如何破解中國教育不均衡難題？

如何一勞永逸的解決乃至全球的教育問題？

這個命題提起來有點像是痴人說夢，然而仔細思考，會發現教育與所有培訓機構面臨的困境很類似——高品質供給不足。

正如《富足》一書中描繪了未來的可能美好願景：地球上90 億人喝上乾淨的水，住上自己負擔得起的住房，個性化的教育，頂級的醫療護理，用之不竭的無污染能源。這背後的一切都來自於科技進步造就的供給增加，帶來資源富足。

前段時間我做了《2017教育均衡問題與新機會》報告。投資機構常常關注的是行業背後的商業機會，然而作為深耕教育領域的投資人，我想跟大家分享一下教育均衡背後的核心問題。

教育問題的真正根源

是什麼導致了教育的問題？

因為曾經接觸過很多為了孩子小升初而心理焦急的家長，以及隱秘的名校點招規則，我一度認為是政府部門的不作為造成了教育問題 ，然而閱讀了大量的文獻之後發現事實並非如此。

基於上面的數據，我們可以明顯的看到：

1、錢的總量在增多，效果在變好：

隨著教育經費逐年提升（2015年3萬億 RMB），義務教育階段的入學率已經高達100%（毛入學率是按照適齡兒童計算，高於100%），高等教育的毛入學率也已經高達40%。

2、錢的投入階段在變化：

教育經費先投入到了高等教育，在過去的幾年裡又投入到了基礎教育 K12，然後現在開始關注高職和幼稚園。當餅不夠分的時候，這個先後順序非常明智。

那是不是就沒有問題了呢？當然不是。如果只對著平均數來研究，那就相當於對著一頭牛來研究老鼠和大象（老鼠+大象的體重平均數等於牛），很難找到問題所在。

那讓我們看看在分佈上存在哪些問題？

為了找到背後的原因，我們從財政、人力、課程等角度做了一些研究。

1、教育信息化在過去十年，已經完成了大量基礎硬體的鋪設，在貧困地區也能看到多媒體教室和網路。但是目前這些設備閑置情況嚴重，極度缺少可以使這些設施真正用起來的合格內容、應用和教師。

2、教師的薪酬低，激勵體系、發展體系落後。批量生產合格的老師很難，加上優秀的人才不願意進入教育行業，尤其是不願意進入鄉村教學，造成了大量地區教師資源極度匱乏。同時在崗教師技能落後，相當一部分編製被非教學崗位佔用。

3、課程內容陳舊，有一些已經與現實嚴重脫節的課程還在使用，這造成了大量學生就業困難。但與此同時市場上卻面臨人才荒。

4、學校採購了很多設備，也進行了大量教學改革。但如何評價教學效果的好壞？如果不用應試分數，是否有一套科學的指標來衡量教學效果？如果沒有數據能夠反饋是否有效，那麼我想對於進一步的改進教學無異於瞎子摸象。

我們從各種數據中可以看到，區域發展不均衡、階段發展不均衡是主要問題。

1、在過去的幾年中，教育經費大量投入到西部地區，甚至造成了教育的「東西兩頭高，中間低"的情況，這雖然是一個有點矯枉過正的情況，但也可以間接說明政府在教育均衡上的確不遺餘力。

2、在教育支出逐漸增大的情況下，各個教學階段投入重點不同。目前來看幼稚園的經費缺口最大。預計在2021年，幼稚園缺口近11萬所，幼師等幼教相關人才缺口超300萬。

3、重點校囤積了大量優質教育資源，佔用了大量經費，就算同一個城市內校際之間的單校經費差距也有高達幾十倍的。

另外一個特色的問題是留守兒童和流動兒童。

伴隨著的高速發展，大量的農民工進城務工。有一部分留在了當地變成了留守兒童，在缺少父母陪同的情況下容易出現孤獨和人際能力缺失的狀況；還有一部分跟著父母遷徙成為了流動兒童，在現有的戶口政策下上學會遇到種種問題。

為了解決這些問題，我們看到國內的同行們從政策、公益、商業方面有很多的嘗試。感興趣的朋友可以看看下面四張幻燈片。

教育問題的解決之道

回到文初的這個問題：有什麼能夠一勞永逸的解決乃至全球的教育問題嗎？讓我們來試著看一下可能的解決方案。

一、如何增加教育資源供給？

傳統的課堂學習是個雙規問題，規定時間和規定動作，也就是說時空必須同步。如果假設教師的供給量是一定的，那麼解決教育的供給側問題，顯然要解決時空問題。

總體來說有兩套方案：

1、內容豐富化：

紙質教材、電教室、MOOC、微課把教育凝練到內容里。學生時間和空間都可以非同步。但非同步后的問題是對學習發起端自驅力要求強，同時缺少互動。

內容加持人工智慧后甚至開始具有個性化，一套根據個人學習情況推薦練習和學習內容，甚至對用戶行為進行評價和建議的智能化教材，到底是內容還是服務？這時候邊界就漸漸模糊了。

2、服務批量化：

小班課程、大班課程與在線直播一師多用。線下的問題是時空必須同步，而直播消解了空間同步，只需要時間同步即可保證課堂互動性。但批量化后的問題是犧牲了互動性。

服務批量化的最新嘗試是雙師課堂，遠程老師+現場老師協作，既解決了批量應用優秀老師的時空問題，又解決了現場學生的互動難題，堪稱是兩全的解決方案。

但從公立學校的事實來看，由於這種模式會剝奪一線老師的教學權和發展空間，可能比較適合於增量市場（如新學校、新機構），而非對存量市場的改造。

二、怎樣提升學習效率？

由於腦科學的發展緩慢，我們尚且無法了解人是如何學習的。知其然而不知其所以然，是我們對大腦理解的最近狀態。

所以對 Elon Musk 的 Neuralink 和 facebook 的人腦打字項目，我非常希望能有所突破。

打個比方來說，大家都覺得教育產業跟醫療產業很相似，但他們之間的核心區別是醫學已經完成了從傳統的經驗醫學到科學的轉變，而教育的科學還沒有摸到門。

在這個時候說無法人人享受到優質教育資源，就像是在雜交水稻出現之前無法養活那麼多人口一樣，供給不足啊。

批量的培養老師難，周期長，非標準。工資太高負擔不起，工資太低沒人願意干。偏遠的地方好老師也不愛去。所以老師到底是教育的一個 Feature，還是一個 Bug 呢？

AI 是唯一解

我想來想去，認為還是需要依靠人工智慧，把人類教師替代掉才可能完成批量供給。首先機器要明白學生說的話語的意思（NLP），也要明白這個問題背後的教學內容（知識圖譜），才能給出明白的講解內容。

在圖形和語音識別準確度已經高達99%以上的情況下，NLP 仍然只有70%左右。如果在 NLP 這個環節有突破進展，那麼機器就能理解我們的語言和背後的意義，可以針對每個學生組織動態的內容講解了。

NLP 是一定可以突破的，但目前還是有些遙遠，樂觀的估計是在三年到五年的時間。如果突破了這個環節，我們的教育一定會發生巨大的變化。現在的Alphago 已經超越了人類的圍棋，而 NLP 突破后，機器教師將會第一次教得比人類好。

儘管現在 NLP 還做得不夠好，但已經可以有限的應用到學習場景了。

比如前兩天我玩的比較爽的《如果英語》，可以扮演一名特工潛入美國獲取秘密情報，要遇到買票、通關、搭訕、找路等各個情節。玩起來一個多小時通關，隱隱約約感覺到有一種『真人陪練』感覺了。

這是如何做到的？

首先通過遊戲導入場景讓你產生玩下去的動力，然後通過場景限定了溝通的語言的範圍，這時通過簡單的語音識別和 NLP，就可以做出較為準確的對應。

感謝我們生在這個偉大的高速發展的時代。十年後的教育將會與現在完全不同。

本文轉載自藍象營，作者 王凱峰，原文標題：《【藍象報告】AI是唯一解: 2017教育均衡問題與新機會》