去年秋天，当阿内西亚·霍金斯入读亚利桑那州立大学时，她没有意识到自己正在自愿成为美国高等教育实验性改革的测试对象。然而，春季学期临近结束，她却在向机器学习数学。在坦佩市一间设备齐全的计算机实验室里，位于亚利桑那州立大学沙漠度假村般的校园内，她和一位名叫杰西卡的二年级学生正在练习计算年金。通过软件仪表板，她们可以按照自己的节奏点击和滚动浏览视频、文本、测验和练习题。当她们工作时，她们的答案，以及关于她们如何得出这些答案的大量数据，都被传输到远程服务器。一个数据科学家团队开发的预测算法将她们的统计数据与从数万名其他学生那里收集的数据进行比较，寻找关于霍金斯正在学习什么、她在哪些方面遇到困难、她接下来应该学习什么以及她应该如何学习的确切线索。
让计算机当老师对霍金斯来说是一个改变。“我不会撒谎——一开始我真的很恼火，”她说。这种安排对她的教授来说也是一种转变。数学家大卫·海克曼习惯于给全班同学讲课，但他不得不承担起巡回导师的角色，回应举手提问的学生，并在学生遇到困难时指导他们。然而，很快，他们都开始看到一些好处。霍金斯喜欢自主安排进度，这让她可以在自己的时间里提前学习，可以从笔记本电脑上学习，也可以从计算机实验室学习。对于海克曼来说，该程序使他能够更轻松地跟踪学生的表现。他可以打开一个仪表板，详细了解每个学生的学习情况——不仅包括谁在按计划进行，谁没有，还包括谁在学习任何给定的概念。海克曼说他更喜欢讲课，但他似乎正在适应。对于教师来说，一个明确的好处是：软件可以为他们完成大部分评分工作。
在本学期结束时，霍金斯将完成她可能永远要上的最后一门大学数学课。她将回顾这种数据驱动的课程模式——现在如此新颖且备受争议——作为“正常”的大学体验。“我们这里还有普通的数学课吗？”她问道。
支持科学新闻报道
如果您喜欢这篇文章，请考虑支持我们屡获殊荣的新闻报道，方式是 订阅。通过购买订阅，您正在帮助确保关于塑造我们当今世界的发现和想法的有影响力的故事的未来。
大数据进入教育领域
亚利桑那州立大学转向计算机化学习的决定，至少部分是出于必要。亚利桑那州立大学拥有超过 7 万名学生，是美国最大的公立大学。与美国各级教育机构一样，它正在经历一些痛苦的变革。在过去五年中，该大学的州政府拨款减少了 50%。与此同时，入学人数正在上升，令人震惊的是，大量学生来到校园时没有做好大学水平工作的准备。“我们正在尝试教育一大批我们以前从未尝试教育过的人，”亚利桑那州立大学数学系主任艾尔·博格斯说。“政客们说，‘教育他们。补习？想办法。我们希望他们四年毕业。而且你们的资金也在减少。’”
两年前，亚利桑那州立大学的管理人员开始寻找更有效的方法来引导学生完成基础通识教育要求——特别是那些课程，例如大学数学，这些课程不成比例地导致学生辍学。在听取了纽约市自适应学习初创公司 Knewton 的创始人兼首席执行官何塞·费雷拉的推介几个月后，亚利桑那州立大学做出了重大举动。那年秋天，几乎没有经过辩论或警告，它将 4700 名学生安排到计算机化的数学课程中。去年，约 50 名教师指导 7600 名亚利桑那州立大学的学生通过三个使用 Knewton 软件的入门级数学课程。到 2014 年秋季，亚利桑那州立大学的目标是调整另外六门课程，每年再增加 19000 名自适应学习学生。（5 月，Knewton 宣布与《大众科学》的姊妹公司麦克米伦教育建立合作伙伴关系。）
亚利桑那州立大学是最早、最积极采用数据驱动、个性化学习的机构之一。然而，各级教育机构都在寻求类似的方案，以应对入学人数增加、预算下降以及对学生成绩更严格的要求。美国 45 个州和哥伦比亚特区的公立中小学正在竞相实施英语语言艺术和数学方面新的、更高的标准，即共同核心州立标准，这些学校需要新的教学材料和测试来实现这一目标。这些测试中约有一半将是在线和自适应的，这意味着计算机将根据每个学生的能力定制问题并计算每个学生的分数[参见第 69 页的“为什么我们需要高速学校”]。学校系统正在试验一系列其他自适应程序，从小学学生的数学和阅读课程到帮助高中生准备大学预修课程考试的“测验引擎”。这项技术在海外也很受欢迎。经济合作与发展组织 (OECD) 的国际学生评估项目 (PISA) 考试的 2015 年版（迄今已在 70 多个国家和经济体对 15 岁青少年进行）将包括自适应组件，以评估难以衡量的技能，例如协作解决问题。
自适应学习的支持者表示，技术最终使以可承受的成本为每个学生提供个性化教学成为可能——摒弃了过去两个世纪以来主导西方教育的工厂模式。批评者说，是数据驱动的学习，而不是传统学习，威胁着将学校变成工厂。他们认为这种日益增长的数字化是又一次不必要的向营利性公司出卖，这些公司以“改革”的名义向教师和学生推销他们的产品。计算机现在勉强能够完成的所谓高级任务——诊断学生的优势和劣势并调整材料和方法以适应个别学习者——是人类教师数百年来一直做得很好的事情。反对者说，我们不应该将这些任务委托给计算机，而应该在培训、聘用和留住优秀教师方面投入更多资金。
虽然自适应学习公司声称心中只有美国儿童的未来，但不可否认的是，其中蕴藏着巨大的利润潜力。数十家公司正在竞相进入蓬勃发展的教学技术市场，该市场现在是一个价值数十亿美元的产业[参见左侧方框]。市场分析公司 Education Growth Advisors 的创始合伙人亚当·纽曼说，K-12 学校中多达 20% 的教学内容已经以数字方式交付。尽管自适应学习软件仅占数字教学领域的一小部分——K-12 市场约为 5000 万美元——但它可能会快速增长。纽曼说，自适应的概念在 K-12 学校中已经非常流行。“在 K-12 阶段，多年来人们一直关注区分教学，”他说。“区分教学，即使没有技术，实际上也是一种适应形式。”
高等教育管理者也对自适应性越来越感兴趣。在最近的 Inside Higher Ed/Gallup 民意调查中，66% 的大学校长表示，他们认为自适应学习和测试技术很有前景。比尔及梅琳达·盖茨基金会启动了自适应学习市场加速计划，该计划将向美国高校发放 10 笔 10 万美元的赠款，用于开发在三个学期内招收至少 500 名学生的自适应课程。东北大学数字教育专家彼得·斯托克斯说：“从长远来看——20 年后——我预计几乎每门课程都会有某种自适应组件。”他说，这将是一件好事——一个以前所未有的方式将实证研究和认知科学应用于教育的机会。尤其是在高等教育中，“很少有教师接受过如何教学的正式教育，”他说。“我们做事，我们认为它们有效。但是，当您开始进行科学测量时，您会意识到我们的一些做事方式没有经验基础。”
自适应性科学
一般来说，“自适应”指的是一种计算机化学习界面，它可以不断评估学生的思维习惯，并自动为他或她定制材料。然而，毫不奇怪的是，竞争对手就谁可以声称拥有真正自适应性的称号争论不休。有些人说，仅仅根据您是否答对当前的问题来选择您的下一个问题的测试——根据二叉树逻辑自我引导的测试——在 2013 年并不算完全自适应。在这种观点中，自适应性需要创建每个用户的心理测量概况，并根据该人的进度不断调整体验。
为了实现这一点，自适应软件制造商必须首先绘制学习材料中每个概念之间的联系。完成之后，每次学生观看视频、阅读解释、解决练习题或参加测验时，关于学生表现、内容有效性以及更多信息的数据都会流向服务器。然后算法接管，将该学生与成千上万甚至数百万其他学生进行比较。模式应该会出现。事实证明，某个学生在学习某个概念时遇到了困难，这与具有特定心理测量概况的学生相同。该软件将知道什么对该类型的学生有效，并会相应地调整材料。凭借来自数百万学生的数十亿个数据点，并考虑到足够的处理能力和经验，这些算法应该能够进行各种预测，甚至可以告诉您，您在上午 9:42 到 10:03 之间学习指数效果最佳。
它们还应该能够预测让您记住您正在学习的材料的最佳方法。Area9 的首席执行官 Ulrik Juul Christensen 强调了他的公司使用记忆衰退的概念，Area9 是 McGraw-Hill 自适应 LearnSmart 产品的底层数据分析软件的开发商。目前有超过 200 万学生使用 LearnSmart 的自适应软件来学习数十个主题，既可以独立学习，也可以作为课程的一部分学习。研究表明，当学生学习一个新单词或事实，然后在他们即将忘记它时重新学习它时，他们记得最牢（我们所有人都是如此）。Area9 的教学软件使用算法来预测每个用户独特的记忆衰退曲线，以便它可以在学生即将永远忘记上周学习的内容时提醒他或她。
很少有人类教师可以声称具有这种先见之明。然而，克里斯滕森驳斥了计算机可能取代教师的想法。“我不认为我们愚蠢到会让计算机接管我们孩子的教学，”他说。
强烈反对
3 月，纽约州锡拉丘兹韦斯特希尔高中的社会研究教师杰拉尔德·J·孔蒂在他的 Facebook 页面上发布了一封措辞严厉的退休信，这封信迅速成为病毒式传播。他写道：“为了追求联邦税收，”我们的立法者让我们失望了，他们将孩子们出卖给了培生教育等私营企业，”培生教育是一家教育出版巨头，已与 Knewton 合作开发产品。“我的职业因普遍存在的不信任氛围而受到贬低，这种氛围规定不允许教师开发和管理他们自己的测验和测试（现在统称为通用‘评估’）或批改他们自己学生的考试。”孔蒂认为大数据不会带来面向所有人的个性化学习，而是带来教育上的单一文化：“STEM [科学、技术、工程和数学] 统治着一切，而‘数据驱动’的教育只追求一致性、标准化、测试以及像僵尸一样坚持肤浅而通用的共同核心。”
孔蒂的信只是反对以技术为导向、以考试为重点的教育改革的强烈反对浪潮的众多例子之一。1 月，西雅图加菲尔德高中的教师投票抵制学业进步测量 (MAP) 测试，该测试在全国各地的学区进行，以评估学生的表现。在与他们所在地区的学监和学校董事会发生冲突后，教师们继续抵制，抵制很快蔓延到西雅图的其他学校。芝加哥和其他地方的教育工作者举行抗议活动以示声援。5 月中旬，宣布西雅图的高中将被允许选择退出 MAP，只要他们用其他评估方法代替它。
如果数据驱动学习的支持者能够明确证明他们的方法比现状更好，他们很容易反驳这些抗议活动。但他们至少目前还不能做到这一点。正如自适应学习的支持者、布鲁金斯学会技术创新中心创始人达雷尔·M·韦斯特所写，关于有效性的经验证据“是初步的和印象式的”。对自适应学习技术的任何准确评估都必须隔离和考虑所有变量：班级规模的增加或减少；教室是否被“翻转”（意味着家庭作业在课堂上完成，讲座通过视频在学生自己的时间交付）；材料是通过视频、文本还是游戏交付；等等。亚利桑那州立大学表示，参加 Knewton 化发展数学课程的学生中有 78% 通过了考试，高于之前的 56%。然而，始终有可能更多学生通过考试不是因为技术，而是因为政策的变化：大学现在允许学生重修发展数学或将其延长至两个学期而无需支付两次学费。
即使自适应技术的支持者证明它效果极佳，他们仍然必须应对隐私问题。事实证明，很多人都觉得普遍收集心理测量数据令人不安。今年早些时候，InBloom 遭到的愤怒就证明了这一点。InBloom 本质上是为学生数据提供异地数字存储——姓名、地址、电话号码、出勤率、考试成绩、健康记录——格式化的方式使第三方教育应用程序可以使用它。当 InBloom 在 2 月推出时，该公司宣布与九个州的学区建立合作伙伴关系，家长们对此感到愤怒。“国家数据库”恐慌蔓延开来。批评人士说，学区通过 InBloom 将他们孩子的机密数据交给公司，这些公司试图通过提出一个不存在的问题的解决方案来获利。从那以后，除三个州外，其余九个州都退出了。
这一切似乎都有些反应过度，但公平地说，自适应教育的支持者已经在谈论学生的数字生成档案在他们的整个教育生涯甚至更长时间内跟随他们。去年秋天，教育改革运动“数字学习现在”发布了一篇论文，主张为 K-12 年级的学生创建“数据背包”——电子成绩单，孩子们可以随身携带从一个年级到另一个年级，以便他们在开学第一天就带着“关于他们的学习偏好、动机、个人成就以及他们随着时间推移的成就扩展记录的数据”出现。一旦到了申请大学或找工作的时候，为什么不使用存储在他们的数据背包中的分数作为凭证呢？类似的事情已经在日本发生，在日本，使用自适应学习软件 iKnow 学习英语的经理通常会在简历上列出他们的 iKnow 分数。
这不是测试
关心孩子的家长和受到鄙视的教师是否足以阻止大数据进军教育领域还远不清楚。加州大学洛杉矶分校评估研究中心主任伊娃·贝克说：“现实情况是，这将成为现实。”“它不会只是一小部分。它将成为很大一部分。它将被实施，部分原因是它将比进行专业发展更便宜。”
这并不意味着教师会消失。这也不意味着学校会变得越来越痴迷于考试。它可能意味着相反的情况。充分先进的测试与教学没有区别。在完全自适应的课堂中，学生将不断受到评估，每一次击键和鼠标点击都会反馈到学习者档案中。高风险考试最终可能会消失，取而代之的是永久监控的计算。
在这种情况发生很久之前，代际更替可能会使这些计算机化的教学和测试方法变得司空见惯，就像它们对亚利桑那州立大学的霍金斯和她的同学一样。教师们也可能会转变观念。亚利桑那州立大学的执行副教务长菲尔·雷吉尔认为他们会转变，至少：“我认为绝大多数教师会说这是一个好的举措。顺便说一句，三年后，他们中的 80% 将一无所知。”
在 ScientificAmerican.com/aug2013/learn-smart 参加关于州首府的自适应测验