11.辅助技术
在过去的两年中，许多帮助特殊需求学习者的技术得到了改进，包括语音识别、文本到语音转换和文本修改。
12.评估
机器学习在许多方面都在改善评估，包括适应性测试(NWEA)、快速评分(GradeScope)、跟踪解决问题的步骤(Thinkster)和监控学生进步[包括难以在学校衡量的技能（全方位教育）]。它也将是实现互动性的关键，并能整合形成性评估的多个来源。
13.诊断
人工智能在诊断疾病、视力问题和学习差异方面正在迅速改善。
14.分析
包括BrightBytes、Civitas Learning、Acrobatiq aa在内的分析平台已经在高等教育中广泛使用，并在K-12课程中也得到了广泛的应用。
15.指导系统
领英和Ziprecruiter等人才平台帮助雇主和有潜力的求职者之间进行匹配。大量的本地化信息将使Naviance和WorkKeys等高中毕业生就业求学指导平台的可用性更强，并且这些平台与就业途径相关联。
16.能力管理
学生成绩册将纳入多个来源的评估信息，并帮助教师结合徽章或微证书，对学生的能力做出正确判断。
17.学习者档案
能力管理将通过大规模综合档案(包括课外阅读的书籍和拥有的技能)的比较来实现。各种分散式记录都将成为扩展记录的一部分。在可预见的将来，人工审阅人员只需浏览记录的摘要，配合着使用机器学习工具就可以了，这些工具将筛查更大的配置文件——包括提交的和删除的。
18.学习管理系统
目前像Canvas from Instruction、D2L和AltSchool这样的学习平台对机器学习的使用是有限的，但也在不断地增长。有一些自适应的LMS（学习管理系统），如Fishtree和realize zeit主要用于职业教育。随着学习者数据的增加，更多的平台将加入推荐引擎和个性化路径。
在企业LMS市场，进展可能会更快。随着像NAF这样的集团采用SAP的SuccessFactors平台，我们开始看到更多的双赢现象。
19.经验管理
随着学习方式变得更加分散和能力体系的提高，系统将提供来源、进度和适合学习科目等学习经验。
20.指导
在正确的时间，以正确的理由(即基于项目的指导)将行业导师与学生联系起来。尽管在线学习平台在今天起到了一定的作用，但一个带贡献激励机制的新版本，会极大地调动大家的积极性(很可能会与大学校友会联合出现)。
21.招聘和入职
机器学习在企业招聘和入职培训中被广泛使用，目前它正在进入教育领域。“智能筛选”是人力资源领域的一项重大举措，人力资源领域将应用这种智能平台，以提高招聘、人员匹配和入职培训的效率。
来源：智能观
联系客服
