京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据对教育的挑战_数据分析师
“在信息技术大革命的今天,规训与教化在撤退,支持和服务在推进。作为万物之灵,人类本身就有逻辑推断和自组织的能力,需要将之发掘。正在发生的教育革命并不是要把传统的课堂搬到网上,而是让新技术解放人们本来就有的学习能力和天分。”
印度教育科学家苏伽特·米特拉是一个里程碑式的人物。1999年,他去了印度的很多偏僻乡村,那里的人既不懂英语也没见过电脑。苏伽特在孩子们经常聚集的街头的墙上装上连接互联网的电脑屏幕,配上鼠标,然后离开那里。几个月后,试验表明,孩子们无师自通,学会了使用电脑。在以后的十多年里,苏伽特在印度、南非、柬埔寨、英国、意大利等地还进行了类似的以生物、数学、语言等为内容的教育实验。结果证明,在不需要老师或科学家输入逻辑和程序的情况下,学习者可以独立自主地完成学习,这就是“自组织学习”。由此,苏伽特认为:教育是一种自组织行为。
学习是一种自组织行为,那么,教师和教学机构的作用便要重新定位。互联网的不断普及,网络资源进一步开放,在线教育就不能仅仅是把传统的课堂搬到网络上,这样的做法也许更加违背学习规律。新媒体教育联盟在做了相关历史研究的基础上,总结了诸多人类的学习行为:社会学习、可视化学习、移动学习、游戏学习、讲授学习等,每一种学习方式,在信息和知识的载体方面,基本上都有相应的技术基础。换言之,技术既可能扩展人类的学习方式,也可能限制人们的学习方式。一旦有新的技术出现,这些新技术就会改变信息和知识的传播模式,那么,人类的学习方式也会相应地产生根本性的变化。在互联网时代,开放的社会和资源将进一步解放人们的学习,越来越多的人不用待在学校里被动地接受学习,他们会把自组织学习发挥得淋漓尽致。
在美国新的在线教育浪潮中,那些拥有大量粉丝的大学教授,轻易能够拿到数千万美金的创业基金。这对于传统的大学是一个巨大的挑战,正是在这个背景下,促动了大学改革的神经:再不顺应潮流,那么校园将不是最优秀教师的聚集地。然而,教育要想真正获得新生,不仅仅在在线教育上,而在于传统教育理念的变化:教师的功能,应该把低层次的和可拷贝的交给大投入的电影模式去做。而未来,教师将成为教练,师生将走向训练场,如何从传统的篮球场,变成灯光幻影般用新技术武装的“主场”。
在信息技术大革命的今天,规训与教化在撤退,支持和服务在推进。教育本质是对学习者的支持和服务,而不是对他们的规训和教化。作为万物之灵,人类本身就有逻辑推断和自组织的能力。发掘这种逻辑和自组织的能力才是正道。正在发生的教育革命并不是要把传统的课堂搬到网上,而是让新技术解放人们本来就有的学习能力和天分。学生得到解放,人力资本成倍地增长。
在这场教育的变革中,最严重的问题已经不是教育资源的缺乏,而是毫无天分的教师在错误的方向上还在“勤奋地工作”。苏伽特说:“对于教育者来说,这是一个大转变的时代。我亲眼目睹着教育界的各种力量在重新洗牌。或许我们说‘教育革命’未免言过其实,但是各种变化的确在更迭着。教学模式的多元并存会是一个长期存在的现象。但是毫无疑问,新技术从外围给教师增加了新的竞争对手。新技术的应用又导致学生在心理预期、学习习惯等方面的变化,这就从核心和内部促进着教学过程的转变。学生变了,不如以前‘好带’。这并不是坏事,在这当中,不知潜藏了多少机遇和可能性等待着有心之人去发现!”
苏伽特有一个很具有代表性的观点:“你能够想象和确认,你所教的和考核的东西,在今后20年学生们走向工作岗位还管用吗?”为此,苏伽特分析,在今后的大数据时代,只有三种最基本的东西是学生用得到和必须学的东西:一是阅读,二是搜索,三是辨别真伪。谈到数学,苏伽特说:“也许数学,将成为一种体育运动。”基本能力加每个孩子特长的“体育运动”,构成了苏伽特心目中的未来教育,这种体育运动也许是数学、领导力、音乐、美术、篮球……数学也许是每个孩子的体育运动,也许是一部分专业运动员的体育运动,但大数据时代的数学,将不会是教育的基本标准和指向。
在当今的信息时代,未来教育在互联网等技术的作用下变得越来越个性化,大数据技术的应用将有利于个性化教育,标准化的学习内容由学生自组织学习,学校和教师更多的是关注学生的个性化培养,教师由教学者逐渐转变为助学者。在逐渐到来的大数据时代,互联网教育与学校教育将逐渐分离,更多的交往互动、个性化服务和灵活的学制将使学校获得新的生机。
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