金昆+趙以霞
摘 要:知識經濟時代背景下,知識更新周期縮短至2~3年。2015年,我國部署“大眾創業、萬眾創新”,中國科學院十三五規劃中要實現四個率先,要率先建成國家創新人才高地。人才是創業創新,推動科技發展最活躍的因素,如何發揮繼續教育與培訓在人才隊伍建設中的基礎性和戰略性作用?借鑒MOOC的模式,中科院在學習資源、平臺研發、機制等方面做出了探索,嘗試探索出符合科研人員需求的終身學習模式。
關鍵詞:繼續教育;在線學習;MOOC;智能推薦
中圖分類號:G726 文獻標識碼:A
一、終身學習的發展背景
(一)知識更新
信息通信技術帶來了人類知識更新速度的加速。聯合國教科文組織研究發現,知識更新周期越來越短,在18世紀時,知識更新周期為80~90年,19世紀到20世紀初,縮短為30年,上個世紀60~70年代,一般學科的知識更新周期為5~10年,而到了19世紀80~90年代,許多學科的知識更新周期縮短為5年,而進入21世紀時,許多學科的知識更新周期已縮短至2~3年。
(二)大眾創業、萬眾創新要求
2015年,我國提出部署“大眾創業、萬眾創新”。大眾創業、萬眾創新首先要解決的是育人問題,教育要為創業創新提供強有力的智力支撐和人才保證。
(三)院人才高地建設要求
中科院十三五發展規劃綱要指出要實現四個率先,包含率先建成國家創新人才高地。人才高地建設離不開人才培養。
(四)信息技術發展變革教育方式
第39次《中國互聯網絡發展狀況統計報告》指出,截至2016年12月,中國網民規模達7.31億,互聯網普及率為53.2%。中國手機網民規模達到6.95億。截至2016年12月,中國在線教育用戶規模達1.38億。
二、在線教育發展歷史
(一)起源與發展
1989年,美國鳳凰城大學開始推行在線學位計劃,1991年授予首批在線MBA學位。2002年,聯合國教科文組織提出開放教育資源,通過信息通信技術向教育者、學生、自學者提供的,基于非商業用途,可被自由免費查閱、參考或應用的各種教育類資源。發展歷程見圖1。
(二)OCW
美國麻省理工學院(MIT)自2001年起實施開放課件計劃 (Open Courseware)計劃,將學校開設的所有課件資料上網免費提供給世界各地的學習者。
(三)TED、微課與可汗學院
1.TED
TED誕生于1984年,每年3月,TED大會在美國召集眾多科學、設計、文學、音樂等領域的杰出人物,分享他們關于技術、社會、人的思考和探索。每一個TED 演講的時間通常都是18分鐘以內,從2006年起,TED演講的視頻被上傳到網上。
2.微課程
微課程是運用建構主義方法化成的、以在線學習或移動學習為目的的實際教學內容。微課的優點包括:隨時隨地網絡學習;內容少,效果立竿見影。微課的不足有:碎片化,不系統;不適合長期學校教學,可以作為教學輔助。
3.可汗學院
可汗學院是由孟加拉裔美國人薩爾曼?可汗創立的一家教育性非營利組織,主旨在于利用網絡影片進行免費授課,現有關于數學、歷史、金融、物理、化學、生物、天文學等科目的內容。
(四) MOOC
MOOC是一種針對于大眾人群的在線課堂,人們可以通過網絡來學習在線課堂。MOOC三要素包括課堂、平臺和機制模式。MOOC是遠程教育的最新發展,它是通過開放教育資源形式而發展來的。
(五)后MOOC時代
隨著M O O C的發展,越來越多的學習模式涌現出來,包括SPOC、Meta-MOOC、DLMOOC、MOOL(大眾開放在線實驗室)、PMOOC、MOOR等,不斷探索更加有效的在線學習模式。
三、符合科研人員的碎片化與系統化學習資源的探索
(一)滿足碎片化學習的微課資源研發
根據中科院開展的《中國科學院青年科技工作者思想狀況調查》數據,72%的科研人員每天工作在9小時以上。那么,如何利用信息化技術,解決科研人員的“工學矛盾”?如何充分利用科研人員上下班途中的碎片化時間,開展有效的學習?
經過調研,參考各類短視頻教育資源,如TED、可汗學院、MOOC等,中科院啟動了微課研發的探索。微課主要是針對中科院職工在科研和管理工作中遇到的難點、熱點問題,進行細致的解讀,時長不超過20分鐘,由一線科研、管理人員講解。中國科學院繼續教育網運行數據表明,微課模式受到歡迎,如李然的《宇宙的邊疆》微課,共有6725名職工選學。
為進一步滿足科研人員上下班途中的學習需求,開啟基于手機的離線學習,通過將微課視頻轉碼,并支持手機離線學習,節約用戶網絡流量。
(二)滿足系統化學習的精品長課設計
盡管微課能夠滿足職工的碎片化時間學習,但是由于知識內在的體系性,必須要構建知識體系的課程資源,以便與微課形成點面結合,既能啟發興趣,解決熱門問題,同時又能夠傳授系統的知識,學會學習方法。
通過頂層設計,以及依托成熟的培訓項目,逐步構建起精品長課程資源,促進全院資源共享。精品長課通常是針對某個領域主題,進行深入解讀,以在演播室拍攝和培訓現場錄制為主,后期為了便于職工快速了解長課知識組織體系,并能快速定位到所要查找的知識點,采取了三分屏課件的形式,并能支持手機端查看。如徐宗本院士的《大數據?大智慧——“大眾創業、萬眾創新”背景下的大數據產業》,有8323人選學。
(三)線下培訓資源的線上共享endprint
不同于各類在線教育資源及MOOC的是,各類線下培訓項目、學術交流、系列講座等是中科院繼續教育與培訓的重要組成部分。全院交叉領域的研究所對各類線下項目有共享需求,存在交流需求。因此,作為線上微課和精品長課的有力補充,線下培訓資源的共享也是中科院繼續教育與培訓工作之一。
通過各類頂層調研,初步實現了不同類別、不同來源、不同支持力度的各類培訓資源的全院共享。目前主要資源分類為培訓項目和學術報告,并對院級支持的培訓項目予以標識,便于全院職工參與。
四、管理與資源共享于一體的學習平臺
(一)管理平臺
繼續教育與培訓要滿足機構需求、崗位需求和個人需求。因此,學習平臺要能夠支持中科院的繼續教育業務管理。中科院繼續教育與培訓管理存在全院業務管理、分院管理、基地管理、研究所業務管理等。通過逐步的研究和應用優化,目前主要通過兩個維度,推進管理的標準化,一個是分類機構管理的標準化流程,一個是培訓項目的標準化實施流程。具體見圖2。
從機構角度劃分,包含全院宏觀管理、院級業務管理、機關培訓管理、分院培訓管理、研究所培訓管理、基地培訓管理。
從培訓業務角度劃分,包含需求、計劃、項目、通知、新聞、課件、教師、政策等。
共性的核心底層數據為組織機構管理、人員管理、角色管理和權限管理。
(二)全院資源共享平臺
針對中科院資源特點,對中科院資源進行了頂層梳理和統計,主要資源類別包括課件資源、培訓項目資源、教師資源。通過頂層分類,力圖將中科院的各類資源都能夠囊括進來。資源共享層次見圖3。
各類資源擁有共同的學科分類,目前主要采用教育的一級學科,外加黨建和其他,共十五個學科。
針對各院屬機構資源共享的需求,支持資源的自定義共享,包含不公開、部門共享、單位共享、全院共享,以及面向院外共享。
(三)統一的學習平臺
學習資源獲取的便捷性是影響用戶應用平臺的重要因素之一。中國科學院繼續教育網面向職工的學習服務,設計為登錄全院統一學習平臺入口,便于記憶。以學習者為中心的構架見圖4。
職工登陸平臺后,可以學習課件、報名參加培訓班、參與調查等。在學習課件和參加培訓班過程中,可以對課件或者培訓班打分、評論和交流。
每個用戶的培訓需求來自多個崗位要求,如來自部門要求、來自研究所要求、來自院里業務要求,因此在設計學習平臺時,需要充分考慮到用戶的各類角色,并支持各種角色下的學習資源切換,以滿足用戶需求。
(四)移動學習APP
隨著智能設備的發展,需要考慮滿足多終端的學習需求。因此,在PC web終端的基礎上,設計實現手機學習APP。APP界面參見圖5。
繼續教育與培訓APP的設計充分考慮智能終端的特點,分離了管理和學習功能。APP主要支持學習功能,包含用戶的離線學習、用戶參加培訓班的二維碼簽到、用戶外部學時的及時維護等。
培訓管理的功能基本通過電腦端操作,在APP上,管理員可查看頁面瀏覽數;發布培訓班二維碼、設置資源是否支持離線學習等。
五、2016年繼續教育與培訓數據
中國科學院繼續教育網自2015年10月試運行,2016年4月全面上線運行以來,初步積累了用戶的學習數據,共記錄了65,455名職工的學習數據,實際學時達到5,521,466小時,人均學時為84.3,有效總學時為5,066,943,人均達到77.4。
5,521,466學時主要由c a s m o o c在線學習(448,770學時)、外部網絡學習(118,295學時)、院內培訓(1,841,882學時)、院外培訓(2,551,149學時)、在職自學(222,186學時)和公派留學(339,184學時)構成。
2016年全院執行5557條培訓計劃,上傳可用課件470個,時長1053.5小時。
2016年,全院職工填報250,261條外部學習數據,包含外部培訓項目、外部網絡學習等。
通過上述數據分析,可以看出中科院職工培訓特點和需求:在線學習方面,以院內為主,因此需要加強院資源建設;外部網絡學習是有力的組成部分,因此在平臺開發方面,需要考慮開放教育資源的融合,以方便用戶學習;院內培訓與院外培訓學時是主要構成部分,如何發揮好這些資源的共享,是進一步需要考慮的問題。
六、機制
無論采用何種方式開展繼續教育與培訓工作,都需要一定的機制保障。借鑒MOOC的運作模式與機制,中科院在推進利用信息技術提升繼續教育與培訓效果效率方面,制定了相應的政策,并開展了相應的評估工作。
(一)學時登記管理辦法
依據《干部教育培訓工作條例(試行)》、《2013-2017年全國干部教育培訓規劃》、人社部25號令《專業技術人員繼續教育規定》,延續中科院《全員能力提升計劃》,2016年3月,人事局發布了《中國科學院繼續教育與培訓學時登記管理辦法》,對于全院職工學時的記錄提出了明確的要求。除了在時長要求外,對于維護方式、維護內容都做了清晰的規定。
通過2016年的實踐,該辦法很好地推進了全院的繼續教育與培訓工作,人均有效學時達到了77.4小時,并為每位職工建立了學習檔案,記錄了全部過程的學習數據。endprint
(二)信息化評估
為推進全院信息化工作,院網信處開展了信息化評估工作,并為此制定了院繼續教育網運行考核指標,主要包括職工登陸學習平臺的參與率、職工人均100學時完成率、培訓計劃與實施率、課件資源共享數等。
2016年的評估數據顯示,2016年度各院屬單位在院繼續教育網上的人均學時在100小時及以上的單位共有47家,完成率(每人達到100小時)達到100%的單位共有9家。人均學時超過100小時且完成率達100%的單位包括心理所、自然科學史研究所、地理資源所等在內的9家單位。
通過全院信息化評估和排名,能夠有利地從組織管理的角度予以保障。
七、未來智慧繼續教育的展望
信息化支撐體系是中科院繼續教育工作的有機組成部分,通過利用信息技術支撐政策體系、實施體系、項目體系、評估體系、保障體系和資源體系。
隨著信息技術、AI的發展,中科院繼續教育信息化也要不斷加強,服務中科院人才高地建設,建成“人人皆學”“處處能學”“時時可學”智能化學習環境,落實全院繼續教育與培訓管理要求,通過服務落實管理。
“十三五”期間,院繼續教育網將重點在資源層面、平臺層面、機制模式層面推進,以建成好用、管用、愛用的學習平臺。
(一)深化資源共享與描述
依據2016年學習數據分析,十三五期間,將在建設中科院優質典型資源的基礎上,帶動全院研發并充分整合外部開放教育資源,達到極大豐富資源的目的。基于資源豐富學習模式的架構圖見圖6。
對資源進行深度描述,利用知識圖譜、本體等手段,貫通資源,在語義層面上實現整合,以便能夠更好地針對職工的需求。
(二)構建社交化的活躍學習平臺
從研究所到實驗室,不斷精確學習主體,構建網上學習環境,引入積分、社交、直播等功能,營造良好的學習氛圍。智能推送示意圖見圖7。
構建起崗位化課程體系、選修課程體系,通過學習大數據,為用戶建立模型。
采用多種算法,實現智能學習資源推薦,提升用戶的學習體驗。
(三)機制與模式
在已有國家和中科院政策基礎上,構建起師資隊伍,專家隊伍、用戶隊伍,以用戶為抓手,推動院繼續教育網的深度應用。
(四)面向社會樹立品牌
以院繼續教育網為基礎,通過各類院級繼續教育基地和國家級專業技術人員繼續教育基地,面向社會共享資源,樹立中科院繼續教育與培訓品牌。
參考文獻
[1]A Framework to Provide Personalization in Learning Management Systems through a Recommender System Approach. Hazra Imran, Quang Hoang, TingWen Chang, Kinshuk, and Sabine Graf,2014.
[2]A Survey on Linked Data and the Social Web as Facilitators for TEL Recommender Systems.Stefan Dietze,Hendrik Drachsler,and Daniela Giordano,2014.
[3]E-Learning Based on Metadata, Ontologies and Competence-Based Knowledge Space Theory.Dietrich Albert,Cord Hockemeyer,Michael D. Kickmeier-Rust,Alexander Nussbaumer,and Christina M.Steiner,2012.
[4]Creating Individualized Learning Paths for Self-regulated Online Learners:An Ontology-Driven Approach.Yu-Liang Chi,Tsang-Yao Chen,and Wan-Ting Tsai,2014.
[5]Web Metadata Extraction and Semantic Indexing for Learning Objects Extraction. John Atkinson,Andrea Gonzalez,Mauricio Munoz,and Hernan Astudillo,2013.
[6]A Framework for Linking Educational Medical Objects: Connecting Web2.0 and Traditional Education. Reem Qadan Al Fayez and Mike Joy,2014
[7]Content Independent Metadata Production as a Machine Learning Problem. Sahar Changuel and Nicolas Labroche,2012.endprint