Я собираюсь завершить иммерсивную программу по науке о данных на Генеральной Ассамблее (на этой неделе! Очень интересно!), но незадолго до начала этого курса я был учителем математики в средней школе. Я преподавал студентам общего образования, специальному образованию и студентам, признанным одаренными.
Я не думаю, что многих это шокирует, если я скажу, что многие ученики испытывают трудности с математикой в средней школе. Я много работал и боролся вместе с ними, чтобы попытаться сделать их немного лучше. В этом году из-за пандемии мои собственные дети учатся дома, и я по-новому взглянул на то, сколько беспокойства это может вызвать.
Последние 12 лет своей карьеры я посвятил обучению людей. Теперь я нахожу, что развиваю навыки, чтобы облегчить обучение на машинах, и параллели интересны. В середине этого курса я узнал об AdaBoost и чувствую себя обязанным спросить:
Почему мы гораздо более терпеливы с машинами, чем с нашими человеческими детьми?
Или, говоря иначе,
Можем ли мы использовать методы адаптивного повышения, чтобы помочь детям учиться?
Во-первых, если вы не знакомы с AdaBoost (или Adaptive Boosting), по сути, это идея обучения итеративной последовательности моделей, где каждая модель вынуждена бороться с большей долей данных, которые были ошибочными в предыдущей итерации. . Здесь есть отличное объяснение Маэля Фабьена (рисунок также из того же источника):
Это очень хорошо согласуется с «установкой на рост» в образовании:
Более 30 лет назад Кэрол Двек и ее коллеги заинтересовались отношением студентов к неудачам. Они заметили, что некоторые ученики восстанавливались, в то время как другие казались опустошенными даже малейшими неудачами. Изучив поведение тысяч детей, доктор Двек ввела термины «установка на данность» и установка на рост, чтобы описать лежащие в основе убеждения людей об обучении и интеллекте. Когда студенты верят, что могут стать умнее, они понимают, что усилия делают их сильнее. Поэтому они тратят дополнительное время и усилия, и это приводит к более высоким достижениям.
Проблема в том, что во многих классах эта установка на рост реализуется очень редко, и поэтому многие дети просто не верят в свою способность расти в навыках и понимании.
Вот как разыгрывается типичный модуль на уроке алгебры в старшей школе. (В качестве примера я выбрал решение квадратичных уравнений, и это упрощенный алгоритм.)
В этой модели большая часть оценки часто определяется тестом в конце. Этот тест охватывает материал, который учащиеся забыли в день тестирования, и им предоставляется (возможно) одна возможность повторного тестирования, чтобы улучшить свой результат. Наверняка есть более эффективный и менее душераздирающий подход к человеческому обучению!
Повышение для людей, предлагаемая модель (с использованием того же примера алгебраической единицы)
Ключом к продвижению является итерация и сосредоточение внимания на областях предыдущих слабых сторон. Я предлагаю, чтобы учащиеся могли многократно улучшать свое понимание концепций и навыки примерно таким же образом. Технология определенно существует — многие студенты уже некоторое время сдают тест nwea MAP пару раз в год. Это адаптивный тест, который реагирует на успех или неудачу учащегося по каждому вопросу, чтобы оценить его истинный индивидуальный уровень навыков.
Я предлагаю интегрировать это же мышление в повседневную жизнь класса. Замените однообразные повторяющиеся практические листы интерактивной практикой, которая дает каждому учащемуся больше того, что ему конкретно нужно для практики. Замените карательный конец юнит-теста еще одним шансом вернуться назад и расти в областях, где продолжается борьба.
Ничто из этого, конечно, не заменяет учителя. Учащимся потребуется поддержка при работе с новым и сложным материалом. Но изменение показателей успеха, а затем фактическое использование этих показателей для повышения вовлеченности и успеваемости учащихся может оказать огромное влияние.
