2018-07-27
“欲知平直，则必准绳；欲知方圆，则必规矩” - 吕不韦 《吕氏春秋》
为什么在短短的两年之内题库便由盛转衰呢？我们稍微分析一下，就不难得出结论：题库的建设是一个投入周期长，投入成本高，但回报周期漫长的过程。粗略估算建设一个200万道题目的高质量高标准的题库至少需要超过一个亿的资金和接近两年的研发和生产周期，每年的研发和生产维护成本也不会低于两千万元。资本市场需要能够快速变现的商业模式，像题库这种周期长看不见未来变现通道的模式自然不会被资本所青睐。
K12教育测评服务从推出伊始基本上就是一个考试后结果的统计分析，或者是在线练习结果的简单分析。由于对学校，老师，家长和学生没有太多指导预测性的实质内容，所以一直不被教育界关注，也就是一个鸡肋式的产品或服务。虽然自适应学习一度被热炒，但教育毕竟具有高壁垒的地域垄断特性，而且传统教育以学校和老师为核心的观念根深蒂固。梦想通过自适应学习去替代老师教学，在现实状况下，难免会碰得头破血流。
测评的兴起及题库的复兴肇始于2017年。以传奇测评产品“提分策”为代表的测评服务类产品开始逐渐被教培行业以及公立校所接受，至2018年，测评成为教育行业的必需品。与此同时，大家开始意识到没有一个高标准高质量的题库，测评服务将无从谈起。因为测评始于“测”，然后再有“评”，“测” 中“题”是核心；而“评”后必然需要巩固和提升练习，练习也离不开“题”。但什么是适合中国教育国情的高标准高质量题库和测评呢？这个问题各教育学者专家也是众说纷纭，我在这里先抛出一套标准体系。
▼
题库标准 – LBMSA
Localization: 支持地域化题目推荐，满足各地教育水平不同的需求。
Balance: 各知识点的题目难度，题型分布均衡。
Multiple: 题目的多维度标签，除知识点、难度外，包括能力探究、解题方法思路等标签。
Structure：题目公式为Latex格式，能够自动适应在线练习和纸质组卷的多元需求。
Association：探究题目之间的关联关系，例如题目的相似程度等等，将重复题目数量压缩至最低。
测评 – SPAO
Standard: 建立固定的测评标准，能够探知不同孩子在不同试卷下对知识的掌握程度。
Prediction：对学生未来成绩进行预测，好做到提前预警，提前练习。
Adaptive Learning：自适应练习，推送适合孩子的难度适宜的本地化题目。
Optimal Route：制定最优学习路径。
2018年4月13日，教育部印发《教育信息化2.0行动计划》，国家将在未来五年继续深入推进“三通两平台”，实现三个方面普及应用。在“课堂用、经常用、普遍用”的基础上，形成“校校用平台、班班用资源、人人用空间”。这就意味着各地都需要大力建设新一代的智慧教育云平台，而题库和测评在这里面已经是必不可少的标配。另外，随着国家治理整顿教培行业力度逐渐加大，教培行业技术的提高和教研能力的加强已是大势所趋。
随着在线教育系统复杂化程度升级，一家公司难以像原来一样完成所有模块的开发。类似手机和芯片行业的专业分工协作采购模块的模式即将来临。在此情况下，题库和测评作为在线教育系统的核心组成部分也将不可避免的成为专业分工生产的一部分，而将题库看成核心竞争壁垒加以过度保护的想法已经过时了。
正是因为看到了教培行业这种行业精细化分工的趋势，软云已经在今年五月份全面无条件的开放了题库API、测评API和安卓SDK，API模块包括组卷、搜题、智能练习、过程性评价等等。我们希望通过提供这种API服务，能够帮助同行节省产品上线成本和时间周期。同时，我们也期待其他同行业者能抱着开放的心态，加入到行业分工的这个发展轨道上来。
软云的题库测评开放平台API包含老师组题，生成各种格式Word试卷，上传私有题目入库，学生智能练习，知识点测评，过程性评价及错题本等接口。合作伙伴可以利用这些数据接口自主完成前端开发，下面是某合作伙伴完成的最终界面效果。
▼
