EdTech Thinking #21 - 与机器“对话”
摘要
本周话题:与机器“对话”
文章:家庭作业启示录
教育之美:新加坡的21世纪教学策略:教育无处不在系列
与机器“对话”
前言
对于 Pask 来说,教学和学习基本上都是对话,即使它们涉及到技术。
SmartGloss 是一个为了让用户在阅读过程中能够方便地获取概念或术语解释的工具,并且,其给出的解释会更容易理解,详细信息请看此系列周刊:
(一)建立愿景
(二)名为 SmartGloss
(三)需求文档
(四)原型 & UI 设计
(五)编码实现(1)
(六)编码实现(2)
(七)怎样解释概念才更容易理解?
(八)使用类比来解释概念
(九)双码理论——图文结合会更容易理解
对话理论(Conversation theory,CT)
对话理论是一种学习理论,由英国控制论学者 Gordon Pask 在20世纪70年代提出。Pask 认为,所有的教学互动,无论是通过技术(按照当时的背景,此处的技术主要指通过录像带、广播电视等方式进行学习)进行还是在传统的教室环境中进行,都应被视为一种对话。他将这一想法正式化为他所称的“对话理论”。该理论基于这样的认识:“研究复杂人类学习的基本单位是一场涉及两个参与学习过程的参与者之间的对话,他们通常分别扮演学习者和教师的角色”。
Pask 的教学机器
Pask 从20世纪50年代起,就开始关注学习情境中学习者与教师的关系,并为此开展了一系列实验。在这些实验中,他观察到了学习者与教师之间动态的、合作的和游戏性的交流,这使他在20世纪70年代逐渐提出了“对话理论(CT)”。值得注意的是,实验中的教师并非人类,而是由他和团队制作出的各种教学机器。我们可以通过了解这些教学机器来进一步理解“对话理论”。
SAKI(自适应键盘教练,Self-Adaptive Keyboard Instructor):
这是 Pask 在20世纪50年代制造的一种自适应教学机器,用于训练打字员。SAKI 是一个基于反馈和学习者表现的自适应系统,可以根据学习者的打字速度和准确性来调整教学节奏。学习者的打字水平提高时,SAKI 将提高任务难度;如果学习者的表现下降,SAKI 会降低任务难度。这个设备非常成功,因为它使得每个人都能按照自己的速度来学习打字。
CASTE(课程组装系统和教程环境,Course Assembly System and Tutorial Environment):
这是 Pask 在20世纪70年代创造的一种更复杂的计算机辅助教学系统。CASTE 旨在提供一个环境,学生可以在其中探索和理解一个复杂的知识领域。系统会对学生的行为和问题进行反馈,帮助他们构建出自己的知识结构。系统内的教程不是一步一步的,而是根据学生的理解情况,灵活地调整教学内容和路径。Pask 认为这种方式可以让学生根据自己的需要和理解情况去探索知识。
SAKI 和 CASTE 的设计理念均源自 Pask 的对话理论,从中不难看出,这两种机器都具备自适应的特征。如果大家有听过“以学习者为中心”这句话,但并不是特别明白的话,那么,具备自适应特征的教学系统就能完美诠释什么是“以学习者为中心”——什么时候学、学多少、学什么内容、如何学等等,皆能根据系统对学习者的评估而自动适应。
什么是“对话”?
而 SAKI 和 CASTE 之所以能够做到自适应,根本原因在于学习者跟机器之间开展了“对话”。
从 Pask 将对话理论应用于教学机器中,我们就能看出,他所定义的“对话”与我们日常生活中理解的人与人之间的交流并不完全相同。在对话理论中,"对话"并不仅限于口语或书面语的交流,它更广泛地包括任何形式的信息交换和理解过程,这可以发生在人与人之间,人与机器之间,甚至是一个人自我思考的过程中。
首先,让我们看一个不符合对话理论的情况:
假设一名老师在课堂上讲授数学知识,他详细解释了一种解决问题的方法,并在黑板上写出了步骤和结果。学生们在座位上默默地记笔记,没有提问,也没有与老师或其他学生讨论。这个教学过程虽然涉及到了信息的传递,但是没有进行任何形式的交流和协商,所以,这并不符合对话理论的定义。
可以使用克劳德·香农的信息传输模型来表示:
一个符合对话理论的教学过程:
在一个小组讨论课程中,老师提出了一个问题,并要求每组学生提出自己的解答。学生们开始讨论,每个人都分享了自己的想法和理解,他们相互提问,澄清自己的观点,同时听取其他人的意见,通过这种方式来深化自己的理解和认知。老师在旁边引导讨论,解答学生的疑问,鼓励他们思考并提出新的问题。这个过程就是一个典型的对话过程,符合对话理论的要求,因为它包含了信息的交换、理解的建立、观点的协商和知识的构建。
对话理论作为一种学习理论,它提供了一种理解和描述学习过程的框架。在这个框架中,学习被看作是一种对话过程,通过这个过程,学习者可以理解和掌握新的知识和技能。那么,对于一个没有经历过'对话'过程的教学活动,学习者可能无法获得真正的学习体验。可对话又为什么能够让学习者达成理解,获得学习体验?参与者在对话过程中经历了什么?
对话的过程
对话在最简单的形式中涉及到参与者执行以下任务:
1、打开一个通道:
当参与者 A 发送初始消息时,对话的可能性就被打开了。要想继续对话,消息必须使用共同语言(能理解的自然语言、共同的背景知识、共同经历等等);它必须能被参与者 B 理解。
2、承诺参与:
参与者 B 必须注意到消息,然后承诺与 A 交流。这样的承诺可能只相当于保持关注。对话要持续,承诺必须是对称的(不能只是主动发起的一方存在意愿)。并且,任何一方都可以在任何时候,因任何原因中断(体现参与者的主体性)。换句话说,每个参与者都必须看到继续对话的价值,这就抵消了参与对话所需的个人成本——我们所说的"生物成本",包括所需的能量、时间、注意力和压力。
3、构造意义:
对话使我们能够构造(或重构)意义,包括对目标新的意义。
消息是由已经分享的主题或区别组成的,基于先前的对话或共享的上下文,如共同的语言和社会规范。参与者 A 使用消息通道来传达这些主题是什么以及它们如何区别于其他(描述性动态),同时,用一种“粘合剂”来解释这些主题如何相互作用构成新的概念(规定性动态)。参与者 B “吸收所有这些”并“把它们放在一起”以再现 A 的意思(或者接近的东西)。
这可能是因为,第一,描述性和规定性的动态结合在一起,表达了概念的内在一致性——它们像手表中的齿轮一样配合在一起,而且只是以有限的方式或方法。第二,人类的神经系统已经特别进化到可以对到达的信息进行理解。这种“意义创造”(把所有这些都纳入并放在一起)是一个小型的 AHA(顿悟) 时刻,每次我们“明白”别人在说什么时都会发生。
(这一过程需要我们想象一下教师教授学生一个新概念的场景,其中描述性动态和规定性动态都是为了解释这个新概念是什么以及如何应用等问题,这会运用多种方式,例如:描述定义、类比以及示范等等。同时,又因为教师和学生处在同一个上下文中,所以学生一旦接受教师这一番解释,就能够理解概念的意思。)
4、演变:
参与者 A 或 B(或两者)在互动之后是不同的。其中一方或双方都持有新的信念,做出决定,或发展关系,与他人、与环境或物体,或与自己。
在这里,我们把“有效的对话”定义为一种互动,在这种互动中,对话所带来的变化对参与者有持久的价值。
5、达成一致:
参与者 B 可能希望确认对 A 的概念的理解。为此,B 必须对讨论中的话题进行不同的表述,一个能反映他的概念模型的表述。收到后,参与者 A 尝试理解 B 的表述,并将其与她的原意进行比较。这可能会导致进一步的交流。当 A 和 B 都认为概念足够匹配时,他们就达到了“对理解的共识”。这种共识可能涉及关于世界的一个事实,或者仅仅是共同的信念。有时,参与者在一首歌的品质上达成一致,或者他们足够喜欢对方,愿意继续交谈。
6、行动或交易:
有时,一个或多个参与者同意在对话结束后进行一项行动。例如,他们可能同意一起玩游戏或建立一种关系。或者他们可能同意交换,比如用钱交换产品或服务。
上述就是对话过程的一个简化描述。
指导意义
事实上,我们日常生活中也时常经历有效地对话(当然,可能更多是不那么有效地对话),但基本上是无意识行为,而 Pask 的对话理论能够指导我们如何有意识地与他人建立有效对话或者能够帮助我们分析对话为何无效。
不过,话说回来,我的主要目的是通过对话理论帮助我更好地设计 SmartGloss。前文提过,对话理论中,参与对话的双方(或多方),并不限定于人与人,而可以是人与机器,甚至是机器与机器。
我们先来看看用户如何使用 SmartGloss:首先,用户遇到一个自己不了解的概念时,会向 SmartGloss 发起一个请求——要求给出概念的解释。接着,SmartGloss 给出概念的解释。最后,用户阅读 SmartGloss 给出的解释,并关闭 SmartGloss 面板。
从 Pask 制造的教学机器以及定义的对话过程来看,在对话中,很重要的一点在于双向互动,而互动就是彼此“反馈”的过程。但在目前的设计中,至少是缺了用户给 SmartGloss 提供反馈的环节。最重要的反馈点在于,用户是否理解了 SmartGloss 给出的解释?虽然,SmartGloss 为了能够让用户容易理解一个概念,运用了类比、图文等方法来解释概念,但这并不能保证用户就一定能够理解,特别是抽象的或者用户缺乏这一概念背景知识的情况下。
针对这一问题,我初步的想法是,在大语言模型返回的解释内容之后,可以增加一段描述,比如“如果我给出的类比并没有让你更好地理解,请选择重新生成;如果你认为自己理解了,我将为你设计1-3个问题来验证是否真的理解”。
基于上述设想,我们重新看看用户使用 SmartGloss 的过程:省略前面的步骤。当用户阅读 SmartGloss 给出的解释,如果发现这个类比无法让其更好地理解,他们就会选择重新生成。SmartGloss 接收到这一请求,为用户重新生成解释内容(依然利用是类比的方式)。接着,用户觉得理解了新的解释内容,并选择让 SmartGloss 生成一些题目来验证。
参照对话过程的描述来看,当用户第一次选择重新生成时(用户的反馈),SmartGloss 接收到这一反馈,接着告诉背后的大语言模型“这个类比不合适,请重新生成一个”,最终 SmartGloss 返回了一个新的解释(反馈导致的改变)。而且,SmartGloss 的这种改变并不仅针对这一次交互,而是可能长时间存在。举个例子,假设大语言模型的类比使用了人们学习骑自行车经历,但如果用户并没有这一经历呢?所以,SmartGloss 会将这种反馈记录下来,在为用户之后生成解释时,就会尽量避免使用自行车的类比。而用户认为自己理解了概念,选择让 SmartGloss 生成题目来测验,也是一个反馈,SmartGloss 会“理解”这些反馈,从而给出更加适应于用户的解释内容。
以上是我目前主要能想到的改进,当然,这些设想还有许多细节需要填充。另外,我自己觉得这种设想很像现在各大平台的推荐系统,虽然现在大家对这些推荐系统习以为常,但通过对话理论能让我们了解它背后的一些东西。
总结
对话理论可以进一步巩固了 SmartGloss 背后的理论基础。此外,我相信还有许多可以促进 SmartGloss 和用户“对话”的设计,并且,促进这种“对话”将会是 SmartGloss 长远的设计方向。毕竟,根据对话理论的观点——学习就是对话。而帮助用户学习,正是 SmartGloss 的使命。
参考资料:
ChatGPT Mar 24 Version,GPT-4,https://chat.openai.com/
Claude 2,https://claude.ai/chats
文章
1、沉浸式学习的颠覆者 - Apple 的 Vision Pro 可能以五种方式改变教育和培训
https://teachonline.ca/tools-trends/five-ways-apples-vision-pro-could-transform-education-and-training
iPhone 的出现改变了人们对智能手机的看法,那么,Apple Vision Pro 是否也有可能改变人们对 AR/VR 的看法呢?
目前为止,在教学领域中利用 AR/VR 设备创造沉浸式学习的案例并不少见,如果未来改用 Vision Pro 进行沉浸式学习,相信会比现有 VR 设备的体验好很多。我认为沉浸式学习的好处主要在于能够较为真实的让学习者经历现实问题,最终将其变成自己的经验。而且这种使学习者虚拟体验的模式,也拥有成本低、安全性高等优势,例如:虚拟实验、虚拟旅游(现实、过去或未来场景)等等。
2、机器可以有同理心和其他情感吗?
https://donaldclarkplanb.blogspot.com/2023/06/can-machines-have-empathy-and-other.html
对于 AI 教师的诟病主要在于其没有人类的各种情感,这所带来的影响是无法让学生感受到激励、批评或轻度压力等措施对学生学习的帮助。例如,课堂有学生注意力不集中、捣乱等情况时,人类教师会通过面部表情、语气、语调、肢体动作等情感表达方式来促使学生遵守课堂纪律,但如果是一个没有情感的 AI 教师,学生大概率不会搭理。
可是机器真的无法拥有情感吗?
如果人工智能的发展教会我们一件事,那就是永远不要说“永远”。现在正在进行的是指数级的进步,这种进步将持续下去,伴随着一些大公司的巨额投资,以及在研究和政府意图方面的重大转变。我们已经实现了情绪的识别和展示。尽管感受情绪可能还遥不可及,而且对于许多任务来说,甚至包括教学,这可能并不必要,但这不应妨碍我们对未来的期待和探索。
3、家庭作业启示录
https://www.oneusefulthing.org/p/the-homework-apocalypse?utm_source=post-email-title&publication_id=1180644&post_id=132054399&isFreemail=true&utm_medium=email
现有的大部分家庭作业都能用 ChatGPT 代为完成,无论是写作、阅读还是问题集类型的作业。作业可以当成教师的教学工具,起着让学生巩固知识、提升技能、延伸学习、供教师评估学习情况等作用,但如果学生不再亲自完成,作业这一工具的价值也就无法显现。
其实在 ChatGPT 出现之前,学生们就已经开始通过互联网获取作业答案,或有偿找人代写。所以,作者在文章中尝试解决这些问题——什么样的作业才能促使学生乐意自己去完成?教师对作业的期望该如何转变?
4、在人工智能时代,对未来学习的五大预测
https://a16z.com/2023/02/08/the-future-of-learning-education-knowledge-in-the-age-of-ai/
这篇文章由 phyllis.zhang@eeoa.com 推荐
a16z 是一家成立于2009年的美国私人风险投资公司,其所管理的资产规模目前排名第一。该公司认为教育会是人工智能的首批消费者之一,以下是他们对未来学习的五个预测:
一对一模式将成为主流——AI 导师
个性化学习从梦想变为现实——根据个性化需求生成学习内容以及自适应的学习计划
面向教师和学生的人工智能工具将优先兴起——为教师和学生节省时间
评估和认证将需要调整,新的评估工具将被开发——自动化评估
随着 "真相 "的扭曲,事实核查将变得至关重要——解决偏见或错误内容的工具
5、谷歌和微软的新阅读工具来拯救我们
https://blog.tcea.org/new-reading-tools-google-microsoft/
谷歌和微软的辅助阅读工具都存在于自家的阅读应用中,与 SmartGloss 只是为用户提供概念解释不同,它们拥有更多辅助阅读能力以及精心设计的内容。
教育之美
新加坡的21世纪教学策略:教育无处不在系列
新加坡的一所探索性“未来学校”,其理念是——当引起了学生的兴趣,让学生参与其中,学习自然就会发生。
👋🏻 觉得本期有收获?
请将此链接分享给你朋友:https://etthinking.substack.com/
Copyright 2023 EdTech Thinking Contact: octo@eeoa.com
This work is licensed under a Creative Commons License.