京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据给教育带来三大改变
我们说经济、政治、科技很重要,但教育最重要,因为无论什么时代都需要有文化、有知识、有潜质且符合时代精神的人。今天身处变革时代,人才需求也在发生巨大变化,而以大数据为标志的信息技术革命正在深刻影响着教育领域。
大数据给教育带来三大改变
首先是精细化。电子科技大学通过大数据分析发现,哪些学生一个人去食堂、图书馆,哪些学生不参加任何社团活动,这些学生可能是校园潜在的弱势者或问题学生,对他们进行关注就有可能解决问题。肯塔基大学通过把学生各种行为数据整合起来,发现存在问题的学生。
纽约正在上演这样一幕--《纽约时报》要求纽约教育局开放当地K12小学老师的教学、考试、成绩数据,理由是这些数据属于公共部门,是用纳税人的钱投资建设的。
这些数据开放出来有何意义?这意味着每个老师教的每个学生的每次考试成绩开放出来后便可以对老师进行评估。对此,纽约的教师工会组织当地老师上街游行,口号是“老师的绩效是不可以被评估的”。但试想这些数据一旦开放,无论对学生还是老师的了解会更加精细。
其次是个性化。个性化的例子众多。以阿里巴巴为例,阿里巴巴有3.5亿用户,在手机淘宝上每个用户打开看到的界面都不相同,世界上的商品千千万万,为用户提供最感兴趣和最可能买的商品。其背后是什么?是数据。
教育也同样。在大数据时代,可以把学习者用鼠标的每一次点击,停留时间的长短,提问的次数,参与讨论的多少等活动轨迹记录下来,不同学习者有不同的轨迹,针对这些不同的轨迹提供个性化的解决方案。
大数据可以成为传统教育教学与现代教育教学的分水岭。传统教育教学是,老师讲完一堂课,举行完一次考试,通过批改和分析试卷,了解学生对教学点和知识点的掌握程度。电子化之后,老师讲完课可以马上在手机和iPad上考试,成绩出来后可以立刻通过数据分析学生对知识点掌握情况以及原因。
再次是智能化。日本情报研究所研发的“东Robo君”机器人已连续三年参加高考,今年高考录取分数是510分,“东Robo君”考了551分。目前中国也在开发高考机器人,有望在明年参加高考。所以说,智能化是教育的另一个巨大的浪潮。
那么,今天的智能化教育平台究竟发展到什么水平?在麻省理工学院EDS平台上有155000人注册,18000人完成课程学习,有7000人获得了认证。学生来自于194个国家,其中,美国最多,印度第二,英国第三,中国有600多人;97%学生母语是英语,16%是西班牙语;27%是高中生,37%有学士学位,28%有硕士学位。这代表终身学习已经来到我们身边。
在麻省理工学院EDS平台上,留下了两亿三千万条互动记录,十万人参与发起,一万两千人讨论,一个问题有人提出来,22分钟就被回答。做作业时,学生反复看视频,考试前学生到互联网上反复看讲义。3%的人在论坛上发言,90%的论坛点击来自于没有发言的人;得到认证的人,28%在论坛上提问,41%的人回答问题,36%的人发表评论,线下合作的人比单独完成学业的人平均分要高出三分。哈佛大学EDS平台的最新研究报告也显示,2012--2014年,170万参与者,1000万学习课时,平均年龄28岁,四大类课程中学习计算机的人数是其他人数的四倍。
那么,认证对在线教育平台有什么作用?我把这类认证叫做微学位,以哈佛大学为例,如果一门课认证需要100元,硕士学位12门课,就是1200元,而哈佛大学一门课有上百万人在听。这就是在线教育的市场。
教育产业严重被低估
今天的 MOOC有三种模式,edX、Coursera和Udacity。第一种是Udacity,公司不仅提供平台,还提供课程;第二种是Coursera,公司和大学合作,公司提供技术平台,大学提供课程,第三种是edX,大学自己提供技术平台和课程。这三种模式有一个共性--课程全部免费,并提供认证。
MOOC对教育是一次巨大的颠覆。回眸教育发展,从最早私塾时代口耳相传,经过工业革命,受益于印刷技术发展,学校进入大规模培养时代,到今天利用信息技术能很快构建一个教育情景,在这个教育情景下,用大数据驱动提供精细化、个性化、智能化的教育解决方案。我称之为微学校。
很多革命性的现象在教育领域发生:高报酬教师出现在网络平台上,教师发布视频,在互联网上获得点击,点击得越多,收入就越多。收入最高的老师已经超过了20万美元。 Teachers Pay Teachers教师教案交易平台,已经有教师通过该平台获得70万美元的收入。中国在今年3月份也出现网红教师,每小时超过1.8万元。我认为,教育产业是一个严重被低估的产业,这个产业潜力巨大。
今天的互联网是数据沉淀的基础设施,未来任何一个知识点,任何一门课程都会有优质的视频不断在互联网上沉淀。基于此,未来的教育教学是怎样的?原来在课堂上学习,在家写作业,未来在家学习,课堂上讨论、写作业,老师是一个课堂讨论的组织者。这就是颠覆课堂。还有家教平台,家长和学生可以通过视频与教师取得联系,快速有效完成一对一对接。
美国教育K12数据正被打通
美国希望把K12体系的数据全部打通,从幼儿园到小学、中学、大学。比尔盖茨基金会正在做这件事。这是一个浩大工程,意味着所有学校必须遵循一个共同的数据标准,比尔盖茨基金会表示,“如果你遵循我们的标准,这个标准是我们共同制定的,我给你补贴,让你改造你的信息系统。”
现在很多教育问题得不到解决,是因为数据没有连通。一旦连通,一个孩子从幼儿园到大学,他的档案和成绩会被保留下来,无论怎样转学,这个数据档案都在云上。例如,我们也可以通过大数据直观看到有多少人异地高考。
这是一块很大的蛋糕。但首当其冲的是教育培训机构和大学,教育行业和大学将面临一次重新洗牌,重新布局。
这也带来了一些思考,世界一流大学为什么要通过在线教育不断开放自己的内容和课程,内容和课程不是他们的核心竞争力吗?他们把核心竞争力免费向全世界开放的目的是什么?学生和学校的关系会不会发生变化?社会能不能接受在线大学微学位的毕业生?研究型大学和应用型大学的界限会不会划得更清楚?
可以预测的是,未来教育会成为一种服务,更加面向市场的服务;知识传授也会变成一种服务,更加面向市场的服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化运营、业务流程管理与精细化管控体系中,流程运营是串联各项业务环节、保障工作落地、提升运转效率的核心载体。无论 ...
2026-09-16在数据分析与统计学研究中,卡方检验是分析分类变量关联性与差异性的重要方法,广泛应用于市场调研、行为统计、社会调查、商业数 ...
2026-09-16 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-09-16CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07