了AI落地的一轮热潮。

智能音箱已经成为全球增长最快的消费级硬件。2017年6月苹果home pod以来，下半年至今，每月都有一两家科技公司智能音箱新产品或二代、三代产品。

目前为止，国内科技巨头BAT、小米，老牌电器厂商联想、苏宁，语音技术企业科大讯飞、思必驰，硬件技术创业公司出门问问、若琪等都陆续通过自研或合作的方式入局。

二、技术厂商智能音箱的爆发离不开语音技术的支撑，掌握语音技术的有两类厂商。一是互联网巨头如Amzon、Google、BAT、苹果、微软等，二是专研语音交互技术的厂商如科大讯飞、思必驰等。

语音技术厂商通过自主研发软硬件产品，或对外输出技术，赋能传统智能音箱厂商、内容和互联网服务厂商，获取用户和数据，建立平台生态。

[仅代表笔者个人立场]

2.1 国外一线语音技术提供商1.Amzon Alexa

基本信息：Amzon Alexa是亚马逊的智能虚拟助理和开放平台，2010年启动研发，于2014年11月和Echo同时。Alexa 具备语音技术能力，并通过运行独立的程序，称为“技能”（Skills）来实现不同功能应用(类似手机里在操作系统上运行APP)，支持音乐播放、语音购物、智能家控、智能通讯等一系列功能。

由于其先发优势与大量的落地产品，不论是从产品搭载数量和智能水平上，alexa都已远超其他技术厂商(CNET在CES2017的统计)。

开放情况：Alexa 2015年6月，亚马逊将Alexa开放给第三方开发者，了 Alexa Skills Kit（ASK） 和Alexa Voice Service （AVS）两套开发工具包，让开发者能够更加容易开发Alexa的“技能”；并 设有了风险投资基金alexa found专门扶持语音交互领域的初创企业，以及大学生开发竞赛Alexa prize。

从2014年时的29余项技能，到如今近4w项技能，积极开放政策和不断优化的开发工具，使得Alexa拥有了远超其他技术厂商的海量技能。

应用范围：截止目前Amzon Alexa已陆续在全球38个国家开通（中国暂未开通），涵盖英语、德语、法语、意大利语、西班牙语和日语等6种语言（暂不支持中文）。

除了搭载自家echo系列音箱产品外，Alexa也赋能sonos、联想、哈曼卡顿等音箱产品，amzon fire TV 等智能电视，amzon fire、华为mate9、HTC等平板电脑和智能手机，华硕、惠普、联想等笔记本电脑和PC，智能冰箱、智能灯、智能开关等智能家居产品，智能耳机、智能手表等可穿戴设备，以及包含福特、宝马、雷克萨斯、丰田等品牌的智能汽车。

2.Google Assistant

基础信息： Google assistant是谷歌的虚拟助理，于2016年5月在谷歌开发者大会正式，支持语音交互，搭载在Google的智能手机和智能音箱中。

开放情况：2016年12月，Google推出开发者平台Actions on Google，2017年4月了SDK（软件开发工具包）以便第三方开发者为Google assistant开发应用程序，并进一步扩展支持智能汽车和其他智能家居设备。Google assistant支持语音输入和视觉响应，可通过设备的相机识别物体并收集视觉信息。

应用范围：当前Google assistant已支持英语、日语、法语、德语、西班牙语等8种语言，预计2018年底将支持30多种语言，覆盖95%的Android手机(暂不支持中文)。

除了搭载自家Google home系列音箱和Pixel系列智能手机外，Google assistant还赋能索尼、诺基亚等智能手机，松下、LG、Sonos等品牌的智能电视、智能机顶盒、智能音箱产品，联想、爱可视等电脑及沃尔沃等智能汽车产品。

3.Microsoft Cortana

基础信息：Cortana是微软的虚拟智能助理，于2015年1月正式，逐步应用于搭载windows操作系统和Android/ios系统的移动设备。Cortana具备语音交互功能，并使用bing的搜索引擎信息回答问题，能够调用应用程序、查询天气、提供餐厅和景点推荐，控制智能家居。

开放情况：2017年的build开发者会议上，微软退出Cortana技能开发平台，允许第三方开发者为cortana开发技能。

应用范围：截止目前cortana支持包括中文(简/繁)、英语、德语、法语、日语在内的近10种语言。Cortana已集成到微软众多产品，如Edge浏览器、windows10、车机系统、Skype(微软的即时通讯服务)，并赋能微软与harman kardon合作的智能音箱invoke等。

4.Apple siri

基础信息：Siri（Speech Interpretation and Recognition Interface）是苹果的虚拟助理。Siri 公司创建于2007年。

起初 Siri 只是 iOS 平台的一个应用程序，苹果在 2010 年 4 月收购了 Siri 公司并重新开发后，Siri 成为了苹果设备的内置软件，于2011年重新，并只允许在 iOS、macOS 中运行。

Siri支持语音交互，可以完成数据搜索、天气查询、设置闹钟等许多服务。

开放情况： 2016年6月苹果开发者大会上开放了Siri接口，在IOS开发平台中新增Sirikit，支持开发者调用Siri展示应用内容。Siri目前暂无独立的技能开发平台。

应用范围：截止目前Siri支持包括中文(简/繁)、英文、法文、德文、意大利文在内的20余种语言，并赋能苹果全线产品，如iPhone、iPad、iPod、Apple watch、mac等。

2.2 国内一线语音技术提供商1.科大讯飞

基本信息：科大讯飞成立于1999年，是国内最大智能语音技术厂商，在智能语音技术领域有着长期的研究积累，并在中文语音合成、识别、评测等多项技术上拥有国际领先的成果，与中国官方关联密切，堪称“中文语音产业国家队”。

科大讯飞占有中文语音技术市场70%以上市场份额，语音合成产品市场份额达到70%以上。

开放情况：讯飞开放平台是全球首个提供移动互联网智能语音交互能力的讯飞开放平台，基于讯飞开放平台陆续推出讯飞输入法、灵犀语音助手、AI+教育、AI客服、AI医疗(语音电子病历、医学影像辅助诊断系统、智能助理等)、晓译翻译机、飞鱼智能车载系统、家庭场景的讯飞魔飞麦克风系统等是多宽人工智能产品。

应用范围：科大讯飞支持34种语言，包括中文各地方言，目前已赋能长虹、海信、康佳等国内大牌智能电视、GlassX、ZWatch等可穿戴设备，奥迪、宝马、奔驰、通用、福特、上汽、广汽、长安、吉利、长城、奇瑞等国内外智能汽车，智能音箱（京东叮咚音箱）、聊天机器人（小鱼在家）等智能硬件产品，窗帘、空调等智能家居产品，为包括滴滴打车、高德地图、QQ阅读等在内的超过60000个App提供智能语音交互服务，覆盖聊天通讯、工具、视频、新闻、导航等生活领域的方方面面。

2. 百度DuerOS·小度

基本信息：DuerOS是百度的对话式人工智能系统，于2017年7月百度AI开发者大会上正式。DuerOS具备影音娱乐、信息查询、生活服务、出行路况等10大类目共200多项能力，用户可在不同场景下实现指令控制、信息查询、知识应用、寻址导航、日常聊天、智能提醒和多种O2O生活服务；同时支持第三方开发者的能力接入。

开放情况：DuerOS开放平台包括智能设备开放平台和技能开放平台，分别适应不同类型的硬件厂商和为开发者。为方便“上手”，百度了针对个人、产品厂商、特殊厂商的DuerOS套件，并融合包括声智科技、先声互联、Intel、Rockchip等第三方解决方案，上线了技能商店APP“小度之家”。

应用范围：DuerOS支持普通话、英语、粤语、四川话等多种语言，已赋能智能音箱、电视、冰等大小家电与智能家居产品，智能手机、手表等随身设备，车机、智能后视镜等智能车载产品，累计搭载5 000万设备，日活超过1000万，有1600万DuerOS合作伙伴，落地80多家主控设备，积累了超过10000名DuerOS开发者，DuerOS累计回答问题数已达24亿。

3.小爱开放平台·小爱同学

基本信息：小爱开放平台(原水滴平台)于2017年5月对外开放语音能力与SDK，基于小米的硬件生态和海量数据，提供全球领先的语音识别、NLP等多项人工智能技术，为开发者提供一站式的人工智能服务。

应用范围：小爱开放平台能力已在小米电视、小米AI音箱、小米金服‘米小贝’等小米软、硬件产品中集成，为小米生态链中8500万台IoT连接设备赋能，虚拟助手小爱同学的日活跃用户也达1000万。

4.AliGenie语音开发者平台·天猫精灵

基本信息：AliGenie开放平台于2017年10月12日云栖大会，由阿里巴巴人工智能实验室发起的，面向企业/机构/创业者/开发者，将阿里巴巴在人工智能领域积累的技术以API或SDK等形式对外共享的在线平台，目前已经拥有涵盖影音娱乐、新闻资讯、购物外卖、家居控制、生活助手、儿童教育等的100多项技能。

应用范围: AliGenie开发者平台主要包括三大部分：精灵技能市场、硬件开放平台、行业解决方案， 全面赋能智能家居、制造、零售、酒店、航空等服务场景

5.腾讯云·小微

基本信息：腾讯云的智能服务系统和智能服务开放平台，帮助智能硬件厂商实现语音人机互动和音视频服务能力。微信AI团队自 2012 年起，就将语音输入、语音识别、语义分析技术等功能应用到微信中，腾讯云小微将微信的语音技术作为底层能力，故命名为“小微”，于2017年6月腾讯“云+未来”峰会上正式对外。

应用范围: 腾讯云小微包括硬件开放平台、Skill开放平台、服务机器人(智能客服)平台，结合腾讯社交关系链，覆盖家庭、车载、运动、酒店和儿童陪伴教育等众多场景。

6.思必驰·DUI开放平台

基本信息：思必驰2007年成立于英国剑桥，创始人均来自剑桥，2008年回国落户苏州，是国内少有的拥有人机对话技术，国际上极少数拥有自主产权、中英文综合语音技术的公司之一。思必驰于2017年9月正式DUI(Dialogue User Interface)开放平台，以任务式对话为核心，兼具闲聊与问答功能，打造人性化交互。作为一个全链路智能对话开放平台，DUI开放基于思必驰智能语音语言技术的对话功能，并提供GUI定制、版本管理、私有云部署等开发服务。

DUI具备青囊(服务与研发支撑)、天机（大数据）、紫微（丰富的第三方资源）、玲珑(终端解决方案与环境)四大系统。DUI平台对接丰富的第三方内容，内置国内最专业的语音语言技能商店，具备深度数据可视化、个性化自定义、零门槛操作，开发者通过DUI可实现全链路的高度定制，几乎可自定义每个模块。

应用范围: 平台已覆盖车载、家居、机器人、故事机、手机助手等多应用场景，提供智能车载、智能家居、智能机器人等解决方案，赋能天猫精灵X1、小米AI音箱小爱同学、联想智能音箱、小米板牙70迈智能后视镜等前沿智能产品。

2.3 国内二线、小创业语音技术提供商1.出门问问

出门问问是Google(谷歌)投资的一家中国人工智能公司，由硅谷华人科学家李志飞于 2012 年回国创立。拥有自主研发的语音识别、语义分析、垂直搜索、基于视觉的ADAS和机器人SLAM等核心技术。代表性的软硬件产品包括智能手表Ticwatch、车载智能后视镜问问魔镜Ticmirror、智能音箱Tichome、出门问问语音助手APP以及高级驾驶辅助系统问问魔眼Ticeye。

2.猎户星空

猎户星空拥有全套远场语音技术，自研全链路的远场语音交互系统“猎户语音OS”，已赋能喜马拉雅“小雅”音箱，美的、海尔、博联、海尔优家、欧瑞博等品牌的智能家居产品。小米AI音箱、小米电视，也应用猎户星空的TTS（语音合成）技术以及ASR（语音识别）技术。猎户星空自己音箱小豹AI音箱，接入微信支付、银联支付、融合区块链技术。

2017年猎户星空还获得了世界公认人脸识别“世界杯”的微软百万名人识别竞赛识别百万名人子命题有限制类（只使用竞赛提供数据）的第一名。

2018年3月21日，猎户星空正式对外人工智能领域的机器人产品矩阵，在接待、售卖、儿童陪伴等多个场景落地。同时了猎户机器人平台Orion OS，集合了自研的多芯片系统，摄像机+视觉算法，麦克风阵列，猎户TTS，室内导航平台和七轴机械臂等，形成了完整的机器人技术链条。

Orion OS现与微软、搜狗、高通、英伟达和锤子科技等建立了战略合作伙伴关系。

3.若琪Rokid

Rokid公司成立于2014年7月，隶属于杭州灵伴科技有限公司。总部位于中国杭州， 北京和旧金山分别设有研发中心，致力于机器人领域研究，专注于远程定向拾音/语音语义识别、人脸/手势识别、音响和投影系统等核心技术。Rokid现有PEBBLE ? 月石智能音箱、AR眼镜Rokid Glass、智能机器人ALIEN·外星人等产品，Rokid智能家居机器人在2016年和2017年连续两年获得CES国际消费电子产品展创新大奖。

4.聚熵智能·DeepBrain

DeepBrain 2012年成立于上海，致力于研发人工智能产品， 核心团队是来自于国内外名校的技术研究人才， 为超过100家厂商提供深度人机对话能力，并与三星、华为、联想、中兴达成深度合作。

DeepBrain在2014年了国内首款智能音箱——小智超级音箱，比 Echo 的推出还要早半年。其语义技能平台已进驻上千名开发者，开发了超过 1000 种以智能家居为主的语义技能。

5.搜狗语音

搜狗由搜狐公司创建于2004年8月3日，域名为Sogou.com，目的是增强搜狐网的搜索技能。2013年9月，腾讯注资搜狗，并将腾讯旗下的搜搜业务，输入法业务注入搜狗。

2017年11月，搜狗在纽交所上市，腾讯目前持有搜狗45.37%的股权； 搜狐持有搜狗股权比例为39.21%。

搜狗语音技术研究于2012年启动，并在2013年6月正式上线搜狗语音云开放平台，接入搜狗包括输入法、地图在内的全线产品，并推出搜狗语音助手，与Siri一样，搜狗语音助手在手机端上提供的交互体验并不能让用户产生足够的依赖性，产品的使用率并不高。

2016年8月搜狗了语音交互引擎「知音，2017年12月与四维图新、飞歌展开合作，推出飞歌智能车联网软硬件解决方案G8Ⅱ 后装智能车机，为2018年3月的小米电视 4A提供ASR语音识别能力，为会议平板厂商视源股份的首款智能语音平板 MAXHUB提供语音技术。

三、行业格局3.1 智能音箱市场格局销量与市场占有率对智能音箱产品有着非比寻常的意义。因为智能语音技术刚刚落地，极其依赖用户数据的喂养，越使用才能越智能。

根据笔者估算，截止2018年Q1，全球智能音箱市场保有量占比如下所示：

Amzon凭借其先发优势和形态丰富的产品，一骑绝尘，占领了71%的份额

Google以其完备的低-中-高产品矩阵和用户基础，抢夺12%的份额

天猫、小米分别凭借电商体系、智能家居生态与低价爆款策略占据6%、4%的份额

京东涉足智能音箱较早，品类丰富，也占据了3%的市场份额

apple的homepod在今年 2月9日才正式发售，且定价偏高，仍旧占据了1%

其他所有品牌占据3%。

3.2 全球智能音箱概览海外一线智能音箱品牌及产品销量：

国内一线智能音箱品牌及产品销量：

全球其他智能音箱品牌及产品销量：

3.3 全球主流智能音箱品牌3.3.1 Amzon Echo

作为智能音箱品类开创者，Amzon不断地优化音箱产品新能，持续创新。从场景和形态出发，陆续推出小巧低价的echo dot，带屏音箱echo show、闹钟音箱echo spot。既有促销爆款铺量，又有高端品类防守，具备了高、中、低三个档位完善的产品矩阵，各型号累计销量在3千万以上，是目前唯一销量破千万的智能音箱厂商，引领着全球智能音箱市场。

3.3.2京东叮咚

京东与科大讯飞联合成立的灵隆科技推出叮咚音箱，作为国内较早涉足智能音箱的厂商，从2015年5月开始，京东已经发售了一系列新品。整体产品线与Amzon相似，不断探索更多形态与场景，持续提供更多自定义功能，并以儿童教育音箱，切儿童早教市场。随着小米、阿里、百度的强势入局，京东也推出了高端带屏音箱叮咚PALY，低价叮咚mini2，抢夺国内市场。

3.3.3Google home

2016年5月，在Amzon几乎垄断智能音箱市场之时，Google入场搅局，推出Google home，凭借其优雅的设计、 背靠Google搜索引擎的智能问答和价格差异，曾一度占据了20%以上的市场份额，并在2017年10月推出低价的Google home mini和高价的Google home max，不断支持更多新技能和场景：接入更多智能家居设备、支持500w个菜谱抢占厨房，支持语音购物等。

3.3.4小米小爱同学

小米作为国内领先的智能家居生态构建者，产品覆盖了耳机、移动电源、手环、插座、血压计、空气净化器、净水器、运动相机、平衡车、电池、床头灯、电饭煲等智能家居设备。

小米于2016年底开始研发虚拟助手小爱同学，并在2017年9月正式了智能音箱小爱同学，除了强大的小米家居生态背景，小爱同学还因其机智的人设获得极高关注。2018年小米推出Q萌版小爱同学mini加入国内低价冲量大战。

3.3.5天猫精灵

阿里对新技术研发极为重视，在17年7月了天猫精灵x1，同时亮相的还有负责阿里消费级AI产品研发的阿里巴巴人工智能实验室，17年10月云栖大会正式宣布成立达摩院，网罗各个重点技术领域的专家人才，进行基础科学、AI芯片和颠覆式技术创新研究。

18年3月推出天猫精灵M1曲奇，火眼支架，6月推出天猫精灵方糖，持续探索更多音箱形态，花式输出AI技术，包括图像识别、人脸识别、物体检测及情感反馈等能力。同时提高产品性价比，紧守音箱低价冲量的战场。依托阿里强大的电商网络，天猫精灵已成为国内销量最大的智能音箱品牌。

3.3.6百度小度

2017年2月百度全资收购渡鸦科技，11月了RavenH智能音箱，形状新奇色彩绚丽，带有可拆卸点阵触控板，对标高端音箱Sonos、Bose 和哈曼卡顿，售价1699。

18年初联合老牌音响制造商DOSS（德仕）推出DOSS智能音箱，3月、6月陆续推出国内首款智能视频音箱599元的小度在家、89元低价小度智能音箱，在京东和天猫发售，凭借极高的性价比，在国内音箱价格战中尚有一席。

3.3.7其他智能音箱产品

除了销量可见的主流智能音箱，国内外仍有不少智能音箱产品。如微软与哈曼卡顿联合推出的invoke，搭载了微软Cortana，Line与高通合作推出的Clova，以及国内中小创业团队的系列智能音箱，出门问问的Tichome、喜马拉雅的小雅音箱等等。随着智能音箱市场的逐步成熟，各类音箱或者会找到自己的位置，或者无声寂灭。

四、语音功能智能音箱除了提供核心内容资源消费功能，各品牌还深挖居家场景，开放平台，吸引第三方开发者，提供了越来越多的技能。智能音箱界独领的Amzon Echo已经具备了超过3w项技能，从技能增长梯度看，2016年开始爆发式增长，随着Echo销量的增加，至今仍在不断攀升。超过3w项技能加持的Amzon比它的一众追随者更像一个语音操作系统。

[数据源自Mary Meeker的2018互联网趋势报告]

如同智能手机操作系统的app一样，海量的语音操作系统技能中，真正获得关注的还是少数，大量的技能成为僵尸技能，无人问津。因此其他智能音箱品牌，只要覆盖了高频、核心功能，提供更多资源、家控和创意功能，则无需畏惧Amzon恐怖的技能数量。

智能音箱产品功能趋同，主要分为内容技能、工具技能、互动娱乐三个大方向；功能面向核心场景及针对核心人群的核心功能趋向性逐渐显现。

用户关注度高的功能主要有音乐影视、生活助手、智能家居、游戏娱乐，其次是教育内容、趣玩搞笑、新闻，再其次是新闻、财经类功能；

工具技能用户口碑偏低，但有不可替代性；互动娱乐技能可替代性强，口碑和体验好的功能更受欢迎；内容技能评价均匀，重点在优质资源可得性。

五、用户体验摘录自ebay、Walmart、京东、天猫等电商平台的用户评论数据。

用户体验总结：

1）智能音箱产品整体受欢迎程度很高、用户接受度较高，评价矩阵皆为70~80%的5星好评；

2）用户对音箱产品唤醒、识别、解析等语音基础性能感知差异不大（可能由于个人拥有音箱品牌数量少于1个，对比不明显）；对音质、内容资源丰富度、“聪明程度(智能感与趣味性)”等较为敏感。

3）老人、孩子对音箱的满意度、喜爱度是重要消费决策因素。

4）海外用户对音质要求更高，对音箱的使用场景区分更鲜明，倾向于为不同居所场景配备多个音箱产品，对是否自带电池等要求不多；国内用户音质要求和鉴别水平不足，期望自带电池便携便移动。

5）用户期望唤醒词自定义、内容资源更丰富、资源内容相互打通。

六、核心结论1）音箱销量：2017年全球智能音箱出货量3200w台，其中Amzon与Google以大约9:1的比例瓜分市场。Amzon 音箱销量量级已超2000w，铺货量和活跃设备数全球遥遥领先。

截止2018年4月底，国内厂商销量以天猫、小米为首，量级在200w左右，百度、腾讯及众创业公司量级均在10w之下。 具备生态闭环和技术平台的大厂商均有“高性价比铺量”的趋向，以低价占据迅速用户市场。

据Canalys分析公司保守预测，2018年全球音箱销量将增长到5630台，美国作为主战场销量将达3840台，中国作为第二大市场销量可达440万台。

第3篇：深度人工智能教育范文

王陆：女，博士，教授，博士生导师。首都师范大学现代教育技术重点实验室主任，校学术委员会委员，教育技术系学术委员会主席。全球华人探究学会副理事长，全球华人计算机教育应用学会执行理事委员，中国人工智能学会全国计算机辅助教育专业委员会常务理事，教育部“国培计划”专家库首批教师教育专家。靠谱（COP）联盟专家委员会主任，首席专家。主要研究领域与方向为现代教育技术原理、信息化环境下的教师专业发展、智能学习支持环境。共出版学术专著10部，发表学术论文110余篇，主持多项国家级和省部级重点课题。

对话嘉宾：

魏宁：教育硕士，高级教师。北京市东城区教育研修学院研修员。北京教育学会中青年理论工作者研究会理事，多次担任全国、市级论文、课题、活动赛项评审专家。主持北京市级课题1项。《中国信息技术教育》杂志特约撰稿人。先后为20多家报纸、杂志、公众号撰写文章，总计200多篇，40多万字。

魏宁：王老师，提起课堂教学行为大数据的研究，我记得您在本世纪之初就已经开展相关的研究工作了，虽然那个时候大数据的概念还不火爆，但您从一开始就坚信，课堂教学行为大数据的研究是一个能把基础研究与应用研究连接起来的纽带，是理论与实践之间的一座桥梁。您还曾多次用“巴斯德象限”这一范式来说明这个道理。

王陆：是的，作为我国第一个教师在线实践社区靠谱COP（The Teacher’s Online Communities Of Practice，简称靠谱COP）联盟的首席专家，我一直认为靠谱COP的课堂教学行为大数据研究必须坚持正确的研究价值观和研究取向。

巴斯德象限（Pasteur Quadrant）这一概念最早是由美国国家科学基金会（NSF）的主席顾问及美国国家科学研究委员会（NRC）的主席Donald E.Stokes（唐纳德・E.司托克斯）在他的《基础科学与技术创新：巴斯德象限》一书中提出来的，司托克斯把基础研究和应用研究之间的两两关联放置在一个四象限中（如图1），用来考察科学研究的范式。

如图1所示，左上角的第一象限叫“玻尔象限”，表示纯粹的基础研究。诺贝尔奖获得者尼耳斯・玻尔（Nie1s Bohr）对原子结构模型的研究，就属于纯粹的基础研究，丝毫不考虑应用。但是，他发现了构成这个世界的基础结构。

右下角的第二象限叫“爱迪生象限”，意味着以应用为目的的研究。托马斯・阿尔瓦・爱迪生（Thomas Alva Edison）就是其中的代表，作为人类历史上最卓越的发明家之一，他多年如一日从事着具有商业价值的电照明研究，而从不去探寻发明背后更深层的科学意义，不寻求对某一科学领域现象的全面认识。

左下角的第四象限至今没有正式命名，但也有人把它称作“皮特森象限”。起因于北美的鸟类观察家们对昆虫标记和发病率的高度系统化的研究，这些研究的成果后来被载入《皮特森北美鸟类指南》。这类研究的特点是研究本身是由科学家对某种事物的好奇心驱使的，这点与玻尔的初衷颇为相似，但结果却造就了应用研究的成果。

右上角的第三象限就是我们所说的“巴斯德象限”，它代表了那些以应用为目的而引起的基础研究。这一命名来自路易斯・巴斯德（Louis Pasteur），他一生所从事的研究几乎都是以应用为目的的，如解决发酵食物和饮料的变质问题、解决因细菌侵害蚕卵而导致丝绸工业濒临破产的难题以及把传染病的微菌培养成为防病的疫苗等问题。但令人肃然起敬的是，巴斯德在解决这些应用问题的同时，没有像爱迪生那样仅仅满足于应用问题的解决，他同时还追求了@些应用问题背后的更深层次的科学意义。也正因如此，他才能发展出微生物学的基础理论，成为微生物学的奠基人。

“巴斯德象限”说明，基础研究和应用研究两个看似不同的目标是完全可以融合的。而在教育技术研究领域，课堂教学行为大数据的研究就是连接二者的一座桥梁。

我清晰地记得我的导师南国农先生2007年1月28日在纪念中国电化教育70周年座谈会上提出的三个应该加强的研究中，就有“什么是能够真正把互联网与教育、教学结合在一起的好办法”的研究问题。当年，这个问题曾经深深地触动了我，使我顿感责任重大。我认为，靠谱COP的课堂教学行为大数据研究，是以巴斯德象限为范式的科学研究，把基础研究和应用研究相结合，把理论与实践相结合，最终服务于基础教育，服务于教师和学生，是我们一贯坚持的科研价值观和科研取向。

魏宁：王老师，大数据这个词语现在可谓无人不知，但要很严谨地定义它，又不是那么容易，您能给课堂教学行为大数据下一个定义吗？

王陆：目前，大数据还没有一个公认的定义，教育领域的大数据概念同样如此。我所理解的课堂教学行为大数据是指在课堂情境中，伴随教与学过程而产生的大规模、多样性、蕴含了丰富的教与学涵义的非结构化与半结构化的特殊数据集合。目前，课堂教学行为大数据具有模式数据、关系数据、结构数据和行为数据四种典型的类型。

而所谓的课堂教学行为是指教师引起、维持或促进学生学习的所有行为，也就是教师为了促进学习者完成学习行为而进行的支持性、服务性、指导性的活动总和。课堂教学是一切问题的衍生物，教育的逻辑起点是问题，所以，课堂教学行为分析也是聚焦问题类型、问题水平、问题结构、问题理答等方面的行为分析。

魏宁：王老师，针对课堂教学行为，应该说，我们一直在“研究”，从教师日常的听评课活动，到教育专业研究人员的研究，在大数据介入之前，这些传统的方法存在什么问题吗？

王陆：是的，对于课堂教学行为，我们一直在研究它。但以往的研究明显存在着几个问题：在方法上，由于以描述性案例为主，缺少学理分析，特别缺少对课堂教学行为的框架理论研究，致使这类研究较多停留在行为关注的层面；在研究结果上，虽然多数研究对课堂教学行为进行了调查分析，但由于缺少对数据资料科学的系统分析，所以无法给出恰当的策略建议。以往的教学行为研究无法把个案的研究结果转化为一种具有普适性的教师专业发展支持服务，导致许多课堂教学行为研究的成果无法影响到真正的课堂教学行为改进，也就无法对教育教学改革，特别是课堂教学变革产生重大影响。

魏宁：对课堂教学行为大数据的研究，我记得您还有一个精彩的比喻，就是中医和西医，您能解释一下吗？

王陆：传统的针对课堂教学行为的研究，或者就是教师日常的听评课，基本是以经验为主。一些有经验的教师就好比老中医，用“望、闻、问、切”的方法对待课堂教学行为，依据其个人的教育信念、教育价值观和教育经验做出他们的评判与诊断。而我们用课堂教学行为大数据的方法对课堂教学行为展开研究，要经历数据采集、数据分析并要可视化地表达经过信息处理后所得出的数据影像，这就好比西医的X光片、B超扫描，甚至是CT和核磁共振等。当然，基于课堂教学行为大数据的分析与研究，是需要将定性研究和定量研究相结合的，是需要被观察和被诊断教师个人以及观察者和诊断者个人的教育经验的。其实，若想全面、科学地对课堂教学行为加以诊断，最好的办法就是中西医结合。

魏宁：王老师，我知道您从2000年起就带领您的科研团队致力于课堂教学行为大数据的研究，到今天已经走过了17年。其间，先后出版了《信息化教育科研方法》《课堂观察方法与技术》等学术专著。但更为重要的，是坚持不懈地在一线学校开展了一系列的课堂教学行为大数据分析。17年来的数据岂止是“车载斗量”，我想，这才是您和您的团队最宝贵的财富，也是中国教育的宝贵财富，是真正的中国本土的原创研究。您能否大致介绍一下，17年来您都做了哪些方面的课堂教学行为大数据研究？

王：我的靠谱COP团队坚持17年进行课堂教学行为大数据的研究，从最初只有4个人的团队，发展到今天一个近60人的科研团队。我们的研究主要包括课堂教学行为大数据的基础理论研究和应用研究两大部分。在基础理论研究中，我们从数据采集与数据分析的原理、方法及技术等维度做了许多开创性的工作；同时，也对数据向信息的转化、信息向知识的转化、知识向智慧的转化等数据流及数据生命周期等做了大量的实证类的基础理论研究和实践性研究，形成了基于课堂教学行为大数据的课堂观察方法与技术、教学反思方法与技术、知识建构方法与技术，以及知识管理方法与技术等系列成果。在应用研究中，我们对基于大数据的教师专业发展支持服务做了深入系统的研究，开发出面向具体经验获取、反思性观察、抽象概括和积极实践等不同维度的共计12类4096种支持服务，开创了我国第一个教师在线实践社区，实现了大学科研成果的转化等。

魏宁：其实，对于教育领域而言，大数据只是一种研究的方法与手段。在信息化的大背景下，我们能搜集到与课堂教学行为有关的海量数据。但面对这些数据，我们又该如何“下手”呢？换而言之，不是说我们有了海量的数据，就会自然而然产出有价值的研究结论。我们必须有具体的工具和方法，来剖析这些数据。我也曾经见到不少学校、教育管理部门，号称用教育大数据采集师生的教学行为，进行了大数据的分析，并用大数据指导课堂教学改进等。但实际情况是，数据的来源和以前并没有什么两样，关键是，处理这些数据的手段依然是传统的数据处理方法。这样的教育大数据只不过是借用了一个时髦的说法而已，本质上并没有什么改变。您觉得，在课堂教学行为大数据面前，哪些有效的研究方法可以为我们所用？

王陆：第一，课堂教学行为大数据的采集方法。课堂教学行为数据已经从结构型数据扩展到多维度的非结构化和半结构化数据。从某种意义上讲，课堂中没有无用的数据，只有未被利用的数据，关键是如何获取数据。课堂教学行为大数据的搜集，已经从以前有针对性地获得结构化数据（如课堂观察量表数据），转变为有选择地删除某些数据。课堂教学行为大数据中的收集数据就是从非结构化和半结构化的数据中，识别、整理、提炼、汲取（删除）、分配、存储，并将其转化为结构化数据的过程。有一点特别需要注意的是，在小数据时代，人们对数据的精确性有严格的要求。而在大数据时代，数据的不精确性是允许的，人们需要接受纷繁芜杂的各类数据，而不应一味追求数据的精确性。

第二，基于课堂教学行为大数据的分析与决策方法。“量化行为获得结构化数据数据转化为信息信息转化为知识知识转化智慧”是对基于课堂教学行为大数据的分析与决策方法的简述。其中，基于课堂教学行为大数据的课堂观察方法与技术中的编码体系和记号体系可以将教学行为大数据转化为信息；教学反思方法与技术可以将信息转化为教师的实践性知识；抽象概括的方法与技术及积极实践可以支持教师从实践性知识中涌现出教学智慧。大数据正在颠覆传统的、线性的、自上而下的精英决策模型，逐步形成非线性的、面向不确定性的、自下而上的决策方式。

第三，信息化教学领导力的方法。校长与教师借助多种信息技术工具和信息化资源，直接对课程与教学各要素进行信息的搜集、整理、加工与处理，提升洞察力，优化教学决策，强化决策力和对教学产生影响作用的领导能力，具体如下页图2所示。

魏宁：通过您介绍的这些主要研究方法，您和您的团队在课堂教学行为的研究中发现了哪些有价值的结论呢？

王陆：在过去的研究中，我们在用上面这些研究方法重新审视教师的课堂教学行为时，发现了很多以往没能发现的问题。我举几个例子。

1.关于课堂提问倾向的分析。

不知道你有没有仔细观察过教师在课堂教学中的提问，这里面其实大有文章。根据我们的研究，教师在课堂上的提问可以分为八种类型：“是何问题”“为何问题”“如何问题”“若何问题”“记忆性问题”“推理性问题”“创造性问题”和“批判性问题”。它们代表了三种不同的教师提问倾向。其中，“是何问题”与“记忆性问题”反映的是教师提问的开放性教学倾向，这两类问题发生的频次越高，表示教师提问的开放性教学倾向越低；“如何问题”“为何问题”及“推理性问题”反映的是教师提问的问题解决教学倾向，它们发生的频次越高，表示教师提问的问题解决倾向越强；“若何问题”“创造性问题”和“批判性问题”反映的是教师提问的批判性及创造性教学倾向，它们发生的频次越高，表示教师提问的批判性及创造性教学倾向越突出。

我以提问的批判性与创造性倾向的研究结果为例，在提问的批判性与创造性倾向维度中，我们采集了教育发达地区、教育中等发达地区和教育发展中地区的教师大数据，结果是三类地区的教师整体水平都非常低，但教育发达地区相比其他两个地区，存在着明显的问题开放性最高、问题解决倾向最明显、批判性问题与创造性问题倾向最突出的教学特点。

通过研究，我们还发现在教师的课堂提问中有两种十分普遍的现象：一是教师提问的随意性十分明显，在课堂教学中教师往往因为发现有学生在搞小动作没有听讲，或在课堂中有些学生表现出昏沉的状态，便随即使用课堂提问的方式给予学生警告性提醒，其后果是课堂提问数量非常多，而所提出的问题大多是简单记忆或机械判断性问题；二是教师判断教学活动是否需要结束是以所提出的问题能够被全班大部分学生正确回答为依据，其结果是教师提出的问题大多是具有唯一正确答案的良构性问题且问题缺乏解决倾向与创造性和批判性倾向。上述两种现象在教育发展中地区尤为突出。

这些现象的背后，能折射出教师对课堂提问的价值取向：重视课堂提问的局部价值，忽视了课堂提问能够促使学生更积极主动地加入到课堂互动之中的整体价值；注重课堂提问的工具价值，轻视了课堂提问能够促进学生深入思考的目的价值；重视课堂提问的浅层价值，忽视了课堂提问的作用是促进学生提出更好的问题的深层价值。当前，有关课堂提问的价值取向应该引起教师培训机构和教育行政部门的高度重视，需要引导教师重新认识提问这个最古老的教学行为的教育价值和目的，并以此为依据和出发点再对现实的课堂教育活动作出更具体的评析，提出新的提教学原则、方案乃至方式和方法。

2.不同性别教师的差异性教学现象与共性教学现象。

我们曾对不同性别教师的课堂教学行为进行了独立样本t检验，结果表明：不同性别教师的差异性教学现象在0.01显著性水平下，不同性别的教师在师生行为转换率Ch上呈现出显著差异。而不同性别教师的共性教学现象在于，无论是男教师还是女教师的课堂，在批判性问题、创造性问题、鼓励学生提出问题、讨论后汇报，以及学生创造评价性回答等教学现象上均无显著差异，且这类教学现象明显少于其他教学现象。通过对不同性别教师的师生行为转换率Ch、管理性问题、对话深度二和对话深度三等教学行为大数据均值及标准差的分析，可以发现：女教师的师生行为转换率Ch值、管理性问题数量、对话深度二和对话深度三都显著高于男性教师。这一数据分析结果所反映的教学现象是：女教师比男教师在课堂中更频繁地更换课堂对话的话语权，女教师会跟学生发生更多的言语互动，同时女教师也更注重对课堂的统一纪律要求和管理，更重视在师生对话中开展适当的追问干预。

3.不同科目教师的差异性教学现象与共性教学现象。

我们分析了文科和理科教师的课堂教学行为所带来的课堂教学现象的差异情况，结果表明：不同科目教师的差异性教学现象是在0.01显著性水平下，文科和理科教师在课堂提问类型中的记忆性问题、推理性问题和创造性问题上呈现出显著差异；在提问方式中，在提问前先点名、让学生齐答、叫举手者回答上呈现出显著差异；在学生回答类型中的个别回答维度上呈显著差异；在学生回答类型中的认知记忆性回答、推理性回答和创造评价性回答上均呈现出显著差异；在问题结构的是何、如何、若何上呈现出显著差异；在对话深度一和对话深度四上呈现出显著差异。这表达了什么意思呢？就是无论是文科教师还是理科教师，在批判性问题、鼓励学生提出问题，以及运用基于小组的讨论法教学等以学生为中心的教学现象方面均无显著差异，且这类教学现象明显少于其他教学现象。经过对教学行为大数据均值及标准差的分析，可以发现：文科教师的记忆性问题、创造性问题、个别回答、记忆性回答、创造评价性回答、是何问题、对话深度一，以及学生的个别回答、认知记忆性回答、创造评价性回答都显著高于理科教师；而理科教师的推理性问题、推理性回答、如何问题、若何问题、对话深度四以及学生的推理性回答都显著高于文科教师。这一数据分析结果所表明的教学现象是：文科教师比理科教师更重视陈述性知识和创造性知识的获取，文科课堂也比理科课堂拥有更多的开放性问题，但对话深度明显低于理科课堂，说明文科课堂中的问题难度普遍较低，教师也较少进行追问式的教学干预；理科教师比文科教师更重视学生对原理性知识、策略性知识和迁移性知识的获得，理科课堂中的问题难度普遍比文科更高，且理科教师比较多地采用了追问式教学干预。

4.关于发散思维和评价思维的培养问题。

我们通过研究发现，发散思维和评价思维的培养，是当前教与学的最薄弱环节。教学是由问题构成的，教学的一切都可以说是问题的衍生物，学生学习能力的形成就是问题解决能力的形成。关注课堂中的问题类型可以让我们获得课堂教学的价值取向与认知目标达成水平的判断依据。通过对2000―2015年连续16年全国24个省市中小学课堂教学中的问题类型分析可以发现：小学文科和初中文科无论是对话型、混合型还是练习型的教学模式，课堂问题类型都是以记忆型问题为主，整体问题类型处于最低层级，即处于低层次集中型问题水平，学生的认知目标为认知-记忆水平。而小学理科、初中理科和高中理科及高中文科则多以推理性问题为主，问题层级处于高层次集中型问题水平，学生的认知目标为聚合思维水平。无论小学、初中和高中三个学段的理科与文科课程，整体都缺乏以批判性问题和创造性问题为核心的分析型问题，发散思维和评价思维的培养是当前教与学的薄弱环节和课堂教学中的短板。

魏宁：我们对课堂教学进行大数据分析，能透过纷繁的教学现象，得出关于师生教学的普遍规律性的东西。但若要改变其中的不合理之处，或对存在的问题进行纠偏，就必须通过教师行为的改变。这就涉及教师的专业成长了，所以我认为，大数据在很大程度上能助力教师成长。根据您的课堂教学大数据研究所得出的结论，您对教师的专业成长有何改进建议呢？

王陆：首先，透过课堂教学行为大数据的分析，可以看出，教师的课堂教学行为既存在共性问题，又存在突出的个性问题。在我看来，课堂教学行为的共性问题折射出的是教师应该“怎么学”的关键性问题，而课堂教学行为的差异性问题折射出的是教师应该“学什么”的关键性问题。从课堂教学行为大数据的分析结果可以看出：当前教师的教学还是以模仿模式为主的，也渗透了一定的变化模式；要想从教学的模仿模式彻底转变为教学的变化模式，首先就需要转变教师的专业学习方式。正如戴维斯教授所指出的，教师如何学习会反映在他如何教学上（Davis，2003）。教师的专业学习方式需要从技术性实践（Technical Practice）模式转变为反思性实践（Reflective Practice）模式，即教师要从真实的教学实践出发，经过对教学实践的反思，再重构新的教学经验的以教师实践性知识为核心的非正式学习方式。

其次，教师个体的教学行为具有差异性，造成教师教学行为具有差异性的原因是教师个体具有差异性的实践性知识。差异性的实践性知识给不同的教师个体带来了知识势差，而知识势差是造成知识流动、知识传播和知识转移的根本原因，也是教师能够获取实践性知识这种隐性知识的基本条件。为此，以“差异即资源”的理念搭建起来的教师在线实践社区（靠谱COP），为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者所组成的一种正式学习与非正式学习相混合的学习型组织，有效支持了教师的反思性实践，促进了教师通过知识转化而最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。靠谱COP为不同的教师个体搭建了实践性知识流动、传播与转移的基础环境，形成了由教师、专家及助学者组成的一种正式学习与非正式学习相混合的学习型组织，有效地支持了教师的反思性实践，促进了教师通过知识转移最终获得实践性知识的增长和课堂教学行为的改进，取得了显著的教师专业发展成效。

此外，长期以来，中小学都采用师徒制的教师专业发展模式，即指派一名具有较长教学经历和较多教学经验的“老教师”，即成熟教师，作为新手教师的师傅，并希望这种模式能够促进新手教师在成熟教师的指导下，在开展教学实践的过程中，对教学实践进行有效的反思，从而能够较快地获取、继承、传递、存储和应用成熟教师的实践性知识。

一名新手教师成长为胜任教师至少要经历知识生产和知识进化两个关键阶段。既要经历在已有知识的基础上发现新知识的生产过程，这个过程一般发生在新手教师自入职开始的1～3年期间；也要经历随着外部环境的改变，主动改变知识内涵与结构以适应新环境的知识进化过程，这一般在新手教师入职3年以后。知识生产阶段是新手教师快速积累教学经验的阶段，而知识进化阶段是新手教师发展、修正、完善、建构其实践性知识的阶段。

美国著名的心理学家波斯纳曾经提出一个教师成长公式：教师成长=经验+反思。显然，在这个公式中经验是一种“慢变量”，是新手教师要随着时间和实践机会的增加而慢慢积累起来的；而反思是可以干预的一个“快变量”。在抽取了来自4个省8所靠谱COP项目学校共120位教师作为研究对象，其中新手教师40名，胜任教师40名，成熟教师40名，收集了这120位教师从2010年9月至2011年7月一年期间在靠谱COP平台的论坛中所发表的帖子、所撰写的课后反思文本以及制作的教学反思DST（Digital StoryTelling）视频材料等半结构化和非结构化的数据，采用了内容分析法、视频案例分析法和统计分析法等分析后发现，在高层教学反思中，胜任教师与成熟教师的反思特征相似聚为一类，而新手教师则单独为一类。继而进行了回归分析后，显示出新手教师的高层教学反思水平仅受胜任教师的高层教学反思水平的正向影响，与成熟教师无关。

同时我们发现：教师知识的进化过程是一种教师的知识集合处于不断的流通与变化的过程；成熟教师与新手教师在知识进化过程中的试探性理论或解决方案上表现出了比较大的差异，即成熟教师更倾向于从局部要素寻找解决问题的策略，而新手教师则更倾向于从整体要素的改变去寻求解决问题的办法；在知识进化的过程中，成熟教师对新手教师的影响十分明显；新手教师在知识进化排除错误的过程中，会表现出直接吸取成熟教师实践性知识的倾向。这一研究结果带来的启示是：在知识生产阶段，让胜任教师担任新手教师的师傅会显著影响新手教师的高层反思水平，从而使新手教师获得更快的进步与成长。在知识进化阶段，由成熟教师担任新手教师的师傅会更加有效地促进新手教师实践性知识的增长与改进。

根据大数据的分析研究结果，优化后的师徒制教师专业发展模式是一个“双师制”模式，即在知识生产阶段，学校为新手教师安排一名胜任教师做其师傅，帮助新手教师迅速获取具体经验，而在新手教师步入知识进化阶段后，可以再增派一名成熟教师同时担任其师傅，从而构造一种新的“双师制”的师徒制知识管理方式，使得新手教师、胜任教师和成熟教师都能在同一个生态环境中发展与成长。

魏宁：通过这么多年的课堂教学行为大数据研究，您对教育大数据一定有着深刻的理解和认识，您怎么看待当前火热的教育大数据呢？

王陆：应该说，到现在为止，国内外对课堂教学行为的研究还处于起步阶段。课堂是错综复杂的，需要广大研究者深入课堂教学的实际情境中，把课堂教学行为作为研究对象，从理论与实践两个层面去阐释课堂中存在的种种教学现象，从多学科的角度去说明课堂中出现的种种问题，寻找教学现象背后的教学规律与教学本质。

当前，深化基础教育领域综合改革最关键、最重要的是提高教师队伍素质及其实施素质教育的能力，任何教学改革的成功都取决于教师作为系统的实施者对改革需求的理解与应用，教师是学校改革的真正推动力。通过对课堂教学行为大数据的深入分析与挖掘，大数据能够把教师的隐性知识显性化，从而助力教师的专业发展与专业成长。

我们要感谢大数据等新技术与新工具，让我们实现了用数据化手段测度人类行为和人类社会，并由此改变了人类探索世界的方法。大数据通过对事物的数据化，实现了定性研究与定量研究的综合集成，使人文社会科学等曾经难以数据化的领域像自然科学一样走向了定量研究，实现了定量研究与定性研究的统一与融合。

应该看到，课堂教学行为大数据所表征的数量关系，仅仅是一种认识和研究教学现象的手段，是一种以搜集微观研究材料进而开展宏观理论构建的研究途径，其真正的目的是要通过数量关系探寻课堂教学的科学规律与教学现象的意义。无论是教学实践者还是教学研究者，都需要重视课堂中的教学现象并理解教学的本质。只有教学实践者透彻地理解教学本质，才有可能真正促进教学现象的有效改进；只有教学研究者走近或者走进教学现象，才有可能真正揭示教学的本质，也只有从教学现象中揭示出教学的本质，才有可能使其回归到教学现象之中，并对教学现象形成真实的影响力和指导力。由于课堂教学具有复杂性、情境性和实践性，在优化课堂教与学时往往不能仅凭个人经验或简单使用某种具有普适化意义的教与学的理论，为此，以课堂教学行为大数据为研究手段的教学现象研究，不仅是我们发现教学本质的切入点，还是我们创新教学研究的立足点和改进课堂教学行为的助推器。

魏宁：通过您的介绍，我对课堂教学行为大数据有了更全面、深刻的认识，17年弹指一挥间，您的坚持终于得到了回报。在这里，我祝愿您在今后的研究中取得更丰硕的成果，用大数据服务于教育改革，服务于教师，最终为学生的成长助力。

王陆：谢谢您，我们会继续努力的，靠谱COP一直与您同行。

对话印象

从学生时代算起，和王老师已经有二十多年的交往了。在我的眼里，王老师不仅是一位治学严谨的学者、谆谆善诱的长辈，很多时候更像是一位倾心相交的朋友，这是因为无论是在治学上还是做人上她都能时刻给我以启迪。

在教育技术界众多的专家学者中，王老师有着极为鲜明的特点，这主要体现在王老师的“跨学科”上。对教育技术来说，“跨学科”三个字本不稀奇，因为教育与技术本就分属文理，教育技术学自然就成了一个文理交叉的领域。但细究起来，大多数专家学者还是有着明确的学科背景的，要么以技术为背景，要么以教育为背景。真正意义上横跨教育、技术两个领域的学者可谓少之又少，而王老师称得上是其中的佼佼者。王老师早年的研究方向是智能学习支持环境，她对人工智能有颇深的研究，她的教授职Q便是来自计算机工程学院，她是不折不扣的计算机技术和人工智能专家。而此后，王老师毅然转入教育领域，又在教育技术方面取得了成功。

兼具文理的双重背景让王老师的研究既有教育人的情怀，又不失理工人的严谨，更让王老师真正做到了“用技术的手段去解决教育中的问题，用教育的视角去反思技术的应用”。但在“跨学科”三个字的背后，其实有着更深层次的含义，在我看来，那才是王老师的成功秘诀――问题意识。其实，在王老师眼中，本没有学科的界限，只有需要解决的问题，这才是“跨学科”三个字的本质。王老师二十年如一日，始终关注的是如何用技术手段去解决课堂教学中的问题，促进教师的专业成长，正是在这个目标的驱动下，王老师完成了一次次的转型、跨界。