# 5.6 教育型科技 (Educational Technology)

计算机带来的最大改变之一是信息的创造和传播能力，如今的互联网的信息数据量级极高——目前有 13 亿个网站存在，仅维基百科就有 500 万篇英文文章，Google 每天提供 40 亿次搜索来访问这些信息；Youtube 上每分钟有 350 万个视频被观看，每分钟用户上传 400 小时的新视频。

尽管很多播放量是 Gangnam Style 和 Despacito，但剩下大部分内容都是教育型内容。可能获取到信息和学习不是一回事，课上提问以及上手实践等互动式课堂的学习途径当然很棒，但我们也相信教育型技术在课内课外带来的帮助。

从纸笔到用 ML 的智能系统，科技几千年来一直在辅助教育。甚至早期人类 在洞穴里画狩猎场景也是为了后代，远距离教育一直推动着教育科技的发展。

自公元 50 年左右，圣保罗 (St. Paul) 就发书信给亚洲设立的新教堂提供宗教课程。从此，自广播和电视、到 DVD 和光碟这几大技术浪潮都自称要改变教育。

事实上，在 1913 年托马斯·爱迪生 (Thomas Edison) 曾预测说：“书籍很快会过时… 用影片来教授所有知识是可能的，学校体系将在未来十年彻底改变”。显然，这还未成为现实。

## 5.6.1 学习技巧

在讨论教育技术可以帮你做什么之前，有研究表明有些简单事情可以显著提高学习效率：

（1）倍速：将学习类视频的速度调整适合自己，能理解视频内容同时也有足够时间进行思考。

（2）暂停：在困难的部分暂停。问自己一些问题看能不能回答；想想视频接下来可能讲什么，然后继续播放看猜对没有。

（3）练习：做视频中的提供的练习。即使不是程序员，你也可以在纸上写伪代码，或试试学编程。

## 5.6.2 MOOC

把高质量教育内容做成视频传播，在过去一个世纪吸引了很多人，这个老想法的新化身则以「大型开放式课程」(Massive Open Online Courses, MOOC) 出现。

纽约时报宣称 2012 年是 MOOC 年，曾有人认为大学会就此终结，但随着热度褪去这也没能成为现实。也许是因为加大授课规模时，让很少数量的老师或是在完全没有老师的情况下教百万名学生会遇到很多问题，而这引起了 “教育科技家”(educational technologists) 的注意和兴趣。

在线上教育中，有效提供好的反馈是难题之一。有用但有些争议的做法是让学生之间提供相互的反馈，但学生既不是专家也非老师，其无法提供很好的反馈。但我们可以通过算法在数百万个选择里为学生匹配出完美的学习伙伴，也可以让算法完成一部分评分作业。

## 5.6.3 智能辅导系统

可以提供个性化学习体验的系统泛称为「智能辅导系统」(Intelligent Tutoring Systems) ，通常使用 AI 实现。该系统需要了解用户知道什么，不知道什么，进而在正确的时间提供正确的资料，让用户练习没理解的难的部分而不是给出用户已经学会的内容。

### 域模型

以研究代数问题的假想辅导系统为例，使用 IF-THEN 语句来描述计算过程中正确步骤所需知识的 “判断规则” (production rule)。

![表达式规则](https://275040345-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FycDQGvckh16RY095vh62%2Fuploads%2FEgk0ZlDD73o1CDoPGPDm%2F0.png?alt=media)

同时其也可以用于代表学生常犯的错误，又名为 “错误规则” (buggy rules)。

![错误规则](https://275040345-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FycDQGvckh16RY095vh62%2Fuploads%2F9GH4sDgB9uonIJwcHS44%2F1.png?alt=media)

学生做完一个步骤后可能触发多个”判断规则”，系统不能完全弄清是什么原因让学生选了那个答案，因此会将 “判断规则” 会和 “选择算法” (selection algorithm) 结合使用组成「域模型」(Domain Model)，来推断学生错选的可能原因。

“域模型” 采用 “形式化表达/正式写法”来说明特定学科的知识、技能或是解题程序。但其不记录进度，无法带领学习者以正确顺序搞定学科上的所有课程，因此需要 “智能辅导系统” 来负责创建和维护 “学生模型” (student model) 。

### 贝叶斯知识追踪

“学生模型” 中需要记录学生已经掌握的判断规则，以及还需练习的生疏部分，这将通过「贝叶斯知识追踪」(Bayesian knowledge tracing) 来明晰学生的学习情况。

贝叶斯知识追踪算法把学生的知识 当成一组值对外部不可见隐藏变量 (latent variables)，根据学生答题正确情况来更新学生对知识的掌握程度估算值。该算法记录 4 个答题概率：

1. 已经学会的概率 (probability of already learned previously)
2. 瞎猜的概率 (probability of guess)
3. 失误的概率 (probability of slip)
4. 做题过程中学会的概率 (probability of transit)

之前已经学会的概率取决于答案的正确与否，计算公式有下图 2 种，计算后更新概率值。尽管存在别的方法来追踪学生学习情况，但 “智能辅导系统” 通常用 “贝叶斯知识追踪” 处理。

![贝叶斯知识追踪](https://275040345-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FycDQGvckh16RY095vh62%2Fuploads%2FeBVvDwN9nYUprkbUoWiJ%2F2.png?alt=media)

为了高效地让学生不断练习技能直至掌握，软件要选择合适的问题呈现给学生，这称为「自适应程序」(adaptive sequencing)，是个性化算法的形式之一。

教师和研究人员在 APP 或网站收集上百万学习者的数据，进而从数据中观察学生回答正确率、常见错误、回答速度、观看视频时哪部分加速以及学生如何在论坛和其他人互动等。

这个研究领域称为「教育数据挖掘」(Educational Data Mining)，它能用上学生所有的 “捂脸” (face palms) 和 “啊哈” (ah ha) 时刻，用以帮助改善未来的个性化学习。

## 5.6.4 教育科技未来

谈到未来，教育技术人员经常从科幻小说中获得灵感。比如 Neal Stephenson 的《钻石时代》(The Diamond Age) 这本书激励了很多研究人员，该书讲述了年轻女孩在书中虚拟助手的帮助下学习成长过程的故事。

如今有非科幻小说研究者，比如贾斯汀卡塞尔 (Justine Cassell) 在制作虚拟教学助手，助手可以”像人类一样沟通、有人类一样的行为，在陪伴过程中和学习者建立信任，相处融洽，甚至和人类学生成为朋友”。

此外，教育科技和设备如今在逐渐扩展到笔记本和台式电脑之外。比如巨大桌面设备让学生可以团队合作，以及小型移动设备，让学生路上也能学习，同时 “虚拟现实” (Virtual Reality, VR) 和 “增强现实” (Augmented Reality, AR) 也让人们兴奋不已。

如果猜想遥远的未来，教育可能会完全消失，直接在大脑层面进行，把新技能直接下载到大脑。尽管看起来遥远，但科学家们已经在摸索，比如仅仅通过检测大脑信号来得知某人是否知道什么。

这带来了一个有趣的问题：如果我们可以把东西下载到大脑里，我们能不能上传大脑里的东西？