路

独角兽观察

教育与科技正齐头并进。传统的教学模式越来越无法满足学生和老师需求的变化，现代教育越发强调教学内容、形式、甚至教学者本身的个性化、进而追求教学资源的平等分配，而人工智能作为模拟人与世界交互方式的编程体系，通过将世界认知的模型化，恰好满足了这一需求。

世界最大的教育出版公司Pearson在一份报告中将人工智能在教育领域的应用定义为AIEd。国际范围内，关于AIEd的课题研究已有40多年的历史，1970年代，第一批提供个性化学习指导的 AI 系统被创造出来：具有开创性意义的教学系统BUGGY，可用于教授基本的加减法，系统使用错题库模型来预判学生学习代数过程中可能会产生的错误；iTalk2Learn平台则帮助学生学习数学中的分数概念与应用，建立学习者模型来分析学习者已有的数学知识、认知需求、情绪状态及反馈。

2012年起，我国的深度学习算法在语音和视觉识别上实现突破，在政策利好和家庭教育消费升级的驱动下，AIEd的浪潮逐渐开始兴起。2015年起，国家连续出台三项政策，加速AIEd产业不断推进。其中，2017年国务院发布的《新一代人工智能发展规划》中，特别指出了“构建包含智能学习、交互式学习的新型教育体系，推动人工智能在教学、管理、资源建设等全流程应用”。汇丰银行2017年调查显示，中国大陆家庭平均教育支出42,892美元，位列全球首位。

2015年也同样可被视为AIEd投融资爆发元年。据青籽研究院统计，2017年AIEd领域投融资金额突破42亿元人民币，在AIEd领域已投资3次以上的机构已达16家，其中已不乏好未来、腾讯、IDG资本等巨头。

从基于语音识别的英语语音测评到基于图像识别的智能情绪分析，AIEd领域已经涌现出了数十种产品。《亲子商业志》调研认为，目前AIEd产业可大致分为四类应用场景：智能辅导系统（Intelligent tutoring system, ITS），智能化学习协作，智能化虚拟现实教学环境与基于模型的智能化学习工具。

本文所探讨的ALEKS教学系统案例即属于第一类别。创立于1994年的ALEKS是目前美国市场渗透率最高的人工智能自适应教育公司，利用人工智能技术结合教学诊断为学生提供在线K12和高等教育相关课程。

指导 | 李筱姝

撰文 | 马佳妮

采访 | 朱绍岳

统筹 | 林兰枫

ALEKS在线教学系统1994年诞生于美国加州，1997年正式上线。此后公司迅速成长，于2013年被著名教育出版公司McGraw-Hill Education收入麾下。

ALEKS是Assessment and Learning in Knowledge Spaces（知识空间中的评估与学习）的简称，它诞生的初衷是为了以科技的力量解决教学个性化的难题——这在当时的美国是一个很新的市场，巨头尚未建立，ALEKS成功完成了一次完美的市场卡位。

与其他互联网巨头在资本扶持下快速扩张不同，在未引入任何外部融资的情况下，ALEKS稳扎稳打地攫取了美国大部分的在线智能教育市场，已经被全球超过千所K12学校与大学作为日常教学用具使用，涵盖超过100个学术主题。

ALEKS自出生就带着浓厚的技术基因：它的研发团队包括来自纽约大学和加州大学尔湾分校（UCI）两所世界名校的软件工程师、数学家和认知科学家，同时获得了美国国家科学基金会拨款的数百万美金研发资金。

ALEKS的核心是人工智能引擎，对每个学生的学习情况和学习能力进行单独的持续评估，从而能够针对用户的实际情况，定位到在当前时刻用户是否掌握了该知识点，若用户尚未掌握，ALEKS则会相应评估用户是否准备好学习这一章节。根据以上评估的结果，ALEKS能做到自动为用户推荐学习题目。简单来说，ALEKS使用人工智能绘制了每个学生知识的图谱细节。

“ALEKS是基于知识理论的人工智能学习评估系统，也是一个自动化、一体化、一站式的辅导员，可以帮助老师对学生进行差异化教学。”ALEKS前主席、现任首席产品官Wilmot Lampros告诉《亲子商业志》。“事实上我们想让所有软件像20年前使用时那样，越简单越好。“

路

▲ALEKS前主席、首席产品官Wilmot Lampros

据他介绍，2017年，ALEKS服务的学生超过400万，主要覆盖的是美国西部与南部地区，另有约10%的国际学生。

而美国在校学生总人数约为5060万。也就是说，在美国本土，ALEKS已经占据了教育这样一个“支离破碎”的行业约8%的市场份额。这一数字透露了什么？对标中国本土，量感更清晰。新东方和好未来两家K12巨头营收之和仅占中国K12市场整体的3%-5%，可见ALEKS是名副其实的美国在线教育“巨无霸”。

相比于国内线上教育普遍亏钱烧流量的现状，ALEKS信奉极简主义的商业模式：学习不可能像谷歌搜索一样免费，但ALEKS不卖广告，只卖“消费得起的时间”。

据调研，ALEKS并非一味追求“钱景”，每个账户每月费用仅19.95美元，订阅一年的费用仅需179.95美元，针对家中有超过两个孩子的家庭还有七折以上的折扣。

Lampros表示，目前ALEKS现金流非常平稳，并已经盈利超过10年。

围绕课程的多用户端产品矩阵

线上智能课程系统是ALEKS最为人所知的主营业务，但却远不是ALEKS的全部。围绕智能课程这一核心产品，ALEKS逐步开发了包括Quicktables、RTI集成（Respone to Intervention，回应性介入）与ALEKS360在内的辅助教学产品，形成多用户端产品矩阵，有效覆盖了从公校到自主学习者、从父母到老师的教学价值链。

• 掌握率90%的个性化线上课程系统

教学本是非标品，但是让我们先来看一组有关数据：根据ALEKS披露的数据，使用ALEKS学习的学生对学科概念与技能的掌握率平均可达到90%，ALEKS对学生学习情况的预测准确率高达97%。

这些惊人的数字，是ALEKS 20余年来不断打磨其核心产品的结果。1997年进入课堂的第一款ALEKS课程产品仅是针对三年级以上K12学段的基础算术课程，而后ALEKS逐步将学段向高年级拓展，在基础算术之外，逐步加入了代数、几何、统计学、微积分等高级数学科目，并逐步开设专门课程教授ACT数学、SAT数学、化学、物理、会计学、商业统计、财务等科目。目前ALEKS的线上课程系统已经能够覆盖从三年级到职前教育的大部分理科课程。

经过调研，《亲子商业志》认为，ALEKS的成功秘诀在于以下五个方面：

○ 精准的学生起点评估

ALEKS的成功之处莫过于解决了教学难以绝对“针对性”与“个性化”的两大痛点，通过人工智能实现因材施教。整个因材施教的过程则始于一次精准的起点评估。

当每个学生首次使用ALEKS系统时，会有一个简单的教程教他如何使用ALEKS，接着就会进入到一个个性化的互动评估界面。评估的时间往往不会很长，持续45分钟左右，学生只需要回答20到30个问题，ALEKS就能够通过学生的答题情况，精确地将学生定位到他所属的知识掌握阶段，并为学生规划好个性化的学习路径。

在整个过程中，学生并不会被系统告知所写答案的对错，以保持学生对学习的兴趣与自信心。同时，每个用户所看到的问题总是不同的，题目的呈现是由算法随机决定的，因此无法预测题目。

路

学生完成评估之后，将会看到ALEKS自动生成的专属于他的ALEKS知识饼图（ALEKS PIE）。ALEKS知识饼图以不同的颜色标识让学生了解到目前自己的学习情况与学习进度。如下图所示，每一块扇形均代表一类学术主题，分别有不同的颜色标识。

路

当学生点击某一块扇形区域时，则会显示他对这一类学术概念的具体掌握情况。其中深色部分代表该学生已经完全熟练掌握的部分(mastered)，浅色区域则代表该学生已经学习过的部分(learned)，而灰色区域则代表了学生尚未学习的部分(remaining)。

路

与传统的“测试”不同，ALEKS评估不会给学生一个成绩或所谓的“原始分数”，而是找出学生掌握了哪些概念。通过对学习数据的有效可视化，用户可以清楚快捷地了解到自己目前的学习情况。ALEKS知识饼图也是用户进入学习模式的入口，为用户提供了选择课程的科学依据。

○ 完善的内容生产体系

好的学习效果自然离不开好题目。对于国内许多线上教育机构而言，智能化的教研一直是值得下大气力投资的核心资产。ALEKS非常重视自身的内容建设，正如Lampros 所说，“所有的产品、理论都需要内容才能实现。ALEKS的一站式的服务体系基础是学生适合学什么东西、学生应该选择什么样的课程或者话题。”

《亲子商业志》调研认为，ALEKS线上课程中的题目来源主要有三：

一是来自课本和各章节后的习题。ALEKS的这部分题库覆盖了市面上所有可以找到的该科目的权威教科书，这部分题目为其他教研途径提供了基础。

二是教研团队人工出题。ALEKS的部分题库内容来自于行业内专业人士的人工研发，这部分人由ALEKS教研团队精挑细选，往往具有多年的教学经验，拥有高等学历，且在各自领域已经积累了丰富的经验和深入的洞察。ALEKS首席产品官Lampros告诉《亲子商业志》，每个细小的知识点通常需要至少400个题目，教研团队至少会为此准备650个题目。

三是算法自动生成的题目。通过机器学习、深度学习等算法，ALEKS不断学习针对不同学习阶段的各类题目，最终利用算法生成题库，ALEKS称利用算法形成的题目数量“理论上是无限多的”，这些题目还可以依据学生所处地区和环境自动做出微调。

取之不尽的题库一方面为用户提供了丰富的练习机会，同时利用算法有效防止“回音壁”效应，避免出现习题重复练习的情况。

○ 开放式答题夯实学习效果

值得注意的是，虽然ALEKS是一个人工智能的教学体系，其中的输入与输出却都不是量化的。这与国内常见的自适应背单词APP有本质不同之处。

以扇贝单词为例，用户通过不断在四个选项中选择所出现的单词的中文释义，由系统后台计算用户在该阶段的答题正确率决定是否可以进入下一阶段的学习。但ALEKS则摒弃了让用户做选择题的做法，要求学生在答题时填入开放式答案。

ALEKS的开放式答案不只是包括填空题，也包括用ALEKS提供的直尺、圆规等电子工具制图等非文字的答案。

路

这对系统后台的技术和算法提出了更高的要求，但是从另一个角度则提升了学习的效率，有助于切实夯实基础，最终形成更好的学习效果。

ALEKS团队认为，选择题总是难以避免“蒙对了”的情况，并不总能够准确反映用户的真实学习情况；只有用户能够在不接受任何外界提示和暗示的情况下找到正确答案，才能作为“学会”的依据。

除此之外，ALEKS还会要求用户不定期地“回访”这些学科概念的相关题目，以确保用户没有学完就忘，并依据“回访”情况对用户的掌握度进行重新评估。一般来说，ALEKS会在20-25个题后对学生进行“回访检查”，“回访”题目同样遵循随机产生的原则，若用户无法通过评估，则该模块的学习进度条会出现倒退。

这让ALEKS能够做到真正有针对性地教会用户知识和概念，而非让用户一直在题海战术中不断徘徊迷茫。

○ 多样化学习模式

真正决定用户体验的是进入ALEKS学习模式之后的体系设计与知识引导。ALEKS的学习模式是全流程自动化的，不仅仅能为用户解决“what”的问题，更重要的是，以多样化的方式为用户切实解决“how”与“why”的问题。

经调研，ALEKS的学习模式主要提供三个功能：

一是练习题功能。这个功能易于理解，ALEKS会根据用户的不同情况，持续向用户推送相关模块的练习题。

二是对概念和解题过程的解释功能。当用户在解题过程中遇到困难时，可以通过单击“解释”按钮来获取该题目的详细解题过程及正确答案，对于题目所涉及的具体概念，ALEKS也会向用户来提供详细的讲解，让用户真正理解这道题背后的“why”。这类解析不只是以文字形式存在，对部分K12课程，ALEKS还提供私人助教的视频讲解。

路

三是实时反馈与建议功能。实时的反馈与建议来自于ALEKS的人工智能算法，在某些情况下，ALEKS会主动向用户发送反馈和建议，例如当用户解错题时，ALEKS会发送纠正错误的建议，又如ALEKS会主动追踪学生的学习进度，建议用户在ALEKS在线词典中查找某个单词的定义。ALEKS还会视情况建议学生暂时放弃手头的问题，专攻另一类题目。

路

在用户看完建议与题目解释后，可以通过点击“练习”（Practice）按钮返回之前的练习界面，如果用户成功解决了该问题，ALEKS系统会给用户两到三个同模块的习题，以确保用户的掌握。

○ 持续的数据积累与模型优化

伴随用户学习进程的逐步推进，ALEKS后台会不断的收集积累用户的行为信息，并对该用户的数据集进行更新，确保ALEKS对用户的了解和相应的题目推送能够做到100%即时。

当然，这还不是ALEKS最终的目的。每一个用户的每一次鼠标轻点，最终都会将其学习行为的数据沉淀在ALEKS的底层架构之上，从而不断优化算法模型。这也正是ALEKS预测准确率可达到97%的原因——24年来的数据积累。

• 辅助教学“众星拱月”

尽管线上智能课程业务业务已经是实打实的现金牛、为ALEKS带来可观的经营性利润，但ALEKS仍然持续研发多个教学周边产品，目的不在于拉动，而是在于互补。这些辅助产品有效协同线上智能课程业务发展壮大，一手保证更优质的教学效果，一手大刀阔斧地在线上人工智能教育领域攻城略地、触达更大的客群。

○ Quicktables:让学习进度一目了然

主要针对3年级以上用户的数学科目的掌握情况评估，能够兼容PC和Mac。这一过程完全由算法掌控，知识点依据美国数学教师协会（NCTM）提出的标准设置，全程无需教师的参与。

Quicktables程序通过交互式的学生模块，持续评估、了解、审查和视觉跟踪用户的学习进度，以求最好地满足用户需求。除了传统的题目外，Quicktables中还有互动游戏提供额外的内置奖励，意图激发学生的学习兴趣，为枯燥的学习注入一定的“娱乐属性”。

路

ALEKS推荐用户每周使用Quicktables三次，每次15分钟，即可帮助用户一劳永逸地对基本数学概念有强化的认识。而令人惊讶的是，这款智能程序是完全免费的，只要购买ALEKS线上课程就可以使用。

○ RTI集成：发现掉队学生

首先介绍一下RTI分层体系。RTI，即回应性介入，是美国教学系统所独有的一种早期发现、预防和支持系统，其目的是在识别和帮助陷入困境的学生，并进行适当的学习干预。研究者认为，RTI将不同学生分成3个层级，如下图所示：

路

RTI并不是由ALEKS发明的教学体系，但ALEKS充分地认识到了自身优势与RTI体系相集成的可能性，针对RTI体系开发了一系列ALEKS RTI课程产品，精准针对那些在6到8年级“掉队”的学生，从而实现分层教学。目前ALEKS RTI课程仅适用于数学科目。

简单来说，ALEKS RTI课程产品以辅助包括三类，针对性地处理RTI筛查与处于非1级的阶段的“掉队”学生：ALEKS MS RTI筛查评估，RTI2级干预与MS RTI3级干预。

ALEKS MS RTI筛查评估产品独立于ALEKS主营线上课程而存在，与ALEKS主营线上课程开始前的学情评估并不冲突(ALEKS主要课程产品自动划分为RTI1级课程)，而是有针对性地将学生放入对应的RTI体系层级之中，未能达到1级的学生则需要学习RTI课程产品。课程开始后，ALEKS MS RTI筛查还会定期对用户的学习情况进行评估，以确保百分之百的实时监控，及时针对真实情况做出课程调整。

RTI2级干预课程产品分为RTI6、RTI7、RTI8，分别针对处于RTI体系第二层级的6、7、8年级学生。对应地，RTI3级干预课程则针对处于RTI体系中第三层级的6、7、8年级学生。

经《亲子商业志》研究，以下表格代表了ALEKS RTI集成课程的产品分布：

路

▲资料来源：《亲子商业志》根据公开资料整理

在依据个性化数据进行分层，能够最大限度的保证高质量的学习效果，帮助“掉队”学生迎头赶上。这也是教育产品最难以攻破的护城河。ALEKS称，只要每周使用5个小时RTI介入课程产品，处于第2层级的学生就能够升入1级。

○ ALEKS360：全数字化学习体验

被出版商McGraw-Hill Education收入麾下后，ALEKS开始结合母公司的丰富媒体资源优势，着手打造一款新的电子书产品ALEKS360，致力于从教科书层面开始为学生打造一份全数字化的学习体验，由McGraw-Hill出品。

与普通电子书不同的是，ALEKS360充分集成了ALEKS人工智能技术与McGraw-Hill所拥有的教材版权，一手把个性化交互融入到书本里，一手把教材大纲集成到个性化智能课程中。

单独购买ALEKS360需要在网上购买访问码（access code）,也可以享受到使用ALEKS课程的优惠价格。

路

ALEKS360尚在开发之中。目前ALEKS360可用于6个课程，包括代数、统计、三角函数、微积分等科目。

从课内到课外的用户思维

学习本身是违反人性的事情。可以说，极少有人会真心喜欢学习。那么，ALEKS是如何在几乎不做广告的低调风格下攻城略地，让400万美国学生使用ALEKS学习并持续订阅的呢？

《亲子商业志》认为，ALEKS放下了互联网公司常见的流量思维，从课内到课外，利用用户思维打磨产品，更加在意用户的实际学习需求，更加致力于塑造用户的满足感和参与感。

• 教学内容

Wilmot Lampros向《亲子商业志》表示，构建符合用户需求的内容机制和内容体系是ALEKS的成功之钥。在内容建设里，ALEKS同样为用户提供了足够多选择自己的理由。

州自治是美国政治的重要特色之一。州内与州外的不同竞争，也造成了不同州之间对教育标准的差异性要求。为了更好的满足来自全美50个州的用户的学习需求，ALEKS提供了一项集成州教育标准的功能，用户通过选择自己所在的州及感兴趣的科目，即可查看与ALEKS课程与州教育标准的相关内容，确保用户能够学习到有效准备标准化考试所需的确切技能。

ACE（美国教育委员会）学分认证机制是大大提升ALEKS附加值的另一个功能，也为ALEKS夺得了更多的认可和忠实用户。试想，如果在平时的学习APP上的学习内容可以轻松换算成在学校里的考试学分，谁能拒绝这样的一举两得呢？ALEKS就做到了。只要通过ALEKS上部分课程的测试，取得70分以上，就可以获得ACE成绩单，在教育机构中取得3个学分的认证。ALEKS也因此得以摘下了“补习”的帽子，因为有了ACE的背书而轻易取得了更多用户对其学习内容的信任。

路

• 用户细分

一个完整的教育过程中的参与者有哪些？除了对存量市场的开发深挖和存量用户的精细运营之外，ALEKS也将目光放到了对潜在用户的开发，将产品线延伸至教育价值链的上下游，探索其他更多的变现机遇。

这一理念的一个体现是ALEKS针对学生父母及家庭教师推出的主账户（master account）。使用主账户，学生的父母和家庭教师可以同样无限次访问ALEKS的在线课程库，同时可以同步监控和引导学生使用ALEKS的学习进度。这大大迎合了父母和教师对参与学生学习数据管理的刚性需求。

• 学习场景

工具性的产品存在先天的天花板。如果把ALEKS打造成一个单纯的学习工具，那么势必将面临用户黏性减小、难以留存用户的困境。因此，ALEKS很聪明地将自己塑造成了一个兼具易用性与效率性的用户成长体系，用一系列看似不起眼的用户手段征服市场。

定位为一个线上学习及成长系统，连续性的使用体验能够为ALEKS大大加分。因此，在关注强大的人工智能技术之外，ALEKS保证用户随时上线即可继续之前的内容。也就是说，即使用户在课程中间电脑死机，也可以在上线后直接恢复进度，而无需重新听重复的内容。

ALEKS另一俘获人心的功能是线上语言的自由切换。由于与墨西哥的暧昧关系，英语和西班牙语是美国最常用的两种语言，2018年的美国人口调查显示，超过4000万五周岁以上的美国人讲西班牙语，超过18%的美国人是拉美裔。针对这一独有的人口学特征，ALEKS上线一项功能，即允许用户在课程中无缝切换英语与西班牙语，无需重启软件，甚至无需重新开始课程。这大大适应了拉美裔的需求，同时也允许用户从小就用双语学习。

除了不同语言外，ALEKS还开发了针对视障人士的版本。

每当用户完成一个课程后，ALEKS就会为用户颁发“成就证书”（certificate of achievement），令用户从中获取到满足感和激励感，激发用户继续学习的兴趣，提升用户的留存率和活跃度。

路

用科学理论指导技术逻辑

在提倡教育“千人千面”的今天，越来越多的行业从业者开始呼吁回到教育的“初心”。技术并不是教育的本质而只是实现教育的手段，技术背后的教学理念才是ALEKS的核心武器。

换言之，对于ALEKS的系统设计来说，任何一行代码背后，都必须有强有力的研究支持。

据Wilmot Lampros介绍，整套ALEKS系统基于“知识空间理论”(knowledge space theory, KST)的教育研究理论。

它的提出者正是ALEKS创始人之一、国际知名数学家Jean-Claude Falmagne博士。对于这一理论，Falmagne博士及其团队共研究了逾30年，于1999年首次发表，并于2011年再次优化。在这一领域，迄今已经有300多篇学术论文刊发。

简单说来，不同于其他以数值评分来评价学生学习情况的学习系统，基于知识空间理论的ALEKS的输出结果是一个“知识状态”。知识空间理论将组合学和随机过程中的概念应用于特定知识领域的建模。

这一理论框架支持通过创建计算机算法，用于构建和应用特定于学科的知识结构（即知识空间）。举例来说，代数1课程包含大约350个基本概念，其产生的网状结构中就包含了数百万个知识状态，其简化的排列组合如下图所示：

路

▲红色椭圆所代表的即是用户当前所处的知识状态，其周围的两条红色箭头则被称为是知识状态的“外缘”（outer fringe），代表的是接下来用户最可能需要学习的内容。当几百万个上图所示的结构拼凑起用户的整个知识空间，这个结构将是无比庞大的。

路

▲45个学科概念所构成的知识空间，其中的每一个点即代表一个知识状态。

Lampros介绍说，ALEKS产品是基于这样一个假设，即“所有的知识状态都是可以被描述的"。在这个过程中，学生和知识之间是存在可被运用和验证的函数关系。ALEKS会针对每一个领域的每个话题建模，形成不同的话题和问题类型。

在强大的AI技术支持下，ALEKS能够同时记忆和处理上万亿个如此的知识状态。其原理就是，每答对一个问题就可以缩小知识状态的范围，一步一步的缩小，最终就能找到学生当前所处的知识状态。尽管每个结构中都至少存在数百万个知识状态，但基于对这种“知识结构”的数学语言描述与自适应评估，利用马尔可夫链，ALEKS在约25-30个问题之内就准确评估出学生所处的知识状态，并全面列出其“外缘”（即接下来可能学习的内容）。

未来专注用户

ALEKS素来低调，虽然多篇学术文献对ALEKS有所研究，其媒体曝光量却很低。Wilmot Lampros透露，未来公司的短期目标可以归纳为三点：多科目、互动内容和线下，但归根结底还是要回到用户身上。

目前的ALEKS对其所覆盖的科目可谓精益求精，仅有数学、科学、商学三类。Lampros告诉《亲子商业志》，未来ALEKS还将进一步拓宽题库覆盖面，专注新学科研发，继续在高等数学（如微积分）等方向发力，尤其将关注强推理性的学科，而非过度依赖记忆的学科（如历史等）。

同时，Lampros直言不讳，目前ALEKS的产品内容虽然已经十分强大，但“趣味性还是有所欠缺，在用户参与互动方面仍然有待提升”。

由于用户对ALEKS的喜爱程度直接决定了用户的付费留存和ALEKS的品牌价值，ALEKS未来将投入更多在解决“如何让用户感觉做数学题更有趣”的问题上。Lampros称公司或会增加新的用户交互体验，让界面更加色彩丰富等等。

Lampros还透露，ALEKS希望能够完成从轻资产向重资产的转变，有望从外部吸纳资金，以直营和特许经营连锁共存的方式，逐步建立以ALEKS独有的教学理念的主导的线下学习中心，为用户带来更好的使用体验。

参考文献：

[1] The Assessment of Knowledge,in Theory and in Practice. aleks.com.

[2] Cosyn, E., & Thiéry, N. (2000). A Practical Procedure to Build a Knowledge Structure. Journal of Mathematical Psychology, 44, 383-407.

[3] Overview of Aleks. aleks.com.

[4] Successful Response to Intervention (RtI) starts with ALEKS. aleks.com.

[5] Distributed Practice and ALEKS’s Memory Stacks Algorithms. aleks.com.

[6] Knowledge space theory. aleks.com.

[7] What Makes Aleks Unique.aleks.com.

【 ? 亲子商业志原创内容 转载请联系授权 】