Александр Ларьяновский — бывший директор по международному развитию компании «Яндекс», а ныне — директор по развитию крупнейшей в России онлайн-школы изучения английского языка Skyeng.ru.
Эта онлайн-школа активно использует технологии обработки больших данных в своей деятельности, и добивается с их помощью успехов — привлекает больше учеников, увеличивает процент прохождения курсов, повышает скорость и эффективность усвоения знаний.
В ходе своего выступления на панельной дискусси о Big Data в образовани на EdCrunch–2015 представители компании вкратце рассказали о том, как большие данные изменили их подход к преподаванию языка. Big Data, или «большие данные» помогают обработать опыт тысяч преподавателей и студентов, и на основе анализа получить эффективную методику. Если традиционно преподавательская методика создаётся на основе персонального опыта одного-нескольких учителей, то на основе больших данных методика становится продуктом массового опыта.
Помимо повышения качества и эффективности создаваемых методик, большие данные помогают персонализировать контент под потребности каждого студента. Как это происходит? К примеру, система может проанализировать сотни тысяч текстов в интернете и подобрать тот, который содержит нужное количество новых слов. То, на что не способен человек, способна сделать машина.
Мы встретились с Александром Ларьяновским на конференции EdCrunch–2015 после панельной дискуссии и расспросили его о том, во что могут превратить образование большие данные и кому это может не понравиться.
Александр Ларьяновский, директор по развитию компании Skyeng.ru
Давайте начнём не с вас, а с общего вопроса. Какие вы знаете интересные практические кейсы о Big Data в образовании? И в российском, и в мировом опыте.
Ну вот, например, Университет Кентукки — они планируют на основе больших данных, какие кампусы им строить — сколько этажей, какие аудитории, какого размера… Правда, тут возникает проблема «невидимости» использования Big Data — ведь снаружи всё выглядит как просто строительство студгородка. Никто не замечает этого проникновения больших данных в нашу жизнь, как это в своё время произошло и с интернетом. Горячие и говорящие примеры использования Big Data, конечно есть — чего стоит IBM Watson, творящий невероятное в онкологических исследованиях. Яндекс помог одному известному авиастроителю на 3% сократить потребление горючего. 3% в глобальных масштабах — это огромная цифра, но обычные люди этого не заметят.
Тот самый Ватсон.
Источник: Википедия
Мы тоже об этом задумывались, когда писали статьи о Big Data для учителей, и пытались найти какие-то красивые примеры…
Знаете, что непременно впечатлит любого учителя? Возможность предсказать конкретному ученику длительность обучения для достижения конкретной учебной цели — жить в Китае без переводчика или, например, играть на пианино на уровне пьяного тапёра.
А надо ли это учителям, которые работают в государственной системе образования? Вот репетитору надо наверняка.
Да ну, у любого учителя есть понятие профессиональной гордости — «Я научил! Это мой ученик!». Вот моя учительница английского так говорит. У учителя есть компетенция, которую никакая технология не победит. Поясню на примере.
Вот сидел сто лет назад в центре Москвы ростовщик и на глазок выдавал деньги в рост. Ему тогда вот, сто лет назад, когда уже и паровозы были, и автомобили, скажи, что совсем скоро железка какая-то будет кредиты выдавать — он же не поверит! Он скажет: «Да ну, а как же почувствовать душу, прочитать человека, как так можно? Железка не справится!». И тем не менее, сейчас так происходит.
А у учителя этого не отобрать, его компьютер не заменит.
Кстати, а в чём роль учителя?
Учитель умеет объяснять и получать обратную связь. Компьютер не может отследить реакцию ученика, он не обладает этой магией — когда учитель по глазам видит, прояснилось там в головах что-то или нет, понимают студенты или нет. Кроме того, учитель даёт эмоциональный фон и мотивацию. Компьютер просто пишет «Молодец», а учитель заглядывает в глаза, верит в тебя, говорит, что ты сможешь, а потом радуется: «Ведь можешь же, когда захочешь!».
Собственно, вся вот эта Big Data и технологии — это экзоскелет для учителя.
Как бы тебя ни хвалил компьютер, для тебя это ничего не значит.
Нужно ли учителя в таком случае как-то готовить к работе в экзоскелете?
Мы очень много работаем со своими преподавателями, и главная наша задача — их сфокусировать, научить использовать методику, действовать максимально эффективно, чтобы каждая минута твоей работы приносила больший результат.
А насколько учителя легко адаптируются к такой обстановке?
Вообще нелегко, но они быстро понимают выгоду. Ну вот, например, учитель готовится к уроку, проверяет домашние задания, составляет план — это же никто не оплачивает. А когда это за него делает компьютер, чистое «учительское» время начинает стоить дороже. Математика простая.
Как думаете, кто будет главным противником, главным оппонентом больших данных в образовании?
Знаете, даже не больших данных, а самого факта того, что образование трансформируется. Ну тут очевидно, кто (или что) будет противиться яростней всего. Конечно, классическое образование. Новое образование перестаёт быть контролируемым чиновниками. Сейчас расширю мысль.
Почему, к примеру, в своё время возникли университеты? Потому что в какой-то момент профессорам стало интересно жить вместе, в одном сообществе. Потом с ними стало интересно жить и студентам, так и появились университеты. Не то чтобы это самый лучший способ, но так было удобно в тот момент. А дальше эта система расползлась, распространилась дальше.
Новой системе придётся доказывать старой, на что она способна. Именно поэтому мы ставим все методики на научную основу. При этом у нас в стране, чтобы получить лицензию на предоставление образовательных услуг, ты должен по условиям лицензии иметь помещение, договор на питание учеников, вывоз мусора и так далее. Это входит в обязательный перечень документов для получения лицензии. Это и есть та косность, которая тормозит проникновение нового в старое. С сервисом Uber происходит ведь то же самое: с ними воюют не потому, что кому-то не нравится их логотип или название…
А потому что деньги уходят в Uber.
Совершенно верно. Как только денежные потоки перераспределяются, те, кто теряет денежный поток, начинает сопротивляться.
Но есть и хорошие примеры. Те, кто понимает, что рано или поздно революция случится — как тот же Университет Кентукки — они уже заранее начинают суетиться и использовать преимущества наступления новой системы для себя.
Прошлому всегда приходится сталкиваться с изменениями. А в современное время столкновение происходит быстрее.
Источник: Википедия
А российские университеты есть, которые тоже, стоя на этом берегу, уже готовятся к перепаве?
Беда российских университетов состоит в том, что у них всё зарегламентировано. Найти строку бюджета, которая позволит использовать новые технологии — чтобы построить новый кампус, потому что так посчитал компьютер, против норм СанПиН… Нереально.
Вот в первый день EdCrunch одни ребята выступали, вдохновенно говорили о том, что школьники могли бы зачёты сдавать в павильонах ВДНХ, делать там что-то своими руками… И тут же им прилетел вопрос из зала: «А как вы собираетесь всё это встраивать в учебный план, ведь это запрещено?».
К сожалению, в нашей централизованной системе образования школа не может принимать решения. Кто-то скажет: «Зато ответственность несёт государство». Может быть, государство и отвечает, но результата всё равно нет. За качество образования ни государство, ни школа ответственности не несут.
А ведь в принципе даже в этой системе есть множество хороших учителей, готовых к экспериментам. Расскажите что-нибудь для них, растиражируйте опыт.
Самый простой пример. При анализе данных мы поняли, что у одних учителей конверсия выше, чем у других. Разбираемся, почему. Вроде бы одно и то же делают. Сами учителя тоже не понимают, в чём дело. И знаете, что оказалось? Мы заметили в конце концов, что у одной учительницы вопросы варьируются — одному она одни вопросы задаёт, другому уже другие. Мы её спрашиваем: «А как так, ты почему разные вопросы задаёшь?». А она нам: «Ну у меня же перед уроком есть их контактные данные. Я их в поисковик вбиваю, смотрю, чем человек интересуется и с ним на эту тему разговариваю». Для нас это призыв к действию — значит, нужно все входные данные ученика обрабатывать и смотреть, что он публично о себе рассказывает. Это же простой процесс, с которым каждый учитель справится.
Ещё из советов — научиться правильно хвалить. Скажем, если человек сделал упражнение, совершил 40 ошибок, а ты ему — «молодец, правильно!» — это плохо. А если ты ему скажешь «ты делаешь это лучше, чем большинство других»?
Да, это звучит гораздо объективней и приятней. А ещё вот такой вопрос: насколько опыт учителей английского языка пригодится учителям физики, например?
Построить подобную систему можно для любой конкретной дисциплины. Система измерения ведь одинакова всегда, вопрос только в выводах, которые ты сделаешь.
В целом у Big Data в образовании какие преспективные направления? Куда эта технология будет двигаться?
Честный ответ: не знаю. Если вспомнить мобильные телефоны 15 лет назад, никто же не знал, какими они будут сегодня. Они быстро вытеснили пейджеры, и можно было догадаться, что они будут продолжать экспансию, но конкретного ничего предсказать было нельзя.
Уверен я только в одном: образование станет стандартным продуктом. Как билет на самолёт — выбрал, заплатил, получил. Не так, как в фантастических фантазиях, когда оператор загружает непосредственно в мозг программу управления звездолётом, но мы точно будем знать, какие знания мы получим в ходе обучения. И получим их. Результат станет предсказуемым.
А как определяем результат?
Это как раз человечество знает давно. Если говорить об английском, то известен, скажем, список слов и грамматических конструкций, достаточных для владения языком на уровне туриста. То есть мы можем прогнозировать начальную точку и конечную точку. Нам пока недоступен расчёт скорости пути. Здесь и нужны большие данные.
Резюмируем
С помощью больших данных можно делать, условно говоря, три важные вещи:
- создавать методики, адаптированные под большое количество студентов;
- персонализировать контент;
- подбирать преподавателя.
Большие данные, как и любая технология в образовании, не избавляют нас от учителя — способность человека сопереживать и мотивировать им недоступна. Их преимущество в том, что они помогают нам сделать из преподавателя суперпреподавателя.
