讓錄播走進每一間教室”的愿景是好的，但這一愿景并不是錄播的終點而是起點。錄播的未來之路必然是更加深度地應用，錄播課程將為師生帶來更大的收獲。

    ----北京中慶現代技術股份有限公司董事長宋東茂

    在云計算、大數據、物聯網、人工智能等新技術逐步廣泛應用的大背景下，信息技術對教育的革命性影響日趨明顯，尤其是今年兩會期間，總理在政府工作報告中首提人工智能。7月，國務院印發《新一代人工智能發展規劃》(以下簡稱《規劃》)，正式將人工智能上升到國家戰略層面。《規劃》明確提出，要發展智能教育，推動人工智能在教學、管理、資源建設等全流程的應用，構建包含智能學習、交互式學習的新型教育體系。人工智能的崛起，為眾多教育從業者打開了新的視野。

    傳統錄播的桎梏

    在各省陸續建立教育大數據戰略的大背景下，數據成為關鍵資源。而錄播作為數據采集的終端，在這方面具有先天優勢。尤其在教育信息化政策的扶持下，錄播設備已經走進越來越多的教室，海量的音視頻數據被記錄和保存下來。但這些音視頻往往只是簡單的放在資源點播平臺上以供需要時點播使用，除此之外便被束之高閣，價值密度很低，造成資源浪費。

    教師是保證課堂效果的核心，如今教育的均衡問題實質上是教師水平的不均衡。但傳統的課堂評價需要多位教研員隨堂聽課，耗費大量的精力來實時記錄課上老師和學生的表現，并且從記錄到生成報告之間還存在著時間差。尤其對中西部的一些地區來說，開展一次教研活動十分不容易。雖然目前已有某些在線教研的應用，但仍然無法滿足對每間教室每堂課、甚至是每位學生的評價。

    隨著素質教育的全面推行，個性化教學理念越來越深入人心，每個學生的個體成長也受到越來越多的關注。但教師人力有限，在教學過程中根本無法觀察到每一個學生的行為。雖然傳統的錄播技術可以記錄每個學生的課堂行為，但是并沒有一個公正客觀的評價方式作為參考。

    人工智能的解放

    傳統的錄播技術已無法滿足目前教育教學的需求，人工智能的注入開辟了新的可能。人工智能主要分三層。最底層是基礎架構(Infrastructure)，包括云計算、芯片以及TensorFlow這樣的框架。在基礎層之上是中間層，叫通用技術(EnablingTechnology)，例如圖像識別、語音識別、語義理解、機器翻譯等。目前基礎層的應用最為廣泛。

    1.分析歷史大量留存的錄播視頻

    在錄播已有的資源基礎上，利用積累的大數據樣本訓練成熟的神經網絡模式，形成針對教學課堂的精準模型。通過視頻分析手段，建立結構化索引，方便通過各種教學行為查詢歷史錄播視頻。同時，為歷史數據建立分析報告，為教師創造獲取和使用優質資源更便捷的通道，提供從日常教學行為中獲取和分析數據的便捷手段。

    2.輔助教研，實時生成教學分析

    通過實時分析課堂中教師鏡頭和學生鏡頭的圖像，結合語音識別，綜合評估實時教學行為，輸出各種教學行為的分析統計數據。從教學行為主體(教師、學生)和行為活動方式兩個維度出發，對師生的近一百多種行為進行識別，并基于計算機視覺的行為分析、OCR的內容分析、語音識別的關鍵詞和知識點分析，從教學研究的角度對這些行為進行分類，最終形成教學檢測報告服務于教研實踐，以此提升教師的教學水平，更加有效地促進教育公平。

    3.實現個性化教學

    根據學生在課堂教學活動中因心理變化而導致面部表情差異的模型，通過人臉識別、身份認證、表情分析等，采集肢體關節、面部表情和手部位置動作，結合學生的行為，給學生個體貼上相應的行為和心理狀態標簽，輸出每個學生個體在一堂課中的行為統計。基于學習時間線對此學生進行統計，同時結合考試成績建立其個人成長記錄，為個性化學習提供了有力的課堂數據支撐。師生利用個性化數據和優質資源創新教學模式，教學管理者利用過程化應用數據進行教學管理活動。

    對于錄播企業來說，未來錄播的發展方向是有不同側重的，或是側重行業的深度研發，如家庭教育、專遞課堂等;或是側重錄播更廣度的應用，如會議視訊等。歸根結底，“錄播后時代”已經到來。