教育技术“3大巨头”如何改变教育?

未标题-1

 

简序 ——并不是所有人能够认识到,教育技术其实对教育的影响将是十分深刻的;当然,也并不是所有人对这个话题感兴趣。我将尽可能不涉及枯燥的技术细节,而将教育技术可能的价值和宏观大略理想框架描述清楚。

 

1教育测评的体系及其重要性

 

教育改变的话题,终于走到了教育技术的环节。而我认为的教育技术的三巨头中,教育测评、教育大数据、学习科学系统,我会先从教育测评开始。

 
但之前章节提到中国的教育测评(考试),有两个灰色观点已经亮出,其一是如果中国应试发展到假公平真绊脚,情况会更糟;其二是中国这种考试文化盛行的社会,如果考试更加无孔不入的贯穿于教学的所有环节,结果可能是灾难性的。我是认可的,但这些都是针对的是教育测评(考试)的应用方式来说,针对于社会的制度基础来说的。

 
教育本身,需要教育测评的发展;举个极端的对比,就如人类需要原子能一样,但用于制造原子弹,并不是原子物理学的问题。所以这可以放到另外一个场合来博弈。但它之所以能涉及到这么大的负面反应,这也从另一个角度说明,教育测评的重要性。

 

教育测评本身,作为教育三大理论之一,对于教育发展的意义的确是非常重要的。其作用、其体系,有非常多的教育测评理论和实践的专著,大家可以购书去读,我在去年也写过一个胶水式的教育测评调研报告《教育测量与评价初步(外部版)》(大概五十页的文档),如果有需要的同学,我也可以提供。

 
现在,我重新整理了一个教育测评体系的大图,且把它放到教师教学与学生学习的过程中去,让大家更加清楚的明白各种教育测评的常见位置和意义:

 

640.webp

如上图,在当代教育体系中,教育测评几乎涉及所有核心教学环节和学习环节。简单说,如何知道课程体系是否符合教育目标标准,如何知道教学效果是否达到,如何知道学生在哪个位置,如何知道学生如何改进,如何进行教学管理乃至教育政策制定,还有大家会“两方面看”的学生选拔作用(如何知道应该录取哪些学生),这些都是教育测评的最直接应用。没有教育测评,这些问题都无法解决。

 

我们再看另外一张图,从另外一个视角做了一些整合,来重新表达一些信息。

 

640.webp (1)

 

 
首先当然是教育目标,如果没有教育目标的刻画,那么对于测评而言当然是没有意义的。因为你不知道测什么。

 
往上就是现代测评理论和模型的部分,以及教育内容与题库建设的部分。前者包括IRT和GT等,以及信度、效度和等值分析等,这是心理测量专业所专攻的:不解释,请看专业文献。后者包括测评题库建设、形成性测评所需要的任务素材和内容建设等,其中知识图谱需要学科专家和教育模型的人才合作共建。

 
再往上,(在教育商业公司中常常)存在三大块应用,首先就是对于学生的学业发展和素养发展,都需要以教育测评为基础,这里大家能看到更加具体的教育测评分类,诸如终结性测评、形成性测评及诊断性测评等。原则上说,个性化学习的系统,也是离不开教育测评的。其次就是教师专业化方面,测评相关的内容、工具,以及测评工作,测评结果的使用,都对教师提出了一定的诉求,也帮助教师更好的完成教育的实施。再次,教育内容的质量建设,也离不开教育测评中的概念和技术积累。

 
看过一些入门级的文献之后,这张图起到一个再次回顾的作用。

 

但教育测评的实施,是一个非常非常专业的事情。基本上在国内还没有这样成熟的团队——即使有人做“点”上的事情,但可以负责任的说,与经过商业化检验的ETS等公司相比,差距还是巨大的。

 
这是一个基本的实施框架图。一般的教育测评书籍中可能提不到,或者相对是局部的视角;这里给出一个成熟商业测评机构常见的架构,如果我们去研究诸如ETS等测评公司的实施架构,就会得到类似的架构图:

 

640.webp
这些工作里面,教育标准构建、测评题库构建、测评设计分析三项工作都是需要极其极其专业的团队才能开展,否则测评可能沦为儿戏。而alignment分析和心理测量所做的一系列分析等,也都是重要的专业测量和分析工作。而同时,教师培训和测评客户服务,也是一个非常重的运营工作。

 

所以,教育测评在实践层面,我们还很薄弱。这项重要的工作,我们期望从国外可以回来更多的专家,国内也有专业的团队可以开始探索——这样,未来独立第三方的教育测评服务,我们都可以共享。

 

2教育大数据与实证教育

 
教育技术的第二巨头,就是教育大数据。

 

很火的概念,互联网教育加大数据。但很多人未必清楚,教育大数据又有什么作用。我以前曾经画过一个不严肃的教育大数据吹牛皮指南图,可以先做一个不严肃的介绍。

 

640.webp (1)
教育大数据实施,我相信很多团队都会先提到教育内容的处理——什么错题和类题的匹配,好一点要照顾到学生的能力和题目的难度标签;以及,题目和教材的匹配,题目考点分析和标定,复杂一点可以做到题目的质量的简单甄别,等等,这些是互联网团队进入教育行业之后,都比较容易开展的。

 
如果再提到记忆与遗忘规律,提到行为模式,提到课程、考点等的区域化特点,这是又进了一步,已经在看教学的一般化规律了;然后,如果还能提到学生的能力模型和评估,知识点的掌握程度的合理度量,突出重点和难点,做到每一个学生都有所不同,已经涉及到初步的个性化教育了,自然是更深入。但有好的互联网团队,和教师教研团队一融合,还是可以做出来一个版本的。

 
然后就是数据分析类产品,放在这个位置是因为,报表统计谁都会做,算不得什么大数据牛皮。但如果数据分析和报告,真的做到对教育有影响有作用,要求还是比较高的,对分析能力、解读能力、产品和运营能力,都有很强的要求。敢吹这个牛皮,是需要胆量的。

 
再往外,教育目标标准建设、学生应试能力评估,甚至学生的学习风格策略评估等,都属于教育测评的内容,自家默默做是可以的,但敢吹牛皮需要再放一放胆量。

 
再往外,使用大数据和教育测评能力,具体影响到教师的真实教学环节,甚至比较大的改变它——那就不仅仅是大数据的牛皮了,还需要顺带的吹一吹教育效果的能力,吹一吹地推渠道能力,几个大牛皮一起吹,才能逻辑自洽。
至于红得发紫、紫得发黑、最后遭雷劈的部分,就不再一一描述了。

 

总而言之,这样一张好玩的指南图,有两个意义。第一个就是给非专业人士介绍教育大数据可以做什么,梯次顺序。第二个就是给非专业人士介绍,教育大数据吹牛皮的风险,吹之要谨慎。

 

但严肃的讨论教育大数据的价值,我们还是可以深入探讨探讨的——我之所以认为教育大数据是教育技术的第二个巨头,自然其价值对于教育而言是非凡的。有另外一张图来描述。

 

640.webp (2)
这张图,在三个大的层面描述教育大数据的价值链条。第一层是对于教育,内环;第二层是对于产品,中环;第三层是对于用户产业,外环。

 
在教育层面,教育大数据首先可以给教育内容提供最基本的机器智能能力,包括内容的结构化、标准化和工具化,作为互联网和电商,都走过这样一个过程,教育内容的信息化,也是如此。其次对于学习主体学生的描述,教育大数据可以完成学生身份信息的统一化,并完整的构建特征,建立learner profile,对于学生的深刻理解,才能发挥数据DT时代的价值。然后是教育测评,教育效果认定和优化,学生能力评估、成绩预测、软素质度量等,都离不开教育大数据的基础,而教育测评对教育的意义不再赘述。

 
在产品层面,教育大数据首先可以建立自适应学习和个性化教育产品,建立个性化教育体验,为每一个学生的学习路径进行优化,并通过数据来实证教育效果。其次,教育大数据可以为游戏化学习机制和产品提供优化,包括学生的兴趣和动机分析,新反馈和激励模型,以及虚拟学习环境的数字系统,都离不开教育大数据。然后,对于产品和教育的核心目标的度量、评估,包括BI分析,有教学成绩提升、用户退出率降低、商业转化率提升等,都需要教育大数据的支撑。

 
在用户产业层面,教育大数据首先可以为教育平台的核心三用户——教师、学生、家长提供丰富的协同机制,使他们目标共享,有效参与,协同激励,都是需要数据类产品支撑的。其次,对于教育管理者而言,教育大数据也能很好的辅助他们做教育资源分析,教育评价和政策制定。而最后,对于转动第三方整个产业链不同角色,教育大数据自然起到了血和水的作用:这在互联网产业和电商产业,也是早已证明了的。

 
所以你看,教育大数据,代表着教育未来的价值。

 

坦白说,如果没有互联网人士的加入,一般教育团队的大数据设计和控制能力,都还是比较弱的;而在中国的创业环境下,即使有互联网团队的加入,教育大数据的现状(质量)也是比较差的:好吧,中国互联网行业的数据质量,也是发展很久之后才提升上来的。

 
下面是一个大图,用来表示教育大数据的一个逻辑层次案例,无论是一个基于MOOC的学习平台,还是一个基于题库的训练系统,都能从中找到相应的部分。当然,公司业务不同,需求不同,自然数据逻辑也不同——我们更多的是要表达一个普适的逻辑结构和数据平台。这种数据平台的建设,往往既耗团队资源,也耗时间资源,是高科技和脏乱差并存,让人又爱又恨的一个工作。而且,多数非专业的领导,往往对其价值是有疑虑的,尤其是有生存压力的时候:这也导致了教育大数据平台落后的现状。

 

640.webp (3)
教育大数据,上面提到那么多的价值点,如果只让我保留一个的话,我最认可的,还是大规模实证教育的实施,是依赖于教育大数据的。而在我们这个环境下,人人都可以对教育发表意见,每家公司都讲快速迭代——但互联网人应该知道,快速迭代的基础是效果反馈,你知道产品上去之后好还是不好,然后才能迭代。而教育的部分,就是要看数据,要看实验,来验证产品有没有教育效果:这就是实证教育。但我相信,多数互联网教育的人士,都没有做这些工作。

 
自然是有原因的,因为教育效果认定比较困难,有可能是长期的,中间需要非常专业的实验设计和分析。但这就是实证教育的意义。我认为,也是教育大数据的最大的现实意义。

 
对于实证教育如何做,我觉得未来有独立成篇的需要,没办法短短的内容说清楚。

 

3学习科学与个性化教育

 

 

一切教育,都是通过学生的学习发生作用的。

 
所以学习科学,真的成为了一个显性学科。非常多不同背景的人,开始集中到学习科学的团队和研究中。我们还谈不到脑科学等;这里我们提教育技术的第三个巨头,也就是个性化学习系统。

 
个性化学习系统有几个基础要素。

 
首先,个性化学习当然要研究教育目标的刻画,因为前面有专章,这里简省。

 
其次,当然是最重要的,个性化学习要研究每一个学生,对他们做出刻画,对他们的学习过程和特征做出刻画。这是学习科学的核心之一。最常见的刻画有,学生的个性化教育目标刻画,学生的知识能力掌握刻画,学生的学习风格刻画,学生的兴趣刻画,和其它非智特点刻画。同时,为了改进,还会对学生做出很多诊断性目的的刻画。这些都是个性化教育实施的基础。前面在AltSchool中曾提到他们有较多的实践,大家可以研究一下,另外美国公司列表中也有很多。

 
除此之外,还需要对学习内容和进度进行刻画,包括一般规律的知识图谱刻画,也包括课程内容的刻画和训练内容的刻画,这些共同的来描述学生的学习素材和进度。

 

只有这样,一个合理科学的个性化学习系统,才能够逐步建立。这个系统,不仅有教育领域的推荐引擎技术,同时,还需要实证教育系统的支撑和学习科学的研究。

 
这样一个个性化学习系统,从比较全局和理想的视角来看,如下图所表示。

 

640.webp (4)
这就是我所信的教育技术的第三巨头,能够在技术层面真正能够推动教育巨大变革和发展的。

 

事实上,无论是教育测评、教育大数据还是个性化学习系统,都是互联网背景的人可以学习和贡献的,可以和教育人士一起努力构建。但往往这些技术也都有非常高的成本;自然技术需要跟着需求来走,但现实情况下,很多团队即使做,往往也只能浅尝辄止。

 
大投入需要大资源;人们不得不提到赚钱的问题。

 

本文为投稿文章,作者李子,文章节选自《李子谈基础教育与教育技术》,作者公众号“爱行知”。