Адаптивное обучение: как все начиналось?

Самая волнующая фраза, какую можно услышать в науке, —
фраза, возвещающая о новых открытиях, —
вовсе не «Эврика!», а «Вот забавно...».
(Айзек Азимов)

В первом посте этого цикла мы обсудили, что адаптивное обучение способно переформатировать корпоративную LMS. Для этого нужно разобрать статичные конструкции знаний на гибкие элементы конструктора по типу lego.

Во втором посте рассмотрели основные надежды, которые возлагают на этот тренд:
- повышение эффективности обучения,
- сокращение затрат времени на обучение,
- разработка персонализированного контента,
- предание учебным процессам скорости и гибкости.

Поговорили также о том, что привлекает e-learning экспертов и компании в адаптивном обучении, какие они видят преимущества, на что обращают внимание и как это связано с текущим состоянием рынка. Теперь речь пойдет о терминах, истории возникновения программного обучения с помощью алгоритмов и примерах их использования.


Адаптивное обучение (adaptive learning, adaptive teaching) - процесс обучения с использованием специальных алгоритмов для построения индивидуальной учебной траектории с помощью подобранных ресурсов и активностей, удовлетворяющих уникальным потребностям учащегося.

Суть этой концепции в том, что люди развиваются по-разному. Для нашей корпоративной сфере это может звучать так: чтобы обеспечить сотруднику оптимальный способ профессионального развития, обучение должно адаптивно подстраиваться под его запросы, особенности восприятия, темп усвоения, учитывая имеющийся опыт и умения, осознанные и неосознанные пробелы в знаниях.


Первые программные алгоритмы обучения

Многие эксперты, представляющие эту тему или кейсы, упоминают имена Скиннера, Краудера и Паска, которые в 1950-1960 годах впервые использовали различные алгоритмы программного обучения. Но эта идея возникла не потому, что появилась возможность автоматизировать обучение и создать тесты, которые будут подстраиваться под уровень знаний и успеваемости учащегося. Адаптивные подходы использовали еще Сократ и Платон, выстраивая персонализированное обучение для своих учеников.

В первые программные алгоритмы обучения были заложены принципы, которые и сейчас используются в современных LMS:
- небольшие порции контента,
- поиск оптимального типа вопросов для проверки знаний,
- мгновенная развернутая обратная связь.

Зачем углубляться в историю? Знание особенностей этих алгоритмов позволит понять механизмы адаптивности и разрушить мифы, связанные с адаптивным обучением.

Профессор Скиннер представил линейный алгоритм обучения, обладающий такими параметрами:
- небольшие части учебного материала,
- индивидуальный темп обучения для учащегося,
- достаточно низкий уровень сложности каждой части,
- немедленная обратная связь после каждого ответа,
- использование открытых вопросов для проверки усвоенных знаний,
- закрепление знаний с помощью обобщения в различном контекста,
- разница между учащимися в продолжительности обучения.

В алгоритме Скиннера способности и наклонности учащихся не дифференцировались: разные учащиеся к концу программы приходили по одному и тому же пути.


Разветвленный алгоритм Клаудера отличался появлением индивидуальных учебных траекторий. Теперь программа обучения определяла свой путь для каждого учащегося. Появились параметры, отличающиеся от похода Скиннера:
- начальный учебный материал дается большими частями со сложными вопросами
- используются закрытые вопросы типа “один из многих”
- если учащийся дает неверные ответы на первую сложную часть, идет перенаправление на более простую и более детальную подачу того же материала
- появляется развернутая обратная связь (после ответа на вопрос программа поясняет, почему ответ был верный или в чем допущена ошибка).

Клаудер создал дифференцированный подход к траекториям обучения: разные учащиеся проходили к финалу программы своими путями.


Гордон Паск предложил адаптивный алгоритм, когда в индивидуальной траектории обучения поддерживается оптимальный уровень сложности учебного материала для конкретного учащегося.


С развитием интереса к технологиям искусственного интеллекта, идеи персонализации обучения и программирования уникальных траекторий освоения учебного материала стали развиваться. Скачки популярности можно было наблюдать в 1970-е и 2000-е годы. С 2017 года адаптивность снова в тренде.

В современных трактовках адаптивности можно встретить примеры линейного, разветвленного и адаптивного алгоритмов. В наибольшей степени на персонализацию обучения настроен последний вариант.


Примеры адаптивного обучения

Простейший живой пример - репетитор, который обучает студента в индивидуальном порядке, в то время как в группе для всех студентов тот же преподаватель дает лекцию по утвержденной программе для этого курса и этой специальности. Репетитор не будет читать ту же лекцию: вначале он выявит имеющиеся знания и пробелы, постарается понять мотивацию и способы наилучшей передачи знаний именно для этого студента. В процессе дальнейшего обучения продолжатся периодические срезы успеваемости, калибровка наполнения и скорости прохождения учебной программы, а также планирование будущих потребностей в знаниях и навыках.

Похожую задачу мы сейчас пробуем перенести в корпоративное обучение, заменив традиционные массовые курсы по теме или должности на адаптивные курсы, которые будут выстраивать персональные учебные траектории.

В онлайн-обучении иностранных языков адаптивность не новинка. Существуют платформы, где студент может выбрать онлайн-учителя, определить свои цели для дальнейшей мотивации, учиться в удобном для себя формате на различных устройствах в любое время, получать обратную связь по своим заданиям, видеть динамику своей персональной траектории обучения и даже приносить свой собственный контент в эту траекторию.

Одной из первых зарубежных компаний технологию адаптивности стала применять компания Knewton, анализируя образовательные данные и формируя уникальные для каждого студента кривые обучения. И начинался этот проект в 2011 году участием компании в разработке адаптивной системы подготовки студентов-математиков одного из вузов США.






Это все примеры адаптивности, которая анализирует информацию об учащихся и выстраивает навигацию по элементам учебного контента. Такой подход углубляется в методологию обучения и заставляет пересмотреть традиционные взгляды.

Можно еще говорить об адаптивности по формату предоставления контента, который позволяет учащемуся выбрать устройство для прохождения курса или сдачи теста: компьютер, планшет, смартфон. Пусть это, в большей степени, технические задачи, но они тоже важны. Когда обучение поставляется не в том виде, в котором учащийся готов его воспринимать, снижается мотивация к изучению темы, задания накапливаются в инбоксе и создают ощущение “все равно уже не успею”.


Подведем итоги:
  1. Адаптивное обучение использует различные алгоритмы для построения индивидуальных учебных траекторий.
  2. Учебная траектория это специально подобранные ресурсы, активности, мероприятия, удовлетворяющие уникальным потребностям и способностям учащегося.
  3. Первые программные алгоритмы были использованы в 1950-1960 годах, когда Скиннер, Клаудер и Паск предложили линейный, разветвленный и адаптивный алгоритмы.
  4. Примерами живого адаптивного обучения может служить частный репетитор, который совместно с учеником настраивает индивидуальную траекторию и вносит в нее изменения по ходу обучения. 
  5. Адаптивные подходы активно используются в онлайн-обучении иностранных языков. 
  6. Адаптивный дизайн учебного портала или адаптивная верстка электронного курса - один из способов сделать контент персонализированным и позволить учащемуся выбрать оптимальный для себя вариант.

Комментарии

Популярные сообщения из этого блога

Кейсы и проекты клиентов WebSoft, представленные в 2017 году

Цикл статей "Тренды современного HR". 7. Переход HR-сферы в формат Digital. Итоги цикла

ТОП 10 публикаций 2017 года в блоге WebSoft