Learning Science的三個理論對在線教育有什么啟發？
為了給學生帶來一個更光明的未來，我們必須要理解并應用學習科學（Learning Science）。一個數據科學家和教育科技產品的研發者的工作不是發明一個又一個閃閃發亮的電子設備，而是基于論證和經驗去研究如何提高學生的學習成果。那就得從理解目前的學習科學研究入手，在R&D的副總裁和McGraw-Hill教育集團的分析員Alfred Essa多年的研究經歷中，他認為有三點最重要：個性化學習、一萬小時定律、助推分析。
小編認為，對于在線教育來說，這三點同樣值得借鑒，并且能夠借助互聯網和大數據的新技術，更有效地進行運用：利用平臺和分享經濟整合教師資源，極大地便利了個性化教學；而突破時間和地域的教學條件、跟蹤式的學習方法使練習和實踐更加科學化，也能隨時督促學生進行訓練；基于大數據的學習模式實時分析和調整，可以使有針對性的助推設置成為可能。本杰明?布魯姆因“布魯姆分類法”而聞名，他是美國最優秀的教育心理學家之一。在1984年，他寫了一篇原創性的論文，學習科學界稱之為“2 sigma problem”（注：Sigma，標準差）。布魯姆的研究團隊比較了學生在三種不同的教學條件下的學習情況。常規式。學生在標準的傳統課堂上學習知識，周期性地參加測試，檢驗他們是否掌握了這些知識。掌握式學習（又叫精熟學習）。在掌握式學習中，學習材料與常規式學習是一樣的。然而，學生必須展現出自己已經掌握了這一階段的知識，才能開始下個階段。而且，考試也被連續的反饋和糾錯式的評估所取代。在掌握式學習中，教學的重點從總結性評估（考試）轉變為形成性評估（反饋）。一對一輔導。每個學生都配備一位個人學習教練。學生除了享受掌握式學習的所有好處之外，還可以得到一位專業助教的幫助。哪種模式的效果最好？把常規的教學模式作為基線，在掌握式學習的條件下，學生的表現提升了一個標準差。而接受一對一輔導的學生，有兩個標準差的提升。一個標準差大概就是一個等級的提升（例如從B等提升到A等）。這可能意味著一個學生從不及格變成及格，而這是大多數教育方法都做不到的。兩個標準差的提升則意義更大。在布魯姆的研究中，還有另一個微妙的、常常被忽略的方面。通過掌握式學習和助教輔導來進行個性化教學，不僅僅提高了學生成績的平均值，還降低了成績的標準差。這意味著，在成績分數的分布中，分數低的學生能漸漸趕上分數高的學生。1、只要有正確的條件，大多數學生都能進行高水平的學習。3、個性化教學能縮小高水平學習者和低水平學習者之間的差距。4、目前還沒有一個可擴展的學習系統和解決方案，能給學習收益帶來一個或以上標準差的提升。作為一個研究專家的專家，瑞典心理學家K.安德斯?愛立信的“刻意練習”框架，為我們理解學習和技能發展的核心要素，提供了統一的原則。愛立信的研究有一個基本原理，就是你必須投入時間，沒有任何捷徑可走。不管你有多少天賦，就算你是邁克爾?喬丹，為了保持自己的一流水平，也必須花費10年，也就是大約1萬小時的時間，不斷地練習。我們常常以為運動員是“天生奇才”。要成為精英必須有天賦，這沒錯。但喬丹不是從媽媽的肚子里一出來就能扣籃，就能滯空轉身帶球上籃。喬丹也要通過不停地練習來打磨自己的球技。他能超過其他運動員，是因為他的職業原則：比大多數競爭對手練習得更苦、更久。一些研究員在技能發展所需的具體練習時間上不同意愛立信的結論。借鑒自愛立信的工作，另一位杰出的心理學家和麥克阿瑟研究員，安吉拉?達克沃斯提煉出了刻意練習的四個主要特點。目的性練習。為了達到最佳的技能發展效果，我們不要隨意練習。練習必須具有一個非常具體的目的。它需要在當下的技能發展水平和下一個目標水平之間進行適當匹配。挑戰有難度的技能。只有當我們做那些超出我們已有技能水平的事情時，我們才能學到什么新東西。學習者需要堅持在這個區域中，只有長時間挑戰有難度的任務，克服自己懶惰的天性，才能發展我們的技能。立即反饋。在大多數情況下，學習表現與反饋之間的時間太長了。這是因為教師的時間和資源有限。刻意練習要求表現與反饋之間的間隔趨近于零。重復直至自動化。對于任何新技能來說，除非你能重復練習這一技能，直至你能自動化地，不需要意識努力地完成它，否則你就不能說自己真正掌握了這一新技能。一系列研究表明，我們人類都是糟糕的決策者。哪怕正確的信息和“洞見”都擺在我們的面前，我們仍然會做出糟糕的選擇。這些糟糕的決策并非僅僅是不理性的，它們是可以預測的系統性錯誤。盡管我們都知道，適當的營養和鍛煉能讓我們保持健康，但為什么我們當中仍有很多人超重呢？為什么營養學和運動的知識對我們大多數人都無效呢？是意志力的原因嗎？我們能從行為經濟學中學到一些東西。這個領域的研究顯示，我們的行為是可以預測的非理性。在不同的背景下，一些看似不重要的小細節會讓我們改變自身的行為。行為經濟學著作《助推：事關健康、財富與快樂的最佳選擇》中講過一個故事，一般男人在小便時不會刻意對準便池，阿姆斯特丹的史基浦機場在每個小便池里都畫上了黑色的蒼蠅。因為他們預測，如果一個男人看到了這個黑色的蒼蠅，他就會瞄準它。結果是，史基浦機場帶有蒼蠅畫的小便池減少了80%的某物溢出。數據科學研究的目標之一是，通過經驗研究，發現那些能讓知識變得更具實踐性的“助推”。我們可以把“助推”看作一個很小但是很重要的動機性推動，它能把知識變為行動。數據科學能幫我們發現這些可能的“助推”，并驗證它們的有效性。通過研究機器和人類智能的結合，個性化學習能顯著地推進學習效率。但我們同樣也要理解人類的動機、耐性和非理性特征，從而做出更好的應對之策。作者：Alfred Essa
圖片來源：網絡
內容來源：EdSurge
轉載：互聯網學習觀察家（ID：elearninggcj）
1. 優學云測評推出培訓機構個性化教學解決方案
2. 優學云測評推出中小學校個性化教學解決方案
3. 優學云測評推出招生平臺流量提升方案
4. 優學云測評推出企業人才發展平臺解決方案——人才庫管理
5. 優學云測評幫助個性化教育成為現實
優學云測評精選的每一篇文章都會注明來源和作者（除非找不到），文章版權歸原作者所有，若有侵犯權益，請聯系我們刪除。本文所述內容僅代表作者觀點，不代表優學云測評立場。對于本文以及其中全部或者部分內容、文字的真實性、完整性、準確性和合法性本公眾號不作任何保證或承諾。
