下面是小编为大家整理的大数据让教师获得解,供大家参考。
大数据让教师获得解放 蔡立英/编译
● 中学和大学正拥抱这样的技术——根据学生的能力量身设计学习内容， 让教师从教学工作中获得解放。
这是一种进步吗？
当阿尼西亚· 霍金斯（Arnecia Hawkins）
去年秋季在美国亚利桑那州立大学入学时， 她当时并没有意识到， 她正志愿成为美国高等教育一项改革实验的被试者。
在春季学期快要结束时， 她就在这里从一台机器上学习数学。
在亚利桑那州立大学一个校区的沙漠度假胜地， 在溪谷的一个设备齐全的计算机实验室，她和一个二年级学生杰西卡正在练习年金计算。
通过一个软件仪表盘， 她们能按照自己的节奏， 点击和滚动视频、 文字、 测验和习题。
当她们练习时， 她们的答案和计算过程的大量数据就被传输到远方的服务器。
由一个数据科学家团队开发的预测算法， 把她们的统计资料与成千上万其他学生的数据相比较， 从而寻找霍金斯在学什么、 在纠结什么、 接下来该学什么以及到底该怎么学等线索。
对霍金斯来说， 有一台电脑当她的老师是一种改变。
“我不想撒谎， 一开始我很恼火。
” 她说。
这一安排对她的教授来说也是一种转变。
数学家大卫· 赫克曼（David Heckman）
已经习惯了给学生讲课， 但是他不得不承担起巡回导师的角色， 回答学生的举手提问， 当他们遇到难题时辅导他们。
不过很快， 双方都开始看到一些好处。
霍金斯喜欢自己掌握节奏， 这让她可以利用个人时间在笔记本电脑或是实验室的电脑上学到前面去。
对赫克曼来说， 这个项目让他更容易跟踪学生表现。
他打开一个仪表盘， 就能清楚地知道， 每个学生学得如何——不仅知道谁上道了谁还没有， 还知道谁在研究某个给定的概念。
赫克曼说， 他更喜欢讲课， 但是他在调整。
对教员来说， 很明确的优点就是， 软件为他们承担了大部分的评分工作。
学期结束时， 霍金斯将完成她在大学所需修的最后一门数学课。
将来回想这种数字驱动的课程模式时， 她将会认为是“正常” 的大学经历——而在现在看来是如此新鲜、 富有争议。
“我们这里到底有没有常规的数学课啊？ ” 她问。
大数据席卷教育 亚利桑那州立大学做出迈向电脑化学习的决定， 有其必然性。
拥有 7 万名学生的亚利桑那州立大学是美国最大的公立大学。
和美国教育的各个层级的机构一样， 它也在经历一些痛苦的改变。
过去五年， 这所大学已经失去了 50%的国家拨款。
与此同时， 入学人数在上升， 校园中惊现大量没有准备好进行大学水平学习的学生。
“我们有海量的学生要去教育， 这些学生是我们以前从来没有想过要去教育的， ” 亚利桑那
州立大学数学系主任阿尔· 博格斯（Al Boggess）
说， “政治家们说， 去教育他们， 补习？ 你们自己想办法。
”
两年前， 亚利桑那州立大学的管理者们想通过通识教育基础必修课——尤其是那些不成比例导致学生退学的课程， 比如大学数学， 来寻找一种更高效的教学方式。
在听了纽约市自适应学习领域的 Knewton 创业公司创始人兼首席执行官何塞· 费雷拉（Jose Ferreira）
的一席话几个月后， 亚利桑那州立大学做出了一个重大决定。
那年秋季， 几乎没有争论和预告， 就把 4 700 名学生放到了电脑化的数学课程里。
去年，大约 50 名教师， 通过在 Knewton 公司的软件上运行的 3 门数学入门课程， 辅导了 7 600 名学生。
亚利桑那州立大学的目标是到 2014 年秋季， 调整新增的 6 门课程， 每年新增 1. 9 万名学生到自适应学习的队伍。
亚利桑那州立大学是数据驱动的个性化学习最早和最积极的采纳者之一。
但是， 所有级别的教育机构都在做相似的选择， 以应对增长的入学人数、 缩减的财政预算， 以及对学生成绩更迫切的要求。
45 个州和哥伦比亚特区的公立小学和中学都在加紧执行英语语言艺术和数学的更高的新标准， 即共同核心州立标准， 而那些学校需要新的教材和考试才能做到。
大约一半的考试将会是在线的和自适应的， 意味着电脑将根据每个学生的能力， 量身定做试题， 计算每个学生的分数。
学校系统正在对其他自适应项目进行实验，从小学生的数学课和阅读课， 到帮助高中生准备大学先修考试的“测验引擎” 。
这个技术也在海外流行起来。
世界经合组织的国际学生评估项目（PISA）
是面向 15 岁学生、 每三年举行一次的考试（迄今为止在超过 70 个国家和经济体举行）
， PISA 的 2015 年考试将包括自适应的内容， 以评估不易测量的技能， 比如合作解决问题。
自适应学习的倡导者们说， 有了这一技术， 我们终于能够负担得起向每个学生提供个性化的指导， 从而摒弃了在过去两个世纪主宰西方教育的工厂模式。
批评者说， 是数据驱动式学习， 而不是传统学习， 威胁着要把学校转变成工厂。
他们把这种愈演愈烈的数字化视为营利性公司打着“改革” 的旗号向老师和学生推销其产品的另一种没必要的买卖。
分析一个学生的优点和缺点， 然后调整教材和教学方法以适应每一个学习者， 这被认为是更高级的任务， 其实教师们几百年来都做得很好， 而电脑现在只不过是在拉后腿。反对者说， 我们不应该把这些任务分配给电脑来做， 而应该投入更多来培训、 聘用和留住好老师。
尽管自适应学习公司声称， 他们的脑中只想着美国儿童的未来， 其盈利潜力却不可否认。
数十家公司蜂拥而入这个快速发展的教学技术市场， 如今是一个价值数十亿的行业。
多达 20%的 K– 12 学校的教学内容已经是数字化的， 一家名为“教育成长顾问” 的市场分析公司的创始合伙人亚当· 纽曼（Adam Newman）说。
尽管自适应学习软件在数字化教学这块蛋糕上只分得很小的一片——K– 12 学校的市场大约是 5 千万美元——却将迅速增长。
纽曼说， “自适应” 这个概念已经在 K– 12 学校中深入人心。
“在 K– 12 学校中， 长年来的重点都是差异化教学， ” 他说， “差异化教学， 即使没有技术， 实际上已经是一种自适应的形式。
”
高等教育的管理者们也在渐渐熟悉自适应。
在最近的一次高校内部艾德/盖洛普民意调查中， 66%的大学校长说， 他们觉得自适应学习和考试技术很有前景。
比尔和梅林达· 盖茨基金会已经发起了自适应学习市场加速计划， 将给美国高校发放 10 笔 10 万美元的经费， 用于开发连续三个学期中至少有 500 名学生参加的自适应课程。
“长期来看， 20 年以后， 我希望每门课程实际上都带有某种自适应的成分。
” 美国东北大学的数字教育专家彼得· 斯托克斯（Peter Stokes）
说。
那会是一件好事， 他说， 这是以一种从未做过的方式将经验学习和认知科学应用于教育的机会。
尤其是高等教育， “极少有教师受过如何教学的正式教育， ” 他说， “我们去做一些事情， 而且我们认为会有效果。
但是当你开始对其进行科学的衡量时， 你才意识到我们做事情的方式有一些是没有经验基础的。
”
自适应的科学 一般而言， “自适应” 指的是一种电脑学习界面， 它不断地评估一个学生的思考习惯， 自动地为其定制学习材料。
不过， 一点也不奇怪的是， 竞争者激烈地争论谁才能获得真正的“自适应” 这个名号。
有人说一项仅仅只是基于你是否选择了面前的正确选项而选择你的下一个试题的考试——一个根据二进制逻辑
分支而自动转向的考试——在 2013 年看来， 并不能算是完全的自适应。
这样看来， 自适应需要对每个用户都创建心理测量图， 而且还要根据那个人的进展持续调整经验。
为了做到如上两点， 自适应软件的开发者必须把一份学习材料中的每一个概念之间的联系先画出来。一旦做完这个， 每次一个学生看一个视频、 读一段解释的话、 解决一个实际问题或是参加一个测验， 关于学生表现的数据、 内容的有效性等数据就传到了服务器上。
然后， 算法把那个学生的数据与成千上万甚至上百万其他学生的数据进行比较， 应该会得出一个模式， 表明那个学生正在纠结一个与他心理测量图相同的其他学生相同的概念。
软件将知道什么材料对那种类型的学生很管用， 然后对学习材料进行相应调整。有来自上百万学生的数十亿数据， 还有足够的处理能力和经验， 这些算法应该能够做各种预测， 甚至可以告诉你最好在早上 9:42 到 10:03 之间学习指数。
它们应该也能够预测让你记住你正在学的东西的最好途径。
Area9 是一家支撑麦格劳-希尔教育出版集团自适应智能学习产品的数据分析软件开发公司， 其首席执行官乌尔里克· 尤尔· 克里斯滕森（Ulrik Juul Christensen）
强调他的公司使用了记忆退化的概念。
超过两百万学生目前在使用智能学习的自适应软件来学习各种主题， 自学或是作为课程的一部分。
研究表明那些学生（实际上是我们所有人）
， 当他们学了一个新单词、 后来在快要遗忘时重学一遍， 对一个新单词记得最牢。
Area9 的教学软件使用算法来预测每个使用者的特定的记忆退化曲线， 这样它就能提醒一个学生， 他上周学的某个东西， 到现在就快要永远从他的脑海中遗忘了， 他得及时复习。
很少有老师敢说自己有这种先见之明。
然而， 克里斯滕森摈弃了电脑能取代教师的观念， “我认为我们不会愚蠢到会让电脑接管教育我们的孩子的任务。
” 他说。
反 冲 3 月， 位于纽约州锡拉丘兹西山中学的社会研究教师杰拉尔德· 孔蒂（Gerald J.
Conti）
， 在他的Facebook上贴了一封言词尖刻的退休信， 很快成为了病毒般的轰动事件。
“我们的立法者索要联邦政府的税收， ” 他写道， “却把孩子出卖给‘培生教育’ 这样的私人公司， 这让我们大失所望， ” 培生公司是教育出版巨头， 与 Knewton 公司合作开发产品。
“我的职业正被一种普遍的不信任气氛所贬低， 命令老师不能开发和管理他们自己的测验和考试， 或是给他们自己的学生考试打分。
” 孔蒂认为， 大数据不会给大家带来个性化的学习， 而是会导致教育的单一化：
“STEM（科学、 技术、 工程和数学）
统治着今天， ‘数据驱动’ 的教育寻求的只是一致性、 标准化、 测试和僵尸般地坚持粗浅通用的共同核心州立标准。
”
孔蒂的退休信只是反对以高科技为导向、 以测试为重点的教育改革浪潮的其中一个例子。
一月， 西雅图的加菲尔德中学投票抵制学业进度测量（MAP）
考试， 这项考试在全美的各个学区进行， 评估学生表现。与学区主管和学校理事会纠缠之后， 老师们继续抵制， 抵制运动很快扩大到了西雅图的其他学校。
芝加哥和其他地方的教育者也举行抗议活动， 以示团结。
5 月中旬， 报道称， 西雅图的中学将被允许退出 MAP，只要他们用其他的评估来取代 MAP。
数据驱动学习的支持者将很容易就反驳这些反对者， 如果他们能明确地证明他们的方法比现行的方法要好。
但是他们做不到， 至少目前做不到。
关于有效性的实证证据， 正如自适应学习的一位倡导者、 美国布鲁金斯研究所的科技创新中心的创始人达雷尔· M· 韦斯特（Darrell M.
West）
所写的， “是初步的、印象派的。
” 对自适应学习的任何精确评估都得孤立并解释所有的变量：
班级学生人数的增加或减少； 教室是否是“翻转” 的（意味着家庭作业在课堂内完成， 而讲课是通过视频在学生的课余时间进行的）
； 学习材料是否通过视频、 文字或游戏来发放等等。
亚利桑那州立大学说， 修读 Knewton 公司的发展数学课程的 78%的学生都通过了， 而原来的通过率只有 56%。
不过， 总是有这种可能， 更多的学生通过， 不是因为技术， 而是因为政策的改变：
大学现在允许学生重修发展数学或是将一个学期的课程延长为两个学期， 而不用交两次学费。
即使自适应技术的支持者证明自适应学习的效果很奇妙， 他们还是要面对隐私问题。
调查表明， 很多人觉得无孔不入的心理测量数据采集令人不安， 尤其是目睹了今年早些时候 inBloom 公司遭遇的愤怒。
inBloom 公司主要为学生数据——姓名、 地址、 手机号、 到课率、 考试分数、 健康记录， 提供线下的数据存储——其数据格式能使第三方教育应用使用这些学生数据。
当 inBloom 公司 2 月成立的时候， 公司宣布与 9 个州的学区合作， 然后家长们被激怒了。
对学生信息的“全国数据库” 的恐惧迅速扩散。
批评者说学区通过 inBloom， 把孩子的私密数据出卖给公司， 这些公司通过为一个并不存在的问题提供解决方案而牟利。
经家长们这么一闹， 9 个州中有 6 个州都退出了合作。
这可能看起来很像是过度反应， 但是平心而论， 自适应教育的支持者已经在谈论一个跟随学生整个教育生涯乃至更长时间的学生数据档案。
去年秋季， 教育改革运动“现在开始数字化学习” 发行了一期报纸， 主张为前 K-12 学生创造一个“数据背包” ——里面装着孩子们每一级的成绩单， 这样他们在开学的第一天出现时， 身上就带着“关于他们的学习偏好、 动机、 个人成绩的数据， 以及随着时间的推移一个不断扩充的成绩记录。
” 一旦到了申请大学和找工作的时候， 不就可以使用存储在他们的数据背包里的成绩作为凭证了吗？ 类似的事情在日本已经成为现实， 用自适应学习软件 iKnow 学过英语的管理者把他们的iKnow 分数列入个人简历中， 已是一件寻常事。
这不是考试 我们还远远搞不清楚， 忧心忡忡的父母和鄙夷的教员是否足够多， 多得可以阻挡教育大数据的前进脚步。
“现实是， 这是大势所趋， ” 美国加州大学洛杉矶分校的评估研究中心主任伊娃· 贝克（Eva Baker）说， “大数据将不仅仅是教育的一小部分， 而将成为一大部分， 它将落实到位， 因为它比做职业发展更便宜。
”
这并不意味着老师要离开， 也不意味着学校会越来越迷恋考试， 有可能恰恰相反。
足够先进的...