討論:自主學習支援人力0.1C：修訂版本之間的差異
出自福留子孫
（→辦公室夥伴回饋） |
（→辦公室夥伴回饋） |
||
| 第 56 行： | 第 56 行： | ||
#*帶小孩做自主學習，為什麼需要更多支援人力？為什麼不是回家自己自主學習就好，而是現場需要更多人。經費上會遇到什麼困難或需要改善的，讓會帶自主學習的老師可以如何運用？ | #*帶小孩做自主學習，為什麼需要更多支援人力？為什麼不是回家自己自主學習就好，而是現場需要更多人。經費上會遇到什麼困難或需要改善的，讓會帶自主學習的老師可以如何運用？ | ||
#宜蓁： | #宜蓁： | ||
| − | + | *#google免費的生成式AI課程 | |
線上課程連結[https://www.cloudskillsboost.google/journeys/118?locale=zh_TW&fbclid=IwAR3rfYNoCF4Nt9zqtG5ErJreAL2VzdqTbSsJ44U2Y5BZZc1grxtDsJL1yAo] | 線上課程連結[https://www.cloudskillsboost.google/journeys/118?locale=zh_TW&fbclid=IwAR3rfYNoCF4Nt9zqtG5ErJreAL2VzdqTbSsJ44U2Y5BZZc1grxtDsJL1yAo] | ||
| − | + | *generative AI learning path | |
| − | + | *生成式人工智慧介紹（Introduction to Generative AI） | |
| − | + | *大型語言模型介紹（Introduction to Large Language Models） | |
| − | + | *可信賴人工智慧介紹（Introduction to Responsible AI） | |
| − | + | *生成式人工智慧基礎知識（Generative AI Fundamentals） | |
| − | + | *圖片生成介紹（Introduction to Image Generation） | |
| − | + | *編碼器-解碼器架構（Encoder-Decoder Architecture） | |
| − | + | *注意機制（Attention Mechanism）*Transformer 模型和 BERT 模型（Transformer Models and BERT Model） | |
| − | + | *建立圖像標註模型（Create Image Captioning Models） | |
| − | + | *Generative AI Studio 介紹（Introduction to Generative AI Studio） | |
| − | + | *生成式人工智慧探索者 - Vertex AI（Generative AI Explorer - Vertex AI） | |
| − | + | ||
| − | + | *盟校網絡：跟現在的明星高中的聯盟、大學的聯盟有哪些差別。價值觀的差異？都在共享資源，但要共享什麼資源？補充少子化偏鄉廢校危機：少子化浪潮到來，許多偏鄉學校招生不足面臨廢校的危機。然而廢校帶來的危害，可能有讓偏鄉青年或人口更快的流失，造成城鄉差距更嚴重。因此我們希望透過將偏鄉小校轉型成學習基地，建立盟校學習網絡，讓鄰近的偏鄉小校資源可以整合，例如老師可以共同備課、學生之間可以有更多交流與群學，學校的資源例如體育場地等也可以共享。 | |
#*#以偏鄉學校為主要的照顧範疇 | #*#以偏鄉學校為主要的照顧範疇 | ||
#*#資源的分配邏輯：不再用「都會」來詮釋「偏鄉」。 | #*#資源的分配邏輯：不再用「都會」來詮釋「偏鄉」。 | ||
2023年7月10日 (一) 11:07的修訂版本
- 傳統公校師徒典範段落 公校知識折舊較慢？ 應該是知識技能汰換太慢？ 過一年剩80%
- 自主學習支援人力性質段落 關鍵是有老師性想這樣子做 ? 而且老師
- 東玉將在台中成立專案計畫，招募中部的大學生＆研究生，進行自主學習帶領人培力一年，並在2024年暑假由培力之大學生＆研究生為一所國中的學生辦理自主學習營隊；2024年10月或2025年2月起，在中部地區的國中運用課後或社團的完整時間，由培力之大學生＆研究生進校到班帶領自主學習課程一學期，將以有意願的學校和老師為優先合作對象；若進行順利，將每年培力和進校帶領自主學習課程
QA列表：
- 土地驅動
比較列表
| 比較 | 自主學習典範 | 公校學習典範 |
|---|---|---|
| 概念 | 「資深學習者」擔任「資淺學習者」的嚮導，彼此共學 | 會教的「師」教不會的「徒」 |
| 接受資訊媒介 | 媒體 網路 AI | 老師(機構) |
| 生師比 | 低，且台灣已經負擔的起個別指導的教育典範 | 高，一個老師要顧許多學生，師生難以平權 |
| 學習者高度 | 師生平權，提高學習者高度，避免依賴與剝削 | 老師需要儀式化鞏固階級，威嚴。
學習者高度低，易被剝削或支配，或是表現出「學會」的樣子 |
| 折舊 | 現實知識、技能折舊極快，需用群學、共享來抵銷知識折舊 | 系統內知識技能折舊慢，跟不上時代發展 |
| 學生學習態度 | 由選課到組課，讓學生自己有能力調動資源來解決問題 | 格式化「聽課」，由老師做一切的教學布署與資源分配 |
| 師承(人際)關係 | 群學的個體互相聽懂後就可以平行分工，
成員會共振，正能量>負能量就會螺旋向上。 |
不同學生要做出近似的動作，受老師統一指導與比較，
有人聽不懂課程還是會繼續，個體被送去補救教學。 一個學生不學，通常只影響自己。 |
| 教學者來源 | 跨校間老師、同學、校外達人 | 校內老師 |
| 教學員額 | 依公式計算，國小增加教學員額5% 國中增加3.6% | 原教學員額 |
| 問題 | 若有學生不學，團體可能會瓦解。 | 學習動機失落，應試教育產生垃圾時間。
沒跟上的會淪落為陪讀生。特殊學習生的尊重與照顧被忽略。 |
二、傳統公校教育模式
- 傳統公校中的師徒教學典範
- 概念很簡單：會的「師」教不會的「徒」
- 背景：
- 生師比很大，一位老師同時要教很多位學生。當生師比很大時，就算你要搞師生平權，也會是表面的、假的。
- 傳播工具比較原始，老師不教給學生，學生損失比較大。
- 社會比較金字塔化，等級森嚴。通常也需要一套儀式來鞏固尊卑，如「起立、敬禮、坐下」；大陸演員間互相尊稱為「老師」，即是一種老師身份較高的心理慣性運用。
- 知識、技能的折舊比較慢。
- 此典範中老師需要不對稱的位置與權力，去布署：
- 將學生「格式化」，以對得上老師「畫一」的教學。
- 選擇教學內容––以老師決定的課程目標為準。
- 決定教學節奏與活動內容––以老師決定的每堂教學目標為準。
- 布置作業，確保學生有一定強度的練習。
- 布置「診斷性評量」，確保學生有「聽」他教。
- 布置「檢定性評量」，評價學生是否達到「學會」的「儀式性定義」。
- 布置「選拔性評量」，激勵學生的學習動機。
- 處罰學生，以維護課堂紀律，作業與評量的有序進行。
- 擴大規模備妥畫一性教學後勤，於是有教科書、課程標準、課程綱要、設備基準…
- 師生太過不對稱衍生的課題：
- 把學習者的「高度」壓得太低，學習會儀式化。學習者會做出「學會」的樣子，演出學會的儀式，其實未必想學，也不一定有學會。
- 學校會複製社會的權力支配關係，妨礙社會演進。
- 老師對學生的評價，比「事實」更加強橫得多。老師對學生的肯定與貶抑影響都太大。
- 老師在金錢上有較強的索要潛力。在台灣民主化之前，「養鴨子」(要學生到他家補習)幾乎是多數學校老師的副業。
- 老師能在情感上有較強的索要潛力。感情一定要對等，尤其是愛情，不然會形成「剝削」。
- 時代的演進：學生由「聽課」進化到「選課」，再進化到「組課」。
配套演化出「同學自行組課群學」＋「自行策畫實務浸潤」＋「自行規畫學習成果發表」
- 自主學習典範
- 概念是：
- 「資深學習者」擔任「資淺學習者」的嚮導、教練與陪伴者，由學習者「自主學習」
- 教育是一種「生態化」的助人活動。要避免「依賴」與「剝削」。
- 總訣竅是：提升學習者的高度。強調「自主學習/自我培力」、「無界學習」、「群學」。
相信：每個人天生都有能力：去調動身邊可用的資源，以解決他所面臨的任何問題(行動者思維)。
別老想著當同學的英雄，讓同學做自己的英雄。
- 理想是：生命自覺、學習自主、生活自立、責任自負、需求自造
- 一些背景上的改變：
- 像台灣這種社會，已經負擔得起以個別指導為基礎的教育典範。
- 從「電波傳播革命」之後學習者知識與技能的來源就不斷拓展，到了「網際網路」之後，基本上可以實現 Illich 用「人從網絡中學習」取代「人從機構中學習」的構想。這使得「主題備課」(讓同學備課上課)，行動學習(移地、學習者策畫、群學)等當代自主學習式的課程模組變得具有可行性。
- 社會由水平整合(網絡)混搭垂直整合(科層)，微權力興起，平權運動當道。只有如中國般的「權本社會」，還會依權力大小，將人用森嚴的等級排序。
- 知識、技能的折舊極快，須要用「群學」抵消一部分知識與技能折舊的效應。
- 概念是：
傳統典範下的師承關係
1.學生甲、學生乙、學生丙、學生丁分別和老師建立「師承關係」 2.不同同學在同一時間，通常進行近似的動作 3.老師對各個學生進行統一教導 4.老師對各個學生發布作業並批改作業 5.老師對各個學生進行評量，並進行橫向比較 6.一個學生「不學」，通常只會影響自己的學習與學習表現 |
 |
|---|
自主學習典範下的人際關係：
1.全部師生會進入討論模式，必須把想法打磨到伙伴聽得懂，彼此才有辦法合作 2.「群學主體」中的成員，特質會互補，也能相互糾錯 3.同一時間成員常進行平行操作(分工合作) 4.成員之間會共振，只要正能量略大於負能量，整個學習就會螺旋攀高到新高度 5.風險：一個成員「不學」，通常會變成負能量，若無法中和，「群學主體」會瓦解 |
 |
|---|
辦公室夥伴回饋
- 恩濡：
- AI的段落最好加上案例和出處
- 「學習基地」目前是否已有可以開始擬規劃的案例？可以讓討論不會一直停留在想像，而是可以開始case study
- 為什麼要寫「體制外教育」而不是「實驗教育」？
- 第二段新生兒縮減潮，要加進去描述一下危機的狀態。才能因此鋪陳說為什麼盟校網絡可以來解決問題。
- 寫為什麼需要0.1c的經費設算方式。
- 鈴諭：
- 寫得更白話：土地驅動、盟校網絡之類丁丁的新用字，需要有註解。
- 「土地驅動」試解釋：以空間為本，思考如何規劃教育基地。
- 「盟校」試解釋，學習導向的空間，
- 「中央教育發展基金」：統整所有運作各地學習基地的基金。
- 每個基地之間也應建立學習網絡。
- 帶小孩做自主學習，為什麼需要更多支援人力？為什麼不是回家自己自主學習就好，而是現場需要更多人。經費上會遇到什麼困難或需要改善的，讓會帶自主學習的老師可以如何運用？
- 宜蓁：
- google免費的生成式AI課程
線上課程連結[1]
- generative AI learning path
- 生成式人工智慧介紹（Introduction to Generative AI）
- 大型語言模型介紹（Introduction to Large Language Models）
- 可信賴人工智慧介紹（Introduction to Responsible AI）
- 生成式人工智慧基礎知識（Generative AI Fundamentals）
- 圖片生成介紹（Introduction to Image Generation）
- 編碼器-解碼器架構（Encoder-Decoder Architecture）
- 注意機制（Attention Mechanism）*Transformer 模型和 BERT 模型（Transformer Models and BERT Model）
- 建立圖像標註模型（Create Image Captioning Models）
- Generative AI Studio 介紹（Introduction to Generative AI Studio）
- 生成式人工智慧探索者 - Vertex AI（Generative AI Explorer - Vertex AI）
- 盟校網絡：跟現在的明星高中的聯盟、大學的聯盟有哪些差別。價值觀的差異？都在共享資源，但要共享什麼資源？補充少子化偏鄉廢校危機：少子化浪潮到來，許多偏鄉學校招生不足面臨廢校的危機。然而廢校帶來的危害，可能有讓偏鄉青年或人口更快的流失，造成城鄉差距更嚴重。因此我們希望透過將偏鄉小校轉型成學習基地，建立盟校學習網絡，讓鄰近的偏鄉小校資源可以整合，例如老師可以共同備課、學生之間可以有更多交流與群學，學校的資源例如體育場地等也可以共享。
- 以偏鄉學校為主要的照顧範疇
- 資源的分配邏輯：不再用「都會」來詮釋「偏鄉」。
