虎嗅注:7 月 23 日,麻省理工学院-技术革命与数字教育论坛在清华科技园国际会议中心举办。本次会议由麻省理工斯隆管理评论、麻省理工科技评论、《财经》杂志、创新城邦联合主办。在论坛上,麻省理工学院数字教育主任桑杰·萨尔玛(Sanjay E. Sarma)发表了主题演讲。
以下是桑杰·萨尔玛的演讲全文整理:
非常高兴来到北京,非常感谢我们的主办方,感谢你们的邀请。我们谈到了教育,在座很多是学生,我有一个问题问大家,这个行业已经存在了很长很长的时间,教育的模式,我们看一下全球可能有200年的时间。
我们来自MIT,我们MIT遵循了西方教育的模式,可能有1000年的传统和模式了,现在问题是我们能不能改变它呢?我们能不能做一些事情改变它?我们是不是要改变它?这是我主要演讲的主题。
下面这张图是Lecture,意大利的一所大学,公元前1088年建立的,它并没有很多的变化,这个讲座是700年前讲座的场景,大家看有什么变化吗?我站在讲台上,你们在台下,这种讲课的模式700年来都没有巨大的变化。
我们看这两个人在小声的互相交谈,没有注意到老师的讲课,这个人好像在睡觉,这个女士呢好像在看她的iPad,这是教授,这个是助教,唯一的区别,这有一个讲台,我在这也有一个讲台,没有什么太大的变化。这个教授在讲课的时候基本和刚才我们看到的授课的形式是一样的。
现在我们有很多颠覆性的技术,它到底有什么影响呢?我们都知道我们很多人在想到这个话题的时候,我们可能只能想到两三个有颠覆性的技术,但是,我们看到其他的行业已经被新技术彻底颠覆了。
比如说,我们刚才有的嘉宾谈到了云计算、移动技术、互联网。清华是这样的,MIT也是这样的,这些技术没有对教育产生颠覆性的影响。
现在,有很多数字性产品,书本、音乐都数字化了,但是我们教育并没有发生这样的变化。很多巨大的形式变化,并没有对教育产生巨大的影响,这就是我们需要去回答的问题。
我喜欢一个笑话,我们并不是说没有颠覆,而是我们有两方面的颠覆:第一,就是印刷技术,500年前,这种印刷的技术。第二是黑板的发明,200年之前黑板的发明,这是两个创新发明。
还有,彩色粉笔也是200年前发明的,教室里巨大的变革也就是这些了,没有其他的巨大的变化了。
MIT和哈佛在2012年宣布,要去做出改变。我们宣布要有一个新的实体叫做edX,是来自麻省理工学院的一名教授担任CEO宣布启动了edX。
在15年前,我们希望有这种开放课程的软件,它能够面向世界提供免费的课程,这是我们做的最大的一件事情。2012年我们发布了MIT edX。我们希望再教育成千上万的人。
我们的一个教授建立了这个平台,他也讲授了第一门课程,他建立课程用了4个月时间,用软件建立了内容。在2012年4月份的时候,他发布了这个课程。
在发布这种大规模在线的课程两周之前,我问他,你对学生会有什么样的期望呢?他说,他希望不少于5000名学生能够参与,但是希望能够达到1万名学生。最后的结果是15万名学生,来自190多个国家的学生都参与了这个课程。
在2012年6月份的时候我们和哈佛大学协商,他们也投入3000万美元,总共我们有6000万美元的预算,我们就发布了这个edX平台。
从那以后,edX基本上每周、每天都会更新。人们说这个平台会改变教育传统的模式,我想告诉大家一个内部的故事,它到底是做什么的呢?我们学习到了什么呢?我们通过它能够观察到什么?
在我继续我的演讲之前,这里有一个照片我想跟大家分享,一共有7名年轻人,他们参与了MIT所提供的第一期的MOOC课程,这些照片是来自哪里呢?大家可以猜一下。有多少人说是中国的?请举手,其实是在蒙古拍的这张照片。
我给大家展示一下这个年轻人,就是在后排的戴眼镜的,他当时是16岁。他在所有的考试中都取得了100分,他建立了一个流量警示系统,他自己创建了这样的流量系统,他发现有课程的时候就会去参与。
这个年轻人是MIT唯一的蒙古学生,他成为了很多学生的导师,这个年轻人他在每一个家庭作业和考试当中都得到了100分。现在,他也成了MIT的研究生,被录取了。
在纽约时报上面,对他进行了报道,他是来自乌兰巴托的神童。现在他的社交的日程排的满满的,我必须要提前打电话跟他预约才能跟他见面。
edX运行非常好,我们对它表示非常振奋,统计数据非常明显,现在有50 万的学员,已经有100多个国家都有这项服务,总共有400万个课堂,大部分学生都可以选取第二个课程。
它有四个语言版本,他的发展速度也很快,作为全球化的一个标志,你会发现有一个非常有意思的地方,第一个印度语的教室并不是由印度大学开设的,它是由澳大利亚国立大学创造的,这也是代表了国际化的程度。
你可以看到,总共有50个学院,包括MIT和哈佛大学以及其他的机构,像清华大学、加州大学、哥伦比亚大学等,还有就是孟买大学,全部是代表了全世界级大学。斯坦福大学内部也使用这一平台。
edX的平台有两个特点:第一,这个公司是MIT和哈佛一起建立的,非盈利性的;第二,edX是有开放源的资源,任何人都可以去下载edX的软件,自己就可以拿这个软件去上课。我希望大家可以尝试一下,我们的目标是要把教育在线化,让教育更加变成现实。
接下来跟大家介绍一下具体的课程。
我们教育资源是什么呢?教授是站在前面跟我们的学生上课。我想问大家一个问题,大家是否关注到一个90分钟的课程,你是否有走神的时候?
你肯定有走神的时候,很难一直关注课程本身,因为大家都是人类嘛。为什么呢?因为人类注意力集中的时间只能是10分钟,尤其是年轻人,或者我之前的一代人是5—10分钟,很短的时间。
但是现在有很多的选择了,我们在传统的教授过程中90分钟、80分钟,你首先5分钟要用来做好准备,坐下来,你可以上80分钟的课。
视频上课的内容不可能这么长。理想的情况是在线的课程有大量的视频课程,每一个是5—15分钟,应该是这么长。
大部分的MOOC的课程都是80分钟的课程,因为我们还是以老的方式来做,最好是比较简便的,因为这是人的注意力,这是人的认知心理学。
有多少人学计算机的?好的。
当你听课程的时候进入到你短时记忆,但是很快会消失,你必须让他变成长时记忆,因此8—15分钟是比较好的。这是第一点。
其次,在课程中学生问教授问题。他问,教授,你说的这个我不懂。
我们在线时会怎么说呢?特别是在21世纪,要充分的利用社交媒体的优势,让学生把问题放到线上。
在第一节课上,自己来回答问题,可能是有150个学生。你可以想像,他一周都睡不了觉了,因为问题太多了。他决定还是选择睡觉,不回答问题。
当第二天他醒来的时候,非常奇迹的事情发生了,他发现学生互相在回答问题。
他就想到了一个解决方法,就是一个扩大的方法,核心是资源自助的方式。教授问大家一个问题,于是,第一个人问了一个问题后,第二人回答,可能不太正确,第三个人或者第四个人跳出来,一步步的这个问题回答出来了。
你看这个推理过程。这是学生非常好的自我推理和实践的过程。
教授第二天醒来的时候,他要做的事情就是直接给这个答案一个认可,他根本不用自己给出答案,他只要说这个是对的就好了。
再者,在我们上课的时候学生会问问题,或者我们给他们打分,最终的一个突破我们能够找出来,到底如何能够评估,能够自动的进行评估,如何能够自动打分。
最后,如果你在线,你也可以做一些模拟,或者是虚拟的实验室等等。
我们可以把以上四点合为一,这是MOOC给大家带来的,因为我们15年前是做不到这一点的。
让世界上最有话语权的专家来讲,你可以直接点击来选择你想听的这部分。比如说,快进四分之一。
每个人做法不一样,有时候他们会看教授讲课,你也可以选择他的文本。如果不清楚你可以重新听。你知道,在你正常上课的时候你是没有办法倒退的,但是在这种课程上你可以重听,这是视频的魅力。
告诉你,上图这个人是亚历山大,他是奥巴马总统的顾问,他是负责人类DNA解码的专家。这是第一个某一个领域的专家来做的视频的课程。8—10分钟课程。上完之后怎么办呢?
我们可以马上向这个学生问5个问题。要确保这8—10分钟他是看明白了,如果没有看明白再回过头来重看。
见上图,这个课程本身及其评估,还有答案,是可以自动打分的,比如有等式,不同的等式,主要的这些等式,软件或者自动的等式,也可以写一篇论文,也可以自动的打分。画一个图纸,或者是写一个化学等式,或者是写一个方程马上自动打分。
你不用等两周才能看到作业,然后你发现这个你是不懂的,你马上知道自己是不懂的,如果你知道自己不懂,你可以回过头来重新读,然后你找到为什么不懂,错在哪里,我们叫做自主的学习,认知心理学中现在是自主的学习。
但是,我们还有更多的内容。当你上课的时候我可以帮助你来设计这个电路,我可以给你一个图纸,告诉你它的好处。因为你是使用在线的,所以就可以象打游戏一样不断调整参数,如上图。
教育本身就感觉打游戏一样快速的回复,快速有答案,你也可以自己做模拟。
上个学期,我们讲了全球温室效应的课,用来模拟一个飓风或者台风,你可以去模仿,你可以自己去真正的了解它的道理是什么。
这才是在线的魅力。并不是远程教育,这是全新的教育模式。是符合我们人类大脑思考的方式,这是非常有趣的。
除此之外,我们有全世界的人来上这些课,给他们发邮件。
比如,我第一次了解电磁学,也是第一次我真的了解了诗歌的含义,也是第一次我真实的了解了为什么一些新的创新型公司成功或者失败,因为我们的课程有很多是MIT的,花了很多的时间,从理论到编程,到电子,到化学工程的步骤来分析我们的创业精神,我们的目标,我们针对的大学,针对的专业人士,我们这些课程也是针对孩子。
这是一种革命,我们觉得自己已经在门槛之上了。
什么叫MITx?MITx,你可以去想象一下,一场电影,edX是这个讲台,MIT来做了这样的电影,MITx就是一个电影院,这是免费的软件,你可以自己为自己的电影院来拍摄电影,这是非常好的。
简单介绍一下MIT。这是我们的历史。
我是在伯克利大学,我并没有拿到MIT的学位,我是从伯克利这边拿到的学位。我在MIT工作了20年,我研究MIT,关于MIT我发现一件有意思的事情,很多MIT人自己都没有发现,MIT是在1861年成立,它应该是参考哈佛大学所设立的,一开始的教育都是跟记忆类有关。
MIT创始人威廉·巴顿·罗杰斯(William Barton Rogers)说,我们的学生是通过实际的操作,动手实践。
我们用英文来学,我们不学拉丁语,我们边做边学,因此建立了实验室。把教室和实验室联合在一起,因此你看到在MIT的校徽,上面有大脑和双手,这里有锤子,还有一本书,两个合在一起,就是MIT的教育理念。
哪怕是“技术”这个词,MIT成立的时候是非常新的词,才有30年历史。这是真实的实际反映,当时还没有所谓高科技的概念,就是150年前。我们可以看到它在这里面一个关键就是科学和艺术在一起的,这是我们非常重视的。
当MIT建立的时候,我们一直是从做中学。我们是通过操作来进行学习,每个人都可以参与,它是没有特权的。
而且,它是基于科学的,而不是教条主义的,不是说其他人进行说教你必须接受。它是基于演变的,所以另一方面也是一直倡导的平等主义。第一个非洲的黑人学生,我们招收了他,他是非常著名的一个建筑师,他是奥巴马的第一顾问的祖先。这个是非常重要的,需要去看的。
我们发布edX其中一个主要目的,就是为了实践。
我觉得很惊奇的是,新技术采纳的速度在校园是非常之快的。上图右侧数字是2014年春天的时候,左侧数字是2013年,前面一列是课程的数量,后面一列是学生的数量,它成长是非常快的。
因为我们的教授和学生实在是厌倦了这种讲座,教授也是不想站在这,一直谈,让学生在底下可能都睁不开眼睛了,就像大家现在这样。
我们人类的头脑只有当他活跃的时候他才能更好的学习,如果我们用这种教学方式很难去激发他的活力。很好的方式是在试验室里学习。
这是传统MIT的实验室,现在我们在教授化学和物理的时候是离不开实验室的,在1870年MIT首先创建了这个实验室,在过去50—100年的时候随着知识量的增加,现在人们更多的想用这种讲座的形式,但是现在没有想进一步打破这种传统,我们想要更多让大家进行动手,让大家动脑子。
我们希望让学生来到教室之前先做在线的学习,他来到教室的时候能更有乐趣,能更多动手去操作,这是我们倡导的。
我给大家看一个图,这张图可能稍微有点复杂,希望大家先看一下。首先,我来给大家解释一下这张图的意思。在MIT,很长时间以来,我们在教授固体发散这一块,一直以这样传统的方式来进行教授,之后,我们进行了在线的测试,就是这样的一种形式。
大家看一下上面这个图,它的意思是这里有不同的学科,比如说原子结构,半导体的导电性,布拉格定率。我们看蓝色和绿色,蓝色是传统学习方式中这些学生能够得100分学员的比例,绿色是用这种新的教学方式去年能够得满分的学生的比例。
你能看出来区别了吗?你可以看到他们教学结果的差别了吗?我们看到蓝色的这个,在原子结构方面只有不到20%的学生在旧的教学模式下得了100分,去年用这种新的教学方式有90%的学生得了100分。我们再看这个,可以看到对比更加明显了,采纳这种新的教学方式。
它的结果是非常惊喜的,现在你就可以了解为什么这种新的教学方式在校园里这么受学生的欢迎?学生确实非常喜欢它。我们看蓝色的柱子,就是得100分的学生,红色的是得80%的在传统模式下的学生的比率。
如果你看一下,老的教学模式80分以下的学员的比率,与新模式下得100分学员的比例是有很大差别的。
随着我们正在不断的推广,已经有150万名学员了,每天都有更多的学员加入。
上面的图是Twitter对它的讨论。我们并没有派人去组织学习的活动,他们自主去进行学习的,有1400个俱乐部或者校园里学习小组,他们都在自发地学习,每天都在做这样的事情,每天都有这样的事情出现。
比如,这个学期我们发布了一个新的课程,编码15.390x,是企业家精神的课程,有5万名学生参与,有很多企业家精神的讨论,在世界各地人们的评论,我们还有专业教育的课程,还有在波士顿、芝加哥这些参与性和拓展性的项目。
下个学期我们还会拓展到中学进行开展,我们收集到了非常多的数据,在今年可以发布开放源的数据,当人们用我们的数据进行搜索的时候,他们也会反馈给我们这个结果,这就是我们现在的情况。我非常高兴在这里跟大家在线交流,我也非常高兴来到清华科技园。
非常感谢大家的倾听。
更多精彩内容请搜索官方微信“mit-tr”,同我们一道关注即将商业化的技术创新,分享即将资本化的技术创业。
今天我们要介绍的主人公叫 David Venturi。一年前他还没有编程背景,凭着对数学的爱好开始上网自学。后来他被加拿大一所大学的计算机科学专业录取,但仅过了两个礼拜就退学了,因为他发现想学的东西都能在网上找到。于是,Venturi 综合 edX、Coursera、Udacity 等网站,自己设计课程组合,在家完成了数据科学家“硕士学位”。下面就让新智元来带你看看他的私人课表——他能做到,你同样也可以!
温馨提示:这些课程可不是看看视频就能应付了事的,它们都是带有一定的互动性,而且有的课程的总长度都在100个小时以上。有些课程是有开课日期的,有些是能根据自己的进度来安排的,最好提前作了解,以免错过开学的日期。祝学习愉快!
预科模块
如果你在大学没有接触过计算机科学专业,那么下面就是美国大一大二学生的专业课内容,分别是编程入门、计算机科学入门、数学。
【Udacity】Intro to Programming
地址:https://www.udacity.com/course/intro-to-programming-nanodegree–nd000
课程总设计长度4个月,评分4.5颗星。(编者按:有的人可以在2.5个月完成。每个人进度不同。)这门课程会教学生怎样使用 HTML 和 CSS 去编写自己的网站;Python基础语言;后端编程,数据库;一点点 JavaScript,APIs,recursion 和 parallel computing。Udacity 把它的课程分割成很多迷你短课,很多视频还不到5分钟,课后还会有一些习题。大作业,也就是projects,会得到老师的评分。
【Harvard/edX】CS50: Introduction to Computer Science
地址:https://www.edx.org/course/introduction-computer-science-harvardx-cs50x
总设计长度为一个学期,评分4.5颗星。你将会学到算法、抽象、数据结构等知识,会接触C,Python,SQL,JavaScript,CSS 等语言。这门课是完全免费的,但是可以花90美元得到一个结业证书。
【MIT】Mathematics for Computer Science
地址:http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-fall-2010/
总长度为25堂课,无评分。这门课包含了逻辑,证明方法、数集、排列组合、离散概率等一系列数理基本知识。
数据核心模块
以下的课程全部来自 Udacity 的 Data Analyst Nanodegree系列。全部课程+作业总时长是378小时。之所以强烈推荐这一系列是因为,第一,它好评如潮;第二,这些课程有一些是由 Facebook、Google 等公司设计的。这个系列,不论是宽度、深度、连贯度,都能给学生带来很好的教育体验。
【Udacity】Intro to Inferential Statistics
地址:https://www.udacity.com/course/intro-to-inferential-statistics–ud201
【Udacity】Intro to Descriptive Statistics
地址:https://www.udacity.com/course/intro-to-descriptive-statistics–ud827
【Udacity】Intro to Data Analysis (Using NumPy and Pandas)
地址:https://www.udacity.com/course/intro-to-data-analysis–ud170
【Udacity】Data Wrangling
地址:https://www.udacity.com/course/data-wrangling-with-mongodb–ud032
【Udacity】SQL for Data Analysis
地址:https://www.udacity.com/course/sql-for-data-analysis–ud198
【Udacity】MongoDB for Data Analysis
地址:https://www.udacity.com/course/data-wrangling-with-mongodb–ud032
【Udacity】Data Analysis with R
地址:https://www.udacity.com/course/data-analysis-with-r–ud651
【Udacity】Intro to Machine Learning
地址:https://www.udacity.com/course/intro-to-machine-learning–ud120
【Udacity】Data Visualization and D3.js
地址:https://www.udacity.com/course/data-visualization-and-d3js–ud507
【Udacity】A/B Testing
地址:https://www.udacity.com/course/ab-testing–ud257
机器学习模块
【Standford/Coursera】Machine Learning
地址:https://www.class-central.com/mooc/835/coursera-machine-learning
这门课曾被评为最佳50免费在线课程,评价为5星,所以绝对不会让学生失望。课程的内容包括:有监督学习,参数算法,神经网络;无监督学习;还有一些案例学习和现在业内的常用方法。
【Kadenze】Creative Applications of Deep Learning with TensorFlow
地址:https://www.class-central.com/mooc/6679/kadenze-creative-applications-of-deep-learning-with-tensorflow
TensorFlow 是 Google的一个开源框架,也是现在在人工智能领域被应用最广的。学完这门课,你将对现在最前沿的算法有所了解,比如什么是 convolutional networks,什么是generative adverarial networks,什么是 recurrent neural networks,如果你还不知道这些最热的名词是什么意思,就赶紧学吧。
【University of California, Berkeley/edX】Distributed Machine Learning with Apache Spark
地址:https://www.class-central.com/mooc/2965/edx-cs190-1x-scalable-machine-learning
这节课包含了机器学习背后的一些统计和算法模型,也会教你去解决一些交叉学科的问题,比如网络广告和认知神经学。
软件工程模块
数据科学的很大一部分工作其实都是不停地编程,编程能力强的人肯定就会快速测试很多设计方案。
【Udacity】Software Testing
地址:https://www.udacity.com/course/software-testing–cs258
【Udacity】Software Debugging
地址:https://www.udacity.com/course/software-debugging–cs259
【Coursera】Mastering Software Development in R Specialization
地址:https://www.coursera.org/specializations/r
R和Python都是数据科学最重要的编程语言。这一围绕R编程的系列课程由约翰霍普金斯大学提供,共分为4门课程:R编程环境,进阶R编程,建立R packages,数据可视化。
后端开发模块
这一模块包含了很多的内容,网站后端、APP后端、一些Linux的基本内容、还包括了数据库的基本操作,如何你从没接触过这些内容,这个模块能帮你逐渐熟悉起来。
【Udacity】 Intro to Backend
地址:https://www.udacity.com/courses/intro-to-backend–ud171
【Udacity】 Developing Scalable Apps in Python
地址:https://www.udacity.com/courses/developing-scalable-apps-in-python–ud858
【Udacity】 Configuring Linux Web Servers
地址:https://www.udacity.com/courses/configuring-linux-web-servers–ud299
【Udacity】 Linux Command Line Basics
地址:https://www.udacity.com/courses/linux-command-line-basics–ud595
【Standford U】 Introduction to Databases
地址:https://www.class-central.com/mooc/1580/stanford-openedx-db-introduction-to-databases
其他资源
学完上面这些,其实你已经可以硕士毕业了,但是再多学一些也无妨……
【Udacity】Intro to Hadoop and MapReduce
地址:https://www.udacity.com/course/intro-to-hadoop-and-mapreduce–ud617
【Coursera】Using Python to Access Web Data
地址:https://www.class-central.com/mooc/4343/coursera-using-python-to-access-web-data
【Coursera】 Building a Data Science Team
地址:https://www.coursera.org/learn/build-data-science-team
【Udacity】 How to Use Git & GitHub: Version Control for Code
地址:https://www.udacity.com/course/how-to-use-git-and-github–ud775
你是不是已经还是点开其中的某些链接开始摩拳擦掌要学习了呢?这些课程很多都是免费的,而且可以自己控制节奏,再不学习,就真的老了!
编译来源:http://davidventuri.com/data-science-masters