与大数据同行——学习和教育的未来-舍恩伯格等 - (EPUB全文下载)

文件大小：0.26 mb。
文件格式：epub 格式。
书籍内容：

图书在版编目（CIP）数据
与大数据同行：学习和教育的未来／（英）迈尔-舍恩伯格，（英）库克耶著；赵中建，张燕南译.—上海：华东师范大学出版社，2014.12
ISBN 978-7-5675-2840-6
Ⅰ. ①与... Ⅱ. ①迈...②库...③赵...④张... Ⅲ. ①数据库—应用—学习方法—研究 Ⅳ. ①G791
中国版本图书馆CIP数据核字（2014）第283040号
与大数据同行：学习和教育的未来
著者维克托·迈尔-舍恩伯格肯尼思·库克耶
译者 赵中建 张燕南
策划编辑 李永梅 何佳憶
审读编辑 王悦 卢风保
封面设计 吴元瑛
责任印制 殷艳红
出版发行 华东师范大学出版社
社址 上海市中山北路3663号 邮编 200062
网址 www.ecnupress.com.cn
电话 021-60821666 行政传真 021-62572105
客服电话 021-62865537
邮购电话 021-62869887
地址 上海市中山北路3663号华东师范大学校内先锋路口
网店 http：//hdsdcbs.tmall.com
印刷者 北京汇林印务有限公司
开本 890×1240 32开
插页 2
印张 5.5
字数 65千字
版次 2015年1月第一版
印次 2015年1月第一次
印数 20000
书号 ISBN 978-7-5675-2840-6/G·7783
定价 42.00元
出版人 王焰
（如发现本版图书有印订质量问题，请寄回本社市场部调换或电话021-62865537联系）
序一 未来教育的形态
与大数据同行的学习就是未来的教育，这既是书名的意义，也是本书的主题。“大数据”一词反映了人们愈益意识到我们大家留下的数字痕迹，就如“大数据”关注数据本身一样。哥伦比亚大学心理学教授邓肯·沃兹（Duncan Watts）认为，有关人们行为和喜好的丰沛数据正改变着社会科学，使社会科学从数据最贫瘠的领域转变为数据最丰富的领域。在从商务学到社会学再到文学这样一个又一个领域中，我们获取和解释数据的能力得到迅速成长，同时也需要获得新的工具。
与其他任何领域相比，这一点在教育领域或许显得更为真实。多年以来，事实上是多个世纪以来，教育领域的决策从来就是在缺乏任何数据的基础上作出的。常识（common sense）一直成为正常的决策资源，即使在常识导致消极结果的情况下也是如此，而常识其实只是习惯和一厢情愿的混合物罢了。
迈尔-舍恩伯格和库克耶写到塞巴斯蒂安·迪亚兹（Sebástian Díaz）受数据驱动的关于学生矫正教育（remedial education）的发现：要求学生修读全部大学课程可能确实会导致他们辍学而不是毕业。迪亚兹的这一发现与当前美国政策所鼓励之事并不一致，而这种政策与现实之间的背离足以让教育家们欲哭无泪。由此可见，如果仅通过常识来设计一种教育体系，只不过是在浪费时间和金钱，那就只会导致一种情况——正如作者所指出的——我们当前的政策或许正在浪费生命，而我们却还没有制定出可以取代它们的有效政策。
弄明白哪些教学技术确实会产生作用，而哪些教学技术不会产生作用，正是本书所探讨的一场革命。
与大数据同行的学习意味着两种迥异的学习过程。对于学生而言，他们是在一个同样也在向他们学习的体系中学习着课程。这一体系知道学生何时需要加倍依赖于概念，知道何时需要继续往下学习，还知道如何让学生在每一天中平衡“温故”和“知新”。这些学生是在伴随着大数据而学习，因为在他们所身处的系统之中，有关他们如何从事与他人和课程目标相关之事的证据，可以在分秒之中产生，而不是需要一个学期或学年才能出现。
但是，教育工作者们也在伴随着大数据而学习。我们第一次有机会来检验假设，来比较方法，来了解（而不只是猜测）什么是有效的和什么是无效的。反馈循环（feedback loop）对于学生来说将是一种改进，而对于教师来说则会是一种转型。
克里斯·阿吉瑞斯（Chris Argyris）是一位组织理论专家，他介绍了学习型组织的理论。大多数组织采用被阿吉瑞斯称为“单回路学习”（single-loop learning）的模式，它们在学习中犯了错误之后才会努力去纠正。例如，当一所学校进行的一次考试或一堂课的难度过低或者过高时，学校就会确定问题并在下一次加以克服。这就是单回路学习——犯了错误，将其抓住并予以纠正，尔后继续前行。
“双回路学习”（double-loop learning）则与之不同。一个践行双回路学习的组织会纠正自身的错误，但它还会做许多更重要的事情，包括分析其犯错的原因。双回路的学习需要分析组织本身在反馈回路中所使用的大量数据。本书中诸多有趣的故事都是关于双回路学习的，例如萨尔曼·可汗（Salman Khan）在运用学生如何学习的数据时，他不只是在设计教学，而是在设计可汗学院本身。
迈尔-舍恩伯格和库克耶认识到了这一巨大的进步。大多数组织习惯性地拒绝变革，而且并不认为这种变革将是迅速的或是由精英们领导的。只有当创新经常出现时，比如要改变人们过去受到不好的服务或根本没有受到服务的状况，这种变革才会发生：人们需要矫正教育，人们处在当前功能健全的机构之外，当前的教育制度让所有年龄段的人感到失败。
迈尔-舍恩伯格和库克耶认为，这一变革最终将波及各行各业。从生物学界到篮球界，最初都会有一些员工在短期内抗拒数据驱动的分析，但在数据能够影响结果的每一个领域，最终都会采纳数据驱动的决策方法。教育机构同样如此，一开始只有少数机构愿意接受，但最终会扩展到全部。
正如作者所说：“信息技术作为进步的基础是不容置辩的，但当下面临的变革并不是技术层面上的。”当前的变革是组织变革。要作出应用数据的决定，就不得不成为知道如何变革自身的那种组织，以便回应新信息，回应经常与传统实践相冲突的新信息。
我们第一次要求自己拥有理解学生正在做什么的能力。我们能够理解在最大规模情况下学生是如何学习的，理解在任何给定的学年中数以百万计的各种数据。我们能够理解在最小规模情况下学生是如何学习 ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。