教育研究如何跟上大数据时代_数据分析师培训
大数据时代的来临,为高等教育研究的范式转变带来了机会。
如何能有效地将巨量的数据资源转化为丰硕的教育研究成果,应用于改善教育的决策与实践,对教育研究界来说意义重大。而要实现这个目标,需要完成将数据资源转化为生产要素、合理搭配生产要素、高效完成研究生产、产品的转化与传播四个步骤。
第一步,资源转化为生产要素。
大数据被喻为“第三次浪潮”,其价值已得到商业领域的充分证实。然而,如何把沉睡的数据资源变成具有增值性的生产要素,是教育研究生产的预备步骤。
首先,作为生产要素的数据应具有明晰的价值性。大数据记录的既包括研究对象的实在行为,也包括他们的主观选择,显示了人们应然和实然的表现,且不再拘泥于以往的抽样方式,因为样本=全部。然而在大数据具有先天信效度优势的同时,还伴生着劣势,即数据虽具价值,但单位时间价值的含量可能有所不同。如两个小时的监控录像中也许有用的信息仅2-3秒。此刻,需要研究人员对问题进行明确的界定,并列明清晰、可计算的筛选标准,用以提取该研究需要的有价值数据,而其余的数据“尾矿”,应留存给其他研究者或相关部门挖掘。
其次,作为生产要素的数据可以被标准化。大数据时代要提高对混杂、无序数据的接纳程度,但这种接纳却是研究的大忌。中国人民大学应用统计科学中心主任赵彦云就曾表明,“指标不一致、指标口径不一致、时间不一致、空间不一致、指标体系不一致、分类不一致、编码不一致等,如此杂乱的数据库,基本上连常规的统计整理、统计描述和分析都无法做到。”研究者能做且该做的是,把非结构化信息进行一定标准化处理,将其变成可用于分析的数据,依此来建模并寻找因果关系。
再次,作为生产要素的数据应具有安全性。如各类骚扰短信和电话推荐教育信息让人不胜其烦,各国也多次出现叫停儿童发展数据的相关计划。那么用技术(如匿名化)与立法双重保护信息安全是数据用于研究的前提。
第二步,合理搭配生产要素。
期望在高等教育研究当中使用大数据,单纯投入数据显然是不够的,还需要匹配人力、物力和财力。
一方面,大数据时代最缺乏两类人才:数据科学家和跨学科的学者。大数据的优势在于数据科学家能用不同的算法呈现不同事物之间的相关联系——而这些事物往往不是同一领域或是直接符合我们主观预期的。新一代的教育研究学人需与数据科学家和其他学科专家合作,抑或是自己及时补充此类知识,以便于继续有说服力的探寻教育相关事务的因果联系,丰富人类的教育认知。
另一方面,大数据的运用需要硬件设施的匹配。云计算为存储和利用大数据提供了便利,却仍旧需要对维护与储存的平台系统进行支持。这部分器材造价不菲,且对环境也有一定要求,对巨量的教育数据搜集需要对应的财政投入保障。
第三步,高效完成研究生产。
一方面,研究应体现效率理念。在大数据的背景下,时间性显得格外重要——数据随时随地更新,科研数据的精度可更高,而延误的信息可能毫无价值。
另一方面,研究应呈现更准确的因果关系。大数据为我们展现了多种类型的相关关系,而研究者的责任在于从巨量的资料中挖掘更贴合实际、有说服力和实效的因果关系,厘清其间可能出现的干扰因素,让教育服务变得更精确,更符合个人发展需求。
此外,研究产生的应是更亲民的成品。所谓亲民,是指产品能用更鲜活、通俗、便捷的方式来提供,且产品本身更符合消费者的个人需求。大数据的优势就在于其可以充分地捕捉微观个体特征来进行分析,实现所谓的互动和可视化服务。未来的研究理应是服务友好型,而不再是板着脸说理论。
第四步,产品的转化与传播。
大数据时代不仅为研究者丰富了研究数据与题材,还为研究成果的转化与传播带来了便利。大数据让科研(知识产品)生产更具科学性,它使实践者在先验中成长,使决策者在自信中完善,不仅拓展了教育服务的机会,也改善了教育服务的质量。
但在不断肯定大数据改变我们的研究范式之时,我们也需要提前思考一些问题:大数据的实时更新、动态分析对整体形势的判断是否足够准确?会不会形成依赖而低估经验的价值?会不会消磨我们的创新力?我们的“学习自由”和“研究自由”被机器左右甚至决定?大数据的占据是否会引发新的社会不均等——固化甚至加深贫富差距?在数据处理技术差异大的情况下,大数据的公开是否可能危及国家安全?而到大数据发展到极致之时,大家的决策均享有并依据数据而行,这种动态的判别方式是否可能消解彼此的数据优势,而最终达到新的“数据对冲均衡”,到那时想取得先机还得回归经验。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28