京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据引发的风险与管控
前些时候,几乎全世界都在围观李世石和阿尔法狗的“人机大战”。在围棋对弈的两端,排名世界第五的李世石,在一定程度上代表着人类的智慧,接受以棋谱大数据撑腰的电脑阿尔法狗的挑战。
胜负总有定数。然而,在胜负之外,在娱乐狂欢之外,很多人开始陷入沉思,甚至忧思。
事实上,无论愿不愿意、接受不接受,大数据早已开始悄然渗入人类生活的每一个领域,乃至无孔不入,教育和学习领域亦不能例外。
当很多人尚不知大数据为何物时,当我们还在怀疑大数据所蕴含的威力,问它究竟能有什么用处时,甚至于浑然不知,以“无知者无畏”之姿态斥其无用时,世之智者如维克托·迈尔·舍恩伯格等,早已超越大数据“是否有用”这样初级的问题,而是从整个教育发展的过去、现在以及未来趋势入手,关照大数据时代背景下,教育领域即将面临的不可回避的巨变。
虽然,这一变革正如围棋对弈一般,场面上看起来并不那么喧闹,但实质上却是暗流汹涌,不可逆转。因为,大数据已经正在渗入教育和学习生活的方方面面,并将对这个世界的教育和学习产生深远的影响。
在《与大数据同行——学习和教育的未来》一书中,迈尔·舍恩伯格截取了喜马拉雅雪峰脚下不丹“唐卡绘画”传习这一传统教育的典型镜像,来意指传统教育的“薄暮”,并随之带领我们走进一个大数据时代学习和教育正在悄然发生的巨变场景。
事实上,大数据即将为教育领域带来的变革和益处,相对而言是较易接受和理解的。因为只需要让感兴趣的人们不断“尝到应用的甜头”,即可诱导人们步步深入,乃至深陷其中而难以自拔。至于如何利用大数据优化学习,相关专家已有诸多堪称细致入微的阐释。
至此,面对大数据,教育领域是否“过于保守”,就被提上了人们需要思考的议程。因为,表面看来,几乎在每一次的科技革新对人们生活、生产、学习带来的巨大改变中,教育领域都表现得不如工商企业那么灵敏。
但更为可贵的是,当人们还在纠结于对教育而言大数据是否有用、如何应用这些问题时,迈尔·舍恩伯克等智者早已开始警惕并洞悉大数据的另一面:大数据的阴暗面、不当应用即将带来的新的风险,以及人类面对大数据应有的恰当态度和应对措施等,从而将我们的思考引入大数据之于人类的道德、诚信、法治精神层面,乃至善良的人性。
新的科技革新,与生俱来的往往是一把双刃剑。见微可以知著,相对大数据而言,在当前的教育生活中,即使一个小小的“小数据”,比如一个小学生某一次的期末数学考试成绩,都很有可能被人无意间拿来给他贴上一个“毫无数学天赋”的标签,从而影响他的一生。
正如迈尔·舍恩伯格所说,遗忘是心灵垃圾的大扫除,而无法遗忘的旧数据,将是“最大的隐患”。在大数据时代,如果一个人学生时代的各种信息数据被永久存留而无法“遗忘”,从而形成他“永久的过去”,而这些数据随时随地可以被其他社会组织或个人,比如他将来的应聘单位提取,并因此依然将他定义在那些事实上可能早已消失得无影无踪的“过去”时,那将会对他产生何等的影响,带来多少烦恼?抑或经过基于大数据的一番难以辩驳的预测,给出一名小学生一个“被规划的未来”,因而让基于他过去的数据决定了他的未来,那将意味着什么?有时候,这样的思考可能会让人感到“细思恐极”。
此外,在大数据面前,个人隐私如何得到有效保护,以及能够拥有和利用大数据学习的学生能否因此而更加优秀,而那些不能拥有和利用大数据的学生能否因此而改进和提高的机会更少,从而形成一道不可逾越的“数字鸿沟”?对诸如此类问题的思考,也会让我们觉得,面对大数据的凶猛来势,教育领域是否真的“过于保守”,还需要分情况界定,因为过犹不及,保守和冒进往往是事物的两端。
数据无情人有情。正如迈尔·舍恩伯格所说,大数据的背后其实是人的问题。那么,大数据如何得到合理的管控,“取信于人”,为教育和学习所用,就成了一个极为迫切且值得深思的问题。
“合抱之木,生于毫末;九层之台,起于累土;千里之行,始于足下。”无论如何,面对大数据这一认识世界的新方式,还是要从认识大数据本身开始。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09