减负、整治监管、本色教诲这三座大山把K12教诲的线下辅导机构、线上教诲压得喘不过气来，逼得不管是线上还是线下的K12教诲企业不得不面临变革，而变革的企业无一不顺势而为，屈服本色教诲、顺应人工智能教诲。
彷佛只有打着人工智能教诲的旗号，才能避开监管雷区，才能够得到成本青睐。但更多的企业也仅仅是打着旗号，并没有本色性的改变，只是利用人工智能教诲的卖点，探求新的卖课渠道，新的营销办法而已。但不管若何，现在看来，只要借助人工智能“发力”的教诲企业，都能够活得好好的。
时下的人工智能教诲是社会的一个热点、乃至是一个风口。那人工智能教诲到底是什么呢？
从现在市场来看，人工智能教诲紧张分为两个赛道：
其一，是人工智能对教诲进行赋能
紧张表示在两个方面：
一方面，人工智能赋能学校根本举动步伐，让学校、教室网络化、聪慧化。诸如：人脸识别的门禁系统、网络协同的双师教室、以及近期被广泛议论的由旷世出品的监测学生教室行为状态的人脸识别运用等等。另一方面，人工智能赋能传授教化练测评，让传授教化及学习个性化，提升教与学的效率。诸如：松鼠AI的自适应学习系统、英语流利说千人千面的学习体验等等。其二，是对人工智能知识进行教诲紧张表现在机器人教诲、人工智能教诲、编程教诲等让学生学习人工智能知识，节制编程能力。
诸如：童心制物推出的富有AIOT元素的电子积木“神经元”、优必选、乐聚的教诲机器人、大疆出品的机甲大师RoboMaster S1教诲产品等等。
从两个赛道的划分，显而易见人工智能教诲有两种不同的教诲模式。但，不管是第一个赛道的K12人工智能教诲，还是第二个赛道以STEAM教诲著称的人工智能教诲，他们都环绕着学生与学习。换句话说不管任何形式的人工智能教诲都无法分开学生与学习两者的关系。
也便是说，我们要用年夜大好人工智能教诲，就得先搞清楚学生与学习的实质问题。而从市场竞争、商业逻辑上来看现在的人工智能教诲，每个企业彷佛看起来都拥有自己一套完善、成熟的打法。
诸如：K12的人工智能教诲以知识图谱、学生画像、学生学习行为数据等个性化的做事来形成差异化乃至竞争壁垒的计策。诸如：STEAM的人工智能教诲以丰富的课程体系、优质的师资力量、软硬件产品一体化、竞赛模式等全覆盖的做事来争夺市场份额的商业逻辑。随之，学生与学习的探究也每每被忽略。从短期来看，忽略自认为不起眼的问题彷佛也没造成什么重大的“事件”发生，乃至人工智能教诲愈发火爆，入局者大到互联网巨子、小到线下教诲机构都跃跃欲试。
而从长远来看，K12的个性化教诲的确能够提高学习效率、体验，乃至有不错的学习效果。现在假设，通过这样的学习办法，终极让每位学生都成为难分轩轾的学霸，那全体社会、市场就会失落衡了。也便是普通中学、职专、大专、二本、乃至一本都不复存在，而将近1.7亿的中小学生，2700万的大学生要就得在那些一流的院校挤一挤了。
从经济学上来讲，一旦供需失落衡，全体市场就会产生动荡以至经济下行。同理，教诲失落衡，人才培养、人才供应就会涌现问题。
上述的假设可能比较不切实际，但又有谁能够预见未知的事物呢？
也不妨从比较实际的假设来看，如果个性化的学习或者机器的传授教化比西席教授来得更有效率，能取得更好的成绩，那这个更私人化的机器或许就会让西席“失落宠”，那对学生有人买卖义的启示和勾引的任务，西席还能够连续吗？
同样，从长远来看STEAM的人工智能教诲，STEAM教诲的风口必将催生越来越多不同形态各式各样的入局者。现在假设，每位学生都有机会打仗很多不同类型的产品，那人工智能知识会不会像现在移动互联网的信息一样，碎片化、内容参差不齐。而，对付辨别力还不是很敏捷的中小学生来说，人工智能的哪些知识是值得学习的、哪些是没必要深入的，我想他们可能分辨不出。
以是，人工智能教诲的实质还是教诲，教诲就必须得环绕学生与学习。不管是AI时期的AI教诲也好，或者是未来时期的未来式教诲也罢，学生与学习之间的关系都是永恒的，是学生就一定得学习，要学习就要把自己当做学生。由此，本文将从7种新的学习办法，来聊聊新的学习办法对学生学习有何影响。
新学习办法
作甚新的学习办法，顾名思义便是跟传统学习办法有差异的地方，而传统的学习办法便是我们耳熟能详的以应试为主的先教后学再考、题海战术、千人一壁的PPT的传授教化方案、唯分数唯成绩论的学习。
反不雅观，一贯以来实行的本色教诲，以先学后教再测的翻转教室、慕课，以千人千面的个性化学习，以资源共享、网络协同的双师教室传授教化模式为代表的所谓新型的学习办法。
除了应对应试教诲的个性化学习办法之外，当下的本色教诲、人工智能教诲还需哪些学习办法才能够在传授教化模式、教诲理念上进行变革呢？
或许，还有这几个学习办法须要我们关注，游戏化、社交化、协作型、问题式、自主型、探究型、项目式等7个。
个中，可根据学生与学习的关系，将上述学习办法划分成学习生理、群体生理、传授教化生理这三类，依次对应：游戏化、自主型；社交化、协作型；项目式、探究型、问题式。
1. 游戏化
对付学生来说，假如学习像游戏一样好玩、轻松，像游戏机制一样有极大的吸引力，那可想而知，他们就会把升级打怪的精力全部都放在学习上，游辱弄法计策就都利用到学习方法上了。
当然，令人神往着迷的游戏也不仅仅有这几点魅力，就像前一篇写到文章《市场剖析：爆款玩具难再现》，游戏之以是能够比玩具更有吸引力是由于它拥有4大法宝。
对此，游戏化的学习体验，相信能够引起学生的关注、兴趣、神往。诸如：现在的少儿英语、少儿编程、早教等产品很多都利用游戏化的元素，结合游戏通关的机制来触达用户。
2. 自主型
自主型，显然是让学生有权利选择自己感兴趣的事物进行学习，而在应试教诲系统编制下，学生的选择余地并不大，他们除了为考试而学习外，做其他事情彷佛得不到父母支持，乃至被受限。
正如前阶段热播剧《小欢畅》，就把应试教诲与家庭教诲表示得淋漓尽致一样，除了高考其他的兴趣、爱好都不受待见。
剧中，乔英子可谓是学霸，但她没有自主选择兴趣、专业的权利，完备受限于她母亲宋倩。她母亲不让她玩乐高、不让其填报南京大学，甚至末了乔英子没抵挡住父母、学习的压力而得了郁抑症。这部剧便是在描述当前教诲与家庭的现状，推举你看。
反不雅观，假如学生有自主选择的权利，他们就会对自己所做的选择负任务，就会由于任务而自主学习、努力以抵达目标。就像乔英子的梦想是研究宇宙、邀游太空，虽然兴趣、选择多次受阻，但她依旧朝着梦想奋进，由于她会对梦想负任务。
从中，我们也可以创造，对付学生们来说，兴趣驱动的事物每每会有更大的精神支撑，会有更持久的战斗力，会更自主。显然，现在的STEAM教诲便是为兴趣而生，但彷佛缺了什么？这个迷惑暂时保密。
3. 社交化
社交是我们人类赖以生存的刚需，也是作为群居动物的生存法则。所谓，物以类聚人以群分，是有数据依据的，据调查研究创造，学习成绩好的学生周边的同学成绩也不赖。（打消分外情形，综合考虑）
当然，这并不是教唆学生都跟所谓成绩好的同学相处或排斥其他学生。我想解释的是，为什么会有此种征象？
实在这种征象也并不是什么巫术，你想，当一位成绩中上的学生与几位成绩精良的学生聚拢在一起后，他们会干嘛？
我想，他们会谈论学习或者与学习干系的事情，为什么。由于学习干系的事，是成绩精良学生们善于的东西，他们当然渴望在群体中得到认可、造诣感，以是成绩精良的学生之间会由于某个问题的最优解而辩论、而这过程的批评性思维便是社交后的收成。你想，自己跟自己能辩论出什么东西来。
当然，成绩中上的学生可在寻求最优解的探究中学习，向成绩精良的同学学习，久而久之，他们就会被学习氛围所带动，传染。而实在这类群体的学生也并不是炮灰，他们也可以从自己善于的领域切入，来得到存在感、参与感。其余，由于强者不认输的志气，以是成绩精良的学生是不是可以从中学到自己并不善于的领域的知识。
反不雅观，假如不进行社交，他们之间就无法相互学习，无法感想熏染到群体带给他们强烈的造诣感。当然，现实生活中的社交好处更是不言而喻。
同样在上一篇文章提到，现在的智能玩具-编程教诲产品有一个软肋便是无法做到网络协同，在线化社交，这也让其产品失落去群体的优胜。
4. 协作型
一个人走得快，但走不远，这便是团队的力量。分开团队的协作、互助，我们难以完成一件需多方资源参与的事情。
那学习上假如进行协作，会有什么预想不到的事情发生呢？
可以这么假设，如果在一次韶光紧张且干货多的讲授课中，假如仅凭一个人的记录，可能是会遗漏些。但，假如事先约定好，进行默契的合营，或容许将整堂课主要的内容一字不落的记录下来。
反不雅观，STEAM的人工智能教诲，在实验作品的输出，比赛作品的制作过程中，更是不能忽略团队的协作的浸染。是可以分开团队独立完成，但毕竟一个人的聪慧是有限的，没有了头脑风暴、群策群力，或许作品的创意不足或者创新性不强，乃至完成度达不到预期。
但，从这些场景也仅仅能看到协作的表面。现，仔细想想，大概我们可以创造协作背后大概面临着竞争、磨合、伙伴、角色这个飞轮。
团队的形成或许正是这一流程，想想学生们参加的竞赛为什么大多是团队式的，从政府顶层设计的目当然是促进学生之间协作的教诲目的，但假如从学生的角度来看，实在是由于比赛是竞争式的，以是须要站队，结伴而行。这也便是为什么学生们要寻求参赛团队的根本缘故原由。
显然，团队存在的目的不纯挚是为了在气势压倒统统，竞争意识是触发形成团队的因子。而团队的真正建立，是要经历一场乃至多场赛事的磨合，才逐渐清楚哪些人适宜这个团队，团队中的每个人依依适宜什么角色，扮演什么角色才能够发挥他们各自的竞争力。
只有如此反复的运转，大浪淘沙后才能找到志同道合的人，才能够拥有竞争力的Team。反不雅观，现在的学生参赛团队，要么共同经历过一次或多次比赛就散了，要么在学业结束后不得不闭幕，散场。
我想，STEAM的人工智能教诲，该当试着冲破这种情形，做到让学生在教诲过程中组建一支强有力的团队，走出校园、走向社会、走向岗位乃至走向天下、未来。
末了，我们聊聊现行的STEAM人工智能教诲在新的学习办法的协同下，能否助力本色教诲的发展。
5. 项目式
在编程教诲盛行的时下，或许你对项目式学习（PBL）并不陌生，为什么该学习办法会如此盛行呢？
我想，一来是跟编程教诲的形式有关，编程教诲需以项目为依托，以实际的物品、问题，以虚拟作品创作为载体，从而通过输出来考验或测试编程教诲的学习情形。
二来是跟项目式的流程有关，时下对本色教诲的呼吁，无非是为了演习、培养学生的综合素养、综合能力。而项目式的传授教化或学习过程正符合综合能力的演习。
从创意/新想法的产生足以判断该学生具备独立思考的特性，而产生的创意一旦被进一步剖析，开始剖析创意的可行性、新颖度并对创意进行发散的构思，这足以展现该学生的知识储备及生动的思维。
直至进行到方案和问题的拆解阶段，这对学生的创新及办理问题的能力具有极大的磨练，也是形成履历的阶层。
而行动、履行更是显而易见，这是对一位学生行动力、驱动力以及动手能力的稽核。末了的评估及优化，实在是反响一位学生的追求程度、看待问题的态度，乃至剖析问题的能力。
反不雅观，实际的STEAM教诲，每每忽略该传授教化过程的。
6. 探究型
探究，顾名思义是对一件事进行追溯，以遐想、创造更多相似的知识。不知道你们当时是否偏科甚至对某门课程无比热爱，而我便是一个数学狂。当时，我学习数学的态度可以用探究来形容，由于我时常会因一道题没解出来，而花很多韶光去研究它，以至解出并从中创造一些规律或者说最优解。
而研究，实在是在不断推翻自己的假设，验证提出的假设，以及对假设做出的结论进行质疑的过程。这一持续的过程，是不断刷新自己的解题思路，更是不断演习自己批驳性思维。
反不雅观，STEAM教诲的作品输出也好或者人工智能理论知识学习也罢，实在更多的是短缺质疑的环节。
诸如：学生们利用电子积木搭建一个避障小车的物联网运用时，他们会提出自己须要的假设，比如设想，红外检测传感器的检测间隔设定多远，检测到障碍物时右转还是左转。
在看似没问题的假设后，开始进行试验，此时他们已在小车前方安置了传感器，并设定好“检测到障碍物时-实行右转的程序”，在正常的条件下进行验证，实际每每会按照预期实行。
由此，他们会终止此项运用的探究。但，这过程实在更故意思的是提出质疑，比如：假如旁边两侧、后方，都有其他的小车来撞击自己时，该如何是好，是否考虑全方位安装传感器。比如，障碍物是否太小甚至检测不到，障碍物是否透明甚至传感器无法进行判断等等，环绕运用进一步探究的问题。
而上述的质疑，实在便是不断提出问题、创造实质问题的过程，这也便是末了一个学习办法。
7. 问题式
如果上述的避障小车运用到实际的自动驾驶汽车上，后果相称严重。可能我们不应该将学生的作品与实际产品对应起来，但想想，如果人工智能的教诲是分开实际场景或实际运用，那人工智能教诲的意义是否缺失落了？学生们认识到的人工智能仅仅是一个雏形，乃至是一个产品、运用的模型。
那有朝一日，他们实际开拓时，会不会按照之前的思维进行设计，设计有缺失落可用性、缺失落安全性、缺失落代价性的产品来。
以是，在实际的传授教化中，实际的创作过程中，我们该当教授他们将人工智能的知识深入到实际场景中，在实际的环境中创造运用最关键的问题，创造产品最实质的问题。也便是应对每一个项目、每一份作品、每一个运用时，需环绕运用最核心的部分，多多质疑，多多提出问题，多问为什么，以使来反复校正自己的对运用的认知。
正如前面提到，当AI产品越来越多样，越来越凌乱时，学生怎么辨别出哪些东西该学，哪些不该学。我想，此刻的答案该当是，学那些离我们实际场景最近，对实际运用最契合的知识。
反不雅观，现在编程教诲、人工智能教诲，它们离节制实际的人工智能技能、运用到底有多远呢？希望引发你的质疑。
作者：林溪成；微信"大众年夜众号：预见产品，关注STEAM教诲、K12教诲、AI
本文由 @预见产品 原创发布于大家都是产品经理。未经容许，禁止转载
题图来自Unsplash，基于CC0协议