芥末堆 卢楠 4 月 24 日

张良创办的“泉源高中实验班”，曾是教育创新的范本。他现任广州爱卡的米教育科技公司 CEO ，该公司创始人及核心成员来自泉源高中实验班。他们研发了爱米教学云系统，通过对学习资源的深加工，以及教学管理和分析功能的开发，深度支持翻转课堂及混合式学习等信息化教学新模式在课堂中的常态运用。

在第二届 LIFE 教育创新峰会上，张良分享了他这两年来对教育创新的新思考。

在综合素养培养中顺手学基础知识？没那么简单

张良谈到，这两年他接触的很多教育创新者都感觉事情好像不是他们最初想象的那样，在培养综合素养的过程中顺手把知识学了。每一个真正尝试创新教学做法的人会遇到一个挑战：顺手可得的知识不是那么简单。

随着教学的深入，很多教学创新者会发现，基础知识的学习、看似不屑一顾的目标越来越多地干扰原定的设想，让人繁忙。比如，我们希望开展一场高质量的主题讨论，可有的学生对基本概念非常陌生，变得磕磕绊绊；我们要探索一个城市活动，需要风景画一样的照片，最后却只合成了简单的报告，草草收场；我们用 3D 打印机和简单的模型做出简单的工具，很难看出知识的深度运用，很多创新很难持续的进行下去。

真正合格的知识传授者仍然非常稀缺

这种焦虑是怎么产生的？张良表示，我们过去说教育体系面临很多问题，传统的双基教育是低级的教育目标，要向更高级的创新迈进；我们认为中国课堂里知识传授是过剩的供给，所以需要去换更高级的东西。但是从教育创新者的繁忙中可以看出，看似应试教育背景下知识的供给已经过剩，但是真正合格的知识传授者仍然非常稀缺，这个稀缺导致了教育创新者的焦虑，也导致了非常多的教育不公平、不均衡的现象。

张良说，他这两年回到看似没有那么生动的领域，就是想探究：基础知识的传递到底出了什么问题？为什么不断阻碍我们完成更高的教学目标？

他总结，传统的解决知识传承者不足的方法有支教，缺合格的老师，就不断派大学生补充教育力量；有各种各样的培训项目，希望提升每个老师个体的能力；还有通过各种技术的方式为老师赋能。但这些方法从效果分析，收效甚微。看乡村学校就知道教育不均衡是非常普遍的情况。

张良认为，背后的核心问题是教育的质量完全压在老师的个体水平上。他反思，传统方式就是输入老师、提升老师，我们是不是在这方向跑得过远？还有另外的方向可以选择吗？

教育 vs医疗：个人经验无法提炼分析，更不能广泛共享

张良将教育对比医疗。假设一个 80 年代的医生，穿越到现在医院的手术室，他根本不敢做手术，因为所有设备和治疗方法对他来讲都是陌生的。即使是现在刚刚毕业的普通医生，对医疗的理解、对疾病的诊疗水平跟 30 年前的医生也已经完全不一样了。但是教育呢？80 年代的老师，穿越到现在的课堂，他除了对电子白板和 PPT 不太熟悉，是承担教学工作完全没有任何问题。

这中间出了什么问题？为什么好的疗法可以在医疗行业迅速普及，从个体社会进入行业社会？而教育行业，有很多老师个体的突破，但整个行业仍处于缺乏的境地。

如果把医疗的疗法和教育的教法进行对比，两个行业的组织方式存在差异。医疗有整套专业体系：有人专门做检查，有人专门设定指标，有人专门做定点分析，有人专门研发药品；有高度分工，每个环节由专业的机构分别承担。但是教育呢？大多数老师有非常好的个人经验，但是外面看不到过程，无法提炼和分析，更加不能广泛在行业内共享。

知识传递环节，未来的发展趋势是让机器成功

张良提到，两个月前有一个新闻，IBM 的医疗机器人到天津第三人民医院，开展肿瘤的义诊，10 秒钟对肿瘤病人的病情做出了准确的判断。IBM 这个医疗机器人在美国通过了医师的职业资格考试，对大多数癌症的诊断的准确率超过了大多数医生。这是医疗行业里在发生的事情。它为什么能做到？因为医疗机器人每天阅读 44 万篇医生和医疗研究者的报告。一个最勤奋的医生每天阅读都不会超过 1000 篇。这个行业所有的个体经验被它不断学习、不断掌握，最后成为非常得力的医疗辅助助手，总结经验、快速分享，达到整体行业的进步。

不光在医疗行业，在美国佐治亚理工大学计算机系，有很多助教给学生回答问题，其中一个助教就是 IBM 的智能机器人吉尔·沃特森。一个学期下来，学生压根没有发现是教育机器人在跟他对话，回答他的问题。

为什么在教育领域吉尔·沃特森能做到？因为每个学期大概产生一万多条问题，凭借自我学习系统，对每个问题的回答的准确率超过 97% 的情况下才会回答。这种自我学习的体系在人工智能时代不再是遥远的设想，在几个和我们紧密相关的行业里在进行深度的酝酿。但是在教育行业，大部分的老师和教育体系的进步仍然是依赖于个体，我们加了太多的责任在老师和个人身上，给个体提供的支持太少了。

张良举了另外一个例子，某全国课外辅导机构，小班名额极为抢手，家长甚至像抢挂号一样，提前几个小时去抢辅导班的名额。有记者说，他去培训机构看了一下，很多学生是从北大清华招聘的，有统一的教学方式，每一步都做了精细化的切分。记者感慨说，感觉这个机构的老师上课跟机器一样。但是张良认为，如果把教育培养的各方面目标做一个切分，先看知识传授的环节，未来的发展趋势不是所谓的像机器一样，而是让机器成功。

他认为，之所以会出现应试教育的题海战术，是因为老师对学生的知识掌握状况只能看到结果，看不到学生的思考过程；一个有经验的名师可能会对学生的思考过程有一个判断，但是大部分老师在这方面是稀缺的。可以做一个系统，有很多认知传感器，对于每道题的思考过程，传递更多信息给老师，而不是只靠课堂上看学生的眼神、肢体语言，用粗略的方式去了解学生的掌握情况。他相信，类似的进展，在教育界很快就会发生。

让人性归人性，让机器的归机器

张良指出，当我们把教育创新的责任全部压在老师身上，给老师越来越多要求的时候，是不是也应该换一个方向思考：有什么东西是可以解放老师的？有哪些事情是机器可以做得更好的？

他认为，机器永远不能取代人。所谓的像机器一样学习，是教育的悲哀。但是教育有很多部分，机器确实比人完成得更好越来越多的机器和辅助治疗的工具和系统进入医疗行业后，医生陪伴病人的时间显然是更多了。我们也希望让老师把注意力更多的放在学生身上，而不是陪伴考纲和教材。这些都需要有更多的技术支持。

张良最后表示，这就是他们最近两年要做的事情，帮老师卸下更多担子，做出更精彩的教育，最终让人性归人性，让机器的归机器。