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数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11