阅读笔记第320/365天
今日阅读《学习的本质》
作者：[美］桑贾伊·萨尔马 卢克·约昆图
翻译：吕红丽
第二部分 动脑与动手
第8章 教育技术的应用
当技术发展到一定阶段后，由内而外的方法就与由外而内的方法相交相汇，将它应用于由内而外的教学法中，很可能为我们带来目前无法预测到的教学机会。
1.机会
免费个性化学习，最早是在线课程，1997年，麻省理工推出了一个计算机科学入门课的在线课程，这门课程中首次在视频讲座中加入了练习，接着是开放课程。2008年，萨尔曼·可汗在YouTube上发表视频，帮助学生解决学习中出现的棘手问题，2011年斯坦福大学提供三门在线开放课程。2011年底，麻省理工开设了慕课教育，即大型开放式网络课程。之后许多著名大学都搭建了免费的网上学习平台。开放在线学习的项目，轰轰烈烈的拉开了序幕。截止2018年年底，全球900多所高校共提供了11,400门课程，累计注册学习的学生达到1亿人。不容置疑在线教育，帮助了许多学习者。这些学习者出于各种原因不符合在大学或研究生学院学习的要求。例如就年龄而言，许多用户多为在职的学习者。
2.挑战
然而仅仅在短短几年时间里，人们对慕课的期望开始下降，有一些慕课一开始报名学习的人数呈指数级增长，但现在出现了停滞现象，一部分原因是最初的炒作热潮逐渐消退，还有一部分原因是学生可学习的课程类型在不断增加，另外各门课程的完成率变得越来越低。然而更令人担忧的是，相对而言，慕课对富裕人群的益处更大。
以机器学习为驱动的教育科技大部分适用于steam领域，但这一技术并不适用于所有学科。例如在美国GRE研究生入学考试中，采用了一种名为“e-rater”机器学习论文批改系统。人们发现系统对篇幅较长的论文评分都很高，无论学生们在论文中的用词多么冗长，总能受到系统的青睐。更令人担忧的是，该系统对非裔美国人的文章评出的分数普遍低于人类评分员评出的分数。
虽然机器学习算法是将学校各学科知识分解成极为细小的知识点，这样有助于解释课程中的每一个知识点，却无法在教学过程中将这些细小零散的知识点有机的整合起来。更糟糕的是，如果将机器学习算法专门用于优化标准化测试的结果，系统将可能陷入一种不利于认知的学习陷阱。
通过在线课程学习同时又有专业教师指导学生的学生，他们的学习效果才能和传统课程中的学生一样好。很多贫困的偏远地区，为了弥补教师严重短缺的情况，求助于科学技术。这些技术有的使用起来简单，有的困难，例如在美国密西西比州，一个高中西班牙语课堂，学生们在没有教师的情况下，只得在教室里观看另一所学校上课的视频，还有一些情况非常复杂，学生们坐在教室里，在谷歌网络笔记本上浏览数字课件，却没有专门教师指导，而在教室里指导学生的是缺乏知识的“协助者”。这让学生们感到很失望。但同样的技术作为教学工具，由富于地区经验丰富的教师使用，就会产生相反且有益的效果，这样的技术就像筛子一样，只对富人有利，对穷人不利。
网友评论