top of page

線上學習課程成趨勢

Updated: Apr 28

經歷了二十年的網絡高速發展,互聯網積累了龐大的共創公共資源,也成為人工智能中機器學習的最重要來源。正是這些巨大的資源,帶領着全球的數碼化學習加強轉型。在過去幾年,大規模開放的線上課程(MOOCs)興起並持續增長,也許是傳統學習發生重大變化的預兆,甚至許多正規的學習機構也開始擁抱這個不可避免的趨勢。

早在1998年開始,我就作為一個善於運用數據分析的產品經理,憑着資料去規劃網站的內容和功能開發,從此與大數據結下不解之緣。因為工作的關係,在路上的時間佔了生活的大部分,於是非正式學習(Informal learning)成為我汲取知識的重要途徑。經歷了十幾年的「飛人生活」,我養成了一些自己的學習原則,在此和大家分享一下:

1)盡量看電子版的資訊,因為更方便存儲及易於未來搜尋。

2)選擇使用有回饋閉環的資訊頻道,例如Flipboard能讓我回覆是否想多看相同資料,演算法會推薦更多需要的資訊。

3)存儲下來的資料最好能做到分類及標籤。我十年來一直使用Evernote,因為可讓我根據自己喜好作分類,及為資料提供未來方便搜尋標籤。

4)善用社交網絡的分享應用,如微信朋友圈、LinkedIn軟體發布及收集共同興趣(物以類聚、人以群分)資料,當然也要小心因此產生偏見。

5)可以選擇的情況下,增加使用專業可靠不帶廣告的搜尋引擎。

6)利用碎片化的時間,以15至20分鐘為單位,收聽Blinkist或喜馬拉雅。前者可以幫我為新書作Preview,後者是「微學習」的最佳管道。

在科技的發展下,學習的方式有4個特徵:社區化、非正式、自學、好玩。科技改變了知識的產生、傳播及互動的方式。雖然在傳統的學習中,被動學習仍然是常態,但這與數碼時代形成鮮明對比:在數碼時代,知識無處不在,可即時搜索,按需使用,並且每天有數百萬全球貢獻者不斷更新線上共用。社交網絡技術的興起使得具有相似學習興趣的人形成群體,分享關於某一主題的知識。

我在想教育是否已經到了一個臨界點,以前Ability to learn是人類進步的重要因素。但從今開始,或許非正式學習已成為Learning的一種新常態了。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page