深度人工智能教育精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的深度人工智能教育主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：深度人工智能教育范文
度秘到底是什么？當你按手機百度搜索框的麥克風的時候，它在下方就產生一個小度機器人的LOGO，點擊這個LOGO就會調起機器人。而這個機器人就是“度秘”，英文名字叫做“duer”。
度秘可以理解為進階的語音服務助手，但同為語音智能搜索，度秘和蘋果Siri、微軟小娜最大的不同在于度秘能夠連接商家和服務，而不僅僅是提供信息。據了解，目前“度秘”已經在餐飲、電影、寵物3個場景提供秘書化服務，很快將延伸到美甲、代駕、教育、醫療、金融等其他行業中。 李彥宏：就好像在PC時代，任何一個網站都可以放搜索框一樣，移動互聯網時代，任何一種
APP都可以把‘度秘’這種能力連接進去。
背后的“大佬”
李彥宏說：“有了度秘，每一個普通人，都能免費擁有一個功能強大的生活服務專職秘書。”市面上萌寵的機器人并不少見，度秘憑借什么擔起了2015百度世界大會的主角？
正如大家可以通過手機百度看到并感知的，度秘可以智能地與人溝通，理解你的需求，把服務送到你的手上。而這背后則是基于百度一直倡導并被業內稱道的“技術”。
對于服務來說，其搜索過程不同于單純的信息檢索，服務需求的提出是一個動態修正、多輪交互的復雜過程，度秘不僅要能廣泛索引真實世界服務和信息，還要具備強大的搜索及智能交互技術。
如果把大數據作為一種新能源的話，百度自身就具有大量的數據的積累。從百度覆蓋的6億用戶，每天有60億次搜索請求，以及每天響應150億次定位請求，這些都為百度創造巨大的數據財富。全網數據挖掘前，要對這些已經能夠提供的服務打標簽，建立豐富的索引維度。一個餐廳能不能帶寵物、有沒有明星去過、它的包間里面沒有電視機等，這些特征都需要進行索引。
而將真實世界與多端跨屏用戶體驗匹配起來更需要的是超大規模的數據計算能力和深度學習能力。百度擁有超大規模深度神經網絡（DNN，Deep Neural Networks），可支持千億樣本和千億特征訓練。百度運用深度學習在感知方面取得了非常大的進步：其統一視覺和語言深度學習模型已經能像小孩學習一樣自然，能夠進行簡單的看圖說話、問答，理解動態視頻;在世界最權威的人臉識別評測 （LFW） 中， 人類識別的錯誤率為0.8%，百度人臉識別的錯誤率為0.23%，這是目前世界上最好的結果。
另一個看不見的技術支持就是百度開放云，百度開放云總經理劉煬在接受采訪時表示，百度開放云不單單是云計算，它是云計算+大數據+人工智能。由此可見，百度開放云是一個連接器，能夠連接眾多為用戶所需要的資源，當下是大數據、人工智能，未來還可能會有其他的，但宗旨是幫助用戶提升業務。
再底層是度秘存在的地基。通過O2O服務，有百度糯米這些自營的服務，也有百度投資的企業以及股權合作企業的服務，比如優步（Uber），他們的出行服務也都可以通過度秘連接進來了。
在互聯網+的大背景下，所有傳統行業都在積極求變，靠什么變？人工智能、大數據和云計算。
人工智能重新定義了效率，通過語音、圖像、視頻、自然語言理解和智能處理等技術，讓傳統的計算機具備更為強大的能力，大幅提升工作效率;而科學的決策離不開大數據，相較于以往的資產，企業在經營中不斷生成的數據，將成為企業未來繼續生存并保持競爭力的砝碼;百度開放云所要做的是通過一個平臺為用戶提供多種能力，幫助其實現轉型升級，它改變了企業所需要的IT資源的擁有與供給的方式，徹底改變了傳統企業的IT模式。
正如劉煬所說，云計算重新定義了IT，大數據重新定義了“資產”，人工智能則重新定義了“效率”。
讓百度落地
中國每100張電影票中有55張是從網上下單預訂的，而美國這一數字為20張;今天中國有2%的餐館的定單是網上下單，而美國是1%。可以說，在O2O的領域，中國互聯網已經走在前列，無論在教育、醫療、金融或者平時各種各樣的日常生活服務領域，都在迅速地實現從網上到網下的連接。
基于百度開放云、人工智能與大數據，通過O2O服務，可以實現對真實世界的索引，而它的入口就是“度秘”。
百度此前在O2O領域花重金的所作所為得到了解釋。全資收購糯米網、資優步、51用車、天天用車、客如云、百姓網、e袋洗等一大批O2O公司，又以2億元入股星美影城，并以此對接百度地圖、百度移動支付、在線眾籌等百度產品。
通過“自營+生態共贏”的方式連接，百度希望藉資本運作和技術拓展打通生活服務、外賣、電影等高頻O2O服務應用;然后將自己旗下的資源進行無縫整合，并通過百度地圖、手機百度、百度手機助手三大入口形成巨大的流量供應，以百度錢包形成移動支付場景，從而形成一個鏈接百度大部分產品的O2O生態布局。
想象一下，當數以億計的度秘成為一個個服務分發入口，搭起真實世界商家與用戶間的橋梁。依托于搜索引擎、大數據智能推薦技術，度秘將徹底打通服務供需雙方的數據，實現用戶需求與商家服務的精準匹配，為商家帶來更精準的客流量。
度秘將智能、服務合二為一，通過強大的人工智能技術滿足人們獲取生活服務的剛性需求。據了解，目前百度已經把人工智能技術用到產品的方方面面，更好的產品會給百度帶來更多的用戶和更大量級的數據，而更多的數據通過百度大腦的深度學習能力，給百度產品帶來更強的智能，讓用戶得到更好的產品。這是一個正循環的過程。
可以看到，落地，是百度正在進行的最重要的一次轉型，從虛擬的網絡世界轉向現實，借移動互聯網之勢，將人和服務連接起來。
第2篇：深度人工智能教育范文
一、調研背景2014年11月亞馬遜低調智能音箱Echo，內測半年后于2015年正式發售；當年銷量為250萬臺，16年銷量520萬臺，超越傳統音箱領頭羊Sonos ，成為在線音箱行業霸主，一度在細分的智能音箱市場占據了99%的市場份額。
亞馬遜的智能音箱Echo 受到市場強烈反響以后，google在2017年5月google home，蘋果在2017 年WWDC 智能音箱HomePod，國內廠商京東和科大訊飛合作推出叮咚音箱……一時間國際互聯網和硬件行業巨頭紛紛加入戰局，爭奪語音交互流量入口，帶動了AI落地的一輪熱潮。
智能音箱已經成為全球增長最快的消費級硬件。2017年6月蘋果home pod以來，下半年至今，每月都有一兩家科技公司智能音箱新產品或二代、三代產品。
目前為止，國內科技巨頭BAT、小米，老牌電器廠商聯想、蘇寧，語音技術企業科大訊飛、思必馳，硬件技術創業公司出門問問、若琪等都陸續通過自研或合作的方式入局。
二、技術廠商智能音箱的爆發離不開語音技術的支撐，掌握語音技術的有兩類廠商。一是互聯網巨頭如Amzon、Google、BAT、蘋果、微軟等，二是專研語音交互技術的廠商如科大訊飛、思必馳等。
語音技術廠商通過自主研發軟硬件產品，或對外輸出技術，賦能傳統智能音箱廠商、內容和互聯網服務廠商，獲取用戶和數據，建立平臺生態。
[僅代表筆者個人立場]
2.1 國外一線語音技術提供商1.Amzon Alexa
基本信息：Amzon Alexa是亞馬遜的智能虛擬助理和開放平臺，2010年啟動研發，于2014年11月和Echo同時。Alexa 具備語音技術能力，并通過運行獨立的程序，稱為“技能”（Skills）來實現不同功能應用(類似手機里在操作系統上運行APP)，支持音樂播放、語音購物、智能家控、智能通訊等一系列功能。
由于其先發優勢與大量的落地產品，不論是從產品搭載數量和智能水平上，alexa都已遠超其他技術廠商(CNET在CES2017的統計)。
開放情況：Alexa 2015年6月，亞馬遜將Alexa開放給第三方開發者，了 Alexa Skills Kit（ASK） 和Alexa Voice Service （AVS）兩套開發工具包，讓開發者能夠更加容易開發Alexa的“技能”；并 設有了風險投資基金alexa found專門扶持語音交互領域的初創企業，以及大學生開發競賽Alexa prize。
從2014年時的29余項技能，到如今近4w項技能，積極開放政策和不斷優化的開發工具，使得Alexa擁有了遠超其他技術廠商的海量技能。
應用范圍：截止目前Amzon Alexa已陸續在全球38個國家開通（中國暫未開通），涵蓋英語、德語、法語、意大利語、西班牙語和日語等6種語言（暫不支持中文）。
除了搭載自家echo系列音箱產品外，Alexa也賦能sonos、聯想、哈曼卡頓等音箱產品，amzon fire TV 等智能電視，amzon fire、華為mate9、HTC等平板電腦和智能手機，華碩、惠普、聯想等筆記本電腦和PC，智能冰箱、智能燈、智能開關等智能家居產品，智能耳機、智能手表等可穿戴設備，以及包含福特、寶馬、雷克薩斯、豐田等品牌的智能汽車。
2.Google Assistant
基礎信息： Google assistant是谷歌的虛擬助理，于2016年5月在谷歌開發者大會正式，支持語音交互，搭載在Google的智能手機和智能音箱中。
開放情況：2016年12月，Google推出開發者平臺Actions on Google，2017年4月了SDK（軟件開發工具包）以便第三方開發者為Google assistant開發應用程序，并進一步擴展支持智能汽車和其他智能家居設備。Google assistant支持語音輸入和視覺響應，可通過設備的相機識別物體并收集視覺信息。
應用范圍：當前Google assistant已支持英語、日語、法語、德語、西班牙語等8種語言，預計2018年底將支持30多種語言，覆蓋95%的Android手機(暫不支持中文)。
除了搭載自家Google home系列音箱和Pixel系列智能手機外，Google assistant還賦能索尼、諾基亞等智能手機，松下、LG、Sonos等品牌的智能電視、智能機頂盒、智能音箱產品，聯想、愛可視等電腦及沃爾沃等智能汽車產品。
3.Microsoft Cortana
基礎信息：Cortana是微軟的虛擬智能助理，于2015年1月正式，逐步應用于搭載windows操作系統和Android/ios系統的移動設備。Cortana具備語音交互功能，并使用bing的搜索引擎信息回答問題，能夠調用應用程序、查詢天氣、提供餐廳和景點推薦，控制智能家居。
開放情況：2017年的build開發者會議上，微軟退出Cortana技能開發平臺，允許第三方開發者為cortana開發技能。
應用范圍：截止目前cortana支持包括中文(簡/繁)、英語、德語、法語、日語在內的近10種語言。Cortana已集成到微軟眾多產品，如Edge瀏覽器、windows10、車機系統、Skype(微軟的即時通訊服務)，并賦能微軟與harman kardon合作的智能音箱invoke等。
4.Apple siri
基礎信息：Siri（Speech Interpretation and Recognition Interface）是蘋果的虛擬助理。Siri 公司創建于2007年。
起初 Siri 只是 iOS 平臺的一個應用程序，蘋果在 2010 年 4 月收購了 Siri 公司并重新開發后，Siri 成為了蘋果設備的內置軟件，于2011年重新，并只允許在 iOS、macOS 中運行。
Siri支持語音交互，可以完成數據搜索、天氣查詢、設置鬧鐘等許多服務。
開放情況： 2016年6月蘋果開發者大會上開放了Siri接口，在IOS開發平臺中新增Sirikit，支持開發者調用Siri展示應用內容。Siri目前暫無獨立的技能開發平臺。
應用范圍：截止目前Siri支持包括中文(簡/繁)、英文、法文、德文、意大利文在內的20余種語言，并賦能蘋果全線產品，如iPhone、iPad、iPod、Apple watch、mac等。
2.2 國內一線語音技術提供商1.科大訊飛
基本信息：科大訊飛成立于1999年，是國內最大智能語音技術廠商，在智能語音技術領域有著長期的研究積累，并在中文語音合成、識別、評測等多項技術上擁有國際領先的成果，與中國官方關聯密切，堪稱“中文語音產業國家隊”。
科大訊飛占有中文語音技術市場70%以上市場份額，語音合成產品市場份額達到70%以上。
開放情況：訊飛開放平臺是全球首個提供移動互聯網智能語音交互能力的訊飛開放平臺，基于訊飛開放平臺陸續推出訊飛輸入法、靈犀語音助手、AI+教育、AI客服、AI醫療(語音電子病歷、醫學影像輔助診斷系統、智能助理等)、曉譯翻譯機、飛魚智能車載系統、家庭場景的訊飛魔飛麥克風系統等是多寬人工智能產品。
應用范圍：科大訊飛支持34種語言，包括中文各地方言，目前已賦能長虹、海信、康佳等國內大牌智能電視、GlassX、ZWatch等可穿戴設備，奧迪、寶馬、奔馳、通用、福特、上汽、廣汽、長安、吉利、長城、奇瑞等國內外智能汽車，智能音箱（京東叮咚音箱）、聊天機器人（小魚在家）等智能硬件產品，窗簾、空調等智能家居產品，為包括滴滴打車、高德地圖、QQ閱讀等在內的超過60000個App提供智能語音交互服務，覆蓋聊天通訊、工具、視頻、新聞、導航等生活領域的方方面面。
2. 百度DuerOS·小度
基本信息：DuerOS是百度的對話式人工智能系統，于2017年7月百度AI開發者大會上正式。DuerOS具備影音娛樂、信息查詢、生活服務、出行路況等10大類目共200多項能力，用戶可在不同場景下實現指令控制、信息查詢、知識應用、尋址導航、日常聊天、智能提醒和多種O2O生活服務；同時支持第三方開發者的能力接入。
開放情況：DuerOS開放平臺包括智能設備開放平臺和技能開放平臺，分別適應不同類型的硬件廠商和為開發者。為方便“上手”，百度了針對個人、產品廠商、特殊廠商的DuerOS套件，并融合包括聲智科技、先聲互聯、Intel、Rockchip等第三方解決方案，上線了技能商店APP“小度之家”。
應用范圍：DuerOS支持普通話、英語、粵語、四川話等多種語言，已賦能智能音箱、電視、冰等大小家電與智能家居產品，智能手機、手表等隨身設備，車機、智能后視鏡等智能車載產品，累計搭載5 000萬設備，日活超過1000萬，有1600萬DuerOS合作伙伴，落地80多家主控設備，積累了超過10000名DuerOS開發者，DuerOS累計回答問題數已達24億。
3.小愛開放平臺·小愛同學
基本信息：小愛開放平臺(原水滴平臺)于2017年5月對外開放語音能力與SDK，基于小米的硬件生態和海量數據，提供全球領先的語音識別、NLP等多項人工智能技術，為開發者提供一站式的人工智能服務。
應用范圍：小愛開放平臺能力已在小米電視、小米AI音箱、小米金服‘米小貝’等小米軟、硬件產品中集成，為小米生態鏈中8500萬臺IoT連接設備賦能，虛擬助手小愛同學的日活躍用戶也達1000萬。
4.AliGenie語音開發者平臺·天貓精靈
基本信息：AliGenie開放平臺于2017年10月12日云棲大會，由阿里巴巴人工智能實驗室發起的，面向企業/機構/創業者/開發者，將阿里巴巴在人工智能領域積累的技術以API或SDK等形式對外共享的在線平臺，目前已經擁有涵蓋影音娛樂、新聞資訊、購物外賣、家居控制、生活助手、兒童教育等的100多項技能。
應用范圍: AliGenie開發者平臺主要包括三大部分：精靈技能市場、硬件開放平臺、行業解決方案， 全面賦能智能家居、制造、零售、酒店、航空等服務場景
5.騰訊云·小微
基本信息：騰訊云的智能服務系統和智能服務開放平臺，幫助智能硬件廠商實現語音人機互動和音視頻服務能力。微信AI團隊自 2012 年起，就將語音輸入、語音識別、語義分析技術等功能應用到微信中，騰訊云小微將微信的語音技術作為底層能力，故命名為“小微”，于2017年6月騰訊“云+未來”峰會上正式對外。
應用范圍: 騰訊云小微包括硬件開放平臺、Skill開放平臺、服務機器人(智能客服)平臺，結合騰訊社交關系鏈，覆蓋家庭、車載、運動、酒店和兒童陪伴教育等眾多場景。
6.思必馳·DUI開放平臺
基本信息：思必馳2007年成立于英國劍橋，創始人均來自劍橋，2008年回國落戶蘇州，是國內少有的擁有人機對話技術，國際上極少數擁有自主產權、中英文綜合語音技術的公司之一。思必馳于2017年9月正式DUI(Dialogue User Interface)開放平臺，以任務式對話為核心，兼具閑聊與問答功能，打造人性化交互。作為一個全鏈路智能對話開放平臺，DUI開放基于思必馳智能語音語言技術的對話功能，并提供GUI定制、版本管理、私有云部署等開發服務。
DUI具備青囊(服務與研發支撐)、天機（大數據）、紫微（豐富的第三方資源）、玲瓏(終端解決方案與環境)四大系統。DUI平臺對接豐富的第三方內容，內置國內最專業的語音語言技能商店，具備深度數據可視化、個性化自定義、零門檻操作，開發者通過DUI可實現全鏈路的高度定制，幾乎可自定義每個模塊。
應用范圍: 平臺已覆蓋車載、家居、機器人、故事機、手機助手等多應用場景，提供智能車載、智能家居、智能機器人等解決方案，賦能天貓精靈X1、小米AI音箱小愛同學、聯想智能音箱、小米板牙70邁智能后視鏡等前沿智能產品。
2.3 國內二線、小創業語音技術提供商1.出門問問
出門問問是Google(谷歌)投資的一家中國人工智能公司，由硅谷華人科學家李志飛于 2012 年回國創立。擁有自主研發的語音識別、語義分析、垂直搜索、基于視覺的ADAS和機器人SLAM等核心技術。代表性的軟硬件產品包括智能手表Ticwatch、車載智能后視鏡問問魔鏡Ticmirror、智能音箱Tichome、出門問問語音助手APP以及高級駕駛輔助系統問問魔眼Ticeye。
2.獵戶星空
獵戶星空擁有全套遠場語音技術，自研全鏈路的遠場語音交互系統“獵戶語音OS”，已賦能喜馬拉雅“小雅”音箱，美的、海爾、博聯、海爾優家、歐瑞博等品牌的智能家居產品。小米AI音箱、小米電視，也應用獵戶星空的TTS（語音合成）技術以及ASR（語音識別）技術。獵戶星空自己音箱小豹AI音箱，接入微信支付、銀聯支付、融合區塊鏈技術。
2017年獵戶星空還獲得了世界公認人臉識別“世界杯”的微軟百萬名人識別競賽識別百萬名人子命題有限制類（只使用競賽提供數據）的第一名。
2018年3月21日，獵戶星空正式對外人工智能領域的機器人產品矩陣，在接待、售賣、兒童陪伴等多個場景落地。同時了獵戶機器人平臺Orion OS，集合了自研的多芯片系統，攝像機+視覺算法，麥克風陣列，獵戶TTS，室內導航平臺和七軸機械臂等，形成了完整的機器人技術鏈條。
Orion OS現與微軟、搜狗、高通、英偉達和錘子科技等建立了戰略合作伙伴關系。
3.若琪Rokid
Rokid公司成立于2014年7月，隸屬于杭州靈伴科技有限公司。總部位于中國杭州， 北京和舊金山分別設有研發中心，致力于機器人領域研究，專注于遠程定向拾音/語音語義識別、人臉/手勢識別、音響和投影系統等核心技術。Rokid現有PEBBLE ? 月石智能音箱、AR眼鏡Rokid Glass、智能機器人ALIEN·外星人等產品，Rokid智能家居機器人在2016年和2017年連續兩年獲得CES國際消費電子產品展創新大獎。
4.聚熵智能·DeepBrain
DeepBrain 2012年成立于上海，致力于研發人工智能產品， 核心團隊是來自于國內外名校的技術研究人才， 為超過100家廠商提供深度人機對話能力，并與三星、華為、聯想、中興達成深度合作。
DeepBrain在2014年了國內首款智能音箱——小智超級音箱，比 Echo 的推出還要早半年。其語義技能平臺已進駐上千名開發者，開發了超過 1000 種以智能家居為主的語義技能。
5.搜狗語音
搜狗由搜狐公司創建于2004年8月3日，域名為Sogou.com，目的是增強搜狐網的搜索技能。2013年9月，騰訊注資搜狗，并將騰訊旗下的搜搜業務，輸入法業務注入搜狗。
2017年11月，搜狗在紐交所上市，騰訊目前持有搜狗45.37%的股權； 搜狐持有搜狗股權比例為39.21%。
搜狗語音技術研究于2012年啟動，并在2013年6月正式上線搜狗語音云開放平臺，接入搜狗包括輸入法、地圖在內的全線產品，并推出搜狗語音助手，與Siri一樣，搜狗語音助手在手機端上提供的交互體驗并不能讓用戶產生足夠的依賴性，產品的使用率并不高。
2016年8月搜狗了語音交互引擎「知音，2017年12月與四維圖新、飛歌展開合作，推出飛歌智能車聯網軟硬件解決方案G8Ⅱ 后裝智能車機，為2018年3月的小米電視 4A提供ASR語音識別能力，為會議平板廠商視源股份的首款智能語音平板 MAXHUB提供語音技術。
三、行業格局3.1 智能音箱市場格局銷量與市場占有率對智能音箱產品有著非比尋常的意義。因為智能語音技術剛剛落地，極其依賴用戶數據的喂養，越使用才能越智能。
根據筆者估算，截止2018年Q1，全球智能音箱市場保有量占比如下所示：
Amzon憑借其先發優勢和形態豐富的產品，一騎絕塵，占領了71%的份額
Google以其完備的低-中-高產品矩陣和用戶基礎，搶奪12%的份額
天貓、小米分別憑借電商體系、智能家居生態與低價爆款策略占據6%、4%的份額
京東涉足智能音箱較早，品類豐富，也占據了3%的市場份額
apple的homepod在今年 2月9日才正式發售，且定價偏高，仍舊占據了1%
其他所有品牌占據3%。
3.2 全球智能音箱概覽海外一線智能音箱品牌及產品銷量：
國內一線智能音箱品牌及產品銷量：
全球其他智能音箱品牌及產品銷量：
3.3 全球主流智能音箱品牌3.3.1 Amzon Echo
作為智能音箱品類開創者，Amzon不斷地優化音箱產品新能，持續創新。從場景和形態出發，陸續推出小巧低價的echo dot，帶屏音箱echo show、鬧鐘音箱echo spot。既有促銷爆款鋪量，又有高端品類防守，具備了高、中、低三個檔位完善的產品矩陣，各型號累計銷量在3千萬以上，是目前唯一銷量破千萬的智能音箱廠商，引領著全球智能音箱市場。
3.3.2京東叮咚
京東與科大訊飛聯合成立的靈隆科技推出叮咚音箱，作為國內較早涉足智能音箱的廠商，從2015年5月開始，京東已經發售了一系列新品。整體產品線與Amzon相似，不斷探索更多形態與場景，持續提供更多自定義功能，并以兒童教育音箱，切兒童早教市場。隨著小米、阿里、百度的強勢入局，京東也推出了高端帶屏音箱叮咚PALY，低價叮咚mini2，搶奪國內市場。
3.3.3Google home
2016年5月，在Amzon幾乎壟斷智能音箱市場之時，Google入場攪局，推出Google home，憑借其優雅的設計、 背靠Google搜索引擎的智能問答和價格差異，曾一度占據了20%以上的市場份額，并在2017年10月推出低價的Google home mini和高價的Google home max，不斷支持更多新技能和場景：接入更多智能家居設備、支持500w個菜譜搶占廚房，支持語音購物等。
3.3.4小米小愛同學
小米作為國內領先的智能家居生態構建者，產品覆蓋了耳機、移動電源、手環、插座、血壓計、空氣凈化器、凈水器、運動相機、平衡車、電池、床頭燈、電飯煲等智能家居設備。
小米于2016年底開始研發虛擬助手小愛同學，并在2017年9月正式了智能音箱小愛同學，除了強大的小米家居生態背景，小愛同學還因其機智的人設獲得極高關注。2018年小米推出Q萌版小愛同學mini加入國內低價沖量大戰。
3.3.5天貓精靈
阿里對新技術研發極為重視，在17年7月了天貓精靈x1，同時亮相的還有負責阿里消費級AI產品研發的阿里巴巴人工智能實驗室，17年10月云棲大會正式宣布成立達摩院，網羅各個重點技術領域的專家人才，進行基礎科學、AI芯片和顛覆式技術創新研究。
18年3月推出天貓精靈M1曲奇，火眼支架，6月推出天貓精靈方糖，持續探索更多音箱形態，花式輸出AI技術，包括圖像識別、人臉識別、物體檢測及情感反饋等能力。同時提高產品性價比，緊守音箱低價沖量的戰場。依托阿里強大的電商網絡，天貓精靈已成為國內銷量最大的智能音箱品牌。
3.3.6百度小度
2017年2月百度全資收購渡鴉科技，11月了RavenH智能音箱，形狀新奇色彩絢麗，帶有可拆卸點陣觸控板，對標高端音箱Sonos、Bose 和哈曼卡頓，售價1699。
18年初聯合老牌音響制造商DOSS（德仕）推出DOSS智能音箱，3月、6月陸續推出國內首款智能視頻音箱599元的小度在家、89元低價小度智能音箱，在京東和天貓發售，憑借極高的性價比，在國內音箱價格戰中尚有一席。
3.3.7其他智能音箱產品
除了銷量可見的主流智能音箱，國內外仍有不少智能音箱產品。如微軟與哈曼卡頓聯合推出的invoke，搭載了微軟Cortana，Line與高通合作推出的Clova，以及國內中小創業團隊的系列智能音箱，出門問問的Tichome、喜馬拉雅的小雅音箱等等。隨著智能音箱市場的逐步成熟，各類音箱或者會找到自己的位置，或者無聲寂滅。
四、語音功能智能音箱除了提供核心內容資源消費功能，各品牌還深挖居家場景，開放平臺，吸引第三方開發者，提供了越來越多的技能。智能音箱界獨領的Amzon Echo已經具備了超過3w項技能，從技能增長梯度看，2016年開始爆發式增長，隨著Echo銷量的增加，至今仍在不斷攀升。超過3w項技能加持的Amzon比它的一眾追隨者更像一個語音操作系統。
[數據源自Mary Meeker的2018互聯網趨勢報告]
如同智能手機操作系統的app一樣，海量的語音操作系統技能中，真正獲得關注的還是少數，大量的技能成為僵尸技能，無人問津。因此其他智能音箱品牌，只要覆蓋了高頻、核心功能，提供更多資源、家控和創意功能，則無需畏懼Amzon恐怖的技能數量。
智能音箱產品功能趨同，主要分為內容技能、工具技能、互動娛樂三個大方向；功能面向核心場景及針對核心人群的核心功能趨向性逐漸顯現。
用戶關注度高的功能主要有音樂影視、生活助手、智能家居、游戲娛樂，其次是教育內容、趣玩搞笑、新聞，再其次是新聞、財經類功能；
工具技能用戶口碑偏低，但有不可替代性；互動娛樂技能可替代性強，口碑和體驗好的功能更受歡迎；內容技能評價均勻，重點在優質資源可得性。
五、用戶體驗摘錄自ebay、Walmart、京東、天貓等電商平臺的用戶評論數據。
用戶體驗總結：
1）智能音箱產品整體受歡迎程度很高、用戶接受度較高，評價矩陣皆為70~80%的5星好評；
2）用戶對音箱產品喚醒、識別、解析等語音基礎性能感知差異不大（可能由于個人擁有音箱品牌數量少于1個，對比不明顯）；對音質、內容資源豐富度、“聰明程度(智能感與趣味性)”等較為敏感。
3）老人、孩子對音箱的滿意度、喜愛度是重要消費決策因素。
4）海外用戶對音質要求更高，對音箱的使用場景區分更鮮明，傾向于為不同居所場景配備多個音箱產品，對是否自帶電池等要求不多；國內用戶音質要求和鑒別水平不足，期望自帶電池便攜便移動。
5）用戶期望喚醒詞自定義、內容資源更豐富、資源內容相互打通。
六、核心結論1）音箱銷量：2017年全球智能音箱出貨量3200w臺，其中Amzon與Google以大約9:1的比例瓜分市場。Amzon 音箱銷量量級已超2000w，鋪貨量和活躍設備數全球遙遙領先。
截止2018年4月底，國內廠商銷量以天貓、小米為首，量級在200w左右，百度、騰訊及眾創業公司量級均在10w之下。 具備生態閉環和技術平臺的大廠商均有“高性價比鋪量”的趨向，以低價占據迅速用戶市場。
據Canalys分析公司保守預測，2018年全球音箱銷量將增長到5630臺，美國作為主戰場銷量將達3840臺，中國作為第二大市場銷量可達440萬臺。
第3篇：深度人工智能教育范文
王陸：女，博士，教授，博士生導師。首都師范大學現代教育技術重點實驗室主任，校學術委員會委員，教育技術系學術委員會主席。全球華人探究學會副理事長，全球華人計算機教育應用學會執行理事委員，中國人工智能學會全國計算機輔助教育專業委員會常務理事，教育部“國培計劃”專家庫首批教師教育專家。靠譜（COP）聯盟專家委員會主任，首席專家。主要研究領域與方向為現代教育技術原理、信息化環境下的教師專業發展、智能學習支持環境。共出版學術專著10部，發表學術論文110余篇，主持多項國家級和省部級重點課題。
對話嘉賓：
魏寧：教育碩士，高級教師。北京市東城區教育研修學院研修員。北京教育學會中青年理論工作者研究會理事，多次擔任全國、市級論文、課題、活動賽項評審專家。主持北京市級課題1項。《中國信息技術教育》雜志特約撰稿人。先后為20多家報紙、雜志、公眾號撰寫文章，總計200多篇，40多萬字。
魏寧：王老師，提起課堂教學行為大數據的研究，我記得您在本世紀之初就已經開展相關的研究工作了，雖然那個時候大數據的概念還不火爆，但您從一開始就堅信，課堂教學行為大數據的研究是一個能把基礎研究與應用研究連接起來的紐帶，是理論與實踐之間的一座橋梁。您還曾多次用“巴斯德象限”這一范式來說明這個道理。
王陸：是的，作為我國第一個教師在線實踐社區靠譜COP（The Teacher’s Online Communities Of Practice，簡稱靠譜COP）聯盟的首席專家，我一直認為靠譜COP的課堂教學行為大數據研究必須堅持正確的研究價值觀和研究取向。
巴斯德象限（Pasteur Quadrant）這一概念最早是由美國國家科學基金會（NSF）的主席顧問及美國國家科學研究委員會（NRC）的主席Donald E.Stokes（唐納德?E.司托克斯）在他的《基礎科學與技術創新：巴斯德象限》一書中提出來的，司托克斯把基礎研究和應用研究之間的兩兩關聯放置在一個四象限中（如圖1），用來考察科學研究的范式。
如圖1所示，左上角的第一象限叫“玻爾象限”，表示純粹的基礎研究。諾貝爾獎獲得者尼耳斯?玻爾（Nie1s Bohr）對原子結構模型的研究，就屬于純粹的基礎研究，絲毫不考慮應用。但是，他發現了構成這個世界的基礎結構。
右下角的第二象限叫“愛迪生象限”，意味著以應用為目的的研究。托馬斯?阿爾瓦?愛迪生（Thomas Alva Edison）就是其中的代表，作為人類歷史上最卓越的發明家之一，他多年如一日從事著具有商業價值的電照明研究，而從不去探尋發明背后更深層的科學意義，不尋求對某一科學領域現象的全面認識。
左下角的第四象限至今沒有正式命名，但也有人把它稱作“皮特森象限”。起因于北美的鳥類觀察家們對昆蟲標記和發病率的高度系統化的研究，這些研究的成果后來被載入《皮特森北美鳥類指南》。這類研究的特點是研究本身是由科學家對某種事物的好奇心驅使的，這點與玻爾的初衷頗為相似，但結果卻造就了應用研究的成果。
右上角的第三象限就是我們所說的“巴斯德象限”，它代表了那些以應用為目的而引起的基礎研究。這一命名來自路易斯?巴斯德（Louis Pasteur），他一生所從事的研究幾乎都是以應用為目的的，如解決發酵食物和飲料的變質問題、解決因細菌侵害蠶卵而導致絲綢工業瀕臨破產的難題以及把傳染病的微菌培養成為防病的疫苗等問題。但令人肅然起敬的是，巴斯德在解決這些應用問題的同時，沒有像愛迪生那樣僅僅滿足于應用問題的解決，他同時還追求了@些應用問題背后的更深層次的科學意義。也正因如此，他才能發展出微生物學的基礎理論，成為微生物學的奠基人。
“巴斯德象限”說明，基礎研究和應用研究兩個看似不同的目標是完全可以融合的。而在教育技術研究領域，課堂教學行為大數據的研究就是連接二者的一座橋梁。
我清晰地記得我的導師南國農先生2007年1月28日在紀念中國電化教育70周年座談會上提出的三個應該加強的研究中，就有“什么是能夠真正把互聯網與教育、教學結合在一起的好辦法”的研究問題。當年，這個問題曾經深深地觸動了我，使我頓感責任重大。我認為，靠譜COP的課堂教學行為大數據研究，是以巴斯德象限為范式的科學研究，把基礎研究和應用研究相結合，把理論與實踐相結合，最終服務于基礎教育，服務于教師和學生，是我們一貫堅持的科研價值觀和科研取向。
魏寧：王老師，大數據這個詞語現在可謂無人不知，但要很嚴謹地定義它，又不是那么容易，您能給課堂教學行為大數據下一個定義嗎？
王陸：目前，大數據還沒有一個公認的定義，教育領域的大數據概念同樣如此。我所理解的課堂教學行為大數據是指在課堂情境中，伴隨教與學過程而產生的大規模、多樣性、蘊含了豐富的教與學涵義的非結構化與半結構化的特殊數據集合。目前，課堂教學行為大數據具有模式數據、關系數據、結構數據和行為數據四種典型的類型。
而所謂的課堂教學行為是指教師引起、維持或促進學生學習的所有行為，也就是教師為了促進學習者完成學習行為而進行的支持性、服務性、指導性的活動總和。課堂教學是一切問題的衍生物，教育的邏輯起點是問題，所以，課堂教學行為分析也是聚焦問題類型、問題水平、問題結構、問題理答等方面的行為分析。
魏寧：王老師，針對課堂教學行為，應該說，我們一直在“研究”，從教師日常的聽評課活動，到教育專業研究人員的研究，在大數據介入之前，這些傳統的方法存在什么問題嗎？
王陸：是的，對于課堂教學行為，我們一直在研究它。但以往的研究明顯存在著幾個問題：在方法上，由于以描述性案例為主，缺少學理分析，特別缺少對課堂教學行為的框架理論研究，致使這類研究較多停留在行為關注的層面；在研究結果上，雖然多數研究對課堂教學行為進行了調查分析，但由于缺少對數據資料科學的系統分析，所以無法給出恰當的策略建議。以往的教學行為研究無法把個案的研究結果轉化為一種具有普適性的教師專業發展支持服務，導致許多課堂教學行為研究的成果無法影響到真正的課堂教學行為改進，也就無法對教育教學改革，特別是課堂教學變革產生重大影響。
魏寧：對課堂教學行為大數據的研究，我記得您還有一個精彩的比喻，就是中醫和西醫，您能解釋一下嗎？
王陸：傳統的針對課堂教學行為的研究，或者就是教師日常的聽評課，基本是以經驗為主。一些有經驗的教師就好比老中醫，用“望、聞、問、切”的方法對待課堂教學行為，依據其個人的教育信念、教育價值觀和教育經驗做出他們的評判與診斷。而我們用課堂教學行為大數據的方法對課堂教學行為展開研究，要經歷數據采集、數據分析并要可視化地表達經過信息處理后所得出的數據影像，這就好比西醫的X光片、B超掃描，甚至是CT和核磁共振等。當然，基于課堂教學行為大數據的分析與研究，是需要將定性研究和定量研究相結合的，是需要被觀察和被診斷教師個人以及觀察者和診斷者個人的教育經驗的。其實，若想全面、科學地對課堂教學行為加以診斷，最好的辦法就是中西醫結合。
魏寧：王老師，我知道您從2000年起就帶領您的科研團隊致力于課堂教學行為大數據的研究，到今天已經走過了17年。其間，先后出版了《信息化教育科研方法》《課堂觀察方法與技術》等學術專著。但更為重要的，是堅持不懈地在一線學校開展了一系列的課堂教學行為大數據分析。17年來的數據豈止是“車載斗量”，我想，這才是您和您的團隊最寶貴的財富，也是中國教育的寶貴財富，是真正的中國本土的原創研究。您能否大致介紹一下，17年來您都做了哪些方面的課堂教學行為大數據研究？
王：我的靠譜COP團隊堅持17年進行課堂教學行為大數據的研究，從最初只有4個人的團隊，發展到今天一個近60人的科研團隊。我們的研究主要包括課堂教學行為大數據的基礎理論研究和應用研究兩大部分。在基礎理論研究中，我們從數據采集與數據分析的原理、方法及技術等維度做了許多開創性的工作；同時，也對數據向信息的轉化、信息向知識的轉化、知識向智慧的轉化等數據流及數據生命周期等做了大量的實證類的基礎理論研究和實踐性研究，形成了基于課堂教學行為大數據的課堂觀察方法與技術、教學反思方法與技術、知識建構方法與技術，以及知識管理方法與技術等系列成果。在應用研究中，我們對基于大數據的教師專業發展支持服務做了深入系統的研究，開發出面向具體經驗獲取、反思性觀察、抽象概括和積極實踐等不同維度的共計12類4096種支持服務，開創了我國第一個教師在線實踐社區，實現了大學科研成果的轉化等。
魏寧：其實，對于教育領域而言，大數據只是一種研究的方法與手段。在信息化的大背景下，我們能搜集到與課堂教學行為有關的海量數據。但面對這些數據，我們又該如何“下手”呢？換而言之，不是說我們有了海量的數據，就會自然而然產出有價值的研究結論。我們必須有具體的工具和方法，來剖析這些數據。我也曾經見到不少學校、教育管理部門，號稱用教育大數據采集師生的教學行為，進行了大數據的分析，并用大數據指導課堂教學改進等。但實際情況是，數據的來源和以前并沒有什么兩樣，關鍵是，處理這些數據的手段依然是傳統的數據處理方法。這樣的教育大數據只不過是借用了一個時髦的說法而已，本質上并沒有什么改變。您覺得，在課堂教學行為大數據面前，哪些有效的研究方法可以為我們所用？
王陸：第一，課堂教學行為大數據的采集方法。課堂教學行為數據已經從結構型數據擴展到多維度的非結構化和半結構化數據。從某種意義上講，課堂中沒有無用的數據，只有未被利用的數據，關鍵是如何獲取數據。課堂教學行為大數據的搜集，已經從以前有針對性地獲得結構化數據（如課堂觀察量表數據），轉變為有選擇地刪除某些數據。課堂教學行為大數據中的收集數據就是從非結構化和半結構化的數據中，識別、整理、提煉、汲取（刪除）、分配、存儲，并將其轉化為結構化數據的過程。有一點特別需要注意的是，在小數據時代，人們對數據的精確性有嚴格的要求。而在大數據時代，數據的不精確性是允許的，人們需要接受紛繁蕪雜的各類數據，而不應一味追求數據的精確性。
第二，基于課堂教學行為大數據的分析與決策方法。“量化行為獲得結構化數據數據轉化為信息信息轉化為知識知識轉化智慧”是對基于課堂教學行為大數據的分析與決策方法的簡述。其中，基于課堂教學行為大數據的課堂觀察方法與技術中的編碼體系和記號體系可以將教學行為大數據轉化為信息；教學反思方法與技術可以將信息轉化為教師的實踐性知識；抽象概括的方法與技術及積極實踐可以支持教師從實踐性知識中涌現出教學智慧。大數據正在顛覆傳統的、線性的、自上而下的精英決策模型，逐步形成非線性的、面向不確定性的、自下而上的決策方式。
第三，信息化教學領導力的方法。校長與教師借助多種信息技術工具和信息化資源，直接對課程與教學各要素進行信息的搜集、整理、加工與處理，提升洞察力，優化教學決策，強化決策力和對教學產生影響作用的領導能力，具體如下頁圖2所示。
魏寧：通過您介紹的這些主要研究方法，您和您的團隊在課堂教學行為的研究中發現了哪些有價值的結論呢？
王陸：在過去的研究中，我們在用上面這些研究方法重新審視教師的課堂教學行為時，發現了很多以往沒能發現的問題。我舉幾個例子。
1.關于課堂提問傾向的分析。
不知道你有沒有仔細觀察過教師在課堂教學中的提問，這里面其實大有文章。根據我們的研究，教師在課堂上的提問可以分為八種類型：“是何問題”“為何問題”“如何問題”“若何問題”“記憶性問題”“推理性問題”“創造性問題”和“批判性問題”。它們代表了三種不同的教師提問傾向。其中，“是何問題”與“記憶性問題”反映的是教師提問的開放性教學傾向，這兩類問題發生的頻次越高，表示教師提問的開放性教學傾向越低；“如何問題”“為何問題”及“推理性問題”反映的是教師提問的問題解決教學傾向，它們發生的頻次越高，表示教師提問的問題解決傾向越強；“若何問題”“創造性問題”和“批判性問題”反映的是教師提問的批判性及創造性教學傾向，它們發生的頻次越高，表示教師提問的批判性及創造性教學傾向越突出。
我以提問的批判性與創造性傾向的研究結果為例，在提問的批判性與創造性傾向維度中，我們采集了教育發達地區、教育中等發達地區和教育發展中地區的教師大數據，結果是三類地區的教師整體水平都非常低，但教育發達地區相比其他兩個地區，存在著明顯的問題開放性最高、問題解決傾向最明顯、批判性問題與創造性問題傾向最突出的教學特點。
通過研究，我們還發現在教師的課堂提問中有兩種十分普遍的現象：一是教師提問的隨意性十分明顯，在課堂教學中教師往往因為發現有學生在搞小動作沒有聽講，或在課堂中有些學生表現出昏沉的狀態，便隨即使用課堂提問的方式給予學生警告性提醒，其后果是課堂提問數量非常多，而所提出的問題大多是簡單記憶或機械判斷性問題；二是教師判斷教學活動是否需要結束是以所提出的問題能夠被全班大部分學生正確回答為依據，其結果是教師提出的問題大多是具有唯一正確答案的良構性問題且問題缺乏解決傾向與創造性和批判性傾向。上述兩種現象在教育發展中地區尤為突出。
這些現象的背后，能折射出教師對課堂提問的價值取向：重視課堂提問的局部價值，忽視了課堂提問能夠促使學生更積極主動地加入到課堂互動之中的整體價值；注重課堂提問的工具價值，輕視了課堂提問能夠促進學生深入思考的目的價值；重視課堂提問的淺層價值，忽視了課堂提問的作用是促進學生提出更好的問題的深層價值。當前，有關課堂提問的價值取向應該引起教師培訓機構和教育行政部門的高度重視，需要引導教師重新認識提問這個最古老的教學行為的教育價值和目的，并以此為依據和出發點再對現實的課堂教育活動作出更具體的評析，提出新的提教學原則、方案乃至方式和方法。
2.不同性別教師的差異性教學現象與共性教學現象。
我們曾對不同性別教師的課堂教學行為進行了獨立樣本t檢驗，結果表明：不同性別教師的差異性教學現象在0.01顯著性水平下，不同性別的教師在師生行為轉換率Ch上呈現出顯著差異。而不同性別教師的共性教學現象在于，無論是男教師還是女教師的課堂，在批判性問題、創造性問題、鼓勵學生提出問題、討論后匯報，以及學生創造評價性回答等教學現象上均無顯著差異，且這類教學現象明顯少于其他教學現象。通過對不同性別教師的師生行為轉換率Ch、管理性問題、對話深度二和對話深度三等教學行為大數據均值及標準差的分析，可以發現：女教師的師生行為轉換率Ch值、管理性問題數量、對話深度二和對話深度三都顯著高于男性教師。這一數據分析結果所反映的教學現象是：女教師比男教師在課堂中更頻繁地更換課堂對話的話語權，女教師會跟學生發生更多的言語互動，同時女教師也更注重對課堂的統一紀律要求和管理，更重視在師生對話中開展適當的追問干預。
3.不同科目教師的差異性教學現象與共性教學現象。
我們分析了文科和理科教師的課堂教學行為所帶來的課堂教學現象的差異情況，結果表明：不同科目教師的差異性教學現象是在0.01顯著性水平下，文科和理科教師在課堂提問類型中的記憶性問題、推理性問題和創造性問題上呈現出顯著差異；在提問方式中，在提問前先點名、讓學生齊答、叫舉手者回答上呈現出顯著差異；在學生回答類型中的個別回答維度上呈顯著差異；在學生回答類型中的認知記憶性回答、推理性回答和創造評價性回答上均呈現出顯著差異；在問題結構的是何、如何、若何上呈現出顯著差異；在對話深度一和對話深度四上呈現出顯著差異。這表達了什么意思呢？就是無論是文科教師還是理科教師，在批判性問題、鼓勵學生提出問題，以及運用基于小組的討論法教學等以學生為中心的教學現象方面均無顯著差異，且這類教學現象明顯少于其他教學現象。經過對教學行為大數據均值及標準差的分析，可以發現：文科教師的記憶性問題、創造性問題、個別回答、記憶性回答、創造評價性回答、是何問題、對話深度一，以及學生的個別回答、認知記憶性回答、創造評價性回答都顯著高于理科教師；而理科教師的推理性問題、推理性回答、如何問題、若何問題、對話深度四以及學生的推理性回答都顯著高于文科教師。這一數據分析結果所表明的教學現象是：文科教師比理科教師更重視陳述性知識和創造性知識的獲取，文科課堂也比理科課堂擁有更多的開放性問題，但對話深度明顯低于理科課堂，說明文科課堂中的問題難度普遍較低，教師也較少進行追問式的教學干預；理科教師比文科教師更重視學生對原理性知識、策略性知識和遷移性知識的獲得，理科課堂中的問題難度普遍比文科更高，且理科教師比較多地采用了追問式教學干預。
4.關于發散思維和評價思維的培養問題。
我們通過研究發現，發散思維和評價思維的培養，是當前教與學的最薄弱環節。教學是由問題構成的，教學的一切都可以說是問題的衍生物，學生學習能力的形成就是問題解決能力的形成。關注課堂中的問題類型可以讓我們獲得課堂教學的價值取向與認知目標達成水平的判斷依據。通過對2000―2015年連續16年全國24個省市中小學課堂教學中的問題類型分析可以發現：小學文科和初中文科無論是對話型、混合型還是練習型的教學模式，課堂問題類型都是以記憶型問題為主，整體問題類型處于最低層級，即處于低層次集中型問題水平，學生的認知目標為認知-記憶水平。而小學理科、初中理科和高中理科及高中文科則多以推理性問題為主，問題層級處于高層次集中型問題水平，學生的認知目標為聚合思維水平。無論小學、初中和高中三個學段的理科與文科課程，整體都缺乏以批判性問題和創造性問題為核心的分析型問題，發散思維和評價思維的培養是當前教與學的薄弱環節和課堂教學中的短板。
魏寧：我們對課堂教學進行大數據分析，能透過紛繁的教學現象，得出關于師生教學的普遍規律性的東西。但若要改變其中的不合理之處，或對存在的問題進行糾偏，就必須通過教師行為的改變。這就涉及教師的專業成長了，所以我認為，大數據在很大程度上能助力教師成長。根據您的課堂教學大數據研究所得出的結論，您對教師的專業成長有何改進建議呢？
王陸：首先，透過課堂教學行為大數據的分析，可以看出，教師的課堂教學行為既存在共性問題，又存在突出的個性問題。在我看來，課堂教學行為的共性問題折射出的是教師應該“怎么學”的關鍵性問題，而課堂教學行為的差異性問題折射出的是教師應該“學什么”的關鍵性問題。從課堂教學行為大數據的分析結果可以看出：當前教師的教學還是以模仿模式為主的，也滲透了一定的變化模式；要想從教學的模仿模式徹底轉變為教學的變化模式，首先就需要轉變教師的專業學習方式。正如戴維斯教授所指出的，教師如何學習會反映在他如何教學上（Davis，2003）。教師的專業學習方式需要從技術性實踐（Technical Practice）模式轉變為反思性實踐（Reflective Practice）模式，即教師要從真實的教學實踐出發，經過對教學實踐的反思，再重構新的教學經驗的以教師實踐性知識為核心的非正式學習方式。
其次，教師個體的教學行為具有差異性，造成教師教學行為具有差異性的原因是教師個體具有差異性的實踐性知識。差異性的實踐性知識給不同的教師個體帶來了知識勢差，而知識勢差是造成知識流動、知識傳播和知識轉移的根本原因，也是教師能夠獲取實踐性知識這種隱性知識的基本條件。為此，以“差異即資源”的理念搭建起來的教師在線實踐社區（靠譜COP），為不同的教師個體搭建了實踐性知識流動、傳播與轉移的基礎環境，形成了由教師、專家及助學者所組成的一種正式學習與非正式學習相混合的學習型組織，有效支持了教師的反思性實踐，促進了教師通過知識轉化而最終獲得實踐性知識的增長和課堂教學行為的改進，取得了顯著的教師專業發展成效。靠譜COP為不同的教師個體搭建了實踐性知識流動、傳播與轉移的基礎環境，形成了由教師、專家及助學者組成的一種正式學習與非正式學習相混合的學習型組織，有效地支持了教師的反思性實踐，促進了教師通過知識轉移最終獲得實踐性知識的增長和課堂教學行為的改進，取得了顯著的教師專業發展成效。
此外，長期以來，中小學都采用師徒制的教師專業發展模式，即指派一名具有較長教學經歷和較多教學經驗的“老教師”，即成熟教師，作為新手教師的師傅，并希望這種模式能夠促進新手教師在成熟教師的指導下，在開展教學實踐的過程中，對教學實踐進行有效的反思，從而能夠較快地獲取、繼承、傳遞、存儲和應用成熟教師的實踐性知識。
一名新手教師成長為勝任教師至少要經歷知識生產和知識進化兩個關鍵階段。既要經歷在已有知識的基礎上發現新知識的生產過程，這個過程一般發生在新手教師自入職開始的1～3年期間；也要經歷隨著外部環境的改變，主動改變知識內涵與結構以適應新環境的知識進化過程，這一般在新手教師入職3年以后。知識生產階段是新手教師快速積累教學經驗的階段，而知識進化階段是新手教師發展、修正、完善、建構其實踐性知識的階段。
美國著名的心理學家波斯納曾經提出一個教師成長公式：教師成長=經驗+反思。顯然，在這個公式中經驗是一種“慢變量”，是新手教師要隨著時間和實踐機會的增加而慢慢積累起來的；而反思是可以干預的一個“快變量”。在抽取了來自4個省8所靠譜COP項目學校共120位教師作為研究對象，其中新手教師40名，勝任教師40名，成熟教師40名，收集了這120位教師從2010年9月至2011年7月一年期間在靠譜COP平臺的論壇中所發表的帖子、所撰寫的課后反思文本以及制作的教學反思DST（Digital StoryTelling）視頻材料等半結構化和非結構化的數據，采用了內容分析法、視頻案例分析法和統計分析法等分析后發現，在高層教學反思中，勝任教師與成熟教師的反思特征相似聚為一類，而新手教師則單獨為一類。繼而進行了回歸分析后，顯示出新手教師的高層教學反思水平僅受勝任教師的高層教學反思水平的正向影響，與成熟教師無關。
同時我們發現：教師知識的進化過程是一種教師的知識集合處于不斷的流通與變化的過程；成熟教師與新手教師在知識進化過程中的試探性理論或解決方案上表現出了比較大的差異，即成熟教師更傾向于從局部要素尋找解決問題的策略，而新手教師則更傾向于從整體要素的改變去尋求解決問題的辦法；在知識進化的過程中，成熟教師對新手教師的影響十分明顯；新手教師在知識進化排除錯誤的過程中，會表現出直接吸取成熟教師實踐性知識的傾向。這一研究結果帶來的啟示是：在知識生產階段，讓勝任教師擔任新手教師的師傅會顯著影響新手教師的高層反思水平，從而使新手教師獲得更快的進步與成長。在知識進化階段，由成熟教師擔任新手教師的師傅會更加有效地促進新手教師實踐性知識的增長與改進。
根據大數據的分析研究結果，優化后的師徒制教師專業發展模式是一個“雙師制”模式，即在知識生產階段，學校為新手教師安排一名勝任教師做其師傅，幫助新手教師迅速獲取具體經驗，而在新手教師步入知識進化階段后，可以再增派一名成熟教師同時擔任其師傅，從而構造一種新的“雙師制”的師徒制知識管理方式，使得新手教師、勝任教師和成熟教師都能在同一個生態環境中發展與成長。
魏寧：通過這么多年的課堂教學行為大數據研究，您對教育大數據一定有著深刻的理解和認識，您怎么看待當前火熱的教育大數據呢？
王陸：應該說，到現在為止，國內外對課堂教學行為的研究還處于起步階段。課堂是錯綜復雜的，需要廣大研究者深入課堂教學的實際情境中，把課堂教學行為作為研究對象，從理論與實踐兩個層面去闡釋課堂中存在的種種教學現象，從多學科的角度去說明課堂中出現的種種問題，尋找教學現象背后的教學規律與教學本質。
當前，深化基礎教育領域綜合改革最關鍵、最重要的是提高教師隊伍素質及其實施素質教育的能力，任何教學改革的成功都取決于教師作為系統的實施者對改革需求的理解與應用，教師是學校改革的真正推動力。通過對課堂教學行為大數據的深入分析與挖掘，大數據能夠把教師的隱性知識顯性化，從而助力教師的專業發展與專業成長。
我們要感謝大數據等新技術與新工具，讓我們實現了用數據化手段測度人類行為和人類社會，并由此改變了人類探索世界的方法。大數據通過對事物的數據化，實現了定性研究與定量研究的綜合集成，使人文社會科學等曾經難以數據化的領域像自然科學一樣走向了定量研究，實現了定量研究與定性研究的統一與融合。
應該看到，課堂教學行為大數據所表征的數量關系，僅僅是一種認識和研究教學現象的手段，是一種以搜集微觀研究材料進而開展宏觀理論構建的研究途徑，其真正的目的是要通過數量關系探尋課堂教學的科學規律與教學現象的意義。無論是教學實踐者還是教學研究者，都需要重視課堂中的教學現象并理解教學的本質。只有教學實踐者透徹地理解教學本質，才有可能真正促進教學現象的有效改進；只有教學研究者走近或者走進教學現象，才有可能真正揭示教學的本質，也只有從教學現象中揭示出教學的本質，才有可能使其回歸到教學現象之中，并對教學現象形成真實的影響力和指導力。由于課堂教學具有復雜性、情境性和實踐性，在優化課堂教與學時往往不能僅憑個人經驗或簡單使用某種具有普適化意義的教與學的理論，為此，以課堂教學行為大數據為研究手段的教學現象研究，不僅是我們發現教學本質的切入點，還是我們創新教學研究的立足點和改進課堂教學行為的助推器。
魏寧：通過您的介紹，我對課堂教學行為大數據有了更全面、深刻的認識，17年彈指一揮間，您的堅持終于得到了回報。在這里，我祝愿您在今后的研究中取得更豐碩的成果，用大數據服務于教育改革，服務于教師，最終為學生的成長助力。
王陸：謝謝您，我們會繼續努力的，靠譜COP一直與您同行。
對話印象
從學生時代算起，和王老師已經有二十多年的交往了。在我的眼里，王老師不僅是一位治學嚴謹的學者、諄諄善誘的長輩，很多時候更像是一位傾心相交的朋友，這是因為無論是在治學上還是做人上她都能時刻給我以啟迪。
在教育技術界眾多的專家學者中，王老師有著極為鮮明的特點，這主要體現在王老師的“跨學科”上。對教育技術來說，“跨學科”三個字本不稀奇，因為教育與技術本就分屬文理，教育技術學自然就成了一個文理交叉的領域。但細究起來，大多數專家學者還是有著明確的學科背景的，要么以技術為背景，要么以教育為背景。真正意義上橫跨教育、技術兩個領域的學者可謂少之又少，而王老師稱得上是其中的佼佼者。王老師早年的研究方向是智能學習支持環境，她對人工智能有頗深的研究，她的教授職Q便是來自計算機工程學院，她是不折不扣的計算機技術和人工智能專家。而此后，王老師毅然轉入教育領域，又在教育技術方面取得了成功。
兼具文理的雙重背景讓王老師的研究既有教育人的情懷，又不失理工人的嚴謹，更讓王老師真正做到了“用技術的手段去解決教育中的問題，用教育的視角去反思技術的應用”。但在“跨學科”三個字的背后，其實有著更深層次的含義，在我看來，那才是王老師的成功秘訣――問題意識。其實，在王老師眼中，本沒有學科的界限，只有需要解決的問題，這才是“跨學科”三個字的本質。王老師二十年如一日，始終關注的是如何用技術手段去解決課堂教學中的問題，促進教師的專業成長，正是在這個目標的驅動下，王老師完成了一次次的轉型、跨界。
