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，由于知识模块化、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，就是开发低级的解析真题。由于真题库是肯定了的，其实不需要修改，即便有的题目不公道，也不需要教师做甚么后续升级工作。对选择题、填空题，系统能够自动推荐相干题目；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，固然他们首先会使很多教师失业，但对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，和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1名教师如果没有命题权，他将会被数据分析师所取代。由于1名解题辅导教师最大的价值就是＂经验＂，现在我们有了数据发掘，经验就弱爆了——假设每一年对50名新学生教1遍课程，30年也才1500人，而且肯定不会跟踪每一个学生的学习进程。在数据发掘眼前，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1个问题：国内真题没有版权，那末面对经过互联网平台训练的考生，考试信度怎样保证？答案是没法保证，不过也没关系，出题机构的权威性其实不会遭到实质要挟。

ETS真题有版权，它不会允许平台用它的真题产生大数据，否则它本身的优势何在？说到这里您或许会想到，如果1个国家考试命题权没有被行政垄断的化，那末优秀的MOOC平台是可以对ETS造成要挟的——它提供的成绩和学习进程评价会挑战标准化成绩的权威地位。。

综上：在课程标准与考试遭到行政垄断的社会，随着智能教学系统的出现，应试教师将会被逐步取代，而智能系统会成为新1代应试利器；在更开放1些的社会，系统对教师的取代一样不可避免，但系统和少许存活下来的教师可以联手做出更多的事情。