
大数据时代的教育新使命
大数据时代,数据科学给予了自然科学、工程技术、人文社会科学量化的依据,意味着量化研究走进了各个科研领域的新时代。同时,大数据的建立及其研究结果,不仅是科学研究和技术创新的平台,也是人才培养的基础,更是各种决策的依据。
欧美发达国家和研究机构均非常重视大数据,在国家层面建立了教育大数据中心。譬如,美国建有国家教育大数据中心,其中涵盖近些年来不同类型的大学与中小学在数量、经费、教师人数等诸多方面的数据以及统计结果,经合组织(OECD)和英国也都各自建有教育数据中心。
近期,我们到美国密西根大学进行访问,深深感受到该校作为世界一流大学,大数据意识非常浓厚。该校建立的密西根大数据研究所(MIDAS),与图书馆以及多媒体服务中心等密切联系,为密西根大学乃至密西根州和全美的教学以及科研服务。密西根大数据研究所依托密西根大学而建,旨在利用大数据,服务科学研究、教学、培养人才以及做出各种决策。该研究所由跨学院、多学科的40多位密西根大学的科研人员组成,包括统计、生物统计学、数学、计算机科学、工程、信息科学等专家。研究范围不仅涵盖数据管理、数据共享、统计、机器学习、信息技术等领域,还包括天文学、进化生物学、疾病模型发现、卫生政策、材料合成、个性化医学、社会科学等领域。
据了解,密西根大数据研究所包括数据科学的挑战行动计划(涵盖学习分析、交通、社会科学、个性化医疗和健康领域)、数据科学教育和培训计划,以及一个工业参与项目。密西根大学的同仁们已经认识到:数据科学现已成为继理论、物理实验和计算分析之后的科学发现的第四模式。基于大数据的技术不仅能够应用于科学研究,也在教育、健康、政策分析和商业决策中产生重大影响。
无论是欧美国家层面的大数据中心,还是作为综合性大学的密西根大学的大数据研究所,都具有如下特点:首先是多样性,要从多个维度赋予某个事物的数据内涵;其次是动态性,数据要不断更新,政府组织、研究机构和各级学术组织,乃至每个科研工作者都是数据的提供者;再次是直观性,大数据不仅仅是数据的提供,更是数据统计的直观图像的研究、建构和分享;最后是共享性,每个人都是大数据的分享者。
就我们团队所见而言,无论是美国小学教室的墙报,还是中学课堂的教室文化,包括密西根大学数据研究所以及曼哈顿街区的广告,大数据以及数据文化无处不见。数据意识正在成为美国高等教育和中小学教育的隐性或显性课程,数据科学的文化正悄然兴起。在我国基础教育领域,数据意识重视程度远不如高校。例如,2015年8月27日,在北京市委市政府的支持与指导下,由中关村管委会、海淀区政府、北京大学、北京工业大学四方共同筹建了北京大数据研究院。清华大学、电子科技大学、中国人民大学等高校都成立了数据研究院、大数据研究中心或统计与大数据研究院等。尽管我国高等院校在数据研究院(中心)人员构成的跨学科性、与图书馆的协作性、为国家和地方做出决策的服务性等方面还达不到理想的程度,但我国部分高校对数据的愈发重视,将倒逼基础教育阶段的校长和教师们更加重视数据意识的培养。
在大数据时代,作为基础教育的主阵地,要培养的数据意识包括:
首先,重视理解数据类型的多维度性。从来源形式分为数字、文本数据、音频、视频数据等;从能否有序分类,可分为从结构性、半结构性和非结构性数据;从数据的存在形式又可分为时间数据、空间数据和生态系统的时空数据等。数据类型的多样性,是大数据时代建立全局观数据意识的前提。
其次,注重从多种途径采集数据。包括官方发布的数据、公共资源数据、研究机构和非政府组织发布的数据、各种研究的数据等。大数据不仅注重数量,更要注重同一事物的数据表征形式的多样性,后者是数据客观表征事物的根本保证。
再次是统计意识。包括利用数据进行统计决断,获得统计规律的意识,认识到统计的结论不是绝对,更不是唯一。
最后则是运用软件进行数据处理。包括运用图形计算器处理数据,在校本课程开发中,可以开发出各种可视化分析软件课程,供学生选用等。
作为基础教育工作母机的师范大学,不仅要培养具有数据意识与能力的师资,还要建构区域基础教育大数据研究中心,收集、建构、统计某个区域基础教育的方方面面大数据,着眼于服务于区域、学校的基础教育科研,服务于国家基础教育决策,进而建构区域基础教育生态系统指标,推动我国基础教育的健康发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29