京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 学习可否赢得自由
扫二维码签到上课,喝杯咖啡的工夫选感兴趣的内容学学,然后进微信课堂跟老师同学们讨论……
今后,上班族充电不用再老老实实坐回教室听课,而是每个人都有一套为自己量身定做并可以随时调整的“学习清单”,只需利用闲暇的零碎时间,就能在最短时间里学会自己最需要的知识。而让这一切成为可能的,便是“大数据”带来的教育革命。
近日,第十六届海峡两岸继续教育论坛在天津大学举行,来自港澳台及大陆地区29所高校的百余位专家学者与会。该论坛创办于2000年,每年一次,已在香港大学、台湾大学、北京大学等多所名校间轮流举办,关注的都是时下较前沿的教育动向。
今年的主题是“新常态下继续教育的机遇与挑战”,值得注意的是,会上提交的49篇论文中,大部分学者关注的问题都指向一个共同的议题——大数据将给继续教育带来什么?
共识:继续教育应是最个性化的学习
眼下风靡全球的慕课、微课、翻转课堂、在线课堂等,已经让人们体验到新技术给教育带来的改变。
“这些新生事物虽然不是很完善,但却有很强的生命力,它一定会改变我们的教育。”中国教育发展战略学会终身教育委员会副理事长、清华大学教授严继昌对眼下“慕课热”应用在继续教育中,有着冷思考, “好的技术归根到底还要为教育服务,好看不中用是在浪费钱财和精力。”他认为慕课等技术只承载了部分“教”的信息,而不是教学过程的全部,需要加强学习支持服务。因为教育的核心是人。
而大数据不仅是一个强大的工具,更是一种思维方式,它把“开放”“互动”“参与”的互联网精神注入对人的教育中。
“大数据让我们能够记录学习的全过程,破解过去不可能发现的学习问题,甚至预测今后的学习方向,真正让教育可以实现‘私人定制’,这尤其适用于继续教育。”天津大学继续教育学院闫婧怡老师的观点是,大数据时代的继续教育,将成为一门实实在在的实证科学。
“基础教育面向的都是中小学生,学习目的大致相同,还有统一的教育大纲和考试要求的框框;而继续教育不同,每个在职学习的人都有各自具体的、千差万别的学习需求和目标,那么大数据可以让学习成为个性化的一件事。”
探索:一边盯市场 一边盯学生
事实上,近几年,继续教育也在发生着变化。“以前很多人参加继续教育是为了考证,拿个文凭找工作,或者交点学费认识一些同学。”天津大学高端培训中心主任殷红春发现,近几年大家越发关注“边学边用,学以致用”。
在他看来,继续教育必须顺应目前社会经济发展大趋势思考问题:一方面,中国经济增速放缓,产业结构优化升级,需要什么样的人才?另一方面,学生来自各行各业,学习时间碎片化,如何满足这些个性化的学习需求?
这些都能在大数据中找到答案。
“你有没有发现网站越来越了解你?根据对人们网购习惯和支付特点的分析,甚至能够对经济走势作出预测;网上交易记录也开始被银行作为信用参考。这些对用户信息的分析都是源于对大数据的利用。”浙江大学继续教育学院院长何钦铭研究的领域是机器学习与数据挖掘、网络教学辅助系统、网络信息检索等。他已经着手开始探索继续教育中大数据的挖掘和分析,主要从两方面入手。
一是分析市场需求。他们尝试通过分析一个区域成千上万的网页数据,了解这个地区人们关注的热点关键词,进而分析出人们对各方面的需求,分析对人才的需求,可以开设有针对性的课程。
二是分析教育过程。包括对学生以往学习成绩的分析,以及记录学生在学习慕课或其他教育视频的时候,什么时候点击,在什么地方停顿时间长等,做出其学习时行为相关性的研究。根据研究随时改变教育内容和方式,真正实现每个人的个性化教育。
他的观点得到了上海交通大学副教授王福胜的认同,他认为继续教育通过筛选、整理、分析这些数据,所得出的结果不只是简单、客观的结论,更能用于帮助“预测未来”。
“一只眼要向外看,即研究市场,通过对行业过去的数据分析,能预测出未来的发展方向;另一只眼要向下看,即研究学生,更完整地搜集学生的数据,能预测出个人的成长路径,为学生服务。”
困境:挡在大数据应用前的三道关
虽然一些高校的继续教育已经在探索对大数据的挖掘和分析,但真正被业内人士承认的大数据应用却少之又少。
“前途是光明的,道路是曲折的!”在以“大数据时代继续教育的新策略,新机制,新方法”为题的分组讨论会上,王福胜的这句总结语令与会学者莞尔。
和他一样,很多学者认为,实现大数据应用最关键的问题在于如何让各种信息数字化。“最大的问题在于目前很多学校没有留存数据、收集数据的意识。大量学生的信息仍停留在纸质卷宗上,学生各个阶段的数据也很难实现对接共享”。
大数据采集系统的研发也是绊脚石之一。香港理工大学继续教育学院副院长翁永光说,曾有一家美国企业向他推荐用于学校教育的大数据采集分析的一整套成熟系统,但费用高得吓人。有的学者提出,高校如果自主研发,需要开放市场,鼓励和发展一些企业来参与开发,技术的研发才会焕发出活力。
还有更深层的学校机制上的问题,也需要理顺。而这,往往是最艰难的一步。
“不管怎样,大数据时代已经来了,我们必须要跨出这一步。”王福胜说,“大数据将让学习变成一种真正以人为本的个性化服务。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22