Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

教改二十年之「公有地的悲劇」|囚徒困局系列(五)

林澤民_96
・2014/05/22 ・3435字 ・閱讀時間約 7 分鐘 ・SR值 537 ・八年級

-----廣告,請繼續往下閱讀-----

Almanya-üniversiteleri1

教改實施二十年來,新大學紛紛成立,各大學又廣開研究所,競相招生,造成學、碩、博士大幅增加。這些高學歷的青年畢業後進入職業市場,才發現一職難求,而即使幸運找到工作,常學非所用,起薪也極低。最近行政院長江怡樺便以「國家當前重要政策解構分析」為題指出這個現象。然而政府雖然瞭解高等教育大量擴充所造成的問題,卻也無法提出有效的政策在短期內加以改善。

四月二十一日的《聯合報》於報導江院長談話時,根據教育部和勞委會的資料作出以下統計:

學士班(人) 碩士班(人) 博士班(人)
82學年 28萬5982 2萬8117 7713
102學年 103萬5534 17萬7305 3萬1475
增加 74萬9552 14萬9188 2萬3762
增幅 262% 530% 308%
起薪 26722元 31639元

註:1.人數為當年在學人數 2.起薪為101年統計

這個「高學歷,低薪資」的嚴重問題,其實是一個典型的「公有地的悲劇」。它牽涉到各大學在個體理性的考量下對公共資源的濫用,結果造成集體的受害,連帶使得國家、社會、和青年學生均受到深遠的負面影響。

-----廣告,請繼續往下閱讀-----

1968年生態學家蓋瑞‧哈定(Garret Hardin)在《科學》期刊上發表〈公有地的悲劇〉(“The Tragedy of the Commons”)一文,指出人口成長不可能經由亞當‧史密斯(Adam Smith)所謂「看不見的手」的運作而獲得控制。哈定文中用了一則寓言:村民在公有地上放牛吃草,當牛群繁殖超過草地所能負荷時,若無外在權威,只考量自身利益的村民是不會互相合作自我管理的:人類的性格終將無情地決定他們的集體命運。公有地的悲劇其實是一種「多人囚徒困局 」(n-person prisoner’s dilemma),它具有希臘悲劇的特性。哈定此文堪稱二十世紀影響深遠的人文社會科學論文之一。

獲得2005年諾貝爾經濟學獎的經濟學者湯瑪斯‧謝林 (Thomas Schelling) 在其名著 《微觀動機與宏觀行為》(高一中譯,臉譜出版社)一書中,用一個例子很具體地闡明了公有地的悲劇中個人與集體的利益衝突;在同書中謝林也介紹了多人囚徒困局理論。下面引伸謝林的例子來說明公有地的悲劇的數學結構正符合多人囚徒困局的定義。關於謝林的多人囚徒困局理論,請參考本系列第四篇文章:〈衝破囚徒困局的公民快閃政治〉

英格蘭的一個小村莊住了五戶村民,每戶各養了120頭 乳牛,均以販售牛奶為業。村裡有一大片美麗的草原,村民一向放牛自由自在地在草原上吃草。後來,大家注意到牛隻好像不比從前那麼肥健了,牛奶的產量也逐漸 減少。村裡人請教城裡的畜牧專家;專家說:應該是草原上的牛隻太多了,導致牛群營養不足。根據專家分析,以村中草原的固定幅員計算,如果全村共有x頭牛,每頭牛能夠產出的牛奶總量約是1000-x公升,也就是在草原上吃草的牛隻越多,每頭牛的牛奶產量會越少。把全村的牛奶總產量f(x)=(1000-x)x 當作 x 的函數畫圖:

f_10870284_1

可以清楚地看到當全村牛隻總數為500時,牛奶總產量為最大,可以達到250,000公升,此時每頭牛可以生產500公升的牛奶。現在全村共有600頭牛,因為牛多草少,每頭牛只能有400公升的產能,而使全村的總產量只有240,000公升,低於最大總產能。專家建議每戶減少20頭牛,如此則全村的總產出將是最佳狀態,而每戶的牛奶產量也會從現在的48,000公升提升至50,000公升。村民聽了專家報告,大家都點頭稱善,當場大家都說願意按照專家的建議共同合作來促進全村的利益。

-----廣告,請繼續往下閱讀-----

可是村民素來自由自在,彼此並不相互信賴,常常各懷鬼胎。當各人回家精算屠宰20頭乳牛的利弊時,很快就得到下表的結果:

村中其他人合作人數

0

1

2

3

4

自己不合作時的牛奶總產量

48,000

50,400

52,800

55,200

57,600

自己合作時的牛奶總產量

42,000

44,000

46,000

48,000

50,000

這表可進一步用圖表示:

f_10870286_1

這圖清楚的說明:

  • 別人沒人合作,自己也不合作的原始狀態中,每戶牛奶產量是48,000公升。
  • 不論別人有幾戶合作,對自己而言,不合作均比合作能帶來更高的牛奶產量。
  • 不論自己合作或不合作,別人越多人合作對自己越好。
  • 當其他人均合作時,如果自己也合作,大家的牛奶產量可以達到50,000公升。
  • 當其他人均合作時,如果自己不合作,自己的牛奶產量可以達到57,600公升。

賽局理論的基本概念,在這裡扼要說明如下:

-----廣告,請繼續往下閱讀-----
  • 優勝策略:不論其他參賽者採取何種策略對自己都是比較有利的策略。
  • 納許均衡:沒有參賽者願意「單方面」改變策略的策略組合。
  • 有存活機會聯盟:合作者收益大於原始狀態收益時的合作者聯盟。
  • 伯瑞多最佳結果:參賽者無法「同時」改進的賽局結果。
  • 困局:納許均衡不是伯瑞多最佳狀態的局面。

根據這些概念, 我們可以進行以下的推論:

  1. 因為不論別的村民有幾戶合作,對自己而言,不合作均比合作能帶來更高的牛奶產量,所以不合作是村民共同的優勝策略。
  2. 因為不合作是大家共同的優勝策略,所以大家均不會合作,而且在大家均不合作的狀態下,沒有人會願意單方面改採合作策略,所以大家均不合作的原始狀態是納許均衡。
  3. 當全村有四人合作時,比如自己合作而自己以外另有三人合作,則合作者的牛奶產量可達48,000公升,剛好等於原始狀態中的收益。當全村五人均合作時,合作者的牛奶產量可達50,000公升,超過了原始狀態中的收益。因此,合作者形成有存活機會聯盟的最少人數為五人。
  4. 因為五人可以組成有存活機會聯盟,而且當此一聯盟組成時,每人的牛奶產量均比原始狀態要來得好,所以原始狀態是一個所有村民可以同時改進的狀態,也就是作為納許均衡的原始狀態不是伯瑞多最佳結果。
  5. 雖然五人可以組成有存活機會聯盟,這個聯盟是不穩定的,因為在這大家均合作的狀態下,個別村民如果單方面從合作改成不合作,牛奶產量可以從50,000公升增至57,600公升,所以大家均合作的狀態不是納許均衡。
  6. 因為唯一的納許均衡不是伯瑞多最佳結果,這個局面是一個五人囚徒困局。

所以公有地的悲劇正是一種多人囚徒困局。在這困局中,以自利為考量的理性村民不會自動減少牛隻數目來增加全村的牛奶生產總量,可是當大家均不合作時,個別村 民的牛奶產量卻沒有大家均合作時的牛奶產量來的高,雖然大家明知如此,在無外在權威強制的情況下,個別村民還是會無情無悔地各自為政,這正是「性格決定命運」的希臘悲劇!在現實社會中,公有地的悲劇比比皆是:大至美國國會議員的分肥政治造成龐大的聯邦預算赤字,小至台灣街頭招牌林立、商家侵佔騎樓街道空間等,都是公有地的悲劇的例子。而台灣今日高等教育的困境,更是不折不扣的公有地的悲劇。

adc21a31c037f8c99d14e6afaad5bf6e.4e10bb6adcaee4a49046b3171826b7b7

以教改而言,可以說大學是村民,學生是牛隻,而國家的教育經費和社會的人力資源是公有地。對個別大學而言,廣招學生有許多好處。首先,學生多、聲譽佳、系所完整的大學可以獲得教育部較多的經費補助。以100年為例,依官方資料,教育部總教育經費1842億元中,補助公立大學佔409.3億(22%),補助私立大學佔216.6億(11.7%),而台大一校便單獨佔了43億。再者,學生多自然學費收入多,而碩博班學生多可以讓教授開課無礙,更可以以廉價薪資擔任研究助理,幫助教授從事研究、發表論文。這些都可以進一步提高學校聲譽,以獲取更多的教育部經費,甚至贏得五年五百億的獎助。

然而,在這過程中,教育資源逐漸不足,人力市場逐漸失調,學生素質降低,就業發生問題。牛隻貧瘠了,個別學校還在無悔無休地繼續招生,造成大學錄取率將近百分之百,而碩博班大幅膨脹,甚至出現缺額的情況。多收一個學生,對學校的收益是加一,而其對社會資源的負面影響卻是由全社會來共同負擔,個別學校只需付出微小的比例。公有地的悲劇演出二十年,對社會結構的影響已經盤根錯節。江院長在「解構」的談話中也說:「要再讓蔣偉寧部長把大學塞回去,我相信他不敢。」政府目前所能作的,只是加速產業轉型,加強產學合作,避免產學雙輸而已。

-----廣告,請繼續往下閱讀-----

公有地的悲劇和集體行動的困境兩者的數學結構是一樣的:都是多人囚徒困局,然而這兩個模型在實用上畢竟有些不同。一般而言,集體行動所牽涉的問題是理性的個人不行動,而公有地的悲劇則是關於人們過度使用公共資源而產生的問題。

原刊載於

-----廣告,請繼續往下閱讀-----
文章難易度
林澤民_96
37 篇文章 ・ 245 位粉絲
台大電機系畢業,美國明尼蘇達大學政治學博士, 現任教於美國德州大學奧斯汀校區政府系。 林教授每年均參與中央研究院政治學研究所及政大選研中心 「政治學計量方法研習營」(Institute for Political Methodology)的教學工作, 並每兩年5-6月在台大政治系開授「理性行為分析專論」密集課程。 林教授的中文部落格多為文學、藝術、政治、社會、及文化評論。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

7
1

文字

分享

0
7
1
中學生「課後補習率」跨國研究揭秘:戰鬥民族居冠!——台灣列全球第 7
研之有物│中央研究院_96
・2021/11/29 ・4774字 ・閱讀時間約 9 分鐘

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文|周玉文
  • 美術設計|林洵安

課後補習的跨國研究

根據教育部每 4 年更新的調查數據顯示,台灣課外補習費持續攀高,從國小國中高中生每人平均年繳補習費都超過5萬元(含才藝、學科、國小安親班)。但補習熱不只在台灣,中研院歐美研究所黃敏雄研究員接受「研之有物」專訪指出,課後補習可說是另類的全球化現象。他蒐集世界各國的數據,進行跨國性比較研究,驗證哪一類型的孩子更可能參加課後的學科補習。

子女學習差,高社經家庭更有能力補救

一早出門早自習,放學後繼續在補習班、家教課奮鬥,這是不少台灣學生的青春回憶。儘管經歷多次教育改革,為何在國高中的教育系統,「補習」始終不曾消失?黃敏雄引入社會學的「彌補優勢」理論(compensatory advantage)來解釋。

我們在學習成長的過程中,難免會遭遇負面事件而受到負面影響。「彌補優勢」的概念是:這類年少時期的負面影響,在家庭社會經濟條件居弱勢的子女身上,經常持續存在、甚至加劇;但是,對於背景較優勢的子女,這類負面影響卻隨著成長而減弱。

例如,課業表現低落的學生,如果成長在家境良好的家庭,往往還是能完成高等教育或進入生涯前景較佳的學程。反之,若是身在文化經濟條件貧乏的家庭,學生通常會進入較差的學程或無法繼續升學。

-----廣告,請繼續往下閱讀-----

高社經地位家庭可以透過許多方式,實現這種彌補優勢──找家教、付錢讓小孩上補習班,即是其中之一。相對來說,教育程度較低、經濟條件貧乏的父母,往往沒有足夠的資源提供補救,也缺乏充分資訊和人際網絡,幫助減緩負面影響。即便有些許資源,父母可能會選擇將有限的資源,投資在學習表現比較傑出的子女身上,而不是用來挽救成績低落的子女。

為了確認補習與社經背景的這種關聯,黃敏雄運用 2012 年「國際學生能力評量計畫(Programme for International Student Assessment, PISA)」數據,進行跨國性的比較研究。

PISA 是目前最廣為人知的全球性學習表現評量,每 3 年進行一次。2012 年,PISA 調查項目包含了各國的課後補習狀況,並區分為收費與免費,有效樣本來自全球 36 個國家/地區的 15 歲中學生,台灣也名列其中。2012 年的調查除了補習時數,另外還有「創造性解決問題能力」的評測。

據此,黃敏雄採用 PISA 關於學科補習及解決問題能力的跨國數據,建構出運算模型,分析各國學生社經背景、能力和參與補習之間的關係。

-----廣告,請繼續往下閱讀-----

黃敏雄解釋,解決能力是一項關鍵的指標,代表孩子理解、反思、應用,試圖解決陌生問題的整體能力,與補習可能帶動的學科能力無關;可由此觀察,究竟是哪一種能力類別的孩子更常補習。

PISA 課後補習調查以「學科補習」為主,也就是 15 歲中學生針對學校教授的課程,例如科學、數學或國文,在課外時間所進行的課業輔導,其中付費補習則是指到商業補習班或找私人家教加強學習。圖/Pexels

全球總補習率最高:俄羅斯!台灣補習率達 7 成

首先,檢視各國課後補習的普及程度,科目包含科學、數學或所屬國家的語文,結果恐怕將打破「只有亞洲學生愛補習」的迷思!

數據顯示,包含付費與免費補習,全球 36 個參與調查的國家/地區中,中學生補習比率最高依序為俄羅斯、南韓、上海及新加坡,介於 80%~85%。緊跟在後為日本及波蘭,接近 80%。接著是台灣,有將近 70% 的中學生每週補習,排名第 7。以色列、香港、葡萄牙、保加利亞及義大利有超過 6 成的補習率,英國、塞爾維亞及芬蘭則是接近 60%。

若僅看「付費補習」比例,前四名沒有改變,但第一名換上新加坡為 62%,南韓、上海、俄羅斯介於 50%~60%。台灣為 36%,排名第 11。北歐國家則普遍都低於 10%。

-----廣告,請繼續往下閱讀-----

若只看「免費補習」比率,則以日本 61% 最高;其次是北歐國家。台灣則約為 34%,比率和付費補習相差無幾。

整體來看,除了俄羅斯之外,南韓、新加坡、上海等升學考試高競爭的東亞地區,補習比例都名列前茅;最不愛補的國家,則是挪威、奧地利和愛爾蘭。北歐國家對於付費補習幾乎都興趣缺缺,偏向免費課輔。

黃敏雄分析,北歐與東亞國家明顯落在光譜兩端,推測與各自的升學制度、文化及社會福利息息相關。好比芬蘭補習率雖然接近 6 成,但付費僅不到 1 成,極可能是因為提供多元的免費課程,讓有興趣的學生能在課後自行選擇參加。

而台灣補習比例不低,跨國排行大約位居前五分之一,沒有補習、付費補習及免費補習各占三分之一。不過,付費補習似乎比一般印象來得低?黃敏雄認為,可能原因是台灣的國、高中普遍實施課後輔導(第八節),儘管也依規定收費,但比起一般家教、補習班便宜許多。這種只付少許費用的校內課後輔導,無法在 PISA 的資料中呈現為付費補習;PISA 資料中的付費補習,包含校外營利性機構的補習與個人家教。

-----廣告,請繼續往下閱讀-----
圖/研之有物(資料來源|黃敏雄)

高社經家庭、解決能力偏低的學生,在多數國家最常付費補習

從數據來看,補習顯然是全球趨勢, 超過半數的國家/地區中學生補習比例在 50% 以上。那麼,回到研究的核心問題,影響學生參與補習的原因為何?哪一類學生更常補習?以上兩個問題,是否都與補習的付費型態有關?

以家庭社經背景來看,就付費型補習而言,在多數國家中,家庭社經背景越好的學生,越可能去補習(部分國家顯示兩者無關,見下圖)。若是免費型補習,良好的背景並沒有提高補習的機率;在十多個國家中,甚至是降低。

針對問題解決能力,就付費型補習而言,問題解決能力越低的學生,越可能去補習;南韓則是與眾不同,問題解決能力越高的學生,越有可能付費去補習。若是免費型補習,在許多國家中,問題解決能力越低的學生,越可能參加;只有日本、澳門及波蘭相反,問題解決能力越高,越可能參加免費型態的補習。

圖/研之有物

多數國家裡,優勢家庭用付費補習來搶救孩子課業

那麼,「彌補優勢」是否可以解釋學生的補習行為呢?黃敏雄將補習區分付費與免費補習,依序探究三個問題,以驗證彌補優勢是否真的存在。

-----廣告,請繼續往下閱讀-----

第一個問題:在低解決問題能力的學生中,哪種社經背景較可能去補習?

對多數的國家而言,在問題解決能力較低的學生之中,高家庭社經背景者更常參加付費補習。在 36 個納入分析的國家和地區中,有 27 個呈現此現象,包含台灣。上海、南韓、保加利亞、新加坡、俄羅斯及香港,尤其明顯

但如果是免費補習課程呢?則沒有出現相同情形。除了日本、荷蘭,其餘國家的低問題解決能力學生,並沒有因為家庭社經背景比較好,因而提高免費補習的可能。

第二個問題:同樣是高社經家庭的孩子,解決問題能力偏低者比較可能去補習嗎?

-----廣告,請繼續往下閱讀-----

就付費補習而言,許多國家如此顯示。36 個國家地區中,有 19 個呈現這個現象:擁有高家庭社經背景的孩子裡,低問題解決能力者較常參加付費的課輔。

其他 17 個國家地區,包含台灣、南韓、香港、新加坡等,高家庭社經背景的學生並沒有因為問題解決能力較低,而提高付費補習的可能。此外,在南韓及台灣還呈現相反的結果,家境良好的學生中,能力越好越可能參加付費補習,顯示菁英主義的現象。黃敏雄推測,當學業成績與未來的教育、職業機會高度相關,高社經父母為了確保子女能保持領先,不論孩子能力高低,都會積極提供付費補習機會。

就免費補習而言,則只有 9 個國家顯示,高家庭社經背景的學生之中,問題解決能力較低者比較會去參加補習,包括荷蘭、加拿大、瑞典、澳洲、英國、丹麥、斯洛伐克、芬蘭及比利時。

第三個問題:在低社經家庭的學生中,高解決問題能力者是否比較會去補習?

-----廣告,請繼續往下閱讀-----

南韓與澳洲的低家庭社經背景學生,高能力者更常付費補習。波蘭、日本和澳門的低社經背景學生,高能力者更常參與免費型的補習。除了這幾個案例之外,對低家庭社經背景學生而言,不論是付費或是免費的補習,能力與補習沒有顯著關係。

在多數國家中,問題解決能力比較低的學生裡,高社經背景者更可能去補習;高社經家庭的孩子中,問題解決能力較低的比較可能去補習;低社經家庭的孩子裡,不論能力高低,補習機率都沒有顯著差別。圖/研之有物

全球化競爭下,中產階級更陷入教育焦慮

綜上數據,可得出幾項重要發現:

首先,這項跨國研究證實,補習確實被用來發揮「彌補優勢」,但僅出現在付費型態。高社經家庭的父母會花錢送孩子上補習班,搶救能力較差的孩子,因此高社經、低能力學生更常參加付費的課外補習。相較之下,免費課輔則被視為補充性工具,在絕大多數社會都未被高社經地位的父母當作彌補機制。

在多數國家裡,功課不好的學生更常補習,特別是出身高社經家庭。因此,對許多國家而言,補習主要是「補救」的功能,「不是希望兒女搶第一,而是不要太落後」。 不過,在台灣及南韓,補習同時也扮演「使強者更強」的功能,「不但要不落人後,還要遙遙領先」。

黃敏雄分析:「當教育機會均等越來越被強調,同時,在全球化之下社會競爭、貧富差距也更劇烈,這讓中上階級父母產生焦慮,擔心孩子不如人,導致下一代的階級地位下滑。」

一旦其他學生都順利升學,自己的兒女卻可能沒有機會,負面影響太強大,資源較充裕的中產以上家長於是積極介入,透過補習或家教加強孩子的學業表現,進而延續他們的階級優勢。

實證研究也顯示,階級差距仍然顯著存在,高社經家庭擁有更多資源拉孩子一把,而補習可能在其中發揮作用,重製了這種階級不平等。

面對高度競爭下的社會階層差距,黃敏雄建議:「國外實驗性質的研究指出,一開始就預防落差是比較有效的策略,而不是等落差形成之後再去補救。」他認為,若政府能提供偏鄉或弱勢家庭高品質的 0-5 歲學前幼兒教育,並於孩童入學之後,輔以免費課輔資源,充分利用優質的線上課程,也許能減緩這種資源不對稱。

然而,另一個讓人好奇的關鍵問題是:當補習成為教育競賽浪潮下的趨勢,家長憂心忡忡安排各式國英數的家教補習,是否真能為孩子成功打造未來?

黃敏雄強調,影響個人未來經濟、生活層面,不單單是靠學科表現。過往的教育體制偏重課業成就,父母也多半在這種環境下養成;但在當前多元、高速變化的時代,「非認知能力」將有更關鍵的影響。例如,情緒管理、自律、勤勉盡責、積極主動、熱情、謙遜、好奇心、想像力、同理他人、關懷生命、有團隊精神、合作協商及自主學習等,即一般通稱的「軟實力」。

望子成龍、望女成鳳是許多父母心底放不下的期盼,但當社會需要的關鍵能力已逐漸改變,黃敏雄提醒:

補習強化的只是學科考試的表現,不是全面性的認知能力。此外,要有健康而成功的人生,不能單靠認知能力,非認知能力會對孩子未來有更重要的影響力!

延伸閱讀:

-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3654 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

0
0

文字

分享

0
0
0
放學後去補習班到底有沒有用?關於補習效果的幾個研究摘要
雞湯來了
・2019/10/01 ・1585字 ・閱讀時間約 3 分鐘 ・SR值 533 ・七年級

  • 文/雞湯來了蕭子喬
    校稿/雞湯來了張芷晴、陳世芃
    製圖 / 雞湯來了黃珮甄
    編輯/雞湯來了蕭子喬

「補習」一直是許多人的童年回憶,好壞評價也眾說紛紜,有些人覺得補得很累、浪費時間,但也有人覺得是提升成績、訓練考試的好所在,究竟補習到底好不好?又或者,該如何拿捏補習的科目、時數,才能讓補習發揮好的作用?接下來,讓我們從科學研究,一同了解補習的真相。

補習,孩子放學後的第N輪班

近年來,補習班數量居高不下,反映出現在孩子們學校課外的第 N 輪班密集情形。補習花孩子這麼多時間、心力,甚至壓縮到親子/孩子和家人相處時間,那麼補習到底有沒有用?

「雞湯來了」團隊翻閱了許多實證研究,發現:補習的成效遠比想像中來的小!

小學生:太多才藝班反有負面效應?

一項針對幼兒園、小學生的研究發現,現在才藝補習氾濫,已經衍生親子缺乏共處時間、妨礙學校教師補救教學、造成家庭經濟沉重負擔、孩子缺乏自主練習所學的時間……等負面效應。

學者建議可以從以下幾點進行決策:

-----廣告,請繼續往下閱讀-----
  1. 分清楚是為了孩子還是父母、
  2. 排定生活目標優先順序、
  3. 衡量孩子時間和家庭經濟狀況。

中學生:有補沒補平均差3分?

學者使用「台灣教育長期追蹤資料庫(TEPS)」,針對超過 10,000 個國中生的數據進行分析,發現:國三生補數學雖然有其功效,但效果值並不大,如果把該資料庫中的分數轉換成 100 分的模式來設想的話,有補習VS沒補習的孩子數學成績只差 3 分!

學者推論原因,可能是因為補習成效多反映在短期、小範圍的考試範圍,但要累積到其他變化題型的考試、大考可能效果有限。

因此,如果實在不確定補習的成效,也可以設定一個停損點,例如我們補 3 個月看看,看等到大考或變換題型的考試時,檢視補習是否真有成效,再一起討論是否繼續補。

高中生:補習太多效果反打折?

學者使用「台灣高等教育資料庫」,針對超過 25,000 位高中升大一學生進行分析,研究出補習對升大學的影響:補習科數對於學測總分的影響為先升後降的非直線關係,補習的時間如果太長,會對學習成績的提高效果打折扣,甚至成績下降。

-----廣告,請繼續往下閱讀-----

因此,考量孩子的精力是否能夠充分吸收補習所學,學習的狀況是否能確實因補習帶來一定程度的進步,可以避免補很多卻徒勞。

相信許多家長或孩子,會擔心如果不仰賴補習班,會不會浪費掉課後時間,會不會更不知該如何掌握課業?那就需要培養自律與時間管理的能力!延伸推薦:培養自律、練習時間管理的秘訣

下課後就去補習班、才藝班是台灣許多人求學的經驗。圖/byWokandapix@Pixabay

  1. 趙蕙鈴(2011)。「以子女爲中心」和擔心子女輸在起跑點的父母教養心態與親子處境之探究。家庭教育與諮商學刊,10,31-62。
  2. 錢得龍(2005)。才藝學習氾濫, 父母怎麼辦?師友月刊,458,50-54。
  3. 江雪齡(2017)。學齡前的孩童該學什麼?師友月刊,606,0-5。
  4. 李新民(2003)。課後托育機構整合國小課程之初探。幼兒保育學刊,1,19-39。
  5. 關秉寅、李敦義(2008)。補習數學有用嗎?一個 “反事實” 的分析。臺灣社會學刊,41,97-148。
  6. 劉國兆(2013)。升學主義、學校生活與課後補習: 一群七年級國中生的課程觀。教育研究學報,47(2),73-98。
  7. 黃毅志、陳俊瑋(2008)。學科補習、成績表現與升學結果:以學測成績與上公立大學為例。教育研究集刊,54(1),117-149。
  8. 近十五年補習班數量變化(2019)。取自直轄市及各縣市短期補習班資訊管理系統

本文轉載自「雞湯來了」【開學特企】補習的真相大公開

-----廣告,請繼續往下閱讀-----
雞湯來了
51 篇文章 ・ 463 位粉絲
幸福,如何選擇?雞湯來了相信我們值得擁有更優質的家人關係。致力提供科學研究證實的家庭知識,讓您在家庭生活的日常、人生選擇的關卡,找到適合的方向。雞湯來了官網、雞湯來了FB