最近，人工智能儼然是炙手可熱的詞匯。非人類的小冰出版了首部人工智能詩集;AlphaGo在時隔一年后的巔峰挑戰中擊敗世界圍棋第一人柯潔;智能機器人參加數學高考并且PK人類的高考狀元;人工智能幫助高考考生填報志愿。人工智能在不同的領域，不斷沖擊著我們傳統的認知。

　　隨著算法和計算能力的大幅度提高，深度學習在人工智能神經網絡優化方面獲得巨大突破，人工智能迎來了前所未有的發展良機，人工智能進入教育的步伐也在加速。百度教育把智能化定位為企業新戰略;科大訊飛自然語言解析技術在語言測評中獨占鰲頭;現代中慶推出中慶智課提出錄播與人工智能的融合……

　　錄播采集課堂教學資源，促進優質教育資源共享的特點，使得錄播系統成為教育均衡發展最為重要的基礎設施，得到多方面的重視，在短短幾年的時間，教育錄播市場的火熱足以用井噴來形容，在很多城市錄播教室幾乎成為每一所學校的標配。但是在大規模建設的同時，我們也常常看到在失去了行政推力之后錄播教室成為擺設，教師不愿意使用的情況。

　　這一公認優秀的教室形態，卻在實際的應用中遇到阻力，不由我們不去思考。一個優質的教育模式應該是形成閉環，讓這個環節上的每一個節點都能受益，這樣才能充分發揮它的價值。用這一標準來檢驗錄播最常見的應用：錄制堂課教學——上傳平臺——平臺展示——直播和點播，我們看到這是一個單線程的應用，錄制的資源并沒有形成閉環，沒有返回到課堂對教學產生作用，作為這一鏈條起點的教師使用意愿自然不高。

　　如果在錄播采集課堂資源的基礎上，將這些資源價值化，回饋并服務于課堂，讓這一鏈條閉合起來，這就能夠解決錄播教室當前遇到的問題。這里有必要提到錄播的另一個公認的價值屬性——錄播的核心價值是采集教學大數據。按照當前每所學校都建設錄播教室的趨勢，全國60余萬所學校，即便按照一個學校一個教室最低2路高清視頻計算，每小時將產生2400T的數據，這是何等海量的數據。

　　我國教育大數據開發利用已經具備一定基礎，擁有了大量的資源數據和管理數據，但也面臨不少問題，其中一個最主要的問題就是我們的數據多是結果性數據，而并不是及時的、過程性數據。恰恰錄播所采集的數據就具備了即時性和過程完整性的特點，只是由于技術的制約，難以把音視頻資源轉變為有效的結構化數據，說了很多年的錄播大數據遲遲沒有落實。

　　中慶推出人工智能技術的錄播，讓我們終于看到了錄播大數據姍姍來遲的身影。

　　錄播系統錄制下來的是音視頻文件，這是一種非結構化數據，無法通過計算機進行數據細分和檢索。要讓音視頻文件成為有用的數據源，必須把文件轉化為結構化數據。之前很多錄播廠家都宣傳能夠自動進行ST行為分析，細究其原理，技術核心是通過自動錄播的跟蹤策略判斷師生互動特征，通過這一方法的到的數據準確性和實用性都存在問題。人工智能技術的出現，可以說是真正找到了錄播數據結構化的鑰匙。

　　利用深度神經網絡的人工智能技術最廣泛的應用是在圖像分析和自然語言處理方面。通過圖像分析對錄播數據進行結構化處理，首先進行目標檢測定位以識別人物個體信息，再根據教師和學生的不同行為特征進行編碼并確立基本模型，人工智能經過大量數據的自我學習，能夠確保這些數據越來越準確。錄播系統即時采集的課堂視頻，經過人工智能技術對教學行為的量化和分析，得到包括教師和學生在內每個人的個體數據，這是一種即時性的教學大數據，完全可以同步反饋回到課堂。

　　圖：利用RCNN實現目標檢測定位

　　大數據有利于促進個性化學習和差異化教學。面向課堂教學，人工智能可以反饋班級整體數據，識別班級中不同區域的學生的活躍指數，分析教學測試結果;還可以細致到對每一個學生的學習行為進行分析，例如識別學生當前的課堂狀態，是否出勤、是否專注、積極舉手亦或是開小差等等。教師通過這些數據，就可以在保障教育規模的情況下實現差異化，教師可以根據學生的不同情況采取一些個性化的方式。學生也可以通過自己的大數據，有選擇的進行個性化學習，更加高效地獲取知識。在大數據下，整個學生的學習行為可以跟蹤記錄，并進行進行量化分析，這將有利于從本質上認識學習的發展規律，為差異化教學提供科學的依據。

　　圖：教學行為人工智能分析

　　人工智能大數據可以支持課堂教學行為量化分析和研究。在傳統教研中，我們對教師教學行為的診斷多是經驗性的感性判斷。隨著教研的發展，數據分析開始被采用，通過數據來精確解剖課堂教學，用人工評價一節課，往往需要6-8人對不同行為數據進行采集，每一個行為標注都不能遺漏，這對教輔人員的數量以及人員的專注力都是很高的要求。簡單重復的事情讓機器去做，人工智能錄播就很適合做這樣的工作，數據采集過程全部自動完成，結合學科優秀教師常模進行數據分析和比對，我們的教研在課堂中就能完成。甚至年輕教師在課堂中就可以通過和優秀教師的數據比對，及時發現并調整自己的不足，教師專業成長在常態教學中就能逐步實現。

　　當我們能夠得到學校或者區域內所有教師和學生的個性化數據，進而可以建立起優秀教師常模，挖掘規模化學生學習特點、探討優秀學校基礎數據特征等等，對于教育管理者來說這些數據完全可以支持我們延展到更廣闊的教育應用。

　　即時性和過程性的錄播大數據被人工智能激活，錄播不再只是課堂教學中客觀的記錄者，而是回歸課堂，融入到教學和教研中，成為學習的參與者和研究者。人工智能下的錄播大數據為我們的教育敞開一扇全新的大門。當錄播成為教育基礎數據源頭，不難想象錄播將像當年的計算機一樣普及到每一間教室，成為教育信息化的基礎設備，實現和常態化教學的真正融合。