ITBear旗下自媒体矩阵:

AI智能引领个性化学习时代:小猿学练机全面上市

   时间:2023-05-30 16:34:19 来源:ITBEAR编辑:星辉 发表评论无障碍通道

【ITBEAR科技资讯】05月30日消息,沉默近两年的猿辅导在智能硬件领域推出了旗舰产品小猿学练机,开启了一场引人注目的行业变革。小猿学练机是一款专为全国中小学生设计的数字化产品,以学习和练习一体化为核心,重新定义了学习方式。

小猿学练机于今日全面上市,定价为4299元,首发优惠价为3899元。

猿辅导以差异化的策略在智能硬件市场找到了自己的定位,不再被传统智能硬件市场的同质化产品所局限。业内人士认为,小猿学练机是一个创新的产品,打破了传统智能硬件的逻辑框架,并有望在市场中迅速占据一席之地。

据ITBEAR科技资讯了解,通过对海量用户进行调研,猿辅导发现在日常学习中,练习占据了重要的比例。然而,传统智能硬件并未满足科学系统的学习和练习设计、学情数据、个性化练习以及能力成长模型等方面的需求。小猿学练机改变了大多数机械的、被动的单向输入型产品,更加注重以练促学,让学习变得主动和探索性,更容易激发孩子们的好奇心和想象力,为他们创造出沉浸式、无干扰的学习环境。

小猿学练机的显著特点是封闭式系统、类纸墨水屏和数字化。相比市场上可下载APP的学习硬件,小猿学练机采用封闭式系统,拒绝了臃肿的功能,专注于为孩子们打造一个深耕学习和练习的产品系统,提供沉浸式、无干扰的学习环境。

同时,小猿学练机实现了屏幕不伤眼和能书写的完美结合。它采用10.3英寸的类纸墨水屏代替彩屏,屏幕不发光、无蓝光,真正保护孩子们的视力,避免对眼睛的伤害。该屏幕还支持书写练习,表面的粗糙度类似于纸张,增加了摩擦力,不会打滑,提供了最佳的手写体验。

此外,小猿学练机根据青少年的用笔习惯和笔触特点,定制了一整套适合青少年的手写技术方案,并配备了专用电磁笔,实现了对传统练习的无痕迁移,还原了孩子们线下学习和练习的场景。

小猿学练机全面实现了学习链条的数字化。据ITBEAR科技资讯了解,小猿学练机通过打通100多个练习场景,从线上到线下,从小学到中学,利用人工智能技术将学习内容、过程和结果进行全面数字化。例如,它可以记录孩子的学习时长和书写笔迹等信息,并通过AI技术真正了解孩子,实现个性化学习。

为了覆盖所有学习场景,小猿学练机内置了"智慧拍"和"云文件"两大功能模块。孩子们只需使用摄像头拍照,就能将所有线下纸质练习一键上传,实现线上和线下学习场景的无缝衔接,满足孩子们全方位的学习需求。

另外,云文件功能可以实现线上同步上传文件,满足孩子们的练习和阅读需求。家长可以在网络上搜索试卷、题目等文件,直接上传至小猿学练机,孩子可以在其中完成练习、批改、错题记录和解答等。家长还可以上传需要阅读的文件,进行阅读和做笔记。

通过科学专业的学习和练习内容设计,小猿学练机建立了一个系统的多学科能力模型,从而系统地培养孩子们的科学性学习体系。

小猿学练机融合了猿辅导丰富的数字资源和人工智能技术成果。据了解,小猿学练机独家搭载了超过8亿的学习和练习资源,包括题库、知识点、关系链路和学习大数据等。在这些海量数字资源的基础上,小猿学练机进行了科学系统的处理,实现了知识点、题型、视频讲解和解析与学习行为数据的高效协同。

AI技术赋能,为孩子们提供个性化的学习导航。小猿学练机内置了猿辅导10年的AI技术成果。猿辅导拥有国内最大的AI Lab教育科技研究团队,并自主研发了多项核心技术,在全球处于领先地位。

通过小猿学练机,数字化内容以其独特的3D知识图谱形式呈现。这张图谱从点、线、面三个维度重新组织和连接题目、题型、知识点、解析、视频讲解和知识点关系链路等信息。

借助全场景、全学科、全题型和学习时长等全维度数据的智能分析,AI技术可以对孩子们进行个人能力模型的评估和判断,绘制出贯穿整个学习生涯的个人知识图谱。根据这张图谱,小猿学练机为每个孩子定制了专属的学习路径,通过螺旋式上升的学习方式,以练促学,帮助孩子系统地提升能力。

小猿学练机还具备天花板级的AI批改技术,能够处理包括图形题在内的小学、初中和高中各学科的上百种题型,其中图形题的批改准确率高达99.99%。AI甚至可以根据孩子们的书写特征和落笔方式等细节判断和批改模糊的字迹,快速定位知识薄弱点,并推出个性化练习,通过举一反三、复习和专项练习等方式,帮助孩子们提高能力。

猿辅导工具业务负责人王向东表示:“一个优质的智能硬件产品体现在形态、资源和理念三个方面。在硬件配置已经趋于完善的情况下,家长更注重内置的学习资源。然而,最重要的门槛仍然在于对教育的理解。这也是猿辅导等教育科技巨头进入智能硬件市场的底气。小猿学练机正在加速个性化学习时代的到来。”

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  网站留言  |  RSS订阅  |  违规举报  |  开放转载  |  滚动资讯  |  English Version