1.学校的起源
既然你觉得自学更好，为啥不回家学，干嘛要来学校呢？
这是我经常会被问到的一个问题。
School的本源
可是，让我们回想一下，在N年前教育的主场不就是家吗? 欧洲贵族家庭请私人教师来家里教学。古希腊的时候，柏拉图跟亚里士多德的思想碰撞，不也是在家里完成的吗？
K12
其实，我们现行的学校制度，最早可以追溯到18实际的普鲁士，一个军事化国家，国王通过强制适龄国民接受教育，大量炮制忠诚而且易于管理的国民。无可厚非，在标准化课堂中，有限的知识，片面的认知，是最便于灌输政治观点的（教育的这一功效在中国或者其他国家依然起到了类似的作用）。那时，对于一个军事化国家来讲，国家对于国民的要求是服从，教育也正达到了这一效果。
大学的起源
大学的起源最早可以追溯到第一次工业革命时期，流行于第二是工业革命时期。博罗尼亚大学(1088年),位于意大利博罗尼亚市，是现存最古老的大学。
工大学的产生是工业发展的需求所创造的，因而，大学教育本身也带有了丰富的工业化特征。
统一的教材，统一的考试，统一的答案，工业的流水线作业被最大化的应用在了教育领域。
从经济的角度上来讲，这种方式可能是最省钱，同时也是最高效的做法。大学教育也批量生产了足够的适应工业化发展的工程师们。但是标准化同时也具备相当多的弊端。
2.标准化带来的冲突
问题1：课程标准化?
首先，课件和教材这些统一起来很方便。但是课程的内容还是得靠老师去传达的，课堂还是需要老师去引导的。而标准化面临的困境就存在于此。优秀的老师不可量产，在传统课堂上一个优秀的老师所能带来影响力有限，且经验不可复制。
再者，我们从内容入手，工业化社会，带来的是人与人之间更加细化的分工，所以大学的课程设置也更加”专业化“。学科之间强行分隔，碎片化，学生很难对知识有着连贯的认知。
问题2：考试带来的弊端
在跟别人合作一起做项目，招人的时候，我越发的体会到，什么是不能看脸来判断一个人。因为依靠单变量对别人的评级往往是有失偏颇的
同样，标准化的统一考试，是无法来衡量一个学生的学习能力高低的，同时也无法检验学生学习的长期效果。在长期的人工选择中，我们挑选了一大批的应试教育人才。
问题3：难以量化评价
跟学校开翻转课堂的老师沟通下来，老师经常抱怨的是，翻转课堂培养的是学生的思辨能力，与人沟通的能力，这些是没发在短期的课程中得到快速的反馈。而学校来判断一种教学改革是否成功的标准，却还是单一的评价标准，看期末考试。
问题4：创造性培养缺失
事实上，创造性是个很玄妙的东西。永远都不要指望采用工业的标准化方式可以批量的制造创新新人才。养成创造性思维的前提是要先教会学生会独立思考问题，而这一目标又同培养”和谐“的公民相背离。
3.目前教学改革中遇到的坑
在Mooc运动火热的时候，有人预测Mooc将会取代现有的大学。
事实上，Mooc上的课程完成度少的可怜，大部分人都没能督促自己。一方面完全基于互联网的课程，缺少了互动。另一方面，这个系统在设计的时候，内容可以说做到了最顶尖，但是却忽略了一个非常重要的参数：人性的弱点。
有时候，我们明明知道，经常复习时对自己学习有帮助的，却总是变成考试前临时抱佛脚。
我们行为的产出往往跟我们内心利益最大化的假设相反。自控力差，一直以来都是都是学习的大敌。
而翻转课堂在国内主要面临两个问题。一个是换汤不换药。互联网时代讲究的是内容为王。而大多数课堂，只不过是采用了翻转课堂的形式，在本质上内容并没有变。
另外一个，是长期标准化教育带来的弊端，学生习惯于接收信息，在独立思考方面非常欠缺，进而在课堂讨论环节主动性会很差。
4.个性化需求
课程：市场细分
我们不得不承认，现在的学生越来越“不爱学习”了。期中期末，试题难度越来越简单，考试分数却一直在下降。
在我看来，这是好事情。学生越来越懒惰，机械性重复性的东西他们是不爱干的。学生变得越来越挑剔，选课方面，会更倾向与通过Mooc选择世界一流大学里的课程。对于学校DIY的课程，不能期待学生一定会买账。这也是为啥很多学生在看学校的在线课程的时候会在电脑上刷数量，不屑一看的原因。
学生是可以被分类的。
从学习目的出发：
- 功利主义：修这门课是无奈的选择。学完了我就可以找份工作…
- 另一种从精神需求出发，我就是想知道为啥，不要问我学了之后能干嘛。
- 实用主义：项目导向，我遇到这方面的问题了，想学习相关的知识。
从学习方式出发： - 图文感知：通过看书图片 获取信息。
- 试听感知: 习惯通过老师上课获取信息。
- 运动感知: 运动员，舞者。
老师也可以分类：
基础教育型：耐心，有爱心，表述观点清楚。
科研型或项目型：比较适合做项目，有丰富的工程经验，但是讲课往往很糟糕。
未来，根据老师和学生的分类进行的资源最佳配置将会成为主流，而不仅仅是粗暴的分为实验班或者卓越班，普通班等等。老师跟学生之间的双向选择是十分重要的，大多数情况下，老师的精力都浪费在学生管理上面。但是效果总是很差，所谓上有政策，下有对策。所以，与其将精力耗在管理上面，还不如对参加课程的学生进行筛选。
小数据
没错你看到的是小数据而不是大数据，小数据是指与用户相关的数据，而不是大量不相干的数据总体。在教学方面小数据通过教学平台或者其他途径获取，可以用于自我量化，数据追踪，学习进度控制。老师跟学生都可以通过数据挖掘算法等技术，来及时的获取的课堂反馈，应用场景比如：给学生进行针对性训练而不是题海技术，老师获知教学中的难点。
多元评价
考试作为一个检验学习效果的方式还会存在，但是会作为辅助手段变成平常化，嵌入到整个学习过程中。考核方式更加趋向于项目导向，如何利用已学的知识转换为生产力，解决实际问题。创新性将会纳入考核元素中。
利用机器学习和数据挖掘，算法来对学生平时表现做出客观的评价。
