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
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在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27