skip to content
نوید مصباح
EN
→ بازگشت

تدریس و طراحی توضیح‌دهنده‌های تعاملی

/ مطالعه در 10 دقیقه

جایی که فهم آغاز می‌شود

سال‌های زیادی با یادگیرندگان کار کرده‌ام؛ به‌عنوان دستیار آموزشی در دانشگاه و به‌عنوان مربی فناوری و علوم کامپیوتر. با ریاضی شروع شد و به مرور به علوم کامپیوتر، سامانه‌ها و معماری، مهندسی نرم‌افزار، فناوری، کسب‌وکار و حوزه‌های دیگر گسترش یافت. کلاس‌های حل تمرین دانشگاه، کارگاه‌ها، گروه‌های کوچک، جلسه‌های تک‌به‌تک، کمک‌های آخر شب پیش از امتحان، و گفت‌وگوهای طولانی با بنیان‌گذاران و مهندسانی که می‌کوشیدند سامانه‌ای دشوار را بفهمند. یادگیرندگانی که عاشق موضوع بودند و یادگیرندگانی که مطمئن بودند از آن متنفرند.

اگر بخواهم یک چیز را نام ببرم که یاد گرفتم، این است که فهمیدن در لحظه‌ای اتفاق می‌افتد که می‌شود دیدش.

چهرهٔ دانش‌آموز عوض می‌شود. چشم‌هایش دیگر میان تخته و دفتر رفت‌وآمد نمی‌کند و روی نقطه‌ای در میانهٔ فضا آرام می‌گیرد. دیگر رونویسی نمی‌کند؛ پیش‌بینی می‌کند. می‌گوید «صبر کن، پس اگر…» و پیش از تو جمله را درست تمام می‌کند. یکی از زیباترین چیزهایی است که در زندگی دیده‌ام، صدها بار دیدمش و هرگز برایم کهنه نشد.

تقریباً همیشه آن لحظه از دیدن چیزی در حال حرکت می‌آید.

نموداری که با تغییر یک پارامتر خم می‌شود، و ناگهان دانش‌آموز می‌بیند آن پارامتر چه می‌کند به جای اینکه حفظش کند. مثلثی که هر طور گوشه‌هایش را بکشی، زاویه‌هایش باز هم ۱۸۰ درجه می‌شوند، و ناگهان قاعده حس اجتناب‌ناپذیر بودن می‌دهد نه دلبخواهی بودن. آونگی که نزدیک بالای نوسانش کُند می‌شود و در پایین تند، و ناگهان پایستگی انرژی معادله نیست؛ چیزی است که می‌شود حسش کرد.

فرمول بعد می‌آید. شهود از حرکت می‌آید.

آنچه دربارهٔ یادگیری آدم‌ها آموختم

سال‌ها مربیگری در این حوزه‌ها چیزهایی یادم داد که هیچ دورهٔ آموزشی‌ای نداده بود. چندتایشان همه‌چیزِ آنچه امروز می‌سازم را شکل داده‌اند.

بیشتر گیجی‌ها دربارهٔ ترتیب‌اند، نه دشواری. وقتی دانش‌آموزان کلنجار می‌رفتند، به‌ندرت به این دلیل بود که ایده بیش از حد سخت بود. معمولاً به این دلیل بود که ایده‌ها را با ترتیب اشتباه دیده بودند. از آن‌ها خواسته شده بود مفهومی را پیش از آنکه تصویری از آن داشته باشند به کار ببرند، یا فرمولی را پیش از آنکه دلیلی برای خواستنش داشته باشند دیده بودند. همان مطالب، با چینش دوباره، اغلب آسان می‌شد.

آدم‌ها از پیش‌بینی یاد می‌گیرند. قوی‌ترین حرکت آموزشی‌ای که می‌شناسم این است که پیش از آشکار کردن بایستی و بپرسی: «فکر می‌کنی چه اتفاقی می‌افتد؟» دانش‌آموزی که پیش‌بینی می‌کند، حتی اشتباه، به شکلی درگیر است که دانش‌آموزِ تماشاگر نیست. پیش‌بینی اشتباهی که جواب درست به دنبالش بیاید، اغلب از توضیحی درست به‌یادماندنی‌تر است.

اشتباه‌ها اطلاعات‌اند. وقتی دانش‌آموزی اشتباه می‌کند، دقیقاً نشان می‌دهد چطور فکر می‌کند. معلم خوب اشتباه‌ها را می‌خواند، مثل پزشکی که نشانه‌ها را می‌خواند. بدترین کار این است که فقط غلط بزنی؛ بهترین کار این است که بپرسی چرا درست به نظر می‌رسید.

شرم یادگیری را می‌کُشد. بسیاری از دانش‌آموزانی که «از ریاضی متنفرند» فقط در جایی احساس حماقت به آن‌ها داده شده و هرگز از آن بیرون نیامده‌اند. وقتی دانش‌آموزی باور کند در ریاضی بد است، هر گیجی آن را تأیید می‌کند و دست از تلاش می‌کشد. بازسازی اعتمادبه‌نفس اغلب اولین کارم بود، پیش از هر ریاضی واقعی.

هر دانش‌آموز نقطهٔ ورود متفاوتی لازم دارد. بعضی تصویر لازم داشتند. بعضی داستان. بعضی باید چیزها را لمس می‌کردند و حرکت می‌دادند. بعضی اول تعریف صوری را لازم داشتند و شهودها گیجشان می‌کرد. یک ایده را می‌شد به پنج شکل توضیح داد و هر دانش‌آموز یکی از آن‌ها را بهتر از بقیه می‌فهمید.

تعامل از توضیح قوی‌تر است. می‌توانستم چیزی را زیبا توضیح دهم و چهره‌های خالی ببینم. بعد خط‌کشی، تکه نخی یا ابزاری برای رسم نمودار به دست دانش‌آموز می‌دادم و می‌گذاشتم امتحان کند، و چهره‌های خالی روشن می‌شدند. توضیح دادن می‌گوید. تعامل نشان می‌دهد. نشان دادن قوی‌تر است.

مشکل توضیح‌های هوشواره

امروز هر کسی می‌تواند از یک چت‌بات بخواهد مشتق را توضیح دهد. توضیح معمولاً بد نیست. دقیق، روشن، منظم.

معمولاً هم دیواری از متن است با یک فرمول در وسطش، دقیقاً همان شکلی که بیشتر دانش‌آموزان بار اول با آن یاد نگرفتند.

این وضعیت عجیب هوشواره (AI) در آموزش امروز است. سامانه‌هایی داریم که می‌توانند تقریباً هر چیزی را با کلمه توضیح دهند، با حوصله و در هر ساعتی، به زبان‌های بسیار. این به‌راستی ارزشمند است و نمی‌خواهم نادیده‌اش بگیرم. دانش‌آموزی که نیمه‌شب پای تکلیفش گیر کرده، می‌تواند کمکی بگیرد که پیش‌تر هرگز در دسترس نبود.

اما کلمه شیوهٔ یادگیری ریاضی برای بیشتر آدم‌ها نیست. ریاضیات اساساً دربارهٔ ساختار، رابطه و تغییر است، و این‌ها چیزهایی‌اند که پیش از آنکه بتوانی بگویی‌شان، می‌بینی‌شان. توضیح متنیِ مشتق، توصیف تصویری است که دانش‌آموز هرگز ندیده.

و وقتی هوشواره (AI) سعی می‌کند تصویر بسازد، دقت آسیب می‌بیند. نمودار غلط از نبودِ نمودار بدتر است، چون دانش‌آموزان به تصویر بیشتر از کلمه اعتماد می‌کنند. نمودارهای تولیدشده‌ای دیده‌ام که منحنی‌شان با معادله‌شان نمی‌خواند، بردارهایی که به جهت اشتباه اشاره می‌کنند، مثلث‌هایی با برچسب زاویه‌هایی که امکان ندارد درست باشند، و شبیه‌سازی‌های فیزیکی‌ای که همان فیزیکی را نقض می‌کنند که قرار است نشانش دهند. برای دانش‌آموزی که هنوز موضوع را نمی‌شناسد، این خطاها نامرئی‌اند. آن‌ها را به‌عنوان حقیقت جذب می‌کند.

در آموزش، «تقریباً درست» پذیرفتنی نیست. معلمی که نمودار غلطی روی تخته بکشد اعتماد کلاس را از دست می‌دهد. هوشواره (AI) که این کار را بکند چیز بدتری را از دست می‌دهد: فهم درست دانش‌آموز را.

آنچه می‌سازم

برای همین موتوری می‌سازم که یک درخواست را به توضیح‌دهنده‌ای سینمایی، دقیق و تعاملی برای ریاضی و علوم تبدیل می‌کند.

دانش‌آموز یا معلمی چیزی مثل «توضیح بده چرا مشتق سینوس کسینوس است» یا «نشانم بده مسیر یک پرتابه چطور به زاویهٔ پرتاب بستگی دارد» تایپ می‌کند. موتور یک پاراگراف تحویل نمی‌دهد، بلکه تجربه‌ای کوتاه، کارگردانی‌شده و بصری می‌سازد: توضیحی که با ضرباهنگ باز می‌شود، ریاضیاتِ متحرکی که حرکت می‌کند، و عناصر تعاملی‌ای که دانش‌آموز می‌تواند با آن‌ها بازی کند.

فارسی‌محور است، چون دانش‌آموزان فارسی‌زبان همان کسانی‌اند که با آن‌ها کار کردم و بیش از همه می‌خواهم به آن‌ها خدمت کنم. اما اصولش جهانی است و باور دارم به دانش‌آموزان هر زبانی کمک می‌کند.

سه واژه تعریف می‌کنند موتور چه می‌خواهد بکند.

سینمایی یعنی توضیح ضرباهنگ و کارگردانی دارد، مثل معلم خوب پای تخته. توضیح خوب انباشتن اطلاعات نیست؛ اجرایی است با شکل. آماده‌سازی می‌کند و ایده‌ها را یکی‌یکی معرفی می‌کند. مکث می‌کند و لحظه‌ای به دانش‌آموز برای پیش‌بینی می‌دهد. آشکار می‌کند و جواب را در لحظه‌ای نشان می‌دهد که بیشترین اثر را دارد. بازمی‌گردد و ایدهٔ تازه را به آنچه دانش‌آموز از قبل می‌دانست وصل می‌کند.

معلم‌ها این کار را شهودی انجام می‌دهند. ویدیوهای آموزشی خوب عامدانه انجامش می‌دهند. موتور توضیح را، پیش از کشیدن هر چیزی، به‌صورت توالی‌ای از ضرب‌ها برنامه‌ریزی می‌کند، همان‌طور که کارگردان فیلم صحنه‌ها را برنامه‌ریزی می‌کند.

دقیق یعنی تصویرها از محاسبهٔ واقعی می‌آیند، نه از تخیل. این مهم‌ترین اصل است و همانی که کمتر از همه حاضرم درباره‌اش کوتاه بیایم.

وقتی موتور نمودار یک تابع را نشان می‌دهد، منحنی روی صفحه از خودِ تابع محاسبه شده. وقتی آونگی را شبیه‌سازی می‌کند، شبیه‌سازی از معادله‌های واقعی حرکت پیروی می‌کند. وقتی زاویه‌ای را برچسب می‌زند، برچسب از هندسه محاسبه شده. مدل‌های زبانی توضیح را برنامه‌ریزی می‌کنند و روایت را می‌نویسند، اما ریاضی را ریاضی انجام می‌دهد.

همچنین محتوای تولیدشده را با ریاضی می‌سنجیم، نه با اینکه درست به نظر می‌رسد یا نه. اگر روایت بگوید «منحنی محور را در x برابر ۲ قطع می‌کند»، موتور بررسی می‌کند که واقعاً قطع می‌کند. اگر توضیحی رابطه‌ای را ادعا کند، موتور آن را به‌صورت عددی می‌آزماید. خطاهایی که از این صافی رد شوند باگ جدی به حساب می‌آیند، نه کاستی پذیرفتنی.

تعاملی یعنی دانش‌آموز می‌تواند چیزها را بگیرد. پارامتری را عوض کند و پاسخ نمودار را ببیند. نقطه‌ای را بکشد و ببیند زاویه‌های مثلث چطور تنظیم می‌شوند. شبیه‌سازی را متوقف کند، به عقب برگرداند، شرط اولیهٔ دیگری را امتحان کند. هدف این است که دانش‌آموز بپرسد «اگر این‌طور شود چه؟» و بلافاصله جواب بگیرد.

تعامل جایی است که کنجکاوی به یادگیری بدل می‌شود. دانش‌آموزی که می‌پرسد «اگر زاویه ۹۰ درجه باشد چه می‌شود؟» و می‌تواند همان لحظه امتحانش کند، در آن ده ثانیه بیشتر از یک صفحه توضیح یاد می‌گیرد. و چون خودش پرسیده، جواب را به خاطر می‌سپارد.

آنچه مربیگری دربارهٔ ساختن به من آموخت

بسیاری از تصمیم‌های طراحی موتور مستقیم از درس‌های کلاس آمده‌اند.

اول ترتیب را برنامه‌ریزی کن. چون بیشتر گیجی‌ها دربارهٔ ترتیب‌اند، موتور پیش از تولید هر تصویر یا متنی تلاش واقعی صرف برنامه‌ریزی توالی توضیح می‌کند. دانش‌آموز اول باید چه ببیند؟ پیش از فرمول چه شهودی باید سر جایش باشد؟ لحظهٔ طبیعی برای پرسیدنِ پیش‌بینی کجاست؟

مسیر اشتباه را هم نشان بده. دانش‌آموزان از اشتباه‌هایشان یاد می‌گیرند، نه از نمایش‌های بی‌نقص. بهترین توضیح‌دهنده‌ها بدفهمی‌های رایج را پیش‌بینی می‌کنند و مستقیم به آن‌ها می‌پردازند: «شاید انتظار داشته باشی توپ سنگین‌تر سریع‌تر بیفتد. ببینیم.» موتور بدفهمی‌های رایج را در برنامه‌ریزی‌اش می‌گنجاند و هر جا مناسب باشد، می‌گذارد دانش‌آموز پیش‌بینی وسوسه‌انگیزِ اشتباه را بکند و بعد نشان می‌دهد واقعاً چه اتفاقی می‌افتد.

چند نقطهٔ ورود پیشنهاد کن. یک ایده را می‌شود هندسی، جبری، فیزیکی یا با یک داستان توضیح داد. موتور می‌تواند برای یادگیرندگان مختلف نسخه‌های مختلف بسازد، و دانش‌آموزان می‌توانند میانشان جابه‌جا شوند. بعضی تصویر را ترجیح می‌دهند؛ بعضی معادله را. هر دو مسیرهایی معتبر به یک فهم‌اند.

هرگز کسی را احمق جلوه نده. لحن یک توضیح به اندازهٔ محتوایش مهم است. موتور طوری طراحی شده که گرم، صبور و دلگرم‌کننده باشد. هرگز نمی‌گوید «بدیهی است» یا «خیلی ساده» یا «همه می‌دانند». این کلمه‌ها به دانش‌آموزان بیشتری آسیب زده‌اند تا هر قضیهٔ دشواری.

به هوش یادگیرنده احترام بگذار. در عین حال، دانش‌آموزان می‌فهمند کِی از بالا با آن‌ها حرف زده می‌شود. توضیح خوب به دانش‌آموز اعتماد می‌کند که فکر کند. پرسش واقعی می‌پرسد و جا برای کشف واقعی باقی می‌گذارد.

نقش معلم

گاهی می‌پرسند آیا ابزارهایی مثل این جای معلم‌ها را می‌گیرند. فکر نمی‌کنم، و نمی‌خواهم هم که بگیرند.

معلم خوب کاری بسیار بیشتر از توضیح دادن می‌کند. پیش از آنکه دانش‌آموز چیزی بگوید، متوجه کلنجار رفتنش می‌شود. می‌داند کدام دانش‌آموز دلگرمی لازم دارد و کدام چالش. فرهنگی در کلاس می‌سازد که در آن پرسیدن خوشایند و اشتباه کردن امن است. الهام می‌بخشد. اهمیت می‌دهد. هیچ نرم‌افزاری این کارها را خوب انجام نمی‌دهد، و بدبینم که به‌زودی نرم‌افزاری انجامشان دهد.

امیدم این است که ابزارهایی مثل این بتوانند مطالب بهتری به معلم‌ها بدهند. معلمی که می‌خواهد به کلاسش نشان دهد موج سینوسی چه ربطی به دایرهٔ در حال چرخش دارد، نباید ساعت‌ها صرف ساختن یک انیمیشن کند. باید بتواند توصیف کند چه می‌خواهد و در چند دقیقه توضیح‌دهنده‌ای دقیق و تعاملی بگیرد، و بعد وقتش را صرف کاری کند که فقط او می‌تواند: درس دادن به همان دانش‌آموزانی که جلویش نشسته‌اند.

و برای دانش‌آموزان بسیاری که معلم خوبی ندارند، که متأسفانه شمارشان بسیار زیاد است، امیدوارم این ابزارها بتوانند دست‌کم بخشی از آنچه در یک کلاس خوب اتفاق می‌افتد را برسانند: ضرباهنگ، تصویرها، فرصت کاوش، حوصله.

چرا برایم مهم است

وقتی به دانش‌آموزانی فکر می‌کنم که با آن‌ها کار کردم، آن‌هایی را به یاد می‌آورم که آن لحظهٔ فهم را تجربه کردند. اما آن‌هایی را هم به یاد می‌آورم که تجربه نکردند. دانش‌آموزانی که توانا بودند اما هرگز توضیح درست را در زمان درست نگرفتند. دانش‌آموزانی که تصمیم گرفتند ریاضی مال آن‌ها نیست و آن باور را به باقی زندگی‌شان بردند، و به خاطر درسی که می‌توانستند عاشقش باشند از رشته‌ها و فرصت‌هایی دوری کردند.

فکر می‌کنم اگر راهی داشتند که ایده‌ها را در حرکت ببینند، چیزها را امتحان کنند، پیش‌بینی کنند و بیازمایند، به زبان خودشان و با سرعت خودشان، چقدر همه‌چیز می‌توانست برایشان متفاوت باشد.

بیش از هزار یادگیرنده در این سال‌ها چهره‌های زیادی است. اما در برابر میلیون‌ها دانش‌آموزی که می‌توانند این‌طور یاد بگیرند عدد کوچکی است. اگر ابزاری بتواند حتی بخشی از آنچه در یک کلاس خوب اتفاق می‌افتد را به دانش‌آموزی برساند که هرگز معلم خوبی نداشته، ارزش ساختن دارد.

و اگر جایی، دانش‌آموزی که مطمئن بود از ریاضی متنفر است، لغزنده‌ای را بکشد، خم شدن منحنی‌ای را تماشا کند و بگوید «صبر کن، پس اگر…»، همهٔ آنچه رویش کار کرده‌ام ارزشش را داشته است.