从教育目标的游离性看大数据与小数据_数据分析师培训

对于企业来说，如何提高内容营销活动的投资回报率是件艰难的事情。福布斯作者Jayson DeMers对2014年的网络营销趋势作出预测，提出了七大趋势，对教育培训行业亦适用。

从小数据来看，老师看到的是学生的成绩;从大数据视角，大家都关心性

记者：那么在您看来，大数据背景下我们的教育亟需的是什么，或者反过来说最大的缺失在哪里?

魏忠：我们现在最缺失的是什么?中国不缺大数据，缺的是大数据的模型，我们整个社会没这个模型。我去了很多省份，他们非常热衷的是教学评估软件，他们甚至把花在一个班里头所有的学生的哪道题对了，哪道题错了，最后确定课上重点讲哪道题，他们认为这是大数据。上海有一个课题，拿个摄像头对着老师，看他动作，通过观察分析，看他的教学应该在哪里改进，认为这是大数据。其实这些是小数据，这里就牵扯到一个问题，大数据和小数据哪更管用。如果你能证明你的教学方法、教学目的是准确的，小数据是有用的。

记者：那先要证明我们的方法和我们的目标。

魏忠：你说中国人的数学好不好?按照考试的标准，匹萨考试中国上海应该是全世界第一了。可是菲尔斯奖没什么人得到，诺贝尔奖也很少得到，我们看中的标准不对，看的是小数据。什么是小数据?就是把吉米多维奇的那六本书当作标准了，按照那个标准中国学生是最好的，只要用题海战术，只要建一所监狱把大家训练得有素，让他们减少错误率，就可以得高分了，这就是小数据的方法。

记者：你这就讲了一个问题，比如说我们最近一两年呼吁要强化传统文化教育，要恢复汉语的地位。我们只希望通过减少外语教学的课时，改变外语考试的方式，增加语文教学的课时，就可能提高我们学生的汉语理解能力和表达能力了。好玩的是媒体还搞了一系列的比赛，比如说汉字书写大赛，成语比赛。许多学校的老师就把参赛学生组织起来，背字典，背成语词典。背字典专门挑那些生僻的冷字，那些不常用的字，取得好的比赛成绩。作为语文教师我常常思考，掌握了那些别人没有掌握的冷僻的字和词，能够说明你的汉语表达能力和理解能力比别人高吗?这样的应对其实就是考什么教什么的惯性思维在作怪。这是不是就是你所说的小数据的思维方式?

魏忠：非常有意思，你今天给我看了这本杜威的书，让我想起来杜威之所以伟大，伟大在什么地方?杜威对美国的影响是深远的，但是这种影响也是杜威到了晚年去世以后，美国人才逐步认识的。在杜威的晚年，与美国另一位著名的教育学家，芝加哥大学的校长哈钦斯，第四任校长有一个著名的争论，哈钦斯主张通识教育。我经常说这个故事，我们中国的教育界一直没有重视它。杜威本也是芝加哥大学的创校元老，他创立了芝加哥大学的教育学院，后来离开了，离开的原因是跟第一任校长哈博在十年的蜜月期后分道扬镳。当哈钦斯任芝加哥大学第四任校长的时候，做了一个很大的决策，要搞通识教育。因为当时美国的工业文明太工业化了，就是用什么学什么，学什么考什么，这样的一个年代发现了很大的问题，哈钦斯就走向另外一个极端，搞通识教育。比如说背几百篇名篇，就是跟现在中国的国学热非常像。杜威认为背几百篇名篇，哪怕背到一个词不错，他就懂文学了吗?这跟我们现在的背景非常像，只是这种争论中国落后了至少六七十年。

直到杜威去世，美国大量二战以后的专业军人回来，美国的民权运动以后，大家才逐渐认识到杜威的是正确的。杜威认为教育是无目的的，教育的目的是生长。哈钦斯认为教育是培养高贵的人。我们中国人非常有意思，我们中国人从来不争论这两者有什么区别，中国是一方面要培养有用的人才，就是培养他的技能，一方面又要想要培养他的素质，好像两个还不矛盾，其实美国是完全不同的。

记者：我们的目标一个是接班人，一个是劳动者。

魏忠：直到后来，美国劳动力极缺，黑人要进学校，这时候才发现问题所在，通识教育就逐渐取消了，芝加哥大学也大幅度减少通识教育，等于说杜威占了上风，这是非常有趣的。其实我们对杜威的理解也是不到位的，包括陶行知对杜威的理解也不到位。杜威认为教育和培训机构是完全不同的。教育的目的不是培养某种技能，教育不仅要顺应社会，更要影响社会。教育和培训有什么区别?我们的大学和兰翔技校有什么区别?假如说你非常清楚你这个事情就是干这样的事情，应该来说我们中国已经给世界做了一个非常好的榜样，教育应该这样办：办一所监狱。

世界上的教育也都是这样的，比如所有的军队院校，所有的警察学院，所有的体育运动，它没有什么其它目标，也不是什么教育认知，要的只是尽快达到最好的成绩，你仔细一看，全世界的教育跟中国的高考，在那个层面上是一模一样的。警察学校，美国是没有本科的。美国也有很多军校，但是军校如果训练士兵也没有本科，训练军事家那是另外一回事了。美国有大量的社区学院，社区学院学制就是两年到三年，没有更长的，你如果想进修，到大学去，社区学院不会弄个本科，也不会有什么专升本。为什么呢?社区学院培养的是一种技能。搞教育的不要忘了技能培训和教育是有很大的区别的。回到那个词Education怎么来的?我们说中国的词有很大的问题，中国将教和育两个放在一起其实是不准确的。Education是德译来的，Edu和care这两个放在一起，说的是牵引作用，牵引作用是什么?它是一种趋势，它并不是完成到那儿就完了。如果说我们说过去数字化管理最大的缺陷就是假设，有一个非常错的假设：假设学微积分就好了，假设学国学就好了，假设干完什么事情就好了，其实这种假设是不存在的，为什么不存在?

中国人考托福、考SAT、考GRE全球的分数都是最高的，但是我们这些学生到美国大多没办法与他们交流，印度人分数不高，印度人说话口音也很重，但印度人在美国公司能当部门经理等当高管，因为他们在沟通上一点问题都没有。莎士比亚全集30多部，我们是一个民国著名的翻译家翻译的，他没有托福成绩，甚至没有什么成绩，只学了几年英语而已，那个年代的人学莎士比亚不是为了考试，是为了获取女孩子的芳心，读莎士比亚的名著，英语当然学的棒极了。

你仔细想想如果将莎士比亚全集中每一个字词拿出来来比细节，来考试，是不是就证明今天的中国高考制度是成功的，那就错了。为什么?因为为考试的阅读使人们丧失了兴趣，但兴趣没法考?大数据恰恰就隐藏在这里面。不一定要学习成绩最好的，而是那个最有兴趣的人，可能是最有文学天赋的。再说国学的事情，国学老师能教吗?看看公认的国学大师，谁知道季羡林的老师是谁?谁知道陈寅恪的老师是谁，谁又知道王国维的老师是谁?老师固然有作用，他们更多的是靠自己学的。

但他们都有出国的经历。季羡林，是跟德国人学的东方文学，陈寅恪也是也是从德国回来的，王国维在日本呆了很多年，他们那些老师真比中国的老师懂中国文化?我们就有一个基本的假设。如果我们现在按数字管理一定要有基本假设，你的抽样方法应该是准确的。如果抽样不准确，往往是灾难性的。但是数据就不一样，它放在那儿，老百姓不经过专业训练就能够看出来谁是好的谁是坏的。不信你弄几个科学家，把所有的数据放在那儿做实验，再弄几个不懂的外行人来看，你只要把数据给他，几个老太太观察一段时间一定知道谁是最好的科学家，因为有数据。

这就牵扯到邝红军写过的一篇文章，不知道是引用还是他自己发明的。他说了一句非常到位的话，就是说教育的目标是游离的，我们问题就出在这儿，只有大数据能解决它。