Эскиз образовательного проекта - 2
Первый эксиз образовательного проекта я делал 2011-11-11 (http://ailev.livejournal.com/961237.html). Но тогда я делал упор больше на постановку задачи и не приводил никаких реализационных идей или прототипов, да и устарели бы они с тех пор: каждые пять лет технологии обычно существенно меняются (хотя образование не рыночно, и там технологии могут меняться существенно медленней).
Сегодня будет пост ссылок про технологии, которые можно было бы использовать в таком проекте. Так что без понимания материала по представленным ссылкам (начиная с самой первой, пятилетней давности) этот пост не понять.
Про технологии пять лет назад было сказано так: "10. Языкоориентированность ... задачи решаются в комплекте учебных миров, но устроенном как language workbench (с доработками в части управления образовательными модулями с их задачами и разными языками)". Сегодня понятно, что речь идёт о systems framework, поддерживающем различные языки -- я подробно писал об этом буквально вчера (http://ailev.livejournal.com/1277009.html). Целевая система при этом -- мегамоделер, настроенный на предметную область обучения STEM.
Прототипом "задачников" по программированию тут могут быть системы гомельской школы обучения программированию, а также ПиктоМир и КуМир (http://ailev.livejournal.com/1275421.html). Что должно поменяться?
-- онлайн среда exploratory programming, а не только проверка подготовленных в оффлайн-IDE ответов (почему бы и нет! https://juliabox.org/, а ещё тот же https://www.eclipse.org/che/ -- IDE в браузере уже общее место)
-- не один язык, а много (поэтому в основе должен быть systems framework).
-- понятный API по подгрузке своих наборов задач и языков
Алгоритмы адаптивного обучения (https://en.wikipedia.org/wiki/Adaptive_learning, не путать с более старинным программированным обучением https://ru.wikipedia.org/wiki/Программированное_обучение) можно реализовать как используемые в наработках гомельчан, так и по модели Knewton -- https://www.knewton.com/resources/blog/adaptive-learning/adaptive-learning-around-world/, https://www.knewton.com/resources/blog/adaptive-learning/deep-learning-make-better-learning/
Но на начальных стадиях вполне можно использовать know-how учителей, строя curriculum learning на знании о типовых ошибках и типовых задачах. То есть нужно поступать, как Facebook со своим виртуальным ассистентом "М" -- сначала должны поработать люди, а потом появится некоторый объём понимания и учебного материала, на котором можно будет тренировать нейронные сетки и другие механизмы автоматизированного адаптивного обучения. Учитель обычно:
-- тщательно диагностирует, что именно не понимается. Это самое важное: суметь вообразить, что происходит в мозгу ученика, что он делает не так, в чём именно заты.
-- обычно затык не уникален, и часто даже имеет описание в педагогической литературе (ибо совсем индивидуальные ошибки редки).
-- после этого пытается объяснить разными методами (выводит ошибку на уровень сознания), но кроме этого в обязательном порядке добавляет тренинг спецзадачами на данный затык (для этого и нужна педагогическая литература: очень часто находится методичка какого-нибудь пензенского учителя, который сочинил десяток задач на эту тему).
-- продолжает объяснять и тренировать затык даже после того, как он исчез. Проблема тут в том, что любой затык - это «уже есть неправильные связи в мозгу», а переучивать сложней, чем учить. Ну, и кривые забывания (http://www.happydoctor.ru/info/92) никто не отменял, навыки угасают и проявляются старые ошибки. И очень часто начинает не хватать задач какого-то типа.
У каждого ученика есть свои затыки в понимании, и индивидуализация учебной траектории тут ключ к успеху -- использование нашей образовательной системы должно приводить к более глубоким знаниям при меньшем времени обучения. То, что для одного «гештальт» на один раз и на всю жизнь с одного предъявления, для другого ученика нужно разложить на пять-шесть разных подприёмов, все из которых придётся долго и нудно тренировать, пока не отрастут соответствующие связи в мозгу -- а потом ещё и много раз повторять тренинг из-за действия кривых забывания.
Как при этом выглядят задачники по математике-геометрии-физики (не говоря уж о задачниках по моделированию данных, инженерии и прочей экзотике) пока не обсуждаем. Как говорилось в первой версии этого текста, это просто другие Миры, другие языки (другие viewpoints). Все эти Миры должны обеспечивать прежде всего "наглядность", а только потом "аналитичность" (четвёртый абзац в http://ailev.livejournal.com/1277251.html).
В любом случае, начать можно с поддержки курса алгоритмики, а потом только расширяться на другие предметы STEM -- заручившись при этом возможностями платформы, взяв systems framework. И тогда курсы типа геометрии http://www.euclidea.xyz/ru/ будут туда свободно включаться, это ж будет просто ещё один viewpoint со своими данными.
Я бы ещё включил какие-то простейшие варианты нейроконтроля: вплоть до выдачи ученикам гаджета, который будет снимать биометрию и отдавать в компьютер -- замеры уровня сосредоточенности-рассеяности, частоты отвлечений и в конечном итоге попытки управлять cognitive load -- http://openmeta.livejournal.com/236784.html, http://openmeta.livejournal.com/237342.html.
Бизнес-модель вполне может быть как у Knewton: продажа школам и университетам для поддержки их курсов алгоритмики (при этом курсы можно брать самой системы, но учителям можно и свои создавать).
Сегодня будет пост ссылок про технологии, которые можно было бы использовать в таком проекте. Так что без понимания материала по представленным ссылкам (начиная с самой первой, пятилетней давности) этот пост не понять.
Про технологии пять лет назад было сказано так: "10. Языкоориентированность ... задачи решаются в комплекте учебных миров, но устроенном как language workbench (с доработками в части управления образовательными модулями с их задачами и разными языками)". Сегодня понятно, что речь идёт о systems framework, поддерживающем различные языки -- я подробно писал об этом буквально вчера (http://ailev.livejournal.com/1277009.html). Целевая система при этом -- мегамоделер, настроенный на предметную область обучения STEM.
Прототипом "задачников" по программированию тут могут быть системы гомельской школы обучения программированию, а также ПиктоМир и КуМир (http://ailev.livejournal.com/1275421.html). Что должно поменяться?
-- онлайн среда exploratory programming, а не только проверка подготовленных в оффлайн-IDE ответов (почему бы и нет! https://juliabox.org/, а ещё тот же https://www.eclipse.org/che/ -- IDE в браузере уже общее место)
-- не один язык, а много (поэтому в основе должен быть systems framework).
-- понятный API по подгрузке своих наборов задач и языков
Алгоритмы адаптивного обучения (https://en.wikipedia.org/wiki/Adaptive_learning, не путать с более старинным программированным обучением https://ru.wikipedia.org/wiki/Программированное_обучение) можно реализовать как используемые в наработках гомельчан, так и по модели Knewton -- https://www.knewton.com/resources/blog/adaptive-learning/adaptive-learning-around-world/, https://www.knewton.com/resources/blog/adaptive-learning/deep-learning-make-better-learning/
Но на начальных стадиях вполне можно использовать know-how учителей, строя curriculum learning на знании о типовых ошибках и типовых задачах. То есть нужно поступать, как Facebook со своим виртуальным ассистентом "М" -- сначала должны поработать люди, а потом появится некоторый объём понимания и учебного материала, на котором можно будет тренировать нейронные сетки и другие механизмы автоматизированного адаптивного обучения. Учитель обычно:
-- тщательно диагностирует, что именно не понимается. Это самое важное: суметь вообразить, что происходит в мозгу ученика, что он делает не так, в чём именно заты.
-- обычно затык не уникален, и часто даже имеет описание в педагогической литературе (ибо совсем индивидуальные ошибки редки).
-- после этого пытается объяснить разными методами (выводит ошибку на уровень сознания), но кроме этого в обязательном порядке добавляет тренинг спецзадачами на данный затык (для этого и нужна педагогическая литература: очень часто находится методичка какого-нибудь пензенского учителя, который сочинил десяток задач на эту тему).
-- продолжает объяснять и тренировать затык даже после того, как он исчез. Проблема тут в том, что любой затык - это «уже есть неправильные связи в мозгу», а переучивать сложней, чем учить. Ну, и кривые забывания (http://www.happydoctor.ru/info/92) никто не отменял, навыки угасают и проявляются старые ошибки. И очень часто начинает не хватать задач какого-то типа.
У каждого ученика есть свои затыки в понимании, и индивидуализация учебной траектории тут ключ к успеху -- использование нашей образовательной системы должно приводить к более глубоким знаниям при меньшем времени обучения. То, что для одного «гештальт» на один раз и на всю жизнь с одного предъявления, для другого ученика нужно разложить на пять-шесть разных подприёмов, все из которых придётся долго и нудно тренировать, пока не отрастут соответствующие связи в мозгу -- а потом ещё и много раз повторять тренинг из-за действия кривых забывания.
Как при этом выглядят задачники по математике-геометрии-физики (не говоря уж о задачниках по моделированию данных, инженерии и прочей экзотике) пока не обсуждаем. Как говорилось в первой версии этого текста, это просто другие Миры, другие языки (другие viewpoints). Все эти Миры должны обеспечивать прежде всего "наглядность", а только потом "аналитичность" (четвёртый абзац в http://ailev.livejournal.com/1277251.html).
В любом случае, начать можно с поддержки курса алгоритмики, а потом только расширяться на другие предметы STEM -- заручившись при этом возможностями платформы, взяв systems framework. И тогда курсы типа геометрии http://www.euclidea.xyz/ru/ будут туда свободно включаться, это ж будет просто ещё один viewpoint со своими данными.
Я бы ещё включил какие-то простейшие варианты нейроконтроля: вплоть до выдачи ученикам гаджета, который будет снимать биометрию и отдавать в компьютер -- замеры уровня сосредоточенности-рассеяности, частоты отвлечений и в конечном итоге попытки управлять cognitive load -- http://openmeta.livejournal.com/236784.html, http://openmeta.livejournal.com/237342.html.
Бизнес-модель вполне может быть как у Knewton: продажа школам и университетам для поддержки их курсов алгоритмики (при этом курсы можно брать самой системы, но учителям можно и свои создавать).