“兒童教育的馬太效應的加劇”JamesJ.Heckman如此描述現在的兒童教育現狀，他認為兒童的技能培養(yǎng)和最終的成功都是動態(tài)的發(fā)展歷程，越早投入，在將來就會產生更大的效果，而后期對于某項技能的投入越大，可能效果會越弱。

他是微觀計量經濟學的開創(chuàng)者，因對分析選擇性抽樣的原理和方法所做出的發(fā)展和貢獻，與丹尼爾·麥克法登一起榮獲2000年諾貝爾經濟學獎。

詹姆斯·赫克曼(JamesJ.Heckman)1944年生于美國伊利諾斯州的芝加哥，曾就讀于科羅拉多學院數學系，1971年獲普林斯頓大學經濟系博士學位。曾在哥倫比亞大學、耶魯大學、和芝加哥大學任教，2018年11月，獲聘北京大學經濟學院名譽教授。

在James J.Heckman看來，要打破魔咒，必須依靠人工智能的力量，在他的構想中，他所要達到的目標是通過可穿戴傳感器以及聲音識別裝置，及時收集孩子的狀態(tài)數據，將多個分散的因子進行系統(tǒng)整合，并進行實時的數據分析，從而幫助孩子尋找一個“最佳狀態(tài)”，以達到“個性化”的效果。

學前教育中的馬太效應：教育投資要趁早

談及學前教育，JamesJ.Heckman首先肯定了中國鼓勵學前教育的這一做法，他認為這是一個非常聰明的發(fā)展策略，因為學前教育在人的一生中非常重要，關乎日后多種技能的發(fā)展水平高低。但他對比了中國在2000年和2016年的人口情況之后發(fā)現，在勞動力技能的增長當中我們遇到了非常多的挑戰(zhàn)，因此我們也需要思考如何讓勞動力的技能增長跟上中國的發(fā)展速度。

在這其中，學前教育是關鍵。

James J.Heckman從發(fā)達地區(qū)和農村地區(qū)人民的受教育程度的對比中，發(fā)現了關于兒童學前教育的兩件事：一個是孩子會受到母親教育程度的影響，而目前留守兒童的教育問題之所以很嚴重，很大程度上都是歸因于此；而另一個要素兒童所處家庭的家境差距，尤其是三歲之前的家境，該層面將會對孩子綜合能力的培養(yǎng)起到很大的作用。在現今社會中，我們不再只拘泥于關注孩子的智商或者成績，我們更多的聚焦于孩子的綜合能力，包括認知能力和其它的社交、情商方面的能力，而父母的認知水平、受教育程度等等都會對此產生影響。

他認為兒童的技能培養(yǎng)和最終的成功都是一個動態(tài)的發(fā)展歷程，而在技能方面要盡早投入和投資，這些技能對這個孩子在將來人生的發(fā)展當中的歷程起到至關重要的作用。通過對技術在孩子的技能形成當中的公式的解讀，他提出：“每一個技術都是基于前一個技術基礎上的，所以對技能的投資也是呈現累加的效果，呈現一個馬太效應，越早投入，在將來就會產生更大的效果。這里還有一個相應的替代的因子，在早期投資和后期的投資會形成一個互補的作用。這樣一個互補作用之間有相互的關系，能夠形成很好的在早期和后期的互補。早期沒有做到的，后期需要花費更大的代價去做到。而且在后期對于某項技能的投入越大，可能效果會越弱?！?/p>

但與此同時，這種新思路又向我們提出了一個新的挑戰(zhàn)：如何利用前沿技術對孩子的技術能力進行具體的測量和分析？并以此去制定一個最優(yōu)質的“投資計劃”以幫助孩子創(chuàng)造自己的競爭優(yōu)勢？

能力數據測量的切入口：互動

為了能夠更好地運用前沿技術將抽象的“能力”轉換為可靠地、用以分析結果的數據，JamesJ.Heckman也在探索這其中合適的切入口，并為此進行了大量的實踐。

例如在甘肅和西藏兩個地區(qū)所做的項目：其內容主要是觀察在不同的家庭中，孩子和家長之間的互動方式。他們觀察到這其中存在這一種模式：下一次的互動，會基于上一次互動中孩子的反應來進行。

“我們追蹤了幾個星期，通過一些疊加的數據，生成了一些模型，然后來評估孩子的認知能力和非認知能力的表現情況。因為這些都是以量化的方式呈現系統(tǒng)中，因此我們會通過數據清晰地看到孩子們的不同優(yōu)勢。同時我們也會去記錄和關注引導者在整個互動的過程中的引導方式。”

JamesJ.Heckman找到了一個切入口：互動。

他表示，大人和孩子之間的互動是至關重要的，我們要通過合理的評估標準去尋找合適的互動方式，并確保其可以行之有效。甚至更進一步的去探索和對比在孩子和父母的交互、孩子與孩子之間的交互、孩子和老師之間的交互中，哪一種是最高效、最成功的。

“要去了解哪些互動是好的，這是一個很大的挑戰(zhàn)，也因此，我們需要持續(xù)地研究?！?/p>

定制“個性化”測量的關鍵：AI技術

“哪些特定的互動方式是可以幫助孩子更有效率地去提高他們的技能呢？”JamesJ.Heckman向大家提出了這樣一個問題，而這也是他后期研究的重點。

James J.Heckman的團隊曾在上海做過一些研究，在該項目中，他們會在電腦上進行一些測試，但或許是因為研究對象不夠廣泛，以及他們選取的樣本過于局限，因此他們的動態(tài)程度和綜合程度并不夠。且計算速度也相對較慢，跟不上數據更新的速度，通常是以一年為周期。

而在今天，特別是學術、教育方面的測試方式在理論層面有著很快速的進步，為研究團隊提供了更多的測量工具：比如GRE、ETS等實驗方式。同時，在研究過程中，團隊會盡量地進行個性化、量身定制的可測量的學習，遠離傳統(tǒng)的考試。AI技術便在這其中起到了很大作用：

“一方面，在這個過程中，我們用人工智能的技術、機器學習來進行相應的個性化測試和輔導。去觀察在每一個孩子的成長過程中，哪些技能可以提高他們的幸福指數及綜合能力，甚至可以幫助他們能夠很好地完成一些較為復雜的任務。

另一方面，在很多情況下，處于特別弱勢的家長對互動的作用理解不夠，從而會采用一些不當的互動方式。因此利用AI技術監(jiān)測父母與孩子之間的互動關系是非常有必要的。這也是人工智能的作用所在?！?/p>

同時，JamesJ.Heckman表示：由于要對互動的質量和數量都進行量化和分析，牽扯到多種前沿技術，因此這個過程中會面臨極大的挑戰(zhàn)。

值得一提的是，這種測量方法的最大優(yōu)勢在于它是實時的監(jiān)測和測量，可以對老師和學生這兩個對象都進行互動測量，且由于是個性化測量，可以排除一些主觀的因素，能夠獲得關于孩子早期復雜綜合能力的較為精準的數據。因此JamesJ.Heckman堅信如果可以充分利用計算力和傳感力等一些前沿的技術，我們就能更好地去了解雙方之間的互動到底是怎樣的，哪些互動能促進孩子能力的成長，并能夠針對每個孩子的特點，量身定制適合他的互動方式。

James J.Heckman舉了一個關于基于游戲化學習的例子，他認為可以通過前言技術工具對游戲進行賦能，比如語音識別、自然語言處理的技術的運用，可以幫助家長在孩子游戲的過程中能夠更好的發(fā)現孩子的狀態(tài)，并打造屬于他的技能。除此之外，現在很多人也會用視頻分析的方式，客觀地分析孩子在家庭和課堂上是怎樣的是如何與成年人進行互動的，并探索其影響因素。

在JamesJ.Heckman的構想中，他所要達到的目標是通過一種可穿戴的傳感器，以及一些聲音識別裝置、藍牙等前言技術設，及時收集孩子的狀態(tài)數據，將多個分散的因子進行系統(tǒng)整合，并進行實時的數據分析，甚至可以及時的做出一些游戲進度的調整，幫助孩子尋找一個“最佳狀態(tài)”，切實達到“個性化”的效果。其中，JamesJ.Heckman提到“孩子與父母的互動關系”是較為重要的分析點，因為良性的互動對孩子的成長來說有著很大的積極影響。

在美國，這樣一種基于游戲化的學習越來越流行，他們會認為通過游戲使孩子能夠輕松、主動的掌握一些先進技術和綜合技能的教育方式是很成功的，不僅可以讓孩子快樂學習，還可以實時獲得教學過程中的一些反饋，讓家長、老師可以及時調整與孩子的互動策略。

JamesJ.Heckman也很開心的表示，現在有很多大型AI和技術的公司在做這方面的研究，比如芝加哥大學擁有一項可以通過跟蹤教學數據庫中大數據的技術，用以促進教師進行教學評估，并幫助他們進行教學策略的調整。

James J.Heckman堅信，AI技術會在這條探索之路上發(fā)揮極大的作用。