AI家教的未来：真正的一对一关注，学习不再跟不上

发表时间:2024-11-04 点阅：138
数千年来，教育工作者一直都知道，一对一教学是最好的学习方式，也就是根据学生的学习时间与速度进行辅导。这就是亚历山大大帝与他的老师亚里斯多德之间的互动关系。如果亚历山大不懂某个概念，我可以想像亚里斯多德会为他放慢教学速度。如果亚历山大在军事战略方面很有天赋，我确信亚里斯多德会加快教学速度，或是讲得更深入。
 
正因为这种一对一的关注，学生永远不会觉得卡关或是无聊。这并不是只在遥远的过去才会发生的事情。现在的运动选手与音乐家依然是透过一对一指导的方式精进能力。但如果一位老师同时要面对三十位学生，在缺乏助教或科技辅助的情况下，就很难大幅提升学生的学习成果。
 
从十八世纪开始，我们有了全民公共教育的乌托邦理想。但是我们没有足够的资源让每位学生都有个人家教，所以我们将学生分成约三十人一组的班级，并采用标准化的教学流程。这套系统虽然不完美，但是愿意投资教育的社会，整体的教育水平因此大幅提升，全球识字率与受教育比例也随之提高。
 
然而，这种做法对多数学生来说还不够好。例如，传统课堂的教学进度是固定的，学生即使没有完全掌握较基础的概念，仍会被迫继续往下学习更难的主题。随着时间推移，学生的知识缺口会逐渐扩大。
 
现在，我们在所有课堂、所有学习领域，都能看到这种知识缺口造成的影响。美国的多数学生，包括高中毕业准备读大学的学生，数学程度都没有达到大学生应有的水平。事实上，多数18、19岁的学生会被他们就读的大学告知代数程度太差，必须参加不计学分的高中代数辅导课。另外，有四分之三的高中毕业生写作能力无法达到基本的熟练度。
 
如果能透过更好的个人化与一对一辅导模式，打破工厂化教育模式，会产生多大影响？1984年，知名的教育心理学家班杰明．布鲁姆（Benjamin Bloom）就试图量化这种影响。在芝加哥大学担任研究员的布鲁姆，比较了「传统学习方式」与「接受优秀家教指导」的学生学习成果。什么样的家教才算是好？他必须是关心学生、注重因材施教的指导者，能够提供明确的学习目标、评量与专业的回馈意见，直到学生真正透彻理解学习内容为止。
 
这与精熟学习的概念息息相关，强调必须不断给学生机会与诱因，弥补知识与技能缺口。传统学习模式，老师的教学进度是固定的，学生每隔几星期就要接受测验或考试。即使学生考了80分，全班仍会继续学习下一个主题，不会先解决上次考试发现的20％知识缺口。这个过程会持续多年，学生的知识缺口不断扩大，等到他们在代数与微积分课遇到困难时，我们才惊觉问题的严重。一个人无论天生有多聪明或有多认真读书，如果他们在小数、分数或指数等数学知识上出现严重缺口，他们怎么可能有机会掌握代数？
 
此外，学生如果有更多空间与时间打下扎实的知识基础，后面就能愈学愈快。然而平心而论，传统的学校系统如果缺乏必要支持，只靠著一名老师同时面对三十名学生，的确很难做到这一点。针对此研究结果，布鲁姆称之为「两个标准差问题」（two-sigma problem），他在论文中阐述了以精熟学习为导向的一对一辅导的好处。他写道，如果学生与导师一起精熟某个主题或技能，学生就能取得两个标准差的进步，这是非常大幅度的进步，等于从第50百分位数，跃升到大约第96百分位数。
 
但是布鲁姆将它描述为「问题」，原因是现有的教育系统实际上无法大规模采取一对一辅导模式，因此多数学生都无法达到两个标准差的进步。面对这个问题，中产阶级或是富裕家庭的做法，多半是提供小孩某种形式的个人化辅导。
 
在可汗学院，我们一直怀抱一个理想：随着时间累积，我们或许可以成为所有人的个人家教。在AI出现之前，可汗学院已尝试运用科技协助教育工作者转向更注重个人化学习速度与精熟度的教学方式。我们的努力获得了很不错的成果，已有超过五十项研究显示，一周进行30到60分钟个人化学习的学生，学习速度提升了20％到60％。在可汗实验学校与可汗世界学校等注重精熟学习的环境中，我们发现学生一年内就可以学完一年半到三年的数学进度。
 
然后，GPT-4 出现了。我从生活经验中学到，改变世界的机会并非天天都有，遇到这样的机会时，就应该尽全力把握。如今，生成式AI取得惊人的进展，我认为我们距离教育的圣杯已近在咫尺：一种具备适当防护措施与介面设计的AI，能为数百万名学习者提供更有效的学习体验。可汗学院试用GPT-4几个月后，决定全力投资这项科技。我们设定的目标是，在既有的学习流程中融入生成式AI，我们就有机会解决布鲁姆提出的二个标准差问题，最终能将其推广到地球上每个班级、每位老师与学生手中。
 
►►本文摘自：《AI赋能新学力》