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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13