安德烈亚斯·施莱歇尔：开拓机器人、区块链和人工智能的教育前沿
摘要：科技远远领先于人类的技能。人们总能在发明新工具方面做得很好，却似乎不太能明智地使用它们。
对于当下的年轻人来说，数字世界已经变成了现实世界。你可以看到，一些国家的年轻人，每周上网所花费的时间超过40 小时。其实有一部分使用时间是在学校中发生的。但你知道吗？出生在数字世界，成为数字原住民，并不意味着我们就拥有数字化能力。我们研究了年轻人在多大程度上能够在互联网上非常有效地探索信息或者至少是主动运用网络探索知识。在这方面，中国四个参与2018 年PISA 测试的省份地区都取得了很好的结果。但即使是这样，我们能看到的最高指标，只有大约60%的15 岁的孩子能够恰当地运用网络，而剩下的孩子运用网络的技能有限，有的甚至缺乏这项技能。这是我们的大多数年轻人的现状，是我们今天教育所需要面对的现实。
科技远远领先于人类的技能。人们总能在发明新工具方面做得很好，却似乎不太能明智地使用它们。因此，当你回顾PISA 的轨迹，并思考科技是如何改变了我们生活中的方方面面，从智能手机到社交媒体，再到机器人、云计算、大数据、生物遗传学。但是当我研究15 岁学生PISA 测试的结果时，在主要的工业化国家，孩子们的测试结果基本持平。在15 岁的孩子中，只有不到一半的人能可靠地分辨事实和观点。这是事实。我们教育体系的现实发展速度远远超过了我们教育体系的反应能力。数字化，实际上能够帮助我们用不同的方式做事。
当你看到数字化的力量时，你会发现它有巨大的潜力。我们最近发布的《数字化教育展望》报告指出，在课堂上技术是如何支持个性化学习，提高学生的参与度，了解课堂的动态，学习分析能力，以及提高公平性，特别是对有特殊教育需要的学生，进一步就整个教育系统而言，通过技术手段能够显示学生在哪些方面落后，为教师教学提供支持，进行资格认证与后勤管理，它具备巨大的潜能。让我们先看看教室，在这里技术方面最明显的潜力是，使学习更加个性化、更加精细化、更具适应性、更有互动性。如果你想制造一辆自动驾驶汽车，你需要检测环境、评估风险，然后再决定行动，用同样方法的人工智能系统，目前可以支持教师对学习者的追踪，并检测他们的环境，对学习者进行诊断，预测他们的发展，并就如何最好地提高学习提出建议。智能数据系统已经能够很好地使用一系列数据，来了解学习者和学习环境，锁定学生在电脑上的活动数据、生理数据、行为数据以及环境数据、数据流技术，可以通过评估学生的学习进展来支持诊断环节，找到发展中存在的漏洞，衡量动机等，对学生的情绪也越来越了解。这种诊断可以帮助教师调整传达给学生和学习者的反馈，算法能够根据学生的能力恰当地对任务进行调整。
以MATHia 为例，它是一个数学学习平台，它可以检测学生解决问题的进度、诊断学生的知识、判断学生的成长和学习进展，还有学生在学习的哪方面有所进步，然后它可以指出学生什么时候真正掌握了这一主题。并且在各个阶段都会提供详细的反馈信息，老师也会获得宏观层面的规划报告。你可以在中国或世界范围内找到很多类似的系统、类似的技术可以优化，在课程层面学生学习不同主题的顺序。
再以ALEKS 平台为例，该程序根据学生以前的表现，调整所学习的单元。从本质上说，就是从适合所有学生学习的一刀切式的课程转变为适合每个学生、适合每种学习风格的课程。这些技术，对有特殊教育需要的学生来说十分有价值。老师们可以迅速找到孩子在发展中的差异，发现并诊出例如：阅读障碍、书写障碍、计算障碍，还有一些听力视力上的障碍。目前，在疫情期间，我们观察到的一件事是，只有在学生们富有动机、具备正确的自我管理和学习策略时，科技的作用才能有效发挥。现实就是，为什么全神贯注参与到一门课程中如此困难？参与到线上课程就更难了。有时候喜欢和学习是互相矛盾的。参与并不能使学习自动发生，参与度可以有很多不同的含义，是指出席课堂吗？是完成作业吗？是归属感吗？还是享受乐趣呢？我们应该将参与性视为概念化的东西，一种多维社会结构的概念基于这种结构。大家都知道，传感器可以捕捉学生的动作、姿势和面部表情，然后这些数据可以转化为学生参与度的衡量标准。这是新技术的力量。
实际上，通过对机器进行训练可以推断学生对课程感兴趣的程度。通过识别可读信号这类信息进行判断，我们可以关注两种技术，第一种是前瞻性方法。通过传感器判断学生是否抽离了学习，尝试重新投入学习的情况。其中一个例子是Classcraft。它会告诉学生如何去做，有助于作业管理。“水晶岛”是另一款沉浸式游戏。用户在交互世界中进行微生物知识的学习，发展探究式学习的技能，它是一个沉浸叙事性的交互平台。第二种是通过反应性方法，监测学生的参与度，然后在学生抽离学习时进行干预。这也是我们现今可以做到的事情。但是技术力量的体现，不仅仅源于为每个学生提供了个性化的学习，更多的是来自于将孩子们的洞察力移植到课堂发生的事情上。利用科技，我们可以把整间教室看作一个数字化系统。它可以捕捉教室里发生的一切，可以是学生与设备全部的互动过程。整个班级的注意力水平由眼神跟踪器、行为频率传感器或其它传感器
科技远远领先于人类的技能。人们总能在发明新工具方面做得很好，却似乎不太能明智地使用它们。因此，当你回顾PISA 的轨迹，并思考科技是如何改变了我们生活中的方方面面，从智能手机到社交媒体，再到机器人、云计算、大数据、生物遗传学。但是当我研究15 岁学生PISA 测试的结果时，在主要的工业化国家，孩子们的测试结果基本持平。在15 岁的孩子中，只有不到一半的人能可靠地分辨事实和观点。这是事实。我们教育体系的现实发展速度远远超过了我们教育体系的反应能力。数字化，实际上能够帮助我们用不同的方式做事。
当你看到数字化的力量时，你会发现它有巨大的潜力。我们最近发布的《数字化教育展望》报告指出，在课堂上技术是如何支持个性化学习，提高学生的参与度，了解课堂的动态，学习分析能力，以及提高公平性，特别是对有特殊教育需要的学生，进一步就整个教育系统而言，通过技术手段能够显示学生在哪些方面落后，为教师教学提供支持，进行资格认证与后勤管理，它具备巨大的潜能。让我们先看看教室，在这里技术方面最明显的潜力是，使学习更加个性化、更加精细化、更具适应性、更有互动性。如果你想制造一辆自动驾驶汽车，你需要检测环境、评估风险，然后再决定行动，用同样方法的人工智能系统，目前可以支持教师对学习者的追踪，并检测他们的环境，对学习者进行诊断，预测他们的发展，并就如何最好地提高学习提出建议。智能数据系统已经能够很好地使用一系列数据，来了解学习者和学习环境，锁定学生在电脑上的活动数据、生理数据、行为数据以及环境数据、数据流技术，可以通过评估学生的学习进展来支持诊断环节，找到发展中存在的漏洞，衡量动机等，对学生的情绪也越来越了解。这种诊断可以帮助教师调整传达给学生和学习者的反馈，算法能够根据学生的能力恰当地对任务进行调整。
以MATHia 为例，它是一个数学学习平台，它可以检测学生解决问题的进度、诊断学生的知识、判断学生的成长和学习进展，还有学生在学习的哪方面有所进步，然后它可以指出学生什么时候真正掌握了这一主题。并且在各个阶段都会提供详细的反馈信息，老师也会获得宏观层面的规划报告。你可以在中国或世界范围内找到很多类似的系统、类似的技术可以优化，在课程层面学生学习不同主题的顺序。
再以ALEKS 平台为例，该程序根据学生以前的表现，调整所学习的单元。从本质上说，就是从适合所有学生学习的一刀切式的课程转变为适合每个学生、适合每种学习风格的课程。这些技术，对有特殊教育需要的学生来说十分有价值。老师们可以迅速找到孩子在发展中的差异，发现并诊出例如：阅读障碍、书写障碍、计算障碍，还有一些听力视力上的障碍。目前，在疫情期间，我们观察到的一件事是，只有在学生们富有动机、具备正确的自我管理和学习策略时，科技的作用才能有效发挥。现实就是，为什么全神贯注参与到一门课程中如此困难？参与到线上课程就更难了。有时候喜欢和学习是互相矛盾的。参与并不能使学习自动发生，参与度可以有很多不同的含义，是指出席课堂吗？是完成作业吗？是归属感吗？还是享受乐趣呢？我们应该将参与性视为概念化的东西，一种多维社会结构的概念基于这种结构。大家都知道，传感器可以捕捉学生的动作、姿势和面部表情，然后这些数据可以转化为学生参与度的衡量标准。这是新技术的力量。
实际上，通过对机器进行训练可以推断学生对课程感兴趣的程度。通过识别可读信号这类信息进行判断，我们可以关注两种技术，第一种是前瞻性方法。通过传感器判断学生是否抽离了学习，尝试重新投入学习的情况。其中一个例子是Classcraft。它会告诉学生如何去做，有助于作业管理。“水晶岛”是另一款沉浸式游戏。用户在交互世界中进行微生物知识的学习，发展探究式学习的技能，它是一个沉浸叙事性的交互平台。第二种是通过反应性方法，监测学生的参与度，然后在学生抽离学习时进行干预。这也是我们现今可以做到的事情。但是技术力量的体现，不仅仅源于为每个学生提供了个性化的学习，更多的是来自于将孩子们的洞察力移植到课堂发生的事情上。利用科技，我们可以把整间教室看作一个数字化系统。它可以捕捉教室里发生的一切，可以是学生与设备全部的互动过程。整个班级的注意力水平由眼神跟踪器、行为频率传感器或其它传感器
