與大數據通行：一線教師需要的技術支持是什麼樣的？

上周打車遇到的車主從事教育信息化行業，他們公司的產品有17年教育信息化創新展會上展出的佳訊微課系統「一支筆 一個本，輕鬆錄微課」，還有翻轉課堂、創客教室等。路上聊起來，我和2個同事，也可能因為學生年齡小，我們還是覺得在教學中這樣的需求沒有很強烈。去年學校里也有討論過建立學校數據平台，尤其是對於學習的過程進行數據積累，跟進評價。其實早前教育改革中也有建立檔案袋評價法，有點類似今天的積累學生數據的部分，紙質的或者是電子版本，工程始終比較浩大。

之前也參加過一些在線教育的分享會，相比市場上繽紛炫目的各種教育app、智能系統產品等，很鮮明地感受到公立教育系統的慢節奏，也會非常的焦慮。但是，奇怪的是，回到一線教學，你會發現這些高大上的信息化產品和你並沒有太多的聯繫，也不太需要。今天正好找到牛津大學互聯網研究所維克托.邁爾.舍恩伯格所寫的《與大數據同行：學習和教育的未來》。大數據將給教育帶來的可能改變有哪些呢？

這個時代什麼都迭代的非常迅速，但如果你去追溯教育的發展你會發現，其實今天的教育和幾百年前並沒有什麼太大的區別，再往前追溯發生最大變革的時期在於一種技術的產生——印刷術，印刷術使得知識不再僅僅儲存在教師的大腦中，讓更多人有了接觸、學習知識的可能。在此之後的教育教學一直沒有多大的改變，21世紀之後湧現的在線教育等應該是新的教育形態，又一輪技術的更迭，軟硬體齊全、普及，它給學習方式帶來變革的基礎。

舍恩伯格對於「講壇上的賢者」的傳統的教育模式，班級授課制的弊端：班級里的所有學生在同一個時間裡上按照統一的節奏學習同樣的學科內容，記憶和模仿是最重要的學習方式，儘管老師能夠給予指導和能夠實現即時的反饋，但仍然是一種極度缺乏數據的學習形式。對比斯坦福大學計算機科學家吳恩達在互聯網上教授他的機器學習課程，通過在線課程服務收集學生舉動信息，追蹤學生與視頻講座的互動行為，分析整個班級的數據，提取最有效的內容納入系統設計，進行教學調整，從而幫助教師選擇最有效的教學方式。大數據從反饋、個性化和概率預測方面將給教學提供支持。

一、大數據與教學反饋

在反饋方面，目前課堂中我們對於學生的了解、學習方式的一些判斷更多是基於我們的直覺、經驗，舍恩伯格稱之為「小數據」，能提供給學生的反饋準確性不強，同時只能是單向度的，我們並不了解學生到底學成什麼樣了。這點上深表贊同，從教學內容、形式上，這兩天觀察習題課、試卷課上的情況，學生的接受水平參差不齊，通過閱卷老師大概清楚全班同學在哪一道題上錯誤比較多，然後集中講解這幾道題。於是，考高分的孩子無所事事，錯誤率高的孩子很多盲點繼續保留，最後又需要結合一對一訂正改錯，課堂上收益最高的是那些中間水平的孩子。說到習題這個，=。=我現在一天畫的√數以千計吧，畫完所有的√之後，在腦海中能形成的判斷就是可能這個知識點學生還有盲區，但是過一段時間之後我的大腦已經自動選擇刪除這些記憶了。另一個從時間維度上，一般而言從孩子們完成練習到老師批閱完成，至少是2節課之間的距離，如果當天只有一節課，那今天完成的練習只能明天訂正錯誤。

目前市面上已經有可對話的電子教科書、教學平台，可以幫助直接分析學生的學習痕迹，進行對錯判斷，直接給出數據反饋，這將對練習環節是一大幫助。像這樣的數據反饋平台，簡直就是一線教師的救星，省下了多少重複無意義的改作業一樣，時間.....就是啥時候推行到學校內呢？

二、大數據與個性化學習

學習一直以來都是個人行為，為每一個學生定製教育，尤其是個性化學習的動態性，學習內容能隨著數據的收集、分析和反饋加以改變和調整，就像歌單一樣，每個學生有自己的播放列表，通過相關的演算法分析個人需求，為他們指定每天需要解答的練習題。學生在這個系統中，根據演算法的安排升級打怪。市場上有不少自適應學習的公司在開展。

聯想到上個世紀著名的道爾頓實驗室計劃，"將學校作為學生的社會實驗室"，提倡"每個學生都應該以適合他自己的速度去取得學習進展"。其目的是廢除年級和班級教學，學生在教師指導下﹐各自主動地在實驗室(作業室)內﹐根據擬定適應其能力﹑興趣和需要﹐從而發展其個性。實行道爾頓制的主要措施﹕ 要布置各科作業室用以代替傳統的教室。室內按學科性質設置參考圖書﹐實驗儀器﹑標本等教學和實慣用具﹐並設教師1~2人指導學生學習。 將學習內容分月安排﹐各科教師與學生按月訂立"學習工約"﹐教師根據學生的程度﹐指定學生做某一個月的作業﹐並把它公布在作業室內。 學生根據自己的能力﹐自由地掌握學習的速度和時間﹐並可與教師和同學研究討論﹐ 學生完成本月的工約﹐須經教師考試﹐及格後才能學習下一個月的工約。 把學生的學習成績和進度登記在學習手冊上。個性化學習系統設計的教育學基礎更像是道爾頓制的電子版，有了數據分析系統，可以節約教師進行記錄、考核、評價的時間。

對於個性化學習，alt school之前有過這樣的學習系統，國內的自適應教學。14年剛開始教學的時候特別不能接受的一件事就是為什麼要全班同步走，每個人按照自己的進度進行自己的學習安排不是更加有效么？alt school建校開始個性化教學系統、模式一直讓我心生嚮往，一直在follow他們的進展。

圖於17年2月攝於Palo Alto的Alt school。

但隨著教學年限的增長，反而隱約覺得個性化學習中有那麼一塊模糊的缺陷。缺陷是什麼呢？今年在學習東方舞的過程中，作為一個學困生有時候真是上課上到一半想拎著包就溜了，但你看看身邊和你一起學的小夥伴還在堅持著，不自覺地要求自己，你也再堅持一下。還有一種情況是，和你類似水平、學習進度的同學，讓你有一個交流、比對的對象，她和我原來一個起點，學3個月後達到來這個水平，那麼我的現狀如何呢。如果是獨自學習，我可能不知道我目前學習的速度、進度是一個什麼樣的水平，我可以選擇偷懶。我非常贊同學習是一個個人行為，但學習真的是一個反人性的過程。精進一個領域享受的時間都是短暫的部分，大部分過程需要嚴肅嚴格的基本訓練，這部分終究是枯燥且不可避免的。也許吧，那些高手可能並不需要同伴，只需要專業的教練，獨自學習，然後遙遙領先，但曲高和寡是不是也還是說明高手也需要同水平的知音。

從這個維度來說，或許個性化學習系統或許可以增加一個選擇按鈕，通過數據匹配相似水平、志同道合的學習夥伴，通過學習group的虛擬空間來支持長期的訓練。

如果我們再往深處去推，個性化學習系統的邏輯基礎在於學生對學習系統有很強的驅動力，如同玩遊戲一樣上癮，希望不停升級打怪。但現狀往往卻是，學習的內容升級打怪很容易疲倦，是否可能存在不停地選擇簡單的學習材料讓自己晃悠過一天的情況呢？

另外從社會化層面，雖然班級授課制有很多被詬病的，諸如流水線工廠等等，但你去看我們現在的班級設置很有意思，比如我們學校一個班級從1年級到6年級，學生基本不會有大變動，這些孩子們在一起生活、學習6年，他們之間的交流、互動、好朋友小群體，包括他們和老師一起的過程，這個過程中是幾十個家庭不同文化習慣的交織，也是一個班級生活生態不斷形成的過程。課堂上所學習的知識內容是一個重要的載體，這個載體的作用很複雜，它承載著思維交流、碰撞，也承載著不可避免的評價等。學習這個個人的行為，這麼個性化的行為，大家這麼不一樣，一個班集體聚在一起的課堂正是學習其他人思維、思考方式的過程。除了學習，班級本身就是一個小社會，在和他們不斷建立關係的過程中，去感受去探索如何和他人建立關係。

個性化學習系統側重在知識獲得的維度，這對於考試、或者學習完既定的某部分知識內容、習題練習，我相信是很有效的。但對於基礎教育階段的學生，我想這個系統大規模普及還是比較難。

三、概率預測

舍恩伯格大數據還在幫助理性對待概率預測上有重要影響，尤其是對於教育決策來說，包括對學生學習方式、學校管理決策，有可視化的數據支持，更易於找到相關關係。學校本質上會成為大數據生態系統的基石。但這其中為什麼實施起來那麼困難呢？我自己在學校中的直觀感受，一個是當前數據的收集還是很麻煩，有這個功夫我按照原來的方式處理也早就完事了；另外一方面是數據分析維度，數據搜集完，這個系統是否有一個智能的分析系統呢？數據分析的結果靠譜程度多高？最頭疼的就是收集了一大堆數據之後，還是堆砌起來。

四、教育與大數據的暗面

舍恩伯格指出與大數據同行之時，我們也要正視大數據的暗面。

我們先前考慮在學校建立數據平台，由每位班主任、任課教師對於學生的學習、行為表現進行記錄，同時對學習過程進行資料記錄（比如孩子繪畫作品、學習成果等等），包括班級活動中一些照片、記錄進行儲存。這其中涉及到很多問題：

1.誰來決定儲存什麼樣的資料？

2.誰擁有這些數據的訪問權？比如班級人展示欄目，老師上傳的照片我是否願意被別人看見呢？教師和學生的隱私權如何保護？

3.這些數據將會被用完何處？如果是學校管理使用，對一個學生的發展究竟是什麼樣的影響？比如分班？

4.通過大數據預測是否剝奪其他可能？再往前深挖一步，過去的成長記錄是否需要步步留痕？我們的大腦不斷遺忘和當下無關、無用的細節，我們的孩子是否需要一種步步留痕的生活呢？這些無法遺忘的舊數據從數據分析的維度上，過往的我是否可以用來判斷今天的我？

如果只從知識學習的維度教育信息化空間真是大了去，學校裡面我們就是田園牧歌式地勞作著，園丁~好了我自問自答，我覺得作為一個一天畫上千個√的園丁，我就是好想有個改作業機器人，這部分是最重複無效的工作- 。- 快來取代我吧~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！