
大数据时代 学习可否赢得自由
扫二维码签到上课,喝杯咖啡的工夫选感兴趣的内容学学,然后进微信课堂跟老师同学们讨论……
今后,上班族充电不用再老老实实坐回教室听课,而是每个人都有一套为自己量身定做并可以随时调整的“学习清单”,只需利用闲暇的零碎时间,就能在最短时间里学会自己最需要的知识。而让这一切成为可能的,便是“大数据”带来的教育革命。
近日,第十六届海峡两岸继续教育论坛在天津大学举行,来自港澳台及大陆地区29所高校的百余位专家学者与会。该论坛创办于2000年,每年一次,已在香港大学、台湾大学、北京大学等多所名校间轮流举办,关注的都是时下较前沿的教育动向。
今年的主题是“新常态下继续教育的机遇与挑战”,值得注意的是,会上提交的49篇论文中,大部分学者关注的问题都指向一个共同的议题——大数据将给继续教育带来什么?
共识:继续教育应是最个性化的学习
眼下风靡全球的慕课、微课、翻转课堂、在线课堂等,已经让人们体验到新技术给教育带来的改变。
“这些新生事物虽然不是很完善,但却有很强的生命力,它一定会改变我们的教育。”中国教育发展战略学会终身教育委员会副理事长、清华大学教授严继昌对眼下“慕课热”应用在继续教育中,有着冷思考, “好的技术归根到底还要为教育服务,好看不中用是在浪费钱财和精力。”他认为慕课等技术只承载了部分“教”的信息,而不是教学过程的全部,需要加强学习支持服务。因为教育的核心是人。
而大数据不仅是一个强大的工具,更是一种思维方式,它把“开放”“互动”“参与”的互联网精神注入对人的教育中。
“大数据让我们能够记录学习的全过程,破解过去不可能发现的学习问题,甚至预测今后的学习方向,真正让教育可以实现‘私人定制’,这尤其适用于继续教育。”天津大学继续教育学院闫婧怡老师的观点是,大数据时代的继续教育,将成为一门实实在在的实证科学。
“基础教育面向的都是中小学生,学习目的大致相同,还有统一的教育大纲和考试要求的框框;而继续教育不同,每个在职学习的人都有各自具体的、千差万别的学习需求和目标,那么大数据可以让学习成为个性化的一件事。”
探索:一边盯市场 一边盯学生
事实上,近几年,继续教育也在发生着变化。“以前很多人参加继续教育是为了考证,拿个文凭找工作,或者交点学费认识一些同学。”天津大学高端培训中心主任殷红春发现,近几年大家越发关注“边学边用,学以致用”。
在他看来,继续教育必须顺应目前社会经济发展大趋势思考问题:一方面,中国经济增速放缓,产业结构优化升级,需要什么样的人才?另一方面,学生来自各行各业,学习时间碎片化,如何满足这些个性化的学习需求?
这些都能在大数据中找到答案。
“你有没有发现网站越来越了解你?根据对人们网购习惯和支付特点的分析,甚至能够对经济走势作出预测;网上交易记录也开始被银行作为信用参考。这些对用户信息的分析都是源于对大数据的利用。”浙江大学继续教育学院院长何钦铭研究的领域是机器学习与数据挖掘、网络教学辅助系统、网络信息检索等。他已经着手开始探索继续教育中大数据的挖掘和分析,主要从两方面入手。
一是分析市场需求。他们尝试通过分析一个区域成千上万的网页数据,了解这个地区人们关注的热点关键词,进而分析出人们对各方面的需求,分析对人才的需求,可以开设有针对性的课程。
二是分析教育过程。包括对学生以往学习成绩的分析,以及记录学生在学习慕课或其他教育视频的时候,什么时候点击,在什么地方停顿时间长等,做出其学习时行为相关性的研究。根据研究随时改变教育内容和方式,真正实现每个人的个性化教育。
他的观点得到了上海交通大学副教授王福胜的认同,他认为继续教育通过筛选、整理、分析这些数据,所得出的结果不只是简单、客观的结论,更能用于帮助“预测未来”。
“一只眼要向外看,即研究市场,通过对行业过去的数据分析,能预测出未来的发展方向;另一只眼要向下看,即研究学生,更完整地搜集学生的数据,能预测出个人的成长路径,为学生服务。”
困境:挡在大数据应用前的三道关
虽然一些高校的继续教育已经在探索对大数据的挖掘和分析,但真正被业内人士承认的大数据应用却少之又少。
“前途是光明的,道路是曲折的!”在以“大数据时代继续教育的新策略,新机制,新方法”为题的分组讨论会上,王福胜的这句总结语令与会学者莞尔。
和他一样,很多学者认为,实现大数据应用最关键的问题在于如何让各种信息数字化。“最大的问题在于目前很多学校没有留存数据、收集数据的意识。大量学生的信息仍停留在纸质卷宗上,学生各个阶段的数据也很难实现对接共享”。
大数据采集系统的研发也是绊脚石之一。香港理工大学继续教育学院副院长翁永光说,曾有一家美国企业向他推荐用于学校教育的大数据采集分析的一整套成熟系统,但费用高得吓人。有的学者提出,高校如果自主研发,需要开放市场,鼓励和发展一些企业来参与开发,技术的研发才会焕发出活力。
还有更深层的学校机制上的问题,也需要理顺。而这,往往是最艰难的一步。
“不管怎样,大数据时代已经来了,我们必须要跨出这一步。”王福胜说,“大数据将让学习变成一种真正以人为本的个性化服务。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02