MOOC的时代已经到来，它的雄心壮志不仅仅局限于让普罗大众跟随斯坦福教授学习，还在于它将通过对大量用户数据的分析完善自身课程，使每位学生受到个性化的教育。后者才是MOOC对传统教育的颠覆之处，我把它称作＂智能教学系统＂。

       以下主要是针对理科（如数学）教学：

       智能教学系统对理科教师的取代作用比文科强，因为知识模块化、答案客观。

       在应试智能教学产品（例如【猿题库】）中，教师起作用的时段极短，就是开发初级的解析真题。因为真题库是确定了的，并不需要修改，即使有的题目不合理，也不需要教师做什么后续升级工作。对于选择题、填空题，系统能够自动推荐相关题目；而简答题有了解析，学生对教师的需求也少多了。

       在Khan Academy和Cousera，当然他们首先会使很多教师失业，但对于少数存活下来的教师，发挥空间会增大：设计题目（包括基于互联网的新题型）、解析，以及不断根据用户数据完善课程。在ETS等标准化考试机构，命题人员也会根据数据反馈来改进出题策略。

       可见一名教师如果没有命题权，他将会被数据分析师所取代。因为一名解题辅导教师最大的价值就是＂经验＂，现在我们有了数据挖掘，经验就弱爆了——假如每年对50名新学生教一遍课程，30年也才1500人，而且肯定不会跟踪每个学生的学习进程。在数据挖掘面前，过去神通广大的数学教师，将会变身陪读大妈大叔。

       还有另外一个问题：国内真题没有版权，那么面对经过互联网平台训练的考生，考试信度怎么保证？答案是无法保证，不过也没关系，出题机构的权威性并不会受到实质威胁。

       ETS真题有版权，它不会允许平台用它的真题产生大数据，否则它自身的优势何在？说到这里您也许会想到，如果一个国家考试命题权没有被行政垄断的化，那么优秀的MOOC平台是可以对ETS造成威胁的——它提供的成绩和学习过程评价会挑战标准化成绩的权威地位。。

       综上：在课程标准与考试受到行政垄断的社会，随着智能教学系统的出现，应试教师将会被逐渐取代，而智能系统会成为新一代应试利器；在更开放一些的社会，系统对教师的取代同样不可避免，但系统和少量存活下来的教师可以联手做出更多的事情。