Адаптивное обучение - будущее рядом - Дистанционный обучатель
Когда Айзек Азимов в прошлом веке предсказал, что люди будут учиться посредством экранов и доступа к удаленному хранилищу информации, это звучало очень смело. Ученые мужи и профессора университетов посмеялись и сказали, что такого не будет никогда. В наше время дистанционное образование – это зрелая индустрия, которая развивается по законам рынка и повторяет тренды, которые влияют и на другие отрасли.
У гигантов интернет индустрии нет сомнений, что будущее за персонализацией данных для пользователей. Google и Facebook уже не первый год выстраивают выдаваемую информацию в соответствии с предпочтениями и предыдущим опытом пользователя. В зависимости от того, на какие сайты переходил пользователь, что он читал, смотрел и “лайкал” выстраивается его виртуальный профиль. На основе созданного профиля компания адаптирует информацию и показывает ее пользователю. По такому же принципу работает и Amazon, предлагая новые товары, в соответствии с предыдущими покупками, просмотрами и поисковыми запросами пользователя. Компании осознали, что личностный подход и персонализированные данные для каждого пользователя позволяют предложить наиболее подходящее для него решение. Персонализация коснулась и сферы обучения.
С чего все началось
В сфере образования вопросами персонализации занимаются уже не первое десятилетие. Персонализированное обучение зародилось в 50-ых годах в виде концепции “Программированного обучения”, разработанной психологом Гарвардского университета и изобретателем Берресом Фредериком Скиннером. Первым механическим прототипом адаптивного обучения стала “Обучающая машина” Скиннера. Механизм содержал в себе список вопросов, которые по очереди отображались студенту в маленьком окошке. В коробке был механизм позволяющий выбирать разные варианты ответы. Когда студент отвечал правильно, машина поощряла его и показывала новый вопрос. Если студент ошибался – проблематичные вопросы отображались повторно. Самым важным было то, что “Обучающая машина” давала немедленный ответ о том правильно ли ответил студент. Таким образом студент быстро учился на своих ошибках.
Обучающая машина Скиннера. (Wikipedia) [].
Само понятие “Адаптивное обучение” сформировалось в 70-ых годах благодаря набирающему в то время популярность направлению искусственного интеллекта. В те года считалось, что компьютеры рано или поздно, как и человек, научатся адаптироваться к окружающей среде. Новый подход пришелся по душе противниками классической системы обучения считавшими, что игнорирование уникальных способностей каждого ученика и поголовное пичканье одинаковыми материалами всех студентов даст о себе знать в будущем. Главной задумкой адаптивного обучения стало предположение, что системы смогут адаптироваться к предпочтительному для студента методу обучения и за счет этого можно будет добиться более качественного и эффективного обучения. Основными барьерами в развитии данного направления стали высокая стоимость и размеры компьютеров, а также отсутствие вменяемых и дружелюбных к ученикам пользовательских интерфейсов.
Новая волна интереса к адаптивному обучению
С тех пор многое изменилось. Компьютеры подешевели в сотни раз и стали более компактными, интерфейсы преобразились и стали столь интуитивными, что их легко осваивают даже двухлетние дети. Но главными факторами повлиявшим на появление новой волны интереса к персонализированным системам обучения стали возможность хранения и работы с большим количеством мета-данных (Big Data), и технологии машинного обучения. Появление идеальной инфраструктуры подбило людей занимающихся образованием вновь задаться вопросами разработки умных систем обучения.
New Media Consortium, начиная с 2004 года, выпускает ежегодные независимые отчеты “Horizon Report”, посвященные технологиям и тенденциям в сфере высшего образования. По последним прогнозам, опубликованным в уже в ближайший год нас ожидает бурное технологическое развитие адаптивных систем обучения. Умные аналитические системы уже умеют отслеживать прогресс продвижения студентов и основываясь на собранных данных менять в реальном времени программу обучения и содержание электронных курсов.
Адаптивное обучение позволяет динамически подстраивать уровень и тип курсов в зависимости от индивидуальных знаний и способностей ученика. Оптимизация уровня сложности обучения в свою очередь позитивно влияет на внутреннюю мотивацию учеников и их заинтересованность в получении новых знаний. Таким образом, ученикам станет интересней учиться и легче осваивать новые направления. С какой стороны не посмотри – все в выигрыше. Все это стало возможным за счет прорыва машинного обучения в последние несколько лет. Сбор такого рода данных о студентах позволит не только адаптировать на лету электронные курсы, но и использовать собранные данные наставниками и преподавателями.
А можно поподробней?
Главная задача адаптивного обучения – логическое выстраивание программы обучения для каждого студента, усиление его развитых сторон и контроль факторов, имеющих влияние на успех ученика. Не менее важно и то, что системы персонализированного обучения могут предотвратить попадание учеников в группы риска и будут своевременно сигнализировать преподавателям о пробелах в знаниях и образовавшихся проблематичных местах. За счет подбора оптимального формата материалов для каждого ученика, система старается постоянно поддерживать интерес к обучению на высоком уровне. Предлагая последовательный набор заданий соответствующий уровню знаний и предпочтений студента адаптивные системы обучения поддерживают постоянный интерес у ученика.
Адаптивное обучение считается одним из наиболее перспективных и динамично развивающихся направлений в сфере электронного обучения (E-Learning). В связи с этим, в ближайшие два года ожидается появление новых игроков рынка. На данный момент уже существуют ряд платформ специализирующихся на персонализации обучения. Среди них, например, такие как: Knewton, CogBooks, Acrobatiq и McGraw Hill Education.
От теории к конкретным примерам
В компании McGraw Hill Education разработали “умные учебники” (Smart Books). В умных учебниках информация о процессе продвижения каждого ученика сохраняется внутри учебной платформы. Затем, с помощью технологий машинного обучения, система анализирует общие данные собранные по всем ученикам и уникальные данные по каждому конкретно взятому ученику. В итоге, система управления обучением выделяет в электронной книге места, в которых часто ошибаются другие ученики, чтобы студент мог уделить больше внимания наиболее важным и проблематичным материалам.
Затем, по мере сбора информации о самом ученике и в зависимости от его успехов, в учебнике выделяются те предложения и параграфы, на которые ему стоит обратить внимания для восполнения пробелов в своих знаниях. При этом текст в таком учебнике всегда остается одинаковым, а вот яркость и выделение текстов меняется в зависимости от полезности и релевантности отдельных параграфов для ученика.
В каждом умном учебнике McGraw Hill Education есть раздел “Повторение”, где собраны материалы, которые чаще всего забываются учениками и те, которые недостаточно хорошо усвоены. Первая часть материалов в этом разделе формируется на основе общей аналитики прохождения обучения всеми учениками. Вторая часть выстраивается на основе того, как отвечал конкретный ученик на вопросы и тесты. Если студент где-то допустил ошибку, все связанные с ошибкой материалы вносятся в раздел для повторения. Пока ученик не докажет своими ответами, что он понял свои ошибки и усвоил материал, система будет повторно возвращать его в проблематичные места, где были допущены ошибки. Таким образом, новый тип учебников имеет двустороннюю коммуникацию. Теперь книги не только вещают информацию, но и собирают персонализированные данные и статистику о своих читателях.
CogBooks – еще одна компания специализирующаяся на адаптивном обучении. Система рекомендаций разработанная в компании изучает поведение каждого студента в соответствии с его действиями в курсе и адаптирует путь обучения так, чтобы он наиболее соответствовал уникальным нуждам ученика. Университет штата Аризона (Arizona State University) совместно с CogBooks провели исследование о влиянии адаптивных систем обучения нового поколения на результаты учеников. Эксперименты проводились на курсах биологии и истории. После использования адаптивной платформы в течении одного семестра количество студентов успешно окончивших курс выросло с 76% до 94%. В то же время, количество студентов, прекративших обучение, сократилось с 15% до 1.5%. Результаты на лицо.
Knewton подошли к вопросу адаптивности обучения с другой стороны. В компании посчитали, что измерение текущих знаний ученика и адаптация материалов в соответствии с ними недостаточно для полноценной персонализации. Knewton решили не только адаптировать электронные курсы и автоматически корректировать путь обучения, но и предоставлять преподавателям собранные аналитические данные по каждому ученику. Помимо статистических данных, адаптивная платформа обучения генерирует рекомендации учителям на основе собранной о студенте информации и подсказывает, какие материалы стоит показать студенту дальше. При таком подходе в процессе адаптации обучения принимают участие не только компьютерные системы, но и живые люди – непосредственные преподаватели.
В чем же недостатки?
У всего есть свои недостатки, не обошлось без них и здесь. Главная претензия к системам адаптивного обучения – хранение персональных данных. На фоне повсеместного сбора информации о пользователях со стороны социальных сетей, поисковых систем и интернет-магазинов вопрос хранения личных данных становится все острее. Возникает логической вопрос – хотим ли мы как родители, чтобы персональные данные о наших детях собирались в школах, колледжах и университетах? Не навредит ли это ребенку в будущем и не даст ли слишком много приватной информации третьим лицам?
Представители компаний утверждают, что несмотря на создание “виртуального профиля” для каждого ученика, они не хранят в своей базе идентификационные данные. Таким образом, нет привязки между показателями студента и его именем и фамилией. Иными словами, если Иван Сидоров предпочитает учиться с помощью видео, успешно окончил три курса по математике, но провалил два курса по английскому, система знает, что это один и тот же ученик, но не знает, что это Иван Сидоров. Вместе с тем, в сети можно найти достаточно рекламных роликов адаптивных систем, где четко видны имена учеников рядом с их статистическими показателями.
Вторая претензия – высокая стоимость содержания адаптивных систем. По представленной в отчетах информации использование платформы персонализированного обучения обходится университетам примерно в $150 в год за каждого студента, и это еще субсидированная цена. На данный момент такое могут себе позволить далеко не каждый ВУЗ. Что в таком случае делать? Перекладывать эти расходы на студентов и их родителей? Это тоже непростая дилемма. Тем не менее, все технологии становятся более доступными вместе с их распространением. Так что, скорее всего, стоимость адаптивного обучения существенно снизится с популяризацией адаптивных платформ в школах и университетах.
Напоследок претензия от самих педагогов и специалистов по обучению. Большинство систем персонализированного обучения опираются на ответы ученика. В точных науках, таких как математика и физика все достаточно однозначно и вариант ответа в большинстве случаев только один. Но как быть с гуманитарными направлениями? Сможет ли платформа принимать правильные решения, если ответ неоднозначен или правильного ответа не существует совсем?
Что дальше?
Футурологи обещают нам, что в ближайшие 12 лет мир образование перевернется с ног на голову и все, с чем мы были знакомы до этого перестанет быть актуальным. Роботы будут обучать детей через интернет, наступит новый бум искусственного интеллекта (ИИ) и он станет неотъемлемой частью адаптивного обучения.
Аналитики так далеко прогнозировать не рискуют, но в ближайшие пару лет они также нам пророчат активное развитие адаптивных систем обучения. По словам специалистов из New Media Consortium, искусственный интеллект уже используется в обучении и хорошо проявляет себя в том, что ему доверяют. Например, ИИ используют для формирования групп совместного обучения. Компьютерному гению легко удается поделить студентов по группам в соответствии с поставленными на них задачами, когнитивными способностями, навыками или знаниями.
Одним из самых больших исследований в образовании считается работа Джона Хейди из Новой Зеландии, который решил проверить, какое из изобретений позволило бы сделать наиболее существенный скачок в сфере обучения. Исследователь проверил десятки возможных вариаций проведения обучения и использования нововведений, призванных усовершенствовать образовательный процесс. В итоге Джон пришел к выводу, что наиболее сильный эффект мог бы быть достигнут за счет возможности преподавателя видеть влияние проводимого им обучения.
Передовые системы сбора учебной аналитики в паре с адаптивным обучением уже научились предоставлять такую возможность инструкторам. Искусственный интеллект начал помогать людям подбирать релевантную информацию и материалы. Мы можем лишь предположить, насколько сильно все это изменит существующую ситуацию в сфере образования и профессионального обучения. Образование будущего близко, и наши дети и внуки в полной мере смогут проверить на себе все преимущества нового подхода.