
课工厂展示另类大数据_数据分析师考试
摄影棚、聚光灯、反光板、道具、助理,甚至还有导演,宋帅恍惚间觉得穿越到某个剧组演戏。没错,他是“男一号”,可惜搭戏的不是性感火辣,充满御姐风情的女主角,而是高等数学。作为大学教师的宋帅为了让课程更加生动有趣,与贵阳一家名为“课工厂”的在线课程制作机构进行合作,以如电影般吸引观众的教学视频,达到“激励”学习的效果。
他不是第一个吃螃蟹的人,之前全市已经有20多位老师当过“演员”了。
演电影? 呵呵,录制教学视屏
课工厂位于贵阳市高新区国家数字内容产业园一楼,两间上百平米的办公室。
右边是现代化十足的格子间,左边办公区实际是摄影棚,里面有DV摄像机、三脚架、墙布、反光板、反光伞、柔光箱、灯架……架势十足。一位导演和副导演坐在摄像机后面,神情专注。
“咔。你的表情太僵硬了,生动一点,就把我们当成学生,自然一点,再来一条。”“导演”卢俊宇给录制视频的老师“讲戏”,又聚精会神地盯着摄像机,嘴里喊道:三、二、一,开始。
这就是“课工厂”在线开放课程录制现场,通过建立“剧组式”、“影视级”的课程制作体系,由课程导演、课程策划到后期制作等九大角色与老师配合,采用现场教学式、影棚录播式等拍摄手法进行在线课程制作。
例如这位正在录影的高校教师,她讲述的课程是陶渊明的《归田园居》,以往“背景板”只有黑板,现在参加“影视教学”,“剧组”会在后期加工合成动画、3D效果,让学生像看电影一样把课上了。
戴着耳麦是“卢导”,走出影棚就是卢总。课工厂的工作人员虽然以90后“小鲜肉”居多,但他们大多都是高学历人才,在数据收集、视频剪辑、动画合成等领域得心应手,同时又可分身“场记”、“助理”、“灯光师”、“摄影师”。通常一个“剧组”要8个人服务1名讲师。
分拆知识点 录制3-10分钟小视屏
课工厂设计部负责人罗城介绍,公司创建于2014年,所选的教学视频录制领域,是因为看好“互联网+”教育市场的巨大前景。
在过去的几年中,“开放课程”或者说是那种可自选、且免费的课程,在教育领域里出现了巨大的转折点。在中国,越来越多的学校不再选择传统教育出版社发行的教科书,而是选择开放课程,这种现象以往从未发生过。
数据显示:中国在线教育用户规模持续增长,到2017年将达到1.2亿人。
“这种转型是极受欢迎的,使用开放课程,也被人称为开放教育资源,能够节省一定的教育开支。”当学校开始选择免费课程,意味着他们无需在印刷教科书上花费太多,只需选择一个能够管理数字化课程的网页平台即可。对学生而言,这种自由化、个性化的学习体验,能够帮助他们更快的掌握知识点。
然而,虽然很多学校逐渐采用互联网进行知识传播和学术交流,可由于缺乏相关的操作经验和技巧,高校自我录制的视频,很难吸引学生的关注。罗城表示,有专业研究机构曾对一份700万人在线学习的样本数据分析得出:6-9分钟长的教学视频效果最佳。教学视频超过10分钟,学习者的注意力明显下降。
为了能够“抓住”学生,课工厂“出厂”的视频都是经过由课程设计师通过多样化的课程设计,将若干知识点分拆成一段段的小视屏,时长集中在3-10分钟。以“短、小、精”的方式,提升收视率。
收集大数据
优化填补漏洞
目前,教育课程正处在变革海洋的中心。巨额的教材开销,封闭的课程,这样的“苦日子”正在逐渐消亡。新兴的开放课程不仅可以帮助中国的教育机构节约教育成本,还可以汇聚全国范围内精英教师的专业智慧。
在贵州,目前就有10多所高校、职校与“课工厂”进行合作,院校派出20多名讲师,将录制的教学视频放到官网公开,视频可以循环利用,最重要的是,这种重新定义的教育教学形式,打破时间限制,重点难点可反复观看,学生不必担心错过任何知识点。
此外,课工厂还成立了数字媒 体 教 育 研 究 院 , 独 创“C .D .F.P.S课程孵化系统”,通过相关理论研究和大数据分析,不断升级课程制作的理念。罗城介绍,课工厂利用大数据制作教学视频,后台时刻有人进行观测,“例如发现有些视频在某个节点重播率高,意味着这段内容可能很难,有许多人没听懂。我们要将这些数据及时反馈给校方,将课程进一步优化,让课程更鲜活。”
也许再过5年,老师见面可能会说,“还记得我们过去买了那么贵的教科书吗?那些书根本没办法让我们根据学生的需要做调整。”这好像在说,“还记得我们往相机里塞胶卷是什么时候吗?”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25