芥末堆 盧楠 4 月 24 日

張良創(chuàng)辦的“泉源高中實驗班”，曾是教育創(chuàng)新的范本。他現(xiàn)任廣州愛卡的米教育科技公司 CEO ，該公司創(chuàng)始人及核心成員來自泉源高中實驗班。他們研發(fā)了愛米教學云系統(tǒng)，通過對學習資源的深加工，以及教學管理和分析功能的開發(fā)，深度支持翻轉課堂及混合式學習等信息化教學新模式在課堂中的常態(tài)運用。

在第二屆 LIFE 教育創(chuàng)新峰會上，張良分享了他這兩年來對教育創(chuàng)新的新思考。

在綜合素養(yǎng)培養(yǎng)中順手學基礎知識？沒那么簡單

張良談到，這兩年他接觸的很多教育創(chuàng)新者都感覺事情好像不是他們最初想象的那樣，在培養(yǎng)綜合素養(yǎng)的過程中順手把知識學了。每一個真正嘗試創(chuàng)新教學做法的人會遇到一個挑戰(zhàn)：順手可得的知識不是那么簡單。

隨著教學的深入，很多教學創(chuàng)新者會發(fā)現(xiàn)，基礎知識的學習、看似不屑一顧的目標越來越多地干擾原定的設想，讓人繁忙。比如，我們希望開展一場高質量的主題討論，可有的學生對基本概念非常陌生，變得磕磕絆絆；我們要探索一個城市活動，需要風景畫一樣的照片，最后卻只合成了簡單的報告，草草收場；我們用 3D 打印機和簡單的模型做出簡單的工具，很難看出知識的深度運用，很多創(chuàng)新很難持續(xù)的進行下去。

真正合格的知識傳授者仍然非常稀缺

這種焦慮是怎么產(chǎn)生的？張良表示，我們過去說教育體系面臨很多問題，傳統(tǒng)的雙基教育是低級的教育目標，要向更高級的創(chuàng)新邁進；我們認為中國課堂里知識傳授是過剩的供給，所以需要去換更高級的東西。但是從教育創(chuàng)新者的繁忙中可以看出，看似應試教育背景下知識的供給已經(jīng)過剩，但是真正合格的知識傳授者仍然非常稀缺，這個稀缺導致了教育創(chuàng)新者的焦慮，也導致了非常多的教育不公平、不均衡的現(xiàn)象。

張良說，他這兩年回到看似沒有那么生動的領域，就是想探究：基礎知識的傳遞到底出了什么問題？為什么不斷阻礙我們完成更高的教學目標？

他總結，傳統(tǒng)的解決知識傳承者不足的方法有支教，缺合格的老師，就不斷派大學生補充教育力量；有各種各樣的培訓項目，希望提升每個老師個體的能力；還有通過各種技術的方式為老師賦能。但這些方法從效果分析，收效甚微?？脆l(xiāng)村學校就知道教育不均衡是非常普遍的情況。

張良認為，背后的核心問題是教育的質量完全壓在老師的個體水平上。他反思，傳統(tǒng)方式就是輸入老師、提升老師，我們是不是在這方向跑得過遠？還有另外的方向可以選擇嗎？

教育 vs醫(yī)療：個人經(jīng)驗無法提煉分析，更不能廣泛共享

張良將教育對比醫(yī)療。假設一個 80 年代的醫(yī)生，穿越到現(xiàn)在醫(yī)院的手術室，他根本不敢做手術，因為所有設備和治療方法對他來講都是陌生的。即使是現(xiàn)在剛剛畢業(yè)的普通醫(yī)生，對醫(yī)療的理解、對疾病的診療水平跟 30 年前的醫(yī)生也已經(jīng)完全不一樣了。但是教育呢？80 年代的老師，穿越到現(xiàn)在的課堂，他除了對電子白板和 PPT 不太熟悉，是承擔教學工作完全沒有任何問題。

這中間出了什么問題？為什么好的療法可以在醫(yī)療行業(yè)迅速普及，從個體社會進入行業(yè)社會？而教育行業(yè)，有很多老師個體的突破，但整個行業(yè)仍處于缺乏的境地。

如果把醫(yī)療的療法和教育的教法進行對比，兩個行業(yè)的組織方式存在差異。醫(yī)療有整套專業(yè)體系：有人專門做檢查，有人專門設定指標，有人專門做定點分析，有人專門研發(fā)藥品；有高度分工，每個環(huán)節(jié)由專業(yè)的機構分別承擔。但是教育呢？大多數(shù)老師有非常好的個人經(jīng)驗，但是外面看不到過程，無法提煉和分析，更加不能廣泛在行業(yè)內共享。

知識傳遞環(huán)節(jié)，未來的發(fā)展趨勢是讓機器成功

張良提到，兩個月前有一個新聞，IBM 的醫(yī)療機器人到天津第三人民醫(yī)院，開展腫瘤的義診，10 秒鐘對腫瘤病人的病情做出了準確的判斷。IBM 這個醫(yī)療機器人在美國通過了醫(yī)師的職業(yè)資格考試，對大多數(shù)癌癥的診斷的準確率超過了大多數(shù)醫(yī)生。這是醫(yī)療行業(yè)里在發(fā)生的事情。它為什么能做到？因為醫(yī)療機器人每天閱讀 44 萬篇醫(yī)生和醫(yī)療研究者的報告。一個最勤奮的醫(yī)生每天閱讀都不會超過 1000 篇。這個行業(yè)所有的個體經(jīng)驗被它不斷學習、不斷掌握，最后成為非常得力的醫(yī)療輔助助手，總結經(jīng)驗、快速分享，達到整體行業(yè)的進步。

不光在醫(yī)療行業(yè)，在美國佐治亞理工大學計算機系，有很多助教給學生回答問題，其中一個助教就是 IBM 的智能機器人吉爾·沃特森。一個學期下來，學生壓根沒有發(fā)現(xiàn)是教育機器人在跟他對話，回答他的問題。

為什么在教育領域吉爾·沃特森能做到？因為每個學期大概產(chǎn)生一萬多條問題，憑借自我學習系統(tǒng)，對每個問題的回答的準確率超過 97% 的情況下才會回答。這種自我學習的體系在人工智能時代不再是遙遠的設想，在幾個和我們緊密相關的行業(yè)里在進行深度的醞釀。但是在教育行業(yè)，大部分的老師和教育體系的進步仍然是依賴于個體，我們加了太多的責任在老師和個人身上，給個體提供的支持太少了。

張良舉了另外一個例子，某全國課外輔導機構，小班名額極為搶手，家長甚至像搶掛號一樣，提前幾個小時去搶輔導班的名額。有記者說，他去培訓機構看了一下，很多學生是從北大清華招聘的，有統(tǒng)一的教學方式，每一步都做了精細化的切分。記者感慨說，感覺這個機構的老師上課跟機器一樣。但是張良認為，如果把教育培養(yǎng)的各方面目標做一個切分，先看知識傳授的環(huán)節(jié)，未來的發(fā)展趨勢不是所謂的像機器一樣，而是讓機器成功。

他認為，之所以會出現(xiàn)應試教育的題海戰(zhàn)術，是因為老師對學生的知識掌握狀況只能看到結果，看不到學生的思考過程；一個有經(jīng)驗的名師可能會對學生的思考過程有一個判斷，但是大部分老師在這方面是稀缺的。可以做一個系統(tǒng)，有很多認知傳感器，對于每道題的思考過程，傳遞更多信息給老師，而不是只靠課堂上看學生的眼神、肢體語言，用粗略的方式去了解學生的掌握情況。他相信，類似的進展，在教育界很快就會發(fā)生。

讓人性歸人性，讓機器的歸機器

張良指出，當我們把教育創(chuàng)新的責任全部壓在老師身上，給老師越來越多要求的時候，是不是也應該換一個方向思考：有什么東西是可以解放老師的？有哪些事情是機器可以做得更好的？

他認為，機器永遠不能取代人。所謂的像機器一樣學習，是教育的悲哀。但是教育有很多部分，機器確實比人完成得更好越來越多的機器和輔助治療的工具和系統(tǒng)進入醫(yī)療行業(yè)后，醫(yī)生陪伴病人的時間顯然是更多了。我們也希望讓老師把注意力更多的放在學生身上，而不是陪伴考綱和教材。這些都需要有更多的技術支持。

張良最后表示，這就是他們最近兩年要做的事情，幫老師卸下更多擔子，做出更精彩的教育，最終讓人性歸人性，讓機器的歸機器。