הזכרון הקצר של התקשוב החינוכי

פעמים רבות בעבר קבלתי על כך שתחום התקשוב החינוכי סובל מהעדר הכרות עם ההיסטוריה של החינוך. אני כמובן רואה בכך פגם, אך לא פעם אני חש שעבור המחדשים הטכנולוגיים של היום זה סיבה לגאווה. הרי אם לא יודעים את ההיסטוריה אפשר לטעון עבור כל חידוש זעיר שהוא יחולל מהפכה בחינוך – ומהפכות תמיד זוכות לכותרות רבות וגדולות יותר מאשר התפתחות הדרגתית. ולפעמים זה לא רק העדר הכרות עם ההיסטוריה, ואפילו לא גישה מכוונת, אלא במה שנראה כמו שכחה מודעת של טענות שהושמעו רק לפני זמן קצר.

אפשר היה לזהות את הבעיה הזאת בדיון ציבורי שאורגן על ידי EdSurge לפני כשבוע בניו יורק. הדיון עסק בשאלה:

What Can Machine Learning Really Predict in Education?

חברי הפנל התייחסו לשאלה זאת מזוויות שונות. אנדרו ג’ונס, המזוהה כ-data scientist בחברת Knewton, למשל:

admitted that despite the hype, machine learning is still relatively limited in how it’s been applied, at least in the eyes of some users. “Most of what’s in the market now comes across as fancy homework or fancy textbooks,” said Jones. “To move beyond those labels is a much bigger challenge, one that we on the data science team worry about constantly. It’s the holy grail.”

לכאורה יש כאן אמירה מאד צנועה, מהסוג שאני בוודאי עשוי לכבד. הרי ג’ונס מודה שנכון להיום אנחנו עדיין רחוקים מהחזון של גיוס המידע על לומדים וניתוחו על ידי אלגוריתמים כדי לקדם לומדים. אבל מה שמוזר כאן הוא שלפני ארבע שנים חוסה פריירה (Jose Ferreira), מי שאז היה מנכ”ל Knewton, הכריז:

We literally know everything about what you know and how you learn best, everything.

ההכרזה הזאת, ועוד כמה התרברבויות די מדהימות, מופיעה בסרטון שהופץ על ידי המשרד לטכנולוגיה חינוכית של הממשל האמריקאי. פרירה כבר איננו ב-Knewton, אבל יש עדיין טעם לשאול מה קרה במהלך ארבע השנים האחרונות שהביאו לכך שעכשיו ג’ונס מדבר בצורה כל כך יותר צנועה, ואיננו מזכיר שרק לפני מעט שנים החברה שבה הוא עובד פחות או יותר טענה שהיא כבר פתרה את הבעיה שכעת נראית מאד רחוקה מפתרון.

גם ג’ון בהרנס (Behrens), סגן הנשיא לענייני מחשוב מתקדם ומדעי הדאטה בפירסון (Pearson) מצניע את היכולות של האלגוריתמים של החברה שלו. כבר מספר שנים נערכות תחרויות בין תוכנות ש-“קוראות” עבודות ונותן להם ציונים. וכבר שנים הזוכים בתחרויות האלו טוענים שהתוכנות שלהם משיגות את אותה איכות של קוראים אנושיים. אבל דבריו של בהרנס מסגירים מציאות אחרת:

Pearson’s Behrens thinks automated essay grading is one area that machine learning is starting to make progress. “In that space, we are mapping the features of essays against different labels of those essays,” he said.

אם די מזמן היו הצלחות בתחום, למה בהרנס טוען שרק עכשיו מתחילים לראות התקדמות? התשובה די פשוטה, אם כי גם טיפה מורכבת: הבודקים האנושיים שלרוב מולם התוכנות נמדדו לא היו מורים שהיו אמורים לבדוק את התוכן של חיבורי סטודנטים, אלא עובדים מזדמנים שעברו הכשרה קצרה כדי לקבל משכורת זעומה עבור עבודה קצרת טווח. גם הם וגם התוכנות לא הבינו, ולא התיימרו להבין, את התוכן. לאור זה אפשר להסיק שבהרנס כנראה חושב שעכשיו מתקרבים לכך שמחשבים באמת יבינו את התוכן של חיבורים שסטודנטים כותבים. לא ידוע לי על שום עדויות שיכולות לאמת טענה כזאת. אבל אם שמים הצידה את הספקות (הגדולים) שלי, אפשר להתרשם שההתלהבות המהוססת של בהרנס, כמו זאת של ג’ונס, מתעלמת מהיוהרה שרק לפני מספר שנים אפיינה את התחום.

גם ג’נל גרנט, המוגדרת בכתבה כמהנדסת תוכנה ומורה לשעבר, מעמידה ציפיות די מצומצמות. היא אומרת של-machine learning (לפי ויקיפדיה, “למידת מכונה”) דרך ארוכה עד שהיא תוכל להשפיע באופן משמעותי על עבודת המורה. גרנט מציבה רף די צנוע:

As a former classroom teacher herself, she said that one of the biggest areas where machine learning can be most useful is not at the student level, but by helping teachers cut down on time-consuming tasks, like organizing a classroom library by reading level.

גרנט מסבירה שדרוש למורה זמן רב כדי לארגן את הספרים בכיתה לפי רמת הקושי של הקריאה, והיה רצוי לאפשר לאלגוריתמים לעשות זאת. יתכן שהיא צודקת, אם כי נדמה לי שברוב בתי הספר הספרים שמגיעים לכיתה זו או אחרת כבר ממוינים לפי רמת הקושי. אני מניח שיזמים בתחום התקשוב החינוכי אינם מעוניינים במטלה כזאת והיו רואים בה זלזול ביכולות של הכלים שלהם. גרנט עצמה פחות או יותר מציינת זאת כאשר היא אומרת:

These [applications for machine learning] might seem small to a big company, but to an educator, it’s huge.

כמעט כתבתי שדבריה של גרנט מראים באופן הברור ביותר שהתקשוב החינוכי לא מילאה את הציפיות המוגזמות שיזמיה החדשים הבטיחו. למה “כמעט”? מפני שאל אסה (Al Essa), סגן הנשיא של ניתוח המידע ומחקר ופיתוח של ענף החינוך של McGraw-Hill, שם את דבריה של גרנט בכיס הקטן. באותה כתבה הוא מכריז:

Pretty much all edtech sucks. And machine learning is not going to improve edtech.

אני מודה, אני מקנא באסה. אני מניח שהוא מקבל משכורת מאד מכובדת, ובכל זאת הוא מוכן להודות שנכון לעכשיו התחום שעליו הוא מופקד די צולע (בלשון המעטה). אם McGraw Hill זקוק למישהו שיגיד את הדברים האלה אני מוכן לעשות זאת, ואני מוכן להסתפק בחצי מהמשכורת שלו.

אז איפה כל זה מעמיד אותנו? אולי אפשר היה לצפות שהעובדה שאנשי התקשוב החינוכי ש-EdSurge ריכז כדי לדון על המצב של machine learning סוף סוף מודים שהם עדיין רחוקים מאד מהיום שבו הכלים שלהם יישאו את הפרי המקווה תשמח אותי. הרי קצת צניעות בתחום תמיד עדיף על ההתרברבות שאליה התרגלנו. אבל למרבה הצער, על אף הנמכת הציפיות שאנחנו פוגשים במהלך הכתבה, איננו רואים שהאנשים האלה מקבלים על עצמם אחריות על ההבטחות, היומרות, או ההגזמות שקיבלנו מהם במהלך השנים האחרונות. עכשיו הם אומרים לנו שהדרך עוד ארוכה, והם כנראה מצפים שלא נזכור שרק לפני זמן קצר הם הכריזו שאו-טו-טו החזון יוגשם. לפני גל ההבטחות הבא חשוב שנגיד להם שאנחנו כן זוכרים.

3 תגובות בנושא “הזכרון הקצר של התקשוב החינוכי”

  1. כיף לקרוא!
    לזכות בהרנס יאמר שהוא לפחות הצביע על תחום שאם אכן יושג מה שמובטח (בחוסר אחריות) זו בהחלט תרומה מאוד נכבדה לחינוך, אחרים מנסים לפתור בצורה מדהימה בחכמתה דברים שלא יעלו ולא יורידו לאף אחד.

    1. גיל, תודה! ובכל זאת, הרשה לי להביע ספק בנוגע לכדאיות בקריאה אוטומטית (ובמתן ציון) של חיבורי סטודנטים, או לפחות למידה שהדבר באמת רצוי. אין ספק שהדבר יחסוך למרצים זמן, אבל הוא גם יפגע ביסוד חשוב מאד במלאכת הכתיבה: הרעיון שכותבים למישהו – אם לאדם אחד, ואם לקהל – שקורא את מה שאנחנו כותבים. נכון, על פי רוב סטודנטים כותבים היום כדי לקבל ציון, אבל אנחנו בכל זאת רוצים לחשוב שביסוד אותה כתיבה יש רצון להביע משהו, או לשכנע מישהו. כאשר מחליפים את האדם שבצד השני של הדיאלוג של הכתיבה במכונה אנחנו בעצם מבטלים את הסיבה לכתוב בכלל.

      1. ג’יי אני לגמרי מקבל את הספקנות שלך בעניין. עם זאת אני מסתכל על זה קצת אחרת ולכן מסיק שאולי בכל זאת מנגנון כזה עשוי להיות מועיל מאוד מאוד.
        – מנסיוני בהוראה זה לא ענין של לחסוך זמן מורה זה אלא לאפשר כתיבת עבודות שהיו פשוט לא נותנים אותן בגלל זמן המורה
        – הבדיקה היא מעין מנגנון אימון לתלמיד, מעין מערכת תומכת כתיבה ולא מערכת בודקת תלמיד.
        – מערכת כזו בודאי לא צריכה להיות תחליף השיח מורה-תלמיד היא צריכה לשמש כתמיכה בו ולצידו

להגיב על גיל עמית לבטל

האימייל לא יוצג באתר. שדות החובה מסומנים *