最近，MOOC的爆发突显了在全球范围提供教育资源的可能。MOOC 受到的关注是当之无愧的，但不应忘记形态各异的在线教育早已存在多年。我们并不试图为在线学习资源编写家谱，而是聚焦于有关在线教育项目的一些实例，重点是美国斯坦福大学——我们执教的学校，也是我们最熟悉的地方。以此为例，来突出面临的机遇与挑战。
作为背景：1969 年，美国斯坦福专业发展中心(the Stanford Center for Professional Development,SCPD) 开始通过电视微波频道提供远程学习课程。学生（多数是在硅谷当地工作的工程师）就有机会在校园之外观看课程，并通过专递方式提交作业。到1996 年，这些课程已经演化为通过互联网流媒体传播，并有多种方式收取电子作业和发布课程资料。虽然从某些角度看，这种课程提供方式和更现代的MOOC类似，但非常关键的是费用的差异。在斯坦福专业发展中心注册的学生缴纳与斯坦福在校生接近的学费，在课业评估方面接受同质的指导服务，并且在通过考试后获得学分。不过，成本问题导致远程学生的数量通常比在校生少得多。
2008 年上线的“ 斯坦福公开课”(Stanford Engineering Everywhere,SEE) 使情况发生了变化。在该项目的倡导下，斯坦福免费在线发布了它最受欢迎的几门工程类课程，包括6 门计算机课程。这些课程含全部授课视频和所有课程资料（课件、作业和软件）。课程视频发布在视频分享网站YouTube、苹果的iTunes U 和斯坦福自己的网站上。尽管这个项目本身并不新鲜（美国麻省理工学院的开放课程(Open-CourseWare) 项目比SEE 要早开始几年），反响却很强烈。发布的课程中有一门CS106A（斯坦福的基于Java 的计算机科学入门课程）。它的授课视频（每个约1小时长）仅在YouTube 就被观看超过200 万次。美国、中国、印度和巴西的一些大学开始使用这些视频作为它们自己编程入门课的一部分。并且，由于CS106A覆盖了大学先修计算机课程体系（译者注：美国和加拿大面向高中生的大学先修课程）的大量内容，有报道说，未参加传统计算机课程的高中生，仅靠观看课程视频（独自或通过教师组织的独立学习项目）就能学习并通过考试。值得一提的是，这些在线材料并没有像MOOC 一样提供任何形式的督促和激励（MOOC通常提供选课、测验和评分、作业时限、成绩单等等）就产生了如此巨大的效果。重要的是，这些悄然逐步添加的新特性让最近的MOOC 跨过了一道分水岭——从被看作是另一种免费教学资源，到可扩展的免费课程。这种感知上的变化也为其带来了新的可能和期许。
2011 年秋季由斯坦福教师发布的MOOC 三重唱——人工智能、数据库和机器学习课程——吸引了几十万学生，并孵化了两个个人创业项目：Coursera 和Uda-city。同时，从MITx 进化而来的edX 成为在线教育领域的非盈利性组织，最初吸引了麻省理工学院和哈佛大学，后来加州大学伯克利分校和德克萨斯大学也加入了。斯坦福还开发了两种新的在线学习平台——Class2Go 和Venture Lab，并任命计算机专业的教授约翰·米契尔(John Mitchell)为首任在线教育副教务长，以致力于在线教育的进一步发展。
MOOC 拥有在全球范围提供教育的潜力，但是，如果想与“经典”的课堂教育模式竞争，无论单独存在还是与其它方式混合，还面临很多问题。这里，我们将基于我们的经验，探讨MOOC面临的一些机遇和挑战。
认定原创和防止抄袭
在线教育最受热议的挑战可能就是认定原创工作并阻止（至少做到检测）抄袭。有报告表明，抄袭是在线课程潜在的重大问题。对此，Coursera 已表示会尝试使用抄袭检测软件。现在评估自动抄袭检测的效果还为时尚早，但如此清晰的需求会驱动更多的相关研究。edX 和Udacity都与培生考试中心(VUE, Pearson Virtual University Enterprises,Pearson) 展开合作，通过有监督的考试确保学生的诚信。虽然用考试中心来确认学生身份和答卷的原创性比自动检测抄袭的方法看起来更直截了当，但对学生来讲增加了费用。影响MOOC未来成功的一个重要因素是其费用与注册参加传统课程学习的费用和收益的比较。
认证
MOOC 的另一个重要组成部分是它能否以及如何向学生提供某种形式的文凭。虽然SEE（它不提供任何形式的认证）的经验使我们相信即使没有文凭，有很多学生还是会参加在线课程学习，但我们也发现许多学生会关注外部颁发的证书或文凭。有很多公司（包括非盈利和盈利）提供各种形式的证书，也有几所大学提供纯在线学习文凭甚至学位。还出现了混合模式。例如，美国华盛顿大学针对学生学习Coursera 上的一些课程提供学分，只要他们交了学费，并通过了附加的考核。因此，对在线学习进行认证的模式是肯定存在的。这些认证多大程度上获得外界，特别是雇主的认可，一定会影响人们如何看待MOOC 和比较传统的课堂。
更丰富的评分手段
虽然最早的MOOC 主要使用比较直接的方法来评估学习效果，比如选择题或填空题，但马上出现了可以更全面地度量学生对教学的参与度的评估方式。在计算机课程中，这种评估包括评估学生编写的程序和评估更复杂的学生项目。虽然可以用测试用例这样的机制度量程序功能，但这种机制并不能适合所有情况，比如交互式的应用程序。在开发评分平台时，必须考虑允许课程作业有足够的多样性，同时还能进行自动或半自动评分。
也已有人建议用同伴互评(peer assessments) 进行大规模人工评分。对同伴互评的研究已表明这种方法的潜力。例如，斯坦福大学由斯科特·克莱米尔(Scott Klemmer) 主讲的在线人机交互课程强调了学生的设计工作。要大规模地对这些设计进行评分，需要课程中的每名学生对分配给他们的几个设计进行排序。然后所有学生的排序被合并，得到一个更全面的排名。有趣的是，其中某些设计也有专家（例如，校园中该课程的助教）做了评分。由于这些评过分的设计现在也嵌在整体排名中，因此可以通过比较学生提交的设计与专家评估过的设计的排名，来确定学生提交的设计的分数。虽然这个系统并非无懈可击，但它确实提供了一种有趣的模型，用来将专家评价注入主要基于同伴互评的模式中。
个性化教育
规模宏大的MOOC 为收集数量空前的学生与学习系统进行交互的数据提供了机遇。于是，用机器学习来分析数据，个性化定制学习过程成为可能。在此方向的研究已存在多年，只不过是以智能导师系统.数据挖掘的形式存在。最近有个例子，在我们的CS106A 课程中， 皮希(Piech) 等人使用机器学习技术，构建了学生程序中间版本自动保存日志的概率模型。这些基于课程中初期作业建立的模型比作业成绩更好地预测了学生后来的表现。用这样的技术可以找出那些在在线课程中进展不顺的学生，并建议他们通过其它学习路径进行补习。
MOOC 也有使用不同教育方法向学生提供信息的潜力，允许每名学生选择自己喜欢的方式，甚至可以给学生建议。一份对超过1000 份在线调查的元分析认为，讲师导向和在线协同指导这样的特性都能提升学生的学习效果，而且混合式学习环境比纯在线环境效果更好。在线课程可以逐步发展吸收这些已被证明最佳的实践经验。
混合教育
正如马丁(Martin) 所指出的， 一些大学为了推动MOOC，在开课、讨论和评估之前，让学生先观看在线课程（马丁以斯坦福的人工智能课为例）的视频。这种“翻转课堂”，在网上公开课之前就已经以多种形式存在，可使讲师花更少的时间讲课，用更多的时间与学生互动。当然，在探索在线视频如何补充或潜在提升教育的道路上，我们也许只是做了些表面工作。还需要更多的工作来确定学生在预习
课程时自己应该做什么；以及弄清楚在学生已经看过视频，并参与了相关练习的情况下，该如何最好地利用课堂时间。
超越在线视频的创新
我们需要找到在线学习的新思路。工具，比如算法可视化工具（例如AlgoViz，http://algoviz.org， 或阿米特· 帕特尔(AmitPatel) 的概率可视化，http://www.redblobgames.com），编程练习环境（ 例如尼克· 帕拉安特(Nick Parlante) 的CodingBat，http://codingbat.com，或阿姆鲁斯· 库玛(Kumar) 的Problets，http://problets.org），和可编辑的代码可视化工具（例如菲利普·郭(Philip Guo) 的在线Python 导师，http://www.pythontutor.com）都提供了前景美好的在线环境来帮助学生学习。我们相信这样的创新在在线教育领域会发挥特别作用，向学习者提供五花八门的交互活动来增强视频教学效果。也许融合恰当的交互工具已经可以找到并构造新的课程体系，使艾伦·凯(Alan Kay) 的Dynabook7成为现实 。
托马斯· 爱迪生相信留声机的出现会彻底革新教育，教师会被淘汰。随后的世纪中，很多其它技术创新都引发了类似的预言。在可预知的未来，我们确信MOOC 不会取代教师。在线教育对传统的教学方式是一种补充，并且可以有效扩大教育范围，尤其当其它（面对面）形态的教学不可用时。与瓦迪(Vardi) 一样，我们相信MOOC 会持续下去。
无论如何，只要我们这个圈子能解决身边的这些挑战性问题，就可以对在线教育的变革潜力更有把握，这其实取决于我们。
