Data กับการศึกษา – เรียนให้ดีขึ้นด้วยข้อมูล

มาลองนึกดู ผมจำได้ว่าตอนเรียนหนังสือ มีวิชาที่เข้าใจไวมาก และมีวิชาที่ต้องอ่านซ้ำหลายรอบกว่าจะเก็ท แต่ว่าในห้องเรียน ครูสอนทุกคนในความเร็วเดียวกัน เนื้อหาเดียวกัน วิธีเดียวกัน

ถ้าเกิดว่าคุณโชคดี จังหวะของคุณตรงกับจังหวะของครู คุณก็เรียนได้ดี ถ้าไม่ตรง ก็แล้วแต่ดวงครับ

ปัญหานี้ไม่ใช่ความผิดของครูหรือนักเรียน มันเป็นข้อจำกัดของระบบที่ออกแบบมาเพื่อสอนคนจำนวนมากพร้อมกันในคราวเดียว ซึ่งในยุคที่ยังไม่มีเทคโนโลยีมันก็ถือว่าเป็นวิธีที่ดีที่สุดเท่าที่มีอยู่

แต่ตอนนี้มันไม่ใช่วิธีที่ดีที่สุดอีกแล้วครับ เพราะ data และเทคโนโลยีกำลังทำให้การศึกษาแบบ “ไซส์เดียวใส่ได้ทุกคน” กลายเป็นอดีต และเปิดทางให้การเรียนรู้ที่ตอบสนองต่อตัวเราแต่ละคนได้จริงๆ

ปัญหาของห้องเรียนแบบเดิมที่ data เห็นชัดกว่าความรู้สึก

ลองดูตัวเลขง่ายๆ กันก่อนครับ

ในห้องเรียน 40 คน ถ้าครูสอนในความเร็วที่พอดีกับนักเรียนที่อยู่ตรงกลาง คนที่เข้าใจเร็วกว่าจะเบื่อและรอ คนที่ต้องการเวลามากกว่าจะตามไม่ทันและเริ่มหลุดจากเรื่องที่เรียน ทั้งสองกลุ่มนี้รวมกันอาจเป็นครึ่งหนึ่งของห้องเรียน

แต่ที่น่าสนใจกว่านั้นคือ เราไม่เคยรู้แน่ชัดว่านักเรียนแต่ละคนหลุดตรงไหน ครูรู้ได้แค่ตอนสอบ ซึ่งก็สายเกินไปแล้วสำหรับการแก้ไขในเทอมนั้นๆ

Data มันจะเข้ามาเปลี่ยนตรงนี้ครับ แพลตฟอร์มการเรียนรู้ที่ดีสามารถเห็นได้แบบ real-time ว่านักเรียนใช้เวลากับเนื้อหาไหนนานผิดปกติ ทำข้อไหนผิดซ้ำๆ หรือข้ามเนื้อหาตรงไหนไปโดยไม่อ่านมันเลย สิ่งเหล่านี้เป็นสัญญาณที่มีค่ามากกว่าคะแนนสอบปลายเทอม เพราะมันบอกได้ว่าปัญหาเกิดที่ไหนและเมื่อไหร่

Adaptive Learning คืออะไร และทำงานยังไงในทางปฏิบัติ

Adaptive Learning คือระบบการเรียนที่ปรับตัวตามผู้เรียนแต่ละคนในแบบ real-time ครับ ไม่ใช่แค่ให้เนื้อหาเดียวกันกับทุกคน แล้วให้ไปเร็วหรือช้าตามใจ แต่มันเปลี่ยนทั้งเนื้อหา ลำดับการนำเสนอ และวิธีอธิบาย ตามข้อมูลที่เก็บได้จากผู้เรียนคนนั้นๆโดยตรง

วิธีที่มันทำงานง่ายๆ คือระบบเริ่มจากการประเมินว่าผู้เรียน รู้อะไรอยู่แล้ว และยังไม่รู้อะไร แล้วเลือกเนื้อหาที่อยู่ใน “zone” ที่ท้าทายพอดี ไม่ง่ายเกินจนน่าเบื่อ ไม่ยากเกินจนท้อ นักจิตวิทยาเรียก zone นี้ว่า Zone of Proximal Development

พอผู้เรียนตอบคำถามหรือทำแบบฝึกหัด ระบบก็อัพเดต model ของผู้เรียนคนนั้นทันที ถ้าเข้าใจดีก็ยกระดับขึ้น ถ้าพลาดซ้ำๆ ก็ถอยกลับมาทบทวน concept พื้นฐานก่อน ทั้งหมดนี้เกิดขึ้นโดยอัตโนมัติโดยที่ผู้เรียนไม่ต้องรู้สึกว่ากำลังถูก “จัดระดับ”

ตัวอย่างที่ใช้งานจริงแล้วในระดับโลกคือ Khan Academy ที่มีผู้ใช้กว่า 150 ล้านคน ระบบของพวกเขาเก็บข้อมูลทุก interaction แล้วปรับเส้นทางการเรียนให้แต่ละคน นักเรียนคนหนึ่งอาจเรียน algebra ผ่านโจทย์ปัญหาเป็นหลัก ในขณะที่อีกคนอาจต้องดูภาพประกอบก่อนถึงจะ click

Data ช่วยครูได้มากกว่าที่คิด

หลายคนกังวลว่า data และ AI จะมาแทนที่ครูครับ แต่ผมคิดว่ามันตรงข้ามเลย

ปัญหาใหญ่ที่สุดของครูในปัจจุบันคือเวลา ครูหนึ่งคนดูแลนักเรียน 30-40 คน จะรู้ได้ยังไงว่าแต่ละคนกำลังเผชิญกับอุปสรรคอะไรอยู่? ส่วนใหญ่ก็รู้ได้แค่ตอนที่นักเรียนมาถามหรือตอนสอบ ซึ่งทั้งสองกรณีมักสายเกินกว่าที่จะแก้ได้ทัน

Data เปลี่ยนตรงนี้โดยทำหน้าที่เป็น early warning system ให้ครูครับ แทนที่ครูจะต้องเดาว่าใครต้องการความช่วยเหลือ ระบบจะ flag ให้เห็นว่านักเรียนคนไหนที่มี engagement ลดลง ใครที่ทำผิดซ้ำๆ ในแบบที่บ่งบอกว่ามีช่องว่างในความเข้าใจที่ต้องการความสนใจ

ผลคือครูใช้เวลาคุยกับนักเรียนที่ต้องการมากที่สุดได้มากขึ้น แทนที่จะเสียเวลาไปกับการตรวจงานซ้ำๆ หรือตั้งคำถามว่าใครตามทันและใครไม่ทัน

มีโรงเรียนในสหรัฐที่ใช้ระบบ analytics แล้วครูรายงานว่าพวกเขาเริ่ม “รู้จัก” นักเรียนแต่ละคนได้ดีขึ้นมาก ทั้งๆที่จำนวนนักเรียนต่อห้องไม่ได้เปลี่ยน เพราะข้อมูลช่วยให้เห็นสิ่งที่ตาเปล่าไม่เห็น

เราจะใช้ data พัฒนาการเรียนรู้ของตัวเองได้ยังไงในชีวิต ?

ไม่ต้องรอให้โรงเรียนหรือมหาวิทยาลัยนำระบบเหล่านี้มาใช้ครับ เราก็สามารถที่จะเริ่มได้เองเลย

ติดตาม learning pattern ของตัวเอง ลองจดว่าเรียนรู้ได้ดีที่สุดช่วงเวลาไหน สภาพแวดล้อมแบบไหน และวิธีการแบบไหน บางคนอ่านแล้วจำ บางคนต้องเขียนสรุป บางคนต้องอธิบายให้คนอื่นฟังก่อนถึงจะเข้าใจจริงๆ ข้อมูลเหล่านี้ไม่มีใครบอกได้ครับ นอกจากตัวเราเองที่สังเกตตัวเองอย่างจริงจัง

ใช้ spaced repetition อย่างมีระบบ แอปอย่าง Anki ใช้ algorithm ที่คำนวณจากข้อมูลว่าเราจำอะไรได้ดีและลืมอะไรเร็ว แล้วกำหนดเวลาทบทวนให้พอดีกับจังหวะที่สมองกำลังจะลืม วิธีนี้มีงานวิจัยรองรับหนักมากครับ และมันทำงานได้ดีเพราะมันใช้ data ของผู้เรียนแต่ละคนเป็นฐาน ไม่ใช่สูตรสำเร็จเดียวกันสำหรับทุกคน

วิเคราะห์ข้อผิดพลาดแทนที่จะแค่นับคะแนน เวลาสอบได้คะแนนไม่ดี คนส่วนใหญ่รู้สึกแย่แล้วก็ผ่านไปครับ แต่ถ้าลองนั่งดูว่าข้อที่ทำผิดมีอะไรเหมือนกัน ส่วนใหญ่จะพบว่ามันมาจาก concept เดียวกันหรือประเภทคำถามเดียวกัน นั่นคือ data ที่บอกว่าต้องไปทบทวนอะไร ไม่ใช่แค่ “ต้องอ่านหนังสือให้มากขึ้น” ซึ่งไม่ได้บอกอะไรเลย

ตั้ง learning goal ที่วัดได้ “อยากเก่งภาษาอังกฤษ” เป็น goal ที่ไม่มีทางรู้ว่าบรรลุหรือยังครับ แต่ “อยากอ่านบทความภาษาอังกฤษ 10 นาทีทุกวันโดยไม่ต้องเปิดพจนานุกรม” วัดได้ ติดตามได้ และปรับแผนได้ถ้าไม่ได้ผล

อนาคตของการศึกษาที่ขับเคลื่อนด้วย Data

ภาพที่ผมคิดว่ากำลังเกิดขึ้นในอีก 10 ปีข้างหน้าไม่ใช่ห้องเรียนที่ไม่มีครูครับ แต่เป็นห้องเรียนที่ครูมีข้อมูลเพียงพอที่จะสอนแบบ 1 ต่อ 1 ได้จริง แม้จะมีนักเรียน 30 คนในห้อง

ระบบจะดูแลส่วนที่เป็น routine เช่น การฝึกทักษะพื้นฐาน การทบทวนเนื้อหา และการประเมินความเข้าใจ ส่วนครูจะโฟกัสกับสิ่งที่ต้องการมนุษย์จริงๆ เช่น การสร้างแรงบันดาลใจ การสอนให้คิดเชิงวิพากษ์ และการช่วยนักเรียนเชื่อมโยงความรู้เข้ากับชีวิตจริง

ในไทยเอง มีความท้าทายเพิ่มเติมครับ เพราะความเหลื่อมล้ำด้านการเข้าถึงเทคโนโลยียังมีอยู่มาก นักเรียนในกรุงเทพกับนักเรียนในพื้นที่ห่างไกลยังเข้าถึงเครื่องมือเหล่านี้ไม่เท่ากัน ซึ่งเป็นเรื่องที่ต้องแก้ควบคู่กันไป ไม่ใช่แค่พัฒนาเทคโนโลยีแล้วหวังว่ามันจะกระจายเองโดยอัตโนมัติ

Data ไม่ได้ทำให้การเรียนง่ายขึ้น แต่ทำให้มันตรงขึ้น

การเรียนรู้ที่ดีไม่เคยง่ายครับ และ data ก็ไม่ได้เปลี่ยนเรื่องนั้น

สิ่งที่มันเปลี่ยนคือ เราไม่ต้องเสียเวลาและพลังงานไปกับการเรียนสิ่งที่รู้แล้ว หรือพยายามเรียนในวิธีที่ไม่เข้ากับตัวเอง Data ช่วยให้เราเห็นได้ชัดขึ้นว่าควรโฟกัสที่ไหน เรียนแบบไหนที่ได้ผลกับตัวเอง และรู้ว่าตัวเองก้าวหน้าไปแค่ไหนแล้ว

สำหรับผม สิ่งที่น่าตื่นเต้นที่สุดไม่ใช่เทคโนโลยี แต่มันคือความเป็นไปได้ ที่เด็กทุกคนจะมีโอกาสเรียนรู้ในแบบที่เหมาะกับตัวเองมากขึ้น ไม่ใช่แค่คนที่โชคดีว่าจังหวะการเรียนรู้ตรงกับระบบที่มีอยู่

นั่นแหละครับคือสิ่งที่ data กำลังทำให้การศึกษา และถ้าเราใช้มันให้ถูกต้อง มันอาจเป็นหนึ่งในการเปลี่ยนแปลงที่สำคัญที่สุดในรอบหลายสิบปีของวงการศึกษาเลย