Смена трендов в образовании
Раньше специальности менялись раз в несколько поколений, и если твой прадед был кузнецом, то это значило, что твой отец — кузнец и ты сам тоже будешь кузнецом. В наши дни человек за жизнь несколько раз меняет профессию. Многие профессии просто исчезают, другие трансформируются до неузнаваемости, и людям приходится переучиваться. Запрос на массовое переобучение стоит на повестке дня, но при этом технологии обучения принципиально не меняются на протяжении нескольких веков.
Раньше ты мог учиться только у условного Пифагора. А если ты жил в деревне, в которой Пифагора не было, то доступ к знаниям у тебя отсутствовал. Позже стали появляться книги, и фигура учителя постепенно отошла на второй план: из генератора знаний он превратился в их проводника. С XV века, когда возникло массовое книгопечатание, ничего кардинально не поменялось. Был бумажный учебник — стал айпэд, была деревянная доска — стала электронная, был мел — стал фломастер. Нет особой разницы между книгой профессора и его лекцией на ютьюбе. Просто текст превратился в кино. Объем знания и его контроль остались такими же.
Нас в школе заставляли писать специальным пером и считали, что детям до 4 класса ни в коем случае нельзя пользоваться шариковой ручкой, — сейчас это никому не придет в голову. Но нужно включать в коммуникацию новые технологии, без них детям учиться неинтересно. «Убери айфон, спрячь планшет» — это все равно что попросить ребенка начать царапать пером тетрадь.
Большие данные и персонификация процесса обучения
Используя большие данные, мы должны научиться подавать материал так, чтобы человеку было интересно учиться. В других областях жизни — в финансах, ретейле, страховании — большие данные уже используются давно: мы знаем, что любят есть на обед те, кому нравится классическая музыка, и какую машину купит семья с двумя детьми и собакой. В ретейле все началось с IT-директора сети магазинов Walmart, который опирался на большие данные и выявлял важные закономерности. Например, то, что пиво должно стоять на полке рядом с чипсами, очевидно; но однажды, анализируя чеки, он обнаружил, что в пятницу вечером пиво надо продавать вместе с памперсами. И это действительно сработало.
В образовании можно делать то же самое — выявлять закономерности и использовать их: условно говоря, дети, живущие в Казани, готовы решать сложные задачи в солнечную погоду с утра, а дети из Нарьян-Мара такие же задачи лучше решают в плохую погоду после обеда. Если есть данные о местоположении учеников, погоде в регионе и проценте положительных решений, то вычислить это несложно. Такие неочевидные закономерности, носящие объективный характер, могут составить основу новой научно-инженерной дисциплины, которую можно назвать «вычислительная педагогика».
Школьная система и классификация учеников
В школьной системе традиционно есть ученик, есть учитель и есть условные формы контроля знаний. Но возможно разработать такие алгоритмы, которые позволят создавать информационный образ ученика и учителя, персонифицировать процесс обучения и детально контролировать все стадии усвоения материала. Обучение будет похоже на уроки с репетитором, только репетитором будет компьютер. Мы строим такую платформу, которая снимает с ученика разные данные и понимает, как конкретный человек учится.
Если мы можем фиксировать, где ученик ошибается, что решает быстро, что решает медленно, когда отвлекается, то мы можем составить его детальный портрет. Сколько на что потратил времени, правильно решил или нет, много ли водил мышкой по экрану, сколько раз решал одну и ту же задачу — мы формируем огромный дата-центр, который позволяет давать ребенку вариативный контент. Система сама решает, какую задачу предложить, и распознает, когда ученик отвлекся или устал. Мы уже можем посмотреть, как выглядит профиль умного ученика, что есть общего у двоечников, чем одна школа отличается от другой. Эта система — рентген, который позволяет нам видеть, что происходит в процессе обучения с конкретным учеником, школой, городом, регионом.
Мы можем классифицировать учеников — очень умные, средние и не самые способные ученики. В целом есть два типа школьников, которых мы научились вычислять: те, кто начинает быстро и потом устает, и те, кто начинает медленно и разгоняется. Под них тоже можно адаптировать систему, которая в перспективе будет учитывать все — наличие шума, погодные условия, освещенность, данные трекеров, пульс.
Внутри этого очень серьезная математика, ничуть не уступающая той, что лежит в основе алгоритмов, рекомендующих вам купить новый миксер на «Яндексе». Это те же CRM-системы, но используются они в образовании.
Мы начали с обучения математике, сейчас доступны задания школьной программы до 6-го класса, но вообще это можно делать с любым предметом.
Роль учителя и форматирование
Существенная роль учителя сохранится еще долгое время, и никакая система не заменит Пифагора. Но для задач массового и корпоративного образования компьютерные системы могут быть крайне эффективными. Как минимум они помогут экономить время. Интеллектуальные системы, работающие на уровне лучшего учителя, будет доступны в любой школе. Тогда нам удастся преодолеть понятие цифрового неравенства, сократить барьеры обучения детей с ограниченными возможностями. Из двоечника нельзя сделать вундеркинда, но подтянуть его можно. И все благодаря персонифицированному подходу и умному компьютеру, который знает все о том, как вы усваиваете материал.
С самого рождения нас форматируют — сначала родители (объясняют, что можно делать, а что нельзя), потом школьные учителя, университетские преподаватели и внешняя среда. Мы очень ограниченные люди, живущие как котята в известном эксперименте: одни котята жили в мире, где все было покрашено горизонтальными полосками, а другие, где все покрашено вертикальными, и, когда их выпустили на свободу, кто-то не видел никаких вертикальных предметов и врезался в ножку стула, а кто-то не мог подняться по лестнице. Мы видим только то, что мы знаем. А чего не знаем, не видим. То есть, как маркетологи, мы заметим пиво и чипсы, а пиво и памперсы — нет. И в образовании так же.
Методы объективного анализа данных, составляющие основу наших алгоритмов, позволяют вычислить закономерности, возникающие в процессе обучения. Это позволяет оптимизировать процесс обучения и сделать его более увлекательным и для троечника, и для отличника. Зависимостей на самом деле очень много, просто мы их еще для себя не открыли.
Полезные советы родителям
Нельзя думать: «В моем детстве так не было!» — в вашем детстве много чего не было. Если ребенок получает удовольствие от игры в айфон или айпэд, в этом нет ничего страшного — просто следите за тем, чтобы там тоже был образовательный контент.
Родители не должны переносить всю ответственность за хорошее образование на школу. Школа — не панацея. О дополнительном образовании ребенка должны заботиться именно родители.
Дополнительный образовательный контент не обязательно должен быть бесплатным — если раньше родители покупали своим детям журналы «Квант» и «Юный физик», то сейчас нет ничего страшного в том, чтобы установить ребенку платное приложение.
Нужно поступать с детьми так, как это делают интеллектуальные электронные системы, — не давать ребенку слишком легкие задачи, чтобы он не терял интерес, и не давать слишком сложные, чтобы он не разочаровывался в себе.
12 сентября на «Стрелке» пройдет лекция Александра Рожкова «Big Data: Ваши личные данные, которые доступны всем»