⑴ 大数据时代，做顶级数据专家的学生是怎样一种体验
一问未来的学校什么样？
学校仍会存在，但功能会发生重大改变
Q1：您在书中谈到，今天的学校和几百年前的学校相比没什么变化，而校园外的世界早已变得几乎面目全非。在您看来，一所典型的大数据时代的学校，应该是什么样的？
舍恩伯格：首先我必须说，我的答案并不是完美的答案。因为我们人类很难预测未来，我们的视野会被我们已经见到的东西局限住。
我举个例子，欧洲一所大学里，一群学建筑的学生被要求设计出2050年的学校。这些25-30岁的年轻人设计的作品都包括教室、黑板、图书馆、实验室等现在的学校里有的东西，甚至还有一间专门的电脑室。这些设计中没有wifi，没有平板电脑——人们很难预见未来。
就我个人的观点，我认为未来的学校不会完全转移到线上，未来的学校仍旧会有物理性的存在，但是，学校的功能将发生重大改变。
现在的学校是一个学生接受信息的空间，但未来学生们将在家里通过观看网上等形式接受信息，然后到学校去和老师、同学就自己学习的内容进行讨论。学校将变成一个社会性的场所，是一个互相讨论，互相学习的所在。
二问未来的老师怎么当？
教师核心技能从宣讲知识变为组织讨论、个别引导
Q：大数据时代，翻转课堂会削弱老师在学习过程中的重要性吗？
舍恩伯格：不会！
大数据只会帮助老师的工作。以前老师不知道哪些部分的内容是学生面临困难的，哪些学习材料是学生感兴趣的，接下来的教授重点应该是什么。大数据可以帮助老师，提供这些信息。
我举个例子，我的《大数据时代》这本书出版之后，我并不知道读者的确切反馈，直到我们把电子书的版权卖给了。
读者们在kindle上阅读这本书，我就可以从获取很多信息：某个读者花费多少时间读完这一本书，甚至花费多少时间在某一页上；读者们在哪些部分画了下划线以突出这些字句。
我告诉你一个秘密，统计了全书中被读者们画出下划线次数最多的十个句子，我一个都没有猜中！
同样，大数据可以帮助老师们更深入了解学生的学习兴趣和学习风格。
当然，翻转课堂需要老师们的教学技能发生改变。以前照本宣科的传授、宣讲知识的技能，要让位于组织学生讨论的技能；要让位于从数据中获取学生学习信息的技能；要让位于根据数据对学生进行个别引导的技能。
这确实有些困难，但如果老师们掌握了这些技能，学校将比现在的更美好。
Q：随着数据处理技术的进一步发展，如果发展到一定程度可以自动处理数据并生成自适应的教育内容，技术是否会取代老师？
舍恩伯格：不会！
有两方面的原因。一是数据处理无法生成内容，它可以筛选、排序、组合内容，但无法生成内容。而且，即使是翻转课堂，中教授知识的也仍是老师。
第二个原因是学习是一个社会性的过程，我们面对人沟通时比面对书本学习得更快也更好。
三问未来的学习如何变？
大数据将重塑学习的三个主要特征
Q：您的新书《与大数据同行——学习与教育的未来》中文版即将问世，能否概括一下，大数据对教育和学习究竟将带来哪些方面的改变？
舍恩伯格：大数据将重塑学习的三个主要特征，我将之称为“反馈、个性化和概率预测”。
首先说反馈。在正规教育中，从幼儿园到大学，反馈随处可见，最常见的就是考试。然而，这种教育反馈系统的几乎所有方面都存在很大的缺陷：我们并不是总在收集正确的信息，即便是，我们所有收集的数量也远远不足。
大数据正在改变这一现状。我们能够收集到过去无法获取的学习数据，并用于学习过程的处理。我们还能用新的方式组合数据，并充分发挥起作用以提高学习理解和学业表现，同时分享给教师和管理者以改善教育系统。
我刚才举的通过获得的读者反馈就是一例。
然后是个性化。学习一直以来都是个人行为，但大多数正规学校的教育，在其设计时考虑的是处于平均水平的学生——比坐在前排的神童学得慢，但比教室后排的笨蛋学得快的一种虚构的生物。而现实中，并没有归属于这一类别的学生。
我们需要的是“一个尺寸适合一个人”的方式。既然我们可以截取、混合最爱的音乐并将之刻录到iPods播放器中，那为什么不能对我们的学习做出同样的操作呢？
在未来，学习决不会是按照一本给定的教科书、一门科目或课程，以同样的顺序和步调进行，而将会是有数千种不同的组合方式。
最后说说概率预测。通过大数据，我们能够对人们的整体学习状况和个体的知识掌握情况产生独到的见解。然而这些见解并不是完美的。我们“对学习的学习”可是说只是一种“可能性”。
我们可以基于高度的可能性，对个体为提高其学业成绩需要实施的行为作出预测。比如，选择最有效的教材、教学风格和反馈机制。但这仅仅是概率预测。
四问：大数据可能带来教育领域哪些危险？
用数据贴标签和限制学习自由
Q：除了这些正面的影响，大数据对于教育和学习有没有什么负面的影响？
舍恩伯格：是的。其危险有两个，一个是“永久的过去”，一个是“决定了的未来”。
所谓“永久的过去”是指，我们作为个人不断地成长、发展、变化，而那些多年来收集的全面的教育数据却始终保持不变。
想象一下，某个学生的活动记录被存储下来，并在25年后他找工作的时候被提供给未来的雇主，这将会是怎样的情形？
因此，全面教育数据带来的首个重大威胁，并不是信息的发布不当，而是束缚我们的过去、否定我们进步、成长和改变的能力，而且目前尚无抵御这一威胁的可靠措施。
所谓“决定了的未来”是指，以所有人为对象收集到的全面教育数据，将用于对未来进行预测；但是系统也可能带来一些恶性的后果。假如系统预测某个学生不太可能在一个学科领域（如生物信息学）取得良好成绩，于是引导他转入护理之类的其他专业，我们应该如何看待系统的决策？
诸如此类的概率预测将会限制我们的“学习自由”，并有可能最终威胁到我们对生活中的机遇的获取。比如大学可以很容易利用大数据选拔出学习能力最强的学生，毕竟教育最聪明的10个学生很容易，而提高普通学生的成绩却难得多，但也有意义的多。
在我看来，大数据蕴含的巨大潜力在于推进个性化学习、改善教材和教学、并最终提高学生的成绩。数据应该被视为促进产品改良的反馈，而不是对产品使用者进行简单评价的依据。
Q：我们该如何避免这些状况的发生？
舍恩伯格：依靠法律。我认为应该对大数据的使用立法，明确规定哪些数据可以收集和使用，哪些数据不能收集和使用；哪些数据可以在哪些领域中加以使用等等。
⑵ .谈谈在大数据时代背景下教育的特点
在大数据时代背景下，教育的特点和发展趋势主要体现在以下几个方面：
个性化教育：大数据技术可以对学生的学习数据进行分析，根据不同学生的学习情况和学习特点，实现个性化的教学方案和资源推荐，帮助学生更好地发挥自己的潜力。
数据驱动教学：大数据技术可以对教学数据进行分析，从而帮助教师更好地了解学生的学习情况和学习效果，为教学改进和优化提供数据支持。
教学资源数字化：随着教学资源的数字化，大数据技术可以实现对教学资源的智能管理和优化，提高资源利用效率和质量。
跨界合作：大数据时代教育的发展趋势是跨界合作，通过多方数据共享和整合，打造更加完整的教育生态系统，实现教育资源的共享和优化。
联邦学习：随着人工智能技术的发展，联邦学习将成为一种重要的教学方法，通过将学习模型下放到各个本地设备，实现数据的本地化处理和保护，同时保证了全局学习效果的优化。
智慧教育：利用大数据技术和人工智能技术，可以建立智慧教育平台，实现教学管理的智能化、精细化和个性化，提高教育教学质量。
教育服务云平台：将教育资源、学习内容、教学工具等整合到一起，形成教育服务云平台，使学生可以随时随地获取所需的学习资源和服务。
教育信息化：大数据时代，信息技术在教育中的应用范围更加广泛，不仅是教友锋学内容的数字化，还包括教育资源、教学管理、教师培训等各个方面的信息化。
开放式教育：利用大数据技术和互联网技术，教育可以超越时间和空间的限制，打破传统教育的边界，实现开放式教育。
教学模式创新：在大数据时代，教学模式将从传统友告陪的教师主导转向学生主导，学生将成为学习的主体，教师将成为学生的学习指导者和学习资源好蠢的管理者。
大数据技术的应用为教育带来了更多的机会和挑战，未来教育的发展需要在大数据时代的背景下，不断推进教学的数字化、智能化和个性化，同时加强跨界合作和资源共享，实现教育的高质量和可持续发展。
⑶ 大数据如何影响课堂教学
“大数据”（BIG DATA）这个词，是2008年在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》这本书中首次提出的。“大数据”指不用随机分析法（抽样调查）这样的捷径，而是对所有的数据（近似于全样本）进行分析处理的一种方法。
1．什么是我们身边的大数据？
“大数据”已经渗透到我们生活中的方方面面。比如我们打开手机淘宝，呈现在我们面前的界面是不一样的。它推送给我们的商品是不同的，而且这些商品往往真的能够抓住我们的需求和心理，这是为什么呢？
其实这就是大数据分析出的结论。
淘宝这个平台，对每一个浏览过商品的人，购买过商品的人，都进行了全数据分析，可以轻松获取我们的很多信息。
例如我们的性别、年龄、家庭成员、喜好、是否结婚、是否有孩子、孩子的性别，甚至可以细致到你是爱穿休闲类的服饰，还是喜欢小清新类的服饰，或者是职业装类的服饰等等。通过你的每一次操作，收集到了这些数据之后，它经过分析和处理，进一步推测出了你可能会订购的商品，从而推送给你，让你花更少的时间检索而要花更多的钱进行消费。
例如你购买了一些孕妇类产品，可能在不久之后，它就会推送相关联的一些婴儿用品给你。
而我们消费后的评价与反馈，又使得他们不断改进自己，例如不同卖家的钻石星级，或者清退一些不合格的卖家等等这些行为，就是淘宝对自身的调整。
这种互利互惠的双回路的运转模式，可以看作是卖家与买家间的一种良性的互动方式，而这种互动方式在传统的卖场里面是不可想象，也难以实现的。
2．什么是课堂教学互动方式？
课堂教学互动方式，则是指在课堂上，教师与学生之间的一种信息交流方式。
在传统的课堂中，师生之间的互动交流方式比较单一，上课就是教师在讲，学生在听，一种单方向的传导过程。
有人说，教师就是知识的搬运工，课堂上很少有师生之间的交流。
还有一种观念是，教师对学生提问，学生回答，就是师生互动。
显然，这种认识是肤浅的，这将使师生互动流于形式。师生互动的根本目的是要引导和培养学生的高阶思维。
因此，真正的师生互动应该定义为思维的碰撞、智慧火花的生发之源。
近些年来一直被提及的可汗学院的教学与学习方式，之所以受到关注的原因，恰恰就是它基于大数据分析，解决了课堂教学互动这个难题。
大数据之所以能实现课堂教学互动，是因为它具有三个主要特征：反馈、个性化和概率预测。
我们传统的课堂教学是一种单回路的学习，即教师给予，学生接受。我们对学生进行考核，然后对他们进行评价。
我们不会或者没有条件来通过学生的成绩来反思自己的教学内容或者方式是否是恰当的。
我们不能从学生身上获得真正有用的反馈信息来改变自己的教学内容和行为。
所以说，传统的课堂教学是一种单回路的方式，根本没有实现师生间的良性互动。
此外我们的教学内容在编排上，考虑的是处于平均水平的学生，而这种水平的学生其实在现实中可能根本是不存在的。
换句话说，我们的教学没有照顾到“好”学生，也忽略掉了那些“差”学生，甚至连我们认为的中等水平的学生，也是不存在的，因为他们是平均后虚构出来的群体。
所以，我们的教学根本没有针对学生做出个性化的设计，这是教育普及大众化不得不做出的取舍。
传统的教学是没有反馈或反馈较少（没有时间或实在照顾不到，分身乏术），没有个性化，从而更谈不上有概率预测的一种教学。
而大数据下的新的课堂教学互动方式，却可以改变这种状况。
1．参考案例
维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《与大数据同行——学习和教育的未来》一书，举了可汗学院的例子。
2004年，可汗是一个刚从哈佛商学院毕业一年的基金分析师，给自己的表妹辅导数学。
由于他们生活在不同的城市，因此，他在互联网上为她进行辅导，从此永远地改变了教育的世界。
他编写了若干程序来协助教学，这些程序能生成数学习题，并显示孩子们提交的答案是否正确。
同时，也收集数据，程序可以追踪每个学生的答对和答错的习题数量，以及他们每天用于作业的时间等等。
后来在此基础上创建的可汗学院，之所以可以闻名于世，就是因为它收集有关学生行为的数据，从中获取有用的信息来改变教学内容的设计，为每个学生定制个性化的学习方案。
可以说数据就是可汗学院运作的核心所在，大数据的支撑，互联网技术的飞速发展，使得相隔千里的师生之间形成了有效的课堂教学互动。
它改变了我们对面对面才能达成互动的传统认识。
此外，还有一个关于斯坦福大学吴恩达与他的机器学习课程的例子。
吴教授将课程放到了网上，他追踪学生与视频互动的行为。
在什么地方按了暂停键，什么地位按了重复键，在什么地方放弃了继续听课，他的目的不是督促学生学习，而是反思学生卡在了什么问题上，哪些教学内容难以理解，从而对课程进行调整。
例如，他发现学生本来都是正常的按顺序进行网上学习，但是很多学生在学习第7课时，都会去回看第3课的一个关于数学知识的复习课。
于是他发现，原来是因为第7课解决某个问题时，需要用到第3课复习到的一个数学公式，而很多学生并没有记住，因此他就对第7课时的教学视频做了改变，会自动弹出一个弹窗帮助学生来复习数学公式。
还有一次，他发现学生在学习第75课到第80课时，正常的学习秩序被打乱了，学生以各种各样的顺序反复观看这几节课。
他通过反复分析，发现学生的行为是在反复理解概念，于是他将这部分的教学内容制作的更加精细，更有助于帮助学生理解概念。
【 评价】
这是一个典型的大数据分析下，课堂教学互动变革实现了教学反馈的例子。
觉得我们传统的教学，只是通过每天判一判学生的作业，看一看他们的考试成绩，是无法得到这些动态的数据的，更无法得到改变我们教学内容与方式的有价值的信息。
于是我们的教学可能几年甚至几十年都在重复相同的内容和动作。因为我们不知道学生究竟是如何进行学习的。
2．参考案例
还有一个例子是关于“半岛大学”的暑期班项目，他们使用可汗学院的数学课程教授来自旧金山湾区贫困社区的中学生。
在课程一开始，一个七年级的女生的成绩在班里一直垫底，在整个暑期的大部分时间中，她一直是学得最慢的一个学生，但是在课程结束后，她的成绩是班上的第二名。
可汗对此感到好奇，于是调取了她完整的学习记录，查看她每一道习题和解题的时间，系统创建的图表对她学习进行的描绘，发现他很长时间都徘徊在班级的底部，直到在某个事件点上突然直线上升，超过了几乎所有的学生。
这充分说明，当学生以自己最适合的步调和顺序进行学习时，即使一个被看似没有能力的“差生”也是可以变为优等生的。
【 评价】
这是一个典型的大数据分析下，课堂教学互动变革实现了个性化教学的例子。
如果这个女孩放在我们传统的基于小数据的教学课堂上，几次考试的成绩都不理想，可能她就会被我们归类为“差生”，于是各种补习加各种辅导，完全打击了她的自信心，成绩的阴影甚至会影响到她的一生。
而可汗学院的课程，利用数据监控了她的所有的学习过程，时间是一个连续的变量，针对她的特点设计了适合她的习题，循序渐进，激发出了她最大的能量。
她完全根据这种个性化的定制，按照自己的学习节奏进行学习，不用去关注到其他人的学习进度与成绩。细思极恐，我在想我们的教育究竟扼杀掉了多少这样的人才？
我们真的应该好好认清大数据带给我们的课堂教学互动的变革，这种变革很多时候甚至不是技术上的，而是理念上的。
在反馈与个性化的基础上，大数据的更大的优势就体现在了概率预测这方面了。
例如我们可以对学生个体为提高其学业成绩需要实施的行为作出预测。比如选择最有效的教材、教学风格、反馈机制等等。
其实，在小数据时代，我们跟学生家长所说的某些建议，比如您的孩子应该加强数学这方面的学习，您的孩子适合去学文科等等这些建议，其实也不是肯定的事实，也只是概率性的干预。
因为可能根据老师所谓的经验，这个学生选择学习文科，将来考上一本的可能性更高。而大数据与过去最大的区别是，我们是通过对事物加以测量和量化，以更高的精确度说话。它的预测准确率更高。
比如，大学的选课方面，可以根据你以往的学习基础以及学习行为，预测出你选哪门课的通过率会更高，你未来的职业规划怎样进行会更加顺利等等。
大数据所实现的这种概率预测，似乎与课堂教学互动方式的变革没有直接的关系。
但是仔细分析不难发现，这种预测其实是师生间互动的一种延续，我们对学生的影响不只局限于课堂上，而是延续到了未来选择的层面上，使得互动交流更上了一个台阶。
1．利用数据反馈信息调整课堂教学策略
以高考备考为例：
上图是追踪某高中四年所有学生高考数学各知识点得分率的情况，我们可以看出对其中一部分知识点的得分率维持在高位。
这就说明学校一贯的培养策略与日常教学方法是正确的，只需要保持即可，无论教师还是学生不需要过于焦虑，因为大数据反馈的结果对未来教学效果有一定的预测功能。
2．关注学生的个性化发展
大数据不仅对规模庞大的数据进行全样本分析，得到一般规律，更重要的是很能体现出个性，它可以记录下每一个学生的变化，方便教师针对每一个学生调整课堂教学方式。
上图是大数据分析系统给出的某一个学生在一次考试中的情况，从图中可以看出，数学与物理是这个学生的优势学科，英语是这个学生最薄弱的学科，那么在进行改进策略制定时，要多听取英语老师的建议。
大数据可以帮助教师的课堂教学行为不像传统课堂那样，针对的是所谓的“平均水平”的学生授课，而是能照顾到每一名学生。
例如，利用信息技术监控学生的课堂测试与课堂练习情况，随时调取任意学生的过程进行点评，统计每一名学生过程中出现的问题，这样教师对课堂进程的判断不是根据经验，而是根据实际情况随时调整。
总之，课堂教学互动方式的变革，不应该只是技术层面上的变革，媒体技术，网络平台的建设已经非常的成熟了，我们需要的变革是组织变革，是思想的变革。
现在流行的微课、慕课（MOOCs）其实就是大数据渗透到教学互动领域冰山的一角，形式并不重要，重要的是隐藏在这些形式下的数据所反映出来的学生行为，以及反馈给教师的教学信息，从而引起他们的思考和改变，形成双向的回路，实现真正的“互动”，这才是大数据真正的价值。
大数据下的教师要成为“数据脱盲者”，我们需要通过读取数据来追踪学生的进步，通过概率预测解释什么是对学生最有效的学习。
我想这应该意味着我们需要建立一套完善的系统，在这个系统中，有数据处理的专家，有解读数据分析数据的分析师，有利用数据改善教学的教师。
只有在这个良性循环的系统中，才能真正实现课堂教学互动，呈现个性化的教学，让教育针对每一个孩子。
希望我们的教育和教学可以因为大数据而发生真正的变革。
⑷ 大数据对未来教育的影响包括哪些
作为社会子系统重要的组成部分，教育也深受大数据来临的深刻影响。国外高校教学管理中，教育数据的挖掘也成为提高教学管理水平和教学质量的重要方式。美国的学校能够通过对学生数据的分析，以85%的精确度预测学生的升学率。[4]中国教育在当前社会转型影响下存在不少问题，通过正在形成的大数据技术，教育政策的制定、学习方案与评价方式的确立等，都将发生革命性变化。
1.渗透到教育的核心环节
教育和社会之间是哲学上的辩证关系，一方面，通过教育培养出能改变世界、创造世界的人才；另一方面，教育又深受当前社会氛围、国家体制、经济状况、文化传统等的影响。从当前来看，教育深受工业社会的影响。从18世纪中叶开始，整个世界开始受到工业革命的影响，市场的扩大和劳动时经验与技术的要求，对劳动力的素质提出了新的要求，实际的动手能力代替了过去注重个体层面的文化修养学习，能不能解决问题，成为衡量人才的标志。这种人才观对教育的影响是巨大的，这从美国实用主义哲学家杜威教育思想的流行可见一斑。
大数据时代的来临将会革新这种延续了近三个世纪的教育理念。美国著名的未来学家，当今最具影响力的社会思想家之一的阿尔文·托夫勒（Alvin Toffler）在他的著作《未来的冲击》中提出逗未来的教育地，他预测未来的教育要面对服务、面对创新，因此在家上学、教育空间设计、面向未来的学校界限的消失将成为趋势。[5]解决实际问题的能力作为大数据时代人才的能力之一，将渐渐淡出教育的逻辑起点位置，发掘知识、寻找联系、总结规律将成为大数据时代人才的重要要求。大数据时代教师将集中在挖掘学生与学习有关的表现，最适宜学生学习的方法，而不是依赖于定期的能力测试。教师分析学生知道什么，什么是最有效的学习路径。通过对在线学习工具等的分析，可以评估学生在线学习行为的长度，以及学生们如何获得电子资源，如何迅速地掌握概念。[6]
从我国实际情况来看，教育政策的制定与执行都是自上而下的，这种情况有利于政策的权威性与执行的效率，但是忽视教学与学生实际的弊端也客观存在。大数据时代将可以通过对教育数据的分析，挖掘出教学、学习、评估等符合学生实际与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。
2.重新构建教学评价方式
长期以来，教学评价活动主要是学校以及上级主管部门在听课和学生考试成绩的基础上对任课教师进行评价，或者教师根据学生考试成绩和作业成绩以及课堂表现等对学生进行评价。[7]教学评价活动促进了教师的教学和学生的学习，但是在细节方面还有待提高，比如教师在教学活动中，哪些教学方式是最为擅长也最容易为学生接受看学生在学习过程中，个体的学习习惯是什么，什么样的学习方式最容易掌握知识看这些细节可能需要大量的实践经验总结出来，短期的教学评价是难以实现的。
大数据技术通过对教师与学生长期行为进行分析，得出具有个性化的教学行为、习惯、方式。逗不得不承认，对于学生，我们知道的太少地。同样，我们也可能对教师知道的太少。大数据的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先，教学评价的方式不再是经验式的，而是可以通过大量数据的逗归纳地，找出教学活动的规律。比如新一代的在线学习平台，就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复或强调。[8]对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握，哪类问题最易犯错等成为分析每个学生个体行为的直接结果。其次，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度。对学生的评价应该是多元的，特别是通过数据分析，可以发现学生思想、心态与行为的变化情况。比如，同一寝室，互相删除了联系方式，或者两者之间没有任何数据产生，同学之间的关系肯定出现了问题，通过数据分析，就应在学生心理与行为方面进行关照。如果通过文本分析、信息抓取分析出学生的近期情绪状态，很多悲剧可能就能避免。即使是掌握知识的单一维度，其因素也是多方面的，有的是记忆好，有的则是逻辑思维能力强，通过大数据技术，可以分析出每个学生的特点，从而发现优点，规避缺点，矫正不良思想行为。第三，教学评价跳出了结果评价的圈子，实现过程性评价。传统教学评价多是教的好不好，学的好不好，注重的是结果。而大数据时代可以通过技术手段，记录教育的过程。现在一些学校实行了电子课本，如果能记录下作业情况，课堂言行，师生互动，同学交往，并将这些数据汇集起来，不仅可以发现学生的特点，更不用为如何写期末评价费力了。
3.革新教育者教学思维
传统的教育大多是教育主管部门和教育者通过教学经验的学习与自己的总结，认为某些因素对教学活动很重要，从而一而再、再而三地强调。但是有些经验是不具有科学性的，常识有时会影响人们的判断。比如苹果公司就发现，笔记本电脑销售额的提升，常识认为的比如提高库存管理能力、提供员工更多的专业培训、做更为时尚的广告、促销等等，只能提升2%～9%的销售额，而把电脑屏幕和桌子呈70度角左右放置，却能高出其他电脑销售额的15%。70度角放置的电脑，因为反光会让人不舒服，从而诱使客户去搬动屏幕，一旦潜在客户与货物发生了肢体接触，他购买这个商品的可能性就上升了15%。[9]
大数据时代教师的教学思维需要从群体教育的方式转向个体教育，在教学过程中，可以真正做到因材施教，因人而异。传统教育也提倡因材施教，但是由于学生数量、教师精力、教育任务等制约，因材施教总是有些缺憾。大数据技术将给教师提供最为真实、最为个性化的学生特点，教师在教学过程中可以有针对性地进行因材施教。比如，在课堂学习过程中，哪些（或哪个）同学注意基础部分，哪些同学注意实践内容，哪些同学完成某一练习，哪些同学可以阅读推荐书目等等。这和网络购物相似，通过你过去的购买痕迹，网站就会分析出你的购物兴趣，从而有针对性地给你推送广告信息。
不仅如此，当学生在完成教师布置的作业时，也能通过数据分析强化学习。比如通过电子设备做作业时，某一类型的题目有几次全对，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化，这样不仅提高了学习效率，也减轻了学生的学习负担。
4.影响学校教育模式
学校教育是当前教育的绝对模式，适龄儿童、青少年都需要进入学校，通过教师的讲授进行学习。但是随着大数据时代的来临，这一教学模式可能会得以改变。2004年，澳大利亚人马丁开发了一个开源课程平台moodle，解决了来回奔波上课的问题。教师通过这个平台与学生互动，学习、考试、资料分发与上传等，都通过网站完成。2010年，这个平台数量已经达到了100万门户。2006年，孟加拉裔金融白领萨尔曼·可汗将自己的10分钟教学视频传到网上，几年后，这个网站注册用户达到了1000万。[10]
教育平台的开发，使网络课程得以飞速发展，2012年美国在线课程投资达到10亿美元以上。网络课程的发展给传统教学带来了巨大冲击，一方面，教育的方式将不再仅仅局限于学校教育；另一方面，教师的课堂教学出现新的替代模式。这种教育模式的革新，在大数据时代更有了存在的价值与意义。
传统教学模式有教师的督促、随时沟通、情感交流，是按照教学大纲按部就班地完成教学活动。这种教学模式有计划、有步骤，体现秩序性，但是在一定程度上也框定了学生的思维框架，学生的创新能力没有得到最大发挥。美国不少商业巨鳄都有辍学经历，甚至有的创业基金要求学生辍学才能发放。这当然不值提倡，但是，从一个侧面也反应出非学校教育，也同样具有创造能力的事实。大数据时代的来临，可以通过学生学习兴趣、在某一在线课程停留的时间、点击率、情绪反应等，推送更具有个性化的学习内容。这在知识爆炸的时代，显得尤为重要。此外，随着媒介社会化时代的来临，学生学习生活网络化已成事实，学生可以通过在线学习目前正在开设的课程，这对正在授课的教师是一种挑战。美国有个Udemy网站，老师根据自己上传视频的点击率获得报酬，2012年5月份，该网站上有的老师收入已经超过20万美元。随着技术的发展，以后教育网站将在大数据的支撑下，根据知识传播的形式、受众的兴趣不断优化教学内容、教学方式，为学生提供更高质量的学习内容。
⑸ 嵌入式学习书籍有哪些
以下是华清远见·星创客嵌入式精英训练营提供的学习嵌入式必看的100本书：
001《大话数据结构》
002《鸟哥的 linux 私房菜》
003《疯狂 android 讲义》
004《第一行代码》
005《linux 内核设计与实现》
006《驱动设计开发》
007《linux 内核解密》
008《unix 环境高级编程》
009《linux 内核设计与实现》
010《essential C++》
011《嵌入式 linux》
012《linux 设备驱动》
013《c 语言深度解剖》
014《linux 下的 c编程》
015《C Primer Plus(第五版)》
016《ARM 体系结构与编程(第二版)》
017《lINUX 设备驱动开发详解(第三版)》
018《android 开发艺术探讨》
019《c++plus》
020《Unix 环境高级编程》
021《与大数据同行——学习和教育的未来》
022《用户体验的要素》
023《编程与艺术》
024《ARM 嵌入式体系结构与接口技术》
025《cortex-m0 接口编程》
026《C 语言程序设计:现代方法》
027《C++ Primer》
028《数据结构》(严蔚敏)
029《算法导论》
030《Linux 设备驱动开发》
031《代码大全》
032《深入理解计算机系统》
033《UNIX 环境高级编程》
034《计算机安全原理》
035《UNIX 网络编程》
036《HeadFirst 设计模式》
037《linux 驱动》(宋保华)
038《C++ primer4》
039《qt5 精彩实例》
040《ldd3》
041《C++高级编程》
042《C语言教程》
043《实战 linux 编程精髓》
044《ARM 教程》
045《JAVA 编程思想》
046《HTML+CSS 网页设计与布局从入门到精通》
047《C 语言深度解剖》
048《深度实践嵌入式 Linux 系统移植》
049《unix 高级编程》
050《c 嵌入式一站式教学》
051《编译原理》
052《深度实践嵌入式 Linux 系统移植》
053《UNIX 环境高级编程》
054《linux 网络编程》
055《C 语言程序设计》
056《unix 环境高级编程》
057《嵌入式 linuxc 语言程序设计基础教程》
058《Java 编程思想》
059《TCP/IP 详解》
060《linux 技术手册》
061《C 语言深度剖析》
062《Unix 高级环境编程》
063《C++primerplus》
064《QT》
065《C 程序设计》
066《C 和指针》
067《C++primer》
068《C 程序设计语言》
069《ProgrammingC#》
070《thinking in C++》
071《Linux Device driver》
072《Linux kernel development》
073《软件工程》
074《C 和指针》
075《Android 核心代码》
076《Android 技术内幕》
077《Android 底层移植》
078《Unix 编程手册(上下卷)》
079《Linux 驱动设计第三版》
080《ARM 实战开发》
081《unix 环境高级编程》
082《tcp/ip 编程详解》
083《Linux 网络编程》
084《Unix 编程艺术》
085《计算机程序的构造和解释》
086《C Primer plus》
087《LINUX 权威指南》
088《LINUX 设备驱动程序》
089《The C Programming Language》
090《ajax 高级程序设计》
091《angula js 权威教程》
092《ARM 体系结构》
093《Unix 环境高级编程》
094《Linux 设备驱动程序》
095《现代操作系统》
096《TCP/IP 协议详解》
097《嵌入式 C 语言设计模式》
098《Struts In Action》
099《c 程序设计语言(第二版)》
100《深入理解 Linux 内核(第三版)》
⑹ “互联网+教育”时代来了，教育和老师将会迎来哪些颠覆
就教师专业发展而言，新技术、新理念短时间内扑面而来，教师们犹应接不暇。面向“互联网+”时代，教育需要如何适应社会和时代的发展?教师又将如何面对教育的改变呢?x0dx0a“互联网+教育”在于其包容性更强。它集通信技术、计算机技旅渗派术、移动技术、网络技术于一体，强调把线上和线下的活动聚合起来，为教育创建新的设计、开发、利用、管理和评价的形态。而“互联网+’’对于教师专业发展，更多是教师线上成长渠道再造和重组，加的是在实践中与互联网等新技术相结合的教学创新。x0dx0a教师发展新渠道的再造和重组x0dx0a“互联网+”时代的创新型教师发展，不必都要白手起家，从零起步。在已有优秀理念、方法基础上，对适合自身教学发展渠道的改造和重组，也可以体现“互联网+”的创新特色。这种创新因为有互联网的参与，有多种混合技术的帮助，给教学专业发展带来新的思路和体验。x0dx0a1、线上与线下的混合式发展x0dx0a教师线上与线下相结合的成长渠道，是一个已存在多年的概念，那就是混合学习。根据ASTD(美国发展与培训协会)2002年的界定，混合学习是指把不同情境下的学习活动，如面授学习、在线学习、自定步调学习等相结合的学习解决方案。何克抗教授是国内论述混合学习时间较早，且获得较高引用率的学者。2004年何教授提出，“混合式学习(即blending learning)就是要把传统学习方式的优势和E-learning数字化或网络化学习优势结合起来，既要发挥教师引导、启发、监控教学过程的主导作用，又要充分体现学生作为学习过程主体的主动性、积极性和创造性”。这些概念是从学生的角度来阐述混合学习的，其实同样适用于教师专业发展。x0dx0a近十年来，因为信息技术的发展，教师的混合式专业发展渠道得到了极大的扩充，微课、MOOC、移动公开课等形式都成为其渠道再造和重组的表现形式。混合学习是优势互补，是差距消弥，是效率提高，是效果改善;它追求的是一加一大于二的迭加，它利用的是四两拔千斤的巧妙。教师通过混合式的专业发展渠道，用社交网络、在线平台、移动工具为专业成长搭建平台，建立起以个人成长目标为中心的专业发展圈。x0dx0a2、参与或创建可深度参与的专业成长圈x0dx0a到底什么样的专业成长圈才是符合“互联网+”时代的混合式专业成长圈呢?虚拟教研也好，区域博客也罢，微信企业号、伴行3618智慧校园平台移动社群也行喊稿，都可归结为专业发展的外在表现形式。“互联网+”时代的出发点，是通过线上与线下的混合，能够以较小的成本，伴随着较高的效率，产出有创新性的优秀成果，带来较大的领域影响力。x0dx0a对于教师专业发展来说，就是要把线上的成长圈与线上的教学实践相结合。用线上交流所获得的新思考、新体验，来改善线上的实际教学，更新旧理念，解决新问题，创建新环境。前几年博客盛行，曾出现了“李克东难题”(为什么教师博客有着丰富多彩的博客文字，但缺少深度互动的思想碰撞?为什么教师博客发表了近万篇博文，却不能够说出解决了哪些教学问题)，究其原因，那就是线上线下两张皮。因为技术驱动的教师专业发展，会追逐流行的技术，如博客、微博、微信，但是很难走得深人。只有回归到教育理念驱动的专业发展，用线上的交流思路来优化教学理念，改善教学实践，那么线上的交流活动就会自然地融人到教师的日常生活中。x0dx0a我订阅的微信公众号中，有一个叫做“罗辑思维”。除了每天早上六点半准时的六十秒“语音早报”以外，“罗辑思维”发起了一系列的线上、实体的活动来建立媒体圈。他们举行全国巡回讲座，招募同行，在公众号上做图书首发、微商等。订阅数量超过五百万的这个公众号，在“互联网+’’的时代里，成为特定人群中颇拆贺具影响的传播渠道。x0dx0ax0dx0a在今天的教育领域里，如果能有更多的具备“互联网+”时代意识和能力的团队，再配合各级行政部门的推广举措，那么教师专业发展圈会得到新的重组和再造的机遇。资深教师可以在这个渠道中推广自己的特色课，新手教师可以在这样的渠道里订阅到满足自身需求的课程，教育类的优秀图书、资源、工具、活动、社群都可以在这种线上渠道进行发布，那么这样的渠道就是一个“互联网+’，时代的思想流通之道，优秀作品共享之路。x0dx0a教育实践中的创新应用与深入x0dx0a“互联网+”时代的教师专业发展，除了要有线上专业成长圈的融合，更要有线下教学实践的创新。与以教师教学能力、个人经验、主观感受、教学传承为主的传统教学实践方式不同，“互联网+”时代的教学实践要更多地体现基于技术参与的教学过程、基于数据分析的教学优化、基于实证分析的教研合作、基于个性张扬的教研自由。x0dx0a1、基于技术参与的教学过程x0dx0a21世纪初，从“校校通工程”“农远工程”开始，我国基础教育信息化的系列项目，就把中国多个省份的中小学带人了数字化发展的方向。在已联网的机房里，学生们可以登录网络学习平台;在有Wi-Fi的教室里，学生们可以使用掌上学习机、平板电脑等教学类软件;在户外真实情境下，学生们使用移动学习终端或穿戴式设备进行探究式学习等。越来越多的学习情境是有技术参与其中的，这是“互联网+”时代下教学的发展趋势，也是教师必须面对的新挑战。前“互联网+”时代，教师专业发展的重点在于掌握技术，学习如何实现技术与课程整合，来辅助讲授、促进协作、帮助探究，创设技术型的学习环境;而进人“互联网+”时代，教师专业发展的重点在于让技术无缝地“编织”进教学，利用技术支持的教学过程中所留下的动态生成性资源、过程性数据、学习痕迹等数据进行再利用，来实现教学优化。x0dx0a2、基于数据分析的教学优化x0dx0a在英国学者维克托迈尔一舍恩伯格和肯尼思库克耶合著的《与大数据同行:学习和教育的未来》(learningwith big data; The future of ecation)一书中，作者提到了基于数据分析的教学优化，即双回路学习(Double-loop learning)。目前大多数的学习路线是单回路学习 (Single-loop learning)，即在学习中犯了错误以后再去努力纠正。例如，学校只有在期末考试结束后，才发现哪些课程对于学生来说太难或太简单，然后在下学期的教学中进行调整。双回路学习则不然。它会随时用数据纠正自身的错误，同时利用反馈回路中获得的大量数据来做其他很重要的事情。以可汗学院为例，不仅有超过5000个多学科的视频课程，它更有价值的地方在于积累学生如何学习的数据，并实时反馈给教师和学生。例如，基于每位学生做题的准确率运行一个统计模型，用以判断学生是否很好地掌握了某个知识点，帮学生提供适合他们的学习路径和步调;还会给教师提供整个班级和每位学生的学习表现图，根据回答问题的数量、准确率等指标显示学习实时状况。x0dx0a双回路学习把反馈、个性化学习、预测与干预结合在一起，为教学优化提供了宝贵的数据。因此，处于专业发展初级阶段的新手教师们，可以做到用技术获得数据，用图示工具来理解数据，处于专业发展高级阶段的资深教师们，就可以在此基础上，用分析工具来解读数据，用研究工具来预测、干预、优化教学。也就是说，研究型教师，依然是“互联网+’，时代教师发展的高级阶段，而且有.数据支持的实证分析，会给中小学教学实践和改革提供更加坚实的基础。x0dx0a3、基于实证分析的教研合作x0dx0a教师做研究也是老生常谈的话题了。多年前陶行知先生在《教学合一》这篇文章中就提到，教师不仅要掌握教法、学法，更要把教学和研究相结合。因为教师不是小贩，不能把别人的知识直接搬过来贩卖给学生，如果只是照搬教材，或者把别人比较成熟的经验和方法直接拿过来进行教学，而不根据学生特点进行适当改造，或者很少结合自己的教学思考与实践，提出有独创性的教学方法等，变成了知识的贩卖者。这样的教师很难有进步，学生就更难有突破和创新了。x0dx0a那么教师如何做研究呢?记得今年年初，《弯顶之下》纪录片的发布获得了极高的关注度。不仅因为选题直击时弊，切合每个人生命健康，更是由于该片作者具有一定的调查分析能力，目标明确，资料翔实，层次递进，自成逻辑。其实教育研究与新闻调查也有颇多相似之处:找准方向，提出问题，实地探查，多角度了解，相互验证，深人分析，发布结论。有影响力的新闻节目与有价值的教育研究也有颇多共同点:选题针贬时弊，聚焦社会热点和发展趋势;提出问题简洁但直击要害;实地探查不遗余力，长时间地扎根生活，得到鲜活富有生命力的典型例证;用科学的研究方法，对真实、大量、多角度来源数据进行科学分析。x0dx0ax0dx0a“互联网+”能使教师获得更为丰富的过程性数据，让他们更方便地使用数据分析的工具，也带来了开展高水平利一研合作的机会。如果说互联网时代，教育研究的数据来源多是需要主动收集，来支持小规模的常规化研究，而进人“互联网+”时代，由技术支持的教学过程会自然而然产生出数据尾气(dataexhaust )，即指学生与网络进行互动时衍生的副产品，如登录信息、学习痕迹、交互对象、评价习惯等。这些数据存留于网络平台上，手机终端等智能设备里，教师可以与学校同事、线上成长圈的伙伴，甚至高校或利一研院所的专业研究人员合作，对这些数据进行深人的、大规模的、时间跨度较长的实证研究，从大数据的视角重新审视教学，发现新的研究问题。x0dx0a4、基于个性张扬的教研自由x0dx0a技术参与的教学过程，数据分析的教学优化，实证研究的教研合作，都是“互联网+”时代教师专业发展的独特性，然而技术、实证、数据、分析等不会自动地产生高水平的教师专业发展，归根到底还是需要教师保持极富个人特色的独立思考。x0dx0a我曾经参加过美国密歇根州LATT工CE国际教师教研组织。记得有一次来LATTICE演讲的是该州年度优秀教师玛婷娜，一所高中的社会课教师。这位“当地名师”没花很多时间去介绍她的教学理念、教学模式等，更多的是从国家的教育机制、学校存在的根本意义、当前教学的现状与改革方法等与大家进行对话。印象最深的就是她带领所有与会者思考:x0dx0a“学校的根本作用到底是什么，学生应该从一所理想的学校里获得什么，如何成长，你的思考或做法”等。教师们围坐在一起，结合这个切人点写关键词，画流程图，分享好的做法。那次的教研活动给我很深的印象，高水平的教师专业发展活动不等于一言堂的名师讲座或示范性样板课，教学交流其实就是一场场不用达成共识的思想碰撞。x0dx0a经验分享或学习榜样带来的多是模仿，数据收集实证分析多是规范，而自由思考和满怀热情，才有可能带来创造。齐白石寄语学画者:“学我者生，似我者死”。任何时代下的教师专业发展，都是一项充满了变数的马拉松长跑，它需要教师持续的热情，发自内心的渴望，以及和学生共同成长的成就感，是一个充满个性化创造的过程。x0dx0a“互联网+”时代已到来，渗透，融合，重组，质变。教师专业成长是个永恒的话题，唯愿保持独立的个性和思考，共适应，共成长。
⑺ 大数据对未来教育的影响包括哪些
作为社会子系统重要的组成部分，教育也深受大数据来临的深刻影响。国外高校教学管理中，教育数据的挖掘也成为提高教学管理水平和教学质量的重要方式。美国的学校能够通过对学生数据的分析，以85%的精确度预测学生的升学率。[4]中国教育在当前社会转型影响下存在不少问题，通过正在形成的大数据技术，教育政策的制定、学习方案与评价方式的确立等，都将发生革命性变化。
1.渗透到教育的核心环节
教育和社会之间是哲学上的辩证关系，一方面，通过教育培养出能改变世界、创造世界的人才；另一方面，教育又深受当前社会氛围、国家体制、经济状况、文化传统等的影响。从当前来看，教育深受工业社会的影响。从18世纪中叶开始，整个世界开始受到工业革命的影响，市场的扩大和劳动时经验与技术的要求，对劳动力的素质提出了新的要求，实际的动手能力代替了过去注重个体层面的文化修养学习，能不能解决问题，成为衡量人才的标志。这种人才观对教育的影响是巨大的，这从美国实用主义哲学家杜威教育思想的流行可见一斑。
大数据时代的来临将会革新这种延续了近三个世纪的教育理念。美国著名的未来学家，当今最具影响力的社会思想家之一的阿尔文·托夫勒（Alvin Toffler）在他的著作《未来的冲击》中提出“未来的教育”，他预测未来的教育要面对服务、面对创新，因此在家上学、教育空间设计、面向未来的学校界限的消失将成为趋势。[5]解决实际问题的能力作为大数据时代人才的能力之一，将渐渐淡出教育的逻辑起点位置，发掘知识、寻找联系、总结规律将成为大数据时代人才的重要要求。大数据时代教师将集中在挖掘学生与学习有关的表现，最适宜学生学习的方法，而不是依赖于定期的能力测试。教师分析学生知道什么，什么是最有效的学习路径。通过对在线学习工具等的分析，可以评估学生在线学习行为的长度，以及学生们如何获得电子资源，如何迅速地掌握概念。[6]
从我国实际情况来看，教育政策的制定与执行都是自上而下的，这种情况有利于政策的权威性与执行的效率，但是忽视教学与学生实际的弊端也客观存在。大数据时代将可以通过对教育数据的分析，挖掘出教学、学习、评估等符合学生实际与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。
2.重新构建教学评价方式
长期以来，教学评价活动主要是学校以及上级主管部门在听课和学生考试成绩的基础上对任课教师进行评价，或者教师根据学生考试成绩和作业成绩以及课堂表现等对学生进行评价。[7]教学评价活动促进了教师的教学和学生的学习，但是在细节方面还有待提高，比如教师在教学活动中，哪些教学方式是最为擅长也最容易为学生接受？学生在学习过程中，个体的学习习惯是什么，什么样的学习方式最容易掌握知识？这些细节可能需要大量的实践经验总结出来，短期的教学评价是难以实现的。
大数据技术通过对教师与学生长期行为进行分析，得出具有个性化的教学行为、习惯、方式。“不得不承认，对于学生，我们知道的太少”。同样，我们也可能对教师知道的太少。大数据的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先，教学评价的方式不再是经验式的，而是可以通过大量数据的“归纳”，找出教学活动的规律。比如新一代的在线学习平台，就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复或强调。[8]对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握，哪类问题最易犯错等成为分析每个学生个体行为的直接结果。其次，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度。对学生的评价应该是多元的，特别是通过数据分析，可以发现学生思想、心态与行为的变化情况。比如，同一寝室，互相删除了联系方式，或者两者之间没有任何数据产生，同学之间的关系肯定出现了问题，通过数据分析，就应在学生心理与行为方面进行关照。如果通过文本分析、信息抓取分析出学生的近期情绪状态，很多悲剧可能就能避免。即使是掌握知识的单一维度，其因素也是多方面的，有的是记忆好，有的则是逻辑思维能力强，通过大数据技术，可以分析出每个学生的特点，从而发现优点，规避缺点，矫正不良思想行为。第三，教学评价跳出了结果评价的圈子，实现过程性评价。传统教学评价多是教的好不好，学的好不好，注重的是结果。而大数据时代可以通过技术手段，记录教育的过程。现在一些学校实行了电子课本，如果能记录下作业情况，课堂言行，师生互动，同学交往，并将这些数据汇集起来，不仅可以发现学生的特点，更不用为如何写期末评价费力了。
3.革新教育者教学思维
传统的教育大多是教育主管部门和教育者通过教学经验的学习与自己的总结，认为某些因素对教学活动很重要，从而一而再、再而三地强调。但是有些经验是不具有科学性的，常识有时会影响人们的判断。比如苹果公司就发现，笔记本电脑销售额的提升，常识认为的比如提高库存管理能力、提供员工更多的专业培训、做更为时尚的广告、促销等等，只能提升2%～9%的销售额，而把电脑屏幕和桌子呈70度角左右放置，却能高出其他电脑销售额的15%。70度角放置的电脑，因为反光会让人不舒服，从而诱使客户去搬动屏幕，一旦潜在客户与货物发生了肢体接触，他购买这个商品的可能性就上升了15%。[9]
大数据时代教师的教学思维需要从群体教育的方式转向个体教育，在教学过程中，可以真正做到因材施教，因人而异。传统教育也提倡因材施教，但是由于学生数量、教师精力、教育任务等制约，因材施教总是有些缺憾。大数据技术将给教师提供最为真实、最为个性化的学生特点，教师在教学过程中可以有针对性地进行因材施教。比如，在课堂学习过程中，哪些（或哪个）同学注意基础部分，哪些同学注意实践内容，哪些同学完成某一练习，哪些同学可以阅读推荐书目等等。这和网络购物相似，通过你过去的购买痕迹，网站就会分析出你的购物兴趣，从而有针对性地给你推送广告信息。
不仅如此，当学生在完成教师布置的作业时，也能通过数据分析强化学习。比如通过电子设备做作业时，某一类型的题目有几次全对，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化，这样不仅提高了学习效率，也减轻了学生的学习负担。
4.影响学校教育模式
学校教育是当前教育的绝对模式，适龄儿童、青少年都需要进入学校，通过教师的讲授进行学习。但是随着大数据时代的来临，这一教学模式可能会得以改变。2004年，澳大利亚人马丁开发了一个开源课程平台moodle，解决了来回奔波上课的问题。教师通过这个平台与学生互动，学习、考试、资料分发与上传等，都通过网站完成。2010年，这个平台数量已经达到了100万门户。2006年，孟加拉裔金融白领萨尔曼·可汗将自己的10分钟教学视频传到网上，几年后，这个网站注册用户达到了1000万。[10]
教育平台的开发，使网络课程得以飞速发展，2012年美国在线课程投资达到10亿美元以上。网络课程的发展给传统教学带来了巨大冲击，一方面，教育的方式将不再仅仅局限于学校教育；另一方面，教师的课堂教学出现新的替代模式。这种教育模式的革新，在大数据时代更有了存在的价值与意义。
传统教学模式有教师的督促、随时沟通、情感交流，是按照教学大纲按部就班地完成教学活动。这种教学模式有计划、有步骤，体现秩序性，但是在一定程度上也框定了学生的思维框架，学生的创新能力没有得到最大发挥。美国不少商业巨鳄都有辍学经历，甚至有的创业基金要求学生辍学才能发放。这当然不值提倡，但是，从一个侧面也反应出非学校教育，也同样具有创造能力的事实。大数据时代的来临，可以通过学生学习兴趣、在某一在线课程停留的时间、点击率、情绪反应等，推送更具有个性化的学习内容。这在知识爆炸的时代，显得尤为重要。此外，随着媒介社会化时代的来临，学生学习生活网络化已成事实，学生可以通过在线学习目前正在开设的课程，这对正在授课的教师是一种挑战。美国有个Udemy网站，老师根据自己上传视频的点击率获得报酬，2012年5月份，该网站上有的老师收入已经超过20万美元。随着技术的发展，以后教育网站将在大数据的支撑下，根据知识传播的形式、受众的兴趣不断优化教学内容、教学方式，为学生提供更高质量的学习内容。
⑻ “人工智能”，“大数据”+教育如何驱动教育的未来
近日，由论答公司主办的教育大数据研讨会在北京举行，讨论会主题为“大数据+教育，有哪些可能性？”。本次研讨会主要关注数据在教育领域的应用，具体包括自适应学习、学习数据分析和教育数据挖掘。来自宾夕法尼亚大学、人民大学、华中师范大学的专家和企业界代表，共同探讨了教育大数据和自适应学习领域的技术趋势和产业机会
Ryan Baker是国际教育数据挖掘协会（International Ecational Data Mining Society）的创始人、《教育数据挖掘》杂志（Journal Ecational Data Mining）主编，在各类期刊和会议发表了260余篇学术论文，先后主持了美国科学基金会（National Science Foundation）、盖茨基金会（Gates Foundation）等研究基金的多项重大项目，累计获得研究经费超过1600万美元。
他也在哥伦比亚大学教育学院和爱丁堡大学同时担任教职，他在Coursera和edX上开设的“Big Data in Ecation（教育大数据）”课程，有来自100多个国家和地区的学生注册。
研讨会现场，Ryan Baker通过远程视频，分享了他对教育大数据的体验和应用。据他介绍，目前在教育大数据领域主要有四大研究组织，分别研究人工智能与教育、教育数据挖掘、学习数据分析和大规模学习。
Ryan Baker表示，在教育领域广泛应用大数据的时代正在到来。教育数据挖掘有很多的应用方向，包括：预测学生是会辍学，还是会成功完成学业；自动检测学生的学习投入程度、情感、学习策略，以更好地达到个性化；给教师和其他相关人员提供更好的报告；教育科学的基础研究和发现。
他认为，个性化教育至少要做到三件事情：
1、确定学生的有关数据；
2、了解对于学生的学习来说什么是真正重要的；
3、有针对性地为学生提供合适的教学。
而通过教育数据挖掘，我们可以推断很多事情：
学生的元认知和求助。比如，这个学生有多自信？当他需要帮助时，有没有在寻求帮助？他有没有在给自己解释问题，有没有思考这个答案是正确的还是错误的？最重要的，当他面临挑战时，能否坚持下去？
没有投入学习的行为。比如，“玩弄”系统，为了找到正确的答案，有的学生会试各种不同的答案，从“1”试到“38”。粗心，本身会做，但是不用心，最后给出的答案是错的。有些孩子会做非常难以解释的行为，比如不用方程符号，而是画了一个笑脸。
学生情感。Baker的研究团队和其他研究团队，已经创造了研究模型，可以根据数据推断，学生是否感到厌倦、沮丧、困惑、好奇、兴奋、快乐，是否投入，等等。
长期的学习结果。比如，学生能够记住刚才他学的东西吗？学生准备好学习下一个主题、下一个知识没有？中学生能上大学吗？他会从大学毕业还是辍学？
Ryan Baker表示，要获得这样的推断，只需要学生与系统交互的数据，不需要学生戴上头盔检测器。目前，这些模型已经开始大规模应用于自适应学习，应用于几十万的美国学生。Ryan Baker列举了一些自适应学习系统的案例。
Knewton
通过系统决定学生下一个要学习的问题是什么，已在全球的多个领域多个学科中运用。
ALEKS-ALEKS
用的是先行知识结构和知识点模型，来选择最适合学生的学习材料。比如，一个学生在学习上出现了问题，系统能够检测出来，是以前学的知识点出了问题，然后让学生回到以前的知识点上去学习。ALEKS系统应用于美国高中、大学的数学、科学学科。
Cognitive Tutor
系统能自动检测学生的知识，直到学生掌握为止。比如，系统不会让学生学习下一步的知识，直到他展示出他已经学好了他现在正在学习的知识。系统能够给学校提供数据报告，学校根据报告能够更好地让学生投入到学习中去。每年大约被50万的美国初高中生用于数学学习。
论答
论答公司的系统与ALEKS的系统有些类似，也是用先行结构和知识点模型，选择合适的学习材料。同时也是自动检测学生的知识状态直到学生掌握为止。应用领域目前包括数学和英语，完全针对中国学生开发。
Reasoning Mind
用各种自动检测的模型来检测老师的教学是否有效。通过数据生成报告给每个地区的教学管理员，让他们找到方法帮助老师提高教学。主要是用于美国的小学数学。
Duolingo
自动检测学生记忆，来决定什么时候回顾已经学过的知识。在全世界范围内应用于外语词汇的学习。
其他的像Civitas，Course Signals，Zogotech都是地区供应商，运用风险预测模型提供行动信息预测。它们会对学生做出预测，可能学不好、会失败，把报告提供给老师。已在世界范围内的大学应用。
Ryan Baker指出，在这些系统中，有足够的证据证明，至少以下两个系统是非常好的。
1、胡祥恩教授在美国做了大量实证研究，证明ALEKS系统对于帮助学生学习是有效的。他的研究证明，ALEKS系统对于不同人群的学生是同样有效的；特别值得提出的是，ALEKS可以帮助少数人群群体提高学习成绩。
2、Ryan Baker本人领导的研究团队与论答公司合作的研究表明，学生通过论答系统学习，比通过传统的在线学习系统学习，效果更好。他们在中国3个不同的地区做的3次实证研究，都证明了论答系统的有效性。
Ryan Baker分析了教育大数据算法模型的潜在发展方向。他认为，这些模型的长期潜力是，通过学生的知识和学习模型来确认，学生什么时候需要更多的支持：
首先是“mastery learning”，学生在掌握一个知识前，不会让他去学习下一个知识。当学生需要支持的时候，自动介入；同时告诉老师和父母，这个学生什么时候需要支持。
通过学习投入程度模型判断，学生什么时候开始变得厌倦、沮丧了，并调整学习活动，让厌倦的学生不再厌倦，让沮丧的学生的学习变得更容易一些。
学习投入程度模型还可以检测，在线学习中，什么样的学习活动，能让学生更容易地投入进去，并最终发现，什么样的学习活动对学生更好、对什么样的学生更好。
这样的模型也能告诉老师和父母，学生什么时候开始变得不再投入学习了。
还可以运用学习模型确认，学生什么时候没有真正学会，需要更多支持。
最后，Ryan Baker指出，下一步的目标是优化之前已经验证的经验和方法，然后把它们运用到系统中，最终让中国和世界上的数十亿学生受益。
讨论：“因材施教”的千年理想该如何照进现实？
王枫博士，论答公司（Learnta Inc.）创始人兼CEO
胡飞芳博士，美国乔治华盛顿大学（George Washington University）统计学终身教授，中国人民大学统计与大数据研究院的教授
胡祥恩博士，美国孟菲斯大学（University of Memphis）心理系、计算机科学系、计算机工程系终身教授，华中师范大学心理学院院长
马镇筠博士，论答公司联合创始人兼首席数据科学家
辛涛博士，北京师范大学中国基础教育质量监测协同创新中心常务副主任、博士生导师，兼任国家督学、教育部基础教育课程教材专家工作委员会委员、中国教育学会学术委员会委员。
技术发展到今天，“因材施教”如何实现？
王枫：因材施教，我首先到的是，每位学生学习的内容都不一样。如果有新的技术或者系统，系统应该像一个好老师一样，不会头疼医头脚疼医脚。比如说，一元二次方程做错了，好老师不会简单说一元二次方程做错了，你继续再做十道一元二次方程的题目，这其实是很差的老师，他没有真正去全面评判学生，到底是哪些掌握好、哪些掌握不好。
一个好的老师可能会说，我全面地看了你整个学习，可能你的问题不是出在一元二次方程上面，老师看了你做的题目，一元一次方程没有掌握好、因式分解也没有掌握好，你继续做一元二次方程是浪费时间。这就是从系统角度来说，系统做到了根据每个学生最基础的先行知识点的结构，给你提供最适合你当前学习的知识点，题目也好、视频也好、还有其他各种各样的学习内容。
胡飞芳：因材施教是我们教育的理想状态。孔子很早提出因材施教，在他当时的历史环境里面，因材施教可能更多是个体性的，因为那时学生少、老师也少，因材施教相对比较容易做到。
随着历史的发展，我们有更多的人需要教育时，我们做的一件事情是什么呢？就是做了一个标准化。标准化做的是什么？课堂教育。课堂教育从某种意义上来讲是标准化。现在这个历史阶段，教育大数据可能真正要做到的就是因材施教，自适应学习本身想做的也是这个。
胡祥恩：因材施教事实上在学习理论里有两个：一个是outerloop“学什么”，一个是innerloop“怎么学”。用技术来细化因材施教是教育产业走向成熟的一个标志。但是这个路非常非常难，因为“怎么学”那个层次非常非常难。
马镇筠：“因材”代表认识到学生的个体化差异，“施教”指进行差异化教学，这是根本思想。但如果考虑到时代背景，孔夫子时代专注的是学生的职业发展方向，也就是说，把适合当政治家的培养成政治家，把适合当学者的培养成学者。现在再提因材施教，我们其实能做得更多、更精细化。
比如，“因材”，对“材”的分类不仅是职业方向，还会考虑到学生的学习状态、学习目标、潜在能力、兴趣偏好等。而且，传统意义上的因材施教考虑的是学生个体间的差异，没有重视学生本身状态是在发生变化的，学生在不断学习，状态甚至兴趣各方面都可能发生变化。
但这些是自适应学习能够做到，甚至比传统的因材施教做得更好的地方。再说到“施教”，现在我们能做的几件事，包括学习路径推荐，给不同的学生匹配他最合适的学习内容，这种非常精细化的层面，我们已经有了一定的技术积累。
怎么判断一个产品做到了真正的自适应？
马镇筠：大多数产品的学习过程可以分为测、学、练，可以从这三个环节去看这个产品做到什么程度。
测，各种学习机构都有测评。但是国内只有论答团队第一个做出来能够在几十道题内，精准判断你一百个知识点，哪21个没掌握，哪79个掌握了。市场上大部分竞品，只会告诉你，知识点掌握率或者分数，79分或者知识掌握率达到79%；或者一些其他维度的总结，比如逻辑思维能力比较强、阅读的磨炼技巧比较好、学习动力哪方面稀缺。他们做了降维，本来很复杂的学习状态这样说出来，相对比较容易实现。但如果要做到具体告诉你，哪些知识点掌握、哪些知识点没掌握，这个难度就高很多了。
关于学习路径推荐的话，很多题库类的软件，知识点学完之后，会给一些题目推荐，但真正实现路径推荐的很少很少。路径推荐也是很核心的，有20个知识点没掌握，先学哪个知识点，后学哪个知识点，学习顺序是非常关键的，必须遵循循序渐进的原则，哪些知识点是前提知识点，哪些知识点是后续知识点，随机给你知识点去学习的话不能起到最好效果。真正到了练或学的环节，推荐什么样的视频，先推视频还是先推文字讲义，推简单题、中等难度题还是复杂题目，都需要根据学生实际情况来决定。
刚才只是举了几个例子，具体涉及到背后的算法、整个系统跟学习内容的结合以及整个教学流程的实现，中间很多环节必须要打通，形成一个闭环，才能对最终的结果负责。
辛涛：我的研究领域是教育和心理学的测量和评价。我个人的学术观察，基本上在现代这领域是两个类型。一个是心理测量领域，有一套成熟的方法，包括早期的IRT（Item Response Theory）和现在的ADT。另外一个是人工智能检测。心理测量系统，是一小群人在做；人工智能化是大的方向，现在是显学，给大家提供了明显的可能性。重要的是，那些背后的算法，能够在企业里真正实现出来。现在可能很多算法已经在那儿了，大体上路径是通的。
自适应学习基本上是把学习和评价联动起来了。因为，要自适应学习，必须有一个系统随时看到学生学到什么程度，这个完全是评价。但是，评价完了之后有一个新的呈现。这一块现在已经有一些很成熟的一些东西了，但不是一时半时可以说得特别具体的。
我做教育的测量和心理测量，人工智能那块我不熟。但是，从教育测量角度来说，在自适应学习和新技术结合之前，很大一块还是自适应考试，CAT（computer adaptive test）。系列化产生一个CAT变成了一个自适应学习的过程。总的来说，使用最简单、最机械化的方法，连续的CAT实际上是可以破解一个学习过程的。
测评本身经历了好几个阶段，通常用三个应用介词表示。
accessment to learning and teaching；
现在国家倡导的，accessment for learning and teaching，测评要对学习和教学有帮助；
跟信息化结合，accessment as learning and teaching，它是学习提供的完全融合的一个环节。
王枫：什么样的自适应学习系统才是真正的高级自适应学习系统？在中国的落地到底是怎么样才能真正落地？我在马博士的基础上想补充一点。
自适应系统如果一定要分级，也可以简单分一下。一种最基础的系统是基于规则的，比如说埋点。一个学生做10道一元二次方程题目，我预先埋好了，你做错了，立马给你推五道一元一次方程题目、五道因式分解题目。这个是埋点埋好了，这是规则，预先由老师或公式设置好了。
但这个规则有用性是非常有限的，因为每个学生不一样，A学生是因为一元一次方程不会，B学生可能是因式分解不会，C学生可能连小学的乘法快速运算都不会，这个没法预先直接埋点准备好。
所以自适应系统真正到了更高级一点的话，一定是真正通过大数据、根据算法模型来分析学生的学习数据，匹配下一步应该学什么。
在中国，自适应学习有效应用于教学有三个前提条件。做到这三点，自适应学习在中国的教育里面前途无限。
好的产品。必须要有针对中国本土化的自适应学习产品，把它开发出来。像ALEKS系统的确算法不错，但里面连一套国内的高考题都没有，家长不会让小孩子用这样的系统，因为直接影响应试目标。真正本土化开发的话，没有一成不变的算法，世界上最好算法就是没有开发出来的。教育非常复杂，每个学科不一样。比如数学后台有强大的关系，先行后续关系；英语没达到数学这么强的相关性，但算法是一样可以应用的。
好的学生、家长、老师。有了好的产品，首先学生应该真正投入进去学习。像Ryan Baker教授讲的，学生如果随便学一下，再好的系统也没用。第二，家长得督促孩子学习。第三，老师非常重要。老师应该做有价值的事情，比如给学生做个性化的辅导答疑，给学生针对性的讲解，组织学习活动小组，鼓励学生发挥创造能力，领导能力的培养。
学校以点带面。学生大部分时间都在学校里面学习。如果学校里最基本的、有效的在线教学产品都不应用的话，其实是有问题的。但是改变绝对不是简单的行政命令可以解决的。一个好的产品，一定是从点到面，逐步推广。自适应学习，更适合有明确目的的学习，像应试教育这块可以做得更好。所以学校可以应用进去。
胡祥恩：我觉得大家做自适应也好、因材施教也好，比较好的例子大家可以看一看。教育这个领域有多大，自适应概念就该有多宽。所以说，实验室里面有很多小的做得非常非常好的东西，只是没有到市场上面去，有很多非常非常巧妙的算法、一些东西。你会发现很多欧洲的、美国的实验室做的system，我每次看了都有种，自己是坐井观天的感觉。
怎么看待人工智能在教育中的应用？
胡飞芳：AlphaGo跟master，谷歌做了一个非常好的广告，人工智能在某些方面可以做得非常好。但是，我现在给你们讲另外一个谷歌自己不会去说的例子，但这也是事实。2008年、2009年的时候，谷歌推出一个免费产品，用各种搜集到的数据，预测美国的流感发展趋势。开始时很成功，预测跟实际发生的情况很相似。但到2015年，他自动撤回去了，不再提供预测。因为在2012跟2013年预测的时候，预测结果跟实际情况相差非常远。
这说明像这种不确定性的问题，人工智能还有非常大的局限性。一旦有不确定的数据，就有噪音。数据量很大时，大数据可能产生大噪音。怎样使噪音下降？2015年一个哈佛教授的研究团队在谷歌的基础上，用谷歌的数据去做同样的预测。他用了什么呢？就是用了模型，实际上模型在很多时候降噪是很有用的，用模型去预测，而不完全是人工智能的方式去预测。结果，他做出来的预测基本都比较准。
人工智能相对比较成功的，是比较确定的问题，所谓的确定是不管有多少种可能性，还是一个确定的东西。而流感很多时候是完全不确定的因素。
教育其实很多时候也是不确定的。同样一个人，现在让他回答这个问题，他可能思路清楚地回答出来；过了一个小时后，即使是同样类型的问题，按道理他应该回答出来，结果他回答不出来。这是说，实际上有很多因素在干扰的时候，人工智能的功能是不是会减少一点。把模型跟人工智能加在一起，会弥补人工智能在某些方面的弱点，这样会更好。
怎样促进商界和学界的交流，更好地把学界已经有的一些成果，运用到市场上来？
胡祥恩：教育产业应该是一个最大的产业，教育产业事实上是一个知识产业链。到目前为止，很多人认为自己要做一整套系统而在美国汽车业，最赚钱的是供应商，是做轮胎、做玻璃的。一旦标准化之后，一个人如果螺丝钉生产得最好，他就能够养活几家人、几代人。
到目前为止，美国推的就是教育标准化，教育内容的标准化、教育技术的标准化。比如说97年的时候，就说怎么样把内容标准化，你做的东西我可以用。我只是做整个教育知识产业链里面一个小块，做得很好。教育整个的产业链，有可能发挥特别特别技巧的那些小的公司，就能够在这个产业链里面生存、可以做得很好。第一个是要标准化，第二个要理解整个教育是一个产业链。
⑼ 大数据的优与劣
《与大数据同行》一书告诉我们大数据的优与劣。
大数据的优点。大数据为学习带来了三大改变：一是我们能够收集对过去而言，既不现实也不可能集聚起来的反馈数据；二是我们实现迎合学生个体需求的，而不是为一组类似的学生定制的个性化学习；三是我们可以通过概率预测优化学习内容、学习时间和学习方式。
反馈、个性化和概率预测是大数据的三个核心要素。
大数据的劣势。主要是滥用大数据会带来危害。因为大数据永久地保留了学生的过去。这些数据将永远储存学生表现、喜好、习惯及其它回忆，包括那些不愿意提及的过往。还有大数据可以进行概率性的预测，但是这种预测可能将学生的未来引到“歧路”上去。
但无论怎样，大数据将把教育带入一个崭新的未来！
⑽ 大数据之父舍恩伯格:互联网比你更了解你
大数据之父舍恩伯格:互联网比你更了解你
牛津大学网络研究院网络监督及管理学教授，研究领域为网络经济。曾任哈佛大学肯尼迪学院信息监管科研项目负责人，哈佛国家电子商务研究中心网络监管项目负责人；曾任新加坡国立大学李光耀学院信息与创新策略研究中心主任。并担任耶鲁大学、芝加哥大学、弗吉尼亚大学、圣地亚哥大学、维也纳大学的客座教授。
有100多篇论文公开发表在《科学》、《自然》等著名学术期刊上，同时也是哈佛大学出版社、麻省理工出版社、通信政策期刊、美国社会学期刊等多家出版机构的特约评论员。
信息权威与顾问，咨询客户包括微软、惠普和IBM等全球顶级企业。早在1986年与1995年就担任两家软件公司的总裁兼CEO，1991年跻身奥地利软件企业家前5名之列，2000年被评为奥地利萨尔斯堡州的年度人物。
机构和国家政府高层的信息政策智囊，专注于信息安全与信息政策与战略的研究，是欧盟专家之一，也是世界经济论坛、马歇尔计划基金会等机构的咨询顾问，先后担任新加坡商务部高层、文莱国防部高层、科威特商务部高层、迪拜及中东政府高层的咨询顾问。
超过两年没穿的衣服会送人，拍得不好看的照片要当即删除
大数据之父舍恩伯格：互联网比你更了解你
时代周报记者 韩玮 发自上海
舍恩伯格又要戴着他标志性的约翰·列侬式的圆眼镜来中国了。
9月25日，时代周报举办2015“影响力·中国”秋季峰会，舍恩伯格将受邀出席，讲他最擅长的大数据。
最近两年，这位数据科学领域的权威学者每隔几个月就会出现在中国，而他所到之处，无不受到媒体、读者的簇拥。
舍恩伯格之所以在国内名声大噪，主要是因为他的两本畅销书、关于大数据的先河之作—《大数据：一场将改变我们生活、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《大数据时代》）以及《删除：大数据取舍之道》（Delete: The Virtue of Forgetting in the Digital Age）。前者揭示了大数据给人类带来的巨大改变，后者则尝试探索大数据时代人类应该如何构建积极而安全的未来。
作为最早洞悉大数据发展趋势的数据科学家，舍恩伯格在国内受追捧并不奇怪。毕竟，此刻的中国—国务院刚刚印发《促进大数据发展行动纲要》，提出推动大数据发展和应用在未来5-10年逐步实现的目标及主要任务。国内的大数据产业正迎来大发展时期。
而由于大数据太火，在这个新淘金时代，人们对舍恩伯格的兴趣不再停留于他的研究，还延伸至他本人以及他获得一系列学术成就的过程。
恰好，舍恩伯格是个性格有趣而经历丰富的人。比如，他曾因不想继承家业而与父亲争执数十年，最终走上学术之路。
代码少年
“我母亲以前经营一家电影院，我每年都会问她，过去一年最好的电影是什么？她总是说，我知道，是×××。但她总是错的。”
舍恩伯格常常在演讲中提起这个例子，尽管只是为了佐证大多数人都需要数据分析工具这个观点，但无意间却把很多人的兴趣引向了他的过去。
这位如今在全球数据科学领域极具名望的科学家其实算得上是“富二代”。他出生在距离莫扎特故乡奥地利萨尔茨堡两小时车程的一个小镇上，父亲是当地的税务律师，有自己的事务所；母亲则打理着小型电影院、花店等生意。
1966年，舍恩伯格出生那年，他的父亲买来了小镇上的第一台电脑，价格不菲。当时，镇上所有人都觉得他疯了，肯定会破产。而这台巨大的个人电脑运转时发出的嗡嗡声陪伴了舍恩伯格的整个童年。
小时候，舍恩伯格喜欢看阿斯特丽德·林德格伦的童话书。这位已故瑞典作家最著名的作品是那本充满想象力的《长袜子皮皮》。而那时的舍恩伯格梦想成为发明家，因为，让想法变成现实是一件特别诱人的事。
“如果还可以和林德格伦共进午餐，我想问她，她如何激发自身的想象力？爱因斯坦说过，想象力比知识更重要。”舍恩伯格说。
读书时，舍恩伯格最喜欢的科目是物理和数学，进而又对计算机着迷。十一二岁时，他就想用那台嗡嗡作响的电脑编程。
“当时，只有大学才有计算机，我就去当地大学报了一门编程课。但老师觉得我不可能学会，就让我自己玩。于是，我便在角落里自学。”到了高中时期，这位天赋异禀的少年先后在国际物理奥林匹克竞赛和奥地利青年程序员竞赛中获了奖。
17岁时，舍恩伯格第一次触网。当时，他无意间得到一个声音耦合器，其实不过是简陋的调制解调器—使用者得把电话听筒与之连接，从而激活以声音传送方式进行的数据传输。
在此之前，舍恩伯格听说过互联网，但从没体验过。于是，他捣鼓了好几个月，试掉了一大笔电话费，最终连上了一个提供初级的邮件、论坛等商业在线服务的无线电通讯网站“The Source”。此后，舍恩伯格便一发不可收拾，对网络着了迷。
1986年，年仅20岁、没读完大学的舍恩伯格“创业”了—成立杀毒软件公司Ikarus，并开发了一款当时奥地利最畅销的软件Virus Utilities。至今，网络对Virus Utilities的介绍上写着，这是一款剽悍的杀毒软件。1991年，年轻的舍恩伯格还被评选为奥地利最顶尖的5位软件企业家之一。
这段程序员的经历为舍恩伯格的未来打下了基础。许多年后，在《大数据时代》这本书中，舍恩伯格写道，真正的数据科学家是统计学家、软件程序员、图形设计师与作家的结合体。
父与子
在舍恩伯格的学术之路上，很难绕开的一个人物，就是买来了小镇上第一台电脑的父亲。
舍恩伯格与父亲的关系并不差。至今，他记忆最深的关于父母的细节是，每天晚餐后，父亲都会耐心听他讲述那天发生的事以及他的一些想法。舍恩伯格觉得，这是父亲的“超能力”。
不过，父亲始终不希望舍恩伯格满脑子想着如何成为计算机学家，尽管他迁就儿子喜欢计算机。这位在小镇上有头有脸的税务律师总在劝说自己的孩子尽早学完法律，继承家业。在子承父业和投身计算科学之间，舍恩伯格与父亲争执了数十年，直到后者去世。
而在20岁左右的年龄，舍恩伯格还是顺从父亲，先在奥地利萨尔茨堡大学读了法学本科。据说，因为法律太无趣，这位学霸硬是在3年半里读完了7年的书。
接着，父亲要求舍恩伯格继续在法律上深造，但这个年轻人心不甘情不愿，于是便赌气地只申请了一所学校—哈佛。他觉得，自己肯定不会被录取。
收到录取通知书那天，舍恩伯格以为是朋友开玩笑，于是按照上面的电话号码打过去斥责，“这是愚蠢的玩笑！”而电话另一头却有声音说，“不，这里是哈佛。有什么能帮你吗？”
这不是舍恩伯格唯一一次“厚积薄发”。其实，在学生时代的大部分时期，舍恩伯格虽然出色，但不是最出色的那个。但到了最后一个学年，他就像突然间开了窍，过去学过的东西顿时“融会贯通”了。于是，出乎所有人包括他自己的意料，他在毕业前的最后一次考试中获得了学生生涯唯一一次的全A。
而在美国最古老的法学院哈佛法学院，舍恩伯格开始觉得自己学的法律不再像本科时那么了无生趣。尽管如此，他依然不想学成后接手父亲的公司。
有记者采访舍恩伯格时曾问，“你后来为什么当上了大学教授？”他说，“我一直想成为发明家，直到我那个一直‘逼’我接手家业的父亲有天问我，如果不想做税务律师，你想做什么时，我才下定决心当大学教授。至少，对于我父母来说，这会是一个比发明家更容易接受、更受人尊敬的工作。”
从哈佛毕业后，舍恩伯格又拿到了萨尔茨堡大学的法学博士以及伦敦政经学院的理学硕士学位，并依照对父亲的承诺，在伦敦一所大学谋得了教职。
当时，舍恩伯格的父亲面对这样的局面依然感到有些失落，最后竟然猝然辞世。父亲去世的第二天，舍恩伯格选择离开伦敦，放弃自己的事业和学术，回到自家的镇子上，做起了以前无数次拒绝的税务律师。
“我的人生，和大多数人一样，既是连贯的，同时又屡受波折。我最初喜欢物理、数学，转而对计算机产生兴趣，进而关注数据安全和数据编码，并喜欢上了研究隐私法、知识产权法以及网络法。依照这个路径，数据逐渐成为我关注的重点。但我的生活又被一次次打乱。比如，父亲的离世让我放弃了原来的事业规划，回到了老家；但一年后，我又卖掉父亲的公司，艰难地重回学术圈；后来，偶然的机会让我得以到哈佛大学肯尼迪学院任教。某种意义上说，这些波折给我制造了意想不到的困难，但也带来了意想不到的机会。”舍恩伯格告诉时代周报记者。
大数据之父
自1998年始，舍恩伯格的学术研究步入正轨。他进入哈佛大学肯尼迪学院任教，并在那里度过了10年。此后，他曾在新加坡国立大学李光耀公共政策学院做过3年副教授，借机观察亚洲的信息政策，而今则在牛津大学互联网研究院担任治理与监管专业的教授。
这10余年间，互联网飞速发展，人们开始使用手机上网、聊天、购物，完成很多过去必须线下操作的事。而这些变化都被舍恩伯格陆续记录在论著里。
2010年，在舍恩伯格组织的一次研讨会上，几乎所有参会者发言时都开始提及社会运转模式正在发生某种改变，但谁也说不出这种变化的实质是什么。当时，《经济学人》的数据编辑肯尼思·库克耶（Kenn Cukier）也在会场，他不久前刚做过一期《大数据的冲击》的特刊报道。
那场研讨会后，舍恩伯格与库克耶进行了很多次深入交谈，“然后，我们决定合写一本书，探讨大数据对于当下的意义以及大数据时代的本质”。
2012年12月，舍恩伯格与库克耶合写的《大数据时代》出版。这本大数据研究的先河之作不仅广受媒体好评，还让舍恩伯格知名度大涨。
在书里，舍恩伯格通过各种例子展现大数据带来的改变。比如，一家叫Farecast的公司通过近十万亿条价格记录来预测美国国内航班的票价。到2012年为止，票价预测的准确率达到75%，使用Farecast票价预测工具购买机票的旅客，平均每张机票可节省50美元。
“大数据的核心是预测。它通常被视为人工智能的一部分，或者说是一种机器学习。但其实，这种定义具有误导性。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量数据上来预测事情发生的可能性。”舍恩伯格写道。
在这本书里，舍恩伯格还提出了一个广为引用的观点—大数据关注的不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。
“具体来说，大数据的目的是全面的数据收集和分析；同时，我们要明白，在数据质量和数据数量之间要有一个平衡，所以，‘不是精确性，而是混杂性’，而‘不是因果关系，而是相关关系’，这是让我们意识到，因果关系不再是解释这个世界的唯一逻辑。”舍恩伯格告诉时代周报记者。
此外，舍恩伯格还是倡导大数据商业应用的第一人。在《大数据时代》中，他指出，如今的数据已经成为一种商业资本、一项重要的经济投入，可以创造新的经济利益。而这也是他屡屡被正在大力推动大数据产业发展的中国人当作座上宾的原因之一。
在关注数据的价值之余，舍恩伯格感兴趣的另一重要领域是如何避免数据被滥用。在早于《大数据时代》出版的《删除：大数据取舍之道》一书中，舍恩伯格提出了数字时代最大的问题：互联网记住了人们希望自己忘记的东西。当遗忘成为例外，记住变成常态，人类理性决策的能力就会受到威胁。所以，在大数据时代，所有人都应该享受“被遗忘的权利”。
事实上，舍恩伯格本人早早地为自己确立了一套关于删除的生活准则。比如，那些超过两年没穿的衣服会被他送人或处理；那些拍得不好看的照片，他会当即删除。因为，“如果不删除，在数字时代，互联网可能会比你自己更加了解你”。
舍恩伯格这些新颖的想法曾一度让读者直呼开了眼界。而目前，他告诉时代周报记者，自己的兴趣点转到了小型无人机上。其实，一直以来，舍恩伯格对飞机驾驶以及基于大数据分析的无人驾驶都颇感兴趣。只是不知道，这位数据科学家未来又会在这个问题上带来怎样“让人感觉脑洞大开”的思考。
对话舍恩伯格：
“只要他们不滥用权力，不必对数据寡头反垄断”
时代周报记者 韩玮 发自上海
9月13日，在接受时代周报记者独家专访时，舍恩伯格讲述了自己对大数据的一些理解，以及收获这些理解的过程。
影响最深的人是高中物理老师
时代周报：今年暑假，以艾伦·图灵为原型的传记电影《模仿游戏》在中国上映，感动了很多人。你看过这部影片吗？艾伦·图灵是计算机科学之父，他对你从事数据科学研究是否有影响？
舍恩伯格：我看过这部电影。事实上，很多年前，我就读过一些图灵的论著。你可能记得，我以前做软件公司时就需要编码，所以，图灵的书肯定要看。
不过，影响我最深的人不是图灵，而是我的高中物理老师。他让我开始接触到熵的概念、相对论、量子理论等。对于我来说，他就像是为我打开了通往新世界的大门。
时代周报：大家都认为你是当今最重要的数据科学家之一。我特别好奇，大数据给你本人的日常生活带来改变了吗？
舍恩伯格：我是大数据服务的“大用户”。平常，我会戴苹果手表，一直以来，它为我的身体健康提供了很多帮助；我也喜欢诸如亚马逊一类的电子商务公司，同时，还经常使用谷歌地图。此外，维基网络对我来说是个难得的好帮手，它让我比过去更加容易获得有用的信息，对我的帮助很大。
时代周报：我今年曾采访过畅销书《大停滞》（The Great Stagnation）的作者、美国经济学家泰勒·考恩。在谈到对大数据的看法时，他告诉我，“大数据被高估了，因为，大多数人都不知道他们手握的这些数据要用来干什么，企业也一样。大数据能帮助我们在某些边缘地带提高效率，比如针对性的广告，但它无法改变全局。这其中，最困难的是问对问题，并且找到问题背后特定的模式，再用数据去加以匹配。这非常难以实现。”你认同他的观点吗？
舍恩伯格：我非常欣赏泰勒·考恩，《大停滞》是一本很棒的著作。我还曾引用过这本书里的一些观点。但在大数据的问题上，我觉得他的观点是错误的，或许，这是因为这方面不是他所研究的核心专业领域。
大数据可减少资源不公平的危害
时代周报：现在，大多数行业提起大数据就言必称“这是一场行业革命，要颠覆过去”。你认为，大数据真的会颠覆那些传统行业吗？
舍恩伯格：会的，这种颠覆已经发生，并在快速进行。施乐帕罗奥尔托研究中心前主管约翰·西里·布朗（John Seely Brown）就发现，过去几十年，超大型企业的寿命正在缩短。与此同时，我们看到，就在最近几年，大数据驱动、估值达到数百亿美元以上的互联网企业不断涌现。在人类历史上，没有哪个时期在比今天更多的领域，发生比今天更快的变化。
时代周报：目前，中国存在网络、阿里巴巴、腾讯三大互联网巨头，分别统治着搜索、电商、社交三个领域，他们不断吸纳着用户的网上行为数据，几乎肯定会成为中国的数据寡头。你认为，在数据层面是否需要反垄断？
舍恩伯格：我认为必要的一点是，互联网要对新的创新主体保持开放的状态。只要大企业不滥用自己的权力，将那些更小但更好的初创企业赶出市场，那么，他们就不会制造太多的威胁。所以，我更关注的是这些企业的实际行为，而非他们的规模。
时代周报：除了数据，我知道，你还对教育问题有着深入研究。今年1月，你出版了一本名为《与大数据同行：学习和教育的未来》的新书，专门探讨大数据研究在教育领域的应用，以求真正实现因材施教。而中国教育的主要问题是教育资源分配不公平，大数据能解决这个问题吗？
舍恩伯格：大数据不能从根本上消除这种不公平，但是，通过大数据的手段，我们能以相对较低的成本提供高度个性化的教育，从而减少这种不公平带来的危害。换言之，大数据能让学生以很低的成本，获得至少像“私人家教”那样的订制教育。所以，大数据可以成为改变整个游戏的因子。
以上是小编为大家分享的关于大数据之父舍恩伯格:互联网比你更了解你的相关内容，更多信息可以关注环球青藤分享更多干货