Навчання — світло, або Як не заблукати у лісі масових онлайн-курсів
Джерело: Blog Imena.UA
Сьогодні, аби здобути знання у певній сфері чи розвинути певні навички, не обов’язково йти до навчального закладу. У поміч шукачам власного розвитку — безліч навчальних програм онлайн. Відкривай та обирай. Але саме у цьому і полягає проблема, оскільки, попри свою популярність, платформи MOOC — масових відкритих онлайн-курсів (від англ. Massive Open Online Courses) — дещо нагадують джунглі: неймовірна різноманітність, але як знайти уторований шлях? Про те, як самі платформи намагаються вирішити цю проблему, та про потенційне майбутнє онлайн-навчання розмірковує Кріс Феллінгем (Chris Fellingham) — фахівець відділу стратегії цифрової платформи освіти FutureLearn, започаткованої у Великобританії, який також пише про освітні технології та освіту загалом.
Відкриття онлайн-навчання
У 2011 році термін «відкриття» найвлучніше характеризував масові онлайн-курси. Того року Себастьян Тран (Sebastian Thrun) зняв відео з власною участю на тему «Знайомство зі штучним інтелектом», яке, власне, стало першим дійсно масовим успішним навчальним відео. Безсумнівно, на той момент існували й інші відкриті онлайн-курси, наприклад, Lynda (2002 рік) або Udemy (2009 рік), але поєднання теми — «Штучний інтелект» — і доповідача — лектора Стенфордського університету — привернуло більше уваги, ніж будь-коли раніше, курс «прослухало» 160 тис. осіб. Через кілька місяців Стенфорд дав життя платформам Udacity та Coursera, а Гарвард і Массачусетський технологічний інститут — курсам edX. MOOC змінили сприйняття освіти в режимі онлайн: завдяки наявності курсів від провідних світових університетів ця галузь здобула довіру в цілому.
Відтоді масові онлайн-курси використовують вдома, у школах, у вишах і в компаніях, щоб швидко підвищити кваліфікацію слухачів. Одночасно виникла паралельна, але цілком пов’язана тенденція — концепція необхідності «навчання протягом усього життя», що ґрунтувалася на простій логіці: швидкі технологічні зміни постійно створюватимуть нові інструменти (наприклад, аналітику), нові бізнес-процеси (наприклад, послуги на «хмарі») та нові галузі (як от Airbnb — онлайн-сервіс з розміщення, пошуку та короткострокової оренди житла в усьому світі, що працює за парадигмою економіки спільної участі), тож людям необхідно продовжувати навчатися, аби залишатись у курсі подій.
Ці дві тенденції посилювали одна одну, і до 2017 року більш ніж 58 млн людей прослухали понад 7 тис. масових онлайн-курсів. В умовах злиття цих двох тенденцій питання «Що можна вивчити на онлайн-курсах?» перетворилося на питання «Що треба вивчити на онлайн-курсах?».
Як слухач розуміє, що треба вивчити, і як це знайти?
Навчальні платформи здебільшого використовують три варіанти вирішення цього завдання:
- Для користувачів, які просто зацікавленні освітою, але не можуть обрати, що саме їм необхідно, навчальні платформи та навчальні агрегатори, як от Class Centre, використовують сортування курсів за популярністю і рейтингом, так само, як це робиться на будь-яких сайтах покупок онлайн: «Найпопулярніші курси», «Курси з найвищим рейтингом». Для навчальних платформ, як і для багатьох інших, ці рекомендації легко створити за допомогою базових алгоритмів кластеризації активності користувачів. Соціальні методи виявлення — прості та довговічні, оскільки людям притаманно діяти так, як діють інші.
- Для учнів з конкретнішими навчальними цілями процес стає цікавішим. Платформа Coursera використовує машинне навчання для аналізу контенту курсів, виокремлюючи навички та теми. Якщо слухач хоче дізнатися про «моделі Маркова», він може ввести цей запит у стрічці пошуку та знайти курси, у яких згадується це поняття. Може видатися, що цей процес є просто точнішим пошуком, але насправді це початок глибшого рівня конкретики для учнів. Coursera ще не дає слухачам можливість просто вивчити єдину концепцію за межами контексту курсу, і, можливо, це їм і не потрібно: учні можуть хотіти, аби їх скерували на те, що важливо вивчити з точки зору педагога.
- Для тих, хто точно знає свою професійну мету, але яких не цікавить стандартний повний процес розвитку навичок або поглибленого концептуального розуміння, вирішення завдання пропонує LinkedIn. Наприклад, якщо людина подає заявку на роботу, але між резюме кандидата й описом посадових обов’язків існують прогалини, можливо, у людини немає досвіду фінансового моделювання, LinkedIn може запропонувати свої курси в LinkedIn Learning, аби підготувати кандидата до цієї роботи.
Більше даних, більш особистий підхід
Майбутнє навчання онлайн — це більше персоналізації, більше даних про навчальний процес кожного окремого слухача, більш якісні дані про здатність до працевлаштування та співвідношення між ключовими навичками та знаннями й успішними результатами навчання. Предмети курсів розділятимуться на багато концептуальних кластерів, аби збільшити ймовірності того, що рекомендація буде актуальною для учня. Історія навчання, дані файлів cookie, дані особистого облікового запису, дані про роботу дадуть змогу платформам надавати точніші рекомендації. Тобто збір інформації призведе до покращеної форми пошуку, яка надасть користувачам курс, який вони хочуть прослухати, навіть якщо у процесі пошуку вони самі не зовсім розуміли, що їм необхідно. Розгляньте роботу пошукової системи Google, коли вона намагається зрозуміти, що має на увазі користувач (навіть якщо користувач сам точно не усвідомлює, що йому треба). Якщо користувач шукає на платформі MOOC «розробник», система «розуміє», що користувач — новачок, і пропонує йому курс «Введення в JavaScript», пояснюючи, чому цей курс — важливий і обов’язковий у цьому випадку.
А що наявність більшого об’єму даних означатиме для роботи у стилі LinkedIn? Ресурс може поєднувати глобальні дані про професіоналів, щоб повідомляти користувачам свої рекомендації. Можливо, людина прагне змінити роботу? LinkedIn може знати, які саме навички потрібні професіоналу у галузі цифрового маркетингу сьогодні краще, ніж самі професіонали чи компанії, оскільки платформа помітила тенденцію у Кремнієвій долині, яка ще не проявилася у Лондоні.
Більший об’єм даних — лише початок. Дані повинні бути переконливими. Однією зі сфер діяльності може бути постійний розвиток адаптивних систем навчання, які працюють з алгоритмом рекомендацій. Адаптивні системи навчання (ALS, від англ. Adaptive learning systems) діють, коригуючи те, що вивчає користувач відповідно до результатів його/її роботи. Якщо людина вивчає обчислення, і у неї виникли проблеми з диференціалами, система може допомогти такому учневі, повернувши його до «прослуховування» тих лекцій, які допоможуть згадати та зрозуміти ключові концепції, знання яких не перебуває на належному рівні. Цей підхід використовується Академією Хана (Khan Academy) і добре працює, аби допомогти учням опановувати структурований зміст навчального матеріалу. Оскільки функціональні можливості ALS у майбутньому будуть вбудовані в онлайн-курси, алгоритми навчаться з’ясовувати сильні сторони користувачів і зможуть пропонувати навички та професії, які використовують такі сильні сторони, тобто працюватимуть, як інструмент діагностики.
Хтось може прийти на онлайн-курси з метою стати фахівцем з аналітики даних, однак, виявиться, що хоча людина добре вміє створювати сховища даних, їй бракує знань статистичних понять. Платформа може порекомендувати такому користувачу більше курсів, пов’язаних зі зберіганням даних, і рекомендувати натомість стати техніком з обробки даних. Якщо цей підхід застосує LinkedIn, ресурс зможе інформувати своїх користувачів про роботу, яка їм підходить, а також пропонувати кандидатури на вакантні позиції на підставі сильних сторін і результатів навчання. Сьогодні LinkedIn вже пропонує курси, ґрунтуючись на аналізі особистих облікових записів. Алгоритми ще недосконалі, але вони поліпшуються з часом і накопиченням даних.
Траєкторії навчання
Вже сьогодні платформа Coursera пропонує «траєкторії навчання» (Learning Paths), таким чином намагаючись наблизити свій продукт до цілей професійних учнів, направляючи тих, хто знає, що саме хоче вивчити, на необхідні курси, а за відсутності конкретної мети, платформа намагається прокласти шлях до оволодіння предметом. Траєкторії навчання виділяють серію курсів різних постачальників МООС для досягнення кінцевої мети, наприклад, стати «спеціалістом з обробки й аналізу даних» чи вчити «Економіку».
Розробка лежить на двох «китах». Першим став розподіл учнів на три основних типи:
- ті, хто прагнуть досягти нових рівнів у своїй кар’єрі,
- ті, хто шукає нову роботу,
- ті, хто навчаються з цікавості.
Тож спочатку платформа просить користувачів віднести себе до однієї з цих трьох категорій. Другий «кит» — це пошукова стрічка, яка допомагає знайти навички. Ця функціональність не лише спростила пошук необхідних курсів для користувачів (їм не треба аналізувати назви та описи курсів, аби зрозуміти, підходять вони їм чи ні), а ще й дала можливість Coursera структурувати навчання на різних онлайн-курсах.
Чим керувалася платформа, розробляючи свої траєкторії? Coursera ставила за мету зосередити увагу на професійних учнях, оскільки у них вже був дохід і нездійсненна потреба освоїти нові навички та предмети, щоб піднятися кар’єрними сходами, змінити роботу або розширити коло знань. Маючи великий перелік курсів (включаючи поглиблені спеціалізації), Coursera вже задовольняла основні потреби цих користувачів, але, щоб підвищити прибуток, цих користувачів слід зберегти. Для цього платформі необхідно було змінити свої відносини з клієнтом і перетворитися з постачальника продукту (курс або спеціалізація) на постачальника послуг, тобто стати незамінним помічником учня у професійному розвитку чи у пошуку роботи мрії.
Але траєкторії навчання — це лише початок «протоптування доріжки» в джунглях масових онлайн-курсів. Навчальні платформи повинні мати змогу піти далі, застосовуючи маркетингові методи, стимулюючи постачальників курсів. Платформи також можуть перейти на індивідуальний рівень, знаючи, що у когось виникли складності з математикою на попередньому курсі, вони б могли пропонувати прослухати основи математики до прослуховування курсу «Аналітика даних». Тенденція розвитку навчальних платформ — керувати попитом на свої послуги, задовольняючи цілі та наміри користувача, навіть якщо, можливо, він сам цього не знає.
За матеріалами "Learning Paths: Less Netflix, more Google", Medium.
Адаптований переклад: Ірина Гоял, спеціально для «Блог Imena.UA».
Ілюстрація: Speekalo
|
