Organizace vysokoškolského kurzu o zpracování signálů

Pedagogika mě zajímá již velmi dlouho a řadu let jsem jako student, vzdělaný, ale zároveň šikanovaný a zdržovaný stávající organizací školství, přemýšlel, jak ji zlepšit. Poslední dobou dostávám stále častěji možnost vyzkoušet některé nápady v praxi. Konkrétně jsem letos na jaře dostal příležitost vyučovat kurz „Zpracování signálů“ na Vysoké škole polytechnické (SPBPU). Jeho organizace, zejména organizace reportingu, je prvním experimentem, jehož výsledky se mi zdají být poněkud úspěšné a v tomto článku chci hovořit o organizaci tohoto kurzu.

Stále nerozumím tomu, co by se mělo v kurzu s tímto názvem číst, ale obecně se jedná o kurz o tom, co a jak můžete automaticky dělat s obrázky, zvukem, textem, videem a dalšími příklady přírodních a uměle generované signály. Podle toho, co bylo čteno dříve a bylo by to nejužitečnější, se jedná o řešení problémů se sémantickou mezerou mezi vstupním signálem a tím, co z něj chce člověk pochopit. Tento článek není o náplni kurzu – i v ruštině je poměrně dost videozáznamů dobrých kurzů na podobná témata.

Ale pokud je obsah zajímavý

zde je alespoň v nejbližší době funkční odkaz na prezentace kurzů, které jsou umístěny na můj google disk. Většina toho, co je tam, je převzato z kurzů Antona Konushina, csc a různých internetových článků, které patří k těm nejrelevantnějším. Někde jsou však věci, u kterých jsem nenašel jasné popisy a snažil jsem se přijít na vlastní, někde jsou ruské popisy toho, co jsem mohl najít jen v angličtině - to platí zejména pro shlukování, např. k algoritmu mcl.

Osnova článku je přibližně následující: nejprve je stručně popsána organizace kurzu, kterou jsem si vybral, poté je zde příběh o problémech, které považuji za užitečné vyřešit, a poté o tom, jak jsem se o to snažil při čtení „signálu“ zpracování“ a jak hodnotím výsledky, jaké vidím problémy, jaké máte nápady na jejich řešení? To vše není nic jiného než mé myšlenky a nápady a velmi rád uvítám komentáře, námitky a další nápady! Navíc to vše bylo napsáno z velké části v naději, že obdržím vaše nápady a připomínky. Také snad tento text někomu pomůže najít zájem o kvalitní výuku, navzdory všemu, co se kolem něj děje.

Obecné schéma organizace kurzu

Kurz má dvě složky: teoretickou a praktickou. Obě části jsou velmi důležité: teoretická poskytuje velký přehled existujících algoritmů a nápady na jejich návrh pro řešení problémů se sémantickou mezerou; Praktická část by měla poskytnout alespoň nějaký přehled o existujících knihovnách a také trénovat dovednosti konstruovat vlastní algoritmy. V souladu s tím obě části vyžadovaly podávání zpráv, které stimulovaly jejich studium a určovaly hlavní linii práce studentů.

Teoretická část se jako obvykle skládala z přednášek. Po každé přednášce dostali studenti široký seznam otázek, které si o přednášce odnesli domů, skládající se jak z rutinních otázek o podrobnostech toho, co bylo řečeno, tak z kreativních otázek o tom, jak a v jakých případech by bylo možné určité vyprávěné myšlenky zlepšit a kde lze použít před tím, než požádáte studenty, aby přišli s vlastními otázkami podle přednášky (a můžete na ně také odpovědět). Všechny otázky byly zveřejněny v příspěvku ve skupině VKontakte, odpovědi bylo nutné napsat do komentářů: můžete buď odpovědět na otázku, která ještě nebyla nikým vznesena, nebo okomentovat / přidat k již existující odpovědi, včetně jedné vytvořené jiným studentem. Prostor pro kreativitu úzce související s tématem byl podle mého názoru obrovský!

Doplněním odpovědí na otázky mělo být pořadí: po uzávěrce mi měli studenti poslat e-mailem jména těch, kteří odpověděli, seřazení podle známek, které si zasloužili. Vítány byly i komentáře k žebříčku. Po tom všem jsem nakonec přidělil známky za přednášku. Na základě výsledků těchto bodů a řady dalších přínosů, včetně těch vycházejících z praktické části kurzu, byly přiděleny známky za semestr. Odpůrci a flákači by se mohli snažit zlepšit si známku na tvrdé zkoušce (použít se dá úplně cokoliv, ale striktně žádám o pochopení).

Obecné poselství teoretické části bylo asi takové: Snažím se dát šílené množství materiálu a doufám, že v něm všichni studenti najdou spoustu nového a užitečného. Zároveň po nich nevyžaduji, aby se ponořily do všeho, buď si mohou vybrat zajímavé/užitečné okamžiky pro sebe a ponořit se do nich hluboko, nebo udělat od všeho trochu. Zkoušku vnímám spíše jako trest pro ty, kteří v semestru dopadli špatně, než jako normu.

Praktická část se skládala z

• tři minilaboratoře, ve kterých studenti museli spustit hotový kód, který aktivně používal různé knihovny a vybrat data, na kterých fungoval dobře nebo špatně,
• seminární práce, ve které byli studenti povinni samostatně vyřešit problém se sémantickou mezerou. Mohli si vzít počáteční úkol buď z navržených, nebo si ho sami vybrat a souhlasit se mnou. Pak museli přijít s řešením, nakódovat ho, vidět, že to fungovalo napoprvé, fungovalo to špatně, a pak se je snažit vylepšit podle svých a mých rad. Ideálem by bylo dosáhnout opravdu dobré kvality, přesvědčit studenty, že i v této oblasti trpělivost a práce správným směrem všechno vybrousí, ale v to samozřejmě nelze vždy doufat.

To vše se muselo udělat pro úvěr. Kvalita práce a množství vynaloženého úsilí se mohou výrazně lišit. S větším úsilím bylo možné kromě přednášek získat více kreditů navíc.

Stalo se tak v jarním semestru 4. ročníku, kdy semestr kvůli pregraduálnímu studiu končí o něco více než měsíc dříve. To znamená, že jsem měl asi 10-11 týdnů.

Měl jsem i insidera v podobě sestry, která studovala v jedné ze dvou skupin, ze kterých jsem přednášel. Moje sestra mohla občas zastavit mé bláznivé nápady historkami o své vizi skutečné situace ve skupině a jejím pracovním vytížení v jiných předmětech. V kombinaci s úspěšným tématem kurzu osud skutečně přál experimentování více než kdy jindy!

Úvahy o problémech, které chcete vyřešit

V této části se snažím mluvit o problémech, jejichž úvahy mě přivedly k popsané struktuře kurzu. Tyto problémy souvisí především se dvěma skutečnostmi:

• Existují kreativní a aktivní studenti, kteří jsou schopni samostatně organizovat své studium směrem, který skutečně potřebují. Tím, že všechny tlačí na průměrnou úroveň, vytváří stávající vzdělávací systém na vysokých školách pro takové studenty často obtížné, nervózní a nesmyslné podmínky.
• Mnoho učitelů se bohužel o kvalitu své práce nezajímá. Často je tento nezájem důsledkem zklamání ze strany studentů. Ale špatná práce studentů nemůže být důsledkem špatné práce učitelů. Situace se může zlepšit, pokud z kvalitní práce budou mít prospěch i samotní učitelé, nejen studenti.

Problémů, které příliš nesouvisí ani s prvním, ani s druhým, je samozřejmě mnohem více. Co například dělat s těmi studenty, kteří nejsou schopni se sami zorganizovat? Nebo ti, kteří vypadají, že se snaží, ale stále nic neumí?

Problémy spojené se dvěma popsanými skutečnostmi jsem trpěl nejvíce a hodně jsem přemýšlel o jejich řešení. Zdá se mi, že zároveň existuje „stříbrná kulka“, která je řeší: pokud jsou chytří studenti v pohodlných podmínkách, mohou učitelům přinést velké výhody.

Motivace učitele

Začněme motivací učitele. Pro dobrý průběh je to samozřejmě nutné. Takže z výuky kurzu může učitel získat:

• Potěšení.
• Peníze. V našem případě jsou často symbolické. Navíc pro toho, kdo dobře učí v IT, jsou tyto peníze úplně směšné. Tito lidé si zpravidla v jiném zaměstnání vydělají nebo mohou vydělat mnohonásobně více. A rozhodně nemohou dobře učit jen kvůli platu.
• Pobídka je výrazně lepší ponořit se do materiálu. Měl jsem velké obavy o popularitu svých přednášek. A já jsem se, alespoň prozatím, velmi obával odsuzujících pohledů studentů a jejich negativního názoru: „tady je další, který nemá na práci nic jiného, ​​než nás nutit ztrácet čas nějakými nesmysly, které on sám nedokázal nebo neuměl nepovažuje za nutné se tím zabývat.“ .
• Výsledky ponoření studenta do materiálu. Lze vytvořit atmosféru, která studenty povzbudí k tomu, aby během přednášek kladli inteligentní otázky. Takové otázky mohou učiteli velmi pomoci: upozornit na některé chyby a nedostatky, povzbudit vás podívat se na věci z jiné perspektivy a možná vás i donutit pochopit něco nového.
• Je možné podněcovat studentské aktivity, které přesahují látku čtenou na přednáškách. Pak mohou nasbírat spoustu nových informací a produkovat výsledky alespoň v nějaké zpracované podobě. Ano, stále je těžké to pochopit a zkontrolovat později. Ale právě při takových kontrolách se člověku rozšiřují obzory. A je tu další bonus: pokud vám něco není jasné, můžete se někdy studenta zeptat, místo abyste na to přišli sami. Tato otázka také prověří, jak dobře student porozuměl.
• Školení komunikace s lidmi. Školení v hodnocení lidí, pochopení toho, co od nich lze očekávat, včetně závislosti na vlastních činech. Můžete se pokusit předem posoudit, který žák se s úkolem vyrovná dobře a včas, který špatně, který udělá, co je potřeba, ale velmi dlouho. Trénujte různé přístupy řízení (připomenutí atd.). Pochopte, jak je to snadné a jak přesně s vámi studenti (a pravděpodobně nejen oni) mohou manipulovat. Prostor pro experimentování je obrovský. Experimentální výsledky lze vidět poměrně rychle.
• Procvičte si kompetentní prezentaci myšlenek, přednáškové prezentace a další řečnické dovednosti. Trénink porozumění špatně formulovaným odpovědím a otázkám studentů (někdy se to všechno musí dělat za pochodu - můžete si natrénovat vlastní reakci).
• Výsledky testování jednoduchých nápadů v praxi rukama studentů. Užitečné mohou být výsledky testování vlastního nápadu i nápad, který studentovi přišel na mysl. Pokud najdete problém, který je pro studenta skutečně zajímavý, je vysoká pravděpodobnost, že student vytvoří dobré nápady a dobře je otestuje.
• 'Bezplatné' použití pro studenty k řešení jejich praktických problémů.

  Všeobecně se má za to, že z toho mají učitelé největší prospěch. Věřil jsem tomu poměrně dlouho, ale s každým dalším experimentem má víra v to klesá. Doposud jsem měl pouze jednoho studenta ze spolupráce, se kterým jsem nakonec dostal přesně to, co jsem chtěl, včas a opravdu jsem ušetřil čas. Tohoto studenta se mi asi podařilo naučit lépe než ostatní. Pravda, i zde se později v průběhu projektu ukázalo, že potřebuji řešení tohoto problému v trochu jiné podobě, ale to je určitě moje chyba.
  Všechny ostatní studenty, se kterými jsem se setkal, jsem musel neustále pronásledovat, připomínat jejich vědeckou práci a několikrát jim to samé vysvětlovat. Nakonec jsem od nich dostal něco velmi zvláštního a často ve chvíli, kdy jsem tento problém již vyřešil sám. Nechápu, jak je pro ně tento formát užitečný (zdá se, že něco trénují, ale nějak je to velmi nekvalitní). Mně tento proces zabírá spoustu nervů a času. Jediné plus: někdy mě během diskuzí upoutají některé detaily problému, kterých jsem si předtím nevšiml.

• Sláva, prestiž – s kvalitní výukou
• Viditelnost výsledků vaší činnosti a vděční studenti. Pravda, často je zde těžké pochopit pravdu, studenti jsou často vděční za špatné věci.
• Setkání s budoucími specialisty ve vašem oboru. Je lepší jim porozumět, pochopit, jak žije nová generace. Můžete zvýraznit ty, které se vám líbí, a poté vás pozvat do práce.

To je vše, co se mi podařilo nasbírat. Za sebe se snažím co nejjasněji porozumět tomu, co přesně kromě potěšení a prestiže od výuky kurzu očekávám. Jaké to musí být, abych byl ochoten za to zaplatit svým časem celý semestr? Bez tohoto pochopení je těžké uvěřit ve schopnost dobře vést kurz. Při promýšlení struktury kurzu je třeba vzít v úvahu vlastní motivaci.

Pohodlné podmínky pro pokročilé

Druhá část požadavků na strukturu kurzu je zaměřena na kreativní a aktivní studenty, kteří mají dobrou představu o tom, co potřebují. Navzdory tomu, že mnoho učitelů sebevědomě popírá i možnost existence takových studentů, na vyspělých univerzitách rozhodně existují. Do vyšších ročníků se jejich počet výrazně zvyšuje, zejména kvalitním tréninkem. A právě chytří studenti jsou nadějí naší vlasti a vědy.

Téměř na všech univerzitách není školení zdaleka tak efektivní, jak by mohlo být. Na přednáškách se studentům často říká něco, co může být zajímavé, ale zvláštní: je-li to nutné, je to v nějakém světě, který studenti ještě nedospěli k pochopení. Často se stává, že pokročilí studenti o těchto věcech již slyšeli nebo četli, pochopili je a pak zapomněli – nyní jsou nuceni poslouchat znovu. Často musí studenti dělat podivné praktické úkoly, které učitel vymyslel jen proto, že si myslel, že je potřeba žákům něco naložit. Pište a opravujte výkazy, které učitelé často napoprvé nepřijmou jen proto, že se jim to zdá nedůstojné a vy musíte alespoň něco naučit.

Pokud tohle všechno dopadne na lidi, kteří by jinak nic nedělali, asi to není nic špatného. Jak ukazuje praxe, na konci svého výcviku tito lidé něco chápou, většina z nich je docela vhodná pro práci ve své specializaci.

Stává se ale, že se takový systém aplikuje na pokročilé studenty, kteří již mají svůj vlastní plán činnosti, vlastní práci, své vlastní chápání toho, kam jít. Navíc je toto chápání obecně správné a dílo může být velmi populární, pokud je mírně opraveno. A tak jsou tito studenti bombardováni přednáškami s abstraktními teoretickými materiály, nedomyšlenými praktickými úkoly a zprávami, které je třeba donekonečna psát a opravovat. I když je to vše nutné, mnohem efektivnější je spojit to s vědeckými zájmy studenta. Aby pochopil, jak mu tyto informace pomohou v praxi.

V opačném případě, pokud žák nerozumí, naučí se jen malá část. A brzy se na něj zapomene, pokud nebude úzce využíván v jiných kurzech. Zůstane jen obecná představa. Stejně jako z nestěžejních, nezajímavých školních předmětů nebo od studentů, které nic nezajímá. Stále může existovat pochopení, kam jít, abyste to zjistili.

Ale získání těchto informací zabere studentům poměrně hodně osobního času. Mnoho pokročilých studentů by to mohlo dobře využít. Takoví lidé jsou připraveni vstřebávat potřebné znalosti téměř za chodu a s úžasnou efektivitou, zejména v seniorském věku.

Ano, možná váš kurz je přesně to, co pokročilému studentovi chybí. A on, chudák, nerozumí. Ale abstraktní teoretické přednášky mu pravděpodobně nepomohou. Pokud pochopíte podstatu nějaké práce, která ho zajímá, a poradíte mu, aby alespoň malý útržek vámi podaných znalostí uplatnil na správném místě, student to jistě pochopí a ocení. Zvláště pokud váš návrh na zlepšení pomůže dosáhnout kvalitativně lepšího výsledku.

Ve skutečnosti je samozřejmě vše poněkud složitější. Ne všechny užitečné znalosti lze uplatnit v oblasti, která studenta zajímá. Pak, zvláště pokud se tak stane v seniorském věku, by bylo dobré pokusit se pochopit, co je pro studenta užitečnější: dělat to, co považujete za nutné, nebo co on sám považuje za nutné pro sebe. A jednat podle toho.

V tomto kurzu jsem takový problém téměř neměl: kurz řešení problémů se sémantickou mezerou se mi zdá být všude použitelný a užitečný pro každého. V podstatě se jedná o kurz navrhování algoritmů a modelů ve složitých situacích. Myslím, že je užitečné, aby každý pochopil, že to existuje a jak to funguje, alespoň na nejvyšší úrovni. Kurz také dobře trénuje modelářské dovednosti a rozumný přístup k řešení mnoha problémů.

Mnohem víc jsem se bál říkat jen to, co už mnoho studentů ví. Nechtěl jsem je nutit řešit úkoly, které je nic nenaučí. Chtěl jsem, aby pokročilí studenti nebyli nuceni dělat úkoly na výstavu, jen aby prošli.

K tomu musíte rozumět dobrým studentům, rozumět tomu, co vědí a o co usilují. Popovídat si s nimi, zjistit jejich názory, podívat se na výsledky jejich práce a něco z nich pochopit. Ujistěte se, že se mě studenti nebojí. Na otázku jsme se nebáli odpovědět špatně. Nebáli se kritizovat moji linii.

Ale musíte být nejen ne děsiví, ale také nároční. I pokročilým studentům přiměřená náročnost pomáhá a buduje je. Čas vyhrazený pro dokončení úkolu vám pomůže pochopit, jakou cestu si vybrat, jak hluboko se ponořit a kdy požádat o pomoc. Požadavky na výsledky vám pomohou pochopit, na co se zaměřit. A vše organizuje, pomáhá stanovit priority mezi spoustou věcí, které se nahromadily.

Být nezastrašující a náročný není pro učitele zdaleka snadné. Zvláště pokud je studentů hodně. Pro lenochy je důležitější být náročný. S nimi budete mučeni, abyste byli spravedliví v každém konkrétním případě. Pro pokročilé studenty je tomu naopak. Tyranie učitelů se bojí podstatně více než ostatní. Protože mají v sázce více, více závisí na klasifikaci a sestupu. Hned první nerozumný požadavek vyvolává pochybnosti: „Je učitel rozumný? Bude adekvátně reagovat na mou kritiku?" Každá další pochybnost sílí, učitel se v očích studenta mění v šílence, který se potřebuje zalíbit, tráví co nejméně času.

Zdá se, že problém může vyřešit pouze rozumný a přísný systém hlášení. Předem promyšlené, které se během semestru nezmění. Dodržování tohoto systému by mělo být důležitější než názor učitele, bez ohledu na to, jak divně to může znít. To vyžaduje vysokou úroveň požadavků na racionalitu původního systému. Je jasné, že není možné předvídat vše a nechcete ztrácet čas. Proto je možné výslovně uvést hranice, za kterými učitel jedná dle vlastního uvážení. Laboratoř odeslaná po termínu bude například zkontrolována neznámo kdy a poté, co dvě laboratoře neodevzdají včas, mohou být důsledky nepředvídatelné. Pak, v závislosti na důvodech, které k tomu vedly, můžete buď omilostnit, nebo potrestat. Ale pokud to, co se dělá, splňuje požadavky, učitel musí udělat to, co slíbil.

Bylo tedy nutné přijít s pevným a rozumným systémem podávání zpráv. Musí být více loajální k rozumným studentům. Pozitivně zohlednila vše užitečné, co by mohlo napadnout a co by s kurzem souviselo. Ale nedala dobré známky za nic, ale povzbuzovala mě, abych dělal kvalitní práci.

Je také důležité, aby lidé systému hlášení důvěřovali a cítili se v něm dobře. Aby si student mohl dát na začátku semestru za úkol vše udělat, dostat známku a cítit se v klidu. Nebojte se, že si učitel uprostřed semestru pomyslí: „Dělá to příliš dobře. Pravděpodobně můžete zadat složitější úkoly a provést hodnocení na nich.“

Také, jak vyplývá z poslední části, systém hlášení by měl zohledňovat přání učitele. A ukázalo se, že mnohé z požadavků již byly zohledněny: shodovaly se s požadavky loajality k rozumným studentům a ke kvalitní práci. Pokud mohou pokročilí studenti volně klást otázky, budou se ptát i na to, co učitel neví. Pokud můžete jít nad rámec kurzu, vyjdou ven a najdou nové informace. Pokud rozumí tomu, co dělají a proč, budou to dělat efektivně. A informace o výsledcích takových experimentů přirozeně rozšiřují učitelovy obzory. Možná ne hned, ale dříve nebo později pro něj bude něco nového a užitečného.

Spokojený chytrý student znamená spokojený učitel!

Problémy s hodnocením

Systém odpovědnosti nemůže studenty motivovat bez rozumného hodnocení jejich výkonu. Jak na základě výsledků semestru posoudit, který žák si zaslouží vyšší známku a který nižší?

Naším nejčastěji používaným kritériem je známka ze zkoušky. Učitel se snaží prostřednictvím nějaké komunikace nebo z toho, co je napsáno, pochopit, jak dobře student rozumí tématu v době složení zkoušky. To je samo o sobě obtížné. Často žáci, kteří rozumí téměř všemu, ale jsou nesmělí a nemluví, dostávají nižší známky než žáci, kteří látku neznají, ale jsou vynalézaví a arogantní. Písemná zkouška snižuje množství drzosti, kterou může student použít. Interaktivita se ale ztrácí: nelze pochopit, zda student rozumí tomu, co nedokončil (a dokonce i tomu, co napsal). Dalším problémem je podvádění. Znám některé učitele pedagogiky, jejichž známky nepřímo korelovaly se znalostmi studentů: úkoly zahrnovaly šílené množství látky a ani ti, kteří se dobře připravili, je nedokázali složit s normální známkou. Ale ti, kteří podváděli, dostali 5 a učitel na jejich základě sebevědomě usoudil, že se to dá zvládnout – pokud jste byli připraveni.

Nápady na řešení těchto problémů existují. Ale i když lze tyto problémy vyřešit, stále nebude existovat způsob, jak posoudit zbytkové znalosti studenta.

Pravděpodobnost zvýšení množství zbytkových znalostí se zvyšuje, pokud jsou znalosti v hlavě studenta nejen v době zkoušky, ale i během většiny kurzu. A pokud budou znalosti podpořeny i praktickou činností, jistě to zůstane. Ukazuje se, že by bylo dobré hodnotit znalosti studenta několikrát za semestr. A na konci dát automatickou známku, pokud student během semestru odvedl dobrou práci. Tím se ale ztrácí celkový přehled o předmětu, který měl student v přípravě na zkoušku dostat.

Tím problémy nekončí: všichni studenti jsou jiní a stane se, že jednomu je něco zřejmé, zatímco jiný o tom musí dlouho přemýšlet. Snad je spravedlivé hodnotit nejen jejich výsledné znalosti, ale i množství vynaloženého úsilí? Jak je hodnotit? Co je lepší: přeceňovat studenta nebo podceňovat? Je vhodné při hodnocení studentů porovnávat jejich úroveň s úrovní skupiny/proudu? Na jednu stranu se zdá, že ano: pokud je problém s celým tokem, znamená to, že učitel odvedl špatnou práci. Na druhou stranu snížení laťky přispěje k poklesu úrovně studentů.

Existují systémy, ve kterých jsou studenti zpočátku umístěni do podmínek závislosti na ostatních studentech: například, jak tomu rozumím, v kurzu CSC na podobné téma jsou skóre všech studentů seskupena a student obdrží známku v souladu s ve kterém shluku je jeho skóre. Takové přístupy zvyšují konkurenceschopnost, ale vytvářejí nejistotu, která může studenty dále stresovat a může také bránit týmové práci.

Všechno to bylo tak normální a nedokázal jsem to promyslet. Jako člověku, který sám byl ještě nedávno studentem, se mi zdá, že jde především o to, aby si člověk tvrdou prací v semestru zajistil lepší známku – takovou, jakou chce. Mělo by existovat mnoho způsobů, jak získat toto hodnocení: pro praxi i pro teorii v různých formátech. Pokud je však kurz důležitý, je nutné, aby student získal dobrou známku pouze tehdy, pokud skutečně odvedl dobrou práci a udělal velký pokrok, nebo kurz zpočátku zná na úrovni učitele. To je zhruba ten druh systému, který jsem se snažil vymyslet.

Celkově jsem se snažil, aby byl kurz maximálně pohodlný a užitečný především pro pilné studenty. Od nich jsem očekával otázky a vzkazy, které posunou mé znalosti dále. Problém, jak nezapomenout na ostatní, byl ale samozřejmě také aktuální. Situace je zde velmi nepříznivá: Věděl jsem, že z mnoha důvodů přichází do 4. ročníku mnoho skupin ve velmi neuspořádaném stavu: většina studentů ještě dokončuje předchozí semestr; Jsou tací, kteří se už nedokážou přimět ve studiu udělat skoro nic včas a kterým to roky prošlo. Včasná zpětná vazba je pro učitele neuvěřitelně důležitá: svůj názor můžete včas změnit.

Podrobné schéma organizace kurzu

O možných vzorcích vykazování a chování učitele, které řeší výše uvedené problémy, jsem začal aktivně přemýšlet v 5. ročníku. Některé z nich jsem se již pokusil otestovat, ale bylo mnoho důvodů, proč jsem nemohl získat relevantní hodnocení. Vzhledem k tomu všemu jsem sestavil kurz a řeknu vám přesně, co se stalo.

První otázka: co od tohoto kurzu chci? V první řadě jsem měl zájem vyzkoušet své nápady v praxi a chtěl jsem, aby z nich vzešlo něco dobrého. Druhým nejdůležitějším argumentem bylo zlepšení vlastních znalostí, ale obecně se do určité míry splnily všechny výše uvedené cíle učitele, od potěšení po prestiž.

Také v souvislosti s cílem zlepšit znalosti bych si přál, aby se mě studenti nebáli, mohli se svobodně ptát a otevřeně vyjadřovat nespokojenost s tím, co se děje – to vše by pro mě bylo dobrou pobídkou. Chtěl jsem od nich také dostávat vědomosti – chtěl jsem je stimulovat ke kolektivnímu rozšiřování přijímaných informací a neomezovat rozsah jejich činnosti. Snažte se vyhnout bezmyšlenkovitému opakování jejich činností.

Vznikl tak nápad, že by studenti měli odpovídat na různé otázky o kurzu (včetně kreativních a těch, na které neznám odpovědi), vidět si navzájem odpovědi a doplňovat je. Ale neduplikujte – nemusím tak zjišťovat, kdo kopíroval a kdo ne, a pro studenty je to o důvod navíc, aby si rozšířili znalosti, překračovali to, co již bylo řečeno na přednášce a napsáno od spolužáků. Je také potřeba porozumět tomu, co napsali ti, kteří je předcházeli. To může také pomoci stimulovat včasné odpovědi: zpočátku je výběr možných otázek o něco větší.

Vznikla skupina VKontakte a po každé přednášce do ní byly vkládány očíslované otázky (asi 15, dost zdlouhavé). na které studenti odpovídali v komentářích a vzájemně se doplňovali.

Otázky byly hlavně:

• Zopakovat to, co bylo řečeno na přednášce. Někdy se odpověď na takovou otázku dala najít přímo v prezentaci přednášky, kterou studenti dostali po jejím přečtení.
• Vymyslet praktické příklady použití toho, co bylo řečeno.
• Identifikovat problémy nastolené v přednášce v popsaných algoritmech. A také promyslet algoritmy, které řeší problémy identifikované v přednášce. Bylo pochopitelné, že studenti mohou algoritmy buď čerpat z jiných zdrojů, nebo vymýšlet své vlastní.
• Vyhodnotit efektivitu popsaných algoritmů - včetně pro lepší pochopení samotných algoritmů.
• Porovnat algoritmy, které řeší podobné problémy.
• Na matematických důkazech některých použitých nebo příbuzných faktů (například konvoluční věta, Kotelnikovova věta).
  Nutno říci, že na přednáškách jsem o formálních důkazech téměř nemluvil, používal jsem spíše „praktické“ důkazy se spoustou aproximací a zjednodušení. Jednak proto, že já sám formální důkazy v praktickém životě příliš nepoužívám a v důsledku toho jim příliš nerozumím; za druhé se domnívám, že ve 4. ročníku by se měl klást hlavní důraz na praktické porozumění, a ne na teorii, bez které se dá obecně žít.
• Další důvod: přednáškové kurzy, které jsem na toto téma sledoval, hojně zásobené teoretickými a matematickými definicemi a důkazy, mi připadaly buď velmi těžké na pochopení všeho najednou, nebo obsahovaly příliš málo informací – ponořit se do nich nyní jako bych se zahrabával použije se něco, co sotva bude existovat.
• Osobní dojmy z kurzu a nápady na jeho vylepšení - po poslední přednášce.

Bylo také možné inteligentně shrnout odpovědi studentů a mé komentáře do jediného, ​​čitelného dokumentu – to bylo také hodnoceno. A samotný dokument by se následně hodil jak studentům, tak mně.

Hlavní otázka, která mě zmátla, byla: dobře, všem se to bude moc líbit a začnou opravdu hodně a dobře psát. Ale pak to všechno musí někdo zkontrolovat – mám na to dost času? Kromě těchto přednášek jsem měl hlavní zaměstnání, postgraduální studium + vědeckou práci, kterou jsem však tento semestr málem opustil. Zdálo se, že tento problém lze vyřešit schématem, které umožní alespoň část testování přenést z učitele na žáky. Kromě usnadnění práce učitele je to nepochybně užitečné i pro studenty: hledáním chyb a viděním jiného člověka často dochází k výrazně lepšímu porozumění. Někteří studenti mají navíc zájem o takovéto „ala learning“ aktivity.

V aktuálním případě jsem se spokojil s tím, že studenti seřadí výsledky:

existuje hypotéza, že pro studenty je snazší porovnávat dvě práce, než dávat konkrétní známky.

(ze studií online vzdělávání, např. Waters, A. E., Tinapple, D. a Baraniuk, R. G.: „BayesRank: A Bayesian Approach to Ranked Peer Grading“, 2015)

Žebříček by mi mohl hodně pomoci. V souladu s tím mi studenti po uzávěrce odpovědí museli zaslat seřazené seznamy svých kolegů a komentáře k těmto seznamům byly vítány. Na pořadí jsem v zásadě netrval, pouze doporučil, kdo cokoliv chtěl, mohl poslat. Na konci kurzu se ukázalo, že po úplném hodnocení byla nejčastější forma odpovědi top k, který napsal nejužitečnější odpovědi.

Sémantická organizace kurzu

Další důležitou částí byl sémantický obsah kurzu. Plán teoretické části kurzu byl následující:

1. Přednáška nula - úvod, o čem kurz je, jaký důraz budu klást + reportování (jeho pravidla jsou gigantická a strávil jsem o nich téměř polovinu přednášky)
2. 1-3 přednáška o tom, jak se obecně řešily problémy zpracování obrazu před příchodem strojového učení. Konvoluce pro hledání rozdílů v intenzitě a vyhlazování, rafinované, morfologické zpracování obrazu, prohlížení obrazů v různých prostorech (Fourierova transformace / wavelety), ransac, Hough / Rodinovy ​​transformace, detektory singulárních bodů, kapky, deskriptory, konstrukce rozpoznávacího algoritmu.
3. 2-3 přednášky (dle potřeby) o myšlenkách strojového učení, základních principech, jak pomáhá řešit problémy vynalezených algoritmů. Automatický výčet hodnot parametrů, podmínek, jejich sekvencí, co lze s daty dělat a čeho se obávat, které modely je lepší vzít za základ, redukce rozměrů, sítě aproximující data, shlukování. První část tohoto jsem plánoval povědět celkem rychle (nachází se i v jiných kurzech), o shlukování podrobněji (proč je nebezpečné je používat, jaký zvolit algoritmus a na co byste neměli zapomenout).
4. Přednášky, kde se probírají příklady skutečných problémů (minimálně rozpoznávání obličejů a zpracování video streamu a v závislosti na tom, kolik času je k dispozici, možná budou mít studenti nápady nebo touhu říct něco vlastního). Předpokládal se poloseminární formát, ve kterém se nejprve pokusíme nastolit problém, pak přinášíme nápady studentů těm, kteří jej řeší, pak přejdeme k metodám skutečně používaným a jimi dosud neuhádnutými. Například v úloze identifikace obličeje z obrázku se využívají myšlenky PCA a LDA (Fisher metrics), což je těžké alespoň na přednášce vymyslet.

Praktická část by měla ilustrovat některé aspekty teoretické části, uvést studenty do knihoven a přimět je k samostatnému řešení složitého problému. V souladu s tím existovaly tři mini-laboratoře, ve kterých jste museli vzít sadu hotových skriptů a spustit je, přičemž bylo možné dosáhnout různých cílů:

1. nainstalovat python, pycharm a různé knihovny. Spouštěcí skripty jsou nejjednodušší: načítání obrázků, jednoduché filtrování podle barev a umístění pixelů.
2. sada skript ilustrovala část toho, co bylo řečeno na přednáškách 1-3, studenti museli vybrat obrázky, na kterých by skripta fungovala dobře nebo špatně, a vysvětlit proč. Pravda, neměl jsem dost skriptů pro tuto laboratoř a ukázalo se, že jsou docela skromné.
3. pro strojové učení: Musel jsem si vybrat jednu ze dvou knihoven: catboost nebo tensorflow a podívat se, co dávají na jednoduchých úkolech (úkoly a datové sady byly převzaty ze vzorových knihoven téměř beze změn, také jsem neměl dost času). Nejprve jsem chtěl dát obě knihovny dohromady, ale pak se zdálo, že to může trvat příliš dlouho.
   Snažil jsem se vybrat všechny tři laboratoře tak, aby byly hotové za 3 hodiny – za jeden večer. Výsledkem laboratoře byly buď vybrané sady obrázků a výsledky práce na nich, nebo hodnoty parametrů knihovních funkcí ve skriptu. Všechny laboratoře byly povinné, ale to mohlo být provedeno buď efektivně, nebo špatně; za vysoce kvalitní dokončení a speciální úkoly pro laboratoře jste mohli získat další body, které zvýšily vaši známku za semestr.

Studenti si mohli sami vybrat obtížný úkol: vzít si například něco, co souvisí s jejich bakalářským titulem nebo prací, nebo z těch navržených. Bylo důležité, aby tento úkol byl úkol sémantické mezery. Bylo důležité, aby řešení problému nevyžadovalo velké množství programování. Obtížnost nebyla moc důležitá – věřil jsem, že výsledkem bude i špatný výsledek. Na úkolu bylo 5 etap práce, výsledky každé etapy bylo třeba se mnou dohodnout.

1. Výběr úkolu
2. Výběr dat: důležitá fáze, během níž se zpravidla vytváří mnohem realističtější představa o problému a rodí se hypotézy pro algoritmy, které jej řeší.
3. Sestavení první aproximace: algoritmu, který by problém alespoň nějak vyřešil, na kterém by se dalo stavět a dále jej vylepšovat.
4. Iterativní zlepšování řešení problému.
5. Neformální zpráva popisující výsledný algoritmus a úpravy algoritmu původního algoritmu, které byly provedeny za účelem jeho získání.

Samotný úkol, stejně jako minilaboratoře, byl povinný; za jeho kvalitní provedení bylo možné získat mnoho dalších bodů.

Asi týden před testem jsem přidal alternativní verzi úlohy, jejíž řešení mohlo počítat maximálně se 4k: Vezmu signál popsaný složitou matematickou funkcí a generuji pro studenty data pro trénink/testování. Jejich úkolem je signál čímkoli aproximovat. Vyhnou se tak kroku sběru dat a vyřeší umělý problém.

Třídění

Napsal jsem hodně o bodech výše, nyní je čas vysvětlit, co daly.

Bylo několik oblastí činnosti, za které bylo možné získat body. Na konci bylo skóre za všechny oblasti vynásobeno a zvýšeno na mocninu „1/<počet přednášek za semestr>“. Pokyny:

• Každá přednáška je samostatným směrem
• Minilaboratoře
• Velká (komplexní) laboratoř
• Organizační otázky

  To zahrnuje body za rady a práci, která pomáhá organizovat kurz, jako je objektivní poukázání na to, že něco chybí, něco se dělá špatně nebo se snaží přepsat popis hlášení, aby byl čitelnější. Počet bodů se lišil podle mého uvážení v závislosti na užitečnosti, relevanci, srozumitelnosti formulace atd.

• Vše ostatní, co souvisí s tématem kurzu

  například, pokud se student chce dotknout aspektu zpracování signálu, o kterém jsem nemluvil, body půjdou sem. Něčeho se můžete dotknout například tím, že si na toto téma připravíte fragment přednášky; podle kvality toho, co se udělalo a situace v čase, to mohu a nemusím povolit během přednášky, ale v každém případě dám alespoň nějaké body a napíšu nějaké připomínky, které se objeví - student bude mít příležitost k další iteraci, prohloubí své znalosti a přinese nové body.

  Zpočátku měl žák za každý směr 1 bod (aby při násobení rozhodně nevznikla 0). Další 1 bod jste mohli získat za příchod na přednášku (ve směru odpovídající této přednášce), nebylo to tak jednoduché - přednášky byly v 8 hodin. Nikdy jsem nebyl schopen systematizovat množství bodů, které jsem dostal za všechno ostatní, takže jsem si to nastavil podle vlastního uvážení a zjevně jsem často dělal chyby. Existoval pouze obecný obrázek, podle kterého student, který přednášce perfektně porozuměl, mohl získat 25 bodů, dobře srozumitelný - 10 bodů, snesitelně srozumitelný - 5 bodů a méně dostal ten, kdo udělal min. něco. Při hodnocení jsem se přirozeně mohl spolehnout jen na to, co student napsal, i když častěji mohl být líný nebo něco jiného, ​​v důsledku čehož se ke mně jeho skutečné znalosti nedostaly.

Je důležité psát o termínech. Přednášky byly v úterý v 8 hodin. Nejprve byl termín pro odpovědi na přednášky stanoven na příští neděli a termín pro hodnocení byl stanoven na další čtvrtek po neděli. Poté studenti jasně vyjádřili to, k čemu jsem na prvních pár přednáškách sám došel: potřebuji napsat zpětnou vazbu na odpovědi a po ní je vhodné dát studentům možnost se opravit. Zároveň se začaly ozývat hlasy, že 5 dní na odpovědi je velmi málo. Výsledkem bylo, že navzdory vyjádřeným obavám ostatních studentů jsem si přidal týden na zodpovězení otázek a začal jsem komentovat odpovědi, které přišly před první nedělí. Rozhodnutí bylo rozhodně špatné: už neodpovídali a během zvýšené doby se konaly nové přednášky a dokonce i já jsem byl zmatený, co k čemu patří. Ale nic nezměnil: rozhodl se, že změn už bylo tolik.

Na konci semestru u těch, kteří získali zápočet z praxe, získané body odpovídaly konečné známce předmětu. Tato známka se dala zlepšit na zkoušce, která měla dopadnout takto:

Pro pochopení jsou uvedeny čtyři obtížné otázky na různá témata (témata si vyberu podle svého uvážení). Otázky mohou zahrnovat vše, co bylo řečeno na přednáškách nebo zařazeno do skupiny na VK. Úplně přečtená odpověď na otázku + 1 bod k bodovaným bodům v semestru (pokud člověk rozumí pouze části otázky, pak za otázku dostane 0 bodů, bez ohledu na to, o jakou část se jedná). Můžete použít cokoli chcete, ale otázky budou opravdu těžké – vyžadující hluboké porozumění.

Zákaz používání materiálů u zkoušky velmi často vede k tomu, že se studenti místo porozumění cpou nebo opisují.

Dynamiku získávání bodů během semestru jsem viděl asi takto: pokročilí studenti zaberou na 5 automatických bodech zhruba na prvních 6-7 přednáškách. Tedy někde do konce března, právě když řeknu základní informace a přejdu k příkladům nastavování a řešení reálných problémů. S praxí jsem doufal, že ti pilní na to do dubna také přijdou, maximálně do poloviny, pokud bude její priorita snížena požadavky jiných kurzů. Posoudil jsem to sám: Myslím, že když jsem byl studentem 4. ročníku, absolvoval bych takový kurz přibližně ve stanoveném časovém horizontu, kdyby se nestalo nic neočekávaného. Od méně pokročilých studentů jsem očekával, že mnohé z nich budou zajímat otázky alespoň jako možnost získat kulomet a budou si číst odpovědi svých kolegů a útržky přednáškových prezentací. Témata jsou obecně zajímavá a možná takové studenty zaujmou a budou se snažit porozumět hlouběji.

Rád bych poznamenal k vybrané multiplikativní kombinaci bodů mezi směry, nikoli aditivní (odmocnina součinu, nikoli součet dělený nějakým číslem). Tomu odpovídá potřeba zabývat se velkým množstvím směrů na přibližně stejné úrovni; i velmi, velmi hluboké znalosti v několika oblastech nezajistí studentovi dobrou známku z kurzu, pokud mu chybí znalosti v jiných oblastech. Například multiplikativnost chrání před možností získat 5 tím, že mě bombarduje návrhy na zlepšení organizace kurzu: každý další návrh, který přinese stejný počet bodů jako ten předchozí, by ke konečné známce přispíval stále méně. .

Jednou z okamžitě patrných nevýhod tohoto systému je jeho složitost. Ale protože je kurz sám o sobě poměrně složitý a řešení problémů sémantické mezery vyžaduje konstrukci a pochopení složitých algoritmů, věřím, že by to studenti měli být schopni pochopit snadno. Navíc se tento systém hlášení sám o sobě poněkud podobá řešení problému se sémantickou mezerou: v modelu kurzu se objevily některé problémy, byly vybrány ty nejdůležitější a hledaly se aproximace k jejich vyřešení.

Další nevýhodou systému je, že může být pro studenty skutečně časově náročný. Zkusil jsem tedy starou myšlenku: vyzvat studenty, kteří danou látku dobře znají, aniž by kurz absolvovali, nebo kteří se považují za zaneprázdněni důležitějšími věcmi, aby mě kontaktovali během prvního měsíce. Jsem připraven si s nimi popovídat a podle jejich úrovně znalostí a důvodů, které můj kurz vytlačují, jim nabídnout automatickou nebo zjednodušenou metodu absolvování kurzu, přizpůsobenou jim. Po prvním měsíci se nabídka stahuje - jinak ji mohou na konci semestru využít slabí studenti, kteří se k něčemu nedokázali přimět, ale potenciálně by chtěli.

To bylo zhruba vysvětleno studentům na první přednášce. Dále jsem si slíbil, že to nezměním, i když vidím, že to nefunguje dobře a studenti si vedou výrazně méně nebo hůř, než se očekávalo. Kurz začal.

výsledky

Výsledky dopadly mnohem hůř, než jsem očekával, i když řada nadějí byla oprávněná. Pamatuji si, že po prvním seznamu otázek na úvodní přednášku jsem s obavami čekal: zda se nějaké odpovědi objeví a zda budou smysluplné. A teď se konečně začaly objevovat první odpovědi, v komentářích se dokonce rozběhla jakási diskuse, i když spíše na filozofické téma. Poté, jak semestr postupoval, studenti pokračovali v odpovídání; zpravidla však existovalo pár dominantních studentů, kteří přispívali asi 70 % všeho užitečného, ​​co bylo napsáno.

Ke konci semestru aktivita výrazně poklesla, po předposlední přednášce mi poslali seřazený seznam s jedním jménem - jediným člověkem, který odpověděl alespoň na nějaké otázky k té přednášce. Důvody toho, myslím, mohla být celková únava, možná nějaké zklamání, nepřiměřenost hodnocení, neúspěšné změny termínů, které vedly k nutnosti čekat 3 týdny na konečný výsledek z přednášky, zvýšená zátěž v jiných předměty.

Stále více mě zklamala i kvalita odpovědí: často se zdálo, že mnohé bylo odněkud utrženo bez pochopení a objem nových nápadů nebyl zdaleka tak velký, jak jsem očekával. I ze strany studentů zazněla poznámka, že současný systém stimuluje alespoň některé odpovědi; Skóre nezávisí tolik na tom, do jaké míry tomu student do hloubky rozumí. Určitě se ale našli tací, kteří to pochopili.

Protože nikdo nesplnil bodovací plány, které jsem nastínil, a hrozilo, že zkoušku budou muset skládat všichni kromě pár lidí, začal jsem se snažit nastavit vyšší skóre. Začalo se zdát, že jsem příliš nafoukl skóre pro ty, kteří odpověděli pouze příklady, a rozdíl mezi těmito odpověďmi a těmi, kteří se opravdu hodně snažili, byl příliš malý. Ke konci semestru mě stále více přepadal pocit, že je mnoho studentů, kteří nerozumí téměř ničemu z toho, co se říká, ačkoliv měli relativně přijatelné skóre. Tento pocit ještě zesílil na poslední přednášce, kdy jsem se začal zkoušet ptát všech za sebou v naději, že lépe pochopím výslednou úroveň a přidám body těm, kteří odpověděli správně – ukázalo se, že mnozí neumí základní věci, například co jsou neuronové sítě nebo speciální body na obrázku.

Naděje na umístění se také příliš nenaplnily: v hodnocených seznamech bylo velmi málo komentářů, které nakonec úplně zmizely. Často se zdálo, že hodnotí spíše vizuálně, než aby pečlivě četli. Pamatuji si však alespoň párkrát, kdy žebříček opravdu pomohl a na jeho základě jsem upravil hodnocení. Ale o tom, že to pro mě bude hodnotit, nemohla být řeč. Hodnocení trvalo poměrně dlouho, ale zvládl jsem to cestou na metro a nakonec bylo pravděpodobnější, že dostanu včasné odpovědi než studenti.

Samostatné zklamání, byť očekávané a vyplývající ze stávající situace a toho, že jsem tuto situaci téměř nebral v úvahu, bylo s praxí.

Velkým laboratorním testem nikdo neprošel ani v dubnu. A vůbec jsem nechápal, jestli je to složité, nebo to prostě nezvládnou, a nevěděl jsem, jestli je potřeba něco změnit a jak, co nakonec požadovat. Přišel jsem s problémem maximálně 4, ale situaci to nezměnilo. V lepším případě si studenti do konce dubna vybrali své úkoly a odeslali data. Některé z vybraných problémů se ukázaly být při současné úrovni znalostí studentů upřímně neřešitelné. Například student chtěl rozpoznat rakovinné nádory, ale zároveň nechápal, jak přesně by se měly lišit - já jsem, přirozeně, nemohl nijak pomoci.

Věci byly mnohem lepší s minilaboratořemi, mnozí prošli prvními dvěma včas nebo aniž by za nimi zaostávali příliš daleko; Téměř všichni prošli i třetím, ale až na samém konci. Někteří je zvládli dobře a lépe, než jsem čekal. Hlavní praktický důraz jsem ale chtěl klást na velkou laboratoř.

Za další mou chybu při organizování praxe považuji prvotní plánování hlavního zaměření práce na komplexním problému na druhou polovinu semestru, v době, kdy jsem již většinu nápadů na konstrukci algoritmů prezentoval na přednáškách.

Otázka, zda je možné v praxi vyžadovat od studentů to, co se dosud na přednáškách neučilo, znepokojovala mysl mnoha učitelů, které jsem znal. Zdálo se, že formálně správná odpověď zněla: samozřejmě ne – to koneckonců znamená nejprve vzít studentům čas navíc, aby si mohli samostatně prostudovat, co bude později řečeno, a pak jim říct, co už pochopili. Teď si ale myslím, že škoda z této formální pozice je mnohem větší: nejtěžší věci už není možné včas zkoušet v praxi. Zároveň je zřejmé, že žák musí látce porozumět samostatně a opakování látky lze provést originálním způsobem, například tak, že srozumitelného žáka vyzveme, aby si pečlivě připravil a přečetl tento úryvek sám přednášet.

Dal takový systém nakonec víc než třeba klasický systém se zkouškou? Otázka je složitá, doufám, že ano, přece jen bylo zadáno poměrně hodně učiva, při přípravě na zkoušku by něco z toho určitě vynechali i dobří studenti. I když v odpovědích nebylo tolik dodatků ke kurzu, jak jsem doufal.

Ještě bych rád poznamenal smutný rys situace, kdy se studenti nebojí učitele.

Souvisí s tím, co se stane, stane se zázrak a učiteli se podaří naučit studenty něco globálně nového. Například před mýma očima začne student mnohem inteligentněji přistupovat k řešení problému se sémantickou mezerou. Dělá obecně správné kroky, dostává přijatelný výsledek, ale neví, jak to vysvětlit. A tady se já, učitel, snažím přijít na to, co udělal. Vysvětluje nesrozumitelně - kladu spoustu podivných otázek, vytvářím podivné domněnky a nakonec projdu studentskou terminologií a rozumím. Nabízím rady pro zlepšení, někdy špatné, jak si toho všimne student, který již problému rozumí. A pak dostanu reakci podobnou té obvyklé: "Proč to ještě musíte udělat?" a „Nepotřebuji tvou radu“ až „Všechno bych bez tebe zvládnul dokonale“.

Zvlášť silně se to může projevit, když to začne nějak takhle: student zpočátku přijde se svým sebevědomým a nedomyšleným návrhem na řešení problému ve tvaru „tady stačí vzít neuronovou síť a natrénovat ji“. Říkáte si, že to nejde jen tak, musíte pořád alespoň hodně přemýšlet a obecně je lepší tento problém neřešit neuronovými sítěmi. Student si to občas promyslí, trpí, ale, výborně, opravdu tomu rozumí a přináší promyšlené řešení, založené na neuronových sítích, a celým svým zjevem říká: „Udělal bych to bez vaší rady v první místo." Omlouvám se těm studentům, kteří to nedělají, existujete a některé z vás znám, děkuji. Přesto existují studenti, kteří projevují takový nevděk, a bohužel i já sám jsem se tak nejednou zachoval.

Problém vyjadřování takového nevděku mnoha učiteli je snadno vyřešen z pozice síly: můžete vnutit své řešení problému, přerušit studenta, pokud řekne něco, co není to, co chcete slyšet, atd. To může být efektivní zejména pro špatné studenty, ale dobré studenty to připraví o možnost přemýšlet a uvědomit si nesprávnost svých nápadů, hypotéz – a získat zážitek, který si opravdu zapamatují. Extravagantní ultimátní požadavky na řešení problému bez jasného vysvětlení v takovém předmětu způsobují odmítnutí; hlavním úkolem studenta se stává potěšit učitele, nikoli získat znalosti nebo vyřešit problém. Věrnost vede k tomu, že líní žáci toho moc nenadělají a někteří navíc urazí učitele.

Této vlastnosti jsem si všiml již dříve, ale po tomto semestru jsem ji nějak více cítil, prožíval. Možná proto, že to některé studenty opravdu naučilo. Takový nevděk zřejmě pramení z vnitřní pýchy takových studentů, jejich komplexů a touhy ukázat se učiteli, který klesl téměř na jejich úroveň. Takové chování a okázalý nevděk kromě toho, že komplikuje organizaci vzdělávacího procesu, často studenty pobuřuje: zoufale chtějí studentovi nějak jasně ukázat, že překročil hranici. Zároveň rozumem chápete, že student na to v podstatě přišel, hodnocení by mělo být kladné. Ocitnete se v téměř beznadějné situaci, vše, co můžete udělat, je dívat se na tuto věc s humorem a vinit vše na studentovu hloupost, ale to je těžké. Udělal jsem to špatně a byl jsem uražen.

Nevděk studentů tak může velmi často otrávit náladu učitele, který je něco naučil. Podobných věcí, které otravují náladu, může být spousta. Jsou obzvláště nemocní, pokud všechny učitele, kteří doufal, že se z výuky těchto studentů vymaní, bylo potěšením. Tato situace mě opět posílila v přesvědčení, že o samotné rozkoši nelze dobře přečíst celý kurz, je třeba počítat s tím, že dostanete něco jiného, ​​alespoň sen.

Jsem si jistý, že kurz byl velmi úspěšný, pokud jde o propagaci a systematizaci mých znalostí. Samozřejmě jsem si většinu toho, co jsem řekl, obecně představoval, ale mnoho věcí jsem cítil hlouběji. Existovaly algoritmy, o kterých jsem věděl, že existují a dokonce je používají, ale plně jsem nerozuměl tomu, jak fungují, neznal jsem mnoho alternativ nebo znal pouze názvy. Při přípravě kurzu jsem byl nucen se na to podívat. Všiml jsem si také řady nových věcí, jasně ovlivněných studenty, jako jsou autokodéry. Získal jsem mnoho poznatků, možná nepříliš často používaných, ale rozhodně nezbytných pro dobrou orientaci v probírané oblasti. Myslím, že zlepšení ve znalostech, ke kterému došlo, již ovlivnilo i některá rozhodnutí, která jsem ve své práci při promýšlení algoritmů učinil, doufám, že k lepšímu. Přečtení kurzu mi samozřejmě přineslo i potěšení, ale zároveň i smutek a zklamání.

Prodloužení

Může se stát, že budu mít šanci tento kurz vyučovat znovu, třeba příští rok. Nemám nápady na řešení všech problémů, ale u některých ano a pokusím se je popsat.

1. Myslím, že hlavní problém: nedostatek včasného postupu u složitého úkolu dokážu vyřešit diskusí o podobných fragmentech jiných úkolů na seminářích a jasnými domácími úkoly s malými termíny. Každý z domácích úkolů bude vyžadovat dokončení malého fragmentu velké laboratoře, jako je sestavení problémového prohlášení, první výběr dat, promyšlení kritérií kvality,... Body budou uděleny za každý fragment dokončený včas . Pokud je student pozadu, bude muset dohnat, aby je mohl začít přijímat.
2. Také plánuji jasněji a častěji formulovat hlavní myšlenku kurzu v různých kontextech. I když si nejsem jistý, že to pomůže: často, když řeknete totéž, naopak to začne způsobovat odmítnutí. Hlavní myšlenkou, pokud vůbec něco, bylo, že dovednost řešit problém nespočívá v bezduchém hledání různých ML modelů v různých konfiguracích, ale v ručním sestavení individuálního modelu pro daný úkol pomocí kusů existujících modelů vhodných pro daný úkol s rozumnými modifikace. Z nějakého důvodu tomu mnoho lidí buď nerozumí, nebo to pečlivě předstírají. Možná, že někteří lidé mohou tuto myšlenku dokonce realizovat pouze praxí, prostřednictvím plnohodnotných kuželů.
3. Plánuji také přestat dávat 1 bod každému, kdo přišel na přednášku; a nastavit standardně výrazně méně, například 0,1. Abyste získali více bodů, bude potřeba mi v den přednášky zaslat nebo ukázat nahrávky hlavních bodů přednášky nebo jejich fotografie. Psát se dá skoro cokoliv, formát a objem mě nezajímají. Ale za dobré poznámky jsem připraven dát výrazně více než 1 bod.

   Rád bych to dodal, abych dále povzbudil studenty, aby poslouchali přednášku, než aby spali a starali se o své vlastní záležitosti. Mnoho lidí si mnohem lépe pamatuje, co si zapisují. Intelektuální zátěž pro vytváření takových poznámek není příliš nutná. Zdá se také, že to nebude zatěžovat studenty, kteří si poznámky příliš nedělají, ti, kteří ano, si je budou moci jednoduše dodat.
   Je pravda, že všichni dotázaní studenti tuto myšlenku kritizovali. Upozorňují zejména na to, že není tak těžké opsat tyto poznámky od souseda na konci přednášky nebo si prostě něco zapsat ze slajdů, aniž byste přednášce věnovali opravdovou pozornost. Potřeba psát může navíc pro někoho odvádět pozornost od porozumění.
   Tak možná by bylo fajn nějak změnit tvar. Ale obecně se mi tato forma vykazování líbí, používala se například v kurzu matematické statistiky na CSC: v den cvičení je třeba poslat malou dokončenou laboratoř - a zdá se mi, že tato povzbudil mnoho studentů, aby si sedli a hned to dokončili. I když se samozřejmě našli tací, kteří řekli, že to ten večer nezvládli a byli v nevýhodě. Zde, jak se mi zdá, může pomoci další nápad: dát každému studentovi možnost posunout termíny o několik dní za semestr.

4. Vznikl nápad nahradit plochou strukturu odpovědí na otázky strukturou dřeva. Aby odpovědi na všechny otázky nepřicházely v souvislém seznamu, ale byly alespoň dvouúrovňové: pak budou odpovědi na jednu otázku poblíž a nebudou se mísit s odpověďmi na další otázky. Dvouúrovňovou strukturu komentářů u příspěvků podporuje například Facebook. Lidé ho ale navštěvují mnohem méně často a nechci z něj dělat hlavní komunikační prostředek. Je zvláštní provozovat dvě skupiny současně: VKontakte a Facebook. Budu rád, když mi někdo doporučí jiné řešení.

Je mnoho problémů, které zatím nevím, jak je vyřešit, a nevím, jestli je to vůbec možné. Hlavní obavy:

• odpovědi studentů na mé otázky jsou příliš jednoduché
• špatné hodnocení odpovědí: moje hodnocení ne vždy koreluje s realitou
• hodnocení, což sotva pomáhá: kontrola odpovědí studentů samotnými studenty je stále velmi vzdálená

Celkově rozhodně nepovažuji čas strávený přípravou a předáním kurzu za ztracený; alespoň pro mě to bylo velmi užitečné.

V tuto chvíli se vše zdá být příliš přetížené.

Základní obrázky převzaty z:

https://too-interkonsalt-intelekt.satu.kz/p22156496-seminar-dlya-praktikuyuschih.html
http://language-school.ru/seminar-trening-tvorcheskie-metodyi-rabotyi-na-urokah-angliyskogo-yazyika-pri-obuchenii-shkolnikov-mladshego-vozrasta/
http://vashcons.ru/seminar/

Chci poděkovat:

• pro hodnocení: moje matka, Margarita Melikyanová (spolužačka, nyní postgraduální studentka Moskevské státní univerzity), Andrey Serebro (spolužačka, nyní zaměstnankyně Yandexu)
• všichni studenti, kteří se zúčastnili a vyplnili průzkum / napsali recenze
• a každý, kdo mě kdy naučil něčemu dobrému

Zdroj: www.habr.com