跳到主要內容

走吧,馬斯坦古上校模式

image
Pic From: http://www.roy-mustang.net/pyro/media/media_anime_art02.html

這篇文章,為前一篇:真是為人師表的有感而發  的回文。
鄭教授撰寫:
『一個巴掌拍不響...
就算有GTO、麻辣女教師和金田八這樣的熱血教師, 但是學生不受教也沒用...同樣的, 學生天份再好或多想努力, 沒有相對應的老師和環境也不行...(有好長輩的例外)
星爺的"食神"告訴了我們一個真理...只要有心人人都可以讀哈佛...雖說讀中台不完全是因為沒心, 但是多數仍然是...
我只能勸你, 不要用你的眼光看世界...
與其怪老師XX譙學生○○, 還不如想辦法改變環境...可惜這種事是政府層級, 小老姓根本無能為力...
最近親藍教授公開要 騜驅 改善教育政策, 不過我想大概沒用...不管藍綠拚經濟永遠在教育和環保之前...
所以, 還是只能循著馬斯坦古上校的模式, 由偉大的 Fellow Pan往上爬, 我則在底層支持...
加油啊...Fellow Pan, 改革和改變不能只靠打嘴炮...
PS. 說好的爬山呢??還有, 中台畢業的譙中台學生, 你gin gi bye...

Dear  Prof. Cheng
金吉麥這件事你應該早有很深刻體會呀,
講到很多重點!! 不虧是Prof. Cheng
簡短介紹給巷子外的人,聽聽我們教育環境的問題。
就大學人口來說,
以美國為例,高中畢業生約有50%進入大學,
但能畢業的人數也僅有50%。
反觀臺灣,我們擁有幾近100%的大學錄取率與極高的畢業率,
但高教普及結果是什麼?
結果是高教育程度並沒有提高整體國家競爭力,
反而造成了許多社會問題。
原因在哪?
因為我們並沒有適時、適所的讓學生瞭解受教育的根本與理由是什麼,
所以他們無所適從,渾渾噩噩,不知道自己到底學習為何?坐在課堂是在幹嘛。
縱使完成教育、取得了文憑,卻也無法成為有效生產力,
導致進入社會的新鮮人被迫必須在企業進行再教育,
而這對企業來說,是額外的附加成本,
所以企業不敢冒然雇員,不是不缺人,而是不敢用人,
是故新鮮人在求職壓力下,產生失業問題、轉行,甚至改唸碩班!
(別懷疑,現在唸碩班的人,很多是因為大學畢業卻沒技能,缺乏競爭力)

這也引出了第二個教育環境問題,
為什麼教育讓學生沒辦法成為有效生產力?
除了學生對本科系所學沒有興趣或吸收不良外,
還可以追溯到許多畸形的教育體制與教授生態問題,

像:
 ‧教授評鑑指標重量不重質,內容過於偏傾學術導向,忽視產學、教學
 ‧高教環境貧瘠,師生比過大 (更不用說僅看專任教師的師生比,悲哀)
 ‧產學合作成效不彰,虛有其表
 ‧許多國家計畫旨在撒錢、消耗預算,不論實際成效
 ‧計畫分配受人際因素影響過大、公正度令人質疑
 ‧大專院校過度企業化經營、只看成本營收,教育精神蕩然無存
 ‧教職、行政傻傻分不清楚,教授做研究、教學,還要兼行政、校外招生、做雜事
      .......
太多太多的問題,環環相扣,互為因果關係。
像以學術成果做為大學教授的考評指標,
結果就是家家閉門造車,
專挑短期便有結果卻沒有太大學術貢獻的研究主題,
忽視需要花大量時間與金錢的基礎研究、創新議題。

但這樣的劣境,許多教授只能無奈接受,為什麼?
因為除了考評外,沒有績效就沒有計畫(錢)可以接,沒有預算,研究永遠只能停留在發想階段。
這也是為什麼有教授說:
現在趕緊衝paper,有什麼投什麼,快就好,先有成果升等,
要做好的高品質研究,等升上正教授後再來做。
聽到一個充滿熱忱又有能力的教授口中說出這番話,
很無奈,但這就是現實。

然而,真的當上了正教授就能做出高品質研究嗎?
以現在看到的多數教授來說,這是個很大的問號!
這些畸形的體制與教授問題,造就大專院校奇妙的生態環境,
而那些在學研究生的能力訓練,或課堂學生的教學、能力養成,
往往就成為體制下,最優先被犧牲的對像。

如此一來,還有多少人會去注意學生的適性發展、學習興趣?
這些大家都看到,充滿無奈,而且只是冰山一角,

我們必須改變,破除這股惡性循環。

所以麻煩你,鄭教授,
請在我被污染前,踢我幾下,
因為我最怕的,就是沒辦法再用我的眼光看世界。
拜託你了!
PS: 
 關於Harvard那些動畫,越看越覺得那對於我們的學生不會是難以達到的事,
 下次,我找個王大閎案例讓學生做看看好了,
 我們有義務去瞭解臺灣建築國寶。

而你說的不管藍綠拚經濟永遠在教育和環保之前,
我只有一個感想:   草、枝、擺 ! 
 
BP


留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...