曾经的大学授课，学生阅读教科书，教师阅读更多的书籍和更新的文献，因此教师在上课时会提供大量教科书中找不到的信息，特别是经过教师综合加工的信息。当然，也就是这些信息的存在，课堂传授成为学生获取信息和知识的重要理由。有些必修课，学生只能在规定时间、规定地点去听规定教师的课，一般不会有太多其他的选择。也因此，在大学听课对学生来说是一种“特权”：不是这个大学的学生，根本就听不到这样的课。

但是，随着信息技术的发展，知识获取的渠道正日益增加，传统的大学授课方式也越来越受到更多的挑战，甚至有些教师用战战兢兢来形容上课的心态。首先，教师所曾经拥有的一些信息优势越来越不明显，最新的知识几乎对大家都有平等获取的机会，因此只要学生乐意挖掘，最终总能找到问题的答案（如果不是未解之谜的话），更可能的情况是，学生在网上挖掘信息的能力总体上比大多数教师还强一些，那么教师上课讲什么呢。其次，新知识发展初期也同时带来了许多不确定性——导致一些争议性的话题，如果教师没有看到更全面的报道或者本身认识上的一些死角，在授课时可能就存在一些偏颇，而恰好如果有学生关注了另外的方面，就会对教师的讲解存疑。善于交流的学生可能会直接询问教师，或者直接拿出pad，找出根据给教师看，这样教师在认识的误区也就消失了，这是挺好的，但是还有一些不太善于交流的学生可能就用近乎嘲笑的方式压在心里。另外，大型开放式网络课程（MOOC）的出现，让大学授课的“特权”不复存在，学生对于同样课程的学习，有了更多的选择权，如果未来政策上允许，考没有考上大学，在哪个学校读大学，对于获取知识本身来说并没有什么差别了。因此，传统授课方式越来越不受到同学们的待见，学生听课的热情越来越低，同时也影响教师授课的热情。

我现在也常常思考这些问题，未来上课的功能究竟是什么？现在大学还有没有必要用这么多课时集体授课？如果是固定的、系统的知识，是否有必要再在课堂上重复讲授？我想到了“探究式学习”。按照百度百科的解释，“探究式学习”是指从学科领域或现实生活中选择和确立主题，在教学中创设类似于学术研究的情境，学生通过独立自主地发现问题、实验、操作、调查、收集与处理信息、表达与交流等探索活动，获得知识，培养能力，发展情感与态度，特别是发展探索精神与创新能力。它倡导学生的主动参与。探究式学习是一种积极的学习过程，主要指的是学生在科学课中自己探索问题的学习方式。的确，直接告诉学生某问题的答案，不如让他们自己去寻找答案。但是，在具体采用这种教学方式中，也会碰到诸多问题。由于不同学生的知识结构不一样，对不同问题的理解方式也可能不同，兴趣的差异就更大，那么给学生拟定一个探究性问题，采用同样的方式来观察、评判或者指导其后续探索过程，不一定是效果最佳的。因此，我觉得理想的方案应该是个性化的“探究式学习”。然而，更大的问题很快就会出现，那就是教师的负担一下子增加了。大学本科教学，一名教师可能要面对少则数十，多则数百的学生，即使采用MOOC方式，只是省去了一些重复集体授课的麻烦，但仍然面临无法进行个性化指导的矛盾，甚至批改作业也来不及，而批改作业本身可能也是重复性劳动，是否这些重复性劳动也能依靠电脑来代替呢？

昨天下午，我们许多老师在一起讨论一门全校大课的教学改革方案，顺便也交流了有关探究式学习的问题。晚上在家翻看一些文章，很巧正好看到了上周Science周刊上的一篇文章：Computer-Guided Inquiry to Improve Science Learning，感觉部分回答了上面的问题。

文章中参加探究活动的对象是在科学、技术、工程和数学（STEM）领域学习的学生。探究过程中，要求学生根据探究主题进行调研活动、收集数据、评判所获得的证据，并通过制作精致的图形或撰写完整的文章来解释复杂现象，这与大多数探究式学习没有什么两样。不同的是，最后将采用新的数字学习工具，利用新的算法来自动评判学生所撰写的论文和绘制的图形，并提供个性化指导。参与探究的学生首先需要作一些预测，根据调查、自己的想象或观察中凝练出一些新想法，之后去寻找证据来证明他们的预测和想法，还要撰写文章进行解释。而正是在他们撰写这些解释之时，学生所学到的东西比传统教学测试中作一些选择题要多得多。另外，要求学生用可视化工具和图形来说明自己的创意也有非常好的效果，可以开发学生的空间思维能力。当学生通过分析材料进行解释时，他们被这个新领域的美妙所深深打动了。

文章认为，电脑技术的进步可以帮助补偿教师有限的时间和精力，用直接的、个性化的、基于电脑产生的指导可也以激励学生深化理解复杂的学习材料。而教师则可以查看电脑的自动评分来确定哪些是可以让他们继续开展下去的学生，并给予特定的知道。这些系统可以针对每个学生指派一些引导计划，甚至对不愿寻求帮助的学生也有很大作用。为了确保探究活动可产生新的见解，而不是错误或肤浅的猜想，有经验的教师会定期监控学生的进展，并提示学生是否走在正确的道路上。为了判定何种提示有助于学生探索一个复杂的问题，研究人员和教师分析了大量的学生论文或绘图，并尝试一些替代方法。可喜的是，基于网络探究的科学环境（WISE，Web-based Inquiry Science Environment）简化了这个分析过程，研究人员进行了一些简单的实验。研究人员记录了学生的想法，并给学生随机分配到不同形式的指导。实验结果表明，鼓励学生对预测和新证据进行区分方面的指导，有助于他们更好地将自己的想法整合到主题中。一旦学生的回应得到了有效指导，他们之间的联系就建立起来了。

类似WISE这样的环境能为学生的论文或设计图纸评分，并自动分配某种指导，可最终帮助学生对问题获得一致性的解释。文章还列举了教育考试服务中心(ETS)的“c-rater”工具，这是采用人类评价的响应来开发的一个自动评分系统。还有智能辅导系统Writing-Pal能分析写作质量，并推荐一些方案来改善文章的写作。注意，这个工具不是进行语法和文法检查，所以不是面向识别识别明显错误的，而是会提示“想一想你证据的质量”这样的建议。实验发现，学生使用Writing-Pal大大改善了他们的论文，有详述内容、完善的段落结构，会使用更精确的词汇等等。

类似AutoTutor这样的工具，会让学生与电脑进行对话，电脑一步一步指导学生解释他们的推理，最终解决一个问题。电脑会分析学生的解释，看是否有误解或错误的概念，并针对这些概念提出新问题，以便引导出更好的解释。从解决科学问题的角度来说，这种指导比学习如何写更好的文字要有效得多。虽然这种自动评分的应答系统必须针对个人量身定制的，但这个过程其实并不复杂，因为这些应答材料都是通过对近千条人工评分所提供的理想指导信息进行分析所获得的系统。

同样，人类对图形评判的记录也保存在数据库中，电脑通过分析这些记录，可生成一个系统对后续的学生绘图进行评分。ASSISTments是伍斯特工学院（WPI）的Neil Heffernan及其团队开发的在线智能辅导系统。这个网站最大的特色是收集学生的学习情况方面的精细数据，并以报告的形式呈现给教师，可让教师调整他们的教学过程，这就是所谓的“形成性评价”（formative assessment）吧。所以，这个网站在首页显示了其理念：当学生的工作能得到及时反馈，教师能根据数据进行指导时，学生的成绩就会提高（Student achievement increases when students get immediate feedback on their work and teachers drive their instruction based on data）。利用ASSISTments进行分析的研究人员发现，对这个系统熟练的学生可以利用他们所获得的建议解决数学问题。其实，这些建议本来就是专业教师所提出的，只不过电脑根据具体的场景进行选择和提供罢了。对这个系统不熟练的学生只能从自动化指导中受益，电脑会模拟专业教师提出一些问题但没有答案。此外，在学生使用Betty’s Brain时，如果他们接受概念化指导，会比给予明确的方向，更能构建一个精确的概念图。这就体现了指导的价值：鼓励学生们重新考虑他们的想法，而不是直接告诉他们正确的答案。