图灵奖得主吐槽中国高校「重科研，轻教育」怪象！高校教师评价体系是元凶？...
来源：知乎
转自：新智元
11月1号，在第四届世界顶尖科学家论坛开幕式上，图灵奖得主约翰·霍普克罗夫特就中国的本科生教育这个话题谈了谈自己的看法。
来源：四川观察
视频里约翰·霍普克罗夫特教授想表达的其实就是中国的高校中国的高校过于注重国际声望，应当把「本科生教育质量」纳入到学校追求的指标中，而不是一味追求「科研经费」和「论文数」。
虽然，中国目前已经有一些优秀的高校，培养了一些优秀的本科生，但这些本科生的数量远远无法达到社会需求，毕竟顶尖的学校不够多，能培养的人数也不够多。
所以，如何提高所有学生的教学质量，而不仅仅是关注顶尖学校的那一部分，是中国未来人才培养的一个主要问题之一。
约翰·霍普克罗夫特对中国本科教育的见解
约翰·霍普克罗夫特是享誉全球的计算机科学家、教育家。他先后任职于美国普林斯顿大学、康奈尔大学，入选美国国家科学院、国家工程院院士。
曾获图灵奖（1986）、冯诺依曼奖（2010）、美国工程院西蒙雷曼奖创始人奖（2017）等全球计算机科学领域重要奖项。
50多年来，他培养的博士生中有十余位当选美国、英国、加拿大等发达国家院士，其中两名学生分别获得1986年和2021年的图灵奖。
早在今年6月上海交通大学的受聘仪式上，约翰·霍普克罗夫特就提出希望大家深入思考如何进一步提高本科教育水平。
只有提升了本科生质量，才能为真正的杰出人才库储备更多博士生。
此外，北大的一篇文章中也提到了约翰·霍普克罗夫特对于现阶段中国本科教育的看法。
由于中国的企业希望学生在毕业之后就能立刻满足他们的需求，因此，不管是教师还是学生都更倾向于关注应用层面的研究。
虽然美国确实存在应用研究，但这些通常是由受雇于企业的科学家来完成。在教育机构中，美国的教师和学生更专注于出于学术目的基础研究。
于是，和美国的大学系统相比，中国的教育系统中基础研究明显不足。
而基础研究又是让新的科学发现为社会所知，并推动整个现代科学发展的领域。
约翰·霍普克罗夫认为，中国的教育系统需要更加注重基础研究，这样不仅可以满足企业需求，而且科学也可以在这个过程中得到发展。
约翰·霍普克罗夫同时表示，教育的精神是为学生提供他们一生都喜欢做的事情。要做到这一点，大学教育需要关注个人的长期成长，而不是短期的实际收益。
由此，可以采取三点来改善中国的本科教育：
让学生更多地参与到课堂中，从而使教学质量得到明显提升；
将应用研究从大学课程中分离出来，这将使学者们有更多的自由去探索他们的激情，去考察更广阔的科学世界；
给学生更多的时间和空间去发现他们的兴趣，学习他们喜欢的东西，这些都会积累成宝贵的人生经验，从而大大增加他们在未来获得成功的机会。
中国本科教育，症结在哪？
2005年钱老曾在多种场合发出这样的感慨：「回过头来看，这么多年为什么我们的学校总是培养不出杰出的人才？」
这也是著名的「钱学森之问」。
可能，这个问题的症结很大程度上在于中国高校普遍存在的「重视科研，轻视教学」这一现象。而这一现象的根源是高校教师被现有的评价体系束缚住了。
教师评价体系
目前，中国高校的评价体系固化为「唯文凭、唯论文、唯帽子」。过分强调学历、职称、论文等易于量化的评价角度，而「教学质量」这种难以量化的指标比重太小。
这也就导致高校教师在科研和职称的双重压力下，不得不花更多的时间去搞更多所谓「科研成绩」，从而忽视了教学质量。
教学质量难以量化也是一个很大的难题。因为想要上好一门课的成本其实是非常大的。
举个例子，吴恩达的机器学习课程非常经典，被称为是机器学习入门必学课程。那这样一门高质量的课程是如何打磨出来的呢？
其实，吴恩达这门机器学习课程的背后是有一个大团队在支持。吴恩达是主要讲师，而在吴恩达背后参与这门课的还有2-3个讲师，4-5个博士生。这些团队成员有的负责批改作业，有的负责讲授tutorial（例如讲授一些基础知识或者编程辅导），有的负责制定课程内的小项目等等。
再比如，北大的图灵班的课程，其中的许多必修课都要从其他世界著名的计算机科学机构，如卡内基梅隆大学的《The Introduction to Computer Systems》、康奈尔大学的《Mathematical Foundation of Information Field Dynamics》等等，的课程中吸收再总结。
为了避免向学生灌输固定的知识，推动他们对自己感兴趣的领域产生长久的兴趣，还要设计可以自由选择的研究领域和深入的研究项目供给学生，并且还要想办法能让学生接触到计算机科学的各种研究前沿，这无疑要花费很多心血。
所以，这么大的时间和精力的投入，在评职称时却换不来很大的加成，这样一来，教师只能放弃对教学质量的追求，对教学过程也没法上心，所以上课念PPT的现象才会如此普遍。
还有，按照目前国内高校的课程情况和师生比情况，经常是一门课只有一个老师，很多课连一个助教也没有，但却要面对几十个甚至上百个学生。学校在课程上投入的资源本身就非常少，在这种条件下指望靠老师单枪匹马去提升教育质量也不现实。
教科书质量
就像之前提到的，北大的图灵班会采用很多国外的教材。
原因是现在国内的高校基本上已经沦为了西方知识的搬运工，而且还搬运得不好。
以高数为例，目前国内最好的大概就是同济的《高等数学》了。然而，里面的内容多数都是定义和公式的堆砌。相比于教材，倒不如说是一本工具书，靠它来自学是几乎不可能的。
而且，国内这些教科书中经常是只注重各种技巧，而忽略了真正重要的数学思想。
更重要的是，教材的编写没有从学生这个初学者的角度出发，完全不符合人类的认知规律，更不用说什么趣味性了。
学生反馈
很多高校在课程教学过程中和学期末会进行一些「课程质量反馈」。
这种「反馈」看似是在征求学生的意见，但其实很多时候，都沦为「走个过程」。因为，学生对教学的反馈，大概率得不到什么有效的回应，也不会有相应的解决方式更新。归根结底，还是教师评价体系中缺乏对教学质量的有效监督机制。
学生的反馈得不到关注，自然也就不会再花时间想着怎么好好在课上学到东西，毕竟，现在网上的优秀资源太容易获得了，一些优秀的网课甚至可以超越高校老师的讲课水平。
这样一来，老师教学质量差；学生反馈之后无人关心，于是选择在宿舍上网课；上课的人越来越少，老师也越来越敷衍。
这进一步导致了老师与学生之间缺乏互动，也不进行答疑和讨论，作业完成全靠自觉，形成了一个恶性循环。
很明显，这些情况不能再发展下去了。好在，国家已经看到了高校教育的问题，并展开了一系列的改革措施。
改革方向
2020年10月，中共中央、国务院印发 《深化新时代教育评价改革总体方案》（以下简称《方案》），明确提出要完善立德树人体制机制，扭转不科学的教育评价导向，扭转教育功利化倾向，坚决克服唯分数、唯升学、唯文凭、唯论文、唯帽子的顽瘴痼疾。
《方案》在改进高校教师科研评价和高等学校评价中分别进行了政策设计。
高校教师是科研队伍的重要组成部分，教师科研评价对于激发教师创造力、提升学术和社会贡献水平具有重要意义。
当前，「唯论文」、「重数量、轻质量」等倾向在高校科研评价工作中还比较突出，不利于提高高校教师科研水平。为引导树立科研评价的质量和贡献导向，加快破除「唯论文」等突出问题，《方案》提出：
第一，突出质量导向。教师科研重点评价学术贡献、社会贡献以及支撑人才培养情况，不得将论文数、项目数、课题经费等科研量化指标与绩效工资分配、奖励挂钩。
第二，实施分类评价。根据不同学科、不同岗位特点，坚持分类评价，推行代表性成果评价，探索长周期评价，完善同行专家评议机制，注重个人评价与团队评价相结合。探索国防科技等特殊领域教师科研专门评价办法。对取得重大理论创新成果、前沿技术突破、解决重大工程技术难题、在经济社会事业发展中作出重大贡献的，申报高级职称时论文可不作限制性要求。
第三，改进高校学科评估。强化人才培养中心地位，淡化论文收录数、引用率、奖项数等数量指标，突出学科特色、质量和贡献。
目前，已经多所高校在教师考核体系中弱化对论文数量的追求。
复旦大学推行「代表性成果评价度」，取消教师晋升高级专业技术职务的量化标准，改为「学术贡献、学术影响、学术活力」三个评价维度。
此外，许多高校要求教授、副教授上讲台，并且在绩效津贴分配方案中，提高教学工作业绩分配占比。
比如南京大学就建设了「教学支持」与「教学评估」双轮驱动模式，北京外国语大学以学生为中心，形成了比较完善的教师课堂教学质量评价指标体系，考评结果作为教师职称评定和岗位考核的重要依据。
参考资料：
https://www.zhihu.com/question/496025552
https://newsen.pku.edu.cn/news_events/news/people/11153.htm
https://m.guancha.cn/industry-science/2021_11_01_613120.shtml
https://news.sjtu.edu.cn/jdyw/20210625/153489.html
本文对以下知乎回答进行了引用，特别鸣谢：
「林望一」https://www.zhihu.com/question/496025552/answer/2202893270
「王源」https://www.zhihu.com/question/496025552/answer/2202899505
推荐阅读
【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！
一文总结微软研究院Transformer霸榜模型三部曲！
Swin Transformer为主干，清华等提出MoBY自监督学习方法，代码已开源
加性注意力机制！清华和MSRA提出Fastformer：又快又好的Transformer新变体！
MLP进军下游视觉任务！目标检测与分割领域最新MLP架构研究进展！
周志华教授：如何做研究与写论文？（附完整的PPT全文）
都2021 年了，AI大牛纷纷离职！各家大厂的 AI Lab 现状如何？
常用 Normalization 方法的总结与思考：BN、LN、IN、GN
注意力可以使MLP完全替代CNN吗？ 未来有哪些研究方向？
欢迎大家加入DLer-计算机视觉&Transformer群！
大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明）
长按识别，邀请您进群！