互聯網技術飛速發展的大環境下，教育行業也受到深刻影響，線下向線上的轉移看似簡單，事實卻是一個復雜的過程；從懷疑到肯定，從質疑到接受，從自己到別人，而就是近年來在線教育的改變。縱觀當下在線教育形勢一片大好，那以后呢？未來互聯網教育有何發展趨勢？我們一起來探討。

一、未來互聯網教育有何發展趨勢？

1、需要大數據支持

世界各國關注的未來教育重點總結起來包括：學生學習的個性化、教師角色的多樣化、基于腦與認知的科學研究、教育與學習方式的信息化、基于大數據的多元化評價、學生培養的學校家庭社區一體化等方面。這些目標和內容的實現都依賴于科學的依據。

教育在一定范圍內存在諸多問題，如重知識、輕能力重智育、輕德育（缺少社會參與和實踐）重結果、輕過程重傳遞、輕探究重統一、輕個性等諸多矛盾。矛盾的本質在于大家仍依靠原有的經驗和自身經歷來詮釋新時代教育的新需求，缺乏科學的數據支撐，難以刻畫新時代學習者的特征；各級教育工作者對新時期教育的動因系統、教育原理缺乏足夠的數據模型支持；教育體系研究的范式還停留在經驗式的方法上，不能在現有基礎上深入開展個性化學習。這些難題的解決亟待大數據的支撐和全新教育理論的研究。

2、計算教育學理論

以計算教育學為代表的、面向學習者為中心的個性化學習已成為新時代世界各國關注的重點，必將開啟新時代新的教育研究范式和內容。現階段我們要積極應對大數據、人工智能等新技術、新產業、新業態等帶來的新挑戰，加快以學習者為中心的教學模式，著重培養學生的個性，讓教育變革跟上時代，讓我們培養的人不落伍于時代。

3、計算教育學面臨的機遇與挑戰

建設互聯網強國，為我國教育大數據行業提供了前所未有的獨特機遇，這也對基于教育大數據的創新解決方案提出了更高要求，依托數據開展相關研究是當前我國教育改革的關鍵，計算教育學正當時。基于大規模測評數據，再結合網絡痕跡數據及通過可穿戴設備采集的腦狀態數據，采用大數據分析方法建立模型、挖掘規律，將有望為從宏觀、中觀、微觀三個層面構建學習者特征模型提供解決方案。

隨著教育技術和腦科學研究的迅猛發展，可以通過采集實時動態的課堂數據來補充橫斷研究數據的不足，更急需大數據的處理方法來刻畫真正的動態模型，評估來自不同層面的因素對教育質量的直接和間接效應，幫助教育政策制定者和教育實踐者針對薄弱環節提出提高教育質量的最優策略。

4、個性化學習的內容度量與模型

隨著人工智能、大數據的蓬勃發展，教育大數據應運而生，各學科知識內容的人工標定已無法滿足需求。基于教育大數據，發展自動識別技術來界定各學科知識內容及其關系迫在眉睫。另外，為了更好地滿足當前環境下學習者的個性化學習內容推薦，急需利用新的認知診斷評估方法，對學習者在各學科知識內容上的掌握情況進行診斷，以幫助學習者構建個性化的學習路徑和學習內容的推薦。

大數據下的機器學習理論研究飛速發展，尚缺乏對教育的深度挖掘。傳統的教育數據分析方法比較局限，主要依賴于局部數據的統計分析，信息挖掘的手段主要是采用基于降維的方法如因素分析、主成分分析等，而教育大數據本身具有多源異構特性，因此急需引入先進的針對教育大數據的分析方法。大數據下的機器學習方法已在機器視覺、自然語言處理，神經科學等方面發揮了巨大影響，可為教育大數據分析服務，尤其是實現對教育多源數據的整體分析，為研究教育質量的相關內容提供新的解決辦法。因此急需引入以深度學習為代表的人工智能方法，從教育大數據中挖掘信息，實現個性化教學，為教育質量的提升提供有效途徑。