大數據時代：學習和教育的未來

維克托·邁爾-舍恩伯格，現為英國牛津大學互聯網研究所教授，是大數據領域公認的權威，也是最早洞見大數據時代發展趨勢的數據科學家之一。維克托·邁爾-舍恩伯格的力作——《與大數據同行：學習和教育的未來》去年出版以來，受到國內教育界的廣泛關注，并榮獲2015年度“影響教師的100本書”之TOP10圖書。

書中，作者指出小數據時代的教育主要面臨兩個障礙：一是優質教育資源分配受到時空的限制；二是獲取和分析教育過程中的數據成本巨大。因此小數據教育通常呈現為三類特征：一是教育以大規模批量進行；二是難以評價學生的學習過程，而只能評價學習結果；三是教學方案主要依靠教師的個人經驗制定。

大數據改善學習的三大核心要素則是：反饋、個性化和概率預測。在此基礎上，將帶來學習的三大改變：能夠隨時收集學習中的雙向反饋數據；可以真正滿足每個學生的個體需求，而不是為了一組類似的學生定制的個性化學習；可以通過概率預測優化學習內容和學習方式。

在這一過程中，學校和教師的功能將發生徹底改變，學校將轉變成為學生交流和溝通的社會化場所。教師則不再需要照本宣科地講課，而是作為學生和學習系統的重要連接者，傾聽學生的教育和學習需求，組織學生進行各種深入的討論和交流。

前期，邁爾-舍恩伯格在北京訪問期間，中國教育新聞網“圍繞大數據時代的學習和教育”專訪了邁爾-舍恩伯格教授。

大數據將帶來學習的三大核心變化：反饋、個性化和概率預測

在小數據時代，學習的方式和目的往往是為了通過考試。而在大數據時代，人們可以實現通過學習中所犯的錯誤來理解這些錯誤，并最終改進這些錯誤。

中國教育新聞網：大數據時代對于學習者到底意味著什么?

邁爾-舍恩伯格：可汗學院的案例大家可能比較熟悉，我想舉另外一個案例來說明大數據時代的學習是什么樣。在美國，有一個著名的外語學習網站——多鄰國（Duolingo），每天都會有數以百萬計的人們通過它來學習外語。網站的設計者從平臺所收集的大量學習者所犯的錯誤信息中，發現許多有價值的信息。比如，他們發現大多數西班牙語使用者在學習英語的初級階段，會對代詞“it”很困惑，原因是“it”很難翻譯成西班牙語。于是，多鄰國針對這類學習者調整了學習安排，先教他們其他代詞，等到數周后再開始教“it”。

多鄰國通過大數據發現，語言教學手段有效與否，取決于學習者的母語以及他們將要學習的語言。另外，多鄰國還發現了所謂“數據尾氣”（data exhaust）現象，即由人們與網站之間的互動中衍生的副產品：如熟練掌握一門語言的某一方面需要多長時間、最合適的習題量是多少、落下幾天課程進度的后果是什么，等等。

中國教育新聞網：這些數據在傳統教學中確實很難收集。

邁爾-舍恩伯格：可汗學院和多鄰國的教育實踐，為我們展示了大數據時代的教育前景，也反映了大數據改善學習的三大核心要素：反饋、個性化和概率預測。過去，人們針對語言學習方法的實證研究數量很少，比如很多理論主張先教形容詞，再教副詞，但是幾乎沒有實證數據支撐該主張。多鄰國的出現，使這樣的研究成為可能，也使人們可以通過數據分析，進一步了解學習者是如何學習的。

多鄰國的教學模式和商業模式也非常有意思，它要求人們在同一時間翻譯一些較短的詞組，也可以評價或修訂他人的翻譯。而它所提供的翻譯樣本，其實是從翻譯公司那里獲得的真實句子，因此公司能夠從中獲取報酬。一旦有足夠的學習者能夠翻譯或驗證特定的詞組，系統就會接受他們的譯文，并收集所有零散的句子，將其整合到完整的文檔之中。因此，學習者可以免費獲得外語學習指導，同時創造出具有經濟價值的回報。這種贏利模式在過去是難以想象的。

中國教育新聞網：大數據時代的學習反饋，與傳統學校中的學習反饋有何本質不同？

邁爾-舍恩伯格：我們利用傳統教育方式所獲得的反饋其實存在很大缺陷。比如，我們難以對學習過程進行反饋；在對學習結果進行反饋時，我們也只是把關注點放在學生身上，我們對學生的考卷和各種表現進行打分，并要求他們對這一結果負責。然而，作為教育者，我們卻很少評價自己，也很少對我們所采用的教科書、教學方式和內容以及測驗手段是否對學習有益進行評價。導致這種現狀的原因之一是數據很難收集，收集到的數據又很難獲得有效處理。因此，這是一種單向度的反饋。

在大數據時代，我們則可以實現對學習效果的雙回路反饋。我們能夠收集過去無法獲得的數據，通過對這些數據的分析，我們可以提高學習的效果和學業表現，并將數據分享給教師和決策者以改善教學。

在小數據時代，我們學習的方式和目的往往是為了通過考試，而在大數據時代，我們可以實現通過這些錯誤來理解這些錯誤，并最終改進這些錯誤。多鄰國的實踐就是最好印證。

《與大數據同行：學習和教育的未來》獲得中國教育新聞網2015年度“影響教師的100本書”之TOP10圖書

學習者將獲得真正定制的個性化學習

當學生能以最適合自己的步調和方式進行學習時，即使那些看起來最沒有能力的“差生”，也可能在最終表現上超過優等生。

中國教育新聞網：看來，大數據時代能真正實現學習者的個性化學習。

邁爾-舍恩伯格：實現因材施教是人類教育的理想。大數據時代，學習者將可以獲得一種定制的適合自身的學習安排。比如，在紐約地區有一個“個人的學?！睌祵W項目，每個學生都擁有個人的“播放列表”，通過相關算法分析個人需求，學生可以獲得為其定制的每日習題集。

再比如，有一個名為“半島大橋”（Peninsula Bridge）的暑期班項目，曾使用可汗學院的數學課程教授來自貧困社區的中學生。有一個女孩一直學得很慢，成績也一直墊底。但是過了一段時間，她竟然像開了竅一般地飛速進步，到課程結束時成績已排名第二了。學習記錄顯示，她曾長時間在某個學習環節徘徊，而一旦掌握了這個核心概念后，她就開始突飛猛進了?？梢?，當學生能以最適合自己的步調和方式進行學習時，即使那些看起來最沒有能力的“差生”，也可能在最終表現上超過優等生。

中國教育新聞網：您提到的“概率預測”會對學習帶來何種影響和變化？

邁爾-舍恩伯格：人們通常不太愿意接受概率。其實，我們一直都生活在概率的世界里，只是沒有認識到它。通過大數據分析，我們可以進行更準確的預測，并進行更有效的干預。比如，我們可以不再簡單地要求學生暑假時補習數學，而是建議他進行2周的二次方程集中課程學習。

另外一個需要轉變的觀念是：探尋“是什么”而非“為什么”。過去我們更強調探尋事物的因果關系，而現在我們通過大數據看到的往往是相關關系。對相關關系意識的確立，是具有挑戰性的。因為深層的研究顯示，通常我們對因果關系的快速直覺往往是完全錯誤的。

大數據能為我們展示事物背后無數的相關關系，通過這些相關關系，我們可以更準確地認識事物的本質。當然，我們也要理性對待概率預測，尤其是涉及教育決策和學生，因為這將對人們的未來造成極大影響。

大數據推動教育決策更準確高效

在大數據出現之前，大多數教育政策都是在缺乏實驗數據的情況下制定的。

中國教育新聞網：有了大數據的幫助，教育決策是否會更準確高效？

邁爾-舍恩伯格：幾乎可以肯定，在大數據出現之前，大多數教育政策都是在缺乏實驗數據的情況下制定的。我們的教育決策往往是非常主觀、甚至是“拍腦袋”產生的，有一些最基本的原理可能都未曾驗證過。比如，今天大多數學校的日程和時間安排，還遵循著農耕時代的習慣，人們甚至沒有思考過學生是否真的在這個時間段進行學習最有效。

再比如，人們通過數據研究發現，一個能預示大學生繼續學業的重要指標，不是年齡、性別或分數，而是他們的選課數量，即那些開始時選擇較少同期課程的學生更有可能堅持下去。而美國財政撥款的資助條件是要求受資助人修讀全日制課程，顯然這些條款是有嚴重缺陷的。

盡管教育決策的意義重大，但是其制定的過程卻往往基于相對較少的數據。而且，這類數據的收集和分析，也并不是由客觀的局外人，而是由典型的內部人士操作的。從組織上看，這是不合理的。商業公司早就知道，有關反饋和質量保障的信息，應該由與結果毫無利益關系的專業人士進行收集。

中國教育新聞網：是否可以認為MOOCs的重要價值之一是能夠收集海量的學習數據？對于這些數據的分析和使用，是否需要巨大的投入？

邁爾-舍恩伯格：確實是這樣。MOOCs的一個重要構成要素，就是它能產生大數據。大數據能夠告訴我們什么是最有效率的，并且揭示那些過去無從發現的事實和真相。

從長遠來看，新技術的最初使用永遠都是昂貴的，但是大數據的吸引人之處在于，當數據收集起來后，其分析并不是很昂貴。人們可以依托云計算，或者是外部團隊來進行數據處理，而不需要學校再通過采購設備等投入來做這件事。

決定教育未來的是利用大數據適應學習的組織

學校和教師不會被取代，但是其職能將會發生改變。學校將轉變成學生進行社會化交往的場所，而教師則是重要的組織者。

中國教育新聞網：未來學生都可以通過在線學習的方式進行學習了，更大范圍的優質資源共享也可以實現了，我們還需要學校和教師嗎？

邁爾-舍恩伯格：學校和教師是不會被取代的，但其職能將會發生改變。學校將轉變成學生進行社會化交往的場所，而教師則是重要的組織者。比如，當學生學習數學中的方程和不等式概念時，他們可以通過在線學習方式，便捷地獲得優質的教學資源，按照自己的節奏學習并完成相關內容。此后，就需要教師開始組織學生進行交流和討論，彼此分享學習體會和感悟，加深對學習內容的理解和應用。

此時，學校的關注點不再是知識的傳授，而是通過提供這種社會化職能的場所，幫助學生互相交流和溝通。教師和學生的關系，也更像是學習過程中的合作者。學校將面臨的挑戰，則是要挑選那些具備作為一個教練所應擁有的個人技能和素養的教師，而不僅僅是照本宣科者。

中國教育新聞網：您能描繪出未來的學生怎樣度過每一天嗎？

邁爾-舍恩伯格：現在做這種描繪，可能有些困難。但我可以講講我兒子現在是如何學習的。我兒子今年6歲，今年秋天就要上學了。但是我現在已經開始在家教兒子了。常規情況下，我會在晚上會先給他看20分鐘的視頻，比如關于皮膚的作用、火山的形成、冰激凌的制作等。這些視頻都非常有意思，我的兒子總是津津有味地觀看。然后，我們會進行15-20分鐘的交流。這種交流很有意思，也很有挑戰性，我需要做很多準備。讓我特別欣喜和驚訝的，并不是我的兒子記住了多少內容，而是他所展現出來的思考角度和深度。

所以，未來的教師所做的工作，將不再講授，而是通過對話、溝通和互動，幫助學習者加深對相關內容的理解和思考。在大數據時代，這種雙向的溝通和交流將可以更成規模。同時，也要求教師要有更開放的心態，去擁抱和使用這些新技術。

想象力永遠比知識本身重要

由人類的智慧、獨創性、創造力造就的理念，這是大數據無法分析預測的。要知道，想象力永遠要比知識重要。

中國教育新聞網：您提到，大數據不僅會改變學習的方式，也會改變學習的內容。

邁爾-舍恩伯格：長久以來，學生所學習的內容經常是成人的意志，而不是完全基于客觀和理性的內容。而真正的啟迪，是需要理性而非主觀的。大數據時代的學習，可以通過數據來提供一種洞見，基于科學和事實來做決定，讓教育真正幫助學生客觀、理性地認識世界，學會基于事實做決定。

大數據時代還需要人們學會轉變思維方式，要學會看待整個世界以及世界中的所有事物時，要從物質事物轉向交互作用，并把它看作一個收集和分析數據的平臺，這就是“大數據思維傾向”。

當然，我們也要繼續重視那些數據不能解釋的事物：由人類的智慧、獨創性、創造力造就的理念，這是大數據無法分析預測的。要知道，想象力永遠要比知識重要。

中國教育新聞網：教育行業相對較保守，對新技術可能會有一種天然的抵觸。這是否意味著，大數據時代的教育變革，可能不是在傳統的學校中發生，而是在社會機構甚至是商業組織中最先脫穎而出?

邁爾-舍恩伯格：其實大數據的最初應用主要在產業領域，是針對那些剛剛起步的項目進行分析。對于成熟的行業和產業，大數據在初期往往是用不到的。因此，大數據在教育中的應用也會是這種情況，其應用可能會先在一些創新公司中出現，或者是從一所完全革新的新學校中開始全面應用。當然，決定教育之未來的，一定是那些能更好地利用大數據來適應學習的組織。

一旦數據開始流動，即使頂尖學校也將受到沖擊

大數據會讓我們明白，最好的學校并非是那些所謂的世界名校，而應該是那些能夠給孩子帶來最大變化的學校。

中國教育新聞網：您曾以亞馬遜擊敗巴諾書店為例，指出“導致巴諾書店落后的主要原因，不是便利性和海量庫存，而是數據。一旦數據開始流動，即使一些頂尖學校也將受到沖擊”。您確定會是這樣嗎？您會為自己的孩子選擇什么樣的學校？

邁爾-舍恩伯格：這種情況的出現，將是未來所有變化中最有趣的事情。因為所有人都會認為，大數據的應用對那些頂尖級學校最有幫助。但是，讓我們看看事實如何。那些世界名校真正為學生做了些什么呢？他們挑走了最好的學生，教起來當然既容易又簡單。不過，如果只教最好的學生，我們又何必對這樣的名校趨之若鶩呢？

要讓我來為自己的孩子選學校，我將更看重學校會給孩子帶來何等提升。我會選擇能給孩子帶來最大變化的學校，從入學到畢業，孩子能經歷最大的變化與提升，這才是最好的學習過程。哈佛大學的學生從入學到畢業一直都最優秀，學校不需要替他們操太多心，也未必給他們帶來多少提升。

有了大數據，我們會開始明白，那些世界名校并不是世界最好的學校，最好的學校目前還不為人知，因為我們還不知道哪所學?？梢越o孩子帶來最大的提升。不過隨著大數據的應用，我們終究會發現這些學校。

所以20年后，人們為孩子選擇學校時，肯定與現在的選擇大不相同。