朗播的教研已經低調了十年， 不能再低調了。
過去長時間以來我們對教研的理解是什麼樣的狀態呢， 基本上大家一說到教研的時候，
第一個事叫做出教參， 體制內的學校幹這件事特別多。 大家知道以前讀中學的時候， 一般地方上有一個機構叫做教科所， 就是寫教參， 出考卷， 很多人理解教研就是出一些教學參考書或者考試題， 這個就是教研了， 這是多年前最基礎的理解。
後來我們看到很多培訓機構， 大家經常說我們今天下午開一個教研會吧， 基本上就是教新老師講課， 這是第二個大家對教研的理解。 後來大家想了一個兇狠的詞——批課， 什麼叫批課？基本上路徑就是老師在上面講， 下面一堆老師惡狠狠說你這講的不對， 那講的不對。
大家想一想， 過去在這件事上我們批的是什麼， 我們批的是， 第一你講課的狀態到底對不對，
還有一個就是討論一下， 這個題， 張老師你是怎麼做的， 李老師這個題答案應該選哪個， 我們應該怎麼給學生講， 聊著聊著就變成這種狀態。
後來把這件事升級了一下， 現在很多老師講課講不好怎麼辦， 我們要做標準化， 這個詞也是差不多在 2012 年、 2013 年， 或者再早一點 2010 年有人說做一個標準化課件， 很多機構專門成立部門幹這件事。 一開始很多老教師對這件事很抗拒。 後來他們找我， 我說可以， 拿走， 這些東西也是公開的， 教考研的都可以抄我的， 我怕什麼呢。
而且別的老師不可能拿著你做的課件講課，
首先， 教研到底要幹什麼， 在我們公司，
我一直說教研是要以產品作為輸出成果， 大家可以衡量過去做過的所有教研， 如果你的教研沒有產品作為輸出成果， 你這件事絕對沒有做好。
最早我跟坡叔還有老羅這些人聊的時候，
所以大家在整個的教研過程當中， 我們始終要秉承一個概念， 就是有產品輸出。 那什麼是產品， 今天我要產生一個產品， 這個產品應該是什麼。
在我看來， 在語言學習這個領域， 不管是考試還是非考試， 產品大概有幾種：
第一種就是圖書， 這是大家最容易看到的標準化的產品。 你作為一個老師， 講課的經驗特別豐富， 並且已經形成了一套可以適用於所有人的方法論， 這時候請你做一件事， 你想想能不能把你這套東西寫成一本書拿給所有人去看。 比如說 GRE 填空六步法， 我當時提出這個方法以後，大家覺得不管你的基礎好不好，不管你以前有沒有接觸過 GRE，所有人都可以用這個方法。講了若干年以後，我們另外一個總監郝海龍老師，他說這個一定要變成一本書，他執筆寫，把我的想法落實到書上了，我主要的貢獻是寫了序言:D。
但圖書畢竟還是一個比較簡單的東西，第二個是課程。我認為課程也是教研輸出的東西，教研輸出的不應該是張老師應該怎麼講課，李老師應該怎麼講課，而是我們設計一套課程，這套課程可以系統性解決學生的某些問題。
這個課程如果建立在講題的基礎上，還是沒有進入到真正的教研輸出產品的狀態，因為講題這個過程不可能系統化的呈現，要想系統化呈現還得有方法論作為支撐。
比如寫作這個東西有沒有方法論，肯定有的，但一講就變成了詞彙替換，就變成了怎麼把文章的句子寫的看起來更複雜。我認為其實就是三個方面，結構、內容、語言。
再比如口語，現在方法論層面做的最不好的學科，口語容易講的天馬行空，所以老師講口語課的時候，要麼一上來就秀自己的口語，他是不斷用各種各樣的方式讓學生覺得他的口語好，學生覺得老師牛逼，但學生自己還是不會，這叫沒有方法論的支撐，課程就變成這樣。
教研就是來解決這樣的問題，我們要輸出有方法論支撐的課程體系。
第三個叫做學習產品。這個東西是最難的，但是過去你會發現傳統的培訓機構在這件事上不作為，不作為的原因很簡單，因為他不會。
舉個例子，你跟學生把單詞講完了後說我們有一套背單詞的方法，基本的方法是很多老師花了大量的時間解釋買哪一本詞彙書，然後學生買了一本詞彙書以後按照自己的方法背，基本處於自娛自樂的狀態。你想一想如果我們講一個背單詞的方法，這個事講完了，是不是可以有一個工具，讓學生按照你講的方法把單詞背了。那麼這個產品應該長什麼樣，是一本詞彙書，還是一個 APP，還是一個小程式，這就是一個非常簡單的學習產品的概念。
沒有學習產品支撐，整個學習過程有 70% 是空的。這就是學習產品也是教研要輸出的東西，在很多程度上，我們有一個最基本的原則，我們的教研部門要做的事情，就是發起這種最底層的需求，我們應該做什麼樣的學習產品，這個產品是不是真正能解決學生的語言能力改善的問題。
今年大家談一個概念很多，就是區塊鏈，很多人問我說我們可以不可以把教研放到區塊鏈做，我個人有非常強的保留意見，教研的中心化特徵太明顯了，而且還不是完全分散的。
好幾年前我有一個想法，網上有大量的獨立教師存在，我當時想搞一個獨立教師聯盟，當時聚集了一大批人，我想讓大家在一起做做研討，每個人貢獻一些自己的力量，把一些事情做的更好。後來發現根本不行，因為所有人都是站在自己的角度想這個事情，而且完全是孤立的，互相之間也沒有任何的分享，導致的結果就是各幹各的。
所以你會發現我們做的所有教研有一個非常強的指導思想，我們就是要用技術、產品解決問題，所以我們全公司往這裡面投入來做這件事。
我們說資料化教研的基礎是什麼呢，一定是內容標準化和產品化，我們必須把內容做成一個標準模型才能在上面跑演算法，我們有 AI 有大資料，必須具備標準化的模型，否則是無法用這些資料做產品反覆運算的。
對於教研來講，我們需要什麼樣的資料能夠讓教研做的更好，比如剛才提到我們要做產品，我們要有圖書，有課程，這些東西都是要建立在標準模型基礎之上，這不是做一個課件就完事了。
我們需要什麼模型呢？將整個學習過程劃分為兩塊，一塊叫知識傳達，這塊大概解決 30% 的問題，另一塊叫吸收內化，可以解決 70% 的問題。過去培訓機構基本都停留在第一個環節——知識傳達，不管下面多少人，吸收內化這一部分根本解決不了。其實這30% 是師傅領進門，這 70% 是修行在個人。
就有人說，我們是不是可以在知識傳達階段搜集資料，現在一些機構在做用人臉識別技術，聽起來很牛逼。
其一，上課的時候採集到的學生面部表情和情緒，其原因很可能是與上課無關的，例如和朋友吵架、家裡有事。其二，我自己去體驗過，站在攝像頭跟前，螢幕上一會憤怒，過一會焦慮，過一會惆悵，其實我臉上一點表情都沒有。這件事它確實能夠採集一些資料，但是有效性很差。
還有人說我們是不是可以搜集聽課過程中的資料，比如哪個地方暫停了，重放了，就能表明一個學生的特徵。那你想一想這有多少可能的原因，也許是接了個電話，也許是取了個外賣。
這個我們叫資料純淨度太差，無法真正解決學生在學習過程當中的行為狀態的問題。
那麼來到吸收內化階段，這一階段的資料，包括過程性資料，例如練習資料、測評資料等，可以説明我們實現過程管控。還有一些結果性資料，包括分數、備考時長等等，這些可以作為評判效果的依據。
有了這些以後，我們可以把 AI 應用到教研上，所以從資料化教研的角度來說，大家要知道，我們不是一個單純的老師，我們更多的是希望用技術的手段解決過去老師根本幹不了的事。
所以 AI 在教研上的應用主要分成幾塊：
第一個是測評技術優化，這件事有非常專業的團隊在做。比如怎麼樣用貝葉斯和 IRT 模型優化測評過程，測的時間更短，測的更准。
第二個就是語音、圖像識別和 NLP（自然語言處理），這裡就有機器學習和深度學習的技術。上一次我就解釋過機器學習和深度學習，我們現在一講到 AI 就講 AlphaGo ，就講下圍棋，就講深度學習怎麼樣，我覺得這個路徑不對。我們需要知道的是，不管是機器學習還是深度學習，都是為了我們某一個終極目標服務，就是解決問題。比如能不能對它的語音進行評價，圖像進行填充。
第三個是形成性評價，行為資料分析和結果測驗。
這些都是 AI 在教研上的應用，我們必須要有基礎的模型出來。如果教研只是教老師怎麼講課，這件事肯定沒戲。
我這裡多說一個概念，最近 AI 起來以後，有些老師很恐慌，說以後是不是 AI 老師，自動把老師代替了，基本上講這個話題的人，我認為對 AI 的理解和教學理解處於社會主義初級階段，我可以告訴你，你要做 AI 代替老師這件事一點不難，為什麼要 AI，把你的課錄下來就代替你了。
關鍵是教學過程的核心能力有沒有，產品化依據有沒有，有了以後資料獲取的方式和模型有沒有，這些東西你都沒有，你還是沒有理解 AI。
AI 不是要代替老師，AI 是讓老師換一種方式工作，讓職業的形態發生一些變化，給老師帶來角色的轉變。
以前我們就是上課，批次工作，改作業，家訪。現在可能變成三種，第一種就是你可以傳授知識，這個事依然還要靠老師做。
第二種是做系統設計，坡叔現在做的事，就是把一個人的經驗變成模型。比如杜昶旭不可能講一輩子課，我們把這個模式形式化，讓所有學生都去學。所以如果你講課講了一段時間不想講了，想做一些系統層的工作就可以找我，我可以幫助你永遠活在虛擬世界。
第三個叫做基於資料的個性化輔導，“基於資料”這四個字特別重要。最近有一個詞是“雙師”，一個老師在這錄視頻，一個老師落地，這是雙師 1.0，但我們現在的雙師 2.0，提供輔導的老師可以瞭解輔導學生每個人的資料情況什麼樣，有沒有好好做練習，什麼地方有缺陷，應該提供什麼樣的輔導，這才是真正的個性化的輔導。
未來老師的角色會發生這樣的轉變，我相信不是所有人都會做知識傳授，也不是所有人都會做系統設計，也不是所有人都會做個性化輔導，你們自己可以做一個判斷，隨著技術的發展，這個行業一定會發生改變，不可能永遠停留在靠人解決所有問題的現狀上。
我從宏觀的角度給大家講了一些關於資料化教研的內容，希望大家可以開一個新的視角，你就會發現原來還有一幫人幹的事，跟我們今天想的不一樣，這才是對的。
我今年要做的事情很簡單，朗播做了那麼多教研的嘗試、研究，也產生了一些成果，我希望讓更多的人瞭解，如果大家覺得這個是好事，這才能真正推動整個行業的進步。
過去大家說，學習是以老師為核心的，而現在變成以學生為核心，我們怎麼樣真正站在學生的角度看他需要什麼樣的東西，這些內容才會對學生有用。
謝謝大家。
本文轉自我要問老杜，作者杜昶旭，文章為作者獨立觀點，不代表芥末堆立場。
我當時提出這個方法以後，大家覺得不管你的基礎好不好，不管你以前有沒有接觸過 GRE，所有人都可以用這個方法。講了若干年以後，我們另外一個總監郝海龍老師，他說這個一定要變成一本書，他執筆寫，把我的想法落實到書上了，我主要的貢獻是寫了序言:D。但圖書畢竟還是一個比較簡單的東西，第二個是課程。我認為課程也是教研輸出的東西，教研輸出的不應該是張老師應該怎麼講課，李老師應該怎麼講課，而是我們設計一套課程，這套課程可以系統性解決學生的某些問題。
這個課程如果建立在講題的基礎上，還是沒有進入到真正的教研輸出產品的狀態，因為講題這個過程不可能系統化的呈現，要想系統化呈現還得有方法論作為支撐。
比如寫作這個東西有沒有方法論，肯定有的，但一講就變成了詞彙替換，就變成了怎麼把文章的句子寫的看起來更複雜。我認為其實就是三個方面，結構、內容、語言。
再比如口語，現在方法論層面做的最不好的學科，口語容易講的天馬行空，所以老師講口語課的時候，要麼一上來就秀自己的口語，他是不斷用各種各樣的方式讓學生覺得他的口語好，學生覺得老師牛逼，但學生自己還是不會，這叫沒有方法論的支撐，課程就變成這樣。
教研就是來解決這樣的問題，我們要輸出有方法論支撐的課程體系。
第三個叫做學習產品。這個東西是最難的，但是過去你會發現傳統的培訓機構在這件事上不作為，不作為的原因很簡單，因為他不會。
舉個例子，你跟學生把單詞講完了後說我們有一套背單詞的方法，基本的方法是很多老師花了大量的時間解釋買哪一本詞彙書，然後學生買了一本詞彙書以後按照自己的方法背，基本處於自娛自樂的狀態。你想一想如果我們講一個背單詞的方法，這個事講完了，是不是可以有一個工具，讓學生按照你講的方法把單詞背了。那麼這個產品應該長什麼樣，是一本詞彙書，還是一個 APP，還是一個小程式，這就是一個非常簡單的學習產品的概念。
沒有學習產品支撐，整個學習過程有 70% 是空的。這就是學習產品也是教研要輸出的東西，在很多程度上，我們有一個最基本的原則，我們的教研部門要做的事情，就是發起這種最底層的需求，我們應該做什麼樣的學習產品，這個產品是不是真正能解決學生的語言能力改善的問題。
今年大家談一個概念很多，就是區塊鏈，很多人問我說我們可以不可以把教研放到區塊鏈做，我個人有非常強的保留意見，教研的中心化特徵太明顯了，而且還不是完全分散的。
好幾年前我有一個想法，網上有大量的獨立教師存在，我當時想搞一個獨立教師聯盟，當時聚集了一大批人，我想讓大家在一起做做研討，每個人貢獻一些自己的力量，把一些事情做的更好。後來發現根本不行，因為所有人都是站在自己的角度想這個事情，而且完全是孤立的，互相之間也沒有任何的分享，導致的結果就是各幹各的。
所以你會發現我們做的所有教研有一個非常強的指導思想，我們就是要用技術、產品解決問題，所以我們全公司往這裡面投入來做這件事。
我們說資料化教研的基礎是什麼呢，一定是內容標準化和產品化，我們必須把內容做成一個標準模型才能在上面跑演算法，我們有 AI 有大資料，必須具備標準化的模型，否則是無法用這些資料做產品反覆運算的。
對於教研來講，我們需要什麼樣的資料能夠讓教研做的更好，比如剛才提到我們要做產品，我們要有圖書，有課程，這些東西都是要建立在標準模型基礎之上，這不是做一個課件就完事了。
我們需要什麼模型呢？將整個學習過程劃分為兩塊，一塊叫知識傳達，這塊大概解決 30% 的問題，另一塊叫吸收內化，可以解決 70% 的問題。過去培訓機構基本都停留在第一個環節——知識傳達，不管下面多少人，吸收內化這一部分根本解決不了。其實這30% 是師傅領進門，這 70% 是修行在個人。
就有人說，我們是不是可以在知識傳達階段搜集資料，現在一些機構在做用人臉識別技術，聽起來很牛逼。
其一，上課的時候採集到的學生面部表情和情緒，其原因很可能是與上課無關的，例如和朋友吵架、家裡有事。其二，我自己去體驗過，站在攝像頭跟前，螢幕上一會憤怒，過一會焦慮，過一會惆悵，其實我臉上一點表情都沒有。這件事它確實能夠採集一些資料，但是有效性很差。
還有人說我們是不是可以搜集聽課過程中的資料，比如哪個地方暫停了，重放了，就能表明一個學生的特徵。那你想一想這有多少可能的原因，也許是接了個電話，也許是取了個外賣。
這個我們叫資料純淨度太差，無法真正解決學生在學習過程當中的行為狀態的問題。
那麼來到吸收內化階段，這一階段的資料，包括過程性資料，例如練習資料、測評資料等，可以説明我們實現過程管控。還有一些結果性資料，包括分數、備考時長等等，這些可以作為評判效果的依據。
有了這些以後，我們可以把 AI 應用到教研上，所以從資料化教研的角度來說，大家要知道，我們不是一個單純的老師，我們更多的是希望用技術的手段解決過去老師根本幹不了的事。
所以 AI 在教研上的應用主要分成幾塊：
第一個是測評技術優化，這件事有非常專業的團隊在做。比如怎麼樣用貝葉斯和 IRT 模型優化測評過程，測的時間更短，測的更准。
第二個就是語音、圖像識別和 NLP（自然語言處理），這裡就有機器學習和深度學習的技術。上一次我就解釋過機器學習和深度學習，我們現在一講到 AI 就講 AlphaGo ，就講下圍棋，就講深度學習怎麼樣，我覺得這個路徑不對。我們需要知道的是，不管是機器學習還是深度學習，都是為了我們某一個終極目標服務，就是解決問題。比如能不能對它的語音進行評價，圖像進行填充。
第三個是形成性評價，行為資料分析和結果測驗。
這些都是 AI 在教研上的應用，我們必須要有基礎的模型出來。如果教研只是教老師怎麼講課，這件事肯定沒戲。
我這裡多說一個概念，最近 AI 起來以後，有些老師很恐慌，說以後是不是 AI 老師，自動把老師代替了，基本上講這個話題的人，我認為對 AI 的理解和教學理解處於社會主義初級階段，我可以告訴你，你要做 AI 代替老師這件事一點不難，為什麼要 AI，把你的課錄下來就代替你了。
關鍵是教學過程的核心能力有沒有，產品化依據有沒有，有了以後資料獲取的方式和模型有沒有，這些東西你都沒有，你還是沒有理解 AI。
AI 不是要代替老師，AI 是讓老師換一種方式工作，讓職業的形態發生一些變化，給老師帶來角色的轉變。
以前我們就是上課，批次工作，改作業，家訪。現在可能變成三種，第一種就是你可以傳授知識，這個事依然還要靠老師做。
第二種是做系統設計，坡叔現在做的事，就是把一個人的經驗變成模型。比如杜昶旭不可能講一輩子課，我們把這個模式形式化，讓所有學生都去學。所以如果你講課講了一段時間不想講了，想做一些系統層的工作就可以找我，我可以幫助你永遠活在虛擬世界。
第三個叫做基於資料的個性化輔導，“基於資料”這四個字特別重要。最近有一個詞是“雙師”，一個老師在這錄視頻，一個老師落地，這是雙師 1.0，但我們現在的雙師 2.0，提供輔導的老師可以瞭解輔導學生每個人的資料情況什麼樣，有沒有好好做練習，什麼地方有缺陷，應該提供什麼樣的輔導，這才是真正的個性化的輔導。
未來老師的角色會發生這樣的轉變，我相信不是所有人都會做知識傳授，也不是所有人都會做系統設計，也不是所有人都會做個性化輔導，你們自己可以做一個判斷，隨著技術的發展，這個行業一定會發生改變，不可能永遠停留在靠人解決所有問題的現狀上。
我從宏觀的角度給大家講了一些關於資料化教研的內容，希望大家可以開一個新的視角，你就會發現原來還有一幫人幹的事，跟我們今天想的不一樣，這才是對的。
我今年要做的事情很簡單，朗播做了那麼多教研的嘗試、研究，也產生了一些成果，我希望讓更多的人瞭解，如果大家覺得這個是好事，這才能真正推動整個行業的進步。
過去大家說，學習是以老師為核心的，而現在變成以學生為核心，我們怎麼樣真正站在學生的角度看他需要什麼樣的東西，這些內容才會對學生有用。
謝謝大家。
本文轉自我要問老杜，作者杜昶旭，文章為作者獨立觀點，不代表芥末堆立場。