没有“个性”的在线教育都是耍流氓：看看提分网…

　　如果你已经不是在校生，那么多上面的函数题还有多少印象呢?大多数人应该完全不知所云了吧。不过在当时，同样类型的题目上百次的出现在我们的眼前。历年真题、黄冈题库……在应试教育下，学生无法躲避的一个环节就是题海。

　　近两年，在线教育服务的兴起，其中就包含不少的“在线试题”服务——让很多以前需要请家教讲解，或者需要四处搜罗的试题都集中在了互联网上。但实际上，大部分的“在线试题”无非是将以往印在纸上的试题搬到了电脑或手机屏幕中，而实际的教学和练习，还是需要学生在线下完成，这么一来，除了检索和存储上的优势外，“在线试题”与传统的教育形式相比，并没有本质上的改变。

　　而“提分网”则想在这一基础上更进一步：同不少在线教育平台一样，他们会让用户在网站上完成习题测试，并根据用户的数据动态调整，给他们推荐最合适的高中数学练习题。

　　首先，任何给自己打上“个性化”标签的服务都必须完成“冷启动”的过程——在用户初次使用服务时给为用户建立一个基本的数据分析模型。提分网的做法是，用户在注册网站后首先要进行能力评测，完成评测试题后，基于完整的高中数学知识图谱，提分网会依靠被他们称为认知诊断的引擎，来分析学生对整个高中数学知识的掌握情况，包括各知识结点的熟练度以及学习进展。然后系统会推送配套的学习计划和学习资料，用户也可以通过报告自行判断薄弱的环节。

　　而作为网站服务的核心是诊断分析引擎，这一分析引擎是基于Item Response Theory(项目反应理论)和Graded Response Model(等级反应模型)而设计的，前者用来判断被测试者的潜在能力，用以指导项目筛选和测验内容的编制，后者用来促使计算机自动计算和调整评级，这两套系统模型常被用在企业ERP管理当中。如今，被用在教学上的这两套理论也可以帮助提分网建立起对应的算法，来针对每一个学生用户做出分析判断，并动态的为他们匹配最符合自己的学习系统。

　　要搭建这样一套系统，需要的不仅仅是数学和计算机方面的工作，它还涉及了教育和心理学等多门学科，所以除了创始人曾志平是清华大学数据分析与数据挖掘的博士学位外，团队的其他成员也涵盖了教育学、计算机科学、心理统计学等不同学科，他们的共同特点是，都毕业于清华大学。

　　除了提分网外，我们也看到不少相似的基于“数据”和“个性化”的在线教育服务——例如各类英语单词记忆网站、猿题库这样的习题网站等。它们所解决的问题是，避开了传统的习题堆砌，用更聪明有效的方式，为练习者提供合适的习题，能够更高效的在一定时间内帮用户获得提升。不过，这种模式也并不是全能的，例如如何在电脑屏幕或是移动终端上让学生更方便的“答题”?如何将“解题时间”这一重要因素融入到解答过程中来?如何能够像老师那样“理解”学生犯错的原因，给出更详细有效的反馈?如何明确自己的产品定位是取代教材还是碎片时间的增益产品?都是“个性化”教育产品悬而未决的问题。