MétaCan
Menu
Retour à la cohorte
Enregistrement W7132063912

Spark Education: Service Innovation and Exploration in Edutech

2022· other· en· W7132063912 sur OpenAlexaff
Chen Lin, Liman Zhao, Jeongwen Chiang

Notice bibliographique

RevueCEIBS Institutional Repository · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensCentre Casa
Organismes subventionnairesnon disponible
Mots-clésSPARK (programming language)ExcellenceGovernment (linguistics)Big dataService (business)Higher education
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This case illustrates the founding philosophy and continuous improvement of Spark Education Limited ("Spark Education") and analyzes challenges in the online education industry. Since its inception, Spark Education has been committed to reshaping foundational learning and promoting education equality. Powered by technology and innovation, Spark Education delivered online small classes and AI courses. Based on the operating model of "courses + teaching + service," rounds of innovation and exploration have been conducted. After three years of development, Spark Education has grown into China's largest small-class online platform in mathematics thinking education. However, this young startup's pursuit for further excellence became a big question after the Chinese government introduced the "Double Reduction" policy in July 2021. Affected by this policy, many capital-fueled online and offline education companies, including Spark Education, have been hit hard. The "Double Reduction" policy wrecked Spark Education's IPO plans (the company had submitted its application in the US two months earlier) and imposed significant uncertainty on its future. These market players are in dire need of a way out of the crisis. Looking ahead, Spark Education needs to re-examine its business model and core strengths or build a second growth curve. In August 2021, Spark Education held an executive meetings on its transformation and future business direction. First, Spark Education has to review the value of its online education model, especially the small-class-based adaptive learning model. Second, can Spark Education follow Outschool's model of providing small online classes that were well-received in the US? And if so, what should Spark Education teach? The final question throws it back to the nature of education—What should Spark Education do to provide considerate education services and ensure students enjoy adaptive learning featuring technological innovation? How can children's development, caring for teachers, and applying high technologies be integrated more organically?

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,267
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCEIBS Institutional RepositoryTravaux en français237 207