最近，人工智能俨然是炙手可热的词汇。非人类的小冰出版了首部人工智能诗集;AlphaGo在时隔一年后的巅峰挑战中击败世界围棋第一人柯洁;智能机器人参加数学高考并且PK人类的高考状元;人工智能帮助高考考生填报志愿。人工智能在不同的领域，不断冲击着我们传统的认知。

　　随着算法和计算能力的大幅度提高，深度学习在人工智能神经网络优化方面获得巨大突破，人工智能迎来了前所未有的发展良机，人工智能进入教育的步伐也在加速。百度教育把智能化定位为企业新战略;科大讯飞自然语言解析技术在语言测评中独占鳌头;现代中庆推出中庆智课提出录播与人工智能的融合……

　　录播采集课堂教学资源，促进优质教育资源共享的特点，使得录播系统成为教育均衡发展最为重要的基础设施，得到多方面的重视，在短短几年的时间，教育录播市场的火热足以用井喷来形容，在很多城市录播教室几乎成为每一所学校的标配。但是在大规模建设的同时，我们也常常看到在失去了行政推力之后录播教室成为摆设，教师不愿意使用的情况。

　　这一公认优秀的教室形态，却在实际的应用中遇到阻力，不由我们不去思考。一个优质的教育模式应该是形成闭环，让这个环节上的每一个节点都能受益，这样才能充分发挥它的价值。用这一标准来检验录播最常见的应用：录制堂课教学——上传平台——平台展示——直播和点播，我们看到这是一个单线程的应用，录制的资源并没有形成闭环，没有返回到课堂对教学产生作用，作为这一链条起点的教师使用意愿自然不高。

　　如果在录播采集课堂资源的基础上，将这些资源价值化，回馈并服务于课堂，让这一链条闭合起来，这就能够解决录播教室当前遇到的问题。这里有必要提到录播的另一个公认的价值属性——录播的核心价值是采集教学大数据。按照当前每所学校都建设录播教室的趋势，全国60余万所学校，即便按照一个学校一个教室最低2路高清视频计算，每小时将产生2400T的数据，这是何等海量的数据。

　　我国教育大数据开发利用已经具备一定基础，拥有了大量的资源数据和管理数据，但也面临不少问题，其中一个最主要的问题就是我们的数据多是结果性数据，而并不是及时的、过程性数据。恰恰录播所采集的数据就具备了即时性和过程完整性的特点，只是由于技术的制约，难以把音视频资源转变为有效的结构化数据，说了很多年的录播大数据迟迟没有落实。

　　中庆推出人工智能技术的录播，让我们终于看到了录播大数据姗姗来迟的身影。

　　录播系统录制下来的是音视频文件，这是一种非结构化数据，无法通过计算机进行数据细分和检索。要让音视频文件成为有用的数据源，必须把文件转化为结构化数据。之前很多录播厂家都宣传能够自动进行ST行为分析，细究其原理，技术核心是通过自动录播的跟踪策略判断师生互动特征，通过这一方法的到的数据准确性和实用性都存在问题。人工智能技术的出现，可以说是真正找到了录播数据结构化的钥匙。

　　利用深度神经网络的人工智能技术最广泛的应用是在图像分析和自然语言处理方面。通过图像分析对录播数据进行结构化处理，首先进行目标检测定位以识别人物个体信息，再根据教师和学生的不同行为特征进行编码并确立基本模型，人工智能经过大量数据的自我学习，能够确保这些数据越来越准确。录播系统即时采集的课堂视频，经过人工智能技术对教学行为的量化和分析，得到包括教师和学生在内每个人的个体数据，这是一种即时性的教学大数据，完全可以同步反馈回到课堂。

　　图：利用RCNN实现目标检测定位

　　大数据有利于促进个性化学习和差异化教学。面向课堂教学，人工智能可以反馈班级整体数据，识别班级中不同区域的学生的活跃指数，分析教学测试结果;还可以细致到对每一个学生的学习行为进行分析，例如识别学生当前的课堂状态，是否出勤、是否专注、积极举手亦或是开小差等等。教师通过这些数据，就可以在保障教育规模的情况下实现差异化，教师可以根据学生的不同情况采取一些个性化的方式。学生也可以通过自己的大数据，有选择的进行个性化学习，更加高效地获取知识。在大数据下，整个学生的学习行为可以跟踪记录，并进行进行量化分析，这将有利于从本质上认识学习的发展规律，为差异化教学提供科学的依据。

　　图：教学行为人工智能分析

　　人工智能大数据可以支持课堂教学行为量化分析和研究。在传统教研中，我们对教师教学行为的诊断多是经验性的感性判断。随着教研的发展，数据分析开始被采用，通过数据来精确解剖课堂教学，用人工评价一节课，往往需要6-8人对不同行为数据进行采集，每一个行为标注都不能遗漏，这对教辅人员的数量以及人员的专注力都是很高的要求。简单重复的事情让机器去做，人工智能录播就很适合做这样的工作，数据采集过程全部自动完成，结合学科优秀教师常模进行数据分析和比对，我们的教研在课堂中就能完成。甚至年轻教师在课堂中就可以通过和优秀教师的数据比对，及时发现并调整自己的不足，教师专业成长在常态教学中就能逐步实现。

　　当我们能够得到学校或者区域内所有教师和学生的个性化数据，进而可以建立起优秀教师常模，挖掘规模化学生学习特点、探讨优秀学校基础数据特征等等，对于教育管理者来说这些数据完全可以支持我们延展到更广阔的教育应用。

　　即时性和过程性的录播大数据被人工智能激活，录播不再只是课堂教学中客观的记录者，而是回归课堂，融入到教学和教研中，成为学习的参与者和研究者。人工智能下的录播大数据为我们的教育敞开一扇全新的大门。当录播成为教育基础数据源头，不难想象录播将像当年的计算机一样普及到每一间教室，成为教育信息化的基础设备，实现和常态化教学的真正融合。