Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED
-
0:06 - 0:12Образование находится примерно там же,
где и было тысячу лет назад. -
0:12 - 0:16Кстати говоря, не одно образование —
медицина тоже недалеко ушла -
0:16 - 0:19от того знахарства, которым была.
-
0:19 - 0:24Очень много услуг находятся
на том же уровне, на котором возникли, -
0:24 - 0:26начиная с тех же самых парикмахеров.
-
0:26 - 0:29Нет, не все услуги остаются там же,
где возникли, — -
0:29 - 0:31во многих происходят метаморфозы —
-
0:31 - 0:33но вот эти точно там. Почему?
-
0:33 - 0:38Потому что в них никто
не отвечает за результат. -
0:38 - 0:41Никто не знает, что получится в конце.
-
0:41 - 0:49Понятия не имеют, сколько нужно времени,
денег, усилий и каков будет результат. -
0:49 - 0:51Любая услуга с этого начинается —
-
0:51 - 0:58где-нибудь здесь, в Марьиной роще, 100 лет
назад сидел ростовщик и выдавал кредиты. -
0:58 - 1:02Приходил человек, тот смотрел:
во что он был одет, на чём приехал, -
1:02 - 1:04что у него за душой,
-
1:04 - 1:07и говорил, что можно дать...
пусть сотню алтын. -
1:07 - 1:11Причём, замечу, 100 лет назад
уже электромобили были, -
1:11 - 1:14паровозы, пароходы, самолёты летали.
-
1:14 - 1:17Ему можно было сказать:
«Знаешь, пройдёт 100 лет, -
1:17 - 1:19и за тебя это будет делать железка».
-
1:19 - 1:24Он бы сказал: «Понимаешь, наверное,
всё возможно, но железка... -
1:24 - 1:29А как же в душу человеку заглянуть?
Как же почувствовать его?» -
1:29 - 1:32Но ничего, прошло 100 лет,
и железка с этим справляется, -
1:32 - 1:33люди уже не нужны.
-
1:33 - 1:39Скоринговые алгоритмы выдают на-гора
кредитоспособность каждого из нас. -
1:39 - 1:44Так вот, в образовании никто за результат
не отвечает. Совсем никто. -
1:44 - 1:47Ещё раз говорю, вы не знаете,
сколько денег, усилий надо -
1:47 - 1:50и что получится в конце.
-
1:50 - 1:54Образование... Есть такой
программистский анекдот. -
1:54 - 1:58Программист на стрельбище стреляет.
-
1:58 - 2:00Его спрашивают: «Почему ты не попал?»
-
2:00 - 2:02Он смотрит: «Нет,
с моей стороны пули вылетели, -
2:02 - 2:05всё нормально,
проблемы на стороне мишени». -
2:05 - 2:07Вот то же самое со знаниями.
-
2:07 - 2:09То, что вам их дали, совершенно не значит,
-
2:09 - 2:13что они у вас есть
и вы ими можете пользоваться. -
2:13 - 2:18Но там не только с результатом,
там ещё и с процессом большие проблемы. -
2:21 - 2:23У нас школа английского языка.
-
2:23 - 2:27Я встречаюсь с людьми,
которые делают учебники. -
2:27 - 2:33Нет, если пойти в книжный магазин,
то авторских методик там можно набрать -
2:33 - 2:37ровно столько, сколько у вас денег, —
и несколько кубометров унести с собой. -
2:37 - 2:40Нет, я сейчас говорю не про методики
из серии «Я так вижу», -
2:40 - 2:43а про те, где стои́т
некий штамп «Апробировано», -
2:43 - 2:48условно — из издательств Оксфорда,
Пирсона, этакие солидные ребята. -
2:48 - 2:50Я их спрашиваю: «Как вы пишете учебники?»
-
2:50 - 2:55Они говорят: «У нас есть план,
мы по нему что-то как-то делаем». -
2:55 - 2:57«А как упражнения?»
-
2:57 - 3:01«Ну а что? Нормальные упражнения,
сюда подставить, в чём проблема?» -
3:03 - 3:07Да, за этим стоит наука, методология.
-
3:07 - 3:10Но там вкусовщины огромное количество.
-
3:11 - 3:13Про методологию. Что это такое?
-
3:13 - 3:17Это наука, которая объясняет,
как нужно рассказывать что-то. -
3:18 - 3:21Я сейчас очень грубо,
но как создаётся методика? -
3:21 - 3:23Садятся специально
обученные люди — методисты, -
3:23 - 3:26думают, делают некоторые
предположения, строят курс, -
3:26 - 3:28проходит учебный курс,
-
3:28 - 3:31они собирают в ходе него
и после него некоторые знания, -
3:31 - 3:33делают на основании этого какие-то выводы,
-
3:33 - 3:36что-то меняют дальше,
идёт непрерывный процесс. -
3:36 - 3:42Так вот, традиционно он был ограничен тем,
-
3:42 - 3:47сколько студентов у тебя есть,
на которых ты можешь сделать эту выборку, -
3:47 - 3:50сколько времени ты можешь потратить —
этими всеми ресурсами. -
3:50 - 3:55В результате это всё делается
достаточно долго, медленно -
3:55 - 3:57и на не очень больших объёмах.
-
3:57 - 4:00К счастью, онлайн-образование
стало побеждать, -
4:00 - 4:02его становится всё больше и больше —
-
4:02 - 4:06даже у нас в школе учится сейчас
одновременно почти 3000 человек. -
4:07 - 4:10Мы поняли, что есть большая проблема:
-
4:10 - 4:13всё, что казалось незыблемым —
-
4:13 - 4:15что есть методики,
по которым можно учить людей, -
4:15 - 4:18но которые на самом деле
таковыми не являются, — -
4:18 - 4:22мы поняли, что нужно включать науку
и заниматься всем этим по уму. -
4:22 - 4:26Из всех студентов, условно,
на разговорном английском -
4:26 - 4:33учится половина, из них треть —
на уровне intermediate, среднем уровне. -
4:34 - 4:38И мы взяли этих ребят,
взяли своих методистов и говорим: -
4:38 - 4:41вот книга, вот методика, всё хорошо.
-
4:41 - 4:45Давайте поймём, какие, по-вашему,
здесь есть допущения, что можно улучшить. -
4:45 - 4:50Это тоже будет, на их взгляд, ненаучно,
-
4:50 - 4:53но давайте выдвинем некоторое количество
гипотез, что можно улучшить. -
4:53 - 4:55Вот это, вот это и вот это.
Хорошо. -
4:55 - 5:00Теперь давайте сделаем скоринговую модель:
что даст воплощение каждой гипотезы. -
5:00 - 5:04Мы сделали некоторые предположения.
Теперь берём этих 500 студентов, -
5:04 - 5:09делим на статистически значимые группы.
-
5:09 - 5:15Одна группа контрольная, а в остальных
начинаем делать эти маленькие эксперименты -
5:15 - 5:17и начинаем смотреть.
-
5:18 - 5:19Что такое эксперимент?
-
5:19 - 5:21Например, вы берёте книжку,
-
5:21 - 5:24читаете правило, видите примеры,
видите задачку. -
5:24 - 5:28Вы начинаете решать задачку,
видя перед собой правило и примеры. -
5:28 - 5:31А что будет, если вы их не будете видеть,
если перевернуть страницу? -
5:32 - 5:35Лучше будет или хуже?
-
5:35 - 5:38Больше напряжётся память,
сильнее надо будет вдумываться — -
5:38 - 5:39это хорошо или плохо?
-
5:39 - 5:42Или, например, сколько минут видео
должно быть в уроке? -
5:42 - 5:48Или — обязательно надо
возвращаться к предыдущим темам, -
5:48 - 5:51которые проходили на предыдущих
уроке, неделе, месяце, -
5:51 - 5:54для того, чтобы закрепить материал, —
-
5:54 - 5:56а в какой пропорции и как часто
это надо делать? -
5:56 - 5:58А как это зависит от уровня человека?
-
5:58 - 6:01А сколько времени нужно
на разогрев студента? -
6:01 - 6:04На каждом конкретном занятии,
не только на индивидуальном. -
6:04 - 6:06Это всё является объектом эксперимента.
-
6:06 - 6:11Мы начинаем делать такие изменения,
начинаем смотреть. -
6:12 - 6:16Первое, на что мы смотрим,
в аналитике называют винтажными кривыми. -
6:16 - 6:21В момент 0 начали заниматься
100% студентов каждый год. -
6:21 - 6:28Через месяц в какой-то группе
остаётся 90%, в какой-то 85%, 72%, 98%, -
6:28 - 6:32и дальше мы смотрим, месяц за месяцем,
как они у нас отваливаются. -
6:32 - 6:36Это первая история: смотрим,
что выше нормы, а что ниже -
6:36 - 6:38относительно контрольной группы.
-
6:38 - 6:41Понимаем, какие эксперименты работают,
начинаем обкатывать на всех. -
6:41 - 6:44Смотрим: повторяется, всё нормально.
-
6:44 - 6:47Мы вычислили, это работает,
можно начинать следующий эксперимент. -
6:47 - 6:51Это становится непрерывным процессом.
-
6:51 - 6:54Есть более короткие эксперименты.
-
6:54 - 6:58Например, можно взять классический текст,
-
6:58 - 7:03можно взять текст конъюнктурный —
про то, что происходит сегодня, -
7:05 - 7:09если кроме политики, то про какие-нибудь
футбольные чемпионаты. -
7:09 - 7:14И посмотреть: будет это человеку
более интересно или нет? -
7:14 - 7:16Это связано с его мотивацией?
-
7:16 - 7:18Проходим тему «Спорт» —
-
7:18 - 7:20можно из учебника взять тему
про бейсбол или гольф, -
7:20 - 7:24а можно про то, чем человек действительно
интересуется, про дайвинг или хоккей. -
7:24 - 7:27И смотреть: насколько человеку
понравилось — не понравилось. -
7:27 - 7:31Понятно, «понравилось — не понравилось»
не связано с эффективностью. -
7:31 - 7:35Поэтому тесты, которые проходят независимо
от «понравилось — не понравилось», -
7:35 - 7:39позволяют нам оценивать усвояемость,
-
7:39 - 7:40короткие тесты — мотивацию,
-
7:40 - 7:44а длинные — насколько человек
видит результат, его результативность, -
7:44 - 7:46и продолжает у нас учиться.
-
7:47 - 7:49Когда мы всё это собираем в кучу,
-
7:49 - 7:55получается, мы начинаем
воссоздавать методику заново, -
7:55 - 7:58но уже основываясь
на достаточно понятных нам -
7:58 - 8:02статистически, научно выверенных
цифрах и подходах. -
8:02 - 8:04И мы начинаем её дальше делать.
-
8:04 - 8:08Но оказалось ещё одно слабое звено.
-
8:09 - 8:14У нас почти 300 учителей,
естественно, всё удалённые. -
8:14 - 8:18Ты им говоришь: «Вот такой эксперимент,
надо делать так, понятно?» — «Понятно». -
8:18 - 8:21«Будете делать?» — «Будем».
-
8:22 - 8:26Что они делают дальше,
в принципе, непонятно. -
8:26 - 8:30А какой же это эксперимент,
если сам экспериментатор делает то, -
8:30 - 8:33что ему в данный момент
кажется наиболее правильным? -
8:33 - 8:37Поэтому пришлось и здесь
встраивать систему контроля. -
8:37 - 8:41Сначала руками, по чек-листу:
-
8:42 - 8:45контролёры, слушая запись урока,
делают пометки «это сделано». -
8:45 - 8:48Сейчас это уже делают алгоритмы.
-
8:48 - 8:52Они понимают, сколько минут
ученик с учителем находятся на слайде, -
8:53 - 8:55сколько минут уделили
конкретному упражнению, -
8:55 - 8:58сколько секунд человек
думал после вопроса, -
8:58 - 9:01на каком языке говорили,
-
9:01 - 9:04сколько времени говорил учитель,
сколько — ученик. -
9:04 - 9:08И такой же скоринговый алгоритм
начинает считать: -
9:08 - 9:12что-то пошло не так,
урок не похож на типовой. -
9:13 - 9:15И он включает красную лампочку:
-
9:15 - 9:18дорогие методисты, посмотрите,
что-то у учителя было не так. -
9:18 - 9:21И они уже смотрят пристально,
разбираются с учителем: -
9:21 - 9:26то ли он делал не то, что хотел,
то ли действительно что-то пошло не так. -
9:26 - 9:30Таким образом, мы получили
чистоту эксперимента, когда мы знаем, -
9:30 - 9:33что экспериментатор — учитель,
-
9:33 - 9:35даже если он не знает,
что является экспериментатором, — -
9:35 - 9:37делает то, что мы задумали,
-
9:37 - 9:40и наши методики становятся
гораздо более чистыми. -
9:41 - 9:44В результате это потихоньку
нас приводит к тому, -
9:44 - 9:48что мы начинаем отвечать за процесс,
мы точно знаем, что мы делаем. -
9:48 - 9:52Мы можем объяснить любому,
почему у нас именно это именно так — -
9:52 - 9:54не потому что это
напечатано в учебнике, -
9:54 - 9:56а потому что мы это посчитали.
-
9:56 - 9:58И в конечном итоге, я надеюсь,
-
9:58 - 10:01что все эти большие данные
приведут к тому, -
10:01 - 10:03что мы сможем отвечать за результат.
-
10:03 - 10:06Мы сможем сказать, что человек научился:
-
10:06 - 10:11знания у него долгосрочные,
он ими пользуется — это очень важно. -
10:11 - 10:15И мы ему можем сказать наперёд,
сколько времени и денег -
10:15 - 10:19ему нужно потратить,
чтобы добиться своей цели. -
10:19 - 10:22Как сейчас мы это легко делаем
в случае авиаперелёта -
10:22 - 10:24из Москвы в Санкт-Петербург.
-
10:24 - 10:29Хотя ещё 100-150 лет назад никто не знал,
сколько времени занимает это путешествие: -
10:29 - 10:34«Садись, когда-нибудь доберёмся, известно,
что некоторым удавалось за 30 дней, -
10:34 - 10:36а так-то чёрт знает».
-
10:36 - 10:40И ровно это мы хотим,
чтобы случилось в образовании: -
10:40 - 10:42когда был бы гарантированный результат,
-
10:42 - 10:45предсказуемый по качеству,
времени и деньгам. -
10:45 - 10:46Спасибо.
-
10:46 - 10:50(Аплодисменты)
- Title:
- Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED
- Description:
-
Почему методики обучения должны быть основаны на анализе данных?
Александр — управляющий партнер онлайн-школы английского языка Skyeng. Ранее работал директором по международному развитию компании Yandex.
В школе Skyeng методики обучения основаны на анализе данных — все уроки проводятся на интерактивной платформе, которая отслеживает поведение ученика и подсказывает учителю оптимальную методику преподавания для каждого конкретного учащегося.This talk was given at a TEDx event using the TED conference format but independently organized by a local community. Learn more at http://ted.com/tedx
- Video Language:
- Russian
- Team:
- closed TED
- Project:
- TEDxTalks
- Duration:
- 10:55
Retired user approved Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Retired user accepted Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Retired user edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Retired user edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Retired user edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Tatiana Efremova edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Tatiana Efremova edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED | ||
Tatiana Efremova edited Russian subtitles for Data Science в образовании | Александр Ларьяновский | TEDxPokrovkaStED |