傳統(tǒng)的教育模式下老師與學(xué)生是一對多的關(guān)系。老師的精力有限決定了其教學(xué)只能針對平均水平推進(jìn)。對于中位數(shù)以上或以下的學(xué)生來說，這樣的教學(xué)都欠缺了一些針對性。因此，個性化教育成為了IBM預(yù)測的未來智慧教育趨勢之一。

近日，主打個性化教育的網(wǎng)上教育平臺Knewton宣布剛剛獲得了 5100 萬美元，且公司業(yè)務(wù)也已經(jīng)開始盈利。

Knewton 是一家總部位于紐約的網(wǎng)上教育初創(chuàng)企業(yè)，成立于 2008 年，其目標(biāo)是為發(fā)行商、學(xué)校及全球的學(xué)生提供預(yù)測性分析及個性化推薦。

Knewton 的核心產(chǎn)品是在線學(xué)習(xí)工具，可針對每一位學(xué)習(xí)者的個性化需求進(jìn)行適配。Knewton 通過與 Pearson 等出版商合作將各類課程材料進(jìn)行數(shù)字化，其覆蓋的學(xué)生范圍包括 K12、高等教育及職業(yè)發(fā)展教育等。

Knewton 的核心技術(shù)是適配學(xué)習(xí)技術(shù)，通過數(shù)據(jù)收集、推斷及建議三部曲來提供個性化的教學(xué)。

其中數(shù)據(jù)收集階段會建立學(xué)習(xí)內(nèi)容中不同概念的關(guān)聯(lián)，然后將類別、學(xué)習(xí)目標(biāo)與學(xué)生互動集成起來，再由模型計算引擎對數(shù)據(jù)進(jìn)行處理供后續(xù)階段使用。

推斷階段會通過心理測試引擎、策略引擎及反饋引擎對收集到的數(shù)據(jù)進(jìn)行分析，分析的結(jié)果將提供給建議階段進(jìn)行個性化學(xué)習(xí)推薦使用。

建議階段則通過建議引擎、預(yù)測性分析引擎為教師與學(xué)生提供學(xué)習(xí)建議并提供統(tǒng)一匯總的學(xué)習(xí)歷史。

此輪融資由 Atomico 領(lǐng)投，GSV Capital 及原有投資者 Accel Partners、Bessemer Venture Partners 等參投。此前 Knewton 曾在 2011 年獲得過3300萬美元融資。此輪融資所得將用于產(chǎn)品增強(qiáng)及國際化拓展的努力。