Что такое адаптивное обучение

Адаптивным норовят назвать каждое второе образовательное приложение, но на самом деле их чудовищно мало. Для того чтобы раз и навсегда разобраться в этой непростой области, рекомендуем вам прочитать прошлогоднюю статью Хосе Ферейра, основателя Knewton. Русской версией текста поделился Edutainme.

Адаптивное обучение сильно изменилось с тех пор, как почти шесть лет назад появился Knewton. Тогда мои восторги никто не понимал, а термин еще не использовали. В апреле 2013 года я предсказал, что через пару лет все учебные материалы будут цифровыми и адаптивными. Knewton стал частью этой революции. Теперь мы мечтаем о мире, где каждое образовательное приложение — по умолчанию адаптивное. Это непросто: сегодня на рынке предлагается множество программ с удивительным интерфейсом, материалом и педагогической методикой, но от них мало толку, если они не умеют подстраиваться под ученика.

Вся разница — в данных. Точнее, в данных о прогрессе каждого студента. Сейчас я не говорю об оценках за тесты или о статистике потраченного времени: такие показатели не учитывают сложность материала или то, как человек справился с похожими заданиями. Идеальная система должна показывать, что студенты знают, насколько они готовы к новым знаниям и как их способности развиваются со временем. Такие подробные данные позволяют рассмотреть в деталях не то, что человек сделал, а то, что он знает (и мы должны быть в этих знаниях уверены). Между тем, строить выводы о выученном на основе сделанного ужасно сложно. Для этого нам придется понять, что вообще нужно знать студенту, и сформировать некий стандарт. Без сложной инфраструктуры этого сделать нельзя — от силы, лишь догадаться.

К примеру, алгоритм приложения может предлагать студентам перейти на новый уровень, если они решили 8 из 10 заданий по алгебре, если нет — давать им новые. У такой системы, основанной на простых правилах, есть недостатки: она не учитывает уровень языка, ставит оценки без раздумья и полезна для зубрежки, но не для учебы. Самая большая проблема — отсутствие инфраструктуры, которая поставляла бы самые свежие данные об умениях студента. Такие системы могут лишь делать догадки, иногда верные, иногда не очень. Важно помнить, что погрешность будет увеличиваться в геометрической прогрессии с каждым новым уровнем, на который переходит студент.

Не хочу сказать, что замечательных приложений не бывает. Просто многие я бы не называл адаптивными. На мой взгляд, этот термин можно применять лишь к тем проектам, которые основаны на пристальном контроле над успехами студента на всех этапах. Адаптивное обучение выросло из адаптивного тестирования, которое тоже включало обработку большого объема данных, хоть и более грубую.

Все остальное можно отнести к дифференцированному обучению — то есть, система в состоянии сделать несколько хороших догадок на основе простых данных и выстроить более-менее верный индивидуальный маршрут для каждого студента.

Для того чтобы сделать настоящее адаптивное приложение, необязательно пользоваться платформой Knewton. Еще до нее мы запустили программку для подготовки к государственному тесту GMAT. Вопросы мы написали сами и протестировали с помощью «Mechanical Turk» (краудсорсинговая платформа Amazon, где можно заплатить за несложную работу с данными — прим. ред.) Мы, как никто другой, знаем, что производство адаптивных приложений — дело очень болезненное, дорогое и почти невыполнимое. В разы дороже и сложней построить целую платформу с гибкими алгоритмами оценивания, возможностью извлечения данных о прогрессе, построения на их основе точных выводов — нужны сотни безукоризненно работающих шестеренок. Когда вы определитесь с системой оценивания, понадобятся инструменты, чтобы лучше представлять, с какими студентами и материалами вы имеете дело. Это представление нужно будет использовать для разработки идеальной машины, которая знает, как помочь студентам, учителям и родителям.

Для создания такой платформы важно с самого начала понимать, что вы хотите построить, и иметь в своем распоряжении лучших разработчиков мира. Ни одна компания никогда бы не стала в одиночку создавать такую систему просто для того, чтобы работать над собственными приложениями. Я придумал Knewton, чтобы разрушить эту дилемму. Теперь существует открытая инфраструктура для сбора, анализа и использования данных о прогрессе студентов. Каждый, кто хочет создать настоящее адаптивное приложение, может просто присоединиться к нашей сети, не тратя силы и деньги на самостоятельную разработку всех этих инструментов.

Тонкое искусство против тяжелого машиностроения

Каждое стороннее приложение, с которым мы работаем, может упражняться в тонком искусстве педагогики или создания контента, а весь тяжкий труд по персонализации данных переложить на плечи роботов Knewton. Платформа состоит из трех основных частей:

Система сбора данных:

собирает и обрабатывает огромные объемы информации о знаниях студента.

Адаптивная онтология: отображает связи между отдельными понятиями и генерирует нужные системы, цели и алгоритмы взаимодействия студентов

Расчетный блок: обрабатывает данные в реальном времени и параллельно анализирует для дальнейшего использования.

Система выводов:

увеличивает набор данных и делает на их основе выводы.

Психометрический блок: оценивает знания и умения студента, подстраивает параметры контента. С каждым новым уровнем информация о студенте становится в разы точней.

Блок стратегии обучения: оценивает чувствительность студентов к изменениям в преподавании, темпе, оценивании и др.

Блок обратной связи: объединяет все эти данные и передает в систему сбора данных.

Система персонализации:

использует мощь данных всей системы, чтобы найти оптимальную стратегию для каждого студента на каждом уровне.

Блок рекомендаций: сообщает следующие шаги, корректирует цели, оценивает сильные и слабые стороны студента, степень вовлечения и т.д.

Блок аналитических прогнозов: предсказывает скорость и вероятность достижения целей (например, вероятность того, что студент пройдет текст на 70%), ожидаемую оценку, уровень знаний и др.

Единая история обучения: личная статистика студента, учитывающая успехи в разных приложениях и предметных областях.

Школы привыкли подготавливать всё сами: учителей, материалы, обеды в столовой, технологии. Заводам тоже было проще производить всё на своих станках. Но, наконец, люди поняли, что если выстроить экосистему, где каждый будет делать свое дело, получится гораздо дешевле и качественней. Школы всё чаще обращаются к аутсорсингу, покупая контент, ланчи и курсы повышения квалификации. Так они могут сосредоточиться на том, что они умеют делать лучше всего — учить, воспитывать и развивать сообщества.

Кстати

На прошлой неделе вышла книга,  посвященная анализу новых целей, стоящих перед образованием, и практик, с помощью которых их можно достичь. Одну из глав для сборника, в котором поучаствовали и гарвардские профессоры, и участники Всемирного экономического форума, написал основатель Knewton Хосе Феррейра. Раздел посвящен исследованию революции в онлайн-образовании, точнее в двух его областях - большие данные и распространение. Автор пытается дать объективную оценку процессам, происходящим в высшем образовании, и рассуждает о будущем университетов. «Учитывая наши новые возможности сбора и анализа информации, мы могли бы использовать данные, чтобы предоставлять персонализированное и качественное образование в глобальных масштабах». Книгу (на английском языке) можно бесплатно скачать в формате PDF с сайта форума.