（图片来源：Pixabay）

为什么不一起学习呢？协作式学习的魅力

当有共同兴趣的人组成学习社区时，学习效率会再次提高。人们彼此共享信息、互相指导、互相鼓励。在这种人际交流当中，每个人能学会如何提提出高质量的问题，在给出答案时进行深入的反思，从而加深对知识的理解和对技能的掌握。这种学习方式，就叫做协作式学习。

我们来看看这三种协作式学习的案例：

• 1、在传统的学校中，学习和教学都以文本教材为中心，学生也没有强烈的学习热情。而在桑巴舞学校中，人们通过社会性的语言和动作交流进行学习，每个人都极富学习热情。桑巴舞学校的存在，向所有人证明了学习社区的成功案例。

• 2、人间蒸发（Vanished）是一款另类实境游戏（Alternate reality game，简称ARG），由MIT和Smithsonian博物馆联合推出。这款游戏的目的是为了让中学生们正确地理解科学，理解科学家是在做什么。在这样的协作式学习过程中，学生能学会分辨很多伪科学信息，具备基本的科学素养。

• 3、无论是Edx还是Coursera，几乎所有的MOOC平台的做法是建立课程论坛，论坛内会细分话题板块。授课教师和助教会通过论坛和学生们进行交流，讨论问题。但是，这么多学生，老师和助教不可能全部照顾过来，所以必须组织学生们自己互相回答对方提出的问题。

从知识形成的神经生物学的角度来看，所有的学习都是依靠神经元形成新的连接网络才得以可能。这就是神经生物学中的联结主义思想。如果我们把这种联结主义思想应用到更宏观的群体层面，当人与人之间形成连接时，学习的效率和效果都会更高。

【专访】英语流利说：凭“什么”敢发布99元的智能课程来代替老师？

一家公司的风格，与创始人的性格、经历息息相关。有人说，“英语流利说”可能是中国在线教育公司里，最像Google的一个。

布满涂鸦的墙壁、食谱7天不重复的食堂、随处可见的健身器械，走进流利说的办公区，已经能够强烈地感受到美国科技公司的氛围。但对于前Google产品经理、流利说创始人王翌来说，做一个“形似”Google的公司还远远不够。他要的，是能够改变行业商业逻辑的颠覆性创新。比如，用机器代替老师？

流利说首席科学家林晖表示，流利说的自适应学习系统，在技术层面已经超出其它产品一个时代：

• 大多数自适应学习公司使用的仍是基于IRT模型的浅层算法，流利说的自适应学习则基于深度学习算法。

• 用基于递归神经网络的深度模型替代知识图谱的作用，系统可在数据输入后直接输出学生对知识的掌握情况，在学生做题之前预测学生能否回答正确，准确率高达93%。

• 在输入学生数据后，系统会用类似于AlphaGo的方式，以出题-模拟回答的模式不断“对弈”，动态计算不同学习路径的收益。

用数据和技术带来商业模式的创新，王翌的流利说正在向它的老师Google看齐。王翌说，他一直在提醒自己，不要做昨天、今天的事，要做“明天的事”。

高中教育的目标应该以高考优先，还是以培养完整独立的人格为首？

博雅的目标和北大附中的校训一样，也是“完人”——打破学科界限，鼓励自主探究，培养批判性思维，个性化的人文关怀，翻转课堂——说起来容易。小班讨论课怎样设计话题？如何掌握节奏？如何让所有人有参与感？如何引导话题和讨论方向？摸石头过河，又不得不前进。

行知、元培教室尚偏传统，但博雅教室里出现了一切“不该”出现在教室里的东西，四处散乱着书、吉他、海报、玩偶、干花、咖啡机，墙上贴着海报、油画和诗。

在博雅上课，人手一台笔记本电脑，方便即时查资料、在线上平台Yammer交流；而在行知的课堂，纸笔依旧是主流，根据个别老师的要求，没有特殊需要，电脑是被禁止带入教室的——那容易让学生分心。

北大附中的老师常要思考该如何把握自由和规则的界限。

有老师说：“最快的学会游泳的方法是什么？扔进水里。”

那么就一定有人问：“那如果是直接把不会游泳的人扔进了大海，而不是游泳池呢？”

不想直接授人以鱼，那谁来授人以渔？然而，这是一个系统工程，本应当从娃娃抓起，而不是粗暴地扔给某一个阶段的教育，无论是大学，还是高中。

在熊丙奇看来，以高考制度为核心的单一评价体系若无法改变，中国的基础教育是无法真正关注学生个体和兴趣发展的：“无论看上去学校改革多热闹，只要是按照高考分数来选拔、录取学生，中学就没有太多自主办学的空间，因为所有的招生权、投档权、计划审批权都掌握在政府部门，它抓住高考这个核心，对整个基础教育进行计划管理。所以，在高考制度不改革之下的课程改革，是形式大于内容，甚至是‘伪改革’。当然，也不可全部否定学校的努力，但说白了，它们不过是在单一的评价体系之外，略微关注了一下学生生活、精神、人格的教育而已。”

上线自适应系统的朗播，要如何去做一个“王者”？

活着就是为了改变世界。杜昶旭说，朗播花了这么久的时间去干最苦、最累的活儿，就是要研究计算机技术能在多大程度上代替人，能够在多大程度上改善人们的语言学习模式。

杜昶旭告诉芥末堆，自适应学习的历史，应该分为三个阶段，每一个阶段能够做到的事情各不相同。

• 第一个阶段，叫做自适应测试。起源于上世纪五十年代的IRT理论，这一数学模型能够反映测试题和被测试者之间的互动关系，基于单项的反馈，动态调整测试的题目。这是一个非常成熟的领域，早在二十年前，就已被广泛地运用到各类考试当中，包括托福、GRE、GMAT等考试，都在使用基于自适应测试的试卷系统。但自适应测试的问题在于，其只能解决宏观的分数测量，并不能深入到知识点的层面，无法对学生的学习起到指导作用。

• 第二个阶段，叫做自适应测量。在为题目背后的知识点打上更细致的标签，并使用更复杂的算法之后，自适应测量能够知道学生的知识点及能力的缺陷到底在什么地方。但自适应测量仅能做到发现问题，无法解决学生暴露出的问题。许多以To B为商业模式的企业选择了自适应测量为切入点，如知名的Knewton。

• 第三个阶段，才是真正的自适应学习。其要点在于不仅能够发现问题，还能提出针对性的内容帮助学生将问题解决。杜昶旭认为，在人工智能取得革命性突破之前，这一步都将很难实现。