В лекции профессора Джастина Рейха из Массачусетского технологического института (MIT) подробно рассматривается эволюция образовательных технологий, от массовых открытых онлайн-курсов (MOOC) до систем интеллектуального тьюторства на базе алгоритмов. Автор анализирует, почему громкие обещания тотальной деструкции традиционного образования сменились его «одомашниванием», а также разбирает математические основы и политические последствия персонализированного обучения. На примерах крупнейших исследований показано, как реальная практика использования EdTech в школах и университетах расходится с утопическими прогнозами техно-оптимистов.
📝 Задание на проектирование: Выбор образовательной технологии 0:12
Профессор начинает занятие с разбора предстоящего письменного задания для студентов. Цель работы — выбрать конкретную учебную среду (например, кафедру аэронавтики MIT, языковое отделение определенной школы или местную библиотеку) и дать аргументированную рекомендацию по внедрению или отказу от конкретной образовательной технологии.
Как отмечается в книге «Failure to Disrupt», не существует универсального технологического решения, пригодного для любого учебного заведения. По мнению автора, любое решение о внедрении EdTech должно строго учитывать специфику времени, места и людей. Студентам предстоит выступить в роли аналитиков, подготовив меморандум для конкретного стейкхолдера: руководителя департамента, суперинтенданта по учебной работе или директора программы. Профессор разрешает частично симулировать данные о характеристиках школы, если у студентов нет к ним прямого доступа, при условии фиксации этого допущения в тексте.
🎓 Крах иллюзий: Как высшее образование «одомашнило» массовые онлайн-курсы 4:16
Переходя к итогам эпохи массовых открытых онлайн-курсов (MOOC), профессор напоминает о трех главных ставках, которые делались на эту технологию в начале 2010-х годов:
- Создание новых путей в высшее образование для людей с ограниченным доступом.
- Реорганизация и разрушение (disruption) традиционных университетских структур.
- Формирование новой науки об обучении на основе больших данных.
Четвертой, коммерческой ставкой венчурных капиталистов было извлечение сверхприбылей, однако и она не оправдалась в полной мере. В качестве свежего примера приводится новость о покупке компании Udacity консалтинговым гигантом Accenture. Udacity, основанная Себастьяном Труном (одним из пионеров бума MOOC), привлекла за время своего существования $300 млн инвестиций, но была продана, по экспертным оценкам, всего за $80 млн. Accenture планирует использовать платформу для корпоративного обучения в сфере ИИ, что, по мнению профессора, является возвратом к устоявшемуся формату бизнес-образования (executive education) и не имеет ничего общего с трансформацией глобальной просветительской системы.
Профессор ссылается на тезис своей коллеги Мим Эмо (Mim Emo): технологии не разрушили систему образования, они были ею «одомашнены» (domesticated). Вместо предрекаемого Себастьяном Труном будущего, где в мире останется всего 50 образовательных институтов, традиционные университеты просто указали онлайн-платформам их скромное место в нише дополнительного обучения.
📊 Большие данные в образовании: Почему клики не отражают мысли 8:10
Когда создавалась исследовательская инфраструктура для проектов HarvardX, MITx и EdX, ученые были воодушевлены возможностью детальной фиксации каждого действия миллионов студентов. Однако надежды на революцию в когнитивных науках, аналогичную проекту расшифровки генома человека, натолкнулись на суровую реальность.
Основная проблема больших данных в EdTech заключается в том, что терабайты логов о кликах на экране не позволяют заглянуть в голову обучающегося. Они не объясняют когнитивные процессы и не показывают, какая именно часть учебного материала помогла решить задачу. В результате академические публикации годами сводились к банальному тезису: «студенты, которые делают больше заданий и чаще заходят на платформу, учатся лучше тех, кто делает меньше». По ироничному замечанию профессора, не стоило тратить $60 млн на исследовательские гранты, чтобы подтвердить столь очевидный факт.
Психологические интервенции и угроза стереотипа
Тем не менее, исследователям удалось провести несколько масштабных психологических экспериментов. На базе пре-курсовых опросов в MIT и Гарварде изучался феномен «угрозы стереотипа» (stereotype threat). Это когнитивное искажение, при котором актуализация негативного стереотипа (например, указание пола девочки перед тестом по математике) ухудшает результаты. Для борьбы с этим применялись короткие 5-минутные интервенции:
- Ценностное утверждение (values affirmation): написание мини-эссе о том, как данный курс соотносится с личными жизненными ценностями (семья, рост, лояльность).
- Письмо будущему студенту: практика психологической поддержки, формирующая чувство причастности (belonging).
- Формирование планов (plan making): детальная фиксация графика занятий и алгоритма действий в случае возникновения трудностей.
Первоначальные эксперименты на выборках в 2–5 тысяч человек показали потрясающий результат — вероятность успешного окончания курса вырастала на 4 процентных пункта. Однако при масштабировании эксперимента на четверть миллиона пользователей эффект полностью исчез. В итоге сегодня исследования на базе логов HarvardX и MITx практически прекращены.
🌍 Демократизация или элитарность: Реальная аудитория MOOC 25:15
Отвечая на вопрос студентов о мотивации элитных вузов инвестировать в бесплатные курсы, профессор указывает на статусную гонку. Традиционно Гарвард и MIT гордятся тем, скольким тысячам абитуриентов они отказали в приеме. По мнению лектора, MOOC возникли из страха отстать от коммерческих платформ и желания публично хвастаться миллионами обслуженных клиентов, попутно защищая свои доходы.
Миф о тотальной доступности образования разбивается о социально-экономические факторы. Профессор вспоминает популярную статью в New York Times о «мальчике-гении из Улан-Батора» (Баттушиг), который набрал идеальный балл на онлайн-курсе MIT и был зачислен в университет. При детальном рассмотрении выяснилось, что директор его монгольской школы был чуть ли не единственным выпускником MIT в стране, а с группой школьников на протяжении нескольких месяцев очно занимался постдок из престижного американского вуза.
Исследование смешанной программы по управлению цепями поставок (Supply Chain Management) в MIT показало, что онлайн-часть успешно проходят исключительно обеспеченные, уже трудоустроенные специалисты, среди которых преобладают мужчины. С социологической точки зрения, концепция «саморегулируемого обучения» (self-regulated learning), требующая многочасовых ночных занятий, часто означает банальное уклонение от семейных обязанностей. В патриархальных культурах мужчинам гораздо проще переложить быт на женщин, что усугубляет гендерный дисбаланс в онлайн-образовании.
Как альтернативу глобальным англоязычным курсам, команда профессора изучала локальные платформы, такие как Edraak в Иордании (созданная фондом королевы Рании). Данные подтверждают, что курсы на местных языках, адаптированные под региональный рынок труда, демонстрируют гораздо более высокую вовлеченность уязвимых слоев населения.
🤖 Алгоритмическое обучение: От карточек SRA до теории ответов на задания 39:43
Вторая часть лекции посвящена обучению под руководством алгоритмов (algorithm guided learning at scale). По опросу аудитории, для современного поколения студентов такие системы как Membean или Khan Academy стали обыденностью в средней школе. Студенты делятся критикой: системы часто работают со сбоями или используются учителями бессистемно в качестве «электронной няни», когда преподавателю нужно проверить тетради.
Профессор подчеркивает, что идея автоматизации траектории обучения не нова. В 1970-х годах в американских школах использовались коробки с карточками для чтения SRA (SRA reading cards). Это были бумажные тексты, разбитые по уровням сложности с вопросами на обратной стороне: ответил правильно — переходишь к следующему цвету, ошибся — возвращаешься назад.
Современный компьютерный EdTech базируется на серьезном математическом аппарате — Теории ответов на задания (Item Response Theory, IRT), разработанной в 1980-х годах для обеспечения безопасности тестирования (SAT, GRE). Сложность каждого тестового вопроса моделируется с помощью логистических функций. На графике IRT по оси $X$ откладывается уровень подготовки студента (proficiency score), а по оси $Y$ — вероятность правильного ответа. Модель позволяет рассчитать два ключевых параметра каждого вопроса:
- Трудность задания (Item Difficulty): точка на оси $X$, где вероятность правильного ответа равна 50%.
- Дифференцирующая способность (Item Discrimination): крутизна наклона логистической кривой, показывающая, насколько внятно вопрос разделяет сильных и слабых учеников.
Пошаговый алгоритм работы адаптивной тестирующей системы
На практике работа интеллектуального тьютора на основе IRT состоит из следующих шагов:
- Калибровка базы заданий: Каждый вопрос предварительно тестируется на большой выборке студентов для определения его логистической функции, параметров трудности и дифференциации.
- Первичная оценка: Студенту предлагается начальное задание средней сложности (базовый уровень подготовки условно равен нулю).
- Пересчет proficiency score: В зависимости от правильности ответа алгоритм пересчитывает вероятность владения темой пользователя.
- Адаптивный подбор следующего шага: Если ответ верный, система выбирает более сложное задание (сдвигая выборку вправо по оси $X$). Если ответ ошибочный, выдается более простое задание для точной локализации пробелов в знаниях.
- Остановка тестирования: Процесс повторяется до тех пор, пока стандартная ошибка измерения уровня знаний не упадет ниже заданного параметра.
🗺️ Два взгляда на персонализацию: Смешанное против связанного обучения 50:02
Популярность термина «персонализация», вошедшего в моду на рубеже 2010-х годов, объясняется тем, что в него вкладывали диаметрально противоположные смыслы разные политические и педагогические лагеря. Профессор демонстрирует два слайда с разницей в 40 лет (1970-е и 2012 год): на обоих запечатлен ребенок, сидящий в одиночестве перед монитором компьютера в наушниках и решающий математические задачи.
В теории образования оформились два принципиальных подхода к индивидуализации учебного процесса:
- Смешанное обучение (Blended Learning): формальная программа, где студент частично занимается онлайн, контролируя темп, время и место прохождения материала. Этот подход опирается на «карты знаний» (knowledge maps), как в Khan Academy, где вся траектория и финальные цели обучения жестко определены создателями курса заранее. По мнению профессора, это реинкарнация идей бихевиоризма Эдварда Торндайка и теории когнитивной нагрузки.
- Связанное обучение (Connected Learning): социально укорененный, движимый личным интересом ребенка процесс, опирающийся на поддержку друзей и взрослых. Здесь нет заранее прописанного маршрута; цель — помочь ребенку исследовать его собственную страсть. Это продолжение прогрессивных идей Джона Дьюи и конструктивизма.
Критики часто называют традиционную классно-урочную систему «фабричной моделью», штампующей одинаковых людей. Однако, как считает Джастин Рейх, алгоритмическое смешанное обучение (Blended Learning) не уничтожает фабрику, а лишь позволяет каждому ребенку двигаться по конвейеру со своей индивидуальной скоростью.
📉 От великих пророчеств к скромной практике: Эволюция идей Сала Хана 58:21
В лекции анализируются несбывшиеся прогнозы евангелистов EdTech. Так, гуру менеджмента Клей Кристенсен в книге «Disrupting Class» (2009) безапелляционно предсказывал, что к 2019 году 50% всех школьных курсов с 6 по 12 класс уйдут в онлайн, а стоимость содержания школ сократится на две трети. В реальности этот показатель в 2019 году был близок к нулю. Другой пример — Сугата Митра, получивший в 2013 году премию TED в $1 млн за проект «Hole-in-the-Wall», утверждавший, что детям вообще не нужны школы и учителя — достаточно дать им ноутбуки, и они всему научатся сами.
Знаменательна эволюция взглядов Сала Хана, основателя Khan Academy. В своем знаменитом выступлении на TED в 2011 году он призывал полностью переосмыслить образование с помощью видео. Однако, открыв собственную частную школу Khan Lab School в Калифорнии со стоимостью обучения $20–30 тысяч в год, Хан столкнулся с практикой. В интервью 2019 года он признал, что самостоятельное обучение на основе мастерства (mastery-based self-paced learning) — это невероятно сложная задача, которую невозможно внедрить в школах в одночасье.
Сегодня Khan Academy рекомендует школам гораздо более приземленную модель: традиционное обучение с учителем 4 дня в неделю и всего 30–60 минут занятий на платформе в неделю для закрепления материала. Профессор отмечает, что ровно к такому же выводу еще в 1994 году пришли исследователи из Университета Карнеги — Меллона, тестируя свои компьютерные тренажеры в школах Питтсбурга. Потребовалось 10 лет времени и $150 млн филантропических инвестиций, чтобы Сал Хан «открыл» то, что мог узнать за один поход в библиотеку.
Кроме того, алгоритмические системы эффективны преимущественно в математике и процедурных дисциплинах. Автоматические системы проверки (autograders) способны оценивать только один из пяти этапов математического моделирования — непосредственное вычисление. Они бессильны там, где человеку нужно найти проблему в реальном мире, составить структуру уравнения, интерпретировать ответ и объяснить свои рассуждения. А ведь именно за эти четыре функции, по словам профессора, и платят деньги живым математикам-профессионалам.
🏛️ Политическая экономия персонализации: Раскомплектование школ и ваучеры 1:10:34
Профессор призывает разделять педагогическую оболочку технологий и стоящие за ними политико-экономические интересы. Идея «раскомплектования» (unbundling) школы продвигает тезис о том, что один учитель не может быть одновременно хорошим лектором, методистом, оценщиком и осуществлять психологическую поддержку (pastoral care). Зачем требовать от каждого учителя объяснять математику, если есть «рок-звезды» вроде Сала Хана, которые делают это лучше? Пусть учителя на местах просто осуществляют базовый уход, проверяют тетради и утешают плачущих детей.
Этот аргумент правые либертарианцы и экономисты рыночного толка (включая Милтона Фридмана) используют для полной ликвидации государственных школ как институтов. По их мнению, если технологии позволяют получать знания где угодно, государственное финансирование школьных систем избыточно. Логичнее выдать эти деньги напрямую ученикам.
В США эта концепция эволюционировала через несколько названий:
- Ваучеры (Vouchers) — термин стал крайне непопулярным, вызывая ассоциации с ваучерами в застрявшем аэропорту при отмене рейса.
- «Школьные рюкзаки» (Student backpacks) — метафора «рюкзака, набитого наличными», показалась общественности неприличной.
- «Финансирование учеников, а не систем» (Fund students instead of systems) — современный и наиболее успешный лозунг.
В 2023 году целый ряд консервативных штатов США принял законодательство о создании образовательных сберегательных счетов. Налоги граждан не направляются в местные школы, а выдаются родителям в виде субсидий. Семья может потратить их на покупку курсов математики у Khan Academy или уроков в Музее креационной науки. Профессор подчеркивает в завершение лекции, что вопрос «как нам воспитывать и обучать наших детей» — это не техническая задача для программистов, а глубоко моральный, ценностный и политический выбор общества.
