(原标题:慕课,你本应润物细无声)

提及慕课,在教育信息技术圈里几乎已是陈词滥调,但相对于其他专业的同学来说可能还是第一次听到,这也不足为奇。国内一直将其作为追逐的热点,趋之若鹜。2012年我得益于导师之言首次接触慕课这一概念,有种不明觉厉非常高大上的节奏。在一次回家的途中不亦乐乎地与同学分享这一新词。“这不就是在线课程嘛!”同学如是说到。当时还百般解释与以往的在线课程的不同等等,现在觉得那时候自己真是拾人牙慧。

5年以来,慕课的发展十分迅速,越来越多的课程上线,也造就了很多“网红教师”。慕课的深化应用也逐步提上日程,中国大学MOOC与爱课程启动教师教育类MOOC课程就体现出慕课的应用非常广泛。当新事物不断发展,人们开始理性看待的时候,问题就来了。慕课的应用效果有待探究,慕课的质量也鱼龙混杂,虽然慕课为互联网+教育提供了一种方式,但这种教育是否适合所有的内容也有待考量。

今天我们把问题放一放,我就来抛砖引玉,用自己的慕课学习经历,印出大家对慕课的思考。

万物皆有所待—学习动机

(1)对教师的崇拜

2014年在中国大学MOOC上无意间发现国防科技大学一门《大学物理-相对论》课程,它的主讲教师是跟自己的老师同名同姓,心中的崇拜之情便油然而生。这种崇拜可以说是理性的也可以说是非理性的,毕竟理性是彻彻底底的主观。可能很多同学看到相对论就特别害怕,其实课程中提及皆是基本概念,只要认真听讲学完这门课不是难事,难的是用什么支撑你去学习。每个人在不同的时间段针对某些事情都会有一些行为偏好,对教师的崇拜之情便是学完这门课的强大动力。其实这里还隐含了一个心理过程:学习跟自己老师同名同姓的课程,可能会得到老师的赞赏;事实也是如此。第一次学习MOOC或多或少有些小激动,然后手一抖就下单申请了一份认证证书,后来发现两者的区别并没有多大的差别,纸质版的证书亦没有亲笔签名和公章,跟下载电子版再打印出来是一样的。当然证书目前看来并应用前景还不够明晰,但学习是为自己的,这点应该毋庸置疑。

(2)兴趣爱好并不靠谱

前辈曾说兴趣爱好是最好的老师,这话一点不假。每个人都有自己的兴趣爱好,对于学习MOOC而言也是如此,相信很多学过MOOC的同学也都会说因为自己对这门课感兴趣,所以才去学习,我们的确不能否认兴趣的作用,但事实是当一个学习者登陆进去某个平台时,他所看到的并不是其真正想看到的内容,成千上万的课程通过屏幕一一陈列在学习者面前,这时候对于学习者来说,便会出现认知负荷。简单点说就是我们的认真能力有限,无法准备的判断哪些课程是优秀的,哪些课程是自己喜欢的。这时候平台给了你很大帮助,每门课程都会看到它的选课人数(少则上千,多则上万)等信息,有点类似某猫某狗的好评差评。但当我们进入课程时又发现其实学习人数并不多,即使被专家一度好评的增加了在线学习的互动空间的“讨论区”,也是寥寥数人,那些人都去哪了?似乎是被诱导着外加一点点兴趣而学的。

(3)课程作业要求

在与其他MOOC学习者交流的时候,他们也都因为课程老师要求而必须学习的,MOOC学习的线上将直接算入期末考试的总成绩。凡是与期末考扯上关系的,学生也是很无奈。这个也最记忆犹新,老师让同学们在网上各选一门MOOC课程学习,然后做学习笔记,谈学习感受,我可以毫不避讳的说,我们小组在选择课程的时候,都是选一些通俗易懂的来学,即:简单易懂,作业少,无主观作业,无同伴互评,尽量都是选择题。基于以上几点,学堂在线《孙子兵法与企业经营》便成了我们学习的对象。为了应付这种课程作业,我们小组也是分工合作,几个人分别看不同的章节,并且交叉章节以防止作业做错,一个学期过去了,这门课就这么轻松的顺利完成。

不过,我们回头来看。学习MOOC的动机有很多因素,但有趣的是,完成的人经验都基本一致,没有完成的人理由总是五花八门。只靠兴趣完成MOOC的人是有的,但不是大多数,想要以MOOC为核心形成学习生态并良性发展,需要有设计精巧的体质机制等进行持续干预。

后来我在某高校实习期间便将这一法宝很好的继承了,角色转换,本人由原来的学生变成了教师,说实话当你站到三尺讲台后才能体会到当老师的艰辛,教学活动不仅是个传授知识的脑力活,还是一个体力活。农夫山泉说我们只是大自然的搬运工,那我们就像人类知识的搬运工,传递给需要的人。

在《大学计算机》授课过程中,笔者也让学生学校某高校的大学计算机MOOC课程,当与学生交流的过程中,一位学生说:“老师呀,那门课我真的看不下去,真的很无聊,很无趣,虽然课程讲的也很好,但我就。。。”刹那间想起两年前自己老师让自己学习MOOC时候,不也是如此无奈吗?(历史总是如此的相似)沉重的负罪感涌上心头。那节课回去想了很久,第二天跟他们说把上面的作业做完就行。

(4)职业生涯的需要

这一点对于青年教师来说是必不可少的。当入职的青年教师由于缺乏工作经验,必须想各种方式去寻求教学经验,向导师求教,亲朋好友等,其中一条便是快速学习网络上的相同课程的MOOC课程,好处是:一快速了解课程重难点,二学习一些优秀教师的授课风格,三MOOC课程中大量的视频、图像、文本等资源可供借鉴。 上文也说到小站曾给学生学习某门课程,原因也是因为已经浏览一遍,感觉课程还不错故推荐给学生。想必也有很多教师都可能会有相似的做法,MOOC课程有些固然优秀,但却不能照搬。

上段说到教师方面,其他领域可能也会存在类似问题,比如最近利用python做大数据分析很是火热,不学个R语言、Stata等都不好意思说自己学过研究方法。

通俗易懂落地——知识维度

长期泡在MOOC平台上,也渐渐的对其中的视频观看产生厌倦,主讲教师讲的不够生动有趣?视频做的不够精美?画质不够清晰?等。其实都不是,是真的不想看视频了。小站发觉课程在每节课都会给出ppt之类的课程资料,而视频的内容与其一样,视频不过是把ppt上的内容由静态变成了动态,当然,在这个变化中学习者也同样由主动变为被动;在学习文本资料的过程中是学习者自己在独立的思考,而视频的观看便是教师的强教若学。所以在之后的MOOC学习过程中慢慢习惯看课程资料(课程提供的资料并不是很多,往往只是授课PPT内容),以及一些热心的学习者分享的材料。

MOOC利用视频,文本,图片甚至VR/AR来呈现课程主要内容,让复杂的内容通俗易懂,让抽象的内容更加直观。写过代码的小伙伴可能都会知道,越接近底层的语言难度越高,环境无关的编程语言难度相对较低。这个和MOOC的授课内容具有异曲同工之妙,香港城市大学(CityU)就将MOOC VR化,他们开出了一门“认识香港”的MOOC,学员利用一个简单纸板折起来的Kit(套件),就可以体会到VR的临场感,从而提高学习效果。

MOOC的出现,让原本高高在上的知识不断落地化。“旧时王谢堂前燕,飞入寻常百姓家”,通俗易懂,落地实操是MOOC的特点之一,但有些学者认为,MOOC的出现会让学习者不再思考,而只是接收。学习者通MOOC了解自己想要的东西,但学习者不想自己去探究,只想知道结果。越高级的内容呈现会使知识的难度越低,如何利用MOOC开展深入有效的学习互动,培养创新人才应该具备的高阶技能,这个问题有待深入反思。

高效同时可靠——同伴互评

关于同伴互评自从MOOC以来一直有争论,同伴互评是否客观,是理性还是盲目,这些讨论从未停歇。

我们想要形成一个关于10月1日国庆节下雨的可能性的信念,那一天距离今天还有三周。我们能做的可能最多也就是查看早年的降水数据并假定(预期的)未来也会像过去一样。但随着10月1日的临近,当前降水量可能会使我们调整自己的预期。如果本来10月份是经常下雨的,而现在却接连数日万里无云,我们可能会推断,一个高压系统的存在使得9月10日下雨的可能性变小了些。这个信念修正的过程通常被称为贝叶斯学习(Bayesianlearning)(以18世纪的牧师贝叶斯命名)。假定我们对这个世界的种种不同状态有一个初始的(“先验的”)主观概率分布。在刚才给出的例子中,先验分布来自以往的频率。在其他案例中,它可能只是一种第六感而已。

举例来说,凭着自己的直觉,可能给同伴认真互评的概率赋值60%,给不认真互评的概率赋值40%。然后我们可以观察学生在几个周期内的行动及其结果。假设我们在给定课程中同伴认真的情况下能够对这些观察结果的可能性做出一个估计。如果同伴是认真的,我们对好结果(与自己的评分近似)有80%的期望,如果同伴不认真,则对好的结果发生只有30%的期望。贝叶斯向我们展示了在给定这些观察结果的情况下,我们如何更新自己关于课程是否有用的初始概率判断。

假定:只有两种可能的结果,好的或坏的,而我们观察到的是好结果。

如果我将a发生的概率记为p(a)

将给定b发生时a会发生的条件概率记为p(a|b)。

那我们就已经假定p(同伴认真)=60%,p(同伴不认真)=40%;

p(好结果|同伴认真)=80%,且p(好结果|同伴不认真)=30%。

我们要试图确定p(同伴认真|好结果)。用字母a和b分别表示认真和好结果,我们首先可以记下:

p(a|b)=p(a&b)/p(b) (1)

p(a&b)= p(b)* p(a|b)

用语言来描述,条件概率p(a|b)等于a和b都发生的概率除以b的概率。这是从p(a&b)等于p(b)乘以p(a|b)这一更直观的想法推出的。等式的两边都除以p(b),我们就得到了等式(1)。

再次运用等式(*),但将a和b调换,我们得到:

p(b|a)=p(a&b)/p(a)

或者相等地记为:

p(a&b)=P(b|a)·p(a)

将后面这个表达式代入(*),我们得到:

p(a|b)=p(b|a)·p(a)/p(b) (2)

现在,b(好结果)有两种发生的方式,分别对应同伴认真和同伴不认真的情况。由于两个互斥事件中的一个发生的概率等于每个事件发生概率的总和,我们可以记为:

p(b)=p(b&a)+p(b&非a)

根据(1)后那一段所述的推理,这一等式等于=p(b|a)·p(a)+p(b|非a)·p(非a)

如果将p(b)的这一表达式代入(2),我们便得出了贝叶斯定理:

p(a|b)=p(b|a)·p(a)/[p(b|a)·p(a)+p(b|非a)·p(非a)]

将概率的数值代入等式的右边我们可以得到p(a|b)=80%,这说明,观察到一个成功的结果(或者说好的结果,即同伴互评与自评近似,或者说同伴互评是由效的)将同伴互评认真的可能性从60%提高到了80%。第二次和第三次观察到好的结果会将其提高到91%和97%。如果另一个人最初的估计是p(a)=0.3而不是0.6,连续三次好的观察结果会将她的估计先提到0.53,再提到0.75,最后到0.89。

因此,初始直觉是否不可靠也许并没有太大的关系,因为随着越来越多的信息补充进来,更新后的信念会变得越来越可信。即同伴互评是有效的,这一信念会变得越来越可信。随着时间的流逝,意见的初始差异可能会被新证据淹没。为供将来参考,我们也要指出每个新信息相较于之前一个的影响力都更小。

不忘初心,任重道远

MOOC的出现为线下教育的发展提供了“互联网+”的捷径,但捷径只能是捷径,教育规律是不能违背的,也是绕不开的。信息技术的发展和互联网时代的进步让“变革传统教育”、“颠覆教学模式”等口号不断被提上桌面。2012年MOOC以冲天之势让我们盲目自信,甚至觉得“学校会消失”,“教师会灭亡”。但5年时间过去了,世界上没有任何一所学校因为MOOC的发展垮下,这就说明MOOC的某些内涵我们还是没有正确把握。教育和技术的关系是永恒的话题,违背教育规律的技术应用只能事倍功半,利用信息技术支持教育教学的变革是一件好事,只是我们不知道的还太多,我们需要走的路还很长……

本人才疏学浅,经验浅薄,必有纰漏,请各位专家学者予以指正!

(本文作者:树林  编辑:阿丘  收稿日期:2017-09-04  发稿日期:2017-09-08)

(作者邮箱:1025315623@qq.com)