211service.com
När data strömmar in utvecklas enorma öppna onlinekurser
Under 2012 lockade utbildningsstartuper miljontals studenter – och ett stort intresse från universitet och media – genom att erbjuda massiva öppna onlinekurser eller MOOCs. Nu dissekeras några kärnfunktioner i dessa mycket populära kurser, vilket gör det möjligt för kursleverantörerna att lära sig lite på egen hand. När dessa företag analyserar användardata och experimenterar med olika funktioner, undersöker de hur man kan anpassa elevernas lärandeupplevelser, och de samlar på sig ett lager av pedagogiska knep för att hjälpa fler studenter att slutföra sina kurser.
Datan vi samlar in är oöverträffad inom utbildning, säger Andrew Ng, en av grundarna av MOOC-leverantören Coursera och en docent vid Stanford University. Vi ser varje musklick och tangenttryckning. Vi vet om en användare klickar på ett svar och sedan väljer ett annat, eller spola framåt genom en del av en video.
Ng och andra stora personer från MOOC-världen har länge förutsett att MOOC skulle ge en mängd data om hur elever faktiskt lär sig. Men tills nyligen har dessa små företag varit alltför upptagna av att skala upp sin infrastruktur för att möta exploderande efterfrågan (se Tekniken för massiva öppna onlinekurser ) för att undersöka dessa data på djupet.
Vissa nya fynd har bekräftat aspekter av MOOCs design. Princeton-forskare använde data från Coursera för att visa att företagets system för peer-gradering, som beräknar betyg för kurser baserat på feedback från andra studenter, är effektivt. Andra fynd har ifrågasatt antaganden om hur en onlinekurs framgångsrikt kan tillgodose hundratusentals studenter eller fler.
Sedan MOOCs först dök upp har små videor utgjort huvuddelen av undervisningen, åtföljda av onlinebedömningar och övningar för att fästa innehållet i elevernas sinnen. Men både Courseras data och Udacitys avslöjar en stor delmängd av studenter som föredrar att hoppa över videor och spola framåt så mycket som möjligt. Vi har börjat strukturera om våra kurser för att ha mycket mindre video och att spela in några videor igen, säger Sebastian Thrun, professor i robotteknik från Stanford, vice VD på Google och medgrundare och VD för Udacity . Våra populära kurser förändras verkligen mycket baserat på vår data.
Mycket av prestationsforskningen motiveras av en önskan att öka kursgenomförandet, som ligger runt 10 procent, enligt de flesta MOOC-leverantörer och siffror från akademiker som har undervisat med hjälp av kurserna. Ett forskningsprojekt i Udacity antydde nyligen att tekniska utmaningar kan bero på en betydande del av avhoppen. I experimentet bjöds några Udacity-användare in till textchatt med ett automatiserat hjälpsystem som faktiskt använde levande mänskliga operatörer, och många användare nämnde problem relaterade till datorkunskap.
Sättet som folk fastnar på är väldigt annorlunda mot vad vi förväntar oss, säger Thrun. Vissa elever kan helt enkelt inte använda ett tangentbord eller en webbplats. Det visar att den grundläggande en-storlek-passar-alla MOOC är otillräcklig för att ta itu med retentionsproblemet. Udacity arbetar nu med analystekniker som kan sortera eleverna utifrån deras beteende och erbjuda riktad hjälp, eller anpassa kurser för att bättre betjäna dem.
Att skräddarsy MOOCs är en idé med merit, säger Chris Piech , en doktorand från Stanford som forskar om onlineinlärning. I en nyligen genomförd studie undersökte Piech och två kollegor tre av Stanfords datavetenskapliga MOOCs och fann att avhoppen föll i tre distinkta grupper: revisorer, som inte hade för avsikt att slutföra kursen men som använde den som en resurs, som en bok; studenter som deltagit i kursen men successivt hamnat på efterkälken; och de som sporadiskt provade under hela kursen.
Många i de två senare grupperna skulle förmodligen slutföra en kurs om de fick rätt hjälp, säger Piech, och data som samlats in i studien tyder på att uppmuntran av studenter att interagera med varandra via forum eller andra sociala funktioner skulle göra det.
Piech förutser en flod av publicerad och intern forskning från MOOC-leverantörer som rapporterar betydande framsteg när det gäller effektiviteten av onlineinlärning. I takt med att MOOC-plattformarna blir mer robusta och deras arkitektur utarbetas, kommer forskningen att bli mer prioriterad och mer användbar, säger han. De tillhandahåller de stora siffrorna för att svara på svåra frågor om utbildning.
En del av de analyser som görs på MOOC-företag verkar ge svar på mer blygsamma frågor. A/B-testning, en metod som är vanlig hos internetföretag, används för att testa små designjusteringar som kan få eleverna att bli bättre. A/B-tester visar olika versioner av en tjänst för olika segment av en webbplatspublik för att se hur de reagerar.
Genom A/B-testning, säger Ng, fann Coursera nyligen att dess praxis att skicka e-post till människor för att påminna dem om kommande kursdeadlines faktiskt gjorde eleverna mindre benägna att fortsätta med kurserna. Men att skicka e-postmeddelanden som sammanfattar elevernas senaste aktivitet på webbplatsen ökade engagemanget med flera procentenheter. Ett A/B-test av Udacity ställde en färgad version av en lektion mot en svart-vit version. Testresultaten var mycket bättre för den svartvita versionen, säger Thrun. Det förvånade mig.
Det är oklart om tvättlistorna över förbättringar som är resultatet av A/B-testning kommer att läggas ihop till en storslagen teori om lärande och undervisning som utmanar traditionen. Ng säger att han inte tror att det behövs en stor teori för att MOOC ska lyckas. Jag läser Piaget och Montessori, och båda verkar övertygande, men pedagoger har i allmänhet inget sätt att välja vad som verkligen fungerar, säger han. Idag är utbildning en anekdotisk vetenskap, men jag tror att vi kan göra utbildning till en datadriven vetenskap, där man gör det man vet fungerar.