大数据专家告诉你：未来的学习、教育什么样？
维克托?迈尔-舍恩伯格，英国牛津大学互联网研究所教授，是大数据领域公认的权威，也是最早洞见大数据时代发展趋势的数据科学家之一，认为当下教育主要面临两个障碍：一是优质教育资源分配受到时空的限制；二是获取和分析教育过程中的数据成本巨大。因此小数据教育通常呈现为三类特征：一是教育以大规模批量进行；二是难以评价学生的学习过程，而只能评价学习结果；三是教学方案主要依靠教师的个人经验制定。
面对这些障碍，该怎么思考？对此，中国教育新闻网专访了维克托?迈尔-舍恩伯格。小编选取了大家最为关心的问题，一起来学习。迈尔-舍恩伯格：可汗学院的案例大家可能比较熟悉，我想举另外一个案例来说明大数据时代的学习是什么样。在美国，有一个著名的外语学习网站——多邻国（Duolingo），每天都会有数以百万计的人们通过它来学习外语。网站的设计者从平台所收集的大量学习者所犯的错误信息中，发现许多有价值的信息。比如，他们发现大多数西班牙语使用者在学习英语的初级阶段，会对代词“it”很困惑，原因是“it”很难翻译成西班牙语。于是，多邻国针对这类学习者调整了学习安排，先教他们其他代词，等到数周后再开始教“it”。多邻国通过大数据发现，语言教学手段有效与否，取决于学习者的母语以及他们将要学习的语言。另外，多邻国还发现了所谓“数据尾气”（data exhaust）现象，即由人们与网站之间的互动中衍生的副产品：如熟练掌握一门语言的某一方面需要多长时间、最合适的习题量是多少、落下几天课程进度的后果是什么，等等。迈尔-舍恩伯格：实现因材施教是人类教育的理想。大数据时代，学习者将可以获得一种定制的适合自身的学习安排。比如，在纽约地区有一个“个人的学校”数学项目，每个学生都拥有个人的“播放列表”，通过相关算法分析个人需求，学生可以获得为其定制的每日习题集。再比如，有一个名为“半岛大桥”（Peninsula Bridge）的暑期班项目，曾使用可汗学院的数学课程教授来自贫困社区的中学生。有一个女孩一直学得很慢，成绩也一直垫底。但是过了一段时间，她竟然像开了窍一般地飞速进步，到课程结束时成绩已排名第二了。学习记录显示，她曾长时间在某个学习环节徘徊，而一旦掌握了这个核心概念后，她就开始突飞猛进了。可见，当学生能以最适合自己的步调和方式进行学习时，即使那些看起来最没有能力的“差生”，也可能在最终表现上超过优等生。迈尔-舍恩伯格：几乎可以肯定，在大数据出现之前，大多数教育政策都是在缺乏实验数据的情况下制定的。我们的教育决策往往是非常主观、甚至是“拍脑袋”产生的，有一些最基本的原理可能都未曾验证过。比如，今天大多数学校的日程和时间安排，还遵循着农耕时代的习惯，人们甚至没有思考过学生是否真的在这个时间段进行学习最有效。再比如，人们通过数据研究发现，一个能预示大学生继续学业的重要指标，不是年龄、性别或分数，而是他们的选课数量，即那些开始时选择较少同期课程的学生更有可能坚持下去。而美国财政拨款的资助条件是要求受资助人修读全日制课程，显然这些条款是有严重缺陷的。尽管教育决策的意义重大，但是其制定的过程却往往基于相对较少的数据。而且，这类数据的收集和分析，也并不是由客观的局外人，而是由典型的内部人士操作的。从组织上看，这是不合理的。商业公司早就知道，有关反馈和质量保障的信息，应该由与结果毫无利益关系的专业人士进行收集。迈尔-舍恩伯格：现在做这种描绘，可能有些困难。但我可以讲讲我儿子现在是如何学习的。我儿子今年6岁，今年秋天就要上学了。但是我现在已经开始在家教儿子了。常规情况下，我会在晚上会先给他看20分钟的视频，比如关于皮肤的作用、火山的形成、冰激凌的制作等。这些视频都非常有意思，我的儿子总是津津有味地观看。然后，我们会进行15-20分钟的交流。这种交流很有意思，也很有挑战性，我需要做很多准备。让我特别欣喜和惊讶的，并不是我的儿子记住了多少内容，而是他所展现出来的思考角度和深度。所以，未来的教师所做的工作，将不再讲授，而是通过对话、沟通和互动，帮助学习者加深对相关内容的理解和思考。在大数据时代，这种双向的沟通和交流将可以更成规模。同时，也要求教师要有更开放的心态，去拥抱和使用这些新技术。图片来源：网络
内容来源：中国教育信息化（ID：zgjyxxh）
1. 优学云测评推出培训机构个性化教学解决方案
2. 优学云测评推出中小学校个性化教学解决方案
3. 优学云测评推出招生平台流量提升方案
4. 优学云测评推出企业人才发展平台解决方案——人才库管理
5. 优学云测评帮助个性化教育成为现实
优学云测评精选的每一篇文章都会注明来源和作者（除非找不到），文章版权归原作者所有，若有侵犯权益，请联系我们删除。本文所述内容仅代表作者观点，不代表优学云测评立场。对于本文以及其中全部或者部分内容、文字的真实性、完整性、准确性和合法性本公众号不作任何保证或承诺。