京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10