教育 | 大数据带来学习的三大核心变化

维克托·迈尔-舍恩伯格，英国牛津大学互联网研究所教授，是大数据领域公认的权威，也是最早洞见大数据时代发展趋势的数据科学家之一。维克托·迈尔-舍恩伯格的力作--《与大数据同行：学习和教育的未来》去年出版以来，受到国内教育界的广泛关注，并荣获2015年度"影响教师的100本书"之TOP10图书。

书中，作者指出小数据时代的教育主要面临两个障碍：

因此小数据教育通常呈现为三类特征：

大数据改善学习的三大核心要素则是：反馈、个性化和概率预测。在此基础上，将带来学习的三大改变：能够随时收集学习中的双向反馈数据；可以真正满足每个学生的个体需求，而不是为了一组类似的学生定制的个性化学习；可以通过概率预测优化学习内容和学习方式。

在这一过程中，学校和教师的功能将发生彻底改变，学校将转变成为学生交流和沟通的社会化场所。教师则不再需要照本宣科地讲课，而是作为学生和学习系统的重要连接者，倾听学生的教育和学习需求，组织学生进行各种深入的讨论和交流。

在小数据时代，学习的方式和目的往往是为了通过考试。而在大数据时代，人们可以实现通过学习中所犯的错误来理解这些错误，并最终改进这些错误。

迈尔-舍恩伯格说，可汗学院的案例大家可能比较熟悉，我想举另外一个案例来说明大数据时代的学习是什么样。在美国，有一个著名的外语学习网站--多邻国（Duolingo），每天都会有数以百万计的人们通过它来学习外语。网站的设计者从平台所收集的大量学习者所犯的错误信息中，发现许多有价值的信息。比如，他们发现大多数西班牙语使用者在学习英语的初级阶段，会对代词"it"很困惑，原因是"it"很难翻译成西班牙语。于是，多邻国针对这类学习者调整了学习安排，先教他们其他代词，等到数周后再开始教"it"。

多邻国通过大数据发现，语言教学手段有效与否，取决于学习者的母语以及他们将要学习的语言。另外，多邻国还发现了所谓"数据尾气"（dataexhaust）现象，即由人们与网站之间的互动中衍生的副产品：如熟练掌握一门语言的某一方面需要多长时间、最合适的习题量是多少、落下几天课程进度的后果是什么，等等。  

多邻国的教学模式和商业模式也非常有意思，它要求人们在同一时间翻译一些较短的词组，也可以评价或修订他人的翻译。而它所提供的翻译样本，其实是从翻译公司那里获得的真实句子，因此公司能够从中获取报酬。一旦有足够的学习者能够翻译或验证特定的词组，系统就会接受他们的译文，并收集所有零散的句子，将其整合到完整的文档之中。因此，学习者可以免费获得外语学习指导，同时创造出具有经济价值的回报。这种赢利模式在过去是难以想象的。

迈尔-舍恩伯格认为，我们利用传统教育方式所获得的反馈其实存在很大缺陷。比如，我们难以对学习过程进行反馈；在对学习结果进行反馈时，我们也只是把关注点放在学生身上，我们对学生的考卷和各种表现进行打分，并要求他们对这一结果负责。然而，作为教育者，我们却很少评价自己，也很少对我们所采用的教科书、教学方式和内容以及测验手段是否对学习有益进行评价。导致这种现状的原因之一是数据很难收集，收集到的数据又很难获得有效处理。因此，这是一种单向度的反馈。

在大数据时代，我们则可以实现对学习效果的双回路反馈。我们能够收集过去无法获得的数据，通过对这些数据的分析，我们可以提高学习的效果和学业表现，并将数据分享给教师和决策者以改善教学。

在小数据时代，我们学习的方式和目的往往是为了通过考试，而在大数据时代，我们可以实现通过这些错误来理解这些错误，并最终改进这些错误。多邻国的实践就是最好印证。