Сегодня, чтобы получить знания в определенной сфере или развить определенные навыки, не обязательно идти в учебное заведение.
В помощь искателям собственного развития – множество учебных программ онлайн. Открывай и выбирай. Но именно в этом и заключается проблема, поскольку, несмотря на свою популярность, платформы MOOC – массовых открытых онлайн-курсов (от англ. Massive Open Online Courses) – несколько напоминают джунгли: невероятное разнообразие, но как найти проторенный путь? О том, как сами платформы пытаются решить эту проблему, и о потенциальном будущем онлайн-обучения размышляет Крис Феллингем (Chris Fellingham) – специалист отдела стратегии цифровой платформы образования FutureLearn, основанной в Великобритании, который также пишет о образовательные технологии и образовании в целом. Предлагаем адаптированный перевод его точки зрения, изложенной на ресурсе Medium.
Открытие онлайн-обучения
В 2011 году термин «открытие» метко характеризовал массовые онлайн-курсы. Того года Себастьян Тран (Sebastian Thrun) снял видео с собственным участием на тему «Знакомство с искусственным интеллектом», которое, собственно, стало первым действительно массовым успешным обучающим видео. Несомненно, на тот момент существовали и другие открытые онлайн-курсы, например, Lynda (2002 год) или Udemy (2009 год), но сочетание темы – «Искусственный интеллект» – и докладчика – лектора Стэнфордского университета – привлекло больше внимания, чем когда-либо ранее, курс «прослушало» 160 тыс. лиц. Через несколько месяцев Стэнфорд дал жизнь платформам Udacity и Coursera, а Гарвард и Массачусетский технологический институт – курсам edX. MOOC изменили восприятие образования в режиме онлайн: благодаря наличию курсов от ведущих мировых университетов эта отрасль получила доверие в целом.
С тех пор массовые онлайн-курсы используют дома, в школах, в вузах и в компаниях, чтобы быстро повысить квалификацию слушателей. Одновременно возникла параллельная, но вполне связанная тенденция – концепция необходимости «обучения в течение всей жизни», основанной на простой логике: быстрые технологические изменения постоянно создавать новые инструменты (например, аналитику), новые бизнес-процессы (например, услуги в «облаке») и новые отрасли (как вот Airbnb – онлайн-сервис размещения, поиска и краткосрочной аренды жилья по всему миру, что работает за парадигмой экономики совместного участия), поэтому людям необходимо продолжать учиться, чтобы оставаться в курсе событий.
Эти две тенденции усиливали друг друга, и до 2017 года более чем 58 млн человек прослушали более 7 тыс. массовых онлайн-курсов. В условиях слияния этих двух тенденций вопрос «Что можно изучить на онлайн-курсах?» превратился в вопрос «Что надо изучить на онлайн-курсах?».
Как слушатель понимает, что нужно изучить, и как это найти?
Учебные платформы в основном используют три варианта решения этой задачи:
1. Для пользователей, которые просто заинтересованы образованием, но не могут выбрать, что именно им необходимо, учебные платформы и учебные агрегаторы, такие как Class Centre, используют сортировку курсов по популярности и рейтингу, так же, как это делается на любых сайтах покупок онлайн: «самые Популярные курсы», «Курсы с самым высоким рейтингом». Для учебных платформ, как и для многих других, эти рекомендации легко создать с помощью базовых алгоритмов кластеризации активности пользователей. Социальные методы выявления – простые и долговечные, поскольку людям свойственно действовать так, как действуют другие.
2. Для учащихся с более конкретными учебными целями процесс становится интереснее. Платформа Coursera использует машинное обучение для анализа контента курсов, выделяя навыки и темы. Если слушатель хочет узнать о «модели Маркова», он может ввести этот запрос в строке поиска и найти курсы, в которых упоминается это понятие. Может показаться, что этот процесс является просто точным поиском, но на самом деле это начало более глубокого уровня конкретики для учащихся. Coursera еще не дает слушателям возможность просто изучить единую концепцию вне контекста курса, и, возможно, это им и не нужно: ученики могут хотеть, чтобы их направили на то, что важно изучить с точки зрения педагога.
3. Для тех, кто точно знает свою профессиональную цель, но которых не интересует стандартный полный процесс развития навыков или углубленного концептуального понимания, решения задачи предлагает LinkedIn. Например, если человек подает заявку на работу, но между резюме кандидата и описанием должностных обязанностей существуют пробелы, возможно, у человека нет опыта финансового моделирования, LinkedIn может предложить свои курсы в LinkedIn Learning, чтобы подготовить кандидата к этой работе.
Больше данных, более личный подход
Будущее онлайн обучение – это больше персонализации, больше данных про учебный процесс каждого отдельного слушателя, более качественные данные о способности к трудоустройству и соотношение между ключевыми навыками и знаниями и успешными результатами обучения. Предметы курсов будут разделяться на много концептуальных кластеров, чтобы увеличить вероятность того, что рекомендация будет актуальна для ученика. История обучения, данные файлов cookie, данные личной учетной записи, данные работы позволят платформам предоставлять более точные рекомендации. То есть сбор информации приведет к улучшенной форме поиска, которая предоставит пользователям курс, который они хотят прослушать, даже если в процессе поиска они сами не совсем понимали, что им необходимо. Рассмотрите работу поисковой системы Google, когда она пытается понять, что имеет в виду пользователь (даже если пользователь сам точно не осознает, что ему надо). Если пользователь ищет на платформе MOOC «разработчик», система «понимает», что пользователь – новичок, и предлагает ему курс «Введение в JavaScript», объясняя, почему этот курс важен и обязателен в этом случае.
А что наличие большего объема данных будет означать для работы в стиле LinkedIn? Ресурс может совмещать глобальные данные про профессионалов, чтобы сообщать пользователям свои рекомендации. Возможно, человек стремится поменять работу? LinkedIn может знать, какие именно навыки нужны профессионалу в области цифрового маркетинга сегодня лучше, чем сами профессионалы или компании, поскольку платформа заметила тенденцию в Кремниевой долине, которая еще не проявилась в Лондоне.
Больший объем данных – только начало. Данные должны быть убедительными. Одной из сфер деятельности может быть постоянное развитие адаптивных систем обучения, которые работают с алгоритмом рекомендаций. Адаптивные системы обучения (ALS, от англ. Adaptive learning systems) действуют, корректируя то, что пользователь изучает результаты его/ее работы. Если человек изучает вычисления, и у него возникли проблемы с дифференциалами, система может помочь такому ученику, вернув его к «прослушиванию» тех лекций, которые помогут вспомнить и понять ключевые концепции, знание которых не находится на должном уровне. Этот подход используется Академией Хана (Khan Academy) и хорошо работает, чтобы помочь учащимся осваивать структурированное содержание учебного материала. Поскольку функциональные возможности ALS в будущем будут встроены в онлайн-курсы, алгоритмы научатся выяснять сильные стороны пользователей и смогут предлагать навыки и профессии, которые используют такие сильные стороны, то есть работать, как инструмент диагностики.
Кто-то может прийти на онлайн-курсы с целью стать специалистом по аналитике данных, однако, окажется, что хотя человек хорошо умеет создавать хранилища данных, ему не хватает знаний статистических понятий. Платформа может порекомендовать такому пользователю больше курсов, связанных с хранением данных, и рекомендовать взамен стать техником по обработке данных. Если этот подход применит LinkedIn, ресурс сможет информировать своих пользователей о работе, которая им подходит, а также предлагать кандидатуры на вакантные позиции на основании сильных сторон и результатов обучения. Сегодня LinkedIn уже предлагает курсы, основываясь на анализе личных учетных записей. Алгоритмы еще не совершенны, но они улучшаются со временем и накоплением данных.
Траектории онлайн обучения
Уже сегодня платформа Coursera предлагает «траектории обучения» (Learning Paths), таким образом пытаясь приблизить свой продукт к профессиональных целей учащихся, направляя тех, кто знает, что именно хочет изучить, на необходимые курсы, а при отсутствии конкретной цели, платформа пытается проложить путь к овладению предметом. Траектории обучения выделяют серию курсов различных поставщиков МООС для достижения конечной цели, например, стать «специалистом по обработке и анализу данных» учить «Экономику».
Разработка лежит на двух «китах». Первым стало распределение учащихся на три основных типа:
- те, кто стремятся достичь новых уровней в своей карьере,
- те, кто ищет новую работу,
- те, кто учатся из любопытства.
Поэтому сначала платформа просит пользователей отнести себя к одной из этих трех категорий.
Второй «кит» – это поисковая лента, которая помогает обрести навыки. Эта функциональность не только упростило поиск необходимых курсов для пользователей (им не надо анализировать названия и описания курсов, чтобы понять, подходят они им или нет), а еще и дала возможность Coursera структурировать обучение на различных онлайн-курсах.
Чем руководствовалась платформа, разрабатывая свои траектории? Coursera ставила целью сосредоточить внимание на профессиональных учениках, поскольку у них уже был доход и неосуществимая потребность освоить новые навыки и предметы, чтобы подняться по карьерной лестнице, сменить работу или расширить круг знаний. Имея большой перечень курсов (включая углубленные специализации), Coursera уже удовлетворяла основные потребности этих пользователей, но, чтобы повысить прибыль, этих пользователей следует сохранить. Для этого платформе необходимо было изменить свои отношения с клиентом и превратиться из поставщика продукта (курс или специализация) на поставщика услуг, то есть стать незаменимым помощником ученика в профессиональном развитии или в поиске работы мечты.
Но траектории обучения – это только начало «протоптывания дорожки» в джунглях массовых онлайн-курсов. Учебные платформы должны иметь возможность пойти дальше, применяя маркетинговые методы, стимулируя поставщиков курсов. Платформы также могут перейти на индивидуальный уровень, зная, что у кого-то возникли сложности с математикой на предыдущем курсе, они бы могли предлагать прослушать основы математики до прослушивания курса «Аналитика данных». Тенденция развития учебных платформ – управлять спросом на свои услуги, удовлетворяя цели и намерения пользователя, даже если, возможно, он сам этого не знает.