CNET科技资讯网 11月11日 北京消息:今天,由芥末堆主办、以“创·见·新生态”为主题的GET 2016教育科技大会在北京国际会议中心举行,为期三天。芥末堆现场发布《2016中国教育行业蓝皮书》,对当前教育技术及资本市场做了详细分析和解读。
来自全球的数百家企业、学界以及政府优秀教育实践者、近300家媒体,与近三千名观众共同探讨教育行业最新发展趋势、发现最前沿科技产品、分享最有料的干货内容。
未来学习下一步:需因材施教
根据《2016中国教育行业蓝皮书》,教育已经历了1300多年科举制度、200多年的工业化学校制度,以及60多年来行政化的教育管理制度的衍化与完善,加之当前互联网技术的发展,教育创新成为当下的首要任务,而个性化学习便是其中极为重要的一项创新。
眼下,技术的进步、体制的转变、理念的变革,已经能真正为学生提供个性化的学习过程,实现真正的因材施教。《2016中国教育行业蓝皮书》指出,项目制学习、翻转课堂、分层教学等均能实现个性化学习的需求。
项目制学习:即是一种以学生为中心,以问题为导向的教学体系。其特点主要体现在:围绕真实世界中的开放式问题设置项目、学生在学习过程中成为主动参与者、教师扮演辅助者的角色。
翻转课堂:简单来说就是把“老师白天在教室上课,学生晚上自习、做作业”的教学结构翻转过来,构建“学生在家学习新知识,在教室里吸收和内化知识”的教学结构。
分层教学:指按照学生现有知识、能力水平和潜力倾向,将学生分为几组,每组制定不同的教学方案,教授不同的内容,实现因材施教、个性化教学。这种模式大多应用于K12阶段的小学高年级到高中。
资本寒冬下,教育资本市场持续活跃
众所周知,从投资创业潮到资本寒冬,过去一年的中国互联网经历了一次“过山车”。然而教育资本市场却依旧表现活跃。根据《2016中国教育行业蓝皮书》,2016年中国教育行业的投资金额预计为96.9亿元,仅比泡沫较大的2015年下降23%。2013年到今年9月份,中国教育风投资金增幅已经超过10倍,并且持续两年超过美国。
在一级市场上,前三季度种子轮投资的占比从39%降为20%,而A轮从28%升为45%,投资人对早期项目的投资正在变得更加谨慎。而在另一方面,并购成为二级市场的主题,前三季度二级市场的并购资金达到了163亿元,这一数字已经超过了去年全年的109亿元。
值得注意的还有新三板,在新三板即将出台利好政策的预期下,教育企业更是掀起了一轮挂牌潮。据《2016中国教育行业蓝皮书》统计,新三板挂牌机构目前已达109家。2016年5月,新三板开始实施分层管理,共计22家教育机构进入创新层。新东方、ATA、远程正保等美股上市的教育企业也纷纷选择分拆部分业务回国在新三板挂牌。由此看来,教育的2016年,既是寒冬的延续,也是资本回归理性的一年。
当然,这只是《蓝皮书》的一小部分,《蓝皮书》发布也仅是本次GET 2016大会的一小部分。据悉,本次GET大会有超过50位嘉宾、数十场教育科技论坛、100多个与教育技术创新相关话题。新东方集团副总裁兼新东方在线CEO孙畅、好未来集团总裁白云峰,以及ATA,网易有道与美国的GSV Acceleration Fund等公司的大佬们都悉数到场。与以往不同,本次大会不仅仅全覆盖,更是首度开创了思维工坊、教育创业路演、芥末·互联网留学·新生态、电影放映厅、导师一刻钟等环节,可谓教育界的百花齐放。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。