京公网安备 11010802034615号
经营许可证编号:京B2-20210330
互联网+教育会产生什么化学反应 大数据实现个性化
“以新技术作为平台和手段会给教育带来怎样的革命呢?就是要颠覆传统教育最擅长的知识领域,把知识引向智慧。”王强说。近日,在“一起作业网”召开的“平台化发展战略”新闻发布会上,被称为“中国合伙人”的王强和徐小平都认为随着在线教育的发展,教育领域将面临一场革命,学习的内容、方式等都会发生根本的变化,学习将变得更加智慧。
互联网早已经不是什么新鲜词汇了,不过,自2012年“互联网+”被提出后,越来越多的人接受了这一概念。而在今年政府工作报告中“互联网+”又被提出,意味着中国传统业态将通过互联网实现连接和重构,传统行业将因为互联网而获得再一次发展的机会。
那么,当教育也被写进这一公式的时候,会不会产生化学反应呢?
据报道,截至2014年年底,中国移动互联网用户达到5.57亿,占中国网民的85.8%,互联网用户从PC端向移动端迁徙已经成为定局。这使得个性化推送和随时随地学习成为可能。当年,传统教育与市场相结合时,王强和徐小平几经周折才进入,而今随着教育市场起起落落的他们已经成为著名“合伙人”,在面对“互联网+”时他们断定:智慧学习的时代已经来了。
大数据实现学习的个性化
有人曾开玩笑地说,当你问一个美国学生“教育给了你什么?”他可能会给你说出4个“c”:“交流能力”、“合作能力”、“创新能力”、“批判性思维的能力”,但是当同样的问题抛给中国学生后,他给出的只有一个词“忍耐力”:能够做自己不愿意做的事情,每天如一日做下去。
其实这是传统学习下带来的一个不好解决的弊病。
“汉字非常博大精深,知识和智慧放在一起对比,我们就知道传统的知识学习和智慧学习的区别在哪里了。”对于智慧学习,王强似乎研究了很久,“识”只是言字边,只落实在记忆表层,和生活不一定有密切关系。而“慧”则要沉淀在心里,一定会成为生命支撑的关键。教育的终极目的是把短暂的东西、临时的信息逐渐转换成跟随你生命的东西,让短暂变成智慧。
那么把“需要重复记忆”的知识转变为“沉淀在心里”的智慧,转化的关键点是什么呢?
答案是:个性化。
北京师范大学信息科学与技术学院的魏云刚博士介绍了一个他们所做的在大数据背景下的作业与传统学习的区别的研究,他指出,传统学习有几个重要特点,第一是作业量大,也就是好成绩=汗水+大量的作业。第二是内容缺乏针对性,“这是可以理解的,传统教育如果每个人作业不一样,估计老师会崩溃的。”魏云刚说。第三是作业过程缺乏情感支持和交互。“学生作业要么独立完成,要么家人监督,有支持和交互也是负面的。”
在大数据背景下,这样的状态将被改变。
“我们可以利用大数据技术和智能算法对每一个学生的学习情况进行分析,根据学生在作业中反映出来的薄弱知识点,定向推送学习内容和测试题目,有效提升学习效率。”一起作业网CEO刘畅说。系统内的云计算和分析技术会第一时间生成班级作业的常见共性错误,为教师提供了科学的指导数据。教师可以根据数据进行更加有针对性的教学设计。
即使是教学标准也可以通过大数据进行适合本地区的修订。刘畅举了个例子,在一个二线城市,小学二年级的时候无论是作业还是平时的练习中出现了大量的run(跑步)这个词,3个月过去了,大数据显示所有与“run”这个词相关的题目全市正确率不到20%,那么教学目标就可以进行修改,把“run”划入“只要达到认知水平就可以的行列”。
而且,随着用户的激增,大数据的运算技术将被进一步开发,未来借助智能化的大数据运算技术,学习内容将会“靶标式”推送,只针对个人,而不针对多人,一直以来教育所追求的“因材施教”将会完全实现,那么这将彻底改变传统的学习模式。
只有电子白板是远远不够的
这种转变是需要介质的。
徐小平这样比喻:“在两个悬崖之间有一座桥,你现在看不见,但只要撒把沙子,你就会发现这个桥真的存在,只不过它是透明的。”
2012年11月底,教育部、财政部启动实施“教学点数字教育资源全覆盖”项目。两年后,到2014年年底,随着西藏教学点设备安装调试完成,全国6.36万个教学点全面完成了“教学点数字教育资源全覆盖”项目建设任务,实现设备配备、资源配送和教学应用“三到位”。
“不过仅有电子白板是不够的。”一起作业网CEO刘畅说,这几年他们走了我国很多个县级城市,很多教室都会电脑、网络,甚至不夸张地说中国一半以上教室,包括三线城市都有电子白板。
拥有了这些离真正的智慧学习还有很长一段距离。
据说,新东方流传着这样一个笑话:两个本不相识的大学生在英语角相遇,当他们开口说话时,两个人热情拥抱,因为他们在对方的英语发音中听到了自己家乡的味道。
“中国有70万的老师,读音不好的占99%。”一位从事英语教育的业内人士说。在北京的学校,如果老师想让学生了解咖啡、牛排这样的词汇,他们可能会让专职的美术老师给这个词汇配备精美的图片,“这样的教学在全国有多少地方能够实现?”
所以,传统学习转化为智慧学习的关键点不是“白板”,而是“白板”、“电脑”上所承载的内容。
“互联网+”的到来就能缩小这方面的差距。比如有一款叫TTS的工具,只要在输入框里输入文字,系统就能自动地转换为地道的英音、美音,甚至地道美国孩子的童音。“除此之外,全国那么多的老师,也可以源源不断地把好东西上传,”刘畅说,这样即使是三四线城市的学生也能像北京的孩子一样听到更地道的发音、看到更精美的图解、了解到最前沿的信息,“我当然相信三线城市学校想知道北大附小期末期中考试用什么内容”。
所以对于教育来说,“互联网+”就是提供了这样一个平台,更多优秀资源在平台上共享。“最聪明的老师应该是能够迅速调动全世界最优质资源,变成自己的教育资源。”王强说,现在信息革命给教师一个崭新的平台。
有人说,从互联网到移动互联网,是进入工业革命之后人类社会最大的一步,“如果说,工业革命延展了人类的四肢、延展人类生物性属性的器官,那么从互联网到移动互联网释放的器官是人的大脑。”王强说,这场革命向两个方向发展,一个是采取更加有效的手段来释放大脑的传统记忆、重复、储存功能,这部分功能完全可以轻易地通过移动互联找到,另外一个方向,当大脑的这部分功能被释放清空以后,幸福无疑是最终的方向。
“所以,衡量一个教育是否成功,可以看它是否能让孩子通过知识走进智慧,再通过智慧通向幸福,如果这条通道没有打通,那么我们教育就是失败的。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06