京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的知识挑战_数据分析考试
首先是如何界定知识?传统观念认为,知识存在于书本、学术期刊、博物馆和图书馆里,也存在个人的大脑里。而温伯格认为,在互联网时代,知识是无定形的,是混沌的,是悬而未决的,具有巨大的深度和宽度,也是无法确定其边界的,这个观点无疑具有颠覆性。他认为,在互联网时代,人类的知识面临危机,人类所掌握的知识并不可靠,人类设计的完美理论和理论的实际缺陷之间有着很大的差距,“所有确定性都被连根拔起,话题再无边界,没有人对任何事情能达成一致”。当知识具有了网络化的属性并呈现一个开放系统的时候,意味着大众也可以拥有某种智慧,这时,真正有知识、有智慧的并不是某个专家、某个群体,而是互联网本身,互联网变成了一个超级大脑,知识的提升和变化将会永无止境,导致每个人都面对一个大到无限量的信息世界。同时,知识的网络化也对人的思考带来一些根本性的变化,“如果书籍告诉我们,知识是从A到Z的漫长旅程,那么网络化的知识可能会告诉我们,世界并非是一个逻辑严密的论证,而更像是一个无定型的、相互交织的、不可掌控的大网。”
其次是观念挑战,我们需要以新的观念思考传统。比如书籍,作者认为,传统书籍只是一个封闭的系统、单向的媒介,作者在写作时既要和自己对话,也要和读者对话,这种自言自语容易把思想固定在纸上,导致知识的封闭、思想的固化和流动的困难,任何卓越的历史学家都不可能描述出历史的千姿百态,面对“流动性更强、连通性更高、互动性更好”的互联网都会产生巨大的挫败感。传统的纸质书籍在出版后就完成了,它们是作者思想的过去时,不像互联网的知识对话,开放自由,不断发展。
由于网络的开放性有别于专家著作的自言自语和私密性,任何专家为了维护自己的学术地位进行的自私和专断的行为都会遭遇质疑和反对,知识更新会不断加快,不再有中央权威,不再有观点的垄断,所谓“专家”就像鱼缸里的鱼,面对无边的互联网带来的知识大海会显得局促和尴尬,也就是说,大数据时代,真正的专家是互联网,因为他是一个“超级大脑”。
再其次,如何面对大数据时代的信息挑战。由于互联网带来的联通效应,整个世界越来越一体化,每个人似乎都是这个“超级大脑”的一部分,每个人都在制造“知识信息”,也在制造“垃圾信息”,而过量的信息带来的信息超载,超过我们的“信息容道”,会损害我们思考的能力,同时也带来一些诸如信息焦虑等心理症状。那么,面对信息海啸、信息烟雾,教育者如何应对?我认为,知识是有上下游之分的,就如河流的上下游一样,下游水量大,但浑浊;上游水小,却清澈。所谓“学习”就是由河流的下游向河流的上游行走的过程。
知识并不是掌握得越多越好,而是要学会加工处理提纯,教育原理告诉我们,过多的信息数据容易堵塞心灵通道,导致思考能力的瘫痪甚至丧失。我们的教育过于重视知识传授而轻视思考能力,也就是信息处理能力,这就使“选择”和“思考”能力显得尤为重要。
说到底,知识没有边界,用无边的知识填充有限的人生,本身就是一种危险和不自量力的做法,如何在大数据时代学会选择信息,有效利用信息,而不是简单地限制学生接触互联网信息,这才是我们教育者应该思考的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01