（图片来源：布赖恩•克罗宁）
诺维格今年初教了一门Udacity的计算机编程课，他指出MOOC和之前的在线课程的另一个不同之处。他说，在线教育的经济模式已经大为改善。云计算设备让大量数据可以用极低的花费来存储和传输，课程和测验可以在YouTube和其他广受欢迎的媒体传输服务上免费观看。而Facebook等社交网络提供了数字校园模式，学生们可以在这里组成学习小组并相互回答问题。仅在过去几年中，在网上发布多媒体交互式课程的成本已经急剧下降，这使得辅导大量学生却不收取学费成为了可能。
Udacity、Coursera和edX都是由计算机科学家们领导的，这并不是巧合。MOOC的庄严承诺是让大学的教育质量变得更高同时学费更低，为此它将需要利用大型数据处理和机器学习方面的最新突破，让电脑根据手头的任务来做出调整。向成千上万人同时传播一门复杂的课程需要极高的自动化程度。许多传统上由教授和助教完成的人力密集型任务比如阅卷、辅导、主持讨论等将需要计算机来完成。此外也需要先进的分析软件来处理海量的学生行为信息，这些信息是在课程过程中收集到的。通过使用算法来发现数据中的模式，编程人员希望获得有关学习类型和教学策略的见解，这些见解将被用来进一步改善技术。MOOC的先锋人物们相信，这样的人工智能技术将会把高等教育带离工业时代而进入数字时代。
虽然他们的野心都很大，但特隆、科勒和阿加瓦尔都强调，他们初具雏形的机构才刚刚开始从课程中汇集和分析信息。“我们还没有用系统的方式来使用这些数据，”特隆说。这些公司尚需要一段时间才能把它们收集的信息转化为有价值的新功能，为教授和学生所用。要了解目前电脑化教学最前沿的发展，你必须看一看别的地方，尤其是关注一下一小批学术测试和教学组织，它们正在努力地把教学理论转化为软件编码。
在这个领域里最重要的思想家是和蔼可亲的纽约客戴维•孔兹（David Kuntz）。1994年，他在获得哲学硕士学位并在法学院录取委员会(主管LSAT考试的机构)担任知识学家（或称知识理论家）后，加入了主办SAT大学入学考试的教育考试服务中心（ETS）。ETS非常渴望使用电脑迅速发展的力量来设计更精确的考试，更高效地评分。这让孔兹和其他哲学家们开始研究一个很大的问题：如何用软件来测量意义、提升学习和评估理解力？当互联网向大众开放后，这个问题变得更加迫切。人们对“电子学习”的兴趣大增，开发复杂教学和考试软件的尝试和设计吸引人的教育类网站的努力结合了起来。
3年前，孔兹加入了曼哈顿的一家小型创业公司Knewton，担任研究主管。这家公司专注于“适应性学习”这一正在成长中的领域。它正在研发的网上教学系统可以在学生们学习一门课的进程中做出调整来适应每个人的需要和学习类型。其他研发这类教学软件的先驱项目还包括加州大学欧文分校的评估和学习系统ALEKS（Assessment and Learning in Knowledge Spaces）、卡耐基梅隆大学的公开学习方案（Open Learning Initiative）以及广受推崇的可汗学院（Khan Academy）。孔兹说，这类软件“收集到愈多信息就会变得愈好”。比如，教代数的软件可以反映不同的学习理论，然后，当许多学生用它来学习时，这些理论可以被测试、调整，软件也由此获得改进。其收集到的数据集越大，这个系统就会越发灵活，在合适的时间以合适的形式提供给每个学生合适的信息。
Knewton为即将入学的学生推出了数学补习课程，它所使用的技术被融合进了教科书巨头Pearson提供的教学项目中。不过，孔兹认为我们才刚刚开始看到教学软件的潜力。他预期这些软件项目将以几个“适应性层级”来发展，每一级通过更加先进的自动化程度提供更多个性化教学。第一个层级现在很大程度上已经建设完毕，在这个阶段，一个学生在一门课的学习进程中所采取的步骤是由其自己的选择和反馈决定的。比如，系统会根据他对一套问题的回答给他提供更多指导来帮助他掌握某个概念，或者会让他进入下一个知识点。孔兹解释道：“每个学生走不同的路”。下一个层级是孔兹计划将于不久后实现的，在这个模式中，软件给出的学习材料自动根据每个学生做出调整。虽然媒介和学习之间的联系仍然是个争议性话题，许多教育界人士都相信不同学生的学习方式不同。对一些人来说，最有效的学习方式是阅读文本，而对另一些人来说则是观看示范，还有些人是玩游戏，或者参与对话和讨论。此外，一个学生的理想学习模式还可能在一门课的不同阶段发生改变，甚至在一天里的不同时段有所不同。在这一堂课中，视频讲课可能最有效果，在下一堂课中，书面练习可能是最佳办法。电脑会监测学生们如何和教学系统互动，比如在什么时候加快速度，什么时候慢下来，在哪里点击了鼠标等等，并以此来学会预测学生的需求，并用最能实现理解和记忆的媒介形式来传输教学材料。
展望未来，孔兹说电脑最终将能让整个“学习环境”针对每个学生来做出调整。比如，组成软件界面的元素将根据电脑对一个学生的最佳学习方式的了解来做出变化。
校园大数据
教学软件的发展有望帮助众多大学生、高中生甚至小学生掌握基本概念。人们早已知道一对一的教学方式能带来重大的教育益处，但它的高成本限制了它的应用，尤其在公立学校。很有可能的是，如果电脑取代了教师的角色，为数多得多的学生将能够享受到辅导的益处。最近一项研究调查了一批在公立学校上统计课的本科生，结果发现最新的网上辅导系统看来产生了和面对面教学基本相同的效果。
MOOC正在把适应性学习融入其软件中，但他们对于数据挖掘的野心远不止于教学。特隆说我们看到的只是“冰山一角”。让他和其他计算机科学家对在线课程尤为兴奋的是，由于这些课程的规模之大前所未有，它们能够生成有效的机器学习所需的海量数据。科勒说，Coursera在创建系统时就已经想到了密集的数据收集和分析。在一门课中，每个变量都会被追踪。当一个学生暂停一段视频或者加快回放速度时，这个特定的选择就被Coursera的数据库捕捉下来。当学生回答一道测试题、修改作业或者在论坛上写下评论时也一样。每一个行动，无论它看上去如何的无足轻重，都变成了这个数据统计磨坊中的谷物。
科勒说，在如此细节化的层面收集学生行为的信息“为理解学习开辟了一条新的大道”。从前，学生们探索和掌握某个课题的方式是隐蔽的，现在暴露了出来。
她补充道，这种数据分析也有望让教师和学生们直接受益。教授们将定期收到报告，获知在他们的课堂中哪些方式是奏效的，哪些不奏效。而通过准确找出“最能预测成功的因素”，MOOC软件将最终能够引导每个学生都走上“正轨”。科勒说，她希望“所有学生的水平都在平均水平以上”的虚构小镇“乌比冈湖”（Lake Wobegon）将会变成现实。（译注：“乌比冈湖”是美国一家公共电台的主持人在节目中虚构的一个位于美国中部的小镇，这个镇上的“女人都很强，男人都长的不错，小孩都在平均水平之上”。该节目讲述发生在镇上的趣事，很受听众欢迎。）
阿南特•阿加瓦尔说，麻省理工和哈佛把edX设计成一个数字教学平台的同时，也在打造它成为教育研究工具。学者们已经开始使用从这个系统而来的数据测试有关人们如何学习的假设，而随着课程数量增加，研究的机会也将大增。除了带来对于教学方法的洞察力以外，阿加瓦尔还预期edX的数据库会有许多其他的实际运用。比如，机器学习可能会为创建一个自动探测在线课程作弊的系统打下基础，随着各大院校纷纷考虑向完成MOOC课程的学生颁发证书甚至学分，作弊问题正成为一个越来越迫切的挑战。
一次数据大爆炸看起来已经逼近了，在这样的情况下我们很难不陷入MOOC设计师们的热忱中。虽然他们的工作主要集中在电脑上，他们的目标却是非常人文的。他们希望用机器学习来促进学生的学习，让人工智能为人类智慧服务。但这种热情需要用怀疑来让它降降温。机器学习在教育中的益处很大程度上仍处在理论层面。而即使人工智能技术导致了教学方法的真正发展，这些突破性进展的运用可能是有限的。当一些知识点可以被清晰定义、一名学生的进步可以被精确衡量时，程序员确实可以把课程指导自动化。但是，要把发生在校园里复杂、有时甚至微妙难以言传的教和学的经历复制到电脑屏幕上则是另外一回事了。
斯沃斯莫尔学院的（Swarthmore College）的历史学教授蒂莫西•伯克（Timothy Burke）说，推广MOOC的人们“对于分析大型数据集的作用有着非常天真的认知。”他表示，历史上远程教育未能达到人们的期望并非因为技术原因，而是因为这一模式“重大的哲学问题”。他认同在线教育可能会在计算机编程和其他一些领域提供有效的训练，这些领域里确立已久的步骤可以在软件中进行编码。但他认为大学教育之根本存在于学生和教师的微妙互动中，这种互动无法被机器来模拟，无论软件程序如何复杂高级。
伊利诺伊州的威顿学院（Wheaton College）的英语文学教授艾伦•雅格布斯（Alan Jacobs）有同样的顾虑。他在发给我的电子邮件中写道，大学生们在课堂上和他人的讨论以及对此做出的思考会极大地影响他们的学习状况。他说，这类对话之丰富，并不能在互联网论坛上获得完全的复制，“除非那些在线上打字的人具有娴熟的小说家的本领，用文字把复杂的思考类型和经历表现出来”。一个电脑屏幕将永远只是一个好的大学课堂的空洞影子。和伯克一样，雅格布斯担心MOOC反映出来的教育观点已经偏斜向那些研发这些平台的计算机科学家的观点。
反转课堂
MOOC的设计者和推广者并未曾表示电脑会让教室变得过时，他们倒是声称在线教程会改变校园教学的性质，让它变得更吸引人和更有效率。传统的教学模式是学生们到教室里听讲座，然后自己回去完成作业。现在，这一过程将被反转过来。学生们将独自在自己的电脑上听讲座并阅读其他解释性材料（就象一些初中和高中生已经用可汗学院的视频所做的那样），然后聚集在教室里更深入地探讨这些内容，比如和教授讨论或者开展实验室练习。理论上，这一“反转的课堂”将会更合理地分配教学时间，并丰富教授和学生的经历。
不过对此也有疑虑。其中一个引发担忧的因素是飚高的中途退课率。在MOOC的早期阶段，这一问题非常突出。在注册参加诺威格和科隆讲授的线上人工智能课的16万名学生中，最后只有14%念完了课程。而在今年初注册参加麻省理工学院的一门电路课程的15.5万名学生中，只有2.3万人完成了第一套习题，约7千人即5%通过了这门课。无论如何，带领数万人完成一门大学课程都是一项不同寻常的成就，尤其想到每年在麻省理工学院只有175名学生修完这门课。但是中途退课的人数比例之高凸现了让线上学生保持专注度和动力的难度之大。诺威格承认最初注册MOOC课程的人是一批尤为自发的团体。真正的考验将发生在一个更广泛、更典型的群体上这些课时，尤其是当校园内使用这些在线教程时。MOOC将必须激励一大批不同类型的学生，并使他们在连续几周坐在电脑前学习的过程中保持学习兴趣。
对于MOOC的批评人士而言，最大的担心是大学会匆忙把在线教程纳入到传统的课堂中而顾不上仔细评估可能的缺陷。去年秋天，就在安德鲁•吴联合创办了Coursera的前不久，他调整了他在斯坦福的机器学习课程，让线上学生也能参加这门课，最后共有数千人注册上课。但至少有一名在校学生发现这门课有欠缺。主修计算机科学的本•鲁道夫（Ben Rudolph）在自己的博客上抱怨这门课的“学术严格度”没有达到斯坦福的标准。他感觉电脑化的作业提供了自动化的、立即的暗示和向导，未能鼓励“批判思考”。他还指出有孤立的感觉。他说，自己“几乎没遇到班上任何人”，因为“所有事都只在我的房间里完成”。吴则坚定地为这堂课的形式辩护，不过，事实上没人真的知道对于电脑教程的重视日增将如何改变大学生活的动态。
MOOC运动的领袖们承认他们所面临的挑战。阿加瓦尔说，要让这个形式变得完美，将需要在许多领域里有“复杂的发明”，包括从给作文打分到颁发证书。而随着在线教程进一步扩展到人文学科这一没有标准答案、探索性的领域，这个过程只会变得愈发困难。在人文科学领域，知识极少能被轻易地编码，一门课的成功有赖于教授引导学生们获得超出预期的见解。MOOC课程的价值究竟如何？它们最后将在教育系统中扮演怎样的角色？今年这些课程的发展成果将告诉我们有关这些疑问的多得多的信息。
在线课程已经给大学院校带来的问题至少和其技术挑战一样地令人生畏。无论大规模公开课程是否达到它们所宣传的程度，它们将会迫使学校主管和教授们重新思考对于教学形式和意义的理所当然的想法。无论好或坏，网络的破坏性力量已经来到了学术界的大门前。
本文来自：
特别声明：本文转载仅仅是出于科普传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或其它相关事宜，请与我们接洽。
[责任编辑：系统管理员]
京公网安备11010502039775号
