互联网+家教行业未来发展趋势分析
张 辉，王子遨*
(河南大学软件学院, 河南 开封 475000)
[摘要] 随着社会的发展和互联网在人们生活各方面的应用，互联网+传统行业模式已经对人们的生活产生了不可忽略的影响，但互联网+家教行业在我国目前还是一片空白。传统的家教行业，从传统的单纯线下模式快速发展为线上线下相结合的模式。而未来家教行业的发展趋势将与信息技术结合，集智能匹配与推荐于一体，成为家教行业的主流。
[关键词] 家教；教育；互联网；智能匹配
1 家教行业发展概述
目前，我国经济保持中高速增长，因居民收入水平提高以及家长对子女期望值较高，教育方面的开支已经成为居民家庭开支的主要部分。据有关部门统计，孩子每月花费占家庭总收入的50%以上，一二线城市有近60%的家长投入1万元以上。为了给孩子营造良好的学习氛围，大多数家长选择在课下给孩子寻找家教，以此提高孩子成绩，此外我国教育法明确规定国家制定教育发展规划，并举办学校及其他教育机构。鼓励社会团体及公民个人依法举办学校及其他教育机构。习近平总书记在十九大报告中指出，“优先发展教育事业，推进教育公平”，互联网+家教产业得以迅速发展。
在以往的传统家教模式中，家长希望找到合适的家教老师，同时教师也希望找到一份满意的家教工作。但随着家教行业竞争的加剧以及家教形式的多样化以及国内教育制度的不断改革，家长对于家教服务的内容和质量也有了越来越高的要求，从找到一位成绩优异有经验的老师，到找到适合孩子学习方式以及薄弱学科的家教等诸多要求，一个个需求正等待着被满足。
随着我国信息化的日益普及以及人们对生活质量要求的提高，简单地提供教育资源的家教平台已经逐渐不能满足用户的需求，用户需要更加智能、便捷、更加人性化的方式来寻求适合自己要求的家教，截止目前我国大部分地区实现了线上+线下家教服务，为家长和家教人员双方提供了便捷服务。新型的家教平台打破了传统家教固有模式，利用网络，采取线上线下相结合的方式，整合家教资源，满足现阶段家教市场需求。而这也是必将是未来家教行业发展的趋势。
2 互联网+家教行业技术竞争趋势分析
一个好的家教平台建设完成的重点和难点在于使用推荐算法对学习资源的推荐和家教智能匹配算法实现，针对于这两个难点目前有基于内容的推荐算法和基于Spark-Streaming实时大数据和机器学习技术的智能推荐算法可以很好地解决。
试验所用试样尺寸为150 mm×100 mm，实验设备为Instron 9350型数字化落锤试验机。落锤的顶部半圆直径
2.1 推荐算法
基于内容的推荐算法一般包括三个步骤：
基于内容的推荐算法(Content-Based Recommendations,CB),是最早被软件开发人员研究和使用的推荐算法，该算法的主要功能在于寻找和过去曾经选择的实体相似性进行度量。基于内容的推荐算法最早主要应用与对物品的搜索，能够有效帮助用户快速发现感兴趣和高质量的信息，增加用户使用产品的时长。
实体表示：为每个实体抽取特征来表示，比如在家教平台上的某中学习资源，该资源就是实体，实体有结构化属性（如科目、资源的需求人群定位等），也会有非结构化属性（如评价、以及点赞数量等）。对于结构化数据，人们可以直接在研究中使用，但对于非结构化数据，只有将其先进行处理转换成结构化数据才能投入使用。
得到推荐结果：通过比较上一步得到的决策树将数据放入决策树中，生成推荐的结果。
特征学习：利用用户过去浏览或者搜索的资源的特征数据，得到出此用户的喜好特征并存储。
From 2005 to 2013, 55 patients who underwent LC and 65 patients who underwent ESD were included in this study. The mean age of the patients in the ESD group was slightly higher than that of the patients in the LC group. The two groups shared comparable sex and ASA class distributions (Table 1).
病例教学法是让学生了解、分析、思考临床案例，以培养学生独立思考问题能力、辨证思维能力以及解决临床实际问题能力的一种教学方式[3]。在硕士生（非中医）方剂学教学中，对疗效确切的临床常用方可采取此种教学方法。如对止嗽散的讲解，先引出病例，并提出问题，可以请前置专业为西医学的学生从西医角度进行分析，提高学生学习兴趣以及对病例的认识，而后讲解中医对该病例的认识，顺利成章地引入对病例病证的治疗与所用方剂，从而从理、法、方、药方面详细讲解止嗽散。
外观，乳剂需为均一、透明的流动液体；乳液稳定性(5和20倍稀释稳定性)，按GB3776.3.83农药乳化剂乳化性能测定方法进行；pH值，按GB/T1600-93农药pH值测定方法进行；高温及低温稳定性，按 GB/T 19137-2003测定方法进行；抗冻性[4]，将样品密封后于0～10 ℃冷藏12 h，然后取出，在室温下结块或浑浊现象可渐渐消失，能恢复到均一的透明状态，并且无析水和析油现象发生，反复试验3次，确保重复性好．
2.2 智能匹配算法
基于Spark Streaming实时处理的智能匹配算法：传统的匹配技术因规则和参数固定，匹配性能和效果很不理想。该算法根据实时的匹配成功率和用户反馈进行自我优化，从此提高用户匹配的正确率。
其运行机制是用户将请求发送到采集节点，采集节点特征提取规则，对原始请求进行规则提取和规范化处理，得到特征向量，并将特征向量发送给对应的撮合节点。撮合节点根据获取的匹配参数及匹配目标，将采集节点传来的特征向量流封装提供给Spark Streaming进行匹配处理。Spark Streaming分为多个批次处理，将每次生成的匹配失败的特征向量暂时缓存在Redis积累到一定数量后，根据机器学习算法结果调整参数，封装为弹性数据集提交给Spark Streaming进行二次匹配。撮合节点根据匹配的成功率、匹配效果向中央控制节点进行反馈，以帮助中央控制节点标记参数样本，进行自我优化。
3 结语
经济的发展、居民收入的增加以及国家和家庭越来越重视教育的发展使得家教行业发展前景广阔。利用信息化技术成果是对家教平台进行改进提供更优质的服务是未来家教平台发展的趋势。
基于互联网模式下的新型互联网+家教平台，可以提供适合用户需求的家教供用户选择。在未来的发展中，互联网+传统行业模式下的家教平台市场必然会有进一步的开拓，不断完善推荐算法推荐信息资源和智能匹配进行匹配家教是未来家教平台发展的主流，凭此可扩展用户群体，在提供优质教育资源的同时，解决更多用户的家教需求。
【参考文献】
[1]冯兴，周继恩，方亚超.一种基于实时大数据的分布式智能匹配系统[J].软件导刊，2017(08).
[2]徐晓东.基于WEB的家教信息平台的设计浅析[J].科技经济导刊，2019，27(01).
[3]周威龙，王蕾， 李佳欣.大学生家教平台建设研究[J].对外经贸，2018(11).
[中图分类号] G
[文献标识码] C
[文章编号] 2096-1995(2019)18-0144-01
作者简介： 张辉（1997-），男，河南南阳人，河南大学软件学院2016级本科生，软件工程专业；
*通讯作者： 王子遨（1998-），男，河南安阳人，河南大学软件学院2016级本科生，软件工程专业。
标签：家教论文; 教育论文; 互联网论文; 智能匹配论文; 河南大学软件学院论文;