Образование будущего: контент подстраивается под студента

Научный сотрудник Центра мониторинга качества образования ВШЭ Дмитрий Аббакумов — автор учебного курса «Теория и практика компьютерного тестирования» и разработчик программного обеспечения «Adaptivity Guide», позволяющего адаптировать электронные учебные курсы под возможности студентов. Свои идеи он недавно представил в Принстоне на конференции The 2014 Computerized Adaptive Testing Summit и в Москве на ‪Edcrunch. В интервью он рассказал, почему за адаптивным обучением будущее и как оно развивается в Вышке.

Онлайн-образование и адаптивные технологии

Несмотря на то, что первые адаптивные технологии в образовании появились более полувека назад, по-настоящему популярными они становятся только сейчас. Главным объяснением этого, на мой взгляд, является распространение массовых открытых онлайн-курсов (massive open online course — MOOC) и в целом развитие информационных технологий в образовании.

Исследователи говорят, что в ближайшие годы онлайн образование будет продолжать набирать обороты. Например, аудитория образовательной платформы Coursera за год с момента запуска достигла 3 миллионов студентов, а сегодня, спустя два года — превысила 8 миллионов студентов. Количество курсов от ведущих университетов на Coursera приближается к тысяче.

Именно сейчас, когда в рамках онлайн-курса учебная группа насчитывает десятки и сотни тысяч человек, становятся чрезвычайно актуальными вопросы персонализации: какой контент будет релевантным для данного студента в данный момент, какая задача будет оптимальной для него с точки зрения трудности? Ответы на эти вопросы могут дать адаптивные образовательные технологии. Речь идет о сервисах, приложениях, программах и платформах для адаптивного обучения, в которых электронный учебный контент подстраивается под студентов: предъявляется в нужный момент, в удобной форме и в оптимальной последовательности.

От адаптивного тестирования к адаптивному обучению

Сама идея адаптации контента «под ученика» выросла из компьютерного адаптивного тестирования. В тестировании алгоритм формирует для каждого испытуемого индивидуальный набор заданий — каждое последующее задание подбирается в зависимости от ответа испытуемого на предыдущее, а оценка знаний пересчитывается и уточняется после нового задания. Таким образом, этот алгоритм работает с комбинацией двух параметров — подготовленности испытуемого и трудности заданий. Исследования показывают, что в среднем компьютерный адаптивный тест в два раза короче, чем обычный, при одинаковой точности измерений.

Обучение устроено гораздо сложнее. Какие бы не были совершенные технологии передачи данных, какой бы качественной не была графика, какие бы искусные лекторы не преподавали, всегда остается проблема неоднородности студентов. Люди разные и учатся они по-разному: одни проще усваивают информацию в виде текста, другие — в графиках и диаграммах, третьи — на слух. Студенты различаются по стартовым знаниям и способностям, поэтому один и тот же материал для кого-то может оказаться очень сложным, а для кого-то, наоборот — простым. Есть еще особенности памяти, внимания, мотивации и множество других характеристик, которые отличаются от студента к студенту. Поэтому алгоритмы адаптивного обучения должны оперировать множеством параметров как на стороне студента (подготовленность, способности, восприятие информации, память, мотивация), так и на стороне контента (трудность, последовательность, структура, содержание).

Общие принципы

Адаптивное обучение в общем виде строится по одной схеме. Сначала происходит сбор информации о том, как учится человек (например, что вызывает затруднения, в каких задачах и какие именно ошибки он делает, с какой скоростью читает, на какой картинке задерживает взгляд), затем с помощью специальных математических моделей и алгоритмов осуществляется анализ этой информации, и, наконец, на третьем этапе идет подбор обучающего контента в соответствии с полученными данными анализа и направление его обучающемуся.

Адаптивные технологии и психометрика

В мире не так много проектов по адаптивному обучению, их можно пересчитать по пальцам. И, что самое интересное, все существующие проекты пока не конкуренты друг другу, так как они используют разный подход.

Например, один (www.mathsgarden.com) подбирает для младших школьников оптимальные по трудности математические задачи, другой (www.cerego.com) анализирует контент с точки зрения запоминаемости и предлагает студентам индивидуальный план по его изучению. Есть мощная аналитическая платформа Knewton (www.knewton.com), которая собирает данные о том, как учатся тысячи студентов и на основании их обработки подбирает индивидуальные задания, дает подсказки и рекомендует партнеров для обучения.

Около 40 процентов тех, кто не справляется с учебными онлайн-курсами на Coursera, недовольны сложностью предлагаемого контента

Меня же интересует настройка трудности, последовательности и содержания учебных материалов под психометрические профили студентов. Психометрика — это наука, занимающаяся психологическими и педагогическими измерениями. Поэтому под психометрическими профилями понимается предметная подготовленность студентов, их способности к быстрой обработке информации, сохранению концентрации внимания, к работе со сложной текстовой информацией.

Сейчас я при поддержке Управления инновационной деятельности ВШЭ разрабатываю программу Adaptivity Guide. Она поможет авторам курсов внести в контент изменения, чтобы улучшить его усвоение студентами (зачастую под доработкой контента приходится понимать разработку нового).

По мнению экспертов, около 40 процентов тех, кто не справляется с учебными онлайн-курсами на крупнейшем образовательном ресурсе Coursera, недовольны сложностью предлагаемого контента. Каких задач или объяснений, каких ссылок и дополнительных материалов им не хватило — вот вопросы, на которые, в том числе,  мы пытаемся ответить с помощью разрабатываемой в Вышке программы Adaptivity Guide. Это одно из конкурентных преимуществ программы, ведь она по сути, станет персональным учебным ассистентом для преподавателя онлайн-курса.

С начала учебного года мы совместно с Центром развития образовательной среды ВШЭ тестируем некоторые мои модели и алгоритмы в рамках курсов на Сoursera. Я надеюсь, в декабре мы сможем представить первые результаты этого проекта и предложить свои рекомендации по внедрению адаптивных элементов в эти курсы.

Людмила Мезенцева, новостная служба портала ВШЭ

Фото Михаила Дмитриева