大数据让我们前所未有的方式和观点,看到究竟什么有用、什么没用,以前不可能观察到的种种学习阻碍,现在有办法一一化解,大幅改善学生的学习成效,颠覆传 统教学模式,造福更多学子。课程可以依据学生个人的需求做调整,真正做到因材施教,因为教师可以透过学生在线上学习时不经意的行为来判断成效、调整教学内 容和顺序,以及多次复习会造成学习瓶颈的困难观念,甚至即时因应学生的反应而出招等等。教师的工作不会被教学网路和影片取代,而会变得更有效益、也更有 趣,因为能够更专注针对学生作个人化的指导。
他们也认利用大数据分析,学校领导者和政府决策官员,也能用更低的成本提供更多教育机会,这些正是减少社会贫富差距、让社经阶层流动的重要因素;社会大众 也能够知道「学习」应当是怎么一回事,打破教育主管机关和学校的垄断地位,从而让教育的本质和体制彻底翻转。他们主张,大数据时代正是不断学习的时代、翻 转教育的时代!
不过大数据的应用是双面刃,我们可能会把相关性误判为因果,而且如果学生的个资无法被保护,其旧学习歷程被曝光,可是会影响日后的升学与就业。关于这方 面,《大数据:教育篇》引用了《大数据》的许多观念和案例,例如误将相关性当因果以及个资保护等等,所以建议也要去读《大数据》这本书。
不过,尽信书不如无书,作者在西方遇到的问题,和我们在东亚遇到的,有很大的差异。最大的差异有两点。
一个大差异,在一张很多网友在脸书分享的图表清楚表达出来:图裡有两条轴线,第一条轴线为「欧美人才养成」,而第二条则是「台湾人才养成」,轴线将学习生 涯分成「学前」、「小学」、「国中」、「高中」以及「大学」等五个阶段。「欧美人才养成」各阶段的学习目标相当明确并且不同,学前做好生活管理、小学探索 环境、国中要开始找寻自己的梦想、高中则要面对生涯抉择,而到了大学就要开始培养实务能力。
台湾人才培养的轴线,从「学前」一直到「高中」生涯,全是「读书考试」,一直到「大学」时期,才要将「生活管理」、「探索环境」、「找寻梦想」、「生涯抉择」以及「培养实务能力」一次统统完成,其中当然还少不了「读书考试」。
欧美的教育偏向素质教育,相对于偏重考试的应试教育而言,较为注重体育、艺术能力和多元智能的培养,而真正的素质教育,目的在于让学生能发挥个人潜能,各 展所长,并培养良好的品格,并不局限于学术上的才能。台湾的教育能够筛选出很会考试(甚至还不见得会「读书」哦)的学生,连公务系统都极度依赖考试,虽然 有好些公家工作几乎不需要考试的技能。可是因为考试实在太浮滥,使得疲于奔命的教师能好好用心出题的时间都被严重压缩,连有没有认认真真地好好考考学生各 方面的学术能力都成问题,更甭提学术能力也非社会所需的全部。
另外一个差异是,台湾的教育太过注重标準答案,可是严重扼杀学生的创意。但是欧美的教育很注重个人的启发,所以顶尖的人才在欧美的教育环境,往往可以更容 易发挥出他们的潜力,表现出他们充沛的创造力。可是他们的对素质一般的学生,反正做得不见得比台湾好。台湾的教育环境,让学生拚命练习考试、练习考试再练 习考试,让学生的程度比起欧美整齐的多。以我和朋友们在美国唸博班当助教的经验来看,台湾学生的程度差异在一个班中,算是比较整齐的,成绩优劣几乎凭个人 努力付出多寡。可是在美国大学,尤其是公立学校,大部分的学生,在数理方面真的很不行!
举个例子来说,我们常常看到学生在实验数据中,他们尝试要把上吨的盐溶在小烧杯裡,或者把实验桌上的小铅球射上火星,因为连单位都搞错了Orz 有位老师在普通生物学考题上问学生什么是pH值,居然有四分之一的学生选择「它不存在」;还有老师指出,大四的学生,居然有两成回答果蝇的基因数量是小于 一,另外两成写无穷大(正确数目大约是一万多),他说那四成学生基本上是「完全的废物」;还有很多搞笑的事,真是罄竹难书。面对这些学生,教授们的态度往 往是「放弃」,可是大数据或许能让这情势反转。
台湾的教育环境,往往比欧美更善待中上程度的学生,用严酷的练习考试来磨练他们的能力,可是却严重地忽略了顶尖人材的教育,而且也几乎完全没有为培养社会 各界的领袖所準备。台湾的大学,就算连顶尖的台大和清大,大致上都还是停留在训练优异的干部为主,教授的教学方式和内容,和其他大部分的大学几乎没差太 多,顶多深度有一些差异而已。可是,就拿美国来说,顶尖大学的目标是在培养顶尖的领袖!一流大学的目标是在培养社会各界菁英、二流大学的是在培养优异的干 部、叁流大学的是在培养良好的基层员工等等。所以,很不幸的,台湾的大学可能在培养优异的干部上很称职,可是要成为社会各界菁英,就只能靠学生自己的努力 和见识,领袖的话就算了。
要培养出优异的干部,大数据的应用应该有其优势,可是社会菁英和领袖的培养,大数据或许无用武之地,因为大据数无法告诉你过去未曾发生的事情,也无法预测 和产生出创新,因此对于台湾的教育,大数据可以提高学生的学业,可是五育的训练,以及领袖和社会菁英的培养,我们可能先不要去思考什么大数据之类的,先从 整体教育环境下手才比较实际。
数据分析咨询请扫描二维码
数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-26技术技能 - 编程能力: 数据分析师需要掌握至少一门编程语言,如Python、R或SQL。这些语言对于数据处理、建模和分析至关重要。例 ...
2024-11-26数据分析领域涵盖多样性岗位,根据工作职责和技能需求划分。这些角色在企业中扮演关键角色,帮助组织制定战略、优化流程并实现商 ...
2024-11-26数据分析是一种通过收集、处理、解释和展示数据,以获得见解和决策支持的过程。这个领域涉及使用统计学、计算机科学和商业智能等 ...
2024-11-26数据分析领域正日益成为当今商业世界中不可或缺的一环。随着数据量的爆炸式增长,企业越来越需要能够从这些海量信息中提炼出宝贵 ...
2024-11-26数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。在追求这一职业道路上,合适的教育和培训至关重 ...
2024-11-26数据分析师作为当今信息时代中关键的职业之一,扮演着解释、预测和推动决策的重要角色。他们需要多方位技能来处理各种复杂的数据 ...
2024-11-26数据分析师在今天的商业环境中扮演着至关重要的角色。他们需要应对各种复杂的数据分析任务和业务需求,这要求他们具备广泛的技能 ...
2024-11-26在当今快速变化的技术和市场环境中,数字化转型是企业利用数字技术全面重新设计和改造业务的重要过程。这一转型旨在通过整合云计 ...
2024-11-26数字化转型: 是企业在现代技术和市场环境不断变化的背景下,利用数字技术对其业务进行全面的重新设计和改造的过程。其核心目标是 ...
2024-11-26理论基础与高级学习 数学专业理论基础: 学生首先需要掌握数学的基础理论,包括数学分析、高等代数、几何学、常微分方程、实变函 ...
2024-11-26数字化转型:现代企业蜕变的引擎 数字化转型已然成为当今企业持续发展的关键支柱。这一过程并非简单的技术升级,更是涉及企业文 ...
2024-11-26# 数据科学与大数据技术专业学什么?就业前景与行业需求 **数字化转型:引领企业进步的关键** 数字化转型是现代企业发展的必经 ...
2024-11-26理论部分 - 基础数学理论: - 学生首先需要掌握数学的基础理论,包括数学分析、高等代数、几何学、常微分方程等。 - 这些课程 ...
2024-11-26在选择数据科学和大数据技术专业时,了解不同领域的职责和技能需求至关重要。数据治理工程师是这一领域中不可或缺的角色之一,承 ...
2024-11-26基础课程 统计学基础 - 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识,有助于理解数据背后的意义。 - ...
2024-11-26数据分析是一门综合性学科,涉及多个领域的知识和技能。要全面掌握数据分析,需要学习以下内容: 基础课程 统计学基础:统计学 ...
2024-11-26数据治理工程师在当今信息时代扮演着至关重要的角色,负责确保组织内数据的质量、安全性和可用性。他们需要具备一系列技能和才能 ...
2024-11-26在当今数字化时代,数据被誉为新的石油,是企业最有价值的资产之一。因此,建立有效的数据战略规划对于企业的成功至关重要。数据 ...
2024-11-26<section id=
2024-11-26