您的位置:  首页 > 下载 > 电子书籍 > 正文

与大数据同行:学习和教育的未来.epub

软件语言:简体中文
软件类型:国外软件
授权方式:免费软件
软件大小:0 KB
推荐星级:★★★★★
更新时间:2019-01-17
浏览次数:
下载次数:
运行环境:winxp,win7,win8
软件简介

网盘提取码:xav1

与大数据同行的学习就是未来的教育,这既是书名的意义,也是本书的主题。“大数据”一词反映了人们愈益意识到我们大家留下的数字痕迹,就如“大数据”关注数据本身一样。哥伦比亚大学心理学教授邓肯·沃兹(Duncan Watts)认为,有关人们行为和喜好的丰沛数据正改变着社会科学,使社会科学从数据最贫瘠的领域转变为数据最丰富的领域。在从商务学到社会学再到文学这样一个又一个领域中,我们获取和解释数据的能力得到迅速成长,同时也需要获得新的工具。
与其他任何领域相比,这一点在教育领域或许显得更为真实。多年以来,事实上是多个世纪以来,教育领域的决策从来就是在缺乏任何数据的基础上作出的。常识(common sense)一直成为正常的决策资源,即使在常识导致消极结果的情况下也是如此,而常识其实只是习惯和一厢情愿的混合物罢了。
迈尔-舍恩伯格和库克耶写到塞巴斯蒂安·迪亚兹(Sebástian Díaz)受数据驱动的关于学生矫正教育(remedial education)的发现:要求学生修读全部大学课程可能确实会导致他们辍学而不是毕业。迪亚兹的这一发现与当前美国政策所鼓励之事并不一致,而这种政策与现实之间的背离足以让教育家们欲哭无泪。由此可见,如果仅通过常识来设计一种教育体系,只不过是在浪费时间和金钱,那就只会导致一种情况——正如作者所指出的——我们当前的政策或许正在浪费生命,而我们却还没有制定出可以取代它们的有效政策。
弄明白哪些教学技术确实会产生作用,而哪些教学技术不会产生作用,正是本书所探讨的一场革命。
与大数据同行的学习意味着两种迥异的学习过程。对于学生而言,他们是在一个同样也在向他们学习的体系中学习着课程。这一体系知道学生何时需要加倍依赖于概念,知道何时需要继续往下学习,还知道如何让学生在每一天中平衡“温故”和“知新”。这些学生是在伴随着大数据而学习,因为在他们所身处的系统之中,有关他们如何从事与他人和课程目标相关之事的证据,可以在分秒之中产生,而不是需要一个学期或学年才能出现。
但是,教育工作者们也在伴随着大数据而学习。我们第一次有机会来检验假设,来比较方法,来了解(而不只是猜测)什么是有效的和什么是无效的。反馈循环(feedback loop)对于学生来说将是一种改进,而对于教师来说则会是一种转型。
克里斯·阿吉瑞斯(Chris Argyris)是一位组织理论专家,他介绍了学习型组织的理论。大多数组织采用被阿吉瑞斯称为“单回路学习”(single-loop learning)的模式,它们在学习中犯了错误之后才会努力去纠正。例如,当一所学校进行的一次考试或一堂课的难度过低或者过高时,学校就会确定问题并在下一次加以克服。这就是单回路学习——犯了错误,将其抓住并予以纠正,尔后继续前行。
“双回路学习”(double-loop learning)则与之不同。一个践行双回路学习的组织会纠正自身的错误,但它还会做许多更重要的事情,包括分析其犯错的原因。双回路的学习需要分析组织本身在反馈回路中所使用的大量数据。本书中诸多有趣的故事都是关于双回路学习的,例如萨尔曼·可汗(Salman Khan)在运用学生如何学习的数据时,他不只是在设计教学,而是在设计可汗学院本身。
迈尔-舍恩伯格和库克耶认识到了这一巨大的进步。大多数组织习惯性地拒绝变革,而且并不认为这种变革将是迅速的或是由精英们领导的。只有当创新经常出现时,比如要改变人们过去受到不好的服务或根本没有受到服务的状况,这种变革才会发生:人们需要矫正教育,人们处在当前功能健全的机构之外,当前的教育制度让所有年龄段的人感到失败。
迈尔-舍恩伯格和库克耶认为,这一变革最终将波及各行各业。从生物学界到篮球界,最初都会有一些员工在短期内抗拒数据驱动的分析,但在数据能够影响结果的每一个领域,最终都会采纳数据驱动的决策方法。教育机构同样如此,一开始只有少数机构愿意接受,但最终会扩展到全部。

下载分类
媒体软件
网络软件
系统工具
电子书籍
友情链接
Powered by www.gtook.com © 2010-2017 Gtook All Rights Reserved