ITBear旗下自媒体矩阵:

新品专访:希沃小墨全新发布,打造适合中国学子的备考复习机

   时间:2020-10-29 11:56:33 来源:北国网编辑:星辉 发表评论无障碍通道

10月23日,在第78届中国教育装备展示会现场,希沃启动了新品发布会,正式推出面向学生备考复习的科技产品——希沃小墨。

“备考用小墨,错题不再错。”本次发布会,希沃不仅对外公布了新品定位,更展示了希沃小墨AI智能错题本、手写记忆背诵本、拍照批注笔记本、随身便携阅读本等等产品功能。发布会现场更设置新品体验区,墨水屏、拍照识题、智能推送等创新亮点颇为吸睛,引发现场观众积极体验与频频点赞。

发布会结束后,视源股份未来教育集团(希沃)学务事业部总经理——邱澈,接受了中新网、央广网等多家媒体的采访,就希沃小墨品牌定位与理念再次展开了深入的阐释。

四本合一

专为中国学子学习效率提升设计

全新发布的希沃小墨,提出“四本合一”的概念,即AI智能错题本、手写记忆背诵本、拍照批注笔记本、随身便携阅读本。邱澈介绍道,希沃小墨,本质上是希沃专为中国学子学习效率提升而设计的智能学具,面向小学、初中、高中阶段的学子。

“ 因为从小学、到初中再到高中,在日常学习的过程中,学生都会经历几个必备的阶段。比如对错题的收录、背单词、背古诗,还有课堂笔记、日常阅读。我们把这几个学生最刚需的学习场景,整合到这样的一款墨水屏产品上。”邱澈表示,解决学生日常学习过程中的效率提升问题,即是希沃小墨的初心。

在研发的过程中,希沃更发起桃李计划,联合一线教师共创产品,把对于教学的理解、理念、方法植入到小墨中,帮助学生清晰梳理学习过程,提升学习效率,从而收获优异学习成绩。

AI技术解决四大学习场景痛点

帮助学生养成“坚持”的好习惯

除了贴合一线的教学理念外,AI技术成为小墨的最大亮点之一。以错题誊抄和背诵两大学习场景为例,邱澈详细剖析了小墨的AI技术,是如何帮助学生提效,并一步步学会坚持。

“传统错题誊抄方式十分费时,而且还有个很大的问题——过段时间复习,要翻某个知识点的错题,发现题目太多,很难找出来。”邱澈表示,如今通过小墨的AI技术与内置摄像头,对着错题轻轻一拍,便通过智能算法OCR识别将错题收录。同时,学生可以通过标签对错题进行分类,便于复习查找。

一段时间后,根据艾宾浩斯遗忘曲线,小墨会自动提醒学生复习,帮助学生将近期需温习的内容组成套卷。在未来,团队还会开发基于错题举一反三的题目推荐,满足更多个性化学习需要。

针对背诵中“一背就会,一写就忘”的难题,小墨则将背诵和手写记忆结合在一起——在小墨,写下单词、诗词后,系统可进行智能批改。“这样学生在背完后,用手写的方式来强化肌肉记忆,并让机器帮忙对判错对。”邱澈说。

对于四大功能场景的共同点,邱澈认为:“不管是错题也好,记忆背诵也好,或是阅读也好,其实你会发现小墨四个主要的功能场景,都跟两个字有关——坚持。学习,最重要的,不是选择捷径,而是选择坚持。只要他能持续坚持,一定能学得更好。 ”

围绕以学生为中心的时代要求

以科技激发学生自主探索精神

随着时代对于学生信息摄入的要求越来越高,把学习主动权交还给学生、践行“以学生为中心”的教学模式成大势所趋。

“以前,我们希望大批量制造工业化时代的标准化人才,但现在不一样,我们希望培养更多元化的人才,特别提倡个性化教学。”邱澈表示,在这个过程中,需要让学生先学会自主学习,通过学习发现问题,利用信息技术解决问题,先自学,再提问。而这样一来,老师的精力就能得以分配,可以去精准辅导每一位学生,从而实现更好的育人效果。

谈及希沃科技产品对育人的帮助,邱澈以希沃近期推出的另一智能学具举例。在今年疫情背景下,希沃还推出了一款针对孩子上网课场景的专业设备——网课学习机。通过立式设计、音视频技术、游戏化激励模式等系列创新,既能为孩子营造相对严肃的学习场景,又可帮助孩子提升学习兴趣。

邱澈认为,目前网课学习机和小墨的定位不同,一个是解决孩子网课学习的问题,一个是解决日常学生学习行为效率的问题。 “但在未来,小墨和网课学习机这两款产品一定是有所关联。我们可以想象,孩子一边上网课,一边用小墨记笔记,记录错题。我们未来会考虑这样的场景,逐步优化用户的使用体验。 ”

在产品创新上,希沃始终坚持的是“以用户为中心”的理念。“我们不希望做一个无中生有的产品,假设学生学习不好,我给他一个新的内容,一堆名师的讲解,让学生觉得好像我的产品能帮他。”邱澈表示,这样的产品往往会忽略了一个最重要的问题——当代学生的时间比家长还少。“我们希望从学生有限的学习时间里,帮助他们把日常学习行为的成效提升,让他有更多的时间,学更多学科以外的内容,跟家长一起亲子互动。这是我们未来的理念和愿景。”

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  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version