果壳网姬十三:MOOC的五点创新

2014-01-20 10:37:07发布   来源:文汇报   作者:姬十三   0条评论

       自工业革命以来,技术在各个领域带来的突破性变革数不胜数,这种变革并不总是一帆风顺,我相信互联网技术对学习的影响同样如此。在发展初期会有一段探路的过程,然后在某个局部领域,颠覆性地改变人们的学习模式。

       从OCW到MOOC

       说到互联网技术改变学习,不得不提MOOC的前辈—几年前红极一时的“网络公开课”。其实在大家熟知的网易公开课、新浪公开课出现之前,2002年美国麻省理工学院(MIT)率先开设“OpenCourse Ware(简称OCW)”。当时,大多数学校认为麻省理工学院在网络上完全公开课程内容和课件的方式太过激进,因此仅有少数学校跟进;而且由于技术局限,很多课程的课件还是以音频和文字为主。

       但这一开创性的公益分享行为并没有销声匿迹,特别是在2007年苹果的iTunes U上线之后,OCW运动带来了惊人的传播效果。到2013年,iTunes U所有的开放课件资源累积下载量达到10亿次。在OCW取得一定成功后,就有人在思考如何运用技术,使在线课程真正能够运转起来。

       2011年的10月份,有OCW制作经验的斯坦福计算机教授AndrewNg在网络上开设了一门叫“机器学习”的MOOC课程,超过10万人报名。几乎同时,斯坦福大学的另一名教授Sebastian Thrun开设了“人工智能”的MOOC课程,也得到了很好的响应。这两门课程奠定了MOOC模式的基础。此后,两位教授分别创建了两大MOOC平台Coursera和Udacity。2012年4月,麻省理工学院和哈佛大学成立了非营利性质的edX平台,也加入MOOC行列。

       到2013年底,Coursera独揽近600万注册用户,平台上聚集了来自107所大学的558门课程,edX、Udacity也都超过百万用户。世界各地还出现了很多非英语平台,例如法国的FUN、德国的iversity、日本的JMOOC。清华大学在2013年10月加入edX联盟后也发布了中文“学堂在线”MOOC平台。去年10月果壳网MOOC学院发布的调研表明,至少有20万中文用户在MOOC平台上学习。毫无疑问,今年将会有更多的中国大学推出自己的MOOC课程。

       MOOC创新应用五大技术

       催生MOOC的技术并不新鲜,只是MOOC在整合这些技术时做到了“因地制宜”,为达到“打破教育资源不平等,制作世界上最好的课程”这一目的做了很多优化。

       第一,MOOC改进了网络视频技术。早在2004年,Youtube就将广泛的视频应用带到互联网上,早期公开课视频也随着iTunes U、网易公开课等平台得到了很广泛的传播,但很少有人能真正坚持学习下来。为此,MOOC在技术上做了很大的调整,不再是简单录制线下的实体课程,而是直接为网络课程准备内容。每节课程都由几分钟的视频片段组成,每个视频之间还穿插了很多小测验,用户可以随堂检验知识掌握情况。最重要的是,当视频出现在MOOC上时,不再只是单向地播放,而是被安插了大量的统计代码,以研究每个用户的使用情况。根据Coursera在2013年10月的统计,虽然在Coursera平台上的视频平均长度在12分钟左右,但最适合学习者集中注意力的视频长度为21分钟。

       第二,MOOC优化了论坛讨论。课后的网络论坛已经司空见惯,但MOOC将网络论坛运用到每节课。比方说,在edX平台上,每个视频都有一个对应的讨论区,结合了Quora的顶踩机制,通过同学投票,可以方便找出优质问题和优质答案。并且,标签机制使讨论区的内容更结构化、模块化,使很多老师采用第三方论坛作为讨论工具。

       例如,在2013年初Coursera的Computational Investing Part I中,老师运用到了一种独特的论坛讨论工具Piazza,每个问题都采用了Wiki机制,可以不断更新版本,记录每个帖子的每一次编辑。据统计,问题的平均回应时间是34分钟,而99%的问题都得到了回复。整个论坛犹如一个巨大的知识库,大大拓展了课程知识的边界,丰富的论坛也成为MOOC探索盈利模式的一种方向。

       第三,MOOC结合运用机器判分和同学互评。机器判分在理工科类课程中得到大量运用,机器甚至能够指出编程类作业中编码的不当之处。而在人文社科类的课程中,学生之间需要遵守一定的规则来互相评价。虽然互评者是系统随机匹配的,但每次评价都会从3到5个人的评分中取一个平均的分数来保证评分公正性,甚至会有其他人对你的评分做出评价。在Coursera的HumanComputer Interface这门课中,利用这种方法得到的评分和老师本人对学生评分的相关系数可以达到0.8。

       第四,机器学习跟踪分析MOOC数据。由于MOOC课程参与人数极多,机器学习机制能够对大量数据进行分析,从一个人看过多少次视频,到一个题目有多少人答对。对于教师而言,通过这些反馈能分析出课程设置的问题。整个网络课程成为了一个可以反复修正的“电子课本”。而对学生而言,通过这些数据能分析自己的知识薄弱环节,更有针对性地学习。

       第五,借力社交网络。社交网络作为课程传播的渠道和师生交流的辅助平台,也在MOOC学习中起到了不小的作用。在传统的线下课程中,师生关系很难在学生数量和接触机会上得到很好的平衡,老师也很难真正和学生“打成一片”,但社交网络和社会化学习有助于达到这一目标。生活化的教育方式比课堂更轻松,传播效果更好……除了在文化上和学生贴近之外,在授课过程中,当学生提出一些较尖锐的评价时,教师也能马上予以回复。这样的教学相长,即使在线下也未必常见。

       MOOC用户的三大特征

       第一,高教育程度用户更偏爱MOOC。

       2013年7月宾夕法尼亚大学的一项调查发现,受访的MOOC学生中83%有大专或本科学位,其中44.2%以上的用户达到本科以上学历。在世界范围内,MOOC学习者的最高学历都远远超过他们所在国家的平均水平。

       第二,MOOC中文用户更不在乎课程免费。

       2013年10月,果壳MOOC学院对6116名MOOC中文用户进行了网上问卷调查。有关学习动机的问题,中文用户的答案与《科学美国人》杂志全球MOOC用户调研的结果大相径庭。在《科学美国人》的研究中,“免费”是全球MOOC用户的首选原因,而中文用户在打发时间上的比重都已超过“免费”,更不用说其他重要因素了。

       第三,不同年龄的MOOC用户有不同的选课偏好。

       例如,年轻人会考虑是否要生孩子:选修加州大学旧金山分校“避孕”这门课的人,年龄峰值在20岁左右。中年人更关心如何养孩子:选择学习斯坦福大学“儿童营养与烹饪”课程的学生集中在40岁左右。老年人会更多考虑衰老的问题:宾夕法尼亚大学“全球老龄化”课程引起更多老年人的关注。

       MOOC未来的技术演进

       MOOC更像一个实验性质的授课平台,由于在课程的每个部分都可以进行模块化处理,因此除了MOOC平台本身的技术,大量的其他技术都可以嫁接在MOOC平台上。未来,会有更多的技术在MOOC之外独立发展,也有可能和MOOC交汇,成为它的一部分。比方说,电子监控技术可能颠覆传统意义上的“考试”,个人长期学习数据分析可能颠覆“成绩单”。

       一方面来说,或许现在远程监考的难度还是比较大,但未来一定会有更多人来探索网络证书的效力。GRE已经实现了按前一部分答题情况,生成后面试题的出题规则。如今,Coursera也开始利用摄像头、键盘敲击规律来判断是否是本人在考试。今后,随着技术的完善,远程作弊的情况将大大减弱。另一方面,MOOC将解决问题、交流讨论、测试等行为都放到了线上,使得曾经必须通过长期观察或个人推荐才能得到的信息直接呈现在网络上。MOOC的“成绩单”将不只是一个简单的“通过”或者分数,而是一个丰富的、和每个人的行为直接相关的数据报表。对招聘者而言,这些数据也能更好判断某一应聘者是否适合这一岗位。

       文/姬十三(科普类网站果壳网创始人、CEO) 文章发布于《文汇报》,有删节

Tags:

相关文章