Chris Wilson ） 上 了 這 門 課 ， 然後 絕望 地 說 ： 「 媽 ， 別 看 著 我 ， 因為 我 要 誠實 ： 我 不 太 確定 自己 是否 會 及格 。 」 撰寫 學習 演算法 程式 並 不會 因為 我們 希望 這麼 做 ， 或 因為 白宮 又 對 科學 、 科技 、 工程 和 數學 有 興趣 ， 或 因為 有 人 設計 了 電玩 來 教 它 ， 就 可以 直覺 寫出來 。 電腦 科學 將 仍然 是 困難 、 多 階段 、 塞滿 規則 的 領域 ， 因為 那 就是 科學 。 儘管 在 網際網路 時代 ， 我們 往往 會 像 過去 崇拜 搖滾 明星 那樣 吹捧 科技 高手 ， 但 科學 和 音樂 是 不同 的 。 科學 永遠 不會 是 自然而然 的 ， 因為 它 不 是 。 吳恩達 再 怎麼 天才 ， 也 無法 改變 這 點 。 遙測式 教育 提供 的 是 每 位 學生 都 有 舉手 被 聽見 的 機會 。 這 種 機會 在 擁擠 的 教室 並 不 容易 有 ， 尤其 是 女性 或 弱勢 族群 學生 ， 他們 許多 人 覺得 如果 問錯 問題 或 表現 得 很 蠢 ， 會 加強 大眾 對 他們 這 個 族群 的 某些 不良 觀感 。 我們 現在 知道 這 是 個 真實 的 現象 ， 是 全 世界 教室 裡 每 天 上演 的 事 ， 叫作 「 成見 威脅 」 。 被 別人 看壞 ， 會 導致 你 失敗 事實 證明 ， 被 別人 看壞 ， 會 導致 你 卻 步不前 。 這 件 事 是 這樣 證實 的 。 二○○六年 ， 史密斯 學院 的 心理學 研究者 瑪莉珍 ．拉格 （ Maryjane Wraga ） 和 一些 同事 找來 五十四 位 女 同學 ， 付 她們 每 人 二十 美元 做 一連串 的 空間 測驗 。 拉格 把 她們 分成 三 組 ， 並且 告訴 第一 組 說 ， 這 種 測驗 女性 表現 得 會 比較 好 ， 而 告訴 第二 組 說 女性 表現 得 會 比較 差 。 這 就 相當於 在 告訴 三分之二 的 參與 者 ， 她們 將 驗證 或 反證 一 種 對 全體 女性 的 正面 或 負面 成見 。 至於 第三 組 （ 控制組 ） 則 沒有 被 告知 任何 事 。 每 位 受 試 者 都 在 測驗 的 同時 接受 功能性 磁振 造影 （ fMRI ） 掃描 。 那些 被 告知 她們 的 考試 表現 會 用來 驗證 負面 成見 的 女性 ， 處理 憤怒 與 悲傷 的 腦區 （ 前 扣 帶回 前端 腹 側 ） 以及 負責 社會 及 人際 關係 學習 （ 右額 葉眶 回 ） 的 腦區 都 較為 活躍 。 換句話說 ， 受 試 者 自己 把 聽到 的 測驗 前題 （ 女性 較 可能 在 測驗 中 表現 不佳 ） 解讀 為 事實 了 。 反過來說 ， 那些 告知 測驗 是 用來 驗證 對 女性 正面 成見 的 另 一 組 人 ， 她們 的 工作 記憶 相關 腦區 （ 右 前額 葉 前端 ） 以及 以 自我 為 中心 的 空間 處理 相關 腦區 （ 顳葉 中回 ） ， 是 較為 活躍 ， 這 就 是 我們 感知 物體 與 我們 自身 相對 關係 的 方法 。 我們 已經 知道 信心 會 影響 測驗 表現 ， 但 在 拉格 的 研究 之前 ， 科學 並 未 清楚 知道 社會 污名 和 成見 對 教育 的 影響 。 拉格 和 和 她 的 同事 發現 ， 接受 正面 成見 刺激 的 女性 比起 接受 負面 成見 的 測驗 表現 好 百分之十四 。 （ 註 1 ） 成見 威脅 可能 是 影響 因素 ， 從 一 個 事實 可 看出 ： 只有 三成 非裔 及 少於 兩成 的 拉丁裔 美國人 （ 目前 二十幾 歲 者 ） 擁有 副學士 學位 （ 譯注 ： 相當於 專科 學歷 ） 。 美國 現在 大專 輟學率 比 任何 高度 已 開發 國家 都 高 ， 這 可能 也 是 原因 之 一 。 （ 註 2 ） 在 一 個 不會 被 人 看衰 的 環境 裡 學習 想想 這些 發現 背後 的 意義 ， 尤其 是 兩 組 受 試 者 之間 那 百分之十四 的 表現 差異 。 並 不 是 表現差 造成 了 成見 ， 而是 反過來 的 。 當 一 個 人 因為 屬於 某 個 族群 ， 而 持續 承受 人們 對 她 在 測驗 中 表現 的 負面 預期 ， 正 是 那 個 預期 對 她 的 表現 有 毀滅性 的 影響 。 「 課斯拉 」 創造 一 個 環境 ， 把 學生 和 這些 預期 效應 隔開 。 目前 ， 該 系統 的 最 大 資產 是 ， 做 某些 教育 和 課程 實驗 的 成本 大大 降低 了 。 「 在 傳統 的 教育 研究 中 ， 你 可能 有 二十 個 學生 在 實驗組 ， 二十 個 學生 在 控制組 。 如果 你 真的 很 幸運 ， 或許 可以 得到 剛好 過 統計 顯著 門檻 的 結果 。 」 吳 說 。 一 個 包含 數百 位 學生 的 大型 教育 研究 ， 花費 可 達 數千 美元 ， 而且 有時 數 個 月 或 數 年 都 得 不 到 可以 行動 的 結果 。 在 「 課斯拉 」 上 ， 每 個 互動 都 可 變成 A/B 組 測試 ， 讓 其中 一半 的 學生 看 某 一 堂 課 ， 而 另一半 看到 不同 的 課 。 何 任 一 天 吳恩達 都 可以 對 兩萬 名 學生 進行 這 類 測試 。 所有 資料 都 在 幫助 他 了 解 詳細到 任何 個人 等級 、 又 廣 到 足以 套用到 任何 國家 任何 學生 的 學習 過程 。 二○一二年 ， 他 有 兩千 名 學生 對 一 個 題目 提交 同樣 的 錯誤 答案 ， 吳恩達 立刻 發現 問題 不 在 上課 的 學生 ， 而是 題目 本身 不對勁 ： 「 在 一般 課堂 上 ， 如果 一百 個 學生 有 兩 名 提交 同樣 的 錯誤 答案 ， 你 或許 根本 不會 注意到 。 但是 當 一萬 名 學生 裡 有 兩千 個 提交 了 同樣 的 錯誤 答案 ， 那 就 強烈 地 提醒 教師 必須 解釋 清楚 。 」 吳 再次 檢查 了 題目 ， 一 開始 沒 看出 什麼 錯 。 大部分 學生 都 答對 了 。 但 當 他 用 學習 演算法 分析 這 批 資料 ， 就 發現 答錯 的 學生 都 是 犯 同 一 類型 的 錯 ： 他們 把 公式 裡 的 兩 個 步驟 弄反 了 。 他 因此 學會 如何 在 錯誤 發生 前 便 預測到 。 他 設計 了 一 個 客製化 的 錯誤 訊息 ， 所以 現在 每 個 做錯 該 題 的 學生 都 會 得到 一 個 提示 ， 要 他 或 她 重新 想想 運算 順序 ， 如此一來 學生 就 能 更正 錯誤 步驟 ， 進步 得 更 快 。 在 實際 蒐集 並 使用 學生 資料 的 線上 環境 中 ， 這 類 發現 越來越 常見 。 MIT 物理學家 大衛 ． 普里查德 （ David Pritchard ） 首度 分析 一千 位 學生 接受 廣為 使用 的 一 種 概念 測驗 的 結果 時 ， 他 發現 大部分 精心 設計 的 題目 往往 對 問題 學生 是 挑戰 ， 對 準備 較 佳 的 學生 則 輕而易舉 ， 就 像 大家 預期 的 一樣 。 但 有 兩 個