大数据助力教育督导科学化

第一篇：大数据助力教育督导科学化

大数据助力教育督导科学化

作者：来源：《人民日报》发布时间：2015年07月23日

“收集数据，把数据融入易懂的形式中，让数据讲故事，并且把故事讲给别人听。”这描述的是当下一种时髦的职业，大数据工程师。

“大数据”，当下当仁不让的“热词”。随着移动互联网、物联网的蓬勃发展，大数据时代的信息风暴席卷各个行业领域，深刻影响着人们的思维、生活和工作方式。与传统数据相比，大数据具有数据体量巨大、数据类型繁多、处理速度快、数据可重复利用、价值回报高等特点，为我们看待世界提供了一种全新的方法，即各种决策和行为将日益基于数据分析做出，而不是像过去更多凭借经验做出。

大数据的运用，为教育改革和发展，尤其是教育督导的开展，提供了更为科学的依据。

通过运用大数据技术，对海量数据的快速收集与挖掘、及时研判与共享，积累过去、分析现在、预测未来，推动督导决策制定更加科学。通过运用大数据思维，从事件问题的个性中找到共性和关联，透过现象找到问题的症结，有针对性、有重点地开展督导，并通过教育督导各类共享平台、公开系统的建立，推动督导工作开展更加高效。通过运用大数据思维，创新教育督导方式，可改变督导手段单

一、督导效率低下、对被督导对象造成不必要的负担等现状，推动督导手段更加丰富。通过教育督导结果公开的常态化，形成倒逼机制，使社会公众对各级政府履行教育职责、学校规范办学和提高教育质量等工作的监督有力有为，推动结果运用更加有效。

以开展义务教育均衡发展督导评估认定为例，通过运用大数据手段，我们对申报县(市、区)的各类报送数据进行对比分析，并运用统计学对学校生均教学及辅助用房面积、仪器设备、师生比等8项指标，科学计算出小学、初中综合差异系数。2014年本科教学质量评估时，利用网络公开资源对大量数据进行搜集、整理和汇总，客观分析全国本科教学质量现状，为有针对性地开展评估工作奠定了基础。

应当注意的是，从大数据到实际应用，其间要经历一系列知识转换、科学分析。因此，如何利用大数据来服务教育督导，将大数据信息转化成工作成果，推进教育督导科学化，依然面临挑战。

充分利用大数据创新教育督导理念与制度，提高督导决策的前瞻性，增强督导机制的科学性是当务之急。大数据背景下，教育督导各项工作变得零散、即时、多元、高效，业务量巨大，如果无视现实情况而只是由决策者凭自己有限的理解、假想、推测“拍脑瓜”决策，或者还是依赖于传统的调研、座谈、听汇报等长周期且受限于行政程序的方式开展督导工作，效率与有效性将受到质疑。因此教育督导必须运用大数据创新工作理念、推动教育督导适应信息时代形势，进一步强化“用数据说话”的思维习惯和工作理念，提高教育督导的前瞻性。同时，要从制度框架方面推动督导大数据平台的建设，建立数据库资源的共享和开放利用机制，打破数字鸿沟、信息孤岛等壁垒，形成各级各类教育、各级教育督导部门都能共享的教育督导大数据中心。

充分利用大数据创新教育督导手段和督导结果使用，推动督导方式的现代化、强化督导问责的精准度，是重中之重。教育督导要大胆运用信息技术创新督导方式方法，推动督导手段多元化、现代化。应不断拓宽督导信息报送渠道，采集更多数量、更多形式、更多角度的督导信息。同时，应充分运用信息技术对各类教育督导报告的项目、结果进行整合分析，形成客观全面、更具说服力的教育督导结果大数据，准确判断各级政府在履行教育职责、各类学校在规范办学行为和提高教育质量方面存在的真实问题，实现有效问责，增强教育督导结果使用的权威性和准确性。

技术的变革，会让原本难以推动的事情变得简单易行，大数据的诞生正是如此。期待在大数据的助力下，未来的教育督导工作更现代、更科学!

第二篇：大数据助力中国电影营销精细化和科学化

大数据助力中国电影营销精细化和科学化

文│田秀琴

中国电影“排片率”的争议曾经在电影《小时代1》上映时期引起社会广泛关注，最近虽然有所缓和，但是 “排片率”仍然是在中国电影市场中取得高票房的“葵花宝典”，以至于很多业内大佬都感慨“所有的电影技术对票房贡献总和都比不上‘排片率’一个数字”。排片率悬殊直接导致影片票房收入巨大差异，特别是首日高排片量已然成为电影票房拉开差距最重要的因素，票房收入关系着制作方和发行方在分账中获得的实际利益，而背后利益的操纵者还是发行方和院线。

院线市场化经营，商业自主运营本无可厚非，但是否真正的抓住了市场脉搏，是否是最优化的影片选择和场次安排，这有待商榷。埃森卓越电影营销机构总裁高泽龙认为，运用大数据来为电影排片提供决策支持和数据基础是非常有必要和价值的。

在国外，已经有将大数据运用到电影票房预测领域，比如谷歌公布的一项重要研究成果——电影票房预测模型。据称该模型能够提前一个月预测电影上映首周的票房收入，准确度高达94%。美国视频网站NetFlix基于大数据投资拍摄的电视剧《纸牌屋》的大获成功更是让全球影视界对大数据的应用刮目相看。中国影视行业也在与“大数据”这个时髦的概念不断发生关系，华策影视收购克顿传媒被指其大量数据储备和分析经验，爱奇艺CTO透露正在根据大数据挖掘的信息自制电视连续剧，盛大文学声称将基于大数据生产电视剧本。

在中国，电影行业有浓郁而且独特的“中国特色”，但是大数据，尤其是互联网领域的大数据仍然可以对电影产生举足轻重的影响。高泽龙举例说，在上映前，院线方面根据几部电影各自的搜索量就可以得到基本的关注度排名（排名产生前应该考虑到无关电影的相同关键词、类似关键词、电影的别名和简称等），从而作为排场的依据之一。搜索指数只是无数可以参考因素中的一个，比如说电影的评分、多少人想看、关键词在重要网站分布数量、片花预告片等视频总观看时长、自媒体中对电影的提及和期待程度等等也都需要考虑。

互联网数据极其冗余和庞杂，信息的真实性、隐蔽性、两面性、重复性、利益性等都需要考虑，即使是知名的互联网企业spider蜘蛛抓取，加上大量的人工干预，信息可能仍然不具备或很少具备价值。但是，无论如何，院线高层应该学会利用互联网大数据分析为排片提供决策支持，而不是根据传统的经验、人情、面子和一些主观的因素。将来有一天这样的事情应该是可以做到的，那就是每个影院的排片都是个性化的，根据不同的城市、不同的区域、不同的档次、不同的社会热点、不同的人群进行大数据挖掘，从而得到更加科学的电影的选择，更富弹性和变幻的场次，从而做出更加符合真正市场预期的电影放映，提高影院收入，进而提高整个中国票房的收入。

其实，大数据的运用不仅可以在电影上映前，也可以在上映后、乃至下线的持续整个过程。另外，作为电影票整合在线销售的领军企业，埃森卓越开创的通过优质平台整合精准人群，将巨大网络流量引导至数十家合作的在线平台实现大数量的电影票预售，然后与院线、影院谈判实现网络用户在电影上映前三日的落地观影，也可以提高或者扭转排片率，达到间接影响影院排片的目的。

（作者单位：武汉电视台）

第三篇：教育大数据助力“教学改革”

数据(data)，一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。通过全面、准确、系统 地测量、收集、记录、分类、存储这些数据，再经过严格地统计、分析、检验这些数据，就能得出一些很有说服力的结论。大规模、长期地测量、记录、存储、统 计、分析这些数据，所获得的海量数据就是大数据(big data)。在制作大数据时，需要严格的方案设计、变量控制和统计检验等，不然所获得的大数据就是不全面、不准确、无价值或价值不大的。

在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率——积极参与课堂科学的举手次数，回答问 题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多 大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。

分析大数据助力教学改革

近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。

大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。

而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。

教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。学生的作业和考试中有一系列重要 的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。与此同时，它还能改善学 生期末考试的成绩、平时的出勤率、辍学率、升学率等。

现在，大数据分析已经被应用到美国的公共教育中，成为教学改革的重要力量。为了顺应并推动这一趋势，美国联邦政府教育部2012年参与了一项耗资2亿 美元的公共教育中的大数据计划。这一计划旨在通过运用大数据分析来改善教育。联邦教育部从财政预算中支出2500万美元，用于理解学生在个性化层面是怎样 学习的。部分综述了该计划的数据和案例已经在美国教育部教育技术办公室2012年4月10日发布的《通过教育数据挖掘和学习分析增进教与学(公共评论草 案)》中披露出来。

美国教育部门对大数据的运用主要是创造了“学习分析系统”——一个数据挖掘、模化和案例运用的联合框架。这些“学习分析系统”旨在向教育工作者提供了 解学生到底是在“怎样”学习的更多、更好、更精确的信息。举例来说，一个学生成绩不好是由于他因为周围环境而分心了吗?期末考试不及格是否意味着该学生并 没有完全掌握这一学期的学习内容，还是因为他请了很多病假的缘故?利用大数据的学习分析能够向教育工作者提供有用的信息，从而帮助其回答这些不太好回答的 现实问题。

许多人因此会问，大数据能拯救美国的公立教育吗?全球最大的电脑软件提供商微软公司(Microsoft)的创始人、前首席执行官比尔·盖茨(Bill Gates)今年3月7日在得克萨斯州首府奥斯汀举行的一个教育会议上打赌说，利用数据分析的教育大数据能够提高学生的学习成绩，拯救美国的公立学校系 统。他称过去十几年里教育领域的技术发展陷入了停滞，研发投入远远不够。盖茨充满信心地认为，教育技术未来发展的关键在于数据。在这次大会上，5000多 名参会者讨论了教育数据应用的前景。教育大数据市场前景广阔

美国高中生和大学生的糟糕表现——高中生退学率高达30%(平均每 26秒就有一个高中生退学)，33%的大学生需要重修，46%的大学生无法正常毕业——在让教育部门忧心忡忡的同时，也让教育科技公司找到了淘金的机会。近些年来，许多教育科技公司纷纷开始抢滩大数据学习分析的市场，竞争极为激烈。

美国的一些企业已经成功地商业化运作教育中的大数据。全球最大的信息技术与业务解决方案公司IBM就与亚拉巴马州的莫白儿县公共学区进行大数据合作。结果显示，大数据对学校的工作具有重要作用。当IBM刚刚开始与这一学区合作时，除了学生成绩不好之外，该县还面临着辍学率已增加到48%的严峻情况。根 据联邦政府的《不让一个孩子掉队法》(No Child Lift Behind，NCLB)，学生成绩糟糕的地方政府将受到惩罚。为了应对这一巨大的挑战，该县此前已经在学生数据的基础上建立了一个辍学指示工具，并将其 用于全县层面的决策。但IBM认为这仍不足以改善莫白儿县窘迫的现状，需要借助IBM的技术支持重新建立大数据，进而利用大数据分析来改善学区内所有学生 的整体成绩。

在美国的教育大数据领域，除了处于领先地位的IBM，还有像“希维塔斯学习”(Civitas Learning)这样的新兴企业。“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。该公司在高等教育领域建立起 最大的跨校学习数据库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。通过使用100多万名学生的相关记录和700万个课程 记录，这家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看出哪些资 源和干预是最成功的。

在加拿大，总部位于安大略省沃特卢的教育科技公司“渴望学习”(Desire 2 Learn)已经面向高等教育领域的学生，推出了基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目。这家公司的新产品名为“学生

成功系统”(Student Success System)。“渴望学习”声称加拿大和美国的1000多万名高校学生正在使用其学习管理系统技术。“渴望学习”的产品通过监控学生阅读电子化的课程材 料、提交电子版的作业、通过在线与同学交流、完成考试与测验，就能让其计算程序持续、系统地分析每个学生的教育数据。老师得到的不再是过去那种只展示学生 分数与作业的结果，而是像阅读材料的时间长短等这样更为详细的重要信息，这样老师就能及时诊断问题的所在，提出改进的建议，并预测学生的期末考试成绩。

像美国的“梦盒学习”(DreamBox Learning)公司和“纽顿”(Knewton)公司这类领先性的开发者们，已经成功创造并发布了各自版本的利用大数据的适应性学习(adaptive learning)系统。在2012年国际消费电子展的高等教育技术峰会上，世界最大的教育出版公司培生集团(Pearson)与适应性学习领域里的先行 者纽顿公司共同发布了主要由培生集团开发的适应性学习产品——“我的实验室/高手掌握”(MyLab/Mastering)。这款产品在将全球范围内向数 百万名学生提供个性化的学习服务，向他们提供真实可信的学习数据，让学校通过这些数据提高学生的学习效果并降低教学成本。首款产品将在美国的数十万名学生 中使用，包括数学、英语，以及写作等技能开发课。

纽顿的创办人、首席执行官何塞·费雷拉和培生高等教育分公司的总裁格雷格·托宾共同出席了“我的实验室/高手掌握”的发布会并介绍了合作的细节，讨论 了高等教育的未来。托宾说：“个性化学习是未来教育的一个关键点。我们把纽顿的技术整合到‘我的实验室/高手掌握’这个产品中，是整个行业进入个性化教育 新时代的引领风气之举”。费雷拉说：“从今年秋季起，培生的课程材料将在纽顿技术的支持下，开始适应性地满足每个学生独特的学习需求。学生能够生成大量有 价值的数据，纽顿可以分析这些数据，以此确保学生以最有效、最高效的方式学习。这是教育的一个新的前沿领域”。按照已经达成的协议，这两家公司2013年 将进一步扩大合作，把大学数学、大学统计学、大学一年级作文、经济学以及科学等领域纳入其产品中去。

此外，由总部设在美国纽约的麦格劳·希尔公司(McGraw-Hill)、总部设在英国伦敦的培生集团和其他出版公司共同开发的“课程精灵”系统

(CourseSmart)，也允许教授们通过让学生使用电子教科书来跟踪他们的学业进展，并向助教们显示学生的学习参与度和学习成绩等大量的数据信息，只是这一系统尚不具备预测的功能。大数据让考试变得更科学

教育中的数据挖掘是迈向大数据分析的一项主要工作。教育中最近的趋势是允许研究者积累大量尚未结构化的数据(unstructured data)。结构化的数据(structured data)是从教育部门多年的数据——特别考试成绩和出勤记录——那里收集而来。互动性学习的新方法已经通过智力辅导系统、刺激与激励机制、教育性的游戏产生了越来越多的尚未结构化的数据。这就使得更丰富的数据能给研究者创造出比过去更多的探究学生学习环境的新机会。

教育数据与其他领域中的数据比较起来，有一些独特的特征。总结起来就是教育数据是分层的(hierarchical)。美国教育部教育技术办公室在 《通过教育数据挖掘和学习分析增进教与学(公共评论草案)》的第18页中写道：“教育数据是„„分层的。有键击层(keystroke level)、回答层(answer level)、学期层(session level)、学生层(student level)、教室层(classroom level)、教师层(teacher level)和学校层(school level)，数据就寓居在这些不同的层之中。”

当某个学生回答一个问题时，一些变量就需要一起分析了。例如，学生回答正确率低的问题就是好问题吗?此外，时间也是重要的因素。比如，一个学生在考试 的第一部分耗时太多，是否意味着其接下来就会飞速、凌乱地答题。一道问题的答题顺序、结果、具体情况，都给研究者提供了许多前所未有的大量数据。运用这些 数据，研究者就能揭示学生的学习模式。研究者利用所有这些数据就能获悉到底是什么因素对学生构成了最好的学习环境。理解这些重要的问题有助于教育工作者给 学生创造一个个性化的学习模式。

监测学生是“如何”考试的能让研究者有效定型学生的学习行为。大数据要求教育工作者必须超越传统，不能只追求正确的答案，学生是如何朝着正确答案努力 的过程也同样重要。在一次考试中，学生个人和整体在每道题上花费了多少时间?最长的是多少?最短的是多少?平均又是多少?哪些此前已经出现过的问题学生答 对或答错了?哪些问题的线索让学生获益了?通过监测这些信息，形成数据档案，能够帮助教育工作者理解学生为了掌握学习内容而进行学习的全过程，并有助于向 他们提供个性化的学习模式。

监控学生的每一个学习行为是可能的。为了改进学生的学习成绩，我们需要知道他们回答一个问题用了多少时间，回答这个问题使用了哪些资源，哪些问题被跳 过了，为了回答这个问题做了哪些研究工作，这个问题与其他已经回答了的问题之间存在什么关系。此外，老师对每个学生提供什么样的建议才是最佳的?学生写作 业和答题的信息能立即被自动地监测到，老师还能在第一时间将这些信息反馈给学生。

用这些学生学习的行为档案创造适应性的学习系统能够提高学生的学习效果。利用学生是“如何”学习的这样重要的信息，考试的出题者们就能为学生量身定制 出适合学生的个性化问题，并设计出能够促进记忆力的线索。通过分析大数据，研究者发现从教育的效果上来看，当被问到一系列难度逐渐增加且互相关联的问题 时，学生的表现要好于围绕一个共同的知识点而随机挑选出的问题。美国标准化的研究生入学考试(GRE)中的这种适应性考试已经显示出朝这一方向努力的趋 势。

五大技术利用教育大数据

需要特别注意的是，如何收集数据对于它们未来的使用性非常重要。接收数据汇入背后的挑战是从一开始就要标准化，以便今后对数据进行仔细分析。这样做并不是意味着将未结构化的数据转化为结构化的数据，而是要用直观的方法对接收的数据进行分类。

应该说，获得相关数据并不是一件容易的事。对于大学阶段的学生而言，数据的收集并不是主要问题。然而，对于中小学阶段的学生而言，挑战却很大，因为有些数据的收集存在法律问题，有的则存在伦理道德的问题。

数据收集者的人数和技能也是一个问题。对于公司而言，通常通过网络上的小型文本文件(cookies)来收集用户的相关信息。但是对于美国联邦政府教育部而言，则需要依赖于全国众多学区和研究者的网络来提炼和确认数据。

教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技术。

1.预测(Prediction)——觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。

2.聚类(Clustering)——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。

3.相关性挖掘(Relationship Mining)——发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。

4.升华人的判断(Distillation for human judgment)——建立可视的机器学习的模式。

5.用模式进行发现(Discovery with models)——使用通过大数据分析开发出的模式进行“元学习”(meta-study)。

实施这些技术就能够通过大数据来创建为提高学生成绩提供支持的学习分析系统。研究者们相信这些技术将帮助教育工作者更加有效地指导学生朝着更加个性化的学习进程迈进。

总而言之，通过大数据进行学习分析能够为每一位学生都创设一个量身定做的学习环境和个性化的课程，还能创建一个早期预警系统以便发现开除和辍学等潜在 的风险，为学生的多年学习提供一个富有挑战性而非逐渐厌倦的学习计划。因此，有识之士经预言未来的学习将是大数据驱动的新时代。我们应该积极迎接这个新时 代，通过大数据来分析学习，进一步改善教学的方式与方法，进一步促进学生学习成绩的提高。

第四篇：大数据助力“AI+教育”实现个性化教学

大数据助力“AI+教育”实现个性化教学

—— 保利威视谢晓昉媒体群访内容整理

11月14日-16日，GET2017教育科技大会在北京国际会议中心成功举办。会议期间，保利威视创始人兼董事长谢晓昉接受媒体群访，就在线教育视频技术的发展趋势和视频版权保护等问题展开讨论。

保利威视隶属于广州易方信息科技股份有限公司，为企业级客户、B端客户提供云直播和云点播技术服务公司，长期专注互联网视频领域的技术研发和运营，目前，服务领域有在线教育、医疗、汽车、家电制造等企业，教育是其最大的市场。保利威视云视频平台覆盖近2亿用户，合作客户包括好未来、新东方、北京大学、中国传媒大学、中国国家开放大学、文都教育、跨考教育、启航考研等中国一批高等院校和民办在线教育、职业教育企业。

人工智能与教育结合，如何实现个性化教学，谢晓昉认为人工智能是和大数据结合的，现在在线教育还处于初级阶段，只有当数据积累到了一定数量级之后，这些数据才能够进行行业性的分析，才能萃取出有价值的信息。

谢晓昉提到，AI+教育是现代教育行业的趋势，保利威视作为一家为教育机构提供云视频服务的提供商，在助力教育平台进行技术转型方面，保利威视更注重数据的积累，在AI的概念没有大数据的基础无法实现之前，希望能够跟着在线教育行业发展和用户不断涌入，不断地积累数据，通过保利威视的技术和算法在智能化上有所建树。以下是谢晓昉的群访内容：

问：保利威视在版权保护方面实行了哪些措施？实施过程中用了哪些方法？ 谢晓昉：版权保护是机构线上和线下的核心诉求，很多企业和很多机构线下做得非常好，但是由于地理区域的局限，它的辐射能力相对有限，往线上走的很重要目的是为了推广它的课件，推广它的教学方法。随之而来的问题，有许多优秀的教程、教学资源很容易被复制，基本上一个机构、课件教育资源不受控制的被别人复制，会对自己的产业有毁灭性的打击。让著作权、产权财富以比较好的商业模式去运作的话，它的核心是对课件的保护。

保利威视成立之初最开始也不是完全服务于教育行业的，只不过这个平台发布初期我们有一项技术是关于基于关键帧的视频加密技术，这样的技术自然而然吸引了以教育为主的用户群。我们初期的用户是用了这个技术而自然形成的用户群。在2013年下半年，因为用户的这个特点，我们全面地转向了在线教育，无论是研发还是产品都往这方面走了。这也体现教育行业对版权保护的重视。其他的产业，包括影视产业也存在相同的问题，我们在这个具体的产品当中，不仅仅是防下载，防盗链，还包括视频的溯源，在所有的视频当中会加入我们视频的DNA，是人耳识别不到的声纹，但我们的设备能很快识别出这个视频是从哪儿产生的，是从什么渠道分销出去的。带着这些信息不但不会影响到观看者的用户体验，而且很方便版权机构去溯源，追查它的课件流向，这个技术也是在行业当中独有的。

问：直播行业非常火，包括它在商业变现上的能力也非常强，保利威视作为ToB 的企业，在商业变现能力上是不是也非常强？

谢晓昉：我们的商业模式也非常简单，向B端用户提供技术、产品以及解决方案。企业和教育机构通过流量、空间以及定制功能向我们支付年服务费。我们的收入、现金流还是非常健康的，从2013年成立之初开始就是正向现金流的企业，总体来说，营收情况是非常不错的。

问：刚才您谈到了视频流、高并发，对整个计算、存储基础设施需要做很大的投入，这方面保利威视是采用和阿里云等合作的模式，还是自建CDN的节点？ 谢晓昉：关于我们的基础架构，我们最核心的底层技术架构是自己搭建的，好比分布式的转码平台，云存储、数据库平台（关系型数据库、非关系型数据库），大数据分析平台完全是我们自有知识产权开发的。更上层的技术，比如CDN分发平台，目前我们是有三套CDN模式，也有和阿里合作，网宿这样的专业CDN服务商合作。我们也有自建节点，第一在于我们技术的把握，第二对于访问服务的保证，当我们的服务商出现问题时最后会切到我们自己的平台进行容灾、备份，保证我们教育机构服务的稳定性。

问：随着在线教育的兴起，现在视频的竞品很多，和同类竞品比保利威视的核心竞争力在什么地方？在融资和资本线上有什么样的规划？

谢晓昉：保利威视更关注在线教育，对于产品和技术研发，在定制化上，我们有非常大的优势，响应速度、产品迭代速度，目前有一定的优势。CC视频也有很多的教育用户，但大部分用户还是偏娱乐，偏媒体的，和我们有所差异。问：今天上午很多老师讲了讲人工智能，从直播大班课，双师课堂、在线小班课，这个技术能够使教育资源得到均衡化。其实人工智能还有一个目标是想实现个性化教学，您认为在技术层面上要实现个性化教学还有多远？现在都在做，但还没有实现。比如人工智能在哪些方面进行突破才能离个性化教学更近一些，因为目前资源均衡，什么时候能实现目标？

谢晓昉：人工智能很多时候是和大数据结合的。现在在线教育，我认为还处于初级阶段，它积累的数据不够多。我们的平台在云点播领域在国内是比较领先的，每天七八万个教学视频在我们的平台上传，表面上看这个数量是非常大的，但只有当你的数据到了一定数量级之后，这些数据才能够进行行业性的分析，才能萃取出有价值的信息。

问：现在众多教学教育企业中有越来越多偏向技术驱动型的公司，有的公司也在研发相应的视频系统，您认为，保利威视应该如何应对这样的挑战？

谢晓昉：确实有许多企业有自己的技术，但术业有专攻。服务和教学是两个不同的领域，无论是人、机构还是企业，它的精力是有限的，在本身的领域里强的话，另一方面会相对弱，这是企业的特点，不论是BAT还是小企业都是这样的道理。教育机构技术上的实践肯定会给整个行业带来一些新的东西，也是我们学习的方向。

问：我了解到保利威视也在做VR视频相关的内容，但VR不是适合所有场景的技术，尤其是在现阶段，您是怎么考虑VR和教育的结合？保利威视有哪些具体落地的案例？

谢晓昉：我非常同意你的观点。VR概念在2015年、2016年非常火爆，去年我们也启动了VR研发计划，并且实现了在iOS、Android和主流VR平台的产品发布，但不是所有场景都能够适合VR，现在VR整个应用风向是偏向于回归价值本身。

您的第二个问题，在探索的同时，我们也有一些实践落地，在医疗行业的医疗教学，尤其是手术教学当中，它能够非常好的还原第一人称的视角，就是主刀的感觉能够让实习的医生体会到，我们已经有了一些案例，在医学院和专业医学培训机构我们已经开始了实践。它对于网络、计算的要求还是非常高的，因为医学场景，它的动作和细节要求非常之高，对于带宽的要求、清晰度的要求，随之带来的编解码计算的要求都有很大的挑战。

第二，场景化的教学，比如烹饪的教学、厨师的教学，它也是模拟大厨的感觉，我们也有一些实践，但这些实践由于网络的限制，计算设备的限制，它的推广还是非常缓慢的。这是现状。

问：您如何看待现在整体在线教育发展趋势和特点，保利威视下一步在在线教育的布局是怎样的？

谢晓昉：在线教育现在逐渐趋于健康发展。早两年在热潮推动之下，有一些机构会比较过热。2017年应该是回归之年，很多以概念炒作为目的的机构慢慢地退出了竞争的市场。那些真正有价值的，能够给这个社会，给学生带来真正提升的机构会发展得越来越好。其实我们也是跟随着这些教育机构的成长而成长的，他们在使用我们产品的过程当中不断地提出一些新的需求，让我们帮他解决的同时，我们也获得了技术和产品的进步。这是我们发展的一个模式和现状。第二，请您谈谈包括视频技术在内的新一代信息技术，在在线教育产业发展中应该扮演什么样的角色？

谢晓昉：技术是个工具，其实通俗的定位，可以把我们看成是很多教育机构的内部研发部门，他们的需求通过我们在技术方面的落地，帮助他们压缩开发时间，提升产品用户体验，让这些机构在短期内能达到快速且高的产品体验。有一些机构自己做一些功能，版权保护、直播、互动功能，如果用常规的思想，他们可能要招聘各种人员，组织研讨、开发，最后这种产品，周期非常长。但是使用我们的产品，它就能在很短的周期，大部分用户可以在一个星期之内，通过我们200多项里157项功能是专门为教育机构开发的，这些功能的组合能够帮他们完成80%的教学需求。

问：下一步的重大战略和规划布局是什么？

谢晓昉：我们的重大战略布局，是在加强我们的重大项目比如云点播、云直播的同时开发一些让教育机构更方便制作视频课件的移动端产品，会对企业培训，也就是泛教育、和传统意义上的教育有一定区别的领域，会有一些布局和真实的产品发布。传统的优势项目是云点播、云直播，我们的目的就是为了让这些教育机构完全不需要技术，不仅仅不需要视频的技术，也不需要App和互联网相关的任何技术，我们努力推出一站式产品，让用户只需要关注内容和它的运营本身，而不需要关注复杂的技术，让他们把精力放在长项方面，让我们帮他们把技术实现。

问：在线教育直播呈现蓬勃发展的态势，在您看来，目前的发展环境有哪些机遇？困难是什么？

谢晓昉：目前的困难，大家的想法是如何通过直播技术让线上的教学能够更接近于真实场景或面对面场景，永远都是在接近、赶超，对这个行业来说这不是特别好的情况。我们可以进行类比，舞台剧、话剧这种艺术形式现在还是有非常多的人群参于，但它表现形式更多的是面对面的，现在占市场份额非常大的是电影，从某种意义上来说，电影是舞台剧的扩展，无疑现在电影具有巨大的优势，以前没有电影的时候只有舞台剧的形式。电影可以在几分钟之内浓缩几千年的概念，可以把人从北京瞬间带到纽约、月球或其他地方，这是舞台剧无法实现的。在我们视频技术实现当中，理想要高一点，不仅仅要接近现实的交流，可以通过一些技术，场景化的虚拟现实来超越目前面对面的交流方式，因为它确确实实能够通过技术和影像传输、辅助手段能够达到面对面都无法实现的信息传递。这是我们无论直播还是点播发展的思想。

关于人工智能，您刚才提到了风口，要探索它的价值究竟在哪儿，我认为人工智能、大数据就目前的形式来看，会比VR更加有需求，应用的落点会更大，但就目前大数据来看，它的发展还处于初级阶段，数据积累不是特别多，真正到价值体现的时候还有一定的时段。我认为，人工智能最大的方向是数据积累，能帮助实现个性化的在线教育。

问：您认为，保利威视的定位是纯粹的技术服务商还是技术和产品服务提供商？ 谢晓昉：是技术和产品服务提供商。

问：AI+教育是现代教育行业的趋势，保利威视是为教育机构提供云视频服务的提供商，保利威视如何助力这些平台进行技术转型呢？

谢晓昉：我们还是注重这种数据的积累，在AI的概念没有大数据的基础无法实现之前，我希望能够跟着在线教育行业发展和用户不断涌入，我们不断地积累数据，能够通过我们的技术和算法在智能化上有所建树。

问：大数据上，保利威视相当于是在构建一个在线教育机构的大数据平台，在积累阶段，积累到一定程度以后，保利威视有没有想过很好地利用这些数据帮助在线教育更好地实现教学呢？

谢晓昉：事实上，我们有一个点，在大数据上有很好的想象空间，就是视频的结构化。视频展现的形式非常生动，数据量非常大，但有天生的硬伤，是非结构化数据，无法被检索。教育领域，知识还是始终的一个主题，如何对知识甚至知识点的搜索，在视频当中的搜索其实是很有技术挑战的方向。我们现在正在做这一块，未来在我们的平台能实现知识点在视频上的精确搜索，也就是说无论你视频之中的教学内容多么复杂，场景多少丰富，只要它出现过这个知识点通过搜索就可以让我们的学员精确地到达那个时间点，并且立即开始播放，能在海量数据知识库当中迅速定位那个知识点，这是我们对教育行业基于大数据的应用方向。我认为，这也是未来视频搜索的一个核心技术。问：保利威视未来的发展目标是什么？

谢晓昉：我刚才其实已经提到了，让我们的教育机构和企业更少地关注技术，我们能为他们做出更多关于视频以及相关技术的应用实现。

第五篇：福建省教育督导评估基础数据统计表

福建省教育督导评估基础数据统计表

（教育事业发展）填报说明

一、关于教育事业发展表一

1．主要功能：统计3-18岁人口总量，分析各年龄组人口构成和流动等情况。

2．填表说明：

（1）表中“本地户籍人口”的数据来源为，户籍管理机关、县级统计部门、人口与计划生育行政部门提供及入户调查登记。

（2）表中“本地未报户籍人口”的数据来源为，入户调查登记、学校提供、村（居）组织提供。

（3）表中“外来常住人口”的数据来源为，流动人口管理机关提供、学校提供、村（居）组织通过出租房业主调查登记。

（4）填报本表，以乡镇（街道）为单位统计时，存在“县外”和“县内外乡”的流动人群；以县为单位统计时，不存在“县内外乡”流动人群，栏目6和9的数据成等量关系，来去进出抵消，总和为零。

3．表中栏目关系：1=2+3+4，7=5+6，10=8+9，5+6≠2，10=4（乡镇统计），8=4（县统计），14=11+12+13，16=14+15。

二、关于教育事业发展表二

1．主要功能：统计九年义务教育在校学生数，分析在校学生的构成情况，本表与表一有对应和关联的关系，可以对应计算比例。

2．填表说明：

（1）表中“在校学生”，是指在本辖区内学校就读，取得学籍编列学号和列入教育事业统计年报的学生。本表的统计数据与当年教育事业统计报表（幼儿园（班）、小学、普通中学、中等职 业教育（学校）、成人教育、特殊教育综合统计报表）填报的数据应为等量或大体相当。

（2）本表“其中”栏的6个项目中，栏目9、10、11、12、19、20、21、22与表一栏目2、3、8、9有对应关系；栏目13、14、23、24“借读”指的是计入本校教育统计报表的学生数，属于学生与学籍分离情况。

（3）本表以乡镇（街道）统计填报时，“其中”栏的所有栏目都有可能存在人群；以县为单位统计时，栏目13和23“来自县内外乡”应当为零。

3．表中栏目关系：1=8+18，8=2+3+4+5+6+7=9+10+11+12，18=15+16+17=19+20+21+22。

4．本表与表一的若干关系：

（1）本表宾栏序号10和20与表一宾栏序号8的数据应当大体相当或等量。

（2）本表宾栏序号12和22与表一宾栏序号3的数据应当大体相当或等量。

（3）本表宾栏序号9、19加上表下补充统计数与表一宾栏序号2－5或2－7的统计数据，在入学率100%的情况下计算结果为等量。

（4）本表宾栏序号8和18各年级的统计数加上表下补充统计数，与表一主栏的年龄组统计数有对应的比例关系。

三、关于教育事业发展表三

1．主要功能：专项统计6-15岁三类残疾本地户籍人口接受义务教育的情况，相应分析筛查鉴定情况。

2．填表说明：

（1）本表只统计本地户籍人口。表中主栏视力、听力和智力三类残疾分年龄统计的“小计”栏数据，与表一宾栏序号11、12、13的统计数据有关联及对应关系。（2）本表各类各年级在校学生数与教育事业统计《特殊教育综合统计报表》、《小学综合统计报表》、《普通中学综合统计报表》的统计数据有关联关系。

（3）本表接受义务教育的学生，包括在本辖区内特教学校、普通中小学随班就读、非教育部门举办的特殊教育机构和辖区外学校就学的学生总数。

3．表中栏目关系：1=11+16，11=2+3+4+5+6+7+8+9+10，16=12+13+14+15。本表宾栏序号1与表一宾栏序号11、12、13的统计数有比例关系，入学率100%时成等量关系。

四、关于教育事业发展表四

1．主要功能：专项统计3-5岁本地户籍人口接受学前三年教育的情况，统计分析学前教育发展格局和普及水准。

2．填表说明：

（1）“园（班）办别”，主栏序号1、2、3、4参照教育事业统计报表《幼儿园（班）综合统计报表》分教育部门办、集体办、民办、其他部门办四类；主栏序号5“乡镇中心园”包含于其中。

（2）“适龄人口数”，专指3-5岁本地户籍人口。

（3）“在园（班）人数”，只统计3-5岁本地户籍人口，未取得户籍和外来人口不统计在内。

（4）“辖区内分类别人数”，统计辖区内所有独立设置和小学附设的幼儿园（班）的幼儿总人数，不论户籍关系和年龄，其合计数应与当年《幼儿园（班）综合统计报表》的统计数大体相当或等量。

（5）“已在小学就学”，指的是经过学前教育，提前进入小学教育的人群；未经学前教育而直接进入小学的不统计在内。

3．表中栏目关系：10=11+15，24=„（12+16）÷7‟×100%，25=„（13+17）÷8‟×100%，26=„（14+18）÷9‟×100%，27=（10÷6）×100%。

五、关于教育事业发展表五

1．主要功能：专项统计15-18岁本地户籍人口接受高中阶段教育的情况，分析高中阶段教育结构与比例。

2．填表说明：

（1）“学龄人口”，在16-18岁和15-17岁两个年龄段中，由县（市、区）根据实际情况确定，同一个县（市、区）内各乡镇（街道）必须统一。

（2）“本地户籍人口高中阶段教育在校生数”，包括在辖区内学校就学和辖区外学校就学的两部分人群。本栏统计主要在于分析户籍人口高中阶段教育入学率。

（3）“辖区内高中阶段教育分类别人数”，主要统计辖区内各类高中阶段教育学校具有正式学籍的在校生总数，不论户籍关系和年龄。本栏统计数据的作用是计算毛入学率和普职比。

（4）主栏序号20“应届毕业生数”，以学校报送、县级教育行政部门验印的初中应届毕业生毕业证书为依据统计，往届生补考补发的不统计在内。

（5）主栏序号21和22的统计数据包括本地和异地就学的学生。

3．本表栏目关系：17=（14÷13）×100%﹕„（15+16）÷13×100%‟，18=„（9+10+11）÷（3+4+5）‟×100%，19=„13÷（3+4+5）‟×100%，23＝„（21+22）÷20‟×100%，24=„21÷（21+22）‟×100%：„22÷（21+22）×100%‟。

六、关于教育事业发展表六

1．本表统计对象为15-50岁本地户籍人口。2．填表说明：

（1）主栏“普查确认文盲人数”，以《关于进一步加强扫盲工作的实施意见》（闽教基„2008‟57号）中“主要任务”的第一条要求，2008年下半年调查摸底的人数为基本数据。（2）主栏“批准免缓学人数”指的是完全丧失学习能力、持有医学鉴定证明、经批准的人口。

（3）主栏“分扫盲、脱盲人数”，除填写本表下方补充统计所有栏目之外，还应提供相应的脱盲测试资料，方可认定。

（4）主栏“ 年15-50文盲率”，标目前加年份，表明属动态统计性质。

（5）主栏“15-50岁人口数”，取当年的人口数填报。3．栏目关系：18=„4－7－（10+11）－……‟÷1×100%。

七、有关工作要求 1．关于学龄的界定

“统计表”中学龄的界定与学校教育的学年相对应，以适龄人口出生年月为准，上一的9月1日至下一的8月31日为一学龄。

2．关于“取证”工作

“取证”主要是获取义务教育适龄人口异地（招生服务区外）就学证明的一项工作，目的在于促进地方政府依法落实适龄人口接受义务教育，掌握具体情况。在招生服务区内就读的无需“取证”。

（1）“取证”对象：在义务教育招生服务区（招生片区）外就学的学生需要取证，否则不能视为在校生。

（2）证明形式：

——转学、休学和异地借读的学生，按省颁中小学学籍管理规定办理的申请审批材料，由学生原就读学校提供。

——学生就学证明书。必须具备下列基本信息：学生姓名、性别、出生年月日、户籍关系、监护人姓名，就学年级、班级，学号，由学生就读的学校提供，并加盖公章，“取证”工作经办人签字。

——其他证明材料。能证明学生在校的其它书面材料也可认 定。如学生就读学校开具的正式收费发票，班主任填写、学校盖章的学生综合素质报告单，学籍卡片和义务教育登记卡复印件、传真件等。

（3）“取证”要求：小学阶段教育，学生6周岁入学时取证一次，6年有效；初中阶段教育，一个学年取证一次，当年有效。学生在县（市、区）内异地就学的，可以由县级教育行政部门组织相关学校统一办理。非义务教育阶段的“取证”参照本规定办理。

随着“福建省普通初中新课程管理系统”、“福建省小学新课程管理系统”逐步建立和完善，届时，在省内异地就读义务教育阶段学校的学生将无需“取证”，相关工作另文通知。