
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
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16