살 칸의 실패: 만들면서 배우지만, 가르칠 때는 말로만 한다
Why Sal Khan't: On Learning by Making but Teaching by Telling
Khan Academy와 Khanmigo의 AI 튜터 혁명이 왜 실패했는지에 대한 분석. 살 칸은 자신의 학습 과정에서 적극적으로 탐구하고, 구성하고, 표현하고, 소통했지만, 학생들에게는 그 결과물인 비디오나 챗봇만 제공했다. 저자는 존 듀이의 네 가지 충동(탐구, 구성, 표현, 소통)을 인용하며, 학습의 동기는 목적과 만들기에서 비롯된다고 주장한다. 칸의 실패는 교육적 상상력의 부재이며, 기술과 내용 지식만으로는 부족하고 교육학적 지식이 필요하다는 점을 지적한다.
그는 목적지 없이 여정만 남겼다. 그리고 동기가 살아있는 곳, 목적이 살아있는 곳이 바로 여정이기 때문에, 학생들은 그 제안을 거절한 것이다.
HN 토론
120- skulk
전반적으로 저는 이 논지에 동의합니다. 하지만:
> 그럼 살 칸은 우리 아이가 어떻게 배우길 원할까?
> 비디오를 보는 것.
이 부분은 좀 너무 엄격하게 보는 것 같습니다. 저는 어린 나이에 살 칸의 초기 비디오(검은 펜으로 바꿔서 화면 전체에 낙서하듯 지우던 시절)로 수학을 많이 배웠고, 저자의 표현을 빌리자면 그것은 더 깊은 이해를 쌓기 위한 소화하기 쉬운 발판 역할을 했습니다. Khan Academy가 스스로 문제를 풀 필요를 없애주는 마법의 학습 자료라고 홍보한 적은 없다고 생각합니다.
- dctoedt
칸의 접근 방식에 대해 제가 아는 바로는, '플립드 러닝'[0]과 비슷한데, 이는 꽤 널리 받아들여지고 있습니다. 하버드 물리학 교수인 에릭 마주르가 개척했습니다.
(저는 플립드 러닝을 광범위하게 사용합니다. 하지만 법조계가 새로운 것을 열렬히 받아들이는 우리들이라서 </sarcasm>, 저는 이 방식을 '강화된 소크라테스식 방법'이라고 부릅니다. 소크라테스식 방법은 로스쿨에서 모두가 겪었던 것이니까요.)
수학과 공학 과목의 경우, 기본적인 플립드 러닝 방식은 웨스트포인트에서 150년 이상 사용되었습니다. 이른바 테이어 방법에서 학생들은 사전에 교과서를 공부한 다음, 수업 시간에 칠판에 문제를 풉니다. 강사는 칠판에서 칠판으로 이동하며 실시간으로 학생들을 지도합니다. [1]
(저도 계약서 작성 수업에서 거의 같은 방식으로 합니다. 소그룹으로 학생들은 온라인 화이트보드를 사용하여 초안 작성 연습을 합니다. 저는 노트북으로 조용히 지켜보며 필요할 때 개인적으로 코칭합니다.)
[0] https://bokcenter.harvard.edu/flipped-classrooms
[1] https://flippedlearning.org/syndicated/avoiding-flipped-lear...
- PostOnce
Khan Academy는 최근에 문제가 있습니다:
https://www.khanacademy.org/math/linear-algebra 같은 페이지에 가서 다음의 개수를 세어 보세요:
* 쿠키 배너
* 기부 요청 모달
* 계정 가입 위젯
* 레벨업 알림 게이미피케이션 모달
* 등등
그들의 주요 목표가 교육이라는 느낌이 들지 않고, 자선 단체 뒤의 관료주의에 연료를 공급하는 것이 주요 목표인 것처럼 느껴집니다.
- narmiouh
이 기사의 핵심 주장은 혼란의 순간에 피드백이 가능하기 때문에 라이브 강의가 비디오보다 낫다는 것 같습니다. 하지만 그것은 학생의 충동이 촉발되는지에 달려 있으며, 교사의 내용이 칸이나 다른 사람의 비디오만큼 철저하지 않은 경우에는 더 나은지, 어떤 경우에는 더 나쁠 수도 있다고 확신할 수 없습니다. 이러한 비디오는 전 세계 시청자의 피드백 덕분에 혼란스럽거나 불명확한 부분을 수정할 수 있기 때문입니다.
제 아이들을 통해 보는 교실에서, 교사는 대략 칸 비디오가 하는 것과 같은 일을 합니다: 교실 앞에서 풀이 과정을 안내하는 것입니다. 비디오가 "잠깐, 왜 그게 되는 거지?"라는 순간을 유발하지 못한다면, 같은 흐름을 따르는 교사도 저자가 주장하는 것과 똑같이 실패할 가능성이 높고, 직접 해보는 학습 기회를 놓칠 것입니다. 비디오는 실제로 학습자가 불명확한 부분이 있으면 돌아가서 내용을 검토할 수 있게 해주며, 비디오의 교사는 아니더라도 상호작용하는 AI 에이전트가 피드백 부분을 도울 수 있을 것입니다.
또한 이 글에서 AI 튜터링 루프가 실제로 어디에서 끊어지고 왜 사람들이 그것에 참여하지 못하는지, 그리고 그것을 그들의 얼굴에 들이대는 것이 효과가 없을 수도 있다는 것, 왜 그 규모의 개인화가 약속한 성과를 내지 못했는지에 대한 좋은 이론이 아직 없는 Khanmigo에 대해 계속 다루었으면 좋았을 것입니다.
또한 칸의 이름을 이용한 말장난에 기반한 제목이 어색한 프레임을 만들어내서, 이 글이 편향되지 않았을 수도 있다는 것을 알게 해줍니다.
- tbonza
약 10년 전 3-4년 동안 Khan Academy에서 3백만 포인트 이상을 획득한 사람으로서, 저는 제 경험에 매우 감사합니다. 가장 감사했던 점은 살이 미적분학의 몫의 법칙과 같은 공식을 음의 지수를 사용하여 거듭제곱 법칙에서 유도해내는 것이었습니다. 공식을 암기하는 대신 유도하는 것은 저에게 새로운 관점을 열어주었습니다.
이 기사는 제가 사용하지 않았고 제 경험의 일부가 아니었던 챗봇에 초점을 맞춘 것 같습니다. 당시 저는 Wolfram Alpha 구독이 있었는데, 중간 단계에서 막힐 때 유용했습니다.
좋은 질문을 하는 것에 대한 이 글의 높은 수준의 목표는 저에게 타당해 보이는 점을 제기합니다.
- wafflemaker
이 기사는 Khan Academy에서 수학이 가르쳐진 방식과 다른 것에 관한 것인가요?
저는 짧은 비디오(3-13분, 보통 5-8분)와 그 다음에 기술을 연습하여 이해하고 실수하지 않을 때까지 반복하는 연습 문제를 기억합니다. 완벽한 점수(실수 없음)를 받으면 조금 더 빨리 진행했습니다.
그것은 행동을 통한 학습 아닌가요, 아니면 제가 틀렸나요?
아니면 수학 외의 다른 과목에는 연습 문제가 없나요?
- vanderZwan
이 주제가 나올 때마다 저는 충분히 많은 사람들이 Audrey Watters의 "Teaching Machines: The History of Personalized Learning"이나 그녀의 블로그를 읽지 않았다는 점을 지적하고 싶어집니다. 그랬다면 우리는 같은 실수를 반복하지 않을지도 모릅니다.
[0] https://direct.mit.edu/books/book/5138/Teaching-MachinesThe-...
- ChaitanyaSai
Dan Meyer의 기사에 달았던 댓글이 여기에도 관련이 있습니다. (또한 다른 사람들이 여기서 지적하듯이, 비디오와 챗봇 사이에는 중요한 차이가 있습니다. 비디오는 당신의 인간적 관심사가 드러나기 때문에 영감을 줄 수 있습니다):
이것은 저에게 정말 공감이 됩니다. 저는 마이크로스쿨의 공동 창립자이자 신경과학자입니다. 그리고 이 두 가지가 놀라운 방식으로 많이 교차했습니다. 4년 동안 우리가 배운 큰 교훈은 학습이 의미가 있으려면 다음과 같은 진행이 있어야 한다는 것입니다: 의미, 동기, 메커니즘, 측정.
전통적인 학교 교육과 Khanmigo와 같은 전통적인 학교 교육을 돕기 위해 설계된 모든 것은 측정이라는 체계적인 중력에 굴복합니다 (우리는 그들이 무엇을 배우는지 알아야 합니다). 그리고 그로부터 표준화된 커리큘럼이 나오고, 보이는 것과 쉬운 것을 측정합니다. 왜냐하면 그것이 "수학적 사고"와 같은 것보다 더 쉽기 때문입니다. 그리고 메커니즘(구구단, 분수, 화학 이름 등)에 초점을 맞춥니다. 그리고 이렇게 함으로써 우리는 모든 의미를 빼내고 훈련에 집중합니다.
챗봇은 현재 설정된 방식으로는 실패할 수밖에 없습니다. 진입점이 메커니즘이기 때문입니다. "이 특정 이차 방정식을 어떻게 풀까?" 그것은 아이에게 의미 없는 질문입니다. 단순히 그들의 세계와 연결되지 않기 때문입니다. 우리는 그것으로 시작하여 소크라테스식으로 의미를 향해 나아갈 수 없습니다. 대신 의미와 이해가 가능한 세계를 제공하거나 구축해야 합니다. (이에 대해 여기에 썼습니다: https://blog.comini.in/p/ […]