AI家教的未來:真正的一對一關注,學習不再跟不上

發表時間:2024-11-04 點閱:145
Responsive image

Photo by Andrea De Santison Unsplash
 

數千年來,教育工作者一直都知道,一對一教學是最好的學習方式,也就是根據學生的學習時間與速度進行輔導。這就是亞歷山大大帝與他的老師亞里斯多德之間的互動關係。如果亞歷山大不懂某個概念,我可以想像亞里斯多德會為他放慢教學速度。如果亞歷山大在軍事戰略方面很有天賦,我確信亞里斯多德會加快教學速度,或是講得更深入。
 
正因為這種一對一的關注,學生永遠不會覺得卡關或是無聊。這並不是只在遙遠的過去才會發生的事情。現在的運動選手與音樂家依然是透過一對一指導的方式精進能力。但如果一位老師同時要面對三十位學生,在缺乏助教或科技輔助的情況下,就很難大幅提升學生的學習成果。
 
從十八世紀開始,我們有了全民公共教育的烏托邦理想。但是我們沒有足夠的資源讓每位學生都有個人家教,所以我們將學生分成約三十人一組的班級,並採用標準化的教學流程。這套系統雖然不完美,但是願意投資教育的社會,整體的教育水平因此大幅提升,全球識字率與受教育比例也隨之提高。
 
然而,這種做法對多數學生來說還不夠好。例如,傳統課堂的教學進度是固定的,學生即使沒有完全掌握較基礎的概念,仍會被迫繼續往下學習更難的主題。隨著時間推移,學生的知識缺口會逐漸擴大。
 
現在,我們在所有課堂、所有學習領域,都能看到這種知識缺口造成的影響。美國的多數學生,包括高中畢業準備讀大學的學生,數學程度都沒有達到大學生應有的水平。事實上,多數18、19歲的學生會被他們就讀的大學告知代數程度太差,必須參加不計學分的高中代數輔導課。另外,有四分之三的高中畢業生寫作能力無法達到基本的熟練度。
 
如果能透過更好的個人化與一對一輔導模式,打破工廠化教育模式,會產生多大影響?1984年,知名的教育心理學家班傑明.布魯姆(Benjamin Bloom)就試圖量化這種影響。在芝加哥大學擔任研究員的布魯姆,比較了「傳統學習方式」與「接受優秀家教指導」的學生學習成果。什麼樣的家教才算是好?他必須是關心學生、注重因材施教的指導者,能夠提供明確的學習目標、評量與專業的回饋意見,直到學生真正透徹理解學習內容為止。
 
這與精熟學習的概念息息相關,強調必須不斷給學生機會與誘因,彌補知識與技能缺口。傳統學習模式,老師的教學進度是固定的,學生每隔幾星期就要接受測驗或考試。即使學生考了80分,全班仍會繼續學習下一個主題,不會先解決上次考試發現的20%知識缺口。這個過程會持續多年,學生的知識缺口不斷擴大,等到他們在代數與微積分課遇到困難時,我們才驚覺問題的嚴重。一個人無論天生有多聰明或有多認真讀書,如果他們在小數、分數或指數等數學知識上出現嚴重缺口,他們怎麼可能有機會掌握代數?
 
此外,學生如果有更多空間與時間打下紮實的知識基礎,後面就能愈學愈快。然而平心而論,傳統的學校系統如果缺乏必要支持,只靠著一名老師同時面對三十名學生,的確很難做到這一點。針對此研究結果,布魯姆稱之為「兩個標準差問題」(two-sigma problem),他在論文中闡述了以精熟學習為導向的一對一輔導的好處。他寫道,如果學生與導師一起精熟某個主題或技能,學生就能取得兩個標準差的進步,這是非常大幅度的進步,等於從第50百分位數,躍升到大約第96百分位數。
 
但是布魯姆將它描述為「問題」,原因是現有的教育系統實際上無法大規模採取一對一輔導模式,因此多數學生都無法達到兩個標準差的進步。面對這個問題,中產階級或是富裕家庭的做法,多半是提供小孩某種形式的個人化輔導。
 
在可汗學院,我們一直懷抱一個理想:隨著時間累積,我們或許可以成為所有人的個人家教。在AI出現之前,可汗學院已嘗試運用科技協助教育工作者轉向更注重個人化學習速度與精熟度的教學方式。我們的努力獲得了很不錯的成果,已有超過五十項研究顯示,一週進行30到60分鐘個人化學習的學生,學習速度提升了20%到60%。在可汗實驗學校與可汗世界學校等注重精熟學習的環境中,我們發現學生一年內就可以學完一年半到三年的數學進度。
 
然後,GPT-4 出現了。我從生活經驗中學到,改變世界的機會並非天天都有,遇到這樣的機會時,就應該盡全力把握。如今,生成式AI取得驚人的進展,我認為我們距離教育的聖杯已近在咫尺:一種具備適當防護措施與介面設計的AI,能為數百萬名學習者提供更有效的學習體驗。可汗學院試用GPT-4幾個月後,決定全力投資這項科技。我們設定的目標是,在既有的學習流程中融入生成式AI,我們就有機會解決布魯姆提出的二個標準差問題,最終能將其推廣到地球上每個班級、每位老師與學生手中。
 
►►本文摘自:《AI賦能新學力