被高估还是被错过：在线教育技术的真实边界

去年9月在南京参加行业会，茶歇的时候碰到一个做To B业务的创始人，吐槽说跑了十几个学校，谈的时候全对技术感兴趣，真落地全卡在细节里。没人说得清，到底是技术不行，还是用技术的人搞错了方向。

落地的隐形门槛：适配比性能更重要

不少团队做产品，先堆参数，4K分辨率、毫秒级延迟、支持百人同步互动，参数全拉满，放到教学场景里就水土不服。去年9月在南京举办的那场产学研对接会上，我亲眼见过一个投入近千万研发的VR实验教学项目，演示的时候技术指标全达标，落地到某化工学院试点了三个月，最终使用率还不到15%。 南京高校化工VR仿真实验室学生上机场景 究其原因，不是VR技术本身不行，是团队根本没考虑化工专业实验的核心需求。学生做仿真实验，要的是观察错操作带来的反应变化，不是看三维模型有多精致。为了画质调高了设备要求，大部分学生宿舍的电脑带不动，每次做实验都要专门挤实验室机房，本来可以碎片化完成的预习，变成了要统一安排的集体活动，反而增加了老师和学生的负担。 所有技术落地的核心前提，是匹配场景的核心需求，而非追求参数的先进性。我还听过一个公立校的试点案例，引入了智能推题系统，号称能精准定位知识漏洞，用了半学期，老师停用了。因为算法为了提高学生的正确率成就感，反复推同一知识点的同类题，学生刷了几十道，看似正确率很高，其实没接触过变式，真到考试碰到变形的考点照样错。最后老师改回人工组卷，平均分反而提了三分。 很多人没想通。 技术只是工具，不是用来凑政绩的招牌。

数据闭环的伪命题：谁定义了有效学习

现在业内最爱说的就是数据驱动，打造学习的数据闭环，听起来很专业，拆解开来其实全是漏洞。所有的数据闭环，都建立在一个默认前提上：学习行为可以被量化，量化指标可以反映学习效果。这个前提本身就站不住脚。 在线学习平台用户行为数据统计看板 比如你统计学生的视频停留时长，就会有学生挂着视频干别的，时长数据很好看，其实啥也没听进去。你统计做题正确率，就有学生可以背选项，甚至搜答案，正确率刷得很高，知识点根本没掌握。我之前接触过一个备考研究生的学生，政治选择题在平台上刷到正确率稳定90%，进考场才发现，大部分题他只是记住了答案，换个问法就分不清选项了。 默会知识的习得，本来就没办法全量化。比如写议论文的逻辑能力，和人辩论的批判性思维，做实验的动手直觉，这些东西你怎么统计？你能统计学生写了多少字，改了几次稿，统计不出他坐在那里想了一整晚的思路梳理过程。很多平台拿可量化的指标做模型，本质是偷懒，因为只有可量化的东西才能放进算法，才能做出好看的报告给甲方看，至于指标背后的学习是不是真的发生了，没人真的关心。 说实话，这个逻辑本来就是反的。不是技术做不出更好的模型，是大部分人不愿意花时间沉下去搞懂教学的逻辑，只想拿技术套一个现成的框架赚钱。

可行的方向：蹲下来解决小问题

可行的方向：蹲下来解决小问题 不过话说回来，我也见过真的好用的项目。不是那种动不动就重构教育生态的大平台，就是解决一个具体的小问题。比如有个工科团队做的小型机械零件3D建模工具，原来机制专业的学生做测绘大作业，要跑到校工厂借实物零件，排队排一周，还只能几个学生共用一个。现在用便携扫描设备把零件扫成3D模型，放到线上，学生随时可以调出来量尺寸，画工程图，一下子解决了资源不够的问题，试点的学校使用率超过80%。 这种小而美的应用，才是技术真正该走的方向。不用喊颠覆的口号，不用吹改变行业的牛皮，解决原来解决不了的具体问题，就够了。 现在大模型火了，很多人又开始吹新一轮的概念，其实大模型的应用边界现在非常清晰：它可以给老师做教案素材，可以给学生改基础的作业错误，可以帮基础差的学生做答疑引子，但它绝对不能代替老师做主讲，更不能代替学生做深度思考。我见过不少机构拿大模型做整门课的主讲，讲错知识点的概率超过10%，这种应用，本质就是拿概念割韭菜。 也不能一棒子打死。偏远地区的乡村中学，原来找不到好的英语老师，现在用AI纠音加直播课，学生的口语水平确实提的很快，这种就是真的有价值。技术本身没有对错，错的是拿着技术包装概念，赚快钱的人。 很多事情急不来。 技术要真正融入教育，得先蹲下来，看懂教室里到底在发生什么，看懂每个具体场景里具体的人有什么具体的问题，再出手。