OMSCS CS6460 (Education Technology) Review and Tips
Юджин Ян (Ziyou Yan) делится отзывом о курсе CS6460 «Education Technology» в рамках программы OMSCS Georgia Tech, который он прошёл летом 2018 года и назвал одним из самых инновационных. У курса нет привычной структуры, лекций и списков чтения: всё строится вокруг крупного проекта, а знания студенты добывают сами по ходу работы — это подход «проектного конструкционизма». Можно выбрать один из треков: исследование, разработка или контент; автор выбрал контент и создал курс «Effective Data Science» на Udemy. Письменные работы составляют 40% оценки, проект — 45%, участие — 15%. Профессор David Joyner и ассистенты получили высокие оценки за поддержку. Автор отмечает, что узнал об онлайн-образовании (идеальная длина онлайн-лекции — шесть минут), теории обучения взрослых и съёмке видео: на двух с лишним часах лекций ушло 18–25 часов на съёмку и монтаж и ещё 80–100 часов на подготовку.
Обзор и советы по курсу OMSCS CS6460 (Education Technology)
Вам также может быть интересен этот OMSCS FAQ, который я написал после выпуска. Или посмотрите все материалы про OMSCS здесь: omscs.
Недавно я завершил курс OMSCS по образовательным технологиям и нашёл его одним из самых инновационных курсов, что я проходил. Здесь нет заранее заданной учебной программы и силлабуса, хотя доступно множество видео и материалов. У студентов есть автономия и свобода смотреть видео и материалы курса в любом порядке и в собственном темпе. Курс сосредоточен вокруг большого проекта, и студенты осваивают необходимые знания и навыки по мере продвижения по нему.
Вот мои мысли о курсе для тех, кто тоже подумывает записаться.
Зачем брать этот курс?
Один вопрос, который я задавал себе (и близким друзьям): «Что, по-твоему, нужнее всего человечеству?» Для Bill Gates это были персональные компьютеры. Для Elon Musk — стать многопланетным видом, а также чистый транспорт и энергия. Лично у меня цели не такие грандиозные — я считаю, что человечеству больше всего нужны здравоохранение и образование. Это убеждение, вместе с наличием таких факультативов, стало одной из ключевых причин, почему я записался в OMSCS. Поэтому я был в восторге, когда получил место на чрезвычайно популярном курсе по EdTech.
Существует множество восторженных отзывов о том, какой отличный преподаватель David Joyner. Его курсы (то есть взаимодействие человека и компьютера, ИИ на основе знаний и образовательные технологии) имеют прекрасные отзывы и известны своей строгостью и образовательной ценностью. Он также активный сторонник масштабирования образования (что, на мой взгляд, один из ключевых подходов к его улучшению). Вот его недавняя работа о масштабировании образования в области Computer Science.
Будучи живо заинтересованным в том, как я мог бы использовать технологии (и, возможно, data science) для улучшения образования и результатов обучения, я записался на курс летом 2018 года.
Каков курс на самом деле?
Если вы ищете традиционный курс уровня магистратуры, здесь вы его не найдёте. Здесь на удивление мало очевидной структуры и пошаговых инструкций. Для некоторых студентов это оказалось дезориентирующим (поначалу), и кто-то по пути терялся. Другие же находили структуру курса (стоп, разве вы не сказали, что структуры нет?) освежающей: она позволяла им эффективнее направлять своё внимание и усилия и узнавать больше.
Нет структуры? Что вы имеете в виду?
Для начала, здесь нет еженедельных лекций. Нет и еженедельного списка литературы. Уже с первой недели вас бросают на глубину. Ваше первое задание требует выбрать несколько интересных проектов из сотен и обсудить их в эссе. С первой же недели доступно богатое хранилище отобранных видео, статей и научных работ, и вы можете просмотреть их все на первой неделе — или ни одной к концу курса. Для некоторых студентов это может ощущаться как слишком много свободы и слегка ошеломлять.
В следующие несколько недель студентов просят подумать, какой трек они хотят выбрать — разработку, исследование или контент. Затем вы проводите обзор литературы по предложенному треку и теме, чтобы лучше понять прошлые и смежные работы и определить область своего вклада.
Лично у меня был некоторый опыт в исследованиях (в университете и на работе) и в разработке, но не так много в контенте. Поэтому я решил бросить себе вызов и взять трек контента, в итоге создав курс на Udemy — об этом подробнее позже.
В середине курса вы также получаете индивидуальный квалификационный вопрос от своего наставника. Он основан на предложенных вами треке и теме, а также на вашем обзоре литературы. И снова это подталкивает вас к дальнейшим исследованиям и изучению областей, о которых вы раньше не задумывались.
Вы уже видите закономерность?
Хотя традиционной структуры нет (например, еженедельных лекций и чтения), есть общая структура, которая ведёт студентов к обучению. Есть еженедельные задания, и чтобы их выполнить, вам придётся учиться самостоятельно. Эти еженедельные задания оформлены в виде коротких эссе, которые помогают документировать ваше обучение и прогресс. В процессе этих еженедельных письменных упражнений и создания финального результата вы узнаёте очень многое в очень узкой области — то есть всё, что нужно, чтобы сдать финальный проект.
Такой подход к (преподаванию и) обучению иногда называют проектным конструкционизмом, и он, как показано, очень помогает студентам учиться. Это тот же подход, который я применил для своего курса на Udemy.
Что касается самого проекта, студенты могут выбрать из нескольких треков ниже, каждый из которых по-своему интересен и сложен.
Исследование: определить явление для изучения, обычно включает сбор данных (например, опросы) и проверку гипотез с представлением результатов. Разработка: создание инструмента или приложения, которое решает нерешённую проблему в образовании или с его помощью. Контент: создание курса, который закрывает неудовлетворённую потребность (не покрытую существующими ресурсами), и его размещение.
Выбор темы проекта, к которой вы действительно неравнодушны, очень важен и поможет дотянуть до финиша. Было несколько моментов, когда я хотел всё бросить из-за выгорания от создания контента (то есть слайдов, сценариев, видео). Я также сомневался, окажется ли создаваемый мной контент действительно полезным, поскольку мне он казался прописной истиной. К счастью, благодаря теме, в которую я верил, а также давлению со стороны курса, мне удалось продержаться и опубликовать курс на Udemy.
Письменные работы (то есть задания, квалификационные вопросы, заявка, проверки статуса, финальная статья и т. д.) составляют 40% общей оценки, тогда как проект составил 45% (то есть финальный результат и промежуточные вехи). Участие в жизни класса составило оставшиеся 15% и зарабатывается через предоставление обратной связи на задания других студентов и активность на форумах.
Преподаватели на этом курсе были великолепны и стали ключевой причиной его успеха и эффективности. Профессор Joyner и ассистенты (TA) прекрасно помогали с направлением. Сам профессор Joyner был очень активен на форумах и отзывчив на важные вопросы. Ассистенты дали много полезных советов о том, как лучше структурировать наши статьи и проекты.
Чему я научился?
Поскольку моим треком был контент, обучение в основном было сосредоточено на онлайн-образовании и разработке курсов. Подчеркну: в этом и заключается прекрасная особенность курса — студенты могут выбрать сосредоточиться на своей теме очень глубоко, а не просто охватить вширь множество тем.
В рамках своего исследования существующего образования в области data science я обнаружил, что многие курсы сосредоточены исключительно на технических аспектах и пренебрегают другими навыками, которые ключевы для эффективности в data science.
Кроме того, я исследовал и многое узнал о теории обучения взрослых. Взрослые отличаются от традиционных студентов колледжей и имеют другие потребности. Поэтому образование для взрослых должно быть построено иначе.
Также я познакомился с созданием учебной программы для онлайн-обучения, которое сильно отличается от традиционных очных лекций. Например, тогда как традиционная лекция длится от одного до трёх часов, исследования показали, что идеальная длина онлайн-лекции — шесть минут.
Кроме того, мне пришлось быстро научиться эффективно снимать и монтировать видео для курса. На моё первое видео (длиной около пяти минут) ушло примерно 3 часа на съёмку и монтаж — это 36-кратный множитель по времени! В итоге я научился сокращать время на съёмку и монтаж примерно до 5–10-кратной длины опубликованного видео. Учитывая, что в общей сложности я выпустил более двух часов лекций, на съёмку и монтаж потребовалось от 18 до 25 часов. Исследование и создание планов курса, контента и т. д., а также настройка на Udemy заняли ещё 80–100 часов.
Наконец, и что я нашёл наиболее ценным, — это освежение навыков написания академической статьи. Хотя у меня был опыт написания академических работ ещё в университете, в последнее время я этим не занимался. Профессор Joyner и мой наставник-ассистент помогли советами о том, как написать строгую академическую статью. Неожиданно из всех оценок, что я получил, лучше всего я справился именно с письменной частью. Возможно, вся практика письма (например, этот сайт, прошлые статьи, рассылки на работе) окупилась. Я планирую вскоре представить статью на конференции по образованию.
Курс на Udemy: Effective Data Science
После месяцев напряжённого, упорного труда — вот моё детище, онлайн-курс об Effective Data Science.
Мой скромный курс на Udemy
Почему я создал этот курс?
Как руководитель направления data science, я часто получаю от других вопросы, связанные с data science. Через эти общения я понял, что существует серьёзное непонимание data science, особенно в том, как быть эффективным в этой области.
Есть представление, что нужны глубокие технические и программистские способности, математические навыки олимпиадного уровня и PhD — и что это гарантирует успех. Однако мой многолетний опыт, сначала как data scientist, а затем как руководителя направления data science, говорит об обратном. Я также взял интервью у множества экспертов — людей, которые занимают должности Chief Data Scientist, CTO, Head of Data, — и они не согласны с этим ошибочным представлением.
Хотя минимальный уровень технической компетентности необходим, за этим порогом более глубокие технические способности не имеют прямой или сильной корреляции с эффективностью.
Что же тогда важно?
Я обнаружил, что эффективные data scientist обладают схожим набором навыков, которые помогают им создавать влияние и достигать измеримых результатов. К сожалению, этим набором навыков часто пренебрегают как в традиционном образовании, так и в онлайн-курсах. Поэтому я решил создать этот курс об Effective Data Science.
Первым признаю, что курс получился не таким, как ожидалось. Я надеялся, что он будет энергичным и с юмором. Но вышло немного пресно — слайды и закадровый голос. Съёмка и правда отнимает очень много сил!
Одна идея — добавить интервью с отраслевыми экспертами в будущих версиях этого курса, а также добавить больше интерактивных активностей.
Если вам интересно попробовать курс, вы можете сделать это по этой ссылке, которая даёт доступ к курсу за 10% от первоначальной цены!
Что дальше?
Я надеюсь продолжить развивать уже созданный контент и делиться им как можно шире — возможно, через серию статей или короткую публикацию.
Кроме того, я планирую вскоре рассказать о своей статье о масштабировании образования в области data science на образовательной конференции.
Если этот материал оказался вам полезен, пожалуйста, ссылайтесь на эту заметку так:
Yan, Ziyou. (Aug 2018). OMSCS CS6460 (Education Technology) Review and Tips. eugeneyan.com. https://eugeneyan.com/writing/omscs-cs6460-education-technology/.
или
@article{yan2018edtech, title = {OMSCS CS6460 (Education Technology) Review and Tips}, author = {Yan, Ziyou}, journal = {eugeneyan.com}, year = {2018}, month = {Aug}, url = {https://eugeneyan.com/writing/omscs-cs6460-education-technology/} }
Присоединяйтесь к 11 800+ читателям, получающим обновления о machine learning, RecSys, LLM и инженерии.