在数字化智能化与教育教学深度融合的浪潮中，如何将大数据、人工智能等技术与实际教学场景有效结合，真正实现“因材施教”，是当前教育行业探索的重要方向。

在“AI启未来——人工智能优秀应用案例征集活动”中，由广州市小马知学技术有限公司自主研发的小马知学智慧教育平台（），以26项发明专利为支撑，尝试通过50多项AI能力打通“教—学—练—测—评”全链路，累计服务超300所学校，为基础教育提供一种新的解决方案。

从数据打通到教学闭环

长期以来，教育数字化面临的核心挑战之一，是数据孤岛与教学环节的割裂。教师备课、课堂互动、作业考试、学情评价等环节往往依赖不同系统或传统方式，难以形成连贯的数据流和教学反馈闭环。

小马知学平台试图从题目数据的标准化处理入手，构建底层数据基础。通过多模态题目处理标注技术，将来自网络、文档、图片等不同格式的题目统一处理为结构化数据，并进行知识点、难度、题型等多维度标注。这一步骤不仅为教师选题组卷提供了便利，更重要的是为后续学情分析、个性化推荐建立了可计算的数据基础。

在理科题目和中英文作文批改方面，平台结合传统手写识别算法与图像推理大模型，将学生手写答案转换为标准格式进行判断，并支持空级批改与标记反馈。这不仅减轻教师批改负担，也提高了反馈的颗粒度。

此外，平台还基于传统的个人学习画像算法和知识图谱，实时更新作业、考试、举一反三、自主练习等维度大数据，自动计算学生知识点掌握情况和能力维度计算，结合小马知学学情大模型的实时反馈，生成学生学情反馈报告，给出学生个性化的学习评价总结，并能够根据学生历史作答对错，薄弱知识点分析，进行个性化的学习内容和题目练习推荐。

目前，该平台已实现习题与薄弱知识点相似题推荐，以及个性化学习路径设计，为学生减负增效，合作校中学生学业水平显著提升，学业水平同比平均提升37%，临界生转化率提高29%。

AI技术融入教学核心环节

人工智能在教育领域的应用已不罕见。深入学科核心场景、贴合师生实际需求始终是技术落地的关键。

对此，小马知学平台从课前导学、课堂授课、错题巩固、靶向提升等方面入手，进行应用落地。

在预习时，教师可提前下发导学案给学生进行预习，AI自动获取知识要点，学生预习后教师通过导学报告可清晰了解学生哪些知识点掌握程度弱，从而进行精准备课、授课。

而后，基于平台的课堂小测，教师可实时了解学生学情，随时调整教学策略，提高教学精准性和效率。

系统内置四维题库资源更新机制，教师可在线进行作业考试的推送。并且能够实现题目的AI辅助批改，精准定位错因，生成班级作业评价报告、学生个人专属作业评价报告，实时反馈学情。

基于作业、考试情况，学生可及时进行错题原位订正、错因分析和举一反三的练习，快速完成学习闭环。

此外，平台可根据每个学生知识图谱，基于最近发展区理论，给每个学生进行个性化路径和资源的推送，助力学生靶向提升。

目前，通过AI辅助批改及学情分析，教师教学效率平均提升200%，教师有更多的时间进行学生个性化辅导及薄弱知识点突破。

尽管智慧教育平台展现出一定潜力，但行业仍面临共性问题：如何平衡技术赋能与教育主体性？未来，平台不仅需提升技术成熟度，更要关注如何支持教师专业判断、激发学生主动性，避免陷入“数据至上”或“技术替代”的误区。