Как организовать дистанционное обучение в компании?

Адаптивность: хорошо забытое старое?

Адаптивное обучение стремительно набирает популярность. Адаптивными называются образовательные сервисы, в которых учебный контент подстраивается под студентов: предъявляется в нужный момент, в удобной форме и в оптимальной последовательности. Правда ли, что всё это, преподносимое как новейшие технологии – хорошо забытое старое?

Для чего нужна адаптивность? Дело в том, что все студенты разные и учатся по-разному. Одни легче усваивают информацию в виде текста, другие - в графиках и диаграммах, третьим удобнее воспринимать контент на слух. Студенты различны по стартовым знаниям и способностям, поэтому для кого-то материал 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. Адаптивные технологии призваны оптимизировать процесс обучения практически для каждого студента, исходя из его индивидуальных особенностей.

В презентациях сервисов адаптивного обучения часто встречается слово «инновация». По праву ли? На самом деле, первые технологии адаптивного обучения появились в середине прошлого века, благодаря работам по программированному (Б. Ф. Скиннера, П. Я. Гальперина и Н. Ф. Талызиной, В. П. Беспалько) и алгоритмизированному обучению (Л. Н. Ланды). Согласно этим подходам, обучение представляло собой движение и работу студентов по определенной программе (или алгоритму). Программы можно условно поделить на два типа: линейный и разветвленный

Линейные программы предполагали получение студентами небольших порций материала и нескольких проверочных заданий, выполнение которых позволяло получить новую порцию. Материал в линейных программах был единым для всех студентов.

Разветвленные программы были несколько ближе к современному пониманию адаптивности – эти программы строили индивидуальный путь для каждого студента на основании измерений усвоения предыдущих порций материала. Надо отметить, что в 1960-70-х годах мир технически не был готов к широкому распространению (и уж тем более к развитию) идей программированного и алгоритмизированного обучения. Переложить весь учебник или дисциплину в программированный вид было неподъемной задачей. Во многом поэтому считалось, что эти подходы «не оправдали себя».

В 1980-х годах стала активно развиваться технология, которая сегодня используется во многих современных адаптивных решениях – технология компьютерного адаптивного тестирования (КАТ). Алгоритм формирует для каждого студента индивидуальный набор тестовых заданий, причем делает это практически «на лету»: каждое новое задание подбирается в зависимости от ответа студента на предыдущее, а оценка знаний пересчитывается и уточняется после каждого нового задания. Такой алгоритм работает с комбинацией двух параметров – подготовленности (уровня знаний) студента и трудности заданий.

Говоря об использовании алгоритмов КАТ в адаптивном обучении – для подбора обучающего, а не диагностического контента, – важно отметить невозможность прямого переноса и использования этих алгоритмов (но это часто делается, что печально). Приведу простой пример. Целью КАТ является точность диагностики, а целью адаптивного обучения – построение оптимального пути студента к достижению им учебной цели. Оптимальным с точки зрения диагностики является такое задание, вероятность решить которое для данного студента равна 0.5. Зачастую такое задание в условиях обучения будет восприниматься студентами как очень трудное и может приводить к негативным переживаниям. Я привел этот пример, чтобы показать, что при построении адаптивного решения в обучении, в отличие от тестирования, недостаточно оперировать только двумя параметрами (подготовленностью студента и трудностью заданий). Обучение устроено гораздо сложнее.

К счастью, более поздние адаптивные алгоритмы, появившиеся в нулевых, технологически более совершенны и оперируют десятками параметров студентов (подготовленность, способности, восприятие информации, память, мотивация и др.) и контента (трудность, структура, форма и др.). Измерение параметров и их анализ производятся не единожды, а непрерывно. Именно динамические измерения и их учет отличают, по мнению руководителя компании Knewton Хосе Ферейра, настоящее адаптивное обучение от дифференцированных учебных программ, в которых студенты делятся на несколько подгрупп, различающихся по стартовым знаниям на основании входного тестирования.

Например, базовая логика, когда сильным студентам надо дать материал потруднее, а слабым – попроще, работает далеко не всегда. Некоторым сильным студентам может быть удобно двигаться медленнее и с меньшим шагом в трудности материала, а некоторых слабых студентов повышенная трудность материала может, наоборот, мотивировать к его освоению. Это значит, что на горизонте появляется адаптивность нового поколения – «адаптивная подстройка алгоритмов, подбирающих контент, под студентов».