如何开展教育,才能学会解码未知事物?

|

版本:

请描绘一下万维网即将创立之前的您自己。设想您当时先于其他任何人知晓互联网即将产生的影响,那您认为在 “新一代”所需的技能中,哪些技能最为重要?这个问题并不易回答。很多情况下,我们所目睹到的情况是,上世纪九十年代中期至本世纪头十年,教育系统侧重帮助学生学习如何使用特定技术工具,而非学习如何在被互联网重塑的社会中取得成功。

让我们“回到未来”,回过头来看看我们今天所处的境地。

设想您先于其他任何人知晓人工智能和数据密集型数字服务将如何塑造下一个十年,那您认为教育当代在校学生所需的技能中,哪些技能最为重要?这个问题也不易回答。很多情况下,教育系统仍主要侧重帮助学生学习如何使用特定技术工具。这次,我们也许能够做得更好。

当前,有很多种方式可用于培养数字技能。视所采用的框架,数字技能可能包含于或不包含于所谓的“21世纪技能”之中。大部分文献强调了即将到来世界(或已然到来世界)所需的此类技能的相关性。没有单一框架可用作明确参考(虽然一些框架的明确性高于其它框架):不同国家已决定用不同方式和方法来评估度量此类技能。

1989年和2019年的诸多差异之一是,当今社会更清楚地认识到了数字技术对我们生活的方方面面产生的影响。鉴于我们当前的技术使用方法更为尖端复杂,我们有理由预见所需的相关技能和知识将更为复杂。正如我们将看到的,这一复杂性与我们与某些工具互动的难度并无联系(技术简单性乃黄金法则),与其有联系的是批判性思维能力和评估不同情况的能力。

当前,“智能技术”(具有适应性、预测性和个性化特点)的推广应用在一些情况下可能会使我们的生活更为便捷(如辅助聊天机器人机器人护理员),但我们也比不久前更清楚地认识到了这些新技术所带来的部分非预期(一些情况下负面)影响。

一想到人工智能或机器人有可能成为当前教育讨论的一项议题,一些人可能会感到不舒服。未知事物往往会产生恐惧或排斥。另一方面,当前我们或许应当思考如何帮助下一代在数据密集型系统有可能助力或取代目前学校培养的若干技能和能力的大环境下取得成功做好准备。

学会如何同机器人互动(即理解、使用、善待、信任、感知机器人并与其协作)可能不再是科幻小说场景了。《防范机器人》一书作者Joseph Aoun指出,阅读、写作以及数学是现代社会需具备的基础能力,但它们目前也面临更多挑战。此外,人们至少还需要具备另外三种素养:(阅读、分析并使用不断增加的信息所需的)数据素养、技术素养(包括编码和了解机器如何运转)以及 人文素养(即了解如何在人文环境下有效做事)。

在坚信人工智能能够对教育发挥作用之前,请先记住:人类具备的智能和能力远超当今狭隘的人工智能所具备的智能和能力。Rosemary Luckin强调说,人类智能极其丰富多样。如考虑社交智能、情感智能以及自我效能,Luckin教授认为,人工智能对教育所起的一个潜在作用是在人工智能支持决策工程情况下为增大人类智能提供机会,而非通过自动化取代人类。 

澳大利亚维多利亚州蒙纳士大学教育学教授、新书《机器人应当取代教师吗?》作者指出,“(人们的)担忧并不在于教师将被取代,而在于他们将被置换或去个性化。”其他人士更进一步指出,人工智能将取代相关工作或整个劳动力。不论是哪种情况,研究都表明,教育工作者在采用并传授这一新知识和语言时可能需要支持和指导,他们在学生学习过程中所起的作用仍不可或缺

您想当乘客还是当司机?

就促进计算思维能力培养的政策而言,其广泛推行已获得世人瞩目,也变得日益重要。诸如英国等国已决定把计算思维列为其全国课程的一项核心内容。当前,我们不难发现,越来越多的国家(和公民社会动议)不仅在促进人们学习如何使用现有技术,还在促进人们如何创造新技术。在这一背景下,最有趣的问题之一可能与是否把计算思维当成一门科目来教授或将其作为一种“横向素养”纳入其它学科有关。两种方式各有利弊,关于它们的讨论还有可能持续下去。

计算思维提倡者强调指出,计算思维并非关于编码,而是关于理解——它并非来自乘客座,而是来自驾驶座,还关于技术如何奏效及其对当今社会的影响。经合组织近期宣布,2021年国际学生评估项目在开展评价过程中将首次纳入计算思维的方方面面内容。评价重点将是学生在日益技术化的世界取得成功所需的流程和思维模式(如抽象思维、算法思维、自动化、解析和归纳)。

有趣的是,技术使用经验越变得社会化,数字技能和所谓的社交情感技能之间的联系就越紧密。 学会编码很重要,学会如何解码同样重要。找出新问题可促使我们转变看待当今技能的方式。下面列举了关于阐释社会技术能力的横向技能的实例,它们可能起到帮助作用:

  • 算法思维:算法所呈现的信息会在多大程度上影响人的想法、感觉或决定?自动化系统将如何、何时并在多大程度上影响人们的生活?如何了解自动化决定的潜在成本?如何培养应对潜在偏差所需的算法意识?
  • 精明怀疑:如何培养应对视频中换脸问题 或假新闻所需的选择性信任?哪些方法、流程或好做法能够有助我们筛选出可靠信息?如何在数据密集型环境下管理信任?如何促进独立思维、要求提供证据甚至带着一定的怀疑眼光科学地思考?
  • 谙熟伦理:如何把理论思维纳入信息技术的设计、部署和应用?如何把隐私和数据保护纳入技术应用的各阶段?如何从“打破陈规,快速前行”过渡到使您所在社区受益但不对他人造成负面影响的具体行动?
  • 自我控制:在过度刺激和超链接情况下,人如何自我控制其在不同数字环境中的行为、情感以及思想,尤其是当它们对他人(或您自身)产生影响时?有哪些最佳策略能够助人保持在线注意力集中?

一些人可能有兴趣更详细了解(美国人工智能协会)12年级学生人工智能组织(AI4K12)。这一由众多学者参加的北美组织负责推行12年级学生人工智能教育国家指南(但非课程),它认为几乎人人都需要对支撑机器学习和人工智能的技术有基本的了解,学生应当了解并评价全新的人工智能技术,也应当批判性地考虑这些技术引发的伦理或社会影响问题。

未来教育提出了若干颇具挑战性的问题:如果机器能够学习,那么我们应当向非机器的人类传授哪些知识?我们应当如何为后代人设计确保未来安全的能力?如果不培养学生如何应对当今的技术,那么我怎样才能使她们更好地为了解或处理未来的复杂或未知问题做准备?有哪些基础知识和能力不会过时?同样重要的问题是:教育工作者怎样才能(同其他专家一道)参与这一议题讨论?

“我们总是预测未来,但我们总是预测错了,”Ian McEwan说。虽然我们很可能不能预测未来,但跳过1989年至2019年这一时期,可能会给我们思考未来并设计出变革性解决方案,使人们成为驶向其目的地车辆的司机,而非仅仅成为他人车辆中的乘客。

下面精选了部分相关倡议和资料,它们或许对希望更详细了解这一议题的人士有所帮助:

 
您可能也对教育技术博客中的以下相关文章感兴趣:

 
注:本文开端所用图片源自Beakerhead(通过知识共享组织搜索工具获得),其使用符合知识共享许可协议CC BY-NC-ND 2.0中的条款。

加入讨论