最近讀了 Teaching Machines: The History of Personalized Learning 一書 (MIT Press, Amazon)，作者是 Audrey Watters，一位在教育科技的論述中常有與眾不同論述的學者/作家。我這幾年三不五時會讀到她的著作，它們十分適合在感受到「科技將會翻轉教育！」的一頭熱時，澆下一勺冷水來回復理性。

這本書出版前我就充滿期待，而 Watters 也沒有讓我失望，讓我讀的過程中時不時寒毛直豎，再閤上書細想自己這幾年在教育科技上的心路歷程。

關於本書

Teaching Machines，如其標題，講的是用「教學機器」來實現個人化學習的歷史。過去十年來，世界上掀起了一陣看似新的熱潮，要將科技和 AI 帶入教學，實現個人化的學習。但在科技界興奮地主張將為教育帶來全新面貌的同時，這些論述和方法，其實大有先例，而且可以向過去追溯大約一百年。

遠在個人電腦時代來臨之前，就已有各種機械發明，能簡單的做出程序化的「教學」。最著名的，莫過於「行為主義」的代表心理學家，Skinner。Skinner 在 1950 左右的年代曾發明、試著推銷這種機器，讓 teaching machine 這類產品染上了濃厚的行為主義色彩。但，Skinner 不是唯一嘗試過的人，也不是第一人。向前追溯，早在 1920 年代，就有位名為 Sidney Pressey 的心理學教授便做出了這樣的機器。在這兩位名人以外，也還有其他人做了各種嘗試。

這本書裡描述了數十年間，學者們的論述，這些教學機器的性能，發明者、廠商、學校等等各界人物間的互動與角力。每一次嘗試總是遇到各種挑戰和阻力，最後以失敗告終。

Watters 做的研究鉅細靡遺，引用了大量當事人的書信和著作，來還原歷史原貌。雖然只是在敘述歷史事件，但如果你近年來有在追蹤教育科技的發展的話，也許也會和我一樣，讀得手中捏一把冷汗。因為，這些這些大多已作古的人所說的話、所做的事，都這麼熟悉，都帶來強烈的既視感。

百年之中，一次又一次地見到人們說：

• 教育長年一成不變，而現在，科技終於能完全改變學習的樣貌。
• 我們需要個人化學習，這些機器能讓每個學生用自己的步調學習。
• 用這些機器，學生可以遠比現在更輕鬆、更有效率地學會知識。
• 機器不是要取代老師！它們能輔助老師，省下時間做更有價值的教學。

他們主張，透過詳細拆解每個技能，依照學生的反應來調整下一個說明或練習題目，使用統計數據來改進教材，這些機器會為教育帶來前所未有的革新。

反之，批評者說，這些機器是在剝奪自由與創意，是把孩子們當成機器、實驗動物一般制約。

耐人尋味的是，每一波的「創新者」常常都不太記得前人做過的嘗試，就像今日的我們沒意識到自己所說的話、做的事是和過去的他們多麼相像。或者，我們會用方便自己論述的方式去解讀過去。書的開頭，Watters 拿了可汗學院的 Sal Khan 所做的 History of Education 開刀（她以前也有寫過一篇文章談這個影片），顯示教育科技界的人們常用偏頗的眼光來看過去，又多麼的健忘。的確，如今常有人批評現有教育是「工廠模式」，但越是對教育的歷史有所認識，就愈會覺得這種評價也許有失公平。過去百年的教育有著豐富多樣化的改革嘗試歷史，會有現在的樣貌也是其來有自。

當然，這一段段相似的故事，還是有不同的際遇。故事的走向會隨著大至戰爭、經濟和社會潮流，小至個人自尊心，被各種力量拉扯前進。書中佔了很大篇幅的 Skinner 是個個人色彩鮮明的人，他的各種事件也格外戲劇性。

對我來說，這些故事的吸引力除了本身的趣味，也在於它們是很有價值的參考。在二十一世紀嘗試用科技來個人化學習的我們，能從過去一百年的經驗學到什麼？過去的人是怎麼失敗的，我們是不是正在步其後塵？

我的旅程

對我來說，現在讀到這本書可以說是時機十分適切。

近十年前，我開始對教育科技起了興趣。那時可汗學院還新，臺灣有剛起步的均一平臺，Coursera 和 edX 等 MOOCs 喊著響亮的口號出世。我自己成了 MOOC 的受惠者，靠線上課程進入了程式工程的世界。

漸漸培養起技術能力的同時，我也日益熱衷於科技能如何輔助教育。這是「大數據」、數據科學如日中天的年代。既然數據這麼厲害，想必也能為教育帶來前所未有的進步吧！那時的確常見到這樣的論述。我也信了那些樂觀的預言，希望有一天能用自己的技術能力來幫忙推進這股創新潮流。

但在熱情之下，也有不少懷疑漸漸浮升。如果教育科技這麼好，為什麼教育界看起來並沒有多麼快速的在改變呢？有的時候，還會讀到像是 Watters 這類學者的「打臉文」，警告科技界不要太自以為是。我來回在對教育科技的熱情與質疑間徘徊。這次在讀 Teaching Machines 時，便清楚回憶起了那時的感受。

時間推進到大約四年前。這時的我仍覺得科技想必有辦法對教育帶來極大助益，但並不是純粹把科技丟進來，進步就會發生。至於要怎麼應用科技，才是「好」應用，才能最有效的幫助學習呢？我很懷疑我能憑自身之力找到好答案。這時，我聽說了 Learning Engineering，「學習工程」這個領域，也很幸運的得到機會，直接殺到 Carnegie Mellon University 去，投入了一年的時間來認識什麼是學習工程。

十年的心路歷程，讓我能夠以一個較平衡的角度來看 Teaching Machines。如果是幾年前的我，這本書可能會讓我對教育科技的信心大受打擊吧。但現在，我可以坦白的欽佩、感謝 Watters 為我們介紹這百年的歷史，讓我們引以為鑑，而且也感受到 Watters 看似相當嘲諷的文筆下，似乎也蘊含樂觀與期盼。

It’s Complicated

如果用科技來個人化學習的嘗試，像書裡所描述的，每一次都以慘敗收場，我們要怎麼看待近年來再度吹起的這股風潮呢？我們可以純粹相信有了更強大的電腦、AI，就會迎向不同的結局嗎？

現在的我會說：It’s complicated。

有多 complicated 呢？我們可以從許多不同面向，來看為何成敗難以定奪。我自己最近的讀物中，就剛好有幾個值得借用來思考這個問題。

一個是 Roediger 教授寫的 What Happened to Behaviorism。Teaching machine 和 Skinner、行為主義多少有些關係，而行為主義為主的教育並非我們所樂見。但行為主義現在怎麼了？有一種說法是它過時了，但另一種說法卻是它已經「驘」了！就如行為主義，以前的 teaching machines 也許看似是被淘汰了，但也有一種可能，是它們的精神早已遍及我們的教育系統中，被視為理所當然。

另外是 Dewey vs. Thorndike，或各種教育理念間的拉鋸。可以參考 Guzdial 教授寫的 Thorndike won. Dewey Lost: The Most Important 4 Words about the US Education System。Teaching machine 和任何方案一樣，都無法滿足所有人，有時更會受大環境的限制與影響。若要用科技實現個人化學習，能怎麼做、該怎麼做的衝突，也許可視為不同教育理念間的衝突所表現出來的一面。

再來是 Reich 教授的書，Failure to Disrupt。這本書裡講到，任一教育科技若想推廣開來，總會有數種基本難關阻擋。如今的網路和 AI 非常強大，有的難關變容易了，但有些卻更困難了。現代的 teaching machine 最終能為個人化學習帶來多少改變，仍要看是如何執行。

整體來說，我依然對於個人化學習的科技保持著審慎樂觀。何況在所有科技輔助教育的大題目下，個人化學習也只是許多可能性之一。隨著許多人的耕耘努力，我相信我們能找到各種好方法，漸漸把這些可能性化為現實。像是前面提到的 Learning Engineering，就是能妥善結合科技與學習的有力框架之一。

結語

Teaching Machines 是本有點小眾、會挑讀者的歷史故事書。我不會推薦給大部分的人，但自己相當喜歡。

如果你對現今的 Computer-Assisted Instruction (CAI)、Intelligent Tutoring Systems (ITS) 有所認識或很感興趣，或者剛好工作就與科技輔助個人化學習相關，那麼這本書提供了一般鮮少提及的時空背景，亦是一個反思自己理念的好機會。

在此之外，我想一般人只需要知道：有時科技界會被自己的力量沖昏頭，忘了過去人的經驗，以為自己做的是多麼空前的創新，卻不見得全然是那麼回事。所以聽到教育科技過於美好的論述時，我們不妨保持一點健康的懷疑態度。

最後想拋一個問題請大家一起思考。本書作者 Watters 似乎覺得，用「自動化」來「個人化」，及用「機械」來防止「機械化」，是很矛盾的。蒐集數據、歸納群體行為，本質上就與「個人化」背道而馳。你覺得呢？想用統計方法—像是取各種平均值—來實現個人化學習，是一種矛盾嗎？