MOOC 的课程适用于/不适用于哪些领域,哪些科目的教学?

MOOC这种教学手段,适合/不适合那些领域的教学?例如: 按客户年龄段划分:企业培训、职业教育、留学教育、高等教育、K12教育、素质教育、学龄前教育; 按教学门类划分:管理类、技术类、语言类、职业技能类、兴趣类 举几个特例: 实操性非常强的科目,例如外科手术、护理等课程是否适合通过 MOOC 讲授?强调人与人互动的科目,例如领导力、谈判、沟通、销售技巧,是否适合通过MOOC讲授?“非碎片化”的课程,也就是说单个知识点…
关注者
256
被浏览
9167

15 个回答

好吧,原本觉得这个问题应该留给有丰富教学经验的老师们。不过既然被邀请了,我就说点我的感受。

首先我觉得这是一个非常好的问题。对于各种特点不同的课,现阶段MOOC确实不能面面俱到

我觉得适应什么样的课和难度无关。主要在于交互性,和实践性

MOOC天然的最适合计算机编程课程的学习,或者类似的操作计算机的课程。哈哈,有哪个人的编程不是通过计算机学的么?像Udacity这种连网页编程环境都弄好了的,直接在课上就能写代码,编译运行,还有更方便的吗?相比之下,坐在教室里听老师讲编程,实在是太不人道了!


对于需要做实验的,就比较麻烦了。


计算机硬件,电子电路这方面的实验确实有人试图搬上MOOC。MITx的电子电路就推出了网页仿真这个模块。用起来效果很赞,点点鼠标就能搭电路,查看结果。不过仿真嘛,终究不是实体。不如实验室能给人更真切的感受。也有老师推荐学生买一些电子电路器材自己搭相应电路的。我觉得为上个课就买写自己以后可能用不着的东西也有点浪费,要是能重复利用就好了。


电子电路方面的仿真可能还较方便。工业界使用的计算固体力学和计算流体力学则因为计算复杂度的关系可能更难搬上MOOC的环境。至少,在有限的将来,我觉得很难。


总之,对于牵涉到实验的,mooc总会显得力不从心。尽管我们有各种计算模型,有这样那样的仿真。即使都能搬到MOOC里,终究仿出来的只是数学模型。离实验室里动手操作,还有一段不小的距离。


题主说的实践环节,面临同样的问题。比如外科手术,护理。即便我们能给人体的各个器官都建好模型,你可以在电脑上随意折腾各个器官。等你毕业了到工作中,终究还是要面对一个个具体的人,一个个有喜怒哀乐的人。这对MOOC,实在是太难了。


对于强调与人沟通,与人互动的。似乎还有希望在MOOC里得到解决。现在已经有很多老师通过视频软件,召集讨论组。当然效果可能不如面对面交流,不过这种方式却能够实现跨地域,跨文化环境的交流,这也是传统环境不容易做到的。因此,对于这方面的课程,我是乐观的。只要解决一些大规模讨论的技术问题,MOOC也一定能在这种课程中获得较好的效果


题主所说“非碎片的”,我觉得时间并不是问题。我们有很多同学在MOOC里学到了理论性达到博士级别的课程,这个关键还在于你自己的决心。而关于难度较大的,理论性较强的课程。这方面MOOC有优势,也有劣势。我觉得很难简单说适合不适合。比如有一点优势是抽象概念的图形化。这里我可以给大家推荐一个网站:World Science U。从这个网站里大家就能看到,利用好计算机的图形化能力,能够给物理的教学带来多炫酷的效果。当然这个网站目前主要还是普及现代物理知识。但我觉得,对于理论性更强的,这种手段同样适用。而劣势还要回到沟通交流上来,与上面强调沟通交流的讨论不同,理论性强的沟通讨论可能更依赖于面对面的,小范围的深入交流。这里在线讨论可能还需要解决更多的问题。



以上所说的,都是依据目前的MOOC状况做的一些讨论。可能只对未来几年的情况有参考价值。更远的事情,科技的突进就不是我所能预料到的了。
通过这三年在coursera的二十多门课程的学习,我觉得目前的这种lecture、assignments和discussion的学习方式,只适合中低难度的课程。其中低难度课程,也是目前coursera的主流,中等难度的课程则需要学习者本人在该课程的领域有一定的积累,否则就已经会比较吃力了

主要的问题有两个: 时间反馈

MOOC的主要使用者都是业余时间,所以很难保持长期专一的投入,而这时某些高难度课程有所收获的基础,比如Probabilistic Graphical Models.
另外反馈也是一个问题,虽然MOOC已经比早期的网易公开课的反馈强了很多,但是遇到难度特别高的课程的时候还是会有些捉襟见肘,不懂的东西没法像在学校那样及时获得解答

另外,高难度课程无一例外的人数都特别少,这也是必然。

对于想通过MOOC方式来提升的同学,我的建议是只有两种东西适合你:
  1. 其他领域的入门课程,比如
  • 史记(一) 完全不一样的教学 有点说教
  • Model Thinking 模型思维
  • Introduction to Finance 这个其实不能算入门了,挺难
  • Social Network Analysis 社交网络学习入门
  • 本领域的中级课程,我是计算机的,比如
    • The Hardware/Software Interface CSAPP配套 实验很精彩
    • Algorithms I & Algorithms II assignments做的很爽
    • Discrete Optimization 较难
    • Functional Programming Principles in Scala 理解FP思想很好
    • Natural Language Processing
    • Machine Learning
    其他领域的中级课程会有很大压力,比如一般人文科生学The Hardware/Software Interface,绝对过不了第二周的实验就放弃了。本领域的低级课程没什么收获的。

    最后,不要贪多,注意收获而不是证书。