教师这个行业，从诞生的那一刻起，无论我们怎么强调因材施教和个性化，都充斥着大量的重复劳动，很容易让老师感到工作的疲劳和职业发展的瓶颈，比如我们常说的传道、授业、解惑，重复度应该是授业>解惑>传道，区别老师高下的重要一点，也在于老师达到基本授课能力后，对独创性和个性化的探索。

对于老师工作的重复性，每个时期都提出了不同的解决方案，我们先简要分析一下过去和现在解决方案的优缺点，再讨论未来的无限可能性。（只想看我瞎想的同学和充满危机感的老师，可以直接跳到第三部分的未来）

一、过去——视频课程&早期公开课

视频课程和早期公开课有以下明显的优点：

1. 减少教师的授课重复度：一次制作无限次播放。

2. 学生可以自行调节学习进度，快进熟悉部分，重听陌生部分，视频中的教师可以被学生重复播放无数次，都保持耐心的讲解。

3.纸质材料虽然也具有以上优点，但视频更加形象、生动、趣味性强，有一定的实际课堂感觉。

早期的公开课让我们接触到了很多高等院校的精品课程，对拥有强烈学习意愿的同学有重大意义，但这些课程的效果真的有那么好吗？

我们看一下当时非常有名的哈佛公开课，Justice: What’s the Right Thing to Do?

桑德尔教授的课堂很吸引大家，一开始提出的很多场景和问题都非常具有吸引力，那大家学的怎么样呢？我们看看官方视频在Youtube上的播放量吧。

从第一节课的800万，到倒数第二节课的35万，最后一节课回涨到46万，下降到最早的1/20，到底是哪里出了问题？

因为视频课程和原始课堂相比，有以下几点明显问题：

1. 完全由学生掌控自己的学习进度，没有任何外界的限制条件，他律完全转变成了自律。

2. 学生对课程的疑问只能自己解决，并没有老师做针对性讲解，视频上的互动看似生动，但并没有扩展到看视频的人。

3. 即使学生认为自己对某部分的掌握很熟练，也不意味着其实真的没有问题，视频课没有搭配诊断手段来发现问题，而潜在问题可能在后期集中爆发，导致课程难度急剧增高，无法正常进行。

以上问题很明显需要更根本的改革，那我们看看现在网络课程的先行者Khan Academy走到了哪一步。

二、现在——Khan Academy 可汗学院

Khan Academy针对上面问题中做了以下几点改变：

1. 没有为了简单模仿课堂，做1小时或更长时间的视频，视频讲解通常是10分钟左右，一般不会超过20分钟，保证了短时的注意力集中，而且还有效切分了知识点。

2. 在学习之前有诊断测试，会根据测试给出学习建议，调整后续的学习计划，每个知识点后有测试检验，判断学生是否掌握，收集学生的数据，进一步做个性化安排。

3. Khan本人在TED演讲中提到Khan Academy也在和学校合作，把教师重复度最高的授课部分搬到了Khan网站，而把测试中发现的个性化问题留给教师诊断解决。

三、未来——混合现实+人工智能和教育的结合

我们先来区分一下以下三个概念：VR、AR、MR。

1. 虚拟现实VR（Virtual Reality）

把虚拟的图像呈现到我们面前，完全替换掉我们的周边现实，让我们以为自己置身于另一个世界。常见的游戏眼镜、头盔就是这个技术，比如索尼的VR游戏设备。

2. 增强现实AR（Augmented Reality）

把虚拟的物体叠加到真实的世界中，让你在真实世界的背景下，看到虚拟的物体，比如最有名的游戏Pokemon Go，通过手机看到草坪上虚拟的皮卡丘。

3. 混合现实MR（Mixed Reality）

和增强现实相反，混合现实是把真实的物品放到虚拟世界中，进行展示，或进行更深度的数据处理，使现实和虚拟实现更强的互动。比如苹果的Animoji，就是MR最初级的应用，iPhone X通过前面的传感器（点阵投射器和红外镜头）获取人脸的3D信息，进行建模形成虚拟图像，然后可以用于叠加到虚拟的动物表情上。

当然，MR可不是这么简单的应用，回到教育上，我们可以想象的空间更加广阔了，我们可以先用增强现实把课堂视频直接叠加到学生面前的白板上，老师的3D形象可以用混合现实从录制原始视频的老师身上抽离，添加到任何一个学生感兴趣的形象上，你想要吴亦凡给你讲微积分？没问题，增强现实+人工智能+语音合成可以帮你做到。

回到互动上，学生手里的笔可以在白板上写写画画，笔的动作信号被感应器收集，通过混合现实转换为虚拟数据，就可以和虚拟视频中的任何一个元素互动，比如学生可以在解题过程中，直接标注哪一步是自己不熟悉的，而不用像以往的视频，必须要讲完一整个知识点切片，我们才能通过测试判断学生对它的掌握程度，学生到底哪不懂，我们可以在讲解过程中就收集数据，并对后续课程做出更合适的调整。

除了记录学生主动发出的动作，我们还可以记录学生在听课时的反应数据，比如学生的面部表情和肢体语言，哪里他不耐烦，哪里他皱眉了，通过对反应的数据积累，我们可以教会电脑如何察言观色，识别学生的微表情和微动作，这是一个经验老道的教师都未必能做好的，至少他不能兼顾每个学生，做出多种调整，他只能采取一种的折衷方式，来对待所有学生，我们通过数据分析，会比学生自己都清楚他哪里不会，哪里还需要加强和改善。

那如果上面的情况变为现实，老师会失业吗？

的确，很多时候，当我们把一个人从重复工作中解救出来的时候，也正是他失业的时候，比如机器人、机械臂，它们既让工厂实现了自动化生产，也让工人被解雇。

只是简单重复固有课程的老师当然会被淘汰，因为未来的混合现实教学比他强多了，比他有更强的生命力，即使一开始不如他，也会以疯狂的迭代速度超越他，让他失业。但愿意不断挑战自我边界的老师，在其他领域还是大有可为，比如以下几点：

1. 内容生产：叠加在虚拟形象上的视频需要教师录制，即使后期可以完全靠机器合成，也需要优质内容的生产者。

2. 个性答疑：当学生听讲时，如果有一个问题没有理解透彻，我们可以暂停讲解，或者在这个知识点讲解完成后，让真人教师无缝的衔接进来，做好更个性化的讲解补充，Khan Academy与学校合作也是为了完成这一点。

3. 优化调整：积累了学生的数据，我们就可以从大的教学框架到小的知识点拆分上，重新不断地优化迭代产品，比如一个知识点是否需要进一步拆分或合并，不同知识点直接的衔接顺序，都需要一个优秀的教师在后面调整。

4. 综合能力、创造性评估：之前提到的教学方式，多是以知识交付为结果的教学，但教学方式远不止这么一种，另一种重要的教学方式是以实现某项计划，解决某个实际问题为导向的任务类教学，这种教学的过程更需要学生以团体之力，完成某个创造性的作品，在这个过程中锻炼他们已经掌握知识点和能力，并在遇到的困难时查找解决方案，通过自身能力的提升来实现最终目标。这类教学的完成过程充满了创造性和不确定性，需要多个领域的重叠，人工智能如果要实现这种层面的评估是比较困难的，这时候，需要一个经验丰富的教师对整个过程进行监控、调整、优化、评估，他的作用是很难被替代的。

以上都是我们将来的发展方向，我们依然任重而道远，不变的是我们永远要不断成长蜕变。

尾巴

最后的最后，这算是我写的教育科幻小说？一天到晚白日做梦有意思吗？大概是因为我们无路可选，如果不在颠覆自己的道路上狂奔，就只能躺进被别人挖掘的坟墓吧。（这就是我的日常鸡血标题党文章）

参考及推荐阅读：

1. 得到专栏《全球创新260讲》

2. Sal Khan的两次TED演讲

www.ted.com/talks/salman_khan_let_s_use_video_to_reinvent_education

www.ted.com/talks/sal_khan_let_s_teach_for_mastery_not_test_scores

3. 可汗学院Khan Academy

www.khanacademy.org

4. 公开课Justice

墙外官网：justiceharvard.org

网易公开课：open.163.com/special/justice

王忠坤

666666666666666666666666666666666666666666666666666666666666666666666666666666

文末闲扯

前几天做了一个行为-基因关联分析的DNA检测，发现自己是天生长睡眠需求者。。。属于调查用户中最能睡的前5.89%，长睡不醒级别的，终于可以给起床困难症找到理由了。。。

其实在这个睡眠研究中，目前判断遗传因素只占30%，其他因素会起很大作用。

感兴趣的话，可以关注微信号“各色人类研究中心”，最后大家注意两点：基因解读行为，因为各种因素所限，只是认识自己的一个维度，大家适度使用就好；儿童不建议检测，可能会受结果暗示，应该有独立判断能力时自己决定是否检测。

666666666666666666666666666666666666666666666666666666666666666666666666666666

看在我每天克服自己生物本能，爬起来写文章的份上，大家点个赞吧，更欢迎留言讨论~