在線題庫怎么玩?zhèn)€性？提分網(wǎng)是這么搭建數(shù)學題庫的

       如果你已經(jīng)不是在校生，那么對函數(shù)題還有多少印象呢？大多數(shù)人應該完全不知所云了吧。不過在當時，同樣類型的題目上百次的出現(xiàn)在我們的眼前。歷年真題、黃岡題庫……在應試教育下，學生無法躲避的一個環(huán)節(jié)就是題海。

       近兩年，在線教育服務的興起，其中就包含不少的“在線試題”服務——讓很多以前需要請家教講解，或者需要四處搜羅的試題都集中在了互聯(lián)網(wǎng)上。但實際上，大部分的“在線試題”無非是將以往印在紙上的試題搬到了電腦或手機屏幕中，而實際的教學和練習，還是需要學生在線下完成，這么一來，除了檢索和存儲上的優(yōu)勢外，“在線試題”與傳統(tǒng)的教育形式相比，并沒有本質(zhì)上的改變。

       而“提分網(wǎng)”則想在這一基礎(chǔ)上更進一步：同不少在線教育平臺一樣，他們會讓用戶在網(wǎng)站上完成習題測試，并根據(jù)用戶的數(shù)據(jù)動態(tài)調(diào)整，給他們推薦最合適的高中數(shù)學練習題。

       首先，任何給自己打上“個性化”標簽的服務都必須完成“冷啟動”的過程——在用戶初次使用服務時給為用戶建立一個基本的數(shù)據(jù)分析模型。提分網(wǎng)的做法是，用戶在注冊網(wǎng)站后首先要進行能力評測，完成評測試題后，基于完整的高中數(shù)學知識圖譜，提分網(wǎng)會依靠被他們稱為認知診斷的引擎，來分析學生對整個高中數(shù)學知識的掌握情況，包括各知識結(jié)點的熟練度以及學習進展。然后系統(tǒng)會推送配套的學習計劃和學習資料，用戶也可以通過報告自行判斷薄弱的環(huán)節(jié)。

       而作為網(wǎng)站服務的核心是診斷分析引擎，這一分析引擎是基于Item Response Theory（項目反應理論）和Graded Response Model（等級反應模型）而設(shè)計的，前者用來判斷被測試者的潛在能力，用以指導項目篩選和測驗內(nèi)容的編制，后者用來促使計算機自動計算和調(diào)整評級，這兩套系統(tǒng)模型常被用在企業(yè)ERP管理當中。如今，被用在教學上的這兩套理論也可以幫助提分網(wǎng)建立起對應的算法，來針對每一個學生用戶做出分析判斷，并動態(tài)的為他們匹配最符合自己的學習系統(tǒng)。

       要搭建這樣一套系統(tǒng)，需要的不僅僅是數(shù)學和計算機方面的工作，它還涉及了教育和心理學等多門學科，所以除了創(chuàng)始人曾志平是清華大學數(shù)據(jù)分析與數(shù)據(jù)挖掘的博士學位外，團隊的其他成員也涵蓋了教育學、計算機科學、心理統(tǒng)計學等不同學科，他們的共同特點是，都畢業(yè)于清華大學。

       除了提分網(wǎng)外，我們也看到不少相似的基于“數(shù)據(jù)”和“個性化”的在線教育服務——例如各類英語單詞記憶網(wǎng)站、猿題庫這樣的習題網(wǎng)站等。它們所解決的問題是，避開了傳統(tǒng)的習題堆砌，用更聰明有效的方式，為練習者提供合適的習題，能夠更高效的在一定時間內(nèi)幫用戶獲得提升。不過，這種模式也并不是全能的，例如如何在電腦屏幕或是移動終端上讓學生更方便的“答題”？如何將“解題時間”這一重要因素融入到解答過程中來？如何能夠像老師那樣“理解”學生犯錯的原因，給出更詳細有效的反饋？如何明確自己的產(chǎn)品定位是取代教材還是碎片時間的增益產(chǎn)品？都是“個性化”教育產(chǎn)品懸而未決的問題。