京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据之父:老师究竟能用大数据做什么
第二届世界互联网大会可是在乌镇举行了呢!习大大的演讲、互联网大咖的到来,都足以证明互联网在当今时代乃至未来时代的影响力。而在“互联网+”时代,一系列新兴科技的兴起,都让人们兴奋不已。大数据就是其中一项。甚至在我们教育领域也是如此。
天天喊着大数据,但是你真的知道:大数据应该怎么用吗?也许你正利用大数据评估学生,但你真的了解大数据吗?你真的用对了吗?
要说这个问题啊,他最有发言权咯!他就是《与大数据同行:学习和教育的未来》一书作者、被誉为“大数据之父”的牛津大学教授维克托·迈尔-舍恩伯格,他是潜心十余年研究数据科学,是最早洞见大数据时代发展趋势的数据科学家之一。
不久前,他在成都市第七中学发表了《与大数据同行——学习和教育的未来》的演讲。小编精选了部分内容,一起来听听看,这大数据到底要怎么用!
大数据,让老师们告别生产式的教育,给孩子个性化的教育
童年时,我通过《百科全书》了解世界各国的知识。如今,网络带动了各种数字化的剧变。我们得到越来越多的数据,但仍有一些东西在学校里并没有改变——我们对孩子的教育方式没有改变。教育就像打造一辆汽车一样,教师像是流水线上的工人,给孩子同样的教育内容,教育完了以后他们就进入市场。
用工业化的模式来教育孩子,这是荒谬的,因为每个孩子都是独特的,他们有自己的需求,有自己的期望、希望。现在有这么多的网络定餐选择,有如此多的食物选择,但为什么在这个世界上孩子们还是用同样一种制造汽车的方法进行教育和学习呢?
有些人说是因为钱,因为我们不可能给每一个孩子独特的教育内容,但是我认为这个答案是错误的。我们的孩子们就是我们的未来,投入的时间,投入的资源,在将来我们会翻十倍的产出。只有儿童能够发挥出他们个人的潜力,我们才能够驾驭将来的这些挑战。
为了达到这个目的,我们不能再重蹈大规模生产的覆辙,当然也不可能给每一个小孩配一个老师。但是我们仍然可以有所作为,大数据能够实现这种改变。
大家可能会说,我们一直在使用数据呀,大数据有什么不同呢?
事实上,过去收集数据非常困难,而且成本高。大家知道我们做了一些什么吗?我们创建一些像流程、机制、方法等等,但这些都是在小数据上收集数据。因为我们处理不了大量的数据。
那我们怎么把教育当成大规模的生产来进行呢?正是因为个体化的教育太难实现,过去我们生活在一个小数据时代里。在学习环境中,如果只有小数据的话,也就意味着只能接收这个国家小范围的知识和数据。我们也只能根据这些小数据看世界。换句话说,我们想了解每个学校,每个学生的潜力和需求,就需要去大学、高中、小学去评估、去测量、去看看。但是这实在是太蠢了,我们没有那么多人力、物力、资源。
大数据能够帮助我们解决没有办法收集分析大数据的困境,做以前不能做的事情。那这对学习意味着什么呢?它不仅仅意味着能影响教学结果,还影响着决定者每个学生学习的方式和学习的内容。我们可以给每个学生提供个性化的教学内容,教学服务以及教学方式,也让他们的学习变得越来越容易和简单。
大数据,可以改善教学内容质量
大家现在都在用平板电脑,如果我们在某一个国家能够测量,探索每一个学生都在用平板电脑阅读哪些书籍,去探索每个人的兴趣,那么这将会收集数据成为有意义的教材。因为它非常具有代表性,在课堂讨论的时候我们就可以针对这些教学材料进行互动。我们就可以通过大数据帮助我们找到哪些内容是大家喜欢的,它也能够看到每个人都在做什么。
现在我们有了技术,有了数字,能够获得想要捕捉的信息,而且可以将所捕捉到的这些信息转化成为一个全新的视角,来改善提高教学内容质量。举个例子,我给儿子拍一张刷牙的照片,我想把他作为照片焦点,但当我按下快门时,他手上的牙刷成为了照片焦点,所以我需要重新再照,但儿子当时的笑容我却捕捉不到了。而利用大数据技术来照相就能解决这个问题,大数据技术能把所有的信息都捕捉到照片当中来,人们随时可以选择焦点。这和大数据的分析原理是一样的。
大家一定听说过“翻转课堂”。我们可以把课堂翻转过来进行传播,就是在课堂之外传道授业,这样我们可以把课堂作为其他的用途。翻转课堂可以让我们了解教学楼和课堂是做什么的。如果我们看平板电脑只是独自学习,但是我们在课堂上可以集体学习,可以一起讨论难题和挑战,可以一起讨论喜欢什么不喜欢什么,这就是学校的角色,不是吗?我们可以了解内容,可以自己去消化,但是我们必须去学校里面,向其他的老师学习,这就是社交意义。老师更是一个独特的角色,它并不是知识的传播者,而是一个可以让大家关注一场对话,让大家进行互动的人,这才是老师的角色。
利用大数据,避免数据的独裁
我们必须扪心自问,什么是成功?一开始我就说到了这点,我们必须要测量成果。哈佛大学是世界上最好的大学,它应该是非常完美的,而且它应该了解怎么样优化流程。但是这里有一个秘密,哈佛也不知道怎么样优化学习过程,因为过去十年我就是哈佛的一名教授。哈佛之所以成功,并不是给学生最佳的学习环境,而是每次录取最好的生源就可以了,这就是成功的秘诀。如果两万名学生每年都申请哈佛大学,只录取十分之一的,所以它当然是成功的。
我们只录取最聪明的学生,这就是哈佛完美的原因。它花了很多钱录取最优秀的学生。但是如果我们以低成本录取学生,如果我们误用了数据会发生了什么样的结果呢?可能就会耽误这些学生的未来。
这是非常危险的诱惑。我们可能会基于用数据来筛选、过滤哪些学生进入到某个学校,某个职业。有些学生成绩非常好,但是他们并不能成为科学家。有些学生英语不好,所以就不能成为语言专家。这就是大数据带给我们的困惑。我们完全把学生的未来和这种预测绑定到了一起,而且在过滤老师的时候也是如此,就是数据独裁了。
但我们说与大数据同行,向大数据学习的时候不是这样的意思。我们的核心是要使用数据去提高和改进学习的过程,学校、家长、教科书等等各个利益相关方能在学习环境中都要得到良好的反馈,然后他们才能够提高,从而变得更好。
在将来的时代,我们只有通过变革才能实现成功,也就是让孩子发挥出潜力。请大家去驾驭大数据的力量,让我们打造更好的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 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 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 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 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 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。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23