
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
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