Science of learning что это
Андрагогика — забытая наука или полезные принципы обучения взрослых?
Педагогика — наука о воспитании, развитии и образовании человека, преимущественно в детском и юношеском возрасте. При этом обучение взрослых имеет ряд отличительных особенностей, изучением которых занимается андрагогика.
За последние 15 лет мир изменился быстрее, чем менялся в предшествующие 100 лет.
К 2010 году за всю свою историю создало 1,5 зеттабайт информации, что равно 34 млрд смартфонов с самым большим объемом памяти. Исходя из динамики, к 2025 году мы создадим 175 зеттабайт информации, и эту цифру сложно выразить в понятных человеческому мозгу величинах.
Скорость создания и накопления информации и ее доступность меняют традиционное отношение к знаниям и обучению.
Энциклопедическое знание и механистические навыки стремительно теряют свою актуальность, а значит формы обучения, рассчитанные на «зубрежку» и повторение монотонных действий становятся неактуальными.
Появляется необходимость в развитии навыков иного порядка — метанавыков, которые помогают синтезировать знания из разных источников, соединяя их со своим опытом и создавая в результате свою уникальную базу знаний.
Что такое андрагогика и почему взрослым вдруг понадобилось учиться
Недавняя беседа об андрагогике в подкасте «Все сложно» началась с вопроса ведущего «Андра — что?». И это правда, удивительно — мы все слышали о педагогике и представляем себе, что это такое, и совершенно ничего не слышали про раздел андрагогики, само это понятие многим неведомо. Хотя эти науки и подходы к развитию личности зарождались одновременно. Почему так?
Традиционно упор всегда делался на развитии человека, приобретении им навыков в детском и юношеском возрасте, то есть, на педагогике. Профессиональное развитие, освоение непосредственных умений происходило либо через цехи и мастерские для рабочих, либо в университетах для точных и гуманитарных специальностей, к которым до середины XX века имели доступ лишь избранные слои населения. Профессию, как правило, получали в молодом возрасте и на всю жизнь. В связи с этим андрагогика как подход и наука до 1980-х годов была не востребована.
У большинства взрослых не было необходимости переучиваться или получать кардинально новые навыки: например, наши бабушки, дедушки и даже родители работали на одном предприятии или в одной сфере всю жизнь, и это было нормально. Такую ситуацию практически невозможно представить в наши дни.
В 1980-х годах, и особенно после падения Берлинской стены, мир стал глобальным. Компании стали выходить на мировой рынок, и у огромного числа людей появилась возможность выйти на глобальный рынок труда. Стремительное развитие технологий заставило предприятия менять методы производства, автоматизировать их, переносить в страны с более дешевой рабочей силой. Миллионы людей, особенно в развитых странах, впервые в жизни столкнулись с нестабильностью и необходимостью менять свою деятельность, набор компетенций и даже профессию в середине карьерного пути. Возникла необходимость переучиваться — быстро, эффективно, основываясь на практике, а не на теории. В этот момент произошло рождение андрагогики. Тогда же американский ученый Малком Ноулз выпустил свой фундаментальный труд «Современная практика образования взрослых. Андрагогика против педагогики», в котором сформулировал основные принципы обучения взрослых.
Как мы будем учиться в постиндустриальном мире
Сейчас механический труд все чаще выполняется роботами при помощи современных технологий. Одновременно с этим растет спрос в креативных областях, где нужны другие навыки и отношение к организации работы — больше самостоятельности, свободы и инноваций. Активно развиваются маркетплейсы фрилансеров: один человек часто может одновременно выполнять проекты для разных компаний, больше не связывая свою жизнь с одной организацией. Этот тренд будет развиваться и дальше.
Нарастает необходимость в развитии иных образовательных моделей, которые бы давали принципиально новые компетенции. Учитывая скорость социально-экономических изменений и глобальность рынков труда, обновлять их будет нужно гораздо чаще, чем это требовалось всего десять лет назад.
Возникает большой запрос от бизнеса и государств на инновации и технологическое развитие всех сфер общества. Все это не делается механистически, это — креатив, открытия, идеи, коммуникация между специалистами из разных сфер. В инновациях унифицированные действия большого количества людей не приведут к результату, но креативный подход и индивидуальность каждого имеют значение. Более важную роль начинает играть сотрудник как субъект, его личность и индивидуальность, а не коллектив и институт.
Особенности обучения взрослых
Как учить новому и переучивать взрослых людей, учитывая их индивидуальность, богатый жизненный и практический опыт, установки, разные жизненные цели, социальные ограничения (мало свободного времени на учебу, наличие семьи и работы)? На эти вопросы отвечает современная андрагогика.
Забудьте, как вы учились в школе — взрослые учатся иначе.
В центре образовательных подходов — гармоничное и осознанное развитие уже сложившейся личности, а не «подгонка» человека под требования институтов, компаний или государства.
Когда мы говорим об обучении, ключевое отличие взрослых от детей — это особенное отношение к прошлому, настоящему и будущему. У взрослых есть опыт, через который фильтруется новая информация. У взрослого особое отношение к настоящему с рядом ограничений — в отличие от ребенка взрослому необходимо самостоятельно зарабатывать, заботиться о близких, готовить пищу и т.д. Взрослый иначе, чем ребенок строит планы: как правило, у него есть специфическое видение своего будущего, с которым он соотносит любое обучение. Соответственно его программа должна выстраиваться с учетом этих трех составляющих.
Схемы и методы обучения, которые вы использовали в школе и университете, скорее всего, не позволят вам успешно учиться сейчас. Чтобы выстроить свою стратегию, а также гармонично и осознанно развиваться в целом будучи уже взрослым человеком, необходимо разобраться в ключевых принципах андрагогики.
Преимущество этой науки в том, что, освоив ее подходы, учащийся взрослый человек может самостоятельно выстроить свою образовательную стратегию и корректировать ее на протяжении жизни.
Как создать условия для обучения, которые подходят именно вам
Первое, что необходимо понять — то, как учитесь именно вы. Для этого необходимо проделать следующие упражнения.
Также стоит вспомнить свой негативный опыт и разложить его по полочкам — почему учиться было некомфортно? Почему учеба оказалась неэффективной? Оценивайте не столько контент, а форматы, темп, каналы, через которые давалась информация (визуальный, аудиальный, кинестетический). Было комфортнее в групповой работе или в смешанной, в дискуссиях или индивидуальном формате, сначала практика, а потом теория или наоборот? Поищите и найдите какую-то закономерность.
Совет: обращайте внимание не только на процесс, но и на события в жизни, которые вы в этот момент переживали. Был ли в вашей жизни в то время спорт? Какой? Попробуйте оценить, оказали ли они влияние на ваш образовательный опыт.
Совет: если невозможно воссоздать все элементы, используйте хотя бы некоторые. Подумайте, как вы можете трансформировать негативный опыт в позитивный.
Совет: обратную связь можно организовать в семье, рабочем коллективе. Можно найти единомышленников в интернете: вести блог, получая обратную связь от читателей или слушателей, написать статью или принять участие в подкасте, делиться результатами в социальных сетях. Можно написать экспертам отрасли, с кем-то встретиться лично на профильной конференции или деловом мероприятии.
Совет: в этом вам помогут как практики саморефлексии, так и различные доступные тесты.
Примеры тестов:
Тест Майер-Бриггс на определение типа личности. Он поможет обратить внимание на ваши особенности восприятия мира и на то, как вы принимаете решения.
Тест «Визуал-аудиал-кинестетик». Он определит, какой канал восприятия информации для вас наиболее предпочтительный и эффективный.
Тест HBDI (Hermann Brain Dominance Instrument), определяющий тип мышления на основе когнитивных предпочтений.
К любому тесту необходимо относиться критически: ни один из них не раскрывает все особенности личности.
Как определить цели обучения
Один из учебных методов, который поможет правильно прицелиться — это «Пирамида Дилтса». Она включает в себя шесть уровней целеполагания: окружение, поведение, способности, убеждения/ценности, идентичность, миссия. Определите проблему, которую вы хотите решить и уровень в пирамиде, которому она соответствует. Решение проблемы как правило находится на один-два уровня выше. Например, чтобы изменить свое поведение, вам необходимо обратить внимание на изменения в убеждениях и ценностях.
What is Learning Science?
By Applied Learning Sciences Team
If you are reading these words, it is very likely you have spent some time as a learner in at least one educational setting — a classroom, for example, or an online course, or even a more informal setting such as an after-school club.
Take a moment to picture one of those settings. What do you see?
Perhaps what you notice in your mind’s eye is the arrangement of the room: desks or tables, bookshelves, whiteboards, and various materials and technologies. Maybe what you picture are learners engaged in various activities and the educators who are supporting those learners. Or possibly you are envisioning something else entirely — such as the actual content itself, or inter-personal interactions, or that feeling you have when you haven’t quite studied enough for a test.
If you can picture these things, you are already very well-acquainted with some of the foundational issues that are at the heart of learning science. As a discipline, learning science is both as old as the hills, and so new that it is still labeled an emerging field.
How we learn, and how to apply that knowledge of how we learn, has long been a point of human fascination. In ancient times, Socrates and Aristotle spent much of their lives developing theories of knowledge and learning — and their influence is still felt in education today. In the nineteenth and twentieth centuries, other influential researchers, ranging from Jean Piaget to Benjamin Bloom to David Kolb to Lev Vygotsky, began to shape educational practice through the application of their theories and research.
But learning sciences, as a standalone discipline, is relatively new. Definitions are still emerging, but most agree that learning science is an interdisciplinary field focused on the development of effective learning methodologies and solutions. The empirical and theoretical underpinnings of neuroscience, cognitive science, instructional design, data analytics, anthropology, linguistics, computer science, psychology, and education have formed the foundation of the discipline. We expect that the discipline will continue to evolve, especially with the introduction of programs and institutes designed specifically to build a learning work force (e.g. the Science of Learning Institute at Johns Hopkins University or METALS at Carnegie Mellon University).
But how does this all relate to the educational setting in your mind’s eye — or to actual practice?
Picture that imaginary learning setting one more time. Look once at the seating arrangements. Look at what the learners are doing. Take a peek at the materials they are using.
The learning sciences allow us to ask fundamental questions about every single aspect of the classroom, and then draw from a broad and deep base of research to answer those questions in ways that enhance our practice and empower our learners. This truly is the intersection of where the science of learning meets the art of teaching — because learning science offers us the power to apply empirical validation to our decision-making in education.
For us at McGraw-Hill Education, it is worth noting that there is one more very important, and very exciting, aspect of learning sciences. When we ask those fundamental questions, conduct that research, and apply it to practice, we place ourselves squarely in the space in which the greatest innovation may take place.
It is already happening. Educators and researchers are already asking incredible questions, and the learning sciences are already informing equally incredible solutions. As a learning science company, we will build on this momentum, explore this remarkable space, and adapt it further to improve learning and instruction.
The answer is everywhere we look: because learning, and understanding how that learning happens, really does change everything.
About the Applied Learning Sciences Team
The McGraw-Hill Education Applied Learning Sciences (ALS) team is dedicated to the application and translation of foundational and cutting-edge learning science research toward product development. Working collaboratively across all School Group teams, ALS draws upon the vast body of research in fields such as neuroscience, education, cognitive science, psychology (including educational psychology), learning analytics, applied linguistics, anthropology, computer science, and philosophy.
The Science of Learning
Discover the scientific research about learning and how it applies to your classroom, on this CPD-certified course for educators.
21,519 enrolled on this course
The Science of Learning
21,519 enrolled on this course
Improve your teaching by discussing the science of learning
What is learning? How does it work? On this course you try and answer these questions, exploring how you can use the science of learning to inform your teaching and support your students’ learning.
Drawing upon educational neuroscience and psychology (and combating neuroscience myths), you will learn how to interpret research to be better informed about how your students learn. Throughout the course, you will reflect on your own practice as a teacher, learning how to justify and improve your approach.
0:01 Skip to 0 minutes and 1 second What is learning? And how can teachers support all students to be better learners? How can an understanding of the science of learning, help you develop your classroom practice? Our scientific understanding of learning has now advanced far enough for us to offer answers to these and other questions, that have practical implications for education. This course is designed for teachers, to help you consider what’s happening in your classroom and to make better informed decisions. By the end of the course, you’ll be thinking about how you can improve teaching and learning, by drawing on the latest thinking, in educational neuroscience in psychology.
0:47 Skip to 0 minutes and 47 seconds You’ll be discovering how different regions of the brain become involved in learning, and what this means for the types of decision you make as a teacher, for optimizing your students’ learning. Together, we’ll debunk the neuroscience myths, and look at why, as teachers, you have an important role to play, in shaping the brains of your students. We’ll help you look at the scientific research, for insight into how your students learn. Students themselves are much more aware of how they learn, and that they can change, the way they learn with the support of the teacher.
1:19 Skip to 1 minute and 19 seconds And myself, as a professional, now being able to have that dialogue with the students in front of me, and involving them with it, I’ve just seen them start to flourish and change. Throughout, you’re being encouraged to discuss your ideas with other teachers, and you’ll be supported in reflecting on your practice. You’ll hear from other educators about how research has informed their teaching, and how typical classroom practices, may be influenced by insights form research. The impact on my practice through using research is two fold. It makes me more confident, it makes me understand my job better, but it also makes me want to come to work.
1:56 Skip to 1 minute and 56 seconds It makes me want to challenge, and move on, and establish myself further as a teacher. By the end of this course, you’ll be better able to justify your teaching approaches, based on scientific evidence, and reflect on your teaching. Together, we’ll be separating the neuromyth from the neurofact. And discovering how as teachers, you’re not just developing minds. But also the function and even the structure, of your student’s brains. Join us on The Science of Learning.
Science of learning что это
As an emerging discipline, the learning sciences are still in the process of defining itself. Accordingly, the identity of the field is multifaceted, and varies from institution to institution. However, the International Society of Learning Sciences (ISLS, [1]) summarizes the field as follows: “Researchers in the interdisciplinary field of learning sciences, born during the 1990s, study learning as it happens in real-world situations and how to better facilitate learning in designed environments – in school, online, in the workplace, at home, and in informal environments.
Our Talent Management division is currently focusing on the “science of learning” topic and several experts have given presentations about what that looks like for both the learner and the developers. By definition: Learning sciences (LS) is an interdisciplinary field that works to further scientific understanding of learning as well as to engage in the design and implementation of learning innovations, and the improvement of instructional methodologies. (wikipedia) Some of you may recall Multimedia Learning during your graduate work if not it is the study of learning to design for online learning.
What does all of this have to do with Captivate? Well, as I get more immersed in using web authoring tools like Captivate we have to keep in mind that although the learner may not know that why we design courses the way we do we are well aware of what we are trying to accomplish. Anymore, packaging the development tool with the respective LMS will give us the complete picture if the products we are developing are measuring the learners true learning capabilities. Because of the nature of my customers environment the science of learning is becoming very important for some of our topical areas.
Новая данность: что такое Data Science и зачем она нужна бизнесу
Что изучает Data Science
Каждый день человечество генерирует примерно 2,5 квинтиллиона байт различных данных. Они создаются буквально при каждом клике и пролистывании страницы, не говоря уже о просмотре видео и фотографий в онлайн-сервисах и соцсетях.
Наука о данных появилась задолго до того, как их объемы превысили все мыслимые прогнозы. Отсчет принято вести с 1966 года, когда в мире появился Комитет по данным для науки и техники — CODATA. Его создали в рамках Международного совета по науке, который ставил своей целью сбор, оценку, хранение и поиск важнейших данных для решения научных и технических задач. В составе комитета работают ученые, профессора крупных университетов и представители академий наук из нескольких стран, включая Россию.
Сам термин Data Science вошел в обиход в середине 1970-х с подачи датского ученого-информатика Петера Наура. Согласно его определению, эта дисциплина изучает жизненный цикл цифровых данных от появления до использования в других областях знаний. Однако со временем это определение стало более широким и гибким.
Data Science (DS) — междисциплинарная область на стыке статистики, математики, системного анализа и машинного обучения, которая охватывает все этапы работы с данными. Она предполагает исследование и анализ сверхбольших массивов информации и ориентирована в первую очередь на получение практических результатов.
В 2010-х годах объемы данных стали расти по экспоненте. Свою роль сыграл целый ряд факторов — от повсеместного распространения мобильного интернета и популярности соцсетей до всеобщей оцифровки сервисов и процессов. В итоге профессия дата-сайентиста быстро превратилась в одну из самых популярных и востребованных. Еще в 2012 году позицию дата-сайентиста журналисты назвали самой привлекательной работой XXI века (The Sexiest Job of the XXI Century).
Развитие Data Science шло вместе с внедрением технологий Big Data и анализа данных. И хотя эти области часто пересекаются, их не следует путать между собой. Все они предполагают понимание больших массивов информации. Но если аналитика данных отвечает на вопросы о прошлом (например, об изменениях в поведениях клиентов какого-либо интернет-сервиса за последние несколько лет), то Data Science в буквальном смысле смотрит в будущее. Специалисты по DS на основе больших данных могут создавать модели, которые предсказывают, что случится завтра. В том числе и предсказывать спрос на те или иные товары и услуги.
Зачем Data Science бизнесу
Компании используют Data Science вне зависимости от размера бизнеса, показывает статистика Kaggle (профессиональная соцсеть специалистов по работе с данными). А по подсчетам IDC и Hitachi, 78% предприятий подтверждают, что количество анализируемой и используемой информации в последнее время значительно возросло. Бизнес понимает, что неструктурированная информация содержит очень важные для компании знания, способные повлиять на результаты бизнеса, отмечают авторы исследования.
Причем это касается самых разных сфер экономики. Вот лишь несколько примеров отраслей, которые используют Data Science для решения своих задач:
И это лишь самый краткий и поверхностный список использования Data Science. Количество различных кейсов с использованием «науки о данных» увеличивается с каждым годом в геометрической прогрессии.
Каждый интернет-пользователь и просто потребитель ежедневно десятки раз сталкивается с продуктами и решениями, в которых применяются инструменты Data Science. К примеру, аудио-сервис Spotify использует их, чтобы лучше подбирать треки для пользователей в соответствии с их предпочтениями. То же самое можно сказать о предложении фильмов и сериалах на видео-стримингах, таких как Netflix. А в Uber науку о данных рассматривают как инструмент для предиктивной аналитики, прогнозирования спроса, улучшения и автоматизации всех продуктов и клиентского опыта.
Конечно, дата-сайентисты не могут в точности предсказать будущее компании и учесть абсолютно все возможные риски. «Все модели неправильные, но некоторые из них полезны», — иронизировал по этому поводу британский статистик Джордж Бокс. Тем не менее, инструменты Data Science служат хорошей поддержкой для компаний, которые хотят принимать более информированные и обоснованные решения о своем будущем.
Как работают дата-сайентисты
Для работы с данными дата-сайентисты применяют целый комплекс инструментов — пакеты статистического моделирования, различные базы данных, специальное программное обеспечение. Но, главное, они используют технологии искусственного интеллекта и создают модели машинного обучения (нейросети), которые помогают бизнесу анализировать информацию, делать выводы и прогнозировать будущее.
Каждую такую нейросеть необходимо спланировать, построить, оценить, развернуть и только потом перейти к ее обучению. «Сейчас, по нашим оценкам, в процессе работы над ИИ-решениями только 30% времени специалистов уходит на обучение моделей. Все остальное — на подготовку к нему и другую рутину», — говорит CTO «Сбербанк Груп», исполнительный вице-президент и глава блока «Технологии» Давид Рафаловский.
Компания Anaconda, которая разрабатывает продукты для работы с данными, приводит еще более печальную статистику. Ее опросы показывают, что в среднем почти половину времени (45%) специалисты тратят на подготовку данных, то есть их загрузку и очистку. Еще примерно треть уходит на визуализацию данных и выбор модели. На обучение и развертывание остается всего 12% и 11% рабочего времени соответственно.
Дата-сайентисты в облаках
Облегчить и ускорить работу по сбору данных, построению и развертыванию моделей помогают специальные облачные платформы. Именно облачные платформы для машинного обучения стали самым актуальным трендом в Data Science. Поскольку речь идет о больших объемах информации, сложных ML-моделях, о готовых и доступных для работы распределенных команд инструментах, то дата-сайентистами понадобились гибкие, масштабируемые и доступные ресурсы.
Именно для дата-сайентистов облачные провайдеры создали платформы, ориентированные на подготовку и запуск моделей машинного обучения и дальнейшую работу с ними. Пока таких решений немного и одно из них было полностью создано в России. В конце 2020 года компания Sbercloud представила облачную платформу полного цикла разработки и реализации AI-сервисов — ML Space. Платформа содержит набор инструментов и ресурсов для создания, обучения и развертывания моделей машинного обучения — от быстрого подключения к источникам данных до автоматического развертывания обученных моделей на динамически масштабируемых облачных ресурсах SberCloud.
Сейчас ML Space — единственный в мире облачный сервис, позволяющий организовать распределенное обучение на 1000+ GPU. Эту возможность обеспечивает собственный облачный суперкомпьютер SberCloud — «Кристофари». Запущенный в 2019 году «Кристофари» является сейчас самым мощным российским вычислительным кластером и занимает 40 место в мировом рейтинге cуперкомпьютеров TOP500
Платформу уже используют команды разработчиков экосистемы Сбера. Именно с ее помощью было запущено семейство виртуальных ассистентов «Салют». Для их создания с помощью «Кристофари» и ML Space было обучено более 70 различных ASR- моделей (автоматическое распознавание речи) и большое количество моделей Text-to-Speech. Сейчас ML Space доступна для любых коммерческих пользователи, учебных и научных организаций.
«ML Space – это настоящий технологический прорыв в области работы с искусственным интеллектом. По нескольким ключевым параметрам ML Space уже превосходит лучшие мировые решения. Я считаю, что сегодня ML Space одна из лучших в мире облачных платформ для машинного обучения. Опытным дата-сайентистам она предоставляет новые удобные инструменты, возможность распределенной работы, автоматизации создания, обучения и внедрения ИИ-моделей. Компаниям и организациям, не имеющим глубокой ML-экспертизы, ML Space дает возможность впервые использовать искусственный интеллект в своих продуктах, приложениях и рабочих процессах», — уверен Отари Меликишвили, лидер продуктового вправления AI Cloud, компании SberCloud.
Облака помогают рынку все шире использовать платформы для работы с данными, предлагая безграничные вычислительные мощности, подтверждают аналитики Mordor Intelligence.
По мнению экспертов из Anaconda, потребуется время, чтобы бизнес и сами специалисты созрели для широкого использования инструментов DS и смогли получить результаты. Но прогресс уже очевиден. «Мы ожидаем, что в ближайшие два-три года Data Science продолжит двигаться к тому, чтобы стать стратегической функцией бизнеса во многих отраслях», — прогнозирует компания.