| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 研究思路和方法 | 第11页 |
| 1.4 全文框架 | 第11-13页 |
| 第2章 理论综述 | 第13-18页 |
| 2.1 教育的定义 | 第13页 |
| 2.2 教育的分类 | 第13-16页 |
| 2.2.1 K12教育 | 第13-14页 |
| 2.2.2 高等教育 | 第14页 |
| 2.2.3 成人职业教育 | 第14-15页 |
| 2.2.4 语言教育 | 第15页 |
| 2.2.5 兴趣教育 | 第15页 |
| 2.2.6 培训 | 第15-16页 |
| 2.3 产业发展分析方法 | 第16-18页 |
| 2.3.1 PEST分析法 | 第16-17页 |
| 2.3.2 波特五力模型 | 第17-18页 |
| 第3章 在线教育产业发展现状及瓶颈 | 第18-33页 |
| 3.1 在线教育产业发展现状 | 第18-26页 |
| 3.1.1 国外在线教育产业发展现状 | 第18-19页 |
| 3.1.2 国内在线教育产业发展现状 | 第19-26页 |
| 3.2 国内在线教育产业的发展瓶颈 | 第26-30页 |
| 3.2.1 缺乏课程现场体验 | 第26页 |
| 3.2.2 系统性有待提升 | 第26-27页 |
| 3.2.3 课程完成率普遍偏低 | 第27-29页 |
| 3.2.4 课程质量难以保证 | 第29页 |
| 3.2.5 教师授课压力大 | 第29页 |
| 3.2.6 缺乏有效的课程认证体系 | 第29-30页 |
| 3.3 突破在线教育产业发展瓶颈的思路 | 第30-33页 |
| 第4章 大数据及人工智能对在线教育产业的影响 | 第33-43页 |
| 4.1 在线教育产业的发展趋势 | 第33-36页 |
| 4.1.1 教育资源的多元化 | 第34页 |
| 4.1.2 教育资源的优胜劣汰 | 第34页 |
| 4.1.3 在线教育有望成为买方市场 | 第34-35页 |
| 4.1.4 学习需求的精准分析 | 第35页 |
| 4.1.5 完善的教学质量评价体系 | 第35-36页 |
| 4.2 大数据及人工智能助力突破在线教育瓶颈 | 第36-40页 |
| 4.2.1 大数据及人工智能提升现场教学感 | 第36-37页 |
| 4.2.2 大数据及人工智能提升在线教育系统性 | 第37页 |
| 4.2.3 大数据及人工智能提升在线教育课程完成率 | 第37页 |
| 4.2.4 大数据及人工智能优化在线教育质量 | 第37-38页 |
| 4.2.5 大数据及人工智能减少在线教育教师压力 | 第38-39页 |
| 4.2.6 大数据及人工智能优化在线教育认证体系 | 第39-40页 |
| 4.3 大数据及人工智能助力改变在线教育理念 | 第40页 |
| 4.4 大数据及人工智能的应用案例 | 第40-43页 |
| 4.4.1 大数据应用案例——猿题库 | 第40-41页 |
| 4.4.2 人工智能应用案例——学霸君 | 第41-43页 |
| 第5章 中国在线教育产业的未来趋势 | 第43-46页 |
| 5.1 翻转课堂 | 第43-44页 |
| 5.2 虚拟课堂 | 第44页 |
| 5.3 共享课堂 | 第44-46页 |
| 结论 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |