本文由机器之心编译

上周，Oculus创始人Palmer Luckey说：「学校教室终将消失，孩子们不需要在教科书上花费太多时间。」Luckey的话更像是给自家产品打广告，发生在美国很多学校里的改变则让我们看到人工智能、虚拟现实等新技术给传统教育带来的巨大颠覆效应……

1.

18个学生依次走入一个明亮的教室，沿着屋子的四周摆放着十八台计算机。学生们选择座位坐下，登陆电脑开始安静的学习。在背面的桌子上，主屏幕用一些表格和数据可视化工具将每个学生的工作进度实时可视化的显示了出来。

这不是某些未来电影中的桥段，而是来自纽约维斯切斯特社区大学的Sheela Whelan所教的代数课预备程。

Whelan课堂上的学生都统一使用一个名为 ALEKS的程序。但是定睛一看，你会发现每个学生在使用时都会遇到不同的问题。一个坐在角落的女学生正试图用基本的线性方程解决问题。坐在她左手边的男士则全神贯注的思考分数的问题。靠近一些的，一个聪明的学生已经开始简化一个包含分数和变量的公式了。

第一眼看过去，会觉得每个学生都处于不同的教学阶段。当然，某种意义上来说，这是对的。当更准备地来说，这个课程本身就是在因材施教。

当这个学期刚刚进行了三分之一的时候，一些优秀的学生已经可以参加期末考试了 把其他人远远甩在后面。他们最终的目的都是掌握一样的概念和知识，但是掌握这些知识的顺序方法，包括学习的节奏，都是由人工智能软件通过评估他们每次的课业表现来进行调整的。

ALERK刚开始时对每个学生的教学设置是一样的。但当学生们开始回答系统自动生成的实际问题，ALEKS的机器学习代码程序变开始自动分析他们回答问题的行为，从而判断他们对于概念的理解程度。如果对于某种类型的问题错误率较高，系统就会推荐阅读一些背景材料，看一下教学视频或者给予一些提示。

但如果他们轻而易举地就回答完了问题，譬如线性不等式，系统就会让他们开始尝试多项式或者指数。当他们熟练掌握后，系统就会问他们是否准备接受考试。通过了他们就能继续深入学习，当然除非他们更愿意选择不同的主题，比如数据分析或者概率。一旦他们掌握了先决条件，选择的主动权就在他们自己。

Whelan，作为课程指导她并没有一味讲课。什么才是教学重点？什么时候能够让每个学生都因材施教？她让自己作为一个流动的引导者，当学生有问题的时候才会去解答问题。课程的助教也是如此，随时回答学生问题，帮助那些遇到困难或者可以准备考试的学生。在学生们学习的时候，软件记录了每个人答题的正确率和时间。当Whelan的在线系统告诉她好些学生都在相同的地方遇到困难时，她会把这些学生组织起来进行一个小组学习。这就是分类教学。

这个模型教育下的成果大大不同于美国过去一百多年的传统教育。在传统教育中，老师在幻灯机背后或是在白板前，对着满屋的学生在同一时间说着同样的话。有些学生都不知道老师在说些什么，而另一些人已经完全掌握了 觉得上课是浪费时间。只有处于中游的学生 因为老师讲课的进度和他们掌握能力差不多，所以觉得课程很好理解也有趣。一节课结束，每个学生都会收到同样的阅读作业。

大部分认真思考教育这件事的人都认同一个观点：传授课业的固有形式，有时也被戏称为「讲台上的圣人」是有缺陷的。但应该被何种方式取代却无法达成共识。课上课下内容对调？ 大规模开放线上课程？或者强调以动手能力，项目完成为导向的学习？

2

思想家们在争论，课本出版商在行动。传统的经营模式已经岌岌可危，于是一批批标榜自己为教育技术型的公司开始向学校和大学推广新一代数字课程。ALEKS就是一个例子，他们承担了老师的大部分工作并坚持表示这套软件并不是为了取代教师而是要让老师们可以减少其自身对某种概括性的，概念性教学方法的依赖。

从Whelan的预备代数课程可以一窥不远将来的课堂形式——这部仅仅局限于于社区大学来说。K-12(国际上对基础教育的统称)，以及高等教育的化学，西语或者社会学等学科，都可能被影响。ALEKS这样的软件，在其拥护者眼中代表着几十年以来科技和教学的新突破，虽然正处于早期阶段但具备可以变革教育的潜力。不过在这一切发生之前，有个问题还是值得一提的：这真的是我们想要的吗？

过去的20年里，计算机和互联网重塑了商业王国，娱乐行业以及媒体行业纷纷转型，而教育却被遗留在外。如今大多数课堂中所用到的技术（如书本，课桌，铅笔，钢笔）和一个世纪之前并没太大区别，无外乎就是白板和投影屏取代了黑板书。但表面之下的整个结构从侯瑞思·曼恩（现代公立学校教育体系发起人）所处年代就奠定并延续下来的。

个人电脑在教育中的推广不仅得到了经济支持，也取得了成功。 但在学习中配备ipad和Chrome笔记本却受到了阻力，并且有理可循： 在一间传统的教室中，接入互联网的设备可能导致学生分心，其副作用要大于其辅助作用。 康奈尔大学2003年的一项著名调查显示在课堂上使用笔记本的学生所记住的材料内容远远少于那些拒绝在课堂使用电脑的。将范围扩大开来， 一个包含了40个国家的经济合作组织研究发现：那些无论是在家还是在学校都更频繁使用电脑的学生在同样的测试中比他们的同学表现要差。并且在那些对教室技术方面进行了大举投资的国家中，其学生的成绩并没有因此而得到显著提高。OECD的报告对此总结说「将21世纪的科技力量加入到20世纪的教学方法仅仅是在稀释原本的教学效果。」

同时，曾经被大肆宣传的高校「搅局者」— 免费提供大学教育课程的网站也面临幻灭。MOOCs曾被TED演讲极力推荐，还被作为「可以将常春藤联盟知识宝库的大门向普通群众打开的力量」，登上过Wired杂志的封面，然而就在2013年其风头正盛的时候，越来越多的研究显示MOOCs课程的效果并不像人们预期的那样。学生大多因为冲动报名，只有非常小的一部分人能够完成课程。现在宣布MOOCs失败还为时尚早，他们还在不断的改变。但是有心的学者已经渐渐远离这种网络课堂将取代教师授课的论调。因此，我们倾向于将网络课程看作是书本教育的一种补充，而不会取而代之。

尽管如此，书本发行商却依然头疼，电商巨头如亚马逊已经吞噬了他们曾经占据的市场，人们现在可以非常容易的上网购买图书教材，而新兴的像Coursera还有Khan Academy这样的网站无疑让传统发行商雪上加霜，因为这些平台甚至可以免费提供教学视频和材料。教育出版业，每年仅在美国市场就有80亿美元的销售收入（数据由美出版社协会提供）现在正遭遇寒冬。

David Levin是McGraw-Hill教育公司的CEO，他的公司将其视为重新开发核心产品的紧迫需求。为了保留它的价值，21世纪的教科书并不能仅仅只是多媒体的参考来源。它必须要在教育过程中担任起更加活跃的角色，具有互动性，理解能力并且甚至是智能的。它必须要服务于便利学生和教师，将他们所要做的事情自动化。它愈聪明，就愈能够自动化教育任务中更多方面——也更加促进学校与老师的采用。

3

ALEKS一开始并不是设计用来振兴教科书产业。ALEKS，即知识空间估测与学习， 由一个加州大学尔湾分校数学家、认知科学家与软件工程师所组成的团队在90年代所开发，受到来自国家科学基金的支持。它本来是用来阐述与测试一个特殊的数学理论，关于知识构建以及描述。但是ALEKS的创造者并不满足于将它局限于象牙塔之内。他们在1996年成立一个私有公司，McGraw-Hill教育公司在2013年收购了它。现在，这个前教科书产业的巨人与它的发明者正在计划商业化ALEKS为获利商品，以及一个教育机器。

我将它叫做前教科书产业的巨人是因为它不再认为自己是一个生产教科书的公司了。「我们是一个将学习科学化的公司」（西方高等教育市场课本非常昂贵，学费通常不包含书本费，而一些刁钻的老师经常需要学生去买他最新版本的书，而且一搞就几本的参考书，所以经常可以看到一堆学生在复印店印书，某种意义来说在西方真是知识无价的），Levin指出。实际上，自从被母公司McGrawa-Hill在2013年以25亿美元售出给一个私募股权企业后，McGraw-Hill教育公司开始更加趋向于一个科技公司——从不同程度上来说——一个课本产业里的主要竞争者。这些功成名就的玩家开始被硅谷背景的教育科技创业者——例如Knewton等其开发的学习平台是ALEKS的主要对手——所推动并与之合作。

McGraw-Hill教育公司的总部仍然在曼哈顿Penn Plaza的一栋摩天大厦高层。但是最近它的运行其实在波士顿创新区的研究与开发室里，在那里的软件开发员正坐着忙于给机器学习算法查漏补缺，简直可以被错认为是一家早期阶段的科技创业公司的雇员。负责监督其数据运行的是Stephen Laster，后者曾在之前的哈佛商学院首席信息技术官的工作中与「破坏之父」Clay Christensen一起工作。作为CEO的Levin从2014年的四月着手新职位，并不是因为他在课本产业内的背景——他其实在此行业内毫无经验——而是因为他在技术公司的经验。他的经历包括了Symbian软件的CEO，后者为移动手机开发操作系统的世界先驱。现在McGraw-Hill的产品开始在技术工业中崭露头角，例如拉斯维加斯的消费者电子展览。

McGraw-Hill和它的竞争者并没怎么花时间就领悟了「数字化第一」策略的吸引力。几十年中，二手书形成了产业内最大的获利点。大学生省钱买二手书，在图书馆借，或者复印他们同学的书。所有这些给产业内的公司造成挫折，而后者则用飙升的价钱来反击。但那只在短期内提高收益，并加剧了恶性循环，驱使学校与学生找到避免购买的更丧心病狂的办法。

软件则不同了：你可以向每个学生要求个人，不可冒用的证明，保证这些材料不会被转手卖出或者传给无穷无尽的后人。因为一个这样的证明的边缘成本可以视为零，你可以收取很少的费用，即，每本25美元，相比于100美元一本的新教科书。教科书看起来更便宜，但是课本产业的公司会有着更大的收益。McGraw-Hill教育公司的数字产品的利益从2014年上升了24%，接近20亿美元年收益的三分之一。

McGraw-Hill教育公司的改革已经显著提升了它的身价。今年七月，阿波罗全球管理公司宣布了将该公司上市发行的计划——以50亿美元的身价，几乎是两年半以前的两倍。

另一大型教科书出版商正忙着研发自己的交互软件。位于波士顿的Mifflin Harcourt有一款在iPad上使用的数学工具，叫Fuse，工具界面会因每位学生的「学习方式」而有所不同：偏重视觉体验的用户，为他多提供些视频；好动学生的界面上，会多些游戏，等等。伦敦的Pearson已经和Knewton展开合作（并对后者进行了大量投资），这是一家风投投资成立的初创公司，位于纽约，公司的自适性学习平台也加入到教科书公司的课程教材中。2011年，Knewton募集到3300万美元，估值达1.5亿美元。如今，据传公司估值已经翻了好几倍。

4

今年秋天，Pearson 引进了一种叫Revel的「沉浸式数字学习工具」，有了它，学生就能通过多媒体体验——包括视频、互动联系以及动画信息图——重新体验教科书。Pearson的Stephen Frrail告诉我，他们的目标是让教材「比如FB还要吸引人」，毕竟，无论什么时候，只要学生在电脑或者在平板上做作业，仅需「一个按键」，就能登录到FB。为此，Frail 说，「我们并不希望学生读的过多，活学活用地少。」俗话说，「少读多用。」

公立学校和大学总面临着控制成本、提高学生成绩的压力，事实证明，它们特别能接受科技书籍的兜售。目前，他们正被政府项目（比如Race to the Top）和颇有影响力的非营利组织（比如比尔和梅琳达·盖茨基金会）的项目鞭策激励着，这些项目的注重教育标准和成绩考核指标与软件设计的一致性。这些基金资助和研究计划制造出一系列重叠的流行语，包括「自适性学习」、「个性化学习」、「区别式学习」，定义如此不固定，很难就表述达成共识。

事实上，数字平台正快速流行起来。Book Industry Study Group商业小组的一项调查发现，2014年，至少上过一堂在线平台课程的大学生仅为10%。今年，这个数字骤升至40%。

对于那些一直从事教育工作的人来说，这样的想法很诱人：当前趋势不过是最新电子潮流，分散管理层注意力，搞乱课程，直到几年后下一个潮流出现。但是，自适性学习可能要比他们想的更为持久，原因有二。第一，教科书公司已经对此投入很多，不会回头；第二，可能，至少在某些情况下，真的管用。

南加州Myrtle Beach附近的一所曾经面临困境的中学，将功劳归功于新的科技。为了提高学生的考试成绩、学习兴趣和其他教师出勤率，学校采用了ALEKS以及其他自适性软件平台。威斯康星的一所以STEM（科学、技术、工程和数学）为主的慈善学校 也见证了类似成功，根据教育周刊的报道，这家学校将本来用于全职教育职位的资金用来购买更多的数字评估材料，让人印象深刻。

亚利桑那州立大学已经有了自己的自适性软件，最著名的是来自Knewton 和Pearson，这也是过去三年中十几门大学课程中的核心亮点，而且使用软件的课程已经从数学扩展到诸如化学、心理以及经济学等学科。大学声称，现在自适性课程的招生规模都在每年2,6000左右。 大学首席学术技术官Adrian Sannier说，「目前，我们还没有遇到过失败。」虽然他的工作头衔现在听起来有点怪，但总有一天，它会和教导主任一样，为美国校园中的每个人所熟知。

但是这几乎是不可避免的。从B.F.Skinner在50年代提出的作为电子学习模式开端的「教学机器」开始，在教育的历史上对于自主学习的失败尝试不计其数。阻碍这一切发展的因素本质上来源于教育的专业性，以及即使在少数专家认同（网络教学实践）的情况下依然存在的糟糕的周遭环境。目前在这方面，依然没有一款自适性的可用软件。对于那些个别的成功案例来说，近些年控制法调查出来的对于（网络学习）的效率的结果可谓不容乐观。

「卡内基代数辅导」是卡内基梅隆大学在90年代开发的，世界上最早也最具有影响力的自适性软件蓝本之一。它的效率被探究了很多年，而且被证明了在特定的条件下确实地在促进学生的课程表现。但是在2010年，一份联邦研究报告显示它对于高中生标准考试的分数「没有显著的影响」。

整个大环境在2013年，以RAND公司公布的自己一项历时七年耗资600万美元，横跨七大洲147所中高校的研究结果为开始，变得更加复杂。在这项研究中，在普通教室以传统方式学习的学生和在虚拟教室，使用「卡内基代数导师」的学生的学术表现被相互比较。初中阶段的比对结果不明显所以无法得出有说服力的结论。高中阶段时，研究发现第一年的比对结果没有明显的差别，然而在第二年，使用软件授课的学生的成绩全年提升幅度是传统教师授课学生的两倍。

一位持乐观主义态度的专家看到了研究结果进而得出结论：恰当的科技的实施只需要学生，老师或者双方都进行一个适当的调整过程。只要方法得当，结果将是丰硕的。这位乐观主义者还指出我们依然处在（对于网络课程的）科技与教育专业性的发展阶段。

5

那么先暂且认为卡内基学习机构的联合创始人之一Ken Koedinger是一位充满好奇心的乐观主义学者吧。Koedinger并不为那家在2011年以7500万美元出售给拥有菲尼克斯大学利润链的名为阿波罗教育的公司（这家公司并不是那家创办麦基尓教育的阿波罗全球管理机构的附属）工作。Koedinger依然保留了自己过去在卡内基梅隆大学人机交互学和心理学的教授职位，他在这个位置继续进行着自适性软件的开发。」我认为潜力是巨大的，」Koedinger说，」我喜欢类比科技在其他领域诸如交通方面的应用。我们从走路发展到了马车又发展到了Model T系列，现在我们甚至有了喷气机。现在的教育科技方面的发展，我认为我们正在Model T阶段。」

Peter Brusilovsky，一位匹兹堡大学的教授和自适性学习的先驱者，说他看到了（并且实践）很多的使用自适性软件辅助学习而得到高分成果的研究。他说当（学习使用的自适性系统辅助）没有得到高分，则可以认为软件的设计不够好，或者在是软件的设计问题，即当教师和学生试图引入一项新的学习方式的时候，学习如何使用这个软件的学习曲线过于陡峭，对于初学者不好上手。

一位持悲观态度的专家浏览了教学技术的变化，则看到了不一样的东西——一段雷声大雨点小的实践。」我认为很多对于「 自适性学习」 的发表实在是被过分渲染了」，一位名为Audrey Watters的，在著名教育杂志EdTech撰写批判类文章的教育作家说，」研究的结果五花八门：一些研究展示了（自适性学习）几乎与传统学习的成果没有区别；还有一些说明自适性学习的影响很小。我不确定我们是否真的可以说这是一种提升教育质量的有效途径。」

即使ALEKS(Assessment and Learning in Knowledge Spaces)的创作者都认同这项技术还有很长的路要走。在涉及到通过与学生交流，在了解他们的强项和弱点，提供有针对性的辅导的方面，就算是世界上最好的人工智能也还不能具备类似人类的老师的资格。

去年我参加在Westchester社区大学里的Whelan（蕙兰）老师的公开课的时候看到这一幕。当18岁的学生Spencer Dunnings（斯宾塞，邓宁）在代数公式上遇到问题了，他遵循ALEKS的提示到尝试下来把公式分解成组成的因子。但是，这些因子本身就是充满了Dunnings （邓宁）所不理解的术语。 如果不理解什么是公倍数的时候，「首先找到公倍数」这样的解释是不能够让学生满意的。理论上讲，Dunnings（邓宁）还可以接着点击的他不理解的术语来了解它们的定义。但是失去耐心的他（直接放大招了） 「惠兰老师你有时间的回答我一个问题吗？」

Whelan （蕙兰）老师拉出椅子坐在 Dunnings （邓宁）身边看着他尝试了下问题，就立即看出他错在哪里了。

Whelan（蕙兰老师）: 你了解那里说的「简化表达式了么？」的意思吗？

Dunnings（邓宁）: …..摇头表示不懂

Whelan（蕙兰老师）: 好吧，我们举个例子（栗子）吧，你来问我多大了。

Dunnings（邓宁）：你多大了？

Whelan（蕙兰老师）: 我可以说自己是60减去6岁，同时也可以直接说我是54岁，后一种表达是不是更简单？

Dunnings（邓宁）：是的。

Whelan（蕙兰老师）: 所以这就是为什么，当我们看到「60减去6岁，」我们要直接替代为54岁。

Dunnings （邓宁）闪念之间简化他的方程，然后问题突然看起来更易于解决了。

在这种围绕计算机和软件学习课件实验班上，你可能以为，课件作为主角会做大部分的教学。但是与之相反的，在Whelan（蕙兰老师）班级里的学生们主要通过在与他们的指导老师简短启发性的个别交流中学习到新的概念。

这样看来，如果现在就把ALEKS 软件是作为一体化的教育解决方案投入市场似乎会带来严重的问题。但McGraw-Hill 教育产品公司没有焦急的要把这个产品马上投入市场，至少目前不会

「和一些初创企业不同的是，我们不需要取代老师，」Laster，该公司的CDO首席技术官说。 「我们认为教育本质上是社会性的，学生需要由训练有素，精通的老师来培训。但是一对一培训，手把手的教如论是从时间还是资源，成本都越来越昂贵。

机器学习软件的作用，是把所有可能帮助自助学习的经验都编入程序，这样可以把老师的精力释放出来，把重点放在课件解决不了的问题上。

但是有多少教学经验可以实现课件化？同时这样做会得不偿失吗？

6

在McGraw-Hill Education 气派的纽约总部中的一个小会议室中，一个潇洒的丹麦人站在白板前面试图来解答这个问题。他的名字叫Ulrik Christensen，他的头衔是数字化学习的高级研究员，他在丹麦医学院学习期间，就创办了一家公司推出了帮助医生学习并保持重要的前沿医学知识和技能的医学知识库软件。这让他把兴趣转向了研究人是如何学习的，他后来启动一个叫Area9初创公司，面向自适应教育的专门教材。McGraw-Hill Education先是与Area9合作打造智能学习平台，然后在2014年购并了它。

Ulrik Christensen的解释是，计算机辅助教育的程度和效果，在于课程的选择。在像惠兰的数学课，教学目标相对独立，容易测量。她的学生需要能够正确地和一致地解决几个类型的问题，所有这些都只是一个正确的答案。如果他们能做到这一点，他们已经掌握了材料。如果他们不能，他们没有。

这使得ALEKS-方案的优点是侧重于技能，实践和掌握。这也使得该软件的对教育的影响相对容易衡量。

在威彻斯特社区大学，初等代数这门课的合格率仅仅是40％。但在计算机辅助教学的惠兰老师实验班上的学生，平均合格率为52％。而且ALEKS还功能使用了它的个别学生单独辅导帮助少数有潜力的（天才）学生在同一个学期内通过了更高层次的电脑辅助教学（CAI）的数学课程。对于计算机辅助教学提升考试通过率来说，惠兰老师认为是这个实验班只有18名学生而却有2个老师所带来的原因，而正常来说大学的初等代学课只用1个老师来教25个学生。

但是当一个初等代数班上的同学学习目标往往都是不容易简单定义或量化，例如「作为原创媒介理论家的麦克卢汉会对推特Twitter出现如何评头论足？」

在这一点上，麦格劳·希尔教育的解释是，ALEKS仅设计针对数学，化学和商业类的学科。对于其他的学科，企业提供的叫 LearnSmart 的课件，与竞争对手的Knewton 产品类似的是，在涉及更复杂的知识领域的课件上增加了自我调整，开放适应的功能，允许教师随时测试和衡量每个学生的接受的知识和技能。（在这个系统中，）教师可以调整测试的内容或在一些学科中使用特殊的教材。

Knewton平台的特点在于对几乎任何一种教学内容都能加上「协调性层面」。它在一开始先分析学生们如何与文字和课后练习互动，接着通过机器学习算法得出的结果把学习的内容按照它认为对学生最有用的顺序排列。但是这个平台也有一个缺点，Knewton的创始人Jose Ferreira表示， 「Knewton在没有标准答案的时候无法工作。」

我跟两位在新泽西州的Kean University的两位老师聊过，他们都在他们的课程中使用LearnSmart和McGraw-Hill教育的系列产品，SmartBook。（SmartBook 是是一种互动的教材，会根据学生对随机小测的回答来改变课程的内容）这两位老师都告诉我科技让他们教学更简单方便了，同时他们也认为这对他们的学生有帮助。

Julie Narain，一个副教授谈道之前为25个学生的每份作业评估打分总是会花费她很多精力和时间。现在这个软件接手了这项工作。现在，她的学生们可以马上看到他们哪里答对或答错了，而不是再像以前一样等上好几天才能知道他们的成绩。「通过软件，我能知道他们在每道题上面花了多少时间，也知道他们哪里答错了。」

不过万事古难全。一方面来说，每个学期总有那么几个学生在设置他们的账号、登陆上会遇到问题，或者他们忘记了如何在这个教学平台上找到布置的作业或者忘记交作业。Valerie Blanchard, 一位也在Kean University教授communication课程的教授，表示电子教材的其中一个优点是比印刷教材便宜。

不过，她又谈道，「不过也有点苦乐参半，比如说当你有两个学生他们是室友，在修同一堂课，却不能用同一本书，必须要有自己单独的登陆码时。」 这听起来也许只是一个小小的不便，但是同时也是这些『个人化教程』的一个更深度的问题的象征——它们把学习的过程完全设置成独自的努力。」

还记得前文Whelan教授预备代数课上在电脑前安静地滚动屏幕的学生们吗？就在走廊的另一端是一个吵闹的学习室里，我发现了三个在一本印刷教材前学习的年轻人，正在解决一个数学问题。他们在同一个由传统的方式教授的初等代数课里，尽管他们在这节课中的程度不同。

他们也许在进入到这个班级的时候程度就不一样。但是，由于他们在同一时间被布置了相同的阅读任务和作业，他们就可以一起协作，互相帮助。这个他们一起解决问题的协作过程中包含了另一种适应性学习——人类对彼此差异性的协调，与前一种让算法来帮他们协调的有所不同。

当把科技应用到教室中时发现其优点总是比找出缺点来的更容易。也许是因为软件是为了优化一些已知的衡量标准和结果。当有一个程序为了提高学生的表现而仔细地被设计和研发的确能在实际中提高学生的表现时，是一件好事。

但这会让我们容易忘记测试只是对更广阔的目标测量的一个入口：我们期望学生在学习中达到的目标除了获得知识和技能之外，还有创造性思考的能力，协作的能力，以及将这些知识和技能运用到新的场景里。

并不是说这些先进的科技教学不能达到这些目标，只是：我们要如何才能知道？

「适应性的科技的预设是知识是能被切成块及重新排列的，」教育作家Watters谈道，「但这并不仅是知识架构的问题。它还暗含着等计划，由上至下，以目标为驱动的的结构。」

教学式机器已经走过漫漫的发展道路，但是如今的自适性软件的发展速度和显著功效可能会掩藏其内在的局限和不足。因为它擅长于评价学生在多项选择题、最佳选择题以及电脑编程方面的表现。最优的机器学习软件已经可以更好地识别人类语言以及分析写作样本，而自然语言处理依旧是这个领域的最前沿。

注意有模式了吗？简言之，正如MIT数字化学习学者Justin Reich在《教育周刊》的博客帖子中说道的那样，「电脑擅长评估一些数据处理和计算方面的事情。换句话说，它们擅长处理一些不再诉诸于人类的一些工作。」

这就意味着自适性软件在培训学生通过标准化考试方面非常有效，而在教授学生更基本的技能，比如如何处理复杂的、现实世界的问题时有些无能为力。这就无法保证学生在机械工作不断自动化的未来胜出。

McGraw-Hill Education的 Laster说他已经充分意识到尽管自适性科技在高度抽象化教学中有其局限，但在社会科学和人文学科的教学中依然有其不可替代的作用，当然前提是设计精良、实施得当。如果科技继续以这样的发展速度推进，Laster相信自适性软件终有一天可以智能到推断出学生的概念理解，而不是仅仅评估学生在类似「最佳选择题」等问题解决中的表现。Laster相信，因为有一支不断壮大的机器学习专家队伍，他的公司有一天可以实现这个目标。

McGraw-Hill Education在今年四月推出了最新一款叫「Connect Master」的自适性软件产品。和ALEKS一样，它首先会进入数学课堂，紧接着慢慢引入到其他学科。不同的是Connect Master更多地应用概念方法而不是行为学方法，它会要求学生呈现出他解题的每一个步骤。一旦出错，它就会分析他的每一步推理过程，然后诊断出他哪里出错以及出错的原因，这是其他软件很少尝试的。

这也是这个领域里面其他软件过去几年致力发展的智能形式。卡内基梅隆大学的Koedinger把它叫做「步骤层面的自适应」，也就是软件可以针对学生每一步的推理即时反馈，它和「问题层面的自适应」截然相反，因为后者只分析最终答案。Carnegie Learning和Koedinger一起研发的 Cognitive Tutor先锋性地提出这个方法。您可以尝试下这种功能的基本演示。以下是简单的互动，由Koedinger和卡内基梅隆大学匹兹堡高级认知辅导中心提供。

7

从某些层面上来讲这真是一个令人激动的突破，尤其是一想到Koedinger和他的团队早在90年代后期就在致力于这种模式的技术研发。但是从上面的软件演示，你会发现这个软件并不能实现任何问题的步骤演进的动态评估。它没有任何人工智能的成分，只是用简单的硬件连线去定位和诊断学生解题的整个思维过程中出现的一些推理断层和错误。

准确地诊断学生的误解要比你认为的还难些，McGraw-Hill教育的Christensen。一道代数题可能只有唯一正确答案，但是学生理论上可用来解决问题的恰当步骤却多的数不清。如果你不够仔细，你的软件将会告知你：你走上错误道路了，而实际上，你只是走在了一条与教科书作者们的设想不一致的道路上。

在学生提出错误问题时，同样的难题也在挑战着软件程序给出合适方案的能力。当学生们在McGaw-Hill教育的一本交互教科书上提出错误的问题，这本书会通过文本、图表或者视频解释来试着更好地解答这个错误的概念。但是这要求这本教科书的作者们预先想到能够导致学生产生错误答案的常见错误或误解。McGraw-Hill教育的研究发现，这些作者们——尽管在自己所在的领域是专家——在学生们可能产生概念误解的地方，预测能力却出奇的糟糕。

问题并非是教科书作者们不称职，Christensen说。实质上是，他们从未有途径获得关于自己编写的教科书如何真正被应用的反馈。为了写出能够有效解决学生们需求的解释和实际问题，他们本质上是在瞎猜。

如果他们完成不了其他事情——如果他们解决不了适应性和人格化这类难题——新兴起的交互课件应该至少可以帮助作者们写出更好的教科书。

然而，所有学生数据的收集和分析自身也存在危机和忧虑。在2013年一个深入的事件中，亚利桑那州使用了为Inside Higher Ed设计的Knewton数学软件。Steve Kolowich检测了该软件技术的优缺点。优点：亚利桑那州大学的通过率提高了18%，使用Knewton适应工具的数学课堂退课率下降了47%。

但是，有关学生使用软件所形成的数据归谁所有以及最终如何使用它们，大学与那些从中获利的科技公司公司各执一词。Knewton的Ferreira说，他设想的未来里，学生们的教育记录不再统计为传统成绩单上那一系列字母等级。这类软件数据会引起申请委员会和雇主的极大感兴趣。从理论上讲，它也可能侵犯长期以来围绕年轻人家庭作业所产生的隐私问题。

这不仅仅是一个理论上的担忧。2014年，一家叫做InBloom的教育数据管理创业公司从K-12学生的教育表现收集各种数据，而处理这些数据的方式让它陷入了批评风暴最终关门大吉。在这起流言风波中，一系列教育科技公司，包括Knewton和Houghton Mifflin Harcourt，签署了一份隐私保证书，发誓他们不会贩卖学生信息、向学生进行广告推销或者利用学生数据从事非教育目的活动。他们还保证会限定数据收集的范围并给予学生和家长查看自己记录的权限。「我们的哲学是：数据应该只用于提高学习结果，」Ferreira说。

这样看来，这个产业很早就认识到它们如果滥用数据会造成多大的危害，这是让人安心的一个方面。同时,保护敏感数据以免泄露或者被盗这个任务，在目前而言，即使是对当今科技最前端、安防技术最强的组织而言也是一件难度极大的。即使这个行业的从业人员给出发自心底的承诺，也不能完全打消人们的疑虑。

另一个对于自适型学习风潮更广泛的担忧是：其传播的学习资料会有一天被证明是有误的。

暂时假设这些学习资料都是正确的，当今最优秀的自适型教学软件已能在一个类似于Whelan老师的启发性数学课堂运作良好，它面临的核心挑战就是要教会一屋子背景各异的学生一些特定的技能。我们假设规定自适型学习软件还需要做出更多努力以完成教导学生完全掌握技能的教学目标，并且其教学成果能够通过多选题或简答题测试出来。再进一步假设，机器学习的算法将进化得更为成熟，数据将更为稳定，教学内容也不断改进，教师越发擅长将软件技术与课程结合起来。以上这些是否能实现都还不是定数，即使我们还未得知任何相关的技术飞跃，都认为存在实现的可能，。

当发展到科技逐渐可以替代无法用「是」「否」衡量的这类教学时，就难说了。如果学校面临预算紧张、给予提升成绩（尤其是K12测试）的巨大压力时，学校很可能会牺牲教员，对自适型学习软件孤注一掷。同样，软件发行者很可能会捏造数据，吹嘘软件效果来抢占市场份额。（Ferreira并未指名道姓，但他告诉我他相信这正是一些Knewton的竞争者已经在做的事了）。他们也可能会有意无意的驱逐那些不愿为适应课堂软件而重新组织课堂，改变教学风格的教师。如果发生了这些情况，那么自适型学习风潮对社会就很有可能是弊大于利的了。

我们可以回顾一个在教育学者间广为人知的例子，来考察上述情况出现的可能性。在一项1986年的研究中，研究人员问中小学生这样一个问题：「一个牧群中有125只羊和5只狗，请问，牧羊人几岁？」

这些学生的数学教学并没教会他们停下提出「这个问题究竟是什么意思？」或者「我已经有足够的论据还回答这个问题了么？」这样的疑问。相反，他们学会了生搬硬套，用各种数学手段来应付这些问题，他们也是这样回答这个题目的。有些用125减去5，有些认为25相对120更有可能。三分之四的人给出了这样那样的数字作为答案。这就引发了这样一个疑虑：自适型学习软件可能会把这一代学生训练得更为缺乏自身思考，只会生搬硬套公式。

因此，自适型学习软件可能最终会使教育系统发展误入歧途。但是在完全了解后果之前，把自适型学习软件看做完全错误的也不一定正确。要记住，在 ALEKS、Knewton软件之流发明之前，这方面的研究早已有之。这些软件是对他们意欲替代的教学课本的一种批评警醒。他们为了夸大现状，对于当今教育技术的评价可能是错误的。

最大的希望可能要寄托于教育工作者本身，希望他们可以留意到之前提到的牧羊人问题：在采取措施前，确保自己理解面临的问题。理想状态下，希望他们可以找到一种新的可行可推广的，不会把学生机械训练成「绵羊」的新技术。

©本文由机器之心原创编译