诺奖得主JamesJ.Heckman：儿童教育的“马太效应”

　　出品 AI英雄（公众号 smartman163）

　　作者 大头

　　编辑 定西

　　“儿童教育的马太效应的加剧”

　　James J。Heckman如此描述现在的儿童教育现状，他认为儿童的技能培养和最终的成功都是动态的发展历程，越早投入，在将来就会产生更大的效果，而后期对于某项技能的投入越大，可能效果会越弱。

　　他是微观计量经济学的开创者，因对分析选择性抽样的原理和方法所做出的发展和贡献，与丹尼尔·麦克法登一起荣获2000年诺贝尔经济学奖。

　　詹姆斯·赫克曼(JamesJ。Heckman)1944年生于美国伊利诺斯州的芝加哥，曾就读于科罗拉多学院数学系，1971年获普林斯顿大学经济系博士学位。曾在哥伦比亚大学、耶鲁大学、和芝加哥大学任教，2018年11月，获聘北京大学经济学院名誉教授。

　　在James J。Heckman看来，要打破魔咒，必须依靠人工智能的力量，在他的构想中，他所要达到的目标是通过可穿戴传感器以及声音识别装置，及时收集孩子的状态数据，将多个分散的因子进行系统整合，并进行实时的数据分析，从而帮助孩子寻找一个“最佳状态”，以达到“个性化”的效果。

　　学前教育中的马太效应：教育投资要趁早

　　谈及学前教育，James J。Heckman首先肯定了中国鼓励学前教育的这一做法，他认为这是一个非常聪明的发展策略，因为学前教育在人的一生中非常重要，关乎日后多种技能的发展水平高低。但他对比了中国在2000年和2016年的人口情况之后发现，在劳动力技能的增长当中我们遇到了非常多的挑战，因此我们也需要思考如何让劳动力的技能增长跟上中国的发展速度。

　　在这其中，学前教育是关键。

　　James J。Heckman从发达地区和农村地区人民的受教育程度的对比中，发现了关于儿童学前教育的两件事：一个是孩子会受到母亲教育程度的影响，而目前留守儿童的教育问题之所以很严重，很大程度上都是归因于此；而另一个要素儿童所处家庭的家境差距，尤其是三岁之前的家境，该层面将会对孩子综合能力的培养起到很大的作用。在现今社会中，我们不再只拘泥于关注孩子的智商或者成绩，我们更多的聚焦于孩子的综合能力，包括认知能力和其它的社交、情商方面的能力，而父母的认知水平、受教育程度等等都会对此产生影响。

　　他认为儿童的技能培养和最终的成功都是一个动态的发展历程，而在技能方面要尽早投入和投资，这些技能对这个孩子在将来人生的发展当中的历程起到至关重要的作用。通过对技术在孩子的技能形成当中的公式的解读，他提出：“每一个技术都是基于前一个技术基础上的，所以对技能的投资也是呈现累加的效果，呈现一个马太效应，越早投入，在将来就会产生更大的效果。这里还有一个相应的替代的因子，在早期投资和后期的投资会形成一个互补的作用。这样一个互补作用之间有相互的关系，能够形成很好的在早期和后期的互补。早期没有做到的，后期需要花费更大的代价去做到。而且在后期对于某项技能的投入越大，可能效果会越弱。”

　　但与此同时，这种新思路又向我们提出了一个新的挑战：如何利用前沿技术对孩子的技术能力进行具体的测量和分析？并以此去制定一个最优质的“投资计划”以帮助孩子创造自己的竞争优势？

　　能力数据测量的切入口：互动

　　为了能够更好地运用前沿技术将抽象的“能力”转换为可靠地、用以分析结果的数据，James J。Heckman也在探索这其中合适的切入口，并为此进行了大量的实践。

　　例如在甘肃和西藏两个地区所做的项目：其内容主要是观察在不同的家庭中，孩子和家长之间的互动方式。他们观察到这其中存在这一种模式：下一次的互动，会基于上一次互动中孩子的反应来进行。

　　“我们追踪了几个星期，通过一些叠加的数据，生成了一些模型，然后来评估孩子的认知能力和非认知能力的表现情况。因为这些都是以量化的方式呈现系统中，因此我们会通过数据清晰地看到孩子们的不同优势。同时我们也会去记录和关注引导者在整个互动的过程中的引导方式。”

　　James J。Heckman找到了一个切入口：互动。

　　他表示，大人和孩子之间的互动是至关重要的，我们要通过合理的评估标准去寻找合适的互动方式，并确保其可以行之有效。甚至更进一步的去探索和对比在孩子和父母的交互、孩子与孩子之间的交互、孩子和老师之间的交互中，哪一种是最高效、最成功的。

　　“要去了解哪些互动是好的，这是一个很大的挑战，也因此，我们需要持续地研究。”

　　定制“个性化”测量的关键：AI技术

　　“哪些特定的互动方式是可以帮助孩子更有效率地去提高他们的技能呢？”James J。Heckman向大家提出了这样一个问题，而这也是他后期研究的重点。

　　James J。Heckman的团队曾在上海做过一些研究，在该项目中，他们会在电脑上进行一些测试，但或许是因为研究对象不够广泛，以及他们选取的样本过于局限，因此他们的动态程度和综合程度并不够。且计算速度也相对较慢，跟不上数据更新的速度，通常是以一年为周期。

　　而在今天，特别是学术、教育方面的测试方式在理论层面有着很快速的进步，为研究团队提供了更多的测量工具：比如GRE、ETS等实验方式。同时，在研究过程中，团队会尽量地进行个性化、量身定制的可测量的学习，远离传统的考试。AI技术便在这其中起到了很大作用：

　　“一方面，在这个过程中，我们用人工智能的技术、机器学习来进行相应的个性化测试和辅导。去观察在每一个孩子的成长过程中，哪些技能可以提高他们的幸福指数及综合能力，甚至可以帮助他们能够很好地完成一些较为复杂的任务。

　　另一方面，在很多情况下，处于特别弱势的家长对互动的作用理解不够，从而会采用一些不当的互动方式。因此利用AI技术监测父母与孩子之间的互动关系是非常有必要的。这也是人工智能的作用所在。”

　　同时，James J。Heckman表示：由于要对互动的质量和数量都进行量化和分析，牵扯到多种前沿技术，因此这个过程中会面临极大的挑战。

　　值得一提的是，这种测量方法的最大优势在于它是实时的监测和测量，可以对老师和学生这两个对象都进行互动测量，且由于是个性化测量，可以排除一些主观的因素，能够获得关于孩子早期复杂综合能力的较为精准的数据。因此James J。Heckman坚信如果可以充分利用计算力和传感力等一些前沿的技术，我们就能更好地去了解双方之间的互动到底是怎样的，哪些互动能促进孩子能力的成长，并能够针对每个孩子的特点，量身定制适合他的互动方式。

　　James J。Heckman举了一个关于基于游戏化学习的例子，他认为可以通过前言技术工具对游戏进行赋能，比如语音识别、自然语言处理的技术的运用，可以帮助家长在孩子游戏的过程中能够更好的发现孩子的状态，并打造属于他的技能。除此之外，现在很多人也会用视频分析的方式，客观地分析孩子在家庭和课堂上是怎样的是如何与成年人进行互动的，并探索其影响因素。

　　在James J。Heckman的构想中，他所要达到的目标是通过一种可穿戴的传感器，以及一些声音识别装置、蓝牙等前言技术设，及时收集孩子的状态数据，将多个分散的因子进行系统整合，并进行实时的数据分析，甚至可以及时的做出一些游戏进度的调整，帮助孩子寻找一个“最佳状态”，切实达到“个性化”的效果。其中，James J。Heckman提到“孩子与父母的互动关系”是较为重要的分析点，因为良性的互动对孩子的成长来说有着很大的积极影响。

　　在美国，这样一种基于游戏化的学习越来越流行，他们会认为通过游戏使孩子能够轻松、主动的掌握一些先进技术和综合技能的教育方式是很成功的，不仅可以让孩子快乐学习，还可以实时获得教学过程中的一些反馈，让家长、老师可以及时调整与孩子的互动策略。

　　James J。Heckman也很开心的表示，现在有很多大型AI和技术的公司在做这方面的研究，比如芝加哥大学拥有一项可以通过跟踪教学数据库中大数据的技术，用以促进教师进行教学评估，并帮助他们进行教学策略的调整。

　　James J。Heckman坚信，AI技术会在这条探索之路上发挥极大的作用。