科技是个性化学习的通行证。

达芙妮·科勒

  我们的教育系统正处于危机状态。在发达国家中,美国的初等数学与科学教育排名第55位,在高等教育排名中位于第20位,获得科学与工程学士学位的大学生人数排名第27位。
  在这个社会系统中,我们能够并应该在教育中投入更多资金。但这只是解决方案的一个方面。在美国及其他国家,高昂的费用限制了高质量教育向大多数民众普及,同时也威胁到了学校在社会整体中的地位。我们需要在提高教学质量的同时,大幅度降低成本。
  如若这些目标看上去有些对立,我们可以参考一个历史上的例子。19世纪60年代,60%的美国劳力从事农业,时常有粮食短缺出现。时至今日,农业人口所占比例不到2%,却仍旧有粮食剩余。
  这一转变的关键之处在于科技――从轮作的务农模式到GPS导航的农业机械,极大地提高了农作物的产量。与之相比,我们的教育方法从文艺复兴到现在却没有多大的改变:从中学到大学,大部分教学依旧在坐满学生的教室里进行,然而只有极少部分学生在认真听讲。
  我们如何在降低费用的同时提高教学质量?1984年,本杰明·布鲁姆(Benjamin Bloom)提出,个人教育相对标准化集中教学更具优势:一般而言,个性化指导的学生表现比标准化教育下的98%学生要优秀。
  直至今日,个性化辅导仍很难实现。但我认为技术也许会创造一条成功之路。
  借鉴萨尔曼·可汗(Salman Khan)在试图远程教授表弟表妹们数学时创建可汗学院的成功案例,他将课程录制成短片并上传,同时以自动评分练习作为补充。这一简单的方法受到大量关注,数以百万计的浏览者进行了超过7亿次的观看。
  在斯坦福大学,我们使用相似的形式上传了三门计算机科学课程。在前一个月里,就有30万学生注册观看,观看次数达到几百万,并提交了数以千计的网络作业。
  从这些成功案例中,我们可以发现什么?首先,我们看到这些是专门为学生(他们中的大部分都非常熟悉YouTube)准备的视频课程,同时,教师制作视频也很简单。
  其次,以短小的视频呈现学习内容取代持续一个小时的教学课程,更符合学生的注意力持续时间,并能够为学生提供灵活的个性化指导。教师和学生用较少的准备就能运用较多的资料,并且不会因时间不足感觉到不安。
  反之,具有较强学习能力的学生也可以超前学习,避免厌倦以及松懈。简而言之,每个人都得到了一种接近个性化学习的个人体验。
  仅仅被动观看也是不够的。通过练习以及评估进行约束也是学习的关键。这些练习并不仅仅为了评估学生而设计,更重要的是通过刺激记忆以及锻炼思维加强学生的理解。
  此外,测试允许学生理解了一个概念之后,可以预先学习其他知识而不是浪费时间听老师教授已经理解的知识。
  面对各种类型的问题,我们如今已经有办法自动评定学生的作业,允许他们接收到反馈的时候进行练习。通过科技方面的努力,我们的平台在判断各种类型的问题时已经愈加靠近人类水平。
  当然,这样的人机互动会造成一些问题。学生需要提问以及进行讨论。我们如何解决数万名学生的人际互动呢?
  我们斯坦福大学的课程提供论坛,以便学生为问题及答案投票,以期重要问题能尽快解答,通常回答问题的是其他学生。将来,我们将通过网络技术建立更多这样的交流论坛,类似大型的即时讨论组。
  更广泛地说,网络给我们确定什么在起作用的能力。直到现在,许多教育研究都是基于一些学生进行,网络技术能够追踪到每一次点击:记录下哪一门课学生看了超过一次,他们在哪里中断,他们出了什么错误等。这些数据对理解学习过程,确定最好的学习策略来说是无价的资源。
  一些人认为在线教育无法传授具有创造力的解决问题以及批判思考的能力。对于解决问题能力的锻炼来说,学生必须首先掌握基本概念。而在第一步的基础上,学生可以集中宝贵的课堂时间进行关于解决问题交流并得到深层次的答案,同时培养创造力。
  我们把这种形式称为弹性教室教学,老师们有时间与学生进行互动,激发他们的积极性并给予一定的挑战。虽然这些课出勤率十分随意,但相比很多教室授课的课程获得了更高的评价。并且在北加州洛斯阿尔托斯学区实行这种混合模式,参加了可汗学院的课程学习后,七年级的学生在数学上有了迅速的提高,从原来优秀学生占23%的比例提高到41%。
  2010年教育部门通过45项研究得出的一项分析表明,在线教育与当面教学一样有效,并且两者交叉的学习方法被认为比这两者都有效率。
  网络教育能够实现两个目标。一是学生能够接触到优秀的教师,在相同或更低的成本条件下,交叉学习能够带来更好的学习效果。二是对成千上万个国内或者国外的不能接受良好教育的学生来说,网络学习为他们打开了一扇窗户。
  纳尔逊·曼德拉说:“教育是改变世界最强大的武器。”在教育中使用技术,我们能够在不远的将来改变世界。

资料来源The New York Times

责任编辑 彦 隐

――――――――――

本文作者达芙妮·科勒(Daphne Koller),斯坦福大学人工智能实验室教授。