⑴ 大數據時代，做頂級數據專家的學生是怎樣一種體驗
一問未來的學校什麼樣？
學校仍會存在，但功能會發生重大改變
Q1：您在書中談到，今天的學校和幾百年前的學校相比沒什麼變化，而校園外的世界早已變得幾乎面目全非。在您看來，一所典型的大數據時代的學校，應該是什麼樣的？
舍恩伯格：首先我必須說，我的答案並不是完美的答案。因為我們人類很難預測未來，我們的視野會被我們已經見到的東西局限住。
我舉個例子，歐洲一所大學里，一群學建築的學生被要求設計出2050年的學校。這些25-30歲的年輕人設計的作品都包括教室、黑板、圖書館、實驗室等現在的學校里有的東西，甚至還有一間專門的電腦室。這些設計中沒有wifi，沒有平板電腦——人們很難預見未來。
就我個人的觀點，我認為未來的學校不會完全轉移到線上，未來的學校仍舊會有物理性的存在，但是，學校的功能將發生重大改變。
現在的學校是一個學生接受信息的空間，但未來學生們將在家裡通過觀看網上等形式接受信息，然後到學校去和老師、同學就自己學習的內容進行討論。學校將變成一個社會性的場所，是一個互相討論，互相學習的所在。
二問未來的老師怎麼當？
教師核心技能從宣講知識變為組織討論、個別引導
Q：大數據時代，翻轉課堂會削弱老師在學習過程中的重要性嗎？
舍恩伯格：不會！
大數據只會幫助老師的工作。以前老師不知道哪些部分的內容是學生面臨困難的，哪些學習材料是學生感興趣的，接下來的教授重點應該是什麼。大數據可以幫助老師，提供這些信息。
我舉個例子，我的《大數據時代》這本書出版之後，我並不知道讀者的確切反饋，直到我們把電子書的版權賣給了。
讀者們在kindle上閱讀這本書，我就可以從獲取很多信息：某個讀者花費多少時間讀完這一本書，甚至花費多少時間在某一頁上；讀者們在哪些部分畫了下劃線以突出這些字句。
我告訴你一個秘密，統計了全書中被讀者們畫出下劃線次數最多的十個句子，我一個都沒有猜中！
同樣，大數據可以幫助老師們更深入了解學生的學習興趣和學習風格。
當然，翻轉課堂需要老師們的教學技能發生改變。以前照本宣科的傳授、宣講知識的技能，要讓位於組織學生討論的技能；要讓位於從數據中獲取學生學習信息的技能；要讓位於根據數據對學生進行個別引導的技能。
這確實有些困難，但如果老師們掌握了這些技能，學校將比現在的更美好。
Q：隨著數據處理技術的進一步發展，如果發展到一定程度可以自動處理數據並生成自適應的教育內容，技術是否會取代老師？
舍恩伯格：不會！
有兩方面的原因。一是數據處理無法生成內容，它可以篩選、排序、組合內容，但無法生成內容。而且，即使是翻轉課堂，中教授知識的也仍是老師。
第二個原因是學習是一個社會性的過程，我們面對人溝通時比面對書本學習得更快也更好。
三問未來的學習如何變？
大數據將重塑學習的三個主要特徵
Q：您的新書《與大數據同行——學習與教育的未來》中文版即將問世，能否概括一下，大數據對教育和學習究竟將帶來哪些方面的改變？
舍恩伯格：大數據將重塑學習的三個主要特徵，我將之稱為「反饋、個性化和概率預測」。
首先說反饋。在正規教育中，從幼兒園到大學，反饋隨處可見，最常見的就是考試。然而，這種教育反饋系統的幾乎所有方面都存在很大的缺陷：我們並不是總在收集正確的信息，即便是，我們所有收集的數量也遠遠不足。
大數據正在改變這一現狀。我們能夠收集到過去無法獲取的學習數據，並用於學習過程的處理。我們還能用新的方式組合數據，並充分發揮起作用以提高學習理解和學業表現，同時分享給教師和管理者以改善教育系統。
我剛才舉的通過獲得的讀者反饋就是一例。
然後是個性化。學習一直以來都是個人行為，但大多數正規學校的教育，在其設計時考慮的是處於平均水平的學生——比坐在前排的神童學得慢，但比教室後排的笨蛋學得快的一種虛構的生物。而現實中，並沒有歸屬於這一類別的學生。
我們需要的是「一個尺寸適合一個人」的方式。既然我們可以截取、混合最愛的音樂並將之刻錄到iPods播放器中，那為什麼不能對我們的學習做出同樣的操作呢？
在未來，學習決不會是按照一本給定的教科書、一門科目或課程，以同樣的順序和步調進行，而將會是有數千種不同的組合方式。
最後說說概率預測。通過大數據，我們能夠對人們的整體學習狀況和個體的知識掌握情況產生獨到的見解。然而這些見解並不是完美的。我們「對學習的學習」可是說只是一種「可能性」。
我們可以基於高度的可能性，對個體為提高其學業成績需要實施的行為作出預測。比如，選擇最有效的教材、教學風格和反饋機制。但這僅僅是概率預測。
四問：大數據可能帶來教育領域哪些危險？
用數據貼標簽和限制學習自由
Q：除了這些正面的影響，大數據對於教育和學習有沒有什麼負面的影響？
舍恩伯格：是的。其危險有兩個，一個是「永久的過去」，一個是「決定了的未來」。
所謂「永久的過去」是指，我們作為個人不斷地成長、發展、變化，而那些多年來收集的全面的教育數據卻始終保持不變。
想像一下，某個學生的活動記錄被存儲下來，並在25年後他找工作的時候被提供給未來的僱主，這將會是怎樣的情形？
因此，全面教育數據帶來的首個重大威脅，並不是信息的發布不當，而是束縛我們的過去、否定我們進步、成長和改變的能力，而且目前尚無抵禦這一威脅的可靠措施。
所謂「決定了的未來」是指，以所有人為對象收集到的全面教育數據，將用於對未來進行預測；但是系統也可能帶來一些惡性的後果。假如系統預測某個學生不太可能在一個學科領域（如生物信息學）取得良好成績，於是引導他轉入護理之類的其他專業，我們應該如何看待系統的決策？
諸如此類的概率預測將會限制我們的「學習自由」，並有可能最終威脅到我們對生活中的機遇的獲取。比如大學可以很容易利用大數據選拔出學習能力最強的學生，畢竟教育最聰明的10個學生很容易，而提高普通學生的成績卻難得多，但也有意義的多。
在我看來，大數據蘊含的巨大潛力在於推進個性化學習、改善教材和教學、並最終提高學生的成績。數據應該被視為促進產品改良的反饋，而不是對產品使用者進行簡單評價的依據。
Q：我們該如何避免這些狀況的發生？
舍恩伯格：依靠法律。我認為應該對大數據的使用立法，明確規定哪些數據可以收集和使用，哪些數據不能收集和使用；哪些數據可以在哪些領域中加以使用等等。
⑵ .談談在大數據時代背景下教育的特點
在大數據時代背景下，教育的特點和發展趨勢主要體現在以下幾個方面：
個性化教育：大數據技術可以對學生的學習數據進行分析，根據不同學生的學習情況和學習特點，實現個性化的教學方案和資源推薦，幫助學生更好地發揮自己的潛力。
數據驅動教學：大數據技術可以對教學數據進行分析，從而幫助教師更好地了解學生的學習情況和學習效果，為教學改進和優化提供數據支持。
教學資源數字化：隨著教學資源的數字化，大數據技術可以實現對教學資源的智能管理和優化，提高資源利用效率和質量。
跨界合作：大數據時代教育的發展趨勢是跨界合作，通過多方數據共享和整合，打造更加完整的教育生態系統，實現教育資源的共享和優化。
聯邦學習：隨著人工智慧技術的發展，聯邦學習將成為一種重要的教學方法，通過將學習模型下放到各個本地設備，實現數據的本地化處理和保護，同時保證了全局學習效果的優化。
智慧教育：利用大數據技術和人工智慧技術，可以建立智慧教育平台，實現教學管理的智能化、精細化和個性化，提高教育教學質量。
教育服務雲平台：將教育資源、學習內容、教學工具等整合到一起，形成教育服務雲平台，使學生可以隨時隨地獲取所需的學習資源和服務。
教育信息化：大數據時代，信息技術在教育中的應用范圍更加廣泛，不僅是教友鋒學內容的數字化，還包括教育資源、教學管理、教師培訓等各個方面的信息化。
開放式教育：利用大數據技術和互聯網技術，教育可以超越時間和空間的限制，打破傳統教育的邊界，實現開放式教育。
教學模式創新：在大數據時代，教學模式將從傳統友告陪的教師主導轉向學生主導，學生將成為學習的主體，教師將成為學生的學習指導者和學習資源好蠢的管理者。
大數據技術的應用為教育帶來了更多的機會和挑戰，未來教育的發展需要在大數據時代的背景下，不斷推進教學的數字化、智能化和個性化，同時加強跨界合作和資源共享，實現教育的高質量和可持續發展。
⑶ 大數據如何影響課堂教學
「大數據」（BIG DATA）這個詞，是2008年在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》這本書中首次提出的。「大數據」指不用隨機分析法（抽樣調查）這樣的捷徑，而是對所有的數據（近似於全樣本）進行分析處理的一種方法。
1．什麼是我們身邊的大數據？
「大數據」已經滲透到我們生活中的方方面面。比如我們打開手機淘寶，呈現在我們面前的界面是不一樣的。它推送給我們的商品是不同的，而且這些商品往往真的能夠抓住我們的需求和心理，這是為什麼呢？
其實這就是大數據分析出的結論。
淘寶這個平台，對每一個瀏覽過商品的人，購買過商品的人，都進行了全數據分析，可以輕松獲取我們的很多信息。
例如我們的性別、年齡、家庭成員、喜好、是否結婚、是否有孩子、孩子的性別，甚至可以細致到你是愛穿休閑類的服飾，還是喜歡小清新類的服飾，或者是職業裝類的服飾等等。通過你的每一次操作，收集到了這些數據之後，它經過分析和處理，進一步推測出了你可能會訂購的商品，從而推送給你，讓你花更少的時間檢索而要花更多的錢進行消費。
例如你購買了一些孕婦類產品，可能在不久之後，它就會推送相關聯的一些嬰兒用品給你。
而我們消費後的評價與反饋，又使得他們不斷改進自己，例如不同賣家的鑽石星級，或者清退一些不合格的賣家等等這些行為，就是淘寶對自身的調整。
這種互利互惠的雙迴路的運轉模式，可以看作是賣家與買家間的一種良性的互動方式，而這種互動方式在傳統的賣場裡面是不可想像，也難以實現的。
2．什麼是課堂教學互動方式？
課堂教學互動方式，則是指在課堂上，教師與學生之間的一種信息交流方式。
在傳統的課堂中，師生之間的互動交流方式比較單一，上課就是教師在講，學生在聽，一種單方向的傳導過程。
有人說，教師就是知識的搬運工，課堂上很少有師生之間的交流。
還有一種觀念是，教師對學生提問，學生回答，就是師生互動。
顯然，這種認識是膚淺的，這將使師生互動流於形式。師生互動的根本目的是要引導和培養學生的高階思維。
因此，真正的師生互動應該定義為思維的碰撞、智慧火花的生發之源。
近些年來一直被提及的可汗學院的教學與學習方式，之所以受到關注的原因，恰恰就是它基於大數據分析，解決了課堂教學互動這個難題。
大數據之所以能實現課堂教學互動，是因為它具有三個主要特徵：反饋、個性化和概率預測。
我們傳統的課堂教學是一種單迴路的學習，即教師給予，學生接受。我們對學生進行考核，然後對他們進行評價。
我們不會或者沒有條件來通過學生的成績來反思自己的教學內容或者方式是否是恰當的。
我們不能從學生身上獲得真正有用的反饋信息來改變自己的教學內容和行為。
所以說，傳統的課堂教學是一種單迴路的方式，根本沒有實現師生間的良性互動。
此外我們的教學內容在編排上，考慮的是處於平均水平的學生，而這種水平的學生其實在現實中可能根本是不存在的。
換句話說，我們的教學沒有照顧到「好」學生，也忽略掉了那些「差」學生，甚至連我們認為的中等水平的學生，也是不存在的，因為他們是平均後虛構出來的群體。
所以，我們的教學根本沒有針對學生做出個性化的設計，這是教育普及大眾化不得不做出的取捨。
傳統的教學是沒有反饋或反饋較少（沒有時間或實在照顧不到，分身乏術），沒有個性化，從而更談不上有概率預測的一種教學。
而大數據下的新的課堂教學互動方式，卻可以改變這種狀況。
1．參考案例
維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《與大數據同行——學習和教育的未來》一書，舉了可汗學院的例子。
2004年，可汗是一個剛從哈佛商學院畢業一年的基金分析師，給自己的表妹輔導數學。
由於他們生活在不同的城市，因此，他在互聯網上為她進行輔導，從此永遠地改變了教育的世界。
他編寫了若干程序來協助教學，這些程序能生成數學習題，並顯示孩子們提交的答案是否正確。
同時，也收集數據，程序可以追蹤每個學生的答對和答錯的習題數量，以及他們每天用於作業的時間等等。
後來在此基礎上創建的可汗學院，之所以可以聞名於世，就是因為它收集有關學生行為的數據，從中獲取有用的信息來改變教學內容的設計，為每個學生定製個性化的學習方案。
可以說數據就是可汗學院運作的核心所在，大數據的支撐，互聯網技術的飛速發展，使得相隔千里的師生之間形成了有效的課堂教學互動。
它改變了我們對面對面才能達成互動的傳統認識。
此外，還有一個關於斯坦福大學吳恩達與他的機器學習課程的例子。
吳教授將課程放到了網上，他追蹤學生與視頻互動的行為。
在什麼地方按了暫停鍵，什麼地位按了重復鍵，在什麼地方放棄了繼續聽課，他的目的不是督促學生學習，而是反思學生卡在了什麼問題上，哪些教學內容難以理解，從而對課程進行調整。
例如，他發現學生本來都是正常的按順序進行網上學習，但是很多學生在學習第7課時，都會去回看第3課的一個關於數學知識的復習課。
於是他發現，原來是因為第7課解決某個問題時，需要用到第3課復習到的一個數學公式，而很多學生並沒有記住，因此他就對第7課時的教學視頻做了改變，會自動彈出一個彈窗幫助學生來復習數學公式。
還有一次，他發現學生在學習第75課到第80課時，正常的學習秩序被打亂了，學生以各種各樣的順序反復觀看這幾節課。
他通過反復分析，發現學生的行為是在反復理解概念，於是他將這部分的教學內容製作的更加精細，更有助於幫助學生理解概念。
【 評價】
這是一個典型的大數據分析下，課堂教學互動變革實現了教學反饋的例子。
覺得我們傳統的教學，只是通過每天判一判學生的作業，看一看他們的考試成績，是無法得到這些動態的數據的，更無法得到改變我們教學內容與方式的有價值的信息。
於是我們的教學可能幾年甚至幾十年都在重復相同的內容和動作。因為我們不知道學生究竟是如何進行學習的。
2．參考案例
還有一個例子是關於「半島大學」的暑期班項目，他們使用可汗學院的數學課程教授來自舊金山灣區貧困社區的中學生。
在課程一開始，一個七年級的女生的成績在班裡一直墊底，在整個暑期的大部分時間中，她一直是學得最慢的一個學生，但是在課程結束後，她的成績是班上的第二名。
可汗對此感到好奇，於是調取了她完整的學習記錄，查看她每一道習題和解題的時間，系統創建的圖表對她學習進行的描繪，發現他很長時間都徘徊在班級的底部，直到在某個事件點上突然直線上升，超過了幾乎所有的學生。
這充分說明，當學生以自己最適合的步調和順序進行學習時，即使一個被看似沒有能力的「差生」也是可以變為優等生的。
【 評價】
這是一個典型的大數據分析下，課堂教學互動變革實現了個性化教學的例子。
如果這個女孩放在我們傳統的基於小數據的教學課堂上，幾次考試的成績都不理想，可能她就會被我們歸類為「差生」，於是各種補習加各種輔導，完全打擊了她的自信心，成績的陰影甚至會影響到她的一生。
而可汗學院的課程，利用數據監控了她的所有的學習過程，時間是一個連續的變數，針對她的特點設計了適合她的習題，循序漸進，激發出了她最大的能量。
她完全根據這種個性化的定製，按照自己的學習節奏進行學習，不用去關注到其他人的學習進度與成績。細思極恐，我在想我們的教育究竟扼殺掉了多少這樣的人才？
我們真的應該好好認清大數據帶給我們的課堂教學互動的變革，這種變革很多時候甚至不是技術上的，而是理念上的。
在反饋與個性化的基礎上，大數據的更大的優勢就體現在了概率預測這方面了。
例如我們可以對學生個體為提高其學業成績需要實施的行為作出預測。比如選擇最有效的教材、教學風格、反饋機制等等。
其實，在小數據時代，我們跟學生家長所說的某些建議，比如您的孩子應該加強數學這方面的學習，您的孩子適合去學文科等等這些建議，其實也不是肯定的事實，也只是概率性的干預。
因為可能根據老師所謂的經驗，這個學生選擇學習文科，將來考上一本的可能性更高。而大數據與過去最大的區別是，我們是通過對事物加以測量和量化，以更高的精確度說話。它的預測准確率更高。
比如，大學的選課方面，可以根據你以往的學習基礎以及學習行為，預測出你選哪門課的通過率會更高，你未來的職業規劃怎樣進行會更加順利等等。
大數據所實現的這種概率預測，似乎與課堂教學互動方式的變革沒有直接的關系。
但是仔細分析不難發現，這種預測其實是師生間互動的一種延續，我們對學生的影響不只局限於課堂上，而是延續到了未來選擇的層面上，使得互動交流更上了一個台階。
1．利用數據反饋信息調整課堂教學策略
以高考備考為例：
上圖是追蹤某高中四年所有學生高考數學各知識點得分率的情況，我們可以看出對其中一部分知識點的得分率維持在高位。
這就說明學校一貫的培養策略與日常教學方法是正確的，只需要保持即可，無論教師還是學生不需要過於焦慮，因為大數據反饋的結果對未來教學效果有一定的預測功能。
2．關注學生的個性化發展
大數據不僅對規模龐大的數據進行全樣本分析，得到一般規律，更重要的是很能體現出個性，它可以記錄下每一個學生的變化，方便教師針對每一個學生調整課堂教學方式。
上圖是大數據分析系統給出的某一個學生在一次考試中的情況，從圖中可以看出，數學與物理是這個學生的優勢學科，英語是這個學生最薄弱的學科，那麼在進行改進策略制定時，要多聽取英語老師的建議。
大數據可以幫助教師的課堂教學行為不像傳統課堂那樣，針對的是所謂的「平均水平」的學生授課，而是能照顧到每一名學生。
例如，利用信息技術監控學生的課堂測試與課堂練習情況，隨時調取任意學生的過程進行點評，統計每一名學生過程中出現的問題，這樣教師對課堂進程的判斷不是根據經驗，而是根據實際情況隨時調整。
總之，課堂教學互動方式的變革，不應該只是技術層面上的變革，媒體技術，網路平台的建設已經非常的成熟了，我們需要的變革是組織變革，是思想的變革。
現在流行的微課、慕課（MOOCs）其實就是大數據滲透到教學互動領域冰山的一角，形式並不重要，重要的是隱藏在這些形式下的數據所反映出來的學生行為，以及反饋給教師的教學信息，從而引起他們的思考和改變，形成雙向的迴路，實現真正的「互動」，這才是大數據真正的價值。
大數據下的教師要成為「數據脫盲者」，我們需要通過讀取數據來追蹤學生的進步，通過概率預測解釋什麼是對學生最有效的學習。
我想這應該意味著我們需要建立一套完善的系統，在這個系統中，有數據處理的專家，有解讀數據分析數據的分析師，有利用數據改善教學的教師。
只有在這個良性循環的系統中，才能真正實現課堂教學互動，呈現個性化的教學，讓教育針對每一個孩子。
希望我們的教育和教學可以因為大數據而發生真正的變革。
⑷ 大數據對未來教育的影響包括哪些
作為社會子系統重要的組成部分，教育也深受大數據來臨的深刻影響。國外高校教學管理中，教育數據的挖掘也成為提高教學管理水平和教學質量的重要方式。美國的學校能夠通過對學生數據的分析，以85%的精確度預測學生的升學率。[4]中國教育在當前社會轉型影響下存在不少問題，通過正在形成的大數據技術，教育政策的制定、學習方案與評價方式的確立等，都將發生革命性變化。
1.滲透到教育的核心環節
教育和社會之間是哲學上的辯證關系，一方面，通過教育培養出能改變世界、創造世界的人才；另一方面，教育又深受當前社會氛圍、國家體制、經濟狀況、文化傳統等的影響。從當前來看，教育深受工業社會的影響。從18世紀中葉開始，整個世界開始受到工業革命的影響，市場的擴大和勞動時經驗與技術的要求，對勞動力的素質提出了新的要求，實際的動手能力代替了過去注重個體層面的文化修養學習，能不能解決問題，成為衡量人才的標志。這種人才觀對教育的影響是巨大的，這從美國實用主義哲學家杜威教育思想的流行可見一斑。
大數據時代的來臨將會革新這種延續了近三個世紀的教育理念。美國著名的未來學家，當今最具影響力的社會思想家之一的阿爾文·托夫勒（Alvin Toffler）在他的著作《未來的沖擊》中提出逗未來的教育地，他預測未來的教育要面對服務、面對創新，因此在家上學、教育空間設計、面向未來的學校界限的消失將成為趨勢。[5]解決實際問題的能力作為大數據時代人才的能力之一，將漸漸淡出教育的邏輯起點位置，發掘知識、尋找聯系、總結規律將成為大數據時代人才的重要要求。大數據時代教師將集中在挖掘學生與學習有關的表現，最適宜學生學習的方法，而不是依賴於定期的能力測試。教師分析學生知道什麼，什麼是最有效的學習路徑。通過對在線學習工具等的分析，可以評估學生在線學習行為的長度，以及學生們如何獲得電子資源，如何迅速地掌握概念。[6]
從我國實際情況來看，教育政策的制定與執行都是自上而下的，這種情況有利於政策的權威性與執行的效率，但是忽視教學與學生實際的弊端也客觀存在。大數據時代將可以通過對教育數據的分析，挖掘出教學、學習、評估等符合學生實際與教學實際的情況，這樣就可以有的放矢地制定、執行教育政策，從而為學生制定出更符合實際的教育策略。
2.重新構建教學評價方式
長期以來，教學評價活動主要是學校以及上級主管部門在聽課和學生考試成績的基礎上對任課教師進行評價，或者教師根據學生考試成績和作業成績以及課堂表現等對學生進行評價。[7]教學評價活動促進了教師的教學和學生的學習，但是在細節方面還有待提高，比如教師在教學活動中，哪些教學方式是最為擅長也最容易為學生接受看學生在學習過程中，個體的學習習慣是什麼，什麼樣的學習方式最容易掌握知識看這些細節可能需要大量的實踐經驗總結出來，短期的教學評價是難以實現的。
大數據技術通過對教師與學生長期行為進行分析，得出具有個性化的教學行為、習慣、方式。逗不得不承認，對於學生，我們知道的太少地。同樣，我們也可能對教師知道的太少。大數據的到來，可以通過技術層面來評價、分析並進而提升教學活動。首先，教學評價的方式不再是經驗式的，而是可以通過大量數據的逗歸納地，找出教學活動的規律。比如新一代的在線學習平台，就多出了行為和學習誘導的部分。通過記錄學習者滑鼠的點擊，可以研究學習者的活動軌跡，發現不同的人對不同知識點有何不同反應，用了多長時間，以及哪些知識點需要重復或強調。[8]對於學習活動來說，學習的效果體現在日常行為中，哪些知識沒有掌握，哪類問題最易犯錯等成為分析每個學生個體行為的直接結果。其次，可以對學生進行多元評價，而不僅僅是知識掌握的單一維度。對學生的評價應該是多元的，特別是通過數據分析，可以發現學生思想、心態與行為的變化情況。比如，同一寢室，互相刪除了聯系方式，或者兩者之間沒有任何數據產生，同學之間的關系肯定出現了問題，通過數據分析，就應在學生心理與行為方面進行關照。如果通過文本分析、信息抓取分析出學生的近期情緒狀態，很多悲劇可能就能避免。即使是掌握知識的單一維度，其因素也是多方面的，有的是記憶好，有的則是邏輯思維能力強，通過大數據技術，可以分析出每個學生的特點，從而發現優點，規避缺點，矯正不良思想行為。第三，教學評價跳出了結果評價的圈子，實現過程性評價。傳統教學評價多是教的好不好，學的好不好，注重的是結果。而大數據時代可以通過技術手段，記錄教育的過程。現在一些學校實行了電子課本，如果能記錄下作業情況，課堂言行，師生互動，同學交往，並將這些數據匯集起來，不僅可以發現學生的特點，更不用為如何寫期末評價費力了。
3.革新教育者教學思維
傳統的教育大多是教育主管部門和教育者通過教學經驗的學習與自己的總結，認為某些因素對教學活動很重要，從而一而再、再而三地強調。但是有些經驗是不具有科學性的，常識有時會影響人們的判斷。比如蘋果公司就發現，筆記本電腦銷售額的提升，常識認為的比如提高庫存管理能力、提供員工更多的專業培訓、做更為時尚的廣告、促銷等等，只能提升2%～9%的銷售額，而把電腦屏幕和桌子呈70度角左右放置，卻能高出其他電腦銷售額的15%。70度角放置的電腦，因為反光會讓人不舒服，從而誘使客戶去搬動屏幕，一旦潛在客戶與貨物發生了肢體接觸，他購買這個商品的可能性就上升了15%。[9]
大數據時代教師的教學思維需要從群體教育的方式轉向個體教育，在教學過程中，可以真正做到因材施教，因人而異。傳統教育也提倡因材施教，但是由於學生數量、教師精力、教育任務等制約，因材施教總是有些缺憾。大數據技術將給教師提供最為真實、最為個性化的學生特點，教師在教學過程中可以有針對性地進行因材施教。比如，在課堂學習過程中，哪些（或哪個）同學注意基礎部分，哪些同學注意實踐內容，哪些同學完成某一練習，哪些同學可以閱讀推薦書目等等。這和網路購物相似，通過你過去的購買痕跡，網站就會分析出你的購物興趣，從而有針對性地給你推送廣告信息。
不僅如此，當學生在完成教師布置的作業時，也能通過數據分析強化學習。比如通過電子設備做作業時，某一類型的題目有幾次全對，就可以把類似的題目跳過；如果某個類型的題目犯錯，系統則可進行多次強化，這樣不僅提高了學習效率，也減輕了學生的學習負擔。
4.影響學校教育模式
學校教育是當前教育的絕對模式，適齡兒童、青少年都需要進入學校，通過教師的講授進行學習。但是隨著大數據時代的來臨，這一教學模式可能會得以改變。2004年，澳大利亞人馬丁開發了一個開源課程平台moodle，解決了來回奔波上課的問題。教師通過這個平台與學生互動，學習、考試、資料分發與上傳等，都通過網站完成。2010年，這個平台數量已經達到了100萬門戶。2006年，孟加拉裔金融白領薩爾曼·可汗將自己的10分鍾教學視頻傳到網上，幾年後，這個網站注冊用戶達到了1000萬。[10]
教育平台的開發，使網路課程得以飛速發展，2012年美國在線課程投資達到10億美元以上。網路課程的發展給傳統教學帶來了巨大沖擊，一方面，教育的方式將不再僅僅局限於學校教育；另一方面，教師的課堂教學出現新的替代模式。這種教育模式的革新，在大數據時代更有了存在的價值與意義。
傳統教學模式有教師的督促、隨時溝通、情感交流，是按照教學大綱按部就班地完成教學活動。這種教學模式有計劃、有步驟，體現秩序性，但是在一定程度上也框定了學生的思維框架，學生的創新能力沒有得到最大發揮。美國不少商業巨鱷都有輟學經歷，甚至有的創業基金要求學生輟學才能發放。這當然不值提倡，但是，從一個側面也反應出非學校教育，也同樣具有創造能力的事實。大數據時代的來臨，可以通過學生學習興趣、在某一在線課程停留的時間、點擊率、情緒反應等，推送更具有個性化的學習內容。這在知識爆炸的時代，顯得尤為重要。此外，隨著媒介社會化時代的來臨，學生學習生活網路化已成事實，學生可以通過在線學習目前正在開設的課程，這對正在授課的教師是一種挑戰。美國有個Udemy網站，老師根據自己上傳視頻的點擊率獲得報酬，2012年5月份，該網站上有的老師收入已經超過20萬美元。隨著技術的發展，以後教育網站將在大數據的支撐下，根據知識傳播的形式、受眾的興趣不斷優化教學內容、教學方式，為學生提供更高質量的學習內容。
⑸ 嵌入式學習書籍有哪些
以下是華清遠見·星創客嵌入式精英訓練營提供的學習嵌入式必看的100本書：
001《大話數據結構》
002《鳥哥的 linux 私房菜》
003《瘋狂 android 講義》
004《第一行代碼》
005《linux 內核設計與實現》
006《驅動設計開發》
007《linux 內核解密》
008《unix 環境高級編程》
009《linux 內核設計與實現》
010《essential C++》
011《嵌入式 linux》
012《linux 設備驅動》
013《c 語言深度解剖》
014《linux 下的 c編程》
015《C Primer Plus(第五版)》
016《ARM 體系結構與編程(第二版)》
017《lINUX 設備驅動開發詳解(第三版)》
018《android 開發藝術探討》
019《c++plus》
020《Unix 環境高級編程》
021《與大數據同行——學習和教育的未來》
022《用戶體驗的要素》
023《編程與藝術》
024《ARM 嵌入式體系結構與介面技術》
025《cortex-m0 介面編程》
026《C 語言程序設計:現代方法》
027《C++ Primer》
028《數據結構》(嚴蔚敏)
029《演算法導論》
030《Linux 設備驅動開發》
031《代碼大全》
032《深入理解計算機系統》
033《UNIX 環境高級編程》
034《計算機安全原理》
035《UNIX 網路編程》
036《HeadFirst 設計模式》
037《linux 驅動》(宋保華)
038《C++ primer4》
039《qt5 精彩實例》
040《ldd3》
041《C++高級編程》
042《C語言教程》
043《實戰 linux 編程精髓》
044《ARM 教程》
045《JAVA 編程思想》
046《HTML+CSS 網頁設計與布局從入門到精通》
047《C 語言深度解剖》
048《深度實踐嵌入式 Linux 系統移植》
049《unix 高級編程》
050《c 嵌入式一站式教學》
051《編譯原理》
052《深度實踐嵌入式 Linux 系統移植》
053《UNIX 環境高級編程》
054《linux 網路編程》
055《C 語言程序設計》
056《unix 環境高級編程》
057《嵌入式 linuxc 語言程序設計基礎教程》
058《Java 編程思想》
059《TCP/IP 詳解》
060《linux 技術手冊》
061《C 語言深度剖析》
062《Unix 高級環境編程》
063《C++primerplus》
064《QT》
065《C 程序設計》
066《C 和指針》
067《C++primer》
068《C 程序設計語言》
069《ProgrammingC#》
070《thinking in C++》
071《Linux Device driver》
072《Linux kernel development》
073《軟體工程》
074《C 和指針》
075《Android 核心代碼》
076《Android 技術內幕》
077《Android 底層移植》
078《Unix 編程手冊(上下卷)》
079《Linux 驅動設計第三版》
080《ARM 實戰開發》
081《unix 環境高級編程》
082《tcp/ip 編程詳解》
083《Linux 網路編程》
084《Unix 編程藝術》
085《計算機程序的構造和解釋》
086《C Primer plus》
087《LINUX 權威指南》
088《LINUX 設備驅動程序》
089《The C Programming Language》
090《ajax 高級程序設計》
091《angula js 權威教程》
092《ARM 體系結構》
093《Unix 環境高級編程》
094《Linux 設備驅動程序》
095《現代操作系統》
096《TCP/IP 協議詳解》
097《嵌入式 C 語言設計模式》
098《Struts In Action》
099《c 程序設計語言(第二版)》
100《深入理解 Linux 內核(第三版)》
⑹ 「互聯網+教育」時代來了，教育和老師將會迎來哪些顛覆
就教師專業發展而言，新技術、新理念短時間內撲面而來，教師們猶應接不暇。面向「互聯網+」時代，教育需要如何適應社會和時代的發展?教師又將如何面對教育的改變呢?x0dx0a「互聯網+教育」在於其包容性更強。它集通信技術、計算機技旅滲派術、移動技術、網路技術於一體，強調把線上和線下的活動聚合起來，為教育創建新的設計、開發、利用、管理和評價的形態。而「互聯網+』』對於教師專業發展，更多是教師線上成長渠道再造和重組，加的是在實踐中與互聯網等新技術相結合的教學創新。x0dx0a教師發展新渠道的再造和重組x0dx0a「互聯網+」時代的創新型教師發展，不必都要白手起家，從零起步。在已有優秀理念、方法基礎上，對適合自身教學發展渠道的改造和重組，也可以體現「互聯網+」的創新特色。這種創新因為有互聯網的參與，有多種混合技術的幫助，給教學專業發展帶來新的思路和體驗。x0dx0a1、線上與線下的混合式發展x0dx0a教師線上與線下相結合的成長渠道，是一個已存在多年的概念，那就是混合學習。根據ASTD(美國發展與培訓協會)2002年的界定，混合學習是指把不同情境下的學習活動，如面授學習、在線學習、自定步調學習等相結合的學習解決方案。何克抗教授是國內論述混合學習時間較早，且獲得較高引用率的學者。2004年何教授提出，「混合式學習(即blending learning)就是要把傳統學習方式的優勢和E-learning數字化或網路化學習優勢結合起來，既要發揮教師引導、啟發、監控教學過程的主導作用，又要充分體現學生作為學習過程主體的主動性、積極性和創造性」。這些概念是從學生的角度來闡述混合學習的，其實同樣適用於教師專業發展。x0dx0a近十年來，因為信息技術的發展，教師的混合式專業發展渠道得到了極大的擴充，微課、MOOC、移動公開課等形式都成為其渠道再造和重組的表現形式。混合學習是優勢互補，是差距消彌，是效率提高，是效果改善;它追求的是一加一大於二的迭加，它利用的是四兩拔千斤的巧妙。教師通過混合式的專業發展渠道，用社交網路、在線平台、移動工具為專業成長搭建平台，建立起以個人成長目標為中心的專業發展圈。x0dx0a2、參與或創建可深度參與的專業成長圈x0dx0a到底什麼樣的專業成長圈才是符合「互聯網+」時代的混合式專業成長圈呢?虛擬教研也好，區域博客也罷，微信企業號、伴行3618智慧校園平台移動社群也行喊稿，都可歸結為專業發展的外在表現形式。「互聯網+」時代的出發點，是通過線上與線下的混合，能夠以較小的成本，伴隨著較高的效率，產出有創新性的優秀成果，帶來較大的領域影響力。x0dx0a對於教師專業發展來說，就是要把線上的成長圈與線上的教學實踐相結合。用線上交流所獲得的新思考、新體驗，來改善線上的實際教學，更新舊理念，解決新問題，創建新環境。前幾年博客盛行，曾出現了「李克東難題」(為什麼教師博客有著豐富多彩的博客文字，但缺少深度互動的思想碰撞?為什麼教師博客發表了近萬篇博文，卻不能夠說出解決了哪些教學問題)，究其原因，那就是線上線下兩張皮。因為技術驅動的教師專業發展，會追逐流行的技術，如博客、微博、微信，但是很難走得深人。只有回歸到教育理念驅動的專業發展，用線上的交流思路來優化教學理念，改善教學實踐，那麼線上的交流活動就會自然地融人到教師的日常生活中。x0dx0a我訂閱的微信公眾號中，有一個叫做「羅輯思維」。除了每天早上六點半准時的六十秒「語音早報」以外，「羅輯思維」發起了一系列的線上、實體的活動來建立媒體圈。他們舉行全國巡迴講座，招募同行，在公眾號上做圖書首發、微商等。訂閱數量超過五百萬的這個公眾號，在「互聯網+』』的時代里，成為特定人群中頗拆賀具影響的傳播渠道。x0dx0ax0dx0a在今天的教育領域里，如果能有更多的具備「互聯網+」時代意識和能力的團隊，再配合各級行政部門的推廣舉措，那麼教師專業發展圈會得到新的重組和再造的機遇。資深教師可以在這個渠道中推廣自己的特色課，新手教師可以在這樣的渠道里訂閱到滿足自身需求的課程，教育類的優秀圖書、資源、工具、活動、社群都可以在這種線上渠道進行發布，那麼這樣的渠道就是一個「互聯網+』，時代的思想流通之道，優秀作品共享之路。x0dx0a教育實踐中的創新應用與深入x0dx0a「互聯網+」時代的教師專業發展，除了要有線上專業成長圈的融合，更要有線下教學實踐的創新。與以教師教學能力、個人經驗、主觀感受、教學傳承為主的傳統教學實踐方式不同，「互聯網+」時代的教學實踐要更多地體現基於技術參與的教學過程、基於數據分析的教學優化、基於實證分析的教研合作、基於個性張揚的教研自由。x0dx0a1、基於技術參與的教學過程x0dx0a21世紀初，從「校校通工程」「農遠工程」開始，我國基礎教育信息化的系列項目，就把中國多個省份的中小學帶人了數字化發展的方向。在已聯網的機房裡，學生們可以登錄網路學習平台;在有Wi-Fi的教室里，學生們可以使用掌上學習機、平板電腦等教學類軟體;在戶外真實情境下，學生們使用移動學習終端或穿戴式設備進行探究式學習等。越來越多的學習情境是有技術參與其中的，這是「互聯網+」時代下教學的發展趨勢，也是教師必須面對的新挑戰。前「互聯網+」時代，教師專業發展的重點在於掌握技術，學習如何實現技術與課程整合，來輔助講授、促進協作、幫助探究，創設技術型的學習環境;而進人「互聯網+」時代，教師專業發展的重點在於讓技術無縫地「編織」進教學，利用技術支持的教學過程中所留下的動態生成性資源、過程性數據、學習痕跡等數據進行再利用，來實現教學優化。x0dx0a2、基於數據分析的教學優化x0dx0a在英國學者維克托邁爾一舍恩伯格和肯尼思庫克耶合著的《與大數據同行:學習和教育的未來》(learningwith big data; The future of ecation)一書中，作者提到了基於數據分析的教學優化，即雙迴路學習(Double-loop learning)。目前大多數的學習路線是單迴路學習 (Single-loop learning)，即在學習中犯了錯誤以後再去努力糾正。例如，學校只有在期末考試結束後，才發現哪些課程對於學生來說太難或太簡單，然後在下學期的教學中進行調整。雙迴路學習則不然。它會隨時用數據糾正自身的錯誤，同時利用反饋迴路中獲得的大量數據來做其他很重要的事情。以可汗學院為例，不僅有超過5000個多學科的視頻課程，它更有價值的地方在於積累學生如何學習的數據，並實時反饋給教師和學生。例如，基於每位學生做題的准確率運行一個統計模型，用以判斷學生是否很好地掌握了某個知識點，幫學生提供適合他們的學習路徑和步調;還會給教師提供整個班級和每位學生的學習表現圖，根據回答問題的數量、准確率等指標顯示學習實時狀況。x0dx0a雙迴路學習把反饋、個性化學習、預測與干預結合在一起，為教學優化提供了寶貴的數據。因此，處於專業發展初級階段的新手教師們，可以做到用技術獲得數據，用圖示工具來理解數據，處於專業發展高級階段的資深教師們，就可以在此基礎上，用分析工具來解讀數據，用研究工具來預測、干預、優化教學。也就是說，研究型教師，依然是「互聯網+』，時代教師發展的高級階段，而且有.數據支持的實證分析，會給中小學教學實踐和改革提供更加堅實的基礎。x0dx0a3、基於實證分析的教研合作x0dx0a教師做研究也是老生常談的話題了。多年前陶行知先生在《教學合一》這篇文章中就提到，教師不僅要掌握教法、學法，更要把教學和研究相結合。因為教師不是小販，不能把別人的知識直接搬過來販賣給學生，如果只是照搬教材，或者把別人比較成熟的經驗和方法直接拿過來進行教學，而不根據學生特點進行適當改造，或者很少結合自己的教學思考與實踐，提出有獨創性的教學方法等，變成了知識的販賣者。這樣的教師很難有進步，學生就更難有突破和創新了。x0dx0a那麼教師如何做研究呢?記得今年年初，《彎頂之下》紀錄片的發布獲得了極高的關注度。不僅因為選題直擊時弊，切合每個人生命健康，更是由於該片作者具有一定的調查分析能力，目標明確，資料翔實，層次遞進，自成邏輯。其實教育研究與新聞調查也有頗多相似之處:找准方向，提出問題，實地探查，多角度了解，相互驗證，深人分析，發布結論。有影響力的新聞節目與有價值的教育研究也有頗多共同點:選題針貶時弊，聚焦社會熱點和發展趨勢;提出問題簡潔但直擊要害;實地探查不遺餘力，長時間地紮根生活，得到鮮活富有生命力的典型例證;用科學的研究方法，對真實、大量、多角度來源數據進行科學分析。x0dx0ax0dx0a「互聯網+」能使教師獲得更為豐富的過程性數據，讓他們更方便地使用數據分析的工具，也帶來了開展高水平利一研合作的機會。如果說互聯網時代，教育研究的數據來源多是需要主動收集，來支持小規模的常規化研究，而進人「互聯網+」時代，由技術支持的教學過程會自然而然產生出數據尾氣(dataexhaust )，即指學生與網路進行互動時衍生的副產品，如登錄信息、學習痕跡、交互對象、評價習慣等。這些數據存留於網路平台上，手機終端等智能設備里，教師可以與學校同事、線上成長圈的夥伴，甚至高校或利一研院所的專業研究人員合作，對這些數據進行深人的、大規模的、時間跨度較長的實證研究，從大數據的視角重新審視教學，發現新的研究問題。x0dx0a4、基於個性張揚的教研自由x0dx0a技術參與的教學過程，數據分析的教學優化，實證研究的教研合作，都是「互聯網+」時代教師專業發展的獨特性，然而技術、實證、數據、分析等不會自動地產生高水平的教師專業發展，歸根到底還是需要教師保持極富個人特色的獨立思考。x0dx0a我曾經參加過美國密歇根州LATT工CE國際教師教研組織。記得有一次來LATTICE演講的是該州年度優秀教師瑪婷娜，一所高中的社會課教師。這位「當地名師」沒花很多時間去介紹她的教學理念、教學模式等，更多的是從國家的教育機制、學校存在的根本意義、當前教學的現狀與改革方法等與大家進行對話。印象最深的就是她帶領所有與會者思考:x0dx0a「學校的根本作用到底是什麼，學生應該從一所理想的學校里獲得什麼，如何成長，你的思考或做法」等。教師們圍坐在一起，結合這個切人點寫關鍵詞，畫流程圖，分享好的做法。那次的教研活動給我很深的印象，高水平的教師專業發展活動不等於一言堂的名師講座或示範性樣板課，教學交流其實就是一場場不用達成共識的思想碰撞。x0dx0a經驗分享或學習榜樣帶來的多是模仿，數據收集實證分析多是規范，而自由思考和滿懷熱情，才有可能帶來創造。齊白石寄語學畫者:「學我者生，似我者死」。任何時代下的教師專業發展，都是一項充滿了變數的馬拉松長跑，它需要教師持續的熱情，發自內心的渴望，以及和學生共同成長的成就感，是一個充滿個性化創造的過程。x0dx0a「互聯網+」時代已到來，滲透，融合，重組，質變。教師專業成長是個永恆的話題，唯願保持獨立的個性和思考，共適應，共成長。
⑺ 大數據對未來教育的影響包括哪些
作為社會子系統重要的組成部分，教育也深受大數據來臨的深刻影響。國外高校教學管理中，教育數據的挖掘也成為提高教學管理水平和教學質量的重要方式。美國的學校能夠通過對學生數據的分析，以85%的精確度預測學生的升學率。[4]中國教育在當前社會轉型影響下存在不少問題，通過正在形成的大數據技術，教育政策的制定、學習方案與評價方式的確立等，都將發生革命性變化。
1.滲透到教育的核心環節
教育和社會之間是哲學上的辯證關系，一方面，通過教育培養出能改變世界、創造世界的人才；另一方面，教育又深受當前社會氛圍、國家體制、經濟狀況、文化傳統等的影響。從當前來看，教育深受工業社會的影響。從18世紀中葉開始，整個世界開始受到工業革命的影響，市場的擴大和勞動時經驗與技術的要求，對勞動力的素質提出了新的要求，實際的動手能力代替了過去注重個體層面的文化修養學習，能不能解決問題，成為衡量人才的標志。這種人才觀對教育的影響是巨大的，這從美國實用主義哲學家杜威教育思想的流行可見一斑。
大數據時代的來臨將會革新這種延續了近三個世紀的教育理念。美國著名的未來學家，當今最具影響力的社會思想家之一的阿爾文·托夫勒（Alvin Toffler）在他的著作《未來的沖擊》中提出「未來的教育」，他預測未來的教育要面對服務、面對創新，因此在家上學、教育空間設計、面向未來的學校界限的消失將成為趨勢。[5]解決實際問題的能力作為大數據時代人才的能力之一，將漸漸淡出教育的邏輯起點位置，發掘知識、尋找聯系、總結規律將成為大數據時代人才的重要要求。大數據時代教師將集中在挖掘學生與學習有關的表現，最適宜學生學習的方法，而不是依賴於定期的能力測試。教師分析學生知道什麼，什麼是最有效的學習路徑。通過對在線學習工具等的分析，可以評估學生在線學習行為的長度，以及學生們如何獲得電子資源，如何迅速地掌握概念。[6]
從我國實際情況來看，教育政策的制定與執行都是自上而下的，這種情況有利於政策的權威性與執行的效率，但是忽視教學與學生實際的弊端也客觀存在。大數據時代將可以通過對教育數據的分析，挖掘出教學、學習、評估等符合學生實際與教學實際的情況，這樣就可以有的放矢地制定、執行教育政策，從而為學生制定出更符合實際的教育策略。
2.重新構建教學評價方式
長期以來，教學評價活動主要是學校以及上級主管部門在聽課和學生考試成績的基礎上對任課教師進行評價，或者教師根據學生考試成績和作業成績以及課堂表現等對學生進行評價。[7]教學評價活動促進了教師的教學和學生的學習，但是在細節方面還有待提高，比如教師在教學活動中，哪些教學方式是最為擅長也最容易為學生接受？學生在學習過程中，個體的學習習慣是什麼，什麼樣的學習方式最容易掌握知識？這些細節可能需要大量的實踐經驗總結出來，短期的教學評價是難以實現的。
大數據技術通過對教師與學生長期行為進行分析，得出具有個性化的教學行為、習慣、方式。「不得不承認，對於學生，我們知道的太少」。同樣，我們也可能對教師知道的太少。大數據的到來，可以通過技術層面來評價、分析並進而提升教學活動。首先，教學評價的方式不再是經驗式的，而是可以通過大量數據的「歸納」，找出教學活動的規律。比如新一代的在線學習平台，就多出了行為和學習誘導的部分。通過記錄學習者滑鼠的點擊，可以研究學習者的活動軌跡，發現不同的人對不同知識點有何不同反應，用了多長時間，以及哪些知識點需要重復或強調。[8]對於學習活動來說，學習的效果體現在日常行為中，哪些知識沒有掌握，哪類問題最易犯錯等成為分析每個學生個體行為的直接結果。其次，可以對學生進行多元評價，而不僅僅是知識掌握的單一維度。對學生的評價應該是多元的，特別是通過數據分析，可以發現學生思想、心態與行為的變化情況。比如，同一寢室，互相刪除了聯系方式，或者兩者之間沒有任何數據產生，同學之間的關系肯定出現了問題，通過數據分析，就應在學生心理與行為方面進行關照。如果通過文本分析、信息抓取分析出學生的近期情緒狀態，很多悲劇可能就能避免。即使是掌握知識的單一維度，其因素也是多方面的，有的是記憶好，有的則是邏輯思維能力強，通過大數據技術，可以分析出每個學生的特點，從而發現優點，規避缺點，矯正不良思想行為。第三，教學評價跳出了結果評價的圈子，實現過程性評價。傳統教學評價多是教的好不好，學的好不好，注重的是結果。而大數據時代可以通過技術手段，記錄教育的過程。現在一些學校實行了電子課本，如果能記錄下作業情況，課堂言行，師生互動，同學交往，並將這些數據匯集起來，不僅可以發現學生的特點，更不用為如何寫期末評價費力了。
3.革新教育者教學思維
傳統的教育大多是教育主管部門和教育者通過教學經驗的學習與自己的總結，認為某些因素對教學活動很重要，從而一而再、再而三地強調。但是有些經驗是不具有科學性的，常識有時會影響人們的判斷。比如蘋果公司就發現，筆記本電腦銷售額的提升，常識認為的比如提高庫存管理能力、提供員工更多的專業培訓、做更為時尚的廣告、促銷等等，只能提升2%～9%的銷售額，而把電腦屏幕和桌子呈70度角左右放置，卻能高出其他電腦銷售額的15%。70度角放置的電腦，因為反光會讓人不舒服，從而誘使客戶去搬動屏幕，一旦潛在客戶與貨物發生了肢體接觸，他購買這個商品的可能性就上升了15%。[9]
大數據時代教師的教學思維需要從群體教育的方式轉向個體教育，在教學過程中，可以真正做到因材施教，因人而異。傳統教育也提倡因材施教，但是由於學生數量、教師精力、教育任務等制約，因材施教總是有些缺憾。大數據技術將給教師提供最為真實、最為個性化的學生特點，教師在教學過程中可以有針對性地進行因材施教。比如，在課堂學習過程中，哪些（或哪個）同學注意基礎部分，哪些同學注意實踐內容，哪些同學完成某一練習，哪些同學可以閱讀推薦書目等等。這和網路購物相似，通過你過去的購買痕跡，網站就會分析出你的購物興趣，從而有針對性地給你推送廣告信息。
不僅如此，當學生在完成教師布置的作業時，也能通過數據分析強化學習。比如通過電子設備做作業時，某一類型的題目有幾次全對，就可以把類似的題目跳過；如果某個類型的題目犯錯，系統則可進行多次強化，這樣不僅提高了學習效率，也減輕了學生的學習負擔。
4.影響學校教育模式
學校教育是當前教育的絕對模式，適齡兒童、青少年都需要進入學校，通過教師的講授進行學習。但是隨著大數據時代的來臨，這一教學模式可能會得以改變。2004年，澳大利亞人馬丁開發了一個開源課程平台moodle，解決了來回奔波上課的問題。教師通過這個平台與學生互動，學習、考試、資料分發與上傳等，都通過網站完成。2010年，這個平台數量已經達到了100萬門戶。2006年，孟加拉裔金融白領薩爾曼·可汗將自己的10分鍾教學視頻傳到網上，幾年後，這個網站注冊用戶達到了1000萬。[10]
教育平台的開發，使網路課程得以飛速發展，2012年美國在線課程投資達到10億美元以上。網路課程的發展給傳統教學帶來了巨大沖擊，一方面，教育的方式將不再僅僅局限於學校教育；另一方面，教師的課堂教學出現新的替代模式。這種教育模式的革新，在大數據時代更有了存在的價值與意義。
傳統教學模式有教師的督促、隨時溝通、情感交流，是按照教學大綱按部就班地完成教學活動。這種教學模式有計劃、有步驟，體現秩序性，但是在一定程度上也框定了學生的思維框架，學生的創新能力沒有得到最大發揮。美國不少商業巨鱷都有輟學經歷，甚至有的創業基金要求學生輟學才能發放。這當然不值提倡，但是，從一個側面也反應出非學校教育，也同樣具有創造能力的事實。大數據時代的來臨，可以通過學生學習興趣、在某一在線課程停留的時間、點擊率、情緒反應等，推送更具有個性化的學習內容。這在知識爆炸的時代，顯得尤為重要。此外，隨著媒介社會化時代的來臨，學生學習生活網路化已成事實，學生可以通過在線學習目前正在開設的課程，這對正在授課的教師是一種挑戰。美國有個Udemy網站，老師根據自己上傳視頻的點擊率獲得報酬，2012年5月份，該網站上有的老師收入已經超過20萬美元。隨著技術的發展，以後教育網站將在大數據的支撐下，根據知識傳播的形式、受眾的興趣不斷優化教學內容、教學方式，為學生提供更高質量的學習內容。
⑻ 「人工智慧」，「大數據」+教育如何驅動教育的未來
近日，由論答公司主辦的教育大數據研討會在北京舉行，討論會主題為「大數據+教育，有哪些可能性？」。本次研討會主要關注數據在教育領域的應用，具體包括自適應學習、學習數據分析和教育數據挖掘。來自賓夕法尼亞大學、人民大學、華中師范大學的專家和企業界代表，共同探討了教育大數據和自適應學習領域的技術趨勢和產業機會
Ryan Baker是國際教育數據挖掘協會（International Ecational Data Mining Society）的創始人、《教育數據挖掘》雜志（Journal Ecational Data Mining）主編，在各類期刊和會議發表了260餘篇學術論文，先後主持了美國科學基金會（National Science Foundation）、蓋茨基金會（Gates Foundation）等研究基金的多項重大項目，累計獲得研究經費超過1600萬美元。
他也在哥倫比亞大學教育學院和愛丁堡大學同時擔任教職，他在Coursera和edX上開設的「Big Data in Ecation（教育大數據）」課程，有來自100多個國家和地區的學生注冊。
研討會現場，Ryan Baker通過遠程視頻，分享了他對教育大數據的體驗和應用。據他介紹，目前在教育大數據領域主要有四大研究組織，分別研究人工智慧與教育、教育數據挖掘、學習數據分析和大規模學習。
Ryan Baker表示，在教育領域廣泛應用大數據的時代正在到來。教育數據挖掘有很多的應用方向，包括：預測學生是會輟學，還是會成功完成學業；自動檢測學生的學習投入程度、情感、學習策略，以更好地達到個性化；給教師和其他相關人員提供更好的報告；教育科學的基礎研究和發現。
他認為，個性化教育至少要做到三件事情：
1、確定學生的有關數據；
2、了解對於學生的學習來說什麼是真正重要的；
3、有針對性地為學生提供合適的教學。
而通過教育數據挖掘，我們可以推斷很多事情：
學生的元認知和求助。比如，這個學生有多自信？當他需要幫助時，有沒有在尋求幫助？他有沒有在給自己解釋問題，有沒有思考這個答案是正確的還是錯誤的？最重要的，當他面臨挑戰時，能否堅持下去？
沒有投入學習的行為。比如，「玩弄」系統，為了找到正確的答案，有的學生會試各種不同的答案，從「1」試到「38」。粗心，本身會做，但是不用心，最後給出的答案是錯的。有些孩子會做非常難以解釋的行為，比如不用方程符號，而是畫了一個笑臉。
學生情感。Baker的研究團隊和其他研究團隊，已經創造了研究模型，可以根據數據推斷，學生是否感到厭倦、沮喪、困惑、好奇、興奮、快樂，是否投入，等等。
長期的學習結果。比如，學生能夠記住剛才他學的東西嗎？學生准備好學習下一個主題、下一個知識沒有？中學生能上大學嗎？他會從大學畢業還是輟學？
Ryan Baker表示，要獲得這樣的推斷，只需要學生與系統交互的數據，不需要學生戴上頭盔檢測器。目前，這些模型已經開始大規模應用於自適應學習，應用於幾十萬的美國學生。Ryan Baker列舉了一些自適應學習系統的案例。
Knewton
通過系統決定學生下一個要學習的問題是什麼，已在全球的多個領域多個學科中運用。
ALEKS-ALEKS
用的是先行知識結構和知識點模型，來選擇最適合學生的學習材料。比如，一個學生在學習上出現了問題，系統能夠檢測出來，是以前學的知識點出了問題，然後讓學生回到以前的知識點上去學習。ALEKS系統應用於美國高中、大學的數學、科學學科。
Cognitive Tutor
系統能自動檢測學生的知識，直到學生掌握為止。比如，系統不會讓學生學習下一步的知識，直到他展示出他已經學好了他現在正在學習的知識。系統能夠給學校提供數據報告，學校根據報告能夠更好地讓學生投入到學習中去。每年大約被50萬的美國初高中生用於數學學習。
論答
論答公司的系統與ALEKS的系統有些類似，也是用先行結構和知識點模型，選擇合適的學習材料。同時也是自動檢測學生的知識狀態直到學生掌握為止。應用領域目前包括數學和英語，完全針對中國學生開發。
Reasoning Mind
用各種自動檢測的模型來檢測老師的教學是否有效。通過數據生成報告給每個地區的教學管理員，讓他們找到方法幫助老師提高教學。主要是用於美國的小學數學。
Duolingo
自動檢測學生記憶，來決定什麼時候回顧已經學過的知識。在全世界范圍內應用於外語詞彙的學習。
其他的像Civitas，Course Signals，Zogotech都是地區供應商，運用風險預測模型提供行動信息預測。它們會對學生做出預測，可能學不好、會失敗，把報告提供給老師。已在世界范圍內的大學應用。
Ryan Baker指出，在這些系統中，有足夠的證據證明，至少以下兩個系統是非常好的。
1、胡祥恩教授在美國做了大量實證研究，證明ALEKS系統對於幫助學生學習是有效的。他的研究證明，ALEKS系統對於不同人群的學生是同樣有效的；特別值得提出的是，ALEKS可以幫助少數人群群體提高學習成績。
2、Ryan Baker本人領導的研究團隊與論答公司合作的研究表明，學生通過論答系統學習，比通過傳統的在線學習系統學習，效果更好。他們在中國3個不同的地區做的3次實證研究，都證明了論答系統的有效性。
Ryan Baker分析了教育大數據演算法模型的潛在發展方向。他認為，這些模型的長期潛力是，通過學生的知識和學習模型來確認，學生什麼時候需要更多的支持：
首先是「mastery learning」，學生在掌握一個知識前，不會讓他去學習下一個知識。當學生需要支持的時候，自動介入；同時告訴老師和父母，這個學生什麼時候需要支持。
通過學習投入程度模型判斷，學生什麼時候開始變得厭倦、沮喪了，並調整學習活動，讓厭倦的學生不再厭倦，讓沮喪的學生的學習變得更容易一些。
學習投入程度模型還可以檢測，在線學習中，什麼樣的學習活動，能讓學生更容易地投入進去，並最終發現，什麼樣的學習活動對學生更好、對什麼樣的學生更好。
這樣的模型也能告訴老師和父母，學生什麼時候開始變得不再投入學習了。
還可以運用學習模型確認，學生什麼時候沒有真正學會，需要更多支持。
最後，Ryan Baker指出，下一步的目標是優化之前已經驗證的經驗和方法，然後把它們運用到系統中，最終讓中國和世界上的數十億學生受益。
討論：「因材施教」的千年理想該如何照進現實？
王楓博士，論答公司（Learnta Inc.）創始人兼CEO
胡飛芳博士，美國喬治華盛頓大學（George Washington University）統計學終身教授，中國人民大學統計與大數據研究院的教授
胡祥恩博士，美國孟菲斯大學（University of Memphis）心理系、計算機科學系、計算機工程系終身教授，華中師范大學心理學院院長
馬鎮筠博士，論答公司聯合創始人兼首席數據科學家
辛濤博士，北京師范大學中國基礎教育質量監測協同創新中心常務副主任、博士生導師，兼任國家督學、教育部基礎教育課程教材專家工作委員會委員、中國教育學會學術委員會委員。
技術發展到今天，「因材施教」如何實現？
王楓：因材施教，我首先到的是，每位學生學習的內容都不一樣。如果有新的技術或者系統，系統應該像一個好老師一樣，不會頭疼醫頭腳疼醫腳。比如說，一元二次方程做錯了，好老師不會簡單說一元二次方程做錯了，你繼續再做十道一元二次方程的題目，這其實是很差的老師，他沒有真正去全面評判學生，到底是哪些掌握好、哪些掌握不好。
一個好的老師可能會說，我全面地看了你整個學習，可能你的問題不是出在一元二次方程上面，老師看了你做的題目，一元一次方程沒有掌握好、因式分解也沒有掌握好，你繼續做一元二次方程是浪費時間。這就是從系統角度來說，系統做到了根據每個學生最基礎的先行知識點的結構，給你提供最適合你當前學習的知識點，題目也好、視頻也好、還有其他各種各樣的學習內容。
胡飛芳：因材施教是我們教育的理想狀態。孔子很早提出因材施教，在他當時的歷史環境裡面，因材施教可能更多是個體性的，因為那時學生少、老師也少，因材施教相對比較容易做到。
隨著歷史的發展，我們有更多的人需要教育時，我們做的一件事情是什麼呢？就是做了一個標准化。標准化做的是什麼？課堂教育。課堂教育從某種意義上來講是標准化。現在這個歷史階段，教育大數據可能真正要做到的就是因材施教，自適應學習本身想做的也是這個。
胡祥恩：因材施教事實上在學習理論里有兩個：一個是outerloop「學什麼」，一個是innerloop「怎麼學」。用技術來細化因材施教是教育產業走向成熟的一個標志。但是這個路非常非常難，因為「怎麼學」那個層次非常非常難。
馬鎮筠：「因材」代表認識到學生的個體化差異，「施教」指進行差異化教學，這是根本思想。但如果考慮到時代背景，孔夫子時代專注的是學生的職業發展方向，也就是說，把適合當政治家的培養成政治家，把適合當學者的培養成學者。現在再提因材施教，我們其實能做得更多、更精細化。
比如，「因材」，對「材」的分類不僅是職業方向，還會考慮到學生的學習狀態、學習目標、潛在能力、興趣偏好等。而且，傳統意義上的因材施教考慮的是學生個體間的差異，沒有重視學生本身狀態是在發生變化的，學生在不斷學習，狀態甚至興趣各方面都可能發生變化。
但這些是自適應學習能夠做到，甚至比傳統的因材施教做得更好的地方。再說到「施教」，現在我們能做的幾件事，包括學習路徑推薦，給不同的學生匹配他最合適的學習內容，這種非常精細化的層面，我們已經有了一定的技術積累。
怎麼判斷一個產品做到了真正的自適應？
馬鎮筠：大多數產品的學習過程可以分為測、學、練，可以從這三個環節去看這個產品做到什麼程度。
測，各種學習機構都有測評。但是國內只有論答團隊第一個做出來能夠在幾十道題內，精準判斷你一百個知識點，哪21個沒掌握，哪79個掌握了。市場上大部分競品，只會告訴你，知識點掌握率或者分數，79分或者知識掌握率達到79%；或者一些其他維度的總結，比如邏輯思維能力比較強、閱讀的磨煉技巧比較好、學習動力哪方面稀缺。他們做了降維，本來很復雜的學習狀態這樣說出來，相對比較容易實現。但如果要做到具體告訴你，哪些知識點掌握、哪些知識點沒掌握，這個難度就高很多了。
關於學習路徑推薦的話，很多題庫類的軟體，知識點學完之後，會給一些題目推薦，但真正實現路徑推薦的很少很少。路徑推薦也是很核心的，有20個知識點沒掌握，先學哪個知識點，後學哪個知識點，學習順序是非常關鍵的，必須遵循循序漸進的原則，哪些知識點是前提知識點，哪些知識點是後續知識點，隨機給你知識點去學習的話不能起到最好效果。真正到了練或學的環節，推薦什麼樣的視頻，先推視頻還是先推文字講義，推簡單題、中等難度題還是復雜題目，都需要根據學生實際情況來決定。
剛才只是舉了幾個例子，具體涉及到背後的演算法、整個系統跟學習內容的結合以及整個教學流程的實現，中間很多環節必須要打通，形成一個閉環，才能對最終的結果負責。
辛濤：我的研究領域是教育和心理學的測量和評價。我個人的學術觀察，基本上在現代這領域是兩個類型。一個是心理測量領域，有一套成熟的方法，包括早期的IRT（Item Response Theory）和現在的ADT。另外一個是人工智慧檢測。心理測量系統，是一小群人在做；人工智慧化是大的方向，現在是顯學，給大家提供了明顯的可能性。重要的是，那些背後的演算法，能夠在企業里真正實現出來。現在可能很多演算法已經在那兒了，大體上路徑是通的。
自適應學習基本上是把學習和評價聯動起來了。因為，要自適應學習，必須有一個系統隨時看到學生學到什麼程度，這個完全是評價。但是，評價完了之後有一個新的呈現。這一塊現在已經有一些很成熟的一些東西了，但不是一時半時可以說得特別具體的。
我做教育的測量和心理測量，人工智慧那塊我不熟。但是，從教育測量角度來說，在自適應學習和新技術結合之前，很大一塊還是自適應考試，CAT（computer adaptive test）。系列化產生一個CAT變成了一個自適應學習的過程。總的來說，使用最簡單、最機械化的方法，連續的CAT實際上是可以破解一個學習過程的。
測評本身經歷了好幾個階段，通常用三個應用介詞表示。
accessment to learning and teaching；
現在國家倡導的，accessment for learning and teaching，測評要對學習和教學有幫助；
跟信息化結合，accessment as learning and teaching，它是學習提供的完全融合的一個環節。
王楓：什麼樣的自適應學習系統才是真正的高級自適應學習系統？在中國的落地到底是怎麼樣才能真正落地？我在馬博士的基礎上想補充一點。
自適應系統如果一定要分級，也可以簡單分一下。一種最基礎的系統是基於規則的，比如說埋點。一個學生做10道一元二次方程題目，我預先埋好了，你做錯了，立馬給你推五道一元一次方程題目、五道因式分解題目。這個是埋點埋好了，這是規則，預先由老師或公式設置好了。
但這個規則有用性是非常有限的，因為每個學生不一樣，A學生是因為一元一次方程不會，B學生可能是因式分解不會，C學生可能連小學的乘法快速運算都不會，這個沒法預先直接埋點准備好。
所以自適應系統真正到了更高級一點的話，一定是真正通過大數據、根據演算法模型來分析學生的學習數據，匹配下一步應該學什麼。
在中國，自適應學習有效應用於教學有三個前提條件。做到這三點，自適應學習在中國的教育裡面前途無限。
好的產品。必須要有針對中國本土化的自適應學習產品，把它開發出來。像ALEKS系統的確演算法不錯，但裡面連一套國內的高考題都沒有，家長不會讓小孩子用這樣的系統，因為直接影響應試目標。真正本土化開發的話，沒有一成不變的演算法，世界上最好演算法就是沒有開發出來的。教育非常復雜，每個學科不一樣。比如數學後台有強大的關系，先行後續關系；英語沒達到數學這么強的相關性，但演算法是一樣可以應用的。
好的學生、家長、老師。有了好的產品，首先學生應該真正投入進去學習。像Ryan Baker教授講的，學生如果隨便學一下，再好的系統也沒用。第二，家長得督促孩子學習。第三，老師非常重要。老師應該做有價值的事情，比如給學生做個性化的輔導答疑，給學生針對性的講解，組織學習活動小組，鼓勵學生發揮創造能力，領導能力的培養。
學校以點帶面。學生大部分時間都在學校裡面學習。如果學校里最基本的、有效的在線教學產品都不應用的話，其實是有問題的。但是改變絕對不是簡單的行政命令可以解決的。一個好的產品，一定是從點到面，逐步推廣。自適應學習，更適合有明確目的的學習，像應試教育這塊可以做得更好。所以學校可以應用進去。
胡祥恩：我覺得大家做自適應也好、因材施教也好，比較好的例子大家可以看一看。教育這個領域有多大，自適應概念就該有多寬。所以說，實驗室裡面有很多小的做得非常非常好的東西，只是沒有到市場上面去，有很多非常非常巧妙的演算法、一些東西。你會發現很多歐洲的、美國的實驗室做的system，我每次看了都有種，自己是坐井觀天的感覺。
怎麼看待人工智慧在教育中的應用？
胡飛芳：AlphaGo跟master，谷歌做了一個非常好的廣告，人工智慧在某些方面可以做得非常好。但是，我現在給你們講另外一個谷歌自己不會去說的例子，但這也是事實。2008年、2009年的時候，谷歌推出一個免費產品，用各種搜集到的數據，預測美國的流感發展趨勢。開始時很成功，預測跟實際發生的情況很相似。但到2015年，他自動撤回去了，不再提供預測。因為在2012跟2013年預測的時候，預測結果跟實際情況相差非常遠。
這說明像這種不確定性的問題，人工智慧還有非常大的局限性。一旦有不確定的數據，就有噪音。數據量很大時，大數據可能產生大噪音。怎樣使噪音下降？2015年一個哈佛教授的研究團隊在谷歌的基礎上，用谷歌的數據去做同樣的預測。他用了什麼呢？就是用了模型，實際上模型在很多時候降噪是很有用的，用模型去預測，而不完全是人工智慧的方式去預測。結果，他做出來的預測基本都比較准。
人工智慧相對比較成功的，是比較確定的問題，所謂的確定是不管有多少種可能性，還是一個確定的東西。而流感很多時候是完全不確定的因素。
教育其實很多時候也是不確定的。同樣一個人，現在讓他回答這個問題，他可能思路清楚地回答出來；過了一個小時後，即使是同樣類型的問題，按道理他應該回答出來，結果他回答不出來。這是說，實際上有很多因素在干擾的時候，人工智慧的功能是不是會減少一點。把模型跟人工智慧加在一起，會彌補人工智慧在某些方面的弱點，這樣會更好。
怎樣促進商界和學界的交流，更好地把學界已經有的一些成果，運用到市場上來？
胡祥恩：教育產業應該是一個最大的產業，教育產業事實上是一個知識產業鏈。到目前為止，很多人認為自己要做一整套系統而在美國汽車業，最賺錢的是供應商，是做輪胎、做玻璃的。一旦標准化之後，一個人如果螺絲釘生產得最好，他就能夠養活幾家人、幾代人。
到目前為止，美國推的就是教育標准化，教育內容的標准化、教育技術的標准化。比如說97年的時候，就說怎麼樣把內容標准化，你做的東西我可以用。我只是做整個教育知識產業鏈裡面一個小塊，做得很好。教育整個的產業鏈，有可能發揮特別特別技巧的那些小的公司，就能夠在這個產業鏈裡面生存、可以做得很好。第一個是要標准化，第二個要理解整個教育是一個產業鏈。
⑼ 大數據的優與劣
《與大數據同行》一書告訴我們大數據的優與劣。
大數據的優點。大數據為學習帶來了三大改變：一是我們能夠收集對過去而言，既不現實也不可能集聚起來的反饋數據；二是我們實現迎合學生個體需求的，而不是為一組類似的學生定製的個性化學習；三是我們可以通過概率預測優化學習內容、學習時間和學習方式。
反饋、個性化和概率預測是大數據的三個核心要素。
大數據的劣勢。主要是濫用大數據會帶來危害。因為大數據永久地保留了學生的過去。這些數據將永遠儲存學生表現、喜好、習慣及其它回憶，包括那些不願意提及的過往。還有大數據可以進行概率性的預測，但是這種預測可能將學生的未來引到「歧路」上去。
但無論怎樣，大數據將把教育帶入一個嶄新的未來！
⑽ 大數據之父舍恩伯格:互聯網比你更了解你
大數據之父舍恩伯格:互聯網比你更了解你
牛津大學網路研究院網路監督及管理學教授，研究領域為網路經濟。曾任哈佛大學肯尼迪學院信息監管科研項目負責人，哈佛國家電子商務研究中心網路監管項目負責人；曾任新加坡國立大學李光耀學院信息與創新策略研究中心主任。並擔任耶魯大學、芝加哥大學、弗吉尼亞大學、聖地亞哥大學、維也納大學的客座教授。
有100多篇論文公開發表在《科學》、《自然》等著名學術期刊上，同時也是哈佛大學出版社、麻省理工出版社、通信政策期刊、美國社會學期刊等多家出版機構的特約評論員。
信息權威與顧問，咨詢客戶包括微軟、惠普和IBM等全球頂級企業。早在1986年與1995年就擔任兩家軟體公司的總裁兼CEO，1991年躋身奧地利軟體企業家前5名之列，2000年被評為奧地利薩爾斯堡州的年度人物。
機構和國家政府高層的信息政策智囊，專注於信息安全與信息政策與戰略的研究，是歐盟專家之一，也是世界經濟論壇、馬歇爾計劃基金會等機構的咨詢顧問，先後擔任新加坡商務部高層、汶萊國防部高層、科威特商務部高層、迪拜及中東政府高層的咨詢顧問。
超過兩年沒穿的衣服會送人，拍得不好看的照片要當即刪除
大數據之父舍恩伯格：互聯網比你更了解你
時代周報記者 韓瑋 發自上海
舍恩伯格又要戴著他標志性的約翰·列儂式的圓眼鏡來中國了。
9月25日，時代周報舉辦2015「影響力·中國」秋季峰會，舍恩伯格將受邀出席，講他最擅長的大數據。
最近兩年，這位數據科學領域的權威學者每隔幾個月就會出現在中國，而他所到之處，無不受到媒體、讀者的簇擁。
舍恩伯格之所以在國內名聲大噪，主要是因為他的兩本暢銷書、關於大數據的先河之作—《大數據：一場將改變我們生活、工作和思考方式的革命》（Big Data :A Revolution That Will Transform How We Live, Work, and Think，中文版又名《大數據時代》）以及《刪除：大數據取捨之道》（Delete: The Virtue of Forgetting in the Digital Age）。前者揭示了大數據給人類帶來的巨大改變，後者則嘗試探索大數據時代人類應該如何構建積極而安全的未來。
作為最早洞悉大數據發展趨勢的數據科學家，舍恩伯格在國內受追捧並不奇怪。畢竟，此刻的中國—國務院剛剛印發《促進大數據發展行動綱要》，提出推動大數據發展和應用在未來5-10年逐步實現的目標及主要任務。國內的大數據產業正迎來大發展時期。
而由於大數據太火，在這個新淘金時代，人們對舍恩伯格的興趣不再停留於他的研究，還延伸至他本人以及他獲得一系列學術成就的過程。
恰好，舍恩伯格是個性格有趣而經歷豐富的人。比如，他曾因不想繼承家業而與父親爭執數十年，最終走上學術之路。
代碼少年
「我母親以前經營一家電影院，我每年都會問她，過去一年最好的電影是什麼？她總是說，我知道，是×××。但她總是錯的。」
舍恩伯格常常在演講中提起這個例子，盡管只是為了佐證大多數人都需要數據分析工具這個觀點，但無意間卻把很多人的興趣引向了他的過去。
這位如今在全球數據科學領域極具名望的科學家其實算得上是「富二代」。他出生在距離莫扎特故鄉奧地利薩爾茨堡兩小時車程的一個小鎮上，父親是當地的稅務律師，有自己的事務所；母親則打理著小型電影院、花店等生意。
1966年，舍恩伯格出生那年，他的父親買來了小鎮上的第一台電腦，價格不菲。當時，鎮上所有人都覺得他瘋了，肯定會破產。而這台巨大的個人電腦運轉時發出的嗡嗡聲陪伴了舍恩伯格的整個童年。
小時候，舍恩伯格喜歡看阿斯特麗德·林德格倫的童話書。這位已故瑞典作家最著名的作品是那本充滿想像力的《長襪子皮皮》。而那時的舍恩伯格夢想成為發明家，因為，讓想法變成現實是一件特別誘人的事。
「如果還可以和林德格倫共進午餐，我想問她，她如何激發自身的想像力？愛因斯坦說過，想像力比知識更重要。」舍恩伯格說。
讀書時，舍恩伯格最喜歡的科目是物理和數學，進而又對計算機著迷。十一二歲時，他就想用那台嗡嗡作響的電腦編程。
「當時，只有大學才有計算機，我就去當地大學報了一門編程課。但老師覺得我不可能學會，就讓我自己玩。於是，我便在角落裡自學。」到了高中時期，這位天賦異稟的少年先後在國際物理奧林匹克競賽和奧地利青年程序員競賽中獲了獎。
17歲時，舍恩伯格第一次觸網。當時，他無意間得到一個聲音耦合器，其實不過是簡陋的數據機—使用者得把電話聽筒與之連接，從而激活以聲音傳送方式進行的數據傳輸。
在此之前，舍恩伯格聽說過互聯網，但從沒體驗過。於是，他搗鼓了好幾個月，試掉了一大筆電話費，最終連上了一個提供初級的郵件、論壇等商業在線服務的無線電通訊網站「The Source」。此後，舍恩伯格便一發不可收拾，對網路著了迷。
1986年，年僅20歲、沒讀完大學的舍恩伯格「創業」了—成立殺毒軟體公司Ikarus，並開發了一款當時奧地利最暢銷的軟體Virus Utilities。至今，網路對Virus Utilities的介紹上寫著，這是一款剽悍的殺毒軟體。1991年，年輕的舍恩伯格還被評選為奧地利最頂尖的5位軟體企業家之一。
這段程序員的經歷為舍恩伯格的未來打下了基礎。許多年後，在《大數據時代》這本書中，舍恩伯格寫道，真正的數據科學家是統計學家、軟體程序員、圖形設計師與作家的結合體。
父與子
在舍恩伯格的學術之路上，很難繞開的一個人物，就是買來了小鎮上第一台電腦的父親。
舍恩伯格與父親的關系並不差。至今，他記憶最深的關於父母的細節是，每天晚餐後，父親都會耐心聽他講述那天發生的事以及他的一些想法。舍恩伯格覺得，這是父親的「超能力」。
不過，父親始終不希望舍恩伯格滿腦子想著如何成為計算機學家，盡管他遷就兒子喜歡計算機。這位在小鎮上有頭有臉的稅務律師總在勸說自己的孩子盡早學完法律，繼承家業。在子承父業和投身計算科學之間，舍恩伯格與父親爭執了數十年，直到後者去世。
而在20歲左右的年齡，舍恩伯格還是順從父親，先在奧地利薩爾茨堡大學讀了法學本科。據說，因為法律太無趣，這位學霸硬是在3年半里讀完了7年的書。
接著，父親要求舍恩伯格繼續在法律上深造，但這個年輕人心不甘情不願，於是便賭氣地只申請了一所學校—哈佛。他覺得，自己肯定不會被錄取。
收到錄取通知書那天，舍恩伯格以為是朋友開玩笑，於是按照上面的電話號碼打過去斥責，「這是愚蠢的玩笑！」而電話另一頭卻有聲音說，「不，這里是哈佛。有什麼能幫你嗎？」
這不是舍恩伯格唯一一次「厚積薄發」。其實，在學生時代的大部分時期，舍恩伯格雖然出色，但不是最出色的那個。但到了最後一個學年，他就像突然間開了竅，過去學過的東西頓時「融會貫通」了。於是，出乎所有人包括他自己的意料，他在畢業前的最後一次考試中獲得了學生生涯唯一一次的全A。
而在美國最古老的法學院哈佛法學院，舍恩伯格開始覺得自己學的法律不再像本科時那麼了無生趣。盡管如此，他依然不想學成後接手父親的公司。
有記者采訪舍恩伯格時曾問，「你後來為什麼當上了大學教授？」他說，「我一直想成為發明家，直到我那個一直『逼』我接手家業的父親有天問我，如果不想做稅務律師，你想做什麼時，我才下定決心當大學教授。至少，對於我父母來說，這會是一個比發明家更容易接受、更受人尊敬的工作。」
從哈佛畢業後，舍恩伯格又拿到了薩爾茨堡大學的法學博士以及倫敦政經學院的理學碩士學位，並依照對父親的承諾，在倫敦一所大學謀得了教職。
當時，舍恩伯格的父親面對這樣的局面依然感到有些失落，最後竟然猝然辭世。父親去世的第二天，舍恩伯格選擇離開倫敦，放棄自己的事業和學術，回到自家的鎮子上，做起了以前無數次拒絕的稅務律師。
「我的人生，和大多數人一樣，既是連貫的，同時又屢受波折。我最初喜歡物理、數學，轉而對計算機產生興趣，進而關注數據安全和數據編碼，並喜歡上了研究隱私法、知識產權法以及網路法。依照這個路徑，數據逐漸成為我關注的重點。但我的生活又被一次次打亂。比如，父親的離世讓我放棄了原來的事業規劃，回到了老家；但一年後，我又賣掉父親的公司，艱難地重回學術圈；後來，偶然的機會讓我得以到哈佛大學肯尼迪學院任教。某種意義上說，這些波折給我製造了意想不到的困難，但也帶來了意想不到的機會。」舍恩伯格告訴時代周報記者。
大數據之父
自1998年始，舍恩伯格的學術研究步入正軌。他進入哈佛大學肯尼迪學院任教，並在那裡度過了10年。此後，他曾在新加坡國立大學李光耀公共政策學院做過3年副教授，借機觀察亞洲的信息政策，而今則在牛津大學互聯網研究院擔任治理與監管專業的教授。
這10餘年間，互聯網飛速發展，人們開始使用手機上網、聊天、購物，完成很多過去必須線下操作的事。而這些變化都被舍恩伯格陸續記錄在論著里。
2010年，在舍恩伯格組織的一次研討會上，幾乎所有參會者發言時都開始提及社會運轉模式正在發生某種改變，但誰也說不出這種變化的實質是什麼。當時，《經濟學人》的數據編輯肯尼思·庫克耶（Kenn Cukier）也在會場，他不久前剛做過一期《大數據的沖擊》的特刊報道。
那場研討會後，舍恩伯格與庫克耶進行了很多次深入交談，「然後，我們決定合寫一本書，探討大數據對於當下的意義以及大數據時代的本質」。
2012年12月，舍恩伯格與庫克耶合寫的《大數據時代》出版。這本大數據研究的先河之作不僅廣受媒體好評，還讓舍恩伯格知名度大漲。
在書里，舍恩伯格通過各種例子展現大數據帶來的改變。比如，一家叫Farecast的公司通過近十萬億條價格記錄來預測美國國內航班的票價。到2012年為止，票價預測的准確率達到75%，使用Farecast票價預測工具購買機票的旅客，平均每張機票可節省50美元。
「大數據的核心是預測。它通常被視為人工智慧的一部分，或者說是一種機器學習。但其實，這種定義具有誤導性。大數據不是要教機器像人一樣思考，相反，它是把數學演算法運用到海量數據上來預測事情發生的可能性。」舍恩伯格寫道。
在這本書里，舍恩伯格還提出了一個廣為引用的觀點—大數據關注的不是隨機樣本，而是全體數據；不是精確性，而是混雜性；不是因果關系，而是相關關系。
「具體來說，大數據的目的是全面的數據收集和分析；同時，我們要明白，在數據質量和數據數量之間要有一個平衡，所以，『不是精確性，而是混雜性』，而『不是因果關系，而是相關關系』，這是讓我們意識到，因果關系不再是解釋這個世界的唯一邏輯。」舍恩伯格告訴時代周報記者。
此外，舍恩伯格還是倡導大數據商業應用的第一人。在《大數據時代》中，他指出，如今的數據已經成為一種商業資本、一項重要的經濟投入，可以創造新的經濟利益。而這也是他屢屢被正在大力推動大數據產業發展的中國人當作座上賓的原因之一。
在關注數據的價值之餘，舍恩伯格感興趣的另一重要領域是如何避免數據被濫用。在早於《大數據時代》出版的《刪除：大數據取捨之道》一書中，舍恩伯格提出了數字時代最大的問題：互聯網記住了人們希望自己忘記的東西。當遺忘成為例外，記住變成常態，人類理性決策的能力就會受到威脅。所以，在大數據時代，所有人都應該享受「被遺忘的權利」。
事實上，舍恩伯格本人早早地為自己確立了一套關於刪除的生活准則。比如，那些超過兩年沒穿的衣服會被他送人或處理；那些拍得不好看的照片，他會當即刪除。因為，「如果不刪除，在數字時代，互聯網可能會比你自己更加了解你」。
舍恩伯格這些新穎的想法曾一度讓讀者直呼開了眼界。而目前，他告訴時代周報記者，自己的興趣點轉到了小型無人機上。其實，一直以來，舍恩伯格對飛機駕駛以及基於大數據分析的無人駕駛都頗感興趣。只是不知道，這位數據科學家未來又會在這個問題上帶來怎樣「讓人感覺腦洞大開」的思考。
對話舍恩伯格：
「只要他們不濫用權力，不必對數據寡頭反壟斷」
時代周報記者 韓瑋 發自上海
9月13日，在接受時代周報記者獨家專訪時，舍恩伯格講述了自己對大數據的一些理解，以及收獲這些理解的過程。
影響最深的人是高中物理老師
時代周報：今年暑假，以艾倫·圖靈為原型的傳記電影《模仿游戲》在中國上映，感動了很多人。你看過這部影片嗎？艾倫·圖靈是計算機科學之父，他對你從事數據科學研究是否有影響？
舍恩伯格：我看過這部電影。事實上，很多年前，我就讀過一些圖靈的論著。你可能記得，我以前做軟體公司時就需要編碼，所以，圖靈的書肯定要看。
不過，影響我最深的人不是圖靈，而是我的高中物理老師。他讓我開始接觸到熵的概念、相對論、量子理論等。對於我來說，他就像是為我打開了通往新世界的大門。
時代周報：大家都認為你是當今最重要的數據科學家之一。我特別好奇，大數據給你本人的日常生活帶來改變了嗎？
舍恩伯格：我是大數據服務的「大用戶」。平常，我會戴蘋果手錶，一直以來，它為我的身體健康提供了很多幫助；我也喜歡諸如亞馬遜一類的電子商務公司，同時，還經常使用谷歌地圖。此外，維基網路對我來說是個難得的好幫手，它讓我比過去更加容易獲得有用的信息，對我的幫助很大。
時代周報：我今年曾采訪過暢銷書《大停滯》（The Great Stagnation）的作者、美國經濟學家泰勒·考恩。在談到對大數據的看法時，他告訴我，「大數據被高估了，因為，大多數人都不知道他們手握的這些數據要用來干什麼，企業也一樣。大數據能幫助我們在某些邊緣地帶提高效率，比如針對性的廣告，但它無法改變全局。這其中，最困難的是問對問題，並且找到問題背後特定的模式，再用數據去加以匹配。這非常難以實現。」你認同他的觀點嗎？
舍恩伯格：我非常欣賞泰勒·考恩，《大停滯》是一本很棒的著作。我還曾引用過這本書里的一些觀點。但在大數據的問題上，我覺得他的觀點是錯誤的，或許，這是因為這方面不是他所研究的核心專業領域。
大數據可減少資源不公平的危害
時代周報：現在，大多數行業提起大數據就言必稱「這是一場行業革命，要顛覆過去」。你認為，大數據真的會顛覆那些傳統行業嗎？
舍恩伯格：會的，這種顛覆已經發生，並在快速進行。施樂帕羅奧爾托研究中心前主管約翰·西里·布朗（John Seely Brown）就發現，過去幾十年，超大型企業的壽命正在縮短。與此同時，我們看到，就在最近幾年，大數據驅動、估值達到數百億美元以上的互聯網企業不斷涌現。在人類歷史上，沒有哪個時期在比今天更多的領域，發生比今天更快的變化。
時代周報：目前，中國存在網路、阿里巴巴、騰訊三大互聯網巨頭，分別統治著搜索、電商、社交三個領域，他們不斷吸納著用戶的網上行為數據，幾乎肯定會成為中國的數據寡頭。你認為，在數據層面是否需要反壟斷？
舍恩伯格：我認為必要的一點是，互聯網要對新的創新主體保持開放的狀態。只要大企業不濫用自己的權力，將那些更小但更好的初創企業趕出市場，那麼，他們就不會製造太多的威脅。所以，我更關注的是這些企業的實際行為，而非他們的規模。
時代周報：除了數據，我知道，你還對教育問題有著深入研究。今年1月，你出版了一本名為《與大數據同行：學習和教育的未來》的新書，專門探討大數據研究在教育領域的應用，以求真正實現因材施教。而中國教育的主要問題是教育資源分配不公平，大數據能解決這個問題嗎？
舍恩伯格：大數據不能從根本上消除這種不公平，但是，通過大數據的手段，我們能以相對較低的成本提供高度個性化的教育，從而減少這種不公平帶來的危害。換言之，大數據能讓學生以很低的成本，獲得至少像「私人家教」那樣的訂制教育。所以，大數據可以成為改變整個游戲的因子。
以上是小編為大家分享的關於大數據之父舍恩伯格:互聯網比你更了解你的相關內容，更多信息可以關注環球青藤分享更多干貨