【智能观】日前偶遇一本书：《与大数据同行，学习和教育的未来》，作者是英国的维克托·迈尔-舍恩伯格（Viktor Mayer-Schonberger）、肯尼思·库克耶（Kenneth Cukier）。在本书成书的2014年底，利用大数据推动教育和学习还处于早期阶段，但即便如此，吴恩达在那个时候就已经有了很大突破。在吴恩达将自己的事业重心重新放在教育上的今天，我们一起来看看三年前的他，通过大数据解决了教学中的什么问题。

截然不同的教学形式

达瓦（Dawa）正在集中注意力。他在笔尖上蘸一抹颜料，小心翼翼地下笔画出一条细细的黑线，然后又蘸了一点颜料，再画出一条细细的黑线。几小时后，一副唐卡——由迷人的几何细节构成的、描绘佛祖的丝绸卷轴画——逐渐成型。

屋外，环绕著不丹首都廷布四周的喜马拉雅雪峰，在傍晚阳光的照射下闪闪发光。屋内，达瓦和他那些同样20来岁、身著蓝色长袍的同学们，已经在中年师父的注视下持续作业了很长时间。

唐卡画家的培养遵循传统。达瓦和他的同学们来到这里，不是为了拓宽思维，而是为了成为一个训练有素的学徒。

达瓦的师父要确保这些年轻人严格遵守他的指令，重复那些先代唐卡画家的操作。对规则有任意一点的偏离或是破坏，不仅会惹得师父怒上眉头，还会遭到严令禁止。最好的画家，是能够完美再现师父作品的学徒。尽管师父给予的持续指导能够实现即时的反馈，但这仍然是一种极度缺乏数据的学习形式。

这与吴恩达（Andrew Ng）的教学形式有根本上的区别。吴恩达是斯坦福大学计算机科学家，也是提供在线课程服务的新兴公司Coursera的创始人之一，在互联网上教授他的机器学习课程，他的尝试预示著大数据对教育的变革。

吴恩达教授收集所有关于学生举动的信息，从中提取最有效的内容并将其纳入系统设计，从而使他的课程能够自动实现：教学的改善，学生理解力和成绩的提高，基于个人需求的定制教育。

比如，他追踪学生与视频讲座的互动行为：当学生观看视频时，点击了暂停或快进键，又或者是在视频结束前选择了放弃——这种数字互动意味著学生提早溜出了课堂。他能发现学生多次回看同一门课程，或者后退至上一个视频浏览课程内容的行为。

此外，他也会在视频课程中穿插突击测验，其目的并不是要督促学生集中注意力学习，这种重视课堂纪律的古老教学形式不是他关注的内容，他想知道的是，学生是否正在领会教学材料，以及是否卡在了某个问题上。每一个学生个体，都是他的观察对象。

通过追踪学生在计算机或平板电脑上完成作业和测验的情况下，吴恩达教授能够确定学生需要额外帮助的具体内容。他可以分析整个班级的数据，观察这一群体的学习情况，并以此为依据对课程进行调整。他甚至可以把这些信息与不同年级的不同班级做对比，从中判断最有效的课程元素。

数据的非凡效果

这些举措的确扩大了吴恩达教授的班级规模——成千上万的学生参与了他的课程学习——数量大到足以支撑他的研究成果，而大多数教育研究的开展仅仅基于小范围的观察对象。然而，班级规模本身并不是重点，数据才是其中的关键。

吴恩达教授已经发掘了数据的非凡效果。比方说，在追踪学生观看视频课程顺序的过程中，他发现了一个令人困惑的现象——大部分学生的学习是循序渐进的，然而在课程进行了数周之后（第7课前后），他们会跳回到第3课——其中的原因是什么？

他做了进一步地研究，发现第7课要求学生用线性代数写一条公式，而第3课是一堂关于数学知识的复习课，显然许多学生对自己的数学能力信心不足。

由此，吴恩达教授知道了该如何改进他的课程，即在那些容易让学生感到气馁的地方提供更多的数学知识回顾。而具体在哪里加入复习的知识点，正是数据提示给他的。

还有一次，他发现许多学生在重复同一主题的课程。针对这一现象，他采取的手段是进行数据可视化处理：当用户的学习进程出现顺序上的交错时，统计数据的显示颜色将由深蓝色变为鲜红色。在第75课和第80课，正常的学习秩序被打乱了，学生们在以各种各样的顺序反复观看视频。

对此，吴恩达教授的心得是：学生们正在努力尝试把握其中的概念。于是他认识到，如果教师具备这样的洞察力，就会重新制作课程，并且检查由此产生的数据，以确保此类情况得到改善。

大数据正在进入教育的方方面面

除此之外，还有大量的数据得以发掘。通常，论坛帖子的内容价值，是通过对文章的读者人数和评论人数的追踪加以判断的。但是，吴恩达教授开展了一个更为复杂的统计研究，用以「真实判断」课程论坛发帖的有效性。

他查看的数据是：在家庭作业或测验中做错了某个习题，但在阅读了某个特定论坛帖子之后，能够正确解答同一习题的学生比例。

例如，2011年，在一门机器学习的课程中，有成千上万的学生做错了关于「计算成本」的线性回归。但在浏览过第830篇论坛文章的学生中，则有64%不会再犯同样的错误。

以后，当有学生犯同样的错误时，系统就会自动推送第830篇论坛文章为他们答疑。在这里，确定最适合学习的论坛内容，凭借的是数据驱动的手段，而不是学生的自行判断。

这种大数据应用策略并不局限于吴恩达教授在斯坦福的课程，相关课程仅仅是这个领域中的先驱尝试。大数据正在进入教育的方方面面，并将对这个世界的学习产生深远的影响。

风投资金涌入教育领域

大数据促进了教育和技术的结合，激发了创业者的想像力，吸引著投资人的资金。仅2012年一年，就有超过10亿美元的风投资金注入教育领域，这个数字比5年前足足增加了一倍。

这一迹象表明，教育科技的时代已经到来，业界充斥著特有而晦涩的缩写名称，如LMS（learning management system，学习管理系统）和ITS（intelligent tutoring system，智能教学系统）等。而像Noodle、Knewton和Knowillage Systems这些有著可爱名称的公司也随处可见。

传统企业，如麦格劳-希尔公司（McGraw-Hill）、新闻集团（News Corp.）、培生教育集团（Pearson）和凯博教育（Kaplan）已经在这一领域建立据点，投入的研发和收购资金达到数十亿美元。

根据知名教育科技市场调查机构GSV Advisors的估计，在线学习市场的价值超过千亿美元，并且以每年25%的速度不断攀升。在美国，对教育的整体开支高达1.3万亿美元，相当于GDP的9%，仅次于医疗卫生。

大数据将为教育带来巨大变革

达瓦注视著他模仿师父画下的黑线，随后又画了一次，试图做到如师父教导的那般精确。这一过程似乎过于机械，难以称之为教育，而系统的传统教育也曾经一度与不丹的唐卡画家培训非常相似。

据传说，过去的法国教育部长们只需查看一下他们的怀表，就能准确得知这个国家每一个孩子在那个时间点上正在学习什么。在美国，1899年的教育署长威廉·哈里斯（William Harris）也曾夸口说，学校有著「机器的外观」，能够培养孩子「有条不紊地行动，并在自己的位置上端坐」等被动服从的美德。

的确，假如生活在两三个世纪前的人物——比如英国的弗洛伦斯·南丁格尔（Florence Nightingale）、法国的塔列郎（Talleyrand）、美国的本杰明·富兰克林（Benjamin Franklin）——走进今天的教室，他们会感到相当的熟悉。他们可能会说：没有什么变化——即使校园之外的世界早已变得几乎面目全非。

而与此同时，人们一直在关注利用CD、电视、广播、电话和计算机等技术变革教育的机会。「在公立学校里，书本将很快过时，」托马斯·爱迪生（Thomas Edison）在1913年满怀信心地说，「人类知识的所有门类都可以通过动态影象来进行教学。我们的学校系统会在十年内发生翻天覆地的变化。」

大数据能否超越那些力量甚微的创新而真正地变革教育呢？

对吴恩达教授而言，这场变化的发生速度，已经超出了他的想像。过去在校园里，他的机器学习课程一个学期的选修人数是几百名，而当他在2011年把课程搬上互联网之后，注册的学生突破了10万人，其中约有4.6万人确实开始了课程学习，并提交了第一次的作业。在为期4个月的课程结束之前，他又扩充了113个长度约10分钟的视频，这时已有2.3万人完成了大部分的学习任务，有1.3万人因成绩合格而获得了结业证书。

10%的完成率看起来似乎相当低下，而其他网路课程的完成率甚至只有5%。事实上，吴恩达教授的一位斯坦福同事——Udacity（Coursera公司的竞争对手）创始人之一的塞巴斯蒂安·特龙（Sebastian Thrun）——曾经于2013年秋天公开宣称MOOCs是一个失败的新生事物，而他提出该主张的原因就在于其过低的完成率。

然而这类忧虑忽略了一个更为重要的事实，那就是，即使就这个完成率而言，吴恩达教授单独一门课程的学生人数，如果凭借传统的教学手段，则需要他终其一生才能达成。

大数据已经做好了准备为教育带来它所期待的巨大变革。就让我们来共同关注这些变化将会如何发生吧。

想知道AI加教育领域有哪些最新研究成果？请在智能观（zhinengguanym）对话界面回复「论文」；

想要AI领域更多的干货？请在对话界面回复「干货」；

想了解更多专家的「智能观」，请在对话界面回复「观点」，去获取你想要的内容吧。

关于我们

朋友说，智能观是几个女文青在做科技的事情。

哪里，我们充其量是几个对AI和教育有无限好奇与情怀的伪文青。

我们以独特的视角观察AI给教育带来的变化，从国内到国外，从清华到麻省，从小学到大学，从有志于此的小团队以及个人到巨头，都是我们关注的对象。

我们希望用心、用准确的信息介绍业内的最新研究成果、进展、愿景与观点，希望对关注这个领域的你有所帮助，希望跟你一起发现更多潜能。

PS：我们团队还是有理性大叔的~

[笔芯]

推荐阅读：

相关文章