京公网安备 11010802034615号
经营许可证编号:京B2-20210330
孔子的“因材施教”何时才能实现?教育专家拿出了大数据
每一个孩子都是独特的,但是我们能针对他们进行真正个性化、差异化的教学吗?
在数学考试中,两个同样得了90分的考生,他们的能力完全一样吗?
老师布置作业:完成第一题到第十题。可真的是所有学生都有必要完成这10道题吗?
日前,记者参加了一场由学海智通云承办的“基于数据分析的初中生自适应学习应用研究”全国教育技术研究规划课题开题会,浙江大学教育学院学术委员会主任、数字化学习研究所所长、教育技术学博导张剑平教授,与在场的20多所学校老师面对面交流时,提出了这样的观点:在互联网时代,老师们的教学不仅要凭经验,更要充分利用学习行为数据的科学分析。
“不得不承认,对于学生,我们知道得太少。”这是卡耐基·梅隆大学教育学院的一句经典的口号,同时也是美国十大教育类年会关注度最高的议题。类似的思考在我们国家的教育领域同样存在。
张剑平教授认为,人工智能+大数据正在部分领域赶超人类,像语音识别技术的应用已越来越普及,中文的语音识别准确率已达到97%。但现代信息技术对于教育教学变革的促进和影响,无论在中国还是美国,都还是在起步阶段,有效利用大数据促进个性化学习的研究与应用,尚有待于研究人员、技术人员和一线教师的共同努力。
比如根据传统的教学模式,我们会认为,成绩相同的学生,能力大体相仿。但如果借用大数据的分析手段,学生的差异性就会清晰展现。如果对同为两个90分的考生进行分析,我们会发现,第一个学生也许更多的是依靠出色的逻辑思维,而另一名同学是依靠出色的记忆力,两个人孩子的能力完全不一样。
基于大数据的学习分析,可以让教育教学真正面对每一个独立的个体,大数据能够让我们更全面地看待学生的发展,发现以往考试成绩所反映不了的深层次问题。老师能对这一情况及时掌握,通过新技术来帮助我们对每一个学生的个性和特点都有了充分的了解,就会有针对性地布置作业,帮助学生弥补能力上的不足,进而实现那个孔子时代就提出来绵延2000多年的梦想——因材施教。
在教学实践中,老师们应该尽可能地用大数据来读懂每一个孩子。
以国际上著名的"Knewton"适应性教学平台为例,该平台上的教学资源能够适应每个学生的个性化差异,可以根据学生的学习表现,判断当前的题目的难度是否过大,是否太容易,还是刚刚好。基于判断实时地改变题目的难度。学生可以按照自己的节奏来控制学习进度,而不会受到周围其他学生的行为影响。然后,系统会给教师一个反馈,告知哪个学生在哪个方面有困难,同时给出全班学生的整体分析数据。如A同学做对了第二题,系统马上可以告诉他,他可以跳过第四题和第八题,这是因为,二、四、八三道题目在考查同样的知识点,如果都做则是简单重复。如果B同学做错了第三题,那么系统就会提示他强化式练习第六题和第九题,这是因为基于大数据的分析,第三题做错的同学很有可能在第六题和第九题也出现错误。而有针对性地反复训练,是十分必要的。
现代信息技术解放了一些具有创新精神的老师,使他们节省了大量重复的劳动而将精力集中在教师的核心任务,这就是技术解放力量。从这个意义上说,再好的技术都不能取代老师,而只是对教育和教师角色进行了重新定义。
在互联网时代,信息技术可以将知识汇聚与个性化推荐结合,通过对学习资源的深度整合,知识导航,推荐引擎,个性评价等更具专业性的深层服务,优化传统教学模式,让课堂减少灌输,增加互动,这无疑是教育的一大进步。传统的课堂也因此将实现功能上的转变,成为交流学习成果和释疑解惑的场所,通过线上线下相结合的混合型模式,实现线上线下一体化(O2O)的个性化学习。
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在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24