人工智能教育下的7种新学习方式

蜚语

减负、整治监管、素质教育这三座大山把K12教育的线下辅导机构、线上教育压得喘不过气来，逼得不管是线上还是线下的K12教育企业不得不面临变革，而变革的企业无一不顺势而为，遵从素质教育、顺应人工智能教育。
似乎只有打着人工智能教育的旗号，才能避开监管雷区，才能够获得资本青睐。但更多的企业也仅仅是打着旗号，并没有实质性的改变，只是利用人工智能教育的卖点，寻找新的卖课渠道，新的营销方式而已。但不管怎样，现在看来，只要借助人工智能“发力”的教育企业，都能够活得好好的。
时下的人工智能教育是社会的一个热点、甚至是一个风口。那人工智能教育到底是什么呢？

从现在市场来看，人工智能教育主要分为两个赛道：
其一，是人工智能对教育进行赋能
主要体现在两个方面：
一方面，人工智能赋能学校基础设施，让学校、课堂网络化、智慧化。诸如：人脸识别的门禁系统、网络协同的双师课堂、以及近期被广泛议论的由旷世出品的监测学生课堂行为状态的人脸识别应用等等。
另一方面，人工智能赋能教学练测评，让教学及学习个性化，提升教与学的效率。诸如：松鼠AI的自适应学习系统、英语流利说千人千面的学习体验等等。

其二，是对人工智能知识进行教育
主要表现在机器人教育、人工智能教育、编程教育等让学生学习人工智能知识，掌握编程能力。
诸如：童心制物推出的富有AIOT元素的电子积木“神经元”、优必选、乐聚的教育机器人、大疆出品的机甲大师RoboMaster S1教育产品等等。
从两个赛道的划分，显而易见人工智能教育有两种不同的教育模式。但，不管是第一个赛道的K12人工智能教育，还是第二个赛道以STEAM教育著称的人工智能教育，他们都围绕着学生与学习。换句话说不管任何形式的人工智能教育都无法脱离学生与学习两者的关系。
也就是说，我们要用好人工智能教育，就得先搞清楚学生与学习的本质问题。而从市场竞争、商业逻辑上来看现在的人工智能教育，每个企业似乎看起来都拥有自己一套完善、成熟的打法。
诸如：K12的人工智能教育以知识图谱、学生画像、学生学习行为数据等个性化的服务来形成差异化乃至竞争壁垒的战略。
诸如：STEAM的人工智能教育以丰富的课程体系、优质的师资力量、软硬件产品一体化、竞赛模式等全覆盖的服务来争夺市场份额的商业逻辑。
随之，学生与学习的探究也往往被忽略。从短期来看，忽略自认为不起眼的问题好像也没造成什么重大的“事故”发生，甚至人工智能教育愈发火爆，入局者大到互联网巨头、小到线下教育机构都跃跃欲试。
而从长远来看，K12的个性化教育的确能够提高学习效率、体验，甚至有不错的学习效果。现在假设，通过这样的学习方式，最终让每位学生都成为不分高低的学霸，那整个社会、市场就会失衡了。也就是普通中学、职专、大专、二本、甚至一本都不复存在，而将近1.7亿的中小学生，2700万的大学生要就得在那些一流的院校挤一挤了。

从经济学上来讲，一旦供需失衡，整个市场就会产生动荡以至经济下行。同理，教育失衡，人才培养、人才供应就会出现问题。
上述的假设可能比较不切实际，但又有谁能够预料未知的事物呢？
也不妨从比较实际的假设来看，假如个性化的学习或者机器的教学比教师教授来得更有效率，能取得更好的成绩，那这个更私人化的机器或许就会让教师“失宠”，那对学生有人生意义的启发和引导的任务，教师还能够继续吗？
同样，从长远来看STEAM的人工智能教育，STEAM教育的风口必将催生越来越多不同形态各式各样的入局者。现在假设，每位学生都有机会接触很多不同类型的产品，那人工智能知识会不会像现在移动互联网的信息一样，碎片化、内容参差不齐。而，对于辨别力还不是很敏捷的中小学生来说，人工智能的哪些知识是值得学习的、哪些是没必要深入的，我想他们可能分辨不出。
所以，人工智能教育的本质还是教育，教育就必须得围绕学生与学习。不管是AI时代的AI教育也好，或者是未来时代的未来式教育也罢，学生与学习之间的关系都是永恒的，是学生就一定得学习，要学习就要把自己当做学生。由此，本文将从7种新的学习方式，来聊聊新的学习方式对学生学习有何影响。
新学习方式

何为新的学习方式，顾名思义就是跟传统学习方式有差异的地方，而传统的学习方式就是我们耳熟能详的以应试为主的先教后学再考、题海战术、千人一面的PPT的教学方案、唯分数唯成绩论的学习。
反观，一直以来推行的素质教育，以先学后教再测的翻转课堂、慕课，以千人千面的个性化学习，以资源共享、网络协同的双师课堂教学模式为代表的所谓新型的学习方式。
除了应对应试教育的个性化学习方式之外，当下的素质教育、人工智能教育还需哪些学习方式才能够在教学模式、教育理念上进行变革呢？
或许，还有这几个学习方式需要我们关注，游戏化、社交化、协作型、问题式、自主型、探究型、项目式等7个。

其中，可根据学生与学习的关系，将上述学习方式划分成学习心理、群体心理、教学心理这三类，依次对应：游戏化、自主型；社交化、协作型；项目式、探究型、问题式。

1. 游戏化
对于学生来说，要是学习像游戏一样好玩、轻松，像游戏机制一样有极大的吸引力，那可想而知，他们就会把升级打怪的精力全部都放在学习上，游戏玩法战略就都运用到学习方法上了。
当然，令人向往着迷的游戏也不仅仅有这几点魅力，就像前一篇写到文章《市场分析：爆款玩具难再现》，游戏之所以能够比玩具更有吸引力是因为它拥有4大法宝。
对此，游戏化的学习体验，相信能够引起学生的关注、兴趣、向往。诸如：现在的少儿英语、少儿编程、早教等产品很多都利用游戏化的元素，结合游戏通关的机制来触达用户。

2. 自主型
自主型，显然是让学生有权利选择自己感兴趣的事物进行学习，而在应试教育体制下，学生的选择余地并不大，他们除了为考试而学习外，做其他事情似乎得不到父母支持，甚至被受限。
正如前阶段热播剧《小欢喜》，就把应试教育与家庭教育体现得淋漓尽致一样，除了高考其他的兴趣、爱好都不受待见。
剧中，乔英子可谓是学霸，但她没有自主选择兴趣、专业的权利，完全受限于她母亲宋倩。她母亲不让她玩乐高、不让其填报南京大学，以致最后乔英子没抵挡住父母、学习的压力而得了郁抑症。这部剧就是在描绘当前教育与家庭的现状，推荐你看。
反观，要是学生有自主选择的权利，他们就会对自己所做的选择负责任，就会因为责任而自主学习、努力以抵达目标。就像乔英子的梦想是研究宇宙、邀游太空，虽然兴趣、选择多次受阻，但她依旧朝着梦想奋进，因为她会对梦想负责任。
从中，我们也可以发现，对于学生们来说，兴趣驱动的事物往往会有更大的精神支撑，会有更持久的战斗力，会更自主。显然，现在的STEAM教育就是为兴趣而生，但似乎缺了什么？这个疑惑暂时保密。

3. 社交化
社交是我们人类赖以生存的刚需，也是作为群居动物的生存法则。所谓，物以类聚人以群分，是有数据依据的，据调查研究发现，学习成绩好的学生周边的同学成绩也不赖。（排除特殊情况，综合考虑）
当然，这并不是教唆学生都跟所谓成绩好的同学相处或排斥其他学生。我想说明的是，为什么会有此种现象？
其实这种现象也并不是什么巫术，你想，当一位成绩中上的学生与几位成绩优异的学生聚集在一起后，他们会干嘛？
我想，他们会讨论学习或者与学习相关的事情，为什么。因为学习相关的事，是成绩优异学生们擅长的东西，他们当然渴望在群体中获得认可、成就感，所以成绩优异的学生之间会因为某个问题的最优解而争论、而这过程的批评性思维就是社交后的收获。你想，自己跟自己能争论出什么东西来。
当然，成绩中上的学生可在寻求最优解的探究中学习，向成绩优异的同学学习，久而久之，他们就会被学习氛围所带动，感染。而其实这类群体的学生也并不是炮灰，他们也可以从自己擅长的领域切入，来获得存在感、参与感。另外，由于强者不认输的志气，所以成绩优异的学生是不是可以从中学到自己并不擅长的领域的知识。
反观，要是不进行社交，他们之间就无法相互学习，无法感受到群体带给他们强烈的成就感。当然，现实生活中的社交好处更是不言而喻。
同样在上一篇文章提到，现在的智能玩具-编程教育产品有一个软肋就是无法做到网络协同，在线化社交，这也让其产品失去群体的优越。

4. 协作型
一个人走得快，但走不远，这就是团队的力量。脱离团队的协作、合作，我们难以完成一件需多方资源介入的事情。
那学习上要是进行协作，会有什么预想不到的事情发生呢？
可以这么假设，假如在一次时间紧张且干货多的讲授课中，要是仅凭一个人的记录，可能是会遗漏些。但，要是事先约定好，进行默契的配合，或许可将整堂课重要的内容一字不落的记录下来。
反观，STEAM的人工智能教育，在实验作品的输出，比赛作品的制作过程中，更是不能忽略团队的协作的作用。是可以脱离团队独立完成，但毕竟一个人的智慧是有限的，没有了头脑风暴、集思广益，或许作品的创意不够或者创新性不强，甚至完成度达不到预期。
但，从这些场景也仅仅能看到协作的表面。现，仔细想想，也许我们可以发现协作背后也许面临着竞争、磨合、伙伴、角色这个飞轮。

团队的形成或许正是这一流程，想想学生们参加的竞赛为什么大多是团队式的，从政府顶层设计的目当然是促进学生之间协作的教育目的，但要是从学生的角度来看，其实是因为比赛是竞争式的，所以需要站队，结伴而行。这也就是为什么学生们要寻求参赛团队的根本原因。
显然，团队存在的目的不单纯是为了在气势压倒一切，竞争意识是触发形成团队的因子。而团队的真正建立，是要经历一场甚至多场赛事的磨合，才逐渐清楚哪些人适合这个团队，团队中的每个人依依适合什么角色，扮演什么角色才能够发挥他们各自的竞争力。
只有如此反复的运转，大浪淘沙后才能找到志同道合的人，才能够拥有竞争力的Team。反观，现在的学生参赛团队，要么共同经历过一次或多次比赛就散了，要么在学业结束后不得不终结，散场。
我想，STEAM的人工智能教育，应该试着打破这种情况，做到让学生在教育过程中组建一支强有力的团队，走出校园、走向社会、走向岗位甚至走向世界、未来。
最后，我们聊聊现行的STEAM人工智能教育在新的学习方式的协同下，能否助力素质教育的发展。
5. 项目式
在编程教育流行的时下，或许你对项目式学习（PBL）并不陌生，为什么该学习方式会如此盛行呢？
我想，一来是跟编程教育的形式有关，编程教育需以项目为依托，以实际的物品、问题，以虚拟作品创作为载体，从而通过输出来检验或测试编程教育的学习情况。
二来是跟项目式的流程有关，时下对素质教育的呼吁，无非是为了训练、培养学生的综合素养、综合能力。而项目式的教学或学习过程正符合综合能力的训练。

从创意/新想法的产生足以判断该学生具备独立思考的特性，而产生的创意一旦被进一步分析，开始分析创意的可行性、新颖度并对创意进行发散的构思，这足以展现该学生的知识储备及活跃的思维。
直至进行到方案和问题的拆解阶段，这对学生的创新及解决问题的能力具有极大的考验，也是形成经验的阶层。
而行动、实施更是显而易见，这是对一位学生行动力、驱动力以及动手能力的考察。最后的评估及优化，其实是反映一位学生的追求程度、看待问题的态度，乃至分析问题的能力。
反观，实际的STEAM教育，往往忽略该教学过程的。
6. 探究型
探究，顾名思义是对一件事进行追溯，以联想、发现更多相似的知识。不知道你们当时是否偏科以致对某门课程无比热爱，而我就是一个数学狂。当时，我学习数学的态度可以用探究来形容，因为我时常会因一道题没解出来，而花很多时间去研究它，以至解出并从中发现一些规律或者说最优解。
而研究，其实是在不断推翻自己的假设，验证提出的假设，以及对假设做出的结论进行质疑的过程。这一持续的过程，是不断刷新自己的解题思路，更是不断训练自己批判性思维。

反观，STEAM教育的作品输出也好或者人工智能理论知识学习也罢，其实更多的是缺少质疑的环节。
诸如：学生们利用电子积木搭建一个避障小车的物联网应用时，他们会提出自己需要的假设，比如设想，红外检测传感器的检测距离设定多远，检测到障碍物时右转还是左转。
在看似没问题的假设后，开始进行试验，此时他们已在小车前方安置了传感器，并设定好“检测到障碍物时-执行右转的程序”，在正常的条件下进行验证，实际往往会按照预期执行。
由此，他们会终止此项应用的探究。但，这过程其实更有意思的是提出质疑，比如：要是左右两侧、后方，都有其他的小车来撞击自己时，该如何是好，是否考虑全方位安装传感器。比如，障碍物是否太小以致检测不到，障碍物是否透明以致传感器无法进行判断等等，围绕应用进一步探究的问题。
而上述的质疑，其实就是不断提出问题、发现本质问题的过程，这也就是最后一个学习方式。
7. 问题式
如果上述的避障小车应用到实际的自动驾驶汽车上，后果相当严重。可能我们不应该将学生的作品与实际产品对应起来，但想想，如果人工智能的教育是脱离实际场景或实际应用，那人工智能教育的意义是否缺失了？学生们认识到的人工智能仅仅是一个雏形，甚至是一个产品、应用的模型。
那有朝一日，他们实际开发时，会不会按照之前的思维进行设计，设计出缺失可用性、缺失安全性、缺失价值性的产品来。
所以，在实际的教学中，实际的创作过程中，我们应该教授他们将人工智能的知识深入到实际场景中，在实际的环境中发现应用最关键的问题，发现产品最本质的问题。也就是应对每一个项目、每一份作品、每一个应用时，需围绕应用最核心的部分，多多质疑，多多提出问题，多问为什么，以使来反复校正自己的对应用的认知。
正如前面提到，当AI产品越来越多样，越来越杂乱时，学生怎么辨别出哪些东西该学，哪些不该学。我想，此刻的答案应该是，学那些离我们实际场景最近，对实际应用最契合的知识。
反观，现在编程教育、人工智能教育，它们离掌握实际的人工智能技术、应用到底有多远呢？希望引发你的质疑。

本文由 @预见产品 原创发布于人人都是产品经理。