大多數在線教育平臺只解決了老師與學生的連接問題，而作業幫和KnewTon為代表的“個性化教育”則通過技術驅動傳統教育模式的革新，將孔子的“因材施教”這一教育理念做到極致。

作業幫的“自適應教育”之路

自適應教育模式的精髓是根據學習者的實際情況，量身推薦適合的課程，這被歸納為“適配學習技術”。

作業幫通過三個步驟來實現個性化推薦：第一步是知識診斷，學生先做幾道精選練習題“測試”，測試之后會得到知識診斷結果。第二步是知識建議，根據測試結果給出該科目的詳細知識點卡片，告訴學生哪些知識點是急需提升的，哪些是已熟練掌握的。第三步則是練習推送，在不同的階段性測試期間，推送本地的真題、模擬訓練給用戶，讓學生通過最少的練習掌握知識點，避免重復的、難度不匹配的無效練習。

個性化教育將是在線教育的核心優勢，也是在線教育未來的趨勢。作業幫“個性化練習三步曲”分別對應了學習過程的數據收集、推斷和建議，結合知識圖譜和推薦模型，實現個性化的教育。

作業幫如何用技術做到因材施教？

傳統教育存在致命的弱點，不論學生處于何種水平，思維模式有何差異，知識掌握情況有何不同，都要保持同樣的進度被動式地參加課程、重復練習，進而效率變低。相對于KnewTon而言，作業幫進軍個性化教育優勢更加明顯。

第一，擁有大數據以及更新機制。作業幫上線一年多積累的5000萬用戶、9500萬題庫，已掌握了學生學習習慣、題庫學科知識兩類大數據,引入全國優秀教師群體來完善和篩選題庫，在回答學生提問時也是機器算法+UGC模式雙重保障，通過這些運營手段來保證數據質量，形成了數據更新機制。

第二，大數據技術的成功實踐。基于IDL（深度學習）實驗室成果和OCR技術，作業幫借助圖像識別、語音識別、語義理解諸多大數據技術，建知識圖譜，將學科、課程和習題之間的關系理清楚，通過知識診斷和學生畫像，讓個性化教育成為可能。

第三，基于路徑算法的推薦。作業幫在知識診斷結果和知識圖譜的基礎上，可以計算“學習路徑”，即從學生當前學習狀態到目標狀態之間需要經歷的路徑，例如哪些知識點、多大的難度、如何復習。這樣就可以給學生推薦最適合的練習題，避免其“走彎路”。

第四：IDL技術實現連續適應性。IDL實驗室所研究的深度學習技術讓機器可以自我學習、優化算法。作業幫基于其研究成果，自動化地改進教育模型，包括學習路徑算法、練習推薦模型、知識診斷模型等，而不需要人工去更新，即便是各地教育大綱變化之后，教育模型依然有效，實現“連續適應性”。

作業幫本質是通過新技術去改變傳統教育模式，提升教育效率，消滅教育鴻溝，而不只是把互聯網當作渠道的單一應用，它有著比較強的技術依賴，符合從孔子時代便存在的“因材施教”理念，并且有望在應試教育大環境下實現真正的因材施教。

(文/羅超)