教诲大数据使用:应战和使用——兼论教诲小数据的大作用

(记录 分享 long8cc龙8国际娱乐官网首页)的点点滴滴


本文由《开放教诲研讨》杂志授权发布

作者:方柏林

择要

初等教诲机构试图使用宏大、宏大、集成的大数据,更好地为学生效力,但大数据在教诲范畴使用存在误区,比如对边沿群体更有效,数据不克不及和讲堂讲授衔接,教师对数据缺乏兴味,也缺乏使用数据的相应支持。不过,在数据期间,教诲界可以使用一些学习分析数据和相干东西,给教师和先生提供优质反应。本文引见了美国一所私立大学运用教师评价和课程办理软件的案例,证明一维的“小数据”和“微数据”也可以有效地帮忙教师改进讲授和学习进程。本文还引见了先生可以运用哪些数据、东西、办法,进步学习后果。

关键词:小数据;学习分析;教师评价;课程办理零碎;学习东西

一、小序

大数据指那种宏大、宏大,需求一系列东西搜集、分析、展现的数据。《福布斯》杂志撰稿人普莱斯曾追踪这个见解的来龙去脉:从汗青沿革看,大数据的展开是典范的“灰密斯”故事。它一末尾是个贬义词,指数据过于宏大和宏大,对处理它的谋略机内存空间、处理工夫都提出了应战。《牛津英语字典》对它的定义也是负面的,宣称大数据“构成了严重的处理上的应战”(Press,2014)。其后,当局和贸易机构发明,这种多渠道源头的数据,可以帮忙他们更好地看法人、题目、地区以及其他社会景象,得出一些平常运用一维数据无从提供的结论。大数据这时在人们头脑中的印象才得以变动。2012年和2014年,涂子沛、舒恩伯格相继出版著作(涂子沛,2012;Mayer-Schönberger,2014),并失掉各界人士的大力举荐,大数据登时成了炙手可热的贫矿。群众传媒报道的传奇故事,也给大数据蒙上了奥秘颜色。2012年,《纽约时报》宣布了一篇大数据深度报道(Duhigg,2012),引见塔吉特(Target)公司经过大数据分析,比一名高中女生的父亲更早知晓该女孩有身。在统计分析师安德鲁·波尔(Andrew Pole)的带领下,该公司分析职员使用大数据,对孕期妇女常置办的产品中断归类,辨别赐与预测值权重,然后使用相干模型,预测妇女能否有身,乃至什么时分消费。塔吉特公司由此可以提早发放扣头券,攫取客户。

大数据的贸易使用让人齰舌。每次在网上搜刮物品,脸书网(Facebook)框边就“知心”地呈现相干告白,列出我们要找的物品。其他商家如亚马逊更是至高无上。国际的淘宝网和种种交际媒体也积极收罗并运用多维度数据,使得这个见解广为人知。

集团化学习见解的走红,也和大数占据关。脸书网兴办人马克·扎克伯格(Mark Zuckerberg)在女儿出生后,宣布将捐出99%的财产用于社会公益。他想到的公益奇迹之一,是集团化学习。以脸书网的统计和分析气力,他天然有底气以为可以收罗、分析、预测人的学习举动,让教诲失掉卓有后果的改进。教诲范畴会不会呈现塔吉特公司波尔那样的怪诞杰物?可不行以像商界那样,能根据一系列变量、数据,帮忙教师和学校精确看法先生学习进程,预测学习后果?我想题目并不这么复杂。

在美国高校,大数据做得好的范畴包括校友办理、重生宣传等。比方,很多学校需求校友捐款,因此校友办理部分需求理解校友的举动习气、救济举动、救济机遇等,然后和校友树立长效联络。大数据可以有效地做出预测,使得劝捐有的放矢。自主招生的体制,使得各个高校都在寻觅一流的生源。而将来先生的数据因临时无法获得,高校只能从高中和其他机构(如参展搜集的材料),多角度天文解哪些先生可以进入本校,并展开相应宣传。由于本文重点是学习型数据,这方面暂不详述。

在讲堂讲授范畴,大数据之光好像还没有照进。教师对此兴味索然。笔者地点的艾比林基督教大学亚当斯讲授中央曾构造两次大数据培训,几乎没有教师报名听讲。“大数据”成了大家都曾听说,但很少有人真去探求的“熟习的陌生人”。下面我们将分析这究竟是什么缘由所致。

二、教诲大数据的应战

关于大数据,教诲界存在不少应战:

一是大数据呈现奥秘化偏向。种种关于大数据的传说,让人们见证了大数据的神奇。但有讥诮性意味的是,大数据一定程度上被奥秘化了,人们有可以把大数据变成新期间的看手相和查星座。没有数据的决议计划是不迷信的,但是有数据的决议计划也未必牢靠。“数据”本身带有“迷信决议计划”的光环。“大数据”给人的印象是有少量数据佐证的结论。但理想上,数据可以被使用,异样的数据乃至可以得出完全差别的结论。人们可以借“大数据”的大旗,为自己的不同理结论或决议计划辩护。

教诲界偶然误以为题目无法失掉处理,乃是由于数据缺乏,数据东西掉队。由此就等待:一旦数据充分了,连续串题目就能处理。数据的完好、宏大、宏大,可以让人们接近原形。这会为教诲机构效力先生和其他群体上的不作为提供借口。教诲机构可以只存眷数据的搜集、分析和使用,但是舍近求远,缺乏对人的关怀。比如,以上文说的校友大数据为例,建立校友网络,发掘校友数据,这些操纵都可以完成,但分开了干系的长远运营,分开了对现有先生人生的投资和关怀,便是照搬哈佛大学校友会的详细做法,恐怕也是事半功倍。

二是大数据办理才能美满。塔吉特公司可以设计出孕期预测模型,展开精准营销。教诲上这么做恐怕不理想。尤其是范围不大的高校,研发部分每每难有跨国公司的气力,树立仅针对本校的分析和预测模型。同时,悖论的景象是,有才能收罗、分析、使用大数据的高校,如美国常青藤大学,中国985、211大学,有充足的气力吸引员工、先生、捐款人,反而不需求大数据帮忙。需求大数据的小学校,濒临生活危殆的学校,大数据可以帮其精准营销,但学校名誉、人为人为等理想要素,使得它们无法挽留开辟和数据办理高端人才。

三是大范围上大数据对高校未必需要。主顾和商家是双向选择的交易干系。他们依托搜集的大数据树立干系,是更为公道的选择。学校与先生、教师和先生干系直接、互相理解,是被鼓动的后果。而把先生当成甲乙丙丁,缺乏个人存眷,反而是不被赞赏的做法。这种干系和情况,使得看法和理解可以且必需更为直接。能直接失掉的知识,却绕弯经过大数据去收罗,是舍近求远,是为了大数据而大数据,无故糜费社会资源。

四是大数据悖论地让大少数学天生了被忽略的群落。大数据分析有分类(classify)、归总(cluster)(Sin & Muthu,2015),然后呢?下文在那边?被贴了标签的个人先生,怎样失掉帮忙?先生怎样才干吸引学校存眷,让相干资源离开自己身边?这些都是题目。大数据对先生数据的搜集,是多渠道的,是集成而不是疏散的。它提供了一个精良的预警零碎,使得困难乃至风险的苗头及时被识别,并无机遇设计干涉方案。但大数据分析的雷达每每只能探测处在常模分布比较边沿的人。先生情况变得特别,学校才会发明,而对大少数先生的学习进程是不明晰的,除了成果外,知之甚少。先生差别的课有差别的教师,这些教师未必像大数据那样会将各自的认知汇总。教师可以对某些先生学习知之甚少,这些先生渐渐被边沿化。终极,当他们出如今大数据雷达上时,大约已无法复生。消防部分常说,事前防火胜于临时救火。教诲范畴怎样“防火”颇为风趣。这里我们可以看到教诲数据怎样影响教诲。

五是笔墨圈套招致办法圈套。中文语境中,我们常把数据(data)和数字相提并论,误以为必需中断宏大的统计和分析,使用高端而宏大的东西,才干分析人。数据不该是一堆统计数字,也应包括定性分析的东西。偶然,即使商家搜集的数据也应包括开放、定性的内容。定性内容多了,从中能看出规律。笔墨一样可以打败数字,成为帮忙我们构成洞察的东西。我们关于人的洞察、同理心和理解,未必都要经过种种渠道收罗。偶然分,和先生吃一次饭失掉的洞察,会多过很多部分搜集的数据。

三、教诲者怎样使用学习数据

教诲定义的大数据,多属名词滥用。学习的数据,每每不克不及和当局人口统计数据那样,触及不计其数人和多个收罗维度。更精确地说,学习数据属分析数据(learning analytics),或许说是“小数据”,乃至是数量不大、范畴狭隘的“微数据”。数据是“大”还是“小”,真实干系不大,关键是要给先生带来学习进程和后果改进的“实惠”。下文举例阐明不是严峻意义上的大数据怎样实真实在地改动教与学的进程和后果。

(一)预警失学危害

高危害先生(at-risk students)指漸临辕学、转学、退学危害的先生。美国初等教诲市场化程度高,学校自主招生,学制矫捷。先生选择多,从常青藤名校、巨型州立大学、平凡州立大学、半公立大学、人文学院,到社区学院、两年制副学士学位学校等,种类单一。大部分人只需想上大学,根本都可以上。由于宽进严出,很多人报读后发明跟不上,或以为学校或专业选择错误,或源于其他缘由,会选择中途保持或转入其他学校。先生频繁“跳槽”会影响学校财源、排名和名誉。部分学校尤其是小学校,挽留学天生了大题目。应对的办法是及时识别先生停学转学的意向,使用得当的干涉伎俩,影响先生决议。

有些数据收罗和分析公司专门帮高校搜集各部分的数据,理解先生情况,方便学校及时展开任务,避免先生停学或转学。笔者地点的艾比林基督教大学设有先生应急干涉部分(Student Opportunities,Advocacy and Resources,简称SOAR),教师和员工可以根据先生情况,及时收回预警。预警零碎搜集的信息包括:

•先生学习情况,如成果滑坡、出勤、作业、测验焦急、学习压力过大等;

•身材情况,如疾病、缺少就寝、遭遇厚待或无法完成相干任务;

•肉体题目,如有自杀偏向、心境低落、失恋、烦闷、压力、焦急等;

•生活题目,如家里呈现了危殆、家人逝世、冤家逝世、经济困难等;

•专业和职业选择题目,如无法确定专业、不合适如今专业等;

•举动题目,如举动不当、举动对他人形成干扰、言语骚扰、肢体骚扰;

•退学危害,如思索转学,由于经济困难无法持续;

•其他题目。

这些数据假如置之不理,则糜费统统人的心血和工夫。不过,这些信息也不是校方想发布就发布的。信息的表露和分享,严峻受制于《家庭教诲权益和隐私法》(Family Educational Rights and Privacy Act,简称FERPA)规矩。学校普通要求发布预警的教师、员工告知自己是谁,乃至告诉先生自己经过SOAR零碎告急,尽管即使不匿名发布预警。如许学校可以把预警题目和提出预警的职员联络起来,把发布预警的人当成处理题目的协作伙伴。大部分情况下,任务职员发布预警时也告知先生自己。这也表现了对先生的关怀和爱。

发布预警的人,包括教师,未必有兴味、肉体、工夫和专才,处理濒危先生面对的种种题目。学校相干部分可以和先生对接,比如先生面对压力、焦急、家庭危殆、自杀偏向等题目,心思咨询部分可以提供帮忙;假如面对财务困难,学校可和先生重新商定学习方案,比如推延毕业,或是帮忙其寻觅奖学金和助学金等;假如遇到写作、地下演讲、察看研讨等“横向才能”方面的困难,学校可举荐先生向写作中央、演讲中央、图书馆研讨效力台告急。

(二)深化教师评价

教诲机构搜集数据的伎俩之一,是展开问卷察看,尤其是对期末的课程评价。大数据多收罗用户核心数据,构成特定看法,而直接向先生发放问卷,则可以让看法更直接。这种评价,几乎统统高校都在做,可惜数据质量差,不克不及帮忙教师改进讲授,反而还制造不满和怨言。究其缘由,这种评价是给教师下判别,而不是帮忙他们改进任务。

讲授中,我们常提到构成性评价和闭幕性评价。对两者的区别,美国协和大学威斯康辛分校教诲学传授伯纳德·布尔(Bernard D. Bull)笼统地比喻为:“构成性评价好像每年去医院体检,闭幕性评价好像验尸。”大部分先生察看是闭幕性评价,目标是区分失掉先生好评的教师和被先生劣评的教师,与评传授网(Ratemyprofessor)和中国“评师网”无异。它触及教师绩效,事关升迁乃至任务安全,有些教师对这种评价比较警觉,若缺乏自大,或是不以为公道公道,则会在数据搜集整理上不予共同。

我们运用一家叫Idea Centei机构的察看询卷,目标是帮忙教师改进讲授。问卷题目包括:

•获得理想性知识(术语、分类、办法、趋势);

•学习基源头根本理、概括或许实际;

•学习使用课程材料(进步头脑才能、处理题目和决议计划才能等);

•培养课程相干行业所需的详细技艺、才能和见解;

•培养团队协作技艺;

•培养发明才能(写作、发明、设计、扮演、音乐、戏剧等);

•拓展根本知识面和对高智力活动(如音乐、迷信、文学等)的欣赏才能;

•培养行动或笔墨表达技艺;

•学习怎样使用资源答复题目,处理题目;

•培养集团代价观,深化看法,刚强决心;

•学习怎样分析和审辩地评价见解和思路;

•提出题目,寻求答案,以拓展进一步理解的兴味。

教师在发放问卷前,会评价这些讲授目标哪些必不行少,哪些紧张,哪些不紧张。不是统统的讲授目标都划一紧张,把这种评价权交给教师,是理想的办法,也是对教师专业才干的恭敬。

根据这些教诲目标,问卷设计了一些题目,让先生逐条评分。下面以针对教师的题目为例阐明:

•关怀先生和学习;

•想法帮先生自行寻求题目答案;

•课程所需作业(讲堂活动、测验、项目)的工夫摆设公道,先生能跟得上;

•展现出学科内容的紧张性;

•创立“团队”和“讨论组”促进学习;

•明白阐明讨论话题和课程的相干性;

•评价先生的学业表现,能给出明白缘由;

•激起先生在课程根本要求之外深化考虑;

•鼓动先生运用多种资源(如数据库、图书馆材料、外部专家)以强化理解;

•将课程内容和理想生活结合;

•明白、简明地引见课程材料;

•测验和作业项目等粉饰笼罩课程要点;

•引见和内容相干的风趣见解;

•让先生参加研讨、案例研讨和“理想任务”等比较使用型的讲授活动;

•激起先生设置应战性的目标并高兴完成;

•让先生和背景或见解差别的同窗分享自己的见解和体验;

•在测验、报告、项目等方面提供及时、常常性的反应,帮忙先生改进;

•让先生互相帮忙,以增长对见解和见解的理解;

•摆设的项目、测验和作业,能激起先生展开新鲜而有发明性的考虑;

•鼓动先生和教师课外互动(如办公室导游、德律风、邮件等)

问卷还包括学习进度、课程内容等方面的题目。这些题目根本吸纳了讲授和学习研讨中已被证明的结论,比如先生互相帮忙,可以促进学习;课程内容要有应战性、有鼓励结果等。

教师搜集这些问卷后,分析东西会根据先生的打分、教师先前设置的权重,谋略教师总分,同时以整个数据库的后果为基准,让教师知道自己在全行业做得怎样。有些课程可以其他学校评分也低,就需求根据整个数据库的基准,将教师的评分重新调停;根据教师先前设定的目标紧张性,将原始评分(raw score),换算成调停分(adjusted score),这有助于进步评价后果的精确性和牢靠性,而不会由于极度情况,招致评分失真。

分析后果出来后,教师可以会发明,自己的学习内容设置比其他学校容易,他们由此可以主动改动课程内容设置。假如教师们都存在类似题目,这种后果可以反应到教师展开部分,以提供相应的教师培训和展开方案。这种数据的搜集,进程并不宏大,也不需求大范围收罗,只需根据某一班级的反应,但是它的构成性评价结果十分好,这便是典范的使用小数据办好事的典范。

(三)学习数据搜集和使用

另一种数据搜集、分析和使用的软件为课程办理零碎。它能很好地帮忙教师及时看法先生学习进程和后果。美国绝大部分学校都在运用课程办理软件,包括Canvas、Moodle、Blackboard等。这些课程办理软件可以安排少量讲授内容,如课程纲要、讲义、视频、播客,也可以摆设讲授活动,如搜集、修正作业,发布成果,展开网络测试,展开在线讨论,乃至举行网络集会。我曾运用过Moodle、Blackboard等,如今运用Canvas。三种软件都有较好的数据收罗服从。下面以Canvas为例,阐明教师可以从课程软件中收罗什么数据,这些数据辨别有什么用途。

1.班级活动汇总数据

Canvas软件的班级活动汇总能表现先生阅读量、活动量分布,从中理解哪些天先生的阅读或许活动比较丰富。关于网络课程来说,该数据可以让教师理解、预测先生举动习气。这有利于教师公道发布讲授内容,使先生不会临时担负过重,临时又无所事事。别的,先生提交作业的汇总数据,能标明哪些先生定时提交,哪些先生耽误,哪些先生没交,从而帮忙教师理解先生在完成作业可以遇到哪些困难,比如可以有的作业先生找不到。教师还能看到学天水果的大致分布,比如能否分布均匀,还是过于容易,过于困难等。

2.先生活动汇总

该数据还可以表现先生的网页阅读量、参加频率、提交数量(包括定时、迟到、未交)以及分数统计。教师可以对这些数据中断排序,然后将先生活动分类,需要时将属于学习进程的活动和代表学习后果的成果中断联络干系。数据也能让教师敏捷将学习高危害的先生聚集起来,经过邮件提示他们完告成课或是告知学习中存在的题目。

假如教师点击先生名字,还能反省先生集团活动统计图,从中判别先生能否积极完成课程任务,如有耽搁或许耽搁,普通出如今什么工夫(比如是不是期中测验时期),方便教师采取相应干涉举动。

3.测试内容分析

测试分析可以让教师反省任何一门网络测试课程的成果分布,包括最高分、最低分、标准差和平均完成工夫,让教师掌握测试内容的难度和先生对学习内容的总体掌握程度。

4.测试题目分析

对测试中的题目,Canvas可以提供答案分布,帮忙教师理解哪道题哪个答案先生容易蜕化。更贵重的是,它可以提供单道考题的区分度(discrination index),即某道考题和先生的总成果联络干系度怎样。联络干系度越高,阐明该考题越能区分先生的水准。比如,某题的区分度为0.87,阐明该考题区分度高,即口这道题答对,在很激流平上能判别出先生总成果优劣。假如区分度为0,阐明这道题没有太大差别,答对机遇均等。假如区分度为负值,如-0.19,则阐明这道题好先生可以失误,也阐明标题标设计可以出了题目,教师可以采取相应举动,包括调停分数(零碎有主动重新谋略成果服从)、修正考题等。

5.作弊危害分析

Canvas另有一种服从,亦即记录先生参加测试进程的数据,比如哪道题花了多少工夫,来回修正次数,或是遇到某道题时分开了页面(可以上彀搜刮了)。这能给教师提供关于先生测验的很多有效信息,尤其是存在作弊危害时。比如,教师可以从测评日记中看出,先生可以在做第一题时遇到了困难,事前分开了页面。第二题先生改了一次答案。这些纤细的数据脚印,能帮忙教师理解先生对某项内容的熟习程度,以及先生有无作弊的可以性。特别说一句,网络课程中测试作弊危害的东西另有其他软件。比如,在写作上,教师可以使用Turnitin软件,将先生作文和网络中的海量文章比对,反省作文抄袭的可以性。

课程办理软件的这些数据,对教师十分有效,很少数据可以立刻促中断动,比如可以对讲授活动(比方讨论)中断排序,让未发帖的同窗在页面上表现,教师可以分歧发布提示。试题的分析,让教师可以对题库中断修订,查验中发明某道题不同理,可以及时删除或许修正。这些数据发布给先生,可以帮忙先生理解、催促或鼓励自己的学习。

四、大数据期间先生的选择

先生有无办法使用数据改进学习呢?先生怎样防备大数据危害,以及怎样收罗、使用“小数据”“微数据”,进步学习结果?

(一)警觉大数据气泡

起首,要警觉大数据危害。隐私的表露,天然是危害之一。别的一大危害,是大数据可以构成气泡和蚕茧,让运用者以为知心而舒适,但这么做恰好有害于将来展开。在线影戏网站Netflix在理解客户兴味方面做得很好。观众每看过一部影戏,它就会举荐类似影戏。有段工夫我迷惑为什么老看田野生活影戏,原来是Netflix根据我的观影记录举荐名单,并贵显地安排在首页上。不知不觉地,大数据就给我们制造了相干蚕茧。大约我应该看别的影戏,让自己的兴味有所拓展。除文娱活动外,商家会根据大数据识别出五花八门根据人们举动习气定制的内容引导我们耗费。假如学校在大数据方面做得好,号称学习可以定制,发起大家要警惕。偶然学习者需求冲破那些“知心”的诱惑,不要待在自己的舒适区不行自拔。先生需求地点范畴的教师和专家加以指引,得当走出舒适区,让技艺失掉丰富或延伸,不克不及仅根据大数据推送的信息,而应该让自己打仗尚且未知、但理解之后有益的内容。

(二) 蓄意训练学习习气

多份研讨表现,人的举动和决议计划近50%来自习气,而不是蓄意的思索(Neal et al.,2006;Wood et al.,2002)。人办事偶然是灵活烂漫、随波逐流的,根据方便而不是理性中断决议计划行事。这么做天然有好处,比如好的习气,使得我们的举动更有效,心思更抓紧,也将头脑空间释放出来从事其他活动。但是这种主动化进程也价格沉重,比如人们可以在情况发作奇妙变革时,仍按照原有方法办事,这就失掉了学习的机遇。别的,不良的习气,比如顺手刷微信,也形成了留意力的疏散和工夫的糜费。

怎样冲破不良习气,使得头脑更为专注?一个好办法是把提示我们从事某种习气的提示清除失,或许藏起来。习气举动普通跟随“提示-举动-夸奖”(cue-routine-reward)。假如蓄意改动提示,比如去阅览室时把手机装进书包,放到一边,专注地看两小时书,然后给自己夸奖,比如出去用一入手机,这会改动举动规律。

(三) 过“量化自我”的生活

《连线》(Wired)杂志记者盖瑞·沃尔夫(Gary Wolf)在题为《量化的自我》演讲中,提出了人类怎样从智能腕带到智能耳塞,追踪身材的种种信息,包括摄入热量、就寝工夫、走路步数等。换言之,凡能经过板滞搜集的身材信息,几乎都可搜集到,并可以借此方案生活。

但关于学习的信息,却零碎、疏散、笼统,没法精确搜集到,由于我们尚缺乏好的伎俩整理学习进程方面的活动。大家可以自己做些注销,比如用工夫日记的土办法注销工夫。我用一种叫救济工夫(Rescuetime)的东西,帮忙理解工夫究竟都去了那边?该东西会对用户一天时间归类,让用户知道有多少工夫糜费,有多少工夫有效运用。这种数据能给用户警觉和鼓动,让他们更好地使用工夫。

(四) 主动运用技艺东西帮忙学习

比如,先生可以使用Quizlet测试东西帮忙学习。很多时分,先生把少量工夫花在反复训练上,不知道自己究竟掌握了没有。Quizlet可以帮忙先生以自测或游戏的方法,在反应中反复训练,并天生有关数据。这种数据极复杂,比如哪些题常蜕化,完成了多少,纯属微数据,但学习结果很好。由于制造这些训练耗费工夫,先生可以组建成学习小组,各承担自建复习题库的部分任务。

另有一种叫Brainscape的东西,可以让人学习根本见解,同时也天生并掌握学习者对内容的精熟程度。先生可以一边训练,一边标记自己能否熟习,假如标记为“十分熟习”,异样的内容就不会呈现,零碎云云持续循环,直到学习者熟习统统内容。

(五) 熟习如安在信息过剩期间找到最优质的学习资源

网络学习资源十分丰富。比如,国际教诲资源包括网易地下课、果壳网的MOOC学堂等。种种微信群众号也向人们推送非正式学习资源,比如罗辑头脑、知乎、澎湃问吧等。这些资源在非正式学习上战功赫赫,但是在正式学习上,我们不克不及寄盼望于现有的比较盛行的资源。这些市场上颇受追捧的资源,包括畅销书,缺乏之处在于每每为了贴近群众口味,而变得过于浅显,或是经过名流品味后让学习者消化。貌似对学习者来说省时省力,但是知道一大堆东西拿出去炫耀的期间已颠末来了。我们将来需求的知识结会谈才能,要求我们如今就要把根扎深。我们还得去看业内的论文,养成深度阅读的习气,知道自己地点范畴的来龙去脉,这会给我们带来更为历久的兴味和更大的改进。

五、结语

在大家都谈大数据的期间,教诲界未必能像塔吉特公司那样,有雄丰富力使用多维数据,批量理解特定的细分客户,继而展开精准营销。在先生方面,大数据识别边沿先生的情况能起很大作用,但是每每不克不及为教师和先生所用,为其教和学效力。教诲界多非营利机构,收罗、分析、使用大数据的力气无限。但我寄盼望于大家经过种种东西和技艺,打通教与学之间的毛细血管,构成新的对接干系,让教师与先生、先生与自己、先生与学习内容能有更有效地互动。如能如许,我们可以借助小数据和种种数字技艺平台,给学习帮大忙。

  

作者简介:方柏林,美国德克萨斯州艾比林基督教大学课程设计总监。

转载自:《开放教诲研讨》 2016年8月 第22卷 第4期

看过本文的人还看过

(看完/读完)这篇文章有何感想! 来看看long8cc龙8国际娱乐官网首页是怎么评论的吧!

发表评论

电子邮件地址不会被公开。 必填项已用*标注