对话“阿凡题”创始人：要怎样才算是一个“教

你可能对“互联网教育”这个概念已经听的有些厌烦了。的确，在互联网教育领域，尤其是K12领域，尽管风口已经被说了无数遍，可是“风”到现在却还没到。一个又一个的教育产品要不就是过于空泛得不到家长欢迎，要么就仅仅是把原有的概念用互联网包装一下，真正有价值的东西屈指可数。

现在看，真正受到市场上欢迎的，反而是具有浓重的应试教育色彩的“做题类应用”。但是这一类的产品也引起了很多争议：其一，它几乎是在鼓励学生抄答案。其二，它从另外一个方面，似乎也让“题海战术”愈演愈烈。

“阿凡题”是一家深耕于教育产品的创业公司，在此前，他们为人所知的是通过深度学习，对于图片题目的超高识别率。但“阿凡题”创始人陈李江却告诉我，“拍照搜题”已经不再是他们的目标。他们现在的目标是：像Uber 配置司机一样，为每个有疑惑的学生配置一名最专业的教师。并且以此入手，了解每个学生的个性化需求，改变“千人一面”的教育状况，真正重构教育。

听上去很宏大，但这是不是又是一个利用“XX的Uber”进行的炒作？搜题与打车这两个看上去风马牛不相及的需求，又有哪些相似之处？以下是我们的对话实录：

PingWest：我看你们的产品说明里面，给我的印象是强调“一对一辅导”，但是这其实上已经是个比较旧的概念了。

陈李江：我们这个概念抛出来之后很多人只会看到“一对一”，其实我们重点并不在强调“一对一”，而是“即时辅导”。我们强调这两个字“即时”，学生需要的时候，它就马上可以出现，这是Uber模式的本质——按需服务。所以你可以把它叫做“教育界的Uber”。

PingWest：但是有个区别，“即时”对于要打车的人肯定是非常重要的。在教育里面，真的是一个非常重要的因素吗？再说，你们能够有多即时呢？

陈李江：当然重要。我举个例子，我们在用户调查中发现一个有意思的情况：不是学生不想学习，其实很多学生哪怕是差生，也有那么一刹那间很想学习。但是他想学习的时候却常常无法学习。我们去学校调研，我们问学生：上了这节课你有什么听不懂的地方没有？90%的学生都说没有，但一旦回去做作业你会发现问题就大了，一堆的作业不会做，学生自己也不明白。其实，学生需要辅导是周一到周五晚上做作业的时刻，但是辅导的时间却经常是他想玩的周末。这就是我们提出“即时”的意义，我们要在30秒之内找到能帮你的老师，这是别人做不到的。

PingWest：30秒？包括晚上？

陈李江：基本能说是24小时，因为到下半夜了需求小，但老师也有夜猫子，满足需求是没问题的。

PingWest：那你们会辅导学生多长时间？

陈李江：每次的辅导基本在5分钟左右，长的大概在10分钟左右。这是我们辅导的特性，就是点到为止。接下去该看书看书，该睡觉睡觉，该玩玩。按需服务，点到为止。这是我们跟别家最大的不同。

PingWest：但老师跟开车毕竟是不一样，司机去哪都是一样，老师要备课，他怎么能无预备情况下在5分钟之内突然看到一道题，就把它讲得很好呢？

陈李江：首先我们面试的都是一线教师，他们每天在一线工作，接触很多学生的问题，所以他们能够在很短时间内判断这道题他懂不懂、会不会、能不能做。在这些老师中，我们也会在筛选机制上选出那些优秀到可以做即时服务的教师。

题目也有分类，简单题和常见题，好老师一分钟就能解决。而真正有一定难度的题，可能老师需要一定的思考过程。但阿凡题最大的服务是机器识别，也就是人工智能的方式。所以老师讲解过程中，虽然遇到难题、新题可能会卡住，但阿凡题的搜索和题库已有的信息不仅可以帮到学生，还可以帮到老师。所以老师在给学生讲这些辅导的时候，也会有信息参考，目前包括对题的解析以及题目的分析过程等，这样能让老师讲得更好一点，提高他讲解的质量。

最后，我们还会积累学生的信息。很多老师可能第一次遇见学生，并不了解这个学生以前的学业情况。这就是我们的机会，但当我们有足够多的数据，系统就可以马上把这些信息反馈给老师，我们用新的技术和数据帮助老师最快速地反应、最快速地实现个性化教学。

PingWest：一般我们都习惯了教育最好是一个持续的过程，如果每次老师都不同，如何保持教育和思路的持续性？

陈李江：我们的系统里也考虑到这个问题，对比我们自己跟Uber的时候我们发现教学的过程跟你在线下找出租车有很大的不同。教学是个长期的过程，而且学生一旦认定一个老师，就不愿意再换。所以在我们的系统里，我们跟竞品很大的区别就是允许学生“收藏”一个老师，或者帮助他们形成一定的粉丝关系。这有点像微博里面粉丝跟大V之间的关系，你可以关注老师，提问的时候可以定向提问，可以跟他约好什么时候辅导。一旦粉丝关系形成之后，学生对一个老师会慢慢产生依赖，你会看到学生会时不时地@这个老师，甚至经常@这个老师，这样他们就形成固定关系。

PingWest：那最初我怎么知道一个老师好与不好？靠专家团？还是纯粹靠用户评论？但用户评论，毕竟它跟打车不太一样，它是主观的，存在差异性。你又不能把每个老师的录音都听一遍，你怎么做到最好的评价方式？

陈李江：专家组这些人一定是喜好符合平均价值观的，他教出来的往往是千人一面的那种“好老师”。但是学生状态不一样，需求不同，我们更愿意放在用户这端来决定。

PingWest：用户怎么决定？他们看到的是随机的老师。

陈李江：随机才有很多可能性。现在是随机，学生和老师的数据我们还没有充分用起来，但如果用起来之后我们就知道一个老师的讲课风格是什么样的，一个学生自己的情况是什么样的。因为推荐算法很成熟，智能匹配能让我们为学生推荐更多适合他的老师。

PingWest：那智能匹配怎么做到呢？老师和学生怎么通过数据来操作？

陈李江：分两个部分。一部分来自老师给学生的评价，这个评价里老师会给学生打上各种各样的标签。譬如说他在学习表现上到底属于中、好、还是差，他对知识点的掌握水平等等。此外用户行为也会提供很多数据。比如年级、学科，甚至他性格的特质。随着学生找老师次数的增多，这个数据会越来越精准，长期以往就会有大数据。