28.院校思维
纽顿的首席执行官何塞·费雷拉曾说：“从今年秋季起，学生的课程材料将在纽顿技术的支持下，适应和满足每个学生独特的需求。此外，纽顿可以分析由学生生成的大量数据，找出具有价值的数据，从而确保学生有效、高效地学习。”
可是一张试卷，能带来多少数据？分数的背后有多少有价值的信息？励志大师卡耐基说过的一句话：“不得不承认，对于学生，人们了解得太少。”这句话也是美国教育类年会中出镜率最高的议题。
那么，“大数据”时代，如何推动和创新院校教育模式？
首先，我们来说一下二者的区别。传统数据的整理方式能凸显学生整体的专业水平或整体素质、身体的发育状况、社会性情绪及适应性的发展，还有对学校的满意程度等。而大数据就不一样了，它具备的分析能力更广、更细腻。它可以去关注每一个学生的微观表现，比如，在考试时，他在一道题上逗留了多久；在不同学科课堂上，他开小差的次数是多少；在食堂吃饭，他喜欢吃什么，不喜欢吃什么；每个学生的出生日期，包括喜欢的颜色等。
这些数据对其他个体没有意义，但所有学生的数据整合起来对大数据分析就有价值了。并且，这些数据只是在一定的观测技术与设备的辅助下，在不影响学生的日常学习与生活的情况下进行观察和收集的。
举个例子：在美国，数据驱动教育工具已经在很大范围内使用了。有16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素，比如旷课、纪律或课堂表现等预测模式，教育者就可以确认哪些学生退学的可能性较高。通过利用大数据来观察并分析对学生在课堂中点滴的表现，大数据帮助我们可以了解学生对知识的掌握程度以及感兴趣程度，进而让学校反思自己的教学模式是不是满足了学生的需求。有了大数据以后，教育工作者们就可以针对不同的学生进行不同的教育模式，从而真正做到因材施教和以人为本。
大数据对学生的评判标准更科学
当学生回答问题的时候，一些变量就需要一起分析了。试想一下：学生回答不上来的问题就是好问题吗？学生对答如流就是老师教得好吗？除此之外，时间也是一个非常重要的因素。比如，学生在考试的第一部分耗费了太多的时间，那这是不是就意味着接下来的速度会快一点？这些都给研究者提供了大量的数据。运用这些数据，研究者就能揭示学生的学习模式。研究者运用已有的数据，就可以知道什么因素构成了好的学习环境，是什么能够引起学生的学习兴趣？当能够理解这些重要的问题后，教育工作者就能给学生创造一个个性化的学习模式。
大数据要求教育工作者必须超越传统，不要单一的只追求正确的答案，而是要了解学生朝着正确答案努力的过程。比如，在一次考试中，全班学生在每道题上花费了多少时间？用时最长的是哪道题？用时最短的是哪道题？在某一道题上，学生平均用时又是多少？哪些题是曾经学过的，有哪些同学答对或答错了？哪些问题的线索让学生获益匪浅？通过监测这些信息，形成数据档案，能够帮助教育工作者理解学生为了掌握学习内容而进行学习的全过程，并有助于向他们提供个性化的学习模式。
为了能够提高学生的学习成绩，我们需要知道以下这些信息，比如，每一个学生在回答问题的时候，花费了多少时间？为了回答这个问题，学生在课下或课上做了哪些准备工作？当遇到某个问题时，有哪些学生说不会，然后直接把问题跳过了？在回答某个问题时，学生运用了哪些学习点？在课堂上，问题与问题之间存在哪些关系？对学生来说，老师的哪些建议才是有效的……
用学生学习的行为档案能够提高学生的学习效果，利用“学生是如何学习的”这样重要的信息，考试的出题者们就能为学生量身定制出适合学生的个性化问题，设计出能够促进记忆力的线索。通过大数据的分析和研究，教育工作者可以发现，从教育的效果上来看，当被问到一系列难度逐渐增加且互相关联的问题时，学生的表现要好于围绕一个共同的知识点而随机挑选出的问题。
为此，有人经过一番研究后，将传统的院校决策模式总结为四种：第一种是通过“合意”的过程来平衡大学内多方群体利益的“学院型”模式；第二种是通过“扩散”程序表达不同权力集团、利益群体诉求的“政治型”模式；第三种是决策程序无章可循、随意性大的“有组织无政府型”模式；第四种是依靠决策者所具有的理性认知能力制定决策的“官僚主义”模式。这四种模式的共同弱点在于缺少有力的决策支持依据，管理者实际上是以“有限理性”为基础，努力做出“足够好”的决策。
在大数据背景下的院校决策，可以为教育决策者提供和完善认知经验所缺乏的信息、知识和智慧。针对这样的情况，有学者将其称为以数据系统为支撑的“知会理性”决策模式。
通过这一模式，院校决策的完成过程是这样的。首先，收集相关的数据。在了解到一些信息需求以后，就可以收集相关的数据信息。与此同时，还有大量外部与学校相关的数据信息联系在一起，形成了大数据库。其次，建立数据模型，从而进行数据分析。在进行数据分析的过程中，最重要的就是怎样建立有效的数据模型，然后将分析数据的过程以及分析结果整合在一起。再次，是展示信息。当信息分析完成以后，大数据信息报告就会向决策者汇报信息、解释结果，甚至在公开的平台上共享资源。这样的做法，就是进一步检验数据的来源与可靠性。最后，就是决策。在大数据信息分析得出的结论之后，决策者就会做出科学的决策，让其他人少走弯路，以及更好地促进教育事业的发展。
29.教学思维
大数据时代的出现，不仅在教育界掀起一场轩然大波，改变了教育者们以往的思维方式和工作方式，还为信息化教学变革创造了有利条件。下面，我们就来了解一下大数据变革教育的第一波浪潮。
翻转课堂是未来教育的课堂模式
翻转课堂这个概念起源于美国，它有两个经典范本：一个范本来源于科罗拉多州林地公园，是由两位高中教师经过教学探索发现的；另外一个范本是美国人萨尔曼·汗的实验结果。这两个经典范本的相同点，是采取让学生在上课前先学习教学视频，在课堂上完成作业或做实验的方式，而老师则在学生遇到学习困难时给予帮助，对他们进行一对一的个性化指导。这种做法取得的成效非常显著，学生的成绩得到了有效提高，信心也足了，学生、家长和老师对此种课堂模式都很肯定。尤其是萨尔曼·汗的翻转课堂实验，证明并提出了人性化教育的重要原理，改变以往的传统课堂的教学结构，突显提升学习绩效的价值。对此，比尔·盖茨称为“预见了教育的未来”。
此外，萨尔曼·汗还有了一个意外发现，就是为什么会出现“学困生”。原来，在传统教学模式的环境中，学生在上课的时候听课，下课以后写家庭作业，隔段时间就会考试，无论考了70分、80分，还是90分、95分，课程都会很快进入下一个主题。即便是得到95分的学生，也有5分的疑问和难题没有解决。就这样，在重复循环的模式下，不会的难题越来越多，从而导致学习成绩下降。这种“只要学生快速向前，而不管他们面临的难题”的传统教学模式，不仅不会提高教学质量，甚至会适得其反。
翻转课堂的出现，缔造了一种人性化的学习方式。学生在家观看教学视频，就能够根据个人的需求和学习进度有规律地学习。也就是说，学生可以按照自己的节奏、步骤、速度或方式，随意暂停、重复、倒退，抑或是快进。如果忘记了之前的学习内容，没有关系，不需要有任何负担，只需要再次观看视频，获得重温的效果。对此，萨尔曼·汗还发现，那些在某个或某些概念上多用一点点时间的孩子，一旦理解了概念，进步就会很快。后来，翻转课堂凸显大数据促进信息化教学变革的方式被萨尔曼·汗成功移植到教育领域。可以说，他开发软件帮助老师发现需要帮助的学生，就是大数据预测的成功。
在洛斯拉图斯学区的实验中，老师会通过学习管理平台，轻松并全面地了解每一位学生学习的状况。在这个管理平台上，每一行都能够反映出一个学生的学习情况，每一列都是对学生学习程度把握的一个概念。比如，概念有绿、蓝、红三种颜色做背景，绿色就代表学生已经掌握所学的知识点，蓝色代表学生正在学习，红色就代表学生在设定的时间内还没有完成学习。通过这样的分析和整理，就能把握学生作业时间、完成作业的进度以及在学习过程中有没有遇到困惑。接着，再与三种颜色关联起来，让数据快速处理，就能马上预测出学生的学习情况，快速发现需要帮助的学生，并及时对他们进行有针对性的个性化指导。这样一来，“学困生”的可能性就会大大降低。
MOOC风暴来袭，放大翻转课堂效应
受翻转课堂“用视频再造教育”的启发，源于斯坦福的Coursera、Udacity，以及由麻省理工学院与哈佛大学联合创办的edX也开始效仿并实施，成为领军翻转课堂的三驾马车。在课堂中，学生们只要选修MOOC就可以取得学分，还可以充实自己的生活与职业生涯。斯坦福大学的Sebastian Thrun与Peter Novig教授的“人工智能导论”课程，有来自近200个国家超过16万人注册学习，已经有2.3万人完成整个课程学习。如果只从通过率来考察的话，14.375%的合格率似乎根本无法与传统课堂教学的合格率相匹敌。但是，如果从单门课程合格人数的绝对值考察，那么，2.3万人合格的绝对数，绝对在任何一个名校史上都是伟大的创举。
此外，哈佛大学和麻省理工学院还强调：进入MOOC，仅仅是为了改善课堂教育和模式，而不是代替课堂教育。麻省理工学院校长苏珊·霍克菲尔德这样说道，“在线教育不是住宿制学院教育的敌人”，而是“令人鼓舞的教育解放联盟”。在麻省理工学院，选修MOOC的学生必须在有监考老师的教室中进行测试。麻省理工学院从事材料科学与工程研究的Michael J.Cima教授，在使用来自MOOC的数据进行平行分析后，得出的研究结果令他惊讶：“有数据表明，在线学习效果可能比在教室内学习的效果更好！”他已考虑将MOOC教学中的一些自动评估工具带到传统课堂教学课程中去。目前，三家主流机构的课程加起来已经超过230门，大部分为理工类课程。
在英国，爱丁堡大学、伦敦大学纷纷加入了Coursera，伯明翰大学、东英格利亚大学、埃克赛特大学、兰卡斯特大学、卡迪夫大学、伦敦国王学院、开放大学、布里斯托大学、利兹大学、南安普敦大学、圣安德鲁斯大学、沃里克大学等12所院校联合组建了新的MOOC平台Future Learn LTD。英国一份题为《雪崩来了》的报告中，有这样的言论，大意是说全球高等教育领域正在发生一场前所未有的革命，主要驱动力就是网上大学的兴起，对此，英国的大学再也不能无动于衷。
面对全球性的MOOC高潮，各国的大学都纷纷开始行动，包括中国各地的学校。进入2013年以后，上海市推出了“上海高校课程资源共享平台”。从3月3日起，上海市近30所高校的学生都可以在平台上选课，复旦大学的“哲学导论”等7门课程实行校际学分互认。虽然在目前，这7门课程针对的是学历教育，但课程更强调学习过程，融入了作业、考试、论文、讨论组研讨和承认学分等评价机制，与MOOC很是类似，是中国大学开始MOOC行动的开始。
紧接着，清华大学和北京大学也加盟edX。清华大学将配备高水平教学团队与edX对接，前期将选择4门课程上线，向全球开放。其中，电路课在线教育已经做了小规模实验，并成为热门的候选。而北京大学则申报了14门课程，其中包括文理多个学科门类。MOOC的兴起以及发展，使萨尔曼·汗的翻转课堂模式迅速推广到高等教育，且进展到可以通过选修MOOC获得学分、进入正轨教育的程度。
微课程兴起：回应翻转课堂和MOOC浪潮
微课程与MOOC有着异曲同工之妙，灵感都是来源可汗学院的翻转课堂实验。只要运用微课程资源，学生们就可以在家开始自主学习。如果有困惑的话，还能够将视频暂停、倒退或重放等，这样的个性化的模式更容易达成学习目标。如果学生实在不能解决问题的话，那就先记录下来，再接受老师的耐心指导。这样的学习方式不仅奏效快，而且对学生的帮助也很大。
此外，微课程灵感与视觉驻留规律也有着一定的关系。一般来说，人的注意力集中的有效时间在十分钟左右，因此，MOOC的制作者把视频的长度限定为8-12分钟，并且会在中途暂停数次，增加测试与互动，以避免视觉听觉疲劳。中小学用于“前置学习”的微课程教学视频，是学生自主学习不可或缺的资源，尤其强调遵循视觉驻留规律，避免因视觉和听觉疲劳，从而降低学习效度。
从目前来说，微课程已经开始影响到中小学信息化教学的实践。为此，教育部教育管理信息中心于2013年4月举办了第一届“中国微课大赛”。微课程变革信息化教学的推波助澜，也昭示出了微课程影响基础教育的趋势。
30.教育思维
在前几年，教育领域的人不知道“云计算”是什么东西，又运用在什么地方；而现在，“大数据时代”以不可挡的势头扑面而来，给教育界的人敲响了警钟，告诉他们：“原始”的教育方式已经成为过去，“新时代”已经袭来。
刚开始，一些教育工作者还不能适应，对“大数据”的概念也模糊不清。其实，“大数据”是信息爆炸时代产生的海量数据库。大数据时代的来临，不仅改变了企业看待事物的方式和思维，迫使公司改变了商业模式，还颠覆了以往的教育模式。
维克托·迈尔-舍恩伯格曾讲述了这样的一个故事：
2009年出现了一种新的流感病毒，弄得人心惶惶。全球的公共卫生机构都担心病毒会大规模蔓延，于是就非常想知道流感传播到了哪里，是沿着什么路径传播的。不过可惜的是，他们只能等到事情过后，再根据各地医院的门诊量得到相关的数据。可是到了这时这一阶段，数据已经毫无价值了。出人意料的是，Google的工程师们准确给出了答案，其工程师们根据人们在网上搜索的与流感相关的关键词，如“感冒药”“喉咙痛”“发烧”或“咳嗽”等词汇，对比了过去两年里美国疾控部门对流感传播的总结报告，发现过往的搜索数据和流感的传染路径相关性达到97%。也就是说，今后，疾控中心完全可以通过Google的搜索数据，在第一时间掌握流感的传播方向，而不用再等待事后统计了。
从这则故事中，人们可以知道：“大数据”并不是一种技术的时尚潮流，而是在信息技术高度发展之后，人们如何开发利用数据为新的商业模式发展奠定基础的过程。与此同时，也是一种基于新工具解决问题的全新思路。
那么，“大数据”怎么样改变传统的教育？总体来说，有三个方面的变化趋势：第一个方面是改变教育研究中对数据价值的认识；第二个方面是方便校长、教师更全面了解每一个学生；第三个方面是帮助学生进行个性化高效学习。
先来说第一个方面的变化趋势—改变教育研究中对数据价值的认识。大数据与传统数据最本质的区别就体现在采集来源以及应用方向上。传统数据的整理方式更能够凸显群体水平，也就是学生整体的学业水平、身体发育与体质状况、社会性情绪、适应性的发展以及对学校的满意度等。不过，像这类的数据也没有必要进行实时地采集，这类数据完全可以在周期性、阶段性的评估中获得。而且，这些数据也是在学生知情的情况下获得的，带有很强的刻意性和压迫性。
而大数据则有能力去关注每一个个体学生的微观表现，正如我们前面提到的：学生在一道题上逗留了多久，在不同学科课堂上开小差的次数分别为多少，等等。这些数据对其他个体没有意义，但所有学生的数据整合起来就能解答教育过程中的许多疑问。而最有价值的是，这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活。
再来说第二个方面的变化趋势—方便校长、教师更全面了解每一个学生。大数据的存在，让教育工作者更方便获得每个学生在学校中的真实信息，并有利于开展个性化教育。
最后的一个变化趋势，就是—帮助学生进行个性化高效学习。如果能很好地借助“大数据”的话，学生就能够更清晰地了解自己的学习状况，从而开展针对性的自主学习，并提高学习效率。
