タグ別アーカイブ: Coursera

MOOCは、書籍の拡張したものであり、学校の拡張したものはこれから現れる

私はMOOCを受講しており、素晴らしい技術だと思っていた。最近、以下のようなMOOCに対する否定的な意見が出ていて、どう反論していいのか分からず、少し考えてみた。

オンライン講義のMOOCが大学に取って代わることができない理由

上記のブログで挙げているのは、MOOCの人気の高止まり感、モチベーションの欠如、収益化困難の3つの問題だ。確かにその3つの点は感情的には何となく同意する。しかし、これらの問題の根本原因については言及されておらず、洞察が浅いのではないかと思った。考えなおしてみると、実は前提条件が間違っているのではないかと感じ始めた。

MOOCは学校の拡張という思い込み

その前提条件とは、MOOCは教育あるいは学校の拡張ではないかという思い込みだ。ここで言う拡張とは、拡張現実(Augmented Reality)という言葉で使う時の拡張と同じ意味だ。ここではデジタル化という風に置き換えて読んでも構わない。話を元に戻そう。MOOCはオンライン教育と呼ばれるので、学校の拡張という思い込みは当然だと思う。実際、私自身もついさっきまでそう思い込んでいた。

MOOCは書籍の拡張概念

それでは、MOOCは何の拡張だろうか。教育に近い概念を思い浮かべてみる。学校でよく使われるものは何だろう。それは教科書だ。MOOCは教科書、つまり書籍の拡張だ。そう考えてみると何だかすっきりした。

読書家はMOOCを好む

MOOCを書籍の拡張と考えると色々な点で合点が行く。私は、Facebook上のCourseraジャパングループを通してMOOCで学ぶ人たちと交流がある。その人達の傾向は、読書好きであることだ。書籍を読むのが好きな人がMOOCを好きになるのは自然の流れではないかと思う。MOOCの集まりも何だか読書好きの人が集まって、あの本がいいだの、この本がいいだのという本の品評会のようになっている気がする。
私自身も読書好きで、MOOCにもハマっている。私は本を読むのも好きだが、最近本を読むよりもMOOCで学ぶ方が学びやすいのではないかと感じ始めた。読書からMOOCに移行しようかなと考え始めた所だった。漠然と本を読むよりもMOOCの方が演習などがあるので内容が身につくからだ。

読書と自学自習の習慣

先程のブログにも指摘があるようにMOOCの欠点に上げられるのがモチベーションの維持である。MOOCの終了率は10%以下であり、その低さが問題点となっている。
MOOC Completion Rates: The Data

本を読むのは意識的に読まないと続かないので、読書が好きな人は、元々自学自習の習慣があるのではないかと思う。読書を続けるノウハウとMOOCを続けるノウハウは通ずる所があるのである。

本を読んでも評価されない

一般に本を幾ら読んでも評価はされない。本を読む場合は、二つある。興味から読む場合と何らの必要性から読む場合がある。後者の場合は読んだことによって仕事や試験に役立つというメリットがあるのが分かった上で読む場合だ。本を読んだだけでは、人の評価を受けることは難しい。褒められるのは小学生のレベルだろう。MOOCが社会的評価で迷走しているように見えるのはこの辺の問題と関連性があるのではないかと思われる。

MOOCは書籍の拡張であるが、デジタル書籍は書籍の拡張ではない

一般に書籍とデジタル書籍が比較され、デジタル書籍が紙の書籍を食いつぶすなどの報道が行われる。しかし、実はデジタル書籍は書籍の拡張でもなく、書籍の子孫でもない。MOOCは書籍を拡張したものなので、書籍にない特徴を色々と備えている。
(1)映像で何度も見ることができる。
(2)ディスカッションルームで質問をしたり、意見を言ったり、他の人の質問に答えることができる。
(3)テストを受けて実力を測ることができる。
(4)演習があるので、実践力を鍛えることができる。
(5)他の学生が自分の評価をしてくれる(ピアレビュー)
これはどれも紙の書籍では行なうことはできない。デジタル書籍もこの全ての機能を持っているものはない。MOOCこそ書籍の正しい後継者なのだ。CourseraやedXで修了証明書の値段が数10ドル(数千円)となっているが、専門書の値段が数千円であることを考えると妥当な値段であると思う。最近では、きちんとした学術的内容のPDFが無料で出回っていることもあり、それを考えると、紙の書籍の内容をただ移しただけのデジタル書籍の値段が紙の書籍とほぼ同じ値段なのは、消費者を馬鹿にしている詐欺行為ではないかと思えてくる。日本でデジタル書籍が普及しにくいのもそんなところに原因があるのかも知れない。

書籍が沢山あっても学校にはならないが、それは革命の始まりではある

書籍が沢山あっても学校にならない。せいぜい、図書館になるだけである。MOOCのコースが沢山あっても学校の拡張にはならないのである。勿論、学校にとって教科書が重要なアイテムであるのと同じく、未来の学校にはMOOCのコースが重要なアイテムとなるであろう。書籍がルネサンスを起こし、産業革命を誘発した。それと同じく、MOOCは偉大な知識革命の始まりの一つなのである。未来の学校にとっては、MOOCだけではなく、人的資源の管理や自学自習の訓練等の他の仕組みが必要となるに違いない。つまり、MOOCを含めた教育改革はまだ始まったばかりでこの先にまだ長い道のりが存在しているのだ。我々はMOOCを元に本当の学校の拡張概念を創り上げる必要がある。だから早まってMOOCは期待はずれ等という言説に惑わされてはいけないのだと思う。

広告

統計学・データサイエンスの勉強法

ここ数年、私はデータサイエンスについて学んでいます。おすすめの学習資料を紹介したいと思います。

教師用の教科書と初心者用の教科書

私自身、データサイエンスを学ぼうとして色々なソースを試してみました。残念なことに、日本語の良い学習資料は見つけられませんでした。どこかのブログで読んだことがありますが、教科書は教師用と学生用の二週類があるそうです。一つめは内容が既に分かっている教師の為の教科書で、日本はこのタイプです。もう一つのタイプの教科書は自学自習を目的に作られているので、教師なしで学ぶできる教科書になっているということで、アメリカはこのタイプの教科書が多いです。私自身、他の文系・理系の教科書を探した時もアメリカの教科書の方が分かりやすく、その本だけを読めば分かるようになっていると同じ印象を持ちました。

オンライン教育(MOOC)

アメリカは科学教育に熱心であり、最近はやりのMOOCでも豊富なコースが無料で受けることができます。有名なのはCoursera, Udacity, EdXがありますが、私はもっぱらCourseraのファンなのでCourseraのコースを紹介します。

1. Machine Learning by Andrew Ng

Courseraの創設者の一人Andrew NGが講師で、ビジュアル的に板書で説明してくれるので、計算の理屈がよく分かりました。Courseraのコースの中で最も授業が上手だと思います。最近、完全に日本語字幕もついたので、かなり受講しやすいです。

2. Johns Hopkins 大学のData Specialization

これは9つのData Science関連コースが合わさったものですが、中のRoger D. Pengのコースがお勧めです。Rの基礎やデータクレンジング等について丁寧に解説してくれます。しかし、Brian Caffoのコースは説明が下手なので、お勧めしません。

お勧めのコース

R Programming 統計プログラミング言語Rの初歩

Exploratory Data Analysis データ解析の予備的解析やデータ探索

Reproducible Research データ解析手順を再現可能にするための技術(ドキュメント化やパブリッシング)

Getting and Cleaning Data データ解析前のデータの整形や洗浄

3. Social Network by Lada Adamic

ソーシャルネットワークやネットワークグラフに興味のある人は取ってみたら良いとおもいます。

4. Mining Massive Datasets from Stanford大学

私はまだコースを受講していませんが、かなりきっちりとカリキュラムが組まれているようです。

授業内容は書籍が出版されているようで、PDF版は無料で見ることができます。良質の教材を惜しみなく無料提供するというStanford大学の太っ腹さには驚かされます。
http://www.mmds.org/

Khan Academy と CK-12

Courseraとは別に高校や大学教養学部レベルのものであれば、Khan AcademyとCK-12を覗いてみるのもよいでしょう。Courseraでは説明が不十分な基礎的な知識はこちらの二つのサイトの動画を見て学びました。

カーンアカデミー(Khan Academy)は講義の動画がYouTubeに載せてあります。

Khan Academyのprobability and statistics

CK-12はあまり有名ではありませんが、 高校レベルの講義資料や教科書を無料提供しており、高校レベルで教えてくれるのでとても助かります。

CK-12のFlexBookという教科書は、PDFやepubで読むことができ講義画像へのリンクもついています。

CK-12の統計コース一覧

CK-12の統計学初歩の教科書

CK-12には他のレベルの統計学の教科書もあります。

書籍

小島 寛之 完全独習 統計学入門 ダイヤモンド社

統計学の初歩として数式を多用せず、分かりやすいのでお勧めです。

涌井良幸 多変量解析がわかる 技術評論社

著者は高校の先生なので非常に丁寧に説明してくれるので、多変量解析のことがよく分かるようになります。

Sebastian Raschka Python機械学習プログラミング

Pythonで機械学習を学ぶには最適。

斎藤康毅 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ディープラーニングの基礎はこれで学ぼう。

巣籠悠輔 詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

本格的にPythonを使ってディープラーニングをやってみるには良い教科書。

Foster Provost 戦略的データサイエンス入門

過学習等、実際にデータ解析を行う際のノウハウが収録されている。

Steven Bird 入門 自然言語処理

自然言語処理の入門書。Pythonでの自然言語処理方法を収録している。

Dan Jurafsky, Speech and Language Processing: International Edition

英語の本ですが、上記の本では物足りない方への本格的な自然言語処理の教科書。

Richard S. Sutton 強化学習

強化学習の定番の教科書。

勉強会

TokyoR

東京で開催されている統計プログラミング言語Rの勉強会です。

一人で勉強していると周りが見えなくなることもありますので、一緒に学ぶ人を見つけるのがよいでしょう。他にも多くの勉強会があるので、探してみましょう。

英語の教材が多くなってしまいました。統計学やデータサイエンスを学んでいくと、やはり欧米の科学教育に対する層の厚さをひしひしと感じます。英語という障壁はありますが、その障害を補っても余りある学習効果があると思いますので、是非英語の教材にも挑戦してみてください。