自适应学习平台
教育科技 · K-12 教育
2024
mobile
他们 需要的
该平台需要用一个 Flutter 应用,服务从初学阅读的儿童到青少年这一整个 K-12 年龄段的学生,每个学生的学习节奏和风格各不相同,课程内容涵盖 500 多个主题。在这样的跨度下,单一固定的学习顺序根本行不通——学生可能在某一科目上超前,却在另一科目上落后,僵化的进度安排会迅速扼杀学习积极性。团队必须构建一套推荐引擎,持续重新评估学生对每个主题的掌握程度,并自动调整内容路径。移动端也带来了自身的限制:应用必须在各类设备上保持快速流畅的响应,而底层的机器学习管道必须足够快地将使用行为信号转化为更新后的推荐内容,才能在平台规模扩大到 7.5 万余名活跃学生时依然保持实时感。
我们 构建的
我们用 Flutter 构建面向学生的应用,以单一代码库覆盖 iOS 和 Android,涵盖全部 500 多个课程主题,无需维护两套独立的原生应用。Firebase 负责身份认证和实时数据同步,使学生完成的每一项学习活动都能即时更新进度,而不是延迟反映。推荐引擎运行在 Python 上,基于学生互动数据训练的 TensorFlow 模型对主题掌握程度进行评分,并为每位学生选择下一步最合适的学习内容。GCP 承载训练与推理服务的基础设施,随着活跃用户增长而扩展推理能力。推荐引擎之上还叠加了游戏化机制,以维持学生的学习积极性。进度追踪功能基于同一个 Firebase 数据层,构建了两个不同的视图:面向家长的简明概览,以及面向教师的逐主题详细数据。
我们 的应对方式
只用 Flutter 开发一套应用,而非两套原生代码库,使覆盖 500 多个课程主题成为可能,而不必让移动端工程工作量翻倍。
在 TensorFlow 中将个性化建模为按主题持续评分的掌握度体系,而非固定的年级进度安排,使学生的学习路径随表现数据实时调整。
使用 Firebase 实现实时同步,使家长和教师看板能在学生活动发生的瞬间同步反映,而不是等待批量延迟。
基于同一 份数据构建两个专用视图——面向家长的简明摘要与面向教师的逐主题详情——而非用一份通用报告同时应付两类用户。
所产生的 影响
活跃学生数
学习成效提升
应用评分
"我们的学生比以往任何时候都更投入,这种 AI 个性化学习体验令人惊叹。"
产品负责人
教育科技平台