[EP47]Liang | 当视频生成遇见 Learning Analytics：一个人如何挑战教育系统？
Notas do episódio
Hello 大家好，欢迎来到教育AI智造者播客。
很多AI教育产品，都会从一个看起来很熟悉的方向开始：生成课程内容、生成讲解、生成题目。
但这一期的嘉宾Liang，选择了一个非常反直觉的路径。
他做的产品 EduNest(http://edunest.app/)，表面上看是一个 AI视频讲解工具：学生可以问一个问题，系统会生成动画视频解释知识点。
但真正有意思的并不是视频生成本身。他真正想挑战的，是一个通常被认为只有教育研究团队和数据科学团队才能做的系统：Learning Analytics —— 学习分析系统。
在传统教育技术体系里，学习分析往往依赖：
- 大规模学生数据
- 复杂的学习行为建模
- 教育研究团队
- 数据科学团队
而梁尝试用一种完全不同的方式进入这个问题：
从 视频生成 + 交互式解释 切入，通过学生与AI老师的互动过程，逐渐构建学习行为数据，再反过来形成学习画像和学习分析。
更极端的一点是——他几乎是用 一人公司 的方式在推进这件事情。
一个人：
- 写代码
- 设计产品
- 做AI架构
- 跑市场
- 跟老师学生沟通
在AI工具的帮助下，他半年消耗了 20亿 tokens，生成了 超过百万行代码，并逐渐把产品从一个内容生成工具，演化成一个包含 AI老师、学习分析、学习画像 的学习系统。
这期节目，我们试图一起拆开几个问题：
- 为什么视频生成可以成为学习分析的入口？
- AI老师如何通过提问来理解学生的学习行为？
- 一个人是否真的可以构建系统级教育产品？
- 当AI让个体拥有接近系统级能力的时候，教育的权威会发生什么变化？
如果说过去教育系统是由机构、专家和组织共同构建的，
那么今天，一个人和一群AI工具，或许已经开始尝试重写这个结构。
🧭 内容大纲🎮 从课堂小游戏开始的AI产品- 最初的需求其实很简单：老师希望在课堂上做一些互动小游戏，例如单词配对、单词消消乐
- 一开始是模板化工具，但随着AI编程能力提升，逐渐变成 AI生成代码的开放系统
- 一个看似小的需求，慢慢演化成一个更复杂的产品方向
- 学生拍一道数学题，系统可以生成动态动画进行讲解
- 例如绘制函数图像、改变参数，让学生直接看到概念如何变化
- 抽象公式变成可以观察的动态过程，学生理解方式也随之改变
- 学生和AI老师之间的互动，其实天然产生大量学习行为数据
- 系统可以观察学生在哪里困惑、在哪里停留更久
- 内容生成工具逐渐演化成 学习分析系统的入口
- AI不会直接给答案，而是通过不断提问观察学生的理解状态
- 根据学生回答调整解释方式，例如图像解释、文字解释或进一步提问
- 这种方式和教育学中的 最近发展区（ZPD） 非常接近
- 传统学习分析依赖大规模数据和复杂研究团队
- 这个系统尝试从 单个学生的学习轨迹 出发逐渐构建学习画像
- 学习分析不再只是统计系统，而是和学习互动本身融合在一起
- AI编程工具让一个人也能完成过去需要团队完成的工作
- 半年时间消耗约 20亿 tokens，生成超过 百万行代码
- AI正在改变软件系统的生产方式
- 过去教育系统往往由机构、研究团队和专家设计
- AI让个体第一次拥有接近 系统级构建能力
- 当一个人也能构建学习系统时，教育创新的方式可能会发生变化
-----------------------关于伊伊子----------------------
伊伊子的小红书传送门
----------------------关于听友群-----------------------
如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧点击链接，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊
请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！--------------------相关词介绍-------------------
Learning Analytics（学习分析）
Learning Analytics 是教育技术领域的重要研究方向，指通过收集和分析学习行为数据来理解学生学习过程，并优化教学策略。传统学习分析系统通常依赖大规模数据、复杂算法和教育研究团队，通过分析学生行为、学习路径和学习结果来构建学习画像，从而实现个性化学习和教学决策支持。
AI Teacher（AI老师）AI老师是一种基于大语言模型和交互式系统构建的教学代理，它不仅负责回答问题，还会通过提问、引导和反馈来帮助学生理解知识。与传统自动答题系统不同，AI老师更接近人类教师的教学方式，通过逐步引导学生思考，帮助学生建立概念结构和理解过程。
Multimodal Learning Explanation（多模态学习解释）多模态学习解释指通过多种信息形式来帮助理解知识，例如文字、图像、动画、声音和交互。研究表明，多模态呈现可以降低认知负荷，使抽象概念更容易被理解。在AI教育产品中，多模态解释通常通过生成动画、图表和可视化过程来实现。
Learning Profile（学习画像）学习画像是通过长期学习数据分析构建的学生学习模型，它描述学生的学习能力、知识结构、学习习惯和认知特点。学习画像不仅包括知识掌握情况，还包括学习行为模式，例如是否主动探索、遇到困难是否求助、学习节奏是否稳定等。
AI Agent（智能体）AI Agent 指能够自主执行任务的智能系统，它可以根据目标不断调用工具、进行推理并调整行动。在教育场景中，Agent可以承担不同角色，例如教学Agent、学习分析Agent或内容生成Agent，通过协作完成复杂教学任务。
Metacognition（元认知）元认知是指个体对自己思考和学习过程的认识与调节能力，例如知道自己是否理解某个概念、是否需要重新学习某个内容。教育研究认为，培养元认知能力可以显著提高学习效率，因为学生能够更准确地判断自己的理解程度并调整学习策略。
Learning Behavior Data（学习行为数据）学习行为数据是指学生在学习过程中产生的交互信息，例如提问、答题、停留时间、修改答案、查看解释等。这些数据可以反映学生的学习策略和理解过程，是学习分析系统的重要数据来源。
Human-AI Augmented Learning（人机增强学习）人机增强学习指人类与AI系统共同参与学习过程的模式。AI不仅提供信息，还能根据学习行为提供反馈、引导学习路径，并帮助学生建立理解结构。这种模式被认为是未来教育的重要发展方向。
Solo AI Company（一人AI公司）随着AI工具能力提升，个人开发者可以借助AI完成产品设计、编程、运营和市场工作，一人公司成为新的创业模式。这种模式在软件和AI产品领域逐渐出现，使得个人也有机会构建复杂产品系统。
Knowledge Visualization（知识可视化）知识可视化是通过图形、动画或交互式结构呈现知识关系，使学习者能够更直观地理解复杂概念。在数学、物理等抽象学科中，可视化尤其重要，因为它可以把符号和公式转化为动态变化的过程。
在小宇宙查看该单集文稿