互联网技术飞速发展的大环境下，教育行业也受到深刻影响，线下向线上的转移看似简单，事实却是一个复杂的过程；从怀疑到肯定，从质疑到接受，从自己到别人，而就是近年来在线教育的改变。纵观当下在线教育形势一片大好，那以后呢？未来互联网教育有何发展趋势？我们一起来探讨。

一、未来互联网教育有何发展趋势？

1、需要大数据支持

世界各国关注的未来教育重点总结起来包括：学生学习的个性化、教师角色的多样化、基于脑与认知的科学研究、教育与学习方式的信息化、基于大数据的多元化评价、学生培养的学校家庭社区一体化等方面。这些目标和内容的实现都依赖于科学的依据。

教育在一定范围内存在诸多问题，如重知识、轻能力重智育、轻德育（缺少社会参与和实践）重结果、轻过程重传递、轻探究重统一、轻个性等诸多矛盾。矛盾的本质在于大家仍依靠原有的经验和自身经历来诠释新时代教育的新需求，缺乏科学的数据支撑，难以刻画新时代学习者的特征；各级教育工作者对新时期教育的动因系统、教育原理缺乏足够的数据模型支持；教育体系研究的范式还停留在经验式的方法上，不能在现有基础上深入开展个性化学习。这些难题的解决亟待大数据的支撑和全新教育理论的研究。

2、计算教育学理论

以计算教育学为代表的、面向学习者为中心的个性化学习已成为新时代世界各国关注的重点，必将开启新时代新的教育研究范式和内容。现阶段我们要积极应对大数据、人工智能等新技术、新产业、新业态等带来的新挑战，加快以学习者为中心的教学模式，着重培养学生的个性，让教育变革跟上时代，让我们培养的人不落伍于时代。

3、计算教育学面临的机遇与挑战

建设互联网强国，为我国教育大数据行业提供了前所未有的独特机遇，这也对基于教育大数据的创新解决方案提出了更高要求，依托数据开展相关研究是当前我国教育改革的关键，计算教育学正当时。基于大规模测评数据，再结合网络痕迹数据及通过可穿戴设备采集的脑状态数据，采用大数据分析方法建立模型、挖掘规律，将有望为从宏观、中观、微观三个层面构建学习者特征模型提供解决方案。

随着教育技术和脑科学研究的迅猛发展，可以通过采集实时动态的课堂数据来补充横断研究数据的不足，更急需大数据的处理方法来刻画真正的动态模型，评估来自不同层面的因素对教育质量的直接和间接效应，帮助教育政策制定者和教育实践者针对薄弱环节提出提高教育质量的最优策略。

4、个性化学习的内容度量与模型

随着人工智能、大数据的蓬勃发展，教育大数据应运而生，各学科知识内容的人工标定已无法满足需求。基于教育大数据，发展自动识别技术来界定各学科知识内容及其关系迫在眉睫。另外，为了更好地满足当前环境下学习者的个性化学习内容推荐，急需利用新的认知诊断评估方法，对学习者在各学科知识内容上的掌握情况进行诊断，以帮助学习者构建个性化的学习路径和学习内容的推荐。

大数据下的机器学习理论研究飞速发展，尚缺乏对教育的深度挖掘。传统的教育数据分析方法比较局限，主要依赖于局部数据的统计分析，信息挖掘的手段主要是采用基于降维的方法如因素分析、主成分分析等，而教育大数据本身具有多源异构特性，因此急需引入先进的针对教育大数据的分析方法。大数据下的机器学习方法已在机器视觉、自然语言处理，神经科学等方面发挥了巨大影响，可为教育大数据分析服务，尤其是实现对教育多源数据的整体分析，为研究教育质量的相关内容提供新的解决办法。因此急需引入以深度学习为代表的人工智能方法，从教育大数据中挖掘信息，实现个性化教学，为教育质量的提升提供有效途径。