
课工厂展示另类大数据_数据分析师考试
摄影棚、聚光灯、反光板、道具、助理,甚至还有导演,宋帅恍惚间觉得穿越到某个剧组演戏。没错,他是“男一号”,可惜搭戏的不是性感火辣,充满御姐风情的女主角,而是高等数学。作为大学教师的宋帅为了让课程更加生动有趣,与贵阳一家名为“课工厂”的在线课程制作机构进行合作,以如电影般吸引观众的教学视频,达到“激励”学习的效果。
他不是第一个吃螃蟹的人,之前全市已经有20多位老师当过“演员”了。
演电影? 呵呵,录制教学视屏
课工厂位于贵阳市高新区国家数字内容产业园一楼,两间上百平米的办公室。
右边是现代化十足的格子间,左边办公区实际是摄影棚,里面有DV摄像机、三脚架、墙布、反光板、反光伞、柔光箱、灯架……架势十足。一位导演和副导演坐在摄像机后面,神情专注。
“咔。你的表情太僵硬了,生动一点,就把我们当成学生,自然一点,再来一条。”“导演”卢俊宇给录制视频的老师“讲戏”,又聚精会神地盯着摄像机,嘴里喊道:三、二、一,开始。
这就是“课工厂”在线开放课程录制现场,通过建立“剧组式”、“影视级”的课程制作体系,由课程导演、课程策划到后期制作等九大角色与老师配合,采用现场教学式、影棚录播式等拍摄手法进行在线课程制作。
例如这位正在录影的高校教师,她讲述的课程是陶渊明的《归田园居》,以往“背景板”只有黑板,现在参加“影视教学”,“剧组”会在后期加工合成动画、3D效果,让学生像看电影一样把课上了。
戴着耳麦是“卢导”,走出影棚就是卢总。课工厂的工作人员虽然以90后“小鲜肉”居多,但他们大多都是高学历人才,在数据收集、视频剪辑、动画合成等领域得心应手,同时又可分身“场记”、“助理”、“灯光师”、“摄影师”。通常一个“剧组”要8个人服务1名讲师。
分拆知识点 录制3-10分钟小视屏
课工厂设计部负责人罗城介绍,公司创建于2014年,所选的教学视频录制领域,是因为看好“互联网+”教育市场的巨大前景。
在过去的几年中,“开放课程”或者说是那种可自选、且免费的课程,在教育领域里出现了巨大的转折点。在中国,越来越多的学校不再选择传统教育出版社发行的教科书,而是选择开放课程,这种现象以往从未发生过。
数据显示:中国在线教育用户规模持续增长,到2017年将达到1.2亿人。
“这种转型是极受欢迎的,使用开放课程,也被人称为开放教育资源,能够节省一定的教育开支。”当学校开始选择免费课程,意味着他们无需在印刷教科书上花费太多,只需选择一个能够管理数字化课程的网页平台即可。对学生而言,这种自由化、个性化的学习体验,能够帮助他们更快的掌握知识点。
然而,虽然很多学校逐渐采用互联网进行知识传播和学术交流,可由于缺乏相关的操作经验和技巧,高校自我录制的视频,很难吸引学生的关注。罗城表示,有专业研究机构曾对一份700万人在线学习的样本数据分析得出:6-9分钟长的教学视频效果最佳。教学视频超过10分钟,学习者的注意力明显下降。
为了能够“抓住”学生,课工厂“出厂”的视频都是经过由课程设计师通过多样化的课程设计,将若干知识点分拆成一段段的小视屏,时长集中在3-10分钟。以“短、小、精”的方式,提升收视率。
收集大数据
优化填补漏洞
目前,教育课程正处在变革海洋的中心。巨额的教材开销,封闭的课程,这样的“苦日子”正在逐渐消亡。新兴的开放课程不仅可以帮助中国的教育机构节约教育成本,还可以汇聚全国范围内精英教师的专业智慧。
在贵州,目前就有10多所高校、职校与“课工厂”进行合作,院校派出20多名讲师,将录制的教学视频放到官网公开,视频可以循环利用,最重要的是,这种重新定义的教育教学形式,打破时间限制,重点难点可反复观看,学生不必担心错过任何知识点。
此外,课工厂还成立了数字媒 体 教 育 研 究 院 , 独 创“C .D .F.P.S课程孵化系统”,通过相关理论研究和大数据分析,不断升级课程制作的理念。罗城介绍,课工厂利用大数据制作教学视频,后台时刻有人进行观测,“例如发现有些视频在某个节点重播率高,意味着这段内容可能很难,有许多人没听懂。我们要将这些数据及时反馈给校方,将课程进一步优化,让课程更鲜活。”
也许再过5年,老师见面可能会说,“还记得我们过去买了那么贵的教科书吗?那些书根本没办法让我们根据学生的需要做调整。”这好像在说,“还记得我们往相机里塞胶卷是什么时候吗?”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18