京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的教育新使命
大数据时代,数据科学给予了自然科学、工程技术、人文社会科学量化的依据,意味着量化研究走进了各个科研领域的新时代。同时,大数据的建立及其研究结果,不仅是科学研究和技术创新的平台,也是人才培养的基础,更是各种决策的依据。
欧美发达国家和研究机构均非常重视大数据,在国家层面建立了教育大数据中心。譬如,美国建有国家教育大数据中心,其中涵盖近些年来不同类型的大学与中小学在数量、经费、教师人数等诸多方面的数据以及统计结果,经合组织(OECD)和英国也都各自建有教育数据中心。
近期,我们到美国密西根大学进行访问,深深感受到该校作为世界一流大学,大数据意识非常浓厚。该校建立的密西根大数据研究所(MIDAS),与图书馆以及多媒体服务中心等密切联系,为密西根大学乃至密西根州和全美的教学以及科研服务。密西根大数据研究所依托密西根大学而建,旨在利用大数据,服务科学研究、教学、培养人才以及做出各种决策。该研究所由跨学院、多学科的40多位密西根大学的科研人员组成,包括统计、生物统计学、数学、计算机科学、工程、信息科学等专家。研究范围不仅涵盖数据管理、数据共享、统计、机器学习、信息技术等领域,还包括天文学、进化生物学、疾病模型发现、卫生政策、材料合成、个性化医学、社会科学等领域。
据了解,密西根大数据研究所包括数据科学的挑战行动计划(涵盖学习分析、交通、社会科学、个性化医疗和健康领域)、数据科学教育和培训计划,以及一个工业参与项目。密西根大学的同仁们已经认识到:数据科学现已成为继理论、物理实验和计算分析之后的科学发现的第四模式。基于大数据的技术不仅能够应用于科学研究,也在教育、健康、政策分析和商业决策中产生重大影响。
无论是欧美国家层面的大数据中心,还是作为综合性大学的密西根大学的大数据研究所,都具有如下特点:首先是多样性,要从多个维度赋予某个事物的数据内涵;其次是动态性,数据要不断更新,政府组织、研究机构和各级学术组织,乃至每个科研工作者都是数据的提供者;再次是直观性,大数据不仅仅是数据的提供,更是数据统计的直观图像的研究、建构和分享;最后是共享性,每个人都是大数据的分享者。
就我们团队所见而言,无论是美国小学教室的墙报,还是中学课堂的教室文化,包括密西根大学数据研究所以及曼哈顿街区的广告,大数据以及数据文化无处不见。数据意识正在成为美国高等教育和中小学教育的隐性或显性课程,数据科学的文化正悄然兴起。在我国基础教育领域,数据意识重视程度远不如高校。例如,2015年8月27日,在北京市委市政府的支持与指导下,由中关村管委会、海淀区政府、北京大学、北京工业大学四方共同筹建了北京大数据研究院。清华大学、电子科技大学、中国人民大学等高校都成立了数据研究院、大数据研究中心或统计与大数据研究院等。尽管我国高等院校在数据研究院(中心)人员构成的跨学科性、与图书馆的协作性、为国家和地方做出决策的服务性等方面还达不到理想的程度,但我国部分高校对数据的愈发重视,将倒逼基础教育阶段的校长和教师们更加重视数据意识的培养。
在大数据时代,作为基础教育的主阵地,要培养的数据意识包括:
首先,重视理解数据类型的多维度性。从来源形式分为数字、文本数据、音频、视频数据等;从能否有序分类,可分为从结构性、半结构性和非结构性数据;从数据的存在形式又可分为时间数据、空间数据和生态系统的时空数据等。数据类型的多样性,是大数据时代建立全局观数据意识的前提。
其次,注重从多种途径采集数据。包括官方发布的数据、公共资源数据、研究机构和非政府组织发布的数据、各种研究的数据等。大数据不仅注重数量,更要注重同一事物的数据表征形式的多样性,后者是数据客观表征事物的根本保证。
再次是统计意识。包括利用数据进行统计决断,获得统计规律的意识,认识到统计的结论不是绝对,更不是唯一。
最后则是运用软件进行数据处理。包括运用图形计算器处理数据,在校本课程开发中,可以开发出各种可视化分析软件课程,供学生选用等。
作为基础教育工作母机的师范大学,不仅要培养具有数据意识与能力的师资,还要建构区域基础教育大数据研究中心,收集、建构、统计某个区域基础教育的方方面面大数据,着眼于服务于区域、学校的基础教育科研,服务于国家基础教育决策,进而建构区域基础教育生态系统指标,推动我国基础教育的健康发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12