桶机免费安装大全,内射在线Chinese,亚洲欧美日韩精品a∨精品

　　《與大數(shù)據(jù)同行學(xué)習(xí)和教育的未來》一書指出，當(dāng)下大數(shù)據(jù)正悄悄影響到教育體系的每個(gè)層面，對(duì)于全世界的學(xué)習(xí)與教育活動(dòng)，都會(huì)產(chǎn)生極為深遠(yuǎn)的影響。
　　大數(shù)據(jù)領(lǐng)域公認(rèn)權(quán)威、百萬級(jí)超級(jí)暢銷書《大數(shù)據(jù)時(shí)代》作者、牛津大學(xué)互聯(lián)網(wǎng)研究所邁爾-舍恩伯格教授以淺顯易懂的語言講述了最前沿的理念——大數(shù)據(jù)將如何改變教育。
　　他舉出MOOC、可汗學(xué)院、多鄰國語言學(xué)習(xí)網(wǎng)站等案例，告訴我們，蓬勃發(fā)展的在線教育領(lǐng)域產(chǎn)生了大數(shù)據(jù)，教育不只是“你講我聽”、考試評(píng)分或是選修科目更多而已。
　　歷史上第一次，我們擁有了強(qiáng)大、具有實(shí)證效果的工具，能夠空前的看到學(xué)習(xí)的過程，破解過去不可能發(fā)現(xiàn)的重重學(xué)習(xí)阻礙，讓教育可以實(shí)現(xiàn)“私人定制”，改善學(xué)習(xí)的成效。
　　教師的工作不但不會(huì)被網(wǎng)絡(luò)視頻所代替，還會(huì)變得更高效，更有趣，學(xué)校和政府部門也能用更低的成本提供更多的教育機(jī)會(huì)。
　　在這一刻，我們可以清晰地看到：一個(gè)全新的教育時(shí)代正在到來！

　　未來教育的形態(tài)
　　與大數(shù)據(jù)同行的學(xué)習(xí)就是未來的教育，這既是書名的意義，也是本書的主題。“大數(shù)據(jù)”一詞反映了人們愈益意識(shí)到我們大家留下的數(shù)字痕跡，就如“大數(shù)據(jù)”關(guān)注數(shù)據(jù)本身一樣。哥倫比亞大學(xué)心理學(xué)教授鄧肯·沃茲（Duncan Watts）認(rèn)為，有關(guān)人們行為和喜好的豐沛數(shù)據(jù)正改變著社會(huì)科學(xué)，使社會(huì)科學(xué)從數(shù)據(jù)最貧瘠的領(lǐng)域轉(zhuǎn)變?yōu)閿?shù)據(jù)最豐富的領(lǐng)域。在從商務(wù)學(xué)到社會(huì)學(xué)再到文學(xué)這樣一個(gè)又一個(gè)領(lǐng)域中，我們獲取和解釋數(shù)據(jù)的能力得到迅速成長，同時(shí)也需要獲得新的工具。
　　與其他任何領(lǐng)域相比，這一點(diǎn)在教育領(lǐng)域或許顯得更為真實(shí)。多年以來，事實(shí)上是多個(gè)世紀(jì)以來，教育領(lǐng)域的決策從來就是在缺乏任何數(shù)據(jù)的基礎(chǔ)上作出的。常識(shí)（common sense）一直成為正常的決策資源，即使在常識(shí)導(dǎo)致消極結(jié)果的情況下也是如此，而常識(shí)其實(shí)只是習(xí)慣和一廂情愿的混合物罷了。
　　邁爾-舍恩伯格和庫克耶寫到塞巴斯蒂安·迪亞茲（Sebástian Díaz）受數(shù)據(jù)驅(qū)動(dòng)的關(guān)于學(xué)生矯正教育（remedial education）的發(fā)現(xiàn)：要求學(xué)生修讀全部大學(xué)課程可能確實(shí)會(huì)導(dǎo)致他們輟學(xué)而不是畢業(yè)。迪亞茲的這一發(fā)現(xiàn)與當(dāng)前美國政策所鼓勵(lì)之事并不一致，而這種政策與現(xiàn)實(shí)之間的背離足以讓教育家們欲哭無淚。由此可見，如果僅通過常識(shí)來設(shè)計(jì)一種教育體系，只不過是在浪費(fèi)時(shí)間和金錢，那就只會(huì)導(dǎo)致一種情況——正如作者所指出的——我們當(dāng)前的政策或許正在浪費(fèi)生命，而我們卻還沒有制定出可以取代它們的有效政策。
　　弄明白哪些教學(xué)技術(shù)確實(shí)會(huì)產(chǎn)生作用，而哪些教學(xué)技術(shù)不會(huì)產(chǎn)生作用，正是本書所探討的一場革命。
　　與大數(shù)據(jù)同行的學(xué)習(xí)意味著兩種迥異的學(xué)習(xí)過程。對(duì)于學(xué)生而言，他們是在一個(gè)同樣也在向他們學(xué)習(xí)的體系中學(xué)習(xí)著課程。這一體系知道學(xué)生何時(shí)需要加倍依賴于概念，知道何時(shí)需要繼續(xù)往下學(xué)習(xí)，還知道如何讓學(xué)生在每一天中平衡“溫故”和“知新”。這些學(xué)生是在伴隨著大數(shù)據(jù)而學(xué)習(xí)，因?yàn)樵谒麄兯硖幍南到y(tǒng)之中，有關(guān)他們?nèi)绾螐氖屡c他人和課程目標(biāo)相關(guān)之事的證據(jù)，可以在分秒之中產(chǎn)生，而不是需要一個(gè)學(xué)期或?qū)W年才能出現(xiàn)。
　　但是，教育工作者們也在伴隨著大數(shù)據(jù)而學(xué)習(xí)。我們第一次有機(jī)會(huì)來檢驗(yàn)假設(shè)，來比較方法，來了解（而不只是猜測）什么是有效的和什么是無效的。反饋循環(huán)（feedback loop）對(duì)于學(xué)生來說將是一種改進(jìn)，而對(duì)于教師來說則會(huì)是一種轉(zhuǎn)型。
　　克里斯·阿吉瑞斯（Chris Argyris）是一位組織理論專家，他介紹了學(xué)習(xí)型組織的理論。大多數(shù)組織采用被阿吉瑞斯稱為“單回路學(xué)習(xí)”（single-loop learning）的模式，它們?cè)趯W(xué)習(xí)中犯了錯(cuò)誤之后才會(huì)努力去糾正。例如，當(dāng)一所學(xué)校進(jìn)行的一次考試或一堂課的難度過低或者過高時(shí)，學(xué)校就會(huì)確定問題并在下一次加以克服。這就是單回路學(xué)習(xí)——犯了錯(cuò)誤，將其抓住并予以糾正，爾后繼續(xù)前行。
　　“雙回路學(xué)習(xí)”（double-loop learning）則與之不同。一個(gè)踐行雙回路學(xué)習(xí)的組織會(huì)糾正自身的錯(cuò)誤，但它還會(huì)做許多更重要的事情，包括分析其犯錯(cuò)的原因。雙回路的學(xué)習(xí)需要分析組織本身在反饋回路中所使用的大量數(shù)據(jù)。本書中諸多有趣的故事都是關(guān)于雙回路學(xué)習(xí)的，例如薩爾曼·可汗（Salman Khan）在運(yùn)用學(xué)生如何學(xué)習(xí)的數(shù)據(jù)時(shí)，他不只是在設(shè)計(jì)教學(xué)，而是在設(shè)計(jì)可汗學(xué)院本身。
　　邁爾-舍恩伯格和庫克耶認(rèn)識(shí)到了這一巨大的進(jìn)步。大多數(shù)組織習(xí)慣性地拒絕變革，而且并不認(rèn)為這種變革將是迅速的或是由精英們領(lǐng)導(dǎo)的。只有當(dāng)創(chuàng)新經(jīng)常出現(xiàn)時(shí)，比如要改變?nèi)藗冞^去受到不好的服務(wù)或根本沒有受到服務(wù)的狀況，這種變革才會(huì)發(fā)生：人們需要矯正教育，人們處在當(dāng)前功能健全的機(jī)構(gòu)之外，當(dāng)前的教育制度讓所有年齡段的人感到失敗。
　　邁爾-舍恩伯格和庫克耶認(rèn)為，這一變革最終將波及各行各業(yè)。從生物學(xué)界到籃球界，最初都會(huì)有一些員工在短期內(nèi)抗拒數(shù)據(jù)驅(qū)動(dòng)的分析，但在數(shù)據(jù)能夠影響結(jié)果的每一個(gè)領(lǐng)域，最終都會(huì)采納數(shù)據(jù)驅(qū)動(dòng)的決策方法。教育機(jī)構(gòu)同樣如此，一開始只有少數(shù)機(jī)構(gòu)愿意接受，但最終會(huì)擴(kuò)展到全部。
　　正如作者所說：“信息技術(shù)作為進(jìn)步的基礎(chǔ)是不容置辯的，但當(dāng)下面臨的變革并不是技術(shù)層面上的�！碑�(dāng)前的變革是組織變革。要作出應(yīng)用數(shù)據(jù)的決定，就不得不成為知道如何變革自身的那種組織，以便回應(yīng)新信息，回應(yīng)經(jīng)常與傳統(tǒng)實(shí)踐相沖突的新信息。
　　我們第一次要求自己擁有理解學(xué)生正在做什么的能力。我們能夠理解在最大規(guī)模情況下學(xué)生是如何學(xué)習(xí)的，理解在任何給定的學(xué)年中數(shù)以百萬計(jì)的各種數(shù)據(jù)。我們能夠理解在最小規(guī)模情況下學(xué)生是如何學(xué)習(xí)的，理解每一個(gè)個(gè)體在10分鐘的課程中是如何學(xué)習(xí)的，而不只是每一個(gè)個(gè)體是如何學(xué)習(xí)的。不同于舊有的調(diào)查世界和樣本，我們能夠連接上述兩類規(guī)�！髷�(shù)據(jù)是數(shù)以億萬計(jì)的小數(shù)據(jù)的匯集。
　　高等教育的未來依賴于本書巧妙而有力地論證的特征：教學(xué)的個(gè)性化、把有效努力從無效努力中分離出來的反饋循環(huán)，以及由大規(guī)模數(shù)據(jù)集的概率預(yù)測而產(chǎn)生的設(shè)計(jì)或體系。決定著教育之未來的，是那些更好地利用大數(shù)據(jù)來適應(yīng)學(xué)習(xí)的組織。
　　［美］克萊·舍基（Clay Shirky）
　　美國紐約大學(xué)、上海紐約大學(xué)教授
　　被譽(yù)為“互聯(lián)網(wǎng)革命最偉大的思考者”
　　著有《認(rèn)知盈余：自由時(shí)間的力量》等暢銷書

　　令人愉快的雙贏設(shè)計(jì)
路易斯·馮·安（Luis Von Ahn）的外表與行為和大家身邊典型的美國大學(xué)生沒什么兩樣。他喜歡打電子游戲，喜歡飛快地駕駛他的藍(lán)色跑車，他就像現(xiàn)代的湯姆·索亞（Tom Sawyer），熱衷于差遣別人替他做事。但是人不可貌相，實(shí)際上，馮·安是世界上最杰出的計(jì)算機(jī)科學(xué)教授之一，而幫他做過事的，足足有10億人。
　　10年前，22歲的研究生馮·安參與創(chuàng)造了一項(xiàng)名為CAPTCHAs的技術(shù)，要求人們?cè)谧?cè)電子郵件等網(wǎng)絡(luò)應(yīng)用時(shí)輸入彎彎曲曲的文字，以證明進(jìn)行此操作的是人類而非惡意灌水的程序。馮·安把CAPTCHAs的升級(jí)版（reCAPTCHA）賣給了谷歌，這個(gè)版本要求人們輸入扭曲文字的目的不僅是作驗(yàn)證，更主要的目的，是為了破解“谷歌圖書掃描計(jì)劃”中那些計(jì)算機(jī)難以識(shí)別的文字。這是個(gè)聰明的做法，發(fā)揮了一項(xiàng)數(shù)據(jù)的兩種作用：在線注冊(cè)的同時(shí)識(shí)別文字。
　　在那之后，成為卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）教授的馮·安開始尋覓更多的“一石二鳥之計(jì)”——使人們提供的零散數(shù)據(jù)為兩種目的服務(wù)。于是，在2012年，他啟動(dòng)了新的設(shè)計(jì)——多鄰國（Duolingo），通過網(wǎng)站和智能手機(jī)APP幫助人們學(xué)習(xí)外語。作為一個(gè)幼年在危地馬拉學(xué)習(xí)英語的人，馮·安對(duì)學(xué)習(xí)外語抱有共鳴，而更重要的是，多鄰國的教學(xué)方式非常巧妙。
　　它要求人們?cè)谕粫r(shí)間翻譯一些較短的詞組，或者評(píng)價(jià)和修正其他人的翻譯。不同于一般翻譯軟件呈現(xiàn)其自創(chuàng)詞組的做法，多鄰國呈現(xiàn)的是需要翻譯的文檔中的真實(shí)句子，因此公司能夠從中獲取報(bào)酬。一旦有足夠的學(xué)習(xí)者能夠翻譯或驗(yàn)證特定詞組，系統(tǒng)就會(huì)接受他們的譯文，并收集所有零散的句子，將其整合到完整的文檔之中。
　　多鄰國的客戶包括CNN和BuzzFeed等媒體公司，后者通過多鄰國的服務(wù)，翻譯用于其海外市場的相關(guān)內(nèi)容。和reCAPTCHA一樣，多鄰國也是個(gè)令人愉快的“雙贏”技術(shù)：學(xué)習(xí)者免費(fèi)獲得外語學(xué)習(xí)指導(dǎo)，同時(shí)制造具有經(jīng)濟(jì)價(jià)值的產(chǎn)物作為回報(bào)。
　　此外，還有第三個(gè)益處，那就是多鄰國收集的“數(shù)據(jù)尾氣”（data exhaust），即由人們與網(wǎng)站之間的互動(dòng)中衍生的副產(chǎn)品：如熟練掌握一門語言的某一方面需要多長時(shí)間、最合適的習(xí)題量是多少、落下幾天進(jìn)度的后果等等。馮·安意識(shí)到，所有這些數(shù)據(jù)都可以采取某種方式加以處理，從而揭示出促進(jìn)人們學(xué)習(xí)的最佳策略。在非數(shù)據(jù)環(huán)境中，做到這一點(diǎn)并不容易。然而，對(duì)于2013年間的每一天都有大約100萬訪問者，并且人均花費(fèi)30多分鐘用于線上學(xué)習(xí)的多鄰國來說，巨大的用戶數(shù)量足以支撐此類研究。
　　馮·安最重要的發(fā)現(xiàn)是：關(guān)于“人們?cè)鯓訉W(xué)得最好”的問題是錯(cuò)誤的。重點(diǎn)不在于“人”怎樣學(xué)得最好，而是具體的“哪個(gè)”人。對(duì)此，他解釋說，針對(duì)最佳語言學(xué)習(xí)方法的實(shí)證研究數(shù)量很少，比方說，在許多理論中，主張先教形容詞，再教副詞，但幾乎沒有確鑿的數(shù)據(jù)支撐。他指出，即使存在相關(guān)數(shù)據(jù)，通常也是針對(duì)數(shù)百名學(xué)生的小規(guī)模研究所得，將之作為普遍的研究發(fā)現(xiàn)加以推廣，終究是不可靠的。為什么不以多年來數(shù)以千萬的學(xué)習(xí)者為研究對(duì)象得出結(jié)論呢？多鄰國的出現(xiàn)，使這樣的研究成為可能。
　　馮·安在處理數(shù)據(jù)的過程中得到了一個(gè)重要的發(fā)現(xiàn)，即語言教學(xué)手段有效與否取決于學(xué)習(xí)者的母語以及他們將要學(xué)習(xí)的語言。以西班牙語使用者為例，通常，他們?cè)趯W(xué)習(xí)英語的最初階段就會(huì)接觸到“he”“she”和“it”等代詞。然而馮·安卻發(fā)現(xiàn)，“it”一詞容易引起他們的迷惑和焦慮，原因是“it”很難翻譯成西班牙語。于是馮安進(jìn)行了幾次測試，只教“he”和“she”，直到數(shù)周后堅(jiān)持學(xué)習(xí)而不放棄的人數(shù)顯著增加，再開始“it”一詞的教學(xué)。這樣就能顯著提高堅(jiān)持學(xué)習(xí)的人數(shù)。
　　他還有一些發(fā)現(xiàn)是有悖直覺的：女性的體育術(shù)語學(xué)得更好；男性更擅長學(xué)習(xí)與烹調(diào)和食物相關(guān)的單詞；在意大利，女性總體來說比男性在英語學(xué)習(xí)上表現(xiàn)得更出色。許多類似的發(fā)現(xiàn)始終在不斷涌現(xiàn)。
　　多鄰國的故事為我們呈現(xiàn)了大數(shù)據(jù)重塑教育的最有前景的方式之一。其中反映了大數(shù)據(jù)改善學(xué)習(xí)的三大核心要素：反饋、個(gè)性化和概率預(yù)測。

　　無法駁斥的大數(shù)據(jù)預(yù)測

　　第二個(gè)威脅也同樣嚴(yán)峻。以所有人為對(duì)象收集到的全面教育數(shù)據(jù)，將用于對(duì)未來進(jìn)行預(yù)測：我們應(yīng)該以這樣的速度、按這樣的順序?qū)W習(xí)；我們只有在晚上8點(diǎn)至9點(diǎn)間復(fù)習(xí)學(xué)習(xí)材料，才能有90%的可能性得到B，如果復(fù)習(xí)得早了，其可能性將會(huì)降至50%；等等。諸如此類的概率預(yù)測將會(huì)限制我們的“學(xué)習(xí)自由”，并有可能最終威脅到我們對(duì)生活中機(jī)遇的獲取。
　　大數(shù)據(jù)蘊(yùn)含的巨大潛力在于推進(jìn)個(gè)性化學(xué)習(xí)、改善教材和教學(xué)，并最終提高學(xué)生的成績。數(shù)據(jù)應(yīng)該被視為促進(jìn)產(chǎn)品改良的反饋，而不是對(duì)產(chǎn)品使用者進(jìn)行簡單評(píng)價(jià)的依據(jù)。在今天，被收集的有限數(shù)據(jù)幾乎都是用來評(píng)價(jià)學(xué)生的，即學(xué)習(xí)中的“消費(fèi)者”。
　　我們?cè)u(píng)估可能的方案和潛在的成就：從高中提升課程的受理到高校錄取，再到研究生院的入學(xué)。但是此類基于有限數(shù)據(jù)的小數(shù)據(jù)預(yù)測，充滿了不確定性，因此招生委員會(huì)對(duì)這些數(shù)據(jù)的處理極其謹(jǐn)慎。委員們認(rèn)識(shí)到數(shù)據(jù)展示的內(nèi)容并不完善——那些以高分通過SAT考試的自大狂并不是憑借真才實(shí)學(xué)，而僅僅是因?yàn)橛涀×藦?fù)習(xí)指南——便積極地增加評(píng)估的主觀性，當(dāng)他們意識(shí)到依賴數(shù)據(jù)可能造成以偏概全的結(jié)果時(shí)，會(huì)將主觀判斷置于數(shù)據(jù)決斷之前。
　　然而，大數(shù)據(jù)時(shí)代的預(yù)測精確度將遠(yuǎn)遠(yuǎn)超過現(xiàn)在。這向招生委員會(huì)和招聘人員等決策制定者施加了更多的壓力，使其更傾向于相信基于大數(shù)據(jù)的預(yù)測。在過去，我們可以辯稱所屬的分組不是特別適合自己，為某種情況找到開脫的理由。比如，我們有可能被分到“好學(xué)生，但是搞不定統(tǒng)計(jì)課”的群組中，并最終因此被經(jīng)濟(jì)學(xué)專業(yè)拒之門外。但是我們?nèi)匀豢梢詰{借這樣的解釋說服別人：基于這一分組的預(yù)測于我們而言是不正確的，所以即使同組的其他成員會(huì)失敗，我們還是有可能獲得成功。因?yàn)樵擃A(yù)測是基于“小數(shù)據(jù)”作出的，決策制定者往往傾向于相信當(dāng)事人是“無辜”的，而當(dāng)事人能夠通過協(xié)商為自己辯解。
　　而新的威脅在于，基于大數(shù)據(jù)的預(yù)測是如此準(zhǔn)確、個(gè)性化程度如此之高，我們將不再因?yàn)槊x上所屬的分組，而是實(shí)實(shí)在在的“自己”被問責(zé)。因此，任何借口都可能不足以說服決策制定者站在我們這一邊。事實(shí)上，任人來作判定有可能完全地從決策過程中移除，取而代之是以機(jī)器算法為基礎(chǔ)的操作，包括讀取電子數(shù)據(jù)表、計(jì)算概率并作出有約束力的決定，而這一系列操作僅需耗時(shí)幾毫秒。
　　比如說，一些大學(xué)正在開展“電子顧問”（e-advisors）的實(shí)驗(yàn)，這款大數(shù)據(jù)軟件系統(tǒng)通過數(shù)字處理提升學(xué)生的畢業(yè)率。自2007年亞利桑那大學(xué)采用該系統(tǒng)至今，學(xué)生順利升學(xué)的比例已由77%上升到84%。在田納西州的奧斯汀州立大學(xué)，當(dāng)學(xué)生選修“學(xué)位羅盤”（Degree Compass）軟件向其推薦的課程后，他們有90%的可能性得到與軟件預(yù)測一致的B以上的高分，而沒有獲益于“學(xué)位羅盤”的學(xué)生，獲得同樣分?jǐn)?shù)的比例僅占60%。
　　……

你還可能感興趣

我要評(píng)論