【GET2018】William G Harris：教育環境下的大資料需謹慎應用
芥末堆 阿飛醬 11月22日 報道
11月15日，在GET2018教育科技大會上，ATP的CEO William G Harris發表了主題為“有效性的終結：大資料分析的意外後果”的演講。
William的分享主要圍繞著三方面展開，大資料如何重塑教育評估體系、大資料的應用體現在哪些方面以及為什麼要正確且謹慎的使用大資料。William認為，在這個技術主導的社會，我們要抓住教育技術的快速變化，從而為學習者提供更具個性化的學習方式，挖掘更深層次的教育價值。
以下是William G Harris的演講實錄（經芥末堆編輯整理）
重塑教育評估體系
數字化轉型的過程中我們要做的是什麼？我們需要接受全新的評估概念，另外我們也要考慮一種新的方式來衡量個體的表現結果，這個工作可能會非常的困難，因為AI的學習能力或者說我們認為的AI以學員為中心的系統，會給今天的決策帶來很多高溢價。
今天這個世界是由教育技術來推動的，所以在這個過程當中，我們需要對教育評估的體系進行重塑，並且在這個評估過程中給學習者更多的時間和機會。我們也要充分理解改革後的評估體系核心是什麼，要對學習者進行重新定位，深入的去評估他的知識儲備有多少，這個評估需要一定的流程，並且要和其他學習內容進行無縫連線。
說到教育技術，現在有很多跡象都表明，凡是使用教育科技的國家，例如中國，中國並不是小範圍的試點，而是在大規模的使用教育技術，這會從根本上改變學習的內容以及方式。另外我們也需要請專家告訴我們有用的學習資訊和學習應用，用切實可行的工具來支援我們倡導的理論。當然，我們也需要在學習者個體的學習體驗當中增加附加值，減少他們的壓力。而評估所面臨的挑戰是什麼？我們的評估必須是智慧的、高效的，同時需要很快產生結果，並且有很好的互動。
針對學習者，我們要充分了解他們並知道如何給予幫助。因此，每一個評估都應該有自己的價值，這就強調我們要充分調動學員的參與程度和積極性，藉助大量的資料來做出相應的決策。
數字化轉型下的技術應用形態
評估的數字化轉型有不同的方式，包括基於理論的和不需要理論的。我認為從長期來看，理論和非理論應該是彼此支援、相互互補的。我這裡講的不是個人的測試，而是整個測試體系，我們的測試體系應該是適應性的、非常深入的，能為老師提供有用的診斷資訊，為學員提供更好的支援。另外這個評估系統也應該具有預測性，現在有些測試題能把所有的內容都融合其中，我們想說，教育技術使融合變為可能。
另外我們看一下，資料驅動的測試，這裡面有幾方面非常重要的內容，我們考慮一下對於教育科技來說最重要的支柱是什麼，比方說AI當然是一方面，還有浸入式學習也非常重要，還包括互動和雙向學習，這裡面涉及到技術、涉及到溝通、也涉及到學生的學習體驗。
接下來幾十年的時間裡，AI對年輕人的影響力會比任何其他因素都大，AI會提供真正的智慧，給我們提供很多指導，它能無限的擴大個體的智慧。另外AI可以優化我們的學習分析，進一步為教育賦能。從AI的影響力來看，人機互動可以增強生產力，同時也可以擴充套件個人的知識範圍。另外通過大量的消費者資料， 我們可以基於龐大的資料群，思考如何共享這些資訊，從而發揮更大的作用。
另一方面想介紹浸入式學習，它可以增強學生的參與程度。比如我們可以考慮把VR、AR和真實的現實進行混合，那麼就可以給學生帶來一種浸入式學習的場景，學生因此可以和周邊的環境進行連線。所以在浸入式學習裡面我們就可以把不同的因素進行融合，另外我們還可以用有效的方式進行對話，或者得到視覺上的反饋。浸入式學習可以進一步挖掘個人的特點，從互動反饋中老師能更瞭解學生對知識的掌握情況。
區塊鏈技術也值得一提，但是在這裡我需要提醒一點，區塊鏈本身是不會改變我們記錄學生資訊的方式，也不會改變我們轉移資料的方式。那它在教育上的作用應該如何體現呢？其實區塊鏈技術的應用，能最大程度的為我們提供個性化的學習方式，提升學習能力，增強學習效果。
我認為我剛剛提到的AI技術、浸入式學習和區塊鏈技術都不能分開來應用，我們需要在方方面面來應用它們。但是教育現在處在科技飛速發展的時代裡，傳統的研究辦法其實並沒有辦法滿足快速改變的教學需求和環境。另外，傳統的方式總會面臨一些挑戰，例如沒辦法使用我們面前這些其實非常有用的資料。當然，資料的優劣勢是並存的，轉移速度快和蒐集方便是它的優勢，但是如果想知道諸多資料模型哪個更為有效，還需要對資料本身進行更深入細緻的研究，這也算是資料本身存在的一點劣勢。
在教育中使用大資料更需謹慎
在當下的教育環境中，我們使用大資料的時候要非常小心，這樣才能確保我們不犯錯誤，不會對我們對學生產生非常嚴重的影響。我們在進行資料分析的時候，首先應該關注資料本身是什麼，它屬於什麼範疇，有什麼特徵，如果不進行基本的判斷就去盲目分析資料，可能通過資料獲得的分析結果也會有問題，成為有偏見或者不切實際的結果。同時也要注意，當我們回到資料本身的時候，資料的規模不是最重要的，而是要關注它的質量。
對於教育科技來說，大資料還是非常有幫助的，它能為個體的學習者提供更具個性化的學習方式，讓老師能夠針對學生的特點因材施教，不再樣板式教學。從這兩個角度來說，大資料其實可以更好的提升教育的質量，能夠讓學生和老師以一種更簡單的方式去發現教育和自身的價值所在。
但是也有人認為，大資料並不能運用於標準的分析。儘管現在大資料分析其實已經取得了一系列的成功，還是會有很多人針對大資料的統計框架、新的理論、資料分析的結果和有效性持懷疑態度。因此，我們更需要去更新對大資料的認知，其中非常重要的一點是平衡不同的分析方法，不管是推導式的還是引導式的。
最後想跟大家分享這樣一句話，在這個動態、不斷顛覆的、以資料為主導的世界中，如果我們想要成功，必須要藉助相應的技術和智慧。像我開場時說的那樣，在現在這個社會，知識的獲取就像數字颶風一樣，它其實是由教育科技來推動的，而且人們在通常情況下會忽視技術在短期的影響，所以我們更需要正視在這個過程中出現的一些問題。
謝謝！
ofollow,noindex">點選這裡 檢視所有嘉賓精彩內容。
1、本文是芥末堆網原創文章，轉載可點選 芥末堆內容合作 瞭解詳情，未經授權拒絕一切形式轉載，違者必究；
2、芥末堆不接受通過公關費、車馬費等任何形式釋出失實文章，只呈現有價值的內容給讀者；
3、如果你也從事教育，並希望被芥末堆報道，請您 填寫資訊 告訴我們。
來源： 芥末堆