
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-01