隨著技術(shù)變革深入,在線教育迎來新的契機。以錄播形式為主的網(wǎng)校,開始轉(zhuǎn)向直播這一體驗更好的在線課程形式。
近日,學而思網(wǎng)校發(fā)布“暑期一元課”,力推直播課程,并同步推出為配合直播課而全新打造的輔導教師團隊,標志著在線教育繼傳統(tǒng)網(wǎng)校1.0時代、高清視頻2.0時代之后,正式進入在線教育3.0時代。
學而思網(wǎng)校將以1元的價格開放原價為800元的初一數(shù)學直播課,同時為學員配備輔導老師,幫助學生批改作業(yè)、訂正作業(yè)、及時答疑,讓學生順利適應(yīng)初中學習,領(lǐng)先新初一。據(jù)估算,加上授課老師的課時費,以及輔導老師工資,此次“暑期一元課”學而思網(wǎng)校將投入數(shù)千萬元。這是歷年來學而思網(wǎng)校力度最大的一次優(yōu)惠活動??此拼?ldquo;一元課”,其實是正式對外發(fā)布“直播+輔導”這一新型在線教育模式。
這一模式,學而思網(wǎng)校籌備已久。早在2015年寒假,學而思網(wǎng)校就在初中學科進行“直播+輔導”試水。實時互動加上個性化需求的滿足,這一模式受到很多學員的好評,續(xù)報率也一度超過預期,堅定了網(wǎng)校轉(zhuǎn)型的信心。
對學而思網(wǎng)校而言,從“錄播”到“直播”,是在線教育“回歸教育本質(zhì)”的一次自我進化。傳統(tǒng)錄播課模式打破時間空間限制,服務(wù)人數(shù)無上限,讓優(yōu)質(zhì)教育覆蓋到更多人群。但這一模式的最大掣肘是,課堂無互動,學習過程和效果難以跟蹤,而“效果”是K12在線教育無法繞過的關(guān)鍵詞。經(jīng)過多次摸索,學而思網(wǎng)校“直播+輔導“模式應(yīng)運而生。
具體來說,“直播+輔導”模式中,授課老師在固定時間以1對N的方式授課,依托學而思網(wǎng)校多年的教研積累,對課程內(nèi)容負責;輔導老師以1對50的師生比例對學生進行課堂之外的一系列輔導,以全天候在線保證與家長和學員進行高頻次的深入溝通,對學習效果負責。
為此,學而思網(wǎng)校深入各985、211等本科院校,篩選并培訓輔導老師團隊。輔導教師的出現(xiàn),縮小了在線學習與線下授課的體驗差距,讓在線學習變得更有溫度,不間斷的學習效果跟蹤反饋及學員成長記錄,也讓個性化輔導成為現(xiàn)實。。
目前,學而思網(wǎng)校直播課程已完成全新升級,更加關(guān)注并介入學習的關(guān)鍵環(huán)節(jié)。從預習——上課——練習——評析——輔導,每一個環(huán)節(jié)都輔以監(jiān)督、激勵、反饋。它試圖通過實時在線的互動教學、圖文并茂的隨堂講義、科學的學業(yè)測評以及輔導老師全方位的學習跟蹤,以此來激發(fā)孩子學習興趣,培養(yǎng)良好學習習慣,最終保障學習效果。
“我們希望通過一元課,讓更多學生能夠體驗到這一新型在線學習形式,讓更多家長感受到在線教育對學習效果的提升。未來學而思網(wǎng)校會持續(xù)在多場景直播、大數(shù)據(jù)教研、個性化服務(wù)三大內(nèi)核深耕細作,讓在線學習更美好。” 學而思網(wǎng)校總經(jīng)理陳寧昱如是說。
眼下,在線教育已進入技術(shù)和產(chǎn)品比拼的時代,各大在線教育平臺及相關(guān)機構(gòu)都在探索“直播課”模式,學而思網(wǎng)校已占據(jù)先發(fā)優(yōu)勢??梢韵胍?,這一前沿模式推出,勢必引發(fā)K12在線教育領(lǐng)域新一輪變革。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。