如何實現網絡課程的個性化

朱 青/編譯

如何實現網絡課程的個性化

朱 青/編譯

● 讓學生從一對一在線輔導中獲益。

早在30多年前，教育家們就已經知道，在一對一的輔導以及掌握學習法 （對某一問題不斷鉆研直至完全掌握，而不是以通過考試為學習的終點）之下，學生的學業表現會更好。當然，學業的成功也是需要動機的，不論是來自學生內心的驅動力，還是來自家長、老師或是同輩群體的激勵。

那么，大規模網絡公開課（MOOCs）的興盛是否會削弱這些成功動機的影響力呢？根本不會！相反，數字工具為我們提供了實現成本效益的最佳途徑：個性化學習。

我之所以如此肯定，是因為兩種教學方法我都嘗試過。幾年來，我和塞巴斯蒂安·史朗（Sebastian Thrun）一直在斯坦福大學教人工智能課，我們按傳統的方式講課、布置課后作業，在學期考試的時候給學生們出同樣的考題。結果，每個學期都只有5%—10%的學生能定期參與課堂的深入討論和好好聽課，其他的學生則消極得多。我們覺得，肯定有其他更好教學方法。

于是，在2011年秋季，我們嘗試了一件全新的事情——在傳統的課堂學習之外，我們創建了一個對所有人免費開放的網絡課程。我們的首次嘗試取得了不錯的成績：超過100000人參與了課程學習，其中23000人完成了整個課程的學習。

在諾貝爾獎得主赫伯特·西蒙 （HerbertSimon）“學習源于學生的所作所為、所思所想，并僅源于此”這一論斷的啟發下，我們創建了一個以關注學生的作為和學習反饋為核心的課程。我們的課是很短的視頻（2—6分鐘），目的在于幫助在線學生做好做練習題的準備。這些練習題，有些需要在視頻中對解題所需的數學方法進行詳細講解；有些則是開放式問題，讓學生獨立思考然后在論壇上交流和進一步推敲自己的想法。

我們的課程使學習變得積極而非被動，產生了許多類似于輔導所能帶來的效果，而且還有助于增強學生的學習動機。教育領域的許多研究為我們課程的設置提供了理論支持。比如，卡爾·K·什普納爾 （KarlK. Szpunar）、諾瓦爾·Y·可汗（NovallY.Khan）和丹尼爾·L·沙克特 （DanielL.Schacter）2013年發表在《美國國家科學院論文集》的一項研究顯示，頻繁的互動有助于集中注意力。再如，威廉·B·伍德（William B.Wood）和金伯莉·D·坦納（KimberlyD.Tanner）發表在2012年的《生命科學教育》上的一篇論文所指出的，學習能在學生自己思考（而非被動地聽課）時得到強化。正因如此，一個經過合理設計的自動智能教學系統就可以產生和人類教師一樣的教學效果——正如庫爾特·范·萊恩（KurtvanLehn）2011年發表在《教育心理學家》上的薈萃分析中所指出的一樣。

我們課程的最后一個重要優勢就在于它快速的自我完善能力。我們對許許多多學生容易掌握和容易出錯的知識點進行分析，從而找出課程需要調整完善的地方。更難得的是，我們對學習反饋信息的獲取是在網絡課程不間斷的情況下同步進行的。在我們的課程里，人類教師對數據信息進行分析，而人工智能系統則執行分析結果，從而為學生接下來的學習提供引導和建議——就像現在的購物網站可以自動推薦你可能感興趣的書和電影一樣。

在線學習就像課本一樣，只是一個工具。老師和學生使用工具的方法才是最為重要的。

[資料來源：Nature][責任編輯：彥 隱]

本文作者彼得·諾維格（PeterNorvig），美國計算機科學家，Google公司研究主管。