吳恩達是斯坦福大學計算機科學家，他通過AI人工智能系統收集所有關於學生舉動的信息，從中提取最有效的內容並將其納入系統設計，從而使他的課程能夠自動實現：教學的改善，學生理解力和成績的提高，基於個人需求的定製教育。
比如，他追蹤學生與視頻講座的互動行為：當學生觀看視頻時，點擊了暫停或快進鍵，又或是在視頻結束前選擇了放棄——這種數字互動意味著學生提早溜出了課堂。他能發現學生多次回看同一門課程，或者後退至上一個視頻瀏覽課程內容的行為。此外，他也會在視頻課程中穿插突擊測驗，其目的並不是要督促學生集中注意力學習，這種重視課堂紀律的古老教學形式不是他關注的內容，他想知道的是，學生是否正在領會教學材料，以及是否卡在了某個問題上。每一個學生個體，都是他的觀察對象。
通過追蹤學生在計算機或平板電腦上完成作業和測驗的情況，吳恩達教授能夠確定學生需要額外幫助的具體內容。他可以分析整個班級的數據，觀察這一群體的學習情況，並以此為依據對課程進行調整。他甚至可以把這些信息與不同年級的不同班級作對比，從中判斷最有效的課程元素。
成千上萬的學生參與了他的課程學習——數量大到足以支撐他的研究成果，而大多數教育研究的開展僅僅基於小範圍的觀察對象。然而，班級規模本身並不是重點，數據才是其中的關鍵。吳恩達教授已經發掘了數據的非凡效果。比方說，在追蹤學生觀看視頻課程順序的過程中，他發現了一個令人困惑的現象——大部分學生的學習是循序漸進的，然而在課程進行了數週之後（第7課前後），他們會跳回到第3課——其中的原因是什麼？他做了進一步的研究，發現第7課要求學生用線性代數書寫一條公式，而第3課是一堂關於數學知識的複習課，顯然許多學生對自己的數學能力信心不足。由此，吳恩達教授知道了該如何改進他的課程，即在那些容易讓學生感到氣餒的地方提供更多的數學知識回顧。而具體在哪裡加入複習的知識點，正是數據提示給他的。
這就是未來教育的初始模樣，更精準全面的分析信息，更個性化自主的學習方案。
閱讀更多 A博視優學 的文章
