技术与学习,走向深度学习的困境

这是教育技术的第402篇原创文章

技术层出不穷,日新月异;学习伴随终生,无所不在。随着技术的发展,技术对于教育教学的核心价值集中表现在“以学生为中心”的学习上。我们要从关注技术用于教学内容传递,转变到关注技术赋能学习者的学习。转变看上去简单,但并非如此,技术已经在应用中与“教”紧密关联,它被锁定在一个价值网络之中,而与“学”密切相关的并未形成新的价值网络。

技术不仅可以扩展学习的方式,丰富学习的路径,并且正在重构学习的环境,学习的内容,学习的目标,甚至整个学习的范式。正因如此,我们期望技术对学习带来更为核心的转变。

但是,更为核心的转变,绝不是以技术为中心,而是以使用技术的学生和老师为中心,教师的教学设计,学生的学习过程,才是技术作用于教育过程中最核心的环节。立足于这样一个核心转变,我们把目光落脚在“深度学习”。

深度学习究竟意味着什么?从概念定义上来看,深度学习是一种能够使学生将从某一情境中的所学应用到学习新情景中的学习过程。深度学习的产物是可迁移的,包括某一领域中的内容知识,技能,情感,态度,以及如何、为何、何时应用这些知识来发现问题和解决问题的综合品质。从追求的学习结果维度上来看,深度学习与学科核心素养是一致的。

那么技术与学习,如何走向深度学习,有三个维度值得常态化地深入探索,分别是学习平台与学习资源再造、沉浸技术与多维学习体验、人工智能与学习范式重构。在这三个维度的探寻中,我们同样需要直面困境。

学习平台将线下学习与线上学习衔接,让学习资源从不足有限到师生共创的方式转变,从而支持深度学习,进而通过混合学习等方式培养学生们的协作能力以及问题解决能力。

平台提供了连接的更广泛可能性,学习平台成为深度学习的广泛场域。互联网让人与人之间的连接变得简单,容易,多样。然而,并非连接就意味着发生学习,需要增进连接的深度与广度。

校外学习平台如火如荼,但是反观校内学习平台却显得比较棘手。学校使用学习平台的观念与实践上存在诸多不适应,远没有大面积常态化,无法真正运用平台的方式拓展学习的效益。

学习的过程依然大量存在个体单兵作战,学习者依然局限于自己的班级,远没有达到这个互联网时代所应有的视野与范畴。技术好像允许学习者去搜索,去连接,去创造更广阔的天地,但是现实中学习者好像更多拘泥于自己的小圈子之中,这的确是不得不正视的困境。

如何创设指向学科核心素养的真实情境与真实任务,鼓励学生们探索作为个人、作为社区一份子,以及作为全球公民的不同层次的情境,从而激发学习者串联起已有经验,不断迁移应用。

教师与学生在信息与资源上更加平等,教师找得到的资源,学生也可以获取到,他们可以开展更多地平等对话,甚至形成新的学习文化,同时也是一个社会建构与人格建构的过程。在技术工具的支持下,教师与学生们共同探究开放性问题,重新创造出新的学习环境,让学习的历程也是创造的过程。

近些年来,以虚拟现实(VR)、增强现实(AR)、混合现实(MR)为代表的沉浸技术,以及游戏化学习和基于产品设计的学习极大地增加了学习的多维体验,从而让学习在技术的支持下朝着深度学习迈进。

沉浸技术不仅限于通过技术构建更逼真的场景与体验,也在于在技术的助力下,学习者能够更好地进入任务的情境之中,在复杂真实的环境中创新性地解决问题。如今的课堂正在从一张张用于记录、阅读、写作的课桌转变为一张张用于实践、协作、创造的工作台。

基于产品设计的学习不仅注重学习者过程中的多次自主“输入”,更强调学习者学习过程中的“产出”。学习者不仅是知识的消费者,也是知识的生产者与分享者。

然而,从历史经验来看,新的困境同样在于人们过分关注新技术对于学习体验的帮助,而忽视了大量现存的普遍技术,同样可以通过教师的教学设计,点燃学生的创造热情。沉浸技术自然不仅限于新兴技术。不仅如此,困境还表现在学习者运用了新技术,却没有空间和时间去个性化的探索,而过多地停留于技能训练的统一步骤,或使用技术的统一步调。

深度学习的最大挑战在于如何迁移所学的知识,并在不断应用中加深知识的理解,甚至重构知识本身。不仅是知识,这种迁移重构还包括了技能、思维、态度、情感与价值观。正如物理学家提出一个理论模型,社会学家提出一个社会理论,都需要在不同情境中检验理论的真伪,判别理论适用的边界,这种同化与顺应需要在大量迁移中才能进一步发生。沉浸技术提供了更多样的手段,学生们可以采取个体或团队的方式,开展更丰富多层次的实践活动。

然而,必须从过去统一的,甚至虚假死板的学习任务中跳出来,把真实的任务,能够不断激发学习者内在动机的任务创设出来。于此同时,也鼓励学习者去创设与探寻自己设定的任务,如此这般,技术的丰富度才会因为任务的多样而释放出自然而又真实的力量。

虽然弱人工智能已经让人类惊叹不已,强人工智能兴许正在到来。但是,我们无法准确预测人工智能时代教育的确切形态,必须立足当下展望未来。

基于人工智能的发展,语音识别、姿势识别、表情识别、脑电识别等技术取得了进一步的发展,为教育研究提供了新的工具。与此同时,知识图谱是显示知识发展进程与结构关系的一系列表征,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系,的确有助于深入分析学习过程与教育干预时机。一些已经比较成熟的领域,通过知识图谱我们能够更好地把握可迁移的知识与能力的板块关系。

借助于人工智能技术,在数据隐私与伦理允许的情况下,通过对学生多方位的数据采集与捕捉,从而为每一个学生的学习建模。新的困境在于我们真的越来越走进学习者的内心吗?还是越来越监控学习者,并设法让学习者按照统一的步调前行。这种来自于人工智能或者说多维度过程性数据对于学生是一种压力,还是可有可无,或真的是一种智能陪伴?学生的学习会因此形成新的习惯吗?我们需要更理性更谨慎地把真正的教育智慧融入其中。

即便系统平台做到“千人千面”,我们也还要追问,真的成就了学习者的个性化成长了吗?也只有更尊重与敬畏每一个学习者,更好地放开与激发真正的学习样态,人工智能进入教育才更有意义。倘若人工智能所获得的学习数据都不是真实的学习历程,谈何发现学习的本质呢?

未来,让教师的专业化充满挑战与机遇,教师将成为学习数据的洞察者,学生学习的教练,学习共同体的组织者,学习活动的设计师,学习环境的架构者。

技术与学习,走向深度学习,需要多方一起面对困境,共同突围。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180713G0DBWW00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券