忘了大数据吧,小数据正在引领学习个性化
现在几乎所有人言必称大数据。但是大数据仅仅反映出某种宏观的趋势,未必适用于个体。The Hechinger Report从一种创新教学方式对小数据的利用来说明,数据不一定要大才有意义,这里面讲述的未来教育实践,也许更能反映出教育的真谛。
凤凰城外Dysart学区的创新学院看起来更像是一家技术初创企业的总部而不是教室。在教室的一头,学生佩戴上了特殊的有色眼镜,在虚拟现实学习站研究起了电路。而在明亮通透的另一头,另一小群学生则在进行着真实的电路组装实验,真实到当线路被连接起来时会劈啪作响、电光四射。
在所有这些活动的中间,7年级的Jacob Higuera一个人坐在他的笔记本前面,专心致志地敲打着一份社会研究作业。这仅仅是他在亚利桑那Surprise上学的第5天,但他已经对这种非传统的教室布置习以为常。他很享受能够自己制定日程安排,并且可以有按照自己节奏学习功课的自由。不过作为创新学院试点计划的90位6到8年级参与者中的一员,Higuera仍然有一个比较大的担心:
在我原来的学校,我能拿到全优是因为有人告诉我什么时候该干什么。可现在我觉得第1个季度我可能拿不到好成绩了。
虽然Higuera可能觉得自己在孤军奋战,但实际上他每天的进展情况都在4位教师密切监控之中,她们是该试点计划的管理者,经验非常丰富。学生们在学校的大部分时间学习的都是自定进程的计算机化课程,这些课程会生成有关其进度的数据。教师会密切关注这些数据,然后用来制定让素材形象生动的小组活动——比如虚拟现实学习站的那些作业——或者找出没法自行掌握课程的学生,对他们进行额外辅导。
我们需要看什么样的数据能帮助教师与学生进行一对一的互动
实际上,似乎所有眼睛都盯在Higuera和他的同学身上,因为在Dysart学区负责人 Gail Pletnick看来,他们引领的是“未来教育”——由学生自己控制学什么、什么时候学以及怎么学的个性化学习环境,教师起到的是指导作用。
Pletnick希望,有朝一日本学区的23所学校全部都建成创新学院的样子。不过现在大部分还都不是。许多教师还是按照传统的布置方式,老师站在教室前面,学生坐得横平竖直,用纸和笔完成作业。不过本学区哪怕是技术配置最低的教室也有一点是跟创新学院一样的。每一位教室都被鼓励去利用“小数据”——每天或实时收集的每一位学生学业进展情况的信息——来实现个性化学习。
Bob Wise是倡导高等教育改革的非盈利机构卓越教育联盟的主席,他说小数据以及教师对它的使用方式,是让学习尽可能个性化的关键。教室技术使得收集学生信息前所未有的容易。现在,教师必须找到分析这一数据的最好方式,然后加以有效利用。
Wise说:“我们需要看看什么样的数据可以促进教师与学生之间一对一的交互。”
大数据,小数据
小数据的概念并不新鲜——至少在商业世界是这样的。早在2013年时,咨询机构Shift Thinking的CEO Mark Bonchek就在《哈佛商业评论》上写过一篇文章,里面他把小数据定义为“我们对自己的了解。”在我们自己的习惯和行为方面,小数据可以给予有意义的反馈。不要把它跟大数据混淆了,Bonchek把后者称为是“组织对人的了解。”
比方说,大数据分析让网上书店可以根据学生上一次购买和下载的东西做出接下来他有可能读什么书的推荐。这一推荐的基础是从数百万其他消费者收集到的数据,然后被用来识别出趋势(喜欢历史书的读者也有可能对历史小说感兴趣。)
但小数据分析可以帮助学生了解自己阅读习惯方面的东西:他是不是在早上读得多一点?他重点标注了哪个词要查字典?同一章他重复读了几次?有了这些小数据之后,教师就可以精确找出学生的优缺点,然后制订个性化的学习计划来满足需求。从大部分高科技教室到最传统的教室,这就是Dysart学区希望为每一位学生做的事情。
如果教师和学生没法在个人层面建立联系的话,所有这些数据都没有用。
Dysart是亚利桑那州表现最出色的学区之一,自2000年以来规模已经翻了3番多,目前的覆盖的学生已经超过了25000人。Pletnick 2004年加入学区的时候,她必须想办法管理不断飙升的学生数量,以及学生不同的学习需求。而且那时候学区的边界还在不断变化,所以学区每年还得想办法跟踪从一个学校转到另一个学校的学生。
Dysart的行政官员视察了若干所学校,想看看他们是如何收集和管理学生数据的,但他们最终决定建设自己的系统,该系统名字叫做iPAL(由I Plan,I Assess,I Learn,我计划,我评估,我学习三部分组成),用来跟踪州统考成绩以及帮助教师和行政当局找到学生的不足之处并解决问题。
负责课程、教学与评估的主任Teresa Heatherly说:“我们看到了一些喜欢东西,但是都比较零散,没有一个符合Dysart的情况。”iPAL的数据仓库部分很明确,此外iPAL还包括了长期课程规划以及教师培训方面的资源。但是iPAL捕捉不到教师创建日常课程所需要的小数据。对此,教师们一起努力想出了最适合年级水平和学科领域的数据收集和分析的办法。
Dysart创新学院的老师收集这些小数据要比大部分人都更容易一些。所有的作业都是在线的,所以教师调取学生档案并检查测试成绩是否良好并不难。然后他们利用不需要备课和准备试卷节省出来的时间来对学生进行一对一的指导等活动,让学生用其他办法去研究材料。但是本学区其他没有这套系统的教师又该怎么办呢?他们也想出了创意手段来对学生进行相同程度的个性化指导。
比方说,Marley Park小学的教师利用了一套名为“All Time Best”的学生数据收集系统,用来跟踪学生在满足数学和英语州立学习标准方面的进展。这套系统的技术要求不高,只要学生答对问题举手报告分数然后把结果记到自己笔记本上面就行。
让学习个性化
据学校的四年级老师Amber Baig说,这套系统之所以有效是因为它强调的不是收集大量数据。相反,其目标是收集每一位学生在掌握特殊技能进展情况方面的少量有意义的数据。上她的数学课学生每天只用回答5个“All Time Best”问题,而且这些问题跟他们可能在州统考上看到的题目是类似的。教师然后汇总这一数据,把学生分为规模小一点的小组,分别进行更有针对性的练习。比方说,针对进度落后的学生,老师会重新给他们上课。
Baig说:“我们确保孩子明白这一点,知道为什么他们会在这里,以便能够通过测试。”这些数据不仅能够帮助教师提供更加个性化的指导,也能帮助4年级学生了解自己需要做什么事情来改进。
Miranda Virgil是Canyon Ridge School的七年级数学老师,她教自己的学生利用Google电子表格来记录自己在满足州标准方面的进展情况。在她的指导下,学生们记录了自己的考试成绩,并且找到自己的错误模式。
总体来看,它帮助了孩子们学会对自己的学习负责,这个意义重大,因为这不仅有益于他们的学习,而且还可以令他们受益终身。
Virgil说:“在具体方面,数据跟踪更多是为了学生——数据指出了学生的优劣势,以及什么地方需要努力。”尽管她利用这一反馈来制订出更好的课程,她也注意到让学生参与这一过程能够教会他们如何对自己的教育问题作出选择。
她说:“总体来看,它帮助了孩子们学会对自己的学习负责,这个意义重大,因为这不仅有益于他们的学习,而且还可以令他们受益终身。教他们学会如何组织和计划是非常有好处的技能。”
不过正如Virgil指出那样,这是另一个他们必须学会的技能。对增加责任或者拥有控制在学校学习时间自由,学生们并不是总是感到兴奋。
今年在她的教室增加了沙发之后,Valley Vista 高中10年级的历史课老师Angela Ekstrom也得出了类似的结论。她以为自己的学生会感到兴奋。但结果表明,学生们相当留恋教室后头硬邦邦又窄小的传统书桌。
她说:“我不知道这是不是年龄的问题,还是说他们这些年来被教育的原因。”增加沙发进来原本是想让学生自由选择坐在什么地方,并且在上课期间可以四处走动一下。但是直到第二周才有人敢去试坐一下。
Ekstrom意识到在尝试新东西方面学生更愿意获得信心——无论是一种新的做法,还是新的学习方式,她总在必要的时候给予他们信心。在学年开始的时候,她的学生要自己制作课本,里面包括了内容目录,目标跟踪,并且留有空白来记笔记和反馈。Ekstrom用这种课本来教学生不同的记笔记和学习方法,过一段时间之后,再让学生自己选择最适合的方法。
但这个课本制作过程最后却变成了艺术创作项目,学生们用家人朋友或者所喜爱球队的照片等任何自己觉得重要的东西来装点课本,其实这个项目还有一个根更深层次的目的:Ekstrom以此来向她的学生说明,她把每一个人都视为独立的个体,有着不同的目标和优势。像Ekstrom和她的同事一样的教育工作者已经知道,如果学生和老师不在个人层面有机会建立联系的话,这个世界上所有的数据都是没有用处的。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/55638.html
google相关文章
- 利用机器学习构建我国历史PM2.5浓度数据集
- 分享下Java大数据学习路线图
- Java大数据方向学习路径导航[通俗易懂]
- Radius协议-学习
- Mila唐建团队开源大分子机器学习平台TorchProtein:分析蛋白质序列及结构数据,仅需一两行代码
- (数据科学学习手札144)使用管道操作符高效书写Python代码
- pthread_create 线程属性-Linux学习——线程的创建和回收
- 杨强申省梅等AI大咖共谈「跨域学习」,搞定小数据才是王道 | CNCC 2020
- 数据治理专业认证CDMP学习笔记(思维导数据治理专业认证CDMP学习笔记(思维导图与知识点)- 第11章数据仓库和商务智能篇
- 从模型到应用,密歇根州立大学教授解读图深度学习(赠书)
- Redis学习-常用命令详解大数据
- Hive学习之路 (二十)Hive 执行过程实例分析详解大数据
- TensorFlow学习笔记(七)Tonser Board详解大数据
- Java数据持久层框架 MyBatis之API学习九(SQL语句构建器详解)编程语言
- Oracle数据库管理:学习Oracle语言环境(oracle语言环境)
- 学习 Linux 常用命令:cut,轻松处理文本数据(linux中cut)
- 从零开始学习大数据 Linux基础,打造数据时代的核心竞争力(大数据linux基础)
- 学习Oracle:深入理解游标(oracle游标教程)
- 提高工作效率,学习Linux系统PE技能(linux系统 pe)
- 学习Redis数据库,打开一扇通往大数据世界的大门(学redis数据库)
- 大数据中使用Redis,让你学习更有效率(大数据场景redis)
- 大数据学习Redis有何不可思议的优势(大数据 redis用学吗)
- 学习Oracle ERP 以实现进步(oracle erp学习)
- 从Windows转向Linux教程E3000基础学习
- Android开发之图形图像与动画(一)Paint和Canvas类学习
- MongoDB学习笔记(二)通过samus驱动实现基本数据操作
- 积分获取和消费的存储过程学习示例