提升教學效率的核心在于獲取結構化可分析的教學數據。在“教、學、練、測”四個環節中，由于練和測本身可以落點于拆分詳細、內容固定的選項上，很容易在線上完成，獲取用戶的學習數據和知識圖譜，反補于教和學的規劃和設計，市面上已有的產品有「乂學」、「悉之」等。
但教和學則強調行為和過程，難以一一對應進行拆解和記錄，難有結構化數據，這也是傳統教研方式單一、教學質量評估周期長、人工成本高、個性化低的主要原因。
36氪最近接觸到的「清帆科技」，利用 AI 技術研發了一款「EduBrain 教學分析系統」，通過攝像頭、拾音器等硬件分析老師學生的課堂情緒和學習狀態，在課后一小時內生成教學報告。36氪獲悉，清帆科技于 2018年 1月曾獲立思辰千萬元級戰略融資。此前，清帆科技曾于 2016年6 月獲得云天使基金天使輪融資。
EduBrain教學分析系統現在落地的場景有線下大班課、平板課和線上直播課；由于線下大班課依然是最高頻多發的教育場景，所以清帆科技布局的重點是線下。從市場需求來看，全國的公立學校、私立校、線上教育機構等加起來約有
100
萬家，每天產生的課程時長總計約
1億小時，但系統的數據分析系統一直沒有普及。
針對教學教研效率低、更迭慢的問題，EduBrain教學分析系統從知、行、情三個角度，來挖掘數據價值：
知。清帆科技結合清華大學K12學科知識圖譜研究成果，提取老師在課堂上講述的關鍵詞，關聯知識圖譜里相應的知識點。
行。收集老師和學生的課堂行為，如舉手、站立、點頭、趴桌、轉動身體等，分析課堂行為趨勢。
情。收集老師和學生面部表情和語音情感數據，包括高興、驚喜、傷心、害怕、厭惡、生氣、中性、分析課堂情緒變化。
結合知行情三方數據，EduBrain教學分析系統把行為和情緒拆分成更細致的分類，進行每秒 30次的逐幀分析，結合相關的知識內容，輸出教學分析報告，包括課堂情緒、課堂發言占比和課堂活躍度及融入度。
從教研環節來看，綜合的數據分析可以作為老師迭代教研、教學方式的支撐。例如在教學上，有傳授式、引導式、問答式等不同的教學模式，對應相關的知識點、課堂發言占比，結合學生的情緒狀態和行為，可以了解學生對模式和內容的接受程度，從而即時調整老師的教學行為和知識點密集度。
而具體到個人，EduBrain教學分析系統拆分每個個體的行為和情緒，讓老師了解學生的課堂狀態、活躍度、專注度等，幫助老師和家長從多個維度了解學生的學習情況，做更個性化的教育。目前清帆科技的盈利方式主要是軟硬件一體化的計算平臺設備和基于云的數據服務。
而信息化的產品進入市場的難點通常是教育市場，清帆科技策略是先打入重點城市的名校，然后由“領頭學?！陛椛渌闹?，借助立思辰教育渠道網絡優勢。目前EduBrain教學分析系統已經落地了北京、廣州、南京、重慶等城市的十幾所公立學校，線上則落地了兩家教育品牌。
關于團隊，創始人張文鑄是清華博士，是清華大學智能教育技術創新聯合研究中心副主任、立思辰教育AI實驗室主任，曾在清華電子系復雜工程系統實驗室做博士后研究，期間擔任“清華—思科綠色科技聯合實驗室”副主任職務；聯創焦劍濤是斯坦福博士，曾獲斯坦福最高獎學金，現在是加州大學伯克利分校電子工程與計算機系助理教授。
