Tekniken för massiva öppna onlinekurser

Vågen av entusiasm för onlineutbildning är att upptäcka några svåra och intressanta beräkningsproblem som Daphne Koller skulle älska att lösa. Men först måste hon hitta tiden.

Avhopp: Artificiell intelligensforskare Andrew Ng och Daphne Koller lämnade akademin för att starta ett online-utbildningsföretag.

I januari förra året tog Koller och hennes kollega Andrew Ng tjänstledigt från fakultetsbefattningar vid Stanford Universitys konstgjorda intelligenslabb för att skapa Coursera, en riskfinansierad startup för onlineutbildning med kontor fem miles från campus.

Sedan dess har Courseras tillväxt varit snabb och allt konsumerande. Företaget har lagt ut mer än 200 gratiskurser som undervisas av professorer vid 33 toppuniversitet, som University of Pennsylvania och Caltech. Mer än 1,5 miljoner studenter har anmält sig, och cirka 70 000 nya studenter – motsvarande fyra eller fem Stanfords – ansluter sig varje vecka.

Koller, 44, tillbringar nu sin genomsnittliga dag, förmodligen på ett plan någonstans på väg för att presentera Coursera för universitetsadministratörer och fakulteter. De senaste 10 månaderna har förvandlat henne från en berömd expert inom statistik till medvd för en stor och komplex utbildningswebbplats vars planer på att tjäna pengar fortfarande är i början.

När jag kör hem tror jag ibland att det här är någon annans liv, säger hon. Hon kallar upplevelsen surrealistisk.

Hittills har det varit den enkla biten att riva betalväggarna kring högre utbildning. Vad som är mer utmanande är att få onlinekurser som A History of the World Since 1300 och Algorithms I att matcha kvaliteten på deras personliga motsvarigheter. Det innebär att tävla om att skapa liveforum för klassdiskussioner, förhindra att webbplatsen kraschar bland elevernas förälskelse och att snabbt söka sätt att göra klasserna mer interaktiva och automatisera betygsättningen så mycket som möjligt.

Med tanke på sådana tekniska utmaningar är det inte en slump att många av personerna bakom de senaste försöken att lägga ut högskolekurser online kommer från datavetenskapslaboratorier. En annan Stanford-forskare, Sebastian Thrun, sa upp sig för att skapa startupen Udacity. På MIT driver den tidigare chefen för AI-avdelningen, Anant Agarwal, nu edX, en annan av de organisationer som erbjuder massiva öppna onlinekurser eller MOOCs (se The Crisis in Higher Education ).

Vi såg möjligheten och tekniken och hade förmågan att utnyttja den, säger Koller. Men att sätta kurser online är bara en del av vad AI-forskarna avser med MOOC. Genom att följa miljontals elevers framsteg online kan det vara möjligt att utveckla nya insikter om hur människor lär sig och skräddarsy klasser på individuell nivå. Det vi har här är en aldrig tidigare skådad detaljnivå och omfattning av data, säger hon.

Koller är en tredje generationens doktorand som växte upp i Jerusalem, där hennes far var en välkänd botaniker. Hon är inte främmande för att experimentera med nya undervisningsformer: för mer än ett decennium sedan började Stanford sända en av hennes klasser för vuxenutbildningsstudenter. Så småningom började Koller säga åt alla sina elever att titta på föreläsningarna hemma. Helt plötsligt dök idén typ bara upp i min hjärna att det inte var meningsfullt för mig att gå i klass varje vecka och undervisa samma föreläsning som jag har hållit i i 15 år, samma skämt samtidigt , hon säger.

Att delta i lektionen blev valfritt, en tid för en-mot-en-interaktion. Trots det började dubbelt så många elever att dyka upp. 2011 hjälpte hon och Ng Stanford att öppna tre klasser online för allmänheten. I år samlade de in 22 miljoner dollar från investerare för att starta Coursera och skapa en webbplattform vilken skola som helst kan använda.

Precis som dess teknologi är Courseras affärsmodell ett pågående arbete. En idé som övervägdes har varit en jobbbräda för att koppla arbetsgivare till studenter som har gått specifika Coursera-lektioner. En annan är att debitera studenter som vill tjäna en officiell kredit. I november sa Antioch University i Los Angeles att det skulle börja låta sina studenter ta två Coursera-klasser för kredit, och dela upp de blygsamma intäkterna med företaget.

Klasserna på sajten är fortfarande av ojämn teknisk kvalitet. En kurs i grekisk och romersk mytologi är inte mycket mer än en talande professor som är grönskärmad mot punktpunkter och bilder av tempel. Men Koller tror att detta bara är början. Genom att samla in en aldrig tidigare skådad mängd data om hur eleverna lär sig, och analysera det automatiskt i realtid, kan lärare förverkliga sina drömmar om personlig utbildning i stor skala. Målet är att designa personalisering och att identifiera var någon kämpar och vad som kan vara till hjälp för dem, säger hon.

En del av Kollers egen akademiska forskning, publicerad i februari, illustrerar hur detta kan fungera. Hon och flera medarbetare tillämpade maskininlärningstekniker för att studera en inledande programmeringskurs. Forskarna skapade matematiska beskrivningar av eleverna själva och letade efter modeller som skulle förklara deras framsteg och motgångar. En upptäckt: framgång i kursen förutspåddes av en elevs inställning till att lösa de första uppgifterna, inte av rätt eller fel svar.

Hittills har Koller haft lite tid att följa denna eller många andra potentiella forskningsvägar, men Coursera har börjat vada in i big datas rike. Till exempel har personalen börjat testa för att jämföra olika videopresentationsstilar, även ner till hur färger visas. Genom att visa olika elever olika format – och spåra vem som fortsätter titta – hoppas de kunna upptäcka vilka som minskar sannolikheten för att en elev kommer att ställas in.

Automatisering blir svårare – men också viktigare – ju längre Koller kommer från sin bekanta grund av matematik och datavetenskap. Flervalsfrågor, datorkod och matematiska problem kan bedömas av en maskin. Men hur är det med en uppsats, en teckning eller en fråga vars korrekta svar kan vara Obama, Barack Obama eller presidenten?

Dessa är fortfarande svåra problem för datavetenskap. För sitt växande antal klasser i liberal arts och samhällsvetenskap har Coursera istället tagit fram ett kamratbetygssystem, där en dator ger klasskamrater i uppdrag att ge varandra feedback. En populär klass som använder detta system är Modern & Contemporary American Poetry, undervisad av University of Pennsylvania professor Al Filreis. Den består av en livlig diskussion, organiserad ungefär som ett inringningsradioprogram, med frågor hämtade från telefoner, forum och Twitter.

Omkring 30 000 elever anmälde sig – vilket gjorde en-mot-en-undervisning omöjlig. Från klassdiskussionsforumen är det uppenbart att inte alla är nöjda med metoden med kamratbetyg. I en annan klass, den om grekisk och romersk mytologi, orsakade förvirring förseningar och mittkursförändringar i betygssystemet.

Trots sådana problem, säger Koller, blir hennes samtal med potentiella universitetspartners allt lättare. Onlinelärande brukade vara synonymt med skumma diplomfabriker som erbjöd en tveksam produkt. Nu föreslår det något mycket bättre och mer tekniskt sofistikerat. Det har skett en enorm förändring i människors tänkande, säger hon.

Dölj